x2/df, CFI, GFI, AGFI, RMSEA และ SRMR เป็นการวัดดัชนีความสอดคล้องกลมกลืนของโมเดลทั้งหมดที่ใช้ในการสร้างแบบจำลองสมการโครงสร้าง (SEM) มาตรการเหล่านี้ใช้เพื่อประเมินว่าแบบจำลองเหมาะสมกับข้อมูลหรือไม่ โดยทั่วไป เกณฑ์ต่อไปนี้มักใช้ในการประเมินความเหมาะสมของแบบจำลอง:
- อัตราส่วน x2/df: อัตราส่วน x2/df หรือที่เรียกว่า “อัตราส่วนไคสแควร์ต่อองศาอิสระ” คือการวัดความพอดีโดยรวมของโมเดล คำนวณเป็นสถิติไคสแควร์หารด้วยองศาอิสระ อัตราส่วนที่สูงเกินไปแสดงว่าโมเดลไม่เหมาะกับข้อมูล โดยทั่วไปแล้ว อัตราส่วนที่น้อยกว่า 3 จะถือว่าพอดีกับรุ่นที่ดี
- CFI: CFI หรือดัชนีความพอดีเชิงเปรียบเทียบ คือการวัดความพอดีแบบสัมพัทธ์ของแบบจำลองกับข้อมูล โดยจะเปรียบเทียบความพอดีของโมเดลกับโมเดลพื้นฐาน ซึ่งโดยทั่วไปจะเป็นโมเดลที่มีการตั้งค่าพารามิเตอร์ทั้งหมดเป็นศูนย์ ค่า CFI ที่มากกว่า 0.95 โดยทั่วไปจะถือว่าเป็นการระบุรุ่นที่เหมาะสม
- GFI: GFI หรือดัชนีความพอดี คือการวัดความพอดีโดยรวมของโมเดลกับข้อมูล ซึ่งคำนวณจากอัตราส่วนของสถิติไคสแควร์ต่อขนาดตัวอย่าง คูณด้วยองศาอิสระ ค่า GFI ที่มากกว่า 0.90 โดยทั่วไปจะถือว่าเป็นการระบุรุ่นที่เหมาะสม
- AGFI: AGFI หรือดัชนีความพอดีที่ปรับแล้วคือ GFI เวอร์ชันแก้ไขที่คำนึงถึงจำนวนพารามิเตอร์ในโมเดล มักใช้เพื่อเปรียบเทียบความพอดีของโมเดลที่มีจำนวนพารามิเตอร์ต่างกัน ค่า AGFI ที่มากกว่า 0.90 โดยทั่วไปจะถือว่าเป็นการระบุรุ่นที่เหมาะสม
- RMSEA: RMSEA หรือรูตค่าเฉลี่ยข้อผิดพลาดกำลังสองของการประมาณ เป็นการวัดความไม่เหมาะสมของแบบจำลองกับข้อมูล โดยคำนวณเป็นรากที่สองของผลต่างกำลังสองเฉลี่ยระหว่างเมทริกซ์ความแปรปรวนร่วมที่สังเกตได้และเมทริกซ์ความแปรปรวนร่วมที่ประมาณไว้ หารด้วยระดับความอิสระ ค่า RMSEA ที่น้อยกว่า 0.06 โดยทั่วไปจะถือว่าเป็นการระบุรุ่นที่เหมาะสม
- SRMR: SRMR หรือรูตมาตรฐานค่าเฉลี่ยกำลังสองที่เหลือ เป็นการวัดความแตกต่างระหว่างเมทริกซ์ความแปรปรวนร่วมที่สังเกตได้และที่ทำนายไว้ โดยคำนวณเป็นรากที่สองของผลต่างกำลังสองเฉลี่ยระหว่างเมทริกซ์ความแปรปรวนร่วมที่สังเกตและทำนายไว้ หารด้วยระดับความอิสระ โดยทั่วไปแล้ว SRMR ที่น้อยกว่า 0.08 จะถือว่าเหมาะสมกับรุ่นที่ดี
เป็นที่น่าสังเกตว่าเกณฑ์เหล่านี้เป็นเพียงแนวทางคร่าว ๆ และท้ายที่สุดก็ขึ้นอยู่กับผู้วิจัยที่จะตัดสินใจว่าแบบจำลองนั้นเหมาะสมกับข้อมูลเพียงพอตามวัตถุประสงค์ของตนเองและบริบทเฉพาะของการศึกษาหรือไม่ ในบางกรณี อาจยอมรับได้หากแบบจำลองมีความพอดีน้อยกว่าเล็กน้อย หากสามารถจับความสัมพันธ์ที่น่าสนใจในข้อมูลได้อย่างเพียงพอ
ช่องทางติดต่อ
Tel: 0924766638 คุณอาจุ้ย
อีเมล: ichalermlarp@gmail.com
LINE: @impressedu
(หยุดทุกวันอาทิตย์)
