การวิเคราะห์ตัวแปรกำกับด้วยโปรแกรม SPSS

ในบทเรียนสถิตินี้เราจะเรียนรู้ วิธีการวิเคราะห์ตัวแปรกำกับด้วยโปรแกรม SPSS โดยใช้วิธีการวิเคราะห์ 2 วิธี

วิธีแรกมีขั้นตอนค่อนข้างเยอะ แต่สามารถทำได้โดยไม่จำเป็นต้องติดตั้ง add-on. วิธีที่สองเป็นวิธีที่ง่ายและรวดเร็ว แต่จำเป็นต้องมีการติดตั้ง Plugin ที่ชื่อว่า PROCESS macro. ซึ่งเราจะสาธิตวิธีการติดตั้งแต่ละขั้นตอนในบทเรียนนี้

มาเริ่มเรียนกันเลยค่ะ!!

ตัวแปรกำกับในงานวิจัยคืออะไร?

ลองนึกภาพ หากเราอยากรู้ว่านักเรียนในโรงเรียน A หรือโรงเรียน B โรงเรียนใดสอบได้คะแนนดีกว่ากัน โดยปกติเราจะดูว่าโรงเรียนแต่ละแห่งมีวิธีการสอนอย่างไรซึ่งเรียกว่า “ตัวแปรอิสระ” และวิธีการสอนแต่ละโรงเรียนจะมีผลต่อคะแนนสอบของนักเรียนเอย่างไรซึ่งเรียกว่า “ตัวแปรตาม”

“ตัวแปรกำกับ” เปรียบเสมือนปัจจัยที่เข้ามาเล่นบทบาท เช่น การมีห้องสมุดที่ดี ซึ่งอาจจะทำให้ผลการเรียนของนักเรียนดีขึ้นได้ ถ้าห้องสมุดที่ดีนั้นมีบทบาททำให้คะแนนของนักเรียนสูงขึ้นจริงๆ นั่นหมายความว่าการมีห้องสมุดที่ดีเป็นตัวแปรกำกับที่ส่งผลต่อความสัมพันธ์ระหว่างวิธีการสอนกับผลการเรียนของนักเรียน

จึงกล่าวสรุปว่า ตัวแปรกำกับ (Moderator Variable – M) คือตัวแปรที่มีบทบาทในการแปรผันหรือเปลี่ยนแปลงความสัมพันธ์ระหว่างตัวแปรอิสระ (Independent Variable – X) กับตัวแปรตาม (Dependent Variable – Y) ในการวิจัย ตัวแปรกำกับจะช่วยเราทำความเข้าใจว่าความสัมพันธ์ระหว่าง X กับ Y นั้นแข็งแกร่งหรืออ่อนแอเพียงใด เมื่อมีการเปลี่ยนแปลงในตัวแปร M มันสามารถช่วยเราดูว่า ตัวแปรเพิ่มเติมหนึ่งตัว (เช่น เพศ, อายุ, ระดับการศึกษา) อาจทำให้ X มีผลต่อ Y มากหรือน้อยขึ้นได้อย่างไร

ในรูปภาพ ตัวแปร M แทรกเข้ามาระหว่าง X และ Y แสดงว่าตัวแปรกำกับไม่เพียงแต่อาจมีผลต่อ Y โดยตรง แต่ยังสามารถเปลี่ยนแปลงว่า X จะมีผลต่อ Y มากหรือน้อยแค่ไหน เราเรียกปรากฏการณ์นี้ว่า “จุดปฏิสัมพันธ์หรืออิทธิพลร่วม” (interaction or joint influence) ซึ่งบ่งบอกถึงวิธีที่ตัวแปรกำกับเข้ามามีบทบาทในการปรับเปลี่ยนหรือเพิ่มเติมความสัมพันธ์ระหว่าง X กับ Y.

