spss_vichit

150





2. เลือกสถิติทดสอบ F-test
3. กําหนดระดับนัยสําคัญ ( )


เปิดตารางหาค่าวิกฤติ F ,  k , N k
1
จะปฏิเสธ H เมื่อ F  F ,  k , N k
0
cal
1
4. คํานวณ
ข้อมูลจากการสังเกตหรือทดลอง

ค่าสังเกต กลุ่มเปรียบเทียบ
1 2 ..……… …..j …….…….k

1 X X
11
12
2 X
1k
i X X
21
22
. X
2k
. . . X .
ij
n . . .
j
. . .
X n1 X
n2
X
nk
รวม T. T. …………T. …………T. T..
j
2
1
k
เฉลี่ย X X ………… X ……… X X
k
j
2
1

ี่
เมื่อ X ค่าสังเกตที่ i ในกลุ่มท j
ij
X  X j e 
ij
ij

151





ค่าสังเกต = ค่าเฉลี่ย + ความแปรผันระหว่างกลุ่ม + ความแปรผัน
ภายในกลุ่ม SS of Total = SS Between Group + SS Within Group

สัญลักษณ์
SST = SSB + SSW


1) C.T. = T.. 2 (Correction Term)
N
k n j 2
2) SST =   X  C.T.
j 1 1 ij

i
T 2
k .j
3) SSB =   C.T.
j 1 n
j
4) SSW = SST – SSB

5. ตารางวิเคราะห์ความแปรปรวน


แหล่งความแปรปรวน Df. SS MS F-ratio

ระหว่างกลุ่ม k-1 SSB SSB MSB
MSB= F 
k  1 cal MSW
ภายในกลุ่ม n-k SSW SSW -
MSW=
N  k
รวม n-1 SST - -

152





6. เปรียบเทียบระหว่างค่าที่เปิดจากตารางและค่าจากการคํานวณ
ถ้า F จากการคํานวณมากกว่าค่า F ที่ได้จากการเปิดตารางจะปฏิเสธ

สมมติฐานหลักหรือ H 0


สําหรับการวิเคราะห์ด้วยโปรแกรมสําเร็จรูป SPSS นั้น เริ่มจากการเปิด

้
แฟมข้อมูล แบบฝึกหัดดรวิชิต ที่เราต้องการวิเคราะห์เปิดไดอะล็อกบ๊อกซ์โดยใช้
คําสั่ง

Analyze/Compare Means/One – Way ANOVA (Analysis of Variance)

หน้าจอจะแสดงกล่องคําสั่งดังรูปที่ 5.11

























รูปที่ 5.11

153





จากรูปที่ 5.11 ให้เราเลือกตัวแปรที่ต้องการเปรียบเทียบมาใส่ใน
Dependent List Box และเลือกตัวแปรที่เป็นกลุ่มที่ต้องการจะเปรียบเทียบ

มาใส่ใน Factor Box สําหรับในตัวอย่างที่เห็นจะเป็นการเปรียบเทียบความ
แตกต่างของรายจ่ายค่าอาหารต่อเดือนจําแนกตามระดับการศึกษา เราจึง

เลือกตัวแปรชื่อ รายจ่ายค่าอาหารต่อเดือน ในช่อง Dependent List และ

เลือกตัวแปรชื่อ “ระดับการศึกษา” ในช่อง Factor
จากนั้นคลิกทคําว่า Option … หน้าจอจะปรากฏรูปดังรูปที่ 5.12 จาก
ี่
รูปที่ 5.12 ให้เลือกเช็คในช่อง Descriptive แล้วคลิกที่คําว่า Continue...

หน้าจอจะกลับไปที่รูปที่ 5.11 ให้คลิกคําว่า OK จะปรากฏผลการวิเคราะห์ใน
Window Output-SPSS Viewer ดังรูปที่ 5.13
























รูปที่ 5.12

154





Descriptives
รายจ่ายค่าอาหารต่อเดอน
ื
N Mean Std. Std. 95% Confidence Minimum Maximum
Deviation Error Interval for Mean

Lower Upper
Bound Bound
ต่ํากว่าปริญญาตรี 45 4,193.33 1,987.944 296.345 3,596.09 4,790.58 1,000 7,890
ปริญญาตรี 30 5,028.33 2,368.096 432.353 4,144.07 5,912.59 1,000 9,800
ปริญญาโท 22 5,759.09 1,805.721 384.981 4,958.48 6,559.70 2,000 9,500
ปริญญาเอก 13 6,384.62 1,971.398 546.767 5,193.31 7,575.92 3,000 8,900
Total 110 4,993.18 2,181.078 207.958 4,581.02 5,405.35 1,000 9,800

รูปที่ 5.13


จากรูป 5.13 พบว่า กลุ่มตัวอย่างที่ใช้ในการศึกษาแบ่งตามระดับ

การศึกษาออกเป็น 4 ระดับ คือ ต่ํากว่าปริญญาตรี ตรี โท และ เอก

โดยมีกลุ่มตัวอย่างต่ํากว่าปริญญาตรีจํานวน 45 (N) มีค่าเฉลี่ย
(Mean) รายจ่ายค่าอาหารต่อเดือน 4,193.33 บาท มีส่วนเบี่ยงเบนมาตรฐาน

(Std.Deviation) เท่ากับ 1,987.944 มีค่าความคลาดเคลื่อนมาตรฐานของ
ค่าเฉลี่ย (Std.Error) เท่ากับ 296.345

จบปริญญาตรีจํานวน 30 น (N) มีค่าเฉลี่ย (Mean) รายจ่าย
ค
ค่าอาหารต่อเดือน 5,028.33 บาท มีส่วนเบี่ยงเบนมาตรฐาน (Std.Deviation)

155





เท่ากับ 2,368.096 คะแนน มีค่าความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ย
(Std.Error) เท่ากับ 432.353

จบปริญญาโทจํานวน 22 (N) มีค่าเฉลี่ย (Mean) รายจ่ายค่าอาหาร
ต่อเดือน 5,759.09 บาท มีส่วนเบี่ยงเบนมาตรฐาน (Std.Deviation) เท่ากับ

1,805.721 มีค่าความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ย (Std.Error) เท่ากับ

384.981
และจบปริญญาเอกจํานวน 13 (N) มีค่าเฉลี่ย (Mean) รายจ่าย

ค่าอาหารต่อเดือน 6,384.62 บาท มีส่วนเบี่ยงเบนมาตรฐาน (Std.Deviation)

เท่ากับ 1,971.398 มีค่าความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ย (Std.Error)
เท่ากับ 546.767



จะเห็นว่าค่าเฉลี่ยรายจ่ายค่าอาหารต่อเดือนของคนทั้ง 4 กลุ่ม ไม่
้
เท่ากันในระดับกลุ่มตัวอย่าง ถ้าเราต้องการอางองถึงระดับประชากรว่าใน
ิ
ระดับประชากรเท่ากันหรือไม่ทําได้โดยการพจารณาจากตาราง ANOVA ซึ่งใน
ิ
ตัวอย่างนี้ การทดสอบจะตั้งสมมติฐาน

H : ค่าเฉลี่ยรายจ่ายค่าอาหารต่อเดือนของประชากรทั้ง 4 กลุ่ม
0
เท่ากัน

H : ประชากรอย่างน้อย 2 กลุ่ม มีค่าเฉลี่ยแตกต่างกัน
1

ผลการทดสอบดังตารางในรูปที่ 5.14

156






ANOVA

รายจ่ายค่าอาหารต่อเดือน

Sum of df Mean Square F Sig.
Squares
Between Groups 66900864.802 3 22300288.267 5.234 .002
Within Groups 451623121.562 106 4260595.486
Total 518523986.364 109




ANOVA


คะแนน
Sum of Mean

Squares df Square F Sig.
Between Groups 60.274 2 30.137 .223 .801

Within Groups 67029.887 495 135.414
Total 67090.161 497

รูปที่ 5.14


จากรูปที่ 5.14 แสดงตารางผลการทดสอบความแตกต่างระหว่าง
ค่าเฉลี่ยของประชากร 4 กลุ่มผลรวมกําลังสองทั้งหมดมีค่าเท่ากับ

