สถิติพื้นฐานที่ใช้ในงานวิจัย

สถิติมี 2 ประเภท คือ

1. สถิติพรรณนา (Descriptive statistics) เป็นสถิติที่ใช้ในการสรุปข้อมูลที่ได้มาจากกลุ่มตัวอย่าง โดยไม่มีการอ้างอิงไปยังประชากร แต่เป็นการบรรยายลักษณะข้อมูลเท่านั้น เช่น การแจกแจงความถี่ (frequency distribution) การวัดแนวโน้มเข้าสู้ส่วนกลาง การวัดการกระจายของข้อมูล ฯลฯ การนำเสนอผลการวิเคราะห์ข้อมูลพรรณนาจะอยู่ในรูปตาราง (table) และแผนภูมิ (Chart) ชนิดต่างๆ

2. สถิติอ้างอิง (Inferential statistics) หรือสถิติอนุมาน เป็นสถิติที่ใช้เพื่อนำผลสรุปที่คำนวณได้จากการสุ่มตัวอย่าง ไปอธิบายหรือสรุปลักษณะของประชากรทั้งหมด วิธีที่ใช้ในการสรุปอ้างอิงไปยังกลุ่มประชากรนั้น คือ การประมาณค่า (Estimation) และการทดสอบสมมติฐาน (Hypothesis testing) การวิเคราะห์ความแปรปรวน (analysis of variance) การวิเคราะห์ความถดถอยและสหสัมพันธ์ (regression and correlation analysis)

สถิติอ้างอิงจำแนกเป็น 2 ชนิดคือ

แบบอ้างอิงพารามิเตอร์ (Parametric statistics) (ทดสอบสมมุติฐานโดยใช้สถิติ t-test, z-test, ANOVA, regression analysis ตัวแปรที่ต้องการวัดเป็น interval scale กลุ่มตัวอย่างจะต้องมีการแจกแจงเป็นโค้งปกติ กลุ่มประชากรจะต้องมีความแปรปรวนเท่ากัน)

และแบบไม่อ้างอิงพารามิเตอร์ (Nonparametric statistics) (ใช้สถิติ chi-square, medium test, sign test กลุ่มตัวอย่างเป็น free distribution เป็นกลุ่มตัวอย่างขนาดเล็ก ไม่ทราบลักษณะการแจกแจงของประชากรที่สนใจจะศึกษา)

พารามิเตอร์ หมายถึง ค่าที่ใช้อธิบายคุณลักษณะประชากร (Population) เช่น ค่าเฉลี่ยของประชากร (population mean)

ค่าสถิติ หมายถึง ค่าที่ได้จากตัวอย่าง (sample) เช่น ค่าเฉลี่ยของตัวอย่าง (sample mean)

ลักษณะข้อมูลที่ใช้ในงานวิจัย

– ข้อมูลเชิงปริมาณ แบ่งเป็นข้อมูลต่อเนื่อง (continuous data) คือค่าที่มีจุดทศนิยมได้ และข้อมูลไม่ต่อเนื่อง (discrete data) คือค่าที่เป็นจำนวนเต็มหรือจำนวนนับ

– ข้อมูลเชิงคุณภาพ เป็นข้อมูลที่แสดงถึงสถานภาพ คุณลักษณะ หรือคุณสมบัติ เช่น เพศ ตำแหน่งหรือจำแนกตัวแปรตามระดับการวัด ได้แก่

– นามบัญญัติ (nominal scale) จำแนกความแตกต่างของสิ่งที่ต้องการวัดออกเป็นกลุ่ม เช่น 1=ชาย 2=หญิง ตัวเลขไม่สามารถนำมาบวก ลบ คูณ หาร ได้

– เรียงอันดับ (ordinal scale) ใช้สำหรับจัดอันดับที่หรือตำแหน่งของสิ่งที่ต้องการวัด เช่น ระดับการศึกษา ผลการเรียน ความเก่ง ตัวเลขอันดับที่แตกต่างกันไม่สามารถบ่งบอกถึงปริมาณความแตกต่างได้ เช่น ไม่สามารถบอกได้ว่าเก่งกว่ากันเท่าไหร่ ตัวเลขสามารถนำมาบวกหรือลบกันได้

