วิธีวิจัยทางธุรกิจ

239

13.3.1.3 ขั้นตอนการทดสอบสมมติฐาน มีข้นั ตอนดงั น้ี (ดงั ภาพท่ี 13.8)

1) กาหนดสมมติฐานท่ีต้องการทดสอบจากประเด็นปัญหาที่ศึกษา

โดยกาหนดทง้ั สมมติฐานหลักและสมมติฐานทางเลอื ก

2) พจิ ารณาวา่ เปน็ การทดสอบแบบทางเดยี ว หรือแบบสองทาง
3) เลือกวธิ กี ารทดสอบ การทดสอบทาได้ 2 ลักษณะ คือ การทดสอบ
ค่าเฉล่ียประชากร และการทดสอบค่าแปรปรวนประชากร การทดสอบที่นิยมใช้ ได้แก่ Z-test,
t-test และ F-test

กาหนดระดับนัยสาคัญ ประเด็นปญั หา ทดสอบทางเดียว
คานวณคา่ สถติ ทิ ดสอบ หรอื สองทาง
ตง้ั สมมติฐานหลักและ
สมมติฐานทางเลือก กาหนดค่า d

เลอื กสถิติทดสอบ

พิจารณาค่าวกิ ฤต

เปรยี บเทียบค่าวิกฤต
กบั ค่าสถติ ิทดสอบ

คา่ สถิติตกใน ไมใ่ ช่ ไมส่ ามารถปฏิเสธ
เขตวิกฤต สมมติฐานหลัก
หรอื ไม่

ใช่
ปฏเิ สธสมมตฐิ านหลัก

ภาพท่ี 13.8 ขั้นตอนการทดสอบสมมตฐิ าน
ท่มี า: ดดั แปลงจาก Aaker et al., (2013: 366)

240

4) กาหนดระดบั นัยสาคัญ เป็นการกาหนดระดับความผดิ พลาดที่จะ
ยอมรับใหเ้ กิดในการปฏเิ สธสมมติฐานหลกั ระดบั นยั สาคัญทใ่ี ช้กนั ท่ัวไป คอื .01 (ความเช่ือมั่น 99 %)
และ .05 (ความเชื่อมั่น 95 %) ระดับนยั สาคัญใชส้ ญั ลักษณ์ 

5) กาหนดค่าองศาแห่งความอสิ ระ (degree of freedom : d)
6) พิจารณาค่าวิกฤติจากตารางสถิติโดยพิจารณาจากระดับนัยสาคัญ
และคา่ องศาแหง่ ความอิสระ
7) คานวณค่าสถิติทดสอบจากข้อมูลเชิงประจักษ์ที่เก็บรวบรวม
มาได้
8) เปรียบเทียบค่าสถิติที่คานวณได้กับค่าวิกฤติที่ได้จากตาราง
ถ้าคา่ สถติ ทิ ดสอบทไี่ ดจ้ ากการคานวณมคี ่ามากกว่าหรือเทา่ กบั คา่ สถติ ิทดสอบจากตารางหรือตกอยู่ใน
เขตวิกฤติ แสดงว่าข้อมูลเชิงประจักษ์ไม่สามารถยืนยันสมมติฐานหลัก ให้ปฏิเสธสมมติฐานหลัก
(reject) และยอมรับสมมติฐานทางเลือก แต่ถ้าค่าสถิติทดสอบท่ีได้จากการคานวณจากข้อมูลเชิงประจักษ์
มคี า่ น้อยกว่าคา่ สถิตทิ ดสอบจากตารางหรือไม่ตกอย่ใู นเขตวิกฤต จะไม่สามารถปฏิเสธสมมติฐานหลัก
(fail to reject)4

13.3.2 ความผดิ พลาดในการทดสอบสมมตฐิ าน

การตัดสินใจในการทดสอบสมมติฐานอาจมีความผิดพลาดเกิดขึ้นได้เน่ืองจากการทดสอบ
สมมติฐานไม่ไดศ้ กึ ษากบั ประชากรท้งั หมด ความผดิ พลาดท่อี าจเกิดขึ้นมี 2 ชนดิ คอื

13.3.2.1 ความผดิ พลาดชนดิ ทีห่ น่งึ (type I error) เปน็ ความผดิ พลาดที่เกิดจาก
การที่ผู้วิจัยปฏิเสธสมมติฐานหลัก (H0) โดยที่สมมติฐานหลัก (H0) นั้นเป็นจริง หรือหมายถึง
การตัดสินใจว่าตัวแปรมีความสัมพันธ์กันท้ัง ๆ ที่ความจริงไม่มีความสัมพันธ์กัน ความน่าจะเป็น
ของการเกดิ ความผิดพลาดชนิดนแี้ ทนด้วยสัญลกั ษณ์ 

ตารางท่ี 13.5 ความผิดพลาดทีเ่ กิดจากการตัดสนิ ใจ

สภาวะของประชากร

การตัดสินใจ H0 จริง H0 เทจ็
(ไม่มีความสัมพนั ธ)์ (มคี วามสมั พนั ธ)์
ไม่ปฏิเสธ H0
(ไมม่ ีความสัมพนั ธ์) ไมม่ คี วามผดิ พลาด ความผิดพลาดชนดิ ที่สอง

ปฏิเสธ H0 1- 
(มีความสมั พันธ์)
ความผิดพลาดชนิดท่ีหนึ่ง ไมม่ ีความผดิ พลาด

 1-

4การทดสอบสมมติฐานในทางสถิติ หมายถงึ การทดสอบว่าไม่สามารถปฏิเสธ (fail to reject) หรอื ปฏเิ สธ (reject) สมมติฐานหลกั

ทางสถิติจะใช้คาว่า “ไมส่ ามารถปฏเิ สธ” แทนคาว่า “ยอมรับ (accept)” เนื่องจากการทค่ี ่าสถติ ิทดสอบของตวั อยา่ งตกอย่ใู นเขตวิกฤต
ไมไ่ ด้เปน็ การพสิ จู นว์ า่ สมมตฐิ านหลกั จะเปน็ จริง เพยี งแตไ่ ม่มขี ้อมูลทางสถติ ิทเ่ี พยี งพอทจ่ี ะปฏิเสธสมมตฐิ านหลักได้ (Aaker, Kumer,
Leone and Day, 2013: 384)

241

13.3.2.2 ความผิดพลาดชนิดท่ีสอง (type II error) เป็นความผิดพลาดที่เกิดจาก
การที่ผู้วิจัยไม่ปฏิเสธสมมติฐานหลัก (H0) โดยที่สมมติฐานหลัก (H0) นั้นเป็นเท็จ หรือหมายถึง
การตดั สินใจว่าตัวแปรไม่มีความสัมพันธ์กันทั้ง ๆ ที่ความจริงมีความสัมพันธ์กัน ความน่าจะเป็นของ
การเกิดความผดิ พลาดชนิดน้แี ทนดว้ ยสัญลกั ษณ์ 

โอกาสในการเกิดความผิดพลาดชนิดใดชนิดหน่ึงนัน้ มคี วามสัมพันธ์กับการกาหนดระดับ
นัยสาคัญท่ีผู้วิจัยกาหนด หากกาหนดระดับนัยสาคัญท่ีระดับสูง เช่น ท่ีระดับ .0001 การตัดสินใจ
มีโอกาสที่จะเกิดความผิดพลาดชนิดท่ีสอง ในทางตรงกันข้ามหากกาหนดระดับนัยสาคัญที่ระดับต่า

เช่น .10 การตัดสินใจมีโอกาสท่จี ะเกดิ ความผดิ พลาดชนิดที่หนงึ่ (Neuman, 2007: 321-323)

13.4 สถิติในการทดสอบสมมติฐาน

สถิติท่ีจะใช้ในการทดสอบสมมติฐานมีหลายประเภท ผู้วิจัยจะต้องเลือกใช้ให้เหมาะสม
กับวัตถุประสงค์ในการทดสอบสมมติฐานและเงื่อนไขในการใช้สถิติทดสอบนั้น ๆ การทดสอบ
สมมติฐานมีหลายประเภท ได้แก่

1. การทดสอบสมมตฐิ านเกีย่ วกบั ค่าเฉล่ยี ประชากร
2. การทดสอบสมมติฐานเกี่ยวกับจานวนหรือความถ่ี

3. การทดสอบสมมติฐานเกี่ยวกับสมั ประสิทธ์ิสหสัมพนั ธ์
4. การวเิ คราะห์การถดถอย

13.4.1 การทดสอบสมมติฐานเกี่ยวกับคา่ เฉล่ยี ประชากร

การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยประชากร เป็นการทดสอบว่าค่าเฉล่ียประชากร

เป็นไปตามที่คาดไว้หรือไม่ การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยประชากร ได้แก่ การทดสอบ

สมมติฐานเกี่ยวกับค่าเฉลี่ยประชากรกลุ่มเดียว การทดสอบสมมติฐานเกี่ยวกับค่าเฉล่ียประชากร

2 กลุ่ม และการวเิ คราะหค์ วามแปรปรวน มีรายละเอยี ดดงั น้ี

13.4.1.1 การทดสอบสมมติฐานเก่ียวกับค่าเฉลี่ยกรณีประชากรกลุ่มเดียว

การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยประชากรกลุ่มเดียว (one sample test) เป็นการทดสอบว่า

คา่ เฉลย่ี ของกล่มุ ตวั อย่างที่สุ่มมามีค่าเท่ากับค่าเฉลี่ยของประชากรหรือไม่ ค่าสถิติท่ีใช้ได้แก่ ค่าซี (Z)

และคา่ ที (t) ซ่งึ มีเงอ่ื นไขและขอ้ ตกลงการใช้ดังนี้

1) กรณที ่ีประชากรมีการแจกแจงแบบปกติ และทราบความแปรปรวน
ของประชากร (2) โดยไม่ว่าขนาดตัวอย่างจะเป็นเท่าใด ให้ทดสอบโดยใช้ Z-test ซึ่งมีสูตรในการ

คานวณดงั นี้

Z= X - 0
/ n

2) กรณที ี่ประชากรมีการแจกแจงแบบปกติ และไม่ทราบความแปรปรวน
ของประชากร (2) แต่ตัวอย่างมีขนาดใหญ่ (n 30) ซ่ึงจะทาให้ค่าเบี่ยงเบนมาตรฐานของประชากร

สามารถใชแ้ ทนดว้ ยคา่ เบ่ยี งเบนมาตรฐานของกลุ่มตวั อย่าง คา่ Z-test ทใี่ ช้ในการคานวณในกรณีคือ

242

Z= X - 0
S/ n

3) กรณีทปี่ ระชากรมกี ารแจกแจงแบบปกติ แต่ไมท่ ราบความแปรปรวน
ของประชากร (2) และตวั อยา่ งมีขนาดเลก็ (n < 30) ทดสอบโดยใช้ t-test ซ่ึงมีสูตรในการคานวณ

ดังน้ี

t= X - 0
S/ n

เม่ือ X = คา่ เฉลย่ี ของกลุ่มตัวอยา่ ง
 = คา่ เฉลยี่ ของประชากร

 = คา่ เบ่ียงเบนมาตรฐานของประชากร
n = ขนาดตัวอย่าง

S = คา่ เบี่ยงเบนมาตรฐานของกลุม่ ตวั อยา่ ง
โดยทั่วไปผู้วิจัยส่วนใหญ่จะใช้ t-test เน่ืองจากในทางปฏิบัติมักจะไม่ทราบความ
แปรปรวนของประชากร อย่างไรก็ตามหากกลุ่มตัวอย่างมีขนาดใหญ่มากข้ึนจะทาให้ค่าองศาแห่ง

ความอิสระ (df) มีค่ามากขึ้น และเม่ือมีขนาดมากกว่า 120 ค่าวิกฤตของ t กับค่าวิกฤตของ Z ที่
ระดับนยั สาคัญเดียวกัน จะมคี า่ เท่ากันพอดี (Cooper and Schindler, 2015: 444)

ตวั อย่างที่ 13.6 จากการสารวจค่าใช้จ่ายของนักศึกษาของสถาบันการศึกษาแห่งหน่ึงในปีท่ีผ่านมา

พบว่า มีค่าใช้จ่ายเฉล่ียเดือนละ 5,000 บาท และมีค่าเบี่ยงเบนมาตรฐานเท่ากับ

1,200 บาท ในปีน้ีได้ทาการสุ่มตัวอย่างนักศึกษามา 25 คน และคานวณค่าใช้จ่าย

เฉล่ียพบว่า มีค่าเท่ากับ 5,500 บาท จะสรุปว่า ในปีนี้นักศึกษามีค่าใช้จ่ายมากกว่า

ปีที่ผา่ นมาอย่างมีนัยสาคัญทางสถิตหิ รอื ไม่ เมือ่ กาหนดระดับนัยสาคัญเทา่ กบั .05

วิธที า

1. ตง้ั สมมตฐิ าน H0:   5000
Ha:  > 5000
2. กาหนดระดับนัยสาคัญ  = .05

3. กรณนี ้ีไม่ทราบคา่ ความแปรปรวนของประชากร จงึ ทดสอบโดยใช้ t-test

เปิดคา่ t จากตาราง (ภาคผนวก ค) ที่ df = 25 – 1 = 24 และค่า  = .05 (one tailed test)

ไดค้ า่ t =1.711

4. คานวณคา่ สถิติทดสอบ t

t= X - 0 = 5500 - 5000 = 2.083
S/ n 1200 / 25

5. เปรียบเทียบ ค่า t ท่ีคานวณได้ (2.083) กับค่าวิกฤต t จากตาราง พบว่าค่า t ท่ีคานวณได้มีค่า

มากกวา่ ค่า t ที่ไดจ้ ากตาราง (1.711) ซึ่งเป็นคา่ ท่ตี กอยูเ่ ขตวกิ ฤต ดังนั้นจงึ ปฏิเสธสมมติฐานหลัก (H0)

243

และยอมรบั สมมตฐิ านทางเลือก (Ha) สรุปได้ว่า นักศึกษามีค่าใช้จ่ายในปีนี้มากกว่าปีท่ีผ่านมาอย่างมี
นยั สาคญั ทางสถิติ

เขตไม่ปฏิเสธ H0

1-α α = .05

t = 1.711

13.4.1.2 การทดสอบสมมติฐานเก่ียวกับค่าเฉล่ียประชากร 2 กลุ่ม (two samples
test) เป็นการทดสอบว่าค่าเฉล่ียของตัวอย่างที่สุ่มมา 2 กลุ่ม คือ X1 และ X2 น้ันจะมีค่าเฉลี่ยของ
ประชากร คือ 1 และ 2 เท่ากนั หรือไม่ การทดสอบมีสองลักษณะคือ ลักษณะที่หนึ่ง ข้อมูลสองชุด
เป็นอิสระต่อกัน (independent samples) และลักษณะที่สอง ข้อมูลสองชุดไม่เป็นอิสระต่อกัน
(dependent samples) ดังนี้

1) การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยประชากร 2 กลุ่มที่มีข้อมูล
เป็นอิสระตอ่ กัน การทดสอบนีม้ ี 4 กรณี คอื

(1) กรณีประชากรท้ังสองมีการแจกแจงแบบปกติ และทราบ
ความแปรปรวนของประชากร (2) ทง้ั สองกลมุ่ ทดสอบโดยใช้ Z-test ซงึ่ มีสตู รในการคานวณดงั นี้

Z = ( X 1 - X 2) - (1 - 2)
σ12 2
 σ 2

n1 n2

(2) กรณีประชากรท้ังสองมกี ารแจกแจงแบบปกติ และไม่ทราบ
ความแปรปรวนของประชากร (2) ท้ังสองกลุ่ม แต่ทราบว่าค่าแปรปรวนของทั้ง 2 กลุ่มเท่ากัน

σ2 = σ2 และตวั อย่างมขี นาดเล็ก (n < 30) ทดสอบโดยใช้ pooled t-test ซึ่งมีสูตรในการคานวณ
1 2

ดังน้ี

t = ( X 1 - X 2) - (1 - 2)

Sp 11
n1 n2

S 2 = (n1 - 1) S12 + (n2 - 1) S22
p
n1 + n2 - 2
ค่าองศาแหง่ ความอสิ ระ (d) =
n1 + n2 - 2

244

(3) กรณีประชากรทัง้ สองมีการแจกแจงแบบปกติ และไม่ทราบ
ความแปรปรวนของประชากร (2) ทั้งสองกลุ่ม แต่ทราบว่าค่าแปรปรวนของท้ัง 2 กลุ่มไม่เท่ากัน

σ2 σ2 และตัวอย่างมีขนาดเล็ก (n < 30) ทดสอบโดยใช้ nonpooled t-test มีสูตรในการ
12

คานวณค่า t ดังน้ี

t= ( X 1 - X 2) - (1 - 2)

S12  S 2
2

n1 n2

โดยค่าองศาแห่งความอสิ ระคานวณได้จาก

d = (S12 / n1  S 2 / n2 )2
2

(S12 / n1 )2   (S 2 / n1 )2
2

n1 -1 n2 -1

การทดสอบว่าความแปรปรวนของประชากรสองกลุ่มเท่ากันหรือไม่ทาได้โดยใช้

F-test ดังน้ี

F= S 2
max

S 2
min

d1( S2 ) = n1 – 1
max

( )d2 = n2 – 1
S2
min

(4) กรณีประชากรท้ังสองมีการแจกแจงแบบใด ๆ แต่ไม่ทราบ
ความแปรปรวนของประชากร (2) ท้ังสองกลุ่ม และตัวอย่างมีขนาดใหญ่ (n 30) ทดสอบโดยใช้

Z-test ซ่ึงมสี ตู รในการคานวณดังนี้

Z= ( X 1 - X 2) - (1 - 2)

S12  S 2
2

n1 n2

เม่อื X 1 = คา่ เฉลี่ยของกลุ่มตัวอยา่ งกลุ่มที่ 1
X 2 = คา่ เฉลย่ี ของกลมุ่ ตวั อยา่ งกลุ่มที่ 2
σ2 = ความแปรปรวนของประชากรกลุ่มที่ 1
1

2σ2 = ความแปรปรวนของประชากรกลุ่มที่ 2

1 = คา่ เฉลีย่ ของประชากรกลมุ่ ท่ี 1
2 = คา่ เฉลี่ยของประชากรกลุ่มท่ี 2
n1 = ขนาดตวั อย่างกลุ่มท่ี 1
n2 = ขนาดตวั อย่างกลุ่มที่ 2
=S12 ความแปรปรวนของกลุ่มตวั อย่างกลุ่มท่ี 1

=S2 ความแปรปรวนของกลมุ่ ตัวอยา่ งกลุ่มท่ี 2
2

245

ตัวอย่างท่ี 13.7 ในการศึกษาเปรียบเทียบการส่งเสริมการขายที่ส่งผลต่อยอดขาย 2 วิธี คือ วิธีท่ี 1