157





67090.161 แบ่งเป็นผลรวมกําลังสองระหว่างกลุ่มระดับการศึกษา (ความผัน
แปรที่อธิบายได้) 66900864.802 และภายในกลุ่ม (ความผันแปรที่ไม่สามารถ

ิ
อธิบายได้) 451623121.562 มีองศาอสระทั้งหมดเท่ากับ 109 แบ่งเป็น
ระหว่างกลุ่ม 3 และภายในกลุ่ม 106

การพิจารณาว่าจะยอมรับหรือปฏิเสธ H พจารณาจากค่า P-Value
ิ
0
หรือ Sig. ถ้าค่า P-Value น้อยกว่า  ที่กําหนดไว้ ให้ปฏิเสธ H
0
จากตัวอย่างนี้ ค่า P-Value น้อยกว่า 0.05 จึงปฏิเสธ H
0
สรุปได้ว่าค่าเฉลี่ยรายจ่ายค่าอาหารต่อเดือนของประชากรทั้ง 4 กลุ่ม

อย่างน้อย 2 กลุ่ม มีค่าเฉลี่ยแตกต่างกันทางสถิติระหว่างระดับการศึกษา
เมื่อปฏิเสธ H เราอาจจะต้องวิเคราะห์ต่อไปว่าคู่ใดมีค่าเฉลี่ยแตกต่าง
0
กันโดยการทดสอบทีละคู่ซึ่งมีวิธีการทดสอบอยู่หลายวิธี แต่หากยอมรับ H ก็
0
ไม่ต้องทําในขั้นตอนต่อไป
เปิดไดอะล็อกบ๊อกซ์โดยใช้คําสั่ง

Analyze/Compare Means/ One–Way ANOVA (Analysis of Variance)

เลือกตัวแปร Dependent เลือกตัวแปรที่เป็น Factor แล้วหน้าจอ
จะแสดงกล่องคําสั่งดังรูปที่ 5.15 แล้วให้คลิกที่คําว่า Post Hoc…หน้าจอจะ

ปรากฏรูปที่ 5.16

158
























รูปที่ 5.15

























รูปที่ 5.16

159






จากรูปที่ 5.16 ให้เลือกวิธีการทดสอบแบบใดแบบหนึ่งในเช็คบ๊อกซ์

ทั้ง 12 วิธี แล้วคลิกคําว่า Continue… สมมติว่าเราเลือก LSD จะได้ผลการ
ิ่
วิเคราะห์ใน Window Output ดังรูปที่ 5.13-5.14 และให้อธิบายเพมดัง
ตารางที่ 5.17


Multiple Comparisons
Dependent Variable: รายจ่ายค่าอาหารต่อเดือน

LSD

(I) การศึกษา (J) การศึกษา Mean Std. Error Sig. 95% Confidence Interval
Difference (I-J) Lower Bound Upper Bound
ปริญญาตรี -835.000 486.518 .089 -1,799.57 129.57
*
ต่ํากว่าปริญญาตรี ปริญญาโท -1,565.758 536.976 .004 -2,630.36 -501.15
*
ปริญญาเอก -2,191.282 649.937 .001 -3,479.85 -902.72
ต่ํากว่าปริญญาตรี 835.000 486.518 .089 -129.57 1,799.57
ปริญญาตรี ปริญญาโท -730.758 579.382 .210 -1,879.44 417.92
ปริญญาเอก -1,356.282 685.389 .050 -2,715.13 2.57
*
ต่ํากว่าปริญญาตรี 1,565.758 536.976 .004 501.15 2,630.36
ปริญญาโท ปริญญาตรี 730.758 579.382 .210 -417.92 1,879.44
ปริญญาเอก -625.524 722.081 .388 -2,057.12 806.07
*
ต่ํากว่าปริญญาตรี 2,191.282 649.937 .001 902.72 3,479.85
ปริญญาเอก ปริญญาตรี 1,356.282 685.389 .050 -2.57 2,715.13
ปริญญาโท 625.524 722.081 .388 -806.07 2,057.12

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

160





เมื่อเราทดสอบความแตกต่างทีละคู่โดยใช้ วิธี LSD ได้ผลการ
วิเคราะห์ดังรูปที่ 5.17 จากตารางในรูปที่ 5.17


ชุดที่ 1 บรรทัดที่ 1 เป็นการเปรียบเทียบระหว่างระดับการศึกษาต่ํา

กว่าปริญญาตรี กับกลุ่มระดับการศึกษาปริญญาตรี พบว่า มีค่าเฉลี่ยผลต่าง

เท่ากับ -835.000 ค่าความคลาดเคลื่อนมาตรฐานเท่ากับ 486.518 มีค่า P-

Value หรือ Sig. เท่ากับ .089 ซึ่งถ้าค่า P-Value มากกว่าค่า  ที่กําหนดไว้
ให้สรุปว่าค่าเฉลี่ยของทั้งสองกลุ่มไม่แตกต่างกันทางสถิติที่ระดับนัยสําคัญ

0.05 แต่ถ้าน้อยกว่า 0.05 ให้สรุปว่ามีความแตกต่างกันอย่างมีนัยสําคัญทาง
สถิติ

ดังนั้น ในบรรทัดที่ 1 จึงสรุปได้ว่าค่าเฉลี่ยแตกต่างกันระหว่างกลุ่ม

ระดับการศึกษาต่ํากว่าปริญญาตรี กับกลุ่มระดับการศึกษาปริญญาตรี ไม่
ั
แตกต่างกนทางสถิติที่ระดับนัยสําคัญ .05 สําหรับบรรทัดอื่นๆ ก็พิจารณาโดย
ใช้หลักเกณฑ์เดียวกัน

161





บทที่ 6

การวิเคราะห์การถดถอย
(Regression Analysis)



การวิเคราะห์ถดถอยเป็นวิธีการทางสถิติที่ใช้ในการศึกษาความสัมพนธ์
ั
ิ
ิ
ศึกษาอทธิพลที่ตัวแปรอสระมีต่อตัวแปรตาม หรือต้องการพยากรณ์ตัวแปรตาม
ด้วยตัวแปรอิสระ ซึ่งถ้าใช้ตัวแปรอิสระตัวเดียวพยากรณ์ตัวแปรตามตัวเดียว
เรียกว่า Simple Regression ถ้าใช้ตัวแปรอสระหลายๆ ตัวพยากรณ์ตัวแปรตาม
ิ
ตัวเดียว เรียกว่า Multiple Regression ซึ่งความสัมพนธ์อยู่ในรูปเส้นตรง
ั
(Linear Regression) เส้นไม่เป็นเส้นตรง (Non - Linear Regression) ก็ได้ การ

วิเคราะห์ถดถอยสามารถวิเคราะห์ได้อย่างง่ายๆ โดยใช้โปรแกรมสําเร็จรูป SPSS
for Windows ดังนี้



6.1 การวเคราะห์การถดถอยเชิงเส้นอย่างง่าย และการวเคราะห์การ
ิ
ิ
ถดถอยพหุคูณ

ั
ใช้สําหรับศึกษาความสัมพนธ์ระหว่างตัวแปร 2 ตัว หรือมากกว่าโดย
กําหนดให้ตัวแปรตัวหนึ่งเป็นตัวแปรตามและให้อกตัวแปรหนึ่งหรือมากกว่า
ี
ิ
ิ
เป็นตัวแปรอสระ การวิเคราะห์ถดถอยนี้เป็นการศึกษาอทธิพลของตัวแปร
ื่
อิสระที่มีต่อตัวแปรตาม และยังสามารถสร้างเป็นสมการเพอพยากรณ์ตัวแปร
ี
ตามได้อกด้วย การศึกษาในรูปแบบของการวิเคราะห์ถดถอยนั้นมีโมเดลอยู่

