ปรับปรุง : 2568-08-19 (ปรับ sam400)

การวิเคราะห์ข้อมูลทางสถิติ

เครื่องมือสำหรับการวิเคราะห์ข้อมูลทางสถิติ คือ โปรแกรมสำหรับการวิเคราะห์ข้อมูลทางสถิติที่มีผลลัพธ์ในหลายรูปแบบ เช่น ตาราง หรือแผนภูมิ เป็นโปรแกรมสามารถที่เก็บบันทึกข้อมูล นำมาประมวลผล และแสดงผลลัพธ์ออกมาเป็นรายงานที่เข้าใจได้ง่าย สามารถเลือกใช้ค่าสถิติได้อย่างครบถ้วน เช่น การแจกแจงความถี่ การวัดค่ากลางของข้อมูล การวัดการกระจาย หรือการวัดลักษณะของเส้นโค้ง

แนะนำโปรแกรมสำหรับวิเคราะห์สถิติ เพื่อทำงานวิจัย

SPSS (Statistical Package for the Social Science) คือ โปรแกรมสำหรับการวิเคราะห์ข้อมูลทางสถิติที่มีผลลัพธ์ในหลายรูปแบบ เช่น ตาราง หรือแผนภูมิ เป็นโปรแกรมสามารถที่เก็บบันทึกข้อมูล นำมาประมวลผล และแสดงผลลัพธ์ออกมาเป็นรายงานที่เข้าใจได้ง่าย สามารถเลือกใช้ค่าสถิติได้อย่างครบถ้วน เช่น การแจกแจงความถี่ การวัดค่ากลางของข้อมูล การวัดการกระจาย หรือการวัดลักษณะของเส้นโค้ง

1.โปรแกรมสำเร็จรูปเอสพีเอสเอส (SPSS)
คือ โปรแกรมสำหรับวิเคราะห์ข้อมูลทางสถิติ ถูกซื้อโดยบริษัท IBM ในปี 2552 และมีชื่อบริษัทว่า "SPSS: An IBM Company"
[wiki :: ดาวน์โหลด trail] [2]p.429
2.โปรแกรมสำเร็จรูปมินิแท็ป (Minitab)
คือ โปรแกรมสำหรับวิเคราะห์ข้อมูลทางสถิติ ที่พัฒนาโดยบริษัท Minitab Inc.
[ดาวน์โหลด trail] [3].p2
3.โปรแกรมสำเร็จรูปสตาต้า (STATA)
คือ โปรแกรมสำหรับวิเคราะห์ข้อมูลทางสถิติ ที่พัฒนาโดยบริษัท STATA CropLP
[ดาวน์โหลด evaluate] [1]p.3
4.โปรแกรมสำเร็จรูปแซด (SAS)
คือ โปรแกรมสำหรับวิเคราะห์ข้อมูลทางสถิติ ที่พัฒนาโดยบริษัท SAS Institute INC. โดยที่ SAS ย่อมาจาก Statistical Analytical System
[wiki :: order] [3].p1

คู่มือ SPSS โดย สถาบันการศึกษาต่าง ๆ
☸ pdf - ru.ac.th : 69 หน้า
☸ pdf - excise.go.th : 44 หน้า
☸ ppt - mahidol.ac.th : 37 สไลด์

ติดต่อ ติชม โทร.0819927223
หรือ facebook.com

อภิธานศัพท์วิจัย
(Research Glossary)

SPSS Survey : Crosstab & Statistics

R คือ ภาษาหนึ่งที่ทำงานบนโปรแกรม R

R เป็นภาษาโปรแกรม เพื่อใช้ในการวิเคราะห์ข้อมูลทางสถิติ และนำเสนอข้อมูลเป็นกราฟได้ รวมทั้งสามารถนำมาวิเคราะห์ข้อมูลขนาดใหญ่ (Big data) หรืองานที่ซับซ้อนได้ เช่น แผนที่ทางภูมิศาสตร์ที่สำคัญ ซึ่งภาษา R ถูกใช้บนโปรแกรม R ที่ใช้งานได้ฟรี ไม่มีค่าใช้จ่าย จึงเป็นโปรแกรมที่ได้รับความนิยมในวงวิชาการ
R เป็นโปรแกรมประเภท Open source ทำให้มีการร่วมพัฒนาต่อยอดให้มีความสามารถที่หลากหลายอย่างต่อเนื่อง ใช้ได้ทั้งบนระบบปฏิบัติการ Windows , Mac OS และ Linux โดยการทำงานของ R เป็นที่นิยม เนื่องจากมี built-in function ทางด้านสถิติจำนวนมาก รวมถึงมีสถิติที่ใช้ในการวิเคราะห์ข้อมูลขนาดใหญ่ และสามารถแสดงผลการทำงานในรูปแบบกราฟได้ง่าย ซึ่งปัจจุบันโปรแกรม R มี package กว่า 10,000 package จึงทำให้โปรแกรม R ได้รับความนิยม

ประเภทของการวิจัย รศ.ธานินทร์ ศิลป์จารุ ได้จำแนกประเภทการวิจัยตามสถานการณ์เวลาที่เกิดขึ้นใน 3 ลักษณะ [6].p16
1. การวิจัยเชิงประวัติศาสตร์ (Historical Research)
เป็นการแสวงหาคำตอบกับสิ่งที่เคยเกิดขึ้นแล้วในอดีต อาจใช้ข้อมูลปฐมภูมิ (Primary Data) เช่น แหล่งโบราณสถาน ภาพถ่าย หรือคำบอกเล่าของผู้อยู่ในเหตุการณ์ หรือ ข้อมูลทุติยภูมิ (Secondary Data) เช่น คำบอกเล่าที่บอกต่อกันมา จากเอกสาร ตำรา เป็นต้น
2. การวิจัยเชิงบรรยาย (Descriptive Research)
2.1 การวิจัยเชิงสำรวจ (Survey Research)
เป็นการศึกษาข้อมูลทั่วไป เพื่อให้สรุปเป็นข้อมูลในปัจจุบัน เช่น สำรวจภาวะการมีงานทำ สำรวจผู้เป็นโรคเบาหวาน
2.2 การวิจัยความสัมพันธ์ของตัวแปร (Interrelationship Research)
เป็นการศึกษาเปรียบเทียบ เช่น เพศ ภูมิลำเนา สัญชาติ ศาสนา โรค
2.3 การวิจัยพัฒนาการ (Development Research)
เป็นการศึกษาการเจริญเติมโต (Growth Studies) หรือศึกษาแนวโน้ม (Trend Studies) ของจำนวนผู้ป่วยโรคเบาหวาน
2.4 การวิจัยเชิงคุณภาพ (Qualitative Research)
เป็นการศึกษาเพื่อให้เข้าใจถึงปรากฎการณ์ มักเกี่ยวกับข้อมูลทางสังคมและวัฒนธรรม ที่ไม่สามารถวัดค่าในรูปปริมาณได้ อาทิ ความรู้สึกนึกคิด ประวัติชีวิต ค่านิยม ประสบการณ์ การดำเนินชีวิต
3. การวิจัยเชิงทดลอง (Experimental Research)
เป็นการศึกษาว่าจะเกิดอะไรขึ้นในอนาคต มักใช้การวิจัยทางวิทยาศาสตร์

เมื่อได้รวบรวมเพิ่มเติม พบว่า รูปแบบการวิจัย (Types of Research) มีหลายแบบ ซึ่งแต่ละแบบจะเหมาะสมกับวัตถุประสงค์และลักษณะของโจทย์แตกต่างกันไป สรุปประเภทและลักษณะสำคัญของแต่ละรูปแบบ ได้ดังนี้
1. วิจัยเชิงพื้นฐาน (Basic Research หรือ Fundamental Research)
- มุ่งสร้างองค์ความรู้ใหม่หรือทฤษฎีใหม่
- ไม่เน้นการนำไปใช้แก้ปัญหาในชีวิตจริงโดยตรง
- ตัวอย่าง: การทดลองทางฟิสิกส์เพื่อค้นหากฎธรรมชาติใหม่
2. วิจัยเชิงประยุกต์ (Applied Research)
- มุ่งนำทฤษฎีหรือความรู้ที่มีอยู่ไปใช้แก้ไขปัญหา หรือพัฒนาสิ่งใหม่
- ผลลัพธ์สามารถนำไปใช้ได้จริง เช่น นวัตกรรม เครื่องมือ วิธีการ
- ตัวอย่าง: การพัฒนาวัคซีนโรคใหม่, การออกแบบระบบบริหารงานองค์กร
3. วิจัยเชิงปริมาณ (Quantitative Research)
- เก็บข้อมูลเป็นตัวเลข วิเคราะห์ด้วยสถิติ
- ใช้แบบสอบถาม แบบทดสอบ
- ตัวอย่าง: การสำรวจความคิดเห็นคนจำนวนมาก
4. วิจัยเชิงคุณภาพ (Qualitative Research)
- ศึกษาเชิงลึก รายละเอียด ความรู้สึก ประสบการณ์
- ใช้การสัมภาษณ์ การสังเกต
- ตัวอย่าง: การศึกษาเชิงชาติพันธุ์, การวิเคราะห์เนื้อหา
5. วิจัยเชิงผสมผสาน (Mixed Methods Research)
- ผสมผสานข้อดีของวิจัยเชิงปริมาณและเชิงคุณภาพ
- ใช้ทั้งแบบสอบถาม และการสัมภาษณ์/สนทนากลุ่ม
- ตัวอย่าง: ศึกษาโครงการพัฒนาชุมชนโดยใช้ทั้งข้อมูลเชิงตัวเลขและความเห็นเชิงลึก
6. วิจัยเชิงพรรณนา (Descriptive Research)
- ศึกษาเพื่อพรรณนาสภาพหรือสถานการณ์ตามความเป็นจริง
- ไม่เน้นหาความสัมพันธ์หรือเหตุและผลโดยตรง
- ตัวอย่าง: สำรวจลักษณะประชากรในเขตหนึ่ง
7. วิจัยเชิงสำรวจ (Survey Research)
- ศึกษาโดยการสอบถาม หรือแจกแบบสอบถามกับกลุ่มตัวอย่างขนาดใหญ่
- เพื่อตรวจสอบสถานการณ์ หรือแนวโน้ม
8. วิจัยเชิงสัมพันธภาพ (Correlation Research)
- ศึกษาความสัมพันธ์ระหว่างตัวแปร เช่น เพศกับผลสัมฤทธิ์ทางการเรียน
9. วิจัยเชิงทดลอง (Experimental Research)
- ศึกษาการเปลี่ยนแปลงที่เกิดขึ้นเมื่อควบคุมตัวแปรหนึ่ง (อิสระ) ส่งผลต่อตัวแปรอีกตัวหนึ่ง (ตาม)
- ตัวอย่าง: ทดลองวิธีสอนแบบใหม่กับกลุ่มนักเรียน
10. วิจัยเชิงปฏิบัติการ (Action Research)
- มุ่งแก้ไขและพัฒนางานในพื้นที่หรือองค์กรนั้น ๆ ร่วมกับผู้ปฏิบัติงาน
- ตัวอย่าง: การปรับเปลี่ยนกระบวนการเรียนในชั้นเรียนโดยครูและนักเรียนร่วมกัน

ลำดับขั้นตอนในการทำวิจัย

รศ.ธานินทร์ ศิลป์จารุ ได้เสนอลำดับในการแสวงหาคำตอบด้วยการทำวิจัยไว้ 7 ขั้น ดังนี้ [6].p18
1. การเลือกหัวข้องานวิจัย และกำหนดประเด็นปัญหา
2. กำหนดวัตถุประสงค์ของงานวิจัย
3. กำหนดประชากรและกลุ่มตัวอย่าง
4. การเลือกและสร้างเครื่องมือที่ใช้ในการวิจัย
5. เก็บรวบรวมข้อมูล
6. วิเคราะห์และแปลผลข้อมูล
7. เขียนรายงานการวิจัย

1. กำหนดชื่อเรื่อง วัตถุประสงค์ และกรอบแนวคิด
2. ทบทวนวรรณกรรม ทฤษฎี และงานวิจัยที่เกี่ยวข้อง
3. ตั้งสมมติฐาน กลุ่มตัวอย่าง เลือกสถิติที่ใช้วิเคราะห์ข้อมูล
4. ประมวลผลให้สอดรับกับสมมติฐาน
5. อภิปรายผลตอบวัตถุประสงค์ สมมติฐาน และกรอบแนวคิด

ความหมายของ ตัวแปรอิสระ กับ ตัวแปรตาม
ตัวแปรอิสระ เป็นพฤติกรรม หรือความเป็นอยู่ของผู้ตอบแบบสอบถาม
ตัวแปรตาม เป็นผลจากพฤติกรรม ที่ต้องการพิสูจน์ตามสมมติฐานว่าจริงหรือไม่
☸ ต.ย. เทคนิคเขียน IS หรือ วิทยานิพนธ์ ของ thaispss.com

ต.ย.กรอกแนวคิดการวิจัย (Research framework) - แสดงการเชื่อมโยงของงานวิจัยเชิงสำรวจ ในสายบริหารธุรกิจ ที่ใช้แบบสอบถาม เก็บข้อมูลปฐมภูมิ มักเป็นการศึกษาจากกลุ่มเชิงปริมาณ

เทคนิควิเคราะห์ตัวแปรเดี่ยว

การวิเคราะห์ข้อมูล การวิจัยการตลาด ด้วยโปรแกรม SPSS (155 หน้า) เรียบเรียงโดย ผศ.ดร.สลิตตา สารีบุตร คณะบริหารธุรกิจและเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี
ที่มา: Naresh K. Malhotra, David F. Birks, Marketing Research An Applied Appproach. England: FT Prentice Hall, 2006. P437.

