จากการเรียนกับดร.กุญชร
เจือตี๋ ณ
มหาวิทยาลัยสุโขทัยธรรมาธิราช
สามารถสรุปได้ดังนี้
AMOS
analysis of moment
structures
Assumption ของ SEM
Sample side 15 case per predictor / 5 case per parameter
/150 ตัวอย่าง ขึ้นไป/การสุ่มตัวอย่างเป็นอิสระต่อกัน /ข้อมูลบางส่วนหรือทั้งหมดจะเป็นโค้งปกติ/
สำรับ amos ตัวแปรต้นต้องเป็นตัวแปรเชิงคุณภาพ หรือตัวแปรเชิงปริมาณ ก็ได้ แต่ ตัวแปรตามต้องเป็นตัวแปรเชิงปริมาณเท่านั้น
1. เข้าไปที่ all program ,IBM SPSS
statistics,IBM SPSS AMOS22,AMOSS graphics,จะมีหน้าต่างขึ้นมา
2.
การสร้างภาพ, คลิ๊กที่ภาพ draw a latent..
เพื่อสร้างภาพที่ต้องการ
หรือ สร้างเองจากรูปสี่เหลี่ยม วงรี และ error
ที่ add a unique…..
3. นำเข้าข้อมูล file ,data files,file name,
นำเข้าข้อมูลจาก spss ที่เก็บข้อมูลไว้,open,ok(เครื่องจะจำข้อมูลเอาไว้แล้ว)
4. ตั้งชื่อตัวแปรในกรอบที่เราได้สร้างไว้
โดยวิธี คลิ๊กขวาที่กรอบจะขึ้น object properties,แล้วสมารถพิมพ์ชื่อ
variable nameลงไปได้เลย
หรือวิธีสร้างจากข้อมูลที่มีอยู่แล้วโดย คลิ๊กที่รูปที่เขียนว่า List
Variable in data set,ลากชื่อตัวแปรในกล่อง variable in data ไปที่กรอบที่เราสร้างไว้,ส่วนชื่อตัวแปรที่เป็นerror ถ้าเราไม่ต้องการพิมพ์เอง สามารถทำโดย คลิ๊กไปที่ plugins ตรงแท๊บด้านบน,Name
Unobserved variables (หมายเหตุ เส้นลูกศร ต้องมีค่าเริ่มต้น เป็น 1 ในเส้นใดเส้นหนึ่ง
ดังนั้น คลิ๊กขวาที่ลูกศร ,object Properties ,ใส่ regression
weigh =1)
5.สั่ง run ข้อมูล โดย คลิ๊กที่รูป cululate
estimate,เครื่องจะขึ้นคำเตือนให้ save as คือต้องการให้เราหาที่เก็บไฟล์ที่เราสั่งrun ข้อมูลเสร็จแล้วก่อน,ดังนั้น
คลิ๊ก file,save as,เก็บในที่ที่เราต้องการ ,กลับมาที่หน้าจอเดิม,สั่งrunข้อมูลอีกครั้งหนึ่ง
โดยคลิ๊กที่รูป cululate estimate,จะสังเกตว่าเห็นว่าตรง view the
input path…จะมีสองอย่าง ด้านซ้ายไว้แก้งาน
ส่วนด้านขวาไว้อ่านงานจะมีตัวเลขแสดงค่าต่างๆแต่ไม่สามารถแก้ไขได้
6.ให้โปรแกรมรันข้อมูลอื่นๆด้วย โดยคลิ๊กที่views ,analysis Properties ,ที่หน้า estimate คลิ๊ก maximum likehood และ estimate mean and intercepts(แก้ไขเรื่อง data มี missing ให้)ส่วนหน้า output ให้คลิ๊ก Square Mutiple….(ค่า R square),Test for normality…,standardized estimate จะแสดงค่ามาตรฐาน(เปรียบเทียบระหว่างตัวแปรได้เพราะปรับเป็นหน่วยเดียวกัน)
และไม่ใช่ค่ามาตรฐาน(เปรียบเทียบระหว่างตัวแปรไม่ค่อยดีเพราะหน่วยต่างกัน) ,Indirect
direct….,Modification…ใช้ตอนปรับโมเดลเมื่อผลออกมาแล้วโมเดลใช้ไม่ได้,Minimization hi.. เมื่อกำหนดแล้วสั่งrun ใหม่
7.ดู ผลการrun โดยคลิ๊กที่
รูป view text จะได้ Amos Output ดังรูป
7.1 เช็คโมเดลว่าใช้ได้หรือไม่
7.1.1 สามารถอ่าน Note
for Model ได้ค่า chi-square =
23.678 ค่า p = 0.000 หมายถึง โมเดลนี้ใช้ไม่ได้เนื่องจากยอมรับ H1
H0
: the model fits the data (Model
= data)
H1:the model does not fit the data
(Model
≠
data)
7.1.2 หรืออ่านจาก model
fit ที่แสดงค่าต่างๆ
ดังนี้
CMIN/DF น้อยกว่า 5
CFI มากกว่า 0.9
NFI มากกว่า 0.8
RMSEA น้อยกว่า
0.06
วิธีแก้ไขถ้า
1) model
ไม่
fit คือ ไปแก้ตัวเลขที่ Modification Indices ให้เหลือ 2
แล้ว
run ใหม่
2) หรือ โปรแกรมจะแนะนำให้ปลดเงื่อนไขบางอย่างออกเช่น
ให้เราลากเส้นerror ให้มีความสัมพันธ์กันเองได้ (ซึ่งปกติต้องให้ค่าerrorไม่มีความสัมพันธ์กัน
มันจะเกิน covariance)
โดยการปรับตัวแปร ไปที่ output
,modification indices ให้ดูตัวแปรที่ควรปรับคือมีค่า M.I.สูงที่สุดก่อน
แล้วrunใหม่ ค่า p จะสูงขึ้น ดังรูป
จะให้สร้างเส้นความสัมพันธ์ระหว่าง e1 และ e2
หมายเหต จะปรับตามโปรแกรมหรือไม่
ต้องดูทฤษฎีว่าสอดคล้องกันหรือไม่ และถ้าโปรแกรมไม่แนะนำให้ปรับเราไม่ควรปรับ
7.2
อ่านค่าเมื่อโมเดล fit แล้ว
ค่า regression ตั้งสมมตฐานได้ว่า
H0: F1 ไม่สามารถอธิบาย(ไม่มีอิทธิพลต่อ)
var11ได้
H1: F1 สามารถอธิบาย var11ได้
โดยให้ค่า p ควรน้อยกว่า 0.05
เพื่อยอมรับ
H1
ดูจาก standardized regression weights ได้ว่า F1=0.506var11+0.648var21+0.913var31+0.7var41
การทดสอบ ความเบ้ ความโด่ง โดย skew +1 -1 +2 -2
8. การพิมพ์ใต้ภาพที่ทำเรียบร้อยแล้ว
ให้คลิ๊กที่ TITLE แล้วพิมพ์ chi-square=\cmin
แล้ว
run ใหม่
หรือ พิมพ์ CFI=\CFI แล้ว run
ใหม่
หรือ P=\p แล้ว run
ใหม่
หรือ RMSEA=\RMSEAแล้ว run
ใหม่
สุดท้ายนี้ ขอขอบคุณอาจารย์ดร.กุญชร
เจือตี๋ มากค่ะ
อังคณา
ธนานุภาพพันธุ์
ไม่มีความคิดเห็น:
แสดงความคิดเห็น