RELATING PRICE, UTILITY, and Marketing Mix

Arnond Sakworawich, Ph.D.

Outline of today presentation

1. REVENUE = Price X Quantity

2. Profit = Revenue - Cost

3. Economic decision making= f(utility)

Economic man wants to maximize utility.

4. Price = f(cost) – Mark up price approach

5. Price = f(attributes) – Multiple regression

6. Utility = f(attributes) – Conjoint Analysis

Excerpt from

Excerpt from

Conjoint Analysis

• Conjoint analysis attempts to determine the relative importance consumers attach to salient attributes and the utilities they attach to the levels of attributes.

• The respondents are presented with stimuli that consist of combinations of attribute levels and asked to evaluate these stimuli in terms of their desirability.

• Conjoint procedures attempt to assign values to the levels of each attribute, so that the resulting values or utilities attached to the stimuli match, as closely as possible, the input evaluations provided by the respondents.

Statistics and Terms Associated with Conjoint Analysis

• Part-worth functions. The part-worth functions, or utility functions, describe the utility consumers attach to the levels of each attribute.

• Relative importance weights. The relative importance weights are estimated and indicate which attributes are important in influencing consumer choice.

• Attribute levels. The attribute levels denote the values assumed by the attributes.

• Full profiles. Full profiles, or complete profiles of brands, are constructed in terms of all the attributes by using the attribute levels specified by the design.

• Pairwise tables. In pairwise tables, the respondents evaluate two attributes at a time until all the required pairs of attributes have been evaluated.

Statistics and Terms Associated with Conjoint Analysis

• Cyclical designs. Cyclical designs are designs employed to reduce the number of paired comparisons.

• Fractional factorial designs. Fractional factorial designs are designs employed to reduce the number of stimulus profiles to be evaluated in the full profile approach.

• Orthogonal arrays. Orthogonal arrays are a special class of fractional designs that enable the efficient estimation of all main effects.

• Internal validity. This involves correlations of the predicted evaluations for the holdout or validation stimuli with those obtained from the respondents.

Conducting Conjoint Analysis

Formulate the Problem

Construct the Stimuli

Select a Conjoint Analysis Procedure

Decide the Form of Input Data

Assess Reliability and Validity

Interpret the Results

Fig. 21.8

Conducting Conjoint Analysis: Formulate the Problem

• Identify the attributes and attribute levels to be used in constructing the stimuli.

• The attributes selected should be salient in influencing consumer preference and choice and should be actionable.

• A typical conjoint analysis study involves six or seven attributes.

• At least three levels should be used, unless the attribute naturally occurs in binary form (two levels).

• The researcher should take into account the attribute levels prevalent in the marketplace and the objectives of the study.

Conducting Conjoint Analysis: Construct the Stimuli

• In the pairwise approach, also called two-factor evaluations, the respondents evaluate two attributes at a time until all the possible pairs of attributes have been evaluated.

• In the full-profile approach, also called multiple-factor evaluations, full or complete profiles of brands are constructed for all the attributes. Typically, each profile is described on a separate index card.

• In the pairwise approach, it is possible to reduce the number of paired comparisons by using cyclical designs. Likewise, in the full-profile approach, the number of stimulus profiles can be greatly reduced by means of fractional factorial designs.

Sneaker Attributes and Levels

Level Attribute Number Description Sole 3 Rubber 2 Polyurethane 1 Plastic Upper 3 Leather 2 Canvas 1 Nylon Price 3 $30.00 2 $60.00 1 $90.00

Table 21.2

Full-Profile Approach to Collecting Conjoint Data

Example of a Sneaker Product Profile Sole Made of rubber

Upper Made of nylon

Price $30.00

Table 21.3

Pairwise Approach to Conjoint Data

U

p

p

e

r

Sole Sole

P

r

i

c

e

Price

U

p

p

e

r

Nylon

Canvas

Plastic Polyure- thane

Rubber

$90.00

$60.00

$30.00

Plastic Polyure- thane

Rubber

Leather

Nylon

Canvas

$90.00 $60.00 $ 30.00

Leather

Fig. 21.9

Conducting Conjoint Analysis: Construct the Stimuli

• A special class of fractional designs, called orthogonal arrays, allow for the efficient estimation of all main effects. Orthogonal arrays permit the measurement of all main effects of interest on an uncorrelated basis. These designs assume that all interactions are negligible.

• Generally, two sets of data are obtained. One, the estimation set, is used to calculate the part-worth functions for the attribute levels. The other, the holdout set, is used to assess reliability and validity.

Conducting Conjoint Analysis: Decide on the Form of Input Data

• For non-metric data, the respondents are typically required to provide rank-order evaluations.

• In the metric form, the respondents provide ratings, rather than rankings. In this case, the judgments are typically made independently.

• In recent years, the use of ratings has become increasingly common.

• The dependent variable is usually preference or intention to buy. However, the conjoint methodology is flexible and can accommodate a range of other dependent variables, including actual purchase or choice.

• In evaluating sneaker profiles, respondents were required to provide preference.

Sneaker Profiles and Ratings

Attribute Levels a Preference Profile No. Sole Upper Price Rating 1 1 1 1 9 2 1 2 2 7 3 1 3 3 5 4 2 1 2 6 5 2 2 3 5 6 2 3 1 6 7 3 1 3 5 8 3 2 1 7 9 3 3 2 6 a The attribute levels correspond to those in Table 21.2.

Table 21.4

Conducting Conjoint Analysis: Conjoint Analysis Model

The basic conjoint analysis model may be represented by the following formula:

Where:

U(X) = overall utility of an alternative

= the part-worth contribution or utility associated with

the j th level (j, j = 1, 2, . . . ki) of the i th attribute (i, i = 1, 2, . . . m)

xij = 1 if the j th level of the i th attribute is present

= 0 otherwise

ki = number of levels of attribute i

m = number of attributes

x ij j

ij

m

i

k X U

i

= =

= 1 1

) ( a

a i j

Conducting Conjoint Analysis: Relative Importance

The importance of an attribute, Ii, is defined in terms of the range of

the part-worths, , across the levels of that attribute:

The attribute's importance is normalized to ascertain its importance

relative to other attributes, Wi:

So that

The simplest estimation procedure, and one which is gaining in popularity, is dummy variable regression (see Chapter 17). If an attribute has ki levels, it is coded in terms of ki - 1 dummy variables (see Chapter 14).