162





มากมายแต่ในที่นี้จะศึกษาเฉพาะโมเดลที่เป็นการถดถอยเชิงเส้นอย่างง่าย
(Linear Regression Analysis) และโมเดลถดถอยเชิงเส้นพหุคูณ (Multiple

Linear Regressions) ซึ่งมีโมเดลดังนี้

y ˆ  b  b 1 x ………………………….(1)
0

y ˆ  b  b 1 x  b 2 x  b 3 x  ...  b k x …………..(2)
k
1
2
3
0
กรณีที่ (1) คือ กรณีที่มีตัวแปรอิสระ 1 ตัว และตัวแปรตาม 1 ตัว
กรณีที่ (2) คือ กรณีที่มีตัวแปรอิสระ 1 ตัว และตัวแปรตาม k ตัว

b = ค่าของ Y เมื่อไม่มีอิทธิพลของ x (เมื่อ x มีค่าเป็น 0)
0
b = อัตราการเปลี่ยนแปลงของ y เมื่อ x ตัวที่ 1 เปลี่ยนไป 1 หน่วย
1

…

b = อัตราการเปลี่ยนแปลงของ y เมื่อ x ตัวที่ k เปลี่ยนไป k หน่วย
k
ค่า b เหล่านี้จะเป็นตัวที่บอกว่า ตัวแปรอสระแต่ละตัวมีอทธิพลต่อ
ิ
ิ
ี
ตัวแปรตามในรูปแบบเชิงเส้นมากน้อยเพยงใด การศึกษาโดยใช้โปรแกรม
สําเร็จรูป SPSS ได้ดังจะกล่าวต่อไปนี้

ตัวอย่าง ตัวอย่างที่ใช้ในการเรียนการสอนนี้ขอใช้ตัวอย่างการศึกษา

ความสัมพนธ์ระหว่างรายได้กับค่าอาหารต่อเดือน ของประชากรกลุ่มหนึ่ง
ั
้
จํานวน 110 คน อยู่ในแฟมข้อมูลที่ชื่อ แบบฝึกหัดดรวิชิต ค่าอาหารต่อเดือน

163





ใช้ชื่อตัวแปรว่า ค่าอาหารต่อเดือน ส่วนรายได้ต่อเดือนตัวแปรชื่อ รายได้ มี
ขั้นตอนการศึกษาดังนี้




การเรียกใช้ค าสั่ง Linear

ขั้นที่ 1 เปิดไดอะล็อกบ๊อกซ์ของ Linear ด้วยเมนูและคําสั่ง ตามลําดับดังนี้


Analyze/Regression/Linear

จะปรากฏไดอะล็อกบ๊อกซ์ของ Linear Regression ดังรูป 6.1
























รูปที่ 6.1

164





ขั้นที่ 2 เลือกตัวแปรที่ต้องการกําหนดให้เป็นตัวแปรตามนําไปไว้ในบ๊อกซ์
ของ Dependent จากตัวอย่างผู้วิจัยเลือกตัวแปร ค่าอาหารต่อเดือน


ิ
ขั้นที่ 3 เลือกตัวแปรที่ต้องการกําหนดให้เป็นตัวแปรอสระ นําไปไว้ในบ๊อกซ์
ของ Independent (s) ซึ่งสามารถเลือกตัวแปรได้มากกว่า 1 ตัว สําหรับการ

พยากรณ์ในรูปแบบของการวิเคราะห์ จากตัวอย่าง ผู้ใช้เลือกตัวแปร รายได้


ขั้นที่ 4 เลือกปุ่ม  OK จะปรากฏผลลัพธ์ในวินโดวส์ Output ดังนี้


Variables Entered/Removed
a
Model Variables Entered Variables Method
Removed

จํานวนรายได้ต่อเดือน . Enter
1
b
a. Dependent Variable: รายจ่ายค่าอาหารต่อเดือน

b. All requested variables entered.


รูปที่ 6.2 a


ิ
ผลการวิเคราะห์ในรูปที่ 6.2 แสดงให้เห็นถึงตัวแปรอสระ
a
(Independent Variable) ที่อยู่ใน Model คือ รายได้และวิธีการวิเคราะห์
ถดถอย คือ Enter (วิธีการวิเคราะห์ของโปรแกรมจะมีหลายวิธีได้แก่

165





Backward Forward Stepwise Remove) ตัวแปรตาม (Dependent
Variable) คือ รายจ่ายค่าอาหารต่อเดือน


Model Summary
Model R R Square Adjusted R Std. Error of

Square the Estimate

1 .663 .439 .434 1,640.783
a
a. Predictors: (Constant), จํานวนรายได้ต่อเดือน
รูปที่ 6.2 b



รูปที่ 6.2 b แสดงค่าสัมประสิทธิ์สหสัมพนธ์ (R) ระหว่างตัวแปร
ั
อสระ “รายได้ต่อเดือน” และตัวแปรตาม “รายจ่ายค่าอาหารต่อเดือน” ซึ่งมี
ิ
ค่าเท่ากับ .663 หมายความว่าตัวแปรทั้งสองมีความสัมพันธ์กันร้อยละ 66.3
a
มีค่าสัมประสิทธิ์การตัดสินใจ (R Square) เท่ากับ .439 หมายความ

ว่า การเปลี่ยนแปลงของ “รายจ่ายค่าอาหารต่อเดือน” ขึ้นอยู่กับ “รายได้ต่อ

เดือน” ร้อยละ 43.9
ส่วนค่า Adjusted R Square เท่ากับ .434 หมายถึง ค่าสัมประสิทธิ์

ิ
การตัดสินใจเมื่อเราขจัดอทธิพลของค่า R Square ที่เกิดจากจํานวนตัวอย่าง
ิ
และจํานวนตัวแปรอสระออกแล้ว (ในกรณีการวิเคราะห์ถดถอยพหุคูณ การ
ิ่
เพมตัวแปรอสระจะทําให้ค่า R Square เพมขึ้นเสมอ) และมีค่าความ
ิ่
ิ
คลาดเคลื่อนมาตรฐานจากการประมาณค่า (Std. Error of the Estimate)

166





เท่ากับ 1,640.783 หน่วย หมายถึง ความคลาดเคลื่อนมาตรฐานที่เกิดจากการ
ใช้โมเดลนี้จะมีค่าเท่ากับ 1,640.783 หน่วย


a
ANOVA
Model Sum of df Mean Square F Sig.
Squares

b
Regression 227769737.954 1 227769737.954 84.605 .000
1 Residual 290754248.410 108 2692168.967
Total 518523986.364 109

a. Dependent Variable: รายจ่ายค่าอาหารต่อเดือน
b. Predictors: (Constant), จํานวนรายได้ต่อเดือน
รูปที่ 6.2 c


รูปที่ 6.2 c แสดงการทดสอบสมมติฐานของโมเดล คือ

H : b = 0 และ
0
1
H : b ไม่เท่ากับ 0
1
1
โดยใช้การทดสอบความแปรปรวน (ANOVA) ซึ่งถ้าค่า P-Value
หรือค่า Sig. น้อยกว่า ที่กําหนด จะปฏิเสธ H หมายถึง ใช้โมเดลการ
0
วิเคราะห์ถดถอยนี้ได้ แต่ถ้าค่า P- Value มากกว่า  ที่กําหนด หมายถึง ไม่
สามารถใช้โมเดลการวิเคราะห์ถดถอยนี้ได้

สรุปง่ายๆ คือ ไม่ให้ใช้การวิเคราะห์ถดถอยเชิงเส้นอย่างง่ายวิเคราะห์
นั่นเองควรใช้สถิติวิธีอนๆ ศึกษา ซึ่งจากตัวอย่าง ค่า P- Value มีค่าน้อยกว่า
ื่

167





0.05 จึงสรุปได้ว่าสามารถใช้โมเดลเชิงเส้นอย่างง่าย y ˆ  b  b 1 xใน
0
การศึกษาความสัมพันธ์และอทธิพลได้
ิ

Coefficients
a
Model Unstandardized Standardized t Sig.

