การเปรียบเทียบวิธีการวิเคราะห์ความไม่แปรเปลี่ยนของโมเดลการวัดระหว่างการประมาณค่าความน่าจะเป็นสูงสุดและการวิเคราะห์แบบเบส์
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษาความไม่แปรเปลี่ยนของโมเดลการวัดเป็นการตรวจสอบว่าตัวอย่างตั้งแต่สองกลุ่มขึ้นไปที่มีภูมิหลังต่างกันเช่น เพศ อายุ ประสบการณ์ ภูมิภาค เป็นต้น มีความเห็นในทำนองเดียวกันหรือไม่ในการวัดตัวแปรแฝงในโมเดล งานวิจัยเกี่ยวกับการศึกษาความไม่แปรเปลี่ยนของโมเดลการวัดได้รับความนิยมเป็นอันมากในรอบ 2-3 ทศวรรษนี้ โดยเฉพาะอย่างยิ่งการพัฒนาวิธีการวิเคราะห์เป็นไปอย่างรวดเร็วไม่ว่าจะเป็นด้าน software หรือด้าน algorithm บทความนี้มีความมุ่งหมายเพื่อเสนอวิธีการวิเคราะห์ความไม่แปรเปลี่ยนของโมเดลการวัด 2 วิธีในเชิงเปรียบเทียบ ได้แก่ วิธีที่ใช้กันอย่างแพร่หลายในการวิจัยคือ วิธีการประมาณค่าความน่าจะเป็นสูงสุด (Maximum-likelihood estimation) ที่มีรากฐานมาจากแนวคิดของสถิติแบบความถี่ (Frequentist statistics) และวิธีการวิเคราะห์แบบเบส์ โดยเสนอขั้นตอนกระบวนการวิเคราะห์ คำสั่งที่ใช้ในการวิเคราะห์ด้วยโปรแกรม LISREL 8.72 และ โปรแกรม R 3.6.1 รวมถึงแสดงตัวอย่างการวิเคราะห์และผลการวิเคราะห์ เพื่อให้ผู้ที่สนใจได้เข้าใจและสามารถนำวิธีการวิเคราะห์ทั้ง 2 วิธีไปประยุกต์ใช้กับงานวิจัยของตนเองได้
Article Details
เนื้อหาและข้อมูลในบทความที่ลงตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นข้อคิดเห็นและความรับผิดชอบของผู้เขียนบทความโดยตรง ซึ่งกองบรรณาธิการวารสาร ไม่จำเป็นต้องเห็นด้วย หรือร่วมรับผิดชอบใดๆ
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ถือเป็นลิขสิทธิ์ของวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนใดส่วนหนึ่งไปเผยแพร่ต่อหรือกระทำการใดๆ จะต้องได้รับอนุญาตเป็นลายลักษณ์อักษรจากวารสารการวัดผลการศึกษา มหาวิทยาลัยมหาสารคาม ก่อนเท่านั้น
เอกสารอ้างอิง
ชนินันท์ พฤกษ์ประมูล. (2561). โมเดลคุณลักษณะที่พึงประสงค์ของบัณฑิตระดับบัณฑิตศึกษาของไทยและต่างประเทศ: การวิเคราะห์ความไม่แปรเปลี่ยนแบบเบส์. (วิทยานิพนธ์ครุศาสตรมหาบัณฑิต ไม่ได้ตีพิมพ์). จุฬาลงกรณ์มหาวิทยาลัย, กรุงเทพมหานคร.
นงลักษณ์ วิรัชชัย. (2554). การทดสอบความไม่แปรเปลี่ยนของการวัดระหว่างกลุ่มผู้ถูกวัดด้วยการวิเคราะห์โมเดลสมการโครงสร้าง. วารสารวิจัยและพัฒนาหลักสูตร, 1(1), 69-80.
พูลพงศ์ สุขสว่าง. (2557). หลักการวิเคราะห์โมเดลสมการเชิงสร้าง. วารสารมหาวิทยาลัยนราธิวาสราชนครินทร์, 6(2), 136-146.