และ วิธีท่ี 2 จากการทดลองใช้วิธีที่ 1 กับร้านค้า 12 แห่ง และ วิธี 2 ในร้านค้าอีก

12 แห่ง พบว่ารา้ นคา้ มียอดขายเพม่ิ ขึ้นดงั น้ี

วิธีที่ 1 : 31 31 34 32 29 29 30 26 32 34 35 38

วธิ ีท่ี 2 : 29 32 30 29 26 28 32 29 31 24 28 26

ต้องการทดสอบว่าวิธกี ารสง่ เสริมการขายต่างกันส่งผลต่อให้ยอดขายต่างกันหรือไม่

ทีร่ ะดบั นัยสาคญั .05

วิธีทา

1. ทดสอบความเทา่ กนั ของความแปรปรวน

1.1 ตัง้ สมมติฐาน H0 : σ2 = σ2
12

Ha : σ2 σ2
1 2

1.2 กาหนดระดบั นัยสาคัญ  = .05

1.3 เปดิ ตาราง(ภาคผนวก ง) ที่  = .05, d1 = 12 – 1 = 11 และ d2 = 12 – 1 = 11
ได้ค่า F วกิ ฤต = 2.82

1.4 คานวณคา่ สถติ ทิ ดสอบ F สตู รคานวณ F = S2
คานวณคา่ S2 max

S2
min

X1 = 31+ 31+ 34 + 32 + 29 + 29 + 30 + 26 + 32 + 34 + 35 + 38
12
= 31.75

X2 = 29 + 32 + 30 + 29 + 36 + 28 + 32 + 29 + 31+ 24 + 28 + 26
12
= 28.67

S2 = (X - X )2

n-1

S 2 = (31 - 31.75)2 + (31 - 31.75)2 + ...+ (38 - 31.75)2 = 10.20
1 12 - 1 = 6.06

S 2 = (29 - 28.67)2 + (32 - 28.67)2 + ...+ (26 - 28.67)2
2 12 - 1

ความแปรปรวนทม่ี คี ่ามากเปน็ การส่งเสรมิ การขายวธิ ที ี่ 1

=S 2 10.20, =S 2 6.06
max min

246

F = S2 = 10.20 = 1.68
max 6.06
S2
min

1.5 เปรยี บเทียบค่า F ที่คานวณได้เท่ากับ 1.68 กับค่าวิกฤต F จากตารางเท่ากับ 2.82 พบว่าค่า

F คานวณได้มีค่านอ้ ยกวา่ คา่ F วกิ ฤต จงึ ไม่สามารถปฏิเสธ H0 สรุปได้ว่า ความแปรปรวนของสองวิธี
ไม่แตกตา่ งกัน

2. ทดสอบสมมติฐาน

1.1 ต้ังสมมตฐิ าน H0 : 1 = 2 และ
Ha : 1 2
3. กาหนดระดบั นัยสาคญั  = .05

4. เปิดตาราง (ภาคผนวก ค) ที่  = .05 (two-tailed test)

และคา่ องศาแหง่ ความอิสระ = n1 + n2 - 2 = 12 + 12 – 2 = 22 ได้คา่ t = 2.074
5. คานวณคา่ สถติ ิทดสอบ โดยใช้ pooled t-test ที่ความแปรปรวนของประชากรสองกลมุ่ เทา่ กัน

S 2 = (n1 - 1) S12 + (n2 - 1) S 2 = (12 - 1)(10.20)+(12 - 1)(6.06) = 8.13
p 2 12+12 - 2

n1 + n2 - 2

S p = 2.85

t = X1- X2 = 31.75 - 28.67 = 2.65
2.85 1 + 1
Sp 11 12 12
n1 n2

6. เปรียบเทยี บ คา่ t คานวณได้กับคา่ วิกฤต t จากตารางพบว่าค่า t ที่คานวณได้ (2.65) มีค่ามากกว่า
คา่ t วกิ ฤตทไ่ี ดจ้ ากตาราง (2.074) ซึ่งเป็นค่าที่ตกอยู่เขตวิกฤต ดังนั้นจึงปฏิเสธสมมติฐานหลัก (H0 ) และ
ยอมรับสมมติฐานทางเลือก (Ha ) สรุปได้ว่า ร้านค้าท่ีใช้วิธีส่งเสริมการขายต่างกันมียอดขายต่างกัน
อย่างมีนัยสาคญั ทางสถิต

2) การทดสอบสมมติฐานเกยี่ วกับค่าเฉลี่ยประชากร 2 กลุ่มท่ีมีข้อมูล
ไม่เป็นอิสระต่อกัน ข้อมูลไม่เป็นอิสระต่อกัน ได้แก่ ข้อมูลท่ีได้จากการวัดซ้าจากกลุ่มตัวอย่างเดิม
ซึ่งเป็นคะแนนท่ีได้มาเป็นคู่จากคนคนเดียวกัน หรือจากคู่ที่ลักษณะเหมือนกันทุกประการ (บุญชม
ศรีสะอาด, 2541: 227) การทดสอบ คือ t-test มีสูตรคานวณดังน้ี

t= D

SD / n

เมอ่ื D = ค่าเฉลีย่ ของความแตกต่างของขอ้ มลู แต่ละคู่

= D

n

247

SD = ความแปรปรวนของคะแนนผลตา่ ง

= D 2 - ( D)2
คา่ องศาแหง่ ความอสิ ระ (d) = n

n-1

n-1

ตวั อยา่ งที่ 13.8 ตอ้ งการเปรียบเทยี บว่ายอดขายในปี 2553 และ 2554 ของบรษิ ัทต่าง ๆ จานวน 10

แห่งมีความแตกต่างกันหรือไม่ท่ีระดับนัยสาคัญ .01 (ดัดแปลงจาก Cooper and

Schindler, 2015: 451)

หนว่ ย : 100
D2
บรษิ ทั ปี 2553 ปี 2554 D

A 126932 123505 3427 11744329

B 54574 49662 4912 24127744

C 86656 78944 7712 59474944

D 62710 59512 3198 10227204

E 96146 92300 3846 14791716

F 36112 35173 939 881721

G 50220 48111 2109 4447881

H 35099 32427 2672 7139584

I 53794 49975 3819 14584761

J 23966 20779 3187 10156969

D = 35821 D2 = 157576853

1. ต้งั สมมตฐิ าน H0 : 1 - 2 = 0 (ยอดขายของปี 2553 และปี 2554 ไม่มคี วามแตกต่างกัน)
Ha : 1 - 2 ≠ 0 (ยอดขายของปี 2553 และปี 2554 มคี วามแตกตา่ งกัน)
2. กาหนดระดับนัยสาคัญ  = .01, n = 10,

3. เปดิ ตาราง (ภาคผนวก ค) ท่ี d = 9, two tailed test  = .01 ได้ค่า t = 3.25

4. คานวณคา่ สถิติทดสอบ t

D= 35821 = 3582.1
10

SD = 157576853- (35821)2
10 = 1803.16

10 - 1

t = 3582.1 = 6.27
1803.16 10

248

5. เปรียบเทยี บ คา่ t ทค่ี านวณไดก้ บั คา่ วกิ ฤติ t จากตาราง พบว่าค่า t ที่คานวณได้มีค่ามากกว่าค่า t
ที่ได้จากตารางซ่ึงเป็นค่าที่ตกอยู่เขตวิกฤติ (6.27>3.25) ดังน้ันจึงปฏิเสธสมมติฐานหลัก (Ho) และ
ยอมรับสมมติฐานทางเลือก (Ha) สรุปได้ว่ายอดขายของปี 2553 และปี 2554 ของบริษัทต่าง ๆ
มีความแตกตา่ งกนั อย่างมนี ยั สาคญั ทางสถติ ิ

13.4.1.3 การวิเคราะห์ความแปรปรวน (analysis of variance – ANOVA)
การวิเคราะห์ความแปรปรวน เป็นการทดสอบสมมติฐานเก่ียวกับผลต่างระหว่างค่าเฉล่ียมากกว่า

2 ประชากร
ข้อตกลงเบือ้ งตน้ ของการใชก้ ารวเิ คราะห์ความแปรปรวน

1. ขอ้ มูลทกุ กลุม่ เปน็ อสิ ระต่อกัน
2. ข้อมลู ทุกกลมุ่ มีการแจกแจงแบบปกติ
3. ขอ้ มูลทุกกลุ่มมีคา่ เบี่ยงเบนมาตรฐานเท่ากนั

สมมตฐิ านทดสอบ
H0 : ค่าเฉลีย่ ของประชากรทกุ กลุม่ เท่ากนั หรอื H0 : 1 = 2 = 3 = k

Ha : ค่าเฉลย่ี ของประชากรอย่างน้อย 1 คู่ไม่เท่ากันหรือ Ha : i ≠ j เม่ือ i ≠ j

ค่าสถิติท่ีใช้ในการวิเคราะห์ความแปรปรวนคือค่า F ซ่ึงเป็นการเปรียบเทียบความ

แปรปรวนระหว่างผลจากตัวแปรอสิ ระและความแปรปรวนภายในกลุ่ม (k - 1), (N - k)

การทดสอบสมมติฐานทาได้โดยนาค่า F ที่คานวณได้มาเปรียบเทียบกับค่า

F[; (k - 1),(N - k)] ที่ระดับนัยสาคัญที่กาหนด โดยที่ N = จานวนข้อมูลทั้งหมด และ

k = จานวนกลุ่มขอ้ มลู

การคานวณค่า F

F = ความแปรปรวนเนอ่ื งจากตวั แปรอสิ ระ = MSb/MSw
ความแปรปรวนเนื่องจากความคลาดเคลอ่ื น
MSb = ความแปรปรวนเนอ่ื งจากตัวแปรอสิ ระ =
SSb = SSb/db

= ผลรวมกาลังสองของความแตกต่างข้อมลู ระหวา่ งกลมุ่

(X)2/N - (X)2/N

db = k - 1 = SSw/dw
MSw = ความแปรปรวนเนอื่ งจากความคลาดเคลือ่ น

dw = N-k

SSw = ผลรวมกาลังสองของความแตกตา่ งข้อมูลภายในกลุ่ม

= (X)2/N - (X)2/N

SSt = (X2) - (X)2/N

249

ตารางที่ 13.6 การวเิ คราะห์ความแปรปรวน

แหลง่ ความ ผลรวม คา่ เฉล่ียผลรวม สถิติ F
แปรปรวน d กาลงั สอง กาลังสอง F = MSb/MSw

ระหวา่ งกล่มุ (b) (sum square: SS) (mean of sum
ภายในกลุม่ (w) square: MS)
ผลรวม k - 1 SSb
N - k SSw MSb = SSb/db
N-1 MSw = SSw/dw

ตัวอย่างที่ 13.9 จากตารางเปน็ ข้อมูลที่ได้จากการสารวจคะแนนการทดสอบนกั ศึกษา 3 กลุ่ม ดงั นี้

คะแนนกลมุ่ ที่ 1 คะแนนกลมุ่ ที่ 2 คะแนนกลุม่ ท่ี 3

87 87 89

86 85 91

76 99 96

56 85 87

78 79 89

98 81 90

77 82 89

66 78 96

75 85 96

67 91 93

ต้องการทดสอบว่านักศึกษา 3 กลุ่ม มีผลคะแนนสอบแตกต่างกันหรือไม่ท่ีระดับ
นัยสาคัญ .05
วธิ ีทา
1. ตั้งสมมติฐาน H0 : 1 = 2 = 3 และ

Ha : อย่างน้อยมี  อยู่ 1 คู่ ทแ่ี ตกตา่ งกนั
2. กาหนดระดบั นยั สาคญั  = .05
3. ค่าองศาแหง่ ความอิสระ db = k - 1 = 3 - 1 = 2

dw = N - k = 30 - 3 = 27
เปิดตาราง (ภาคผนวก ง) ที่  = .05 และ d 2, 27 ได้ค่า F วกิ ฤต = 3.36

250

4. คานวณค่าสถิติทดสอบ
กลมุ่ คะแนน X2 กลุ่ม คะแนน X2 กลมุ่ คะแนน X2
1 87 7569 2 87 7569 3 89 7921

1 86 7396 2 85 7225 3 91 8281

1 76 5776 2 99 9801 3 96 9216

1 56 3136 2 85 7225 3 87 7569

1 78 6084 2 79 6241 3 89 7921

1 98 9604 2 81 6561 3 90 8100

1 77 5929 2 82 7624 3 89 7921

1 66 4356 2 78 6084 3 96 9216

1 75 5625 2 85 7225 3 96 9216

1 67 4489 2 91 8281 3 93 8649

n 10 766 10 10
76.6
X 852 916
59964 85.2 91.6
X 58675.6 72963 84010
(X2) 72590.4 83905.6

(X)2/n

n = 30
X = 766 + 852 + 916 = 2534.00
(X)2/N = 214038.53
(X2) = 59964 + 72963 + 84010 = 216910.00
(X)2/N = 58675.6 + 72590.4 + 83905.6 = 215171.60

SSb = (X)2/n - (X)2/N = 215171.60 – 214038.53 = 1133.07
SSw = (X2) - (X)2/n = 216910.00 – 215171.60 = 1738.40
SSt = (X2) - (X)2/N = 216910.00 – 214038.53 = 2871.47

แหลง่ ความ d ผลรวมกาลังสอง ค่าเฉลี่ยผลรวมกาลังสอง สถติ ิ F

แปรปรวน (sum square: SS) (mean of sum square: MS)

ระหวา่ งกลุ่ม (b) 2 1133.07 566.54 8.79

ภายในกลุม่ (w) 27 1738.40 64.39

ผลรวม 29 2871.47

251

5. เม่ือเทียบค่า F ที่คานวณได้ (8.79) พบว่ามีค่าสูงกว่าค่า F ที่เปิดจากตาราง (3.36) จึงปฏิเสธ
สมมติฐานหลัก (H0) และยอมรับสมมติฐานทางเลือก (Ha) สรุปได้ว่า นักศึกษา 3 กลุ่มมีผลคะแนน
สอบแตกต่างกนั อยา่ งมนี ัยสาคัญทางสถติ ิ

13.4.2 การทดสอบสมมตฐิ านเกย่ี วกบั จานวนหรือความถ่ี

การทดสอบสมมติฐานเก่ยี วกบั จานวนหรอื ความถี่ เปน็ การทดสอบความสัมพันธ์ระหว่าง

ตัวแปร 2 ตวั โดยทีต่ ัวแปรท้ัง 2 ตัวเป็นตัวแปรไม่ต่อเนื่อง เช่น การทดสอบความสัมพันธ์ระหว่างเพศ

กบั การไปลงคะแนนเสยี งเลอื กตั้ง เป็นต้น ค่าไคสแควร์ มีสตู รในการคานวณดังนี้

Chi-Square (2) =  (0 - E)2

E

กรณีขอ้ มลู ทต่ี ้องการทดสอบมีลกั ษณะเดียว คา่ องศาแหง่ ความอสิ ระ (d) มคี ่า = n - 1

กรณีข้อมูลท่ีต้องการทดสอบมีสองลักษณะ ลักษณะที่หนึ่งมี c ประเภท และลักษณะ

ทสี่ องมี r ประเภท ค่าองศาแหง่ ความอิสระ (d) มคี ่า = (c - 1)(r - 1)

ตวั อย่างที่ 13.10จากการสารวจยอดขายของสินค้า 3 ประเภท จาแนกตามเพศของพนักงานขาย
ได้ข้อมูลที่สรุปดังในตาราง จงทดสอบว่าเพศของพนักงานมีความสัมพันธ์กับ
ยอดขายของประเภทสินคา้ ท่ีขายไดห้ รอื ไม่ โดยใช้ระดบั นยั สาคญั .05

เพศ ประเภทที่ 1 ยอดจาหน่ายสนิ ค้า (ชนิ้ )
ชาย 30
ประเภทท่ี 2 ประเภทท่ี 3 รวม
หญงิ 20 100
30 40
รวม 50 100
30 50
200
60 90

วิธที า
1. ต้งั สมมตฐิ าน

H0 : เพศของพนักงานขายไมม่ คี วามสมั พนั ธก์ บั ยอดขายของประเภทสนิ คา้ ที่ขายได้
Ha : เพศของพนักงานขายมคี วามสัมพนั ธก์ ับยอดขายของประเภทสนิ คา้ ทีข่ ายได้
2. กาหนดระดบั นยั สาคญั  = .05
3. เปดิ ตารางการแจกแจงของ 2 (ภาคผนวก ข) ท่ี  = .05 และ d = (2-1)(3-1) = 2
ได้ค่าวกิ ฤตของ 2 = 5.99
4. คานวณค่าสถิติทดสอบ 2

2 =  (0 - E)2

E

252

0E (0 - E) (0 - E)2 (0 - E)2

30 (100 x 50)/200 = 25 30 – 25 = 5 25 E
30 (100 x 60)/200 = 30 30 – 30 = 0 0
40 (100 x 90)/200 = 45 40 – 45 = -5 25 25/25 = 1.00
20 (100 x 50)/200 = 25 20 – 25 = -5 25 0/30 = 0
30 (100 x 60)/200 = 30 30 – 30 = 0 0 25/45 = 0.56
50 (100 x 90)/200 = 45 50 – 45 = 5 25 25/25 = 1.00
0/30 = 0
200 - - 25/45 = 0.56

 (0 - E)2 = 3.12

E

5. ค่า 2 ที่คานวณได้ (3.12) มีค่าน้อยกว่าค่า 2 ท่ีเปิดจากตาราง (5.99) จึงไม่สามารถปฏิเสธ
สมมตฐิ านหลัก (H0) ทาใหส้ รุปได้วา่ เพศของพนกั งานขายไม่มีความสัมพันธ์กับยอดขายของประเภท
สินค้าที่ขายไดอ้ ย่างมีนัยสาคัญทางสถิติ

13.4.3 การทดสอบสมมติฐานเกี่ยวกับสมั ประสทิ ธิส์ หสัมพันธ์

สถิติท่ีใช้วัดความสัมพันธ์ของตัวแปร 2 ตัว โดยท่ีตัวแปรทั้งสองเป็นตัวแปรต่อเนื่อง
ได้แก่ สหสัมพันธ์แบบเพียร์สัน (Pearson’s product moment correlation) สหสัมพันธ์แบบอันดับท่ี
ของสเปียร์แมน (Spearman rank order correlation) สหสัมพันธ์แบบฟี (phi correlation) และ
สหสัมพันธ์แบบเครมเมอร์สวี (Cramer’s V) เป็นต้น ค่าท่ีได้จากการคานวณ เรียกว่า “สัมประสิทธิ์
สหสัมพันธ์” (correlation coefficient) ซ่ึงจะเป็นการแสดงว่า ตัวแปรสองตัวมีความสัมพันธ์กัน

ขนาดใด ในทนี่ ้ีจะกลา่ วเฉพาะสหสัมพันธเ์ พยี รส์ ัน ดังนี้
สูตรการคานวณ ค่าสัมประสิทธิ์สหสัมพันธแ์ บบเพียรส์ ัน rxy มดี ังนี้

rxy = nXY - XY

[nX2 - (X)2][nY2 - (Y)2]

