s_1280625815. %CA%B6%D4%B5%D4%E0%B E%D7%E8. .

สถิติเพื่อใช้ในการวิจัย : 

01/08/53 สถิติเพื่อใช้ในการวิจัย โดย อ.ดร.กมลพร สอนศรี

สถิติที่ใช้ในการวิจัย : 

สถิติที่ใช้ในการวิจัย สถิติเชิงพรรณนา (Descriptive Statistics) เป็นระเบียบวิธีทางสถิติ ที่มุ่งอธิบายให้เห็นภาพของข้อมูลทั้งหมด ได้แก่ การนำเสนอข้อมูลในรูปตาราง แผนภูมิ กราฟ หรือรูปภาพต่าง ๆ การแปลความหมายข้อมูล การคำนวณ และการตีความหมายของค่ากลางต่าง ๆ เป็นต้น สถิติที่ใช้ในการบรรยายหรือพรรณนาคุณลักษณะของข้อมูล ได้แก่ ความถี่ ร้อยละ ค่าเฉลี่ย มัธยฐาน ส่วนเบี่ยงเบนมาตรฐาน เป็นต้น

สถิติที่ใช้ในการวิจัย : 

สถิติที่ใช้ในการวิจัย สถิติเชิงอนุมาน (Inference Statistics) เป็นสถิติที่มุ่งศึกษา และอธิบายลักษณะต่าง ๆ ของกลุ่มประชากรเป้าหมาย โดยทำการรวบรวมข้อมูลจาก ตัวอย่าง ซึ่งเป็นส่วนหนึ่งของ ประชากร ทำการวิเคราะห์ข้อมูลจากกลุ่มตัวอย่าง และสรุปผลการวิเคราะห์ข้อมูลไปสู่กลุ่มประชากรเป้าหมาย วิธีที่ใช้ในการสรุปอ้างอิงไปยังกลุ่มประชากรนั้น คือ การประมาณค่า (Estimation) และการทดสอบสมมติฐาน (Hypothesis testing) ตัวอย่างสถิติเชิงอ้างอิง เช่น T-test, F-test ,(Chi-square) เป็นต้น

ข้อมูล : 

ข้อมูล (Data) หมายถึง ข้อเท็จจริงเกี่ยวกับเรื่องต่าง ๆ ที่เราสนใจซึ่งอาจเป็นข้อมูลเชิงปริมาณ หรืออาจเป็นข้อมูลเชิงคุณภาพ ก็ได้ ข้อมูลเชิงปริมาณ เป็นข้อมูลที่จัดได้ว่ามีค่ามากหรือน้อย จึงแสดงเป็นตัวเลข เช่น รายได้ อายุ ข้อมูลเชิงคุณภาพหรือข้อมูลเชิงกลุ่ม เป็นข้อมูลที่อยู่ในรูปของข้อความ จึงไม่สามารถระบุได้ว่ามากหรือน้อย เช่น ลักษณะของสินค้า สถานภาพสมรส ข้อมูล

Slide 5: 

ในการเก็บรวบรวมข้อมูลการวิจัย สิ่งแรกที่ควรคำนึงถึงคือ ประชากรที่ต้องการจะศึกษา (population) พิจารณาว่าจะเก็บรวบรวมข้อมูลจากประชากรทั้งหมดได้หรือไม่ ถ้าไม่ได้ ต้องเลือกกลุ่มตัวแทนของประชากรขึ้นมา ซึ่งเราเรียกว่า กลุ่มตัวอย่าง (sample)

คำศัพท์สำคัญทางสถิติ : 

ประชากร (Population) หมายถึง กลุ่มของสิ่งต่าง ๆ ทั้งหลายที่เราสนใจ ซึ่งอาจจะเป็นกลุ่มของสิ่งของ คน หรือเหตุการณ์ต่าง ๆ ตัวอย่าง (Sample) หมายถึง กลุ่มของสิ่งต่าง ๆ ที่เป็นส่วนหนึ่งของประชากรที่สนใจ คำศัพท์สำคัญทางสถิติ

คำศัพท์สำคัญทางสถิติ (ต่อ) : 