Coefficients Coefficients

B Std. Beta

Error

(Constant) 2185.862 342.966 6.373 .000
1 จํานวนรายได้ .141 .015 .663 9.198 .000

ต่อเดือน

a. Dependent Variable: รายจ่ายค่าอาหารต่อเดือน
รูปที่ 6.2 d



จากรูปที่ 6.2 d เป็นการทดสอบค่าสัมประสิทธิ์ของสมการถดถอยเชิง
เส้นอย่างง่ายทีละตัวว่ามีค่าเท่ากับ 0 หรือไม่โดยใช้สถิติทดสอบ t


จากรูป Model 1 บรรทัด (Constant) มีค่า b เท่ากับ 2185.862
0
หน่วย มีค่า t = 6.373 มีค่า P-Value เท่ากับ 0.000 ซึ่งน้อยกว่า 0.05


สรุปได้ว่าค่าคงที่ไม่เท่ากับ 0

168





บรรทัดที่ 2 ตัวแปรรายได้ มีค่า b เท่ากับ .141 มีค่า t เท่ากับ 9.198
1
มีค่า P-Value เท่ากับ 0.000 ซึ่งมีค่ามากกว่า 0.05 สรุปได้ว่าค่า b ไม่เท่ากับ
1
0 หรืออาจจะสรุปว่ารายได้มีอิทธิพลต่อรายจ่ายค่าอาหารต่อเดือน

สามารถเขียนเป็นสมการพยากรณ์ได้ดังนี้ Y = 2185.862 + .141 X


เมื่อ Y = รายจ่ายค่าอาหารต่อเดือน

X = รายได้ต่อเดือน

ื่
การพยากรณ์นั้นทําได้โดยการกําหนดว่า X ขึ้นมาเพอพยากรณ์ Y
การตีความในสมการถดถอย ได้ดังนี้ คนที่ไม่มรายได้จะมีรายจ่ายค่าอาหารต่อ
ี
เดือนเท่ากับ 2185.862 บาท คนที่มีรายได้ต่อเดือนเพมขึ้น 1 บาท จะมี
ิ่
ค่าอาหารเพิ่มขึ้น .141 บาท

169





6.2 กรณีตัวแปรอิสระมากกว่า 2 ตัว

การเปิดไดอะล็อกบ๊อกซ์ของ Multiple Linear และการสั่งทํา

เหมือนกับ Simple Regression ด้วยเมนูและคําสั่ง ตามลําดับดังนี้

Analyze/Regression/Linear

์
จะปรากฏไดอะล็อกบ๊อกซของ Linear Regression ดังรูปที่ 4.4 เลือกตัวแปร
อิสระและตัวแปรตามดังรูปที่ 6.3























รูปที่ 6.3

170





จากรูปที่ 6.3 เราเลือกตัวแปรตามไปไว้ใน Dependent Box ใน
ิ
ตัวอย่าง คือ แบบฝึกหัดดรวิชิต และเลือกตัวแปรอสระ 4 ตัว คือ รายได้ต่อ
เดือน รายจ่ายอื่นๆต่อเดือน ปัจจัยจูงใจรวม และ อายุ

และ y คือ รายจ่ายค่าอาหารต่อเดือน ไปไว้ใน Independent Box ดัง

รูป จากนั้นให้คลิก Method Enter และคลิกที่คําว่า OK จะได้ผลการ
วิเคราะห์ใน Window Output ดังรูปที่ 6.4



Variables Entered/Removed
a
Model Variables Entered Variables Method

Removed

ปัจจัยจูงใจ, จํานวน . Enter
รายได้ต่อเดือน, อายุ,
1
รายจ่ายอื่นๆต่อเดือน

b

a. Dependent Variable: รายจ่ายค่าอาหารต่อเดือน
b. All requested variables entered.


รูปที่ 6.4 a
ผลการวิเคราะห์ในรูปที่ 6.4 a แสดงให้เห็นถึงตัวแปรอสระ
ิ
(Independent Variable) ที่อยู่ใน Model ได้แก่ รายได้ต่อเดือน รายจ่าย

อื่นๆต่อเดือน ปัจจัยจูงใจรวม และ อายุ

171





วิธีการวิเคราะห์ถดถอย คือ Enter (วิธีการวิเคราะห์ของโปรแกรมจะ
มีหลายวิธี ได้แก่ Backward Forward Stepwise Remove) ตัวแปรตาม

(Dependent Variable) คือ รายจ่ายค่าอาหารต่อเดือน

Model Summary

Model R R Square Adjusted R Std. Error of

Square the Estimate

1 .706 .498 .479 1,573.725
a
a. Predictors: (Constant), ปัจจัยจูงใจ, จํานวนรายได้ต่อเดือน, อายุ,

รายจ่ายอื่นๆต่อเดือน


รูปที่ 6.4 b



รูปที่ 6.4 b แสดงค่าสัมประสิทธิ์สหสัมพนธ์ (R) ระหว่างตัวแปร
ั
อสระทั้ง 4 ตัว ได้แก่ “ปัจจัยจูงใจ, จํานวนรายได้ต่อเดือน, อายุ, รายจ่าย
ิ
อื่นๆต่อเดือน” กับตัวแปรตาม ได้แก่ “รายจ่ายค่าอาหารต่อเดือน”

a
ซึ่งมีค่าเท่ากับ .706 หมายความว่า ตัวแปรอสระทั้งสี่ตัวมี
ิ
ความสัมพันธ์กับค่าอาหารร้อยละ 70.6
มีค่าสัมประสิทธิ์การตัดสินใจ (R Square) เท่ากับ .498 หมายความ
ว่า การเปลี่ยนแปลงของ “รายจ่ายค่าอาหารต่อเดือน” ขึ้นอยู่กับ “ปัจจัยจูง

ใจ, จํานวนรายได้ต่อเดือน, อายุ, รายจ่ายอนๆต่อเดือน” ร้อยละ 49.8 หรือ
ื่

172





ิ
อธิบายว่าตัวแปรอสระทั้ง 4 ตัว สามารถอธิบายการเปลี่ยนแปลงของ
ค่าอาหารได้ร้อยละ 49.8

ส่วนค่า Adjusted R Square เท่ากับ 0.479 หมายถึง ค่า
ิ
สัมประสิทธิ์การตัดสินใจเมื่อเราขจัดอทธิพลของค่า R Square ที่เกิดจาก
จํานวนตัวอย่างและจํานวนตัวแปรอสระออกแล้ว (ในกรณีการวิเคราะห์
ิ
ิ่
ิ
ถดถอยพหุคูณ การเพมตัวแปรอสระจะทําให้ค่า R Square เพมขึ้นเสมอ)
ิ่
และมีค่าความคลาดเคลื่อนมาตรฐานจากการประมาณคา (Std. Error of the
่
Estimate) เท่ากับ 1,573.725 หน่วย หมายถึง ความคลาดเคลื่อนมาตรฐานที่
เกิดจากการใช้โมเดลนี้จะมีค่าเท่ากับ 1,573.725 หน่วย

a
ANOVA
Model Sum of df Mean Square F Sig.
Squares

b
Regression 258479824.742 4 64619956.185 26.092 .000
1 Residual 260044161.622 105 2476611.063

Total 518523986.364 109

a. Dependent Variable: รายจ่ายค่าอาหารต่อเดือน

b. Predictors: (Constant), ปัจจัยจูงใจ, จํานวนรายได้ต่อเดือน, อายุ,
รายจ่ายอื่นๆต่อเดือน


รูปที่ 6.4 c

173






รูปที่ 6.4 c แสดงการทดสอบสมมติฐานของโมเดล คือ

H : b = b = b = b = 0 และ
2
0
1
3
4
H : มีบางค่าที่ไม่เท่ากับ 0
1
โดยใช้การทดสอบความแปรปรวน (ANOVA) ซึ่งถ้าค่า P-Value หรือ
ค่า Sig. น้อยกว่า ที่กําหนด จะปฏิเสธ H หมายถึง ใช้โมเดลการวิเคราะห์
0
ถดถอยนี้ได้ แต่ถ้าค่า P-Value มากกว่า ที่กําหนดหมายถึงไม่สามารถใช้
โมเดลการวิเคราะห์ถดถอยนี้ได้