เทคนิควิเคราะห์ตัวแปรเดี่ยว (Univariate Techniques)

Metric Data ข้อมูลต่อเนื่อง/เชิงปริมาณ

One Sample หนึ่งกลุ่มตัวอย่าง

- t test
- z test

Two or More Samples สองกลุ่มตัวอย่างหรือมากกว่า

Independent เป็นอิสระกัน

- Two-Group test
- Z test
- One-Way Anova

Related มีความสัมพันธ์กัน

- Paired t test

Non-metric data ข้อมูลไม่ต่อเนื่อง/เชิงคุณภาพ

One Sample หนึ่งกลุ่มตัวอย่าง

- Frequency
- Chi-square
- K-S
- Runs
- Binomial

Two or More samples สองกลุ่มตัวอย่างหรือมากกว่า

Independent เป็นอิสระกัน

- Chi-Square
- Mann-Whitney
- Median
- K-S
- K-W ANOVA

Related มีความสัมพันธ์กัน

- Sign
- Wilconxon
- McNemar
- Chi-Square

☸ เทคนิค ตัวแปรเดี่ยว และสองตัวแปร

คำสำคัญ #

สถิติอ้างอิง หรือ สถิติเชิงอนุมาน(Inferential Statistics)
เป็นการใช้ศาสตร์ที่ว่าด้วยทฤษฎีและวิธีการทางสถิติ ในการวิเคราะห์ข้อมูล เพื่อตอบคำถามหรือปัญหาที่สนใจ โดยอาศัยข้อมูลเพียงส่วนหนึ่งที่มีอยู่ เพื่ออธิบายข้อมูลชุดที่สมบูรณ์หรือประชากร กล่าวคือ จากข้อมูลที่มีอยู่ ซึ่งไม่ใช่ข้อมูลชุดสมบูรณ์ เราต้องการสรุปสาระสำคัญในข้อมูลชุดสมบูรณ์ หรือลักษณะของปรากฏการณ์หนึ่ง ด้วยการใช้ข้อมูลตัวอย่างหรือข้อมูลเพียงส่วนหนึ่งจากชุดข้อมูลที่สมบูรณ์นั้น แล้วทำการอนุมานจากข้อมูลตัวอย่างไปสู่ข้อมูลชุดสมบูรณ์ ความแตกต่างจากสถิติเชิงพรรณนา คือ สถิติเชิงพรรณนาทำการสรุปสาระสำคัญในข้อมูลชุดที่มีอยู่ในมือหรืออธิบายลักษณะของข้อมูลชุดนี้เท่านั้น ไม่มีการอ้างอิงถึงข้อมูลชุดอื่น หรือพยายามไปอธิบายข้อมูลชุดสมบูรณ์ เรียกว่าไม่ทำการอนุมานไปสู่ข้อมูลชุดที่สมบูรณ์นั่นเอง
ในการวิจัยด้านสังคมหรือบริหาร มักสนใจข้อมูลกลุ่มตัวอย่าง เพื่ออนุมานลักษณะของประชากร
อ้างอิงจาก http://statsdaily.blogspot.com/..post.html
สถิติเชิงพรรณา (Descriptive Statistics) ค่าสถิติเชิงพรรณาเป็นค่าพื้นฐานที่เข้าใจง่าย พบว่าในหนังสือของ ธันยพัฒน์ วงศ์รัตน์ [7] ใช้เรื่องนี้เริ่มต้นอธิบายเกี่ยวกับ ค่าสถิติ และแยกไว้ทั้งหมด 4 กลุ่ม ดังนี้ 1) การแจกแจงความถี่ (Frequencies Distribution) คือ การนำข้อมูลมาจัดใหม่ โดยแจกแจงว่าข้อมูลมีอะไรบ้าง และซ้ำกันกี่จำนวน เรียกว่า ความถี่ (Frequency) 2) การวัดค่ากลางของข้อมูล (Measures of Central Tendency) คือ การหาค่ากลางของข้อมูลที่เป็นตัวแทนของข้อมูลทั้งหมด เพื่อสรุปเรื่องราวเกี่ยวกับข้อมูล และวิเคราะห์ข้อมูลได้ถูกต้องยิ่งขึ้น 3) การวัดการกระจาย (Measure of Dispersion) คือ การวัดความแตกต่างกันของข้อมูล 4) การวัดลักษณะของเส้นโค้ง (Curvature) คือการวัดค่าใน 2 ประเด็น ได้แก่ 4.1) ความเบ้ (Skewness) เป็นค่าที่ใช้วัดลักษณะของเส้นโค้งว่ามีความเบ้หรือไม่ ถ้าเส้นโค้งไม่เบ้ คือ ค่าสัมประสิทธิ์ความเบ้มีค่าเป็นศูนย์ แสดงว่าข้อมูลมีความสมมาตร ถ้าเส้นโค้งเบ้ซ้ายแสดงว่าค่าสัมประสิทธิ์ความเบ้มีค่าเป็นลบ และถ้าเส้นโค้งเบ้ขวา แสดงว่าค่าสัมประสิทธิ์ความเบ้มีค่าเป็นบวก 4.2) ความโด่ง (Kurtosis) เป็นค่าที่ใช้วัดลักษณะของเส้นโค้งว่ามีความโด่งมากน้อยเพียงใด ถ้าค่าความโด่งเป็นศูนย์ แสดงว่ากราฟที่มีการแจกแจงแบบปกติ ถ้าค่าความโด่งเป็นบวก แสดงว่าเส้นโค้งนั้นโด่งหรือสูงมาก และถ้าค่าความโด่งเป็นลบ แสดงว่า เส้นโค้งนั้นโด่งน้อยหรือป้าน
การแจกแจงความถี่ (Frequencies Distribution)
เป็นการนำข้อมูลมาแบ่งเป็นกลุ่ม เป็นหมวดตามลักษณะ เช่น เพศ ภาค คณะวิชา เพื่อแสดงความถี่ จำนวน หรือร้อยละ พบศัพท์ที่น่าสนใจ เช่น Frequency, Percent, Valid Percent = ไม่คำนวณค่าสูญหาย และ Cumulative Percent = ค่าร้อยละสะสม หรือการแจกแจงค่าความถี่หลายทางด้วยคำสั่ง Crosstab
การวัดค่ากลางของข้อมูล (Measures of Central Tendency) [7]
เป็นการหาค่ากลาง ๆ ของข้อมูลจำนวนมาก ซึ่งเทคนิคการวัดค่ากลางมีหลายวิธี เช่น 1) ค่าเฉลี่ยเลขคณิต (Arithmetic mean) ใช้การนำค่าทั้งหมดที่มีรวมกัน แล้วนำไปหารด้วย จำนวนของข้อมูล 2) มัธยฐาน (Median) ใช้การเรียงลำดับข้อมูลจากน้อยไปมาก หรือมากไปน้อย แล้วถือเอาตัวเลขที่อยู่ตรงกลางเป็นค่ามัธยฐาน 3) ฐานนิยม (Mode) ใช้การเลือกจากข้อมูลที่มีการซ้ำกันมากที่สุด

ลิเคิร์ท (Likert Scale) คือ การใช้เกณฑ์ 5 ระดับ แทน 5 ความหมาย คือ มากที่สุด มาก ปานกลาง น้อย และน้อยที่สุด ส่วนเกณฑ์การแปลความหมาย เพื่อจัดระดับคะแนนเฉลี่ยในช่วงคะแนนต่าง ๆ มีสมการคำนวณอันตรภาคชั้นของค่าเฉลี่ยมีค่าเท่ากับ 0.8 (บางเอกสารใช้ 0.5) โดยใช้สมการ ความกว้างของอันตรภาคชั้น = ( คะแนนสูงสุด – คะแนนต่ำสุด ) / จำนวนชั้น อ้างถึงในชัชวาลย์ เรืองประพันธ์ 2539 หน้า 15

ทำให้ได้เกณฑ์การแปลความหมายดังนี้
1.00 – 1.80 มีผลน้อยที่สุด
1.81 – 2.60 มีผลน้อย
2.61 – 3.40 มีผลปานกลาง
3.41 – 4.20 มีผลมาก
4.21 – 5.00 มีผลมากที่สุด

บางเอกสารกำหนด interval เป็น 0.50
4.50-5.00 Very satisfied
3.50-4.49 Satisfied
2.50-3.49 Neutral
1.50-2.49 Dissatisfied
1.00-1.49 Very dissatisfied

การวัดการกระจาย (Measure of Dispersion) [7]
การรู้ธรรมชาติของข้อมูลมีค่าอื่นนอกจากค่ากลางที่ใช้สะท้อนได้ คือ พิสัย (Range) โดยการหาผลต่างของค่าสูงสุดกับค่าต่ำสุด หรือ ค่าความแปรปรวน (Variance) เพื่อวัดค่าแตกต่างกับค่าเฉลี่ย หากเป็น 0 ก็แสดงว่าข้อมูลไม่มีการกระจาย ซึ่งค่านี้มาจาก ค่าแตกต่างของข้อมูลแต่ละตัวกับค่าเฉลี่ย # หรือ ค่าเบี่ยงเบนมาตรฐาน (Standard Deviation) คิดค้นโดย ฟรานซิส กาลตัน (Francis Galton) ในช่วงปลายคริสต์ทศวรรษ 1860 เป็นการวัดการกระจายทางสถิติที่เป็นปกติทั่วไป ใช้สำหรับเปรียบเทียบว่าค่าต่าง ๆ ในเซตข้อมูลกระจายตัวออกไปมากน้อยเท่าใด โดยนำค่าความแปรปรวน (Variance) มาใส่รากที่สองจะเท่ากับค่าเบี่ยงเบนมาตรฐาน # แล้วยังมีค่าเปอร์เซ็นต์ไทล์ (Percentile) ที่แสดงได้ว่าค่าใดอยู่ตำแหน่ง % ที่ระบุ และค่าควอไทล์ (Quartiles) ที่แสดงได้ว่าค่าใดอยู่ตำแหน่งที่ 25% 50% และ 75% ก็จะใช้แยกข้อมูลเป็น 4 ส่วนได้
การวัดลักษณะของเส้นโค้ง (Curvature) [7] คือ การวัดค่าจาก ค่าเบ้ และความโด่ง โดย Skewness ใช้วัดค่าความเบ้ ถ้าค่าบวกแสดงว่าเบ้ซ้าย และค่าลบแสดงว่าเบ้ขวา และ Kurtosis ใช้วัดค่าความโด่ง ถ้าค่าบวกแสดงว่าสูงกว่าปกติ ค่าลบแสดงว่าต่ำกว่าปกติ
T-Test คือ การทดสอบสมมติฐาน เพื่อเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างหนึ่งกลุ่ม กับประชากร หรือเปรียบเทียบระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่อาจมีความสัมพันธ์กันหรือเป็นอิสระต่อกันก็ได้ โดยกลุ่มตัวอย่างต้องสุ่มมาจากประชากรที่มีการแจกแจงปกติ (Normal Curve) และทราบค่าความแปรปรวนของประชากร ซึ่งมีการทดสอบ 3 แบบ คือ One Sample T-Test, Paired Samples T-Test และ Independent T-Test
ในกรณี การเปรียบเทียบค่าเฉลี่ยที่ข้อมูล 2 กลุ่ม เช่น เพศ กับ กลุ่มข้อมูลต่าง ๆ ในการวิเคราะห์และแปลผลข้อมูลทางสถิตินั้น มีหลายวิธี แต่ละวิธีก็จะถูกเลือกใช้ให้เหมาะสมกับข้อมูล เช่น การเปรียบเทียบความแตกต่างระหว่างตัวแปร 2 ตัวที่เป็นอิสระต่อกัน ก็อาจใช้ SPSS, Menu, Analyze, Compare Means, Independent-samples T-Test [6].p356 ซึ่งเลือกตัวแปรที่ต้องการเปรียบเทียบได้หลายตัว เช่น [กลุ่มความพึงพอใจ] กับตัวที่ถูกเทียบ เช่น [เพศ]
1. ตารางที่ได้จะมีค่า sig. ของ equation of variances (ความแปรปรวนของกลุ่ม) ถ้าน้อยกว่า 0.05 ก็แสดงว่า ความแปรปรวนของกลุ่มเท่ากัน แล้วค่อยดู sig. ของ T-Test
2. ถ้าค่า sig. ของ T-Test มากกว่า 0.05 แสดงว่า ความพึงพอใจระหว่างสองเพศไม่แตกต่างกัน ยอมรับ H0
3. ถ้าค่า sig. ของ T-Test ไม่มากกว่า 0.05 แสดงว่า ความพึงพอใจระหว่างสองเพศแตกต่างกัน ยอมรับ H1
One Sample T-Test คือ การวิเคราะห์กรณีเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างกับประชากร หรือค่าคงที่จากทฤษฎีใดทฤษฎีหนึ่ง # เช่น ทฤษฎีทางเคมีของสารประกอบชนิดหนึ่ง มีส่วนประกอบของเหล็ก x% เพื่อทดสอบทฤษฎีจึงทดลองส่วนประกอบของสารประกอบชนิดนี้ y ครั้ง โดย H0 : u1 = x และ H1 : u1 != x
Paired Samples T-Test คือ การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์กัน เช่น การเปรียบเทียบค่าเฉลี่ยสองค่าว่าแตกต่างกันหรือไม่ โดยค่าเฉลี่ยทั้งสองวัดจากกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์ หรือกลุ่มเดียว 2 ครั้ง หรือวัดตัวอย่างสองกลุ่มที่ได้จากการจับคู่คุณลักษณะที่เท่าเทียมกัน โดย H0 : u1 = u2 และ H1 : u1 != u2 เริ่มต้นจะหาค่าสถิติสหสัมพันธ์ (Correlation) ก่อนดูจากตาราง Paired Samples Correlations ถ้าค่า sig น้อยกว่า 0.01 แสดงว่าค่าตัวแปรทั้งสองมีความสัมพันธ์กัน แล้วมองตารางที่สอง Paired Samples Test ที่นัยสำคัญ 0.01 ถ้า sig < 0.01 แสดงว่าสองตัวแปรมีค่าเฉลี่ยแตกต่างกันอย่างมีนัยสำคัญทางสถิติ
Independent T-Test คือ การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน เช่น การวิจัยเชิงทดลองต้องการทดสอบผลสัมฤทธิ์ทางการเรียน ของกลุ่มที่ได้รับการสอนแบบใหม่ กับกลุ่มที่ได้รับการสอบแบบเดิมหรือกลุ่มควบคุม โดย H0 : u1 = u2 และ H1 : u1 != u2 ที่นัยสำคัญ 0.05 ถ้า sig < 0.05 แสดงว่ายอมรับ H1 ค่าเฉลี่ยแตกต่างกันอย่างมีนัยสำคัญ
ซึ่งจะใช้ค่า T-Test นี้ จะต้องทดสอบ F-Test หาค่าความแปรปรวนก่อน ว่าสองกลุ่มนี้มีความแปรปรวนแตกต่างกันอย่างมีนัยสำคัญหรือไม่ ถ้า sig > 0.05 (F-Test) แสดงว่าไม่แตกต่างกันอย่างไม่มีนัยสำคัญ ให้ใช้ข้อมูลในตารางบรรทัดแรก คือ บรรทัด Equal variances assumed ถ้า sig < 0.05 (F-Test) แสดงว่าแตกต่างกันอย่างมีนัยสำคัญ ให้ใช้ข้อมูลในตารางบรรทัดที่สอง คือ บรรทัด Equal variances not assumed
เช่น สมมติฐาน ว่า เพศที่แตกต่างกันจะมีความผูกพันต่อองค์การแตกต่างกัน
H0 : เพศที่แตกต่างกันจะมีความผูกพันต่อองค์การไม่แตกต่างกัน
H1 : เพศที่แตกต่างกันจะมีความผูกพันต่อองค์การแตกต่างกัน
การวิเคราะห์ความแปรปรวน (ANOVA) หรือ F-Test # คือ การเปรียบเทียบค่าความเบี่ยงเบนมาตรฐาน (S.D.) ความแปรปรวน หรือความผันแปร และมักใช้กับข้อมูลตั้งแต่ 2 กลุ่มขึ้นไป เช่น อายุ อาชีพ รายได้ โดยเริ่มต้นทดสอบก่อนว่ามีความแตกต่างของค่าเฉลี่ยหรือไม่ หากพบว่ามีความแตกต่างของค่าเฉลี่ย จึงไปทำการเปรียบเทียบรายคู่ (Multiple comparison) ต่อไป หรือคือ เทคนิคการวิเคราะห์ที่ใช้เพื่อทดสอบสมมติฐาน ที่มีการเปรียบเทียบค่าเฉลี่ยที่มากกว่า 2 กลุ่ม ขึ้นไป ซึ่งตัวแปรอิสระเป็นแบบจัดกลุ่ม ตัวแปรตามเป็นตัวแปรเชิงปริมาณ ถ้ามีตัวแปรอิสระเพียงตัวแปรเดียว เรียกว่า One-Way ANOVA ถ้ามี 2 ตัวแปร เรียกว่า Two-Way ANOVA ถ้ามีหลายตัวแปร เรียกว่า Multi-Way ANOVA เช่น 1) ตัวแปรอิสระ คือ วิธีสอนต่างกัน และตัวแปรตาม คือ ผลการเรียน หรือ 2) ตัวแปรอิสระ คือ อายุนักเรียน และตัวแปรตาม คือ ผลการเรียน
เช่น สมมติฐาน ว่า อายุ/ตำแหน่ง/การศึกษา ที่แตกต่างกันจะมีความผูกพันต่อองค์การแตกต่างกัน
H0 : อายุ/ตำแหน่ง/การศึกษา ที่แตกต่างกันจะมีความผูกพันต่อองค์การไม่แตกต่างกัน
H1 : อายุ/ตำแหน่ง/การศึกษา ที่แตกต่างกันจะมีความผูกพันต่อองค์การแตกต่างกัน
การวิเคราะห์สหสัมพันธ์ (Correlation Analysis) # คือ การพิจารณาทิศทางความสัมพันธ์ระหว่างตัวแปร 2 ตัว โดยค่าสัมประสิทธิ์สหสัมพันธ์ เป็นตัวบ่งชี้ถึงความสัมพันธ์นี้ ซึ่งค่าสัมประสิทธิ์สหสัมพันธ์นี้จะมีค่าอยู่ระหว่าง -1.0 ถึง +1.0 ซึ่งหากมีค่าใกล้ -1.0 นั้นหมายความว่า ตัวแปรทั้งสองตัวมีความสัมพันธ์กันอย่างมากในเชิงตรงกันข้าม หากมีค่าใกล้ +1.0 นั้นหมายความว่า ตัวแปรทั้งสองมีความสัมพันธ์กันโดยตรงอย่างมาก และหากมีค่าเป็น 0 นั้นหมายความว่า ตัวแปรทั้งสองตัวไม่มีความสัมพันธ์ต่อกัน เช่น ดูแนวโน้มของ หุ้น A กับ หุ้น B ว่ามีแนวโน้มขึ้นลงไปในทางเดียวกันหรือไม่ โดยดูจากค่า Correlation Coefficient (r) หรือ ค่าสัมประสิทธิ์สหสัมพันธ์
คำถาม #T-Test กับ #ANOVA ต่างกันอย่างไร
- T-Test ใช้กับการเปรียบเทียบ ตัวแปร 2 ตัว
เช่น ชาย หญิง กับ กลุ่มข้อมูลต่าง ๆ อาจเป็นความพึงพอใจ
เช่น ชอบ ไม่ชอบ กับ กลุ่มข้อมูลต่าง ๆ อาจเป็นความพึงพอใจ
เช่น ถูก ผิด กับ กลุ่มข้อมูลต่าง ๆ อาจเป็นความพึงพอใจ
- ANOVA ใช้กับการเปรียบเทียบ ตัวแปรหลายตัว
เช่น ช่วงอายุ กับ กลุ่มข้อมูลต่าง ๆ อาจเป็นความพึงพอใจ
เช่น จังหวัด กับ กลุ่มข้อมูลต่าง ๆ อาจเป็นความพึงพอใจ
ความแปรปรวน กับการแจกแจง ต่างกันอย่างไร
ทั้ง 2 คำคล้ายกัน แต่ต่างกันที่ลักษณะข้อมูลที่นำมาเปรียบเทียบ
- ถ้าเทียบว่า 2 ตัวแปรต่างกันหรือไม่ ก็จะเรียกการทดสอบว่า [ไม่ต่าง หรือต่าง]
- ถ้าเทียบว่า 2 ตัวแปรแปรปรวนกันหรือไม่ ก็จะเรียกการทดสอบว่า [ไม่แปรปรวน หรือแปรปรวน]
- ถ้าเทียบการกระจายตัวของข้อมูล ก็จะเรียกการทดสอบว่า [แจกแจงปกติ หรือแจกแจงไม่ปกติ]
ไค-สแควร์ หรือ ไคสแควร์ (Chi-square) คือ การทดสอบผลรวมของสัดส่วนกำลังสองของผลต่าง ระหว่าง ความถี่ของค่าที่สังเกต กับ ค่าความถี่ของค่าคาดหวัง หรือ ใช้ทดสอบการแจกแจงของข้อมูล มักใช้กับข้อมูลที่แจกแจงแบบไม่ต่อเนื่อง (Discontinuous data) ซึ่งใช้จำแนกได้ 2 ทาง คือ 1) ข้อมูลจำแนกทางเดียว(One-Dimensional Classifical Data) เช่น ชื่อนักเรียนกับคะแนนภาษาอังกฤษ หรือ วันที่กับจำนวนที่เข้าใช้บริการ ตัวอย่างการทดสอบสมมติฐาน H0 เช่น นักเรียนมีคะแนนสอบภาษาอังกฤษเฉลี่ยที่ 15 คะแนน ส่วนเบี่ยงเบนมาตรฐาน 2 หรือไม่ ที่ระดับนัยสำคัญ 0.05 กับ 2) ข้อมูลจำแนกสองทาง (Two - Way Contingency Table) เช่น เพศกับหลักสูตรที่สนใจศึกษาต่อ หรือ รายได้กับอาชีพ ตัวอย่างการทดสอบสมมติฐาน H0 เช่น เพศไม่มีความสัมพันธ์กับหลักสูตรที่สนใจศึกษาต่อ หรือ รายได้ไม่สัมพันธ์กับอาชีพ
☸ การทดสอบไคสแควร์
สถิติพาราเมตริก กับ สถิตินอนพาราเมตริก
เงื่อนไขของสถิติพาราเมตริก มีมาก หากผิดเงื่อนไขก็ไปใช้สถิตินอนพาราเมตริก
โดยเงื่อนไข หรือข้อตกลงเบื้องต้นของสถิติพาราเมตริก มีดังนี้
1. มาจากประชากรที่มีการแจกแจงปกติ (Normal distribution)
2. เป็นกลุ่มตัวอย่างที่ได้มาโดยการสุ่ม ที่เชื่อถือได้ว่าผลจะกระจาย
3. ข้อมูลต้องอยู่ในมาตราอันตรภาค (Interval Scale) หรืออัตราส่วน (Ratio scale)

