รูปแบบการสอน & วิจัยในชั้นเรียน

การเรียนภาษาอังกฤษด้วยตนเอง

สาระน่ารู้เกี่ยวกับคอมพิวเตอร์

Life in the UK

นานาสาระน่ารู้

สถิติผู้เข้าชมเว็บไซต์

กองทุนนมและผ้าอ้อมลูก

Pla & Prin

สถิติและการวิจัย

  • สถิติและการวิจัย
  •  
     
     
     
     
    คำว่า สถิติ (Statistics) มาจากภาษาเยอรมันว่า Statistik มีรากศัพท์มาจาก Stat หมายถึงข้อมูล หรือสารสนเทศ ซึ่งจะอำนวยประโยชน์ต่อการบริหารประเทศในด้านต่าง ๆ เช่น การทำสำมะโนครัว เพื่อจะทราบจำนวนพลเมืองในประเทศทั้งหมด ในสมัยต่อมา คำว่า สถิติ ได้หมายถึง ตัวเลขหรือข้อมูลที่ได้จากการเก็บรวบรวม เช่น จำนวนผู้ประสบอุบัติเหตุบนท้องถนน อัตราการเกิดของเด็กทารก ปริมาณน้ำฝนในแต่ละปี เป็นต้น สถิติในความหมายที่กล่าวมานี้เรียกอีกอย่างหนึ่งว่า ข้อมูลทางสถิติ (Statistical data)
    อีกความหมายหนึ่ง สถิติหมายถึง วิธีการที่ว่าด้วยการเก็บรวบรวมข้อมูล การนำเสนอข้อมูล การวิเคราะห์ข้อมูล และการตีความหมายข้อมูล สถิติในความหมายนี้เป็นทั้งวิทยาศาสตร์และศิลปศาสตร์ เรียกว่า "สถิติศาสตร์"

    ประเภท

    สถิติแบ่งออกเป็น 2 ประเภทคือ
    • สถิติพรรณนา (Descriptive Statistics) เป็นสถิติที่ใช้อธิบายคุณลักษณะต่าง ๆ ของสิ่งที่ต้องการศึกษาในกลุ่มใดกลุ่มหนึ่ง วิธีการทางสถิติที่อยู่ในประเภทนี้ เช่น
      • การจัดกระทำกับข้อมูลโดยนำเสนอในรูปของตารางหรือรูปภาพ
      • การแปลงคะแนนให้อยู่ในรูปแบบอื่น ๆ เช่น เปอร์เซ็นต์ไทล์ คะแนนมาตรฐาน ฯ
      • การคำนวณหาค่าเฉลี่ยหรือการกระจายของข้อมูล เช่น มัชฌิมเลขคณิต มัธยฐาน ส่วนเบี่ยงเบนมาตรฐาน พิสัย ฯ
        • สถิติอ้างอิง (Inferential Statistics) เป็นสถิติที่ใช้อธิบายคุณลักษณะของสิ่งที่ต้องการศึกษาในกลุ่มใดกลุ่มหนึ่ง แล้วสามารถอ้างอิงไปยังกลุ่มอื่น ๆ ได้ โดยกลุ่มที่นำมาศึกษาจะต้องเป็นตัวแทนที่ดีของประชากร ตัวแทนที่ดีของประชากรได้มาโดยวิธีการสุ่มตัวอย่าง และตัวแทนที่ดีของประชากรจะเรียกว่า "กลุ่มตัวอย่าง" สถิติอ้างอิงสามารถแบ่งออกได้เป็น 2 ประเภทย่อย คือ
          • สถิติมีพารามิเตอร์ (Parametric Statistics) เป็นวิธีการทางสถิติที่จะต้องเป็นไปตามข้อตกลงเบื้องต้น 3 ประการ ดังนี้
            • ตัวแปรที่ต้องการวัดจะต้องอยู่ในมาตราการวัดระดับช่วงขึ้นไป (Interval Scale)
            • ข้อมูลที่เก็บรวบรวมได้จากกลุ่มตัวอย่างจะต้องมีการแจกแจงเป็นโค้งปกติ
            • กลุ่มประชากรแต่ละกลุ่มที่นำมาศึกษาจะต้องมีความแปรปรวนเท่ากัน
                      • สถิติมีพารามิเตอร์ เช่น t-test, ANOVA, Regression Analysis ฯลฯ
                      • สถิติไร้พารามิเตอร์ (Nonparametric Statistics) เป็นวิธีการทางสถิติที่ไม่มีข้อจำกัดใด ๆ นั่นก็คือ
                        • ตัวแปรที่ต้องการวัดอยู่ในมาตราการวัดระดับใดก็ได้ (Norminal Scale, Ordinal Scale, Interval Scale, Ratio Scale)
                        • ข้อมูลที่เก็บรวบรวมได้จากกลุ่มตัวอย่างมีการแจกแจงแบบใดก็ได้ (Free Distribution)
                        • กลุ่มประชากรแต่ละกลุ่มที่นำมาศึกษาไม่จำเป็นต้องมีความแปรปรวนเท่ากัน
                              • สถิติไร้พารามิเตอร์ เช่น ไคสแควร์, Median Test, Sign test ฯลฯ
                                    โดยปกติแล้วนักวิจัยมักนิยมใช้สถิติมีพารามิเตอร์ทั้งนี้เพราะผลลัพธ์ที่ได้จากการใช้สถิติมีพารามิเตอร์มีอำนาจการทดสอบ (Power of Test) สูงกว่าการใช้สถิติไร้พารามิเตอร์ ดังนั้นเมื่อข้อมูลมีคุณสมบัติที่สอดคล้องกับข้อตกลงเบื้องต้นสามประการในการใช้สถิติมีพารามิเตอร์ จึงไม่มีผู้ใดคิดที่จะใช้สถิติไร้พารามิเตอร์ในการทดสอบสมมติฐาน
                                     
