การใช้ IBM SPSS Statistics เพื่อการวิเคราะห์ข้อมูล

บทที การคาํ นวณหาคณุ ภาพเครอื งมอื

) ขยายค่าความเชือมนั เพยี งครงึ ฉบับนี ให้เป็นค่าความเชือมนั ของเครืองมือวัดผลทงั

ฉบบั โดยใช้สูตรของสเปี ยรแ์ มนบราว (Spearman-Brown)

rtt  2r1/ 2
1  r1/ 2

เมอื rtt แทน ค่าความเชือมันของเครอื งมอื วัดทงั ฉบบั

r1/2 แทน ค่าความเชือมนั ของเครืองมือวัดครงึ ฉบับ

. วธิ ขี องคูเดอรร์ ิชารด์ สนั (Kuder-Ricahardson)

เป็นวธิ ีทคี เู ดอร์รชิ าร์สนั ใช้การเทยี บเหตผุ ล เพอื หาสตู รจากความหมายและคณุ สมบตั ขิ องค่า

ความเชือมนั ทาํ ให้ได้สูตรการหาค่าความเชือมนั ทสี ะดวกในการใช้ ซงึ มสี องสตู รคอื KR-20 และ KR-
21 ดงั นี

) การหาความเชือมันด้วยสูตร KR-20 ใช้สาํ หรบั หาความเชือมนั ของเครืองมือทใี ห้
คะแนนแบบ – คอื ทาํ ผดิ ให้ คะแนน ทาํ ถูกให้ คะแนน คาํ นวณได้จากสตู ร

rtt  k k 1  pq 
1 s2 

เมอื rtt แทน ค่าความเชือมัน KR-20
k แทน จาํ นวนข้อสอบทงั หมดของเครอื งมือวดั

p แทน สัดส่วนจาํ นวนคนตอบถูกกบั จาํ นวนคนทงั หมด

q แทน สดั ส่วนจาํ นวนคนตอบผิดกบั จาํ นวนคนทงั หมดหรอื 1 – p

s2 แทน ความแปรปรวนของคะแนนการสอบของกล่มุ

) ครอนบาค (Cronbach) ได้ดัดแปลงสูตร KR-20 เพือนาํ ไปใช้ในการหาความเชือมัน

ของมาตราวัดทศั นคตแิ บบให้ผู้ตอบแสดงระดับความสนใจ (scaling) เช่น มาตราการวดั ทศั นคตแิ บบลิ

เคิรท์ หรอื แบบออสกูด ซงึ สตู รสัมประสิทธคิ วามเชือมนั ของครอนบาคนจี ะเรยี กว่า สัมประสทิ ธแิ อลฟา

(Alpha Coefficient) โดยคาํ นวณความเชือมันจากสูตร

rtt  k  s 2 
1  i

k 1  s 2 
t

เมือ rtt แทน ค่าความเชือมันของครอนบาค (Alpha coefficient)
k
แทน จาํ นวนข้อสอบทงั หมดของเครืองมือวดั

si2 แทน ความแปรปรวนของคะแนนเป็นรายข้อ

s 2 แทน ความแปรปรวนของคะแนนทงั ฉบบั
t

) หาความเชือมนั ด้วยสตู ร KR-21 เป็นสตู รทดี ดั แปลงมาจาก KR-20 เพอื ให้ใช้สะดวก

ขนึ เพราะสูตร KR-20 ย่งุ ยากในการหาสดั ส่วนจาํ นวนผ้ตู อบถูกและตอบผิดเป็นรายข้อ สตู รความ

เชือมัน KR-21 คาํ นวณได้ดงั นี

rtt k  X(k  X)
 1 
k 1  ks 2 


เมอื rtt แทน ค่าความเชือมนั KR-21

การใช้ SPSS เพือการวเิ คราะหข์ ้อมูล

k แทน จาํ นวนข้อสอบทงั หมดของเครืองมอื วัด
X แทน คะแนนเฉลียของคะแนนการสอบของกลุ่ม
s2 แทน ความแปรปรวนของคะแนนการสอบของกล่มุ

ขอ้ สงั เกตในการหาความเชือมนั
. การหาค่าความเชือมันของเครืองมือด้วยวธิ สี อบซาํ จะเป็นความคงทขี องคะแนนสอบ

(stability) ส่วนวธิ อี ืน ๆ จะเป็นวิธีหาความสอดคล้องภายใน (internal consistency) ของการตอบ
เครอื งมือนนั

. ค่าความเชือมันทหี าได้โดยวธิ ีแบ่งครึง จะให้ค่าสงู กว่าวธิ ีอนื ๆ ส่วนการใช้สตู รของคู
เดอร์-รชิ ารด์ สนั จะให้ค่าความเชือมันตาํ กว่าวธิ ีอนื ๆ โดยเฉพาะ KR-21 จะให้ค่าตาํ กว่า KR-20

. การหาความเชือมันของเครืองมอื วัดแต่ละชนดิ จะต้องเลอื กใช้วธิ ีทเี หมาะสมกับ
คณุ ลักษณะของเครอื งมือนัน

. ค่าความเชือมันทไี ด้ จะเป็นเครอื งชีถงึ ความมันใจในคะแนนทไี ด้จากการสอบวดั ถ้า
ความเชือมันสูง แสดงว่าความคลาดเคลือนของคะแนนมนี ้อย ในทางตรงข้ามถ้าความเชือมนั ตาํ
ความคลาดเคลือนจะมีสงู ความคลาดเคลอื นในการวัดแต่ละครงั จะแปรผนั ตามระดบั ค่าความเชือมัน
ความคลาดเคลือนมาตรฐานของการวัด (standard error of measurement ใช้สัญลกั ษณว์ ่า SEmeas)
คาํ นวณได้จากสูตร

SEmeas = s 1  rtt

เมือ SEmeas แทน ความคลาดเคลอื นมาตรฐานของการวดั
s แทน ความเบียงเบนมาตรฐานของคะแนน
rtt แทน ค่าความเชือมนั

จะเหน็ ว่า ถ้าใช้เครอื งมือทมี ีความเชือมนั . ความคลาดเคลอื นของการวดั จะมคี ่าเป็น
และความเชือมันยิงน้อยลง ๆ ค่าความคลาดเคลอื นของการวดั กจ็ ะยิงมากขึน

ตวั อยา่ ง .
จากข้อมูลบทที การสาํ รวจเจตคตติ ่อโรงเรยี นของนกั เรียน คน ด้วยข้อสอบวดั เจตคติ
ข้อ นาํ มาคาํ นวณหาคณุ ภาพในด้านความเชือมัน จะได้ค่าเท่าใด

ใช้เมนู “Analyze” เมนูรอง “Scale” และเมนูย่อย “Reliability Analysis...” จะปรากฏ
หน้าต่างดงั ภาพประกอบ .

บทที การคาํ นวณหาคุณภาพเครอื งมอื

ภาพประกอบ .

เลอื กข้อสอบทตี ้องการคาํ นวณความเชือมนั ใส่ช่อง Items : และเลือกรปู แบบ (Model) ของ
การคาํ นวณค่าความเชือมนั มใี ห้เลือกหลายรปู แบบดังนี

Alpha แสดงสัมประสทิ ธิแอลฟาของครอนบัค
Split-half สมั ประสิทธิแบ่งครงึ ข้อสอบ โดยจะแบ่งข้อสอบออกเป็น ส่วน
Guttman จะแสดงค่าความเชือมันของกตั แมน
Parallel จะประมาณค่าความเชือมันภายใต้ข้อตกลงแบบทดสอบคู่ขนานนันคอื แต่ละ
ข้อมคี วามแปรปรวนเท่ากัน
Strict parallel จะประมาณค่าความเชือมันทภี ายใต้ข้อตกลงเบืองต้นของแบบทดสอบ
คู่ขนานและจะสมมตวิ ่าแต่ละข้อมีคะแนนเฉลยี เท่ากนั
นอกจากนยี ังสามารถคลิกทปี ่ ุม Statistics เพือเลอื กการคาํ นวณค่าสถิติได้อกี ด้วย สถิตมิ ีให้
เลือกดังภาพประกอบ .
ในช่อง Descriptive for จะแสดงค่าสถติ พิ ืนฐานของข้อคาํ ถามรายข้อ (Item) ค่าสถติ พืนฐาน
ของทงั ฉบับ (Scale) และค่าสถิติพนื ฐานเมอื หักข้อคาํ ถามข้อนนั ออก เช่น
Scale mean if item deleted เป็นค่าเฉลียของคะแนนสเกลนัน ถ้าข้อสอบข้อนันถูก

ออกจากสเกลนนั
Scale variance if item deleted เป็นความแปรปรวนของคะแนนสเกลนนั

ถ้าข้อสอบข้อนนั ถูกออกจากสเกลนนั
Corrected item total correlation ความสัมพันธ์ระหว่างคะแนนของข้อสอบแต่ละ

ข้อกบั คะแนนรวมในสเกลทคี าํ นวณจากข้อสอบอืน ๆ ในชุดนันหรือกค็ อื ค่า
อาํ นาจจาํ แนกรายข้อนนั เอง
Alpha if item deleted เป็นการคาํ นวณความเชือมันด้วยสมั ประสิทธแิ อลฟาจาก
ข้อสอบอนื ๆ ทอี ย่ใู นสเกล ถ้าข้อสอบข้อนนั ถูกออกจากสเกลนัน

การใช้ SPSS เพือการวิเคราะห์ข้อมลู

ภาพประกอบ .
สาํ หรับในช่อง Inter-Item ใช้ในการคาํ นวณค่าสหสัมพันธ์ (Correlations) ของข้อคาํ ถามราย
ข้อ และความแปรปรวนร่วม (Covariances)
ส่วน Summaries เป็นค่าสถติ สิ รุปรวมทงั ฉบบั คือ

Mean ค่าสถติ ิพืนฐานของสเกล
Variance ค่าความแปรปรวนของสเกล
Covariance ค่าความแปรปรวนร่วมของสเกล
Correlation ค่าสหสัมพนั ธ์ของสเกล
สาํ หรบั ANOVA Table เป็นการทดสอบความเทา่ กันของค่าเฉลียในข้อสอบแต่ละข้อ
Hotelling’s T-square เป็นการทดสอบสมมติฐานศูนยท์ วี ่าข้อสอบมคี ่าเฉลยี เทา่ กนั
Tukey’s test off additivity เป็นการทดสอบข้อตกลงทวี ่า ไม่มีปฏสิ ัมพนั ธร์ ะหว่าง
ข้อสอบแต่ละข้อ
Intraclass Correlation Coefficient เป็นการหาความเชือมนั ของผู้ประเมนิ (ICC)
ในกรณตี ้องการหาค่าอาํ นาจจาํ แนกด้วยการหาสหสัมพันธ์ของข้อสอบรายข้อกบั คะแนนรวม
ให้เลอื กทกี รอบ “Descriptive for” และคลกิ เลือกที “Scale if item deletes” ซึงกค็ อื การคาํ นวณหา
สหสัมพันธ์ของข้อสอบรายข้อกับคะแนนรวมทหี ักข้อนนั ออก ซงึ จะมตี ัวอย่างในหัวข้อต่อไป

บทที การคาํ นวณหาคณุ ภาพเครอื งมอื

Case Processing Summary

N%

Cases Valid 20 100.0

Excludeda 0 .0

Total 20 100.0

a. Listwise deletion based on all variables in the

procedure.

