spss_vichit

100






ขั้นตอนในการทดสอบสมมติฐาน

1.ตั้งสมมติฐาน

H : ตัวแปรทั้ง 2 ตัว เป็นอิสระต่อกัน
0
H : ตัวแปรทั้ง 2 ตัว มีความสัมพันธ์กัน
1


2.สถิติที่ใช้ทดสอบ  - test
2


3.กําหนดระดับนัยสําคัญ ()

เปิดตารางเพื่อหาเขตวิกฤต =  ,  = (R - 1 )(C - 1)
2

,
R เท่ากับจํานวนแถว และ C เท่ากับจํานวนคอลัมน์ในตารางไขว้


E
R C (O  ) 2
4.คํานวณค่า 2 1)(c 1)    ij ij
(r
E
 1
i
j
1
ij
จากตัวอย่าง ค่าสังเกตและสมมติฐานหลัก

5.เปรียบเทียบ
่
ํ
ถ้าคา Chi - Square ที่คานวณได้ในข้อ 4. อยู่บนเขตวิกฤต หรือค่าที่
คํานวณได้มากกว่าหรือเท่ากับค่าวิกฤตแสดงว่าผลที่ได้ปฏิเสธสมมติฐาน H
0

101





ซึ่งทั้ง 5 ขั้นตอนนั้น เป็นการทดสอบที่ใช้ทั่วๆ ไปสําหรับทดสอบด้วย
มือซึ่งทําได้ค่อนข้างยุ่งยาก ถ้ากลุ่มตัวอย่างที่ใช้มีขนาดใหญ่ วิธีที่สะดวกคือ

การใช้โปรแกรมสําเร็จรูป SPSS เพยงแต่ใช้คําสั่งให้ถูกต้องและอ่านผลให้เป็น
ี
เท่านั้น มีวิธีการดังนี้



4.2 การทดสอบความสัมพันธ์ระหว่างตัวแปร 2 ตัว
ที่เป็นข้อมูลเชิงคุณภาพ

การทดสอบความสัมพนธ์นี้ใช้ในกรณีที่ผู้วิจัยต้องการศึกษา
ั
ั
ความสัมพนธ์ของตัวแปร 2 ตัว ที่เป็นข้อมูลเชิงคุณภาพที่เป็นข้อมูลกลุ่ม เช่น
ต้องการศึกษาความสัมพันธ์ระหว่าง

- เพศและความนิยมในกลิ่นน้ําหอมที่ใช้

- ระดับการศึกษากับรายการโทรทัศน์ที่ชม
- การอ่านหนังสือพิมพ์กับฐานะทางการเงินของผู้อ่าน

- อาชีพกับความนิยมในพรรคการเมือง
ฯลฯ

การทดสอบไคสแควร์โดยใช้ SPSS
หลังจากที่เราได้สร้างแฟ้มข้อมูลไว้แล้วและตั้งวัตถุประสงค์

ั
ว่าต้องการจะทดสอบความสัมพนธ์ของตัวแปรคู่ใดบ้าง เช่น
ตัวอย่างท 4.1 ต้องการศึกษาความสัมพนธ์ระหว่าง สถานภาพกับการศึกษา
ั
ี่
้
มีขั้นตอนการวิเคราะห์ดังนี้ หลังจากเปิดโปรแกรม SPSS และเปิดแฟมข้อมูล
ชื่อ แบบฝึกหัดดรวิชิต แล้ว ให้เปิดไดอะล็อกบ๊อกซ์คําสั่ง

102





Analyze/Descriptive Statistics/Crosstabs
จะได้ไดอะล๊อกบ๊อกซ์ ดังรูปที่ 4.1




































รูปที่ 4.1
เลือกตัวแปรคู่ที่ต้องการทดสอบจาก Variable List Box ทางซ้ายมือ

ไปไว้ใน Rows (s) Box และColumns (s) Box อย่างละหนึ่งตัวหรือมากกว่า

ั
ในกรณีที่ต้องการทดสอบความสัมพนธ์ มากกว่า 1 คู่ จากนั้น ให้คลิกที่คําว่า

103





Statistics… จะได้กล่องคําสั่งดังรูปที่ 4.2 สําหรับตัวอย่างนี้จะเลือกตัวแปรที่
ชื่อ “สถานภาพ” ซึ่งหมายถึงรายการโทรทัศน์ที่ชอบใน Rows (s) Box และ

เลือกตัวแปรที่ชื่อว่า “การศึกษา” ใน Columns (s) Box
























รูปที่ 4.2
ํ
จากรูปที่ 4.2 เลือกคําว่า Chi - Square ในเช็คบ๊อกซ์ แล้วคลิกคาว่า
Continue หน้าจอจะกลับไปที่รูป 4.1 ให้เลือกคลิกคําว่า Cells… หน้าจอ

จะขึ้นกล่องคําสั่งดังรูป 4.3

104




























รูปที่ 4.3


ให้เลือกเช็คบ๊อกซ์ หน้าคําว่า Observed Row Column และ Total

แล้วคลิ้กคําว่า Continue หน้าจอจะกลับไปที่รูป 4.1 ให้เลือกคลิกคําว่า OK

จะได้ผลของการวิเคราะห์ใน Window Output – SPSS Viewer ให้คลิกเมาส์
ไปที่ Windows ดังกล่าวจะได้ผลดังรูปที่ 4.4

105






สถานภาพ * การศึกษา Crosstabulation
การศึกษา Total
ต่ํากว่าปริญญา ปริญญาตรี ปริญญาโท ปริญญาเอก
ตรี

Count 27 19 12 7 65
% within สถานภาพ 41.5% 29.2% 18.5% 10.8% 100.0%
โสด
% within การศึกษา 60.0% 63.3% 54.5% 53.8% 59.1%
% of Total 24.5% 17.3% 10.9% 6.4% 59.1%

Count 15 9 9 6 39
% within สถานภาพ 38.5% 23.1% 23.1% 15.4% 100.0%
สถานภาพ สมรส
% within การศึกษา 33.3% 30.0% 40.9% 46.2% 35.5%
% of Total 13.6% 8.2% 8.2% 5.5% 35.5%

Count 3 2 1 0 6
% within สถานภาพ 50.0% 33.3% 16.7% 0.0% 100.0%
หม้าย
% within การศึกษา 6.7% 6.7% 4.5% 0.0% 5.5%
% of Total 2.7% 1.8% 0.9% 0.0% 5.5%
Count 45 30 22 13 110

% within สถานภาพ 40.9% 27.3% 20.0% 11.8% 100.0%
Total
% within การศึกษา 100.0% 100.0% 100.0% 100.0% 100.0%
% of Total 40.9% 27.3% 20.0% 11.8% 100.0%


รูปที่ 4.4

106





จากตารางในรูปที่ 4.4 ตารางนี้จะเป็นตาราง 2 ทางแสดงจํานวน
และร้อยละของตัวแปร 2 ตัว คือสถานภาพ และระดับการศึกษา ซึ่งแสดงให้

เห็นว่า กลุ่มตัวอย่างที่ศึกษาพบว่ามีสถานภาพโสด 65 คนคิดเป็นร้อยละ 59.1
ของคนทั้งหมด ในจํานวนนี้มีระดับการศึกษาต่ํากว่าปริญญาตรีจํานวน 27

ั
คน คิดเป็นร้อยละ 41.5 เป็นต้น การจะสรุปว่ามีความสัมพนธ์กันระหว่าง
ิ
สถานภาพกับระดับการศึกษาหรือไม่นั้นจะต้องพจารณาจากตารางต่อไป ดัง
รูปที่ 4.5


Chi-Square Tests

Value df Asymp. Sig.
(2-sided)

a
Pearson Chi-Square 2.093 6 .911
Likelihood Ratio 2.762 6 .838
Linear-by-Linear .009 1 .926

Association

N of Valid Cases 110
a. 5 cells (41.7%) have expected count less than 5. The

minimum expected count is .71.