เช่น การมีห้องสมุดที่ดีทำให้ผลการเรียนของนักเรียนดีขึ้น, นั่นหมายความว่าห้องสมุดมีจุดปฏิสัมพันธ์กับวิธีการสอนในโรงเรียน ทำให้ความสัมพันธ์ระหว่างวิธีการสอนกับผลการเรียนแข็งแกร่งขึ้น ในทางสถิติเราจะสนใจว่าจุดปฏิสัมพันธ์นี้มีความแข็งแกร่งมากน้อยเพียงใดและส่งผลต่อผลการเรียนของนักเรียนอย่างไร ดังนั้นจุดปฏิสัมพันธ์หมายถึงประสิทธิผลของวิธีการสอนที่เพิ่มขึ้นเมื่อโรงเรียนมีห้องสมุดที่ดี

ตัวแปรกำกับต้องไม่มีความสัมพันธ์เชิงสาเหตุกับตัวแปรอิสระ

ตัวแปรกำกับไม่ควรมีความสัมพันธ์ทางสาเหตุกับตัวแปรอิสระ เนื่องจากหากมีความสัมพันธ์กันจะทำให้เราไม่สามารถแยกแยะได้ว่าผลลัพธ์ที่เกิดขึ้นในการวิจัยเป็นเพราะตัวแปรอิสระที่เรากำลังศึกษาหรือเป็นเพราะตัวแปรกำกับ ซึ่งอาจทำให้ผลการวิจัยเบ้ไปหรือไม่แม่นยำนั้นเองค่ะ

ตัวแปรอิสระ (Independent Variable X): วิธีการสอนในโรงเรียน

ตัวแปรตาม (Dependent Variable Y): ผลการเรียนของนักเรียน

ตัวแปรกำกับ (Moderator Variable M): การมีห้องสมุดที่ดี

ในตัวอย่างนี้ ตัวแปรกำกับ (การมีห้องสมุดที่ดี) สามารถทำให้ความสัมพันธ์ระหว่างวิธีการสอนกับผลการเรียนแข็งแกร่งขึ้น นั่นคือ หากโรงเรียนมีห้องสมุดที่ดี วิธีการสอนอาจส่งผลต่อผลการเรียนได้ดียิ่งขึ้น เพราะนักเรียนมีทรัพยากรเพื่อช่วยในการเรียนรู้ ดังนั้นตัวแปรการมีห้องสมุดที่ดีไม่ควรเป็นผลมาจากวิธีการสอน แต่ควรเป็นสิ่งที่เพิ่มเข้ามาภายนอก หากห้องสมุดที่ดีเป็นผลมาจากวิธีการสอนที่ดี เราไม่สามารถทราบได้ว่าผลการเรียนที่ดีเกิดจากวิธีการสอนโดยตรง หรือเพราะห้องสมุดที่ดี ซึ่งอาจส่งผลทำให้เกิดความผิดพลาดในการตีความผลลัพธ์ของการวิจัยได้

นอกจากนั้นตัวแปรกำกับและตัวแปรส่งผ่านค่อนข้างสร้างความสับสน แม้ว่าคำสองคำอาจฟังดูใกล้เคียงกัน แต่การใช้งานในสถิตินั้นแตกต่างกันอย่างสิ้นเชิงค่ะ เราสามารถศึกษาความแตกต่างระหว่างตัวแปรกำกับและตัวแปรส่งผ่าน ในบทความนี้ moderators vs. mediators variables

ตัวอย่าง

ชื่อตัวแปร	ประเภทตัวแปร
ความสัมพันธ์ (Relationship)	ตัวแปรอิสระ ( X)
ความภักดี (Loyalty)	ตัวแปรตาม (Y)
อายุ (Age)	ตัวแปรกำกับ (M)

การวิเคราะห์ตัวแปรกำกับ:

เนื่องจากเรารู้ว่า “อายุ” เป็นตัวแปรกำกับในการศึกษานี้ เพราะอายุไม่มีความสัมพันธ์กับตัวแปรอิสระหรือ ความสัมพันธ์ลูกค้า ความสัมพันธ์ของลูกค้าเปลี่ยนอายุได้หรือไม่ ซึ่งแน่นอนค่ะ ความสัมพันธ์ของลูกค้าไม่สามารถเปลี่ยนอายุได้

ก่อนเริ่มการวิเคราะห์สามารถดาวน์โหลดไฟล์ข้อมูล SPSS ได้ที่นี่ค่ะ เพื่อฝึกทำไปด้วยกันค่ะ:

วิธีที่ 1: วิธีการวิเคราะห์ตัวแปรกำกับใน SPSS

Alright. Now that we know what moderation is and when to use it as well as have an example to practice along, let’s go ahead and learn how to perform moderation analysis in SPSS for the above example. 