สถิติพาราเมตริก หรือพารามิตริก (Parametric statistic)
เป็นสถิติที่ทดสอบเกี่ยวกับการแจกแจงของประชากรขนาดใหญ่ และเป็นโค้งปกติ
มักใช้กับข้อมูลแบบอันตรภาคชั้น (interval scale) หรืออัตราส่วน (ratio scale)
เป็นการทดสอบค่าเฉลี่ยไม่ใช่ค่าความถี่
ค่าสถิติที่ใช้มักเป็น T-test, F-test, Z-test, One-way ANOVA
เช่น อาชีพมีความสัมพันธ์กับระดับการรักษาศีล หรือ อายุมีความสัมพันธ์กับความชอบศิลปินเกาหลี
สถิตินอนพาราเมตริก หรือนอนพารามิตริก (Non-parametric statistic)
เป็นสถิติที่ไม่สนใจการแจกแจงของประชากร
มักใช้กับข้อมูลแบบนามบัญญัติ (Norminal scale) หรือแบบเรียงลำดับ (Ordinal scale)
เป็นการทดสอบค่าความถี่ไม่ใช่ค่าเฉลี่ย
ค่าสถิติที่ใช้มักเป็น Chi-square
เช่น มีสมมติฐานทางการวิจัยว่า เพศชาย และเพศหญิงมีความชอบวิทยากรแตกต่างกัน หรือ ห้องเรียนที่เปิดให้เลือกเรียนอย่างอิสระมีจำนวนนักเรียนแต่ละห้องแตกต่างกัน หรือ ชั้นปีของนิสิตมีระดับความชอบการเมืองแตกต่างกัน
สถิติแบบนี้ โวลโฟวิท (Wolfowitz ) เป็นบุคคลแรกที่นำมาใช้ในปีค . ศ . 1942
สถิติประเภทนี้บางครั้งเรียกว่า สถิติการแจกแจงอิสระ (Distribution-Free Statistics)
+ อ้างอิง http://www.elearning.msu.ac.th/../unit1_5.htm
สไลด์ละเอียด ที่ http://rmcs.buu.ac.th/../..2011.pdf
ตัวอย่าง Hypothesis
การเปรียบเทียบความแตกต่างระหว่างตัวแปร 2 ตัวที่เป็นอิสระต่อกัน
คือ ค่าสถิติที่ใช้เปรียบเทียบความแตกต่างระหว่าง 2 ตัวแปร
H0: เพศชาย และเพศหญิงมีความพึงพอใจในวิทยากรไม่แตกต่างกัน
H1: เพศชาย และเพศหญิงมีความพึงพอใจในวิทยากรแตกต่างกัน
Grouping variable : sex แล้ว Test Variables เป็นความพึงพอใจ
Program option
SPSS, Menu, Analyze, Compare Means,
Independent-samples T-Test [6].p356 - 359
เมื่อใช้ SPSS จะใช้ sig. (2-tailed) เท่านั้น
แล้วแต่ละคู่จะมี 2 บรรทัด ซึ่งต้องพิจารณาต่อไปว่า
ในกรณี sig. ของ Levene's test มากกว่า 0 หรือไม่
ถ้ามากกว่า 0 จะใช้ sig. (2-tailed) บรรทัดบน คือ equal variances assumed
ถ้าเท่ากับ 0 จะใช้ sig. (2-tailed) บรรทัดล่าง คือ equal variances not assumed
---
การพิจารณา คือ ดูว่าค่า sig. (2-tailed) ที่เลือก >=0.05 หรือไม่ หากมากกว่า ก็จะยอมรับ H0
---
ต.ย. การเขียนสรุป
สรุปได้ว่า เพศชาย และเพศหญิงมีความพึงพอใจในวิทยากรไม่แตกต่างกัน อย่างมีนัยสำคัญทางสถิติที่ระดับ .05
---
ANOVA
การเปรียบเทียบความแตกต่างระหว่างตัวแปรมากกว่า 2 ตัว
ด้วยการวิเคราะห์ความแปรปรวนทางเดียว (One-Way ANOVA)
H0: กลุ่มอายุ มีความพึงพอใจในวิทยากรไม่แตกต่างกัน
H1: กลุ่มอายุ มีความพึงพอใจในวิทยากรแตกต่างกัน
Factor : age แล้ว Dependent List เป็นความพึงพอใจ
---
SPSS, Menu, Analyze, Compare Means,
One-Way ANOVA [6].p361
ต.ย. การเขียนสรุป
สรุปได้ว่า กลุ่มอายุมีความพึงพอใจในวิทยากรไม่แตกต่างกัน อย่างมีนัยสำคัญทางสถิติที่ระดับ .05
ต.ย. สมมติฐาน
H0: ความรู้ความเข้าใจในตัวผลิตภัณฑ์ กับ การตัดสินใจซื้อ/ติดตั้งแผงเซลล์แสงอาทิตย์ ไม่มีผลต่อกัน
H1: ความรู้ความเข้าใจในตัวผลิตภัณฑ์ กับ การตัดสินใจซื้อ/ติดตั้งแผงเซลล์แสงอาทิตย์ มีผลต่อกัน
ต.ย. สมมติฐาน
H0: ความชอบในตัวผลิตภัณฑ์ กับ การตัดสินใจซื้อ/ติดตั้งแผงเซลล์แสงอาทิตย์ ไม่มีผลต่อกัน
H1: ความชอบในตัวผลิตภัณฑ์ กับ การตัดสินใจซื้อ/ติดตั้งแผงเซลล์แสงอาทิตย์ มีผลต่อกัน
คำถาม สถิติอื่น ๆ ใช้ทำอะไร เช่น #mean หรือ #Std.Deviation หรือ #count
- mean ใช้ตอบได้ว่า แต่ละคำตอบของผู้ที่เราไปถาม โน้มไปทางมากหรือน้อย อยู่ระดับใด
- Std.Deviation
ถ้า S.D. น้อย แสดงว่าค่า mean ที่ได้เกาะกลุ่มกัน คือ ตอบเหมือน ๆ กันกับ mean
ถ้า S.D. มาก แสดงว่าค่า mean ที่ได้กระจาย คือ คิดหลากหลาย ต่างจากค่า mean
- count นับเพศ แล้วออกมาเป็น %
ถ้าถามเรื่องความนิยมชมชอบร้านเสริมสวย แต่ส่วนใหญ่เป็นผู้ชายตอบ
ผมว่าอาจารย์คงให้ไปเก็บข้อมูลใหม่ครับ
ถ้าถามเรื่องการเลือกเรียนมหาวิทยาลัยในการเรียนต่อ แต่ส่วนใหญ่ไปถามผู้เกษียณอายุราชการ
ผมว่าอาจารย์คงให้ไปเก็บข้อมูลใหม่ครับ เช่นกัน

การวิเคราะห์ข้อมูล (Data Analysis) การวิเคราะห์ข้อมูลจำแนกได้ 2 แบบ ดังนี้ [7].p4
1. การวิเคราะห์ข้อมูลเบื้องต้น ใช้สถิติเชิงพรรณา (Descriptive Statistics)

- การแจกแจงความถี่ (Frequncy)
- การหาค่าสัดส่วน หรือร้อยละ (Percents)
- ค่าเฉลี่ยเลขคณิต (Mean)
- ค่ามัธยฐาน (Median)
- ค่าฐานนิยม (Mode)
- ค่าความแปรปรวน (Variance)
- ค่าเบี่ยงเบนมาตรฐาน (Standard Deviation)