ค่าสัมประสิทธิ์สหสัมพันธ์ มีค่าต้ังแต่ -1.00 ถึง 1.00 ความหมายของค่าสัมประสิทธิ์
สหสัมพันธอ์ ธบิ ายไดด้ ังน้ี (ดงั ภาพที่ 13.9)

ถ้าค่าสัมประสิทธ์ิสหสัมพันธ์มีค่าเป็นบวก (+) และใกล้ 1 หมายถึง ตัวแปรท้ัง 2 ตัว
มีความสัมพันธ์กันมากในทิศทางเดียวกัน เช่น ถ้าสัมประสิทธิ์สหสัมพันธ์ระหว่างอายุของลูกค้ากับ
ระดับคะแนนความพึงพอใจเป็น 0.9 แสดงว่า อายุและความพึงพอใจมีความสัมพันธ์กันมาก และ

ลกู คา้ ท่มี ีอายมุ ากจะมคี วามพึงพอใจมากด้วย สว่ นลูกคา้ ทม่ี อี ายุนอ้ ยจะมีความพงึ พอใจน้อย
ถ้าค่าสัมประสิทธิ์สหสัมพันธ์มีค่าเป็นลบ (-) และใกล้ -1 หมายถึง ตัวแปรทั้ง 2 ตัว

มีความสัมพนั ธ์กันมากในทิศทางตรงกันข้าม เช่น ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างรายได้ของลูกค้า

253

กับระดับคะแนนความพึงพอใจเป็น -0.9 หมายถึง รายได้และความพึงพอใจมีความสัมพันธ์กันมาก
ในทิศทางตรงข้าม คือ ลูกค้าที่มีรายได้มากจะมีความพึงพอใจน้อย ส่วนลูกค้าท่ีมีรายได้น้อยจะมี
ความพงึ พอใจมาก

ถ้าสัมประสิทธ์ิสหสัมพันธ์มีค่าใกล้ศูนย์ หมายถึง ตัวแปรท้ัง 2 ตัวไม่มีความสัมพันธ์กัน
หรือมีความสัมพันธ์กันน้อยมาก เช่น ถ้าคานวณได้ค่าสัมประสิทธ์ิสหสัมพันธ์ระหว่างอายุกับความ
พึงพอใจเป็น 0.01 แสดงว่าอายุและความพึงพอใจไม่มีความสัมพันธ์กัน หรือมีความสัมพันธ์กัน
นอ้ ยมาก น่นั คือ ไมว่ ่าลกู คา้ จะมอี ายมุ ากหรอื น้อยก็ตามจะมีความพงึ พอใจในสินคา้ ใกล้เคยี งกัน

YY

X X

(ก) (ข)

ภาพท่ี 13.9(ก) ตัวแปร X และตัวแปร Y มคี วามสัมพนั ธ์กันอยา่ งสมบรู ณท์ างบวก
(ข) ตวั แปร X และตวั แปร Y มคี วามสมั พนั ธก์ ันอยา่ งสมบูรณท์ างลบ

อย่างไรกต็ าม การจะทดสอบว่าตัวแปร 2 ตวั มีความสมั พนั ธก์ ันจริงหรือไม่จะต้องทาการ

ทดสอบนัยสาคัญของค่าสัมประสิทธ์ิสหสัมพันธ์ การทดสอบนัยสาคัญของค่าสัมประสิทธิ์สหสัมพันธ์
() เป็นการทดสอบสมมติฐานว่าตวั แปรสองตวั มีความสัมพันธ์กนั หรือไม่โดยสถติ ิทใี่ ช้ทดสอบคอื ค่า t

t = n-2

r
1- r2

เมื่อ r = คา่ สัมประสิทธิ์สหสมั พนั ธแ์ บบเพยี รส์ นั

rxy = nXY - XY

[nX2 - (X)2][nY2 - (Y)2]

n = จานวนข้อมูลในกล่มุ ตวั อยา่ ง
d = n - 2

254

สมมติฐานทดสอบ
H0 :  = 0 ตวั แปรสองตวั ไมม่ คี วามสมั พันธ์กนั
Ha :  ≠ 0 ตัวแปรสองตัวมคี วามสัมพนั ธ์กนั

ตวั อยา่ งที่ 13.11จงทดสอบความสมั พนั ธ์ระหวา่ งอายุกับระดับความพึงพอใจในการรับบริการของลกู คา้

ลาดบั ที่ อายุ (X) ระดบั ความ XY X2 Y2
พึงพอใจ (Y)

1 30 1 30 900 1

2 34 2 68 1156 4

3 39 2 78 1521 4

4 42 3 126 1764 9

5 45 5 225 2025 25

รวม 190 13 527 7366 43

rxy = nXY - XY

[nX2 - (X)2][nY2 - (Y)2]

= 5(527) - (190)(13) = .90
[5(7366) - (190)2][5(43) - (13)2]

สมั ประสทิ ธิส์ หสัมพันธร์ ะหวา่ งอายแุ ละระดบั ความพงึ พอใจ (rxy) เท่ากบั .90
ทดสอบสมมติฐาน

1. สมมติฐานทางสถติ ิ H0 :  = 0

Ha :  ≠ 0
2. กาหนดระดบั นัยสาคัญ  = .05

3. เปดิ ตาราง (ภาคผนวก ค) ท่ี  = .05, d = n - 2 = 5 - 2 = 3 ได้ค่า t = 3.182

4. คานวณค่าสถติ ิทดสอบ t

t = r n-2
1- r2

= .90 5-2 = 3.58
1 - .902

5. เปรียบเทียบค่า t ที่คานวณได้กับค่าวิกฤต t จากตาราง พบว่า ค่า t ที่คานวณได้มีค่าสูงกว่าค่า t

จากตาราง (3.182) ดังน้ันจึงปฏิเสธ H0 และยอมรับ Ha สรุปได้ว่า อายุกับระดับความพึงพอใจ
มคี วามสัมพันธก์ นั อย่างมีนัยสาคัญทางสถติ ิ

255

13.4.4 การวเิ คราะหก์ ารถดถอย

การวเิ คราะหค์ วามสัมพันธ์ระหว่างตัวแปรด้วยค่าสถิติสัมประสิทธ์ิสหสัมพันธ์ที่กล่าวข้างต้น
เปน็ การวิเคราะห์ว่าตัวแปรทง้ั สองมคี วามสัมพนั ธก์ ันอยา่ งไร โดยไมไ่ ดก้ าหนดว่าตัวแปรใดเป็นตัวแปร
อิสระและตวั แปรใดเปน็ ตัวแปรตาม แต่ในการวิเคราะห์การถดถอยผู้วิจัยจะต้องกาหนดว่าตัวแปรใด
เป็นตัวแปรอิสระและตัวแปรใดเป็นตัวแปรตาม การวิเคราะห์การถดถอยจึงเป็นการวิเคราะห์ที่สามารถ
อธบิ ายถึงความสัมพันธเ์ ชงิ เหตุผลวา่ การเปลย่ี นแปลงของตัวแปรตามเกดิ ข้นึ จากการเปลี่ยนแปลงของ
ตวั แปรอิสระหรอื ไมอ่ ย่างไร

การวิเคราะห์การถดถอยสามารถใช้วิเคราะห์ความสัมพันธ์ท่ีมีตัวแปรอิสระ 1 หรือ
มากกวา่ 1 ตัวก็ได้ การวเิ คราะห์การถดถอยทีม่ ีตวั แปรอิสระตวั หน่งึ ตวั และตัวแปรตามหนึ่งตัวเรียกว่า
“การวิเคราะห์การถดถอยอย่างง่าย” และถ้ามีตัวแปรอิสระมากกว่า 1 ตัวและตัวแปรตามหน่ึงตัว
เรยี กวา่ “การวเิ คราะหก์ ารถดถอยพหคุ ณู ”

การวิเคราะหก์ ารถดถอยสามารถเขยี นความสมั พันธใ์ นรปู ของสมการดงั นี้
1. การวิเคราะห์การถดถอยอย่างง่าย

Y = 0 + 1X1 + e1
2. การวิเคราะห์การถดถอยพหุคณู เม่อื มตี วั แปรอสิ ระ k ตวั

Y = 0 + 1X1 + 2X2 + … + kXk + e1

โดยที่ Y = ตวั แปรตาม
X = ตัวแปรอสิ ระ
0 = จุดตัดแกน Y เม่ือ X มคี า่ เป็นศูนย์

0, 1,…, k = สัมประสิทธิ์การถดถอยที่แสดงถึงการเปลี่ยนแปลงของ
ตัวแปร Y เม่ือตัวแปรอิสระ X ตัวหน่ึงเปลี่ยนไป 1 หน่วย โดยที่ตัวแปรอิสระ X ตัวอ่ืน ๆ มีค่าคงที่
เชน่ ถา้ X1 เปล่ียนไป 1 หนว่ ย Y จะเปลย่ี นไป 1 หน่วย โดยท่ี X2, X3,…, Xk คงท่ี

สมมติฐานทดสอบ
1. การวเิ คราะห์ความแปรปรวน สถิตทิ ดสอบใชค้ ่า F

H0 : 1 = 2 = 3 = ... = k ตัวแปรอสิ ระทกุ ตวั ไมม่ คี วามสมั พนั ธก์ ับตัวแปรตาม
Ha : 1 ≠ 2 ≠ 3 ≠ ... ≠ k ตัวแปรอิสระอยา่ งน้อย 1 ตัวมีความสัมพนั ธก์ บั ตัวแปรตาม
2. การทดสอบเกี่ยวกบั สัมประสทิ ธ์ิการถดถอย สถิตทิ ดสอบใชค้ า่ t
H0 : i = 0 ตัวแปรอสิ ระ i ไม่มคี วามสัมพนั ธ์กับตัวแปรตาม เม่อื ตวั แปรอน่ื ๆ คงที่
Ha : i ≠ 0 ตัวแปรอิสระ i มีความสมั พนั ธ์กับตวั แปรตาม เมอ่ื ตัวแปรอน่ื ๆ คงท่ี

ขอ้ ตกลงเบ้อื งต้นของการวิเคราะหก์ ารถดถอยพหุคูณ
1. ประชากรมีการแจกแจงแบบปกติ
2. ตวั แปรอิสระกับตัวแปรตามมีความสมั พันธก์ ันเชิงเสน้ ตรง (linearity)
3. ความแปรปรวนของความคลาดเคลอื่ นมีค่าคงที่ (homoscedasticity)

256

4. ตอ้ งไมม่ ปี ญั หาความสมั พนั ธ์ระหวา่ งตัวแปรอิสระ (multicollinearity) หมายถงึ ตัวแปร
อิสระตอ้ งเปน็ อสิ ระตอ่ กนั หรอื ไม่มีความสมั พนั ธ์กนั ทสี่ ูงเกินไป

นอกเหนอื จากคา่  แลว้ มีค่าสถิติที่สาคัญท่ีใช้ในการเสนอผลการวิเคราะห์ได้แก่ ค่า F,
significant of F, R และ R2 โดยที่ค่า R คือค่าสัมประสิทธิ์สหสัมพันธ์ (correlation coefficient)
ท่ีแสดงอัตราความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตาม ส่วนค่า R2 คือ ค่าสัมประสิทธ์ิ
การตดั สนิ ใจ (coefficient of determination) เป็นคา่ ที่แสดงความสามารถของตัวแปรอิสระในการ
อธิบายตัวแปรตาม การคานวณคา่ สถิตดิ ังกล่าวคอ่ นขา้ งมีความยุ่งยากจงึ มกั นิยมใชโ้ ปรแกรมสาเร็จรูป
ในการคานวณ

เงื่อนไขที่สาคัญข้อหนึ่งของการวิเคราะห์การถดถอยพหุคูณคือตัวแปรอิสระทุกตัว
ต้องเป็นอิสระต่อกัน มิฉะนั้นจะเกิดปัญหาความสัมพันธ์ระหว่างตัวแปรอิสระหรือที่เรียกว่า
“multicollinearity” ท่ีอาจทาให้ผลการวิเคราะห์บิดเบือนไปและไม่สามารถนาไปอ้างอิงกับประชากร
กลมุ่ อ่ืนได้ (Hair et al., 1995: 146) การตรวจสอบว่าจะเกิดปัญหา multicollinearity หรือไม่นั้น
อาจพจิ ารณาได้จากคา่ ความคงทน (tolerance) และค่าปัจจัยการขยายตัวผันแปร (variance inflation
factor: VIF) คา่ สองคา่ นี้จะแสดงใหเ้ หน็ ว่าตัวแปรอสิ ระตัวหนง่ึ ๆ ถูกอธิบายได้ดว้ ยตวั แปรอิสระอ่ืน ๆ
ได้เพยี งใด โดยทั่วไปการมีค่าความคงทนที่ต่ากว่า 0.1 และค่าปัจจัยการขยายตัวผันแปรท่ีสูงกว่า 10
แสดงวา่ อาจเกดิ ปัญหา multicollinearity ได้ (Hair et al., 1995: 127)

สรปุ

สถิติในการวิจัยแบ่งออกได้เป็น 2 ประเภท คือ สถิติพรรณนาและสถิติอ้างอิง สถิติ
พรรณนาเป็นสถิติท่มี ุ่งบรรยายลกั ษณะในภาพรวมของข้อมูลที่ได้เก็บรวบรวมมา ได้แก่ การแจกแจง
ความถี่ การวัดแนวโน้มสู่ส่วนกลาง การวดั การกระจาย และการวัดความสัมพันธ์ สถิติอ้างอิงเป็นสถิติ
ที่ใช้สรุปข้อมูลท่ีศึกษาได้จากกลุ่มตัวอย่าง แล้วอาศัยทฤษฎีความน่าจะเป็นมาใช้ในการวิเคราะห์
เพ่ือสรุปผลไปยังประชากรเป้าหมาย สถิติอ้างอิงสามารถนาไปใช้ได้ 2 ลักษณะ คือ ใช้ในการประมาณค่า
และใช้ในการทดสอบสมมติฐาน ในการวิจยั ทางสังคมศาสตร์และในทางธุรกิจมักใช้สถิติอ้างอิงในการ
ทดสอบสมมติฐาน เพ่ือหาข้อสรุปว่าจะไม่สามารถปฏิเสธหรือปฏิเสธสมมติฐานหลัก การทดสอบ
สมมติฐานมีหลายประเภท ได้แก่ การทดสอบสมมติฐานเกี่ยวกับค่าเฉล่ีย การทดสอบสมมติฐาน
เก่ียวกบั จานวนหรอื ความถ่ี การทดสอบสมมติฐานเกี่ยวกับสัมประสิทธ์ิสหสัมพันธ์ และการวิเคราะห์
การถดถอย โดยผวู้ จิ ัยจะต้องเลือกใช้สถิติทดสอบทเี่ หมาะสม

เอกสารอา้ งองิ

พรศรี ศรอี ษั ฏาพร และยุวดี วฒั นานนท.์ 2529. สถิตแิ ละการวจิ ยั เบื้องต้น. กรุงเทพฯ:
สามเจรญิ พานชิ .

Aaker, A. D., Kumer, V., Leone, R. P. and Day, G. S. 2013. Marketing Research.

John Wiley and Sons: Singapore.
Cooper, D. R. and Schindler, P. S. 2014. Business Research Methods. 12th ed.

257

Boston, MA and Burr Ridge, IL: McGraw-Hill.
Hair, J. F., Jr, Anderson, R. E., Tatham, R. L. and Black, W. C. 1995. Multivariate

Data Analysis with Readings. 4th ed. Englewood Cliffs, NJ: Prentice-Hall.
Zikmund, W. G., Babin B. J., Carr, J. C. and Griffin, M. 2010. Business Research

Methods. 8th ed. Ohio: South-Western/Cengage Learning.

บทท่ี 14

การวิเคราะหข์ ้อมูลด้วยโปรแกรมคอมพวิ เตอร์

ปัจจุบนั มโี ปรแกรมคอมพิวเตอรจ์ ํานวนมากทส่ี ามารถนาํ มาใช้ในการคํานวณค่าสถิติและ
วิเคราะห์ข้อมูลตั้งแต่ แผ่นตารางทาํ การ (spreadsheet) เช่น ExcelTM จนถึงโปรแกรมสําเร็จรูป
สําหรับวิเคราะห์ข้อมูลทางสถิติ เช่น MinitabTM, SASTM, SPSSTM และ StatviewTM เป็นต้น และ
โปรแกรมท่ีนิยมใช้ในการวิจัยทางธุรกิจได้แก่ ExcelTM และ SPSSTM (Sekaran, 2003: 306) การใช้
โปรแกรมคอมพิวเตอร์ต่าง ๆ เหล่าน้ีมีความสะดวก ง่าย และรวดเร็วมาก รวมถึงช่วยผู้วิจัยในการ
สร้างตารางและแผนภูมิสําหรับการนําเสนอได้ด้วย อย่างไรก็ตามมีข้อพึงระวังในการใช้โปรแกรม
ดังกลา่ ว เชน่ ต้องตรวจสอบและจัดการขอ้ มูลใหถ้ ูกตอ้ ง และต้องเลือกใช้สถิติและเทคนิควิธีวิเคราะห์
ที่เหมาะสม ตลอดจนต้องตรวจสอบเง่ือนไขในการใช้สถิติต่าง ๆ มิฉะนั้นแล้วผลการวิเคราะห์ท่ีมาได้
โดยงา่ ยจากโปรแกรมคอมพิวเตอร์จะเป็นข้อมูลขยะที่ใช้ประโยชน์อะไรไม่ได้ (Robson, 2002: 393
อา้ งถงึ ใน Saunders et al., 2009: 416)

โปรแกรม SPSS (Statistical Package for the Social Sciences) เป็นโปรแกรมสําเร็จรูป
โปรแกรมหน่ึงท่ีใช้เพ่ือการประมวลผลข้อมูลสถิติในงานวิจัยซ่ึงเป็นโปรแกรมที่ได้รั บความนิยม
แพรห่ ลายมากในกล่มุ ผวู้ ิจัยทางธุรกิจ เน่ืองจากเป็นโปรแกรมท่ีมีการใช้งานสะดวกและมีคําสั่งท่ีเข้าใจง่าย
และโปรแกรม SPSS ยังได้มีการพัฒนาให้มกี ารใช้งานทส่ี ะดวกมากข้ึนอย่างต่อเนื่อง บทน้ีจะนําเสนอ
การเตรียมข้อมูล และการวเิ คราะห์ข้อมูลด้วยโปรแกรมสําเร็จรูป SPSS

14.1 การจดั เตรยี มขอ้ มลู

ก่อนท่ีผู้วิจัยจะนําข้อมูลท่ีเก็บรวบรวมมาได้ไปทําการวิเคราะห์ จะต้องจัดเตรียมข้อมูล
(data preparation) ก่อนเพื่อให้ข้อมูลอยู่ในรูปแบบท่ีง่ายและสามารถนําไปใช้ในการวิเคราะห์ได้
การจัดเตรียมข้อมูลซ่ึงประกอบด้วย การบรรณาธิกรข้อมูล การจัดการข้อมูลที่ไม่ตอบ การกําหนดรหัส
และการสร้างคู่มือลงรหสั (ดังภาพที่ 14.1) ซง่ึ มรี ายละเอียดดงั น้ี