1. วิธีการนำเข้าชุดข้อมูลใน SPSS

หากเราดาวน์โหลดชุดข้อมูลตัวอย่างจากลิงค์ที่ให้ไว้แล้ว ดับเบิ้ลคลิกเพื่อนำข้อมูลเข้าโปรแกรม SPSS ชุดข้อมูลตัวอย่างต้องเหมือนกับภาพด้านล่างนี้นะคะ

2. การสร้างตัวแปรมาตรฐาน (Standardized Variables)

ขั้นตอนนี้สำคัญค่ะ และมักจะถูกมองข้าม จึงแนะนำว่า ให้ปรับตัวแปรมาตรฐานก่อน ซึ่งเราปรับตัวแปรมาตรฐานเพื่อหลีกเลี่ยงปัญหา Multicollinearity 

การปรับตัวแปรมาตรฐานหรือการตั้งศูนย์ตัวแปรในการวิเคราะห์สถิติประเภทหนึ่งที่เรียกว่า “การวิเคราะห์ถดถอย” เป็นการปรับค่าตัวแปรให้มีค่าเฉลี่ยเป็นศูนย์ เพื่อทำให้ตัวแปรต่างๆ มีขนาดที่เท่ากัน เหมือนกันทั้งหมด ซึ่งช่วยให้เราวิเคราะห์ข้อมูลได้ง่ายขึ้นและลดปัญหาที่อาจเกิดจากตัวแปรบางตัวที่มีค่าสูงหรือต่ำเกินไปที่อาจทำให้ผลลัพธ์ของการวิเคราะห์ไม่แม่นยำ

ตัวอย่างของตัวแปรต่อเนื่อง ได้แก่ อายุ, ส่วนสูง, อุณหภูมิ, ระยะทาง ฯลฯ ที่ค่าของมันสามารถเปลี่ยนแปลงไปได้ต่อเนื่องและไม่จำกัดเฉพาะจำนวนเต็มซึ่งปัญหาที่เรียกว่า “การเกี่ยวข้องกันมากเกินไป” หรือ multicollinearity เกิดขึ้นเมื่อตัวแปรอิสระหลายตัวในโมเดลถดถอยมีความสัมพันธ์กันสูงมากจนทำให้ยากที่จะแยกแยะว่าตัวแปรไหนมีผลต่อตัวแปรตามจริงๆ การทำมาตรฐานตัวแปรช่วยลดปัญหานี้ได้Top of Form

วิธีการสร้างตัวแปรมาตรฐาน เริ่มต้นจากคลิก แถบเมนู Analyze → Descriptive Statistics → Descriptives in the SPSS top menu. 

เมื่ออยู่ในหน้าต่างของ Descriptive แล้ว คลิกเลือกตัวแปรอิสระ (ตัวแปร Relationship) และตัวแปรกำกับจากกล่องด้านซ้ายย้ายมากล่องด้านขวา โดยใช้คลิกลูกศรเพื่อย้ายนะคะ

ตรวจสอบอีกครั้งนะคะ หากเราคลิก“save standardized values as variable” แล้วก็สามารถคลิก OK ได้เลยค่ะ

เราจะเห็นตัวแปรมาตรฐานที่ถูกสร้างขึ้นมาใหม่ซึ่งตัวแปรจะเริ่มต้นด้วยอักษร Z

3. การคำนวณ Interaction

ต่อมา เราต้องคำนวณอิทธิพลร่วมด้วยการคำนวณผลคูณระหว่างตัวแปรอิสระและตัวแปรควบคุมค่ะ

