การวิเคราะห์ข้อมูลใช้เทคนิคการวิเคร

การวิเคราะห์ข้อมูลใช้เทคนิคการวิเคราะห์ความสัมพันธ์เชิงสาเหตุด้วยโมเดลสมการโครงสร้างกำลังสองน้อยที่สุดบางส่วน โดยใช้โปรแกรมคอมพิวเตอร์ SmartPLS 2.0 (Ringle, Wende, & Will, 2005) ซึ่งเทคนิคดังกล่าวนี้มีข้อเด่นคือ การวิเคราะห์ความสัมพันธ์เชิงสาเหตุมุ่งสำรวจโมเดลมากกว่าการยืนยันโมเดลจึงไม่จำเป็นต้องเน้นทฤษฎีหรือวรรณกรรมที่แข็งแกร่ง การแจกแจงข้อมูลไม่จำเป็นต้องแจกแจงแบบปกติ และขนาดตัวอย่างมีจำนวนอย่างน้อย 10 เท่าของจำนวนตัวชี้วัดที่มากที่สุดในมาตรวัดตัวแปรแฝงตัวใดตัวหนึ่งก็สามารถวิเคราะห์ได้แล้ว (Hair, Hult, Ringle, & Sarstedt, 2014)

ผลลัพธ์ (อังกฤษ) 1:

Data analysis techniques are used to analyze the causal relationship with structural equation modeling are the two smallest portions. By using the computer program SmartPLS 2.0 (Ringle, Wende, & Will, 2005), in which this technique is the analysis model was aimed at exploring causal relationship rather than confirm model, so there's no need to emphasize or strong literary theory. A breakdown of the data does not need to be a normal distribution and sample size, there are a total of at least 10 times the number of indicators in most measures one of the latent variable analysis (Hair, & Hult, Ringle, Sarstedt, 2014)

ผลลัพธ์ (อังกฤษ) 2:

Data analysis technique used to analyze the causal relationship with structural equation model least partially. Using a computer program SmartPLS 2.0 (Ringle, Wende, & Will, 2005), which have the advantage of this technique is. The analysis aims to explore the causal relationship model than the model it is not necessary to insist on a strong theory or literature. The distribution does not require a normal distribution. And a sample size of at least 10 times the number of indicators that best measure the variables one can analyze it (Hair, Hult, Ringle, & Sarstedt, 2014).

ผลลัพธ์ (อังกฤษ) 3:

Analysis of data analysis technique of causal relationship with the structural equation model of partial least squares using a computer program. SmartPLS 2.0 (,,, Ringle Wende & Will 2005) that such techniques have advantages. An analysis of causal relationship focus on exploration model than the confirmation of model is ไม่จำเป็นต้องเน้น theory or literature that strong. Data distribution need not noted. Sample size and there were at least 10 times the indicators that most variable gauge disguise one can analyze. Hair Hult (,,,, Ringle & Sarstedt 2014).