                                    มาตราการวัด
                                     

                                    ความหมาย

                                    การวัดเป็นการกำหนดตัวเลขให้กับสิ่งที่ต้องการศึกษาภายใต้กฎเกณฑ์ที่แน่นอน ผู้วิจัยจำเป็นจะต้องทราบคุณลักษณะของข้อมูลที่ถูกวัด เพื่อใช้ในการพิจารณาว่าจะเลือกใช้วิธีการทางสถิติใดจึงจะเหมาะสม ดังนั้นจึงควรทราบว่าข้อมูลที่ถูกวัดมานั้นอยู่ในมาตราการวัดระดับใด ซึ่งมาตราการวัดแบ่งออกเป็น 4 ระดับคือ
                                    ระดับที่ 1 มาตราการวัดระดับนามบัญญัติ (Nominal Scale) เป็นระดับที่ใช้จำแนกความแตกต่างของสิ่งที่ต้องการวัดออกเป็นกลุ่ม ๆ โดยใช้ตัวเลข เช่น ตัวแปรเพศ แบ่งออกเป็นกลุ่มเพศชายและกลุ่มเพศหญิง ในการกำหนดตัวเลขอาจจะใช้เลข 1 แทนเพศชาย และเลข 2 แทนเพศหญิง ตัวแปรระดับการศึกษา แบ่งออกเป็นกลุ่มที่มีการศึกษาต่ำกว่าปริญญาตรี อาจจะแทนด้วยเลข 1 กลุ่มที่มีการศึกษาระดับปริญญาตรี อาจจะแทนด้วยเลข 2 และกลุ่มที่มีการศึกษาสูงกว่าระดับปริญญาตรี อาจจะแทนด้วยเลข 3 เป็นต้น ตัวเลข 1 หรือ 2 หรือ 3 ที่ใช้แทนกลุ่มต่าง ๆ นั้น ถือเป็นตัวเลขในระดับนามบัญญัติไม่สามารถนำมาบวก ลบ คูณ หาร หรือหาสัดส่วนได้
                                    ระดับที่ 2 มาตราการวัดระดับเรียงอันดับ (Ordinal Scales) เป็นระดับที่ใช้สำหรับจัดอันดับที่หรือตำแหน่งของสิ่งที่ต้องการวัด ตัวเลขในมาตราการวัดระดับนี้เป็นตัวเลขที่บอกความหมายในลักษณะมาก-น้อย สูง-ต่ำ เก่ง-อ่อน กว่ากัน เช่น ด.ช.ดำสอบได้ที่ 1 ด.ช.แดงสอบได้ที่ 2 ด.ญ.เขียวสอบได้ที่ 3 หรือ การประกวดร้องเพลง นางสาวเขียวได้รางวัลที่ 1 นางสาวชมพูได้รางวัลที่ 2 นางสาวเหลืองได้รางวัลที่ 3 เป็นต้น ตัวเลขอันดับที่แตกต่างกันไม่สามารถบ่งบอกถึงปริมาณความแตกต่างได้ เช่น ไม่สามารถบอกได้ว่าผู้ที่ประกวดร้องเพลงได้รางวัลที่ 1 มีความเก่งมากกว่าผู้ที่ได้รางวัลที่ 2 ในปริมาณเท่าใด ตัวเลขในระดับนี้สามารถนำมาบวกหรือลบ กันได้