รูปที่ 4.5

107





จากตารางในรูปที่ 4.5 นักศึกษาจะต้องพจารณาจํานวนความถี่
ิ
คาดหวัง (Expected Frequency) ของแต่ละ Cell ในตารางไขว้ที่ได้ หากมี

จํานวน Cell ที่มีความถี่คาดหวังน้อยกว่า 5 ไม่เกิน 25% ให้ถือว่าค่าไคส
แควร์นี้สามารถใช้ได้ จากนั้นให้พิจารณาค่าไคสแควร์ ซึ่งอาจพิจารณาได้ 2 วิธี

คือ

ิ
พจารณาจากค่า Asymp. Sig. (2-Sided) หรือค่า P-Value หากค่า
่
P-Value มีคาน้อยกว่าหรือเท่ากับค่า  ที่กําหนดไว้ให้ปฏิเสธสมมติฐานหลัก
หรือ H และสรุปผลว่าตัวแปรทั้งสองไม่มีความสัมพนธ์กันทางสถิติที่ระดับ
ั
0
นัยสําคัญ  จากตัวอย่างนี้ ค่า P-Value มีค่าเท่ากับ .911 ซึ่งมากกว่า 0.05

ั
จึงสรุปได้ว่าระดับการศึกษาไม่มีความสัมพนธ์กับรระดับการศึกษาอย่างมี
นัยสําคัญทางสถิติที่ระดับ 0.05

108





4.3 การทดสอบความสัมพันธ์ระหว่างตัวแปร 2 ตัว
ที่เป็นข้อมูลเชิงปริมาณ


การศึกษาความสัมพันธ์อย่างง่าย

ในการวิจัยทางการตลาด ทางธุรกิจ หรือทางด้านสังคมศาสตร์

บางครั้งนักวิจัยต้องการศึกษาว่าตัวแปร 2 ตัว ที่เป็นข้อมูลเชิงปริมาณมี
ความสัมพันธ์กันหรือไม่มากน้อยเพียงใดและรูปแบบความสัมพันธ์เป็นไป

ั
ในทิศทางใดได้โดยหาค่าสัมประสิทธิ์สหสัมพนธ์ระหว่างตัวแปรทั้งสอง
ค่าสัมประสิทธิ์สหสัมพนธ์ระหว่างตัวแปรทั้งสองตัวสัญลักษณ์ที่ใช้ใน
ั
ประชากร คือ  ในตัวอย่างคือ R หรือ r ซึ่งจะมีค่าอยู่ระหว่าง -1 ถึง 1



ค่าที่เป็นบวก หมายถึง มีความสัมพันธ์กันในเชิงเส้นในทิศทางเดียวกัน
ค่าที่เป็นลบหมายถึง มีความสัมพนธ์ในทิศทางตรงกันข้ามหรือผกผันกัน
ั
ค่าที่เข้าสู่ 1 หมายถึง มีความสัมพันธ์กันมาก
ั
ั
ค่าที่เข้าสู่ 0 หมายถึง มีความสัมพนธ์กันน้อย ค่าสัมประสิทธิ์สหสัมพนธ์
ระหว่างตัวแปร X และ Y ในตัวอย่างขนาด n


ข้อก าหนดเบื้องต้น คือ

-ข้อมูลต้องเป็นข้อมูลเชิงปริมาณหรืออนุโลมให้เป็นข้อมูลเชิงปริมาณ

-ตัวแปรทั้งสองต้องมีความสัมพันธ์กันในรูปแบบเส้นตรง

109





สูตรการค านวณ


  )(YX(X  )
Y
r  (1)
(   )X(X 2 )(   )Y(Y 2 )



n  (xy   y)x)(
r  (2)
(n  (x 2 x) 2 (n  (y 2  y) 2 )



 yx  x  /y n
r  i i i i (3)
2
2
 2 x i   2 y i  
 x i  n     y i  n 



110





ตัวอย่างรูปแบบความสัมพันธ์











r = 0.8














r = 0.8

111















r = 1.0













r = 0.6

112

















r = 0.0













r = 0.0

113













r = -1.0
















r = -.8







รูปที่ 4.6

114





4.4 การหาความสัมพันธ์อย่างง่ายโดยใช้ SPSS
ตัวอย่างที่ 4.2 ตัวอย่างที่ใช้ในการเรียนการสอนนี้ขอใช้ตัวอย่าง

ั
ื่
การศึกษาความสัมพนธ์ระหว่างรายได้กับค่าอาหารต่อเดือน และรายจ่ายอนๆ
้
ต่อเดือน ของประชากรกลุ่มหนึ่งจํานวน 110 คน อยู่ในแฟมข้อมูลที่ชื่อ
แบบฝึกหัดดรวิชิต ค่าอาหารต่อเดือนใช้ชื่อตัวแปรว่า ค่าอาหาร ส่วนรายได้

่
ต่อเดือนตัวแปรชื่อ รายได้ และคาใช้จ่ายอื่นๆต่อเดือนใช้ชื่อตัวแปรว่า คชจอื่น
มีขั้นตอนการศึกษา ดังนี้

การศึกษาความสัมพันธ์เชิงเส้นอย่างง่ายโดยใช้ SPSS

1. เปิดไดอะล๊อกบ๊อกคําสั่ง Analyze/Correlate/Bivariate จะได้
กล่องคําสั่งดังรูปที่ 4.7























รูปที่ 4.7

115






2. เลือกตัวแปรที่ต้องการทดสอบจากรูปที่ 4.7 ให้เลือกตัวแปรที่

ต้องการจะหาความสัมพนธ์อย่างน้อย 2 ตัวแปร จาก Variable List Box ทาง
ั
ซ้ายมือมาไว้ใน Variable Box ทางขวามือโดยใช้เมาส์ดับเบิ้ลคลิกตัวแปรที่

ต้องการวิเคราะห์แล้วตัวแปรจะย้ายมาอยู่ทางขวาเองโดยอัตโนมัติ

ั
3. เลือกวิธีศึกษาความสัมพนธ์จากเช็คบ๊อกซ์ ซึ่งมี 3 วิธี คือ
Pearson Spearman’s rho และ Kendall’s Tau-b อาจเลือกเพยง 1 หรือ
ี
มากกว่าหนึ่งวิธีก็ได้ แต่ละวิธีเหมาะสมกับข้อมูลที่แตกต่างกัน นั่นคือ

วิธีของ Pearson เหมาะสําหรับข้อมูลเชิงปริมาณ
วิธีของ Spearman’s rho เหมาะสําหรับการทดสอบทาง Non-

Parametric ซึ่งเป็นการทดสอบความสัมพันธ์ของอันดับที่

ั
ส่วนวิธีของ Kendall’s Tau-b เหมาะสําหรับข้อมูลอนดับความ
คิดเห็น เช่น 1 2 3 4 และ 5 เป็นต้น

ั
ดังนั้น ในตัวอย่างนี้เราจะหาความสัมพนธ์ที่เรียกว่าสัมประสิทธิ์
ั
สหสัมพันธ์อย่างง่ายจากวิธีของ Pearson ศึกษาความสัมพนธ์ของตัวแปรที่ชื่อ
Income Food และ Other เมื่อเลือกเรียบร้อยแล้วให้คลิกที่คําว่า OK จะ
ได้ผลการวิเคราะห์ใน Output-SPSS ดังรูปที่ 4.8

116







Correlations

จํานวน รายจ่าย รายจ่ายอื่นๆ
รายได้ต่อ ค่าอาหารต่อ ต่อเดือน
เดือน เดือน

**
Pearson 1 .663 .872
**
จํานวนรายได้ต่อ Correlation
เดือน Sig. (2-tailed) .000 .000
N 110 110 110
Pearson .663 1 .689
**
**
รายจ่ายค่าอาหารต่อ Correlation
เดือน Sig. (2-tailed) .000 .000
N 110 110 110

**
Pearson .872 .689 1
**
Correlation
รายจ่ายอื่นๆต่อเดือน
Sig. (2-tailed) .000 .000
N 110 110 110
**. Correlation is significant at the 0.01 level (2-tailed).