2. การวิเคราะห์ข้อมูลขั้นสูง ใช้สถิติเชิงอนุมาน (Inference Statistics)

- การประมาณค่า
- การทดสอบสมมติฐานทางสถิติ
- การวิเคราะห์ความแปรปรวน (ANOVA Analysis)
- การวิเคราะห์ความถดถอย (Regression Analysis)
- การวิเคราะห์สหสัมพันธ์ (Correlation Analysis)

ความหมายของการวัด
การวัด (Measurement) คือ การกำหนดตัวเลขให้กับสิ่งที่ต้องการศึกษาภายใต้กฎเกณฑ์ที่แน่นอน จึงจำเป็น ต้องทราบคุณลักษณะของข้อมูลที่ถูกวัด เพื่อใช้พิจารณาเลือกใช้วิธีการทางสถิติที่เหมาะสม และควรทราบว่าข้อมูลที่ ถูกวัดมานั้นอยู่ในมาตราการวัดระดับใด ซึ่งมาตราการวัดแบ่งออกเป็น 4 ระดับ ดังนี้
* ระดับที่ 1
มาตราการวัดระดับนามบัญญัติ (Nominal Scale) เป็นระดับที่ใช้จำแนกความแตกต่างของ สิ่งที่ต้องการวัดออกเป็นกลุ่ม โดยใช้ตัวเลข เช่น ตัวแปรเพศ แบ่งออกเป็นกลุ่มเพศชายและกลุ่มเพศหญิง ในการ กำหนดตัวเลขอาจจะใช้เลข 1 แทนเพศชาย และเลข 2 แทนเพศหญิง ตัวแปรระดับการศึกษา แบ่งออกเป็นกลุ่มที่มีการ ศึกษาต่ำกว่าปริญญาตรี อาจจะแทนด้วยเลข 1 กลุ่มที่มีการศึกษาระดับปริญญาตรี อาจจะแทนด้วยเลข 2 และกลุ่มที่มี การศึกษาสูงกว่าระดับปริญญาตรี อาจจะแทนด้วยเลข 3 เป็นต้น ตัวเลข 1 หรือ 2 หรือ 3 ที่ใช้แทนกลุ่มต่าง ๆ นั้น ถือ เป็นตัวเลขในระดับนามบัญญัติไม่สามารถนำมาบวก ลบ คูณ หาร หรือหาสัดส่วนได้
เช่น
- แบ่งประชากรโดยใช้เพศเป็นตัวแบ่ง คือ 1) ชาย และ 2) หญิง
- แบ่งประชากรโดยใช้ภาคเป็นตัวแบ่ง คือ 1) ภาคเหนือ 2) ภาคใต้ 3) ภาคตะวันออกเฉียงเหนือ 4) ภาคตะวันออก
- แบ่งประชากรโดยใช้สถานภาพสมรสเป็นตัวแบ่ง คือ 1) โสด 2) หม้าย 3) หย่าร้าง
- แบ่งประชากรโดยใช้ศาสนา คือ 1) พุทธ 2) คริสต์ 3) อิสลาม 4) ฮินดู 5) ซิกข์ 6) อื่น ๆ
- พัฒนาการของมนุษย์แบ่งตามช่วงอายุได้เป็น 8 ระยะ ดังนี้ (สุชา จันทน์เอม, 2536, น. 2-3)

1. ระยะก่อนเกิด คือ ตั้งแต่เริ่มปฏิสนธิจนถึงระยะคลอด
2. วัยทารก เริ่มตั้งแต่เกิดจนถึงอายุ 2 ปี
3. วัยเด็ก เริ่มตั้งแต่อายุ 2 – 12 ปี
4. วัยย่างเข้าสู่วัยรุ่น ปกติหญิงเฉลี่ยมีอายุ 12 ปี ชายเฉลี่ยมีอายุ 14 ปี
5. วัยรุ่น ตั้งแต่อายุ 14 – 21 ปี
6. วัยผู้ใหญ่ ตั้งแต่อายุ 21 – 40 ปี
7. วัยกลางคน ตั้งแต่อายุ 40 – 60 ปี
8. วัยสูงอายุ ตั้งแต่อายุ 60 ปีขึ้นไป

☸ http://www.baanjomyut.com/library_2/../01_2.html
☸ http://202.28.25.105/../...pptx
* ระดับที่ 2
มาตราการวัดระดับเรียงอันดับ (Ordinal Scales) เป็นระดับที่ใช้สำหรับจัดอันดับที่ หรือ ตำแหน่งของสิ่งที่ต้องการวัด ตัวเลขในมาตราการวัดระดับนี้เป็นตัวเลขที่บอกความหมายในลักษณะมาก-น้อย สูง-ต่ำ เก่ง-อ่อน กว่ากัน เช่น ด.ช.ดำสอบได้ที่ 1 ด.ช.แดงสอบได้ที่ 2 ด.ญ.เขียวสอบได้ที่ 3 หรือ การประกวดร้องเพลง นาง สาวเขียวได้รางวัลที่ 1 นางสาวชมพูได้รางวัลที่ 2 นางสาวเหลืองได้รางวัลที่ 3 เป็นต้น ตัวเลขอันดับที่แตกต่างกันไม่ สามารถบ่งบอกถึงปริมาณความแตกต่างได้ เช่น ไม่สามารถบอกได้ว่าผู้ที่ประกวดร้องเพลงได้รางวัลที่ 1 มีความเก่ง มากกว่าผู้ที่ได้รางวัลที่ 2 ในปริมาณเท่าใด ตัวเลขในระดับนี้สามารถนำมาบวกหรือลบ กันได้
เช่น
- อันดับที่หนึ่ง หรือที่สอง หรือที่สาม
- วัยทารก วัยรุ่น วัยผู้ใหญ่ วัยชรา
* ระดับที่ 3
มาตราการวัดระดับช่วง (Interval Scale) เป็นระดับที่สามารถกำหนดค่าตัวเลขโดยมีช่วง ห่างระหว่างตัวเลขเท่า ๆ กัน สามารถนำตัวเลขมาเปรียบเทียบกันได้ว่าว่ามีปริมาณมากน้อยเท่าใด แต่ไม่สามารถบอก ได้ว่าเป็นกี่เท่าของกันและกัน เพราะมาตราการวัดระดับนี้ไม่มี 0 (ศูนย์) แท้ มีแต่ 0 (ศูนย์) สมมติ เช่น นายทองดีสอบได้ 0 คะแนน มิได้หมายความว่าเขาไม่มีความรู้ เพียงแต่เขาไม่สามารถทำข้อสอบซึ่งเป็นตัวแทน ของความรู้ทั้งหมดได้ หรือ อุณหภูมิ 0 องศา มิได้หมายความว่าจะไม่มีความร้อน เพียงแต่มีความร้อนเป็น 0 องศาเท่า นั้น จุดที่ไม่มีความร้อนอยู่เลยคือที่ -273 องศา ดังนั้นอุณหภูมิ 40 องศาจึงไม่สามารถบอกได้ว่ามีความร้อนเป็น 2 เท่า ของอุณหภูมิ 20 องศา เป็นต้น
เช่น
- การวัดความพึงพอใจมักแบ่งเป็น 5 ระดับ (5 4 3 2 1)
* ระดับที่ 4
มาตราการวัดระดับอัตราส่วน (Ratio Scale) เป็นระดับที่สามารถกำหนดค่าตัวเลขให้กับสิ่งที่ ต้องการวัด มี 0 (ศูนย์) แท้ เช่น น้ำหนัก ความสูง อายุ เป็นต้น ระดับนี้สามารถนำตัวเลขมาบวก ลบ คูณ หาร หรือหา อัตราส่วนกันได้ ซึ่งบอกได้ว่าใครมีน้ำหนักเป็นสองเท่าของใคร หรือใครมีส่วนสูงเป็นกี่เท่าของใคร
เช่น
- อายุ 43, 48, 21 ปี
- เงินเดือน 12000, 14521, 8950 บาท

รูปแบบ .. คำถามในแบบสอบถาม

รศ.ธานินทร์ ศิลป์จารุ ได้จำแนกข้อคำถามในแบบสอบถามไว้ 2 แบบดังนี้ [6].p72
1. ข้อคำถามแบบเปิด (Open ended question)
เป็นคำถามที่ผู้ตอบสามารถตอบได้อย่างเสรี ไม่มีตัวเลือก
ทำให้ได้ข้อมูลจากผู้ตอบ เชิงกว้าง และเป็นจริง แต่ต้องใช้เวลาในการวิเคราะห์ข้อมูลมาก
มีนักวิจัยมักใช้คำถามแบบเปิดเก็บข้อมูล เพื่อนำมาสร้างคำถามแบบปิดในลำดับต่อไป
2. ข้อคำถามแบบปิด (Close ended question)
2.1 แบบตรวจสอบรายการ (Check List question)
2.2 แบบจัดอันดับ (Ranking question)
2.3 แบบมาตราส่วนประมาณค่า (Rating scale)

ตัวอย่างหัวข้อ ประเมินความพึงพอใจต่อการใช้งานโปรแกรมคอมพิวเตอร์
จากงานเรื่อง "การพัฒนาและการประเมินประสิทธิภาพของโปรแกรมคอมพิวเตอร์สำหรับการจัดเก็บข้อมูลเพื่อการให้คำปรึกษาในผู้ป่วยเบาหวาน"
ค่าสถิติคือ mean กับ standard deviation
1. ความสะดวกในการใช้งาน
2. ความเหมาะสม/ความสมบูรณ์ของการรองรับข้อมูลเพื่อการบันทึก
3. ความรวดเร็วในการวิเคราะห์ข้อมูล
4. ความสวยงามของหน้าตาโปรแกรม
5. ประโยชน์ของโปรแกรมต่อการนำไปใช้
☸ http://kb.psu.ac.th/psukb/handle/2553/1862

คุณภาพโดยทั่วไปของซอฟต์แวร์

1. Correctness มีความถูกต้อง
2. Reliability มีความน่าเชื่อถือ
3. Robustness ทำงานได้ต่อเนื่อง
4. Performance มีประสิทธิภาพ
5. User friendliness ใช้งานง่าย
6. Verifiability ตรวจสอบได้
7. Portability รองรับได้ทุกสภาพ
8. Maintainability ง่ายสำหรับพัฒนา
9. Reusability นำกลับมาใช้ได้
10. Reparability แก้ไขข้อบกพร่องได้ง่าย
11. Visibility ติดตามความก้าวหน้าได้
12. Understandability เข้าใจง่าย
13. User documentation มีเอกสารคู่มืออธิบาย
14. Timeliness ผลิตตรงเวลา
15. Interoperability ทำงานร่วมกับระบบอื่นได้

☸ http://ampapemii.blogspot.com/2014/06/software-1.html

มาตรฐานสากลสำหรับการวัดคุณภาพซอฟต์แวร์ ISO/IEC 9126
International Organization
for Standardization/International Electrotechnical Commission 9126
มีปัจจัยที่นำมาใช้เป็นเกณฑ์ในการประเมินทั้งหมด 6 ปัจจัยหลัก
1. หน้าที่การทำงาน (Functionality) มีปัจจัยย่อย 5 ประเด็น
- ความเหมาะสม (Suitability)
- ความถูกต้อง (Accuracy)
- การทำงานร่วมกัน (Interoperability)
- ความปลอดภัย (Security)
- ทำหน้าที่ตามที่ตั้งไว้ (Functionality Compliance)
2. ความเชื่อถือได้ (Reliability) มีปัจจัยย่อย 4 ประเด็น
- ความสมบูรณ์ (Maturity)
- ทนต่อความผิดพลาด (Fault Tolerance)
- กู้คืนได้ (Recoverability)
- น่าเชื่อถือตามที่ตั้งไว้ (Reliability Compliance)
3. ความสามารถในการใช้งาน (Usability) มีปัจจัยย่อย 5 ประเด็น
- เข้าใจได้ (Understandability)
- เรียนรู้ได้ (Learnability)
- ปฏิบัติงานได้ (Operability)
- ความน่าสนใจ (Attractiveness)
- ใช้งานตามที่ตั้งไว้ (Usability Compliance)
4. ประสิทธิภาพ (Efficiency) มีปัจจัยย่อย 3 ประเด็น
- ทำงานได้ตรงเวลา (Time Behaviour)
- ใช้ประโยชน์ทรัพยากร (Resource Utilization)
- ประสิทธิภาพตามที่ตั้งไว้ (Efficiency Compliance)
5. การบำรุงรักษา (Maintainability) มีปัจจัยย่อย 5 ประเด็น
- วิเคราะห์ได้ (Analyzability)
- เปลี่ยนแปลงได้ (Changeability)
- ความมั่นคง (Stability)
- สามารถทดสอบได้ (Testability)
- บำรุงรักษาตามที่ตั้งไว้ (Maintainability Compliance)
6. ความสามารถในการใช้กับระบบอื่น (Portability) มีปัจจัยย่อย 5 ประเด็น
- ปรับเปลี่ยนได้ (Adaptability)
- ติดตั้งได้ (Installability)
- อยู่ร่วมระบบอื่นได้ (Co-Existence)
- ถูกแทนที่ได้ (Replaceability)
- ปรับย้ายระบบตามที่ตั้งไว้ (Portability Compliance)

เอกสารอ้างอิง
☸ wikipedia.. /ISO/IEC_9126
☸ http://www.sqa.net/iso9126.html

[1] ISO/IEC JTC 1/SC 7/WG 6. ISO/IEC 9126-1:2001, Software Engineering - Product Quality - Part 1: Quality Model, New York, American National Standards Institute, 2007.

[2] พัชราภรณ์ ตัณฑพาทย์, ประสิทธิภาพของการใช้งานระบบทะเบียนนักศึกษา มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี, มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี, กรุงเทพฯ, 2554.

[3] ฑกลชัย อุตตรนที, จารึก ชูกิตติกุล, สมชัย ชินะตระกูล และ วจี ชูกิตติกุล, ตัวแบบสารสนเทศซิกซ์ซิกม่าสนับสนุนการจัดจ้างพัฒนาระบบสารสนเทศในหน่วยงานของรัฐที่ออกแบบให้เป็นไปตามมาตรฐานการจัดจ้าง, วารสารเทคโนโลยีสารสนเทศ มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ ปีที่ 10 ฉบับที่ 1 มกราคม - มิถุนายน 2557.

