4.3.2. Statistical analysisData wer

4.3.2. Statistical analysis
Data were analyzed with structural equation modeling (SEM)
procedures (Hair, 2006). The computer program AMOS (version
22) was employed to obtain path estimates, using maximum likelihood
(MLE) estimation, and to evaluate the overall fit of the
model tested. SEM is a comprehensive statistical method to testing
hypotheses about relations among observed and latent variables
(Hoyle, 1995). This study adopts SEM because it enables the
researchers to examine a series of dependence relationships simultaneously
(Hair, 2006), which is particularly useful in testing the
theoretical model proposed in this study. In addition, SEM considerably
facilitates the estimation and testing of causal sequences
involving theoretical constructs rather than measured variables.
Jöreskog (1993) distinguished among three situations concerning
model fitting and testing in SEM: (a) the strictly confirmatory situation
in which a single model is either accepted or rejected, (b)
the competing models situation in which several models are
formulated and one of them is selected, and (c) the modelgenerating
situation which involves re-specification of a target
model based on misspecification revealed after initial estimation
and examination of the target model. This study adopted the competing
models approach and tested the hypotheses by comparing
eight competing models regarding the causal relationships
between latent constructs.
At present there is no consensus concerning the best index of
overall fit for evaluating SEM models (Hoyle and Panter, 1995).
SEM experts suggested that model fit should be assessed by multiple
fit indexes that take into account the testing situation (Hoyle
and Panter, 1995; Hu and Bentler, 1995). Thus, this study used different
types of indexes of overall fit, including v2, v2/degrees of
freedom ratio, the root mean square error approximation (RMSEA),Comparative Fit Index (CFI), Tucker-Lewis Index (TLI), and the
Incremental Index of Fit (IFI).

ผลลัพธ์ (ไทย) 1:

4.3.2. สถิติวิเคราะห์ข้อมูลที่ได้วิเคราะห์ ด้วยสมการโครงสร้าง (SEM) ในการสร้างโมเดลวิธีการ (ผม 2006) โปรแกรมคอมพิวเตอร์อาโมส (รุ่น22) ถูกใช้เพื่อขอรับการประเมินเส้นทาง ใช้โอกาสสูงสุดการประเมิน (MLE) และ การประเมินให้พอดีโดยรวมของการทดสอบรุ่น SEM เป็นวิธีทางสถิติครอบคลุมการทดสอบสมมติฐานเกี่ยวกับความสัมพันธ์ระหว่างตัวแปรสังเกตได้ และแฝงอยู่(ฮอยล์ 1995) การศึกษานี้ใช้ SEM เนื่องจากช่วยให้การนักวิจัยการตรวจสอบชุดของความสัมพันธ์ที่พึ่งพากัน(ผม 2006) ซึ่งเป็นประโยชน์อย่างยิ่งในการทดสอบการแบบจำลองทางทฤษฎีที่นำเสนอในการศึกษานี้ นอกจากนี้ SEM มากช่วยในการประเมินและการทดสอบลำดับเชิงสาเหตุเกี่ยวข้องกับทฤษฎีสร้าง แทนที่วัดตัวแปรJöreskog (1993) ที่โดดเด่นในสามสถานการณ์เกี่ยวกับแบบติดตั้ง และทดสอบใน SEM: (ก) สถานการณ์เมื่ออย่างเคร่งครัดซึ่งแบบเดียวที่มีการยอมรับ หรือ ปฏิเสธ, (b)สถานการณ์แข่งขันรุ่นที่มีหลายรูปแบบสูตร และหนึ่งในนั้นถูก เลือก และ (c) modelgeneratingสถานการณ์ที่เกี่ยวข้องกับข้อกำหนดใหม่ของเป้าหมายตาม misspecification ที่เปิดหลังจากการประเมินเบื้องต้นและการตรวจสอบรุ่นเป้าหมาย การศึกษานี้นำการแข่งขันรูปแบบวิธีการ และทดสอบ hypotheses โดยเปรียบเทียบรุ่นแข่งขันแปดเกี่ยวกับความสัมพันธ์เชิงสาเหตุระหว่างโครงสร้างแฝงอยู่At present there is no consensus concerning the best index ofoverall fit for evaluating SEM models (Hoyle and Panter, 1995).SEM experts suggested that model fit should be assessed by multiplefit indexes that take into account the testing situation (Hoyleand Panter, 1995; Hu and Bentler, 1995). Thus, this study used differenttypes of indexes of overall fit, including v2, v2/degrees offreedom ratio, the root mean square error approximation (RMSEA),Comparative Fit Index (CFI), Tucker-Lewis Index (TLI), and theIncremental Index of Fit (IFI).

