กําลังการทดสอบและอิทธิพลร่วมของตัวแปรแฝงในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรง ระหว่างวิธี LISREL-PI วิธี LMS และวิธี PLS-PI

Abstract

        การวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบกำลังการทดสอบและอิทธิพลร่วมของตัวแปรแฝงในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรง ระหว่างวิธี LISREL-PI วิธี LMS และวิธี PLS-PI ตัวแปร ขนาด กลุ่มตัวอย่าง มี 6 ขนาด (20, 50, 100, 150, 200 และ 500 คน) และจำนวนตัวบ่งชี้ในแต่ละตัวแปรแฝงมี 6 ขนาด (2, 4, 6, 8, 10 และ 12 ตัว) เป็นการศึกษาสถานการณ์จำลองด้วยวิธีมอนติคาร์โล ทดลองซ้ำ  500 ครั้ง วิเคราะห์โดยใช้วิธี LISREL-PI และวิธี LMS นำผลมาเปรียบเทียบกับวิธี PLS-PI และเพื่อศึกษาผลการวิเคราะห์อิทธิพลร่วมของความสัมพันธ์เชิงสาเหตุของความผาสุกทางจิตใจต่อผลการเรียนรู้ของนักศึกษา  โดยมีบรรยากาศในการเรียนเป็นตัวแปรกำกับ ด้วยวิธี LISREL-PI วิธี LMS และวิธี PLS-PI เป็นการประยุกต์กับข้อมูลจริง กลุ่มตัวอย่างเป็นนักศึกษาระดับปริญญาตรีของวิทยาลัยเซนต์หลุยส์ ปีการศึกษา 2558 จำนวน 500 คน ผลการศึกษาปรากฏว่า        1. กำลังการทดสอบในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรงที่มีค่ามากกว่า 0.80 เรียงลำดับตามวิธีดังนี้ วิธี LISREL-PI (33 เงื่อนไข) วิธี LMS (13 เงื่อนไข) และวิธี PLS-PI (9 เงื่อนไข) และทุกขนาดของจำนวนตัวบ่งชี้ในแต่ละตัวแปรแฝงทั้ง 3 วิธี ให้ค่ากำลังการทดสอบมากกว่า 0.80 กรณีกลุ่มตัวอย่างขนาด 500 คน และค่าอิทธิพลร่วมของตัวแปรแฝงในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรงที่มีความลำเอียงสัมพัทธ์เฉลี่ยน้อยกว่า 10% เรียงลำดับตามวิธีดังนี้ วิธี LMS (29 เงื่อนไข) วิธี PLS-PI (18 เงื่อนไข) และวิธี LISREL-PI (6 เงื่อนไข) แสดงว่า วิธี LMS ใช้ได้ดีกรณีตัวบ่งชี้ในแต่ละตัวแปรแฝงมีจำนวนมาก (8, 10 และ 12 ตัว) และทุกขนาดกลุ่มตัวอย่าง วิธี PLS-PI ใช้ได้ดี กรณีตัวบ่งชี้ในแต่ละตัวแปรแฝงมีจำนวนมาก (6, 8, 10 และ 12 ตัว) และกลุ่มตัวอย่างขนาด 20, 50, 100, 150 และ 200 คน และวิธี LISREL-PI ใช้ได้ดีกรณีตัวบ่งชี้ในแต่ละตัวแปรแฝงมี 2 ตัว และกลุ่มตัวอย่างขนาด 100, 150, 200 และ 500 คน         2. ค่าอิทธิพลร่วมของความสัมพันธ์เชิงสาเหตุของความผาสุกทางจิตใจต่อผลการเรียนรู้ของนักศึกษา โดยมีบรรยากาศในการเรียนเป็นตัวแปรกำกับ วิธี LISREL-PI มีนัยสำคัญทางสถิติที่ระดับ .01 และวิธี PLS-PI มีนัยสำคัญทางสถิติที่ระดับ .05 สำหรับวิธี LMS ค่าอิทธิพลร่วมของความผาสุกทางจิตใจกับบรรยากาศในการเรียนไม่ส่งผลต่อผลการเรียนรู้ของนักศึกษา แสดงว่า วิธี LISREL-PI และวิธี PLS-PI ใช้ได้ดีกับการวิเคราะห์อิทธิพลร่วมของความสัมพันธ์เชิงสาเหตุของความผาสุกทางจิตใจต่อผลการเรียนรู้ของนักศึกษา โดยมีบรรยากาศในการเรียนเป็นตัวแปรกำกับ           This research aimed to compare the power of the test and the interaction effects of latent variables in analyzing nonlinear structural equation modeling among LISREL-PI, LMS, and PLS-PI. Monte Carlo simulation was computed with various sample sizes (20, 50, 100, 150, 200, and 500) and number of indicators per latent variables (2, 4, 6, 8, 10, and 12), generating 500 replications for each sample size. The results from LISREL-PI, and LMS techniques were compared to the results from the PLS-PI. Additionally, the empirical data were also used to test the interaction effect of a causal relationship between psychological well-being and academic performance with academic climate used as a moderator variable, while the LISREL-PI, LMS, and PLS-PI were compared. The sample involved 500 undergraduate students at Saint Louis College in the academic year 2015. The results were as follows:        1. The power of the test of latent variables in analyzing nonlinear structural equation modeling exceed 0.80; with the LISREL-PI (33 conditions), the LMS (13 conditions), and the PLS-PI (9 conditions) and with all numbers of indicators per latent variables, the power of the test of latent variables in analyzing nonlinear structural equation modeling exceed 0.80 for the three approaches when the sample size was 500. The interaction effect of latent variables in analyzing nonlinear structural equation modeling was assessed by the mean relative bias and it did not exceed 10%; the LMS (29 conditions), the PLS-PI (18 conditions), and the LISREL-PI (6 conditions). The results show that the LMS was suitable for large numbers of indicators per latent variables (8, 10, and 12) and all sample sizes; the PLS-PI was suitable for large numbers of indicators per latent variables (6, 8, 10, and 12) and sample sizes 20, 50, 100, 150, and 200; and the LISREL-PI was suitable for two indicators per latent variables and sample sizes 100, 150, 200, and 500.         2. The interaction effect of academic climate as a moderator in a causal relationship model of psychological well-being and academic performance for the LISREL-PI, and the PLS-PI was statistically significant at the .01 and .05 levels respectively, but the interaction effect for the LMS was not significant. The results also show that the LISREL-PI, and the PLS- PI were suitable for measuring the interaction effect of academic climate as a moderator between a causal relationship model of psychological well-being and academic performance.