top of page

SHARED SLIDES

สำหรับ VDO clip วิชาการต่างๆ ที่เราได้ผลิตขึ้นนั้น ส่วนของ slide ถ้าเป็นไปได้จะมีการ share เพื่อให้ท่านสามารถติดตามควบคู่ไปกับ VDO ได้ โดยท่านสามารถติดตามได้โดยคลิกไอคอน slideshare ด้านขวามือ หรือเลือกตามหัวข้อที่ต้องการชม

th.jfif
12.png

ความจำเป็นในการใช้โมเดลสมการโครงสร้าง - Structural Equation Model (SEM) หลักการพื้นฐานที่ต้องเข้าใจ เช่น หลักฐานเชิงประจักษ์ (empirical evidence) รู้จักตัวแปรต่างๆ เช่น ตัวแปรแฝง (latent) variable ตัวแปรเปิดเผย (manifested variable) ภาวะสันนิษฐาน (construct) ตัวแปรภายนอก (exogenous variable) ตัวแปรภายใน (endogenous variable) ตัวแปรส่งผ่าน (mediator) ตัวแปรต้น/ตัวแปรอิสระ (independent variable) ตัวแปรตาม (dependent variable) ความเกี่ยวพันระหว่างการวิเคราะห์องค์ประกอบ (factor analysis) การวิเคราะห์เส้นทาง (path analysis) พัฒนาการของสถิติและการค้นหาความสัมพันธ์เชิงเหตุผล (causal effect) ข้อดีและข้อด้อยของ SEM เหตุผลที่ต้องวิเคราะห์ SEM การกำหนดจำนวนตัวแปร การกำหนด parameter การกำหนดจำนวนตัวอย่างใน SEM

Screen Shot 2567-03-18 at 15.16.31.png
Screen Shot 2567-03-18 at 15.12.06.png

พื้นฐานความเข้าใจเกี่ยวกับแนวคิด ทฤษฎี พื้นฐานสถิติ และขั้นตอนการวิเคราะห์โมเดลสมการโครงสร้าง รวมไปถึงหลักการทดสอบโมเดล การนำเสนอโมเดล ข้อตกลงเบื้องต้นทางสถิติ การนำเสนอผล และรายละเอียดปลีกย่อย เช่น ความเที่ยงตรงเชิงโครงสร้าง  CR, AVE, direct effect, indirect effect, modification index, EPC, localized ill fit, ฯลฯ

เปรียบเทียบข้อเด่น/ข้อด้อยของโมเดล SEM (Structural Equation Model) เปรียบเทียบกับโมเดลสมการถดถอยพหุ (multiple regression) ข้อจำกัด ข้อตกลงเบื้องต้นทางสถิติ (statistic assumption) ของการวิเคราะห์การถดถอย เช่น linear relationship, multicollinearity, homoscedasticity เป็นต้น พร้อมเหตุผลอื่นๆ ที่ต้องเลือกใช้สถิติ SEM ความรู้เรื่องตัวแปรแฝง (latent variable)

messageImage_1710750334980.jpg
Screen Shot 2567-03-18 at 15.02.35.png

วิธีการสร้างข้อคำถามในแบบสอบถาม เพื่อสกัด 'value' หรือคุณค่าในมุมมองของลูกค้า เน้นปัจจัยทางจิตวิทยาในการตัดสินใจเลือกซื้อสินค้าจาก 'คุณค่า' โดยใช้ Value Proposition Canvas หรือผืนผ้าใบการนำเสนอคุณค่า ของ Peter J. Thompson จากการวิเคราะห์ความกลัว (fear) ความขาด (need) และความต้องการ (want) จากนั้นนำไปสร้างแบบสอบถามเพื่อทำการวิจัยต่อไป โดยมีการแนะนำขั้นตอนการสร้าง ระบุสถิติที่ใช้ เช่น การวิเคราะห์องค์ประกอบเชิงสำรวจ (EFA : exploratory factor analysis) โดยยกตัวอย่างแบรนด์รถยนต์ไฟฟ้า (EV vehicle) 'BYD' (build your dream) เป็นตัวอย่างในการสร้างแบบสอบถาม

bottom of page