– อันตรภาค หรือระดับช่วง (interval scale) กำหนดค่าตัวเลขโดยมีช่วงห่างระหว่างตัวเลขเท่าๆ กัน สามารถนำตัวเลขมาเปรียบเทียบกันได้ว่าว่ามีปริมาณมากน้อยเท่าใด แต่ไม่สามารถบอกได้ว่าเป็นกี่เท่าของกันและกัน เพราะไม่มีศูนย์ที่แท้จริง เช่น คะแนนสอบ อุณหภูมิ (อุณหภูมิ 0 องศา มิได้หมายความว่าจะไม่มีความร้อน) ตัวเลขสามารถนำมาบวก ลบ คูณ หรือหารกันได้

– อัตราส่วน (ratio scale) สามารถกำหนดค่าตัวเลขให้กับสิ่งที่ต้องการวัด มีศูนย์แท้ เช่น น้ำหนัก ความสูง อายุ สามารถนำตัวเลขมาบวก ลบ คูณ หาร หรือหาอัตราส่วนกันได้ (เช่น ถนน 50 กิโลเมตร ยาวเป็น 2 เท่าของถนน 25 กิโลเมตร)

หรือจำแนกตามหน้าที่ ได้แก่ ตัวแปรอิสระ (ตัวแปรต้น) และตัวแปรตาม ซึ่งเป็นตัวแปรที่ต้องการศึกษา นอกจากนั้นอาจมีตัวแปรที่ไม่ได้ต้องการศึกษาแต่ต้องควบคุม เช่น ตัวแปรภายนอก (ตัวแปรเกิน หรือตัวแปรแทรกซ้อน) และตัวแปรเชื่อมโยง (ตัวแปรสอดแทรก)

สถิติพรรณนาที่ใช้อธิบายข้อมูลเชิงปริมาณ

– การแจกแจงข้อมูล ความถี่ (Frequency distribution) ร้อยละ (percentage)

– วัดแนวโน้มเข้าสู่ส่วนกลาง ได้แก่ ค่าเฉลี่ย (mean) นำข้อมูลทั้งหมดมารวมกันแล้วหารด้วยจำนวนข้อมูล / มัธยฐาน (median) เป็นสถิติในการจัดอันดับข้อมูล เป็นค่าที่อยู่ตรงกลาง เมื่อนำค่าที่ได้จากการวัดที่นำมาเรียงลำดับจากมากไปน้อย หรือน้อยไปมาก / ฐานนิยม (mode) หรือคะแนนที่มีความถี่สูงที่สุด

– บอกตำแหน่งของข้อมูล ได้แก่ เปอร์เซ็นต์ไทล์ (percentile) เดไซล์ (decide) ควอไทล์ (quartile)

– วัดการกระจายของข้อมูล ได้แก่ พิสัย (range) หรือค่าสูงสุด-ค่าต่ำสุด ส่วนเบี่ยงเบนควอไทล์ (quartile deviation) ส่วนเบี่ยงเบนมาตรฐาน (standard deviation) ความแปรปรวนของข้อมูล (variance)

สถิติพรรณนาที่ใช้อธิบายข้อมูลเชิงคุณภาพ

ได้แก่ ร้อยละ (Percentage) สัดส่วน (proportion) อัตราส่วน (ratio) ฐานนิยม (mode)

สถิติพรรณนาที่ใช้อธิบายความสัมพันธ์ระหว่างข้อมูลเชิงปริมาณ

– สัมประสิทธิ์สหสัมพันธ์เชิงเส้นของเพียร์สัน (Pearson’s Correlation Coefficient)

– สัมประสิทธิ์สหสัมพันธ์ของสเปียร์แมน (Spearman’s correlation coefficient)

สถิติพรรณนาที่ใช้อธิบายความสัมพันธ์ระหว่างข้อมูลเชิงคุณภาพ

– สัมประสิทธิ์สหสัมพันธ์ของเครเมอร์วี (Cramer’s V)

– สร้างตารางไขว้แสดงความสัมพันธ์ระหว่างตัวแปร (crosstabulation table)

ที่มา : สถิติพื้นฐานที่ใช้ในงานวิจัย

Share:

Share on facebook
Facebook
Share on twitter
Twitter
Share on pinterest
Pinterest
Share on linkedin
LinkedIn