                                    ระดับที่ 3 มาตราการวัดระดับช่วง (Interval Scale) เป็นระดับที่สามารถกำหนดค่าตัวเลขโดยมีช่วงห่างระหว่างตัวเลขเท่า ๆ กัน สามารถนำตัวเลขมาเปรียบเทียบกันได้ว่าว่ามีปริมาณมากน้อยเท่าใด แต่ไม่สามารถบอกได้ว่าเป็นกี่เท่าของกันและกัน เพราะมาตราการวัดระดับนี้ไม่มี 0 (ศูนย์) แท้ มีแต่ 0 (ศูนย์) สมมติ เช่น นายวิชัยสอบได้ 0 คะแนน มิได้หมายความว่าเขาไม่มีความรู้ เพียงแต่เขาไม่สามารถทำข้อสอบซึ่งเป็นตัวแทนของความรู้ทั้งหมดได้ หรือ อุณหภูมิ 0 องศา มิได้หมายความว่าจะไม่มีความร้อน เพียงแต่มีความร้อนเป็น 0 องศาเท่านั้น จุดที่ไม่มีความร้อนอยู่เลยก็คือที่ -273 องศา ดังนั้นอุณหภูมิ 40 องศาจึงไม่สามารถบอกได้ว่ามีความร้อนเป็น 2 เท่าของอุณหภูมิ 20 องศา เป็นต้น ตัวเลขในระดับนี้สามารถนำมาบวก ลบ คูณ หรือหารกันได้
                                    ระดับที่ 4 มาตราการวัดระดับอัตราส่วน (Ratio Scale) เป็นระดับที่สามารถกำหนดค่าตัวเลขให้กับสิ่งที่ต้องการวัด มี 0 (ศูนย์) แท้ เช่น น้ำหนัก ความสูง อายุ เป็นต้น ระดับนี้สามารถนำตัวเลขมาบวก ลบ คูณ หาร หรือหาอัตราส่วนกันได้ คือสามารถบอกได้ว่า ถนนสายหนึ่งยาว 50 กิโลเมตร ยาวเป็น 2 เท่าของถนนอีกสายหนึ่งที่ยาวเพียง 25 กิโลเมตร
                                    ดังนั้น ผู้วิจัยจึงต้องมีความรู้ในเรื่องของมาตราการวัดระดับต่าง ๆ เป็นอย่างดี เพื่อใช้ในการวินิจฉัยตัวแปรในงานวิจัยว่าอยู่ในมาตราการวัดระดับใด เพื่อประโยชน์ในการเลือกใช้วิธีการทางสถิติให้มีความถูกต้องเหมาะสม