14.1.1 การบรรณาธิกรข้อมลู

การบรรณาธิกรขอ้ มูล (data editing) เป็นการตรวจสอบและแก้ไขขอ้ มูลให้มีความสมบูรณ์
ปราศจากข้อผดิ พลาด และมีความหมายมากทส่ี ดุ ขอ้ มูลทีผ่ วู้ ิจยั เก็บรวมรวมมาได้มกั จะมีความคลาดเคล่ือน
อยเู่ สมอ ความคลาดเคลือ่ นท่ีเกิดข้ึนอาจมาจากผู้ให้ข้อมูล (respondent error) และความคลาดเคลื่อน
ที่ไม่ได้เกิดจากผู้ให้ข้อมูล (non-respondent error) ความคลาดเคล่ือนที่ไม่ได้เกิดจากผู้ให้ข้อมูล
ได้แก่ ความคลาดเคล่ือนท่ีเกดิ จากเครอ่ื งมอื ในการเก็บข้อมลู จากแบบสอบถาม จากผู้สัมภาษณ์ และ
จากการบันทึกข้อมูล เป็นต้น (Zikmund et al., 2010: 426) โดยท่ัวไปผู้วิจัยควรตรวจสอบแก้ไข
ข้อมูลต้งั แต่ขนั้ ตอนการเก็บรวบรวมข้อมลู กลา่ วคอื ผู้วิจัยควรตรวจสอบความสมบูรณ์ของข้อมูลทันที
ที่ไดร้ ับข้อมลู เชน่ ควรตรวจสอบว่าผตู้ อบแบบสอบถามได้ตอบคําถามครบทุกข้อหรือไม่ หรือในกรณี

259

การเก็บข้อมูลด้วยการสัมภาษณ์ ผู้วิจัยควรตรวจสอบว่าการสัมภาษณ์เป็นไปตามกระบวนการ
ที่ถูกต้องตามแผนหรือไม่ ได้สัมภาษณ์ถูกคนหรือไม่ และได้มีปัญหาอะไรเกิดข้ึนหรือไม่ระหว่าง

การสมั ภาษณ์ท่ีนําไปสู่ความคลาดเคล่ือนของข้อมูล เช่น ความพร้อมของผู้ถูกสัมภาษณ์ บรรยากาศ
ระหว่างการสัมภาษณ์ เป็นต้น ผู้วิจัยควรติดต่อกลับไปยังผู้ให้ข้อมูลทันทีเพื่อขอข้อมูลเพิ่มเติม
เมอื่ พบวา่ ข้อมลู มีความไม่สมบูรณ์

ขอ้ มลู ท่ีเก็บรวบรวมมาได้ วิเคราะห์ข้อมูล แปลผล
อภปิ รายผล
จดั เตรียมข้อมูล - คุณภาพเครอ่ื งมือ
- บรรณาธกิ รข้อมูล ความเชอ่ื มั่น
- กําหนดรหัส ความเที่ยงตรง
- สรา้ งคูม่ ือลงรหัส
- สถิติบรรยาย
- สถติ อิ ้างองิ
(ทดสอบสมมติฐาน)

ภาพท่ี 14.1 ขัน้ ตอนการจัดเตรยี มข้อมูลและการวิเคราะหข์ อ้ มูล
ทมี่ า: ดดั แปลงจาก Sekaran (2003: 301)

นอกจากตรวจสอบความสมบูรณ์ของข้อมูลแล้ว ผู้วิจัยควรตรวจสอบด้วยว่า ข้อมูล
มีความเปน็ ไปได้ และสอดคลอ้ งกันหรือไม่ เช่น ผ้ตู อบให้ข้อมลู ว่าอายุ 18 ปี แต่มีบุตรอายุ 10 ปี หรือ
ในการศึกษาที่กลุ่มตวั อย่างเป็นผู้มีสิทธิเลือกต้ัง แต่พบว่ามีผู้ให้ข้อมูลบางคนมีอายุ 15 ปีทั้งท่ีผู้มีสิทธิ
เลอื กตั้งตอ้ งมอี ายุไมต่ ่าํ กวา่ 18 ปบี รบิ ูรณ์ เปน็ ต้น

ในกรณีท่ีมีแบบสอบถามหรือแบบสัมภาษณ์จํานวนมาก และจําเป็นต้องใช้ผู้ตรวจสอบ
แกไ้ ขขอ้ มลู หลายคน ผู้วิจัยควรจัดทําคู่มือสําหรับการตรวจสอบ เพื่อให้การตรวจสอบเป็นมาตรฐาน
เดียวกัน การตรวจสอบและแก้ไขข้อมูลท่ีดีจะช่วยให้การกําหนดรหัสข้อมูลซ่ึงเป็นขั้นตอนที่ต้องทํา
ตอ่ ไปทําได้งา่ ยขึ้น (Zikmund et al., 2010: 468)

แบบสอบถามที่ผู้วิจัยได้รับกลับมาย่อมมีบางฉบับท่ีผู้ตอบไม่ได้ตอบคําถามบางข้อ ทั้งนี้
อาจเน่ืองมาจากผู้ตอบแบบสอบถามไม่เข้าใจคําถาม ไม่มีความรู้ในเร่ืองที่ถาม หรือต้ังใจที่จะไม่ตอบ
รวมถึงอาจเป็นเพราะผู้ตอบแบบสอบถามไม่เต็มใจที่จะตอบ (ซ่ึงจะสังเกตได้จากมีคําถามท่ีไม่ตอบ
จาํ นวนหลายข้อ) ในกรณนี ีห้ ากพบว่ามคี าํ ถามทีไ่ ม่ตอบมากกว่าร้อยละ 25 ของคําถามทั้งหมด ผู้วิจัย
ควรแยกแบบสอบถามชุดนั้นออกไปไม่นํามาวิเคราะห์ (Sekaran, 2003: 302) สําหรับข้อคําถามท่ีเป็น
แบบมาตรวัดแบบช่วง (interval scale) ผู้วิจัยสามารถจัดการข้อคําถามท่ีไม่ตอบได้หลายวิธี เช่น
กําหนดค่ากลางของมาตรวัดเป็นค่าสําหรับข้อท่ีไม่ตอบ ให้ตัดข้อที่ไม่ตอบออกไปไม่นํามาวิเคราะห์
(วิธีน้ีจํานวนกลุ่มตัวอย่างจะลดลง) หรือกําหนดค่าเฉล่ียของผู้ที่ตอบทั้งหมดเป็นค่าของผู้ที่ไม่ตอบ

260

ในข้อนัน้ เป็นต้น อยา่ งไรก็ตามหากผู้วิจัยใช้โปรแกรมสําเร็จรูปในการวิเคราะห์ข้อมูลด้วยคอมพิวเตอร์
เชน่ โปรแกรม SPSS ผู้วิจัยสามารถกําหนดค่าเป็น “missing” สําหรับข้อท่ีไม่ตอบ แล้วเครื่องจะไม่
นาํ ข้อท่ีไมต่ อบไปวิเคราะห์

14.1.2 การกาหนดรหัส

การกําหนดรหัส (coding) หมายถึง การกําหนดตัวเลข ตัวอักษร หรือข้อความให้กับตัวแปร
หรือข้อมูลเพื่อทําให้สามารถจําแนกลักษณะของตัวแปรหรือของข้อมูล การกําหนดรหัสมักจะทําใน
ข้นั ตอนของการออกแบบสอบถาม คําถามหนึ่งข้อในแบบสอบถามจะประกอบด้วยตัวแปร (อย่างน้อย)
1 ตัว หากตวั แปรในข้อคําถามนั้นเป็นตัวแปรเชิงปริมาณ คําตอบของคําถามในข้อน้ันก็จะเป็นข้อมูล
ที่สามารถนําไปใช้ในการวิเคราะห์ได้ ไม่จําเป็นต้องกําหนดรหัส เช่น อายุ รายได้ เป็นต้น แต่ถ้าเป็น
ตัวแปรเชิงคณุ ภาพ ผูว้ ิจัยจะตอ้ งกําหนดรหัสให้เปน็ ขอ้ มูลสําหรับตัวแปรน้ัน เช่น เพศ ซ่ึงอาจใช้ “1”
แทน “เพศชาย” และ “2” แทน “เพศหญิง” เป็นต้น โดยท่ัวไปด้านขวามือของแบบสอบถามจะมี
ชอ่ งไวส้ าํ หรับใสร่ หสั ทสี่ อดคลอ้ งกับคําตอบของผ้ตู อบแบบสอบถาม

ตัวอย่างบางส่วนของแบบสอบถามของการวิจัยเร่ือง “ความคิดเห็นเก่ียวกับการเดินทาง
ภายในประเทศด้วยเครอ่ื งบิน”

เลขที่แบบสอบถาม

ตอนที่ 1 สถานภาพทั่วไปของผู้ตอบ สาํ หรับเจ้าหน้าท่ี

ข้อ 1. เพศ ( ) 1. ชาย ( ) 2. หญงิ ) 2. มธั ยมปลาย/ปวช.
) 4. ปริญญาตรี
ข้อ 2. อายุ............ปี
) 2. แต่งงานแลว้
ขอ้ 3. จบการศกึ ษาชนั้ สงู สดุ ระดบั ) 4. แตง่ งานแลว้ แตแ่ ยกกนั อยู่
) 2. พนกั งาน/ลูกจา้ งเอกชน
( ) 1. ต่าํ กว่ามัธยมปลาย ( ) 4. นักเรียน/นักศึกษา
) 6. เกษตรกร
( ) 3. อนปุ รญิ ญา/ปวส. (
) 2. 15,000 – 29,999 บาท
( ) 5. สงู กวา่ ปริญญาตรี ) 4. 45,000 – 59,999 บาท

ข้อ 4. สถานภาพสมรส

( ) 1.โสด (

( ) 3. หมา้ ย หรอื หยา่ ร้าง (

ข้อ 5. อาชีพ

( ) 1. ขา้ ราชการ/พนกั งานรัฐวสิ าหกิจ (

( ) 3. ค้าขาย/ประกอบธุรกจิ สว่ นตัว (

( ) 5. แมบ่ ้าน/ไม่ได้ประกอบอาชีพ (

( ) 7. อน่ื ๆ (ระบุ) ..............................

ข้อ 6. รายไดเ้ ฉลยี่ ต่อเดือนของท่านในปัจจุบนั

( ) 1. น้อยกวา่ 15,000 บาท (

( ) 3. 30,000 – 44,999 บาท (

( ) 5. ตง้ั แต่ 60,000 บาทข้ึนไป

261

ตอนที่ 2 ขอ้ มลู เกี่ยวกับการโดยสารเคร่อื งบินภายในประเทศ

ข้อ 7. ท่านเคยเดินทางภายในประเทศดว้ ยเครือ่ งบนิ หรอื ไม่

( ) 1. เคย

( ) 2. ไม่เคย ใหข้ า้ มไปตอบขอ้ 13

ขอ้ 8. ใน 3 รอบปที ผ่ี า่ นมาท่านเดนิ ทางดว้ ยสายการบนิ ภายในประเทศเฉลยี่ ปลี ะกีค่ ร้ัง

( ) 1. 1 คร้งั ( ) 2. 2 - 5 คร้ัง

( ) 3. 6 – 10 คร้ัง ( ) 4. มากกว่า 10 ครั้ง

ข้อ 9. จุดประสงค์ส่วนใหญ่ของทา่ นในการเดนิ ทางภายในประเทศด้วยเคร่ืองบินคอื

( ) 1. ธุรกิจ/งานในหนา้ ที่ ( ) 2. พกั ผอ่ น/ทอ่ งเทย่ี ว

( ) 3. เยยี่ มญาต/ิ เพอื่ น ( ) 4. อน่ื ๆ โปรดระบ…ุ ………..

ข้อ 10. ทา่ นซ้อื ตั๋วโดยสารเคร่อื งบินด้วยวิธีใดบ้าง(เลือกได้มากกวา่ 1 ข้อ)

( ) 1. ซื้อโดยตรงกับบริษัทสายการบนิ

( ) 2. ซอ้ื ผ่านเอเยน่ ต์ขายต๋ัว

( ) 3. ซอ้ื ผา่ นระบบอนิ เทอรเ์ นต็

( ) 4. ซื้อผ่านทางโทรศัพท์

ข้อ 11. ปัจจัยท่ีสําคัญท่ีท่านพิจารณาในการตัดสินใจเลือกสายการบินใดในการเดินทางภายใน

ประเทศ กรุณาเรียงลําดับความสําคัญของแต่ละปัจจัย โดยให้หมายเลข 1 กับปัจจัยที่เห็นว่า

มคี วามสาํ คญั เปน็ อนั ดบั แรก รองลงมาใหเ้ ปน็ หมายเลข 2, 3 และ 4 ตามลําดับ

( ) 1. ราคา

( ) 2. การใหบ้ ริการ

( ) 3. ความนา่ เชื่อถือ

( ) 4. การตรงเวลา

ขอ้ 12. ความคดิ เห็นเกีย่ วกับการเดนิ ทางดว้ ยเคร่ืองบินในการเดนิ ทางภายในประเทศ

เห็น เหน็ เฉย ๆ ไม่ ไมเ่ หน็
ด้วย ดว้ ย เหน็ ด้วย
ด้วย
อยา่ ง อย่าง
ยง่ิ ยง่ิ

12.1 การเดินทางโดยเครอื่ งบิน

มคี วามปลอดภยั

12.2 การเดินทางโดยเคร่อื งบนิ

มคี วามสะดวกสบาย

12.3 ราคาค่าโดยสารมีความ

เหมาะสม

262

ขอ้ 13. เหตุใดที่ทา่ นไมเ่ ดินทางภายในประเทศด้วยเครอ่ื งบนิ ……………………………………….………………
……………………………………………………………………………….………..……………………………………………………
ข้อ 14. ข้อคดิ เห็นอ่นื ๆ เกยี่ วกับการเดินทางภายในประเทศโดยเครอื่ งบิน ………………………..…………
……………………………………………………………………………….………..……………………………………………………
……………………………………………………………………………….………..……………………………………………………
……………………………………………………………………………….………..……………………………………………………

-----------------------------

การกาํ หนดรหสั จะแตกต่างกนั ไปตามลักษณะของคาํ ถามดงั นี้
14.1.2.1 การกาหนดรหัสของคาถามปลายปิด คําถามปลายปิดได้รับความนิยม

มากกวา่ คาํ ถามปลายเปิดเนือ่ งจากมีประสิทธภิ าพและความชัดเจนมากกวา่ รวมถึงง่ายต่อการกําหนด
รหัส การบันทึกข้อมูล และการวิเคราะห์ข้อมูล (Cooper and Schindler, 2014: 380) นอกจากน้ี
ผู้วิจยั ยังสามารถกาํ หนดรหสั ให้กับขอ้ มลู ได้ลว่ งหนา้ ก่อนการเก็บข้อมูล

คําถามปลายปิดมีอยหู่ ลายแบบ ดังต่อไปนี้
1) คําถามที่ให้ผู้ตอบเลือกตอบได้เพียงคําตอบเดียว เช่น ตัวอย่าง

คําถามข้อ 1 และข้อ 3
(1) ตวั อย่างคาํ ถามข้อ 1 ตัวแปรเป็นตัวแปรเชิงคุณภาพ มีคําตอบ

ที่ใหเ้ ลอื ก 1 คาํ ตอบจาก 2 คาํ ตอบ คือ “ชาย” หรอื “หญิง” ผู้วิจัยอาจกําหนดรหัสหรือให้ค่าตัวแปร
เพศเปน็

1 เมอ่ื ผตู้ อบเลือก “ชาย” และ
2 เมอ่ื ผ้ตู อบเลอื ก “หญิง”
(2) ตัวอยา่ งคําถามขอ้ 3 ตวั แปรเป็นตัวแปรเชิงคุณภาพเช่นกัน
ให้เลือกตอบเพียงข้อเดียวจากคําตอบ 5 คําตอบ ผู้วิจัยอาจกําหนดรหัสหรือให้ค่าตัวแปรการศึกษา
เปน็
1 เมื่อผู้ตอบเลอื ก “ตา่ํ กว่ามธั ยมปลาย”
2 เมือ่ ผูต้ อบเลือก “มธั ยมปลาย/ปวช.”
3 เมอ่ื ผู้ตอบเลือก “อนุปริญญา/ปวส.”
4 เมอื่ ผตู้ อบเลอื ก “ปริญญาตรี” และ
5 เมอ่ื ผตู้ อบเลอื ก “สงู กว่าปรญิ ญาตรี”
2) คาํ ถามท่ใี ห้ผู้ตอบสามารถเลือกตอบได้หลายคําตอบ เช่น ตัวอย่าง
คําถามข้อ 10
ข้อ 10. ท่านซ้อื ต๋ัวโดยสารเคร่ืองบินด้วยวิธีใดบา้ ง (เลือกได้มากกวา่ 1 ข้อ)
( ) 1. ซอ้ื โดยตรงจากบรษิ ัทสายการบิน
( ) 2. ซอ้ื ผา่ นเอเย่นต์ขายตั๋ว
( ) 3. ซื้อผา่ นระบบอินเทอรเ์ นต็
( ) 4. ซ้อื ผ่านทางโทรศพั ท์

263

ผู้วิจัยสามารถลงรหัสข้อคําถามนี้โดยกําหนดให้มีจํานวนตัวแปรเท่ากับจํานวนคําตอบ
ท่ีให้เลือก คําตอบแต่ละข้อจะเป็นเสมือนตัวแปรแต่ละตัว ตามตัวอย่างข้างต้นมีคําตอบให้เลือก 4
คําตอบ จงึ เทา่ กบั มตี วั แปร 4 ตวั คือ ตัวแปรซื้อโดยตรงกับบริษัทสายการบิน ตัวแปรซื้อผ่านเอเย่นต์
ขายตั๋ว ตัวแปรซ้อื ผา่ นระบบอนิ เทอร์เนต็ และตวั แปรซ้ือผา่ นทางโทรศัพท์ โดยท่ีแต่ละตัวแปรจะมีค่า
เพียง 2 ค่า หรอื มี 2 รหสั เชน่ กาํ หนดค่าเปน็ 0 เมอื่ ผู้ตอบไม่เลอื ก หรือหมายความถึงว่าไม่ได้ซื้อด้วย
วธิ ีน้ี และ เป็น 1 เมื่อผตู้ อบเลอื ก หรือหมายความถึงว่าซ้ือด้วยวิธีน้ี เช่น ถ้าผู้ตอบแบบสอบถามตอบว่า
ซอื้ โดยตรงจากบริษัทสายการบนิ และซือ้ ผา่ นระบบอนิ เทอร์เน็ต รหสั ของตัวแปรแต่ละตวั จะเป็นดังน้ี

