การประยุกต์ใช้โมเดลสมการเชิงโครงสร้างพหุระดับในงานสำรวจทางสาธารณสุข
Article Sidebar
Main Article Content
บทคัดย่อ
บทความวิชาการนี้มีวัตถุประสงค์เพื่อ อธิบายการประยุกต์ใช้โมเดล สมการเชิงโครงสร้างพหุระดับในการสำรวจทางสาธารณสุข ระดับราย บุคคลและระดับเชิงพื้นที่ และเปรียบเทียบจุดเด่น จุดด้อยการทำนาย และการนำไปใช้งาน ในเงื่อนไขประเด็นการทำงานเชิงสุขภาพของ โมเดลสมการเชิงโครงสร้าง โมเดลสมการพหุระดับ และโมเดลสมการเชิงโครงสร้างพหุระดับในระดับรายบุคคลและระดับเชิงพื้นที่ ซึ่งเนื้อหาของบทความยังได้อธิบายการประยุกต์ใช้โมเดลสมการเชิงโครงสร้างพหุระดับในงานสำรวจทางสาธารณสุข ในเงื่อนไขมุมมองการทำงานเชิงสุขภาพของประเทศไทยในอนาคต โดยใช้การสังเคราะห์ข้อมูลจากบทความ หนังสือ ตำราและเอกสารทางวิชาการต่างประเทศ ในมุมมองการศึกษางานสำรวจทางสาธารณสุข
ผลการศึกษา โมเดลสมการเชิงโครงสร้างพหุระดับ ชี้ให้เห็นถึงการ พัฒนาการสำรวจทางสาธารณสุขอย่างแท้จริงโดยเฉพาะอย่างยิ่งในระดับรายบุคคลสามารถอธิบายการทำนายกลุ่มตัวอย่างได้ประมาณ 50-100 กลุ่มและระดับเชิงพื้นที่ขึ้นไป โมเดลฯ สามารถอธิบายการทำนายได้ 450-9800 กลุ่ม โมเดลฯ สามารถทำนายการป้องกันและ ควบคุมโรคระบาดโควิด19 พฤติกรรมสุขภาพต่าง ๆ คุณภาพชีวิต อายุ ยืนยาวหรืออายุขัยเฉลี่ย การเกิดโรคมะเร็ง โรคเรื้อรัง ด้านอาชีวอนามัย และความปลอดภัย และข้ามศาสตร์สาขาได้อย่างแท้จริง ให้เข้าใจง่าย ขึ้น ควรนำไปใช้ประโยชน์ในงานสำรวจทางสาธารณสุขสำหรับการ สร้างโมเดลเพื่อได้ข้อมูลตัวแปรที่สำคัญหรือองค์ความรู้ใหม่ หรือสร้างแอปพลิเคชันใหม่ สำหรับตอบโจทก์วิถีการทำงานชุมชนเชิงรุกด้าน สุขภาพ ในยุคดิจิตอล ดิสรับชั่นต่อไป
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Brown, T. A. (2015). Confirmatory Factor Analysis for Applied Research. London: Guilford.
Cheung, M. W. L., & Au, K. (2005). Applications of Multilevel Structural Equation Modeling to Cross-Cultural Research. Structural Equation Modeling: A Multidisciplinary Journal, 12(4), 598–619.
Davidov, E., Duelmer, H., Schlüter, E., Schmidt, P., & Meuleman, B. (2012). Using a Multilevel Structural Equation Modeling Approach to Explain Cross-Cultural Measurement Noninvariance. Journal of Cross-Cultural Psychology – J CROSS-CULT PSYCHOL, 43, 558–575.
De Vet, H. C., Terwee, C. B., Mokkink, L. B., & Knol, D. L. (2011). Measurement in Medicine: A Practical Guide. London: Cambridge University Press.
Hox, J. J. (2013). Multilevel Regression and Multilevel Structural Equation Modeling. In T. D. Little (Ed.), The Oxford Handbook of uantitative Methods, (pp. 281–294). New York: Oxford University Press.
Hox, J. J., & Maas, C. J. (2001). The Accuracy of Multilevel Structural Equation Modeling with Pseudo Balanced Groups and Small Samples. Structural Equation Modeling, 8(2), 157–174.
Hox, J. J., Maas, C. J., & Brinkhuis, M. J. (2010). The Effect of Estimation Method and Sample Size in Multilevel Structural Equation Modeling. Statistica Neerlandica, 64(2), 157–170.
Hsu, H. Y., Lin, J. J. H., Skidmore, S. T., & Kim, M. (2019). Evaluating Fit Indices in a Multilevel Latent Growth Curve Model: A Monte Carlo Study. Behav Res Methods, 51(1), 172–194.
Jannaksan, S. (2020). The Principle of Multilevel Structural Equation Modeling Analysis by Using Optimal Sample Size and Estimation Methods. Journal of Social Sciences in Measurement Evaluation Statistics and Research, 1(1), 12–20.
Maggino, F., & Zumbo, B. D. (2012). Measuring the Quality of Life and the Construction of Social Indicators. In K. C. Land, A. C. Michalos, & M. J. Sirgy (Eds.), Handbook of Social Indicators and Quality-of-Life Research, (pp. 201–238). Dordrecht, Netherlands: Springer.
Marsh, H. W., Hau, K.-T., & Wen, Z. (2004). In Search of Golden Rules: Comment on Hypothesis-Testing Approaches to Setting Cutoff Values for Fit Indexes and Dangers in Overgeneralizing Hu and Bentler’s (1999) Findings. Structural Equation Modeling: A Multidisciplinary Journal, 11(3), 320–341.
Muthén, B. (2011). Applications of Causally Defined Direct and Indirect Effects in Mediation Analysis Using SEM in Mplus. Los Angeles: Mplus Citation.
Muthén, L. K., & Muthén, B. O. (1998). Mplus User’s Guide (Version 7). Los Angeles: CA Citation.
Preacher, K. J. (2011). Multilevel SEM Strategies for Evaluating Mediation in Three-level Data. Multivariate Behavioral Research, 46(4), 691–731.
Rabe-Hesketh, S., & Skrondal, A. (2006). Multilevel Modelling of Complex Survey Data. Journal of the Royal Statistical Society: Series A (Statistics in Society), 169(4), 805–827.
Rabe-Hesketh, S., & Skrondal, A. (2008). Multilevel and Longitudinal Modeling Using Stata. Statistical Methods in Medical Research, 17(1), 5–32.
Ryu, E. (2014). Model Fit Evaluation in Multilevel Structural Equation Models. Frontiers in Psychology, 5, 81.
Saengtrakul, K., Kanjanawasee, S., & Wiratchai, N. (2016). Student Factors Affecting Latent Transition of Mathematics Achievement Measuring from Latent Transition Analysis with a Mixture Item Response Theory Measurement Model. Procedia – Social and Behavioral Sciences, 217, 729–737.
Sinjindawong, S. (2008). Multi-Level Causal Model: Application for Data Analysis. Rajabhat Suratthani University Journal, 1(2), 45–58.
Strong, C., Ji, C. S., Liang, W., Ma, G., Brown, R., & Wang, J. H. (2014). Heterogeneous Demographic and Cultural Profiles of Chinese American Patients Nonadherent to Colorectal Cancer Screening: A Latent Class Analysis. Cancer Nurs, 37(2), 106–113.
Temporin, F. (2019). A Multilevel Structural Equation Modelling Approach to Study Segregation of Deprivation: An Application to Bolivia. Quality & Quantity, 53(3), 1657–1674.