Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
การทดสอบไค-สแควร์ Chi-square Test
การทดสอบไค - สแควร์ <ul><li>เนื่องจากข้อมูลที่ได้จากการวิจัยบางเรื่องเป็นข้อมูลที่อยู่ในรูปของความถี่ และถ้าผู้วิจัยต้องกา...
การใช้การทดสอบไค - สแควร์  2  กรณี <ul><li>กรณีที่  1  การทดสอบข้อมูลที่มี  1   มิติ  ( The  one -variable case  หรือ  Goo...
การทดสอบข้อมูลที่มี  1  มิติ <ul><li>การทดสอบข้อมูลที่มี  1  มิติ ใช้พิจารณาว่ามีความแตกต่างระหว่างความถี่ที่สังเกตได้ ( O...
การทดสอบไค - สแควร์ <ul><li>H 0  ที่ตั้งไว้ว่า “ ไม่มีความแตกต่างระหว่างความถี่ที่สังเกตได้กับความถี่ที่คาดหวัง ” </li></u...
ความถี่ที่ได้จากการสังเกต   ( Observed Frequency) <ul><li>ข้อมูลที่รวบรวมได้จากกลุ่มตัวอย่าง ซึ่งเป็นข้อมูลในลักษณะที่ได้จ...
ความถี่ตามที่คาดหวัง ( Expected Frequency) <ul><li>ลักษณะที่  1   คือ ต้องคำนวณหาเองโดยเอาผลรวมของความถี่ที่ได้จากการสังเก...
ตัวอย่างค่าที่สังเกตได้หรือค่าที่คาดหวัง <ul><li>โยนเหรียญ  1   อัน  100  ครั้ง ปรากฏว่าออกหัวนับได้  68   ครั้ง ออกก้อยนั...
<ul><li>ขั้นตอนที่  1   ตั้งสมมติฐาน </li></ul><ul><li>H 0  :  ไม่มีความแตกต่างระหว่างความถี่ที่สังเกตได้กับความถี่ที่คาดห...
<ul><li>ขั้นตอนที่  5  เปรียบเทียบค่า  ที่ได้จากการคำนวณกับ ค่า  ที่ได้จากตาราง </li></ul><ul><li>ขั้นตอนที่  6  สรุปผล </...
ตัวอย่างการคำนวณ <ul><li>ทางมหาวิทยาลัยต้องการทราบความคิดเห็นของอาจารย์ว่า เห็นด้วยหรือไม่ที่จะมีการออกระเบียบว่าด้วยการแต...
การวิเคราะห์ด้วย  SPSS
 
click click click
ผลการวิเคราะห์ ความถี่ที่สังเกตได้และค่าความคาดหวัง ค่าไค - สแควร์และระดับนัยสำคัญ
<ul><li>การทดสอบความเป็นอิสระ เป็นการทดสอบความสัมพันธ์ระหว่างตัวแปร  2  ตัวเมื่อข้อมูลที่รวบรวมได้เป็นข้อมูลในระดับนามบัญญ...
การทดสอบความเป็นอิสระ สูตร 2 เมื่อ  O  แทนความถี่ที่สังเกตได้ E  แทนความถี่ที่คาดหวัง และหา  E  ที่คู่กับ  O  แต่ละตัว โดย...
ตัวอย่างการทดสอบความเป็นอิสระ <ul><li>สมมติว่า นักวิจัยท่านหนึ่งต้องการทดสอบว่า การสูบบุหรี่กับการเกิดมะเร็งมีความสัมพันธ์...
การวิเคราะห์ด้วย  SPSS
click
Select click
click click Select click
ผลการวิเคราะห์ จำนวนและร้อยละของการสูบบุหรี่และการเป็นมะเร็ง
ค่าไค - สแควร์และระดับนัยสำคัญ
การหาระดับความสัมพันธ์จากค่าไค - สแควร์ <ul><li>จากการทดสอบความเป็นอิสระ เมื่อพบว่ามีนัยสำคัญทางสถิติ สรุปได้เพียงว่า ตัวแ...
<ul><li>เมื่อ  N  แทนจำนวนข้อมูลทั้งหมดที่ศึกษา </li></ul>สูตร 2 Phi Coefficient  แทนค่า ไค - สแควร์
<ul><li>1.  ใช้ได้กับ  Contingency table 2x2  เท่านั้น </li></ul><ul><li>2.  ค่า  จะอยู่ระหว่าง  0  ถึง   1 </li></ul><ul>...
Contingency Coefficient สูตร C  =   +  N เมื่อ  N  แทนจำนวนข้อมูลทั้งหมดที่ศึกษา แทนค่า ไค - สแควร์
<ul><li>1.  ใช้ได้กับ   Contingency Table  ที่อยู่ในรูปมากกว่า  2x2 </li></ul><ul><li>2.  ค่า  C  ที่คำนวณได้ต่ำสุดเป็น  0...
Cramer's V (V) สูตร V =   N Minimum(r-1 or c-1) Cramer’ s V  เป็นวิธีที่เหมาะสมที่สุดทั้งนี้เพราะ 1.  ใช้ได้กับ Contingenc...
การวิเคราะห์ความสัมพันธ์จากค่าไค - สแควร์ด้วย  SPSS <ul><li>กระบวนการต่างๆ เหมือนกับการวิเคราะห์ไค - สแควร์ แต่เพิ่มตรงค่า...
ค่าความสัมพันธ์ระหว่างการสูบบุหรี่กับการเป็นมะเร็ง
<ul><li>In survey  to determine high school students’ preference for Instructional model  the results were : </li></ul><ul...
Upcoming SlideShare
Loading in …5
×

