การใช้โปรแกรม Spss

7,281 views

Published on

Published in: Education
0 Comments
2 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
7,281
On SlideShare
0
From Embeds
0
Number of Embeds
3
Actions
Shares
0
Downloads
353
Comments
0
Likes
2
Embeds 0
No embeds

No notes for slide

การใช้โปรแกรม Spss

  1. 1. การใชโปรแกรม SPSS ในการวิเคราะหขอมูลทางสถิติเพื่อการวิจัย  รวบรวมโดย งานวิจัยและพัฒนา ฝายวางแผนและพัฒนา วิทยาลัยเทคนิคนครสวรรค
  2. 2. 2 การใชโปรแกรม SPSS ในการวิเคราะหขอมูลทางสถิติเพือการวิจัย ่SPSS ยอมาจาก Statistical Package for Social Scienceโปรแกรม SPSS ที่ใชในการอบรมครั้งนี้จะใช SPSS for Windows Version 12.0การติดตั้งโปรแกรม 1. นําแผนซีดีโปรแกรม SPSS for Windows Version 12.0 ใสซีดีรอมไดรฟ 2. ดับเบิลคลิก My Computer 3. ดับเบิลคลิกซีดีรอมไดรฟ 4. ดับเบิลคลิกโฟลเดอร SPSS v12.0 5. ดับเบิลคลิกไอคอน SPSS12.exe 6. คลิกปุม Next แลวรอ 7. คลิกปุม Next 8. คลิกตรงวงกลมหนา I accept the terms in the license agreement 9. คลิกปุม Next 6 ครั้ง 10. คลิกปุม Install แลวรอ 11. คลิกปุม Finish 12. คลิก Start -> Run 13. ตรงบรรทัด Open ใหพิมพ C:Program FilesSPSSlicrenew.exe กดปุม OK 14. ปรากฏหนาจอ ใหพิมพ 30066743322 กด Enter ใหพิมพ 30066743322 กด Enter กด Enterการเรียกใชโปรแกรม คลิก Start -> All Programs -> SPSS for Windows -> SPSS 12.0 for Windows ถาปรากฏหนาจอ What would you like to do? ใหคลิกสี่เหลี่ยมดานลางซายใหมีเครื่องหมายถูก แลวคลิกปุม OK คลิกปุม Cancel
  3. 3. 3หมายเหตุ กรณีปรากฏหนาจอถาตองการไมใหปรากฏหนาจอนี้ 1. ดับเบิลคลิก My Computer 2. ตรงบรรทัด Address ใหพิมพ C:Program FilesSPSS แลวกด Enter 3. เลื่อน Vertical Scroll Bar จนปรากฏชื่อไฟล expoff.bat 4. ดับเบิลคลิกตรงไฟล expoff.bat 5. ปดหนาจอWindows ของ SPSS มี 5 ประเภท 1. Data ไฟลนามสกุล sav ใชเพิ่ม/แกไข/ลบ ขอมูล หรือ เรียกขอมูล ที่ปอนจากโปรแกรมอื่นๆ 2. Output ไฟลนามสกุล spo เพื่อใหแสดงผลลัพธในรูปแบบ Graphics 3. Syntax ไฟลนามสกุล sps ใชพิมพคําสั่งหาคาทางสถิติ แทนการใชเมนู 4. Draft Output ไฟลนามสกุล rtf เพื่อใหแสดงผลลัพธในรูปแบบ Text 5. Script ไฟลนามสกุล sbs ใชเขียนโปรแกรมคําสั่งหาคาทางสถิติหมายเหตุ ในการอบรมใช Windows เฉพาะขอ 1 และขอ 2 สวนคําสั่งหาคาทางสถิติจะใชเมนูการปอนขอมูลจากหนาจอ Data มีขั้นตอน 1. เปดหนาจอ SPSS Data Editor เลือกเมนู File -> New -> Data 2. การกําหนดชื่อและรายละเอียดของตัวแปร จากหนาจอ Variable View 3. ปอนขอมูล จากหนาจอ Data View 4. บันทึกขอมูล เลือกเมนู File -> Saveตองการใหหนาจอ Data แสดงภาษาไทย ใหการแกไขฟอนต ดังนี้ เลือกเมนู View -> Fonts
  4. 4. 4เลือก Font และ Size ตามที่ตองการ แลวคลิกปุม OKหมายเหตุ ชื่อฟอนตท่เี ปนภาษาไทยสวนใหญจะลงทายดวย UPC
  5. 5. 5ตัวอยางขอมูล ชื่อตัวแปร sex ประเภทตัวเลข ความกวาง 1 ไมมีจุดทศนิยม เลเบล เพศการกําหนดชื่อและรายละเอียดของตัวแปร จากหนาจอ Variable View ที่หนาจอ SPSS Data Editor เรียกหนาจอ Variable View ทําได 2 วิธี 1. ดับเบิลคลิกตรงคอลัมนของบรรทัดแรก 2. คลิกแถบ Variable View ที่อยูดานลาง 1. Name ชื่อตัวแปร ใหพิมพตรงคอลัมน Name เชน Sex 2. Type ประเภทของตัวแปร เลือก Numeric Width=1 Decimal Places=0 คลิกปุม OK 3. Label กําหนดขอความขยายชื่อตัวแปร เพื่ออธิบายชื่อตัวแปรและแสดงออกทางผลลัพธ ใหพิมพตรงคอลัมน Label เชน เพศ 4. Values กําหนดคําอธิบายใหกับคาตัวแปร
  6. 6. 6Missing กําหนดคาที่ไมนําไปวิเคราะห มี 2 แบบ 5.1 User Missing ผูวิจัยเปนผูกําหนด เชน 9, 99, 999, … 5.2 System Missing โปรแกรมจะกําหนดใหเอง 5. Column จํานวนความกวางของคอลัมน คือจํานวนความกวางมากสุดของ คาตัวแปร หรือ ชื่อตัว แปร หรือ label ตัวแปร จากตัวอยาง ชือตัวแปร และ label ตัวแปร มีความกวางมากสุดเทากับ 3 ่ ใหพิมพ 4 (ความกวางมากสุดเทากับ 3 บวกเผื่อไว 1) 6. Align ใหแสดงคาตัวแปร ชิดซาย กึ่งกลาง ชิดขวา 7. Measure ระดับการวัดของขอมูล 7.1 Scale (Interval, Ratio) 7.2 Ordinal 7.3 Nominal ใหกําหนดชื่อและรายละเอียดของตัวแปรใหครบทุกตัว
  7. 7. 7ปอนขอมูล จากหนาจอ Data View Data View เปนแบบตาราง การปอนขอมูลจะคลายกับ Excel บรรทัดแรก จะเปนชื่อตัวแปร บรรทัดตอไป จะเปนขอมูล ดูจํานวนขอมูล ไปรายการสุดทาย กดปุม Ctrl+End กลับไปรายการแรก กดปุม Ctrl+Home การ Show Label (View -> Value Labels)
  8. 8. 8การนําขอมูลเขาจาก Excelใหก็อปปไฟลทุกไฟลที่อยูในโฟลเดอร train_spssdata จากแผนซีดี ไปเก็บไวที่โฟลเดอร  C:train_spssdataเงื่อนไข 1. ไฟลที่จะนําเขาตองไมเปดคางไวที่ Excel 2. ขอมูลที่ปอนใน Excel ตองเปนแบบ Numeric ไมเปนแบบ String เชน ‘1 3. บรรทัดแรก ตองเปนชื่อตัวแปร บรรทัดตอที่ 2 เปนตนไปจะเปนขอมูลการนําเขา 1. เลือกเมนู File -> Open -> Data File of type เลือก Excel (*.xls) Look in เลือก C:train_spssdatatinybus.xls คลิกปุม Open คลิกปุม OK 2. เลือกเมนู File -> Save As