พารามิเตอร์ (Parameter) คือ ค่าที่คำนวณได้จากประชากร ค่าพารามิเตอร์เป็นค่าคงที่ ค่าสถิติ (Statistic) คือ ค่าที่คำนวณได้จากกลุ่มตัวอย่าง ค่าสถิติไม่ใช่ค่าคงที่ แต่เป็นตัวแปร คำศัพท์สำคัญทางสถิติ (ต่อ)

สัญลักษณ์ของค่าพารามิเตอร์และค่าสถิติ : 

สัญลักษณ์ของค่าพารามิเตอร์และค่าสถิติ

ความสัมพันธ์ระหว่างประชากร กลุ่มตัวอย่าง และการใช้สถิติ : 

ความสัมพันธ์ระหว่างประชากร กลุ่มตัวอย่าง และการใช้สถิติ Population Sample Statistic X S2 r Parameter µ Ó ρ Sampling techniques Descriptive Statistics Inferential Statistics Estimation Testing Hypothesis

สเกลในการวัดข้อมูล : 

สเกลในการวัดข้อมูล ข้อมูลระดับนามบัญญัติ (Norminal data) เป็นข้อมูลเชิงคุณภาพ เช่น เชื้อชาติ ศาสนา เพศ หรือเป็นข้อมูลตัว เลขที่ไม่ได้บ่งบอกถึงปริมาณมาก-น้อย แต่เป็นตัวเลขที่แสดงให้เห็นความแตกต่าง เท่านั้น เช่น เลขที่บ้าน หมายเลขโทรศัพท์ เป็นต้น การวัดข้อมูลจะกระทำเป็นการแจกแจงความถี่ ร้อยละ ฐานนิยม สัดส่วน เป็นต้น ข้อมูลระดับเรียงลำดับ (Ordinal data) เป็นข้อมูลที่นำมาเรียงเพื่อจัดอันดับเท่านั้น เช่น ระดับปัญหาอันดับ 1, 2 , 3 เป็นต้น ข้อมูลดังกล่าวสามารถจัดเรียงอันดับได้ แต่ไม่สามารถบอกได้ว่า ระดับปัญหาดังกล่าวมีมากกว่ากันระดับใด สถิติที่ใช้ เช่น มัธยฐาน ส่วนเบี่ยงเบน เป็นต้น(อาจเป็น ความถี่ ร้อยละ)

สเกลในการวัดข้อมูล : 

สเกลในการวัดข้อมูล ข้อมูลระดับอันตรภาค (Interval data) เป็นข้อมูลที่แบ่งค่าตัวแปรออกเป็นช่วงๆ มีระยะห่างเท่าๆกัน เรียงลำดับจากมากไปหาน้อย สามารถเปรียบเทียบกันได้ แต่ไม่สามารถ บอกได้ว่าเป็นกี่เท่าของกันและกัน สถิติที่ใช้ เช่น ฐานนิยม มัธยฐาน ค่าเฉลี่ย เป็นต้น ข้อมูลระดับอัตราส่วน (Ratio data) เป็นข้อมูลที่มีลักษณะสมบูรณ์ทุกอย่าง สามารถเปลี่ยนหน่วยวัดจาก หน่วยหนึ่งไปยังอีกหน่วยหนึ่งได้เพื่อเปรียบเทียบกันได้ สถิติที่ใช้ ใช้ได้ทุกตัว

สถิติบรรยาย (Descriptive statistics) : 

สถิติบรรยาย (Descriptive statistics) การแจกแจงความถี่ การวัดแนวโน้มเข้าสู่ส่วนกลาง การวัดการกระจาย

การแจกแจงความถี่ (Frequency Distribution) : 

การแจกแจงความถี่ (Frequency Distribution) เป็นการจัดกลุ่มของข้อมูลที่เก็บรวบรวมมาได้ให้อยู่เป็นชุดเดียวกันตามค่าของตัวแปร เพื่อให้เห็นภาพรวมของข้อมูลทั้งชุด การแจกแจงความถี่ในรูปร้อยละ เป็นสถิติที่นิยมใช้กันมากในการวิจัยเพราะเป็นตัวเลขที่เข้าใจง่าย

การนำเสนอผลการแจกแจงความถี่ : 