Other procedures that are appropriate for non-metric data include LINMAP, MONANOVA, and the LOGIT model.

a i j

=

= m

i i

i

i

I

I W

1

1 1

= =

m

i i W

Conducting Conjoint Analysis: Estimating the Conjoint Model

The model estimated may be represented as:

U = b0 + b1X1 + b2X2 + b3X3 + b4X4 + b5X5 + b6X6

Where:

X1, X2 = dummy variables representing Sole

X3, X4 = dummy variables representing Upper

X5, X6 = dummy variables representing Price

For Sole, the attribute levels were coded as follows:

X1 X2

Level 1 1 0

Level 2 0 1

Level 3 0 0

Sneaker Data Coded for Dummy Variable Regression

Table 21.5

Preference Attributes Ratings Sole Upper Price Y X1 X2 X3 X4 X5 X6 9 1 0 1 0 1 0 7 1 0 0 1 0 1 5 1 0 0 0 0 0 6 0 1 1 0 0 1 5 0 1 0 1 0 0 6 0 1 0 0 1 0 5 0 0 1 0 0 0 7 0 0 0 1 1 0 6 0 0 0 0 0 1

Conducting Conjoint Analysis: Estimation of Parameters

The levels of the other attributes were coded similarly. The parameters were estimated as follows:

b0 = 4.222

b1 = 1.000

b2 = -0.333

b3 = 1.000

b4 = 0.667

b5 = 2.333

b6 = 1.333 Given the dummy variable coding, in which level 3 is the

base level, the coefficients may be related to the part-worths:

a 1 1 - a 1 3 = b 1 a 1 2 - a 1 3 = b 2

Conducting Conjoint Analysis: Calculation of Part-Worths

To solve for the part-worths, an additional constraint is necessary.

These equations for the first attribute, Sole, are:

Solving these equations, we get:

= 0.778

= -0.556

= -0.222

a 1 1 + a 1 2 + a 1 3 = 0

a 1 1 - a 1 3 = 1 . 0 0 0 a 1 2 - a 1 3 = - 0 . 3 3 3

a 1 1 + a 1 2 + a 1 3 = 0

a 1 1 a 1 2 a 1 3

Conducting Conjoint Analysis: Calculation of Part-Worths

The part-worths for other attributes reported in Table

21.6 can be estimated similarly.

For Upper, we have:

For the third attribute, Price, we have:

a 2 1 - a 2 3 = b 3 a 2 2 - a 2 3 = b 4

a 2 1 + a 2 2 + a 2 3 = 0

a 3 1 - a 3 3 = b 5 a 3 2 - a 3 3 = b 6

a 3 1 + a 3 2 + a 3 3 = 0

Conducting Conjoint Analysis Decide: Calculation of Relative Importance

The relative importance weights were calculated based on ranges

of part-worths, as follows:

Sum of ranges = (0.778 - (-0.556)) + (0.445-(-0.556))

of part-worths + (1.111-(-1.222))

= 4.668

Relative importance of Sole = 1.334/4.668 = 0.286

Relative importance of Upper = 1.001/4.668 = 0.214

Relative importance of Price = 2.333/4.668 = 0.500

Results of Conjoint Analysis

Level Attribute No. Description Utility Importance Sole 3 Rubber 0.778 2 Polyurethane -0.556 1 Plastic -0.222 0.286 Upper 3 Leather 0.445 2 Canvas 0.111 1 Nylon -0.556 0.214 Price 3 $30.00 1.111 2 $60.00 0.111 1 $90.00 -1.222 0.500

Table 21.6

Conducting Conjoint Analysis: Interpret the Results

• For interpreting the results, it is helpful to plot the part-worth functions.

• The utility values have only interval scale properties, and their origin is arbitrary.

• The relative importance of attributes should be considered.

Conducting Conjoint Analysis: Assessing Reliability and Validity

• The goodness of fit of the estimated model should be evaluated. For example, if dummy variable regression is used, the value of R2 will indicate the extent to which the model fits the data.

• Test-retest reliability can be assessed by obtaining a few replicated judgments later in data collection.

• The evaluations for the holdout or validation stimuli can be predicted by the estimated part-worth functions. The predicted evaluations can then be correlated with those obtained from the respondents to determine internal validity.

• If an aggregate-level analysis has been conducted, the estimation sample can be split in several ways and conjoint analysis conducted on each subsample. The results can be compared across subsamples to assess the stability of conjoint analysis solutions.

Part-Worth Functions

0.0

-0.5

-1.0

-1.5

-2.0

Rubber Polyureth. Plastic

0.0

-0.4

-0.8

-1.2 Leather Canvas Nylon

0.0

-0.5

-1.0

-1.5

-2.0

$30 $60 $90

Upper

Sole

Uti

lity

Uti

lity

U

tili

ty

-2.5

-3.0

Price

Fig. 21.10

Assumptions and Limitations of Conjoint Analysis

• Conjoint analysis assumes that the important attributes of a product can be identified.

• It assumes that consumers evaluate the choice alternatives in terms of these attributes and make tradeoffs.

• The tradeoff model may not be a good representation of the choice process.

• Another limitation is that data collection may be complex, particularly if a large number of attributes are involved and the model must be estimated at the individual level.

• The part-worth functions are not unique.

Hybrid Conjoint Analysis

• Hybrid models have been developed to serve two main purposes:

1. Simplify the data collection task by imposing less of a burden on each respondent, and

2. Permit the estimation of selected interactions (at the subgroup level) as well as all main (or simple) effects at the individual level.

• In the hybrid approach, the respondents evaluate a limited number, generally no more than nine, conjoint stimuli, such as full profiles.

Hybrid Conjoint Analysis

• These profiles are drawn from a large master design, and different respondents evaluate different sets of profiles, so that over a group of respondents, all the profiles of interest are evaluated.

• In addition, respondents directly evaluate the relative importance of each attribute and desirability of the levels of each attribute.

• By combining the direct evaluations with those derived from the evaluations of the conjoint stimuli, it is possible to estimate a model at the aggregate level and still retain some individual differences.

SPSS Windows

The multidimensional scaling program allows individual differences as well as aggregate analysis using ALSCAL. The level of measurement can be ordinal, interval or ratio. Both the direct and the derived approaches can be accommodated.

To select multidimensional scaling procedures using SPSS for Windows, click:

Analyze>Scale>Multidimensional Scaling …

The conjoint analysis approach can be implemented using regression if the dependent variable is metric (interval or ratio).

