936
4.4 Î
µÂ°µ¤¸É
n
µµ¦¦´
¦»
µ¼o
Á¸É
¥ªµÅ°´
´
«¹
¬µ¤®µª·
¥µ¨´
¥«·
¨µ¦ ª·
¥µ
Á
µ¤´
¦r
Î
µª 40 ¡ªn
µ °µ¤¤¸
n
µªµ¤ÁºÉ
° (Reliability)
°´
¤¦³·
·Í
°¨¢µ°µ
(Cronbach’s Alpha) ¤¸
n
µÁn
µ´
0.933 ¹É
¤¸
n
µÁ
o
µÄ¨o
1 ªn
µ °µ¤¤¸
ªµ¤ÁºÉ
°¤´É
¼
(¦´
¥ ¡·
µ¦»
¦
Áµª¦ Ä®n
ªn
µ ¨³¦¸
µ °´
«ªÁµ»
¦ 2549)
4.5 Î
µÂ°µ¤¸É
n
µµ¦¦ª°ªµ¤¼
o
°Â¨³ªµ¤ÁºÉ
°¤´É
ÅÁÈ
¦ª¦ª¤
o
°¤¼
¨£µµ¤¸É
¤®µª·
¥µ¨´
¥«·
¨µ¦ ª·
¥µÁ
µ¦Á«Á¡¦»
¦¸
Î
µª 400 »
¹É
¨»n
¤´
ª°¥n
µ¤¸
Î
µª¤µ ¼o
ª·
´
¥¹
Äo
ª·
¸
µ¦
»n
¤´
ª°¥n
µÂêµ Ã¥Î
µÁ·
µ¦ÁÈ
o
°¤¼
¨¦³®ªn
µª´
¸É
1 – 20 ¤·
»
µ¥ 2553
µ¦µ¸É
1
µ¦³µ¦Â¨³´
ª°¥n
µÄµ¦ª·
´
¥
³
µ¦³µ¦ ()
µ´
ª°¥n
µ ()
³´
ª«µ¦r
¨³ÁÃ襸
µ¦Á¬¦
958
80
³ª·
¥µµ¦´
µ¦
3,105
260
³ÁÃ襸
µ¦Á«Â¨³µ¦ºÉ
°µ¦
699
60
¦ª¤
4,762
400
5. µ¦ª·
Á¦µ³®r
o
°¤¼
¨ ¼o
ª·
´
¥Åo
¦ª°ªµ¤¼
o
°
°
o
°¤¼
¨ ¨o
ªÎ
µ
o
°¤¼
¨¸É
Åo
Ū·
Á¦µ³®r
o
ª¥
榤 SPSS Än
ª
°
o
°¤¼
¨´É
ªÅ¡§·
¦¦¤µ¦¼
µ¡¦³¡·
Á«ª¦ ¨³{
´
¥µ¦¼
µ¡¦³¡·
Á«ª¦ Äo
n
µ·
·
¡¦¦µ¦³°o
ª¥ ¦o
°¥¨³ n
µÁ¨¸É
¥ ¨³n
ªÁ¸É
¥Á¤µ¦µ
6. µ¦Â¨ªµ¤®¤µ¥
°n
µÁ¨¸É
¥
°¦³ÁÈ
Î
µµ¤Á}
o
°ÄÂn
¨³o
µ Ä°µ¤ Ã¥Äo
Ár
µ¦Â¨ªµ¤®¤µ¥µ¤Âªµ¦³¡´
¥ ¡»
r
(2553) ¦µ¥¨³Á°¸
¥´
¸Ê
º
° 6.1) ³Â 4.51 - 5.00 º
° ¦³´
¤µ¸É
»
6.2) ³Â 3.51 - 4.50 º
° ¦³´
¤µ 6.3) ³Â 2.51 - 3.50 º
° ¦³´
µ¨µ 6.4) ³Â 1.51 –
2.50 º
° ¦³´
o
°¥ ¨³ 6.5) ³Â 1.00 – 1.50 º
° ¦³´
o
°¥¸É
»
7. µ¦ª·
Á¦µ³®r
{
´
¥µ¦¼
µ¡¦³¡·
Á«ª¦ Äo
ª·
¸
ª·
Á¦µ³®r
°r
¦³°®¨´
(Principal Component
Analysis) Ã¥¤¸
µ¦®¤»
Â{
´
¥Ä®o
´Ê
µ (Orthogonal Rotation) o
ª¥ª·
¸
µ¦ Varimax with Kaizer
Normalization Ár
µ¦¡·
µ¦µ{
´
¥ º
° n
µ Eigenvalues o
°¤µªn
µ 1 ¨³n
µ Factor Loading o
°¤¸
n
µ´
¤¼
¦r
(Absolute) ¤µªn
µ 0.64 (Comery and Lee 1992)
8. µ¦´
¨»n
¤¼o
¼
µ¡¦³¡·
Á«ª¦µ¤¦¼
¡§·
¦¦¤Äo
ª·
¸
µ¦ª·
Á¦µ³®r
¨»n
¤Â K-Means Ã¥Î
µ
µ¦Î
µ®Î
µª¦°¤µ¸É
»
(Maximum Iteration) Án
µ´
25 ¨³Î
µ®´
n
ª
°¦³¥³®n
µ¸É
´Ê
¸É
»
(Convergence Criterion) Án
µ´
0 µÁ®»
¸É
Äo
K-Means clustering ĵ¦´
¨»n
¤¼o
¼
µµ¤{
´
¥¸É
µ¦¼
µ¡¦³
¡·
Á«ª¦ Á¡¦µ³¨»n
¤´
ª°¥n
µ¸
É
°Â°µ¤¤¸
Î
µª¤µªn
µ 200 ´Ê
¸Ê
¼o
ª·
´
¥¹
Åo
°ª·
¸
µ¦
ª·
Á¦µ³®r
¨»n
¤Â K-Means ®¨µ¥Ç¦´Ê
Á¡ºÉ
°¡·
µ¦µ®µÎ
µª¨»n
¤¸É
µ¤µ¦°·
µ¥ªµ¤Åo
°¥n
µÁ®¤µ³¤¸É
»