โมเดลสมมติฐานสอดคล้องโดมเดลข้อมูลเชิงประจักษ์

ลองหาคำตอบดู
       1.เส้น DF,IF ต่างจากเส้นน้ำหนักองค์ประกอบอย่างไร
       2.แตกต่างอย่างมีนัยสำคัญ กับ แตกต่างอย่างไม่มีนัยสำคัญ กับ ไม่แตกต่าง  มันต่างกันอย่างไร ?
       3.ปรับโมเดลปรับกี่ครั้ง ปรับยังงัย
       4.โปรแกรม Mplus,Amos,Lisrel ต่างกันอย่างไร ทำไมถึงเลือกใช้ Lisrel ?
       5. * , ** คือค่าอะไร เอามาจากไหน และค่า t = เท่าไหร่ จึงใช่ 0.05,0.01

- เทคนิค SEM

- ในการแต่งตั้งผู้เชี่ยวชาญ และ การเก็บข้อมูล ให้เก็บในเชิงการบริหาร
- SEM (Structural Equational Modeling) = PAM (Path Analysis Modeling) + CAM (Confirm Factor Anslysis Modeling)
สาเหตุที่การวิเคราะห์แล้วข้อมูลไม่ Fit เกิดจาก
    1. การ Review ไม่ดี ไม่แม่น เครื่องมือมีน้อยข้อคำถามเกินไป ตัวแปรสังเกตุควรจะไม่ต่ำกว่า 3 ตัวแปร
    2. ผู้ตอบ ๆ แบบไม่ตั้งใจ หรือตอบให้เสร็จ ๆ (5 หมด หรือ 1 หมด) และกลุ่มตัวอย่างน้อยเกินไป
    3. การไม่ได้เก็บข้อมูลตามความเป็นจริง เช่น เก็บ 200 แล้วคัดลอกเป็น 400 โดยปกติโปรแกรม Lisrel จะฉลาดและรู้ว่ามีข้อมูลจริงแค่ 200

ทั่วไป
   ก่อนจะทำการวิเคราะห์ด้วย Lisrel ต้องตรวจสอบความเบ้ + ความโด่ง และ p-value ของข้อมูล จะบอกว่า six หรือ not six  การ six คือการแตกต่างอย่างมีนัยสำคัญ โดยดูผลรวม ความเบ้ กับ ความโด่ง(ช่องสุดท้าย) ถ้า < .05 แสดงว่า six คือ ข้อมูลไม่ปกติ (None Normal) ถ้าข้อมูลปกติ (Normal) จะ no six  ให้ดูค่าจะอยู่ระหว่าง 0.000 - 0.049
       - ค่าไค-สแควร์ ยิ่งต่ำยิ่งดี
       - Rยกกำลัง 2 ควรจะไม่เข้าใกล้ 0 ถ้าจะให้ดูควรจะอยู่ประมาณ .4 - .8
       - การดูค่าไค-สแคว์ร ว่าเท่าไหร่ และลดลงเรื่อย ๆ อย่างไร หลักการให้สังเกตุที่ตัวแปรสังเกตุกลุ่มเดียวกันให้สัมพันธ์กันก่อน โดยให้โยงทีละคู่ (แล้วรันโปรแกรม)
      - ค่า MI(Modification Index) จะต้องสูงมากกว่า (3.84) การปรับโมเดลให้ปรับทีละคู่ และควรจะเขียนไว้ว่าปรับแต่ละครั้งค่าตัวเลขเป็นเท่าไหร่ และปรับอย่างไร(โดยดูจากที่โปรแกรมแจ้งไว้ ใน MI
      - ในการปรับโมเดลต้องไม่ลืมทฤษฏีที่เป็นหลักการ อย่าปรับตามโปรแกรมอย่างเดียว โดยหลักการ ค่าพยากรณ์ทำนาย) R ยกกำลังสอง ค่าสูงจะไม่ดี เช่นถ้าเข้าใกล้ 0 จะไม่ดี