                                     

                                    การวัดแนวโน้มเข้าสู่ส่วนกลาง

                                    การวัดแนวโน้มเข้าสู่ส่วนกลางเป็นการคำนวณหาค่าเฉลี่ยหรือค่ากึ่งกลางของข้อมูล โดยปกติจะใช้ฐานนิยม (Mode) มัธยฐาน (Median) และ มัชฌิมเลขคณิต (Arithmetic Mean) แต่มีการแจกแจงความถี่บางอย่างซึ่งมีอยู่น้อยมากที่ใช้มัชฌิมเรขาคณิต (Geometric Mean) และมัชฌิมฮาร์โมนิก (Harmonic Mean) แต่การหาตำแหน่งกึ่งกลางที่เป็นที่นิยมใช้กันอย่างกว้างขวางที่สุดก็คือ มัชฌิมเลขคณิต ซึ่งเป็นค่าเฉลี่ยที่ใช้ได้กับข้อมูลที่อยู่มาตรวัดระดับช่วงและอัตราส่วน นอกจากนี้ยังมี Trimmed Means เป็นสถิติปรับแก้ค่ามัชฌิมเลขคณิตกรณีที่มีข้อมูลสุดโต่ง (Extreme Value) ส่วนฐานนิยมและมัธยฐานนั้นบางครั้งใช้กับข้อมูลที่อยู่ในมาตราวัดระดับนามบัญญัติและจัดอันดับ แต่ก็สามารถใช้ได้กับระดับช่วงและอัตราส่วน ส่วนมัชฌิมเรขาคณิตและมัชฌิมฮาร์โมนิค จะใช้เฉพาะข้อมูลที่มีคุณลักษณะพิเศษบางอย่างเท่านั้น
                                    การคำนวณหาค่าเฉลี่ยหรือค่ากึ่งกลางของข้อมูลนั้นจะนำเสนอวิธีการดังนี้
                                    1. มัชฌิมเลขคณิต
                                    2. Trimmed Means
                                    3. มัธยฐาน
                                    4. ฐานนิยม
                                    5. มัชฌิมเรขาคณิต
                                    6. มัชฌิมฮาร์โมนิค