ขอคำปรึกษา

Tag : การทำ is จ้างทำ is จ้างทำวิจัย จ้างทำวิทยานิพนธ์ จ้างทํางานวิจัย จ้างทําวิจัย ป.ตรี ราคา จ้างทําวิจัยราคา จ้างทําวิจัยราคาประหยัด จ้างทําวิจัย ราคาเท่าไหร่ จ้างทําวิทยานิพนธ์ จ้างทําวิทยานิพนธ์ราคา จ้างวิจัย ทําวิทยานิพนธ์ ทำงานวิจัย ทำงานวิทยานิพนธ์ บริการรับทำวิจัย รับจัดหน้าวิทยานิพนธ์ รับจ้างทำ is รับจ้างทํางานวิจัย ราคาถูก รับจ้างทํารายงาน รับจ้างทําวิทยานิพนธ์ รับจ้างทําวิทยานิพนธ์ ราคาถูก รับจ้างเขียนรายงาน รับทำ is รับทำ powerpoint รับทำ spss รับทำ thesis รับทำดุษฎีนิพนธ์ รับทำวิจัย รับทำวิจัยราคาถูก รับทำวิทยานิพนธ์ รับทำสารนิพนธ์ รับทำแบบสอบถาม รับทำโปรเจคจบ รับทํา thesis รับทํางานวิจัย รับทําปริญญานิพนธ์ รับทํารายงาน รับทําวิจัย ป.ตรี รับทําวิทยานิพนธ์ รับทําวิทยานิพนธ์ ป.โท รับทําวิทยานิพนธ์ ราคา รับทําวิทยานิพนธ์ราคาเท่าไหร่ รับทํา สารนิพนธ์ รับแปลงานวิจัย ราคารับทำวิทยานิพนธ์ วิจัย

Table of Contents

On Key

Related Posts

อาจารย์กับการทำงานวิจัย สู่การต่อยอดด้านการสอน
“ณ วันนี้งานวิจัยถือเป็นฐานสำคัญในการต่อยอดด้านการศึกษา อาจารย์ผู้สอนจึงต้องทำวิจัยให้มากเพื่อให้การสอนมีความแปลกใหม่และหลากหลาย”

การศึกษาในระดับปริญญาโทนั้น ยังมีหลายๆ คนสงสัยในการเลือกเรียนระหว่างแผน ก กับ แผน ข ซึ่งไม่เข้าใจว่ามีความแตกต่างกันอย่างไร

และแผนไหนจะตรงกับวัตถุประสงค์และเป้าหมายที่ต้องการของเรา ดังนั้นเราขอนำความเห็นจากหลายๆ แหล่งมาประมวลมาให้อ่านกัน ซึ่งอาจจะเป็นแนวทางให้ได้ตัดสินใจกันและหวังว่าคงมีประโยชน์ต่อการตัดสินใจไม่มากก็น้อย และสิ่งแรกที่ต้องทำคือ ต้องตอบโจทย์ตัวเองให้ได้ก่อนว่า “เราจะเรียนต่อในระดับปริญญาโททำไม? เรียนเพื่อไปทำอะไร?” แผน ก (ทำวิทยานิพนธ์) และ แผน ข (การค้นคว้าอิสระ)หลักสูตรในแผน ก เป็นหลักสูตรที่มีการทำงานวิจัยเป็น “วิทยานิพนธ์” (12 หน่วยกิต)โดยมุ่งเน้นทักษะการทำวิจัยเต็มรูป เหมาะสำหรับผู้ที่ต้องการนำผลการวิจัยไปใช้ในการพัฒนางานในหน้าที่ และเพื่อเตรียมตัวสำหรับการศึกษาต่อ ในระดับสูงขึ้นหรือปริญญาเอก (ดร.) ในโอกาสต่อไป

การจ้างทำวิทยานิพนธ์ไม่ได้แปลว่า “โง่”