This procedure can be run by clicking:

Analyze>Regression>Linear …

การศึกษาคุณลกัษณะของงานทีเ่ป็นทีต้่องการของนักศึกษาระดับปริญญาตรีมหาวิทยาลยั ในเขตกรุงเทพมหานคร

ด้วยเทคนิค Conjoint Analysis

The study on Preference on job attribute of bachelor's degree student of institution education in Bangkok

by Conjoint Analysis technical

นางสาว ธณศพร พนัธ์ุมณ ี รหัสนักศึกษา 5620423011

กลุ่ม Generation Y หรือ Gen Y คือ คนท่ีเกิดในช่วงปี 1981-2000 เป็นเจเนอเรชัน่ท่ีมีขนาดใหญ่ท่ีสุดในไทย อายเุพียง 15-34 ปี (ศูนยว์ิจยัธนาคารไทยพาณิชย,์ 2557) คุณลกัษณะของกลุ่มคนรุ่นดงักล่าว ยอ่มส่งผลต่อองคก์ารในหลายดา้น ทั้งน้ี สไตลก์ารท างานร่วมกบัคนรุ่นอ่ืนๆ ของ Gen Y เป็นปรากฏการณ์ใหม่ท่ีส่งผลต่อองคก์ารท่ีเขาท างานอยู ่ทั้งในดา้นบวกและดา้นท่ีก่อใหเ้กิดความขดัแยง้

Gen Y คือ ความเช่ือมัน่ในตนเองสูง และการแสดงความคิดเห็นอย่างอิสระ อาจท าให้ผูร่้วมงานรู้สึกอึดอดัไดง่้าย โดยเฉพาะอย่างยิ่งส าหรับบุคคลท่ีมีบุคลิกภาพและค่านิยมท่ีต่างกนัในแต่ละรุ่นอยา่งสังคมไทยปัญหาของการบริหารจดัการบุคคลกร ผูบ้ริหารจะตอ้งให้ความส าคญัต่อ “บุคลากร” ความตอ้งการของ Gen Y ทั้งน้ี ผลการศึกษาเร่ือง “ความคาดหวงัต่อการท างาน” พบว่า Gen Y ตอ้งการลกัษณะงานท่ีสร้างสรรค์และทา้ทาย เหมาะสมกับความสามารถ มีโอกาสกา้วหนา้ในการท างาน และมีสัมพนัธภาพท่ีดีกบัเพื่อนร่วมงานและมีความยืดหยุ่นในการท างานทั้งในเร่ืองเวลาและสถานท่ีท างาน (รัชฎา อสิสนธิสกุล, 2549)

เพื่อศึกษาคุณลกัษณะของงานท่ีเป็นท่ีตอ้งการของนกัศึกษาระดบัปริญญาตรีมหาวิทยาลยั ในเขตกรุงเทพมหานคร ดว้ยการวิเคราะห์องคป์ระกอบร่วม (Conjoint Analysis)

เพื่อศึกษาปัจจยัท่ีมีผลต่อการเลือกรูปแบบการท างานของศึกษาระดบัปริญญาตรีมหาวิทยาลยั ในเขตกรุงเทพมหานคร

ในการศึกษาคร้ังน้ี เนน้การศึกษาเพื่อศึกษาคุณลกัษณะของงานท่ีเป็นท่ีตอ้งการของศึกษาระดบัปริญญาตรีชั้นปีท่ี 4 ของมหาวิทยาลยัในเขตกรุงเทพมหานคร จ านวนทั้งส้ิน 400 คน

Gen Y คือ นกัศึกษาระดบัปริญญาตรีชั้นปีท่ี 4 ท่ีศึกษาอยูใ่นสถาบนัอุดมศึกษาในเขตพื้นท่ีกรุงเทพมหานคร ซ่ึงเป็นกลุ่มคนรุ่นใหม่ ท่ีอายไุม่เกิน 25 ปี คุณลกัษณะของงาน คือ ปัจจยัดา้นคุณลกัษณะงานท่ีกลุ่มเป้าหมายในเป็นตวัแปรในการเลือกลกัษณะงานท่ีตอ้งการจะท าในอนาคต ระดับของคุณลกัษณะของงาน คือ ระดบัของปัจจยัดา้นคุณลกัษณะงาน

จิราพร พฤกษานุกลู (2558) ยงัไดก้ล่าวถึงลกัษณะของคน Gen-Y วา่มีลกัษณะ ไดแ้ก่ 1) ขาดเทคโนโลยไีม่ได ้ถือเป็นขอ้ไดเ้ปรียบยงัผลใหเ้ดก็รุ่นใหม่วยั Gen-Y 2) กลา้ซกั กลา้ถาม กลา้บุกประชิดในทุกเร่ืองท่ีตวัเองสนใจใคร่รู้ 3) สมดุลชีวิตและหนา้ท่ีการงาน คน Gen-Y ค่อนขา้งใหค้วามส าคญักบัการสร้างสมดุลในชีวิตและหนา้ท่ีการงาน (Work-Life Balance) 4) ความชอบในภาวะผูป้ระกอบการ 5) ชอบความทา้ทายในงาน มองหาโอกาสโตในงาน

แนวคดิทฤษฎอีงค์ประกอบคู่ (Hertzberg’s Two Factor Theory) มีปัจจยัส าคญั 2 ประการท่ีสมัพนัธ์กบัแรงจูงใจกบัความชอบหรือไม่ชอบในงานของแต่ละบุคคล ปัจจยัจูงใจ (Motivation Factors) เป็นปัจจยัท่ีเก่ียวขอ้งกบังานโดยตรง

เพื่อจูงใจใหค้นชอบและรักในงานท่ีปฏิบติั เป็นการกระตุน้ใหเ้กิดความพึงพอใจแก่บุคคลในองคก์ารใหป้ฏิบติังานได ้

ปัจจยัค ้าจุน (Maintenance Factors) หมายถึง ปัจจยัท่ีจะค ้าจุนใหแ้รงจูงใจในการท างานของบุคคลมีอยูต่ลอดเวลา ถา้ไม่มีหรือมีในลกัษณะไม่สอดคลอ้งกบัความตอ้งการของบุคคลในองคก์าร

การวิเคราะห์องคป์ระกอบร่วม (Conjoint Analysis) เป็นการศึกษาถึงความชอบหรือความพึงพอใจของผูบ้ริโภค เม่ือใหผู้บ้ริโภคไดเ้ลือกสินคา้หรือบริการท่ีประกอบไปดว้ยปัจจยัหรือคุณลกัษณะของสินคา้หรือบริการระดบัต่างๆ ท่ีแตกต่างกนัออกไป จากนั้นใหผู้บ้ริโภคใหค้ะแนนหรือเรียงล าดบัตามความชอบในเชิงเปรียบเทียบ