ในโปรแกรม เลือก Transform → Compute Variable 

ตัวแปรที่ได้จากการคำนวณผลคูณร่วมซึ่งแสดงหมายเลข 1 เราตั้งชื่อว่า INT

สำหรับช่อง Numeric Expression เลือก ตัวแปร ZRelationship คลิก (*) บนช่องเครื่องคิดเลข หลังจากนั้นคลิกเพิ่ม (ZAge)

คลิก OK เพื่อคำนวณระหว่างสองตัวแปรค่ะ

อิทธิพลร่วม (INT) ควรปรากฏบนแถบดังภาพนี้นะคะ

4. ขั้นตอนดำเนินการวิเคราะห์ตัวแปรกำกับด้วยโปรแกรม SPSS

เราต้องทำการวิเคราะห์การถดถอยเชิงเส้นเพื่อทดสอบอิทธิพลร่วม โดยในโปรแกรม SPSS คลิกที่ Analyze → Regression → Linear 

เพิ่มตัวแปรตาม (ความภักดี) ลงในกล่อง Dependent เพิ่มเงื่อนไขอิทธิพลร่วมและตัวแปรอิสระ (ความสัมพันธ์) ลงในช่อง Independent ขั้นตอนนี้ให้จำไว้ว่าเราไม่ได้เพิ่มตัวแปรมาตรฐานร่วมของตัวแปรอิสระ

คลิก OK เพื่อดำเนินการวิเคราะห์ตัวแปรกำกับ

5. การวิเคราะห์อิทธิพลร่วมตัวแปรกำกับในโปรแกรม SPSS

ผลลัพธ์สำหรับตัวอย่างของเรามีลักษณะดังเช่นในภาพด้านล่าง ซึ่งเป็นขั้นตอนสุดท้ายในการเรียนรู้การวิเคราะห์อิทธิพลร่วมตัวแปรกำกับในโปรแกรม SPSS

โดยค่าเริ่มต้น ผลการวิเคราะห์การถดถอยเชิงเส้นจะแสดงไว้ทั้งสามตาราง: ตาราง Model Summary, ตาราง ANOVA, และตาราง Coefficients เพื่อดูว่าอายุมีผลใดๆ ต่อความสัมพันธ์ระหว่างตัวแปรความสัมพันธ์และตัวแปรความภักดีให้ตรวจสอบโดยค่า Sig ในตาราง. 

เช็คค่า R Square ในตาราง Model Summary ซึ่ง R Square เท่ากับ 0.542 หมายความว่า ตัวแปรอิสระอธิบายการเปลี่ยนแปลงของตัวแปรตามร้อยละ 54

การวิเคราะห์ความแปรปรวนทางเดียว (One-way ANOVA) จะตรวจสอบค่าเฉลี่ยของกลุ่มและประเมินว่ากลุ่มใดกลุ่มหนึ่งมีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติหรือไม่ ในกรณีนี้การวิเคราะห์ความแปรปรวนทางเดียวจะแสดงนัยสำคัญ (Sig. = 0.000)

ต่อมาเราสามารถสังเกตได้ว่ามีผลกระทบเชิงสาเหตุที่ชัดเจนระหว่างตัวแปรอิสระและตัวแปรตาม (ค่า P = 0.000) เนื่องจากค่า P คือค่า P ≤ 0.05 ความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรจึงมีนัยสำคัญ

สุดท้ายนี้  เป็นการแสดงผลตัวแปรกำกับซึ่งเราจะเห็นว่าเงื่อนไขอิทธิพลร่วม (INT) มีค่า P เท่ากับ 0.037 เนื่องจากค่า P ต่ำกว่า 0.05 เราจึงพิจารณาว่าตัวแปรกำกับ อายุมีผลต่อความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามซึ่งในทางสถิติ

การที่ค่า P-value น้อยกว่า 0.05 บ่งบอกว่ามีหลักฐานเพียงพอที่จะปฏิเสธสมมติฐานฐานหลัก (null hypothesis) ซึ่งมักหมายถึง “ไม่มีผล” หรือ “ไม่มีความสัมพันธ์” ดังนั้นในกรณีนี้ เราจึงสามารถสรุปได้ว่า มีความสัมพันธ์สำคัญทางสถิติระหว่างอายุกับผลกระทบระหว่างความสัมพันธ์กับความภักดี หรือกล่าวคือ อายุมีอิทธิพลทางสถิติที่สำคัญต่อการที่ความสัมพันธ์จะส่งผลต่อความภักดี