  9. 9. 9Save as type เลือก SPSS (*.sav)Save in เลือกชื่อ Drive ตามดวยชื่อพื้นที่ใน Harddisk เชน C:train_spssdataFile name พิมพชื่อไฟล เชน tinybusคลิกปุม Saveหลังจากที่ไดไฟล tinybus.sav สิ่งแรกที่ตองทําคือ กําหนดรายละเอียดแตละตัวแปร 
  10. 10. 10การเปลี่ยนแปลงขอมูลกอนนําไปวิเคราะหขอมูลทางสถิติ 1. การเปลี่ยนแปลงเกี่ยวกับตัวแปร 2. การสรางตัวแปรใหมจากการคํานวณและเงื่อนไข 3. การเลือกขอมูลมาทําการวิเคราะห 4. การดําเนินการอื่นๆ กับขอมูล1. การเปลี่ยนแปลงเกี่ยวกับตัวแปร 1.1 ตองการเปลี่ยนแปลงรายละเอียดตัวแปรใดให ดับเบิลคลิกที่ชื่อตัวแปร จากหนาจอ Data View 1.2 ตองการเปลี่ยนคาตัวแปร ทําได 2 ลักษณะ 1.2.1 การเปลี่ยนคาในตัวแปรเดิม วิธีนี้ไมเปนทีนยม ่ ิ 1.2.2 การเปลี่ยนคาและสรางเปนตัวแปรใหม ที่หนาจอ Data View เลือกเมนู Transform -> Recode -> Into Different Variables ตัวอยาง เปลี่ยนคาตัวแปร sex จาก 1 เปน 3, 2 เปน 4 สรางตัวแปรใหมชื่อ newsex คอลัมนซายของหนาจอเลือกตัวแปร SEX คลิกปุม คอลัมน Output Variable Name พิมพ newsex Label พิมพ ตัวแปรเพศใหม คลิกปุม Change คลิกปุม Old and New Values
  11. 11. 11คอลัมน Old Value Value พิมพ 1 คอลัมน New Value Value พิมพ 3 คลิกปุม Addคอลัมน Old Value Value พิมพ 2 คอลัมน New Value Value พิมพ 4 คลิกปุม Addคลิกปุม Continueคลิกปุม OKตัวแปรใหม newsex จะตอจากคอลัมนสุดทายตัวอยาง เปลี่ยนคาตัวแปร age โดยกําหนดเปนชวง และสรางตัวแปรใหมชื่อ newage 1 เทากับ นอยกวา 25 ป 2 เทากับ 25 ป ถึง 34 ป 3 เทากับ 35 ป ถึง 44 ป 4 เทากับ ตั้งแต 45 ปขึ้นไปเลือก Range Lowest through พิมพ 25 Value พิมพ 1 คลิกปุม Addเลือก Range พิมพ 25 through พิมพ 34 Value พิมพ 2 คลิกปุม Add
  12. 12. 12เลือก Range พิมพ 35 through พิมพ 44 Value พิมพ 3 คลิกปุม Addเลือก Range พิมพ 45 through highest Value พิมพ 4 คลิกปุม Addคลิกปุม Continueคลิกปุม OK
  13. 13. 132. การสรางตัวแปรใหมจากการคํานวณและเงื่อนไข ตัวอยาง เปดไฟล DATA.sav สรางตัวแปรใหมชื่อ newincome โดยเพิ่มรายไดขน 10% จากตัวแปร ึ้ income เฉพาะเพศหญิง เลือกเมนู Transform -> Compute Target Variable พิมพ newincome เลือกตัวแปร income คลิกปุม Numeric Expression พิมพ income * 1.1 คลิกปุม Type & Label Label พิมพ เพิ่มรายไดเพศหญิง คลิกปุม Continue
  14. 14. 14 คลิกปุม If เลือกตัวแปร sex คลิกปุม เลือก Include if case satisfies condition พิมพ sex = 2 คลิกปุม Continue คลิกปุม OK3. การเลือกขอมูลมาทําการวิเคราะห ปกติโปรแกรมนําขอมูลทั้งหมดใน Data View มาทําการวิเคราะห ถาผูวิจัยตองการเลือกขอมูลบางชุด มาทําการวิเคราะห ใหเลือกเมนู Data -> Select Cases
  15. 15. 15
  16. 16. 16All cases ขอมูลทั้งหมด ทุกชุด ทุกตัวแปรIf condition is satisfied เลือกชุดขอมูลตามเงื่อนไขทีกําหนด ่Random sample of cases เลือกขอมูลดวยวิธีสุมโดยกําหนดจํานวนชุดขอมูลที่ตองการจากการสุม โดยประมาณ (Approximately) หรือ จํานวนชุดขอมูลที่แนนอน (Exactly)Base on time or cases range เลือกชุดขอมูลโดยใชลําดับของชุดขอมูลเปนตัวกําหนดUse Filter variable เลือกชุดขอมูลโดยใชคาของตัวแปรที่มีอยูเปนตัวกําหนดUnselected Cases Are Filtered เปนการเลือกชุดขอมูลแบบชั่วคราว ถาตองการกลับมาเลือกขอมูลทั้งหมด ใหเลือกเมนู Data -> Select Cases -> All case Deleted เปนการเลือกชุดขอมูลแบบถาวร โดยที่ขอมูลที่ไมถูกเลือกจะถูกลบออกจาก Data View แตไมมีผลตอขอมูลของไฟลขอมูลเดิมถาไมบันทึกตัวอยาง ตองการเลือกชุดขอมูลเฉพาะเพศชาย เลือกตัวแปร sex เลือก If condition is satisfied คลิกปุม If เลือกตัวแปร sex คลิกปุม พิมพ sex = 1 คลิกปุม Continue เลือก Deleted คลิกปุม OK
  17. 17. 17หมายเหตุ 1. หามสั่งบันทึก จากเมนู File -> Save เพราะจะทําใหขอมูลเดิมสูญหาย 2. ถาตองการนําชุดขอมูลนี้ไปวิเคราะหครั้งตอไป ใหบันทึกชื่อไฟลใหม จากเมนู File -> Save As
  18. 18. 184. การดําเนินการอื่นๆ กับขอมูล การเรียงลําดับขอมูล เลือกเมนู Data -> Sort Cases การกําหนดน้ําหนักแกชดขอมูล ุ เลือกเมนู Data -> Weight Cases การสลับที่ตัวแปรและชุดขอมูล เลือกเมนู Data -> Transpose การแบงขอมูลเปนกลุมยอย เลือกเมนู Data -> Split File การเปลี่ยนแปลงขอมูลของโปรแกรม เลือกเมนู Edit -> Options
  19. 19. 19 การวิเคราะหหาสถิติพื้นฐานการสรางตารางแจกแจงความถี่แบบทางเดียว เปนการแจกแจงขอมูลตามลักษณะใดลักษณะหนึ่งของขอมูลเพียงลักษณะเดียว หรือจําแนกคาของขอมูลโดยใชตวแปรตัวเดียว ั ตัวอยาง ตองการทราบความถี่ของระดับการศึกษา 1. เปดไฟลขอมูล data.sav 2. เลือกเมนู Analyze -> Descriptive Statistics -> Frequencies เลือกตัวแปร Level of education คลิกปุม หมายเหตุ โปรแกรมจะแสดง Label แทนชื่อตัวแปร คลิกปุม OK จะไดผลลัพธดังนี้