การนำเสนอผลการแจกแจงความถี่ การนำเสนอด้วยคำบรรยาย เช่น จากตารางที่ 1 ข้อมูลทั่วไปของประชาชนที่อยู่ในกทม. เป็นเพศหญิงร้อยละ 75 เพศชายร้อยละ 25 มีระดับการศึกษาปริญญาตรี ร้อยละ 75 ปริญญาโทร้อยละ 25 การนำเสนอด้วยตารางแจกแจงความถี่ ตารางแจกแจงความถี่ทางเดียว – เป็นการแจกแจงความถี่ของข้อมูลในตัวแปร 1 ตัว นิยมนำเสนอคู่กับร้อยละ ตารางแจกแจงความถี่สองทาง – เป็นการแจกแจงความถี่ของข้อมูลจากตัวแปร 2 ตัวในคราวเดียวกัน เพื่อทำให้เห็นความแตกต่างระหว่างกลุ่มชัดเจนขึ้น และยังสามารถพิจารณาความสัมพันธ์ในเบื้องต้นระหว่างตัวแปรทั้งสอง ตารางแจกแจงความถี่สามทาง - เป็นการแจกแจงความถี่ของข้อมูลจากตัวแปร 3 ตัวในคราวเดียวกัน

Slide 15: 

ตารางที่ 1 สถานภาพทั่วไปของครูผู้สอนที่เป็นกลุ่มตัวอย่างในการวิจัยเรื่องความต้องการในการจัดหาหลักสูตรท้องถิ่น การนำเสนอข้อมูลหรือการแสดงผลการวิเคราะห์ข้อมูล ตารางตัวแปรเดียว

Slide 16: 

ตารางสองตัวแปรหรือตารางที่มีตัวแปร 2 ตัว ตารางที่2 จำนวนโรงงานแยกตามขนาดโรงงานและที่ตั้ง

Slide 17: 

ตาราง 3 ตัวแปรหรือตารางที่มีตัวแปร 3 ตัว ตารางที่3 จำนวนโรงงานแยกตามขนาด แหล่งที่ตั้ง และประเภทของกิจการ

การนำเสนอผลการแจกแจงความถี่ : 

การนำเสนอผลการแจกแจงความถี่ การนำเสนอด้วยแผนภูมิ แผนภูมิภาพ (pictograph) – เป็นแผนภูมิที่ใช้รูปสิ่งต่างๆเป็นสัญลักษณ์แสดงระดับหรือปริมาณของตัวแปร นิยมใช้มากกับข้อมูลเกี่ยวกับประชากร แผนภูมิแท่ง (Bar charts) - เป็นแผนภูมิที่ใช้รูปแท่งที่มีความกว้างแต่ละแท่งเท่าๆกันเป็นสัญลักษณ์แสดงระดับหรือปริมาณของตัวแปร ใช้กับข้อมูลที่มีค่าขาดตอน ไม่ต่อเนื่อง สามารถใช้เปรียบเทียบความแตกต่างของตัวแปร 2 ตัวได้

การนำเสนอผลการแจกแจงความถี่ : 

การนำเสนอผลการแจกแจงความถี่ การนำเสนอด้วยแผนภูมิ แผนภูมิเส้น (Trend charts) – เป็นแผนภูมิที่ใช้เส้นต่อเนื่องแสดงระดับจากจุดหนึ่งไปยังอีกจุดหนึ่ง นิยมใช้กับการเปลี่ยนแปลงหรือพัฒนาการของสิ่งใดสิ่งหนึ่งในแต่ละช่วงของระยะเวลา ซึ่งแสดงให้เห็นถึงแนวโน้มและการเปลี่ยนแปลงของสิ่งเหล่านั้น แผนภูมิกง (Pie diagram)- เป็นแผนภูมิที่ใช้พื้นที่วงกลมแสดงปริมาณของสิ่งต่างๆ ทำให้สามารถมองเห็นภาพรวมของเหตุการณ์ทั้งหมดและเหตุการณ์ย่อยๆที่เกิดขึ้น

การวัดแนวโน้มเข้าสู่ศุนย์กลางของข้อมูล ( Measures of central tendency, Measure of location) : 

การวัดแนวโน้มเข้าสู่ศุนย์กลางของข้อมูล ( Measures of central tendency, Measure of location) ค่าเฉลี่ย (Mean) ค่ามัธยฐาน (Median) ค่าฐานนิยม(Mode)

1. ค่าเฉลี่ย (Mean) : 

