slide1
Download
Skip this Video
Download Presentation
สถิติสำหรับการวิจัย

Loading in 2 Seconds...

play fullscreen
1 / 19

สถิติสำหรับการวิจัย - PowerPoint PPT Presentation


  • 367 Views
  • Uploaded on

สถิติสำหรับการวิจัย. รศ.ดร.โยธิน แสวงดี สถาบันวิจัยประชากรและสังคม มหาวิทยาลัยมหิดล. สถิติสำหรับการวิจัย. สถิติมีความสำคัญคือ เป็นข้อมูล แสดงลักษณะการดำรงคงอยู่ของสถานะของข้อมูล ปรากกฏการณ์ สถานะภาพ ฯลฯ

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' สถิติสำหรับการวิจัย' - khoi


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

สถิติสำหรับการวิจัย

รศ.ดร.โยธิน แสวงดี

สถาบันวิจัยประชากรและสังคม มหาวิทยาลัยมหิดล

slide2
สถิติสำหรับการวิจัย
  • สถิติมีความสำคัญคือ เป็นข้อมูล แสดงลักษณะการดำรงคงอยู่ของสถานะของข้อมูล ปรากกฏการณ์ สถานะภาพ ฯลฯ
  • สถิติเชิงพรรณา ใช้พรรณา เช่น แสดงปรากฎการณ์ สถานะการณ์ สถานะภาพ ที่เป็นอยู่ หรือ ที่ผ่านมาในอดีต เช่น สำนักงานสถิติแห่งชาตินำเสนอข้อมูลสถานะการณ์ สถานะภาพ ปรากฎการณ์ ต่างๆ ทางด้านจำนวนประชากร โครงสร้างประชากรตามอายุ และเพศ โครงสร้างครอบครัว ครอบครัวเดี่ยว ครอบครัวขยาย บริษัท ห้างหุ้นส่วนๆ ต่างๆ แสดงผลประกอบการ จำนวนงบลงทุน จำนวนวัสดุ อุปกรณ์ ความสูญเสียฯลฯ
  • สถิติเชิงพรรณา ได้แก่ Mean Mode Median S.D. เป็นต้น
slide3
สถิติสำหรับการทดสอบสมมุติฐานทางสถิติสถิติสำหรับการทดสอบสมมุติฐานทางสถิติ
  • ใช้มากสำหรับการวิจัยเชิงทดลอง
  • การวิจัยเพื่อการวัดและประเมินผล
  • การวิจัยดำเนินงาน
  • สาเหตุที่ต้องทำการพิสูจน์สมมุติฐานเพราะต้องการข้อค้นพบไปชี้นำนโยบาย เนื่องจากสามารถยืนยันได้อย่างแท้จริงว่าผ่านการทดลอง (ที่มีการควบคุม หรือ การขจัดปัจจัยอื่นๆที่เกี่ยวข้องออกๆปแล้ว)
slide4
สมมุติฐาน
  • Ho หรือ Null Hypothesis จะนิยมตั้งว่า ไม่แตกต่าง
  • ใช้สัญลักษณ์ =
  • Ha หรือ Alternative Hypothesis หรือ สมมุติฐานที่ต้องการพิสูจน์
  • ใช้สัญลักษณ์ว่า แตกต่าง เช่น ไม่เท่ากับ > หรือ < เป็นต้น
  • ส่วนใหญ่จะไม่นิยมเขียน จะทราบกันโดยนัยะว่าจะพิสูจน์อะไร แต่งานวิจัยเชิงทดลองทั้งสายวิทยาศาสตร์ และสายสังคมศาสตร์จะต้องเขียนใว้
  • สิ่งสำคัญคือ ตั้ง Ha ใว้อย่างไร ต้องพิสูจน์ ให้ได้เป็นจริงตามนั้น เพราะเป็นไปตามหลักปฏิฐานนิยม ไม่งั้นจะถือว่างานวิจัจล้มเหลว (เพราะไม่เป็นไปตามที่ตั้งใว้ในวัตถุประลงค์ที่ต้องการพิสูจน์)
t test
t-test
  • ใช้สำหรับทดสอบสมมุติฐาน เปรียบเทียบกันสองกลุ่ม เท่านั้น
  • หน่วยวัดของสิ่งที่จะเปรียบเทียบต้องเป็นคะแนนพฤติกรรม ฤทธิ์ ส่วนสูง น้ำหนัก ฯลฯ เพราะเน้นที่การเปรียบเทียบค่าเฉลี่ยมัชฌิมเลขคณิต