Reliability Statistics
Cronbach's

Alpha N of Items
.748 10

ผลการวิเคราะห์ค่าความเชือมันของแบบวัดเจตคติ จาํ นวนกลุ่มตวั อย่างทเี กบ็ รวบรวมข้อมูล

(N of Cases) คือ คน จาํ นวนข้อสอบ (N of Items) คอื ข้อ ค่าความเชือมนั ทคี าํ นวณจากสูตร
สมั ประสทิ ธิแอลฟาของครอนบาค (Alpha) มีค่าเทา่ กับ .

ถ้าเลอื กคาํ นวณแบบแบ่งครงึ ฉบบั Split-half จะได้ผลการคาํ นวณดังนี

Reliability Statistics

Cronbach's Alpha Part 1 Value .694

N of Items 5a

Part 2 Value .649

N of Items 5b

Total N of Items 10
.415
Correlation Between Forms .587
.587
Spearman-Brown Coefficient Equal Length .586

Unequal Length

Guttman Split-Half Coefficient

a. The items are: x1, x2, x3, x4, x5.

b. The items are: x6, x7, x8, x9, x10.

สาํ หรับการคาํ นวณด้วยวิธแี บ่งครึงข้อสอบจากข้อสอบ ข้อแบ่งครึงส่วนแรก ข้อ ส่วนที
สอง ข้อ ความสมั พนั ธ์ของทงั สองส่วนมคี ่า . ค่าสมั ประสทิ ธิแอลฟาของส่วนแรกมีค่า .
ค่าสมั ประสิทธแิ อลฟาของส่วนทสี องมีค่า . เนอื งจากสองส่วนทแี บ่งมีจาํ นวนข้อเทา่ กนั จึงต้องดคู ่า
ความเชือมนั ที Spearman-Brown Coefficient Equal Length ดังนันค่าความเชือมันทงั ฉบับเทา่ กับ
.

3. หาสหสมั พันธร ะหวางคะแนนรายขอ กบั คะแนนรวม

การใช้ SPSS เพือการวเิ คราะหข์ ้อมูล

เป็นวิธีการหาคณุ ภาพของข้อสอบด้านอาํ นาจจาํ แนกอีกแบบหนงึ ด้วยวธิ หี าสหสัมพันธ์
ระหว่างคะแนนแต่ละข้อกบั คะแนนรวมเมือหักคะแนนในข้อนันออก มีตวั อย่างดงั นี

ตวั อย่าง .
จากตวั อย่างข้อมูลบทที การสาํ รวจเจตคตติ ่อโรงเรยี นของนักเรยี น คน ด้วยข้อสอบวดั
เจตคติ ข้อสอบกับกลุ่มตัวอย่าง คน คาํ นวณหาสหสมั พันธ์ระหว่างคะแนนรายข้อกับคะแนน
รวมได้ดงั นี
ใช้เมนูและวิธีการเดียวกบั การคาํ นวณหาความเชือมัน โดยเลอื กข้อสอบทตี ้องการคาํ นวณ
ความเชือมันใส่ช่อง “Items :” ในทนี ีมีข้อสอบ ข้อตังแต่ x ถงึ x และเลอื กรปู แบบ (Model)
คาํ นวณแบบ “Alpha” ส่วนในหน้าต่าง “Statistics” ภายในช่อง “Descriptives for” เลือกคลกิ ให้เกิด
เครอื งหมายถูกหน้า “Scale if item deleted” แล้วคลกิ ป่ มุ “Continue” แล้วคลกิ “OK” โปรแกรมจะ
ประมวลผลสหสัมพนั ธ์ระหว่างคะแนนรายข้อกับคะแนนรวมทตี ัดข้อนันออก

ภาพประกอบ .
ผลการวิเคราะห์สหสมั พันธ์รายข้อกับคะแนนรวมทหี ักข้อนนั ออก ปรากฏดังนี

Item-Total Statistics

บทที การคาํ นวณหาคณุ ภาพเครอื งมอื

Corrected Item- Cronbach's

Scale Mean if Scale Variance Total Alpha if Item

Item Deleted if Item Deleted Correlation Deleted

x1 28.8500 26.134 .540 .707

x2 28.7000 27.484 .586 .706

x3 28.1000 29.989 .252 .749

x4 28.8000 29.747 .228 .755

x5 29.0500 25.839 .575 .701

x6 28.6000 28.674 .471 .722

x7 28.9500 27.839 .383 .732

x8 28.6000 31.095 .178 .757

x9 28.5500 27.208 .474 .718

x10 28.9000 27.253 .449 .722

ค่าอาํ นาจจาํ แนกคือสดมภ์ Corrected Item-Total Correlation เป็นค่าสหสัมพนั ธข์ อง
คะแนนข้อคาํ ถามนนั กับคะแนนรวมของข้อสอบทงั หมดทไี ม่รวมข้อนัน นนั คอื ข้อคาํ ถามที X1 ได้ค่า
. คอื ค่าสหสัมพนั ธข์ องคะแนนข้อคาํ ถามข้อ X1 กบั คะแนนรวมอีก ข้อทเี หลือ ค่าอาํ นาจจาํ แนก
ทถี ือว่าข้อคาํ ถามนนั มอี าํ นาจจาํ แนกใช้ได้ คือจะต้องมคี ่าตังแต่ . ขึนไป

หรืออาจจะพิจารณาจากสดมภ์ Alpha it Item Deleted ซงึ จะแสดงค่าความเชือมันของ
แบบทดสอบทงั ฉบบั เมือหักข้อนนั ออก นันคอื ค่าความเชือมันของแบบทดสอบเมอื หักข้อคาํ ถาม X1
ออกไปจะได้ค่า . ซงึ จะลดลงจากเดิม (Alpha = . ) วิธีพจิ าณาคอื เมอื หักข้อคาํ ถามใดออกแล้ว
ค่าความเชือมนั เพิมสงู ขนึ จากเดมิ แสดงว่าข้อคาํ ถามนนั ไม่มคี ุณภาพนันเอง

พจิ ารณาข้อคาํ ถาม X มีค่าอาํ นาจจาํ แนก . ซงึ ไม่ถึงเกณฑ์ . และเมอื หักข้อ X
ออกแล้วค่าความเชือมันเพิมสงู ขนึ เป็น . นนั คือข้อคาํ ถาม X เป็นข้อทใี ช้ไม่ได้ ควรกลบั ไป
พิจารณาปรบั ปรงุ แก้ไขหรือตัดทงิ

การวิเคราะหความแปรปรวน
แบบสองทาง

ในบททแี ล้วได้กล่าวถึงการวเิ คราะห์ความแปรปรวนแบบทางเดยี ว สาเหตทุ เี รียกทางเดียว

เนอื งจากว่ามีตวั แปรอิสระเพยี งตวั เดียว แต่ถ้าหากมตี ัวแปรอิสระ ตวั เราจะเรียกใหม่ว่า การ

วเิ คราะห์ความแปรปรวนแบบสองทาง (Two-way ANOVA) โดยตวั แปรอสิ ระทงั ตวั จะต้องอยู่ใน
มาตราการวัด Nominal Scales และตัวแปรตามอยู่ในมาตราการวัด Interval Scale ขนึ ไป

ในงานวิจัยเชิงทดลอง ตวั แปรตวั แรกมักจะเรยี กว่า องค์ประกอบ A และตวั แปรตัวทสี อง
มกั จะเรียกว่า องคป์ ระกอบ B ในองค์ประกอบ A จะแบ่งออกเป็น p ระดบั และองคป์ ระกอบ B จะ
แบ่งออกเป็น q ระดับ เราจะเรยี กรูปแบบนีอกี ชือหนงึ ว่า p x q Factorial Design สมมติว่า
องคป์ ระกอบ A มี ระดับ และองคป์ ระกอบ B มี ระดับ เราจะเรยี กว่า x Factorial Design

ถ้างานวิจยั นนั มี องค์ประกอบ คือ องคป์ ระกอบ A, B และ C เรียกว่า การวิเคราะห์ความ
แปรปรวนแบบสามทาง (Three-way ANOVA)

ใช้คาํ สงั ANOVA สาํ หรบั ทดสอบความแตกต่างของค่าเฉลียกรณมี ตี ัวแปรอสิ ระตังแต่ ตวั
แปรขึนไป และตัวแปรตาม ตัวแปร ในทนี ีจะกล่าวเฉพาะในกรณมี ีตวั แปรอสิ ระ ตวั และตวั แปรตาม

ตวั เรยี กว่า การวิเคราะห์ความแปรปรวนแบบสองทาง

สมมติฐาน

. H : aj = ทุกค่าของ j
H : aj  บางค่าของ j

. H : bk = ทุกค่าของ k
H : bk  บางค่าของ k

. H : (ab)jk = ทุกค่าของ j และ k
H : (ab)jk  บางค่าของ j และ k

สตู รทดสอบ

ในการวิเคราะห์ความแปรปรวนแบบสองทางจะต้องคาํ นวณค่าเหล่านี

n p q 2
   Yijk 
SSTO = n p q -
SSA = Yi2jk i 1 j1k 1
  
npq
i1j1k 1

n q 2  n p q Yijk 2
   Yijk 
p  i1k 1   

 -  i 1j1k 1 

j1 nq npq

บทที การวเิ คราะห์ความแปรปรวนแบบสองทาง

n p 2  n p q 2
   Yijk     Yijk 
SSB = q -
SSAB = i 1 j1 i 1j1k 1

SSWcel = k 1 np npq

n p q - p  nq Yijk 2 - q  np 2

   Yi2jk      Yijk

i1k 1 i 1 j1

i1j1k 1 j1 nq k 1 np

 n p q Yijk 2

  

+  i 1j1k 1 

npq

n p q - p q  n Yijk 2

     
 i 1 
Yi2jk
i1j1k 1 j1k 1 n

MSA = SSA
MSB = p 1
MSAB = SSB
MSWcel = q 1

SSAB
(p 1)(q 1)

MSWcel
pq(n 1)

นาํ ค่าทไี ด้มาใส่ลงในตารางวเิ คราะห์ความแปรปรวน

แหล่งความแปรปรวน SS df MS F
[ ]/[ ]
.A SSA p- MSA [ ]/[ ]
.B SSB q- MSB [ ]/[ ]
. AB SSAB (p - )(q - ) MSAB
. Within Cell SSWcell pq(n - ) MSWcell
. Total
SSTO

ถ้าค่า F ทคี าํ นวณมคี ่าสูงกว่าค่า F ทเี ปิ ดจากตารางแสดงว่ามีนยั สาํ คญั ทางสถิติ

ตวั อยา่ ง .
การทดสอบสแี ละขนาดของห้องทมี ีผลต่อความวติ กกังวล เพือใช้ในการสอบสมั ภาษณ์ ผล
ปรากฏว่า คะแนนความวิตกกังวลของนกั เรียนเป็นดงั นี

การใช้ SPSS เพือการวเิ คราะหข์ ้อมลู

สขี องห้อง
แดง เหลอื ง เขียว นาํ เงนิ

เลก็

ขนาดของห้อง ปานกลาง

ใหญ่

ลงรหัสข้อมูลได้ดงั นี
size แทนขนาดของห้อง โดยทรี หัส แทนขนาดเลก็ ,

รหัส แทนขนาดปานกลาง และรหัส แทนขนาดใหญ่
color แทนสขี องห้อง โดยทรี หัส แทนสีแดง, รหัส แทนสีเหลือง,

รหัส แทนสีเขยี ว และรหัส แทนสีนาํ เงนิ
score แทนคะแนนทไี ด้จากแบบทดสอบวดั ความวิตกกังวล

ใช้เมนูหลกั “Analyze” เมนูรอง “General Linear Model” และเมนูย่อย “Univariate...” จะ
ปรากฏหน้าต่าง

บทที การวิเคราะห์ความแปรปรวนแบบสองทาง

ภาพประกอบ .
เลือกตัวแปรตามใส่ช่อง “Dependent Variable :” ในทนี ีคอื ตวั แปร “score” และตวั แปร
อสิ ระใส่ช่อง “Fixed Factor(s) :” หรอื “Random Factor(s) :” ตามชนิดของตวั แปรอิสระ ในทนี ีตวั
แปร “color” และ “size” เป็น fix effect ทงั ค่ใู ห้ใส่ในช่อง “Fixed Factor(s)”
สามารถทาํ การเปรยี บเทยี บพหุคูณได้ โดยการคลิกทปี ่ มุ “Post Hoc...” ซึงจะมสี ถติ สิ าํ หรับ
การเปรียบเทยี บพหุคูณให้เลอื กมากมาย โดยจะต้องเลอื กองคป์ ระกอบทตี ้องการทดสอบจากช่อง
“Factor(s) :” ให้มาอย่ใู นช่อง “Post Hoc Tests for :” เสียก่อนแล้วจึงเลอื กสถิติทตี ้องการ ดงั
ภาพประกอบ .

