7 เมนู Factor
ผู้อ่านสามารถโหลดข้อมูลได้ google drive นี้
7.1 การวิเคราะห์สเกล (Scale Analysis)
เป็นกระบวนการทางสถิติที่ใช้เพื่อตรวจสอบการถูกต้องของการวัด (measurement) ในข้อมูลโดยการตรวจสอบข้อผิดพลาดในการวัด การวิเคราะห์สเกลมักใช้เมื่อมีการใช้เครื่องมือที่มีการวัดอย่างไม่แม่นยำหรือมีความเป็นไปได้ในการทำลายข้อมูลที่เกิดขึ้นเนื่องจากข้อผิดพลาดในการวัดหรือปัญหาทางสถิติอื่น ๆ
การวิเคราะห์สเกลมักใช้เพื่อ:
การตรวจสอบความถูกต้องของการวัด: การตรวจสอบว่าข้อมูลที่ได้มาจากการวัดมีความถูกต้องหรือไม่ เช่น การตรวจสอบความถูกต้องของชุดข้อมูลที่สะสมมาจากการสำรวจหรือการทดสอบต่าง ๆ
การตรวจสอบความสัมพันธ์ระหว่างตัวแปร: การวิเคราะห์ว่าการวัดของตัวแปรที่ต่างกันสามารถเปรียบเทียบกันได้หรือไม่ เช่น การตรวจสอบความสัมพันธ์ระหว่างคะแนนการทดสอบจากสองอาจารย์ที่ต่างกัน
การแก้ไขปัญหาในการวัด: หากพบปัญหาในการวัด เช่น ความไม่เสถียรของการวัดหรือความไม่สอดคล้องกันระหว่างตัวแปรที่วัด การวิเคราะห์สเกลสามารถช่วยในการแก้ไขปัญหานั้นๆ โดยการปรับปรุงหรือประมาณการค่าที่ถูกต้องของตัวแปร
การวิเคราะห์สเกลอาจใช้เครื่องมือสถิติหลายชนิด เช่น การคำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน เพื่อตรวจสอบความแตกต่างระหว่างกลุ่ม หรือการใช้การสร้างกราฟ เช่น กราฟหลายแกน เพื่อสร้างภาพรวมเกี่ยวกับการปรับปรุงข้อมูลที่วัดได้อย่างถูกต้องและเหมาะสม
7.1.1 Reliability Analysis
เป็นกระบวนการทางสถิติที่ใช้เพื่อวัดความเชื่อถือได้ (reliability) ของการวัดหรือการทดสอบ (measurement) โดยที่ความเชื่อถือได้หมายถึงความน่าเชื่อถือในความเสถียรของผลลัพธ์ของการวัดหรือทดสอบในสถานการณ์ที่เหมือนกันหรือในเวลาที่ต่างกัน
การวิเคราะห์ความเชื่อถือได้มีวัตถุประสงค์เพื่อ:
การประเมินความน่าเชื่อถือในการวัด: ในบางกรณี การวัดหรือการทดสอบอาจมีข้อผิดพลาดหรือความไม่เสถียรซึ่งอาจส่งผลต่อความเชื่อถือได้ของผลลัพธ์ การวิเคราะห์ความเชื่อถือได้ช่วยในการประเมินว่าการวัดหรือการทดสอบนั้นมีความเชื่อถือได้ในระดับใด
การปรับปรุงและประเมินโดยทั่วไป: หากพบว่าการวัดหรือการทดสอบมีความไม่เชื่อถือ การวิเคราะห์ความเชื่อถือได้ช่วยในการระบุและแก้ไขปัญหาที่เกิดขึ้น เพื่อทำให้การวัดหรือการทดสอบเป็นไปในทิศทางที่เชื่อถือได้มากยิ่งขึ้น
การใช้ข้อมูลเพื่อการตัดสินใจ: ความเชื่อถือได้ของการวัดหรือการทดสอบมีความสำคัญในการตัดสินใจทางวิชาการหรือการดำเนินงาน การวิเคราะห์ความเชื่อถือได้ช่วยให้เรามั่นใจในความถูกต้องของผลลัพธ์และการตัดสินใจที่เกี่ยวข้อง
วิธีการที่สามารถใช้ในการวิเคราะห์ความเชื่อถือได้รวมถึงการคำนวณค่าความสัมพันธ์ระหว่างตัวแปรที่วัดในหลายช่วงเวลา (test-retest reliability), การคำนวณความเสถียรของตัวแปรที่วัดโดยหลายผู้วัด (inter-rater reliability), และการคำนวณความสัมพันธ์ระหว่างตัวแปรที่วัดโดยต่างกัน (internal consistency reliability) ซึ่งอาจใช้วิธีการวิเคราะห์ทางสถิติต่าง ๆ เช่น ค่าสหสัมพันธ์, Cronbach’s alpha, หรือ Intraclass correlation coefficient (ICC) เป็นต้น
Cronbach’s alpha เป็นหนึ่งในวิธีการวัดความเชื่อถือของการวัด (reliability) ที่ใช้ในวิทยาศาสตร์สังคม โดยเฉพาะในการวัดความเชื่อถือของสำรวจแบบสอบถามหรือแบบวัดที่มีหลายรายการ (items) ซึ่งเราสนใจทราบว่ารายการทั้งหมดในแบบสอบถามมีความสัมพันธ์กันอย่างไรและมีความเหมาะสมในการใช้ร่วมกันเพื่อวัดความสมบูรณ์ของสมบัติที่ต้องการวัด