1. ค่าเฉลี่ย (Mean) ค่าเฉลี่ย เป็นค่าวัดแนวโน้มเข้าสู่ส่วนกลางที่นิยมใช้มากที่สุด ซึ่งมีหลายชนิด เช่น ค่าเฉลี่ยเลขคณิต ค่าเฉลี่ยเรขาคณิต ค่าเฉลี่ยฮาร์โมนิค เป็นต้น ค่าเฉลี่ยที่นิยมใช้มากที่สุดคือค่าเฉลี่ยเลขคณิต ซึ่งมักจะเรียกสั้น ๆ ว่า“ค่าเฉลี่ย” ซึ่งเป็นค่าที่เกิดจากการนำเอาค่าของหน่วยข้อมูลทุกๆหน่วยที่เก็บรวบรวมได้มาบวกกัน แล้วหารด้วยจำนวนหน่วย ข้อมูลทั้งหมด ค่าเฉลี่ยหาได้โดย

การนำค่าเฉลี่ยไปใช้ : 

การนำค่าเฉลี่ยไปใช้ ใช้สรุปความคิดเห็นของกลุ่ม เพื่อทราบความคิดเห็นว่าเป็นเช่นใดอยู่ในระดับใด ใช้เปรียบเทียบความสามารถระหว่างกลุ่ม ใช้หาค่าสถิติอื่น ๆ เช่น t ใน t-test เหมาะสำหรับใช้กับข้อมูลที่มีการแจกแจงปกติ (Normal Curve)

2. มัธยฐาน (Median) : 

หมายถึง ข้อมูลที่อยู่ตรงกึ่งกลางของข้อมูลทั้งหมด เมื่อจัดเรียงลำดับของข้อมูลจากค่าน้อยไปค่ามาก หรือจากค่ามากไปค่าน้อย 2. มัธยฐาน (Median) 3. ฐานนิยม (Mode) คือ ค่าของข้อมูลที่เกิดซ้ำกันมากที่สุด หรือมีความถี่สูงสุด

การเลือกค่าวัดแนวโน้มเข้าสู่ส่วนกลางที่เหมาะสม : 

การเลือกค่าวัดแนวโน้มเข้าสู่ส่วนกลางที่เหมาะสม ค่าเฉลี่ย เหมาะสำหรับข้อมูลที่วัดด้วยมาตราอันตรภาคหรือ อัตราส่วน มัธยฐาน เหมาะสำหรับข้อมูลที่วัดด้วยมาตราเรียงอันดับ ฐานนิยม เหมาะสำหรับข้อมลที่วัดด้วยมาตราแบ่งกลุ่ม อย่างไรก็ตาม สิ่งที่ควรคำนึงเสมอคือ ค่าวัดแนวโน้มเข้าสู่ ส่วนกลาง คือค่าที่บอกว่าข้อมูลส่วนใหญ่เกาะกลุ่มกันอยู่ที่ใด

การวัดการกระจาย (Measure of Variability) : 

การวัดการกระจาย (Measure of Variability) ในการสรุปลักษณะต่าง ๆ ของข้อมูลด้วยการใช้การวัดแนวโน้มเข้าสู่ส่วนกลางเพียงอย่างเดียวไม่พอ เนื่องจากการวัดแนวโน้มเข้าสู่ส่วนกลางนั้น เพียงแต่ได้ค่าที่เป็นตัวแทนของข้อมูลแต่ละชุดเท่านั้นแต่จะไม่ทราบว่าข้อมูลเหล่านั้นมีค่าใกล้เคียงกัน หรือกระจายจากกันมากน้อยเพียงใด ข้อมูลบางชุดอาจจะมีค่าที่ได้จากการวัดแนวโน้มเข้าสู่ส่วนกลางเท่ากัน แต่การกระจายของข้อมูลแต่ละชุดอาจจะต่างกัน

1. พิสัย (Range) : 

1. พิสัย (Range) เป็นการวัดการกระจายแบบหยาบ ๆ ถ้าพิสัยมีค่ามากแสดงว่าข้อมูลมีการกระจายมาก ถ้าพิสัยมีค่าน้อยแสดงว่าข้อมูลมีการกระจายน้อย พิสัย (Range) = คะแนนสูงสุด - คะแนนต่ำสุด

2. ส่วนเบี่ยงเบนมาตรฐาน : 