บทความนี้คุณอาจตกใจนิดหน่อยกับคำว่า “โง่” แต่ขอบอกเลยว่าเมื่ออ่านบทความนี้คุณจะเข้าใจว่าทำไมคนที่จ้างทำวิทยานิพนธ์ หรือว่าจ้างทำวิจัยอื่นๆ ถึงไม่ได้โง่ ถ้าเป็นเช่นนั้นคุณลองตอบคำถามที่เราจะถามต่อไปนี้สัก 2-3 ข้อ  เรามาเริ่มตอบคำถามเหล่านี้ทีละข้อกันดีกว่า เพื่อพิสูจน์ว่าคนจ้างทำวิทยานิพนธ์นั้น ไม่ได้โง่ !!! 1. ใบปริญญาบัตรที่ได้นั้นจากการศึกษานั้น ได้จากการทำงานวิจัยอย่างเดียวใช่หรือไม่? ในการจบการศึกษาจากรั้วมหาวิทยาลัย โดยได้รับใบปริญญาบัตรและได้สวมชุดครุยนั้นไม่ได้ขึ้นอยู่กับ thesis เพียงอย่างเดียว ในการเรียนมหาวิทยาลัยมีปัจจัยหลายอย่างที่ต้องเชื่อมโยงกันจึงจะสามารถจบจากรั้วมหาวิทยาลัยได้  ไม่ว่าจะเป็นการจบชั้นปริญญาตรี ปริญญาโท หรือปริญญาเอก นักศึกษาทุกคนต้องเข้าคลาสเพื่อเรียนเอาความรู้ไปใช้ในการสอบ ในการจะจบปริญญาท่านต้องสามารถเข้าใจเนื้อหา และสอบผ่าน ท่านต้องผ่านกระบวนการเหล่านี้มาให้ได้ก่อน ท่านจึงจะได้ทำ thesis หากท่านไม่สามารถสอบผ่านไม่เข้าใจบทเรียนท่านคนถูกรีไทร์ออกไปนานแล้วใช่หรือไม่ 2. หากผู้ว่าจ้างบริษัทรับทำวิจัยไม่ตรวจสอบผลงานวิจัย จะสามารถตอบคำถามอาจารย์ที่ปรึกษา และผ่าน thesis ได้ไหม?

3 ขั้นตอน วิเคราะห์แบบสอบถามงานวิจัย

ในบทความนี้เป็นเรื่องเกี่ยวกับการวิเคราะห์แบบสอบถามงานวิจัย บอกเล่าถึงลำดับขั้นตอนในการทำงาน และปัญหาเบื้องต้นที่อาจจะพบเจอในระหว่างทำการวิเคราะห์แบบสอบถามงานวิจัยให้เข้าใจง่ายขึ้น “รวบรวม, จำแนก, วิเคราะห์” ลำดับขั้นตอนทำการวิเคราะห์แบบสอบถามงานวิจัย 1. รวบรวม โดยทำการรวบรวมข้อมูลจากการออกไปลงพื้นที่เพื่อทำการสอบถามกลุ่มตัวอย่างประชากรที่ได้กำหนดคุณลักษณะไว้ให้ทำแบบสอบถามงานวิจัย และนำมาทำการตรวจสอบว่ากลุ่มประชากรได้ทำการตอบคำถามครบถ้วนหรือ จำนวนประชากรได้ทำการตอบคำถามครบตามจำนวนที่กำหนดไว้หรือไม่  เพราะถ้าหากตอบคำถามแบบสอบถามงานวิจัยไม่ครอบถ้วนและไม่ตรงตามจำนวนประชากรที่กำหนดจะส่งผลทำให้การวิเคราะห์ข้อมูลคาดเคลื่อน ไม่ตรงตามวัตถุประสงค์และไม่สามารถตอบคำถามที่ตั้งสมมติฐานไว้ได้อย่างถูกต้องและชัดเจน 2. จำแนก เมื่อทำการตรวจสอบข้อมูลเรียบร้อยแล้ว ต่อมาเป็นขั้นตอนของการคีย์ข้อมูลลงในโปรแกรมวิเคราะห์ข้อมูลทางสถิติ SPSS เพื่อทำการวิเคราะห์ประมวลผลข้อมูลที่ได้จากการตอบคำถามในแบบสอบถามงานวิจัย โดยการกำหนดการตั้งค่ารหัสข้อมูลที่ใช้ในการแทนผลต่างๆ ออกมาในรูปแบบสถิติที่ทำการวิเคราะห์ในการทำงานวิจัยนั้นๆ  3. วิเคราะห์ ทำการวิเคราะห์แบบสอบถามงานวิจัยออกมาในรูปแบบข้อมูลทางสถิติตามที่กำหนดไว้ในเนื้อหางานวิจัย โดยทำการแปรผลจากการวิเคราะห์ข้อมูลทางสถิติ และทำความเข้าใจข้อมูลที่ได้รับเพื่อทำการเรียบเรียงเนื้อหาที่จะใช้นำเสนองานวิจัย และใช้ตอบคำถามในการทำงานวิจัย