ขั้นตอนที ่1 การก าหนดคุณลกัษณะ(Attribute)ระดบัคุณลกัษณะ(Attribute level) ขั้นตอนที ่2 การสร้างชุดคุณลกัษณะ ตอ้งเป็นชุดคุณลกัษณะท่ีเป็นไปได ้ ขั้นตอนที ่3 การก าหนดสถานการณ์ท่ีจะใหผู้บ้ริโภคเลือก โดยทัว่ไปประกอบไปดว้ย 3 วิธีการ คือ 1) Trade-off approach เป็นการเปรียบเทียบคุณลกัษณะ 2) Full-profile approach ใหผู้ต้อบเลือกตอบคุณลกัษณะทั้งหมดของผลิตภณัฑจ์ะไดรั้บการประเมินพร้อม 3) Pairwise comparison วิธีน้ีผูต้อบแบบสอบถามจะประเมินคุณค่าของคุณลกัษณะของภาชนะบรรจุ 2 แบบในเวลาเดียวกนั ขั้นตอนที่ 4 ก าหนดฟังกช์ัน่ระดบัอรรถประโยชนห์รือวธีิวดัความพอใจ ส าหรับวิธีในการสร้างเคร่ืองมือในการวดัความชอบของผูบ้ริโภคนั้น อาจใหผู้บ้ริโภคให้คะแนนความพึงพอใจ (Rating) เช่น ให้คะแนนตามล าดบัความชอบ 1-10

ขั้นตอนที่ 1 การเลือกแบบจ าลองความพอใจท่ีเหมาะสม ในการประมาณค่าความพึงพอใจหรือระดบัอรรถประโยชน์ สามารถแสดงสมการทัว่ไปในรูปของระดบัอรรถประโยชน์ของผูบ้ริโภคแต่ละรายท่ีเกิดจากคุณลกัษณะสินคา้และบริการต่างๆ (Bruchhaus and Hinson, 2005) ดงัน้ี

𝑈j = f 𝑋1, 𝑋2, … … . . , 𝑋𝑛𝑗 + 𝑒

โดยท่ี Uj คือ ระดบัอรรถประโยชน์ท่ีผูบ้ริโภคแต่ละรายไดรั้บจากการบริโภคสินคา้ j ส่วน Xij คือ คุณลกัษณะระดบั i ของสินคา้ j และ e คือ ค่าความคลาดเคล่ือน เม่ือแปลงสมการเป็นสมการความสมัพนัธ์พื้นฐานในรูปทัว่ไป เพื่ออธิบายถึงการตอบสนองของผูบ้ริโภคต่อความพึงพอใจ ท าใหไ้ดส้มการดงัน้ี

Y = 𝑏 + 𝑋1 + 𝑋2 … … … . +𝑋𝑛 + 𝑒 โดยท่ี Y คือ ค่าความพอใจรวมท่ีผูบ้ริโภคใหก้บัสินคา้ ส่วน b คือ ค่าคงท่ี Xi คือ ค่าความพึงพอใจท่ีผูบ้ริโภคใหแ้ก่ระดบัในคุณลกัษณะ i

ขั้นตอนที่ 2 การประมาณค่าความพึงพอใจ (Utility Estimation) ในการประมาณค่าพารามิเตอร์ของสมการ ตอ้งค านึงถึงลกัษณะขอ้มูลความพอใจ จะใชว้ิธี OLS Regression (Multiple regression) ส าหรับการวิธีการศึกษา Conjoint Analysis แบบ traditional conjoint analysis นั้น สามารถใชโ้ปรแกรม SPSS Conjoint

นฤมล เพช็รทิพย ์(2548) ท าการศึกษาเร่ือง แนวทางในการสร้างความพึงพอใจในการปฏิบติังานโดยการใช ้Conjoint Analysis กรณีศึกษา บริษทัในเครือเคมีภณัฑซี์เมนตไ์ทย จ ากดั โดยก าหนดปัจจยัท่ีใชใ้นการประเมินความพึงพอใจในการปฏิบติังาน ไดแ้ก่ การปรับเงินเดือนประจ าปี ความกา้วหนา้ ลกัษณะงาน ความกา้วหนา้ ความมัน่คงและชัว่โมงการท างาน ประเมินความพึงพอใจโดยใชเ้ทคนิคการวิเคราะห์องคป์ระกอบร่วม

เสฎฐวฒิุ หนุ่มค า (2557) ท าการศึกษาเร่ือง ปัจจยัท่ีมีผลต่อการเลือกงานของบณัฑิตระดบัปริญญาตรี มหาวิทยาลยัฟาร์อีสเทอร์น โดยผลการศึกษาพบวา่ ปัจจยัท่ีมีผลต่อการเลือกงานของบณัฑิตสูงท่ีสุด คือ 1) ปัจจยัดา้นค่าจา้งและผลประโยชน์ตอบแทน 2) ปัจจยัดา้นขนาดองคก์ร 3) ปัจจยัดา้นโอกาสกา้วหนา้ในงาน 4) ปัจจยัดา้นลกัษณะงานท่ีตรงกบัความสามารถ 5) ปัจจยัดา้นสภาพแวดลอ้มของงาน 6) ปัจจยัดา้นความมัน่คงขององคก์ร 7) ปัจจยัดา้นระยะทางในการเดินทาง 8) ปัจจยัดา้นช่ือเสียงองคก์ร

ผลจากการวิจยั อาชีพอนัดบัแรกท่ีกลุ่มตวัอยา่งเลือก คือ รับราชการ รองลงมา คือท างานอิสระ/ส่วนตวั พนกังานธุรกิจเอกชน ช่วยกิจการครอบครัว พนกังานรัฐวิสาหกิจ ตามล าดบั เป็นปัจจยัท่ีนกัเรียนใชใ้นการตดัสินใจ เลือกอาชีพ คือ ความมัน่คงในการท างาน ความสามารถของตน ผลตอบแทนท่ีไดรั้บ ความรู้ ความสามารถ ไม่เส่ียงต่อการออก จากงานคิดริเร่ิม รับผดิชอบตวัเอง ส่ิงท่ีนกัเรียนน ามาพิจารณาในการเลือกอาชีพนอ้ยท่ีสุด คือ การเลือกงานตามกลุ่ม

การก าหนดประชากรและการเลือกกลุ่มตัวอย่าง ประชากรท่ีใชใ้นการวิจยั ไดแ้ก่ คน Gen-Y ก าหนดใหเ้ป็นนกัศึกษาปริญญาตรี ท่ีก าลงัศึกษาอยูใ่นระดบัชั้นปีท่ี 4 ของมหาวิทยาลยัทั้งหมด ในเขตพื้นท่ีกรุงเทพมหานครจากขอ้มูลของส านกังานปลดักระทรวงศึกษาธิการ พบวา่ล่าสุด ในปี 2558 มีจ านวนนกัศึกษาปริญญาตรีชั้นปีท่ี 4 ทั้งส้ิน จ านวน 135,102 คน เม่ือค านวณหาขนาดตวัอยา่งโดยใชสู้ตรของ Taro Yamane ท าใหไ้ดจ้ านวนตวัอยา่งท่ีตอ้งรวบรวมขั้นต ่า 398.81 คน (ท่ีระดบัความคลาดเคล่ือน ±5%) และผูว้ิจยัไดก้ าหนดการสุ่มตวัอยา่ง โดยเลือกกลุ่มตวัอยา่งแบบบงัเอิญ (Accidental sampling)