การใช้ SPSS เพือการวเิ คราะห์ข้อมูล

ภาพประกอบ .
หากต้องการสร้างกราฟแสดงปฏสิ มั พนั ธ์ระหว่างตวั แปรทงั สอง ให้คลกิ ป่ มุ “Plots...” และ
คลกิ เลือกตัวแปรใดตวั แปรหนงึ อย่ใู นช่อง Horizontal Axis : และอกี ตัวแปรหนงึ อยู่ในช่อง Separate
Lines: แล้วคลกิ “Add” และทาํ อีกครังสลบั ตวั แปร เมือได้ครบค่แู ล้วให้แล้วคลกิ “Continue”

ภาพประกอบ .

บทที การวิเคราะหค์ วามแปรปรวนแบบสองทาง

สาํ หรบั ป่ มุ ทเี หลืออืน ๆ กม็ ี “Model...” เป็นป่ มุ สาํ หรบั กาํ หนดโมเดลว่าต้องการปฏสิ มั พันธ์
กตี ัวแปรหรือมีเฉพาะ Main effect สาํ หรบั ป่ ุม “Contrast...” ใช้ในการเปรียบเทยี บค่าเฉลียของกลุ่มที
สนใจ ป่ ุม “Save...” สาํ หรบั บนั ทกึ ค่าสถติ ติ ่าง ๆ ลงแฟ้ มข้อมูล

ป่ มุ “Options...” สาํ หรับเลอื กแสดงค่าสถติ ิพืนฐานต่าง ๆ
ตวั อย่างผลลพั ธ์ มีดงั นี

Tests of Between-Subjects Effects

Dependent Variable: score

Type III Sum of

Source Squares df Mean Square F Sig.

Corrected Model 43315.639a 11 3937.785 27.372 .000
.000
Intercept 519600.694 1 519600.694 3611.822 .461
.000
size 230.222 2 115.111 .800 .138

color 41515.194 3 13838.398 96.193

size * color 1570.222 6 261.704 1.819

Error 3452.667 24 143.861

Total 566369.000 36

Corrected Total 46768.306 35

a. R Squared = .926 (Adjusted R Squared = .892)

ภาพประกอบ .

ผลจากการวิเคราะห์ปรากฏว่า
ขนาดของห้องคาํ นวณ F-test ได้ . มีนัยสาํ คัญทรี ะดบั . ซงึ มีค่ามากกว่า . นัน
คอื ขนาดของห้องแตกต่างกนั มผี ลต่อความวิตกกงั วลของผู้เข้าสอบแตกต่างกันอย่างไม่มนี ัยสาํ คัญทาง
สถติ ิ แสดงว่าขนาดของห้องต่างกนั ไม่มผี ลต่อความวิตกกังวลของผ้เู ข้าสอบ
สขี องห้องคาํ นวณ F-test ได้ . มนี ยั สาํ คญั ทรี ะดบั . ซงึ มีค่าน้อยกว่า . นนั
คือ สีของห้องต่างกันมผี ลต่อความวติ กกงั วลของผู้เข้าสอบแตกต่างกันอย่างมนี ยั สาํ คัญทางสถิตทิ ี .
แสดงว่าสีของห้องต่างกันมผี ลต่อความวิตกกังวลของผู้เข้าสอบ
ปฏสิ มั พนั ธ์ระหว่างขนาดและสีของห้องคาํ นวณค่า F-test ได้ . มนี ยั สาํ คญั ทางสถติ ิที
ระดับ . ซึงมีค่ามากกว่า . แสดงว่าไม่มีปฏสิ มั พันธร์ ะหว่างขนาดและสขี องห้องทสี ่งผลต่อความ
วิตกกังวลของผ้เู ข้าสอบ
จากผลการวิเคราะห์ ตวั แปรสขี องห้องมีนยั สาํ คัญทางสถติ ิ จึงนาํ ผลการเปรียบเทยี บพหุคณู สี
ของห้องมาพิจารณา

การใช้ SPSS เพือการวเิ คราะห์ข้อมูล

Multiple Comparisons

Dependent Variable: score
Scheffe

Mean Difference 95% Confidence Interval

(I) color (J) color (I-J) Std. Error Sig. Lower Bound Upper Bound

1.00 2.00 15.2222 5.65413 .091 -1.7650 32.2094

3.00 68.0000* 5.65413 .000 51.0128 84.9872

4.00 80.2222* 5.65413 .000 63.2350 97.2094
2.00 1.00 -15.2222 5.65413 .091
52.7778* 5.65413 .000 -32.2094 1.7650
3.00 65.0000* 5.65413 .000
4.00 -68.0000* 5.65413 .000 35.7906 69.7650
3.00 1.00 -52.7778* 5.65413 .000
2.00 12.2222 5.65413 .226 48.0128 81.9872
4.00 -80.2222* 5.65413 .000
4.00 1.00 -84.9872 -51.0128

-69.7650 -35.7906

-4.7650 29.2094

-97.2094 -63.2350

2.00 -65.0000* 5.65413 .000 -81.9872 -48.0128

3.00 -12.2222 5.65413 .226 -29.2094 4.7650

Based on observed means.
The error term is Mean Square(Error) = 143.861.
*. The mean difference is significant at the 0.05 level.

ภาพประกอบ .

การเปรยี บเทยี บพหุคูณผลปรากฏว่าสีของห้องทแี ตกต่างกนั คือ สแี ดงกับสีเขียว สีแดงกับสี
นาํ เงิน สเี หลอื งกบั สีเขียว และสีเหลืองกบั สีนาํ เงิน

ผลการสร้างกราฟแสดงปฏสิ มั พนั ธม์ ดี ังนี

บทที การวเิ คราะหค์ วามแปรปรวนแบบสองทาง

ภาพประกอบ .

การวเิ คราะหการถดถอย

การวเิ คราะห์การถดถอยเป็นกระบวนการทางสถิติเพือให้ได้สมการถดถอยสาํ หรบั ทาํ นาย
ปรากฏการณต์ ่าง ๆ สงิ ทถี ูกทาํ นายเรยี กว่าตวั แปรเกณฑห์ รอื ตัวแปรตาม ตวั แปรทาํ นายคือตวั แปร
อสิ ระ ในกระบวนการนี ตวั แปรตามหรอื ตัวแปรเกณฑ์จะมีเพียงตวั เดียว ส่วนตัวแปรอสิ ระหรือตวั แปร
ทาํ นายจะมีกีตัวกไ็ ด้ ถ้าหากมตี วั เดียว จะเรยี กว่าการถดถอยอย่างง่าย (Simple Regression) หากมี
ตงั แต่ ตวั ขนึ ไป จะเรียกว่า การถดถอยพหุคูณ (Multiple Regression)

1. การวเิ คราะหการถดถอยอยางงา ย

การวเิ คราะห์การถดถอยอย่างง่ายจะประกอบไปด้วยตัวแปรเกณฑ์ ตัวและตวั แปรทาํ นาย
ตวั มีสมการทเี ขียนอย่ใู นรูปของค่าพารามเิ ตอร์ว่า

Yi = a + bX + ei
เมอื Yi = คะแนนของบุคคลที i ; a = ค่าเฉลียของประชากรเมือค่า X = หรือจุดตดั แกน Y
; b = สมั ประสทิ ธิการถดถอยในประชากร หรือความชันของเส้นถดถอย ; ei = ความคลาดเคลอื นของ
บุคคลที i
สัมประสทิ ธกิ ารถดถอย (b) เป็นตวั บ่งชีอทิ ธิพลของตวั แปรอิสระบนตัวแปรตาม อธบิ ายได้
ง่าย ๆ ว่า เมือ X เปลยี นแปลงไป หน่วยแล้ว Y จะเปลียนแปลงไป b หน่วย
ในความเป็นจรงิ เราไม่สามารถศกึ ษาจากประชากรได้ทงั หมดเนืองจากมปี ริมาณมาก เราจงึ
ต้องศึกษากับกล่มุ ตัวอย่างทสี ามารถอ้างอิงไปส่ปู ระชากรได้ ดังนนั สมการถดถอยทเี ขยี นอย่ใู นรปู ของ
ค่าสถิตมิ ีว่า

Y' = a + bX + e
เมอื a = ตวั ประมาณค่าของ a ; b คือตวั ประมาณค่าของ b ; และ e คือตัวประมาณค่าของ
e ; แต่เนืองจาก e = Y - Y' เมอื Y = คะแนนทสี งั เกตได้ และ Y' = คะแนนทไี ด้จากสมการทาํ นาย
ดังนัน (Y - Y') จะต้องมีค่าน้อยทสี ดุ (least-squares solution) และ e = ดงั นนั สมการจงึ
เหลอื เพียงแค่ค่า a และ b เทา่ นัน

Y' = a + bX
เมือ b = xy

x 2

a = Y - bX

บทที การวเิ คราะห์การถดถอย

2. การวิเคราะหก ารถดถอยพหคุ ณู

จะประกอบไปด้วยตวั แปรเกณฑ์ ตัวและตวั แปรทาํ นายตังแต่ ตัวขนึ ไป สามารถเขยี น
เป็ นสมการถดถอยได้ ว่า

Y' = a + b X + b X + ... + bkXk
ถ้าหากมตี วั แปรทาํ นาย ตัว สามารถเขยี นสมการได้ว่า

Y' = a + b X + b X
คาํ นวณค่า b ด้วยสูตร

b= (x 2 )(x1y)  (x1x 2 )(x 2 y)
2
b=
คาํ นวณค่า a ด้วยสตู ร (x12 )(x 2 )  (x1x ) 2
2
a= 2

(x12 )(x 2y)  (x1x 2 )(x1y)

(x12 )(x 2 )  (x1x ) 2
2
2

Y + b X + b X

3. การทดสอบนยั สําคญั

จะทดสอบส่วนต่าง ๆ ของสมการถดถอยดงั นี

. ทดสอบสัมประสทิ ธิการทาํ นาย (R )
สมมติฐาน

H :=
H :
สถิติทดสอบ

F= R2 /k
เมือ df = k และ (N-k- ) (1  R 2 ) /(N  k 1)

. ทดสอบสมั ประสทิ ธกิ ารถดถอย (b)

สมมติฐาน

H :=

H :

สถติ ิทดสอบ

เมือ df = (N-k- ) t = bi

Sbi

การใช้ SPSS เพือการวเิ คราะหข์ ้อมลู

. การทดสอบการเพมิ ขนึ ของตัวแปรทาํ นาย

เป็นการทดสอบว่าหากเพิมตวั แปรเข้าไปในสมการอกี ชุดหนึงแล้ว สมั ประสทิ ธิการทาํ นายที
เพิมขนึ นัน เพิมขนึ อย่างมนี ยั สาํ คัญทางสถติ ิหรือไม่