  20. 20. 20
  21. 21. 21 ความหมายของผลลัพธ คอลัมนท่ี 1 บอกจํานวนขอมูล Valid จํานวนขอมูลที่นํามาแจกแจงความถี่ Missing จํานวนขอมูลที่ไมสมบูรณ Total จํานวนขอมูลทั้งหมด คอลัมนที่ 2 แสดงชื่อตัวแปร หรือ Label ของตัวแปร ตามคาที่เปนไปไดของตัวแปร คอลัมนที่ 3 Frequency คือ คาที่แสดงความถี่ท่นับได ี คอลัมนท่ี 4 Percent คือ คาที่แสดงความถี่ท่นับไดในรูปรอยละ คิดจากขอมูลทั้งหมด ี คอลัมนที่ 5 Valid Percent คือ คาที่แสดงความถี่ท่นับไดในรูปรอยละ ไมรวมคา Missing ี คอลัมนที่ 6 Cumulative Percent คือ คาที่แสดงความถี่สะสมของ Valid Percentการสรางตารางแจกแจงความถี่แบบหลายทาง เปนการจําแนกขอมูลตามลักษณะของขอมูลตั้งแต 2 ลักษณะมาแจกแจงความถี่พรอมกัน เรียกวาตารางแจกแจงความถี่รวม (Cross tab Table) ตัวอยาง ตารางแจกแจงความถี่ จําแนกตามเพศและระดับการศึกษา เลือกเมนู Analyze -> Descriptive Statistics -> Crosstabs
  22. 22. 22เลือกตัวแปร sex คลิกปุม เก็บไวในบอกซ Row(s)เลือกตัวแปร Level of education คลิกปุม เก็บไวในบอกซ Column(s)คลิกปุม Cellsตรง Percentages เลือก Row, Column, Totalคลิกปุม Continueคลิกปุม OK จะไดผลลัพธ
  23. 23. 23
  24. 24. 24 ความหมายของผลลัพธ sex หมายถึง ตัวแปรทีแจกแจงทางดานแถว ่ Level of education หมายถึง ตัวแปรที่แจกแจงทางดานคอลัมน Count 19 จํานวนที่นับได มีเพศชายที่จบการศึกษา ต่ํากวาปริญญาตรี 19 คน % within 30.6% จํานวนรอยละเมื่อ มีเพศชายที่จบการศึกษา ต่ํากวาปริญญาตรีคิดเปน sex เทียบกับเพศชาย 30.6 % ของเพศชายทั้งหมด (62 คน) % within 63.3% จํานวนรอยละเมื่อ มีเพศชายที่จบการศึกษา ต่ํากวาปริญญาตรีคิดเปน Level of education เทียบกับระดับ 63.3 % ของเพศที่จบต่ํากวาปริญญาตรีทั้งหมด (30 การศึกษา คน) % of Total 19.4% จํานวนรอยละเมื่อ มีเพศชายที่จบการศึกษา ต่ํากวาปริญญาตรีคิดเปน เทียบกับขอมูล 19.4 % ของขอมูลทั้งหมด (100 คน) ทั้งหมดการแจกแจงความถี่แบบ Multiple Response เปนการจําแนกหรือการแจกแจงความถี่สําหรับตัวแปรทีมีคาไดหลายลักษณะ คือขอถามมีการตอบ ่มากกวา 1 ขอ ตัวอยาง ขอถาม ทานชมรายการทีวีใดบาง (ตอบไดมากกวา 1 ขอ) ตัวแปร v6a ขาว/สารคดี ตัวแปร v6b ละคร ตัวแปร v6c เพลง ตัวแปร v6d เกมโชว คาของตัวแปร 1 ผูตอบเลือกตัวเลือก 9 ผูตอบไมเลือกตัวเลือก เลือกเมนู Analyze -> Multiple Response -> Define Sets
  25. 25. 25
  26. 26. 26เลือกตัวแปร v6a คลิกปุม เก็บไวในบอกซ Variables in Setเลือกตัวแปร v6b คลิกปุม เก็บไวในบอกซ Variables in Setเลือกตัวแปร v6c คลิกปุม เก็บไวในบอกซ Variables in Setเลือกตัวแปร v6d คลิกปุม เก็บไวในบอกซ Variables in Setตรง Variables Are Coded As เลือก Dichotomies Counted value ปอน 1 ในชองสี่เหลี่ยมName ใหพิมพชื่อตัวแปรใหมชื่อ tvLabel ใหพิมพคําอธิบายตัวแปร รายการทีชอบ ่คลิกปุม Addคลิกปุม Closeเลือกเมนู Analyze -> Multiple Response -> Frequenciesเลือกตัวแปร รายการที่ชอง [$tv] คลิกปุม เก็บไวในบอกซ Table(s) forคลิกปุม OK จะไดผลลัพธ
  27. 27. 27การบรรยายลักษณะขอมูลดวยคาสถิตเิ บื้องตน การอธิบายหรือบรรยายลักษณะขอมูลดวยคาสถิติเบื้องตน เปนการนําขอมูลที่เก็บรวบรวม นํามาดําเนินการหาคาที่จะเปนตัวแทนของกลุมขอมูล คาสถิติเบื้องตนที่หาไดจะใชอธิบายหรือบรรยายกลุมขอมูลในรูปของผลสรุปแทนที่จะนําขอมูลทั้งหมดมานําเสนอ ขอมูลที่จะนํามาหาคาสถิติเบื้องตนสามารถใชไดทั้งขอมูลประชากร (Population) และขอมูลตัวอยาง (Sample) ขอมูลที่จะนํามาหาคาสถิติเบื้องตนตองเปนขอมูลที่มีการวัดอยูในระดับอัตราสวนหรือระดับชวง บาง กรณีอาจจะใชขอมูลระดับเรียงอันดับ การหาคาสถิตเิ บื้องตนจําแนกได 4 วิธี 1. การหาคาแนวโนมเขาสูสวนกลาง (Central Tendency) 1.1 คาเฉลี่ย (Mean) เชน คาเฉลี่ยแบบเลขคณิต (Arithmetic Mean or Average, A.M), คาเฉลี่ยแบบเรขาคณิต (Geometric Mean, F.M), คาเฉลี่ยแบบฮารโมนิก (Harmonic Mean, H.M) 1.2 ฐานนิยม (Mode) 1.3 คาแสดงตําแหนงของขอมูล (N-Tiles) เชน มัธยฐาน (Median), ควอไทล (Quartiles), เดไซล (Deciles) และเปอรเซ็นตไทล (Percentiles) 2. การหาคาการกระจายขอมูล (Dispersion) 2.1 พิสัย (Range) 2.2 สวนเบี่ยงเบนควอไทล (Quartile Deviation) 2.3 สวนเบี่ยงเบนเฉลี่ย (Mean Deviation) 2.4 สวนเบี่ยงเบนมาตรฐาน (Standard Deviaion) 2.5 สัมประสิทธิ์ของการแปรผันหรือการกระจาย (Coefficient of Variation) 3. การหาคาคะแนนมาตรฐาน (Standard Score) 4. การหาคาแสดงรูปรางของโคงความถี่ (Frequencies Curve, Distribution) 4.1 โคงปกติ (Normal Curve) 4.2 โคงเบ (Skewness Curve) เชน โคงเบซาย, โคงเบขวา