ตวั แปรซอ้ื โดยตรงจากบรษิ ทั สายการบินจะมีคา่ = 1
ตัวแปรซือ้ ผ่านเอเย่นต์ขายตว๋ั จะมคี า่ = 0
ตัวแปรผ่านระบบอินเทอรเ์ นต็ จะมคี ่า = 1
ตวั แปรซ้อื ผา่ นทางโทรศัพท์จะมคี า่ = 0

3) คาํ ถามท่ีให้ผู้ตอบเรียงลําดับความสาํ คัญ เช่น ตัวอย่างคําถาม
ข้อที่ 11 ซึ่งถามว่า

ข้อ 11. ปัจจัยที่สําคัญท่ีท่านพิจารณาในการตัดสินใจเลือกสายการบินใดในการเดินทาง
ภายในประเทศ กรุณาเรียงลําดับความสําคัญของแต่ละปัจจัย โดยให้หมายเลข 1 กับปัจจัยท่ีเห็นว่า
มีความสาํ คญั เป็นอนั ดบั แรก รองลงมา 2, 3 และ 4 ตามลําดับ

( ) 1. ราคา
( ) 2. การให้บรกิ าร
( ) 3. ความนา่ เช่ือถอื
( ) 4. การตรงเวลา
ผู้วิจัยสามารถกําหนดรหัสได้โดยกําหนดให้มีจํานวนตัวแปรเท่ากับจํานวนคําตอบท่ีเป็น
ทางเลือก และให้คา่ ตัวแปรหรือรหสั ตามค่าลําดับที่เลือก จากตัวอย่างคาํ ถาม มีคําตอบที่เป็นทางเลือก
4 ทางเลือก จึงมี 4 ตัวแปร คือ ตัวแปรราคา ตัวแปรการให้บริการ ตัวแปรความน่าเชื่อถือ และตัวแปร
การตรงต่อเวลา และให้เรียงลําดับจาก 1 ถึง 4 ลําดับ แต่ละตัวแปรจึงมีค่าตั้งแต่ 1 ถึง 4 ผู้วิจัย
อาจกําหนดให้แต่ละตัวแปรมีค่าเท่ากับ 1 เม่ือเลือกเป็นลําดับท่ี1 มีค่าเท่ากับ 2 เมื่อเลือกเป็นลําดับที่ 2
มคี า่ เท่ากบั 3 เมือ่ เลอื กเป็นลาํ ดบั ที่ 3 และมคี า่ เท่ากบั 4 เมื่อเลือกเปน็ ลาํ ดับท่ี 4 เช่น ถ้าผู้ตอบจัดลําดับ
ดงั นน้ั
( 1 ) 1. ราคา
( 4 ) 2. การให้บริการ
( 3 ) 3. ความนา่ เช่ือถือ
( 2 ) 4. การตรงเวลา
รหัสของตวั แปรแต่ละตวั จะเป็นดงั นี้
ตวั แปรราคาก็จะมีคา่ เทา่ กบั 1
ตัวแปรการใหบ้ ริการมีค่าเท่ากบั 4
ตัวแปรความนา่ เชอื่ ถอื มีค่าเท่ากบั 3
ตวั แปรการตรงเวลามีคา่ เท่ากับ 2

264

4) คําถามที่ให้ผู้ตอบแสดงลําดับความคิดเห็น คําถามประเภทนี้
มักเป็นคําถามท่ีต้องการให้ผู้ตอบแสดงความคิดเห็นว่า มีความเห็นด้วยหรือไม่มากน้อยในระดับใด
มคี วามพงึ พอใจหรือมคี วามชอบมากน้อยในระดับใด การกําหนดรหัสหรือให้ค่าตัวแปรมักจะกําหนดให้
เรียงจากดา้ นใดด้านหนง่ึ ไปยงั อีกด้านหน่ึง เช่น ตวั อยา่ งข้อ 12.1 ถึง 12.3

จากตวั อย่างขอ้ 12.1 ตัวแปร คือ ความคิดเห็นที่ว่า “การเดินทางโดยเคร่อื งบินมีความปลอดภัย
มากทสี่ ุด” ผู้วิจัยอาจกําหนดคา่ ตัวแปรเปน็

5 เมื่อผตู้ อบเลือก “เห็นด้วยอย่างยิ่ง”
4 เมอื่ ผตู้ อบเลอื ก “เหน็ ด้วย”
3 เมอ่ื ผตู้ อบเลือก “เฉย ๆ”
2 เมื่อผ้ตู อบเลือก “ไม่เหน็ ด้วย” และ
1 เมอื่ ผตู้ อบเลอื ก “ไมเ่ หน็ ดว้ ยอยา่ งย่ิง”

5) คาํ ถามที่ไม่ต้องตอบ ในแบบสอบถามบางแบบสอบถามอาจมี
ผตู้ อบบางคนไมต่ ้องตอบทุกคําถาม เช่น ตวั อยา่ งคําถามข้อ 7

ขอ้ 7. ท่านเคยเดนิ ทางภายในประเทศดว้ ยเคร่อื งบนิ หรอื ไม่
( ) เคย
( ) ไม่เคย ให้ขา้ มไปตอบขอ้ 13

ตามตัวอย่างคาํ ถามมีคาํ ตอบใหเ้ ลือก 2 คําตอบ ผวู้ ิจัยอาจกาํ หนดรหัสเป็น 1 เมื่อตอบว่า
“เคย” และเป็น 2 เม่ือเลือก “ไม่เคย ให้ข้ามไปตอบข้อ 13” ในกรณีที่เลือกตอบ “ไม่เคย ให้ข้ามไป
ตอบข้อ 13” ผู้ตอบก็ไม่ต้องตอบคําถามข้อ 8 ถึงข้อ 12 แต่ให้ข้ามไปตอบข้อ 13 และข้อ 14
ตามลําดบั ผวู้ จิ ัยควรกําหนดใหร้ หสั ของขอ้ คาํ ถามที่ผู้ตอบไม่ต้องตอบ (ข้อ 8 ถึง ข้อ 12 ตามตัวอย่าง)
เปน็ เลขใดเลขหนึ่งเหมือนกันหมด โดยทวั่ ไปนยิ มใชก้ ัน 0 หรือ 9 (ต้องแน่ใจว่าขอ้ คําถามท่ีไม่ต้องตอบ
นน้ั ไมม่ ีการกาํ หนดรหสั เหมอื นกับเลขทกี่ ําหนด คอื ไมม่ รี หสั 0 หรอื 9)

6) ข้อคําถามท่ีผู้ตอบประสงค์ท่ีจะไม่ตอบ หรืออาจลืมตอบ ผู้วิจัย
ยังคงตอ้ งกาํ หนดรหัสสําหรบั คําตอบทผ่ี ูต้ อบไม่ตอบ หรือ ลืมตอบ ซึง่ โดยทั่วไปนิยมใช้เป็น 9 หรือ 99
แลว้ แต่กรณี

14.1.2.2 การกาหนดรหัสของคาถามปลายเปิด คําถามปลายเปิดถูกนํามาใช้
เนอ่ื งจากผวู้ จิ ัยมีข้อมลู เกยี่ วกบั เร่อื งนน้ั ไม่เพยี งพอทจี่ ะกําหนดกลุ่มคําตอบล่วงหน้าได้ (Cooper and
Schindler, 2014: 382) คําตอบทไ่ี ด้จากคําถามปลายเปดิ มกั มคี วามหลากหลาย ผู้วิจัยต้องนําคําตอบ
ท้ังหมดท่ีมีผู้ตอบมาแบ่งเป็นกลุ่ม ๆ โดยพยายามให้คําตอบที่เหมือนกันหรือที่มีความหมายคล้ายคลึงกัน
มาอยู่เป็นกล่มุ เดียวกัน และแจกแจงความถีค่ าํ ตอบในแต่ละกลุ่ม จากนั้นจึงกําหนดรหัสให้แต่ละกลุ่ม
ผู้วิจัยอาจนําทฤษฎีที่เก่ียวข้องมาช่วยในการจําแนกกลุ่ม ทั้งน้ีจํานวนกลุ่มที่แบ่งควรมีไม่มากหรือ
นอ้ ยเกนิ ไป หากจํานวนกลุม่ มีน้อยเกินไป แต่ละกลุ่มจะมีจํานวนคําตอบและเน้ือหามากซ่ึงอาจทําให้
อธบิ ายความหมายของกล่มุ ไดย้ ากและไมค่ รอบคลุม แต่หากจํานวนกลุ่มมีมากเกินไป แต่ละกลุ่มจะมี
จํานวนผตู้ อบน้อย ซ่ึงอาจทําใหไ้ ม่สามารถนาํ ไปวเิ คราะห์ทางสถติ ิได้

265

14.1.3 การจัดทาคู่มอื การลงรหสั

เมอื่ ผวู้ จิ ยั ไดก้ ําหนดรหสั ให้กบั ตัวแปรทัง้ หมดเรยี บร้อยพร้อมท่ีจะนําไปบันทึกข้อมูลและ
ประมวลผลแลว้ ผวู้ จิ ัยควรจัดทําคู่มือการลงรหัส (code book) ซ่งึ มักจะประกอบด้วย (ดังตัวอย่างใน

ตารางท่ี 14.1)
1. ช่ือตัวแปร (variable name) ผู้วิจัยอาจกําหนดช่ือตัวแปรตามความหมายของตัวแปร

หรือใช้อกั ษรยอ่
2. ความหมายของตัวแปร (variable label)
3. ค่าตัวแปร (value) เปน็ คา่ ท่เี กิดข้นึ จากการกาํ หนดรหสั ใหก้ ับตัวแปร

ตารางท่ี 14.1 ตวั อยา่ งคู่มอื การลงรหสั

ตอนท่ี 1 สถานภาพทวั่ ไปของผูต้ อบ คา่ ตัวแปร
ข้อที่ ชือ่ ตัวแปร ความหมายตัวแปร
1 V1 เพศ 1 ชาย
2 V2 อายุ 2 หญงิ
3 V3 การศกึ ษา 9 ไมต่ อบ

4 V4 สถานภาพสมรส 99 ไมต่ อบ

5 V5 อาชีพ 1 ตาํ่ กว่ามธั ยมปลาย
2 มธั ยมปลาย/ปวช.
3 อนุปรญิ ญา/ปวส
4 ปรญิ ญาตรี
5 สูงกว่าปรญิ ญาตรี
9 ไม่ตอบ

1 โสด
2 แตง่ งานแลว้
3 หมา้ ย หรือ หยา่ ร้าง
4 แต่งงานแล้ว แต่แยกกนั อยู่
9 ไมต่ อบ

1 รับราชการ/พนักงานรัฐวิสาหกิจ
2 พนกั งาน/ลูกจา้ งเอกชน
3 คา้ ขาย/ประกอบธุรกจิ สว่ นตัว
4 นกั เรยี น/นักศกึ ษา
5 แม่บา้ น/ไม่ไดป้ ระกอบอาชพี
6 เกษตรกร
7 อื่น ๆ
9 ไม่ตอบ

266

ตารางท่ี 14.1 ตวั อยา่ งคูม่ อื การลงรหสั (ตอ่ )

ข้อที่ ชอื่ ตัวแปร ความหมายตัวแปร ค่าตวั แปร
6 V6 รายไดเ้ ฉลย่ี ต่อเดอื น
1 0 - 15,000 บาท
2 15,000 – 29,999 บาท
3 30,000 – 44,999 บาท
4 45,000 – 59,999 บาท
5 มากกวา่ 60,000 บาท
9 ไมต่ อบ

ตอนที่ 2 ข้อมูลเกยี่ วกับการโดยสารเคร่อื งบินภายในประเทศ

ข้อที่ ชื่อตวั แปร ความหมายตัวแปร ค่าตวั แปร

7 V7 เคยเดินทางภายในประเทศด้วย 1 เคย

เคร่อื งบนิ 2 ไม่เคย

8 V8 จํานวนคร้ังที่เดินทางภายใน 1 1 คร้งั

ประเทศด้วยเครอ่ื งบินต่อปี 2 2 - 5 ครง้ั

3 6 – 10 คร้ัง

4 มากกวา่ 10 คร้งั

9 ไมต่ อบ

9 V9 จดุ ประสงค์ในการเดินทางภายใน 1 ธรุ กิจ

ประเทศด้วยเครอ่ื งบิน 2 พักผ่อน/ทอ่ งเท่ยี ว

3 เย่ยี มญาต/ิ เพอ่ื น

4 อ่นื ๆ

9 ไมต่ อบ

10 V10.1 ซอ้ื โดยตรงกับบริษทั สายการบนิ 0 ไม่ซื้อ

1 ซ้ือ

9 ไมต่ อบ

V10.2 ซื้อผ่านเอเย่นตข์ ายตั๋ว 0 ไม่ซอ้ื

1 ซอ้ื

9 ไม่ตอบ

V10.3 ซ้ือผา่ นระบบอนิ เทอร์เนต็ 0 ไมซ่ อ้ื

1 ซอื้

9 ไม่ตอบ

V10.4 ซ้ือผ่านทางโทรศพั ท์ 0 ไม่ซือ้

1 ซ้ือ

9 ไม่ตอบ

267

ตารางที่ 14.1 ตวั อย่างค่มู ือการลงรหัส (ตอ่ )

ข้อท่ี ชอ่ื ตวั แปร ความหมายตัวแปร ค่าตัวแปร

11 V11.1 ราคา 1 เลอื กเป็นอนั ดับ 1

2 เลอื กเป็นอันดับ 2

3 เลอื กเปน็ อันดบั 3

4 เลอื กเป็นอนั ดบั 4

9 ไมต่ อบ

V11.2 การใหบ้ รกิ าร 1 เลือกเป็นอันดบั 1

2 เลอื กเป็นอันดบั 2

3 เลอื กเป็นอันดับ 3

4 เลือกเป็นอันดับ 4

9 ไมต่ อบ

V11.3 ความน่าเช่อื ถือ 1 เลือกเปน็ อนั ดบั 1

2 เลอื กเปน็ อนั ดับ 2

3 เลือกเปน็ อันดบั 3

4 เลือกเปน็ อนั ดบั 4

9 ไม่ตอบ

V11.4 การตรงเวลา 1 เลอื กเปน็ อนั ดับ 1

2 เลือกเป็นอนั ดับ 2

3 เลอื กเปน็ อันดบั 3

4 เลอื กเป็นอนั ดบั 4

9 ไมต่ อบ

12.1 V12.1 การเดินทางโดยเครื่องบินมีความ 1 ไม่เหน็ ด้วยอยา่ งยิ่ง

ปลอดภัย 2 ไม่เหน็ ดว้ ย

3 เฉย ๆ

4 เห็นดว้ ย

5 เหน็ ดว้ ยอย่างย่งิ

9 ไมต่ อบ

12.2 V12.2 การเดนิ ทางโดยเครื่องบินมีความ 1 ไมเ่ ห็นดว้ ยอยา่ งย่ิง

สะดวกสบาย 2 ไมเ่ ห็นด้วย

3 เฉย ๆ

4 เหน็ ด้วย

5 เห็นด้วยอย่างยิ่ง

9 ไม่ตอบ

268

ตารางท่ี 14.1 ตวั อยา่ งคมู่ ือการลงรหัส (ตอ่ )

ขอ้ ท่ี ชอ่ื ตวั แปร ความหมายตัวแปร คา่ ตวั แปร

12.3 V12.3 ราคาค่าโดยสารมีความเหมาะสม 1 ไม่เห็นด้วยอยา่ งยง่ิ

2 ไมเ่ หน็ ด้วย

3 เฉย ๆ

4 เหน็ ด้วย

5 เห็นด้วยอย่างยิ่ง

9 ไม่ตอบ

14.1.4 การตรวจสอบและแกไ้ ขการบนั ทึกขอ้ มูล

หลังจากที่จัดทําคู่มือการลงรหัสแล้ว ผู้วิจัยสามารถนาํ ข้อมูลที่เก็บรวบรวมและแก้ไข

เรียบรอ้ ยแล้วมาบันทกึ เพอ่ื นําไปวิเคราะห์ต่อไป ในกรณีท่ีไม่ได้เก็บข้อมูลแบบออนไลน์ (ซ่ึงข้อมูลจะ
ถูกบันทึกทนั ทที ีผ่ ตู้ อบแบบสอบถามตอบ) ผู้วิจัยจะต้องบันทึกข้อมูลลงในคอมพิวเตอร์เองโดยอาจใช้
โปรแกรมสําเร็จแผ่นตารางทําการ เช่น Excel หรือบันทึกโดยตรงลงใน Data Editor ในโปรแกรม

SPSS อย่างไรกต็ ามในระหวา่ งการบนั ทึกข้อมูลอาจมีข้อผิดพลาดเกิดขึ้น ดังนั้นจึงจําเป็นต้องตรวจสอบว่า
ขอ้ มูลทุกรายการหรือตัวแปรทุกตวั ไดถ้ ูกลงรหัสอย่างถูกต้อง และข้อมูลท่ีบันทึกมีความสอดคล้องกับ

รหัสท่ีสร้าง เช่น กําหนดให้ รหัส 1 แทน เพศชาย และรหัส 2 แทนเพศหญิง แต่พบว่ามีในข้อมูลตัวแปร
เพศของตัวอยา่ งหนง่ึ บนั ทึกคา่ 4 ไว้ ซง่ึ แสดงวา่ มีการบนั ทึกขอ้ มลู ผิดพลาด เป็นต้น

ตารางท่ี 14.2 เป็นการแสดงตัวอย่างของคู่มือลงรหัส (codebook) ของแบบสอบถาม

จํานวน 230 ชดุ

ตารางท่ี 14.2 ตัวอยา่ งการลงรหัส

ID V1 V2 V3 V4 V4 V5 V6 …. …. …. V12.2 V12.3
0 0 1 1 2 5 3 2 2 1 3 …. …. …. 3 4
0 0 2 2 3 1 4 1 3 2 4 …. …. …. 3 2
0 0 3 2 2 3 3 3 3 3 4 …. …. …. 9 9
… …. …. …. …. …. …. …. …. …. …. …. …. …. …. ….
… …. …. …. …. …. …. …. …. …. …. …. …. …. …. ….
… …. …. …. …. …. …. …. …. …. …. …. …. …. …. ….
… …. …. …. …. …. …. …. …. …. …. …. …. …. …. ….
2 2 9 2 3 1 4 1 3 2 5 …. …. …. 3 4
2 3 0 2 3 4 2 3 2 2 4 …. …. …. 4 4

269

14.2 แนะนาโปรแกรม SPSS

14.2.1 เมนหู รือรายการคาสงั่

บนหนา้ จอ Untitled-SPSS Data Editor มเี มนูหรือรายการคําสั่งท่ีอยู่ส่วนบนของหน้าจอ
ได้แก่