  • หลักเบื้องต้น จำนวนตัวอย่าง อย่างน้อย 30 ตัวอย่างขึ้นไป
  • แบ่งกลุ่มเปรียบออกเป็นสองกลุ่ม เช่น กลุ่มทดลอง กับกลุ่มเปรียบ
  • กลุ่ม เพศหญิง กับ กลุ่มเพศชาย
  • กลุ่มเมือง กับ กลุ่ม ชนบท
  • กลุ่มเข้าเรียน กับ กลุ่มไม่เข้าเรียน ฯลฯ
  • ประเด็นที่จะวัด (พฤติกรรม ฤทธิ์ ส่วนสูง น้ำหนัก ค่าใช้จ่าย ฯลฯ) ต้องมีระดับการวัดเป็นอัตราส่วน หรือ เป็นช่วง
t test1
ประเภทของ t-test
  • One sample t-test ใช้สำหรับทดสอบสมมุติฐานเมื่อเปรียบเทียบกับค่ามาตรฐาน เช่น คะแนนภาษาอังกฤษ ของคนไทย เปรียเทียบกับ TOEFL ทดสอบกับค่าต่างๆ ที่มาตรฐานทางสังคมศาสตร์ หรือ วิทยาศาสตร์ ฯลฯ
  • Independent-Samples t-test ใช้สำหรับทดสอบความแตกต่างของค่าเฉลี่ยมัชฌิมเลขคณิต ของสองกลุ่มเปรียบเทียบ เช่น ชาย หญิง เมืองชนบท ทดลอง ควบคุม ฯลฯ
  • Paired-samples t-test ใช้เปรียบสัมฤทธิ์ผลการทดลองที่เป็นกิจกรรมดำเนินงาน ก่อนและหลัง ที่ติดตามคู่ นั้นๆ ตลอด สามารถพิสูจน์ว่ากิจกรรมทดลองส่งผลตรงต่อการเปลี่ยนแปลง ตามที่ตั้งใว้ในสมมุติฐาน
f test one way analysis of variance
F-test (One-Way Analysis of Variance)
  • ใช้ทดสอบความแตกต่างของค่าเฉลี่ยมัชฌิมเลขคณิต ตั้งแต่ 3 กลุ่มขึ้นไป
  • เป็นกลุ่มทดลอง 3 treatment หรือ ทดลอง 2 treatment กับ กลุ่ม ควบคุม 1 กลุ่มก็ได้
  • หรือ ในทางสังคมศาสตร์และทางวิทยาศาสตร์ จะใช้เปรียบเทียบความแตกต่างของค่าเฉลี่ย ตั้งแต่ 3 กลุ่มขึ้นไปก็ได้
  • ข้อดีคือค้นหาความแตกต่าง ในแต่ละกลุ่ม
  • พฤติกรรมที่จะวัด ต้องเป็นคะแนน หรือมีระดับการวัดแบบอัตรส่วน หรือ แบบช่วง ทั้งสายวิทย์ และสายศิลป์
  • ข้อดี คือ Post-Hoc test ที่ใช้ทดสอบความแตกต่างรายคู่เปรียบเทียบได้
multivariate analysis 1 ancova
Multivariate Analysis: (1) ANCOVA
  • หลัการเดียวกับ ANOVA แต่ใช้ Univariate เพราะใช้ตัวแปรตามตัวเดียว
  • แต่เปิดโอกาสให้มีการขจัดปัจจัยอื่นๆที่คาดว่ามีผลต่อพฤติกรรม หรือ ฤทธิ์ หรือ การสิ่งที่ศึกษานั้นๆ
  • CO ย่อมาจาก Covariance
  • ตัวแปรควบคุม Covariate Variable มักนิยมวัดด้วยปัจจัยที่มีระดับการวัดแบบอัตราส่วน แบบช่วง หากเป็นกลุ่มต้องจัดเป็นตัวแปร dummy variable (1,0 ตัวอย่างเช่น ในสายสังคมศาสตร์ เมือง = 1 ชนบท = 0 เป็นต้น แต่สายวิทยาศาสตร์ จะนิยมใช้อัตราส่วน)
2 manova
(2) MANOVA
  • หลักการเดียวกันกับ ANOVA แต่ใช้ Multivariate
  • เพราะมีตัวแปรตามได้หลายตัว แต่ละตัวต้องมีระดับการวัดแบบอัตราส่วน หรือ แบบช่วง เพราะต้องการวัดความแตกต่างที่ค่าเฉลี่ยมัชฌิมเลขคณิต
  • M ย่อมาจาก Multivariate ที่หมายถึงมีตัวแปรตามมากกว่า 1 ตัว