เคร่ืองมือท่ีใชใ้นการรวบรวมขอ้มูล คือ แบบสอบถาม (Questionnaire) ซ่ึงสามารถอธิบายการสร้างแบบสอบถามในส่วนของการวิเคราะห์องคป์ระกอบร่วมไดด้งัต่อไปน้ี 2.1) ส่วนประกอบของแบบสอบถาม ส่วนท่ี 1 ค าถามเก่ียวกบัขอ้มูลส่วนบุคคลของผูต้อบแบบสอบถาม ส่วนท่ี 2 ค าถามเก่ียวกบัเพ่ือการประเมินลกัษณะงานท่ีเป็นท่ีตอ้งการของนกัศึกษาระดบัปริญญาตรีมหาวิทยาลยั ในเขตกรุงเทพมหานคร ซ่ึงค าถามในส่วนท่ี 2 เป็นค าถามท่ีมีลกัษณะเป็นชุดทางเลือก (card) เพื่อใหก้ลุ่มตวัอยา่งเลือกตอบรูปแบบลกัษณะงานท่ีตรงกบัความตอ้งการของกลุ่มเป้าหมาย โดยใช้วิธีการเรียงล าดบัตามความชอบ (ranking)

2.2) การสร้างแบบสอบถามในส่วนของการวเิคราะห์องค์ประกอบร่วม (Conjoint Analysis) จากการทบทวนแนวคิด ทฤษฎีและผลงานวิจยัท่ีผา่นมา ท าใหไ้ดแ้นวทางในการก าหนด คุณลกัษณะ (Attribute) และระดบัคุณลกัษณะ (level of Attribute) ของรูปแบบการท างานท่ีคาดวา่จะมีผลต่อความชอบหรือความพึงพอใจของกลุ่มเป้าหมายซ่ึงเป็นกลุ่มวยัรุ่น Gen Y โดยพบวา่ คุณลกัษณะของงานท่ีน่าจะมีผลต่อการเลือกงานของกลุ่มตวัอยา่ง 1) รูปแบบองคก์ร 2) การจ่ายผลตอบแทน 3) ลกัษณะงาน 4) ความกา้วหนา้ในหนา้ท่ีการงาน และ 5) จ านวนชัว่โมงในการท างาน

Attribute Attribute Level

รูปแบบองค์กร ระดบัท่ี 1 องค์กรราชการ

ระดบัท่ี 2 องค์กรรัฐวิสาหกิจ ระดบัท่ี 3 องค์กรเอกชน ระดบัท่ี 4 บริษัทข้ามชาติ ระดบัท่ี 5 ธุรกิจสว่นตวั/freelance

การจ่ายผลตอบแทน ระดบัท่ี 1 การจ่ายผลตอบแทนในรูปแบบตวัเงิน (Financial Compensation)

ระดบั2 การจ่ายผลตอบแทนในรูปแบบการให้สทิธิการเป็นเจ้าของหุ้นของบริษัท (Employee Stock Owner Program)

ระดบัท่ี3 การจ่ายผลตอบแทนในรูปแบบสว่นแบง่ก าไรของบริษัท (Profit Sharing)

ลักษณะงาน ระดบัท่ี 1 งานประจ า

ระดบัท่ี 2 งานท่ีใช้ความคิดสร้างสรรค์ (Creative) ระดบัท่ี 3 งานโครงการ (Project Based) ระดบัท่ี 4 งานท่ีท้าทาย (Challenge) ระดบัท่ี 5 งานท่ีใช้ทกัษะหลากหลาย ( Skill Variety)

ความก้าวหน้าในหน้าที่การงาน ระดบัท่ี 1 มีโอกาสในการศกึษาตอ่ในขณะท่ีท างาน

ระดบัท่ี 2 มีความก้าวหน้าในหน้าที่การงานด้วยความสามารถโดยไมม่ีระบบอปุถมัภ์ ระดบัท่ี3 มีพฒันาศกัยภาพตนเอง

จ านวนชั่วโมงในการท างาน ระดบัท่ี 1 เวลาท างานปกติ 8 ชม. 5วนั/สปัดาห์

ระดบัท่ี 2 เวลาท างานมากกวา่ 8 ชม.มากกวา่ 5 วนั/สปัดาห์ ระดบัท่ี 3 อิสระในการเลอืกเวลาท างาน /(Work from home/Flexibility)

2.3) การก าหนดชุดคุณลกัษณะงาน (card) เพ่ือประเมินความต้องการของกลุ่มตัวอย่าง น ามาหาจ านวนชุดคุณลกัษณะทางเลือก (Card) ท่ีเป็นไปได้โดยใช ้ Factorial design โดยใชจ้ านวนระดบัของแต่ละคุณลกัษณะคูณกนัจะท าใหไ้ดท้างเลือกถึง 675 ชุดคุณลกัษณะ (5*3*5*3*3) ส าหรับวิธีแนวคิดโดยรวม (Full profile) เม่ือน าไปใหผู้ต้อบเลือกตอบ จะท าให้ผูต้อบตอ้งเลือกชุดคุณลกัษณะท่ีมีจ านวนท่ีมากเกินไป อาจท าใหผู้ต้อบเกิดความสับสน จึงตอ้งอาศยัเทคนิค fractional factorial design เพื่อลดจ านวนชุดคุณลกัษณะลงให้เหมาะสม

ทางเลือก ที ่ ผลตอบแทน ลกัษณะงาน โอกาสความก้าวหน้า เวลาท างาน รูปแบบองค์กร

1 ใหถื้อหุน้ งานโครงการ กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ 8 ชม. 5 วนั/สัปดาห์ รัฐวสิาหกิจ 2 ใหถื้อหุน้ งานท่ีใชท้กัษะหลากหลาย กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ 8 ชม. 5 วนั/สัปดาห์ ธุรกิจส่วนตวั/งานอิสระ 3 เงินเดือน งานท่ีใชท้กัษะท่ีหลากหลาย กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ > 8 ชม. 5 วนั/สัปดาห์ เอกชน 4 ใหถื้อหุน้ งานโครงการ กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ 8 ชม. 5 วนั/สัปดาห์ บริษทัขา้มชาติ 5 ใหถื้อหุน้ งานประจ า มีโอกาสศึกษาต่อ > 8 ชม. 5 วนั/สัปดาห์ บริษทัขา้มชาติ