รูปที่ 4.8

117





ั
จากรูปที่ 4.8 แสดงค่าสัมประสิทธิ์สหสัมพนธ์ระหว่างตัวแปร รายได้
กับตัวแปร ค่าอาหาร ซึ่งสรุปได้ว่าตัวแปรทั้งสองตัวนี้มีความสัมพนธ์กัน ร้อย
ั
ละ 66.3 ในทิศทางเดียวกัน
**

ส่วนตัวเลข .000 ด้านล่างเป็นค่า Sig. (2-Tailed) หรือ P-Value ที่

ทดสอบว่าค่าสัมประสิทธิ์สหสัมพนธ์ระหว่างตัวแปรทั้งสองในระดับประชากร
ั
มีค่าเท่ากับศูนย์หรือไม่ (  = 0) โดยพจารณาจากค่า  ที่เรากําหนด ถ้าค่า
ิ
P-Value น้อยกว่า  เราจะสรุปว่าตัวแปรทั้งคู่มีความสัมพนธ์กันจริง แต่ถ้า
ั
ั
P-Value มากกว่า  เราจะสรุปว่า ตัวแปรทั้งคู่ไม่มีความสัมพนธ์กัน ถ้า
กําหนดว่า = .05 แล้วจะสรุปได้ว่าตัวแปร “รายได้” กับตัวแปร

“ค่าอาหาร” มีความสัมพันธ์กันทางสถิติอย่างมีนัยสําคัญที่ระดับนัยสําคัญ 0.05


ื่
ั
จากตัวแปรชื่อรายได้ มีความสัมพนธ์กับตัวแปรชื่อค่าใช้จ่ายอนๆ
ื่
(คชจ อน) ร้อยละ 87.2 ค่า P-Value น้อยกว่า .05
**
จึงสรุปได้ว่าตัวแปรทั้งสองมีความสัมพันธ์กันทางสถิติที่ระดับ
นัยสําคัญ 0.05 เป็นต้น

118





ั
ตัวอย่างที่ 4.3 ในกรณีที่เราต้องการศึกษาความสัมพนธ์ระหว่างตัวแปรที่เป็น
ความคิดเห็นหรือทัศนคติ ประเภท Rating Scale เช่น ในตัวอย่างการวิจัย

ั
เรื่องอาหารเราต้องการหาความสัมพนธ์ระหว่างตัวแปรปัจจัยทั้ง 5 ปัจจัย ใน
ั
การเลือกซื้ออาหารว่ามีความสัมพนธ์กันหรือไม่ตัวแปร ได้แก่ f1 f2 f3 f4
และ f5 วิธีการทางสถิติที่สามารถเลือกใช้ได้มี 3 วิธี ก็คือ สัมประสิทธิ์

สหสัมพนธ์ระหว่างตัวแปรทั้ง 5 ตัว ตามวิธีการของ Pearson Kendall และ
ั
Spearman

แต่วิธีที่เหมาะสมที่สุด คือ ของ Kendall ซึ่งสามารถหาได้ดังนี้

1.เปิดไดอะล๊อกบ๊อกคําสั่ง Analyze/Correlate/Bivariate จะได้
กล่องคําสั่งดังรูปที่ 4.9















รูปที่ 4.9

2.เลือกตัวแปรที่ต้องการทดสอบจากรูปที่ 4.9 ให้เลือกตัวแปรที่
ต้องการจะหาความสัมพนธ์ ได้แก่ f1 f2 f3 f4 และ f5 จาก Variable List
ั
Box ทางซ้ายมือมาไว้ใน Variable Box ทางขวามือโดยใช้เมาส์ดับเบิ้ลคลิกตัว
แปร

119





3.เลือกวิธีศึกษาความสัมพนธ์จากเช็คบ๊อกซ์ ในช่อง Kendall’s
ั
Tau-b เมื่อเลือกเรียบร้อยแล้วให้คลิกที่คําว่า OK จะได้ผลการวิเคราะห์ใน

Output-SPSS ดังรูปที่ 4.10

Correlations
Kendall's tau_b ราคา บรรจุภัณฑ การส่งเสริม สถานที่ การโฆษณา
์
F1 F2 การขาย F3 F4 F5
**
**
Correlation Coefficient 1.000 .778 .177 * .512 .487
**
ราคา
Sig. (2-tailed) . .000 .034 .000 .000
F1
N 110 110 110 110 110
**
Correlation Coefficient .778 1.000 .299 .495 .469
**
**
**
บรรจุภัณฑ ์
Sig. (2-tailed) .000 . .000 .000 .000
F2
N 110 110 110 110 110
**
Correlation Coefficient .177 * .299 1.000 .167 * .076
การส่งเสริมการขาย
Sig. (2-tailed) .034 .000 . .038 .347
F3
N 110 110 110 110 110
**
**
Correlation Coefficient .512 .495 .167 * 1.000 .741
**
สถานที่
Sig. (2-tailed) .000 .000 .038 . .000
F4
N 110 110 110 110 110
**
**
Correlation Coefficient .487 .469 .076 .741 1.000
**
การโฆษณา
Sig. (2-tailed) .000 .000 .347 .000 .
F5
N 110 110 110 110 110
**. Correlation is significant at the 0.01 level (2-tailed).
*. Correlation is significant at the 0.05 level (2-tailed).
รูปที่ 4.10

120





จากรูปที่ 4.10 พบว่า
ปัจจัยจูงใจ F1 มีความสัมพันธ์ทางสถิติอย่างมีนัยสําคัญที่ระดับ 0.05

ั
กับ F2 F3 F4 และ F5 โดยมีความสัมพนธ์ในทิศทางเดียวกัน ร้อยละ
77.8 17.7 51.2 และ 48.7 ตามลําดับ

ปัจจัยจูงใจ F2 มีความสัมพันธ์ทางสถิติอย่างมีนัยสําคัญที่ระดับ 0.05

กับ F3 F4 และ F5 โดยมีความสัมพนธ์ในทิศทางเดียวกัน ร้อยละ 29.9
ั
49.5 และ 46.9 ตามลําดับ

F3 มีความสัมพนธ์ทางสถิติอย่างมีนัยสําคัญที่ระดับ 0.05 กับ F4
ั
ั
โดยมีความสัมพนธ์ในทิศทางเดียวกัน ร้อยละ 16.7 แต่ไม่มีความสัมพนธ์ทาง
ั
สถิติกับ F5 (มีค่าเท่ากับ 0.076)
ส่วนปัจจัย F4 มีความสัมพนธ์ทางสถิติอย่างมีนัยสําคัญที่ระดับ 0.05
ั
กับ F5 โดยมีความสัมพันธ์ในทิศทางเดียวกัน ร้อยละ 74.1
การก าหนดรายละเอียดเพิ่มเติม

ื่
ส่วนอนๆ ใน Dialog Box ของ Bivariate Correlations สามารถ
เลือกใช้ได้ตามวัตถุประสงค์ที่แตกต่างกันดังนี้

Correlation Coefficients
ใช้สั่งให้โปรแกรมคํานวณค่าสัมประสิทธิ์สหสัมพันธ์ชนิดต่างๆ เพิ่มเติม ดังนี้

 Pearson สําหรับข้อมูลระดับอัตราส่วน (Ratio Scale)

 Kendall’s Tau-u สําหรับข้อมูลระดับเรียงอันดับ (Ordinal Scale)
ั
 Spearman สําหรับข้อมูลระดับเรียงอนดับหรือระดับช่วง
(Interval Scale)

121





Test of Significance
ใช้เลือกการแสดงความน่าจะเป็นที่จะใช้ในการทดสอบระดับ

ั
ความสัมพนธ์ระหว่างตัวแปรโดยมีปุ่มทางเลือกให้เลือกสําหรับการทดสอบ
แบบต่างๆ ดังนี้