สรุปง่ายๆ คือ ไม่ให้ใช้การวิเคราะห์ถดถอยเชิงเส้นอย่างง่ายวิเคราะห์
ื่
นั่นเองควรใช้สถิติวิธีอนๆ ศึกษา ซึ่งจากตัวอย่าง ค่า P-Value มีค่าน้อยกว่า
0.05 จึงสรุปได้ว่าสามารถใช้โมเดลเชิงเส้นอย่างง่าย


y  b  1 x b 1  b 2 x  3 x b 3  b 4 x
ˆ
4
2
0

ในการศึกษาความสัมพันธ์และอิทธิพลได้

174





Coefficients
a
Model Unstandardized Standardized t Sig.
Coefficients Coefficients

B Std. Beta

Error
(Constant) 1428.130 816.306 1.750 .083

จํานวนรายได้ .055 .031 .259 1.796 .075

1 รายจ่ายอื่นๆ .165 .051 .462 3.211 .002

อายุ -.110 12.577 -.001 -.009 .993

ปัจจัยจูงใจ 218.598 170.144 .089 1.285 .202

a. Dependent Variable: รายจ่ายค่าอาหารต่อเดือน

รูปที่ 6.4 d
จากรูปที่ 6.4 d เป็นการทดสอบค่าสัมประสิทธิ์ของสมการถดถอยเชิง

เส้นอย่างง่ายทีละตัวว่ามีค่าเท่ากับ 0 หรือไม่โดยใช้สถิติทดสอบ t

จากรูป Model 1 บรรทัด (Constant) มีค่า b เท่ากับ 1428.130
0
หน่วย มีค่า t = 1.750 มีค่า P-Value เท่ากับ .083 ซึ่งมากกว่า 0.05

สรุปได้ว่าค่าคงที่เท่ากับ 0

บรรทัดที่ 2 ตัวแปร รายได้ มีค่า b เท่ากับ .165 มีค่า t เท่ากับ 1.796
1
มีค่า P-Value เท่ากับ .075 ซึ่งมีค่ามากกว่า 0.05

175





สรุปได้ว่าค่า b เท่ากับ 0
1
ื่
บรรทัดที่ 3 ตัวแปรรายจ่ายอนๆ ค่า b มีค่าเท่ากับ .190 มีค่า t =
2
3.211 ค่า P-Value เท่ากับ .002 ซึ่งมีค่าน้อยกว่า 0.05

สรุปได้ว่าค่า b มีค่าไม่เท่ากับ 0
2
บรรทัดที่ 4 ตัวแปรอายุ ค่า b มีค่าเท่ากับ -.110 มีค่า t = -.009 ค่า
3
P-Value เท่ากับ .993

สรุปได้ว่าค่า b มีค่าเท่ากับ 0
3

และบรรทัดที่ 5 ตัวแปร ปัจจัยจูงใจ ค่า b มีค่าเท่ากับ 218.598 มี
4
ค่า t = 1.285 ค่า P-Value เท่ากับ .202


สรุปได้ว่าค่า b มีค่าเท่ากับ 0 หรืออาจจะสรุปว่าค่าใช้จ่ายอนๆ มี
ื่
4
อทธิพลต่อค่าอาหาร ส่วนรายได้ อายุ และปัจจัยจูงใจ ไม่มีอทธิพลต่อ
ิ
ิ
ค่าอาหาร

176





การก าหนดรายละเอียดเพิ่มเติม

ื่
ส่วนอนๆ ใน Dialog Box ของ Linear Regression สามารถเลือกใช้ได้
ตามวัตถุประสงค์ที่แตกต่างกัน ดังนี้

Block 1 of 1

ใช้กําหนดลําดับของตัวแปรอสระ หรือกลุ่มตัวแปรอิสระ ที่จะเข้าไปใน
ิ
สมการพยากรณ์ โดยเลือกตัวแปรหรือกลุ่มตัวแปร เข้าไปไว้ในบ๊อกซ์ของ

Independent และเลือกปุ่ม Next ทําเช่นนี้จนครบตามขั้นตอนที่ต้องการ
และถ้าต้องการเปลี่ยนแปลงแก้ไขตัวแปรในขั้นตอนที่เลือกผ่านไปแล้ว ให้

เลือกปุ่ม Previous

177





Method

ใช้เลือกวิธีการวิเคราะห์การถดถอย โดยมี ดร็อป-ดาวน์-ลิส ให้

ความหมายที่แตกต่างกันดังนี้

































Enter สําหรับกําหนดให้นําตัวแปรอสระทั้งหมด ที่ถูกเลือกไปใช้
ิ
วิเคราะห์ ในสมการพยากรณ์ทั้งหมดพร้อมๆ กัน

ิ
Remove สําหรับกําหนดให้นําตัวแปรอสระที่ถูกเลือกออกจากการ
วิเคราะห์ของสมการพยากรณ์ หลังจากนําไปใช้วิเคราะห์แล้ว

178





ิ
Stepwise สําหรับกําหนดให้มีการคัดเลือกตัวแปรอสระ โดยวิธีของ
Stepwise Regression


ิ
Backward สําหรับกําหนดให้มีการคัดเลือกตัวแปรอสระ โดยวิธีของ
Backward Elimination


Forward สําหรับกําหนดให้มีการคัดเลือกตัวแปรอสระ โดยวิธีของ
ิ
Forward Selection


WLS>>

ใช้กําหนดตัวแปรประเภทถ่วงน้ําหนัก สําหรับใช้ในการวิเคราะห์

Weighted Least Square

179





Statistics…

ใช้สั่งให้โปรแกรมแสดงค่าสถิติเพิ่มเติม โดยแบ่งเป็น 2 ส่วน ดังนี้
































Regression Coefficients

 Estimates ให้แสดงค่าสัมประสิทธิ์การถดถอยและ

ค่าสถิติอื่นๆ ที่เกี่ยวข้อง

่
 Confidence intervals ให้แสดงช่วงของการประมาณคา 95% ของ
ค่าสัมประสิทธิ์ การถดถอยในรูปคะแนน

มาตรฐาน

180







ค่าสถิติอื่นๆ ที่ผู้ใช้สามารถเลือกได้จากเช็คบ๊อกซ์ต่างๆ ดังนี้

 Descriptive ให้แสดงค่าสถิติเบื้องต้นของตัวแปร

ทั้งหมด โดยแสดงค่าสถิติ ต่อไปนี้ ค่าเฉลี่ย, ค่าส่วนเบี่ยงเบนมาตรฐาน, ค่า

ั
เมตริกของสัมประสิทธิ์ สหสัมพนธ์ พร้อมกับค่าความน่าจะเป็นสําหรับ
ทดสอบระดับความสัมพันธ์


 Model fit ให้แสดงค่า R, R Square และตารางการวิเคราะห์ความ
แปรปรวนสําหรับทดสอบความมีนัยสําคัญของตัวแปรอิสระ


 Block summary ให้แสดงค่าเช่นเดียวกันกับ Mode Fit ในแต่ละ
ขั้นตอนของการ คัดเลือกตัวแปรโดยวิธี Forward Backward และ

Stepwise

 Durban-Watson ให้แสดงค่าสถิติ Durban–Watson สําหรับการ

ทดสอบเกี่ยวกับการ วิเคราะห์ข้อมูลความคลาดเคลื่อน (Residuals)

 Collinearity diagnostics ให้แสดงค่า Tolerance ของตัวแปรแต่ละ

ตั ว Eigen Values, Condition Indices, Variance-Decomposition
Proportion.