2. ส่วนเบี่ยงเบนมาตรฐาน ส่วนเบี่ยงเบนมาตรฐาน คือรากที่สองของค่าเฉลี่ยของผลรวม ระหว่างผลต่างกำลังสองของค่าตัวเลขแต่ละตัวในข้อมูลชุดหนึ่งๆกับค่าเฉลี่ยขอข้อมูลชุดนั้น เป็นค่าวัดการกระจายที่นิยมใช้มากที่สุด เพราะใช้ค่าของข้อมูลทุกค่ามาคำนวณ ถ้าชุดข้อมูลมีการกระจายมาก ค่าสังเกตแต่ละค่าจะอยู่ห่างจากค่าเฉลี่ยมาก จึงทำให้ส่วนเบี่ยงเบนมาตรฐานมีค่ามาก ถ้าชุดข้อมูลมีการกระจายน้อย ค่าสังเกตแต่ละค่าเกาะกลุ่มอยู่ใกล้ ๆ ค่าเฉลี่ย จึงทำให้ส่วนเบี่ยงเบนมาตรฐานมีค่าน้อย

สรุปการเลือกใช้สถิติที่ใช้วัดการกระจายของข้อมูล : 

สรุปการเลือกใช้สถิติที่ใช้วัดการกระจายของข้อมูล 1.ในกรณีที่ต้องการดูการกระจายอย่างหยาบ ๆ ของข้อมูลและเพื่อความรวดเร็วให้ใช้พิสัย แต่การใช้พิสัยจะบอกอะไรไม่ได้มากนัก 2.ในกรณีที่ใช้ค่าเฉลี่ยเลขคณิตเป็นสถิติวัดแนวโน้มเข้าสู่ส่วนกลางควรใช้ค่าส่วน เบี่ยงเบนมาตรฐานเป็นสถิติที่ใช้วัดการกระจาย

Slide 29: 

สถิติพื้นฐานสำหรับข้อมูลระดับต่าง ๆ

การทดสอบสมมติฐาน : 

การทดสอบสมมติฐาน การทดสอบสมมติฐานทางสถิติเป็นการทดสอบข้อ สมมติที่เกี่ยวข้องกับประชากร ซึ่งข้อสมมตินี้อาจจะเป็น จริงหรือไม่ก็ได้ โดยหลักการทดสอบสมมติฐานทางสถิติ นั้นต้องรวบรวมข้อเท็จจริงจากตัวอย่างเพื่อพิสูจน์ข้อ สมมตินั้น

ขั้นตอนในการทดสอบสมมติฐาน : 

ขั้นตอนในการทดสอบสมมติฐาน ขั้นที่ 1 กำหนดสมมติฐานทางสถิติ ได้แก่ สมมติฐานหลัก (H0) และ สมมติฐานทางเลือก (H1) ขั้นที่ 2 เลือกตัวทดสอบสถิติที่เหมาะสมกับสมมติฐานที่ต้องการ ทดสอบ และคำนวณค่าตัวทดสอบจากข้อมูลตัวอย่าง ขั้นที่ 3 กำหนดความคลาดเคลื่อนในการทดสอบ (α) และ กำหนดขอบเขตในการปฏิเสธสมมติฐาน ขั้นที่ 4 ตัดสินใจปฏิเสธ/ยอมรับสมมติฐาน ขั้นที่ 5 สรุปผล

Slide 32: 

การวิเคราะห์ข้อมูลโดยใช้โปรแกรคมสำเร็จรูปทางสถิติ SPSS ผลลัพธ์ที่ได้จากการใช้โปรแกรมสำเร็จรูปทางสถิติ นอกจากจะให้ ค่าของตัวทดสอบสถิติแล้วโปรแกรมยังคำนวณค่าสถิตินั้นในรูป ของความน่าจะเป็นอีกด้วย ซึ่งเรียกว่า ความน่าจะเป็นในการ ยอมรับสมมติฐานโดยจะแสดงในรูปของค่า P-value หรือ Sig. ซึ่งทำให้การตัดสินใจปฏิเสธหรือยอมรับสมมติฐานทำได้ สะดวกและง่ายยิ่งขึ้น โดยพิจารณาจากค่า “P-value” ดังนี้

Slide 33: 