 Two-Tailed สําหรับการทดสอบแบบ 2 ทาง

 One-Tailed สําหรับการทดสอบแบบทางเดียว


 Display Actual Significance Level

ใช้ให้โปรแกรมแสดงเครื่องหมาย (*) ในผลลัพธ์ที่ได้ สําหรับค่าสัมประ
สิทธ์ของคู่ตัวแปรที่มีนัยสําคัญ (ปฏิเสธสมมติฐาน) ที่ระดับนัยสําคัญ .05 หรือ

0.1


Options…

ใช้สั่งให้โปรแกรมแสดงค่าสถิติเพมเติม และเลือกวิชาการจัดการกับค่า
ิ่
ไม่สมบูรณ์ โดยแบ่งเป็น 2 ส่วน ดังนี้



Statistics ให้แสดงค่าสถิติต่อไปนี้เพิ่มเติม


Means and Standard Deviation

ู
ให้แสดงค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของตัวแปรทุกตัวที่ถก
เลือก

122





Cross-Product Deviations and Covariance
ให้แสดงค่าผลบวกของผลคูณที่แตกต่างจากค่าเฉลี่ย และค่าความ

แปรปรวนร่วม



Missing Values ให้เลือกการจัดการค่าไม่สมบูรณ์ (Missing Data) ของ

ข้อมูลโดยมีปุ่มให้เลือก 2 ชนิด ดังนี้


Exclude Cases Pairwise – คู่

ให้ตัดชุดข้อมูลที่มีค่าของตัวแปรที่คํานวณค่าสัมประสิทธิ์
สหสัมพันธ์เป็นค่าไม่สมบูรณ์ออกจากการคํานวณ

Exclude Cases Listwise
ให้ตัดชุดข้อมูลที่มีค่าของตัวแปรใดตัวแปรหนึ่งในรายชื่อตัวแปรที่

เลือก เป็นค่าไม่สมบูรณ์ออกจากการคํานวณ

123





บทที่ 5

การทดสอบค่าเฉลี่ย



ในบทนี้จะกล่าวถึงการทดสอบสมมติฐานเกี่ยวกับค่าเฉลี่ยของ
ประชากร ซึ่งแบ่งออกเป็น 4 แบบ ด้วยกัน คือ การทดสอบค่าเฉลี่ยของ

ประชากรกลุ่มเดียว การทดสอบความแตกต่างค่าเฉลี่ยระหว่างประชากร 2
กลุ่ม ที่เป็นอสระต่อกัน การทดสอบความแตกต่างระหว่างค่าเฉลี่ยของ
ิ
ประชากรที่เป็นข้อมูลแบบจับคู่ และการทดสอบความแตกต่างระหว่าง

ค่าเฉลี่ยของประชากรที่มากกว่า 2 กลุ่ม โดยใช้โปรแกรมสําเร็จรูป SPSS for
Windows


5.1 การเปรียบเทียบค่าเฉลี่ยระหว่างกลุ่ม

ในการวิเคราะห์ข้อมูลในกรณีที่ผู้วิจัยต้องการเปรียบเทียบค่าเฉลี่ย

ระหว่างกลุ่มในตัวอย่างที่เลือกมาหรือในประชากรโดยไม่มีการทดสอบ
ิ
้
สมมติฐานหรืออางองถึงประชากร เช่น ต้องการเปรียบเทียบรายจ่ายเกี่ยวกับ
อาหารต่อเดือนระหว่างเพศ และการศึกษา ของกลุ่มตัวอย่างที่สุ่มมาศึกษา

้
ความคิดเห็นเกี่ยวกับอาหาร สามารถทําได้ดังนี้ คือ เปิดแฟมข้อมูล ในที่นี้
คือ ไฟล์ที่ชื่อ แบบฝึกหัดดรวิชิต เลือกเมนูคําสั่ง

Analyze/Compare Mean/Mean
หน้าจอจะแสดงไดอะล๊อกบ๊อกซ์ ดังรูปที่ 5.1

124




























รูปที่ 5.1


จากรูปที่ 5.1 เลือกตัวแปร รายจ่ายค่าอาหาร ไปไว้ใน Dependent

List ซึ่งต้องเป็นข้อมูลเชิงปริมาณเท่านั้น เลือกตัวแปร เพศ และ การศึกษา

ไปไว้ใน Independent List ซึ่งต้องเป็นตัวแปรประเภทกลุ่ม และคลิก OK
จะได้ผลดังรูปที่ 5.2

125






Case Processing Summary

Cases

Included Excluded Total

N Percent N Percent N Percent

รายจ่ายค่าอาหาร 110 100.0% 0 0.0% 110 100.0%
ต่อเดือน * เพศ

รายจ่ายค่าอาหาร 110 100.0% 0 0.0% 110 100.0%

ต่อเดือน *
การศึกษา


รูปที่ 5.2 a
รูปที่ 5.2 a แสดงจํานวน Case สามารถใช้ได้ในการประมวลผลการ

เปรียบเทียบในที่นี้ คือ สามารถใช้ได้ทั้ง 110 Case ทั้งตัวแปร เพศ และ

การศึกษา

126






รายจ่ายค่าอาหาต่อเดือน * เพศ

รายจ่ายค่าอาหารต่อเดือน

เพศ Mean N Std. Deviation

ชาย 5,185.71 56 2,257.628
หญิง 4,793.52 54 2,101.064

Total 4,993.18 110 2,181.078



รูปที่ 5.2 b


รูปที่ 5.2 b แสดงรายจ่ายค่าอาหารเฉลี่ยจําแนกตามเพศ

คอลัมน์ที่ 1 แสดงเพศ จําแนกเป็นเพศชาย และเพศหญิง

คอลัมน์ที่ 2 แสดงค่าอาหารเฉลี่ยของเพศชายและเพศหญิง เพศชาย
มีค่าอาหารเฉลี่ยต่อเดือนเท่ากับ 5,185.71 บาทต่อเดือน เพศหญิงมีค่าเฉลี่ย

เท่ากับ 4,793.52 บาทต่อเดือน

คอลัมน์ที่ 3 แสดงขนาดตัวอย่างจําแนกตามเพศ จากตารางจะพบว่า
เป็นเพศชาย 56 คน และเพศหญิงจํานวน 54 คน

คอลัมน์ที่ 4 แสดงส่วนเบี่ยงเบนมาตรฐานของค่าอาหารต่อเดือน

ของเพศชายและเพศหญิงมีค่าเท่ากับ 2,257.628 และ 2,101.064 บาทต่อ
เดือน ตามลําดับ

127






รายจ่ายค่าอาหารต่อเดือน * การศึกษา

รายจ่ายค่าอาหารต่อเดือน

การศึกษา Mean N Std. Deviation

ต่ํากว่าปริญญาตรี 4,193.33 45 1,987.944
ปริญญาตรี 5,028.33 30 2,368.096

ปริญญาโท 5,759.09 22 1,805.721

ปริญญาเอก 6,384.62 13 1,971.398
Total 4,993.18 110 2,181.078



รูปที่ 5.2 c



รูปที่ 5.2 c แสดงรายจ่ายค่าอาหารต่อเดือนจําแนกตามระดับ
การศึกษา จากตารางในรูปที่ 5.2c อานค่าได้ว่า คนที่จบการศึกษาระดับ
่
ปริญญาเอกจะมีค่าอาหารเฉลี่ยต่อเดือนสูงที่สุดมีค่าเท่ากับ 6,384.62 บาท

รองลงมาเป็นคนที่จบการศึกษาระดับปริญญาโท มีค่าอาหารเฉลี่ยต่อเดือน
เท่ากับ 5,759.09 บาท ส่วนคนที่มีค่าอาหารเฉลี่ยต่ําที่สุด คือ คนที่จบ