181





Plots…

ใช้สั่งให้โปรแกรมแสดงกราฟแบบ 2 แกน (Scatter Plots) โดยเลือก

ตัวแปรที่โปรแกรมกําหนดให้ ซึ่งโปรแกรมคัดเลือกมาและสร้างให้ใหม่มาไว้
ใช้แกนหรือ แกน Y ตามต้องการ การสร้างกราฟจะใช้ค่าของตัวข้อมูลใน

รูปคะแนนมาตรฐาน ตัวแปรที่ผู้ใช้สามารถเลือกได้ตามที่ปรากฏ


























มีความหมายต่อไปนี้

DEPENDENT ตัวแปรที่ถูกกําหนดให้เป็นตัวแปรตาม


*ZPRED ตัวแปรที่มีค่าเป็นค่าพยากรณ์ในรูปคะแนน
มาตรฐาน (Standardized Predicted Values)

182





*ZERSID ตัวแปรที่มีค่าเป็นค่าความคลาดเคลื่อนที่เกิดจาก
การพยากรณ์ในรูปคะแนนมาตรฐาน (Standardized Residuals)


*DRESID ตัวแปรที่มีค่าเป็นค่าความคลาดเคลื่อนที่เกิดจาก
การพยากรณ์และมีการปรับค่าที่ถูกตัดออกไป


*ADJPRED ตัวแปรที่มีค่าเป็นค่าพยากรณ์ และมีการปรับค่าที่
ถูกตัดออกไป


*SRESID ตัวแปรที่มีค่าเช่นเดียวกันกับ ZPRED แต่เป็นรูป
คะแนนมาตรฐานของ Student’s


*SDRESID ตัวแปรที่มีค่าเช่นเดียวกันกับ DRESID แต่อยู่ในรูป
คะแนนมาตรฐานของ Student’s


ส่วนอื่นๆ ของไดอะล็อกบ๊อกซ์ของ Plot มีความหมายต่อไปนี้

 Produce All Partial Plots ให้แสดงกราฟแบบ 2 แกน ระหว่าง

ค่าความคลาดเคลื่อนของการพยากรณ์ (Residual) กับค่าตัวแปรตามและตัว
ิ
แปรอสระ ทั้งหมดที่เป็นไปได้ การสั่งให้แสดงกราฟต่างๆ ของค่าความ
คลาดเคลื่อนในรูปคะแนนมาตรฐานของต่อไปนี้

ิ
 Histogram ให้แสดงฮตโตแกรมของความคลาดเคลื่อนพร้อมกับ
โค้งของความถ ี่

 Normal Probability Plot ให้แสดงกราฟความน่าจะเป็น

เปรียบเทียบระหว่างการแจกแจงของความคลาดเคลื่อนกับการแจกแจงปกติ

183





Save…

ให้โปรแกรมบันทึกตัวแปรใหม่ที่โปรแกรมสร้างขึ้นมาจากสมการ

พยากรณ์ไว้ในไฟล์ข้อมูลใช้งาน

184





ุ
(Active Data File) โดยสำมำรถจ ำแนกได้ 5 กล่ม ดังน้ ี
Predicted Values ตัวแปรที่มีค่ามาจากค่าพยากรณ์ มีทั้งหมด 4 ตัวแปร

ดังนี้

 Unstandardized ตัวแปรที่มีค่ามาจากค่าพยากรณ์ (Pre_1)


 Standardized ตัวแปรที่มีค่ามาจากค่าพยากรณ์ ในรูปคะแนน

มาตรฐาน (Spr_1)

 Adjusted ตัวแปรที่มีค่ามาจากค่าพยากรณ์


 S.E. of mean pred value ตัวแปรที่มีค่ามาจากค่าส่วนเบี่ยงเบน

มาตรฐานของค่าเฉลี่ยของค่าพยากรณ์



Distances ตัวแปรที่สร้างมาจากค่าระยะห่าง (Distant) ต่างๆ มี 3 ประเภท

ดังนี้


 Mahalanobis ตัวแปรที่มีค่ามาจากค่า Mahalanobis Distance
(Mah_1)


 Cook’s ตัวแปรที่มีค่ามาจากค่า Cook’s Distance

(Coo_1)

185





 Leverage values ตัวแปรที่มีค่ามาจากค่า Leverage Value (Lev_1)



Prediction intervals ตัวแปรที่สร้างมาจากช่วงของการประมาณค่าตัวแปร

พยากรณ์ที่ระดับช่วงต่างๆ (Confidence Interval) มี 2 ประเภท 4 ตัวแปร
ดังนี้ พยากรณ์ (Lmci_1, Umci_1)




ตัวแปรทั้ง 2 ประเภท ผู้ใช้สามารถเลือกกําหนดระดับช่วงของความ

เชื่อมั่น ได้จาก Confidence Interval 95% (ปกติโปรแกรมกําหนดไว้ 95%)


่
Residuals ตัวแปรที่สร้างมาจากคาความคลาดเคลื่อน (Residual) ที่เกิดจาก
การใช้ค่าที่ได้จากสมการถดถอยพยากรณ์ ตัวแปรตาม มีทั้งหมด 5 ประเภท

ดังต่อไปนี้



 Unstandardized ตัวแปรที่มีค่ามาจาก ค่าความคลาดเคลื่อนของการ
พยากรณ์ (Res_1)

 Standardized ตัวแปรที่มีค่ามาจาก ค่าความคลาดเคลื่อนของการ

พยากรณ์ในรูปคะแนนมาตรฐาน Z (Zre_1)

่
่
 Studentized ตัวแปรที่มีคามาจากคาความคาดเคลื่อนของการพยากรณ์ใน
รูปคะแนนมาตรฐาน T (Sre_1)

186





 Deleted ตัวแปรที่มีค่ามาจากค่าความคลาดเคลื่อนของการพยากรณ์

เมื่อมีการปรับ ค่าที่ถูกตัดไป เช่น ค่าไม่สมบูรณ์ (Dre_1)
 Studentized Deletd ตัวแปรที่มีค่าเช่นเดียวกันกับ Deleted

แต่อยู่ในรูปคะแนนมาตรฐาน T (Sdv_1)


Influence Statistics ตัวแปรที่สร้างมาจากสมการถดถอย โดยคํานวณค่า

สัมประสิทธิ์การถดถอย (Regression Coefficients) ใหม่

 Df Beta (S) ตัวแปรที่มีค่าเป็นค่าสัมประสิทธิ์การถดถอยใหม่ (ใหม่
ิ
สําหรับข้อมูลชุดนั้น (ซึ่งจะมีจํานวนตัวแปรเท่ากับจํานวนตัวแปรอสระ+1)
เพราะจะมีตัวแปรสําหรับค่าคงที่ 1 ตัวแปร) โดยค่าของตัวแปรใหม่นี้จะเป็นค่า

ิ
สัมประสิทธิ์ของตัวแปรอสระแต่ละตัวที่คํานวณมาจากสมการ โดยตัดข้อมูล
ชุดนั้นออก

 Standardized Df Veta (s) ตัวแปรที่มีค่าทํานองเดียวกันกับตัวแปร

ของ Df Beta (s) แต่อยู่ในรูปของคะแนนมาตรฐาน

 Df Ffit ตัวแปรที่มีค่าเป็นค่าพยากรณ์ โดยใช้ค่าสัมประสิทธิ์ Df

Beta (s)
 Standardized Df Fit ตัวแปรที่มีค่าพยากรณ์เช่นเดียวกันกับ Df

Ffit แต่อยู่ในรูปคะแนนมาตรฐาน

 Covariance Ratio ตัวแปรที่มีค่ามาจากสัดส่วนของค่าดีเทอร์มิเนนท์ข

อง Covariance Matrix

187





Options…

ใช้เลือกเกณฑ์ หรือระดับนัยสําคัญ () ที่จะคัดเลือกตัวแปร เข้า หรือ
ออกจากสมการรวมทั้งการจัดการเกี่ยวกับค่าไม่สมบูรณ์