Cronbach’s alpha มักถูกใช้เป็นวัตถุประสงค์ในการวัดความเชื่อถือของการวัดที่เป็นตัวแบบของแบบสอบถามหรือข้อสอบ โดยมักจะมีค่าอยู่ในช่วง 0 ถึง 1 โดยค่าที่สูงขึ้นแสดงให้เห็นถึงความเชื่อถือที่ดีขึ้นของการวัด โดยทั่วไปมีการตีความ Cronbach’s alpha ดังนี้:
ถ้า Cronbach’s alpha มีค่ามากกว่า 0.9: ความเชื่อถือมีระดับสูงมาก
ถ้า Cronbach’s alpha มีค่าระหว่าง 0.8 - 0.9: ความเชื่อถือมีระดับสูง
ถ้า Cronbach’s alpha มีค่าระหว่าง 0.7 - 0.8: ความเชื่อถือมีระดับปานกลางถึงสูง
ถ้า Cronbach’s alpha มีค่าระหว่าง 0.6 - 0.7: ความเชื่อถือมีระดับปานกลาง
ถ้า Cronbach’s alpha มีค่าน้อยกว่า 0.6: ความเชื่อถือมีระดับต่ำ
การคำนวณ Cronbach’s alpha นั้นนับจากความสัมพันธ์ของรายการแต่ละรายการกับคะแนนรวมของรายการทั้งหมด ซึ่งการคำนวณ Cronbach’s alpha นั้นเป็นไปตามสูตรทางสถิติที่ทำงานบนตารางความสัมพันธ์ระหว่างรายการทั้งหมดและความสัมพันธ์ภายในรายการแต่ละรายการ
ขอใช้ข้อมูลตัวอย่างเกี่ยวกับการวัดความพอใจของลูกค้าโรงแรมด้วยแบบสอบถามที่มีรายการต่อไปนี้:
การบริการในห้องพัก
คุณภาพของอาหาร
การบริการของพนักงาน
เรามีข้อมูลตามตารางความถี่ดังนี้:
\[ \begin{array}{|c|c|c|c|c|} \hline \text{Customer} & \text{Item1} & \text{Item2} & \text{Item3} \\ \hline 1 & 4 & 5 & 3 \\ 2 & 3 & 4 & 4 \\ 3 & 5 & 3 & 5 \\ 4 & 4 & 5 & 4 \\ 5 & 3 & 4 & 4 \\ \hline \end{array} \]
โดยคะแนนเริ่มต้นของแต่ละลูกค้าเป็นดังนี้:
Item1: การบริการในห้องพัก
Item2: คุณภาพของอาหาร
Item3: การบริการของพนักงาน
ผลลัพธ์จะแสดงค่า Cronbach’s alpha และตัวชี้วัดการวัด (reliability statistics) ของแต่ละรายการ ซึ่งสามารถใช้เพื่อประเมินความเชื่อถือของแต่ละรายการและของทั้งชุดข้อมูล
ขั้นที่ 1 นำเข้าไฟล์ Cronbach.xlsx สู่ Jamovi
ขั้นที่ 2 เลือกเมนู factor \(\rightarrow\) เลือก Reliability Ananlysis และเลือกตามภาพ
McDonald’s omega เป็นหนึ่งในวิธีการวัดความเชื่อถือของการวัด (reliability) ที่ใช้ในการวิเคราะห์ข้อมูลที่เกี่ยวข้องกับแบบสอบถามหรือข้อสอบที่มีหลายรายการ (items) อีกหนึ่งวิธีนอกเหนือจาก Cronbach’s alpha โดย McDonald’s omega มีความยืดหยุ่นมากกว่าในการวัดความเชื่อถือของรายการที่ไม่ได้มีการสมมติฐานความสม่ำเสมอ (tau-equivalence) ซึ่งทำให้ McDonald’s omega เป็นทางเลือกที่ดีในบางกรณีที่ Cronbach’s alpha อาจจะไม่เหมาะสมหรือไม่สามารถนำมาใช้ได้ตามเงื่อนไขที่กำหนดไว้
McDonald’s omega ถูกพัฒนาขึ้นโดย D. L. McDonald เพื่อการใช้งานในหลายกรณี โดยเฉพาะในรายงานวิจัยทางสังคมศาสตร์และการทดลองทางจิตวิทยา โดย McDonald’s omega ถูกคำนวณจากโครงสร้างการแปรแสดงถึงความสัมพันธ์ระหว่างรายการทั้งหมดในข้อมูลของเรา และจะให้ค่ามาในช่วง 0 ถึง 1 โดยค่าที่มีค่าสูงขึ้นแสดงถึงความเชื่อถือที่ดีขึ้นของการวัด
การคำนวณ McDonald’s omega จะใช้ข้อมูลเกี่ยวกับความสัมพันธ์ระหว่างรายการทั้งหมด ซึ่งเป็นค่าที่อ้างอิงว่าแต่ละรายการมีความสัมพันธ์กันอย่างไร โดยการคำนวณนี้จะให้ข้อมูลที่สามารถช่วยในการปรับปรุงคุณภาพของแบบสอบถามหรือข้อสอบ โดยพิจารณาถึงความถูกต้องและความน่าเชื่อถือของแต่ละรายการที่ใช้ในการวัดคุณสมบัติที่ต้องการได้อย่างแม่นยำและเชื่อถือได้