Chi square

30,609 views

Published on

Chi square
การทดสอบไค-สแควร์

Published in: Education
  • Be the first to comment

  • Be the first to like this

Chi square

  1. 1. การทดสอบไค-สแควร์ Chi-square Test
  2. 2. การทดสอบไค - สแควร์ <ul><li>เนื่องจากข้อมูลที่ได้จากการวิจัยบางเรื่องเป็นข้อมูลที่อยู่ในรูปของความถี่ และถ้าผู้วิจัยต้องการตรวจสอบว่าข้อมูลที่รวบรวมได้เป็นไปตามทฤษฎีหรือตามที่คาดหวัง หรือต้องการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัว ผู้วิจัยสามารถหาคำตอบได้โดยใช้การทดสอบไค - สแควร์ </li></ul>
  3. 3. การใช้การทดสอบไค - สแควร์ 2 กรณี <ul><li>กรณีที่ 1 การทดสอบข้อมูลที่มี 1 มิติ ( The one -variable case หรือ Goodness of fit test) </li></ul><ul><li>กรณีที่ 2 การทดสอบความเป็นอิสระ ( The test for Independence) </li></ul>
  4. 4. การทดสอบข้อมูลที่มี 1 มิติ <ul><li>การทดสอบข้อมูลที่มี 1 มิติ ใช้พิจารณาว่ามีความแตกต่างระหว่างความถี่ที่สังเกตได้ ( Observed Frequency) ในแต่ละประเภทกับความถี่ที่คาดหวังไว้ (Expected Frequency) หรือความถี่ตามทฤษฎีหรือไม่ ซึ่งข้อความนี้ก็คือสมมติฐานหลัก ( Null Hypothesis: H 0 ) ซึ่งอาจกล่าวอีกอย่างหนึ่งได้ว่า การทดสอบแบบนี้ใช้พิจารณาว่า “ความถี่ที่สังเกตได้เป็นไปตามที่คาดหวังหรือไม่” </li></ul>
  5. 5. การทดสอบไค - สแควร์ <ul><li>H 0 ที่ตั้งไว้ว่า “ ไม่มีความแตกต่างระหว่างความถี่ที่สังเกตได้กับความถี่ที่คาดหวัง ” </li></ul><ul><li>H 1 ได้แก่ “ ความที่ที่สังเกตได้แตกต่างจากความถี่ที่คาดหวัง” </li></ul>สูตร เมื่อ O แทนความถี่ที่สังเกตได้ E แทนความถี่ที่คาดหวัง 2
  6. 6. ความถี่ที่ได้จากการสังเกต ( Observed Frequency) <ul><li>ข้อมูลที่รวบรวมได้จากกลุ่มตัวอย่าง ซึ่งเป็นข้อมูลในลักษณะที่ได้จากการนับ ส่วนความถี่ตามทฤษฎีก็คือตัวเลขหรือความถี่ที่กำหนดไว้ตามทฤษฎี หรือกฎต่างๆ หรือเป็นความถี่ที่ผู้วิจัยคาดหวังว่าจะเป็นเช่นนั้น </li></ul>
  7. 7. ความถี่ตามที่คาดหวัง ( Expected Frequency) <ul><li>ลักษณะที่ 1 คือ ต้องคำนวณหาเองโดยเอาผลรวมของความถี่ที่ได้จากการสังเกตทั้งหมดหารด้วยจำนวนประเภทหรือจำนวนพวก </li></ul><ul><li>ลักษณะที่ 2 คือ เป็นความถี่ตามทฤษฎี ซึ่งอาจอยู่ในรูปสัดส่วนหรือร้อยละ </li></ul>
  8. 8. ตัวอย่างค่าที่สังเกตได้หรือค่าที่คาดหวัง <ul><li>โยนเหรียญ 1 อัน 100 ครั้ง ปรากฏว่าออกหัวนับได้ 68 ครั้ง ออกก้อยนับได้ 32 ครั้ง ตัวเลข 68 และ 32 เป็นความถี่ที่สังเกตได้ ส่วนความถี่ที่คาดหวังก็จะเป็น ออกหัว 50 ครั้งและออกก้อย 50 ครั้ง </li></ul>