รูปแบบของสมการดังนี้


Stepping Method Criteria ใช้กําหนดเกณฑ์ที่จะใช้คัดเลือกตัว
แปรเข้าหรือออกจากสมการ ซึ่งจะมีผลสําหรับผู้ที่เลือกใช้ Drop-Down-List

ื่
เพอเลือกวิธีการคัดเลือกตัวแปร 3 วิธี Forward Backward และ Stepwise
โดยมีทางเลือก 2 ทาง ดังนี้

 Used Probability of F สําหรับกําหนดระดับนัยสําคัญ () ที่จะ

คัดเลือกตัวแปรเข้าในสมการ (Entry) และคัดเลือกตัวแปรออกจากสมการ
(Removal)

188





 Use F Value สําหรับกําหนดค่าสถิติ F แทนระดับนัยสําคัญ




Include Constant in Equation

ใช้กําหนดรูปแบบ (Model) ให้สมการพยากรณ์ให้รวมค่าคงที่เข้าไปใน

รูประบบด้วย

Missing Values

ใช้เลือกการจัดการเกี่ยวกับค่าไม่สมบูรณ์ (Missing Data) ของข้อมูล

โดยมี 3 ทางเลือก ดังนี้

 Exclude Case Listwise ให้ตัดชุดข้อมูลที่มีค่าของตัวแปรใดตัว

แปรหนึ่งในรูปแบบของสมการ เป็นค่าไม่สมบูรณ์ออกจากการวิเคราะห์

ั
 Exclude Case Pairwise ใช้คํานวณค่าสัมประสิทธิ์สหสัมพนธ์
ของ 2 ตัวแปรคู่ใดๆ ให้ตัดชุดข้อมูลที่มี 2 ตัวแปร คู่นั้นๆ เป็นค่าไม่สมบูรณ์

ออกจากกันด้วย

 Replace with Mean ให้แทนค่าไม่สมบูรณ์ของตัวแปรใดๆ ด้วย

ค่าเฉลี่ยของตัวแปรนั้นๆ

189





บทที่ 7

ความเที่ยงตรงและความเชื่อมั่น
(Validity and Reliability)



ในการทําวิจัยเชิงปริมาณผู้วิจัยต้องมีเครื่องมือในการเก็บและ

รวบรวมข้อมูล เครื่องมือที่ใช้กันโดยทั่วไป คือ แบบสอบถาม แบบทดสอบ
แบบวัดความถนัด ในขั้นตอนหนึ่งของการสร้างเครื่องมือนั้นผู้วิจัยต้องมีการ

ทดสอบคุณภาพของเครื่องมือ โดยการหาความเที่ยงตรง และความเชื่อมั่น

ของเครื่องมือนั้น ซึ่งสามารถหาได้โดยใช้คําสั่ง Reliability


7.1 ความเที่ยงตรง (Validity)
ความเที่ยงตรงมี 3 ประเภท คือ ความเที่ยงตรงตามเนื้อหา ความ

เที่ยงตรงตามโครงสร้าง ความเที่ยงตรงในด้านเกณฑ์ที่เกี่ยวข้อง นั่น

หมายความว่า แบบสอบถามที่ผู้วิจัยสร้างขึ้นต้องสามารถวัดได้ตรงประเด็นที่
ต้องการวัด สอดคล้องกับวัตถุประสงค์ สมมติฐาน คําถามงานวิจัยที่ตั้งขึ้น

เปรียบเหมือนกับเราจะไม่นําตาชั่งไปวัดส่วนสูง หรือถ้าเราต้องการสํารวจ

ั
ความต้องการของผู้ใช้แรงงานเราไม่ควรใช้แบบสอบถามเป็นภาษาองกฤษ
หรือใช้ภาษาทางวิชาการมากจนเกินไป เป็นต้น การวัดความเที่ยงตรงทําได้

โดยอาศัยผู้เชี่ยวชาญเป็นผู้วิเคราะห์

190





7.2 ความเชื่อมั่น (Reliability)


หมายความว่าแบบสอบถามนั้น เมื่อใช้สอบถามแล้วผลที่ได้
เหมือนกันทุกๆ ครั้งที่ใช้สอบถามหรือไม่ หากเหมือนกันหรือได้ผลคล้ายๆ กัน

ั
มากก็มีความเชื่อมั่นมาก หากผลที่ได้ต่างกันหรือไม่สอดคล้องกนเลยก็มีความ
เชื่อถือไม่ได้ ข้อแบบสอบถามที่ดีใช้สอบถามกี่ครั้งต้องได้ผลเหมือนกัน หรือ
ใกล้เคียงกันเสมอ ความเชื่อมั่นได้อาจจะแยกได้เป็น 3 ชนิด คือ



1) ความเชื่อถือมั่นเชิงความคงตัว (Reliability of Stability)
2) ความเชื่อมั่นคล้ายกัน (Reliability of Equivalence) และ

3) ความเชื่อมั่นเชิงความคงที่ภายใน (Reliability of Internal

Consistency)


ความเชื่อมั่นแต่ละชนิดมีวิธีการหาความแตกต่างกัน รวมทั้งมี
ข้อจํากัดที่แตกต่างกันด้วย ก่อนใช้จึงต้องพิจารณาถึงข้อจํากัดต่างๆ ให้ดี

สําหรับค่าความเชื่อมั่นที่ใช้ในการวิเคราะห์ค่าความเชื่อมั่นของ
แบบสอบถามทั้งชุดที่ใช้กันอย่างแพร่หลายมีให้เลือกใช้ในโปรแกรม SPSS คือ

สูตร Coefficient Alpha การหาค่าความเชื่อมั่นโดยใช้สูตร Coefficient

Alpha นี้จะให้ค่าใกล้เคียงกับสูตร KR 20 แต่สามารถใช้ได้อย่างกว้างขวาง
กว่าสูตร KR 20 นั้น ใช้ได้เฉพาะกรณีที่ตอบถูกให้ 1 ตอบผิดให้ 0 เท่านั้น

191





ถ้าแต่ละข้อให้คะแนนถูกไม่เท่ากันจะใช้สูตรนี้ไม่ได้แต่ใช้สูตร
Coefficient Alpha ได้ ฉะนั้น การหาค่าความเชื่อมั่นได้ด้วยสูตร

Coefficient Alpha


ั
จึงใช้หาค่าความเชื่อมั่นทั้งข้อสอบปรนัยและอตนัย รวมทั้งแบบวัด
เจตคติ ซึ่งมีน้ําหนักของคะแนนต่างกันได้ด้วยสูตรที่ใช้ คือ


 S 2 
 
r   k  1  i 

k 1  S t 2 




เมื่อ r = ค่าความเชื่อมั่น

k = จํานวนข้อของแบบสอบถาม

S = ความแปรปรวนของข้อที่ i
2
i
S = ความแปรปรวนคะแนนรวมทั้งฉบับ
2
i

192





7.3 การหาค่าความเชื่อมั่นโดยใช้โปรแกรมส าเร็จรูป SPSS
การหาค่าความเชื่อมั่นของแบบสอบถามทั่วๆ ไปทําได้โดยการ

ทดลองเก็บข้อมูล โดยแบบสอบถามที่ผู้วิจัยสร้างขึ้นมาจํานวน 30 ชุด แล้ว
้
นํามาลงรหัสสร้างเป็นแฟมข้อมูลแต่ในที่นี้ให้ลองวิเคราะห์โดยใช้ แฟมข้อมูล
้
แบบฝึกหัดดรวิชิต และเลือกแบบสอบถาม ตอนที่ 2 ปัจจัยจูงใจในการเลือก

ซื้อสินค้า
ระดับความคิดเห็น

รายละเอียด น้อย น้อย ป า น มาก มาก
ที่สุด กลาง ที่สุด
1. ในการเลือกซื้อสินค้าชนิดเดียวกันท่าน