การศึกษาระดับต่ํากว่าระดับปริญญาตรีมีค่าเฉลี่ยเท่ากับ 4,193.33 บาท

128





5.2 การทดสอบค่าเฉลี่ยของประชากรกลุ่มเดียว
การทดสอบนี้ใช้ในกรณีที่ต้องการทดสอบว่าค่าเฉลี่ยของประชากรมี

ค่าเท่ากับค่าที่เราต้องการทดสอบหรือไม่ ซึ่งในโปรแกรม SPSS เรียกว่า One
Sample T–test สมมติฐานของการทดสอบมี 2 ลักษณะคือ การทดสอบ

แบบทางเดียวและการทดสอบแบบสองทาง


กรณีทดสอบทางเดียว


0
สมมติฐาน คือ H 0 :   
H 1 :    H :   
0
0 , 1
การทดสอบกรณีนี้ คือ ต้องการทดสอบว่ามากกว่า หรือต้องการ

ทดสอบว่าน้อยกว่า สถิติทดสอบคือ Z หรือ t แต่ในโปรแกรมสําเร็จรูป SPSS
ใช้ t เท่านั้น



กรณีทดสอบสองทาง

0
สมมติฐาน คือ H 0 :   
H
1 :   
0
การทดสอบกรณีนี้ คือ ต้องการทดสอบว่าแตกต่างหรือไม่แตกต่างไม่

สนใจทิศทาง สถิติทดสอบ คือ Z หรือ t

129





การทดสอบสมมติฐานนี้โดยทั่วไปทําได้โดยตั้งสมมติฐานตามความ
่
สนใจ เลือกสถิติทดสอบหาเขตวิกฤต คํานวณคาสถิติจากตัวอย่าง และสรุปผล
ตัวอย่างเช่น ต้องการทดสอบว่าค่าใช้จ่ายเกี่ยวกับอาหารต่อเดือนของคน
ทั้งหมดในประชากรที่ต้องการศึกษาว่าเท่ากับ 5,000 บาทต่อเดือน หรือไม่

ขั้นตอนในการทดสอบ คือ



1) ตั้งสมมติฐาน H 0 :   , 5 000

H 1 :   , 5 000
2) เลือกสถิติทดสอบ คือ Z, t

ิ
3) หาเขตวิกฤติ ทําได้โดยกําหนดระดับนัยสําคัญ ( ) พจารณา
ทิศทางของการทดสอบและสถิติทดสอบ เช่น กําหนดว่า   . 0 05 สถิติ
ทดสอบ คือ Z ทดสอบแบบสองทางเขตวิกฤต คือ -1.96 และ 1.96 นั่นคือ
จะปฏิเสธ H เมื่อค่าสถิติที่ได้จากตัวอย่างน้อยกว่า -1.96 หรือมากกว่า 1.96
0
4) คํานวณค่าสถิติจากตัวอย่าง ในที่นี้ คือ ค่า Z

x  μ 0 . 
Z = = , 5 005 , 5 000 = 0.024
s 207 . 31
n
5) สรุปผลค่าที่ได้จากตัวอย่างอยู่ในช่วงของการยอมรับ H อยู่
o
ในช่วง -1.96 และ 1.96 สรุปได้ว่าค่าอาหารเฉลี่ยต่อเดือนเท่ากับ 5,000 บาท

130





การทดสอบค่าเฉลี่ยของประชากร โดยใช้ SPSS
้
ทําได้ดังนี้ เปิดแฟมข้อมูล ในที่นี้ คือ ไฟล์ที่ชื่อ แบบฝึกหัดดรวิชิต
เลือกเมนูคําสั่ง
Analyze/Compare Mean/One Sample T–test

หน้าจอจะแสดงไดอะล็อกบ๊อกซ์ ดังรูปที่ 5.3


























รูปที่ 5.3


จากรูปเลือกตัวแปร รายจ่ายค่าอาหารต่อเดือนไปไว้ใน Test

Variable และกําหนดค่าที่ต้องการทดสอบไปไว้ใน Test Value ในที่นี้
ต้องการทดสอบที่ 5,000 จากนั้นคลิก OK จะได้ผลดังรูปที่ 5.4

131






One-Sample Statistics

N Mean Std. Std. Error

Deviation Mean

รายจ่ายค่าอาหารต่อ 110 4,993.18 2,181.078 207.958
เดือน



รูปที่ 5.4 a
รูปที่ 5.4 a แสดงจํานวนตัวอย่างค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และ

ส่วนเบี่ยงเบนมาตรฐานของค่าเฉลี่ย ซึ่งมีค่าเท่ากับ 110 4,993.18
2,181.078 และ 207.958 ตามลําดับ

132






One-Sample Test

Test Value = 5000

t df Sig. (2- Mean 95% Confidence

tailed) Difference Interval of the
Difference

Lower Upper

รายจ่าย -.033 109 .974 -6.818 -418.98 405.35

ค่าอาหารต่อ
เดือน



รูปที่ 5.4 b
รูปที่ 5.4 b แสดงผลการทดสอบสมมติฐานว่า  = 5,000 บาท

(Test Value = 5,000) ได้ค่า t = -.033 องศาอสระเท่ากับ 109 (df = 109)
ิ
ค่า P-Value เท่ากับ .974 (Sig. (2-Tailed = .974) ค่าความแตกต่างระหว่าง
ค่าทดสอบกับค่าเฉลี่ยจากตัวอย่างเท่ากับ 5.000 (Mean Difference) ช่วงความ

เชื่อมั่น 95% ของผลค่าเฉลี่ยอยู่ระหว่าง -418.98 ถึง 405.35 (95%
Confidence Interval of the Difference)

การสรุปผลการทดสอบค่าเฉลี่ยจากโปรแกรม SPSS ให้พจารณาจากค่า
ิ
Sig. (2-Tailed) หรือเรียกอีกอย่างหนึ่งว่า P-Value

133





ถ้าค่าน้อยกว่าระดับนัยสําคัญ ( ) ให้ปฏิเสธ (Reject ) สมมติฐาน H
o
ถ้าค่า P- Value มากกว่าระดับนัยสําคัญ ( ) ให้ยอมรับ (Accept )


สมมติฐาน H ซึ่งยอมรับจะหมายถึง ค่าเฉลี่ยของประชากรเท่ากับค่าที่
o
เราตั้งไว้ ในที่นี้คือ เท่ากับ 5,000 ปฏิเสธ หมายถึง ค่าเฉลี่ยของประชากรไม่

เท่ากับค่าที่เราตั้งไว้ ในที่นี้คือ ไม่เท่ากับ 5,000 ผลการทดสอบค่าเฉลี่ยจากรูปที่
5.4 b ค่า Sig. (2-Tailed) มากกว่า 0.05 (กรณีระดับนัยสําคัญเท่ากับ 0.05)



สรุปว่ายอมรับ H นั่นคือ ค่าอาหารเฉลี่ยต่อเดือนของคนกลุ่มนี้เท่ากับ 5,000
o
ในกรณีที่ต้องการทดสอบ H 1 :    ซึ่งเป็นการทดสอบ
0
แบบทางเดียว (ทดสอบทางขวา) การพจารณาผลจาก SPSS ให้พจารณาจาก
ิ
ิ
ค่า t และค่า Sig. (2-Tailed) ถ้าค่า t มากกว่า 0 (มีเครื่องหมายบวก) และ ค่า Sig.

