ประสิทธิภาพของการประมาณค่าพารามิเตอร์และดัชนีวัดความสอดคล้องเชิงประจักษ์ในการวิเคราะห์องค์ประกอบเชิงยืนยันภายใต้โมเดลระบุผิดพลาดและตัวแปรสังเกตได้มีการแจกแจงไม่ปกติ

EFFICIENCY OF PARAMETER ESTIMATIONS AND EMPIRICAL FIT INDICES IN CONFIRMATORY FACTOR ANALYSIS MODEL UNDER MODEL MISSPECIFICATION AND NONNORMALITY IN OBSERVED VARIABLES

Name: กันตินันท์ นันทนาดิศัย

ThaSH: การแจกแจง (ทฤษฎีความน่าจะเป็น)

ThaSH: การประมาณค่าพารามิเตอร์

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของวิธีประมาณค่าพารามิเตอร์ และประสิทธิภาพของดัชนีวัดความสอดคล้องเชิงประจักษ์ในโมเดลการวิเคราะห์องค์ประกอบเชิงยืนยัน ภายใต้สถานการณ์ที่ไม่มีการระบุโมเดลผิดพลาด และมีการระบุโมเดลผิดพลาด และตัวแปรสังเกตได้มีการแจกแจงไม่ปกติ ข้อมูลที่ใช้ในการวิจัยได้จากการจำลองด้วยเทคนิคมอนติคาร์โล ภายใต้ 576 เงื่อนไขการจำลองจาก 5 ปัจจัย ประกอบด้วย (1) ประเภทของพารามิเตอร์ที่ระบุผิดพลาด 3 ประเภท ได้แก่ พารามิเตอร์ความแปรปรวนร่วมระหว่างตัวแปรแฝง พารามิเตอร์น้ำหนักองค์ประกอบ และพารามิเตอร์ความแปรปรวนร่วมระหว่างความคลาดเคลื่อน (2) ระดับของการระบุโมเดลผิดพลาด 4 ระดับ ได้แก่ ระบุไม่ผิดพลาด (RMSEA=.000) ระดับน้อย (RMSEA=.002) ปานกลาง (RMSEA=.004) และมาก (RMSEA=.006) (3) รูปทรงการแจกแจงของตัวแปรสังเกตได้ 3 รูปแบบ ได้แก่ แบนราบกว่าปกติน้อย (ku=-1) โด่งกว่าปกติน้อย (ku=1) และโด่งกว่าปกติมาก (ku=2) (4) ขนาดตัวอย่าง 4 ระดับ ได้แก่ 200, 400, 600 และ800 (5) วิธีการประมาณค่าพารามิเตอร์ 4 วิธี ได้แก่ วิธีภาวะความควรจะเป็นสูงสุด (ML) วิธีภาวะความควรจะเป็นสูงสุดที่มีความแกร่ง (RML) วิธีกำลังสองน้อยสุดทั่วไป (GLS) และวิธีกำลังสองน้อยสุดถ่วงน้ำหนัก (WLS) โดยแต่ละเงี่อนไขการจำลองจะทำซ้ำ 1000 รอบ โดยใช้ค่าความไว (sensitivity) ค่าความเอนเอียงสัมพัทธ์ (relative bias: RB) สัมประสิทธิ์การแปรผัน (coefficient of variation : CV) ความคลาดเคลื่อนประเภทที่ 1 (Type I error) และอำนาจการทดสอบสมมติฐาน (power of the test) เป็นเกณฑ์การเปรียบเทียบประสิทธิภาพของวิธีการประมาณค่าพารามิเตอร์ และประสิทธิภาพของดัชนีวัดความสอดคล้องเชิงประจักษ์ ผลการวิจัยพบว่า (1) วิธี ML และ RML มีประสิทธิภาพด้านความเอนเอียงสัมพัทธ์ดีที่สุด และมีประสิทธิภาพไม่แตกต่างกัน แต่วิธี RML จะมีประสิทธิภาพด้านสัมประสิทธิ์การแปรผันดีกว่าวิธี ML GLS และ WLS ทั้งในกรณีที่ไม่มีการระบุโมเดลผิดพลาด โดยที่ปัจจัยระดับของการระบุโมเดลผิดพลาดส่งผลต่อความเอนเอียงสัมพัทธ์มากที่สุด และปัจจัยประเภทของพารามิเตอร์ส่งผลต่อสัมประสิทธิ์การแปรผันมากที่สุด (2) ดัชนี p-value, CFI, GAMMA, MC, RMSEA เเละ TLI เป็นดัชนีที่มีความไวต่อการระบุโมเดลผิดพลาดระดับมาก และมีความไวต่อปัจจัยแทรกซ้อนอื่นๆในระดับน้อยถึงปานกลาง โดยในกรณีที่ไม่มีการระบุโมเดลผิดพลาด ดัชนี GAMMA ที่ได้จากทุกวิธีประมาณค่า สามารถควบคุมการเกิดความคลาดเคลื่อนประเภทที่ 1 ได้ทุกกรณี และกรณีที่โมเดลระบุผิดพลาด ดัชนี p-value ที่ได้จากวิธี ML และ RML ดัชนี CFI เเละ TLI ที่ได้จากวิธี GLS และ WLS มีอำนาจการทดสอบสูงกว่าร้อยละ 80 มากกรณีกว่าดัชนีอื่นๆ

