DSpace Repository

การเปรียบเทียบกำลังการทดสอบและอิทธิพลร่วมของตัวแปรแฝงในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรง ระหว่างวิธี LISREL-PI วิธี LMS และวิธี PlS-PI

Show simple item record

dc.contributor.advisor เสรี ชัดแช้ม
dc.contributor.advisor พูลพงศ์ สุขสว่าง
dc.contributor.author อัชฌา ชื่นบุญ
dc.contributor.other มหาวิทยาลัยบูรพา. วิทยาลัยการวิจัยและวิทยาการปัญญา
dc.date.accessioned 2023-05-12T02:25:47Z
dc.date.available 2023-05-12T02:25:47Z
dc.date.issued 2560
dc.identifier.uri https://buuir.buu.ac.th/xmlui/handle/1234567890/6124
dc.description ดุษฎีนิพนธ์ (ปร.ด.) -- มหาวิทยาลัยบูรพา, 2560
dc.description.abstract การวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบกําลังการทดสอบและอิทธิพลร่วมของตัวแปรแฝง ในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรง ระหว่างวิธี LISREL-PI วิธี LMS และวิธี PLS-PI ตัวแปรขนาดกลุ่มตัวอย่าง มี 6 ขนาด (20, 50, 100, 150, 200 และ 500 คน) และจํานวนตัวบ่งชี้ในแต่ละตัวแปรแฝง มี 6 ขนาด (2, 4, 6, 8, 10 และ 12 ตัว) เป็นการศึกษาสถานการณ์จําลองด้วยวิธีมอนติคาร์โล ทดลองซ้ำ 500 ครั้งสำหรับแต่ละกลุ่มตัวอย่าง วิเคราะห์โดยใช้วิธีLISREL-PI และวิธี LMS นําผลมาเปรียบเทียบกับวิธี PLS-PI จากการศึกษาของ Chin, Marcolin, and Newsted (2003) และ Goodhue, Lewis, and Thompson (2007) และเพื่อศึกษาผลการวิเคราะห์อิทธิพลร่วมของความสัมพันธ์เชิงสาเหตุของความผาสุกทางจิตใจต่อผลการเรียนรู้ของนักศึกษา โดยมีบรรยากาศในการเรียนเป็นตัวแปรกํากับ โดยใช้วิธี LISREL-PI วิธี LMS และวิธี PLS-PI กับข้อมูลจริง ใช้กลุ่มตัวอย่างเป็นนักศึกษาระดับปริญญาตรีของวิทยาลัยเซนต์หลุยส์ ปีการศึกษา 2558 จํานวน 500 คน ผลการศึกษาปรากฎว่า 1. กําลังการทดสอบในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรงที่มีค่ามากกว่า 0.80 เรียงลําดับตามวิธีดังนี้ วิธี LISREL-PI (33 เงื่อนไข) วิธีLMS (13 เงื่อนไข) และวิธีPLS-PI (9 เงื่อนไข) และทุกขนาดของจํานวนตัวบ่งชี้ในแต่ละตัวแปรแฝง (2, 4, 6, 8, 10 และ 12 ตัว) ทั้ง 3 วิธีให้ค่ากําลังการทดสอบมากกว่า 0.80 กรณีกลุ่มตัวอย่างขนาด 500 คน และค่าอิทธิพลรวมของตัวแปรแฝงในการวิเคราะห์โมเดล สมการโครงสร้างแบบไม่เป็นเส้นตรงที่มีความลําเอียงสัมพัทธ์เฉลี่ยน้อยกว่า 10% เรียงลําดับตามวิธีดังนี้ วิธีLMS (30 เงื่อนไข) วิธี PLS-PI (18 เงื่อนไข) และวิธี LISREL-PI (6 เงื่อนไข) แสดงว่า วิธี LMS ใช้ได้ดีกรณี ตัวบ่งชี้ในแต่ละตัวแปรแฝงมีจํานวนมาก (8, 10 และ 12 ตัว) และทุกขนาดกลุ่มตัวอย่าง วิธี PLS-PI ใช้ได้ดี กรณีตัวบ่งชี้ในแต่ละตัวแปรแฝง มีจํานวนมาก (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 โดยมีบรรยากาศในการเรียนเป็นตัวแปรกํากับวิธี LISREL-PI มีนัยสําคัญทางสถิติที่ระดับ .01 และวิธี PLS-PI มีนัยสําคัญทางสถิติที่ระดับ .05 สำหรับวิธี LMS ค่าอิทธิพลรวมของความผาสุกทางจิตใจกับบรรยากาศในการเรียนไม่ส่งผลต่อผลการเรียนรู้ของนักศึกษาแสดงว่า วิธี LISREL-PI และวิธี PLS-PI ใช้ได้ดีกับการวิเคราะห์ อิทธิพลร่วมของความสัมพันธ์เชิงสาเหตุของความผาสุกทางจิตใจต่อผลการเรียนรู้ของนักศึกษา โดยมีบรรยากาศในการเรียนเป็นตัวแปรกํากับ
dc.language.iso th
dc.publisher วิทยาลัยการวิจัยและวิทยาการปัญญา มหาวิทยาลัยบูรพา
dc.rights มหาวิทยาลัยบูรพา
dc.subject ลิสเรล (โปรแกรมคอมพิวเตอร์)
dc.subject มหาวิทยาลัยบูรพา -- สาขาวิชาการบริหารการศึกษา
dc.subject การวิเคราะห์กลุ่มแฝง
dc.subject วิธีมอนติคาร์โล
dc.subject วิธีกำลังสองน้อยที่สุด
dc.subject มหาวิทยาลัยบูรพา -- สาขาวิชาการวิจัยและสถิติทางวิทยาการปัญญา
dc.subject แบบจำลองสมการโครงสร้าง
dc.title การเปรียบเทียบกำลังการทดสอบและอิทธิพลร่วมของตัวแปรแฝงในการวิเคราะห์โมเดลสมการโครงสร้างแบบไม่เป็นเส้นตรง ระหว่างวิธี LISREL-PI วิธี LMS และวิธี PlS-PI
dc.title.alternative A comprison of the power of the test nd the interction effect of ltent vribles in nlyzing nonliner structurl eqution modeling when using lisrel-pi, lms, nd pls-pi,Sustinble mngement of khlong smrong, songkhl province, Thilnd, using geoinformtion technology
dc.type วิทยานิพนธ์/ Thesis
dc.description.abstractalternative 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 as reported in Chin, Marcolin, and Newsted (2003) and Goodhue, Lewis, and Thompson (2007). 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 (30 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.
dc.degree.level ปริญญาเอก
dc.degree.discipline การวิจัยและสถิติทางวิทยาการปัญญา
dc.degree.name ปรัชญาดุษฎีบัณฑิต
dc.degree.grantor มหาวิทยาลัยบูรพา


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search DSpace


Advanced Search

Browse

My Account