ตัวอย่างการนำค่าความพึงพอใจ มาใช้เป็นเกณฑ์ของ สกอ. การวัดความพึงพอใจ ต้องตอบเท่าไร .. จึงจะผ่านเกณฑ์
ในคู่มือการประกันคุณภาพการศึกษาระดับอุดมศึกษา ปี 2553 และสมศ. 2554-2558
ตัวบ่งชี้ สกอ. มี 3 ตัว ที่เกี่ยวกับ >=3.51
1. ตัวบ่งชี้ที่ 2.5 ห้องสมุด อุปกรณ์การศึกษา และสภาพแวดล้อมการเรียนรู้
2. ตัวบ่งชี้ที่ 2.6 ระบบและกลไกการจัดการเรียนการสอน
3. ตัวบ่งชี้ที่ 3.1 ระบบและกลไกการให้คำปรึกษาและบริการด้านข้อมูลข่าวสาร
ตัวบ่งชี้ สมศ. มี 3 ตัว ที่เกี่ยวกับ >=3.51
1. ตัวบ่งชี้ที่ 11 การพัฒนาสุนทรียภาพในมิติทางศิลปะและวัฒนธรรม
2. ตัวบ่งชี้ที่ 16.1 ผลการบริหารสถาบันให้เกิดอัตลักษณ์
3. ตัวบ่งชี้ที่ 17 ผลการพัฒนาตามจุดเน้นและจุดเด่นที่ส่งผลสะท้อนเป็นเอกลักษณ์ของสถาบัน
โดยทั้ง 6 ตัว .. กำหนดผลประเมินต้องไม่ต่ำกว่า 3.51 จาก 5 ระดับ
สรุปได้ว่า ถ้ามีเลขให้เลือก 1 - 5 แล้วเลือก 3 กันหมด
แสดงว่าไม่ถึงระดับคุณภาพ ไม่ได้คะแนนในข้อนั้น
และถ้าเลือก 3 กับ 4 อย่างละครึ่ง เมื่อหารเฉลี่ยแล้ว ก็ได้ 3.5 ซึ่งไม่ได้คุณภาพอยู่ดี
หากคิดเป็นร้อยละ ก็จะได้ว่า 3.51 = ร้อยละ 70.2
หรือ 1 = ร้อยละ 20 หรือ 2 = ร้อยละ 40 หรือ 3 = ร้อยละ 60 หรือ 4 = ร้อยละ 80 หรือ 5 = ร้อยละ 100
☸ http://www.onesqa.or.th
☸ http://www.mua.go.th/users/bhes/

การวิเคราะห์ข้อมูลด้วยเอสพีเอสเอส (spss) SPSS : Statistical Package for Social Sciences

Buy SPSS program

ภาพตัวอย่างการใช้งาน SPSS
Making and testing two-way tables with SPSS

อภิธานศัพท์วิจัย (Research Glossary)

อ่านเพิ่มเติม

ความถี่ (Frequencies)

ความหมาย
- N = จำนวน
- Mean = ค่าเฉลี่ยเลขคณิต
- Std. Error of Mean
- Median = ค่ามัธยฐาน
- Mode = ค่าฐานนิยม
- Std. Deviation = ค่าเบี่ยงเบนมาตรฐาน
- Variance = ค่าความแปรปรวน
- Skewness = ค่าความเบ้ ง ถ้าค่าบวกเบ้ซ้าย ค่าลบเบ้ขวา
- Std. Error of Skewness
- Kurtosis = ค่าความโด่ง ถ้าค่าบวกสูงกว่าปกติ ค่าลบต่ำกว่าปกติ
- Std. Error of Kurtosis
- Range = พิสัย คือสูงสุด-ต่ำสุด
- Minimum = ค่าต่ำสุด
- Maximum = ค่าสูงสุด
- Sum = ผลรวม
- Percentiles
☸ สารานุกรมไทยสำหรับเยาวชน

ตัวอย่างข้อมูลสำหรับใช้วิเคราะห์

ตัวอย่างข้อมูล .xls และ .sav

ตัวอย่างข้อมูล 400 รายการ

☸ ตัวอย่าง sam400.xlsx
☸ ตัวอย่าง sam400.sav
☸ ตัวอย่าง sam400.csv (header 1 row)
☸ ตัวอย่าง sam400.txt (header 2 rows)
☸ ตัวอย่าง sam400.dat (header 1 row)

No	Data Name	Variable Name
1	เพศ	var0001
2	การศึกษา	var0002
3	ภูมิลำเนา	var0003
4	ศาสนา	var0004
5	อาชีพ	var0005
6	คะแนนก่อนอบรม	var0006
7	คะแนนหลังอบรม	var0007
8	เคยไปเที่ยวทะเล	var0008
9	ว่ายน้ำเป็น	var0009
10	เคยไปเที่ยวภูเขา	var0010
11	สามารถเดินขึ้นเขาสูง	var0011
12	ละเว้นเบียดเบียนสัตว์	var0012
13	ละเว้นลักทรัพย์	var0013
14	ละเว้นผิดลูกเมีย	var0014
15	ละเว้นพูดเท็จ	var0015
16	ละเว้นดื่มสุรา	var0016
17	วางแผน	var0017
18	ปฏิบัติ	var0018
19	ตรวจสอบ	var0019
20	ปรับปรุง	var0020
21	วางแผน	var0021
22	จัดองค์กร	var0022
23	เป็นผู้นำ	var0023
24	ควบคุม	var0024
25	เนื้อหา	var0025
26	วิทยากร	var0026
27	เจ้าหน้าที่สนับสนุน	var0027
28	เอกสาร	var0028
29	อุปกรณ์	var0029
30	สถานที่	var0030
31	อาหาร	var0031
32	การสอบ	var0032
33	การศึกษา	var0033
34	พอใจเงินเดือน	var0034
35	พอใจการศึกษา	var0035

การแจกแจงแบบปรกติ

การแจกแจงแบบปรกติ (Normal distribution) หรือ การแจกแจงแบบเกาส์ (Gaussian distrubution) คือ การแจกแจงของตัวแปรสุ่มที่มีค่าต่อเนื่อง โดยค่าของตัวแปรสุ่มมีแนวโน้มที่จะมีค่าอยู่ใกล้ ๆ กับค่าหนึ่งเรียกว่า มัชฌิม (median) โดยกราฟแสดงค่าฟังก์ชันความหนาแน่น (Probability density function) จะเป็นรูปคล้ายระฆังคว่ำ โดยฟังก์ชันความหนาแน่นของการแจกแจงแบบปรกติ คือ

wikipedia/การแจกแจงแบบปรกติ # #

SPSS
- Menu bar
- Analyze
- Descriptive Statistics
- Explore..
- Plots
- Normality plots with test

ตัวอย่างข้อมูลลักษณะนี้
- ผลการเรียนของนักเรียน
- สุขภาพของประชาชน

เทียบ medical และ surgical
1. ทดสอบ Kolmogorov - Smirnov test (K-S test)
2. ทดสอบ Shapiro - Wilk test
ถ้า > 50 ชุดจะไม่ใช้แบบที่ Shapiro -Wilk

ถ้าค่า sig. >= 0.05 แสดงว่ามีการแจกแจงปกติ
ถ้าค่า sig. <0.05 แสดงว่าปฏิเสธ H0 คือแจกแจงไม่ปกติ

df คือ จำนวนชุดข้อมูล - 1
ใช้สำหรับเปิดตารางสถิติ (กรณีไม่ใช้โปรแกรม)
หากยึดหลัก < 50 ก็ควรใช้ Shapiro - Wilk
ถ้าใช้ Shapiro - Wilk จะปฏิเสธ H0 ทั้งคู่
ทำให้ทั้ง 2 กรณีมีข้อมูลที่แจกแจงไม่ปกติ

การวัดแนวโน้มเข้าสู่ส่วนกลาง

ตัวอย่างข้อมูลจำนวนวันของผู้ป่วยแล้วหายเอง จำนวน 7 คน
ป่วย	1 วัน	2 วัน	2 วัน	3 วัน	4 วัน	7 วัน	9 วัน

มีค่าสถิติเบื้องต้น ดังนี้
ค่าเฉลี่ยเลขคณิต (Arithmetic Mean)	4	(1+2+2+3+4+7+9) / 7
ค่ามัธยฐาน (Median)	3	1 - 2 - 2 - 3 - 4 - 7 - 9
ค่าฐานนิยม (Mode)	2	1 - 2 - 2 - 3 - 4 - 7 - 9
พิสัย (Range)	8	ค่าสูงสุด - ค่าต่ำสุด คือ 9 - 1
ค่าเบี่ยงเบนมาตรฐาน (Standard Deviation)	2.725540575

ข้อมูลชุดนี้ไม่สามารถใช้ค่า Mean, Median หรือ Mode เป็นค่าแนวโน้มร่วมได้ เพราะค่า S.D. สูงเกินไป
หากถามว่าโรคนี้ เป็นกี่วันหาย .. ก็เป็นชุดข้อมูลที่ไม่มีคำตอบที่เหมาะสม หรือน่าเชื่อถือพอ

ตัวอย่างข้อมูล : yut_mean.xlsx ☸ purplemath.com/modules/meanmode.htm
☸ wikipedia.org/wiki/Mode_%28statistics%29

การเปรียบเทียบค่าเฉลี่ย SPSS : การเปรียบเทียบค่าเฉลี่ย [2].p35
การวิเคราะห์และแปลผลข้อมูลทางสถิตินั้น มีหลายวิธี แต่ละวิธีก็จะถูกเลือกใช้ให้เหมาะสมกับข้อมูล เช่น การเปรียบเทียบความแตกต่างระหว่างตัวแปร 2 ตัวที่เป็นอิสระต่อกันก็อาจใช้ indepentent-sample T-Test [6].p356 หรือทั้ง t-test และ z-test เมื่อใช้กับค่ากลุ่มใหญ่จะให้ค่าเท่ากัน แต่ t-test มักใช้กับกลุ่มเล็กที่ < 30 ดังนั้นในตัวอย่างข้างล่างนี้ จึงเลือกใช้ค่าสถิติ t-test

1. การเปรียบเทียบค่าเฉลี่ยหนึ่งกลุ่ม (One Sample Test)
ตัวอย่างโจทย์ที่จะทดสอบ
ประเด็น รายได้เฉลี่ยของพนักงานบริษัท A ต่อเดือน เท่ากับ 15000 หรือไม่ จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.05 กลุ่มตัวอย่าง 15200, 16000, 14000, 14800, 14900, 15000, 15100, 15050, 14950, 15100	H0 : u = 15000 H1 : u != 15000
ประเด็น นักเรียนในห้อง A นั่งสมาธิได้ไม่น้อยกว่า 30 นาที จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.01 กลุ่มตัวอย่าง 28, 31, 32, 33, 29, 30, 22, 36, 41, 29	H0 : u > 30 H1 : u <= 30

ลำดับการใช้สถิติ one-sample t-test ในโปรแกรม SPSS
1. กรอกข้อมูลลงใน SPSS
2. เลือก menu bar, analyze, compare means, one-sample-test
3. เลือกตัวแปรมาทดสอบ (interval หรือ ratio scale)
4. test value กรอก 15000 หรือ 30
5. คลิก option กำหนด confidence interval 1% = 0.01
6. คลิก ok จะแสดงรายงาน

2. การเปรียบเทียบค่าเฉลี่ย 2 กลุ่ม แบบ 1 อิสระจากกัน ด้วย t-independent
ตัวอย่างโจทย์ที่จะทดสอบ มีตัวแปร อิสระ 1 ตัว และตัวแปรตาม 1 ตัว
ประเด็น การเลือกพรรคการเมือง ของเพศชาย หรือหญิง ไม่แตกต่างกัน จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.05 กลุ่มตัวอย่าง M-1 M-1 M-2 M-2 M-1 F-1 F-2 F-1 F-2 F-1	H0 : u1 = u2 H1 : u1 != u2

ลำดับการใช้สถิติ one-sample t-test ในโปรแกรม SPSS
1. กรอกข้อมูลลงใน SPSS
2. เลือก menu bar, analyze, compare means, Independent-samples T-Test
3. เลือกตัวแปรมาทดสอบ (interval หรือ ratio scale)
4. grouping variable และ norminal scale
5. คลิก option กำหนด confidence interval 1% = 0.01
6. คลิก ok จะแสดงรายงาน

เรื่อง ทัศนคติของลูกค้าที่มีต่อรูปแบบของผลิตภัณฑ์เงินฝากสงเคราะห์ชีวิตและครอบครัว แบบทรัพย์มั่นคง ของธนาคารออมสิน สาขาเถิน จังหวัดลำปาง โดย อุบล จินดาธรรม

3. การเปรียบเทียบค่าเฉลี่ย 2 กลุ่ม แบบ 2 อิสระจากกัน ด้วย t-dependent (Pre-test & Post-test)
ตัวอย่างโจทย์ที่จะทดสอบ 2 ครั้งกับกลุ่มเดียวกัน มีตัวแปร อิสระ 2 ตัว
ประเด็น คะแนนก่อนสอบ และคะแนนหลังสอบ ไม่แตกต่างกัน จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.05 กลุ่มตัวอย่าง 1)80,82 2)75,76 3)40,50 4)84,88 5)55,56 6)71,69 7)81,82 8)90,95 9)26,31 10)60,70	H0 : u1 = u2 H1 : u1 != u2

ลำดับการใช้สถิติ one-sample t-test ในโปรแกรม SPSS
1. กรอกข้อมูลลงใน SPSS
2. เลือก menu bar, analyze, compare means, paired sample t-test
3. เลือกตัวแปรมาทดสอบ (interval หรือ ratio scale)
4. paired variable
5. คลิก option กำหนด confidence interval 5% = 0.05
6. คลิก ok จะแสดงรายงาน

ไคสแควร์ (Chi-square)

ต.ย.การตั้งสมมติฐานที่ใช้ Chi-square
ตัวแปรตาม แบบนามบัญญัติ เช่น รายการเพลง ช่วงเวลา ประเภท
ตัวแปรอิสระ แบบนามบัญญัติ เช่น เพศ อายุ ภูมิลำเนา อาชีพ
สมมติฐาน
- การเลือกประเภทเพลงที่ชอบขึ้นอยู่กับสถานภาพด้านเพศ
- รายการเพลงที่ชอบแตกต่างกันไปตามอายุ
- ช่วงเวลาที่ฟังเพลงกับอาชีพมีความสัมพันธ์กัน
- การเลือกรายการเพลงที่สอดคล้องกับ อายุ อาชีพ เพศ และภูมิลำเนา
- การเลือกห้างสรรพสินค้ามีความสัมพันธ์กับ อายุ อาชีพ เพศ และภูมิลำเนา