สมมติฐาน

H : =R
2  R 2 2
Y.12...k1 Y.12...k

H :R 2  R 2 2 
Y.12...k1 Y.12...k

สถติ ิทดสอบ

F= (R 2  R 2 2 ) / k1  k2
เมือ df = k - k และ (N-k - ) Y.12...k1 Y.12...k

(1  R 2 ) /( N  k1  1)
Y.12...k1

4. วธิ กี ารคดั เลือกตวั แปร

วธิ กี ารคัดเลอื กตัวแปรเข้าสมการเพือให้สมการสามารถทาํ นายตัวแปรเกณฑไ์ ด้สงู สดุ มวี ธิ ีการ
คดั เลอื กตวั แปรดงั นี

. วิธกี ารเลอื กแบบกา้ วหนา้ (Forward Selection)

วธิ กี ารนีจะเป็นการเลอื กตัวแปรทาํ นายทมี ีสหสมั พนั ธก์ บั ตัวแปรตามสูงทสี ดุ เข้าสมการก่อน
ส่วนตวั แปรทเี หลือจะมกี ารคาํ นวณค่าสัมประสิทธิการถดถอยในรปู คะแนนมาตรฐาน ค่า t-test
ทดสอบนัยสาํ คญั ของค่าสัมประสทิ ธิการถดถอยในรูปคะแนนมาตรฐาน และค่าสหสัมพันธแ์ บบแยก
ส่วน (partial correlation) โดยเป็นความสมั พนั ธเ์ ฉพาะตวั แปรทเี หลือตวั นนั กบั ตัวแปรตามโดยขจดั
อิทธิพลของตัวแปรอนื ๆ ออก ถ้าตัวแปรใดมคี ่าสัมประสทิ ธกิ ารถดถอยมีนัยสาํ คัญทางสถติ ิกจ็ ะนาํ เข้า
สมการต่อไป จะทาํ แบบนจี นกระทงั ตวั แปรทเี หลืออย่ไู ม่มนี ยั สาํ คญั ทางสถิติ กจ็ ะหยุดการคัดเลอื กและ
ได้สมการทมี สี ัมประสิทธกิ ารทาํ นายสงู สุด

. วธิ กี ารเลือกแบบถอยหลงั (Backward Selection)

วธิ กี ารนเี ป็นการนาํ ตวั แปรทาํ นายทงั หมดเข้าสมการ จากนันกจ็ ะค่อย ๆ ขจดั ตัวแปรทาํ นาย
ออกทลี ะตวั โดยพิจารณาจากค่าสมั ประสิทธิการถดถอยของตวั แปรทาํ นายทอี ย่ใู นสมการ หากทดสอบ
แล้วพบว่าไม่มีนัยสาํ คญั ทางสถิติ กจ็ ะขจดั ออกจากสมการ ถ้ามีหลายตวั แปรทไี ม่มนี ยั สาํ คัญทางสถิติ
โปรแกรมจะเลือกตวั แปรทมี ีค่าสถิติ t-test ตาํ สดุ ค่านัยสาํ คัญสาํ คญั สูงสดุ ออกจากสมการ แล้ว
ดาํ เนินการทดสอบตวั แปรทเี หลืออยู่ในสมการต่อไป จนกระทงั ตัวแปรทาํ นายแต่ละตัวมนี ัยสาํ คัญทาง
สถิติ กจ็ ะหยดุ การคดั เลอื ก และได้สมการการทดสอบทมี ีสมั ประสิทธิการทาํ นายสูงสุด

. การคดั เลือกแบบลําดบั ขนั (Stepwise Selection)

การคดั เลอื กแบบนีเป็นการผสมผสานระหว่างวธิ กี ารคัดเลอื กตวั แปรทาํ นายทงั สองวธิ ที กี ล่าว
มาแล้วเข้าด้วยกนั ในขันแรกจะเลอื กตวั แปรทาํ นายทมี ีสหสมั พนั ธ์กับตัวแปรตามสูงทสี ดุ เข้าสมการ
ก่อน จากนนั กจ็ ะทดสอบตัวแปรทไี ม่ได้อย่ใู นสมการว่าจะมีตัวทาํ นายตัวใดบ้างมีสทิ ธเิ ข้ามาอยู่ใน
สมการด้วยวิธกี ารคัดเลือกแบบก้าวหน้า (Forward Selection) และขณะเดยี วกนั กจ็ ะทดสอบตัวแปรที

บทที การวเิ คราะห์การถดถอย

อย่ใู นสมการด้วยว่าตวั แปรทาํ นายทอี ย่ใู นสมการตัวแปรใดมีโอกาสทจี ะถูกขจัดออกจากสมการด้วย
วิธกี ารคัดเลอื ก
แบบถอยหลัง (Backward Selection) โดยจะกระทาํ การคัดเลือกผสมทงั สองวิธีนใี นทุกขันตอนจน
กระทงั ไม่มีตัวแปรใดทถี ูกคัดออกจากสมการ และไม่มตี วั แปรใดทจี ะถูกนาํ เข้าสมการ กระบวนการกจ็ ะ
ยตุ ิและได้สมการถดถอยทมี สี มั ประสทิ ธกิ ารทาํ นายสูงสุด

ตวั อยา่ ง .
สมมติให้ Y เป็นเจตคติต่อโรงเรยี น X เป็นนิสยั ทางการเรียน X เป็นบคุ ลกิ ภาพการ
แสดงออก X เป็นความรกั พวกพ้อง จงวเิ คราะห์การถดถอยจากข้อมูลต่อไปนี
ID Y X X X

ลงรหัสข้อมูลได้ดงั นี
Y แทนเจตคติต่อโรงเรยี น
X แทนนิสัยทางการเรยี น
X แทนบุคลิกภาพการแสดงออก
X แทนความรกั พวกพ้อง

การใช้ SPSS เพือการวเิ คราะห์ข้อมลู

ใช้เมนู “Analyze” เมนูรอง “Regression” และเมนูย่อย “Linear...“

ภาพประกอบ .

จะปรากฏหน้าต่าง “Linear Regression”

ภาพประกอบ .

เลอื กตัวแปรอสิ ระใส่ช่อง “Independent(s):” และตัวแปรตามใส่ช่อง “Dependent:” และ
เลือกวิธกี ารคดั เลอื กตัวแปร (Method) มวี ธิ ีให้เลือกดงั นี

- Stepwise
- Backward
- Forward
- Enter นาํ ตัวแปรอสิ ระเข้าสมการทงั หมด
- Remove นาํ ตัวแปรอิสระออกจากสมการทงั หมด

บทที การวเิ คราะห์การถดถอย

ป่ ุม “Statistics...” ทอี ยู่ด้านล่าง สาํ หรับเลอื กให้โปรแกรมแสดงค่าสถติ ติ ่าง ๆ ตามที
ต้องการ

ภาพประกอบ .
ส่วนป่ ุม “plot...” เป็นการเลือกให้โปรแกรมแสดงกราฟการถดถอยแบบต่าง ๆ ตามที
ต้องการ

ภาพประกอบ .
ป่ มุ “Save...” สาํ หรับบนั ทกึ ค่าสถติ ติ ่าง ๆ ทตี ้องการลงแฟ้ มข้อมูล

การใช้ SPSS เพือการวิเคราะหข์ ้อมูล

ภาพประกอบ .
ป่ มุ “Option...” สาํ หรบั ตงั ค่าเกณฑ์ในการนาํ เข้าตวั แปรทาํ นายหรือขจดั ตวั แปรทาํ นาย โดย
อาจเลือกตงั ได้ทงั ความน่าจะเป็นของ F และค่า F

บทที การวเิ คราะห์การถดถอย

ภาพประกอบ .

เมือเลอื กกาํ หนดค่าสถติ ิต่าง ๆ ทตี ้องการแล้ว ให้คลิก “OK” โปรแกรมจะประมวลผลและ
แสดงผลลัพธใ์ นหน้าต่าง Output

Descriptive Statistics

Mean Std. Deviation N

y 6.0000 2.82843 20

x1 5.4500 2.62528 20

x2 5.6500 1.78517 20

x3 5.7500 2.12442 20

Correlations

y x1 x2 x3
.636 .289
Pearson Correlation y 1.000 .716 .350 .304
1.000 .017
x1 .716 1.000 .017 1.000
.001 .108
x2 .636 .350 .065 .096
. .471
x3 .289 .304 .471 .
20 20
Sig. (1-tailed) y . .000 20 20
20 20
x1 .000 . 20 20

x2 .001 .065

x3 .108 .096

N y 20 20

x1 20 20

x2 20 20

x3 20 20

การใช้ SPSS เพือการวิเคราะห์ข้อมูล

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 Stepwise (Criteria:

Probability-of-F-

x1 . to-enter <= .050,
Probability-of-F-

to-remove >=

.100).

2 Stepwise (Criteria:

Probability-of-F-

x2 . to-enter <= .050,
Probability-of-F-

to-remove >=

.100).

a. Dependent Variable: y

Model Summary

Change Statistics

R Adjusted R Std. Error of R Square F Sig. F
Model R Square Square the Estimate Change Change
Change df1 df2
1 .716a .512 .485 2.02896 .512 .000
2 .826b .682 .644 1.68686 .169 18.923 1 18 .008

a. Predictors: (Constant), x1 9.041 1 17
b. Predictors: (Constant), x1, x2

Model Sum of Squares ANOVAa Mean Square F Sig.
df 77.900 18.923 .000b
1 Regression 77.900 1 4.117
18
Residual 74.100 19 51.813
2 2.846
Total 152.000 17
19
2 Regression 103.626 18.209 .000c

Residual 48.374

Total 152.000

a. Dependent Variable: y

b. Predictors: (Constant), x1
c. Predictors: (Constant), x1, x2

บทที การวิเคราะหก์ ารถดถอย

Coefficientsa

Unstandardized Standardized

Coefficients Coefficients Correlations

Zero-

Model B Std. Error Beta t Sig. order Partial Part

1 (Constant) 1.796 1.068 1.683 .110

x1 .771 .177 .716 4.350 .000 .716 .716 .716

2 (Constant) -1.233 1.343 -.918 .371

x1 .606 .157 .562 3.850 .001 .716 .682 .527

x2 .696 .231 .439 3.007 .008 .636 .589 .411

a. Dependent Variable: y

Excluded Variablesa

Collinearity Statistics

Model Beta In t Sig. Partial Correlation Tolerance

1 x2 .439b 3.007 .008 .589 .878

x3 .078b .444 .663 .107 .907

2 x3 .123c .843 .411 .206 .898

a. Dependent Variable: y

b. Predictors in the Model: (Constant), x1

c. Predictors in the Model: (Constant), x1, x2

ภาพประกอบ .