6 ใหส่้วนแบ่งก าไร งานใหค้วามคิดสร้างสรรค ์ มีโอกาสพฒันาศกัยภาพตนเอง > 8 ชม. 5 วนั/สัปดาห์ ธุรกิจส่วนตวั/งานอิสระ

7 ใหส่้วนแบ่งก าไร งานประจ า กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ 8 ชม. 5 วนั/สัปดาห์ รัฐวสิาหกิจ

8 เงินเดือน งานประจ า มีโอกาสศึกษาต่อ 8 ชม. 5 วนั/สัปดาห์ ราชการ 9 เงินเดือน งานประจ า กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ เลือกเวลาไดอ้ยา่งอิสระ ธุรกิจส่วนตวั/งานอิสระ

10 เงินเดือน งานประจ า มีโอกาสศึกษาต่อ 8 ชม. 5 วนั/สัปดาห์ ธุรกิจส่วนตวั/งานอิสระ

11 ใหส่้วนแบ่งก าไร งานโครงการ มีโอกาสศึกษาต่อ 8 ชม. 5 วนั/สัปดาห์ เอกชน

12 เงินเดือน งานท่ีทา้ทาย มีโอกาสพฒันาศกัยภาพตนเอง 8 ชม. 5 วนั/สัปดาห์ บริษทัขา้มชาติ 13 เงินเดือน งานโครงการ มีโอกาสพฒันาศกัยภาพตนเอง เลือกเวลาไดอ้ยา่งอิสระ รัฐวสิาหกิจ

14 ใหส่้วนแบ่งก าไร งานท่ีใชท้กัษะหลากหลาย มีโอกาสศึกษาต่อ เลือกเวลาไดอ้ยา่งอิสระ บริษทัขา้มชาติ

15 เงินเดือน งานใหค้วามคิดสร้างสรรค ์ กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ > 8 ชม. 5 วนั/สัปดาห์ บริษทัขา้มชาติ 16 ใหถื้อหุน้ งานท่ีทา้ทาย กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ เลือกเวลาไดอ้ยา่งอิสระ เอกชน 17 เงินเดือน งานโครงการ กา้วหนา้โดยไม่มีระบบอุปถมัภ ์ > 8 ชม. 5 วนั/สัปดาห์ ราชการ 18 ใหถื้อหุน้ งานโครงการ มีโอกาสศึกษาต่อ > 8 ชม. 5 วนั/สัปดาห์ ธุรกิจส่วนตวั/งานอิสระ 19 ใหถื้อหุน้ งานท่ีทา้ทาย มีโอกาสศึกษาต่อ > 8 ชม. 5 วนั/สัปดาห์ รัฐวสิาหกิจ 20 เงินเดือน งานท่ีใชท้กัษะหลากหลาย มีโอกาสศึกษาต่อ > 8 ชม. 5 วนั/สัปดาห์ รัฐวสิาหกิจ

ในการรวบรวมขอ้มูลในการศึกษาคร้ังน้ี ใชว้ิธี Full-profile approach ท าไดโ้ดยการน าเสนอรูปแบบการปฏิบติังานท่ีไดก้ าหนดข้ึนทั้ง 20 ทางเลือก เพื่อใหก้ลุ่มตวัอยา่งตดัสินใจเลือกโดยการเปรียบเทียบทางเลือกทั้งหมดพร้อมๆ กนั และใหเ้รียงล าดบัตามความชอบของตนเอง โดยเรียงล าดบัความพึงพอใจ (Ranking) ในท่ีน้ีใหเ้รียงล าดบัตามความชอบ 1-20

การวิเคราะห์ขอ้มูลแบ่งออกเป็น 2 ส่วน คือ การวิเคราะห์โดยใชส้ถิติเชิงพรรณนา (descriptive statistic) จะใชก้ารแจกแจงค่าความถ่ี และค่าร้อยละ เพื่ออธิบายลกัษณะดา้นปัจจยัส่วนบุคคลของผูต้อบแบบสอบถาม และ

การวิเคราะห์ขอ้มูลในส่วนของการวิเคราะห์องคป์ระกอบร่วม (Conjoint Analysis) ซ่ึงมีรายละเอียดแบบจ าลองท่ีใชใ้นการศึกษาและแบบจ าลองในการประเมินความพึงพอใจของคุณลกัษณะดงัต่อไปน้ี

ก าหนดชุดคุณลกัษณะท่ีประกอบไปดว้ยระดบัของคุณลกัษณะของรูปแบบการปฏิบติังานท่ีแตกต่างกนัออกไป และท าการเสนอใหผู้ต้อบเรียงล าดบั (Ranking) ทางเลือกการท างานท่ีชอบมากท่ีสุด จากมากไปหานอ้ย (อนัดบั 1 ถึงอนัดบั 20) และวิเคราะห์ขอ้มูลโดยใชแ้บบจ าลอง Ordinary Least Squares (OLS) ทั้งน้ีไดก้ าหนดแบบจ าลองในรูปสมการทัว่ไป เพ่ือการประมาณค่า ดงัน้ี

𝑌 = 𝑏0 + 𝑏1 𝑔𝑜𝑣𝑒𝑟𝑛𝑚𝑒𝑛𝑡 + 𝑏2 𝑠𝑡𝑎𝑡𝑒 +𝑏3 𝑝𝑟𝑖𝑣𝑎𝑡𝑒 + 𝑏4 𝑖𝑛𝑡𝑒𝑟 + 𝑏5 𝑓𝑟𝑒𝑒𝑙𝑎𝑛𝑐𝑒 +𝑏6 𝑠𝑎𝑙𝑎𝑟𝑦 + 𝑏7 𝑠𝑡𝑜𝑐𝑘 + 𝑏8 𝑝𝑟𝑜𝑓𝑖𝑡 +𝑏9 𝑟𝑢𝑎𝑡𝑖𝑛𝑒 + 𝑏10 𝑐𝑟𝑒𝑎𝑡𝑖𝑣𝑒 + 𝑏11 𝑝𝑟𝑜𝑗𝑒𝑐𝑡 +𝑏12 𝑐ℎ𝑎𝑙𝑙𝑎𝑛𝑔𝑒 + 𝑏13 𝑠𝑘𝑖𝑙𝑙 + 𝑏14 𝑒𝑑𝑢𝑐𝑎𝑡𝑖𝑜𝑛 +𝑏15 𝑝𝑎𝑡𝑟𝑜𝑛𝑔𝑒 + 𝑏16 𝑖𝑚𝑝𝑟𝑜𝑣𝑒 + 𝑏17 8ℎ5𝑑 +𝑏18 > 8ℎ5𝑑 + 𝑏19(𝑓𝑙𝑒𝑥𝑖𝑏𝑖𝑙𝑖𝑡𝑦)