  28. 28. 28การหาคาสถิตเิ บื้องตนแบบไมจําแนกกลุม จากไฟล DATA.sav ตัวแปรที่สามารถคํานวณไดคือ age, income ตัวอยาง คํานวณหาคาสถิตเิ บืองตน ตัวแปรอายุ ้ เลือก Analyze -> Descriptive Statistics -> Descriptives เลือกตัวแปร age คลิกปุม เก็บไวในบอกซ Variable(s) คลิกปุม Options ใหเลือกคาสถิติตามรูป คลิกปุม Continue คลิกปุม OK จะไดผลลัพธ
  29. 29. 29
  30. 30. 30 ความหมายของผลลัพธ age ชื่อตัวแปรอายุที่ตองการหาคาสถิติเบื้องตน N Statistic จํานวนขอมูลทั้งหมดไมรวม Missing Range Statistic คาพิสัย Minimum Statistic คาต่ําสุดของอายุ Maximum Statistic คาสูงสุดของอายุ Sum Statistic คาผลรวมของอายุ Mean Statistic คาอายุเฉลี่ย Std. Error คาความคาดเคลื่อนมาตรฐานของคาเฉลี่ย Std. Statistic คาสวนเบี่ยงเบนมาตรฐาน แสดงถึงการกระจายของขอมูล Variance Statistic คาความแปรปรวนของขอมูล Skewness Statistic คาที่ใชวัดความเบของโคงความถี่ วาโคงปกติหรือโคงเบซายหรือโคงเบ ขวา Skewness = 0 หรือใกลศูนย โคงปกติ Skewness < 0 โคงเบซาย Skewness > 0 โคงเบขวา Std. Error คาความคาดเคลื่อนมาตรฐานของ Skewness Kurtosis Statistic คาที่ใชวัดความสูงของโคงปกติ Kurtosis = 0 หรือใกลศูนย สูงปกติ Kurtosis < 0 สูงมาก Kurtosis > 0 สูงนอย Std. Error คาความคาดเคลื่อนมาตรฐานของ Kurtosisการหาคาสถิตเิ บื้องตนแบบจําแนกกลุม เปนการหาคาสถิติเบื้องตนของขอมูลแตละกลุมยอยเพื่อนํามาเปรียบเทียบกัน เชน หาอายุเฉลี่ยระหวางเพศชายและหญิง เปรียบเทียบระดับความพึงพอใจของผูบริโภคอาชีพตางๆ  ตัวแปรที่ใชหาคาสถิติเบื้องตนตองคํานวณได คือ ระดับชวงหรืออัตราสวนหรือระดับเรียงอันดับ ตัวแปรที่นํามาใชเปนตัวแปรกลุมควรเปนตัวแปรระดับนามบัญญัตหรือเรียงอันดับ ิ ตัวอยาง ตองการคํานวณหาคาสถิติเบื้องตนของอายุเฉลี่ย จําแนกตามเพศ
  31. 31. 31เลือกเมนู Analyze -> Compare Means -> Meansเลือกตัวแปร age คลิกปุม เก็บไวในบอกซ Dependent Listเลือกตัวแปร sex คลิกปุม เก็บไวในบอกซ Independent List
  32. 32. 32คลิกปุม OK จะไดผลลัพธความหมายของผลลัพธ age ชื่อตัวแปรที่ถกนํามาคํานวณหาคาสถิติเบืองตน ู ้ sex ชื่อตัวแปรที่ถกกําหนดใหเปนตัวแบงกลุม ู Male คาของตัวแปร sex Female คาของตัวแปร sex Mean คาเฉลี่ยของตัวแปร age ในแตกลุมของตัวแปร sex N จํานวนขอมูล ในแตละกลุมของตัวแปร sex Std. Deviation คาสวนเบี่ยงเบนมาตรฐานของตัวแปร age ในแตละกลุมของตัวแปร sex
  33. 33. 33 การตรวจสอบเครื่องมือและขอมูลที่ใชในการวิจัยงานวิจัยสิงที่ถอวาสําคัญที่สุด คือ ขอมูล กอนที่จะนําขอมูลไปวิเคราะหจะตองตรวจขอมูลกอน ่ ืตัวอยางเครื่องมือในงานวิจย เชน แบบสัมภาษณ แบบสอบถาม แบบสํารวจ เครื่องทอลอง ฯ ัการหาความเชือมั่นของแบบสอบถามที่ใชในการเก็บรวบรวมขอมูล ่ ตัวอยาง ผูวิจัยตองการหาความเชื่อมั่นของแบบสอบถามที่สํารวจจากผูใชบริการรถเมล ขสมก. จํานวน  20 คําถาม มีผลตอบ 15 คน การใชโปรแกรมชวยในการหาคาความเชือมั่น ดังนี้ ่ 1. เปดไฟล DATA10A.sav 2. เลือกเมนู Analyze -> Scale -> Reliability Analysis เลือกตัวแปรทีตองการความเชื่อมั่น เลือกทุกตัวคลิกปุม ่ Model เลือก Alpha ซึ่งเปนวิธีทดสอบของ Cronbach 3. คลิกปุม Statistics
  34. 34. 34 เลือก Scale if item deleted คลิกปุม Continue4. คลิกปุม OK จะไดผลลัพธ
  35. 35. 35
  36. 36. 36 ความหมายของผลลัพธ Cronbach’s Alpha คาความเชื่อมั่นของเครื่องมือเทากับ .606 คอลัมนที่ 1 คือ ตัวแปรขอถาม Scale Mean if Item Deleted คาคะแนนเฉลี่ยรวมทุกขอถามที่เหลือหลังจากลบขอถาม บรรทัดนี้ออก Scale Variance if Item Deleted คาความแปรปรวนรวมทุกขอถามที่เหลือหลังจากลบ ขอถามบรรทัดนี้ออก Corrected Item-Total Correlation คาสัมประสิทธิ์ความสัมพันธระหวางคะแนนรวมทุก ขอถามกับขอถาม Cronbachs Alpha if Item Deleted คาระดับความเชื่อมั่นของเครื่องมือที่เหลือหลังจากขอถาม บรรทัดนี้ออก สรุป เครื่องมือที่ใชมีความเชือมั่นเทากับ 0.606 อยูในระดับที่พอใช ถาจะใหดีตองตั้งแต 0.8 ขึ้นไป ่ ถาตองการความเชื่อมั่นสูงตองลบขอถามที่แสดงคา Cronbachs Alpha if Item Deleted สูงสุดออก
  37. 37. 37 การประมาณคาและการทดสอบสมมติฐานทางสถิติการประมาณคา เปนวิธการอนุมานทางสถิติวิธีหนึ่ง เพื่อจะหาคาที่คาดวานาจะเปนคาของขอมูลทั้งหมดหรือ ีเรียกวาคาพารามิเตอรของประชากร โดยใชคาของขอมูลตัวอยางที่เรียกวาคาสถิติการประมาณคา คือ การประมาณคาพารามิเตอรซึ่งเปนลักษณะของประชากรโดยใชคาสถิติของขอมูลตัวอยาง หรืออาจกลาวไดวาเปนการประมาณคาพารามิเตอรดวยคาสถิติ เชน  ประมาณคาเฉลี่ยประชากร (µ) ดวยคาเฉลี่ยตัวอยาง ( x ) ประมาณคาสัดสวนหรือรอยละ (π) คาสัดสวนตัวอยาง (p) ประมาณคาความแปรปรวนประชาการ (σ2)ดวยคาความแปรปรวนตัวอยาง (s2)การทดสอบสมมติฐานทางสถิติ เปนวิธีการอนุมานทางสถิติวิธีหนึ่งทีใชตรวจสอบสมมติฐานวิจยที่ผูวจย ่ ั ิัคาดเดา แตการตรวจสอบนันจะไมทํากับสมมติฐานวิจยโดยตรงแตจะเปนการตรวจสอบจากสมมติฐานทาง ้ ัสถิติที่ผูทดสอบตั้งขึ้นมาใหสอดคลองกับสมมติฐานวิจยและนําไปสรุปสมมติฐานวิจัย ัหลักเกณฑ การตั้งสมมติฐานทางสถิติ สมมติฐานหลัก (H0) ตองมีเครื่องหมายเทากับรวมอยูดวยหลักเกณฑ การปฏิเสธหรือยอมรับสมมติฐาน H0 การทดสอบคาเฉลี่ย การทดสอบคาสัดสวน และการทดสอบคาความแปรปรวน ใชหลักเกณฑเดียวกัน การทดสอบสมมติฐานคาเฉลี่ยสําหรับ 1 กลุมตัวอยาง สมมติฐาน เขตปฏิเสธสมมติฐาน H0 แบบสองทาง H0 : µ = µ0 Sig. (2-tailed) < α (Two-tails Test) H1 : µ ≠ µ0 แบบทางเดียว H0 : µ ≤ µ0 Sig. (2 - tailed) (One-tails Test) H1 : µ > µ0 1. 