top of page

Exploratory Factor Analysis: EFA

Updated: Feb 20, 2023



Factor Analysis


หากพูดถึงการวิเคราะห์องค์ประกอบ หรือ ตัวประกอบ ก็จะนึกถึงเรื่อง Factor Analysis นี้แน่นอน


สำหรับ Factor Analysis นั้นจะแบ่งออกเป็น 2 ประเภทคือ 1) Exploratory Factor Analysis หรือ EFA และ 2) Confirmatory Factor Analysis หรือ CFA


ในบทความนี้จะกล่าวถึง EFA กันก่อน เนื่องจากตัว CFA เคยได้กล่าวไว้ในหลายๆ มิติที่เกี่ยวข้องไปแล้ว เช่น บทความเรื่อง Constructed Validity ทั้ง part1 และ part2


หรือเรื่อง

Formative-Reflective ก็เกี่ยวกับ CFA เช่นเดียวกัน


 

Exploratory Factor Analysis: EFA คืออะไร


E ของ EFA ที่ย่อมาจาก Explore หมายถึงการสำรวจ ดังนั้น ความหมายอย่างงายของ EFA ก็คือการวิเคราะห์องค์ประกอบเชิงสำรวจ หมายความว่ายังไม่รู้อะไรทั้งสิ้น แต่ให้สถิติเป็นตัวช่วยบอก ช่วยสำรวจให้เรา


ย้อนความกลับไปอีกหน่อย ว่าทำไม ต้องวิเคราะห์องค์ประกอบด้วย ไม่ว่าจะเป็น EFA หรือ CFA ก็ตาม


เนื่องจากการวิเคราะห์องค์ประกอบนั้น มีจุดมุ่งหมายสำคัญคือการวิเคราะห์ออมาว่าตัวแปรที่สนใจนำมาวิเคราะห์นั้น ตัวแปรใดอยู่ในกลุ่มใดกันบ้าง หรือ กลุ่มที่เราศึกษามานั้นตัวแปรเหล่านี้อยู่ในกลุ่มนี้จริงหรือไม่ ซึ่งต้องอ้างไปยังคำว่า "ตัวแปรแฝง" คำนี้ หมายถึงตัวแปรที่เป็นนามธรรม ไม่สามารถวัด หรือ เก็บข้อมูลได้โดยตรง หรือเรียกอีกอย่างว่า "องค์ประกอบ" ถ้าจะพูดให้ง่ายเข้าไปอีกก็คือ ตัวแปรแฝงนั้น คือหัวข้อในแบบสอบถาม (ขออธิบายในความหมายที่ง่ายที่สุด) ซึ่งแต่ละหัวข้อนั้นเราไม่สามารถเก็บข้อมูลได้โดยตรง ต้องเก็บผ่านตัวแปรสังเกต หรือก็คือข้อคำถาม ตัวชี้วัด ดัชนี้ชี้วัด แล้วแต่จะเรียกได้เลย


ดังนั้น การวิเคราะห์องค์ประกอบ หรือ Factor Analysis ก็คือการให้สถิติเข้ามาช่วยในการจัดกลุ่มหรือตรวจสอบกลุ่ม ซึ่งมี 2 แบบ คือ E Explore กับ C Confirm ดังที่กล่าวไปตอนต้น เรามาขยายใจความกันอีกสักหน่อย


  • ต้องการจัดกลุ่มตัวแปร โดยที่ยังไม่รู้มาก่อนว่าตัวแปรใดอยู่ภายใต้องค์ประกอบใด

    • >> แบบนี้เป็นลักษณะของการ Explore คือสำรวจเพื่อให้รู้ว่าใคร (ตัวแปร) อยู่ด้วยกันบ้าง

  • ต้องการตรวจสอบตัวแปรที่อยู่ในแต่ละกลุ่มว่ามีน้ำหนักเพียงพอที่จะอยู่ในกลุ่มนั้น จริงหรือไม่

    • >> แบบนี้เป็นลักษณะของการ Confirm เนื่องจากรู้แล้วว่าใคร (ตัวแปร) อยู่ด้วยกันบ้าง ใครอยู่กลุ่มใด กลุ่มนั้น (องค์ประกอบ) นั้นๆ ประกอบไปด้วยตัวแปรอะไรบ้าง รู้อยู่แล้ว แต่ต้องการมาตรวจสอบ มายืนยันว่า มันอยู่จริงๆ นะ



EFA

CFA

ถ้าดูจากภาพประกอบ จะเห็นว่าภาพ EFA จะมีเส้นโยงๆ จากทั้ง Factor1 และ Factor2 ไปยังตัวแปร Y1-Y8 ครบทุกตัว ในขณะที่ภาพ CFA จะเห็นว่า Factor1 และ Factor2 นั้น ถูกกำกับไว้เรียบร้อยแล้ว ว่า Factor1 ประกอบด้วย Y1-Y4 ส่วน Factor2 ประกอบด้วย Y5-Y8