  • หลักคิดคือ ในแต่ละกลุ่มเปรียบเทียบ สามารถเปรียบเทียบความแตกต่างใน พฤติกรรม ฤทธิ์ ฯลฯ ได้หลายตัวพร้อมกัน เช่น ในสายบริหารธุรกิจ มีการขนส่ง 3 แบบ และผลที่ต้องการวัดคือ มีความแตกต่างทั้ง ยอดขาย ยอดสึกหรอ เป็นต้น
3 mancova
(3) MANCOVA
  • เหมือน MANOVA
  • แต่เปิดโอกาสให้มีการขจัดปัจจัยอื่นๆที่มีผลต่อพฤติกรรมที่ต้องการวัด
  • ข้อดีคือได้ทราบผลการทดลองที่แน่ชัด หรือวัดได้แน่ชัดว่า ไม่เพียงมีผลต่อเพียงหนึ่งพฤกรรม แต่ยังวัดได้จากพฤติกรรมอื่นๆ อีก (ฤทธิ์ อื่นๆอีก)
  • มีการควบคุม ที่เป็นการขจัดปัจจัยอื่นๆได้ด้วย ระดับการวัดของปัจจัยควบคุม หรือ ตัวขจัดออกเหมือน ANCOVA
chi squared test
Chi-squared Test
  • ทดสอบสมมุติฐานเมื่อเปรียบเทียบตัวแปรอิสระที่เป็นกลุ่ม กับตัวแปรตามที่เป็นกลุ่ม
  • จุดอ่อนคือจำนวนตัวอย่าง
  • จำนวมกลุ่มในตัวแปรตามและตัวแปรอิสระไม่ควรมากเกิน 5 กลุ่ม
  • ควรเป็นกลุ่มที่เกิดขึ้นตามธรรมชาติ หรือ ตามเกณฑ์ที่มีการกำหนดเป็นมาตรใว้ และมีการอ้างอิงใว้
  • จำนวน n ใน cell ควรมากว่า 5
  • วัดความแตกต่างว่า ในตัวแปรอิสระที่มีระดับการวัดเป็นกลุ่มที่แตกต่างกัน จะมีความแตกต่างกันในตัวแปรตามที่เป็นกลุ่มแตกต่างกัน
  • หากจะทดสอบถึงความสัมพันธ์ (Association) ต้องวัดที่ค่า Contingency Coefficient: C)
pearson correlation
Pearson Correlation
  • ใช้ทดสอบสหสัมพันธ์ของตัวแปรสองตัว
  • มีระดับการวัดแบบอัตราส่วนและแบบช่วง
  • มีค่าระหว่าง -1 ถึง 1
  • จะวัดออกมาเป็นร้อยละก็ได้
  • มีการตรวจสอบด้วยว่ามีสหสัมพันธ์กันอย่างมีนัยสำคัญทางสถิติหรือไม่ โดยใช้ค่า t เป็นตัวยืนยัน
  • ใช้ทดสอบเมื่อต้องการขจัดปัจจัยอื่นๆออกไปด้วยก็ได้โดยใช้ Partial correlation
  • ประโยชน์ที่สำคัญคือใช้ตรวจสอบ Collinearity และ Multicollinearity ก่อนเข้า Multiple Regression
  • จุดตัด (Cut point 0.5 0.65 0.75)
slide13
สถิติสำหรับการพยากรณ์สถิติสำหรับการพยากรณ์
  • สถิติสำหรับการจัดกลุ่ม
  • Factors Analysis, Discriminant Analysis
  • Inferential Statistics
  • ใช้สำหรับการพยากรณ์ การประมาณค่า
  • เน้นการใช้สมการถดถอยรูปแบบต่างๆ
  • การพิจารณาเส้นทางความสัมพันธ์เพื่อเปรียบเทียบผลทางตรงกับผลทางอ้อม ผ่านตัวแปรแทรกกลาง PATH ANALYSIS
  • สมการโครงสร้าง (SEM)
simple regression analysis
Simple Regression Analysis
  • การทดถอยเชิงเดี่ยว
  • ทดสอบ Causal Relationships ต้องมีหลักการทางเชิงทฤษดีมาก่อน -Positivism
  • Cause----- Consequence
  • Cause--- Effect
  • ต้นเหตุ- ผลที่เกิดขึ้น
  • ความสัมพันธ์เชิงเหตุและผล ที่ทดสอบด้วยสมการเศรษฐมิติ (Basic Econometrics)
  • ทดสอบอิทธิพล หนึ่งตัวแปรอิสระ กับหนึ่งตัวแปรตาม
slide15

