Please use this identifier to cite or link to this item:
https://cuir.car.chula.ac.th/handle/123456789/80958
Title: | การเปรียบเทียบประสิทธิภาพของโมเดลการถดถอยเชิงลำดับชั้นที่มีอัตสหสัมพันธ์เชิงพื้นที่และโมเดลการถดถอยพหุระดับสำหรับการทำนายความอยู่ดีมีสุขของนักเรียน |
Other Titles: | Comparing efficiency of hierarchical spatial autoregressive model and multilevel regression model for predicting students’ well-being |
Authors: | ประภาพรรณ ยดย้อย |
Advisors: | สิวะโชติ ศรีสุทธิยากร |
Other author: | จุฬาลงกรณ์มหาวิทยาลัย. คณะครุศาสตร์ |
Issue Date: | 2564 |
Publisher: | จุฬาลงกรณ์มหาวิทยาลัย |
Abstract: | ความอยู่ดีมีสุขของนักเรียนเป็นสิ่งสำคัญทางการศึกษาเชิงบวกและโรงเรียนมีบทบาทสำคัญในการสร้างเสริมให้นักเรียนทุกคนมีความอยู่ดีมีสุข การวิจัยครั้งนี้มีวัตถุประสงค์ 2 ประการ คือ (1) เพื่อวิเคราะห์ลักษณะความอยู่ดีมีสุขของนักเรียน บรรยากาศโรงเรียน และความร่วมมือระหว่างโรงเรียนจำแนกตามภูมิหลังและพื้นที่ (2) เพื่อเปรียบเทียบและวิเคราะห์ปัจจัยเชิงสาเหตุของความอยู่ดีมีสุขของนักเรียนระหว่างโมเดลการถดถอยเชิงลำดับชั้นที่มีอัตสหสัมพันธ์เชิงพื้นที่ (Hierarchical Spatial Autoregressive Model: HSAR) กับโมเดลการถดถอยพหุระดับ (Multilevel Regression Model: MLM) ด้วยวิธีการประมาณค่าแบบเบย์ (Bayesian estimation) และใช้อัลกอรึทึมการสุ่มตัวอย่างด้วยลูกโซ่มาร์คอฟมอนติคาร์โล (Markov Chain Monte Carlo) โดยใช้ข้อมูลจริงจากนักเรียน 1,981 คน และคุณครู 282 คน ของโรงเรียนในจังหวัดเชียงใหม่จำนวน 55 โรงเรียน ด้วยวิธีการสุ่มตัวอย่างแบบหลายขั้นตอน มีตัวแปรทำนายสำคัญ คือ บรรยากาศโรงเรียน และความร่วมมือระหว่างโรงเรียนซึ่งมีปฏิสัมพันธ์ข้ามระดับ (cross-level interaction term) ของความร่วมมือระหว่างโรงเรียนกับบรรยากาศโรงเรียนโดยความร่วมมือระหว่างโรงเรียนเป็นตัวแปรปรับ (moderator) และมีผลสัมฤทธิ์ทางการเรียนเป็นตัวแปรควบคุม (covariate) ผลการวิจัยพบว่า โมเดลทั้งสองมีประสิทธิภาพในการทำนายความอยู่ดีมีสุขของนักเรียนใกล้เคียงกัน (R2 MLM = 0.534, R2 HSAR = 0.529, LLMLM = -2039.6, LLHSAR = -2389.75, DICMLM = 4151.91, DICHSAR = 4955.43) แต่ให้สารสนเทศในมุมมองที่แตกต่างกัน โดยโมเดล HSAR จะให้รายละเอียดได้มากกว่าโดยเฉพาะการแสดงให้เห็นถึงอิทธิพลของความสัมพันธ์เชิงพื้นที่อย่างมีนัยสำคัญ (Lambda = 0.70 , SE = 0.30) ในขณะที่โมเดล MLM ไม่สามารถให้ผลวิเคราะห์ส่วนนี้ได้อีกทั้งยังตรวจพบอัตสหสัมพันธ์เชิงพื้นที่ในเศษเหลือของโมเดล MLM (Moran’s I = 0.09, p-value = 0.031) ซึ่งเป็นการละเมิดข้อตกลงเบื้องต้นของการวิเคราะห์ถดถอยอีกด้วย โมเดล HSAR จึงเป็นโมเดลที่เหมาะสมในการอธิบายปัจจัยเชิงสาเหตุของความอยู่ดีมีสุขของนักเรียนมากกว่า ผลการวิเคราะห์จากโมเดล HSAR พบว่า บรรยากาศโรงเรียนส่งผลต่อความอยู่ดีมีสุขของนักเรียนในโรงเรียนที่มีระดับความร่วมมือระหว่างโรงเรียนสูงมากกว่าโรงเรียนที่มีระดับความร่วมมือระหว่างโรงเรียนต่ำ เมื่อพิจารณาตามระดับบรรยากาศโรงเรียน พบว่า หากมีระดับบรรยากาศโรงเรียนสูงกว่าค่าเฉลี่ยนักเรียนในโรงเรียนที่มีความร่วมมือระหว่างโรงเรียนสูงจะมีความอยู่ดีมีสุขมากกว่าโรงเรียนที่มีความร่วมมือระหว่างโรงเรียนต่ำ แต่หากมีระดับบรรยากาศโรงเรียนต่ำกว่าค่าเฉลี่ย นักเรียนในโรงเรียนที่มีความร่วมมือระหว่างโรงเรียนสูงและต่ำมีระดับความอยู่ดีมีสุขไม่แตกต่างกัน ดังนั้นในการส่งเสริมความอยู่ดีมีสุขของนักเรียนครูและผู้บริหารจึงควรพิจารณาสภาพบรรยากาศโรงเรียนและระดับความร่วมมือระหว่างโรงเรียนเพื่อหาแนวทางการพัฒนาให้เหมาะสมกับบริบทของโรงเรียนนั้น ๆ นอกจากนี้ผู้บริหารในโรงเรียนพื้นที่ใกล้เคียงกันอาจร่วมมือกันพิจารณาหาแนวทางการพัฒนาหรือศึกษาปัจจัยเชิงพื้นที่ที่ส่งผลต่อความอยู่ดีมีสุขเพิ่มเติมเพื่อสร้างแนวทางการส่งเสริมความอยู่ดีมีสุขของนักเรียนได้ดียิ่งขึ้น อีกทั้งการศึกษาวิจัยในครั้งนี้ยังแสดงให้เห็นว่าข้อมูลทางศึกษาศาสตร์และสังคมศาสตร์อาจพบความสัมพันธ์เชิงพื้นที่ซ่อนอยู่จึงควรตรวจสอบการมีอยู่ของความสัมพันธ์ดังกล่าวและเลือกใช้วิธีการวิเคราะห์ให้เหมาะสมกับลักษณะของข้อมูลเพื่อให้ได้สารสนเทศที่ถูกต้องและน่าเชื่อถือ |