ผลการวิเคราะห์ข้อมูล ได้ค่าต่าง ๆ ดังนี

. correlation แสดงเมตรกิ ซข์ องสัมประสิทธิสหสัมพนั ธ์
. Multiple R แสดงค่าทแี สดงความสัมพนั ธ์ระหว่างตัวแปรอสิ ระทนี าํ เข้าสมการกับ
ตวั แปรตาม

. R Square แสดงค่าสัมประสทิ ธกิ ารทาํ นาย ซึงจะแสดงอิทธิพลของตวั แปรอิสระที
มีต่อตวั แปรตาม

. Adjusted R Square แสดงค่า R Square ทมี กี ารปรบั แก้ให้เหมาะสม เมอื ข้อมูลทใี ช้มี
จาํ นวนน้อยและตวั แปรอิสระมจี าํ นวนมาก

. Standard Error แสดงค่าความคลาดเคลือนของการพยากรณต์ ัวแปรตามด้วยตวั แปร
อสิ ระ

. แสดงตารางวิเคราะห์ความแปรปรวน สาํ หรบั ใช้ในการทดสอบว่าจะสามารถใช้ตัวแปร
อสิ ระทคี ัดเลือกเข้าสมการนีมาพยากรณต์ วั แปรตามได้หรือไม่ ถ้ามีนัยสาํ คญั คือใช้พยากรณไ์ ด้

การใช้ SPSS เพือการวเิ คราะหข์ ้อมลู

. B แสดงค่าสมั ประสิทธิการถดถอยของตวั แปรอิสระแต่ละตัวแปรพร้อมทงั ค่าคงที
เพือนาํ มาใช้ในการสร้างสมการพยากรณ์

. SE B แสดงค่าประมาณความคลาดเคลือนมาตรฐานของสัมประสิทธกิ ารถดถอย
สาํ หรับแต่ละตัวแปร

. Beta แสดงค่าสัมประสิทธิการถดถอยในแบบคะแนนมาตรฐาน สาํ หรับสร้าง
สมการพยากรณใ์ นรูปของคะแนนมาตรฐาน จากค่า Beta สามารถบอกได้ว่าตวั แปรอสิ ระได้มีผลหรอื
อิทธพิ ลต่อตวั แปรตามมากหรอื น้อยกว่ากัน ถ้า Beta ของตวั แปรอสิ ระใดมีค่ามาก (ไม่คิด
เครอื งหมาย) แสดงว่าตัวแปรอิสระนันจะมีอทิ ธิพลต่อตวั แปรตามมาก

. T และ Sig T แสดงค่าสถิตแิ ละค่าความน่าจะเป็นของการทดสอบ T สาํ หรบั ทดสอบ
ว่าตัวแปรอิสระตัวใดควรนาํ ไปใช้ในสมการได้บ้าง ถ้าค่า T สูงอย่างมีนัยสาํ คัญแสดงว่าสามารถนาํ ไปใช้
ในสมการได้

ตวั แปร X มีความสัมพันธ์กบั ตวั แปรตามสูงสดุ จงึ นาํ เข้าสมการ และมีการทดสอบ F-test
สาํ หรับตัวแปรทเี หลอื จะมีการคาํ นวณหาค่า t ปรากฏว่าตวั แปร X มคี ่า t สูงอย่างมีนัยสาํ คัญทางสถติ ิ
จึงนาํ ตัวแปร X เข้าสมการ ตวั แปรทเี หลอื X ค่า t ไม่มีนยั สาํ คญั ทางสถิติ ดงั นันตวั แปรทสี ามารถใช้
ทาํ นายตวั แปรตาม Y ได้คือ X และ X สามารถสร้างสมการได้ดงั นี

Y = . X + . X - . หรอื
Z = . ZX + . ZX

5. การคดั เลอื กตัวแปรดว ยวธิ ี Blockwise Selection

ในการคัดเลือกตวั แปรแบบ Blockwise นัน จะเป็นคดั เลอื กตัวแปรทถี ูกจัดออกเป็น Block
หรอื กลุ่มหรือชุดของตวั แปรพยากรณ์ และคัดเลอื กตัวแปรพยากรณจ์ ากแต่ละ block ด้วยวธิ ี Forward,
Backward หรอื Stepwise

ในการจดั ตวั แปรออกเป็น block นันอาจอาศยั หลักทฤษฎีทางจิตวทิ ยาเข้าช่วย เช่น มีตัวแปร
อยู่ ตวั แปรถูกจดั ออกเป็น block ได้ block คอื ) กล่มุ ตัวแปรความถนดั ทางการเรียนวดั ใน
ตัวแปร ) กลุ่มตัวแปรความสนใจหรอื เจตคติต่อวิชาเรียนวัดใน ตวั แปร และ ) ตัวแปรเกยี วกบั
โรงเรยี นวดั ได้ ตัวแปร เมอื จดั ออกเป็นกล่มุ ตัวแปรแล้วนาํ มาวิเคราะห์ด้วย Blockwise โดยในแต่ละ
block จะถูกคดั เลอื กด้วยวธิ ี Stepwise ในขณะทโี ปรแกรมวิเคราะห์ block แรก จะไม่สนใจตัวแปรทอี ยู่
ใน block อืน โปรแกรมจะคัดเลือกใน block แรกก่อนด้วยวิธกี ารคัดเลอื กตวั แปรแบบ Stepwise เมือ
สนิ สดุ การวเิ คราะห์จนไม่มตี ัวแปรใดใน block แรกเข้าสมการแล้ว โปรแกรมกห็ ันมาสนใจตวั แปรใน
block ทสี องต่อมา และคัดเลือกตัวแปรใน block ทสี องจนไม่มีตวั แปรใดเข้าสมการ โปรแกรมกห็ ันมา
สนใจตวั แปรใน block ทสี ามต่อมา และคัดเลือกตัวแปรใน block ทสี ามจนไม่มตี วั แปรใดเข้าสมการ
โปรแกรมกจ็ ะสินสดุ การคาํ นวณ

บทที การวเิ คราะหก์ ารถดถอย

ตวั อยา่ ง . R3
ตวั แปรพยากรณเ์ ป็นความถนดั ทางการเรยี น ตวั แปรถูกจดั ออกเป็น block คอื
Block ที เป็นกลุ่มตวั แปรความถนดั ทางตัวเลข วัดด้วยแบบทดสอบ ฉบบั
Block ที เป็นกล่มุ ตัวแปรความถนัดทางภาษา วดั ด้วยแบบทดสอบ ฉบับ
Block ที เป็นกล่มุ ตวั แปรความถนัดทางเหตุผล วดั ด้วยแบบทดสอบ ฉบับ
ตวั แปรเกณฑค์ ือผลการเรียน (GPA)
ข้อมูลทเี กบ็ รวบรวมในแต่ละตัวแปรมีดงั นี

คนที GPA M1 M2 M3 M4 V1 V2 V3 R1 R2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

ดาํ เนนิ การวเิ คราะห์ข้อมูลด้วยโปรแกรม SPSS มีวธิ ีการดงั นี
เลือกเมนู Analyze เมนูรอง Regression และเมนูย่อย Linear… จะปรากฏหน้าต่าง
“Linear Regression” คลิกเลอื กตัวแปรเกณฑ์ GPA ในช่อง “Dependent:” และเลือกตัวแปรพยากรณ์
ทลี ะ block ใส่ในช่อง “Independent(s):” ในทนี เี ลือกตัวแปรใน block แรกก่อนคอื ตัวแปร M1, M2,
M3 และ M4 ใส่ในช่อง “Independent(s):” และใน Block แรกนจี ะคัดเลอื กด้วยวธิ ี Stepwise ดังนนั ใน
ช่อง “Method:” ให้คลิกเลอื กเป็น “Setpwise” จะได้ดงั ภาพประกอบ .

การใช้ SPSS เพือการวเิ คราะหข์ ้อมูล

ภาพประกอบ .

จากนันคลกิ ทปี ่ มุ เพือเกบ็ ไว้เป็น Block ที จากนนั เลอื ก Block ทสี องคือ V1,

V2 และ V3 เข้ามาไว้ในช่อง “Independent(s):” และคลิกเลือก “Method:” เป็น “Setpwise” จะได้ดัง

ภาพประกอบ .9

ภาพประกอบ .

บทที การวิเคราะห์การถดถอย

สงั เกต Block 2 of 2 นนั จะเป็นตัวเลขจาํ นวน Block ทใี ส่เข้ามา นนั คือตวั แปร V1, V2 และ

V3 ทใี ส่เข้ามาจะเป็น Block ที จากนันคลกิ ป่ มุ ตัวแปรทงั ตัวจะถูกจดั เกบ็ ไว้เป็น

Block ที จากนนั ใส่ตวั แปรใน Block ที คอื R1, R2 และ R3 ในช่อง “Independent(s):” และเลอื ก

วธิ ีคดั เลือกตัวแปรใน Block ที นีเป็น “Stepwise” ดังภาพประกอบ .

ภาพประกอบ .

จากนันคลิกเลอื กคาํ นวณค่าสถติ ติ ่าง ๆ ด้วยป่ ุมด้านล่างตามต้องการ เมือเรียบร้อยให้คลิก
ป่ ุม “OK” โปรแกรมจะทาํ การประมวลผล

Variables Entered/Removeda

Model Variables Entered Variables Removed Method

1 Stepwise (Criteria:

Probability-of-F-

m1 . to-enter <= .050,
Probability-of-F-

to-remove >=

.100).

2 Stepwise (Criteria:

Probability-of-F-

m3 . to-enter <= .050,
Probability-of-F-

to-remove >=

.100).

การใช้ SPSS เพือการวิเคราะหข์ ้อมลู

3 Stepwise (Criteria:

Probability-of-F-

r2 . to-enter <= .050,
Probability-of-F-

to-remove >=

.100).

a. Dependent Variable: gpa

Model Summary

Std. Error of the

Model R R Square Adjusted R Square Estimate

1 .978a .956 .954 .11697

2 .983b .967 .963 .10453

3 .992c .984 .981 .07542

a. Predictors: (Constant), m1

b. Predictors: (Constant), m1, m3

c. Predictors: (Constant), m1, m3, r2

ANOVAa

Model Sum of Squares df Mean Square F Sig.
394.655 .000b
1 Regression 5.399 1 5.399
249.821 .000c
Residual .246 18 .014
325.461 .000d
Total 5.645 19
t Sig.
2 Regression 5.460 2 2.730 -9.787 .000
19.866 .000
Residual .186 17 .011 -11.086 .000
19.981 .000
Total 5.645 19 2.353 .031

3 Regression 5.554 3 1.851

Residual .091 16 .006

Total 5.645 19

a. Dependent Variable: gpa

b. Predictors: (Constant), m1

c. Predictors: (Constant), m1, m3

d. Predictors: (Constant), m1, m3, r2

Coefficientsa

Standardized

Unstandardized Coefficients Coefficients

Model B Std. Error Beta

1 (Constant) -3.210 .328

m1 .010 .001 .978

2 (Constant) -3.257 .294

m1 .010 .001 .939

m3 .009 .004 .111

บทที การวเิ คราะห์การถดถอย

3 (Constant) -1.675 .442 -3.789 .002
m1 .004 .001 .407 3.021 .008
m3 .008 .003 .102 3.003 .008
r2 .006 .001 .551 4.081 .001

a. Dependent Variable: gpa

ภาพประกอบ .

