สรุประเบียบวิจัย รศ.6020

ข้อ 1. การวิจัยเชิงทดลองเป็นประเภทของการวิจัยแบบหนึ่ง โดย 1 มีวัตถุประสงค์เพื่ออธิบายความสัมพันธ์แบบสาเหตุและผล 2.วิธีการคือการเปรียบเทียบค่าของตัวแปรตาม (ตัวแปรที่ผู้วิจัยสนใจ) จะแตกต่างกันหรือไม่ ถ้าได้รับสิ่งทดลองจากตัวแปรต้นหรือตัวแปรจัดกระทำ (treatment หรือ intervention) ที่แตกต่างกัน หรือถ้ามีสองกลุ่ม กลุ่มหนึ่งได้รับอีกกลุ่มหนึ่งไม่ได้รับ 3 มีความเที่ยงตรงภายใน (internal validity) สูง เพราะค่าของตัวแปรตามที่แปรเปลี่ยนไปเป็นผลจากตัวแปรต้น 4. เป็นแบบการวิจัยที่สามารถควบคุมตัวแปรภายนอกประเภทต่าง ๆ ที่ไม่เกี่ยวข้องไม่ให้มีผลต่อการวิจัยได้ดี 5. เหมาะสมสำหรับสายวิทยาศาสตร์ สำหรับทางด้านรัฐประศาสนศาสตร์การวิจัยแบบนี้จะทำได้ยากเพราะควบคุมตัวแปรภายนอกยาก 6.สามารถออกแบบการทดลองได้หลายแบบ เช่น two group pretest posttest, factorial, randomized block, Solomon four group, latin square, repeated measure เป็นต้น 7.ในการเลือกตัวอย่างเข้ากลุ่มทดลองและกลุ่มควบคุมจะต้องใช้วิธีสุ่มด้วยความน่าจะเป็นเท่านั้น ผลการวิจัยจึงจะน่าเชื่อถือ ข้อ 2. ตัวอย่างตัวแปรที่วัดในระดับ จัดประเภท (nominal scale) ได้แก่ เพศ, สถานะครอบครัว, อาชีพ, ศาสนา, หมายเลขโทรศัพท์, ทะเบียนรถยนต์ เป็นต้น (ให้สังเกตุว่าเป็นตัวแปรที่มีค่าแปรเปลี่ยนในลักษณะที่เป็นการแบ่งออกเป็นกลุ่ม ๆ หรือประเภทเท่านั้น ไม่ได้บอกหรือแสดงความมากน้อย (ในเชิงปริมาณ) แต่อย่างใด บางตัวอาจเป็นตัวเลขก็ได้ ตัวอย่างตัวแปรที่วัดในระดับ จัดอันดับ (ordinal scale) ได้แก่ ระดับการศึกษา, ยศทหาร, อันดับนางงาม, เกรดรายวิชาเป็นต้น (ให้สังเกตว่าที่ยกมานั้นค่าของตัวแปรจะแปรเปลี่ยนไปแบบมีอันดับ คือบอกความมากน้อยได้ เรียงอันดับได้ แต่ไม่รู้ว่ามากน้อยกว่ากันเท่าใด คือไม่รู้ระยะห่างของแต่ละอันดับที่เป็นปริมาณ) (สองระดับนี้ nominal, ordinal มีอาจารย์ทาง stat. เรียกว่า คำนวณไม่ได้ เพราะเอามาบวกลบคูณหารไม่ได้ ) ตัวอย่างตัวแปรที่วัดในระดับ แบ่งช่วงหรืออัตราส่วน (interval, ratio scale) Interval scale ได้แก่ คะแนนสอบรายวิชา, อุณหภูมิ, ไอคิวของมนุษย์, เป็นต้น (ให้สังเกตว่าที่ยกมานั้นค่าของตัวแปรจะเปลี่ยนไปแบบเป็นปริมาณและเป็นตัวเลขเท่านั้น