ถ้าค่า “P-value” ที่โปรแกรมคำนวณมาได้มีค่าน้อยมาก (น้อยกว่าระดับนัยสำคัญ (α) ที่กำหนดไว้) ถือว่าโอกาสที่จะยอมรับสมมติฐานมีน้อยมาก นั่นคือ ควรจะปฏิเสธสมมติฐานหลัก (H0) ถ้าค่า “P-value” ที่โปรแกรมคำนวณมาได้มีค่ามาก (มากกว่าระดับนัยสำคัญ (α) ที่กำหนดไว้) ถือว่าโอกาสที่จะ ยอมรับสมมติฐานมีมาก นั่นคือ ควรจะยอมรับสมมติฐานหลัก (H0)

การทดสอบสมมติฐานโดยใช้ T-Test : 

การทดสอบสมมติฐานโดยใช้ T-Test ประเภทของตัวทดสอบสถิติ : ใช้พารามิเตอร์ ลักษณะการทดสอบ : ใช้ทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 กลุ่ม ที่เป็นอิสระกัน ข้อกำหนด : ตัวแปรตามเป็นตัวแปรเชิงปริมาณที่มีระดับการวัดอยู่ในมาตราอันตรภาค หรือ อัตราส่วน และมีการแจกแจงแบบปกติ ตัวแปรอิสระเป็นข้อมูลเชิงกลุ่มที่มีระดับการวัดอยู่ในมาตรานามบัญญัติหรือ เรียงลำดับ ตัวอย่าง ต้องการทราบว่านักเรียนชายและนักเรียนหญิงมีคะแนนสอบเฉลี่ยวิชาการเขียนแตกต่างกันหรือไม่ H0 : คะแนนสอบเฉลี่ยวิชาการเขียนของนักเรียนชายและนักเรียนหญิงไม่แตกต่างกัน H1 : คะแนนสอบเฉลี่ยวิชาการเขียนของนักเรียนชายและนักเรียนหญิงแตกต่างกัน

การทดสอบสมมติฐานโดยใช้ Chi-Square Test : 

การทดสอบสมมติฐานโดยใช้ Chi-Square Test ประเภทของตัวทดสอบสถิติ : ไม่ใช้พารามิเตอร์ ลักษณะการทดสอบ : ใช้ทดสอบความสัมพันธ์ระหว่างประชากร 2 กลุ่ม ที่เป็นอิสระต่อกัน ข้อกำหนด : ตัวแปรตามและตัวแปรอิสระเป็นข้อมูลเชิงกลุ่มที่มีระดับการวัดอยู่ในมาตรานามบัญญัติ หรือเรียงลำดับ ทีมีตั้งแต่ 2 กลุ่มขึ้นไป ตัวอย่าง ต้องการทราบว่ารูปแบบของโรงเรียนมีความสัมพันธ์กับเพศของนักเรียนหรือไม่ H0 : รูปแบบของโรงเรียนไม่สัมพันธ์กับเพศของนักเรียน H1 : รูปแบบของโรงเรียนสัมพันธ์กับเพศของนักเรียน

การทดสอบสมมติฐานโดยใช้ F- Test (One Way ANOVA) : 

การทดสอบสมมติฐานโดยใช้ F- Test (One Way ANOVA) ประเภทของตัวทดสอบสถิติ : ใช้พารามิเตอร์ ลักษณะการทดสอบ : ใช้ทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากรหลายกลุ่ม(มากกว่า 2 กลุ่ม) ข้อกำหนด : ตัวแปรตามเป็นข้อมูลเชิงปริมาณ ที่มีระดับการวัดอยู่ในมาตราอันตรภาค หรือ อัตราส่วน และมีการแจกแจงแบบปกติ ตัวแปรอิสระเป็นข้อมูลเชิงกลุ่ม ที่มีระดับการวัดอยู่ในมาตรานามบัญญัติหรือเรียงลำดับ ที่มีมากกว่า 2 กลุ่ม ตัวอย่าง ต้องการทดสอบความแตกต่างของคะแนนสอบเฉลี่ยของวิชาการเขียนระหว่างโปรแกรมการศึกษา 3 ประเภท H0 :μ1 = μ2 = μ3 H1 : มีค่าเฉลี่ยอย่างน้อย 1 คู่ที่แตกต่างกัน

หลักการเลือกใช้เทคนิคทางสถิติต่างๆ ในการวิเคราะห์ : 