โดยท่ี Y= ความพึงพอใจ/อรรถประโยชน์รวมท่ีกลุ่มตวัอยา่งใหก้บัชุดคุณลกัษณะงาน (การตดัสินใจเลือก) ในท่ีน้ี คือ การเรียงล าดบัคุณลกัษณะงานตามความชอบ b0 = ค่าคงท่ี bi = ค่าสมัประสิทธ์ิการถดถอย (Regression coefficient) แสดงใหเ้ห็นถึงการเปล่ียนแปลงของอรรถประโยชน์ (Y) เม่ือระดบัคุณลกัษณะของรูปแบบงานเปล่ียนไป

ส าหรับความหมายของตวัแปรและการลงรหสัขอ้มูล มีรายละเอียดดงัต่อไปน้ี รูปแบบองคก์ร Government = 1 เม่ือเป็นองคก์รภาครัฐ = 0 เม่ือเป็นองคก์รแบบอ่ืนๆ State = 1 เม่ือเป็นองคก์รรัฐวิสาหกิจ = 0 เม่ือเป็นองคก์รแบบอ่ืนๆ Private = 1 เม่ือเป็นองคก์รเอกชน = 0 เม่ือเป็นองคก์รแบบอ่ืนๆ inter = 1 เม่ือเป็นบริษทัขา้มชาติ = 0 เม่ือเป็นองคก์รแบบอ่ืนๆ Freelance = 1 เม่ือเป็นธุรกิจส่วนตวั/อาชีพอิสระ = 0 เม่ือเป็นองคก์รแบบอ่ืนๆ

ผลตอบแทน Salary = 1 เม่ือไดรั้บผลตอบแทนเป็นเงินเดือน = 0 เม่ือไดรั้บผลตอบแทนแบบอ่ืนๆ stock = 1 เม่ือไดรั้บผลตอบแทนคือใหถื้อหุน้ = 0 เม่ือไดรั้บผลตอบแทนแบบอ่ืนๆ profit = 1 เม่ือไดรั้บผลตอบแทนเป็นส่วนแบ่งก าไร = 0 เม่ือไดรั้บผลตอบแทนแบบอ่ืนๆ

ลกัษณะงานroutine = 1 เม่ือเป็นงานประจ า = 0 เม่ือเป็นงานลกัษณะอ่ืนๆ Creative = 1 เม่ือเป็นงานใชค้วามคิดสร้างสรรค ์ = 0 เม่ือเป็นงานลกัษณะอ่ืนๆ project = 1 เม่ือเป็นงานโครงการ = 0 เม่ือเป็นงานลกัษณะอ่ืนๆ challenge = 1 เม่ือเป็นงานท่ีทา้ทายความสามารถ = 0 เม่ือเป็นงานลกัษณะอ่ืนๆ skill = 1 เม่ือเป็นงานท่ีตอ้งใชท้กัษะท่ีหลากหลาย = 0 เม่ือเป็นงานลกัษณะอ่ืนๆ

ในการประมาณค่า bi ท่ีแสดงถึงระดบัความพึงพอใจของกลุ่มตวัอยา่งมีต่อระดบัคุณลกัษณะทั้ง 20 ทางเลือกนั้น เรียกวา่แบบจ าลองความพึงพอใจ (preference or part-worth models) ซ่ึงการก าหนดแบบจ าลองดงักล่าว ในการศึกษาคร้ังน้ี ก าหนดใหต้วัแปรลกัษณะของงานทั้งหมด 5 ดา้น มีแบบจ าลองความสัมพนัธ์แบบ Discrete

ในการวิเคราะห์ แบบจ าลองความพึงพอใจต่อคุณลกัษณะรูปแบบการปฏิบติังานท่ีเป็นท่ีตอ้งการของกลุ่มตวัอยา่ง จะพิจารณาจากค่าสถิติ Pearson’s R และ Kendall’s tau ซ่ึงค่าสถิติทั้ง 2 น้ีจะแสดงใหเ้ห็นถึงความสอดคลอ้งของค่าความพอใจท่ีพยากรณ์ไดจ้ากแบบจ าลอง กบัค่าความพอใจท่ีไดจ้ากผูต้อบแบบสอบถาม หรือ แสดงใหเ้ห็นถึงค่าสหสมัพนัธ์ระหวา่งค่าท่ีไดจ้ากตวัอยา่ง กบัค่าท่ีประมาณไดจ้ากแบบจ าลอง โดยแปลงค่าทั้ง 2 ใหอ้ยูใ่นรูปของร้อยละเพื่ออธิบายความสามารถในการพยากรณ์

1. ข้อมูลทัว่ไปของกลุ่มตัวอย่าง กลุ่มตวัอยา่งส่วนใหญ่เป็นเพศหญิง ศึกษาในคณะบริหารธุรกิจ ในมหาวิทยาลยัของรัฐบาล มีเกรดเฉล่ียอยูใ่นระดบั 2.01-3.00 ส่วนใหญ่มีภูมิล าเนาอยูใ่นพื้นท่ีต่างจงัหวดั โดยมีรายไดห้รือไดรั้บค่าใชจ่้ายเป็นเงิน 5,000-10,000 บาทต่อเดือน จากบุคคลในครอบครัว 2. คุณลกัษณะของงานทีเ่ป็นทีต้่องการของนักศึกษาระดับปริญญาตรีมหาวทิยาลยั ในเขตกรุงเทพมหานคร ด้วยการวเิคราะห์องค์ประกอบร่วม (Conjoint Analysis) ผลการวิเคราะห์เม่ือพิจารณาความเหมาะสมของแบบจ าลอง โดยพิจารณาความสมัพนัธ์ของความพึงพอใจท่ีค านวนไดจ้ากแบบจ าลองและความพึงพอใจท่ีผูบ้ริโภคใหจ้ริง พบวา่ ค่าท่ีค านวณไดจ้ากแบบจ าลองและค่าท่ีผูบ้ริโภคใหจ้ริงมีค่าใกลเ้คียงกนั คิดเป็นร้อยละ 89.1 (Pearson's R )และร้อยละ 67.4 (Kendall's tau ) ตามล าดบั

คุณลกัษณะ (Attribute)

ระดบัคุณลกัษณะ (Level)

ระดบัอรรถประโยชน์/ ความพึงพอใจ

(Utility Estimate)

ส่วนเบ่ียงเบนมาตรฐาน(Standard

error)