ผลการวิเคราะห์ โปรแกรมจะคัดเลือกตวั แปรทลี ะ Block โดยเริมจาก Block แรกก่อน มี
ตวั แปร ตวั แปร M1 มคี วามสัมพันธ์กบั ตวั แปร GPA สงู สุดจะถูกนาํ เข้าสมการเป็นตวั แรก ตัวแปรที
เหลืออกี ตัวจะพจิ ารณาค่า Beta In ทมี ีนยั สาํ คัญสงู สดุ จะถูกนาํ เข้าสมการเป็นตัวแปรถดั ไป ในทนี ีตัว
แปรทคี ่า Beta In มนี ัยสาํ คญั สูงสดุ คอื ตัวแปร R2 แต่โปรแกรมไม่สนใจจะสนใจเฉพาะใน Block ที
เท่านนั ในทนี ตี วั แปรใน Block ที ทมี นี ยั สาํ คัญสูงสดุ คือ M3 กจ็ ะถูกนาํ เข้าในสมการเป็นตัวแปรถดั ไป
จากนนั ตัวแปรทเี หลืออีก ตวั โปรแกรมกจ็ ะพจิ ารณาตวั แปรใน Block ที ทคี ่า Beta In มีนัยสาํ คัญ
สูงสุด ในทนี ตี วั แปรใน Block ที ไม่มีตัวใดเลยทมี ีนัยสาํ คญั โปรแกรมกจ็ ะพจิ ารณาตัวแปรใน Block
ที ถัดไป ปรากฏว่าตัวแปรใน Block ที ไม่มตี ัวแปรใดเลยที Beta In มีนยั สาํ คญั โปรแกรมกจ็ ะ
พิจารณาตัวแปรใน Block ที ถัดไป ปรากฏตัวแปร R2 มนี ยั สาํ คญั จึงนาํ เข้าสมการเป็นตวั แปรที
ตวั แปรทเี หลอื อีก ตวั โปรแกรมจะสนใจเฉพาะ Block ที ปรากฏว่าตัวแปรทเี หลือใน Block ที
ไม่มีตวั แปรใดเลยที Beta In มีนัยสาํ คญั โปรแกรมกจ็ ะหยดุ การคาํ นวณ

ผลสดุ ท้ายมีตวั แปรทสี ามารถพยากรณต์ ัวแปรเกณฑ์ GPA ได้อยู่ ตัวคอื M1, M3 และ R2
สามารถทาํ นายตวั แปรเกณฑ์ GPA ได้ 98.4%

การทดสอบสถิติ
ไรพ ารามิเตอร

สถติ ไิ ร้พารามิเตอร์ (Nonparametric Statistics) เป็นวธิ กี ารทางสถิตทิ ใี ช้ในการวเิ คราะห์
ข้อมูลทมี กี ารแจกแจงแบบอิสระ (Free distribution) และใช้ได้กบั ข้อมูลทุกระดับ สถติ ทิ ใี ช้ในการ
ทดสอบมหี ลายตัวดงั นี

1. กรณกี ลมุ ตัวอยางเดียว

. Chi-Square Test
ใช้ทดสอบข้อมูลทอี ยู่ในรปู ความถวี ่าข้อมูลทวี ดั ได้แตกต่างจากข้อมูลทคี าดหวงั ตามทฤษฎี

หรือไม่

 = (O  E)

E

เมอื O คอื ความถีทไี ด้มาจากการสังเกต
E คอื ความถที คี าดหวังตามทฤษฎี

นอกจากนีเรายงั สามารถใช้ไคสแควรใ์ นการทดสอบข้อมูลว่ามาจากประชากรทมี กี ารแจกแจง
เป็นโค้งปกตหิ รอื ไม่ โดยตังสมมติฐานได้ว่า

H : ข้อมูลมาจากประชากรทมี ีการแจกแจงเป็นโค้งปกติ
H : ข้อมูลมาจากประชากรทมี ีการแจกแจงไม่เป็นโค้งปกติ

ตวั อย่าง .
ในการสาํ รวจความคดิ เหน็ ของนกั เรียนทมี ีต่อการสอนของครู ได้ผลดังนี

ความคดิ เหน็ ชอบ เฉย ๆ ไม่ชอบ รวม
นกั เรยี น

จงทดสอบว่าจาํ นวนนักเรียนทแี สดงความคิดเหน็ ระดับต่าง ๆ จะแตกต่างกันหรอื ไม่

บทที การทดสอบสถติ ิไร้พารามเิ ตอร์

สมมตฐิ าน H : ความคดิ เหน็ ระดับต่าง ๆ ไม่แตกต่างกนั
H : ความคิดเหน็ ระดับต่าง ๆ แตกต่างกนั

ลงรหัสข้อมูลได้ดงั นี
score แทนระดบั ความคดิ เหน็

รหัส แทน ชอบ, รหัส แทน เฉย ๆ, รหัส แทน ไม่ชอบ
ใช้เมนู “Analyze” เมนูรอง “Nonparametric Test” เมนูย่อย "Legacy Dialogs" และคลิก
เลือก “Chi-Square” ดงั ภาพประกอบ

ภาพประกอบ .

จะปรากฏหน้าต่าง

การใช้ SPSS เพือการวเิ คราะหข์ ้อมลู

ภาพประกอบ .
เลือกตัวแปรทดสอบใส่ช่อง “Test Variable List:” และใส่ค่าทคี าดหวัง ถ้าทุกกล่มุ มคี ่า
คาดหวงั เท่ากันให้คลิก “All categories equal” ถ้าแต่ละกล่มุ มีค่าคาดหวังไม่เท่ากันให้คลิกในวงกลม
หน้า “Values :” และใส่ค่าคาดหวงั ของกล่มุ แรก แล้วคลกิ ป่ มุ “Add” ค่าคาดหวังจะไปอย่ใู นกรอบ
สเี หลยี ม และใส่ค่าคาดหวงั ตวั ทสี อง และคลกิ ป่ มุ “Add” ทาํ เช่นนีไปเรือย ๆ จนกระทงั ครบทุกกลุ่ม
แล้วคลกิ ป่ ุม “OK”
สาํ หรับป่ มุ “Options...” ใช้แสดงค่าสถิติพนื ฐานของตวั แปร
ผลลพั ธท์ ไี ด้จากการวเิ คราะห์ข้อมูลมีดังนี

บทที การทดสอบสถติ ิไร้พารามเิ ตอร์

score

Observed N Expected N Residual

1.00 10 12.0 -2.0
2.00 9 12.0 -3.0
3.00 17 12.0 5.0
Total 36

Test Statistics

score

Chi-Square 3.167a

df 2

Asymp. Sig. .205

a. 0 cells (0.0%) have

expected frequencies less than

5. The minimum expected cell

frequency is 12.0.

ภาพประกอบ .

ผลการวเิ คราะห์ข้อมูลได้ค่าไคสแควร์ . , df = มีระดับนยั สาํ คัญทางสถิตทิ ี .
แสดงว่าระดับความคดิ เหน็ ของนกั เรียนไม่แตกต่างกนั

. Binomial Test
เป็นสถติ ิทใี ช้ทดสอบความน่าจะเป็นในกรณที ขี ้อมูลมลี ักษณะแบ่งเป็น ประเภท

(Dichotomous)

ตวั อย่าง .
ในการทดลองสอนวธิ ีแก้โจทย์ปัญหาทางคณติ ศาสตร์ ได้ทดลองกับนกั เรียนจาํ นวน คน
โดยนักเรยี นกลุ่มแรก คน ให้เรยี นวธิ ีแก้โจทยป์ ัญหาคณติ ศาสตรว์ ิธี ก. แล้วตามด้วยวธิ ี ข. ส่วน
กล่มุ สอง คน ให้เรยี นวธิ แี ก้โจทย์ปัญหาคณติ ศาสตร์วธิ ี ข. ก่อนแล้วตามด้วยวิธี ก. จากนนั จงึ ทาํ
การสอบโดยให้นักเรียนแก้โจทยป์ ัญหาทกี าํ หนดขนึ พบว่า นักเรียนใช้วิธีแก้โจทยป์ ัญหาโดยวิธี ก.
คน และวิธี ข. คน ผู้วิจัยต้องการทดสอบว่านักเรยี นจะเลอื กใช้วธิ แี ก้โจทย์ปัญหาวิธี ก. ซงึ ง่ายกว่าใน
การสอบหรือไม่

ตงั สมมติฐาน H : P = P = .
H :P >P

ให้ P แทนโอกาสทเี ลือกแก้โจทย์ปัญหาด้วยวิธี ก.
P แทนโอกาสทเี ลือกแก้โจทยป์ ัญหาด้วยวิธี ข.

สร้างรหัสตัวแปร

การใช้ SPSS เพือการวิเคราะหข์ ้อมูล

ให้ method แทนวธิ เี ลอื กแก้โจทย์ปัญหา
โดยให้ แทนวิธี ก. และให้ แทนวธิ ี ข.

ใช้เมนู “Analyze” เมนูรอง “Nonparametric Test” เมนูย่อย "Legacy Dialogs" และคลิก
เลอื ก “Binomial...” จะปรากฏหน้าต่าง

ภาพประกอบ .

เลอื กตัวแปรทตี ้องการทดสอบใส่ช่อง “Test Variables List:” คลิกป่ มุ “Options...” เพือ
เลือกให้โปรแกรมแสดงค่าสถิตพิ ืนฐาน แล้วคลกิ ป่ ุม “OK”

ในช่อง “Test Proportion:” เป็นการใส่สัดส่วนของตวั แปรทตี ้องการทดสอบ ในตัวอย่าง
. นี โอกาสทเี ลือกแก้โจทย์ปัญหาคณติ ศาสตรท์ งั วธิ ีมีเท่าเทยี มกัน ดงั นันในช่อง “Test
Proportion:” จงึ เป็น .

ผลลพั ธจ์ ากการประมวลผลได้ดงั นี

Binomial Test

method Group 1 Category N Observed Prop. Test Prop. Exact Sig. (2-
Group 2 1.00 17 .85 .50 tailed)
Total 2.00 3 .15
20 1.00 .003

ภาพประกอบ .

บทที การทดสอบสถติ ไิ ร้พารามเิ ตอร์

จากผลการประมวลมรี ะดบั นัยสาํ คัญที . แสดงว่าปฏเิ สธ H ยอมรับ H นนั คอื นักเรยี น
จะเลอื กใช้วธิ ี ก. ซึงง่ายกว่าไปใช้ในการสอบ

. The kolmogorov - Smirnov One-Sample Test
ใช้สาํ หรับทดสอบความกลมกลนื (Goodness of Fit) เช่นเดียวกับไคสแควร์
ตวั อย่าง .
ถ้าส่มุ ยอดขายของสนิ ค้ามา ชนิด ได้ข้อมูลดงั นี , , , , , , , , และ

ล้านบาท ต้องการทราบว่ายอดขายของสนิ ค้าทงั ชนิดนีมกี ารแจกแจงแบบปกตหิ รือไม่
ตังสมมติฐาน H : ยอดขายมีการแจกแจงแบบปกติ
H : ยอดขายไม่มกี ารแจกแจงแบบปกติ

ลงรหัสข้อมูลได้ดงั นี
ให้ sale แทนยอดขายของสินค้าทงั ชนดิ
ใช้เมนู "Analyze" เมนูรอง "Nonparametric Test" เมนูย่อย "Legacy Dialogs" และคลกิ
เลือก " -Sample K-S" จะปรากฏหน้าต่าง

ภาพประกอบ .
เลอื กตัวแปรทตี ้องการทดสอบใส่ช่อง “Test Variable List:” เลอื กการแจกแจงทตี ้องการใช้
เปรียบเทยี บในกล่อง "Test Distribution" แล้วคลกิ ป่ ุม “OK”
ป่ มุ “Options...” ใช้ในการกาํ หนดให้โปรแกรมแสดงค่าสถิติพืนฐานของตวั แปร
ผลการประมวลปรากฏดงั นี

การใช้ SPSS เพือการวิเคราะหข์ ้อมูล

One-Sample Kolmogorov-Smirnov Test

sale

N 10

Normal Parametersa,b Mean 8.6000

Std. Deviation 3.02581

Most Extreme Differences Absolute .202

Positive .202

Negative -.127

Test Statistic .202

Asymp. Sig. (2-tailed) .200c,d

a. Test distribution is Normal.

b. Calculated from data.

c. Lilliefors Significance Correction.

d. This is a lower bound of the true significance.

ภาพประกอบ .

