factor. Moreover, the factor loadin

factor. Moreover, the factor loading ranging from 0.703 – 0.876 the highest factor
Mahasarakham University
69
loading is in continuous improvement mindset and the lowest factor loading is in audit
innovation learning. Further, construct validity of this research was tapped by items in
the measure, as theorized. Moreover, the factor loadings of each item are greater than
the 0.40 cut-off and are statistically significant that recommended by Nunnally and
Bernstein (1994). Consequently, the construct validity is obtained. Additionally, the
Cronbach’s alpha coefficients for all variables are expressed between 0.707 – 0.810 the
highest coefficient is in audit profession well-roundedness and the lowest coefficient is
in audit judgment, which is greater than 0.70 as recommended by Hair and others
(2006) and Cronbach (1951). That is, internal consistency of the measures used in this
study is considered good for all constructs. As a result, the reliability of all variables is
obtained.
Statistics
The Ordinary Least Squares (OLS) regression analysis is used to test
hypotheses relationship to meet the objective. The statistic techniques include factor
analysis which is exploited to ensure the validity, variance inflation factor (VIFs),
correlation analysis. But before hypotheses testing, all of raw data are checked,
encoded, and recorded in a data file. Then, the basis assumption of regression analysis is
tested. This process involves checking the normality, heteroscedasticity,
autocorrelation, and linearity. Moreover, outliner problem is concerned.
Factor Analysis. This research uses factor analysis to ensure two statistic
objectives. First, convergent and discriminant validity are examined. Second, factor
score of all variables is calculated in order to avoid from the multicollinearity problem
and assessed by Ordinary Least Squares (OLS) regression analysis.
Variance inflation factor. To identify multicollinearity problem, this research
conducts a variance inflation factor (VIF) and a tolerance value as indicators to indicate
a high degree of multicollinearity among the independent variables. VIF is directly
related to the tolerance value. A tolerance value is greater than 0.10 and VIF is less than

ผลลัพธ์ (ไทย) 1:

ปัจจัยการ นอกจากนี้ ตัวโหลดตั้งแต่ 0.703 – 0.876 ปัจจัยสูงสุดมหาวิทยาลัยมหาสารคาม69โหลดใน mindset พัฒนาอย่างต่อเนื่อง และการโหลดตัวต่ำสุดในการตรวจสอบการเรียนรู้นวัตกรรม เพิ่มเติม ตั้งแต่โครงสร้างของงานวิจัยนี้ถูกเคาะ โดยรายการในวัด เป็น theorized นอกจากนี้ loadings ปัจจัยของแต่ละสินค้ามีมากกว่าตัด 0.40 และมีอย่างมีนัยสำคัญทางสถิติที่แนะนำ โดย Nunnally และนาร์ดเบิร์นสไตน์ (1994) ดังนั้น ตั้งแต่ก่อสร้างได้รับ นอกจากนี้ การสัมประสิทธิ์อัลฟาของ Cronbach สำหรับตัวแปรทั้งหมดจะแสดงระหว่าง 0.707 – 0.810สัมประสิทธิ์สูงในตรวจสอบอาชีพแห่ง roundedness และมีค่าสัมประสิทธิ์ต่ำในการตรวจสอบคำพิพากษา ซึ่งเป็นมากกว่า 0.70 แนะนำ โดยผมและอื่น ๆ(2006) และ Cronbach (1951) นั่นคือ ภายในสอดคล้องกันของมาตรการที่ใช้ในการนี้การศึกษาจะถือว่าดีสำหรับโครงสร้างทั้งหมด ส่งผล มีความน่าเชื่อถือของตัวแปรทั้งหมดรับสถิติวิเคราะห์การถดถอยธรรมดากำลังสองน้อยสุด (OLS) ใช้ในการทดสอบความสัมพันธ์สมมุติฐานเพื่อตอบสนองวัตถุประสงค์ เทคนิคสถิติรวมปัจจัยวิเคราะห์ซึ่งสามารถให้มีผลบังคับใช้ เงินเฟ้อต่าง ปัจจัย (VIFs),การวิเคราะห์สหสัมพันธ์ แต่ก่อนที่จะทดสอบสมมุติฐาน ข้อมูลวัตถุดิบทั้งหมดจะถูกตรวจ สอบการเข้ารหัส และบันทึกไว้ในแฟ้มข้อมูล แล้ว สมมติฐานพื้นฐานของการวิเคราะห์การถดถอยคือทดสอบ กระบวนการนี้เกี่ยวข้องกับการตรวจสอบ normality, heteroscedasticityautocorrelation และแบบดอกไม้ นอกจากนี้ ปัญหา outliner เป็นห่วงการวิเคราะห์ปัจจัย งานวิจัยนี้ใช้การวิเคราะห์ปัจจัยเพื่อให้สถิติ 2วัตถุประสงค์ แรก convergent และมีผลบังคับใช้ discriminant จะตรวจสอบ ปัจจัยที่สองมีคำนวณคะแนนของตัวแปรทั้งหมดเพื่อหลีกเลี่ยงจากปัญหา multicollinearityและจากการประเมิน โดยการวิเคราะห์การถดถอยธรรมดากำลังสองน้อยสุด (OLS)ตัวคูณผลต่างอัตราเงินเฟ้อ ระบุปัญหา multicollinearity งานวิจัยนี้ทำปัจจัยเงินเฟ้อต่าง (VIF) และค่าเผื่อเป็นตัวชี้วัดเพื่อบ่งชี้ระดับสูงของ multicollinearity ระหว่างตัวแปรอิสระ VIF ได้โดยตรงที่เกี่ยวข้องกับค่ายอมรับ ยอมรับค่ามากกว่า 0.10 และ VIF มีน้อยกว่า