(2-Tailed) น้อยกว่า 2 ให้ปฏิเสธ H จะสรุปว่าค่าเฉลี่ยของประชากรมากกว่า
o
ค่าที่ตั้งไว้ทดสอบ

ในกรณีที่ต้องการทดสอบ H 1 :    ซึ่งเป็นการทดสอบแบบ
0
ิ
ทางเดียว(ทดสอบทางซ้าย) การพิจารณาผลจาก SPSS ให้พจารณาจากค่า t
่
และคา Sig. (2-Tailed) ถ้าค่า t น้อยกว่า 0 (มีเครื่องหมายลบ) และ ค่า Sig. (2-
Tailed) น้อยกว่า 2 ให้ปฏิเสธ H จะสรุปว่าค่าเฉลี่ยของประชากรน้อยกว่า
o
ค่าที่ตั้งไว้ทดสอบ

134





่
5.3 กรณีการทดสอบความแตกต่างระหวางค่าเฉลี่ยของประชากร 2 กลุ่ม
ที่เป็นอิสระต่อกัน

การทดสอบนี้ใช้ในกรณีที่ผู้วิจัยต้องการทดสอบว่าประชากร 2 กลุ่ม
เช่น เพศชายกับเพศหญิงมีความแตกต่างกันหรือไม่ในเรื่องค่าใช้จ่ายเฉลี่ยต่อ

เดือน แตกต่างกันหรือไม่ระหว่างจํานวนเงินที่ทําประกันชีวิตต่อปี เป็นต้น ซึ่ง

การทดสอบความแตกต่างนี้จะใช้การทดสอบที่เรียกกว่า สถิติทดสอบ Z หรือ
t ซึ่งในโปรแกรม SPSS จะเรียกว่าการทดสอบ t ทั้งตัวอย่างที่มีขนาดเล็กและ

ตัวอย่างที่มีขนาดใหญ่ การทดสอบความแตกต่างด้วยสถิติทดสอบ t โดยทั่วไป

มีขั้นตอน ดังนี้


ขั้นที่ 1 ตั้งสมมติฐาน


H 0 :  
2
1
H 1 :  
2
1

ขั้นที่ 2 เลือกสถิติทดสอบ

สถิติทดสอบ t จะมีอยู่ 2 กรณี คือ กรณีความแปรปรวนของประชากร

2 กลุ่ม เท่ากันและกรณีความแปรปรวนของประชากร 2 กลุ่มไม่เท่ากัน
สําหรับการทดสอบด้วย t โดยทั่วไปต้องทราบก่อนจึงจะทดสอบได้ แต่สําหรับ

ในโปรแกรม ตัวโปรแกรมจะทดสอบให้โดยอัตโนมัติ

135





ขั้นที่ 3 กําหนดเขตวิกฤติของการทดสอบ
เป็นขั้นกําหนดเกณฑ์หรือขอบเขตว่าเมื่อไรจะยอมรับและปฏิเสธ

สมมติฐานหลักหรือ H
0
และสมมติฐานทางเลือก

ซึ่ ง พ จ า ร ณ า จ า ก
ิ
สมมติฐานทางเลือก เลือก
สถิติทดสอบ และระดับนัยสําคัญทางสถิติที่เหมาะสมสมมติฐานทางเลือกให้

์
เขียนในรูปสัญลักษณ เช่น H 1 :    และพิจารณาทั้งทางด้านซ้ายมือและ
0
ขวามือแทน ซึ่งพบว่าจะมเขตวิกฤติ 2 เขต อันเป็นพื้นที่ปฏิเสธสมมติฐานหลัก
ี
หรือ H 2 ด้านๆ ละ 0.025 เขตวิกฤติ คือ -t 0.025,v และ t 0.025,v จะปฏิเสธ
0
สมมติฐานหลักหรือ H เมื่อ ค่าสถิติที่ได้จาก (ในกรณีที่ ขนาดตัวอย่างมีขนาด
0
ใหญ่ ค่า t และ Z จะมีค่าเท่ากัน) การคํานวณจากตัวอย่างมีค่าน้อยกว่า –
1.96 และมากกว่า 1.96


ขั้นที่ 4 การคํานวณค่าสถิติจากตัวอย่าง

เป็นขั้นตอนที่นําข้อความจริงที่ได้จากการสังเกตจากตัวอย่างหรือ

ทดลองมาคํานวณเป็นค่าสถิติตามลักษณะการแจกแจงของตัวอย่างหรือสถิติที่ใช้
ทดสอบ เช่น เมื่อทราบว่าความแปรปรวนของประชากรของประชากรทั้ง 2 กลุ่ม

เท่ากัน

136




X (  X ) (    )
t = 1 2 1 1 1 2

S 
p
n 1 n 2



(n  1)S  (n  1)S 2
2
2
S  1 1 2 2
p
n  n  2
1
2
ิ
มีองศาอสระ () = n  n  2 เมื่อทราบว่าความแปรปรวนของ
2
1
ประชากรทั้ง 2 กลุ่ม ไม่เท่ากัน

X (  X ) (    )
t = 1 2 1 2
S 1 2  S 2 2

n 1 n 2


มีองศาอิสระเท่ากับ  โดยประมาณได้จาก

137





S  2 S  2
2
 1  2 


   n 1 n 2 
 S  2  S  2
2
2
 1   2 




 n 1    n 2 
n 1 1  n 2 1 

ขั้นที่ 5 การเปรียบเทียบเพื่อสรุปสมมติฐาน

เป็นขั้นตอนที่นําเอาค่าสถิติที่ได้ในขั้นตอนที่ 4 ไปเปรียบเทียบกับค่า
วิกฤติในขั้นตอนที่ 3 เพื่อสรุปว่ายอมรับหรือปฏิเสธสมมติฐานหลักหรือ H
0

การทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 กลุ่ม ที่

เป็นอสระต่อกันโดยใช้ SPSS มีขั้นตอนดังนี้ หลังจากที่เราสร้างแฟมข้อมูล
ิ
้
เสร็จเรียบร้อยแล้ว และตั้งวัตถุประสงค์แล้วว่าต้องการเปรียบเทียบความ
แตกต่างระหว่างตัวแปรใด เช่น ต้องการเปรียบเทียบ รายจ่ายค่าอาหารต่อ

เดือนระหว่างเพศชายและเพศหญิงว่าโดยเฉลี่ยแล้วประชากรทั้ง 2 กลุ่ม มี

ระดับความนิยมแตกต่างกันหรือไม่ วิธีการทดสอบ คือ หลังจากเข้าสู่
โปรแกรม SPSS และเปิดแฟมข้อมูล “แบบฝึกหัดดรวิชิต” แล้วเปิด
้
ไดอะล็อกบ๊อกซ์คําสั่งด้วย

Analyze / Compare Means Independent Samples t - Test
หน้าจอจะแสดงไดอะล็อกบ๊อกซ์ดังรูปที่ 5.5

138




























รูปที่ 5.5

ให้เลือกตัวแปรที่ต้องการเปรียบเทียบไว้ใน Test Variable (s) Box

ในที่นี้ คือ ตัวแปร คะแนน และให้เลือกตัวแปรกลุ่มที่ต้องการเปรียบไว้ใน
Grouping Variable Box หลังจากนั้นให้คลิกคําว่า Define Groups…

หน้าจอจะขึ้นกล่องคําสั่งดังรูปที่ 5.6













รูปที่ 5.6

139





จากรูป 5.6 ให้นิยามกลุ่มที่ต้องการจะเปรียบเทียบตามกลุ่มที่เรา
สร้างเป็น Code ตามที่สร้างในแฟ้มข้อมูล เช่นตัวอย่างนี้

กําหนดให้
1 = เพศชาย

2 = เพศหญิง

ดังนั้น จึงพมพ เลข 1 ใน Group 1 Box และ พมพเลข 2 ใน Group
ิ
ิ
์
์
2 Box ต่อจากนั้นให้คลิกคาว่า Continue หน้าจอจะกลับไปที่รูป 3.6 ให้คลิก
ํ
คําว่า OK จะได้ผลการวิเคราะห์ใน Window Output – SPSS Viewer ให้
คลิกไปที่ Windows ดังกล่าวจะได้ผลดังรูปที่ 5.7

Group Statistics

เพศ N Mean Std. Std. Error

Deviation Mean

รายจ่ายค่าอาหาร ชาย 56 5,185.71 2,257.628 301.688

ต่อเดือน หญิง 54 4,793.52 2,101.064 285.919



รูปที่ 5.7


จากรูปที่ 5.7 จะได้ผลของการวิเคราะห์ซึ่งจะบอกจํานวนชุดตัวอย่าง

(N) ที่เป็นเพศชาย 56 คน มีค่าเฉลี่ย (Mean) รายจ่ายค่าอาหารต่อเดือน
เท่ากับ 5,185.71บาท ส่วนเบี่ยงเบนมาตรฐาน (Std. Deviation) เท่ากับ