ผลลพั ธจ์ ากการประมวลมคี ่า K-S = . มีระดับนัยสาํ คญั ที . นนั คือยอมรับ H
ยอดขายมีการแจกแจงแบบปกติ

. The One-Sample Runs Test
เป็นการทดสอบว่ากล่มุ ตัวอย่างได้มาจากประชากรอย่างสุ่มหรือไม่

ตวั อย่าง .

จากการสงั เกตความตังใจเรียนของนกั เรยี น คน ได้คะแนนดงั นี , , , , ,
, , , , , , , , , , , , , , , , , , , ผู้วิจยั
ต้องการทราบว่าข้อมูลนมี ลี ักษณะของการสุ่มหรือไม่

ตังสมมติฐาน H : ข้อมูลชุดนีเป็นไปอย่างสุ่ม
H : ข้อมูลชุดนเี บียงเบนไปจากการส่มุ

ลงรหัสได้ดงั นี

ให้ score แทนคะแนนความตังใจเรยี น
ใช้เมนู “Analyze” เมนูรอง “Nonparametric Test” เมนูย่อย "Legacy Dialogs" และคลกิ
เลือก “Runs...” จะปรากฏหน้าต่าง

บทที การทดสอบสถติ ไิ ร้พารามเิ ตอร์

ภาพประกอบ .

เลือกตวั แปรทตี ้องการทดสอบใส่ในช่อง “Test Variable List:” และเลือกจุดตดั ทใี ช้ในการ
แบ่ง (Cut Point) ในทนี ีให้เลือกใช้ได้ เกณฑ์ คือ ใช้ Median ใช้ Mode หรือใช้ Mean หรืออาจจะ
กาํ หนดเกณฑข์ นึ มาเองได้ โดยใส่เกณฑท์ ตี ้องการในช่อง “Custom:”

ป่ มุ “Options...” สาํ หรับเลือกแสดงสถติ พิ นื ฐานของตัวแปร
ผลการประมวลผลมีดงั นี

Runs Test score

Test Valuea 22.00
Cases < Test Value 11
Cases >= Test Value 14
Total Cases 25
Number of Runs 12
Z
Asymp. Sig. (2-tailed) -.340
a. Median .734

ภาพประกอบ .

ผลการประมวลนบั จาํ นวนทมี คี ่าตาํ กว่ามัธยฐานได้ สงู กว่ามธั ยฐานได้ ค่าสถติ ิ
Z =-. มีนยั สาํ คัญทางสถิติทรี ะดับ . แสดงว่ายอมรบั H นนั คือข้อมูลชุดนเี ป็นไปอย่างส่มุ

การใช้ SPSS เพือการวิเคราะห์ข้อมูล

2. การทดสอบกลุม ตัวอยา งสองกลมุ ท่ีสัมพนั ธกัน

ในการทดสอบกรณกี ล่มุ ตวั อย่างสองกล่มุ สมั พันธ์กนั นี มสี ถติ ทิ เี กียวข้องอยู่ ตวั คอื
. The McNemar Test
. The Sign Test
. The Wilcoxon Matched Pairs Signed-Ranks Test
สถติ ใิ นกล่มุ นีใช้คาํ สังเดียวกนั คือ เมนู “Analyze” เมนูรอง “Nonparametric Test” เมนูย่อย
"Legacy Dialogs" และคลกิ เลอื ก “ Related Samples...” จะปรากฏหน้าต่าง

ภาพประกอบ .

เลอื กตวั แปรทตี ้องการทดสอบใส่ในช่อง “Test Pair(s) List:” และเลือกชนิดของสถติ ิ
ทดสอบในช่อง “Test Types” ให้สอดคล้องกับคณุ ลกั ษณะของข้อมูลและวัตถุประสงคข์ องผู้วิจยั

ป่ ุม “Options...” สาํ หรับประมวลค่าสถิตพิ นื ฐาน

. The McNemar Test
ใช้ทดสอบการเปลียนแปลง โดยพิจารณาความแตกต่างของข้อมูลก่อนและหลงั การทดลอง

ตวั อย่าง .
ในการฝึกอบรมครังหนึงมีผ้เู ข้ารับการอบรม คน ผู้จดั อบรมได้ทดสอบผ้เู ข้ารับการอบรม
ทงั ก่อนอบรมและหลงั การอบรม ปรากฏว่า ผ้เู ข้ารับการอบรมจาํ นวน คน มคี ะแนนอยู่ในเกณฑผ์ ่าน
ทงั ก่อนและหลงั การอบรม จาํ นวน คน มคี ะแนนอย่ใู นเกณฑไ์ ม่ผ่านก่อนการอบรมแต่ผ่านหลงั การ
อบรม จาํ นวน คน มคี ะแนนไม่ผ่านเกณฑท์ งั ก่อนและหลงั การอบรม และจาํ นวน คนมคี ะแนนผ่าน
เกณฑก์ ่อนการอบรมแต่ไม่ผ่านหลังการอบรม จงทดสอบการเปลียนแปลงนี

ตังสมมติฐาน ความน่าจะเป็นของการเปลียนแปลงจากการสอบผ่านเกณฑ์มาเป็นไม่
ผ่านเกณฑ์ย่อมเทา่ กบั ความน่าจะเป็นของการเปลยี นแปลงจากการสอบไม่ผ่านเกณฑม์ าเป็นผ่านเกณฑ์

H PA = PD = /

บทที การทดสอบสถติ ิไร้พารามเิ ตอร์

H : PA  PD  / แทนสอบไม่ผ่าน
ลงรหัสข้อมูลได้ดงั นี แทนสอบไม่ผ่าน

ให้ pre แทนผลการสอบก่อนอบรม
รหัส แทนสอบผ่าน รหัส

ให้ post แทนผลการสอบหลงั อบรม
รหัส แทนสอบผ่าน รหัส

ผลจากการประมวลได้ดงั นี

pre & post
post

pre .00 1.00
.00 5 5
1.00 3 7

Test Statisticsa

pre & post

N 20

Exact Sig. (2-tailed) .727b

a. McNemar Test

b. Binomial distribution used.

ภาพประกอบ .

ผลลัพธ์จากการประมวลปรากฏว่ามนี ยั สาํ คญั ทางสถติ ิทรี ะดบั . แสดงว่ายอมรบั H นัน
คือความรู้ของผ้เู ข้ารบั การอบรมก่อนและหลังการอบรมไม่เปลยี นแปลง

. The Sign Test
เป็นการทดสอบทใี ช้นับจาํ นวนเครอื งหมายบวกและลบตามลักษณะการเปลียนแปลง

ตวั อยา่ ง .
ในการประชุมปฏบิ ัติการครังหนงึ ผู้จัดการประชุมได้ทดสอบเจตคติของผ้เู ข้าประชุมก่อน
และหลงั การประชุม ผลการทดสอบปรากฏดงั ตารางข้างล่างนี จงคาํ นวณว่าการจดั การประชุมครงั นที าํ
ให้เจตคตคิ ตขิ องผู้เข้ารบั การประชุมเปลียนแปลงหรือไม่

ผ้เู ข้ารบั การประชุมคนที คะแนนก่อนการประชุม คะแนนหลงั การประชุม

การใช้ SPSS เพือการวิเคราะหข์ ้อมูล

ตงั สมมติฐาน H : ทศั นคตขิ องผู้เข้ารับการประชุมไม่เปลียนแปลง
H : ทศั นคติของผู้เข้ารบั การประชุมเปลียนแปลง

ลงรหัสข้อมูลได้ดงั นี

ให้ pre แทนคะแนนก่อนการประชุม
ให้ post แทนคะแนนหลงั การประชุม
ผลการประมวลปรากฏดงั นี

Frequencies

post - pre Negative Differencesa N
Positive Differencesb 4
a. post < pre Tiesc 7
b. post > pre Total 1
c. post = pre 12

Test Statisticsa

post - pre

Exact Sig. (2-tailed) .549b

a. Sign Test

b. Binomial distribution used.

ภาพประกอบ .

ผลลพั ธ์จากการประมวลปรากฏว่ามนี ัยสาํ คญั ทางสถติ ทิ ี . นันคือยอมรบั H แสดงว่า
ทศั นคตขิ องผู้เข้ารับการประชุมก่อนและหลงั การประชุมไม่เปลียนแปลง

บทที การทดสอบสถติ ไิ ร้พารามเิ ตอร์

. The Wilcoxon Matched Pairs Signed-Ranks Test
เป็นการทดสอบทนี าํ เอาขนาดของความแตกต่างของข้อมูลแต่ละคู่มาพจิ ารณาเพอื ดูว่าข้อมูล

แต่ละค่มู คี วามแตกต่างกันมากน้อยเพยี งใด

ตวั อย่าง .
ข้อมูลต่อไปนีเป็นคะแนนเจตคติต่ออาชีพครจู าํ นวน คน เมอื ก่อนมอี าชีพครแู ละ
หลังจากมีอาชีพเป็นครูมาแล้ว ปี
ครูคนที
ก่อนมอี าชีพครู
หลังมีอาชีพครู
อยากทราบว่า เจตคติต่อวิชาชีพครเู มอื ก่อนมีอาชีพครูและหลังมีอาชีพครูแล้ว ปี
จะเปลยี นแปลงหรอื ไม่

ตงั สมมติฐาน H : คะแนนเจตคตกิ ่อนมอี าชีพครูและหลังมอี าชีพครู ปี ไม่แตกต่างกัน
H : คะแนนเจตคตกิ ่อนมีอาชีพครูและหลงั มีอาชีพครู ปี แตกต่างกนั

ลงรหัสข้อมูลได้ดงั นี

ให้ pre แทนคะแนนเจตคติต่ออาชีพครกู ่อนมอี าชีพครู
ให้ post แทนคะแนนเจตคตติ ่ออาชีพครหู ลงั มอี าชีพครู ปี
ผลการประมวลปรากฏดังนี

post - pre Negative Ranks Ranks Mean Rank Sum of Ranks
Positive Ranks N 7.56 60.50
a. post < pre Ties 8a 4.38 17.50
b. post > pre Total 4b
c. post = pre 0c
12

Test Statisticsa

post - pre

Z -1.689b

Asymp. Sig. (2-tailed) .091

a. Wilcoxon Signed Ranks Test

b. Based on positive ranks.

ภาพประกอบ .