 

วิเคราะห์ EFA ต้องพิจารณาค่าอะไรบ้าง


มี 5 สิ่งที่ต้องพิจารณาในการวิเคราะห์ EFA ได้แก่

  1. KMO และ Bartlett's test เป็นการดูความสอดคล้องกลมกลืนของข้อมูลทั้งหมด (ตัวแปร / ข้อคำถาม / ตัวชี้ว) ว่ามีความสัมพันธ์กัน สอดคล้องกัน เพียงพอหรือไม่ เพียงพอต่อการจะบอกว่าข้อมูลทั้งหมดนี้ สามารถรวมกลุ่มกันได้จริง มีตัวแปรแฝงอยู่จริงๆ

  2. Communality เป็นการอธิบายว่าตัวแปรแต่ละตัวที่นำมาวิเคราะห์นั้น มีความสามารถในการรวมกลุ่มหรือไม่ เอาไว้พิจารณาว่าตัวแปรนั้นๆ น่าจะรวมกลุ่มกันได้ ไม่ได้อยู่เป็นอิสระ สันโดษ

  3. Eigen Value เป็นค่าที่เอาไว้พิจารณาว่าตัวแปรที่นำเข้ามาวิเคราะห์นี้สามารถสกัด (รวมกลุ่ม) กันได้กี่องค์ประกอบ (กลุ่ม) โดยใช้เกณฑ์ 1.0 ขึ้นไป หากการจัดกลุ่มนั้นๆ มีค่า eigen 1 ขึ้นก็จะยอมรับผลในการจัดกลุ่มนั้นๆ

  4. Factor Loading คือค่าน้ำหนักองค์ประกอบของแต่ละตัวแปรที่มีต่อองค์ประกอบนั้น ซึ่งควรมีค่า 0.3 ขึ้นไป แต่เวลาทำงานจริงจะพบว่าการที่มีค่าน้ำหนักเพียง 0.3 นั้น ถือว่าน้อยมาก ควรมี 0.5 หรือ 0.7 ขึ้นไป จึงจะทำให้การพิจารณาในมิติอื่นๆ นั้นผ่านเกณฑ์ เช่น ค่า CR ค่า AVE (ดูเพิ่มเติมได้ที่เรื่อง Constructed Validity)

  5. Rotation คือการหมุนแกน อธิบายง่ายๆ ว่า การสกัดองค์ประกอบนั้น ตำแหน่งของตัวแปรจะไปลงบนแกนซึ่งมีทั้งค่า + ค่า - แล้วดูว่าตัวแปรไหนอยู่ในแกนเดียวกันบ้าง ก็จะนับว่ารวมกลุ่มกันได้ ทีนี้ ผลที่ได้จากการสกัดครั้งแรกก่อนการหมุนแกนนั้น ตัวแปรยังไม่แยกออกจากกันชัดเจน ยังไม่รู้ว่าตัวแปรใดอยู่กลุ่มใดกันแน่ ยังแยกไม่ออก จึงต้องทำการ "หมุนแกน" เพื่อให้ชัดเจนขึ้น โดยการหมุนแกนมี 2 แบบ คือ Orthogonal กับ Oblique

    1. Orthogonal หรือ การหมุนแบบตั้งฉาก คือการหมุนทั้งแกน เพื่อให้แกนไปบรรจบตรงกับตัวแปร

    2. Oblique หรือ การหมุนแบบแหลม เป็นการหมุนเพียงบางแกน ไม่หมุนทั้งแกน


Rotation

จากภาพคือคำอธิบายของการหมุนแกน จะเห็นว่าตั้งแต่แกนยังไม่หมุน ตัวแปรจะไม่ลงอยู่ในแกนเลย แต่พอหมุนแล้วทำให้แกันกับตัวแปรพอดีกัน


 

สรุป


การวิเคราะห์องค์ประกอบเชิงสำรวจ หรือ Exploratory Factor Analysis นั้นมีไว้เพื่อการสกัดหรือจัดกลุ่มตัวแปรที่ยังไม่มีกลุ่มหรือองค์ประกอบมาก่อน ให้สถิติช่วยในการจัดกลุ่มให้ โดยพิจารณาจากต่างๆ ได้แก่ KMO, Bartlett's test, Communality, Eigen Value, Factor Loading, Rotation.


ศึกษาเพิ่มเติม

1.Youtube EFA concept (James Gaskin)

2.Youtube EFA Demostration (James Gaskin)







ร่วมติดตามได้ทุกช่องทาง

follow or subscribe in any channel


tel.086-555-5949

line: @SmartResearchThai

Blockdit: SmartResearchThai

Youtube: SmartResearchThai

Facebook: SmartResearchThai


Recent Posts

See All
bottom of page