140





2,257.628 ส่วนเบี่ยงเบนมาตรฐานของค่าเฉลี่ย (Std. Error Mean) เท่ากับ
301.688

ส่วนจํานวนชุดตัวอย่าง (N) ที่เป็นเพศหญิงมี 54 คน มีค่าเฉลี่ย
(Mean) รายจ่ายค่าอาหารต่อเดือน เท่ากับ 4,793.52 บาท ส่วนเบี่ยงเบน

มาตรฐาน (Std. Deviation) เท่ากับ 2,101.064 ส่วนเบี่ยงเบนมาตรฐานของ

ค่าเฉลี่ย (Std. Error Mean) เท่ากับ 285.919
ซึ่งพบว่า ค่าเฉลี่ยของเพศชายสูงกว่าเพศหญิงแต่ถ้าเราต้องการ

เปรียบเทียบว่าในระดับประชากรของรายจ่ายค่าอาหารต่อเดือน ของ

ิ
ประชาชนกลุ่มนี้ว่ามีความแตกต่างกันหรือไม่เราจะพจารณาได้จากค่าสถิติ
ทดสอบ t ในรูปที่ 5.8

Independent Samples Test
Levene's Test for t-test for Equality of Means
Equality of
Variances
F Sig. t df Sig. (2- Mean
tailed) Difference

Equal .238 .627 .942 108 .348 392.196
variances
รายจ่าย assumed
ค่าอาหารต่อ
เดือน Equal .944 107.867 .347 392.196
variances not
assumed
รูปที่ 5.8

141






จากรูปที่ 5.8 Levene’s Test for Equality or Variances หมายถึง ค่าสถิติ

ื่
ที่โปรแกรมคํานวณให้ เพอใช้ทดสอบความแตกต่างของความแปรปรวน
ระหว่าง 2 กลุ่มตัวอย่าง โดยวิธีของ Levene ในที่นี้คือ ความแปรปรวนของ

รายจ่ายค่าอาหารต่อเดือน ระหว่างเพศชายและหญิงโดยกําหนดสมมติฐานที่

ใช้ในการทดสอบดังนี้ คือ
H : ความแปรปรวนของรายจ่ายค่าอาหารต่อเดือนของเพศชาย
0
เท่ากับเพศหญิง

H : ความแปรปรวนของรายจ่ายค่าอาหารต่อเดือนของเพศชายไม่
1
เท่ากับเพศหญิง

H :  =  ซึ่งมาจาก H :  / = 1
2
2
2
2
1
0
2
0
2
1
2
2
2
H :   H :  /   1
2
1
2
1
1
1
2
โดยผู้ทดสอบจะต้องกําหนดระดับนัยสําคัญ () ก่อน แล้วจึง
ิ
ดําเนินการตัดสินใจว่าจะยอมรับหรือปฏิเสธสมมติฐาน H โดยพจารณาค่าที่
0
ได้จากโปรแกรม ดังนี้

จะปฏิเสธสมมติฐาน H เมื่อ
0
ค่าความน่าจะเป็น P-Value หรือ Sig. ที่โปรแกรมคํานวณมาให้ จาก
วิธีการทางสถิติของ Levene มีค่ามากกว่า  ที่ผู้ทดสอบกําหนด

142





ตัวอย่างเช่น ถ้ากําหนดให้  = 0.05 จะพบว่าค่าความน่าจะเป็น

P-value ในผลลัพธ์ คือ .627 มีค่ามากกว่า  ที่กําหนด คือ 0.05

ดังนั้น จึงตัดสินใจยอมรับสมมติฐาน H :  =  และสรุปผล
2
2
1
2
0
ได้ว่าความแปรปรวนของรายจ่ายค่าอาหารต่อเดือนระหว่างเพศชายและหญิง
ไม่แตกต่างกันที่ระดับ 0.05 ดังนั้น การพจารณาผลการทดสอบจะต้อง
ิ
พิจารณาค่า t ในบรรทัดบน Equal Variances Assume
แต่ถ้าสรุปผลว่าความแปรปรวนแตกต่างกัน นั่นคือ P-Value น้อย

ิ
กว่า  ที่กําหนดจะต้องพจารณา t ในบรรทัดล่าง Equal Variances Not

ิ
Assume สําหรับในตัวอย่างนี้เราจึงใช้ค่า t ในบรรทัดบน ในการพจารณา
ทดสอบ t การทดสอบความแตกต่างระหว่างค่าเฉลี่ยรายจ่ายค่าอาหารต่อ
เดือนเพศชายและหญิงในตัวอย่างนี้ สมมติฐาน คือ

H :  =  ซึ่งมาจาก H :  -  หญิง = 0
ชาย
0
ชาย
ชาย
0

H :  ชาย  หญิง H :  -  หญิง  0
1
1
ชาย
โดยผู้ทดสอบต้องกําหนดระดับนัยสําคัญ () ก่อน แล้วจึง
ดําเนินการตัดสินใจว่าจะยอมรับหรือปฏิเสธสมมติฐาน H
0

143






่
5.4 กรณีการทดสอบความแตกต่างระหวางค่าเฉลี่ยของประชากร 2 กลุ่ม
ที่ไม่เป็นอิสระกันหรือกรณีข้อมูลคู่


ในกรณีที่เราวัดค่าสังเกต 2 ค่า จากหน่วยประชากรหรือหน่วยตัวอย่าง

หน่วยเดียวกัน เช่น เราวัดความรู้ของนักศึกษาก่อนเรียนและหลังเรียนวิชา
วิจัยธุรกิจ ต้องการทดสอบประสิทธิผลของยาลดน้ําหนักยี่ห้อหนึ่ง ต้องการ

ทดสอบความนิยมของอาหาร 2 สูตร โดยให้คนหนึ่งคนชิมอาหารทั้ง 2 สูตร

เป็นต้น
ิ
ลักษณะของการวัดแบบนี้ข้อมูลที่ได้จะไม่เป็นอสระต่อกันหรือเรียกว่า
ข้อมูลคู่ ในการทดสอบความแตกต่าง เช่น การทดสอบความรู้ก่อนเรียนและ

หลังเรียนว่าแตกต่างกันหรือไม่ การทดสอบว่ายาลดน้ําหนักมีประสิทธิผล
สามารถทําให้น้ําหนักโดยเฉลี่ยลดลงหรือไม่ หรือประชาชนนิยมอาหารทั้ง 2

สูตร แตกต่างกนหรือไม่ การทดสอบความแตกต่างระหว่างค่าเฉลี่ยของข้อมูล
ั
คู่เหล่านี้สามารถทําได้โดยใช้สถิติทดสอบ t ซึ่งเรียกว่า Paired Samples T-

test ซึ่งขั้นตอนการทดสอบ ดังนี้


ขั้นที่ 1 ตั้งสมมติฐาน
H :  
0 D 0
H 1 :  
0
D

144





ขั้นที่ 2 เลือกสถิติทดสอบ คือ t


ขั้นที่ 3 กําหนดเขตวิกฤตของการทดสอบ
เป็นขั้นตอนการกําหนดเกณฑ์หรือขอบเขตของการยอมรับและ

ิ
ปฏิเสธสมมติฐานหลักหรือ H และสมมติฐานทางเลือกซึ่งจะพจารณาจาก
0
สมมติฐานทางเลือกที่ตั้งขึ้น
สถิติที่ใช้ในการทดสอบ และ