และระยะห่างมีช่วงห่างที่เท่า ๆ กัน เช่นคะแนนสอบห่างช่วงละ 1 คะแนน เป็นต้น แต่จุดกำเนิดคือเลข 0 เป็นศูนย์ที่สมมติว่ามันเป็นศูนย์ ไม่ใช่ศูนย์จริง ๆ เช่นเราสอบได้ 0 คะแนน ไม่ได้หมายความว่าเราไม่มีความรู้ เป็นต้น) (ระดับนี้เอามาบวกลบได้ แต่จะเอามาเปรียบเทียบเป็นอัตราส่วนไม่ได้) Ratio scale ได้แก่ตัวแปรที่ให้ค่าแบบชั่ง ตวง หรือวัด เช่น น้ำหนัก ความจุ ส่วนสูง ความยาว จำนวนเงิน เป็นต้น (ให้สังเกตว่าค่าของตัวแปรจะแปรเปลี่ยนไปแบบเป็นปริมาณและเป็นตัวเลขเท่านั้น ระยะช่วงห่างเท่า ๆ กัน และเลข 0 คือศูนย์จริง ๆ ศูนย์หมายความว่า ไม่มี) (ระดับนี้เอามาคำนวณทางคณิตศาสตร์ได้หมดทุกอย่าง) (สองระดับนี้เรียกว่า คำนวณได้) (ข้อควรระวัง ในการออกแบบสอบถามนั้น การถามให้ตอบในแบบที่ต่างกัน ข้อมูลตัวแปรเดียวกัน เช่นอายุ หรือ รายได้ จะได้ระดับของข้อมูลที่ต่างกัน) ข้อ 3. การเลือกตัวอย่างที่เป็นไปตามโอกาสหรือความน่าจะเป็น มีประโยชน์ ดังนี้ 1. โอกาสที่ทุกหน่วยของประชากรจะถูกเลือกมีเท่า ๆ กัน (ไม่มีอคติในการเลือก) 2. สามารถสรุปผลการวิจัยไปสู่ประชากรเป้าหมายได้อย่างน่าเชื่อถือ (generalization) 3. หน่วยตัวอย่างมีคุณสมบัติเป็นตัวแทนประชากร 4. ข้อมูลที่ได้มาสามารถใช้วิธีการวิเคราะห์ทางสถิติที่มีข้อตกลงเบื้องต้นเกี่ยวกับการได้มาซึ่งกลุ่มตัวอย่างโดยวิธีสุ่ม (random) 5. แต่ทั้งหมดจะต้องคำนึงถึงความประหยัดค่าใช้จ่าย ข้อ 4. คำถามข้อนี้เป็นการสุ่มตัวอย่างแบบมีระบบ (systematic random sampling) ซี่งมีขั้นตอนคือต้องกำหนดจำนวนประชากรเป้าหมายที่ต้องตกเป็นกลุ่มตัวอย่างก่อน (n) แล้วจึงกำหนดช่วงห่าง (k) โดยการเอาจำนวนประชากรเป้าหมายทั้งหมด (N) หารด้วย (n) แล้วทำการสุ่มอย่างง่าย (จับฉลาก) เพื่อหากลุ่มตัวอย่างคนแรกหรือตัวแรก (R) ในที่นี้ได้คนที่ 1 แล้วทำการบวกด้วย k ไปเรื่อย ๆ จนครบตามจำนวนที่ต้องการ กรณีนี้จะทำได้ต้องมีกรอบประชากร คือรายชื่อที่กำหนดไว้เรียบร้อยแล้ว ในที่นี้ N/n ได้เท่ากับ 2.5 ประชากรที่สนใจสุ่มตัวอย่างถ้าเป็นคนเลขเศษส่วนทำไม่ได้ จึงต้องปัดเป็น 3 ดังนั้น คนที่ 1 เป็นตัวอย่างแรก ตัวอย่างที่ 2 คือ R+k = คนที่ 4 ตัวอย่างที่ 3 คนต่อไป คือ R+2k = คนที่ 7 ตัวอย่างที่ 4 คนต่อไป R+3k = คนที่ 10 ตัวอย่างที่ 5 คนต่อไป R+4k = คนที่ 13 ข้อ 5. คำตอบคือ 