10 เม.ย.57 มีโอกาสได้พูดคุยแลกเปลี่ยนกับ อ.ศศิวิมล แรงสิงห์ เรื่องการใช้ค่าสถิติในการทดสอบสมมติฐาน เกี่ยวกับลักษณะข้อมูลแบบนามบัญญัติ การเลือกใช้ chi-square, t-test, f-test หรือ ANOVA แล้วผมก็ได้อ่านหนังสือของ อ.ธานินทร์ ศิลป์จาระ [6] และ อ.ธันยพัฒน์ วงศ์รัตน์ [7] ทำให้เข้าใจชัดเจนขึ้น โดยเอกสารของ อ.จุฬารัตน์ ชุมนวล ให้ความหมายของ ไคสแวร์ (chi-square) ว่าเป็นการทดสอบสมมติฐานที่ใช้ในกรณีที่ข้อมูลที่พิจารณา แบ่งออกเป็นกลุ่ม หรือข้อมูลในรูปความถี่ โดยความถี่นั้นจะเป็นความถี่ของแต่ละกลุ่ม เช่น เพศ กับความคิดเห็น ส่วนการจำแนก มี 2 แบบคือ 1) จำแนกทางเดียว หรือ 2) จำแนกสองทาง ถ้าจำแนกทางเดียวก็จะเป็นทดสอบเกี่ยวกับสัดส่วนของประชากรระหว่างกลุ่ม หรือทดสอบเกี่ยวกับการแจกแจงของประชากร เช่น สัดส่วนของผลการเรียนแต่ละเกรดแตกต่างกันหรือไม่ หรือ เพศมีการแจกแจงแบบปกติหรือไม่ เป็นต้น แต่ถ้าจำแนกสองทางก็จะทดสอบความเป็นอิสระของสองลักษณะ เช่น ทดสอบว่าเพศกับผลการเรียนมีความสัมพันธ์กันหรือไม่ อีกค่าสถิติที่น่าสนใจคือ การวิเคราะห์ความแปรปรวน (ANOVA) ถ้าเป็นการวิเคราะห์ทางเดียว (One-way) ก็จะมีตัวแปรตัวเดียว (ตัวแปรอิสระ) ที่มีผลต่อค่าสังเกต (ตัวแปรตาม) เท่าที่อ่านงานของนักศึกษา พบว่า ส่วนใหญ่ใช้การวิเคราะห์ทางเดียว และใช้ค่า F-Test ตามด้วย LSD ถ้าค่า sig จาก F-Test < 0.05 ซึ่งแสดงว่าใน ข้อมูลแต่ละกลุ่มที่มีค่าเฉลี่ยแตกต่างกัน
แนะนำเอกสาร
☸ 347-211 สถิติพื้นฐาน - อ.จุฬารัตน์ ชุมนวล
☸ 4113105 สถิติเพื่อการวิจัย - อ.ชลิดา ตระกูลสุนทร

One-way ANOVA

การวิเคราะห์ความแปรปรวนแบบทางเดียว [7] เป็นการทดสอบความแตกต่างระหว่างตัวแปรเชิงปริมาณ (ตัวแปรตาม) กับตัวแปรกลุ่ม (ตัวแปรอิสระ) เช่น คณะวิชา กับ คะแนน มีความแตกต่างกันหรือไม่ โดยตัวแปรเชิงปริมาณ (ตัวแปรตาม) คือ คะแนน และตัวแปรกลุ่ม (ตัวแปรอิสระ) คือคณะวิชา ซึ่งอาจแบ่งเป็นคณะวิชาใด ๆ ได้อีก

ตัวอย่าง เรื่องคณะวิชากับคะแนน อาจสะท้อนได้ไม่ชัด ถ้าเป็นตัวอย่างของ ธันยพัฒน์ [7] จะเป็น อาชีพ กับรายได้ หรือบางบทเรียนก็เป็น บริษัท กับ เงินปันผลแต่ละปี เพื่อเปรียบเทียบว่าแปรปรวนหรือไม่


คณะวิชา	คะแนน
วิทย์	60, 65, 80, 70, 65
แพทย์	90, 85, 90, 95, 92
สังคม	50, 55, 50, 60, 55

ต.ย.การตั้งสมมติฐานที่ใช้ ANOVA ตัวแปรตาม เป็นตัวแปรเชิงปริมาณ เช่น รายได้ ตัวแปรอิสระ เป็นตัวแปรเชิงกลุ่ม เช่น อาชีพ ... สมมติฐาน ที่ใช้ F-Test - รายได้เฉลี่ยของนักคอมพิวเตอร์ในแต่ละภาคแตกต่างกัน - ยอดขายเฉลี่ยน้ำผลไม้ใน 3 ร้านแตกต่างกัน สมมติฐานที่ใช้ LSD (Least Square Difference) - อาชีพของชาวลำปางที่ต่างกันส่งผลต่อการมีรายได้แตกต่างกัน - ภูมิภาคที่นักคอมพิวเตอร์ทำงานมีผลต่อการมีรายได้แตกต่างกัน - ร้านค้าที่ต่างกันมีผลต่อยอดขายแตกต่างกัน - เส้นทางท่องเที่ยวในลำปางมีผลต่อจำนวนวันท่องเที่ยวแตกต่างกัน

การวิเคราะห์ความแปรปรวนทางเดียว (One-way Anova) [2]p.53 คือ การวิเคราะห์ที่สนใจปัจจัยเดียวเท่านั้น ส่วนย่อยของปัจจัยเรียกว่า ทรีตเมนต์ (treatment) ซึ่งเป็นการทดสอบค่าเฉลี่ยของกลุ่มตัวอย่างเท่ากันหรือไม่ โดยการเปรียบเทียบความแปรปรวนของตัวอย่างที่ประมาณมาจากค่าเฉลี่ยของกลุ่มกับความแปรปรวนภายในกลุ่มตัวอย่าง
การทดสอบมีข้อตกลงเบื้องต้น #
1. กลุ่มตัวอย่างแต่ละกลุ่มต้องมาจากการสุ่ม และเป็นอิสระจากกัน
2. ข้อมูลอยู่ในมาตรอันตรภาค (Interval Scale) เป็นอย่างต่ำ
3. ข้อมูลแต่ละกลุ่มมีการแจกแจงแบบปกติ(Normal Distribution)
4. ข้อมูลมีความแปรปรวนใกล้เคียงกันทุกกลุ่ม หรือมีความเป็นเอกพันธ์ของความแปรปรวน (Homogeneity of Variance)
ก่อนทดสอบด้วย ANOVA
อาจทดสอบว่าผ่านเงื่อนไขการแจกแจงแบบปกติ
การทดสอบ [การแจกแจง] ว่ามีการแจกแจงแบบปกติหรือไม่
สามารถใช้ค่า chi-square test ในการทดสอบ
H0: ข้อมูลมีการแจกแจงแบบปกติ
H1: ข้อมูลมีการแจกแจงแบบไม่ปกติ
ถ้าผลที่ได้ใน Asym. sig. (Asymptotic significance)
>= 0.05 แสดงว่ายอมรับ H0
< 0.05 แสดงว่ายอมรับ H1
เพ็ญแข ศิริวรรณ (2546:12-2) ได้กล่าวว่าถ้าข้อมูลแต่ละทรีตเมนต์มีมากกว่า 30 หน่วย
ก็ไม่จำเป็นต้องทดสอบการแจกแจงแบบปกติของกลุ่มตัวอย่าง

Output ของ Test of Homogeneity of Variances
การทดสอบค่านี้ เป็น option ตอนทดสอบ ANOVA #
ถ้า sig มีค่า >= 0.05 แสดงว่ายอมรับ H0
H0: ความแปรปรวนของข้อมูลแต่ละกลุ่มเท่ากัน
H1: ความแปรปรวนของข้อมูลอย่างน้อย 1 กลุ่มไม่เท่ากับกลุ่มอื่น

Output ของ One-way ANOVA
ถ้า sig มีค่า >= 0.05 แสดงว่ายอมรับ H0
H0: ค่าเฉลี่ยของคะแนนทุกกลุ่มเท่ากัน
H1: ค่าเฉลี่ยของคะแนนอย่างน้อย 1 กลุ่มไม่เท่ากับกลุ่มอื่น

Output ของ One-way ANOVA
ถ้า sig มีค่า >= 0.05 แสดงว่ายอมรับ H0
H0 : ทัศนคติของลูกค้าในด้านคุณภาพบริการ ไม่แตกต่างกันตามปัจจัยส่วนบุคคล ได้แก่ เพศ อายุ อาชีพ ..
H1 : ทัศนคติของลูกค้าในด้านคุณภาพบริการ แตกต่างกันตามปัจจัยส่วนบุคคล ได้แก่ เพศ อายุ อาชีพ ..
เรื่อง ทัศนคติของลูกค้าที่มีต่อรูปแบบของผลิตภัณฑ์เงินฝากสงเคราะห์ชีวิตและครอบครัว แบบทรัพย์มั่นคง ของธนาคารออมสิน สาขาเถิน จังหวัดลำปาง โดย อุบล จินดาธรรม

PSPP
☸ sourceforge.net/projects/pspp4windows/files/
Openstat
☸ openstat.info/OpenStatMain.htm
☸ openstat.info/OpenStatSetup.exe
แนะนำเว็บไซต์
☸ kawaiisaranghaeyo.blogspot.com/2010/10/spss-pspp-open-stat.html
☸ people.richland.edu/.. /ch13-1wy.html โดย James Jones

การทดสอบไคสแควร์ การทดสอบไคสแควร์ (Chi-Square Test) [5]p.314
เป็นการทดสอบเพื่อเปรียบเทียบข้อมูลที่วัดเป็นความถี่
อาจเป็นจำนวนความคิดเห็น ความสนใจ หรือการยอมรับ ต่อเกณฑ์ 5 ระดับ
ซึ่งไม่สามารถวัดออกมาเป็นค่าที่แน่นอน เช่น ความสูง น้ำหนัก ขนาด

1. ถ้าข้อมูลมี 1 ตัวแปร
เป็นการทดสอบความกลมกลืน หรือการทดสอบสารรูปสนิทดี (Goodness of fit test) หรือทับกันสนิท
เป็นการทดสอบว่ากลุ่มตัวอย่างเป็นไปตามสัดส่วน หรือสมการที่กำหนดไว้หรือไม่
ต.ย. เด็กเกิด 12 เดือน
เก็บข้อมูลเด็กเกิดใหม่ แต่ละเดือนมีจำนวน 10,12,15,10,9,8,10,12,15,10,8,7 (N = sum(x1 .. x12))
โดยความคาดหวังว่าทุกเดือนเกิดเท่ากัน
H0 : แต่ละเดือนมีจำนวนเด็กเกิดใหม่ ไม่แตกต่างกัน
H1 : แต่ละเดือนมีจำนวนเด็กเกิดใหม่ แตกต่างกัน
ค่า sig. >= 0.05 จึงยอมรับ H0 ที่ระดับนัยสำคัญ 0.05
เพราะค่า sig. < 0.05 จะเป็นการยอมรับ H1
สรุปว่า ยอมรับ H0 แต่ละเดือนมีจำนวนเด็กเกิดใหม่ ไม่แตกต่างกัน เพราะเปิดตารางแล้วได้ sig. >= 0.05

2.1 ถ้าข้อมูลมากกว่า 1 ตัวแปร
แล้วเป็นการทดสอบความเป็นอิสระต่อกัน (Test of independence)
หรือ การทดสอบความสัมพันธ์ระหว่างกัน (Test of association)
คือ การทดสอบว่าตัวแปรมีความสัมพันธ์กันหรือไม่
โดยทดสอบทีละคู่ อาจอยู่ในรูปตาราง 2*2, 2*3 หรือ 3*2
ต.ย. เพศกับอยากเป็นพยาบาล
ระดับนัยสำคัญ 0.01
ค่าคาดหวังเกิดจาก = (ค่าศึกษา/รวม)(ค่ารวมของหลักที่ศึกษา/รวม) * รวม
H0 : ไม่มีความสัมพันธ์ระหว่างอาชีพพยาบาลกับเพศ
H1 : มีความสัมพันธ์ระหว่างอาชีพพยาบาลกับเพศ
สรุปว่า ยอมรับ H1 มีความสัมพันธ์ระหว่างอาชีพพยาบาลกับเพศ เพราะเปิดตารางแล้วได้ sig. น้อยกว่า 0.01

2.2 ถ้าข้อมูลมากกว่า 1 ตัวแปร
แล้วเป็นการทดสอบความเป็นเอกภาพ (Test of Homogeneity)
หรือ การทดสอบความคล้ายคลึงกันของตัวแปร
ต.ย. ประเมินความพึงพอใจต่อระบบไอที
นักศึกษา 46 คน กับ อาจารย์ 49 คน รวมกัน 95 คน
มีผลประเมินความพึงพอใจทั้งหมด 4 ระดับ โดยแต่ละระดับไม่เหมือนกัน
สรุปได้หรือไม่ว่า ผลประเมินความพึงพอใจต่อระบบไอทีแตกต่างกันที่นัยสำคัญ 0.01
H0 : ความพึงพอใจของนักศึกษาและอาจารย์ต่อระบบไอทีเหมือนกัน
H1 : ความพึงพอใจของนักศึกษาและอาจารย์ต่อระบบไอทีไม่เหมือนกัน
สรุปว่า ยอมรับ H0 มีความพึงพอใจของนักศึกษาและอาจารย์ต่อระบบไอทีเหมือนกัน เพราะเปิดตารางแล้วได้ sig. มากกว่า 0.01

หนังสือ การวิจัยของ ดร.มนต์ชัย เทียนทอง 14 บทเรียน

ขั้นตอนในการประมวลข้อมูล ขั้นตอนในการประมวลข้อมูล (Step in Data Processing) [4]p.127
การนำข้อมูลที่เก็บรวบรวมได้ มาจัดหมวดหมู่ แยกประเภท เพื่อวิเคราะห์และแปลความหมาย มีขั้นตอนดังนี้
1. การตรวจสอบความถูกต้องของข้อมูล (Data Validation)
2. การแยกประเภทข้อมูล (Classification)
3. การสร้างตาราง (Table)
4. การประมวลข้อมูล (Processing)