หลักการเลือกใช้เทคนิคทางสถิติต่างๆ ในการวิเคราะห์ แบ่งตามวัตถุประสงค์ของการวิจัย 1. การวิจัยเพื่อการบรรยาย เป็นการวิจัยที่มุ่งบรรยายสภาพของประชากรว่าเป็นอย่างไร ประชาชนในกทม.มีไม่เกิน 40 % สูบบุหรี่ คนไทยส่วนใหญ่รู้หนังสือ สถิติที่ใช้ - สถิติพรรณนา การประมาณค่า - การทดสอบสมมติฐาน 1 ประชากร

Slide 38: 

2. การวิจัยมุ่งเพื่อการเปรียบเทียบ เป็นการวิจัยที่มุ่งจะเปรียบเทียบลักษณะต่าง ๆ ของประชากร 2 ประชากรหรือมากกว่า ว่าแตกต่างกันหรือไม่ ประชาชนในกทม.ที่สูบบุหรี่ ส่วนใหญ่เป็นเพศชาย มากกว่าหญิง สถิติที่ใช้ T-Test F-Test (การวิเคราะห์ความแปรปรวน)

3. การวิจัยมุ่งเพื่อหาความสัมพันธ์ : 

3. การวิจัยมุ่งเพื่อหาความสัมพันธ์ เป็นการวิจัยที่มุ่งจะหาความสัมพันธ์ของ 2 ตัวแปรหรือมากกว่า เพื่อทำให้เข้าใจสภาพธรรมชาติของตัวแปรได้ลึกซึ้งขึ้น การสูบบุหรี่ของคนกทม.มีความสัมพันธ์กับอาชีพของงานที่ทำ สถิติที่ใช้ การวิเคราะห์สหสัมพันธ์ Correlation การทดสอบ chi - square

Slide 40: 

4. การวิจัยมุ่งเพื่อหาตัวแบบ เป็นการวิจัยที่มุ่งจะวัดโครงสร้างของผลกระทบของตัวแปรหนึ่งหรือมากกว่า ที่มีต่อตัวแปรอีกตัวหนึ่ง เพื่อทำให้ให้เข้าใจถึงกลไกตามธรรมชาติของการเกิดค่าต่าง ๆ ในตัวแปรว่า มาจากสาเหตุใดบ้าง เป็นจำนวนมากน้อยเท่าใด จำนวนบุหรี่ที่สูบต่อวัน ( Y; ม้วน ) กับอายุของผู้สูบ (T ; ปี ) และ เพศ (D) เขียนตัวแบบความสัมพันธ์ได้ดังนี้ Y = a + b T + c D สถิติที่ใช้ การวิเคราะห์การถดถอย หรือ การวิเคราะห์อนุกรมเวลา

สรุปเทคนิคทางสถิติ : 

สรุปเทคนิคทางสถิติ

ขั้นตอนการประมวลผลข้อมูล : 

ขั้นตอนการประมวลผลข้อมูล การเตรียมข้อมูลนำเข้า การเก็บรวบรวมข้อมูล การเปลี่ยนสภาพข้อมูล โดยการการลงรหัสข้อมูล และเปลี่ยนรูปแบบเพื่อให้สะดวกในการวิเคราะห์ข้อมูลโดยใช้โปรแกรมทางสถิติ การประมวลผล การวิเคราะห์ข้อมูลขั้นต้น เช่น การสรุปข้อมูลในรูปแบบร้อยละ ค่าเฉลี่ย การวิเคราะห์ข้อมูลขั้นสูง เช่น การทดสอบสมมติฐาน การวิเคราะห์หาความสัมพันธ์ของตัวแปร การแสดงผลลัพธ์ กราฟ ตาราง รายงาน

การใช้โปรแกรม SPSS ในการวิเคราะห์ข้อมูล : 

การใช้โปรแกรม SPSS ในการวิเคราะห์ข้อมูล id = ตัวแปรเลขประจำตัวผู้ตอบแบบสอบถาม gender = ตัวแปรเพศ ระดับการวัด นามบัญญัติ (nominal) age = ตัวแปรอายุ ระดับการวัด อัตราส่วน (ratio) faocc = อาชีพบิดา ระดับการวัด เรียงอันดับ (ordinal) income = รายได้ ระดับการวัด อัตราส่วน (ratio) sibs = จำนวนพี่น้อง ระดับการวัด อัตราส่วน (ratio)