สิวะโชติ ศรีสุทธิยากร. (2555). วิธีการประมาณค่าแบบเบส์สำหรับการวิเคราะห์ข้อมูลพหุระดับที่ตัวแปรมีความคลาดเคลื่อนจากการวัด: การศึกษาสถานการณ์จำลองแบบมอนติคาร์โลและข้อมูลจริง. (วิทยานิพนธ์ปริญญาครุศาสตรดุษฎีบัณฑิต ), จุฬาลงกรณ์มหาวิทยาลัย.
สุทธิศานติ์ ชุ่มวิจารณ์ สุวิมล ว่องวาณิช และชยุตม์ ภิรมย์สมบัติ. (2559). การพัฒนาและตรวจสอบคุณภาพเครื่องมือวัดความยึดมั่นผูกพันการวิจัยของนักศึกษาระดับดุษฎีบัณฑิตคณะครุศาสตร์/ศึกษาศาสตร์: การวิเคราะห์ด้วยภาวะน่าจะเป็นสูงสุดและเบส์. วารสารวิจัย มสด สาขามนุษยศาสตร์และสังคมศาสตร์, 12(2), 83-107.
สุภมาส อังสุโชติ สมถวิล วิจิตรวรรณา และ รัชนีกูล ภิญโญภานุวัฒน์. (2554). สถิติวิเคราะห์สำหรับการวิจัยทางสังคมศาสตร์และพฤติกรรมศาสตร์เทคนิคการใช้โปรแกรม LISREL (3 ed.): กรุงเทพมหานคร: เจริญดีมั่นคงการพิมพ์.
Bialosiewicz, S., Murphy, K., & Berry, T. (2013). An introduction to measurement invariance testing: resource packet for participants. Claremont Evaluation Center. School of Social Science, Policy, & Evaluation. Claremont Graduate University. Claremont, CA. Retrieved from http://comm.eval.org/HigherLogic/System/DownloadDocumentFile.ashx?DocumentFileKey=63758fed-a490-43f2-8862-2de0217a08b8
Gelman, A., Hwang, J., & Vehtari, A. (2014). Understanding predictive information criteria for Bayesian models. Statistics and Computing, 24(6), 997-1016.
Hair, J., Black, W. C., Babin, B. J., and Anderson, R. E. (2010). Multivariate data analysis. 7th edition. Upper saddle River, New Jersey: Pearson Education International.
Hoofs, H., Van de Schoot, R., Jansen, N. W. H., & Kant, I. (2018). Evaluating model fit in Bayesian confirmatory factor analysis with large samples: simulation study introducing the BRMSEA. Educational and Psychological Measurement, 78(4), 537-568.
Kaplan, D. (2014). Bayesian statistics for the social sciences: New York: Guilford Publications.
Kim, Cao, C., Wang, Y., & Nguyen, D. T. (2017). Measurement invariance testing with many groups: a comparison of five approaches. Structural Equation Modeling. Multidisciplinary Journal, 24(4), 524-544.
Kruschke, J. K. (2011). Doing Bayesian data analysis: A tutorial with R and BUGS. USA: Elsevier Inc.
Merkle, E. C., & Rosseel, Y. (2018). blavaan: Bayesian structural equation models via parameter expansion. Journal of Statistical Software, 85(4), 1-30.
Merkle, E. C., Rosseel, Y., Garnier-Villarreal, M., Hoofs, H., & Van de Schoot, R. (2019). Package ‘blavaan’ Bayesian latent variable analysis. https://cran.r-project.org/web/packages/blavaan/blavaan.pdf
Muthen, B., & Asparouhov, T. (2012). Structural equation modeling: a more flexible representation of substantive theory. Psychological Methods, 17(3), 313-335.
Muthén, B., & Asparouhov, T. (2013). BSEM measurement invariance analysis.
Van de Schoot, R., Lugtig, P., & Hox, J. (2012). A checklist for testing measurement invariance. European Journal of Developmental Psychology, 9(4), 486-492.