217 คน วิธีดูตารางก็ง่าย ๆ ให้ดูฝั่งซ้ายในแต่ละกรอบที่เขียนว่า ประชากร แล้วดูฝั่งขวาในกรอบเดียวกันที่เขียนว่า ขนาดตัวอย่าง เพราะฉะนั้นประชากร 500 ก็จะตรงกับขนาดตัวอย่าง 217 (ตารางกำหนดขนาดตัวอย่างมีหลายแบบหลายสำนัก แตกต่างกันไป) ข้อ 6. การเลือกตัวอย่างแบบเจาะจงจะใช้เมื่อ 1. เรื่องที่ทำการวิจัยต้องการกลุ่มตัวอย่างที่มีลักษณะเฉพาะและหาได้ยากมีคุณสมบัติครบถ้วนตามนิยามประชากรที่ใช้ในการวิจัย เช่นต้องการผู้เชี่ยวชาญในด้านต่าง ๆ โดยเฉพาะ 2. ประชากรในเรื่องที่ทำวิจัยนั้นมีจำนวนน้อย ประโยชน์ของการเลือกตัวอย่างแบบเจาะจง 1. หน่วยตัวอย่างที่เลือกมานั้นสามารถให้ข้อมูลได้ถูกต้องครบถ้วนตามวัตถุประสงค์ของการวิจัย 2. มีความประหยัดค่าใช้จ่ายในการเลือกเพราะผู้วิจัยสามารถเลือกได้โดยอิสระ ในกรณีที่มีคุณสมบัติเฉพาะเหมือนกัน ข้อ 7. คำตอบคือ ระดับ nominal หรือ ordinal เพราะค่าของตัวแปรในสองระดับดังกล่าว ไม่สามารถบอกหรือแสดงปริมาณช่วงห่างที่เท่า ๆ กันได้ ในทางสถิติถือว่านำมาคำนวณโดยการบวกลบคูณหารไม่ได้ ทำได้แต่นับความถี่ (จำนวน) เท่านั้น ดังนั้นเมื่อต้องการทดสอบความสัมพันธ์ตัวสถิติที่เหมาะสมกับระดับข้อมูลคือ ไคสแควร์ จะตัวที่ 1 หรือ ตัวที่ 2 อยู่ในระดับใดก็ได้ในสองระดับนี้เท่านั้น ข้อ 8. คำตอบนี้ตอบโดยถือว่าข้อมูลเป็นไปตามข้อตกลงเบื้องต้น (ตามสไลด์ล่างหน้า 36 ในเอกสารประกอบการสอนของอาจารย์สุจิตรา เวลาตอบจริงไม่ต้องเขียนอย่างนี้หรอก ใส่ไปเลย) ตัวแปรต้น อยู่ระดับ nominal หรือ ordinal ตัวแปรตาม อยู่ในระดับ interval หรือ ratio ข้อ 9. คำตอบคือ interval หรือ ratio ต้องเป็นอย่างใดอย่างหนึ่งหรือสลับกันก็ได้ ได้หมด (ให้สังเกตว่าจะตรงข้ามกับคำตอบข้อ 7 ซึ่งเป็นเรื่องการวัดความสัมพันธ์เช่นเดียวกัน) ข้อ 10. คำตอบคือ ถ้าเรากำหนดระดับนัยสำคัญ (alpha: แอลฟ่า) ที่ .05 เราจะปฏิเสธ Ho เนื่องจากว่า ค่าความน่าจะเป็น (p) เท่ากับ .01 ซึ่งมีค่าน้อยกว่า .05 (หมายความว่าในการไปเก็บตัวอย่างมาวิเคราะห์แล้วค่าความน่าจะเป็นเท่ากับ .01 คือโอกาสความผิดพลาดในการสรุปผลของเรามีเพียง 1% ในขณะที่เรายอมรับความผิดพลาดถึง 5% เราจึงต้องปฏิเสธ Ho คือสรุปว่าคำกล่าวที่เขียนไว้ใน Ho นั้นไม่ถูกต้อง เรื่องนี้จะใช้อธิบายด้วยตัวอักษรอาจเข้าใจยากสักนิดนึง) ข้อ 