อนัดบัความพึงพอใจ

รูปแบบองคก์ร ราชการ -1.557 1.243 5

รัฐวสิาหกิจ -1.455 .673 4

เอกชน .483 .788 2

บริษทัขา้มชาติ .441 .673 3

ธุรกิจส่วนตวั/งานอิสระ 2.088 .893 1

การจ่ายผลตอบแทน ใหเ้งินเดือน -.210 .599 3

ใหถื้อหุน้ .318 .635 1

ใหส่้วนแบ่งก าไร -.108 .659 2

ลกัารจ่ายผลตอบแทนกษณะงาน

งานประจ า 1.143 .969 1

งานสร้างสรรค ์ .738 .766 2

งานโครงการ -.363 .673 4

งานทา้ทายความสามารถ -1.351 .791 5

งานใชท้กัษะหลากหลาย -.167 .816 3

ความกา้วหนา้ในงาน มีโอกาสศึกต่อขณะท างาน .546 .546 1

กา้วหนา้โดยไม่มีระบบอุปถมัภ ์

-.271 .641 2

มีโอกาสพฒันาศกัยภาพตนเอง -.274 .864 3

จ านวนชัว่โมงการท างาน 8 ชัว่โมง, 5 วนั -.018 .547 2

>8 ชัว่โมง, 5 วนั -.628 .555 3

เลือกเวลาเองได/้งานท่ีบา้น .645 .768 1

ค่าคงท่ี 10.541 .507

Pearson's R 0.891 หรือ 89.1% Sig .000* Kendall's tau 0.674 หรือ 67.4% Sig .000*

หมายเหต:ุ มีนยัส าคญัทางสถิติที่ระดบั 0.05

จากผลการวิเคราะห์เม่ือพิจารณาระดบัความพึงพอใจของกลุ่มตวัอยา่งมีต่อคุณลกัษณะของการท างานในรูปแบบต่างๆ รูปแบบองค์กร พบวา่กลุ่มตวัอยา่งมีความพึงพอใจต่อการท าธุรกิจส่วนตวัหรืองานอิสระมากท่ีสุด รองลงมาคือ งานในองคก์รเอกชน บริษทัขา้มชาติ รัฐวิสาหกิจ และงานในองคก์รราชการ ตามล าดบั

ผลตอบแทน พบวา่กลุ่มตวัอยา่งมีความพึงพอใจต่อผลตอบแทนในรูปการใหถื้อหุน้ส่วนมากท่ีสุด รองลงมาคือ ส่วนแบ่งจากก าไร และผลตอบแทนในรูปเงินเดือน ตามล าดบั

ลกัษณะงาน พบวา่กลุ่มตวัอยา่งมีความพึงพอใจต่องานประจ ามากท่ีสุด รองลงมาคือ งานท่ีตอ้งใชค้วามคิดสร้างสรรค ์งานท่ีใชท้กัษะความสามารถท่ีหลากหลาย งานโครงการและงานท่ีทา้ทายความสามารถ ตามล าดบั

ความก้าวหน้าในงาน พบวา่กลุ่มตวัอยา่งมีความพึงพอใจต่องานท่ีมีโอกาสศึกษาต่อขณะท างานมากท่ีสุด รองลงมา คือ งานท่ีมีโอกาสกา้วหนา้โดยไม่มีระบบอุปถมัภ ์และงานท่ีมีโอกาสในการพฒันาศกัยภาพของตนเอง ตามล าดบั

เวลาในการท างาน พบวา่กลุ่มตวัอยา่งมีความพึงพอใจต่องานท่ีมีความอิสระในการเลือกเวลาท างานไดด้ว้ยตนเองมากท่ีสุด รองลงมา งานท่ีมีเวลาท างาน 8 ชัว่โมงต่อวนั 5 วนัต่อสปัดาห์ และ มากกวา่ 8 ชัว่โมงต่อวนั 5 วนัต่อสปัดาห์ ตามล าดบั

ปัจจัยที่มีผลต่อการเลือกรูปแบบหรือลักษณะการท างานของนักศึกษาระดับปริญญาตรีมหาวทิยาลัย ในเขตกรุงเทพมหานคร

จากผลการศึกษาสรุปไดว้า่กลุ่มตวัอยา่งมีความพึงพอใจต่อการท าธุรกิจส่วนตวัหรืองานอิสระมาก ผลตอบแทนในรูปการใหถื้อหุน้ส่วน ลกัษณะงานคืองานประจ า งานท่ีมีโอกาสศึกษาต่อขณะท างาน และงานท่ีมีความอิสระในการเลือกเวลาท างานไดด้ว้ยตนเองมากท่ีสุด ส าหรับปัจจยัท่ีมีผลต่อการเลือกในอนาคตมากท่ีสุด คือ รูปแบบองคก์ร ลกัษณะงาน ความกา้วหนา้ในงาน ระยะเวลาในการท างาน และ ค่าตอบแทน ตามล าดบั

จากผลการศึกษาดงักล่าว สามารถอภิปรายไดว้า่ กลุ่มตวัอยา่งใชรู้ปแบบองคก์รเป็นเกณฑใ์นการตดัสินใจในการเลือกงานมากท่ีสุด รองลงมาคือ ลกัษณะงาน ความกา้วหนา้ในงาน ส่วนระยะเวลาในการท างาน และลกัษณะการใหผ้ลตอบแทน เป็นประเดน็ท่ีใหค้วามส าคญัค่อนขา้งต ่า โดยกลุ่มตวัอยา่งมีความตอ้งการหรือพึงพอใจกบังานท่ีเป็นธุรกิจส่วนตวัหรืออาชีพอิสระมากท่ีสุด หรือพึงพอใจกบังานท่ีตนเองเป็นเจา้ของ มีความอิสระท่ีจะท า สอดคลอ้งกบัแนวคิดเก่ียวกบัลกัษณะของคน Gen Y ท่ีกล่าววา่ คนรุ่นน้ีมกัชอบสภาวะการเป็นผูป้ระกอบการหรือเป็นเจา้ของกิจการ มีความกลา้เส่ียงมากข้ึน และชอบงานท่ีไดใ้ชค้วามสามารถของตวัเองอยา่งเตม็ท่ี เน่ืองจากรู้สึกวา่สามารถควบคุมเวลาการท างานของตวัเองได ้(จิราพร พฤกษานุกลู, 2558)

การมอบงานประจ าท่ีสามารถใชค้วามคิดสร้างสรรคเ์พื่อพฒันางานได้อยา่งเตม็ท่ี

ใหผ้ลตอบแทนโดยเนน้ใหผู้ป้ฏิบติังานไดเ้ขา้มาเป็นส่วนหน่ึงของกิจการ

ไม่ก าหนดจ านวนชัว่โมงการท างานท่ีตายตวั การเปิดโอกาสใหผู้ป้ฏิบติังานไดมี้โอกาสในการศึกษาต่อในระดบัท่ีสูงข้ึน