2 <α 2. t > 0 H0 : µ ≥ µ0 Sig. (2 - tailed) H1 : µ < µ0 1. 2 <α 2. t < 0 หมายเหตุ 1. µ0 เปนคาคงที่ 2. α ผูวจยเปนผูกําหนด ิั 3. สมมติฐานแบบทางเดียว จะปฏิเสธสมมติฐาน H0 ก็ตอเมื่อ เงื่อนไขทั้ง 2 ขอเปนจริงเทานั้น
  38. 38. 38 การทดสอบสมมติฐานผลตางระหวางคาเฉลี่ยสําหรับ 2 กลุมตัวอยาง สมมติฐาน เขตปฏิเสธสมมติฐาน H0 แบบสองทาง H0 : µ1 - µ2 = µ0 Sig. (2-tailed) < α (Two-tails Test) H1 : µ1 - µ2 ≠ µ0 แบบทางเดียว H0 : µ1 - µ2 ≤ µ0 Sig. (2 - tailed) (One-tails Test) H1 : µ1 - µ2 > µ0 1. 2 <α 2. t > 0 H0 : µ1 - µ2 ≥ µ0 Sig. (2 - tailed) H1 : µ1 - µ2 < µ0 1. 2 <α 2. t < 0 หมายเหตุ 1. µ0 เปนคาคงที่ 2. α ผูวจยเปนผูกําหนด ิั 3. สมมติฐานแบบทางเดียว จะปฏิเสธสมมติฐาน H0 ก็ตอเมื่อ เงื่อนไขทั้ง 2 ขอเปนจริง หรือ ขอใดขอหนึ่งไมจริง การทดสอบสมมติฐานคาเฉลี่ยการทดสอบสมมติฐานคาเฉลี่ยสําหรับ 1 กลุมตัวอยาง เปนการศึกษาโดยการตรวจสอบวาคุณลักษณะใดคุณลักษณะหนึ่งของขอมูลเปนไปตามที่คาดหวังหรือกําหนดไวหรือไม โดยพิจารณาจากคาเฉลี่ย คุณลักษณะ เชน อายุ รายได ระดับความพึงพอใจ ฯ ซึ่งถือวาเปนตัวแปรหนึ่งตัวแปร หรือเรียกไดวา การวิเคราะหขอมูลแบบ 1 ตัวแปร ตัวแปรที่นามาทดสอบตองเปนตัวแปรที่คํานวณได คือ ระดับชวง อัตราสวน ระดับเรียงอันดับ ํ ตัวสถิติที่ใชในการทดสอบ 2 ตัว กรณีทราบการกระจาย (σ) ของขอมูลประชากร ใช Z-Test กรณีไมทราบการกระจาย (σ) ของขอมูลประชากร แตทราบทราบการกระจายของขอมูลตัวอยาง ใช T-Test สําหรับการวิจยจะใชตวนี้ เพราะเปนการวิจยจากขอมูลตัวอยาง ั ั ัตัวอยางสมมติฐานวิจย ั คนขับรถแท็กซี่ใน กทม. มีรายไดไมต่ํากวา 1,000 บาทสมมติฐานทางสถิติ H0 : รายไดคนขับแท็กซี่ไมต่ํากวา 1,000 บาท H1 : รายไดคนขับแท็กซี่ต่ํากวา 1,000 บาทกําหนดเปนสัญญาลักษณ H0 : µ ≥ 1,000 H1 : µ < 1,000
  39. 39. 39วิธีการหาคา T-Test 1. เปดไฟล DATA11.sav 2. เลือกเมนู Analyze -> Compare Means -> One – Sample T Test เลือกตัวแปร One-sample [income] คลิกปุม เก็บไวในบอกซ Test Variable(s) Test Value: พิพม 1000 3. คลิกปุม Options Confidence Interval พิมพ 95 คลิกปุม Continue 4. คลิกปุม OK ไดผลลัพธ
  40. 40. 40
  41. 41. 41 ความหมายของผลลัพธ One-Sample Statistics N จํานวนขอมูล Mean คาเฉลี่ยของรายได Std. Deviation คาสวนเบี่ยงเบนมาตรฐานของรายได ที่แสดงการกระจายของขอมูล Std. Error คาความคาดเคลื่อนมาตรฐานของรายได Mean One-Sample Test Test Value = 1000 คาที่ผูทดสอบกําหนดไวในสมมติฐาน t, df, Sig.(2-tailed) คาที่ใชในการตัดสินใจวาจะยอมรับหรือปฏิเสธสมมติฐาน H0 Mean Difference ผลตางของคาเฉลี่ยประชากรและคาเฉลี่ยของตัวอยาง คาติดลบ หมายความวาคาเฉลี่ยตัวอยางนอยกวาคาเฉลี่ยของประชากร 95% Confidence คาที่แสดงขอบเขตบนและขอบเขตลางของการประมาณคาผลตาง ระหวางรายไดเฉลี่ยตัวอยางกับรายไดเฉลี่ยของประชากรที่ชวงความ เชื่อมั่น 95% การตัดสินใจวาจะยอมรับหรือปฏิเสธสมมติฐาน H0 จะตองพิจารณาจาก คา t และ Sig.(2-tailed) สําหรับคา t จะอาศัยตารางสถิติมาตรฐาน สําหรับคา Sig.(2-tailed) จะพิจารณาตามประเภทของสมมติฐานทางสถิติ กรณีกําหนดสมมติฐานแบบสองทาง (Two-tails Test) จะปฏิเสธสมมติฐาน H0 เมื่อคา Sig.(2-tailed) มีคานอยกวาคา α ที่ผูวิจัยกําหนด กรณีกําหนดสมมติฐานแบบทางเดียว (One-tails Test) จะปฏิเสธสมมติฐาน H0 เมื่อคา Sig.(2-tailed) หารดวย 2 มีคานอยกวาคา α ที่ผูวิจัยกําหนด จากตัวอยางไดกําหนดสมมติฐานแบบทางเดียว การตัดสินใจปฏิเสธสมมติฐาน H0 เมื่อคา Sig.(2-tailed) หารดวย 2 มีคานอยกวาคา α ที่ผูวิจัยกําหนดและ คา t < 0 H0 : µ ≥ 1,000 H1 : µ < 1,000
  42. 42. 42 ผูทดสอบกําหนดชวงความเชื่อมั่น 95% จะไดคา α = 0.05 คา Sig.(2-tailed) ทีคํานวณไดเทากับ  ่0.387 เนื่องจากตัวอยางเปนการทดสอบสมมติฐานแบบทางเดียวกอนที่จะคา α เปรียบเทียบคา Sig.(2-tailed) ตองนํา คา Sig.(2-tailed) หารดวย 2 กอน คาจากตัวอยางคือ 0.387/2 = 0.1935 ซึ่งมีคามากคา α ที่ กําหนดคือ 0.05 (0.1935 > 0.05) ดังนันจึงตัดสินใจ ยอมรับสมมติฐาน H0 : µ ≥ 1,000 ้ สรุปผลไดวา รายไดเฉลี่ยของคนขับแท็กซี่ไมต่ํากวา 1,000 บาทที่ระดับนัยสําคัญ 0.05