ผลลัพธ์ (ไทย) 2:

4.3.2 การวิเคราะห์ทางสถิติ
วิเคราะห์ข้อมูลที่มีการสร้างแบบจำลองสมการโครงสร้าง (SEM)
ขั้นตอน (ผม, 2006) โปรแกรมคอมพิวเตอร์ที่ AMOS (รุ่น
22) เป็นลูกจ้างที่จะได้รับการประมาณการเส้นทางโดยใช้ความน่าจะเป็นสูงสุด
(MLE) การประเมินและการประเมินความพอดีโดยรวมของ
รูปแบบการทดสอบ SEM คือวิธีการทางสถิติที่ครอบคลุมในการทดสอบ
สมมติฐานเกี่ยวกับความสัมพันธ์ระหว่างตัวแปรสังเกตและแฝง
(Hoyle, 1995) การศึกษาครั้งนี้ adopts SEM เพราะมันจะช่วยให้
นักวิจัยเพื่อตรวจสอบชุดของความสัมพันธ์ของการพึ่งพาอาศัยกันไปพร้อม ๆ กัน
(ผม, 2006) ซึ่งเป็นประโยชน์อย่างยิ่งในการทดสอบ
รูปแบบทางทฤษฎีที่นำเสนอในการศึกษานี้ นอกจากนี้ SEM มาก
อำนวยความสะดวกในการประมาณค่าและการทดสอบของลำดับสาเหตุ
ที่เกี่ยวข้องกับการสร้างทฤษฎีมากกว่าตัวแปรวัด.
Jöreskog (1993) ที่โดดเด่นในหมู่สามสถานการณ์เกี่ยวกับ
รูปแบบที่เหมาะสมและการทดสอบใน SEM (ก) สถานการณ์ยืนยันอย่างเคร่งครัด
ซึ่งในรูปแบบเดียว ทั้งยอมรับหรือปฏิเสธ (ข)
สถานการณ์การแข่งขันรุ่นซึ่งในหลายรูปแบบจะมี
สูตรและหนึ่งในนั้นถูกเลือกและ (ค) modelgenerating
สถานการณ์ที่เกี่ยวข้องกับเรื่องการกำหนดเป้าหมาย
รูปแบบขึ้นอยู่กับ misspecification เปิดเผยหลังจากการประมาณค่าเริ่มต้น
และการตรวจสอบ ของรูปแบบเป้าหมาย การศึกษาครั้งนี้นำการแข่งขัน
วิธีการรูปแบบและการทดสอบสมมติฐานโดยการเปรียบเทียบ
แปดรูปแบบการแข่งขันเกี่ยวกับความสัมพันธ์เชิงสาเหตุ
ระหว่างโครงสร้างแฝง.
ในปัจจุบันมีมติเกี่ยวกับดัชนีที่ดีที่สุดไม่
พอดีโดยรวมสำหรับการประเมินรุ่น SEM (Hoyle และแพนเตอร์, 1995).
SEM ผู้เชี่ยวชาญชี้ให้เห็นว่ารูปแบบพอดีควรได้รับการประเมินจากหลาย
ดัชนีพอดีที่คำนึงถึงสถานการณ์การทดสอบ (Hoyle
และแพนเตอร์, 1995; Hu และ Bentler, 1995) ดังนั้นการศึกษานี้ใช้ที่แตกต่างกัน
ประเภทของดัชนีพอดีโดยรวมรวมทั้ง V2, V2 / องศา
อัตราส่วนเสรีภาพรากหมายถึงข้อผิดพลาดประมาณตาราง (RMSEA) เปรียบเทียบดัชนี Fit (CFI) ดัชนีทักเกอร์ลูอิส (TLI) และ
ที่เพิ่มขึ้นของดัชนี Fit (IFI)