Page 176 -
P. 176

ู
                                   ้
                                  ู
                                                                      ุ
                                    ิ
                                      ิ
                       คลังความรดจทัลและฐานข้อมลจดหมายเหต มหาวิทยาลัยเกษตรศาสตร                   ์
                                                                            
                                                           วิจัยธุรกิจที่คุณทำได: จากการเริ่มตนสูความสำเร็จ     161
                          ตัวอย.างที่ 3 บริษัท C ต]องการศึกษาความสัมพันธSระหว.างระดับความเครียดกับประสิทธิภาพการ

                   ทำงาน ผลการวิเคราะหSพบว.าค.าสัมประสิทธิ์สหสัมพันธSแบบ Pearson เท.ากับ -0.70 แสดงว.ามีความสัมพันธ S
                   เชิงลบอย.างสูง หมายความว.าเมื่อความเครียดของพนักงานเพิ่มขึ้น ประสิทธิภาพการทำงานจะลดลงอย.าง

                   ชัดเจน


                          สัมประสิทธิ์สหสัมพันธgแบบ Spearman (Spearman Rank Correlation Coefficient)


                          Newbold และคณะ (2019) อธิบายว.า สัมประสิทธิ์สหสัมพันธSแบบ Spearman ใช]วัดความสัมพันธ S

                   ระหว.างตัวแปรที่มีระดับการวัดแบบอันดับ (Ordinal) หรือเมื่อความสัมพันธSระหว.างตัวแปรไม.เปfนเส]นตรง ค.า

                   สัมประสิทธิ์สหสัมพันธSแบบ Spearman (ρ) มีค.าและการแปลผลคล]ายกับ Pearson แต.ใช]อันดับของข]อมูล
                   แทนค.าจริงในการคำนวณ ตัวอย.างเช.น การศึกษาความสัมพันธSระหว.างตำแหน.งงานกับความพึงพอใจในงาน

                   ของพนักงาน หากผลลัพธSแสดงค.า Spearman เท.ากับ 0.70 หมายความว.าตำแหน.งงานที่สูงขึ้นมีแนวโน]ม
                   สัมพันธSกับความพึงพอใจที่เพิ่มขึ้น



                          Field (2017) เน]นย้ำว.าในการใช]สัมประสิทธิ์สหสัมพันธS นักวิจัยควรระมัดระวังในการตีความ
                   โดยเฉพาะอย.างยิ่งในการสรุปความสัมพันธSเชิงสาเหตุ (Causal Relationship) เนื่องจากความสัมพันธSที่พบอาจ

                   เกิดจากปYจจัยอื่นที่ไม.ได]วัด หรืออาจเปfนความสัมพันธSลวง (Spurious Relationship) และยังชี้ให]เห็นว.าการใช ]
                   สัมประสิทธิ์สหสัมพันธSควรมีการพิจารณาบริบทของข]อมูลและความเปfนไปได]ที่ปYจจัยอื่น ๆ อาจมีบทบาทใน

                   การสร]างความสัมพันธSที่สังเกตได] เพื่อหลีกเลี่ยงการตีความที่ผิดพลาดเกี่ยวกับความสัมพันธSเชิงสาเหตุ


                          3.5.3.2 การวิเคราะห_ปdจจัยรUวม (Factor Analysis)



                          การวิเคราะหSปYจจัยร.วม (Factor Analysis) เปfนเครื่องมือสำคัญในการสรุปและลดจำนวนตัวแปรท ี่

                   ซับซ]อนให]เหลือเพียงปYจจัยหลักที่สามารถอธิบายข]อมูลได]อย.างมีประสิทธิภาพ การวิเคราะหSนี้ใช]เพื่อตรวจสอบ
                   ความสัมพันธSแฝงระหว.างตัวแปรที่เกี่ยวข]องกัน และจำแนกตัวแปรเหล.านั้นให]เปfนกลุ.มปYจจัยเดียวกัน (Hair et

                   al., 2023) ทั้งนี้การวิเคราะหSปYจจัยร.วมแบ.งออกเปfนสองประเภทหลัก คือ การวิเคราะหSองคSประกอบเชิงสำรวจ

                   (Exploratory Factor Analysis: EFA) และการวิเคราะหSองคSประกอบเชิงยืนยัน (Confirmatory Factor
                   Analysis: CFA)


                          1. การวิเคราะหgองคgประกอบเชิงสำรวจ (EFA)


                          Anderson และคณะ (2023) อธิบายว.า EFA ใช]เมื่อนักวิจัยไม.มีทฤษฎีหรือสมมติฐานเกี่ยวกับ

                   โครงสร]างของปYจจัยที่ชัดเจน EFA ช.วยในการค]นหาโครงสร]างของปYจจัยจากข]อมูลที่มี


                          ตัวอย.างเช.น บริษัทผลิตสินค]าอุปโภคบริโภคต]องการศึกษาปYจจัยที่มีผลต.อการตัดสินใจซื้อของผู]บริโภค

                   โดยใช]แบบสอบถามที่มีคำถาม 20 ข]อเกี่ยวกับการตัดสินใจซื้อ ผลการวิเคราะหS EFA อาจพบว.า 20 ตัวแปรน ี้
   171   172   173   174   175   176   177   178   179   180   181