File ใชส้ ําหรบั การสรา้ งแฟม้ ข้อมูลใหม่ เปิดแฟ้มข้อมลู ท่มี ีอยแู่ ล้ว หรือเปิดข้อมูล
จากโปรแกรมอนื่ ๆ เช่น excel, dBase รวมถึงการแก้ไขรายการข้อมูลและ
บนั ทกึ ข้อมลู ลงสแู่ ฟม้

Edit ใชส้ าํ หรับแกไ้ ข คดั ลอก ตดั หรอื ค้นหาขอ้ มลู
View ใช้สําหรับจัดลักษณะข้อมูล เช่น Status Bar, Toolbar, Fonts และ

Value Label เป็นต้น
Data ใช้สําหรับการจัดการข้อมูล เช่น การแทรกตัวแปร หรือข้อมูล การเรียง

ลําดับ การรวมแฟม้ การแยกแฟ้ม เป็นต้น
Transform ใช้สําหรับการแปลงตัวแปรหรือข้อมูล เช่น การเปลี่ยนรหัสหรือค่า

(Recode) และการคาํ นวณ (Compute) เปน็ ต้น
Analyze ใชส้ าํ หรบั การวิเคราะห์ขอ้ มูลทางสถติ ิ
Graph ใช้สําหรับการสร้างแผนภูมิในรูปแบบต่าง ๆ เช่น Bar Chart, Pie Chart,

Histogram Scatter เปน็ ตน้
Utilities ใช้สาํ หรับแสดงรายละเอยี ดเกยี่ วกับตัวแปรของแฟม้ ข้อมูลทีใ่ ช้อยู่
Window ใช้สาํ หรับการจัด เลอื ก และควบคมุ วนิ โดส์
Help ใชส้ ําหรับช่วยอธบิ ายความหมายและการใชค้ ําสั่งตา่ ง ๆ

14.2.2 การกาหนดรายละเอยี ดตวั แปร

การใช้โปรแกรมสําเร็จรูป SPSS เริ่มต้นด้วยการกําหนดรายละเอียดตัวแปรในหน้าจอ
Variable View ซงึ่ ประกอบด้วย

 Name เป็นการกําหนดช่ือตัวแปร เช่น เม่ือกําหนดตัวแปรเพศเป็นชื่อ gender ก็ให้
พิมพ์คําวา่ “gender” ในชอ่ ง Name

 Type เป็นการกําหนดประเภทของตัวแปร โดยปกติโปรแกรม SPSS จะกําหนดประเภท
ตัวแปรที่สร้างขึ้นใหม่เป็น numeric ที่มีทศนิยม 2 ตําแหน่ง แต่ผู้วิจัยสามารถเลือกเป็นตัวแปรประเภท
อืน่ ได้ เชน่ date, currency, string รวมทง้ั สามารถกําหนดจํานวนตําแหนง่ จุดทศนยิ มใหม่ไดอ้ ีกด้วย

 Width เป็นการกาํ หนดจาํ นวนความกวา้ งของตวั อกั ษรของตัวแปร
 Decimals เปน็ การกาํ หนดจํานวนหลกั หลังจดุ ทศนยิ มของตวั แปร
 Label เป็นการอธิบายความหมายของตัวแปร ตัวอย่างเช่น กําหนดตัวแปรชื่อ
gender ซ่งึ หมายความถึง เพศ ในช่อง Label ใหพ้ ิมพค์ ําอธบิ ายว่า “เพศ” หรือ ถา้ กําหนดตัวแปรช่ือ
sat 1 ซ่ึงหมายถึงระดับความพึงพอใจในด้านผลิตภัณฑ์ ให้พิมพ์คําอธิบายว่า“ระดับความพึงพอใจ
ในดา้ นผลติ ภัณฑ์” ในชอ่ ง Label

270

 Values เป็นการกําหนดค่าและความหมายของตัวแปรท่ีเป็นตัวแปรระดับกลุ่มและ
ตัวแปรระดับอับดับในกล่อง Value Labels (เมื่อคลิกปุ่ม ) ตัวอย่างเช่น ตัวแปรเพศ ถ้ากําหนด
เพศชายเป็น 1 ให้พิมพ์ 1 ในชอ่ ง Value และพมิ พ์ “ชาย” ในช่อง Label ทํานองเดียวกันถ้ากําหนด
เพศหญิงเปน็ 2 พิมพ์ 2 ในช่อง Value และพมิ พ์ “หญงิ ” ในช่อง Label เป็นตน้

 Missing เป็นการกําหนดค่าที่สูญหายในกรณีที่ไม่มีข้อมูล เช่น ผู้ตอบแบบสอบถาม
ตอบไม่ครบ ผู้วิจัยอาจปล่อยให้ช่องข้อมูลว่างไว้หรือกําหนดเป็นค่าท่ีสูญหายในกล่อง Missing Values
(เม่ือคลิกปมุ่ ) ซงึ่ มีทางเลือกดังนี้

- No missing values หมายถึง ไม่กําหนดค่า missing ในกรณนี ี้หากใน cell ใดไม่มี
ข้อมูล จะปรากฏเครือ่ งหมายจุด (.) ใน cell นั้น

- Discrete missing values หมายถงึ ผู้วิจัยสามารถกําหนดค่า missing เอง
โดยสามารถกาํ หนดเปน็ คา่ เฉพาะได้ 3 ค่า

- Range of plus one discrete missing value หมายถึง ผู้วิจัยสามารถกําหนดค่า
missing ไดเ้ ป็นช่วง โดยระบเุ ปน็ คา่ สูงและค่าตา่ํ และกาํ หนดเป็นค่าเฉพาะได้อีกหนงึ่ ค่า

 Columns เป็นการกาํ หนดขนาดความกวา้ งของชอ่ ง columns สําหรบั กรอกขอ้ มูล
 Align เป็นการจัดค่าของชุดตัวแปรให้ชิดซ้าย กลาง หรือ ขวา
 Measure เป็นการกําหนดมาตราวัดของตัวแปร โปรแกรม SPSS กําหนดให้ผู้วิจัย
สามารถเลอื กมาตราวัดตวั แปรได้ 3 ระดบั คอื
- Nominal หมายถงึ ข้อมลู ระดับกลุ่ม
- Ordinal หมายถึง ขอ้ มูลระดับอันดับ
- Interval หมายถึง ข้อมูลระดับช่วงและรวมถึงข้อมลู ระดบั อตั ราส่วน

14.2.3 การปอ้ นขอ้ มลู

เม่ือกําหนดช่ือและค่าตัวแปรในหน้าจอ Variable View แล้ว ผู้วิจัยก็จะสามารถป้อนข้อมูล
ในหนา้ จอ Data View โดยขอ้ มลู ในหนง่ึ บรรทัดหมายถึงขอ้ มูลจากแบบสอบถามหนง่ึ ชดุ

14.3 การวิเคราะห์เชิงพรรณนา

สถติ ทิ ี่นิยมใช้ในการวิเคราะหเ์ ชงิ พรรณนา ไดแ้ ก่ การแจกแจงความถ่ีและร้อยละ การวัด
แนวโน้มเข้าสู่ส่วนกลางและการวัดการกระจาย และการทําตารางไขว้ ตัวอย่างการใช้โปรแกรม
สําเรจ็ รปู SPSS ในการวเิ คราะห์เชิงพรรณนามดี งั น้ี

14.3.1 การแจกแจงความถี่และรอ้ ยละ

ตัวอยา่ งที่ 14.1การแจกแจงความถีแ่ ละรอ้ ยละของพนักงานจาํ นวน 195 คน ตามระดบั การศึกษา

การวิเคราะหด์ ้วยโปรแกรมสาเร็จรปู
จาก เมนู เลอื ก
Analyze

271

Descriptive Statistics
Frequencies…
เลือกตวั แปร ในทนี่ ค้ี อื ระดับการศึกษา

ตารางที่ 14.3 ผลการแจกแจงความถี่

การศกึ ษา Cumulative
Frequency Percent Valid Percent Percent

Valid ตํ่ากว่า ปวช 62 31.8 31.8 31.8
ปวส หรอื อนุปริญญา 74 37.9 37.9
ปรญิ ญาตรีขน้ึ ไป 59 30.3 30.3 69.7
Total 195 100.0 100.0 100.0

จากตารางที่ 14.3 ผลการวิเคราะห์อธิบายได้ว่า ในจํานวนพนักงาน 195 คน พนักงาน
ทม่ี ีการศกึ ษาระดับ ปวส.หรอื อนุปริญญามีจํานวนมากที่สุดคิดเป็นร้อยละ 37.9 รองลงมาเป็นพนักงาน
ท่มี กี ารศกึ ษาตาํ่ กว่า ปวส. และ ปรญิ ญาตรีขนึ้ ไป คดิ เป็นร้อยละ 31.8 และ 30.3 ตามลําดบั

14.3.2 การวัดแนวโน้มเขา้ ส่สู ว่ นกลางและการวัดการกระจาย

ตัวอยา่ งที่ 14.3 การวิเคราะห์ คา่ ตาํ่ สุด ค่าสูงสุด ค่าเฉลี่ย และ ค่าเบี่ยงเบียนมาตรฐานของ ความผูกพัน
ต่อองค์การ และปัจจัยที่ส่งผลต่อความผูกพันต่อองค์การซ่ึงได้แก่ ลักษณะของงาน
ประสบการณ์ในงาน ภาวะผู้นําของผู้บังคับบัญชา และ การส่ือสารภายในองค์การ
โดยทุกตวั แปรมกี ารวัดดว้ ยมาตราลเิ คอรท์ แบบ 5 ชว่ งคะแนน

ลกั ษณะของงาน

ประสบการณใ์ นงาน ความผกู พันต่อองคก์ าร
ภาวะผู้นาํ ของผบู้ ังคับบญั ชา
การสอื่ สารภายในองคก์ าร

ภาพท่ี 14.2 ปัจจยั ที่ส่งผลต่อความผูกพันตอ่ องค์การ

272

การวิเคราะห์ด้วยโปรแกรมสาเร็จรปู
จากเมนู เลือก
Analyze
Descriptive Statistics
Descriptives…
เลือกตัวแปร ในท่ีน้ีคือความผูกพันต่อองค์การ ลักษณะของงาน

ประสบการณใ์ นงาน ภาวะผนู้ ําของผู้บังคบั บัญชา และ การส่อื สารภายในองค์การ
Options…
เลือกสถิติ เช่น Mean, Std. deviation, Minimum, และ

Maximum เป็นตน้
คลกิ Continue, OK

ตารางท่ี 14.4 ตัวอย่างผลการวเิ คราะหค์ ่าเฉลี่ยและค่าเบีย่ งเบนมาตรฐาน

ความผูกพนั ต่อองคก์ าร Descriptive Statistics Mean Std. Deviation
ลกั ษณะของงาน
การสื่อสารภายในองคก์ าร N Minimum Maximum 4.01 .780
ภาวะผนู้ ําของผู้บงั คบั บัญชา 4.25 .584
ประสบการณ์ในงาน 195 1 5 3.99 .711
Valid N (listwise) 195 2 5 4.28 .693
195 1 5 3.72 .709
195 2 5
195 1 5
195

จากตารางที่ 14.4 ผลการวิเคราะห์อธิบายได้ว่าค่าเฉล่ียของความผูกพันต่อองค์การ

ลักษณะของงาน การส่ือสารภายในองค์การ ภาวะผู้นําของผู้บังคับบัญชา และประสบการณ์ในงาน

มีค่าเท่ากับ 4.01, 4.25, 3.99, 4.28 และ 3.72 ตามลําดับ (จากค่าคะแนนเต็ม 5) และหากใช้

แนวการประเมินของเบส (Best, 1977) ท่ีเสนอไว้วา่

คะแนนเฉลี่ยของมาตรการวัดของลเิ คอร์ทแบบ 5 ชว่ ง อาจประเมนิ ผลไดด้ งั นี้

ชว่ งคะแนนเฉล่ยี ความหมาย

1.00 - 1.79 ระดบั นอ้ ยที่สดุ

1.80 - 2.59 ระดับนอ้ ย

2.60 - 3.39 ระดบั ปานกลาง

3.40 - 4.19 ระดบั มาก

4.20 - 5.00 ระดับมากท่ีสดุ

273

ผลการวิเคราะห์ข้างต้นจะอธิบายได้ว่า ลักษณะของงาน และภาวะผู้นําของผู้บังคับบัญชา
อยู่ในระดบั มากท่ีสุด สว่ นความผูกพันต่อองคก์ าร ประสบการณใ์ นงาน และการส่ือสารภายในองค์การ

อย่ใู นระดบั มาก
การกระจายของข้อมูลมีความสัมพันธ์กับการวัดแนวโน้มเข้าสู่ส่วนกลาง ค่าของการวัด

การกระจายจึงนิยมใช้แสดงควบคู่กับค่าท่ีได้จากการวัดแนวโน้มเข้าสู่ส่วนกลาง ข้อมูลท่ีมีค่าสูงหรือ
ค่าต่ํามากเกินกว่าปกติมีโอกาสทําให้การวัดมีความคลาดเคลื่อน โดยลักษณะท่ีดีของชุดข้อมูลต้องมี
การแจกแจงแบบปกติ ซึ่งค่าท่ีวัดได้จาก ค่าเฉลี่ย มัธยฐาน และฐานนิยมจะมีค่าเดียวกัน และการแจกแจง

แบบปกติเป็นเงอื่ นไขสําคัญสาํ หรบั การใช้สถิตอิ า้ งอิงแบบพาราเมตริก
ตัวอย่างการวิเคราะห์การแจกแจงของขอ้ มลู ด้วยโปรแกรมสาํ เร็จรูป

Analyze
Descriptive Statistics
Frequencies…

เลอื กตัวแปร ในที่นคี้ ือความผกู พนั ต่อองค์การ
คลิก Statistics… เลือก Mean Median Mode Skewness และ

Kurtosis แลว้ คลกิ Continue
คลิกปุ่ม Charts… เลือก Histogram และเลือก With normal

curve on histogram แลว้ คลิก Continue

Statistics

ความผกู พันต่อองค์การ

N Valid 195

Missing 0
4.01
Mean 4.00 Frequency
Median
4
Mode -.809
Skewness .174
1.452
Std. Error of Skewness .346

Kurtosis
Std. Error of Kurtosis

ตารางที่ 14.5 ค่าสถิตพิ รรณนาของตัวแปร ภาพท่ี 14.3 Histogram ของความผกู พนั
ความผูกพันต่อองคก์ าร ต่อองคก์ าร

274

จากตารางที่ 14.5 และภาพท่ี 14.3 ผลการวิเคราะห์อธิบายได้ว่า ข้อมูลของตัวแปร
ความผูกพันต่อองค์การมีการแจกแจงใกล้เคียงแบบปกติหรือค่อนข้างมีความสมมาตรและเบ้ไป
ทางซ้ายเล็กน้อยเท่าน้ัน (skewness1 = -.809 ซ่ึงน้อยกว่า 0) และเมื่อพิจารณาจากค่าเฉลี่ยซ่ึงมีค่า
เท่ากบั 4.01 ในขณะที่มัธยฐานมคี า่ เทา่ กบั 4.00 ถอื วา่ ใกล้เคียงกันมากเกือบเป็นค่าเดียวกัน จึงถือได้
วา่ มกี ารแจกแจงแบบปกติ

14.3.3 การทาตารางไขว้

ตวั อย่างที่ 14.4 การวิเคราะหต์ ารางไขว้ระหว่างเพศกับระดับการศกึ ษาของพนกั งาน
การวเิ คราะห์ดว้ ยโปรแกรมสาเรจ็ รูป

จากเมนู เลอื ก
Analyze
Descriptive Statistics
Crosstabs……..
เลือกตัวแปรลงในช่อง Row(s)2 ในท่ีน้ีคือ เพศ และเลือกระดับ

การศึกษาในชอ่ ง Column(s)
คลิกท่ี Cells…จะปรากฏหน้าต่าง Crosstabs: Cell Display

เลือก Observed ในช่อง Counts และเลอื ก Row และTotal ในชอ่ ง Percentages
คลิก Continue, OK

1 skewness หรือ ความเบ้ หมายถงึ ระดับความเอนเอียงหรือความไมส่ มมาตรของการแจกแจงของข้อมูล ลกั ษณะของการแจกแจง
จะโค้งด้านซา้ ยหรอื และด้านขวาไม่สมมาตรโดยหางของเส้นโคง้ จะทอดยาวไปทางใดทางหน่ึงมากว่าอกี ดา้ นหน่ึง หากหางของเส้นโคง้
ทอดยาวไปทางซา้ ยมากกว่าทางขวาจะเรียกว่า เบ้ซ้าย (left skewness) ในทางตรงขา้ มถา้ หางของเสน้ โคง้ ทอดยาวไปทางขวามากกวา่
ทางซา้ ยจะเรียกว่า เบ้ขวา (right skewness) คา่ ความเบ้เท่ากับศนู ย์ หมายถึง โค้งมลี ักษณะสมมาตรหรอื ไม่มกี ารเบ้ซ้ายเบ้ขวา
ค่าเป็นบวกแสดงว่าข้อมูลเบไ้ ปทางขวา และคา่ เปน็ ลบแสดงว่าข้อมลู เบ้ไปทางซา้ ย
2 นยิ มกําหนดใหต้ วั แปรต้นหรอื ตัวแปรท่ีมาก่อนอยู่ในช่อง row และตวั แปรตามหรอื ตวั แปรทมี่ าทหี ลงั อยู่ในช่อง column (Zikmund
et al., 2010: 491)

275

ตารางที่ 14.6 ตวั อยา่ งผลการทาํ ตารางไขว้

เพศ ชาย Count เพศ * การศกึ ษา Crosstabulation ปริญญาตรขี นึ้ ไป Total
หญงิ % within เพศ การศึกษา 32 88
% of Total 100.0%
Total ต่าํ กว่า ปวช ปวส หรืออนุปรญิ ญา 36.4% 45.1%
Count 33 23 16.4% 107
% within เพศ 100.0%
% of Total 37.5% 26.1% 27 54.9%
16.9% 11.8% 25.2% 195
Count 13.8% 100.0%
% within เพศ 29 51 100.0%
% of Total 27.1% 47.7% 59
14.9% 26.2% 30.3%
30.3%
62 74
31.8% 37.9%
31.8% 37.9%

จากตารางท่ี 14.6 ผลการวิเคราะห์อธิบายได้ว่า ในพนักงานรวมจํานวน 195 คน พนักงาน
ที่มีการศึกษาระดับ ปวส. หรืออนุปริญญา มีจํานวนมากที่สุดคิดเป็นร้อยละ 37.9 รองลงมา ได้แก่
พนักงานที่มีระดับการศึกษาตาํ่ กว่า ปวช. และปริญญาตรีขี้นไป คิดเป็นร้อยละ 31.8 และ 30.3
ตามลําดับ และเม่ือพิจารณาจําแนกตามเพศ พบว่าพนักงานเพศชายท่ีมีการศึกษาระดับปริญญาตรีขึ้นไป
และตา่ํ กว่า ปวช. มีจาํ นวนใกล้เคียงกันร้อยละ 36.4 และ 37.5 ตามลาํ ดับ ส่วนระดับ ปวส.หรือ
อนุปริญญามีจํานวนร้อยละ 26.1 ส่วนพนักงานเพศหญิงท่ีมีการศึกษาระดับ ปวส.หรืออนุปริญญา
มจี ํานวนมากที่สุดคดิ เป็นร้อยละ 47.7 รองลงมาเป็นผู้ที่มีการศึกษาระดับต่ํากว่า ปวช. และปริญญาตรี
ข้นึ ไป คดิ เปน็ ร้อยละ 27.1 และ 25.2 ตามลาํ ดับ