  43. 43. 43การทดสอบสมมติฐานผลตางระหวางคาเฉลี่ยสําหรับ 2 กลุมตัวอยาง มี 2 กรณี เปนการทดสอบผลตางระหวางคาเฉลี่ยของลักษณะที่สนใจของ 2 กลุมตัวอยางวาแตกตางกันหรือไม 1. กรณีที่ 2 กลุมตัวอยางเปนอิสระตอกัน 2. กรณีที่ 2 กลุมตัวอยางเปนแบบจับคู1. กรณีที่ 2 กลุมตัวอยางเปนอิสระตอกัน เปนการศึกษาเปรียบเทียบและตรวจสอบวาคุณลักษณะใดคุณลักษณะหนึ่งของขอมูลระหวาง 2 กลุมมีความแตกตางกันหรือไม และถาแตกตางกันนั้นแตกตางกันอยางไร โดยพิจารณาจากคาเฉลี่ยของคุณลักษณะนั้นๆ การทดสอบแบบนี้จัดอยูในประเภทของการวิเคราะหขอมูลแบบ 2 ตัวแปร (Bivariate data analysis)เนื่องจากการทดสอบจะตองใชตัวแปร 2 ตัว คือตัวแปรหนึ่งแทนคุณลักษณะอีกตัวแปรหนึ่งใชแบงกลุม ขอมูลตัวแปรคุณลักษณะ ตองคํานวณได คือ ระดับชวงและอัตราสวน ขอมูลตัวแปรแบงกลุม ตองคํานวณไมได คือ Nominal, Ordinal การทดสอบคาเฉลี่ยของขอมูล 2 กลุมแบบพาราเมตริก กรณี 2 กลุมเปนอิสระตอกัน ขอมูลที่จะทดสอบตองมีคุณสมบัติที่สามารถใชวิธการการทดสอบแบบพาราเมตริก คือ ขอมูลหรือ ี ตัวแปรที่ตองการทดสอบจะตองมีการแจกแจงแบบปกติหรือใกลเคียงแบบปกติ และสามารถคํานวณได คือตัวแปรระดับชวงและอัตราสวน ตัวสถิติที่ใชทดสอบ กรณีทราบการกระจายของขอมูลของประชากรทั้ง 2 กลุม (ทราบ σ1, σ2) ใช Z-Test กรณีไมทราบการกระจายของขอมูลของประชากรทั้ง 2 กลุม (ไมทราบ σ1, σ2) ใช T-Test ถาผูวิจัยไมทราบการกระจายของขอมูลทัง 2 ประชากร และไมทราบการกระจายแตกตางกัน ้หรือไม ให ใชขอมูลตัวอยางมาทดสอบเพื่อพิจารณาวาการกระจายของขอมูลประชากรมีความแตกตางกันหรือไม
  44. 44. 44โดยกําหนดสมมติฐาน ดังนี้ H0 : การกระจายขอมูลของประชากรทั้ง 2 กลุมไมแตกตางกัน หรือ H0 : σ1 = σ2 H1 : การกระจายขอมูลของประชากรทั้ง 2 กลุมแตกตางกัน หรือ H1 : σ1 ≠ σ2 ตัวสถิติที่ใชทดสอบคือ F-Testตัวอยาง ผูวิจยตองการทราบวาคาใชจายแตละวันระหวางนักศึกษา 2 คณะแตกตางกันหรือไม ัสมมติฐานทางสถิติ H0 : คาใชจายนักศึกษา 2 คณะไมแตกตางกัน หรือ H0 : µ1 = µ2 H1 : คาใชจายนักศึกษา 2 คณะแตกตางกัน หรือ H1 : µ1 ≠ µ21. เปดไฟล DATA12a.sav2. เลือกเมนู Analyze -> Compare Means -> Independent Samples T Test
  45. 45. 45 เลือกตัวแปร expenses คลิกปุม เก็บไวในบอกซ Test Variable(s) เลือกตัวแปร faculty คลิกปุม เก็บไวในบอกซ Grouping Variable3. คลิกปุม Define Groups Group 1 พิมพ 1 Group 2 พิมพ 2 คลิกปุม Continue4. คลิกปุม OK จะไดผลลัพธ
  46. 46. 46
  47. 47. 47ความหมายของผลลัพธGroup Statistics N จํานวนขอมูลของแตละกลุมยอย  Mean คาเฉลี่ยของคาใชจายแตละกลุมยอย Std. Deviation คาสวนเบี่ยงเบนมาตรฐานของคาใชจายแตละกลุมยอย Std. Error คาความคาดเคลื่อนมาตรฐานของคาใชจายแตละกลุมยอย Meanใหพิจารณา 2 ขั้นตอนขั้นตอนที่ 1 ตองทําการทดสอบการกระจายของขอมูลประชากรกอนวาแตกตางกันหรือไม ใหพิจารณาคาสถิติจากคอลัมน Levenes Test for Equality of Variances F คาสถิติที่คํานวณไดจากขอมูลตัวอยางใชเทียบคาจากตาราง F มาตราฐาน Sig. คาความนาจะเปนในการยอมรับหรือปฏิเสธสมมติฐาน H0การทดสอบการกระจายของขอมูลประชากรกอนวาแตกตางกันหรือไม กําหนดสมมติฐานทางสถิติ H0 : การกระจายขอมูลของประชากรทั้ง 2 กลุมไมแตกตางกัน หรือ H0 : σ1 = σ2 H1 : การกระจายขอมูลของประชากรทั้ง 2 กลุมแตกตางกัน หรือ H1 : σ1 ≠ σ2 โดยกําหนด α = 0.05 ใหดูคา Sig. ตรงบรรทัด Equal variances assumed คา Sig. ที่คํานวณไดเทากับ 0.336 จะปฏิเสธสมมติฐาน H0 เมื่อ คา Sig. มีคานอยกวา α ที่ผูวิจัยกําหนด คา Sig. มากกวา α (0.336 > 0.05) ดังนันจึงตัดสินใจ ยอมรับสมมติฐาน H0 : σ1 = σ2 ้ สรุปผลไดวา การกระจายขอมูลของประชากรทั้ง 2 กลุมไมแตกตาง
  48. 48. 48ขั้นตอนที่ 2 หลังจากทราบการกระจายของขอมูลวาแตกตางกันหรือไม ใหพิจารณาผลลัพธถัดไป ใหพิจารณาคาสถิติจากคอลัมน t-test for Equality of Means t, df คาสถิติที่คํานวณไดจากขอมูลตัวอยาง Sig.(2-tailed) คาความนาจะเปนในการยอมรับหรือปฏิเสธสมมติฐาน H0 Mean Difference คาผลตางระหวางคาเฉลี่ยทั้ง 2 กลุม Std. Error Difference คาความคาดเคลื่อนมาตรฐานของคาผลตาง 95% Confidence คาที่แสดงขอบเขตชวงความเชื่อมั่น 95% ของผลตางคาเฉลี่ย ถาการกระจายของขอมูลไมแตกตางกัน (σ1= σ2) ใหดแถว Equal variances assumed ู ถาการกระจายของขอมูลแตกตางกัน(σ1 ≠ σ2) ใหดูแถว Equal variances not assumed เพื่อใชในการตัดสินใจของสมมติฐานทางสถิติของการวิจัยตอไปจากขั้นตอนที่ 1 ทราบวาการกระจายขอมูลของประชากรทั้ง 2 กลุมไมแตกตางกัน (σ1 = σ2)ใหดคา Sig.(2-tailed) ตรงบรรทัด Equal variances assumed ู คา Sig.(2-tailed) ที่คํานวณไดเทากับ 0.719จะปฏิเสธสมมติฐาน H0 เมื่อ คา Sig. มีคานอยกวา α ที่ผูวิจัยกําหนดคา Sig.(2-tailed) มากกวา α (0.719 > 0.05)ดังนันจึงตัดสินใจ ้ ยอมรับสมมติฐาน H0 : µ1 = µ2สรุปผลไดวา คาใชจายของนักศึกษาทั้ง 2 คณะไมแตกตางกันที่ระดับนัยสําคัญ 0.05สมมติฐานแบบ 2 ทาง คา 95% สามารถสรุปผลไดวา คาใชจายของนักศึกษาทั้ง 2 คณะไมแตกตางกัน ตั้งแต -39.01 ถึง 27.51 บาท ที่ชวงความเชื่อมั่น 95%จากขั้นตอนที่ 1 สมมติวาการกระจายขอมูลของประชากรทั้ง 2 กลุมแตกตางกัน (σ1 ≠ σ2)ใหดูคา Sig.(2-tailed) ตรงบรรทัด Equal variances not assumedคา Sig.(2-tailed) ที่คํานวณไดเทากับ 0.727จะปฏิเสธสมมติฐาน H0 เมื่อ คา Sig. มีคานอยกวา α ที่ผูวิจัยกําหนดคา Sig.(2-tailed) มากกวา α (0.727 > 0.05)ดังนันจึงตัดสินใจ ้ ยอมรับสมมติฐาน H0 : µ1 = µ2สรุปผลไดวา คาใชจายของนักศึกษาทั้ง 2 คณะไมแตกตางกันที่ระดับนัยสําคัญ 0.05