                                    เปรียบเทียบมัชฌิมเลขคณิต, มัธยฐานและฐานนิยม

                                    มัชฌิมเลขคณิตเป็นการหาค่าเฉลี่ยที่ใช้กับตัวแปรระดับช่วงขึ้นไป โดยจะต้องนำข้อมูลทั้งหมดมาใช้ในการคำนวณ ค่ามัธยฐานเป็นสถิติในการจัดอันดับข้อมูล การคำนวณอยู่บนพื้นฐานของข้อมูลที่อยู่ในมาตราจัดอันดับ ถ้าค่าที่ได้จากการวัดถูกเรียงจากน้อยไปหามากหรือจากมากไปหาน้อยแล้ว ค่ามัธยฐานคือค่าที่อยู่ตรงกลาง ซึ่งในการคำนวณไม่ต้องใช้ข้อมูลทั้งหมด แต่เป็นการละเลยค่าที่อยู่เหนือและต่ำกว่ามัธยฐาน เช่นข้อมูล 2 ชุดมีค่า 5, 7, 20, 24, 25 และ 10, 15, 20, 52, 63 มีมัธยฐานเหมือนกันคือ 20 แต่ค่าเฉลี่ยตัวอื่นแตกต่างกัน สำหรับฐานนิยมเป็นค่าหรือชั้นที่มีความถี่สูงที่สุดเป็นสถิติระดับนามบัญญัติ การคำนวณไม่ได้ขึ้นอยู่กับค่าต่าง ๆ หรือการจัดอันดับแต่ดูที่ความถี่
                                    การเปรียบเทียบค่าเฉลี่ย มัธยฐานและฐานนิยม สามารถทำได้โดยการคำนวณทั้ง 3 วิธีกับข้อมูลที่มีการแจกแจงถี่ที่เหมือนกัน ถ้านำการแจกแจงความถี่มานำเสนอด้วยกราฟ มัชฌิมเลขคณิตก็คือจุดบนแกนนอนที่อยู่ตรงกึ่งกลางของแกน ถ้าจุดตัดบนการแจกแจงทำให้เกิดความสมดุล จุดนั้นก็คือค่าเฉลี่ย ค่ามัธยฐานคือจุดบนแกนนอน ที่แบ่งพื้นที่ใต้โค้งทั้งหมดออกเป็น 2 ส่วนเท่ากัน พื้นที่ครึ่งหนึ่งจะอยู่ทางซ้ายอีกครึ่งหนึ่งจะอยู่ทางขวา ฐานนิยมคือจุดบนแกนนอนที่อยู่ตรงกับจุดที่สูงที่สุดของกราฟ
                                    ถ้าการแจกแจงความถี่เป็นแบบสมมาตร จุดมัชฌิมเลขคณิต มัธยฐานและฐานนิยมจะอยู่ที่จุดเดียวกัน ถ้าการแจกแจงเป็นแบบเบ้ จุดทั้ง 3 จุดจะไม่ใช่จุดเดียวกัน ดังรูปภาพ 5 แสดงค่ามัชฌิมเลขคณิต มัธยฐานและฐานนิยม สำหรับการแจกแจงความถี่แบบเบ้บวก เราจะพบว่าค่ามัชฌิมเลขคณิตจะมากกว่ามัธยฐานและมากกว่าฐานนิยม ถ้าการแจกแจงเป็นเบ้ลบ ค่าที่ได้จะตรงกันข้าม

                                     
                                     
                                     
                                    คลิกอ่านรายละเอียดตามเว็บไซต์ข้างล่างนี้ค่ะ  ดีมากๆ
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     วิจัย/สถิติ
                                     

                                    สถิติเบื้องต้นสำหรับงานวิจัย

                                    Contents

                                    1. Qualitative Variable, Quantitative Variable

                                    2. Independent Variable, Dependent Variable

                                    3. Scale of Measurement = Nominal, Ordinal, Interval, Ratio

                                    4. Descriptive Statistics, Inferential Statistics

                                    5. Null Hypothesis (Ho), Alternative Hypothesis (Ha)

                                    6. Normal distribution

                                    7. Non Parametric Statistics เช่น Chi-square distribution

                                    8. Chi-Square test ของ Observed 2 ข้อมูล และ Expected

                                    9. Chi-Square test 2x2 Table, Row Column (Crosstabs)

                                    10. Relative Risk, Odds Ratio

                                    11. Parametric Statistics เช่น T test

                                    12. ANOVA Analysis of Variance

                                    ผศ.(พิเศษ)นพ.นภดล สุชาติ พ.บ. M.P.H.
                                    nopadols@nu.ac.th

                                    ที่มา : http://stat32.tripod.com/index1.htm

                                     

                                     

                                     

                                     

                                    วิจัย

                                    สถิติ

                                    วัดผล

                                     
                                     
                                     
                                     
                                     
                                    สถิติที่ใช้ในการวิจัย

                                    Pearson Correlation

                                    เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ค่าที่ได้เรียกว่า "สัมประสิทธิ์สหสัมพันธ์" โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
                                    - ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
                                    - ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
                                    - ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

                                    Spearman Rank Correlation

                                    เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Ordinal Scale โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
                                    - ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
                                    - ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
                                    - ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

                                    Kendall Tau Correlation

                                    เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Ordinal Scale โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
                                    - ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
                                    - ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
                                    - ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