การใช้ SPSS เพือการวิเคราะหข์ ้อมูล

ผลลัพธจ์ ากการประมวลปรากฏว่ามีนยั สาํ คัญทรี ะดบั . นนั คือยอมรบั H แสดงว่า
คะแนนเจตคตติ ่ออาชีพครูของครูเมอื ก่อนมีอาชีพครแู ละหลังมอี าชีพครู ปี ไม่แตกต่างกนั

3. การทดสอบกลมุ ตวั อยางสองกลมุ ทเี่ ปนอิสระตอกนั

ในการทดสอบกรณกี ลุ่มตวั อย่างสองกล่มุ สัมพันธ์กนั นี มสี ถิติทเี กียวข้องอยู่ ตวั คือ
. Chi-Square Test
. The Mann-Whitney U Test
. The Kolmogorov-Smirnov Two-Sample Test
. The Wald-Wolfowitz Runs Test
สถติ ใิ นกลุ่มนีใช้คาํ สังเดียวกัน (ยกเว้น Chi-Square Test) คอื ใช้เมนู “Analyze” เมนูรอง
“Nonparametric Test” เมนูย่อย "Legacy Dialogs" และคลิกเลอื ก “ Independent Samples...” จะ
ปรากฏหน้าต่าง

ภาพประกอบ .
เลือกตัวแปรตามใส่ในช่อง “Test Variable List:” เลือกตวั แปรจดั กล่มุ ใส่ในช่อง “Grouping
Variable:” พร้อมทงั "Define Groups" (ทาํ นองเดียวกบั การวิเคราะห์ด้วย Independent Samples t-
test) และเลอื กสถิตทิ ตี ้องการทดสอบ
ป่ มุ “Options...” สาํ หรบั กาํ หนดให้แสดงค่าสถิตพิ นื ฐาน

บทที การทดสอบสถติ ไิ ร้พารามเิ ตอร์

. Chi-Square Test
เป็นการทดสอบความสมั พนั ธ์ของตัวแปร ตัวทมี ขี ้อมูลอย่ใู นรปู ความถี

ตวั อย่าง .
การทดลองหนึง ส่มุ ตวั อย่างนักเรยี นห้อง ก คน และห้อง ข คน ให้มา
ปฏิบัตงิ านชนิ หนึง เพือดูสมรรถภาพการทาํ งาน ภายในระยะเวลาทจี าํ กดั
ข้อมลู ถกู นาํ เสนอดังตารางข้างล่าง เมอื เซลแต่ละเซลบรรจุจาํ นวนของกล่มุ ตัวอย่างแต่
ละกล่มุ ทที าํ งานเสรจ็ และไม่เสรจ็ ดงั นัน สาํ หรบั ตวั อย่างนี ในกล่มุ ห้อง ก มี คนทที าํ งานไม่
เสรจ็ ทเี หลอื ทาํ งานเสรจ็ และกล่มุ ห้อง ข ทาํ งานเสรจ็ คน ทเี หลอื ทาํ งานไม่เสรจ็

งานเสรจ็ ไม่เสรจ็
ห้อง ก
ห้อง ข

เขียนสมมติฐานได้ดงั นี
H0 : ไม่มีความสมั พันธร์ ะหว่างกลุ่มและความสาํ เรจ็ ของงาน
H1 : มคี วามสมั พันธร์ ะหว่างกลุ่มและความสาํ เรจ็ ของงาน

กาํ หนดตัวแปร Room มรี หัส แทนห้อง ก รหัส แทนห้อง ข และตัวแปร Success มี
รหัส แทน งานเสรจ็ และรหัส แทน งานไม่เสรจ็

ใช้เมนู “Analyze” เมนูรอง “Descriptive Statistics” เมนูย่อย "Crosstabs"

ภาพประกอบ .

จะปรากฏหน้าต่าง

การใช้ SPSS เพือการวิเคราะหข์ ้อมลู

ภาพประกอบ .
คลิกเลอื กตัวแปรตัวหนึงย้ายไปไว้ในช่อง Row และอีกตวั หนงึ ย้ายไปไว้ในช่อง success
จากนนั คลิกป่ ุม Cells จะปรากฏหน้าต่าง Crosstabs : Cell Display ในกล่อง counts ให้แสดงความถี
ทสี ังเกตได้ และความถที คี าดหวงั (Expected) และในกล่อง Percentages สาํ หรับแสดงค่าร้อยละทงั
แนวแถว สดมภ์ และรวม จากนนั คลกิ Continue

ภาพประกอบ .

บทที การทดสอบสถติ ไิ ร้พารามเิ ตอร์

คลกิ ป่ ุม Statistics จะปรากฏหน้าต่าง Crosstabs : Statistics คลิกให้คาํ นวณค่าสถิติ Chi-
Square และคลกิ เลอื กค่าสถติ สิ หสมั พนั ธท์ เี หมาะสมกบั ระดบั ของข้อมูลทใี ช้วเิ คราะห์ ในทนี ีคลกิ เลือก
Phi and Cramer's V เป็นสถิติทใี ช้หาค่าสหสมั พันธร์ ะหว่างตัวแปร ตวั ทอี ย่ใู นระดบั Nominal
Scale โดยสถติ ิ Phi เป็นสหสมั พันธก์ รณที ที งั ตวั แปรแบ่งเป็น กลุ่ม และ Cramer's V เป็น
สหสมั พันธก์ รณที ที งั ตัวแปรแบ่งเป็นกีกล่มุ กไ็ ด้ จากนนั คลกิ continue และคลกิ OK

ภาพประกอบ .

ผลการวิเคราะห์ปรากฏดังนี

room * success Crosstabulation

success

1.00 2.00 Total

room 1.00 Count 10 2 12

Expected Count 5.5 6.5 12.0

% within room 83.3% 16.7% 100.0%

% within success 90.9% 15.4% 50.0%

% of Total 41.7% 8.3% 50.0%

2.00 Count 1 11 12

Expected Count 5.5 6.5 12.0

% within room 8.3% 91.7% 100.0%

% within success 9.1% 84.6% 50.0%

% of Total 4.2% 45.8% 50.0%

การใช้ SPSS เพือการวเิ คราะหข์ ้อมลู

Total Count 11 13 24

Expected Count 11.0 13.0 24.0

% within room 45.8% 54.2% 100.0%

% within success 100.0% 100.0% 100.0%

% of Total 45.8% 54.2% 100.0%

Chi-Square Tests

Asymptotic

Significance (2- Exact Sig. (2- Exact Sig. (1-
sided)
Value df sided) sided)
.000
Pearson Chi-Square 13.594a 1 .000

Continuity Correctionb 10.741 1 .001

Likelihood Ratio 15.407 1 .000

Fisher's Exact Test .001

Linear-by-Linear Association 13.028 1 .000

N of Valid Cases 24

a. 0 cells (0.0%) have expected count less than 5. The minimum expected count is 5.50.

b. Computed only for a 2x2 table

Symmetric Measures

Nominal by Nominal Phi Value Approximate
N of Valid Cases Cramer's V .753 Significance
.753
24 .000
.000

ภาพประกอบ .

จากผลการวิเคราะห์ข้อมลู ปรากฏว่า ค่าไคสแควรม์ ีค่า . , df = มนี ัยสาํ คัญทาง
สถิติทรี ะดับ . จะปฏเิ สธ H0 และยอมรบั H1 คอื มคี วามสมั พันธก์ นั ระหว่างกลุ่มและ
ความสาํ เรจ็ ของงาน แสดงว่ากล่มุ ตัวอย่างห้อง ก จะทาํ งานเสรจ็ มากกว่าไม่เสรจ็ แต่กลุ่มตัวอย่าง
ห้อง ข จะทาํ งานไม่เสรจ็ มากกว่าเสรจ็

ค่าสหสัมพันธ์ Phi มคี ่า . มีนัยสาํ คัญทางสถติ ิทรี ะดับ . ซงึ บ่งบอกถึงขนาดของ
ความสมั พนั ธ์ว่าตัวแปรทงั สองมีความสมั พนั ธ์กันมากน้อยเพียงใด

บทที การทดสอบสถติ ไิ ร้พารามเิ ตอร์

. The Mann-Whitney U Test
เป็นการทดสอบสมมตฐิ านว่ากลุ่มตัวอย่างทงั สองทเี ป็นอิสระจากกนั มาจากประชากรทมี ีการ

แจกแจงเหมอื นกนั หรือใช้ทดสอบว่าประชากร ประชากรมีการแจกแจงความน่าจะเป็นชนิดเดยี วกนั
หรือไม่

ตวั อยา่ ง .
อาจารยค์ นหนึงต้องการทดสอบดูว่า คะแนนทไี ด้จากการสอบวิชาคณติ ศาสตรข์ องนสิ ิตชาย
และหญงิ แตกต่างกนั หรือไม่ จึงสุ่มตวั อย่างจากนิสิตทเี ข้าสอบเป็นนสิ ติ ชาย คน นสิ ติ หญิง คน
ปรากฏคะแนนดงั นี
นิสิตชาย

นสิ ติ หญงิ

จงทดสอบดูว่าค่าเฉลียของคะแนนทนี ิสติ ชายได้รับการค่าเฉลียของคะแนนทนี ิสติ หญิงได้รบั
เท่ากันหรอื ไม่

ตังสมมตฐิ าน H : ค่าเฉลียของคะแนนของนิสติ ชายและนิสิตหญิงไม่แตกต่างกนั
H : ค่าเฉลยี ของคะแนนของนสิ ติ ชายและนสิ ิตหญงิ แตกต่างกนั

ลงรหัสข้อมูลได้ดงั นี

ให้ sex แทนเพศ โดยรหัส แทนเพศชาย รหัส แทนเพศหญงิ
ให้ score แทนคะแนนสอบวิชาสถติ ิ
ผลการประมวลปรากฏดงั นี

group Ranks Sum of Ranks
score 1.00 N Mean Rank 161.00
217.00
2.00 12 13.42
Total 15 14.47
27

Test Statisticsa score
83.000
Mann-Whitney U 161.000
Wilcoxon W -.344
Z
Asymp. Sig. (2-tailed) .731
Exact Sig. [2*(1-tailed Sig.)] .755b
a. Grouping Variable: group
b. Not corrected for ties. ภาพประกอบ .

การใช้ SPSS เพือการวเิ คราะหข์ ้อมลู

ผลการประมวลผลปรากฏว่ามคี ่า Z = -. มนี ยั สาํ คญั ที . นนั คือยอมรบั H แสดงว่า
ค่าเฉลยี ของคะแนนของนสิ ติ ชายและนิสติ หญิงไม่แตกต่างกัน

. The Kolmogorov-Smirnov Two-Sample Test
ใช้ทดสอบความแตกต่างของกล่มุ ตัวอย่างทเี ป็นอิสระกนั กล่มุ หรือใช้ในการพิจารณาว่า

ข้อมูลทไี ด้จากกล่มุ ตัวอย่างมาจากประชากรเดียวกนั หรือไม่ หรอื มาจากประชากรทมี กี ารแจกแจง
เหมอื นกันหรอื ไม่

ตวั อยา่ ง .
ในการทดสอบความสามารถในการเรียนรู้ของนักเรียนชันประถมศกึ ษาปี ที ผ้วู จิ ยั ได้แบ่ง
นักเรยี นชันประถมศึกษาปี ที ออกเป็น กลุ่ม คือกล่มุ ที เป็นนักเรยี นทเี คยเรยี นชันอนุบาล กล่มุ
ที เป็นนักเรียนทไี ม่เคยเรียนชันอนุบาลมาก่อน ผ้วู ิจัยส่มุ ตัวอย่างนักเรยี นมากล่มุ ละ คน
ปรากฏผลการสอบดังนี
กล่มุ
กลุ่ม

จงทดสอบว่านกั เรียนทงั กล่มุ มคี วามสามารถในการเรียนร้ตู ่างกนั หรอื ไม่

ตังสมมติฐาน H : นกั เรียนชันประถมศกึ ษาปี ที ทเี คยเรียนชันอนุบาลและไม่เคย
เรียนชันอนุบาลมาก่อนมคี วามสามารถในการเรยี นร้ไู ม่
แตกต่างกนั

H : นกั เรยี นชันประถมศึกษาปี ที ทเี คยเรยี นชันอนุบาลและไม่เคย
เรยี นชันอนุบาลมาก่อนมีความสามารถในการเรยี นร้แู ตกต่างกัน

ลงรหัสข้อมูลได้ดงั นี

ให้ group แทนตวั แปรจัดกล่มุ
โดยรหัส แทนกล่มุ ที และรหัส แทนกล่มุ ที

ให้ score แทนคะแนนความสามารถในการเรยี นรู้
ผลการประมวลปรากฏดังนี

Test Statisticsa

Most Extreme Differences Absolute score
Positive .500
Kolmogorov-Smirnov Z Negative .000
Asymp. Sig. (2-tailed) -.500
a. Grouping Variable: group 1.118
.164
.
ภาพประกอบ