Page 140 - 22825_Fulltext

3-3

โดยที่ข้อมูลเหมาะสมต่อการวิเคราะห์ การทดสอบดังกล่าวต้องมีนัยสำคัญทางสถิติ เมื่อ
เป็นไปตามข้อตกลงเบื้องต้น ขั้นตอนต่อไปจะวิเคราะห์หาน้ำหนักขององค์ประกอบ (Factor loading)

จากการสร้างเมตริกซ์สัมประสิทธิ์สหสัมพันธ์ (Correlation matrix) การสกัดปัจจัย (Factor

extraction) การหมุนแกนปัจจัย (Factor Rotation) และการหาค่าคะแนนปัจจัย (Factor Scores)
ซึ่งเป็นไปตามสมการ

n
F = j  w x = ji i w x + j 11 w x + j 2 2 ... w x+ jn n
i= 1

โดยที่ F คือ คะแนนองค์ประกอบที่ j
j
w คือ น้ำหนักองค์ประกอบที่ j ของตัวแปรที่ i (Factor loading)
ji
และ x คือ ค่าของตัวแปรสังเกตที่ i โดยผลบวกกำลังสองของค่าน้ำหนัก
i
องค์ประกอบของแต่ละตัวทุกตัวในองค์ประกอบ เรียกว่า ค่าไอเกิน (Eigen value) โดยเลือกเฉพาะ

องค์ประกอบที่มีค่าไอเกินสูงสุดเท่านั้น เพื่อสร้างคะแนนองค์ประกอบ ในทีนี้คือดัชนีย่อย

จากนั้นปรับโครงสร้างข้อมูลให้ปลอดจากหน่วยนับ (Unit Free) โดยจุดเด่นของวิธีการนี้ คือ
สามารถลดมิติของข้อมูลให้น้อยลง โดยจัดตัวแปรที่ใช้ในการศึกษาให้เป็นกลุ่มตัวแปร แต่ยังสามารถรักษา

โครงสร้างเดิมของข้อมูลเอาไว้ และด้วยตัววิธีการเอง ยังช่วยให้สามารถให้น้ำหนักกับปัจจัยแต่ละตัวได้ว่า

มีความสำคัญต่อผลในภาพรวมระดับใด โดยพิจารณาจากการกระจายตัวของข้อมูลที่มีอยู่ อย่างไรก็
ตาม วิธีการนี้ก็มีข้อจำกัด 3 ประการ ดังนี้

(1) การวิเคราะห์ด้วยวิธีนี้จำเป็นต้องมีข้อมูลจำนวนมาก อย่างน้อยไม่น้อยกว่า 200 ตัวอย่าง

การศึกษาครั้งนี้ มีข้อมูลเกินกว่าข้อมูลขั้นต่ำที่กำหนด ประเด็นนี้จึงไม่ใช่ข้อจำกัด
(2) การประมาณค่าด้วยวิธีนี้มีความอ่อนไหวต่อข้อมูลที่มีค่าสูงมากหรือต่ำมากกว่าปกติ

(Outlier) อย่างไรก็ตาม ในการศึกษาครั้งนี้ข้อมูลที่ได้มามี 2 ประเภทด้วยกัน คือ ข้อมูลจำนวน

ข้อมูลร้อยละ และข้อมูลที่ถูกกำหนดขึ้นมาเป็นคะแนนระหว่าง 1 ถึง 5 จึงไม่มีปัญหาเรื่องข้อมูลที่มีค่า
สูงหรือต่ำมากกว่าปกติ

และ (3) ค่าสัมประสิทธิ์ที่ได้ซึ่งใช้กำหนดค่าน้ำหนักของผลรวมไม่ได้เป็นค่าที่สะท้อนระดับ

อิทธิพลที่แท้จริงของตัวแปรนั้นที่มีต่อเรื่องที่ต้องการประเมิน ประเด็นนี้เป็นข้อจำกัดของการศึกษา
ครั้งนี้ อย่างไรก็ตาม การศึกษาครั้งนี้ไม่ได้ต้องการหาระดับอิทธิพลของปัจจัย แต่เป็นการสร้างดัชนี

ข้อจำกัดนี้จึงไม่ได้เป็นประเด็นสำหรับการศึกษาในครั้งนี้