                                    Point Biserial Correlation

                                    เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัว โดยตัวแปรตัวหนึ่งอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และอีกตัวหนึ่งอยู่ในมาตราการวัดระดับ Nominal Scale ที่แบ่งออกเป็น 2 กลุ่ม โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
                                    - ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
                                    - ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
                                    - ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

                                    Simple Regression

                                    ใช้เมื่อต้องการสร้างสมการถดถอยอย่างง่าย ประกอบไปด้วยตัวแปรทำนาย 1 ตัว และตัวแปรเกณฑ์ 1 ตัว โดยควรจะอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ทั้งคู่

                                    Multiple Regression Analysis

                                    ใช้เมื่อการสร้างสมการถดถอย ประกอบไปด้วยตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไป และตัวแปรเกณฑ์ 1 ตัว โดยตัวแปรทั้งหมดควรจะอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
                                    ถ้ามีตัวแปรใดอยู่ในมาตราการวัดระดับ Nominal หรือ Ordinal Scale ควรจะเปลี่ยนให้เป็นตัวแปรดัมมี่ (Dummy Variable)

                                    Multivariate Regression Analysis

                                    ใช้เมื่อการสร้างสมการถดถอย ประกอบไปด้วยตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไป และตัวแปรเกณฑ์มากกว่า 1 ตัว โดยตัวแปรทั้งหมดควรจะอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
                                    ถ้ามีตัวแปรใดอยู่ในมาตราการวัดระดับ Nominal หรือ Ordinal Scale ควรจะเปลี่ยนให้เป็นตัวแปรดัมมี่ (Dummy Variable)
                                    สถิตินี้เหมาะที่จะใช้เมื่อพบว่าตัวแปรเกณฑ์แต่ละตัวมีความสัมพันธ์กัน

                                    Multiple Correlation

                                    เป็นการหาความสัมพันธ์ระหว่างชุดของตัวแปรที่อยู่ในระดับ Interval หรือ Ratio Scale ที่ประกอบไปด้วยตัวแปรตาม 1 ตัวและตัวแปรอิสระมากกว่า 1 ตัว

                                    Multiserial Correlation

                                    เป็นการหาความสัมพันธ์ระหว่างตัวแปรโดยตัวแปรตัวหนึ่งจะต้องอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และชุดของตัวแปรที่อยู่ในมาตราการวัดระดับ Ordinal Scale

                                    Partial Correlation

                                    กรณีที่มีตัวแปรหลาย ๆ ตัว และตัวแปรแต่ละตัวต่างก็มีความสัมพันธ์กัน หากคำนวณหาค่าสหสัมพันธ์ทีละคู่ ค่าที่ได้จะไม่ตรงกับความเป็นจริงเพราะได้รวมความสัมพันธ์ของตัวแปรอื่น ๆ ไว้ด้วย ดังนั้นจึงต้องมีการขจัดอิทธิพลของตัวแปรอื่น ๆ ออกไปด้วย
                                    สำหรับหาสหสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ที่มีการขจัดตัวแปรอื่น ๆ ออกไป

                                    Path Analysis

                                    เป็นการศึกษาอิทธิพลระหว่างตัวแปรต่าง ๆ เพื่อดูว่ามีอิทธิพลทางตรงและอิทธิพลทางอ้อมของตัวแปรที่สันนิษฐานว่าเป็นสาเหตุต่อตัวแปรที่เป็นผลหรือไม่
                                    สัมประสิทธิ์เส้นทาง เป็นค่าที่บ่งบอกถึงอิทธิพลทางตรงของตัวแปรที่เป็นสาเหตุที่ทำให้อีกตัวหนึ่งเปลี่ยนแปลงไป

                                    z-test

                                    z-test เป็นสถิติที่ใช้ทดสอบต่อไปนี้
                                    1. กรณีกลุ่มตัวอย่างหนึ่งกลุ่ม
                                    - ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างกับประชากร
                                    - ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่างกับประชากร
                                    2. กรณีกลุ่มตัวอย่างสองกลุ่ม
                                    - ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่าง 2 กลุ่ม
                                    - ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่าง 2 กลุ่ม