  49. 49. 49 สมมติฐานแบบ 2 ทาง คา 95% สามารถสรุปผลไดวา คาใชจายของนักศึกษาทั้ง 2 คณะไมแตกตางกัน ตั้งแต -40.45 ถึง 28.95 บาท ที่ชวงความเชื่อมั่น 95%
  50. 50. 50 การทดสอบคาเฉลี่ยของขอมูล 2 กลุมแบบน็อนพาราเมตริก กรณี 2 กลุมเปนอิสระตอกัน เปนขอมูลตัวอยางที่จะนํามาทดสอบที่เลือกจากประชากรที่ไมทราบการแจกแจง หรือทราบการ แจกแจงแตไมใชการแจกแจงแบบปกติ กลุมตัวอยางที่นามาทดสอบมีจํานวนนอย (นอยกวา  ํ30) ตัวแปรที่นํามาทดสอบตองเปนขอมูลเชิงปริมาณ(คํานวณได)และตัวแปรเชิงคุณภาพ(คํานวณไมได) ตัวสถิติที่ใชในการทดสอบคือ NPar-Test ตัวอยาง สมมติฐานทางสถิติ H0 : เวลาที่ใชในการทานอาหารของเพศชายและหญิงไมแตกตางกัน หรือ H0 : µ1 = µ2 H1 : เวลาที่ใชในการทานอาหารของเพศชายและหญิงไมแตกตางกัน หรือ H1 : µ1 ≠ µ2 1. เปดไฟล DATA12B.sav 2. เลือกเมนู Analyze -> Nonparametric Test -> 2 Independent Samples เลือกตัวแปร minute คลิกปุม เก็บไวในบอกซ Test Variable(s) เลือกตัวแปร sex คลิกปุม เก็บไวในบอกซ Grouping Variable 3. คลิกปุม Define Groups
  51. 51. 51 Group 1 พิมพ 1 Group 2 พิมพ 2 คลิกปุม Continue4. คลิกปุม OK จะไดผลลัพธ
  52. 52. 52ความหมายของผลลัพธRanks sex ชื่อตัวแปรที่เปนตัวแบงกลุมพรอมแสดงคาN จํานวนขอมูลของแตละกลุมยอยMean Rank คาเฉลี่ยของอันดับในแตละกลุมSum of Ranks คาผลรวมของอันดับในแตละกลุมTest Statistics Mann-Whitney U คาสถิติ U ที่ใชเปรียบเทียบกับคาที่ไดจากตาราง U มาตรฐานWilcoxon W คาผลรวมของอันดับที่มีคานอยจะใชคานี้เทียบกับคาที่ได จากตาราง W มาตรฐานZ คาสถิติ Z ใชแทน U เมื่อขอมูลมีจํานวนมากAsymp. Sig. (2-tailed) คาความนาจะเปนในการยอมรับสมมติฐานExact Sig. [2*(1-tailed คาความนาจะเปนในการยอมรับสมมติฐาน เมื่อขอมูลมีSig.)] จํานวนนอย ถาเปนการทดสอบแบบทางเดียวจะตองนําคา นี้ไปหารดวย 2
  53. 53. 53 จะปฏิเสธสมมติฐาน H0 เมื่อคา Asymp. Sig. หรือ Exact Sig. มีคานอยกวาคา α ที่ผูวิจย ั กําหนด จากตัวอยางกลุมตัวอยางมีขนาดเล็กจะพิจารณาจากคา Exact Sig. คือ 0.068 ซึ่งมีคามากกวา α ที่ กําหนดไว 0.05 การตัดสินไจ ยอมรับสมมติฐาน H0 : µ1 = µ2 สรุปผลไดวา เวลาที่ใชในการทานอาหารของเพศชายและหญิงไมแตกตางกันที่ระดับนัยสําคัญ 0.052. กรณีที่ 2 กลุมตัวอยางเปนแบบจับคูที่มความสัมพันธกัน ี เปนการทดสอบความแตกตางของคาเฉลี่ยระหวางกลุม 2 กลุมตัวอยาง เมื่อขอมูลตัวอยางที่จะ ใช ทดสอบมีความสัมพันธกัน การทดสอบแบบนี้ จะเปนการทดสอบความแตกตางเปนคูๆ โดยแตละคูมีความสัมพันธกน จึง ัเรียก การทดสอบนีอีกอยางหนึ่งคือ การทดสอบความแตกตางแบบจับคู (Paired Difference Tests) ้ การพิจารณาวากลุมตัวอยางจะใชการทดสอบแบบจับคูที่มีความสัมพันธกัน ใหพิจารณาจาก 1. การเปรียบเทียบวิธีการ 2 วิธีกับขอมูลชุดเดียวกัน เชนผลตางของคะแนนกอนอบรมและ หลังอบรม ขอมูลที่ไดแตละคูมาจากคนเดียวกัน 2. การเปรียบเทียบขอมูล 2 ชุดกับคุณสมบัตที่เหมือนกัน เชน นําขาราชการที่มีระดับ ิ การศึกษาและมีประสบการณในการทํางานเหมือนกันมาเปรียบเทียบเงินเดือนเปนคู 3. การเปรียบเทียบขอมูล 2 ประเภททีไดมาจากแหลงขอมูลเดียวกัน เชน การเปรียบเทียบ ่ ยอดขายสินคา 2 ยี่หอ มาจากรานคา 20 รานคา 4. การเปรียบเทียบขอมูล 2 ประเภททีไดมาจากชวงเวลาเดียวกัน เชน ยอดขายอาหารของ ่ รานอาหาร 2 ราน ที่ไดในแตละวันในเดือนเดียวกัน การทดสอบคาเฉลี่ยของขอมูล 2 กลุม แบบพาราเมตริก กรณี 2 กลุมตัวอยางมีความสัมพันธกัน เปนการทดสอบเมื่อผลตางของขอมูล 2 กลุม มีคุณสมบัติที่สามารถทําการทดสอบแบบพารา  เมตริก
  54. 54. 54 กลาวคือ คาของผลตางที่ไดจากการวัดอยูในระดับชวงหรืออัตราสวน และตองมีการแจกแจงแบบ ปกติ หรือใกลเคียงแบบปกติ ตัวสถิติที่ใชในการทดสอบคือ T-Test ตัวอยาง ผูวิจยตองการทดสอบวาการอบรมจะทําใหผูเรียนมีความรูเพิ่มขึ้นหรือไม ั กําหนดสมมติฐานทางสถิติ H0 : คะแนนเฉลี่ยกอนและหลังการอบรมไมแตกตางกัน หรือ H0 : µd = 0 H1 : คะแนนเฉลี่ยกอนและหลังการอบรมแตกตางกัน หรือ H1 : µd ≠ 0 1. เปดไฟล DATA13A.sav 2. เลือกเมนู Analyze -> Compare Means -> Paired-Samples T Test เลือกตัวแปร pre และ post คลิกปุม เก็บไวในบอกซ Paired Variables