11. นี้ถือว่าเป็นข้อที่ยากที่สุดในบรรดาข้อสอบทั้งหมด เพราะต้องการความเข้าใจหลายส่วนมาก จึงจะตอบได้ถูกต้อง โจทย์บอกว่าใช้สถิติ t test ที่ระดับนัยสำคัญ .05 (แอลฟ่า .05 สังเกตุมั้ยว่าข้อ 10 ไม่ได้บอก เพราะฉะนั้นในการตอบข้อ 10 ต้องระบุ ระดับนัยสำคัญหรือแอลฟ่าด้วย) ค่า t คำนวณจากข้อมูลได้ 2.03 ถ้ามีข้อมูลเท่านี้ ไม่สามารถสรุปผลได้ (ตอบแค่นี้ก็จะน่าจะได้คะแนน เพราะในข้อสอบไม่ได้ให้ตาราง t มา) แต่เราต้องตอบแบบรู้เรื่องดี ต้องตอบอาจารย์ว่า ค่าสถิติ t ที่คำนวณได้ 2.03 นั้นที่ องศาอิสระ (degree of freedom: df) เท่าไหร่ คือมันเกี่ยวข้องกับจำนวนกลุ่มตัวอย่างจึงจะไปเปิดตาราง t เพื่อหาค่าวิกฤตมาเปรียบเทียบกับ t คำนวณ จึงไม่สามารถสรุปผลได้ เพราะถ้ากลุ่มตัวอย่างน้อย ๆ ค่า t 2.03 อาจไม่มีนัยสำคัญได้ (ปฏิเสธ Ho) ข้อ 12. ตอบแบบง่าย ๆ การยอมรับ Ho คือในการทดสอบสมมติฐานครั้งนี้ หลักฐานต่าง ๆ ที่นำมาทดสอบด้วยค่าสถิติแล้วนำมาเปรียบเทียบกับค่าวิกฤติ ตามระดับนัยสำคัญที่ตั้งขึ้นแล้ว ผลที่ได้ (ค่าสถิติทดสอบ < ค่าวิกฤติ หรือ p value > alpha กรณีใดกรณีหนึ่ง) ไม่สามารถที่จะปฏิเสธ Ho ได้ จึงต้องยอมรับ Ho ตอบแบบยาก ต้องตอบว่า การยอมรับ Ho หมายความว่าในการทดสอบด้วยค่าสถิติครั้งนี้ (ครั้งนี้เท่านั้น) ด้วยค่าตัวแปรได้มาอย่างนี้ จำนวนตัวอย่างขนาดนี้ ค่าสถิติทดสอบ t, F, r หรือ chi-square คำนวณได้มาเท่านี้ ทำให้เมื่อแปลงค่าสถิตินี้เป็นค่าความน่าจะเป็น (p value) แล้วมีมากเกินกว่าค่าความน่าจะเป็นในการสรุปผลที่ผู้ทำการทดสอบสามารถยอมรับความผิดพลาดในการสรุปผลได้ โดยกำหนดไว้ล่วงหน้า (เรียกว่าระดับนัยสำคัญ: แอลฟ่า) ในกรณีนี้ผู้ทดสอบสมมติฐานจึงต้องยอมรับ Ho สรุปคือ p value > alpha ที่กำหนดไว้ เพราะฉะนั้นในการสรุปผลต้องยอมรับ Ho แต่การยอมรับ Ho นี้อาจก่อให้เกิดความผิดพลาดในการสรุปผล ในทางสถิติเรียกว่า type II error คือการยอมรับในสิ่งที่ผิด ข้อ 13. ก็ตรงข้ามกับข้อ 12. ถ้าเข้าใจข้อ 12 แล้ว การปฏิเสธ Ho สรุปก็คือ p value < alpha ที่กำหนดไว้ เพราะฉะนั้นในการสรุปผลต้องปฏิเสธ Ho แต่ก็อาจจะเกิดความผิดพลาดอีกแบบหนึ่งคือการที่ไปปฏิเสธ Ho ทั้ง ๆ ที่ Ho เป็นจริง ในทางสถิติเรียกว่า type I error คือไปปฏิเสธในสิ่งที่ถูกต้องอยู่แล้ว