คำถามที่ถามการรับรู้ และการปฏิบัติ ในข้อเดียวกัน

คำถามที่ถามการรับรู้ และการปฏิบัติ ในข้อเดียวกัน ดร.ลภัสรดา จ่างแก้ว แนะนำนักศึกษาที่เขียนกรอกแนวคิดในการวิจัย แล้วหาตัวแปรตามไม่พบ ด้วยเหตุว่า 2 แนวคิดเหมือนที่ผ่านมานั้นง่ายไป เช่น มี demographic เป็นตัวแปรอิสระแล้ว 4Psหรืออื่น เป็นตัวแปรตาม จึงแนะนำว่าปีนี้ สำหรับ 4Ps หรือ 7Ps นั้น สามารถเป็นตัวแปรอิสระได้ ส่วน [ตัวแปรตามเป็นพฤติกรรม] ก็ได้ สำหรับหัวข้อที่เข้ากรอบนี้ได้ โดยพฤติกรรมจะถาม "การรับรู้ เปรียบเทียบกับ การปฏิบัติ" ว่าที่มีระดับการรับรู้เท่าใด และการปฏิบัติเป็นเท่าใด จากนั้นก็ใช้การวิเคราะห์ด้วยการใช้ตาราง crosstab แล้วแสดงค่า sig ของ chi-square ที่ใช้ทดสอบสมมติฐานว่า "การรับรู้กับการปฏิบัติมีความสัมพันธ์กัน" หรือ "การยอมรับกับการดำเนินการมีความสัมพันธ์กัน" แล้วผลใน crosstab ก็จะทำให้รู้ว่าคำถามข้อใดจับคู่กันอย่างไร ผลการจับคู่ของ 2 คำถามก็จะมี 4 รูปแบบ ดังนี้
- รู้แล้ว และไปปฎิบัติ
- ไม่รู้ จึงไม่ไปปฏิบัติ
- รู้แล้ว แต่ไม่ไปปฏิบัติ
- ไม่รู้ และไม่คิดไปปฏิบัติ
ซึ่งระดับพฤติกรรมอาจเป็น 3 หรือ 5 ก็ได้
☸ thaiall.com/spss/chisquare_crosstab.xlsx
☸ thaiall.com/research/whatisresearch.htm
☸ thaiall.com/pptx/stat_fac_score.pptx ***
☸ thaiall.com/pptx/stat_oneway_anova.pptx ***
☸ thaiall.com/pptx/stat_ttest.pptx ***
☸ การ compute และใช้ round function
☸ การ compute และ recode

การวิเคราะห์การถดถอย

การวิเคราะห์การถดถอย (Regression Analysis) คือ การประมาณการ (Prediction) ของการเปลี่ยนแปลง ระหว่างตัวแปรสองตัวขึ้นไป ที่มีความคลาดเคลื่อนหรือความไม่แน่นอน จึงใช้บัญญัติไตรยางศ์ธรรมดาไม่ได้ โดยสมการคือ Y = F(X) เมื่อหาค่าสัมประสิทธิ์ (Coefficient) ได้แล้ว ก็นำไปสร้างสมการ เช่น Y = 3.125 - 1.441(B1) + 1.232(B2) + 0.167(B3)

ชินพันธ์ โรจนไพบูลย์ - 16 ก.ค.57 ได้อธิบายความหมายของตารางให้ฟัง จึงนำมาแบ่งปันเป็นตัวอย่างการใช้ Regression Analysis หาความสัมพันธ์ โดยหาความคิดเห็นของลูกค้าที่มีต่อธนาคาร 3 แห่งที่เคยใช้บริการเป็นอย่างไร มีตัวแปร 2 ตัว คือ คุณภาพของธนาคาร กับ การเคยไปใช้บริการธนาคาร มีสมมติฐานว่า ลูกค้าพึงพอใจต่อคุณภาพของธนาคารแตกต่างกัน ให้คุณภาพของธนาคารเป็นตัวแปรตาม (Dependent variable) และเคยไปใช้บริการเป็นตัวแปรต้นหรือตัวแปรอิสระ (Independent Variable)
ผลการอ่านตาราง
เมื่อใช้ regression พบว่า sig ใน coefficients มีค่า Bank1 = 0.008 Bank2 = 0.015 Bank3 = 0.630 พบว่าในกลุ่มที่เคยไปธนาคารที่ 1 จะให้ผลประเมินคุณภาพธนาคารในระดับต่ำ เพราะค่าใน Coefficients มีค่าเป็นติดลบ และค่า sig ไม่สูงกว่า 0.05 แต่กลุ่มที่เคยไปธนาคารที่ 2 จะให้ผลประเมินคุณภาพธนาคารในระดับสูง เพราะค่าใน Coefficients มีค่าเป็นบวก และค่า sig ไม่สูงกว่า 0.05 ส่วนกลุ่มที่เคยไปธนาคารที่ 3 จะให้ผลประเมินสูงต่ำคละกัน เพราะค่าใน Coefficients มีค่าต่ำ และค่า sig มากถึง 0.63 ซึ่งสะท้อนโดยค่า sig ใน coefficients ว่าคุณภาพของธนาคาร (Product) สัมพันธ์กับผลการเลือกธนาคารหรือไม่ พบว่า 2 ธนาคารแรกมีความสัมพันธ์ แต่เป็นคนละทางคือ ด้านบวก กับด้านลบ ส่วนธนาคารสุดท้ายไม่มีความสัมพันธ์กันกับผลประเมินคุณภาพธนาคาร

ผลการทดสอบในตาราง ANOVA
พบค่า F-Test มีค่า Sig = 0 แสดงว่าแต่ละกลุ่มแตกต่างกัน เมื่อพิจารณาค่า R Square พบว่ามี 75.3% ที่ข้อมูลไปในทิศเดียวกัน ส่วนค่า Adjusted R Square หลังปรับค่าแล้วพบว่ามี 75.3% ที่ไปในทิศเดียวกัน
☸ Thaijo : ปัจจัยที่ส่งผลต่อความผูกพันต่อองค์การ

ค่าสถิติที่ใช้ในการวิเคราะห์การวัดการกระจาย

ค่าสถิติที่ใช้ในการวิเคราะห์การวัดการกระจาย
(Measure of Dispersion) โดยทั่วไปมีดังนี้ [2]p.18

1. พิสัย (Range : R) คือ ค่าผลต่างระหว่างค่าสูงสุด และค่าต่ำสุด
2. ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation : S.D.) คือ การนำเอาส่วนเบี่ยงเบนของข้อมูลจากค่าเฉลี่ย (X - X') แต่ละค่ามายกกำลังสอง แล้วหาผลรวมของกำลังสองของส่วนเบี่ยงเบนนั้น หารด้วยจำนวนข้อมูลทั้งหมด แล้วถอดรากที่สอง
3. ส่วนเบี่ยงเบนควอร์ไทล์ (Quartile Deviation : Q.D.) คือ ครึ่งหนึ่งของระยะระหว่าง คะแนนที่อยู่ ณ ตำแหน่ง 1/4 และตำแหน่ง 3/4 หรือครึ่งหนึ่งระหว่างควอร์ไทล์ที่ 1 และควอร์ไทล์ที่ 3 ฉะนั้นส่วนเบี่ยงเบนควอร์ไทล์ จึงเรียกอีกชื่อว่า "semi-interquartile range" แล้วพิสัยควอร์ไทล์ (Interquartile Range) ก็จะใช้ข้อมูลช่วงนี้คำนวนค่าพิสัย โดย มัลลิกา บุนนาค (2548:50) เสนอไว้ว่าหากเก็บรวบรวมข้อมูลมาแล้วมีค่าผิดปกติ หรือกระจายไม่เป็นสมมาตร การวัดด้วยพิสัยควอไทล์ถือว่าเหมาะสม และการวัดการกระจายก็ควรใช้ข้อมูลชุดนี้
4. สัมประสิทธิ์ความแปรผัน (Coefficient of Variation : C.V.) คือ การนำ S.D. มาหารด้วยค่าเฉลี่ยเลขคณิตแล้วคูณ 100 ซึ่งคำนวณในรูปของการกระจายสัมพัทธ์ (Relative variation) หากนำไปใช้เปรียบเทียบข้อมูล 2 ชุดด้วยค่า C.V. ที่เป็นค่า % ก็สามารถสรุปได้ว่าข้อมูล C.V. ต่ำย่อมกระจายออกจากค่าเฉลี่ยต่ำ และน่าเชื่อถือกว่า ข้อมูลที่มีค่า C.V. สูง

การใช้งานผลสำรวจในสื่อ

ผลสำรวจ หรือผลวิจัย ก็ต้องผ่านการประมวลผล แล้วนำไปใช้
ผลสำรวจทักษะที่ต้องพัฒนาของคนไทย เทียบ 2007 และ 2004 พบว่า ทักษะ 7 ประเด็นที่แย่ลงกว่าเดิม
นักวิชาการ พบว่า ดื่มสุรา เป็นสาเหตุหนึ่งทำให้ตับแข็ง ไม่เป็นผลดีต่อสุขภาพ
นักวิชาการ พบว่า การทานเกลือมาก ทำให้ไตทำงานหนัก ไม่เป็นผลดีต่อสุขภาพ #ป่วยไตเพิ่มปีละหมื่น
โพลล์เลือกตั้ง ส.ส. 2554 ได้ผลว่า เพื่อไทยชนะประชาธิปัตย์ แต่ผลกลับกัน #
โพลล์เลือกตั้ง ผู้ว่ากทม. 2556 ได้ผลว่า พล.ต.อ.พงศพัศ พงษ์เจริญ ชนะ ม.ร.ว.สุขุมพันธุ์ บริพัตร แต่ผลกลับกัน #

ความถี่ (Frequency) และจัดเรียง (Sort)

WearableTech.com

เห็นนะ แต่ปิดตาซะ

ข้อมูล ความถี่ (Frequency) และจัดเรียง (Sort) ถูกนำไปใช้ในสื่ออยู่เสมอ อาทิ ข้อมูลน้ำท่วมกรุงเทพ หรือ ผลจัดอันดับ ว่า จาก Thailand ใช้อุปกรณ์วีอาร์เข้าเว็บไซต์แนวพอร์นเสมือนจริงมากที่สุดในโลก อ่านได้ที่ komchadluek.net ทำให้นึกถึงเรื่อง น่ากลัว ต่อไปนี้

ไม่มีอะไร น่ากลัวไปกว่า
ข้อมูล มีหมด แต่ไม่ได้ใช้
ดีชั่ว รู้หมด แต่อดไม่ได้
รู้ถูก รู้ผิด แต่คิดไม่ถึง
รู้คุณ รู้โทษ แต่ไม่เป็นไร
รู้นรก รู้สวรรค์ แต่ยังไกล

"ให้เหล้า=แช่ง" 61% มองว่าไม่ควรให้เหล้าเป็นของขวัญ

"ให้เหล้า=แช่ง"

เป็นคำที่ถูกนำไปใช้สำหรับรณรงค์ ของ สสส. ร่วมกับ สำนักงานเครือข่ายองค์กรงดเหล้า และ ภาคีเครือข่ายฯ มาตั้งแต่ปี 2551 แล้วปี 2556 ศูนย์วิจัยปัญหาสุรา (ศวส.) ระบุว่า ประชาชน 61% มองว่าไม่ควรนำเครื่องดื่มแอลกอฮอล์มาเป็นของขวัญ เพราะเป็นการให้สิ่งที่เป็นโทษแก่ผู้อื่น
คลิป : youtube.com คุณลุงให้เหล้า
คลิป : youtube.com คุณมาทำร้ายฉันทำไม
แสดงว่าผู้คนในปัจจุบัน
มีความเข้าใจ เรื่องความเสี่ยง (Risk) จากเหล้า เบียร์ หรือบุหรี่ ดีขึ้น เช่น

- กลัวอันตรายต่อสุขภาพของตนเอง
- กลัวอันตรายต่อสุขภาพของคนรอบข้าง
- กลัวคนที่รักจะเสียใจเมื่อเราล้มป่วย หรือจากไป

แต่ประชาชนอีก 39% ก็ยังไม่เข้าใจ

ปัญหาการศึกษา ก็เหมือนปัญหาร้านโชห่วย

หลักการที่ใช้เป็นแนวตัดสินใจ
"ให้ถือประโยชน์ส่วนตนเป็นที่สอง
ประโยชน์ส่วนรวมเป็นกิจที่หนึ่ง"

เรือจ้าง ต้องการลิงไปปีนต้นไม้
แล้วปลาไม่มีทักษะ มาสมัครได้ไง

คลิป "ปัญหาการศึกษาไทย อยู่ตรงไหน"
พบในนาทีที่ 1.27 จาก 10.52 ว่ามีปัญหาสำคัญ 1 เรื่อง แต่ 3 มุมมอง ดังนี้
1) มุมมองนายจ้าง คือ หาบุคลากรที่มีศักยภาพขึ้นเรือไม่ได้
2) มุมมองลูกจ้าง คือ ไม่มีความถนัดหรือทักษะ ที่จะนำไปสมัครงาน
3) มุมมองประเทศ คือ จัดอันดับตามผลสอบเด็ก พบว่าต่ำกว่าประเทศอื่น
ในคลิปก็แนะนำวิธีแก้ไขไว้มากมายอย่างเป็นระบบ
เมื่อมีคนพูดถึง "ปัญหาด้านการศึกษา"
ทำให้นึกถึงเรื่อง "เม็ดทรายในมหาสมุทร"
หยิบเม็ดไหนขึ้นมา ก็แทนเม็ดทรายในมหาสมุทรได้
แต่ใช้เม็ดทราย 1 เม็ด แทนมหาสมุทรทั้งหมดไม่ได้
อาทิ เม็ดทรายสีดำ สีของมหาสมุทรน่าจะสีดำ หรือ เม็ดทรายทุกเม็ดสีดำ ไม่ได้
อุปมาอุปไมย ว่า ปัญหาด้านการศึกษาเหมือนเม็ดทรายในมหาสมุทร หยิบตรงไหนก็เป็นปัญหา
ส่วนอีกเรื่อง "ร้านโชห่วย คือ ร้านของชำ"
เจ้าของร้านโชห่วย บ่นว่า ตั้งแต่มกราคมที่ผ่านมา ยอดขายลดลงมากกว่าครึ่ง อยู่ไม่ได้ล่ะ
ต้องการให้ นายก มาช่วยแก้ปัญหา ร้านในระแวกนี้เดือดร้อนเหมือนกัน
เมื่อ นายก ได้ ทบทวนวรรณกรรม/เอกสารอ้างอิง
พบว่า 7-11 มาเปิด เมื่อมกราคมที่ผ่านมา
ที่สำคัญ นายกก็ไปเป็นประธานเปิดงาน พร้อมกับทีมสมาชิกทั้งหมด
และยังอวยพรให้ 7-11 ขายดี และเป็นที่พึ่งของชุมชนตลอดไป
คำร้องเรียนที่ตามมา คือ ร้านโชห่วยในระแวกนั้น มาร้องเรียนกันหมด
สะท้อนว่า "ปัญหาของร้านโชห่วยทุกร้าน ไม่ใช่ปัญหาของ 7-11 ร้านเดียว"
คลิปน่าดู : I just sued the school system.
ในคลิปน่าจะสื่อว่า ทำไมโรงเรียนสอนให้ทุกชีวิตปีนต้นไม้ ทำไมไม่สอนสิ่งที่เค้าถนัด