                                    t-test

                                    t-test เป็นสถิติที่ใช้ทดสอบต่อไปนี้
                                    1. กรณีกลุ่มตัวอย่างหนึ่งกลุ่ม ใช้ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างกับประชากร
                                    2. กรณีกลุ่มตัวอย่างสองกลุ่ม
                                    - ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน
                                    - ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์กัน

                                    Chi-Square

                                    Chi-Square เป็นสถิติที่ตัวแปรจะต้องอยู่ในระดับการวัด Nominal Scale ใช้ทดสอบต่อไปนี้
                                    1. กรณีกลุ่มเดียว
                                    - ทดสอบความแตกต่างของความแปรปรวนระหว่างกลุ่มตัวอย่างกับประชากร
                                    - ทดสอบความแตกต่างของความถี่ที่คาดหวังกับความถี่ที่สังเกตได้
                                    - ทดสอบความข้อมูลว่ามีการแจกแจงเป็นโค้งปกติหรือไม่ (Goodness of fit)
                                    2. ใช้ทดสอบความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่เป็นอิสระจากกัน

                                    Phi Coefficient

                                    เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Nominal Scale ที่แบ่งออกเป็น 2 กลุ่มเท่านั้น

                                    Contingency Coefficient

                                    เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Nominal Scale โดยปกติจะมีค่าอยู่ระหว่าง 0 กับ 1

                                    Analysis of Variance

                                    เป็นการหาความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปรตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และตัวแปรอิสระตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale
                                    ถ้าวิเคราะห์กับตัวแปรอิสระ 1 ตัว เรียกว่า One-way ANOVA
                                    ถ้าวิเคราะห์กับตัวแปรอิสระ 2 ตัว เรียกว่า Two-way ANOVA
                                    ถ้าวิเคราะห์กับตัวแปรอิสระ 3 ตัว เรียกว่า Three-way ANOVA
                                    ฯลฯ

                                    Analysis of Covariance

                                    เป็นการหาความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปรตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ตัวแปรอิสระตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale และตัวแปรร่วมตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
                                    ถ้าวิเคราะห์กับตัวแปรอิสระ 1 ตัว เรียกว่า One-way ANCOVA
                                    ถ้าวิเคราะห์กับตัวแปรอิสระ 2 ตัว เรียกว่า Two-way ANCOVA
                                    ถ้าวิเคราะห์กับตัวแปรอิสระ 3 ตัว เรียกว่า Three-way ANCOVA
                                    ฯลฯ

                                    Analysis of variance with Repeated measures

                                    เป็นรูปแบบการวิเคราะห์ความแปรปรวนที่มีการวัดซ้ำมากกว่า 1 ครั้งในช่วงเวลาที่แตกต่างกัน
                                    กลุ่มตัวอย่างตั้งแต่ 1 กลุ่มขึ้นไป โดยตัวแปรตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ที่มีการวัดซ้ำมากกว่า 1 ครั้ง ถ้ากลุ่มตัวอย่าง 1 กลุ่มจะไม่ปรากฏตัวแปรอิสระ

                                    Factorial ANOVA

                                    เป็นคำที่ใช้เรียกสถิติในกลุ่มของการวิเคราะห์ความแปรปรวน ทั้ง ANOVA, ANCOVA และ Repeated Measure ที่มีตัวแปรอิสระตั้งแต่ 2 ตัวขึ้นไป

                                    Discriminant Analysis

                                    เป็นการศึกษาว่ามีตัวแปรทำนายตัวใดบ้างที่สามารถใช้ในการจำแนกกลุ่มของตัวแปรเกณฑ์ได้ เพื่อประโยชน์ในการจำแนกกลุ่มตัวอย่างออกเป็นกลุ่ม ๆ ได้อย่างถูกต้อง
                                    ตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และตัวแปรเกณฑ์ 1 ตัวอยู่ในมาตราการวัดระดับ Nominal Scale