  9. 9. <ul><li>ขั้นตอนที่ 1 ตั้งสมมติฐาน </li></ul><ul><li>H 0 : ไม่มีความแตกต่างระหว่างความถี่ที่สังเกตได้กับความถี่ที่คาดหวัง </li></ul><ul><li>H 1 : ความถี่ที่สังเกตได้กับความถี่ที่คาดหวังแตกต่างกัน </li></ul><ul><li>ขั้นตอนที่ 2 กำหนดระดับนัยสำคัญ </li></ul><ul><li>ขั้นตอนที่ 3 คำนวณค่า จากสูตร </li></ul><ul><li>ขั้นตอนที่ 4 หาค่า จากตาราง ณ ระดับนัยสำคัญที่ตั้งไว้ โดยมี df = k-1 </li></ul>ขั้นตอนการทดสอบไค-สแควร์
  10. 10. <ul><li>ขั้นตอนที่ 5 เปรียบเทียบค่า ที่ได้จากการคำนวณกับ ค่า ที่ได้จากตาราง </li></ul><ul><li>ขั้นตอนที่ 6 สรุปผล </li></ul><ul><li>ถ้า คำนวณ มากกว่าหรือเท่ากับ ตาราง ก็ปฏิเสธ H 0 ยอมรับ H 1 </li></ul><ul><li>และ ถ้า คำนวณ น้อยกว่า ตาราง ก็ยอมรับ H 0 </li></ul>ขั้นตอนการทดสอบไค-สแควร์(2)
  11. 11. ตัวอย่างการคำนวณ <ul><li>ทางมหาวิทยาลัยต้องการทราบความคิดเห็นของอาจารย์ว่า เห็นด้วยหรือไม่ที่จะมีการออกระเบียบว่าด้วยการแต่งกายของนิสิต จึงได้สุ่มตัวอย่างอาจารย์ 100 คน มาสอบถาม ปรากฎว่า มีอาจารย์ที่ตอบว่า เห็นด้วย 60 คน ไม่เห็นด้วย 40 คน จงทดสอบว่าจะสรุปว่าอาจารย์ส่วนใหญ่ของมหาวิทยาลัยเห็นด้วยได้หรือไม่ </li></ul><ul><li>ใช้ แฟ้มข้อมูล ชื่อ chi_square1.sav </li></ul>
  12. 12. การวิเคราะห์ด้วย SPSS
  13. 14. click click click
  14. 15. ผลการวิเคราะห์ ความถี่ที่สังเกตได้และค่าความคาดหวัง ค่าไค - สแควร์และระดับนัยสำคัญ
  15. 16. <ul><li>การทดสอบความเป็นอิสระ เป็นการทดสอบความสัมพันธ์ระหว่างตัวแปร 2 ตัวเมื่อข้อมูลที่รวบรวมได้เป็นข้อมูลในระดับนามบัญญัติ (Nominal Scale) ซึ่งจะเป็นข้อมูลที่อยู่ในรูปความถี่ สัดส่วนหรือร้อยละ โดยที่ตัวแปรแต่ละตัวแบ่งเป็นประเภทหรือเป็นกลุ่มย่อยๆ ตั้งแต่ 2 กลุ่มขึ้นไป อาจเป็นแบบ 2x2, 2x3, 3x3, 3x4,… เป็นต้น การทดสอบความเป็นอิสระนี้จะต้องตั้งสมมติฐานหลัก ว่าตัวแปร 2 ตัวนั้นไม่มีความสัมพันธ์กัน ซึ่งกล่าวอีกอย่างหนึ่งได้ว่า ตัวแปร 2 ตัวนั้นเป็นอิสระจากกัน ดังนั้นจึงเรียกการทดสอบนี้ว่า “การทดสอบความเป็นอิสระ” </li></ul>การทดสอบความเป็นอิสระ
  16. 17. การทดสอบความเป็นอิสระ สูตร 2 เมื่อ O แทนความถี่ที่สังเกตได้ E แทนความถี่ที่คาดหวัง และหา E ที่คู่กับ O แต่ละตัว โดย R แทนผลรวมของความถี่ในแถวนั้น C แทนผลรวมของความถี่ในคอลัมน์นั้น N แทนผลรวมของความถีทั้งหมด E =
  17. 18. ตัวอย่างการทดสอบความเป็นอิสระ <ul><li>สมมติว่า นักวิจัยท่านหนึ่งต้องการทดสอบว่า การสูบบุหรี่กับการเกิดมะเร็งมีความสัมพันธ์กันหรือไม่ หรือเป็นอิสระจากกัน จากข้อมูลที่เก็บรวบรวมมาพบว่า มีผู้ไม่สูบบุหรี่ 30 คน และผู้สูบบุหรี่ 50 คน ในกลุ่มผู้ที่ไม่สูบบุหรี่เป็นมะเร็ง 12 คน ไม่เป็นมะเร็ง 18 คน ในกลุ่มผู้สูบบุหรี่ เป็นมะเร็ง 30 คน และไม่เป็นมะเร็ง 20 คน </li></ul><ul><li>ใช้ แฟ้มข้อมูล ชื่อ chi_square2.sav </li></ul>