ผลลัพธ์ (ไทย) 2:

ปัจจัย นอกจากนี้ยังมีปัจจัยโหลดตั้งแต่ 0.703-0.876
ปัจจัยสูงสุดมหาวิทยาลัยมหาสารคาม
69 โหลดอยู่ในความคิดพัฒนาอย่างต่อเนื่องและการโหลดปัจจัยที่ต่ำสุดคือการตรวจสอบการเรียนรู้นวัตกรรม นอกจากนี้การสร้างความถูกต้องของงานวิจัยนี้ได้รับการทาบทามจากรายการในวัดที่เป็นมหาเศรษฐี นอกจากนี้ภาระปัจจัยของแต่ละรายการมากกว่า0.40 ตัดและมีนัยสำคัญทางสถิติที่แนะนำโดย Nunnally และสเตน(1994) ดังนั้นความถูกต้องสร้างจะได้รับ นอกจากนี้ครอนบาคของค่าสัมประสิทธิ์แอลฟาสำหรับตัวแปรทั้งหมดจะถูกแสดงระหว่าง 0.707-0.810 ค่าสัมประสิทธิ์ที่สูงที่สุดคือในวิชาชีพการตรวจสอบที่ดี roundedness และค่าสัมประสิทธิ์ต่ำสุดคือในการตัดสินการตรวจสอบซึ่งมากกว่า 0.70 ตามคำแนะนำของผมและคนอื่น ๆ (2006) และครอนบาค (1951) นั่นคือความสอดคล้องภายในของมาตรการที่ใช้ในการนี้การศึกษาถือว่าเป็นสิ่งที่ดีสำหรับโครงสร้างทั้งหมด เป็นผลให้ความน่าเชื่อถือของตัวแปรทั้งหมดจะได้รับ. สถิติสแควร์อย่างน้อยสามัญ (OLS) การวิเคราะห์การถดถอยจะใช้ในการทดสอบสมมติฐานความสัมพันธ์ที่จะตอบสนองวัตถุประสงค์ เทคนิคทางสถิติรวมถึงปัจจัยการวิเคราะห์ที่เป็นประโยชน์เพื่อให้แน่ใจว่าถูกต้องแปรปรวนปัจจัยอัตราเงินเฟ้อ (VIFs) การวิเคราะห์ความสัมพันธ์ แต่ก่อนที่จะทดสอบสมมติฐานทั้งหมดของข้อมูลดิบที่มีการตรวจสอบการเข้ารหัสและบันทึกไว้ในแฟ้มข้อมูล จากนั้นสมมติฐานพื้นฐานของการวิเคราะห์การถดถอยที่มีการทดสอบ กระบวนการนี้เกี่ยวข้องกับการตรวจสอบปกติที่ heteroscedasticity, อัตและเชิงเส้น นอกจากนี้ปัญหา outliner เป็นห่วง. การวิเคราะห์องค์ประกอบ การวิจัยครั้งนี้ใช้การวิเคราะห์ปัจจัยที่สองเพื่อให้แน่ใจว่าสถิติวัตถุประสงค์ ครั้งแรกที่มาบรรจบกันและความถูกต้องจำแนกมีการตรวจสอบ ประการที่สองปัจจัยที่คะแนนของตัวแปรทั้งหมดมีการคำนวณเพื่อหลีกเลี่ยงปัญหาพหุและการประเมินโดยสองน้อยที่สุด(OLS) การวิเคราะห์การถดถอย. แปรปรวนปัจจัยเงินเฟ้อ ในการระบุปัญหาพหุงานวิจัยนี้ดำเนินการเป็นปัจจัยเงินเฟ้อแปรปรวน (VIF) และค่าความอดทนเป็นตัวชี้วัดเพื่อบ่งชี้ถึงระดับสูงของพหุระหว่างตัวแปรอิสระ VIF โดยตรงที่เกี่ยวข้องกับค่าความอดทน ค่าความอดทนมีค่ามากกว่า 0.10 และ VIF น้อยกว่า