14.4 การทดสอบสมมตฐิ าน

การทดสอบสมมติฐานโดยใช้โปรแกรมสําเร็จรูป SPSS มีความสะดวกมาก ผู้วิจัยเพียง
คลิกคําสั่งและป้อนข้อมูลเข้าไปแล้วพิจารณาดูว่าค่านัยสําคัญ (significant) ที่เครื่องคอมพิวเตอร์
คํานวณให้มีค่าสูงหรือต่ํากว่าค่านัยสําคัญ () ท่ีกําหนดไว้เช่น .10 หรือ .05 หากมีค่าสูงกว่า 
ที่กําหนด หมายถงึ ไม่สามารถปฏิเสธ H0 และหากมีค่าตํ่ากว่า  หมายถึงปฏิเสธ H0 และยอมรับ Ha
ตัวอยา่ งการใช้โปรแกรมสาํ เร็จรูป SPSS ในการทดสอบสมมติฐานมีดังนี้

14.4.1 การทดสอบสมมติฐานเกย่ี วกบั ค่าเฉลยี่ ประชากร

14.4.1.1 การทดสอบสมมติฐานเกี่ยวกับค่าเฉลยี่ กรณีประชากรกลุ่มเดยี ว

276

ตัวอยา่ งท่ี 14.6 ต้องการทดสอบว่าพนักงานของกิจการแห่งหนึ่งท่ีอายุเฉลี่ยเท่ากับ 35 ปีหรือไม่
จากข้อมูลตัวอย่างจํานวน 195 คน (ที่ระดบั ความเชื่อมนั่ 95 %)
H0 : อายุเฉลยี่ ของพนกั งาน = 35 ปี (0 = 35)
Ha : อายุเฉลีย่ ของพนกั งาน ≠ 35 ปี

การวเิ คราะหด์ ้วยโปรแกรมสาเรจ็ รปู
จากเมนู เลือก
Analyze
Compare Means
One –Sample T Test….
เลือกตัวแปรลงในช่อง Test Variable(s): ในทนี่ ้คี ือ อายุ
กาํ หนด Test Value (ในท่นี ี้กาํ หนดเป็น 35)
คลิก Option เพ่ือกาํ หนดระดับความเช่อื มนั่ ในท่ีนีก้ ําหนดระดับ

นัยสาํ คญั ของการทดสอบ () = .05 ระดบั ความเชือ่ ม่นั จึงเท่ากับ 95%
คลกิ Continue, OK

ตารางที่ 14.7 ผลการวิเคราะห์การทดสอบสมมติฐานดว้ ยการใช้ One sample t-test

One-Sample Statistics

N Mean Std. Deviation Std. Error Mean

อายุ 195 35.35 8.991 .644

One-Sample Test

Test Value = 35

t df Sig. (2-tailed) Mean 95% Confidence Interval of the

Difference Difference

Lower Upper

อายุ .550 194 .583 .354 -.92 1.62

จากตารางที่ 14.7 ผลการวเิ คราะห์อธบิ ายไดว้ ่า

1. อายุเฉลี่ยของตัวอย่างจํานวน 195 คนเท่ากับ 35.35 ปี และค่าเบ่ียงเบนมาตรฐาน
เทา่ กบั 8.991

2. สถิติทดสอบ t = .550 ค่า Sig. (2-tailed) = .583 ซึ่งมากกว่าระดับนัยสําคัญ .05
จึงไม่สามารถปฏิเสธ H0 ได้ นน่ั หมายความวา่ อายเุ ฉลี่ยของพนกั งานเปน็ 35 ปี

277

14.4.1.2 การทดสอบสมมตฐิ านเกย่ี วกบั ค่าเฉลี่ยกรณีประชากร 2 กลุ่ม
1) การทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยกรณีประชากร 2 กลุ่ม

ที่เป็นอสิ ระต่อกนั โดยใช้สถติ ิ independent t-test
ขอ้ ตกลงเบอ้ื งต้นของการทดสอบ
กลุ่มตัวอย่างทั้งสองกลุ่มต้องเป็นอิสระจากกัน และต้องได้มา

จากการสมุ่ จากกลุ่มประชากรท่ีมกี ารแจกแจงแบบปกติ
คา่ ของตัวแปรตามในแต่ละหน่วยเป็นอสิ ระตอ่ กัน

ตัวอยา่ งท่ี 14.7 ตอ้ งการทดสอบว่าเพศแตกต่างกันระดับความผูกพนั ตอ่ องค์การแตกต่างกันหรอื ไม่
H0 : เพศหญงิ และเพศชายมรี ะดับความผูกพันต่อองคก์ ารไมแ่ ตกตา่ งกนั
w = m
Ha : เพศหญิงและเพศชายมรี ะดบั ความผูกพนั ต่อองค์การแตกตา่ งกัน
w ≠ m

การวเิ คราะหด์ ว้ ยโปรแกรมสาเร็จรปู
จากเมนู เลือก
Analyze
Compare Means
Independent-Samples T Test….
เลอื กตัวแปรตามลงในช่อง Test Variable(s): ในที่น้ีคือ ความผูกพันต่อ

องค์การ และเลือกตัวแปรอสิ ระลงในชอ่ ง Grouping Variable: ในท่นี ค้ี อื เพศ
คลิกท่ี Define groups… แล้วเลือก Use specified value เพื่อ

กําหนดรหัสตัวแปรเพศ ในท่ีนี้ได้กําหนดรหัสให้เพศชาย = 1 และเพศหญิง = 2 จึงใส่ 1 ในช่อง
Group 1 และ 2 ในช่อง Group 2 คลิก Continue

คลิก Options… เพ่ือกําหนดระดับความเช่ือม่ัน ในท่ีนี้กําหนด
ระดับนยั สาํ คัญของการทดสอบ () =.05 ระดบั ความเช่อื มน่ั จงึ เทา่ กับ 95 %

คลิก Continue, OK

278

ตารางที่ 14.8 ผลการวิเคราะห์การทดสอบสมมติฐานดว้ ยการใช้ Independent sample t-test

Group Statistics

เพศ N Mean Std. Deviation Std. Error Mean
ชาย .074
ความผูกพนั ตอ่ หญิง 88 3.45 .693 .048
องคก์ าร
107 4.47 .501

Independent Samples Test

Levene's Test t-test for Equality of Means

for Equality of
Variances

F Sig. t df Sig. (2- Mean Std. Error 95% Confidence
tailed) Difference Difference Interval of the

Difference

Lower Upper

ความผกู พนั ตอ่ Equal variances 8.169 .005 -11.817 193 .000 -1.013 .086 -1.182 -.844
องคก์ าร assumed

Equal variances -11.459 154.458 .000 -1.013 .088 -1.18 -.838
not assumed

จากตารางที่ 14.8 ผลการวเิ คราะห์อธบิ ายได้ว่า

1. ค่าเฉลี่ยระดับความผูกพันต่อองค์การของเพศชายเท่ากับ 3.45 และของเพศหญิง

เท่ากับ 4.47

2. เนอื่ งจากความแปรปรวน 2 กลุ่มไม่เท่ากัน (Sig = .005) จึงอ่านค่า Equal variances

not assumed น่ันคือ สถิติทดสอบ t = -11.459 ค่า Sig.(2-tailed) = .000 ซึ่งน้อยกว่า .05 จึงปฏิเสธ H0
และยอมรับ Ha หมายความว่าเพศหญงิ และเพศชายมรี ะดับความผกู พนั ตอ่ องคก์ ารแตกต่างกัน

2) การทดสอบสมมติฐานเก่ียวกับค่าเฉลี่ยของประชากร 2 กลุ่ม

ทีไ่ มเ่ ป็นอิสระต่อกนั โดยใช้สถิติ dependent หรือ paired t-test

ข้อตกลงเบ้ืองต้นของการทดสอบ

กลุ่มตัวอย่างทั้งสองกลุ่มต้องไม่เป็นอิสระต่อกัน ซึ่งอาจมี

หลายลักษณะ คอื

-มีเพียงกลุ่มตัวอย่างเดียวแต่เก็บข้อมูล 2 ครั้ง เช่น

การทดสอบก่อนและหลังการอบรม (pretest–posttest) การทดสอบซ้ําของกลุ่มตัวอย่างเดียว

เพือ่ ตอ้ งการพสิ จู นว์ า่ วธิ กี ารอบรมมผี ลตอ่ พัฒนาการการทํางานของพนักงานหรอื ไม่

-กลุ่มตัวอย่าง 2 กลุ่มมีคุณลักษณะที่สําคัญบางประการ

เหมอื นกนั เปน็ คู่ ๆ (matched) เชน่ คแู่ ฝด

-กลมุ่ ตวั อย่าง 2 กลุ่มมคี วามสัมพันธ์กันอย่างใกล้ชิด เช่น

การเปรยี บเทยี บความคิดเหน็ ทางการเมืองของสามีภรรยา

กลมุ่ ตวั อย่างได้มาอยา่ งสุ่มจากประชากรที่มีการแจกแจงแบบปกติ

หรอื ใกล้เคียง

ค่าของตัวแปรตามในแตล่ ะหนว่ ยเป็นอิสระกัน

279

ตวั อย่างท่ี 14.8 ตอ้ งการทดสอบว่าผลคะแนนการทดสอบพนักงานกอ่ นการอบรมและหลังการอบรม
มีความแตกตา่ งกันหรือไม่
H0 : ผลคะแนนการทดสอบก่อนการอบรมและหลังการอบรมไม่แตกตา่ งกัน
ก่อน = หลัง
Ha : ผลคะแนนการทดสอบกอ่ นการอบรมและหลังการอบรมแตกตา่ งกนั
กอ่ น ≠ หลงั

การวเิ คราะหด์ ว้ ยโปรแกรมสาเร็จรปู
จากเมนู เลือก
Analyze
Compare Means
Paired-Samples T Test….
เลือกตัวแปรตามลงในช่อง Test Variable(s): ในที่นี้ เลือกผลคะแนน

ก่อนการอบรมลงในช่อง Variable 1 และคะแนนกอ่ นการอบรมลงในชอ่ ง Variable 2
คลิก Option เพื่อกําหนดระดับความเช่ือมั่น ในท่ีนี้กําหนดระดับ

นยั สาํ คญั ของการทดสอบ () =.05 ระดบั ความเช่ือม่ันจงึ เทา่ กับ 95 %
คลกิ Continue, OK

ตารางที่ 14.9 ผลการวเิ คราะห์การทดสอบสมมติฐานดว้ ยการใช้ Paired sample t-test

Pair 1 ผลคะแนนกอ่ นเรียน Paired Samples Statistics Std. Deviation Std. Error
ผลคะแนนหลงั เรยี น Mean N Mean
16.645
74.90 60 15.175 2.149
78.60 60 1.959

Paired Samples Correlations

N Correlation Sig.
.000
Pair 1 ผลคะแนนก่อนเรยี น และ ผลคะแนนหลังเรียน 60 .872

Paired Samples Test

Paired Differences

95% Confidence

Std. Interval of the Sig.
Std. Error Difference

Mean Deviation Mean Lower Upper t df (2-tailed)

Pair 1 ผลคะแนนก่อนเรียน -3.700 8.164 1.054 -5.809 -1.591 -3.510 59 .001

- ผลคะแนนหลังเรียน

280

จากตารางที่ 14.9 ผลการวเิ คราะห์อธิบายไดว้ า่
1. ผลคะแนนเฉลยี่ กอ่ นการอบรมเทา่ กับ 74.90 และหลงั การอบรมเท่ากับ 78.60
2. ผลคะแนนก่อนการอบรมและหลังการอบรมมีความสัมพันธ์ทางบวก (ค่า
correlation มคี า่ เป็นบวก = .872)
3. สถิติทดสอบ t = -3.510 ค่า Sig.(2-tailed) ของการทดสอบความสัมพันธ์มีค่า
เท่ากับ .001 ซึ่งน้อยกว่า .05 จึงปฏิเสธ H0 และยอมรับ Ha หมายความว่า ผลคะแนนทดสอบก่อน
การอบรมและหลงั การอบรมมคี วามแตกต่างกนั อยา่ งมนี ัยสําคญั ทางสถิติ

14.4.2 การวิเคราะหค์ วามแปรปรวน

ตวั อย่างท่ี 14.9 ต้องการทดสอบว่าพนักงานท่ีสังกัดต่างฝ่ายงานกันมีระดับความผูกพันต่อองค์การ
แตกต่างกนั หรือไม่
H0 : พนักงานทสี่ งั กดั ตา่ งฝา่ ยงานกนั มรี ะดับความผกู พันต่อองคก์ ารไม่แตกตา่ งกนั
Ha : พนักงานท่ีสงั กัดต่างฝ่ายงานกันมรี ะดบั ความผกู พนั ตอ่ องค์การไม่แตกตา่ งกนั

การวิเคราะห์ด้วยโปรแกรมสาเร็จรูป
จากเมนู เลอื ก
Analyze
Compare Means
One-Way ANOVA….
เลือกตัวแปรตามลงในช่อง Dependent List ในที่นี้คือ ความผูกพันต่อ

องค์การ และเลอื กตวั แปรอิสระลงในชอ่ ง Factor ในท่นี ีค้ อื ฝา่ ยงานที่สงั กัด)
คลิก Post Hoc… เพื่อเลือกวิธีเปรียบเทียบค่าเฉล่ียหลาย ๆ คู่กรณี

ทปี่ ฏิเสธ H0 ในท่นี ้ีเลือก LSD3 และกาํ หนด Significance level: ท่ี .05
คลิก Continue, OK

จากตารางท่ี 14.10 ผลการวิเคราะห์อธิบายไดว้ า่
1. สถติ ิทดสอบ F = MSb /MSw = 2.074/.585 = 3.545 มีองศาแห่งความอิสระ (d)
เป็น 3, 191 ค่า Sig. = .016 ซ่ึงน้อยกว่า .05 จึงปฏิเสธ H0 และยอมรับ Ha น่ันคือ พนักงานอย่างน้อย
2 ฝ่ายมีระดบั ความผกู พนั ตอ่ องค์การแตกต่างกัน
2. การทดสอบรายคู่ด้วย LSD (Least-Significant Different) ซ่ึงจะมีทั้งหมด 12 คู่
(จาก 4 ฝา่ ย) เช่น การทดสอบวา่

3 LSD (Least Significant Different) เป็นหน่งึ ในหลายวิธีของการเปรียบเทยี บเชิงซอ้ น (multiple comparisons) หรอื การทดสอบ
รายคู่ รายละเอียดเพ่มิ เติมสามารถศึกษาไดใ้ นหนังสอื “การวิเคราะหส์ ถติ ิ: สถิติสําหรับการบริหารและการวิจัย” ของ ดร.กัลยา
วานิชย์บญั ชา

281

พนกั งานทส่ี งั กดั ฝ่ายบริการและพนกั งานทสี่ งั กัดฝา่ ยขายมีระดับความผูกพันต่อองค์การ
แตกต่างกนั หรือไม่

H0 : พนักงานท่ีสังกัดฝ่ายบริการและพนักงานที่สังกัดฝ่ายขายมีระดับความผูกพันต่อ
องคก์ ารไมแ่ ตกตา่ งกัน

ฝา่ ยบริการ = ฝ่ายขาย
Ha : พนักงานที่สังกัดฝ่ายบริการและพนักงานที่สังกัดฝ่ายขายมีระดับความผูกพันต่อ
องค์การแตกต่างกนั

ฝ่ายบรกิ าร ≠ ฝ่ายขาย

ตารางที่ 14.10 ผลการวิเคราะห์การทดสอบสมมตฐิ านด้วยการใช้ ANOVA

ANOVA

ความผูกพันต่อองค์การ Sum of Squares df Mean Square F Sig.
3.545 .016
Between Groups 6.222 3 2.074
Within Groups 111.757 191 .585
Total 117.979 194

Post Hoc Tests

Multiple Comparisons
Dependent Variable: ความผกู พันต่อองค์การ

LSD

(I) ฝ่ายงานสงั กัด (J) ฝ่ายงานสงั กัด Mean Std. Sig. 95% Confidence Interval

Difference Error Lower Bound Upper Bound

ฝา่ ยบริการ ฝ่ายขาย (I-J) .170 .009 -.78 -.11
ฝา่ ยขาย -.447* .173
ฝ่ายการสํานกั งาน ฝา่ ยการสํานกั งาน -.509* .149 .004 -.85 -.17
-.364* .170
ฝา่ ยผลิต .447* .172 .016 -.66 -.07
ฝา่ ยบริการ .148 .009 .11 .78
ฝ่ายการสาํ นกั งาน -.062 .173 .718 -.40 .28
ฝา่ ยผลติ .172 .579 -.21 .37
ฝา่ ยบริการ .082 .004 .17 .85
ฝา่ ยขาย .509* .718 -.28 .40
.062

ฝา่ ยผลติ ฝ่ายผลิต .145 .152 .342 -.16 .44
ฝ่ายบริการ .364* .149 .016 .07 .66

ฝ่ายขาย -.082 .148 .579 -.37 .21

ฝา่ ยการสํานกั งาน -.145 .152 .342 -.44 .16

*. The mean difference is significant at the 0.05 level.