  18. 19. การวิเคราะห์ด้วย SPSS
  19. 20. click
  20. 21. Select click
  21. 22. click click Select click
  22. 23. ผลการวิเคราะห์ จำนวนและร้อยละของการสูบบุหรี่และการเป็นมะเร็ง
  23. 24. ค่าไค - สแควร์และระดับนัยสำคัญ
  24. 25. การหาระดับความสัมพันธ์จากค่าไค - สแควร์ <ul><li>จากการทดสอบความเป็นอิสระ เมื่อพบว่ามีนัยสำคัญทางสถิติ สรุปได้เพียงว่า ตัวแปร 2 ตัวแปรนั้นมีความสัมพันธ์กันมากน้อยเพียงใด ถ้าต้องการทราบว่า 2 ตัวแปร นั้นสัมพันธ์กันมากน้อยเพ ี ยงใด จะต้องใช้สถิติ </li></ul><ul><li>Phi Coefficient ( ) </li></ul><ul><li>หรือ Contingency Coefficient (C ) </li></ul><ul><li>หรือ Cramer’s V (V) </li></ul>
  25. 26. <ul><li>เมื่อ N แทนจำนวนข้อมูลทั้งหมดที่ศึกษา </li></ul>สูตร 2 Phi Coefficient แทนค่า ไค - สแควร์
  26. 27. <ul><li>1. ใช้ได้กับ Contingency table 2x2 เท่านั้น </li></ul><ul><li>2. ค่า จะอยู่ระหว่าง 0 ถึง 1 </li></ul><ul><li>3. ใช้ได้เฉพาะข้อมูลที่อยู่ในระดับนามบัญญัติและบอกเพียงความสัมพันธ์แต่ไม่บอกทิศทาง </li></ul>Phi Coefficient
  27. 28. Contingency Coefficient สูตร C = + N เมื่อ N แทนจำนวนข้อมูลทั้งหมดที่ศึกษา แทนค่า ไค - สแควร์
  28. 29. <ul><li>1. ใช้ได้กับ Contingency Table ที่อยู่ในรูปมากกว่า 2x2 </li></ul><ul><li>2. ค่า C ที่คำนวณได้ต่ำสุดเป็น 0 แต่สูงสุดไม่ถึง 1 </li></ul><ul><li>3. ค่าสูงสุดของ C มีค่าเท่ากับ k-1 </li></ul>Contingency Coefficient k เมื่อ k แทนจำนวนแถว หรือคอลัมน์
  29. 30. Cramer's V (V) สูตร V = N Minimum(r-1 or c-1) Cramer’ s V เป็นวิธีที่เหมาะสมที่สุดทั้งนี้เพราะ 1. ใช้ได้กับ Contingency ขนาดใดก็ได้ 2. ค่า V ที่คำนวณได้มีค่าอยู่ระหว่าง 0 กับ 1
  30. 31. การวิเคราะห์ความสัมพันธ์จากค่าไค - สแควร์ด้วย SPSS <ul><li>กระบวนการต่างๆ เหมือนกับการวิเคราะห์ไค - สแควร์ แต่เพิ่มตรงค่าสถิติในการวิเคราะห์ดังภาพ </li></ul>Select
  31. 32. ค่าความสัมพันธ์ระหว่างการสูบบุหรี่กับการเป็นมะเร็ง
  32. 33. <ul><li>In survey to determine high school students’ preference for Instructional model the results were : </li></ul><ul><li>Model A Model B Model C </li></ul><ul><li>Boys 25 30 52 </li></ul><ul><li>Girls 46 22 28 </li></ul><ul><li>Was there any relationship between the model preference and the gender of high school students? </li></ul>Exercise

×