                                    Factor Analysis

                                    เป็นการศึกษาองค์ประกอบของตัวแปร ว่าตัวแปรที่ศึกษาสามารถจัดกลุ่มได้เป็นกี่องค์ประกอบ การวิเคราะห์องค์ประกอบมี 2 ชนิด คือ
                                    1. การวิเคราะห์องค์ประกอบเชิงสำรวจ (Exploratory Factor Analysis) เป็นการค้นหาหรือสำรวจว่าตัวแปรที่ศึกษาประกอบด้วยกี่องค์ประกอบ
                                    2. การวิเคราะห์องค์ประกอบเชิงยืนยัน (Confirmatory Factor Analysis) เป็นการตรวจสอบหรือยืนยันทฤษฎีที่มีผู้ค้นพบไว้แล้ว

                                    Canonical Correlation

                                    เป็นการหาความสัมพันธ์ระหว่างชุดของตัวแปรอิสระและชุดของตัวแปรตาม โดยตัวแปรอิสระจะมีตั้งแต่ 1 ตัวขึ้นไป และตัวแปรตามมีมากกว่า 2 ตัว โดยตัวแปรทั้งหมดควรอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale

                                    Hotelling T2

                                    เป็นการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มตัวอย่าง 2 กลุ่ม โดยมีตัวแปรอิสระ 1 ตัวอยู่ในมาตราการวัดระดับ Nominal Scale ที่แบ่งออกเป็น 2 กลุ่ม และตัวแปรตามมากกว่า 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale

                                    Multivariate Analysis of Variance

                                    เป็นการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปรอิสระจะมีตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale และตัวแปรตามมากกว่า 1 ตัวอยู่ในมาตรการวัดระดับ Interval หรือ Ratio Scale
                                    ถ้ามีตัวแปรอิสระ 1 ตัว เรียกว่า One-way MANOVA
                                    ถ้ามีตัวแปรอิสระ 2 ตัว เรียกว่า Two-way MANOVA
                                    ถ้ามีตัวแปรอิสระ 3 ตัว เรียกว่า Three-way MANOVA
                                    ฯลฯ
                                    ถ้ามีตัวแปรร่วม จะเรียกว่า "Multivariate Analysis of Covariance"

                                    Binomial Test

                                    เป็นการทดสอบความน่าจะเป็นของข้อมูลระดับ Nominal Scale ที่มีโอกาสเกิดขึ้นได้เพียง 2 อย่าง (Dichotomous)

                                    Kolmogorov Smirnov Test

                                    1. Kolmogorov Smirnov One Sample Test เป็นการทดสอบตัวแปรว่ามีการแจกแจงเป็นโค้งปกติหรือไม่ (Goodness of fit) โดยตัวแปรจะต้องอยู่มาตราการวัด Ordinal Scale
                                    2. Kolmogorov Smirnov Two-Sample Test เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน โดยตัวแปรที่นำมาทดสอบจะต้องอยู่มาตราการวัด Ordinal Scale

                                    Wilcoxon matched-pairs Test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์กัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

                                    Sign Test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์ โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

                                    McNemar Test

                                    เป็นการทดสอบความแตกต่างระหว่างข้อมูลก่อนและหลังของกลุ่มตัวอย่างกลุ่มเดียวกัน ข้อมูลที่นำมาทดสอบอยู่ในมาตราการวัด Nominal หรือ Ordinal Scale

                                    Mann Whitney U Test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

                                    Median Test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไปที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

                                    Fisher exact test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Nominal Scale ที่แบ่งเป็น 2 กลุ่ม

                                    Friedman Test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่สัมพันธ์กัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

                                    Cochran Q Test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่สัมพันธ์กัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Nominal Scale

                                    Kruskal Wallis Test

                                    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

                                    http://www.watpon.com/stat/
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                     
                                    Comments