ผลลัพธ์ (ไทย) 3:

ปัจจัย นอกจากนี้ ปัจจัยโหลดตั้งแต่กฎ– 0.876 สูงสุดปัจจัย
มหาวิทยาลัยมหาสารคาม

โหลด 69 ในความคิดการปรับปรุงอย่างต่อเนื่องและนวัตกรรมการเรียนรู้ปัจจัยค่าโหลดในบัญชี

เพิ่มเติม สร้างความถูกต้องของงานวิจัยนี้คือเคาะด้วยรายการใน
วัดเป็น theorized . นอกจากนี้ ปัจจัยภาระของแต่ละรายการมากกว่า
040 ตัดและมีนัยสำคัญทางสถิติที่แนะนำโดยนันนาลี่และ
เบิร์นสไตน์ ( 1994 ) จากนั้น ความตรงตามโครงสร้างดังกล่าวได้ นอกจากนี้ สัมประสิทธิ์อัลฟาครอนบาค
สำหรับตัวแปรทั้งหมดจะถูกแสดงระหว่าง 0.707 – 0.810
สูงสุด 1 ในอาชีพก็ตรวจสอบความมนกลมและสัมประสิทธิ์ต่ำสุด
ในการตัดสินใจ ตรวจสอบ ซึ่งมีค่ามากกว่า 070 เป็นที่แนะนำโดยผมและคนอื่น ๆ
( 2006 ) และเท่ากับ ( 1951 ) นั่นคือ ความสอดคล้องภายในของมาตรการที่ใช้ในการศึกษา
ถือว่าที่ดีทั้งหมดสร้าง . ผลของตัวแปรต่างๆ เป็นแบบ


สถิติโดยวิธีกำลังสองน้อยที่สุด ( OLS ) การวิเคราะห์สมการถดถอยเพื่อใช้ทดสอบสมมติฐานความสัมพันธ์
เพื่อตอบสนองวัตถุประสงค์ สถิติ รวมถึงปัจจัย
การวิเคราะห์ที่ถูกใช้เพื่อให้แน่ใจว่าถูกต้อง ปัจจัยเงินเฟ้อแปรปรวน ( vifs )
การวิเคราะห์สหสัมพันธ์ แต่ ก่อนการทดสอบสมมติฐานทั้งหมดของข้อมูลดิบจะถูกตรวจสอบ
เข้ารหัส และบันทึกไว้ในแฟ้มข้อมูล แล้วพื้นฐานสมมติฐานของการวิเคราะห์การถดถอยคือ
ทดสอบ กระบวนการนี้เกี่ยวข้องกับการตรวจสอบปกติ heteroscedasticity
, , ข้อมูล และเป็นเส้นตรง . นอกจากนี้ปัญหาแบบเป็นห่วง .
การวิเคราะห์องค์ประกอบ การวิจัยครั้งนี้ใช้สถิติการวิเคราะห์องค์ประกอบเพื่อให้แน่ใจว่า 2
วัตถุประสงค์ ก่อนการสอบความถูกต้องและจะตรวจ 2 คะแนนปัจจัย
ของตัวแปรทั้งหมดจะถูกคำนวณเพื่อหลีกเลี่ยงจากปัญหาค่า
และประเมินโดยวิธีกำลังสองน้อยที่สุด ( OLS ) การวิเคราะห์การถดถอย .
ปัจจัยเงินเฟ้อ ความแปรปรวนระบุปัญหาข้อมูล งานวิจัยนี้จึงเป็นปัจจัยความแปรปรวน
เงินเฟ้อ ( VIF ) และค่าเผื่อมูลค่าเป็นตัวบ่งชี้
ระดับสูงเกิดพหุสัมพันธ์ระหว่างตัวแปรอิสระ วิฟตรง
เกี่ยวข้องกับค่าความอดทน ค่าเผื่อมูลค่ามากกว่า 0.10 และ VIF น้อยกว่า