  55. 55. 553. คลิกปุม OK จะไดผลลัพธ ความหมายของผลลัพธ มี 2 ขั้นตอน ขั้นตอนที่ 1 พิจาราณวาขอมูล 2 กลุมมีความสัมพันธกันหรือไม Paired Samples Correlations เปนสวนแสดงคาสถิติสัมประสิทธิ์สหสัมพันธ Correlation คาสัมประสิทธิ์สหสัมพันธของเปยรสัน (r) ที่แสดงถึงความสัมพันธของ 2 กลุมที่นํามาทดสอบ คาที่ได 0.972 แสดงวาคะแนนกอนและหลังการ อบรม มีความสัมพันธกันคอนขางสูงและไปในทิศทางเดียวกัน -1 ≤ r ≤ 1 บวก ทิศทางเดียวกัน ลบ ทิศทางเดียวตรงขาม Sig. คาความนาจะเปนที่จะใชในการทดสอบสมมติฐานเกียวกับความสัมพันธ ่ ภายใตสมมติฐานทางสถิติ ดังนี้ H0 : คะแนนทดสอบกอนและหลังการอบรมไมมีความสัมพันธกัน H1 : คะแนนทดสอบกอนและหลังการอบรมมีความสัมพันธกัน คา Sig. เทากับ 0.000 มีคานอยกวาคา α ที่ผูทดสอบกําหนดคือ 0.05
  56. 56. 56 การตัดสินใจ ปฏิเสธสมมติฐาน H0 ยอมรับ H1 สรุปผลไดวา คะแนนกอนและหลังการอบรมมีความสัมพันธกันทางสถิติที่ระดับนัยสําคัญ0.05 ถาขอมูล 2 กลุมไมมีความสัมพันธกัน ไมควรใชกรณีนทดสอบ และไมตองดูผลลัพธในสวน ้ี ถัดไป
  57. 57. 57ขั้นตอนที่ 2 ขอมูล 2 กลุมมีความสัมพันธกันPaired Samples Test แสดงคาสถิติสําหรับใชในการทดสอบคาเฉลี่ย Mean คาเฉลี่ยของผลตางระหวางคะแนนกอนและหลังการอบรม Std. Deviation คาสวนเบี่ยงเบนมาตรฐานของผลตาง Std. Error Mean คาความคาดเคลื่อนมาตรฐานของผลตาง 95% Confidence คาที่แสดงขอบเขตชวงความเชื่อมั่น 95% ของผลตางคาเฉลี่ย t, df คาสถิติที่คํานวณไดจะใชเทียบกับคาจากตารางมาตรฐาน Sig.(2-tailed) คาความนาจะเปนในการยอมรับหรือปฏิเสธสมมติฐาน H0คา Sig.(2-tailed) เทากับ 0.060 มีคามากกวาคา α ที่ผูวิจัยกําหนดคือ 0.05การตัดสินใจ ยอมรับสมมติฐาน H0สรุปผลไดวา คะแนนกอนและหลังการอบรมไมแตกตางกันที่ระดับนัยสําคัญ 0.05
  58. 58. 58การทดสอบคาเฉลี่ยของขอมูล 2 กลุม แบบน็อนพาราเมตริก กรณี 2 กลุมตัวอยางมีความสัมพันธกัน ตัวแปรที่ทดสอบหรือผลตางของตัวแปรที่จะทดสอบมีการวัดเพียงระดับเรียงอันดับเทานั้น ตัวสถิติที่ใชในการทดสอบคือ Wilcoxon matched-pairs signed-rank test ซึ่งเปน การทดสอบเชิงอันดับ ตัวอยาง ผูวิจัยตองการทดสอบความแตกตางของจํานวนสินคาทีไมมีคุณภาพระหวางผูที่มีและ ่ ไมมีประสบการณในการทํางาน กําหนดสมมติฐานทางสถิติแบบสองทาง H0 : จํานวนสินคาที่ไมมีคุณภาพที่ผลิตโดยคนงาน 2 กลุมมีจํานวนเฉลี่ยไมแตกตางกัน H1 : จํานวนสินคาที่ไมมีคุณภาพที่ผลิตโดยคนงาน 2 กลุมมีจํานวนเฉลี่ยแตกตางกัน กําหนดเปนสัญญาลักษณทางสถิติ H0 : µไมมี = µมี H1 : µไมมี ≠ µมี กําหนดสมมติฐานทางสถิติแบบทางเดียว H0 : จํานวนสินคาที่ไมมีคุณภาพที่ผลิตโดยคนงานที่ไมมีประสบการณมีจํานวนเฉลี่ย นอยกวาหรือเทากับที่ผลิตโดยคนงานที่มประสบการณ ี H1 : จํานวนสินคาที่ไมมีคุณภาพที่ผลิตโดยคนงานที่ไมมีประสบการณมีจํานวนเฉลี่ย มากกวาที่ผลิตโดยคนงานที่มีประสบการณ กําหนดเปนสัญญาลักษณทางสถิติ H0 : µไมมี ≤ µมี H1 : µไมมี > µมี การใชโปรแกรมวิเคราะหขอมูล 1. เปดไฟล DATA13B.sav 2. เลือกเมนู Analyze -> Nonparametric Test -> 2 Related Samples
  59. 59. 59เลือกตัวแปร exp และ non_exp คลิกปุม เก็บไวในบอกซ Test Pair(s) List
  60. 60. 60 3. คลิกปุม OK จะไดผลลัพธ ความหมายของผลลัพธ Wilcoxon Signed Ranks Test เปนสวนแสดงคาสถิตของการจัดอันดับของผลตางระหวาง ิตัวแปร N แสดงจํานวนคูของผลตางระหวางตัวแปร Negative Ranks จํานวนคูของตัวแปรที่เปนตัวลบ นอยกวา ตัวตั้ง Positive Ranks จํานวนคูของตัวแปรที่เปนตัวลบ มากกวา ตัวตั้ง Ties จํานวนคูของตัวแปรที่เปนตัวลบ เทากับ ตัวตั้ง Total จํานวนคูทั้งหมด Mean Rank คาเฉลี่ยของอันดับในแตละกลุม Sum of Ranks คาผลรวมของอันดับในแตแตละกลุม
  61. 61. 61 Test Statistics เปนสวนแสดงคาสถิติ Wilcoxon ที่ใชในการทดสอบความแตกตางของคาเฉลี่ย Z คาสถิติ Z ใชแทนคา Wilcoxon เมื่อขอมูลมีจํานวนมาก คา Z จากคูที่มีผลตางเปนลบ จะใชคานี้สําหรับการสรุปผลที่ตองอาศัย ตารางสถิติมาตรฐานของ Z Asymp. Sig. (2-tailed) คาความนาจะเปนในการยอมรับหรือปฏิเสธสมมติฐาน โดยไม ตองใชอาศัยตารางสถิติมาตรฐาน
  62. 62. 62 การสรุปผล กรณีที่กําหนดสมมติฐานแบบสองทาง H0 : µไมมี = µมี H1 : µไมมี ≠ µมี เมื่อกําหนด α เปน 0.05 จะปฏิเสธสมมติฐาน H0 เมื่อ คา Asymp. Sig. มีคานอยกวา α ที่ผูวจัยกําหนด ิ จากตัวอยาง คา Asymp. Sig. เทากับ 0.005 มีคานอยกวา α ที่กําหนดไวคือ 0.05 การตัดสินใจ ปฏิเสธสมมติฐาน H0 : µไมมี = µมี ยอมรับ H1 : µไมมี ≠ µมี สรุปผลไดวา จํานวนสินคาที่ไมมีคุณภาพที่ผลิตโดยคนงาน 2 กลุมมีจานวนเฉลี่ยแตกตางกัน ํ กรณีที่กําหนดสมมติฐานแบบทางเดียว H0 : µไมมี ≤ µมี H1 : µไมมี > µมี เมื่อกําหนด α เปน 0.05 จะปฏิเสธสมมติฐาน H0 เมื่อ คา Asymp. Sig. หารดวย 2 มีคานอยกวา α ที่ผูวิจัยกําหนด จากตัวอยาง คา Asymp. Sig. เทากับ 0.005/2 = 0.0025 มีคานอยกวา α ที่กําหนดไวคือ0.05 การตัดสินใจ ปฏิเสธสมมติฐาน H0 : µไมมี = µมี ยอมรับ H1 : µไมมี ≠ µมี สรุปผลไดวา จํานวนสินคาที่ไมมีคุณภาพ ซึ่งผลิตโดยคนงานที่ไมมีประสบการณจะมีจานวน ํ มากกวาผูที่มประสบการณที่ระดับนัยสําคัญ 0.05 ี

×