ระดับนัยสําคัญทางสถิติที่

กําหนด พจารณาพนที่ด้าน
ื้
ิ
ซ้ ายมื อ แล ะขวามื อโด ย
ื้
กําหนดค่าวิกฤต 2 จุดและกําหนดพนที่ปฏิเสธสมมติฐานหลักหรือ H ทั้ง 2
0
ด้านๆ ละ 0.025 (เขตวิกฤติ คือ -t/2,V และ t/2,V ) การปฏิเสธสมมติฐาน
หลักหรือ H เมื่อค่าสถิติที่ได้จากการคํานวณจากตัวอย่างมีค่าน้อยกว่า -
0

t/2,V และมากกว่า t/2,V

ขั้นที่ 4 คํานวณค่าสถิติจากตัวอย่าง

เป็นขั้นตอนที่นําข้อความจริงที่ได้จากการสังเกตจากตัวอย่างหรือ

ทดลองมาคํานวณเป็นค่าสถิติตามลักษณะการแจกแจงของตัวอย่างหรือสถิติที่
ใช้ทดสอบ คือ

145




) (d  ( )
t = S D
d
n
มีองศาอิสระเท่ากับ ( ) = n - 1

d = ค่าเฉลี่ยของผลต่างของค่าสังเกตจากตัวอย่าง
S = ส่วนเบี่ยงเบนมาตรฐานของผลต่างค่าสังเกต
d


ขั้นที่ 5 เปรียบเทียบเพื่อสรุปสมมติฐาน
เป็นขั้นตอนที่นําเอาค่าสถิติทได้ในขั้นตอนที่ 4 ไปเปรียบเทียบกับเขต
ี่
วิกฤติในขั้นตอนที่ 3 เพอสรุปว่ายอมรับหรือปฏิเสธสมมติฐาน สําหรับการ
ื่
ทดสอบโดยใช้โปรแกรมสําเร็จรูป SPSS มีขั้นตอนดังนี้
เปิดไดอะล็อกซ์บ๊อกซ์โดยใช้คําสั่ง

Analyze/Compare Means/Paired Samples T-test

หน้าจอจะแสดงกล่องคําสั่งดังรูปที่ 5.9 โดยในการวิเคระห์ในหัวข้อนี้เป็น
ตัวอย่างในการวิเคราะห์และสามารถนํามาใช้เพื่อการวิจัยเท่านั้น

146




























รูปที่ 5.9


จากรูปที่ 5.9 ให้เราเลือกตัวแปรคู่ที่เราต้องการจะเปรียบเทียบหรือ

ทดสอบความแตกต่างจาก Variable List โดยคลิกที่ตัวแปรทีละคู่แล้วคลิกที่

ลูกศรตัวแปรจะย้ายมาอยู่ที่ด้านขวามือใน Paired Variable Box แล้วคลิกที่
คําว่า OK จะได้ผลการวิเคราะห์ใน Out Put ตัวอย่างในรูปที่ 5.10 ต้องการ

เปรียบเทียบความนิยมในการดื่มเครื่องดื่ม 2 ยี่ห้อ คือ Coca กับยี่ห้อ Pepa

ของคนกรุงเทพฯ โดยสุ่มตัวอย่างประชาชนมาจํานวน 500 คน ให้ทุกคนชิม
เครื่องดื่มทั้ง 2 ยี่ห้อ แล้วให้คะแนน 1 – 5 คะแนน ตามความนิยมจากน้อยถึง

มากที่สุด ซึ่งได้ผลการวิเคราะห์ดังรูป 5.10

147






Paired Samples Statistics

Std.
Mean N Deviation Std. Error Mean
Pair COCA 3.9070 500 .4659 2.084E-02
1 PEPA 3.9793 500 .5526 2.471E-02

รูปที่ 5.10 a




Paired Samples Correlations

N Correlation Sig.

Pair COCA & 500 .422 .000

1 PEPA

รูปที่ 5.10 b



Paired Samples Test


Paired Differences
Sig.
Mean Std. Deviation Std. Error Mean t df (2-tailed)
Pair COCA -
1 PEPA -7.2333E-02 .5523 2.470E-02 -2.929 499 .004

รูปที่ 5.10 c

148





จากรูปที่ 5.10 แสดงค่าเฉลี่ย จํานวนตัวอย่าง และส่วนเบี่ยงเบน
มาตรฐานของคะแนนความนิยมในเครื่องดื่มยี่ห้อ Coca และ Pepa รูปที่

ั
5.10 b แสดงความสัมพนธ์ระหว่างคะแนนความนิยม Coca และ Pepa ซึ่งมี
ั
ความสัมพนธ์กันร้อยละ 42.2 (r = 0.422) มีความสัมพนธ์กันอย่างมี
ั
นัยสําคัญ (Sig. = 0.000) และรูปที่ 5.10 c แสดงค่าเฉลี่ย ส่วนเบี่ยงเบน

มาตรฐาน ของผลต่าง แสดงค่าสถิติทดสอบ t ที่ใช้ทดสอบ ซึ่งมีค่าเท่ากับ –
2.929 มีค่า Sig.(2-Tailed) หรือ P-Value เท่ากับ 0.004

การสรุปผลการทดสอบว่าผลต่างของค่าเฉลี่ยเท่ากับ 0 หรือไม่

ิ
พจารณาได้จากค่า Sig. (2-Tailed) หรือ P-Value ของ t ถ้าค่า P–Value
มากกว่า 0.05 ให้สรุปว่าค่าเฉลี่ยของผลต่างเท่ากับ 0 ถ้าค่า P-Value น้อย

กว่า 0.05 ให้สรุปว่าค่าเฉลี่ยของผลต่างไม่เท่ากับ 0 อย่างมีนัยสําคัญทางสถิติ

ที่ระดับนัยสําคัญ 0.05 จากตัวอย่างการทดสอบผลต่างคะแนนนิยมใน
เครื่องดื่ม 2 ยี่ห้อ ของประชาชน ผลการทดสอบให้ค่า P-Value น้อยกว่า

ั
0.05 สรุปได้ว่าความนิยมในเครื่องดื่มทั้ง 2 ยี่ห้อ แตกต่างกนทางสถิติที่ระดับ
นัยสําคัญ 0.05

149






่
5.5 กรณีการทดสอบความแตกต่างระหวางค่าเฉลี่ยของประชากรมากกวา 2
่
กลุ่ม ที่เป็นอิสระกัน


ในการศึกษาบางครั้งเราต้องการเปรียบเทียบความแตกต่างของค่าเฉลี่ย

ของประชากรที่มากกว่า 2 กลุ่ม เช่น เปรียบเทียบประสิทธิภาพของ
น้ํามันหล่อลื่น 5 ชนิด เปรียบเทียบอายุการใช้งานของยางรถยนต์ 4 ยี่ห้อ

้
เปรียบเทียบการประหยัดไฟฟาของเครื่องปรับอากาศ 6 บริษัท เปรียบเทียบ
ประสิทธิภาพการทํางานของเครื่องจักร 4 เครื่อง เปรียบเทียบปริมาณผลผลิต
ั
ข้าวจ้าวลูกผสม 6 พนธุ์ เปรียบเทียบอาหารสัตว์ 4 สูตร การเปรียบเทียบ
ความแตกต่างเหล่านี้ทําได้โดยวิธีการที่เรียกว่า การวิเคราะห์ความแปรปรวน

(Analysis of Variance) ซึ่งในการทดสอบจะใช้สถิติ F เป็นตัวสถิติในการ
ทดสอบมีขั้นตอน ดังนี้

ซึ่งมีข้อตกลงพื้นฐาน (Basic Assumption) ว่า
1. ข้อมูลที่นํามาวิเคราะห์ต้องเป็นข้อมูลเชิงปริมาณ

2. ข้อมูลต้องมีการแจกแจงแบบปกติ
3. มีความแปรปรวนของประชากรแต่ละกลุ่มเท่ากัน

ขั้นตอนในการทดสอบ

1. ตั้งสมมติฐาน

H :  =  = … = 
2
k
1
0
H : ประชากรอย่างน้อย 2 กลุ่ม มีค่าเฉลี่ยแตกต่างกัน
1