อย่างไรก็ตาม เงื่อนไขผลกระทบของตัวแปรทำนาย โดยค่าของตัวแปรกำกับไม่เกิดขึ้นตามค่าเริ่มต้นใน SPSS โดยวิธีการวิเคราะห์ PROCESS Macro ที่กล่าวไว้ด้านล่างนี้สามารถช่วยเราได้

วิธีที่ 2 : การคำนวณตัวแปรกำกับในโปรแกรม SPSS โดยการใช้ Process Macro

Process macro คือ โปรแกรมเสริมสำหรับ SPSS (add-on) ซึ่งใช้สำหรับสร้างแบบจำลองการวิเคราะห์การถดถอยโลจิสติกส์และการวิเคราะห์การถดถอยแบบ OLS

ขั้นตอนการติดตั้งโปรแกรมเสริม Process Macro ในโปรแกรม SPSS สำหรับ Windows และ macOS

เมื่อติดตั้งแล้วจะพบโปรแกรมดังภาพ Analyze → Regression → PROCESS by Andrew F. Hayes.

การคำนวณตัวแปรกำกับดำเนินดังภาพ ดังนี้

In the PROในต่างโปรแกรมเสริม Process คลิกเลือก “Only continuous variables that define products” และ “-SD, Mean, +SD” เพื่อสร้างความชันและทดสอบนัยสำคัญทางสถิติ

ค่าเริ่มต้น PROCESS Macro จะแสดงเฉพาะเงื่อนไขของผลกระทบของตัวทำนายที่มูลค่าของตัวแปรกำกับ

 ถ้าค่า P-value ต่ำกว่า 0.10 ในช่อง Probe interactions คลิกเลือก “always.” หากตัวทำนายสูงกว่า 0.10 โปรแกรมจะไม่สร้างผลลัพธ์อย่างไม่มีนัยสำคัญของอิทธิพลร่วม

นอกจากนี้ เราสามารถเลือก “Generate code for visualizing interactions ”  ในกรณีที่เราต้องการการแสดงภาพของอิทธิพลร่วมระหว่างตัวแปร

คลิก Continue และ คลิก OK เพื่อวิเคราะห์ตัวแปรกำกับ

รอสักครู่เพื่อให้โปรแกรมวิเคราะห์ผล

การแสดงผล

R-sq คือ 0.5426 หมายความว่า ตัวแปรอิสระอธิบาย 54 เปอร์เซ็นต์ของการเปลี่ยนแปลงในตัวแปรตาม

ถัดไป ค่า P- values for Relationship (Rel) อายุ (Age) และอิทธิพลร่วม (Int_1) มีนัยสำคัญ (ค่า P ≤ 0.05)

เราจะเห็นว่าผลกระทบตามเงื่อนไขของความสัมพันธ์ตัวแปรอิสระ Age มีนัยสำคัญ (ค่า P ≤ 0.05) ที่ระดับ -.7257, 0.0000 และ 0.7257 (SD, Mean, +SD)

อย่างไรก็ตามเราอยากแนะนำให้ใช้โปรแกรมเสริม PROCESS Macro สำหรับการวิเคราะห์ตัวแปรกำกับในโปรแกรม SPSS เนื่องจากง่ายและสะดวกรวดเร็วค่ะ

สรุป

หวังว่าตอนนี้คุณเข้าใจพารามิเตอร์และค่าที่สำคัญที่ควรเน้นในการวิเคราะห์แล้วนะคะ แนะนำให้ใช้ macro PROCESS สำหรับการวิเคราะห์ Moderation ใน SPSS เลยค่ะ มันสะดวก รวดเร็ว และมีตัวเลือกที่จำเป็นทุกอย่างสำหรับการวิเคราะห์อย่างละเอียดให้คุณค่ะ