Abstract: This research objectives were to study parameter estimation methods efficiency and efficiency of empirical fit indices in confirmatory factor analysis under no misspecification model and misspecification model with nonnormality observed variables. Data were generated by using Monte Carlo technique under 576 conditions from five factors included (1) three types of parameter misspecification included latent variable covariances, factor loadings, measurement error covariances (2) four levels of misspecification included no misspecification (RMSEA=.000), low (RMSEA=.02), moderate (RMSEA=.04), and high (RMSEA=.06) (3) three observe variable distributions included low platykurtic (ku=-1), moderate leptokurtic (ku=1) and high leptokurtic (ku=2) (4) four sample sizes included 200, 400, 600 and 800 (5) four parameter estimation methods include maximum likelihood (ML), robust maximum likelihood (RML), generalized least squares (GLS), and weighted least squares (WLS). Each condition was repeated 1000 times. The sensitivity relative biased (RB), Coefficient of variation (CV), type I error and power of the test were used as criteria for the efficiency of parameter estimation methods and empirical fit indices. The research results were: (1) ML and RML methods were most efficient and had equal RB. RML method had more efficiency of CV than ML, GLS and WLS methods in both no misspecification model and misspecification model. Level of misspecification was most effected to RB and type of parameter was most effected to CV. (2) p-value, CFI, GAMMA, MC, RMSEA and TLI were large sensitive to misspecification and small to moderate sensitive to other extraneous variables. In case of no misspecification model, GAMMA index from all estimations can controlled type I error and in case of misspecification model p-value from ML and RML, CFI and TLI from GLS and WLS had more conditions of power of the test above 80 percent more than other indices.

จุฬาลงกรณ์มหาวิทยาลัย. สำนักงานวิทยทรัพยากร

Address: กรุงเทพมหานคร

Email: cuir@car.chula.ac.th

Name: สิวะโชติ ศรีสุทธิยากร

Role: ที่ปรึกษา

Created: 2559

Modified: 2562-08-21

Issued: 2562-08-14

วิทยานิพนธ์/Thesis

application/pdf

URL: http://cuir.car.chula.ac.th/handle/123456789/55709

tha

DegreeName: ครุศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: สถิติการศึกษา

Grantor: จุฬาลงกรณ์มหาวิทยาลัย

©copyrights จุฬาลงกรณ์มหาวิทยาลัย

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	5883405327.pdf	10.41 MB	21	2026-05-26 18:16:01

ใช้เวลา

0.032394 วินาที