จำนวน n ขั้นต่ำ คือ 30

  • ไม่เน้นการควบคุม หรือ ขจัดอิทธิพลของปัจจัยอื่นๆ แต่ต้องการตรวจาสอบ
  • True Direct Real Effect
  • ระดับการวัดของข้อมูล อัตราส่วน ช่วง ทั้งตัวแปรต้นเหตุ และตัวแปรตาม แต่ ต้นเหตุสามารถเป็น dummy variable ได้
  • ภาวะสมการสมรูป F, R-squared ยิ่งเข้าใกล้ 1 ยิ่งดี
multiple regression analysis mra
Multiple Regression Analysis: MRA
  • ข้อดีใช้ในการค้นหาปัจจัยตามกฏ Causal Relationships
  • บนฐานคิดของสมการเศรษฐมิติ
  • สามารถพิสูจน์และวิเคราะห์หลายตัวแปรอิสระได้พร้อมกัน บนฐานคิดที่ว่า when everything being equals หรือเมื่อทุกสิ่งทุกอย่างเท่าเทียมกัน
  • ระดับการวัดของข้อมูล ตัวแปรตามต้องเป็นอัตราส่วน ช่วง
  • ตัวแปรอิสระ หรือตัวต้นเหตุ ควรเป็นอัตราส่วน หรือ ช่วง dummy variable ได้
  • ต้องปฏิบัติตาม Basic assumption อย่างเคร่งครัด (เรียนรู้ตอนใช้ห้อง คอมพิวเตอร์)
  • PRF และ SRF
  • จำนวนตัวอย่างขั้นต่ำ 1 ต่อ 30
  • ภาวะสมการสมรูป
  • Constrained Model และ Unconstrained Model (F-Ratio test)
  • R-squared Change
mra method
MRA: Method
  • Enter
  • Forward
  • Backward
  • Remove
  • Stepwise
  • เพื่ออะไร เมื่อใดใช้?
  • การสร้างตารางเพื่ออ่านและตีความหมายผลการวิเคราะห์ข้อมูล
logistic regression analysis
Logistic Regression Analysis
  • วิเคราะห์โอกาสความน่าจะเป็นสูงสุด
  • Causal Relationship
  • ตัวแปรตามคือ การเกิดขึ้น การทำ การชื้อ การระบาด การใช้ การตัดสินใจ ฯลฯ ต้องเป็นตามกฏธรรมชาติ หรือ ตามเกณฑ์มาตรฐานสากล
  • 1= เกิด 0= ไม่เกิด
  • Binomial คือ Bi = สอง nominal คือ กลุ่ม
  • Dichotomous outcome variable
slide19

ตัวแปรต้นเหตุ ต้องตามข้อตกลงเบื้องต้น

  • Non-linear probability model
  • Linear probability model
  • Chi-squared test, Model Chi-squared
  • Restricted Model และ Unrestricted Model
  • Log likelihood Ratio test: LR test
  • Adjusted Proportional Probabilities
  • สอนในห้อง computer การอ่านและการแปรผล การเขียนรายงาน
ad