ปัญหาการศึกษา ก็เหมือนปัญหาร้านโชห่วย

คำถามสั้น ๆ ง่าย ๆ
สำหรับถามผู้คนทั่วไป ที่เรียกตัวเองว่า "มนุษย์โลก"
เป็นการถามความคิดเห็นของกลุ่มตัวอย่าง
คำถามคือ "คุณคิดว่าผู้ชาย หรือผู้หญิง ดีกว่ากัน"
ถ้าได้คำตอบจากผู้ตอบคำถาม ก็จะสรุปได้ทันทีว่า
ผู้ชาย หรือ ผู้หญิง ดีกว่ากัน
มีสมมติฐาน ว่า ผู้ชาย ดีกว่า ผู้หญิง
แต่เอ๊ะ มีอะไรต้องคิดมากกว่านั้นไหม แล้วท่านยอมรับในคำตอบหรือไม่

Word : ย่อหน้า การเยื้อง,พิเศษ บรรทัดแรก/ลอย ในเอกสารอ้างอิง

ในการจัดพิมพ์ ผลงานทางวิชาการ มีการกำหนดรูปแบบโดยกองบรรณาธิการ หรือผู้เปิดรับผลงาน มีหลายส่วนในเอกสารที่ต้องเข้าใจการใช้งาน MS Word เพื่อให้ได้รูปแบบตามข้อกำหนด ก่อนส่งออกเป็น PDF เช่น การจัดย่อหน้าของเอกสารอ้างอิง หรือบรรณานุกรมให้เป็นแบบลอย คือ ให้บรรทัดแรกของย่อหน้า ลอยออกมา ไม่ใช่เยื้องเข้าไปเมื่อเริ่มต้นย่อหน้า เหมือนปกติ จึงต้องกำหนดในย่อหน้านั้นว่า "ลอย (Hanging)" ในหัวข้อ "การเยื้อง, พิเศษ" หากไม่ใช้ตัวเลือกนี้ก็ต้องพิมพ์แบบปกติ แล้วกด Tab หรือ Space bar ในบรรทัดที่ 2 ซึ่งหลายครั้งพบปัญหาการตัดคำ จัดหน้าที่ไม่ลงตัว
อีกคุณสมบัติหนึ่ง ในการขยับเพียงเล็กน้อยในแต่ละบรรทัด ทั้งหลังใช้ Hanging หรือ Tab คือ การขยับเยื้องทางขวา (right indent) ซึ่งไม่ควรกระทำหากเป็นเอกสารทางวิชาการ เพราะจะทำให้การจัดแนวทางขวาผิดปกติ และเห็นได้ชัดว่ามีบางย่อหน้าโดดออกมาจากย่อหน้าอื่น แต่ถ้า เป็นรายงานภายในองค์กรที่ยอมรับกันได้เป็นการภายใน ก็อาจใช้ตัวเลือกนี้ในการจัดเอกสารได้

การตรวจสอบเครื่องมือ

นิสิตมหาบัณฑิตสายสังคมศาสตร์ ที่ต้องการหาคำตอบด้วยกระบวนการวิจัย เมื่อออกแบบเครื่องมือแล้ว มักจะต้องนำเครื่องมือไปทดสอบ ความเที่ยงตรง (Validity) และ ความน่าเชื่อถือ (Reliability) ของเครื่องมือ ก่อนที่จะนำไปใช้สอบถามกับกลุ่มตัวอย่างที่คัดเลือกไว้ ซึ่ง ความเที่ยงตรง จะต้องทดสอบโดยผู้เชี่ยวชาญเฉพาะด้าน ส่วน ความน่าเชื่อถือ จะทดสอบกับกลุ่มตัวอย่างไม่ต่ำกว่า 30 ชุด
1.การตรวจสอบหรือทดสอบคุณภาพของเครื่องมือ
ความตรงของเนื้อหา (Content Validity) คือ การทดสอบนำแบบสอบถามที่สร้างขึ้น ให้ผู้เชี่ยวชาญที่มีความเชี่ยวชาญด้านที่เกี่ยวข้อง ช่วยตรวจสอบประเมินความถูกต้อง ความชัดเจน ความสอดคล้องของเนื้อหาที่ต้องการศึกษา จากนั้นนำมาปรับปรุงแก้ไขเพิ่มเติมในส่วนของเนื้อหา โดยหาค่าสัมประสิทธิ์ความสอดคล้อง (Index of Item-Objective Congruence, IOC) มาจาก ผลรวมคะแนนจากผู้เชี่ยชาญทั้งหมด หารด้วย จำนวนผู้เชี่ยวชาญ ซึ่งเกณฑ์การให้คะแนนเป็น 3 ระดับ โดย 1+ คือเนื้อหาสอดคล้อง แล้ว -1 คือ เนื้อหาไม่สอดคล้อง และ 0 เมื่อไม่แน่ใจ สรุปคือค่า IOC ในระดับดี ที่สามารถนำไปวัดผลได้ จะต้องมีค่า IOC เกินกว่า 0.5 ขึ้นไป จึงจะถือว่าสอดคล้อง
2.การตรวจสอบหรือทดสอบความน่าเชื่อถือของเครื่องมือ
ความน่าเชื่อถือของเนื้อหา (Content Reliability) คือ การทดลองนำแบบสอบถามจำนวน 30 ชุด ไปใช้กับกลุ่มที่แยกออกมาจากกลุ่มตัวอย่างในการศึกษา ซึ่งค่าหนึ่งที่น่าสนใจ คือ ค่าสัมประสิทธิ์สหสัมพันธ์แอลฟาของครอนบัค (Cronbach's alpha coefficient) สามารถใช้วัดความสอดคล้องภายใน (internal consistency) ที่สามารถหาความสอดคล้องและบ่งบอกมิติไปในทิศทางเดียวกันของข้อคำถามในชุดนั้น หากได้ค่าความเชื่อมั่นโดยรวมมีค่ามากกว่า 0.7 (ยิ่งเข้าใกล้ 1.0 ยิ่งมีความเชื่อมั่นสูง) นั่นหมายถึงสามารถนำแบบสอบถามมาใช้ในการเก็บข้อมูลจริงได้
การตรวจสอบคุณภาพด้านความเชื่อมั่น
1. การสอบซ้ำ (Test-Retest Reliability) 2. ความคงเส้นคงวาภายใน (Internal Consistency) 2.1 การหาความเชื่อมั่นโดยใช้สูตรของคูเดอร์และริชาร์ดสัน (Kuder and Richardson) 2.2 การหาความเชื่อมั่นใช้สูตรสัมประสิทธิ์อัลฟ่าของ ครอนบัค (Coefficient Alpha or Cronbach’s Alpha) 3. การตรวจสอบคุณภาพด้านความเชื่อมั่นโดยอาศัยหลักของความเท่าเทียมกัน (Equivalence) (อ่านจาก บทที่ 7 : การตรวจสอบคุณภาพเครื่องมือการวิจัย ของ อ.พัชราภัณฑ์ ไชยสังข์ 503 402 Nursing Research และเอกสารของ ดร. ดนัย ปัตตพงศ์ เรื่อง การทดสอบความเชื่อมั่นด้วย Cronbach’s alpha)
ชวนอ่าน 2 บทความ เรื่องแรก : การทดสอบความเที่ยงตรงและความเชื่อมั่นของแบบประเมินกลยุทธ์ในการรับมือกับความเครียดแบบสั้นฉบับภาษาไทย โดย ธนานันต์ นุ่มแสง และ ธนิตา ตันตระรุ่งโรจน์ ภาควิชาจิตเวชศาสตร์คณะแพทยศาสตร์โรงพยาบาลรามาธิบดีมหาวิทยาลัยมหิดล ใน วารสารสมาคมจิตแพทย์แห่งประเทศไทย 2561; 63(2): 189-198 และ เรื่องที่สอง : การตรวจสอบคุณภาพเครื่องมือวิจัย Validation of the Tests โดย อารยา องค์เอี่ยม และพงศ์ธารา วิจิตเวชไพศาล ภาควิชาวิสัญญีวิทยา คณะแพทยศาสตร์ศิริราชพยาบาล มหาวิทยาลัยมหิดล กรุงเทพ 10700 ประเทศไทย ใน วิสัญญีสาร 2561; 44(1): 36-42

การใช้โปรแกรม SPSS ทดสอบสมมติฐาน ระหว่าง เพศ กับ วิทยากร เอกสาร และอาหาร

1. เปิดโปรแกรม Spss
2. เตรียมข้อมูลมี 2 ทางเลือก (Type in data , Open an existing data source)
3. เตรียม เพศ กับระดับความพึงพอใจวิทยากร จำนวน 400 ข้อมูล
4. แก้ชื่อ var เป็น sex กับ speaker พบ tab = Data View, Variable View
5. Menu, Analyse, Descriptive Statistics, Crosstabs,
- Row = sex , Column = speaker
- Cells, Counts:Expected = checked
6. Menu, Analyse, Descriptive Statistics, Crosstabs,
- Statistics
- Chi-square = checked
- Phi and Cramer's V = checked
7. OK ได้ SPSS Viewer พบตาราง Crosstab และ Chi-Square Tests
พบค่า Peason Chi-Square มี Asymp. Sig. = .0 แสดงว่า มีความสัมพันธ์
สมมติฐานที่ 1
เปรียบเทียบ ว่า เพศ กับ วิทยากร พบว่า Sig. = .0
ยอมรับ H1: เพศชาย และเพศหญิงมีความพึงพอใจในวิทยากรแตกต่างกัน
8. ทดสอบกับ Document ด้วย Crosstabs (Chi-square)
สมมติฐานที่ 2
เปรียบเทียบ ว่า เพศ กับ เอกสารการอบรม พบว่า Sig. = 1.0
ยอมรับ H0: เพศชาย และเพศหญิงมีความพึงพอใจเอกสารการอบรม ไม่แตกต่างกัน
9. ทั้ง Crosstabs (Chi-square) และ Compare Means (One-way Anova)
ให้ผลการทดสอบสมมติฐานไม่แตกต่างกัน ระหว่างเพศ กับ วิทยากร และเอกสาร
10. เปรียบเทียบ ว่า เพศ กับ อาหาร
ซึ่งเตรียมข้อมูลให้ก้ำกึ่งระหว่างยอมรับกับไม่ยอมรับ H0
ค่าสถิติ Crosstabs (Chi-square) พบว่า Sig. =0.041
และ Compare Means (One-way Anova) พบว่า Sig. =0.041
ยอมรับ H1: เพศชาย และเพศหญิงมีความพึงพอใจในอาหารแตกต่างกัน
11. ตัวอย่างข้อมูล เพศอย่างละ 200 คน
ความพึงพอใจในอาหาร กรอกข้อมูล 1 - 5 เรียงรายคนให้กับเพศชายทั้ง 200 คน
แต่เพศหญิง กรอกข้อมูล 1 - 5 เรียงรายคน จำนวน 165 คน อีก 35 คนพอใจระดับ 1
จึงทำให้ค่า Sig. ช 0.041
นั่นคือ ยอมรับ H1 หมายถึง มีผลต่อกัน หรือแตกต่างกัน หรือแจกแจงไม่ปกติ
12. แฟ้มที่เกี่ยวข้อง ข้อมูล .xlsx และ .sav , ผลลัพธ์ .doc
Chi-square test in SPSS

เอกสารอ้างอิง (Reference)

[1] ดิเรก ลิ้มมธุรสกุล. (2554). "การวิเคราะห์ข้อมูล ด้วยโปรแกรม STATA 10". กรุงเทพฯ: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.

[2] ยุทธ ไกยวรรณ์. (2555). "หลักสถิติวิจัย และการใช้โปรแกรม SPSS". กรุงเทพฯ: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.

[3] ปัญญา โพธิ์ฐิติรัตน์. (2550). "การวิเคราะห์ข้อมูลโดย SAS และ SPSS". กรุงเทพฯ: สำนักพิมพ์กฤตญาดา.

[4] นราศรี ไววนิชกุล, และชูศักดิ์ อุดมศรี. (2533). "ระเบียบวิธีวิจัยธุรกิจ". กรุงเทพฯ: สำนักพิมพ์จุฬาลงกรณ์มหาวิทยาลัย.

[5] มนต์ชัย เทียนทอง. (2556). การทดสอบไคสแควร์. สืบค้น 19 มีนาคม 2556, จาก http://home.dsd.go.th/ ... /12Chi-Square_Test.pdf.

[6] ธานินทร์ ศิลป์จาระ. (2555). "การวิจัยและวิเคราะห์ข้อมูลทางสถิติด้วย SPSS และ AMOS". กรุงเทพฯ: ห้างหุ้นส่วนสามัญบิสซิเนสอาร์แอนด์ดี.

[7] ธันยพัฒน์ วงศ์รัตน์. (2555). "การประยุกต์ใช้โปรแกรม SPSS 17.0 วิเคราะห์ข้อมูลทางสถิติ". กรุงเทพฯ: บริษัท สวัสดี ไอที จำกัด.

[8] กมลทิพย์ วิจิตรสุนทรกุลและคณะ. (2563). "การวิเคราะห์ข้อมูลสุขภาพในระบบสาธารณสุขไทย โดยใช้โปรแกรม R". กรุงเทพฯ: ไอคิวมีเดีย.

[9] วิโรจน์ อรุณมานะกุล. (2560). "สถิติและการใช้โปรแกรม R". กรุงเทพฯ: คณะอักษรศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย.

[10] วราฤทธิ์ พานิชกิจโกศลกุล. (2550). "การใช้โปรแกรม R ในงานวิจัยด้านทฤษฎีสถิติ". กรุงเทพฯ: คณะวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์.

[11] วนิดา พงษ์ศักดิ์ชาติ. (2559). "การใช้โปรแกรม R เพื่อการวิจัย". ชลบุรี: ภาควิชาคณิตศาสตร์ มหาวิทยาลัยบูรพา.

[12] ฉัตรศิริ ปิยะพิมลสิทธิ์. (2559). การใช้ IBM SPSS เพื่อการวิเคราะห์ข้อมูล. สืบค้น 22 มกราคม 2565, จาก http://watpon.in.th/thai/mod/page/view.php?id=9.

[13] สำนักงานสถิติแห่งชาติ กระทรวงเทคโนโลยีสารสนเทศและการสื่อสาร. (2547). การเลือกใช้ตัวทดสอบสถิติ. สืบค้น 9 มิถุนายน 2565, จาก http://service.nso.go.th/nso/nsopublish/know/estat04.pdf.

[14] Naresh K. Malhotra, David F. Birks. (2006). Marketing Research An Applied Appproach. England: FT Prentice Hall.

[15] สลิตตา สารีบุตร. (2547). การวิเคราะห์ข้อมูล การวิจัยการตลาด ด้วยโปรแกรม SPSS, จาก http://www.repository.rmutt.ac.th/handle/123456789/3180.

"ไม่เริ่มต้นในวันนี้ จะไม่มีทางสำเร็จในวันพรุ่ง" โดย โยฮัน ว็อล์ฟกัง ฟ็อน เกอเทอ

Thaiall.com