282

พบว่า ระดับความผูกพันต่อองค์การของพนักงานในสังกัดฝ่ายบริการมีน้อยกว่าของ
พนักงานในสังกัดฝ่ายขายเท่ากับ .447 ค่า Sig. = .009 ซ่ึงน้อยกว่าระดับนัยสําคัญที่กําหนดไว้ท่ี .05
จึงปฏิเสธ H0 และ ยอมรับ Ha นั่นหมายถึงว่าระดับความผูกพันต่อองค์การของพนักงานในสังกัด
ฝา่ ยบริการและในสังกัดฝ่ายขายมคี วามแตกต่างกันอยา่ งมนี ัยสาํ คญั ทางสถติ ิ

3. เมอื่ วิเคราะหใ์ นลักษณะเดยี วกันกับคอู่ ่ืน ๆ ทีเ่ หลือพบวา่
พนกั งานทส่ี ังกัดฝา่ ยบรกิ ารและพนกั งานท่ีสังกดั ฝา่ ยการสํานกั งานมีระดบั ความผูกพัน

ต่อองคก์ ารแตกต่างกันอยา่ งมีนัยสําคญั ทางสถติ ิ
พนักงานท่ีสังกัดฝ่ายบริการและพนักงานท่ีสังกัดฝ่ายผลิตมีระดับความผูกพันต่อ

องค์การแตกต่างกันอยา่ งมีนยั สําคัญทางสถิติ
พนกั งานท่ีสงั กัดฝา่ ยขายและพนักงานท่ีสังกัดฝ่ายการสํานักงานมีระดับความผูกพัน

ต่อองคก์ ารไม่แตกตา่ งกนั
พนกั งานทสี่ งั กัดฝ่ายขายและพนกั งานท่สี ังกดั ฝ่ายผลิตมีระดับความผูกพันต่อองค์การ

ไม่แตกตา่ งกัน
พนักงานทส่ี ังกัดฝ่ายการสํานักงานและพนกั งานท่ีสงั กัดฝา่ ยผลิตมีระดับความผูกพัน

ต่อองคก์ ารไม่แตกต่างกัน

14.4.3 การทดสอบสมมตฐิ านเกี่ยวกับจานวนหรอื ความถ่ี

ตวั อย่างที่ 14.10ต้องการทดสอบวา่ เพศกบั ฝ่ายงานที่สังกดั มคี วามสัมพันธก์ ันหรอื ไม่
H0 : เพศกบั ฝา่ ยงานทส่ี งั กดั ไม่มคี วามสมั พนั ธก์ นั
Ha : เพศกบั ฝ่ายงานท่ีสังกัดมคี วามสัมพันธก์ ัน

การวิเคราะหด์ ้วยโปรแกรมสาเร็จรูป
จากเมนู เลอื ก
Analyze
Descriptive Statistics
Crosstabs….
เลือกตัวแปรลงในช่อง Row(s) และ Column(s) ในที่น้ี เลือกเพศลงใน

ช่อง Row(s) และ ฝ่ายงานสงั กัดในชอ่ ง Column(s)
คลิก Statistics… เลอื ก Chi-square
คลกิ Continue, OK

283

ตารางที่ 14.11 ผลการวิเคราะหก์ ารทดสอบสมมติฐานเกีย่ วกบั ความสัมพันธร์ ะหวา่ งตัวแปร

เพศ * ฝ่ายงานสังกัด Crosstabulation

Count

เพศ ชาย ฝ่ายบริการ ฝ่ายงานสังกดั ฝ่ายผลติ Total
หญิง ฝา่ ยขาย ฝ่ายการสาํ นักงาน
23 39 88
Total 15 11 107
17 37 195
40 26 27 76
41 38

Chi-Square Tests

Value df Asymp. Sig. (2-sided)

Pearson Chi-Square 8.874a 3 .031

Likelihood Ratio 9.041 3 .029

Linear-by-Linear Association .043 1 .835

N of Valid Cases 195

a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 17.15.

จากตารางท่ี 14.11 ผลการวเิ คราะหอ์ ธบิ ายไดว้ า่
1. กลุ่มตัวอย่างจํานวน 195 คน เป็นเพศชาย 88 คน เพศหญิง 107 คน และสังกัด
ฝา่ ยบรกิ าร 40 คน ฝา่ ยขาย 41 คน ฝา่ ยการสํานักงาน 38 คน และฝา่ ยผลิต 76 คน
2. ค่าสถิติทดสอบ Pearson Chi-square = 8.874 , d = (r-1) (c-1) = (2 -1)(3 – 1)
= 3 ค่า Sig.(2-tailed) = .031 ซ่ึงต่ํากว่า .05 จึงปฏิเสธ H0 นั่นคือ เพศกับฝ่ายงานที่สังกัดมี
ความสมั พนั ธก์ นั

14.4.4 การทดสอบสมมติฐานเกย่ี วกบั สมั ประสิทธส์ิ หสมั พนั ธ์

ตัวอย่างที่ 14.11ต้องการทดสอบว่าความผูกพันต่อองคก์ าร ลักษณะของงาน และประสบการณ์ในงาน
มคี วามสัมพนั ธก์ นั หรือไม่
H10 : ความผูกพันตอ่ องคก์ ารและลักษณะของงานไมม่ ีความสัมพนั ธก์ นั
ความผูกพนั ตอ่ องคก์ าร, ลกั ษณะของงาน = 0
H1a : ความผกู พนั ต่อองคก์ ารและลกั ษณะของงานมคี วามสัมพันธ์กัน
ความผกู พนั ต่อองค์การ, ลกั ษณะของงาน ≠ 0
H20 : ความผูกพนั ต่อองค์การและประสบการณใ์ นงานไม่มคี วามสมั พนั ธก์ นั
ความผกู พนั ตอ่ องคก์ าร, ประสบการณ์ในงาน = 0

284

H2a: ความผกู พนั ต่อองคก์ ารและประสบการณใ์ นงานมคี วามสัมพนั ธ์กนั
ความผกู พนั ต่อองคก์ าร, ประสบการณใ์ นงาน ≠ 0

H30: ลักษณะของงานและประสบการณใ์ นงานไมม่ ีความสัมพันธ์กนั
ลักษณะของงาน, ประสบการณ์ในงาน = 0

H3a: ลกั ษณะของงานและประสบการณ์ในงานมคี วามสมั พนั ธ์กนั
ลักษณะของงาน, ประสบการณ์ในงาน ≠ 0

การวเิ คราะห์ดว้ ยโปรแกรมสาเรจ็ รูป
จากเมนู เลือก
Analyze
Correlate
เลือก Bivariate…
เลือกตัวแปรลงในช่อง Variables: ในที่น้ี ได้แก่ ความผูกพันต่อองค์การ

ลักษณะของงาน ประสบการณ์ในงาน
เลอื ก Pearson, Two-tailed, Flag significant correlations
คลิก OK

จากตารางที่ 14.12 ผลการวิเคราะห์อธบิ ายได้วา่
สมมติฐานที่ 1 ค่าสัมประสิทธ์ิสหสัมพันธ์ระหว่างความผูกพันต่อองค์การและลักษณะ
ของงาน = .572 ค่า Sig. (two tailed) = .000 ซึ่งน้อยกว่า .01 จึงปฏิเสธ H0 และยอมรับ Ha
นัน่ หมายความวา่ ความผูกพันตอ่ องคก์ ารและลกั ษณะของงานมคี วามสัมพนั ธ์กันอย่างมีนัยสําคัญทาง
สถิติ
สมมติฐานที่ 2 ค่าสัมประสิทธิ์สหสมั พนั ธร์ ะหว่างความผกู พนั ตอ่ องค์การและประสบการณ์
ในงาน = .332 ค่า Sig. (two tailed) = .000 ซึ่งน้อยกว่า .01 จึงปฏิเสธ H0 และยอมรับ Ha
นัน่ หมายความวา่ ความผกู พันตอ่ องค์การและประสบการณ์ในงานมคี วามสัมพันธ์กันอย่างมีนัยสําคัญ
ทางสถติ ิ

285

ตารางที่ 14.12 ผลการวิเคราะห์การทดสอบสมมติฐานเก่ียวกับสัมประสิทธสิ์ หสมั พันธ์

Correlations

ความผูกพันตอ่ องค์การ ลักษณะของงาน ประสบการณ์ในงาน
.572** .332**
ความผกู พนั ตอ่ Pearson Correlation 1
.000 .000
องคก์ าร Sig. (2-tailed)
195 195
ลักษณะของงาน N 195 1 .305**
.572** .000
Pearson Correlation .000
Sig. (2-tailed) 195 195
.305** 1
N 195
ประสบการณ์ในงาน Pearson Correlation .332** .000

Sig. (2-tailed) .000 195 195

N 195

**. Correlation is significant at the 0.01 level (2-tailed).

สมมติฐานท่ี 3 ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างลักษณะของงานและประสบการณ์ใน
งาน = .305 ค่า Sig. (two tailed) = .000 ซึ่งน้อยกว่า .05 จึงปฏิเสธ H0 และยอมรับ Ha นั่น
หมายความว่า ลักษณะของงานและประสบการณ์ในงานมีความสมั พนั ธก์ ันอยา่ งมีนัยสําคัญทางสถิติ

14.4.5 การวเิ คราะหก์ ารถดถอย

ตวั อยา่ งท่ี 14.12 ตอ้ งการทดสอบว่าลักษณะของงาน ประสบการณ์ในงาน ภาวะผู้นําของผู้บังคับบัญชา

และการส่อื สารภายในองค์การ ส่งผลต่อความผกู พนั ต่อองคก์ ารหรือไม่
H10 : ลักษณะของงาน ประสบการณ์ในงาน ภาวะผู้นําของผู้บังคับบัญชา และ
การสือ่ สารภายในองคก์ ารไม่ส่งผลตอ่ ความผกู พนั ตอ่ องคก์ าร
ลักษณะของงาน = ประสบการณใ์ นงาน = ภาวะผนู้ ําของผบู้ งั คบั บัญชา = การสือ่ สารภายในองคก์ าร = 0
H1a : ลักษณะของงาน ประสบการณ์ในงาน ภาวะผู้นําของผู้บังคับบัญชา และ
การสื่อสารภายในองคก์ าร (อย่างน้อย 1 ตัว) ส่งผลต่อความผูกพนั ต่อองค์การ
ลักษณะของงาน, ประสบการณ์ในงาน, ภาวะผ้นู าํ ของผูบ้ ังคับบญั ชา, การสอ่ื สารภายในองค์การ อย่างน้อย
หน่ึงค่าท่ี ≠ 0
ลักษณะของงานส่งผลต่อความผูกพันต่อองค์การหรือไม่ เม่ือประสบการณ์ในงาน
ภาวะผนู้ าํ ของผู้บงั คับบญั ชา และการสื่อสารภายในองค์การคงท่ี

H2.10 : ลักษณะของงาน = 0
H2.1a : ลักษณะของงาน ≠ 0
ประสบการณ์ในงานส่งผลต่อความผูกพันต่อองค์การหรือไม่ เม่ือลักษณะของงาน
ภาวะผ้นู ําของผู้บงั คับบญั ชา และการส่อื สารภายในองคก์ ารคงท่ี
H2.20 : ประสบการณ์ในงาน = 0
H2.2a : ประสบการณ์ในงาน ≠ 0

286

ภาวะผู้นําของผู้บังคับบัญชาส่งผลต่อความผูกพันต่อองค์การหรือไม่ เม่ือลักษณะ
ของงาน ประสบการณ์ในงาน และการส่ือสารภายในองคก์ ารคงที่

H2.30 : ภาวะผู้นาํ ของผ้บู ังคับบญั ชา = 0
H2.3a : ภาวะผนู้ าํ ของผ้บู งั คบั บัญชา ≠ 0
การส่ือสารภายในองค์การส่งผลต่อความผูกพันต่อองค์การหรือไม่ เม่ือลักษณะ
ของงาน ภาวะผนู้ ําของผูบ้ ังคับบญั ชา และประสบการณ์ในงานคงท่ี
H2.40 : การสื่อสารภายในองค์การ = 0
H2.4a : การส่ือสารภายในองค์การ ≠ 0

การวเิ คราะห์ด้วยโปรแกรมสาเร็จรปู
จากเมนู เลือก
Analyze
Regression
Linear….
เลอื กตัวแปรตามลงในชอ่ ง dependent ในทนี่ ีค้ อื ความผกู พันตอ่ องคก์ าร
เลอื กตัวแปรอสิ ระลงในช่อง independent ในท่ีน้ีคือ ลักษณะของงาน

ประสบการณ์ในงาน ภาวะผู้นําของผบู้ ังคับบัญชา และการสอ่ื สารภายในองคก์ าร
Method: เลือก Enter
คลิก Statistics… เลือก Model fit, และ Collinearity

diagnostics คลิก Continue, OK

287

ตารางที่ 14.13 ผลการวิเคราะห์การถดถอย

Model Summary

Model R R Square Adjusted R Square Std. Error of the Estimate

1 .643a .414 .401 .603

a. Predictors: (Constant), การสื่อสารภายในองค์การ, ประสบการณใ์ นงาน, ลักษณะของงาน,
ภาวะผู้นําของผ้บู งั คับบัญชา

ANOVAa

Model Sum of Squares df Mean Square F Sig.
Regression 48.786 4 12.197 33.491 .000b

1 Residual 69.193 190 .364

Total 117.979 194

a. Dependent Variable: ความผกู พันต่อองคก์ าร
b. Predictors: (Constant), การส่ือสารภายในองค์การ, ประสบการณใ์ นงาน, ลักษณะของงาน, ภาวะผู้นําของ

ผ้บู ังคบั บัญชา

Coefficientsa

Unstandardized Standardized t Sig. Collinearity Statistics
Coefficients Coefficients

Model B Std. Error Beta Tolerance VIF

1 (Constant) -.370 .388 -.955 .341

ลกั ษณะของงาน .581 .082 .435 7.088 .000 .819 1.221

ประสบการณ์ในงาน .090 .070 .082 1.275 .204 .755 1.324

ภาวะผู้นําของผบู้ ังคบั บญั ชา .225 .077 .200 2.923 .004 .661 1.514

การสอื่ สารภายในองค์การ .155 .066 .141 2.355 .020 .858 1.165

a. Dependent Variable: ความผูกพันตอ่ องค์การ

จากตารางที่ 14.13 แสดงผลวเิ คราะหอ์ ธิบายไดว้ า่

1. ตาราง Model Summary อธิบายไดว้ า่

1.1 ค่าสัมประสิทธ์ิการตัดสินใจ (coefficient of determination) หรือ R Square
(R2) = .414 หมายความว่า ตัวแปรอิสระทงั้ หมดซึ่งได้แก่ ลกั ษณะของงาน ประสบการณ์ในงาน ภาวะ

ผู้นําของผู้บังคับบัญชา และการส่ือสารภายในองค์การ อธิบายการเปลี่ยนแปลงความผูกพันต่อ

องค์การได้รอ้ ยละ 41.4 ส่วนอีกรอ้ ยละ 58.6 เกดิ จากอทิ ธิพลของตัวแปรอืน่ ท่ีไม่ได้นาํ มาพจิ ารณา

1.2 ค่า Adjusted R Square หมายถึงค่า R Square ที่ได้ถูกปรับให้ถูกต้อง

เนือ่ งจากมีตัวแปรอิสระหลายตัว โดยทตี่ วั แปรอสิ ระบางตวั อาจไม่มีความสัมพนั ธก์ บั ตัวแปรตามเลย

Adjust R Square = 1 + (n -1) (R2 - 1)
(n - k -1)
(194 - 1)
= 1 + (194- 4 -1) (.414 – 1) = .401

288

2. ตาราง ANOVAa อธิบายได้ว่า ค่าสถิติ F มีค่า = 33.491 ค่า Sig. = .000 ซ่ึงน้อยกว่า
.01 จึงปฏิเสธ H0 และยอมรับ Ha นั่นหมายความว่ามีตัวแปรอิสระอย่างน้อย 1 ตัวท่ีส่งผลต่อความ
ผกู พันต่อองคก์ ารอยา่ งมีนยั สําคัญทางสถิติ

3. ตาราง Coefficientsa อธบิ ายไดว้ ่า
3.1 ค่าสถิติทดสอบตัวแปรลักษณะของงาน t = 7.088 ค่า Sig. = .000 ซึ่งต่ํากว่า

.01 จงึ ปฏิเสธ H0 และยอมรบั Ha นั่นหมายความวา่ ลักษณะของงานส่งผลต่อความผูกพันต่อองค์การ
อย่างมีนัยสําคัญทางสถิติ เมื่อกําหนดให้ประสบการณ์ในงาน ภาวะผู้นําของผู้บังคับบัญชา และการ
สือ่ สารภายในองคก์ ารคงที่

3.2 ค่าสถติ ิทดสอบตัวแปรประสบการณ์ในงาน t = 1.275 ค่า Sig. = .204 ซึ่งสูงกว่า
.05 จึงไมส่ ามารถปฏิเสธ H0 นัน่ หมายความว่าประสบการณใ์ นงานไม่สง่ ผลตอ่ ความผูกพันต่อองค์การ
อย่างมนี ยั สาํ คัญทางสถิติ เมือ่ กาํ หนดให้ลกั ษณะของงาน ภาวะผ้นู าํ ของผู้บงั คบั บญั ชา และการส่ือสาร
ภายในองค์การคงท่ี

3.3 คา่ สถิติทดสอบตวั แปรภาวะผู้นาํ ของผู้บังคับบัญชา t = 2.923 ค่า Sig. = .004
ซึ่งต่ํากว่า .01 จึงปฏิเสธ H0 และยอมรับ Ha น่ันหมายความว่าภาวะผู้นําของผู้บังคับบัญชาส่งผลต่อ
ความผูกพันต่อองค์การอย่างมีนัยสาํ คัญทางสถิติ เม่ือกําหนดให้ลักษณะของงาน ประสบการณใ์ น
งาน และการสอื่ สารภายในองคก์ ารคงท่ี

3.4 ค่าสถิติทดสอบตัวแปรการส่ือสารภายในองค์การ t = 2.355 ค่า Sig. = .020
ซึ่งตํ่ากว่า .05 จึงปฏิเสธ H0 และยอมรับ Ha นั่นหมายความว่าการสื่อสารภายในองค์การส่งผลต่อ
ความผูกพันต่อองค์การอย่างมีนัยสําคัญทางสถิติ เมื่อกําหนดให้ลักษณะของงาน ประสบการณ์
ในงาน และภาวะผนู้ าํ ของผบู้ ังคับบญั ชาคงที่

หรอื สรุปได้ว่าลักษณะของงาน ภาวะผู้นําของผู้บังคับบัญชา และการสื่อสารภายใน
องคก์ าร สง่ ผลตอ่ ความผูกพันต่อองค์การ

2. เม่ือพิจาณาจากค่าสัมประสิทธิ์ถดถอยมาตรฐาน (standardized coefficient)
อธิบายได้ว่า ลักษณะของงานส่งผลต่อความผูกพันต่อองค์การมากท่ีสุดเนื่องจากมีค่าสัมประสิทธ์ิ
ถดถอยมาตรฐานมากที่สุด (.435) รองลงมาคือ ภาวะผู้นําของผู้บังคับบัญชา และการส่ือสารภายใน
องคก์ าร ตามลําดบั

3. เม่ือพิจารณาจากช่อง Collinearity Statistics พบว่าค่าความคงทนตํ่าสุดของตัวแปร
อสิ ระคอื 0.661 และค่าปจั จยั การขยายตวั ผนั แปรสูงสุด คือ 1.514 ดังนนั้ สรปุ ได้ว่าตวั อยา่ งการวิเคราะห์
สมการถดถอยพหุคูณน้ีไม่เกิดปัญหาความสัมพันธ์ระหว่างตัวแปรอิสระ (multicollinearity) (การมี
ค่าความคงทนท่ีตํ่ากว่า 0.1 และค่าปัจจัยการขยายตัวผันแปรที่สูงกว่า 10 แสดงว่าอาจเกิดปัญหา
multicollinearity ได้ (Hair et al., 1995: 127))