Other Abstract: | Students’ well-being is importance in positive education and schools have an essential role to play in supporting students’ well-being. this study has two objectives: (1) to analyse and describe the students' well-being, school climate and school-to-school cooperation classified by student demographic, school demographic and space (2) to compare the efficiency and analyse causal factors of students’ well-being between Hierarchical Spatial Autoregressive Model (HSAR) and Multilevel Regression Model (MLM) with the Bayesian estimation and Markov Chain Monte Carlo sampling algorithm using real data from 1,981 students and 282 teachers of 55 schools in Chiang Mai Province by multistage sampling method. The important predictor variables are school climate and the cross-level interaction term between school-to-school cooperation and school climate in which school-to-school cooperation is a moderator and learning achievement is a covariate. The results showed that two models were not significantly different in predicting efficacy (R2 MLM = 0.534, R2 HSAR = 0.529, LLMLM = -2039.6, LLHSAR = -2389.75, DICMLM = 4151.91, DICHSAR = 4955.43), but giving information from different perspectives. HSAR model is more detailed, especially showing significant spatial correlation (Lambda = 0.70, SE = 0.30), while MLM model is unable to provide this effect. Moreover, spatial autocorrelations were also detected in the residuals of MLM model (Moran's I = 0.09, p-value = 0.031), that violated the assumption of regression analysis. So, HSAR model is more appropriate to describe the causal factors of student well-being. An analysis of the HSAR model found that the school climate affected students’ well-being in schools with high level school-to-school cooperation more than those with low level school-to-school cooperation. Considering the level of school climate, if it’s higher than the average, students in schools with high level school-to-school cooperation will have higher levels of well-being than those with low level school-to-school cooperation. But if the school climate is below average, students in schools with high or low level of school-to-school cooperation will have similar levels of well-being. Therefore, promoting students’ well-being, teachers and administrators should consider the school climate and the level of school-to-school cooperation to create development strategies that are appropriate for the school context. In addition, administrators in neighbouring schools may work together to find ways to develop or explore spatial factors that affect well-being to create better development strategies. Moreover, this study shows that spatial heterogeneity may be found in educational data. Analysts should select the appropriate method to obtain accurate and reliable analysis results. |
Description: | วิทยานิพนธ์ (ค.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2564 |
Degree Name: | ครุศาสตรมหาบัณฑิต |
Degree Level: | ปริญญาโท |
Degree Discipline: | สถิติและสารสนเทศการศึกษา |
URI: | http://cuir.car.chula.ac.th/handle/123456789/80958 |
URI: | http://doi.org/10.58837/CHULA.THE.2021.1067 |
metadata.dc.identifier.DOI: | 10.58837/CHULA.THE.2021.1067 |
Type: | Thesis |
Appears in Collections: | Edu - Theses |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
6280082627.pdf | 8.35 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.