พิจารณาจากราคาของสินค้า
2. บรรจุภัณฑ์ของสินค้ามีส่วนจูงใจในการ
เลือกซื้อสินค้า

3. ในการเลือกซื้อสินค้าการส่งเสริมการขายมี
ส่วนช่วยในการตัดสินใจซื้อสินค้า
่
4. ความสะดวกของสถานที่ หาซื้องาย ไม่ไกล
จากที่อยู่มีผลต่อการตัดสินใจซื้อสินค้า
5. การโฆษณามีส่วนช่วยให้ข้อมูลประกอบการ
ตัดสินใจซื้อสินค้า


ในที่นี้ให้ลองใช้ข้อมูลทั้ง 110 ข้อมูล

193









































รูปที่ 7.1

จากนั้นใช้คําสั่ง

Analyze/Scale/Reliability Analysis
จะได้รูปดังรูปที่ 7.2

194




























รูปที่ 7.2



จากรูปที่ 7.2 ให้เลือก Item ที่จะวิเคราะห์หาค่าความเชื่อมั่นซึ่งต้อง
เป็นคําถามเกี่ยวกับความคิดเห็น ทัศนคติ หรือในเนื้อหาของงานวิจัยที่เรา

ต้องการจะทํา ไม่ควรหาค่าความเชื่อมั่นของตัวแปรคุณลักษณะหรือลักษณะ
ทางประชากร การวิเคราะห์ค่าความเชื่อมั่นอาจวิเคราะห์ทีละชุดของตัวแปร

และวิเคราะห์ในภาพรวมของแบบสอบถามทั้งฉบับก็ได้ จากรูปเราเลือกตัว

แปร F1 ถึง F5
จากนั้นคลิกที่ลูกศร เลือก Model ซึ่งจะมีให้เลือก 4 Model คือ

Alpha Split-Half Guttman และ Pararel ให้เลือก Alpha ดังรูปที่ 7.3
ต่อจากนั้นเลือก Statistics… จะได้ดังรูปที่ 7.4

195






























รูปที่ 7.3


ื่
คําสั่ง Model การใช้คําสั่งรอง Model เพอกําหนดตัวแบบเทคนิควิธี
ในการคํานวณค่าสัมประสิทธิ์มีดังนี้
ALPHA กําหนดให้ใช้ตัวแบบเทคนิควิธีอลฟาของ Cronbach ถ้าไม่
ั
เลือกโปรแกรมจะเลือกวิธีนี้ ให้สําหรับการวิเคราะห์ความ
เชื่อมั่น

SPLIT กําหนดให้ใช้ตัวแบบเทคนิคแบบวิธีแบ่งครึ่งแบบทดสอบ

ตามปกติจะแบ่งแบบครึ่งแรก และครึ่งหลัง

196





GUTTMAN กําหนดให้ใช้ตัวแบบเทคนิคแบบแบ่งแบบสอบถามเป็น
ข้อคี่และข้อคู่ วิธีนี้หาค่าความเชื่อมั่นของข้อสอบทั้งฉบับได้

เลยโดยไม่ต้องนําไปหาค่าสัมประสิทธิ์สหสัมพันธ์ก่อน
PARALLEL กําหนดให้ใช้ตัวแบบแบบคู่ขนานหรือสลับฟอร์ม

(Maximum Likelihood Reliability Estimate under

Parallel) วิธีนี้จะตั้งสมมติฐานว่าข้อสอบแต่ละข้อมีความ
แปรปรวนอย่างเดียวกันโดยค่าเฉลี่ยไม่จําเป็นต้องเท่ากัน




















รูปที่ 7.4

จากรูปที่ 7.4 ให้เลือกที่เช็คบล็อก Item Scale Scale if Item
Deleted คลิก Continue คลิก OK จะได้ดังรูปที่ 7.5

197





ค าสั่งรอง STATISTICS


Descriptive กําหนดให้แสดงค่าสถิติพรรณนาของแต่ละตัวแปร ได้แก่
ค่าเฉลี่ย และส่วนเบี่ยงเบนมาตรฐาน

Covariance กําหนดให้แสดงเมตริกซ์ความแปรปรวนระหว่างตัวแปร

ั
Correlations กําหนดให้แสดงเมตริกซ์ค่าสัมประสิทธิ์สหสัมพนธ์ระหว่าง
ตัวแปร

Scale กําหนดให้แสดงสเกลของค่าเฉลี่ยและความแปรปรวน

Tukey กําหนดให้ใช้สถิติทดสอบการเพิ่มขึ้นของ Tukey
Hotel กําหนดให้ทดสอบความเท่ากันของค่าเฉลี่ยระหว่างข้อสอบ

แต่ละข้อโดยวิธีHotelling’s T Square

ANOVA กําหนดให้วิเคราะห์ความแปรปรวนแบบทดสอบซ้ํา
Friedman กําหนดให้แสดงค่าไคสแควร์ของฟรีดแมนและค่า

สัมประสิทธิ์ความสอดคล้องเคนดอล (Freedman’s Chi-Square and
Kendell’ Coefficient of Concordance) ซึ่งใช้กับข้อมูลเชิงอนดับ ซึ่งต้อง
ั
มีการระบุ ANOVA ด้วย
Cochran กําหนดให้แสดงค่าสถิติ Q ของโคชแรน เมื่อข้อมูลเป็นแบบ

ทวิซึ่งต้องมีการระบุ ANOVA ด้วย

198





ผลการวิเคราะห์ความเชื่อมั่นด้วยโมเดล Alpha Reliability

Item Statistics

Mean Std. Deviation N

ราคา F1 4.16 1.146 110
บรรจุภัณฑ F2 4.04 1.125 110
์
การส่งเสริมการขาย F3 2.74 1.246 110

สถานที่ F4 3.49 1.297 110
การโฆษณา F5 3.55 1.216 110


เป็นค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน ราย Item และจํานวนชุดของ
ข้อมูลที่วิเคราะห์ เช่น

ตัวแปร F1 มีค่าเฉลี่ยเท่ากับ 4.16 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ

1.146 จํานวนตัวอย่างเท่ากับ 110

Scale Statistics

Mean Variance Std. Deviation N of Items

17.97 19.880 4.459 5

เป็นค่าเฉลี่ย ความแปรปรวน ส่วนเบี่ยงเบนมาตรฐาน ของผลรวมทั้ง
5 Item วิเคราะห์ นั่นคือ ค่าเฉลี่ยของผลรวม 5 Item เท่ากับ 17.97 ความ

แปรปรวนของผลรวมเท่ากับ 19.880 ส่วนเบี่ยงเบนมาตรฐานเท่ากับ 4.459

199





Item-Total Statistics
Scale Scale Corrected Cronbach's

Mean if Variance if Item-Total Alpha if
Item Item Correlation Item
Deleted Deleted Deleted

ราคา F1 13.81 13.183 .647 .728
บรรจุภัณฑ์ F2 13.94 12.904 .707 .710
การส่งเสริมการขาย F3 15.24 16.145 .218 .859

ี่
สถานท F4 14.48 11.885 .706 .704
การโฆษณา F5 14.43 12.816 .641 .728


Scale Mean if Item Deleted คือ ค่าเฉลี่ยของตัวแปร F1 ถึง F5 เมื่อ
ตัดตัวแปรที่อยู่ในบรรทัดนั้นออก แล้วนําตัวแปร 4 ตัวที่เหลือมาหาค่าเฉลี่ย

อีกครั้งหนึ่ง
Scale Variance if Item Deleted คือ การหาค่าเฉลี่ยของความ

แปรปรวน F1 ถึง F5 เมื่อตัดตัวแปรในบรรทัดนั้นออก

ั
Corrected Item-Total Correlation คือ การนําค่าสหสัมพนธ์ของตัว
แปรแต่ละบรรทัดกับผลรวมของตัวแปรทั้งหมดที่เหลือ คือ ค่าความสัมพนธ์
ั
ระหว่าง F1 และผลรวมของ F2 ถึงF5

ั
Cronbach's Alpha if Item Deleted เป็นการคํานวณค่าสหสัมพนธ์
พหุคูณแล้วยกกําลังสองของ ตัวแปรในบรรทัดนั้นกับตัวแปรที่เหลือ