ページ3:

เทคนิคการสังเกต
สถานท บุคคล | กิจกรรม บรมท
(Setting)| (Person) (Activities) 1 (Context)
วิธีเก็บข้อมูลเชิงคุณภาพ
การสังเกต (Observation) มี 2 แบบ
1 มีส่วนร่วม (Participant Observation)
มองจากมุมคนใน (emic view) เข้าไปอยู่ในกิจกรรม
2) ไม่มีสอนร่วม (Non – Participant Observation)
+
ทำให้คนไว้ใจ - ได้ข้อมูลละเอียด แต่อาจเกิด bias
มองจากคนนอก (etic view) เฝ้าไม่เข้าไปมีส่วนร่วม ลดผลกระทบจากการที่นักวิจัย
(2) การสัมภาษณ์ (Interview) มี 3 แบบ
1) แบบมีชุดคําถามมาให้ (Structured / Standardized interview) มีคำถามตายตัว
2) แบบปายเปิด (Unstructured / Open ended, interview) เปิดอิสระ
3) แบบแนวคำถาม แต่เน้นชวนคุย (Semi - Structed / Guided interview)
คุณสมบัติผู้สัมภาษณ์ที่ดี
4. มีความรู้สึก และกว้างในเรื่องที่สัมภาษณ์
2. สัมภาษณ์อย่างเป็นระบบ
3. ถามกระชับ ชัดเจน ตรงประเด็น
4. สุภาพ
5. Sensitive ต่อสิ่งที่ฟัง
(3) การสนทนากลุ่ม (Focus groups)
1
6.เปิดกว้าง
7.คุมสถานการณ์ไ
9. ฟังอย่างวิพากษ์
9. จำเก่ง
เทคนิคการสัมภาษาโ
- ศึกษาเรื่องก่อนสัมภาษณ์
- เป็นผู้ฟังที่ดี ไม่ถามนำ
- ใช้ภาษาง่าย เข้าใจตรงกัน
10: ตีความเก่ง
คนกลุ่มเล็ก 4-6 คน กลุ่มใหญ่ 7-10 คน เป้าหมายต้องการ discuss แลกเปลี่ยนความคิดเห็น
ผู้เข้าร่วมสองมีประสบการณ์ในเรื่องนั้น ต้องมีผู้ดำเนินรายการ (moderator) คอยคุมประเด็น
เน้นปฎิสัมพันธ์ในกลุ่ม | เทคนิคจัดสนทนากลุ่ม
1. สถานที่ต้องสบาย กุลมุด
2. คัดคนลักษณะใกล้กัน
3. เตรียมแนวคำถามล่วงหน้
4. เปิดโอกาสให้ทุกคนมีส่วนร่วม
(4) การใช้ข้อมูลเอกสาร (Document Data) ข้อมูลมือสอง
การทำวิจัยภาคสนาม มี 3 ขั้นตอน
สัมภาษณ์กลุ่ม
สนทนากลุ่ม
·เน้นประหยัดเวลา
*ถามหลายคนพร้อมกัน • เน้นการแลกเปลี่ยน
ความคิดเห็นกันเอง
• ได้ข้อยึดลึกกว่า
1) เตรียมลงพื้นที
2) ลงพื้นที่เก็บข้อมูล
3) ออกจากพื้นที่

ページ4:

ข้อมูลเชิงคุณภาพ
=
การวิเคราะห์ข้อมูลเชิงคุณภาพ = การตีความข้อมูลที่เป็นคำพูด บันทึกภาคสนาม เอกสาร การสัมภาษณ์
โดยปกติจะวิเคราะห์ไปพร้อมกับการเก็บข้อมูล และใช้การสรุปแบบอุปนัย (Inductive) เป็นหลัก
หลักการวิเคราะห์ข้อมูลเชิงคุณภาพ
1) หลักการสร้างข้อสรุปแบบอุปนัย
2) การวิเคราะ
เนี้อหา และหลักการทีเกียวข้อง
3) การตรวจสอบข้อมูล
4) ขั้นตอนการวิเคราะห์ข้อมูลเชิงคุณภาพ
t
+
* การใช้หลักเหตุและผลแบบนิรนัย (อนุมาน) (Deductive reasoning) จากใหญ่ - ย่อย ทฤษฎี - ข้อมูล
เริ่มจากทฤษฎี - ตรวจสอบกับข้อมูลจริง ถ้าทฤษฎีจริง ข้อสรุปจะถูกต้อง
ใหญ่
นกทุกตัว
บินได้
ข้อเท็จจริงใหญ่
(Major Premise)
ยอย
อีกา
บิน
ข้อเท็จจริงย่อย/เหตุการณ์เฉพาะกรณี
(Minor Premise)
ได้
อีกาเป็นนก
ข้อสรุป (Conclusion)
* การใช้หลักเหตุและผลแบบอุปนัย (อุปฌาน) (Inductive reasoning) inย่อย - ใหญ่ ข้อมูล - ทฤษฎี
เก็บข้อมูลย่อยจำนวนมาก แล้วสรุปเป็นความจริงใหญ่ งานวิจัยเชิงคุณภาพใช้วิธีนี้เป็นหลัก
ตาย
กํานัน ข.
นาย ก.
ยอย
ง
ใหญ่
ตาย
หมอ ค. ตาย
เค็กชาย ง. ตาย
ทุกคน
เป็นมนุษย์
มนุษย์ทุกคนเกิดมาต้องตาย
เก็บรวบรวมข้อมูลข้อเท็จจริงย่อย/
เหตุการณ์เฉพาะกรณีที่สังเกตได้
(Minor Premise)
วิเคราะห์ข้อเท็จจริงใหญ่
(Major Premise)
ข้อสรุป
(Conclusion)

ページ5:

(1) หลักการสร้างข้อสรุปแบบ ปนัย มี 4 แบบ
1
1) การอุปนัยแบบสมบูรณ์ (Complete Induction) ดูข้อมูลทั้งหมดแล้วสรุป
6. หากมัน 30 คน ในห้องเรียน พบว่าทุกคนได้รับคะแนนดี จึงสรุปได้ว่า นักเรียนทุกคนในห้องสอบผ่าน
2) การอุปนัยแบบไม่สมบูรณ์ (Incomplete Induction) ดูแค่ตัวอย่าง แล้วคาดการณ์หรืออ้างอิงถึงกลุ่มทั้งหมด
Ex หากลุ่มสำรวจนศ. 100 คน พบว่า 90% ใช้โทรศัพท์เพื่อการศึกษา
จึงสรุปได้ว่า นักศึกษาส่วนใหญ่ใช้โทรศัพท์เพื่อการศึกษา
3) การอุปนัยแบบอุปมาอุปไมย (Analogical Induction) เปรียบเทียบสิ่งที่คล้ายกัน
5. ถ้าเห็นว่าเด็กที่ฝึกทักษะตั้งคำถาม มีผลการเรียนผู้อื่น พบว่าในต่างประเทศมีผลการศึกษาที่คล้ายกัน
สรุปได้ว่า การฝึกตั้งคำถามช่วยพัฒนาการเรียนรู้ในทุกปริบททางการศึกษา
1 1
4.) การอุปนัยแบบอธิบายเชิงสาเหตุ (Causal Induction) สรุปจากเหตุ
-ผล
Ex.ถ้าพบว่าพื้นที่มีมาตรการแยกขยะ ปริมาณขยะลดลง สรุปได้ว่า มาตรการแยกขยะทำให้ปริมาณขยะลดลง
ขั้นตอนวิเคราะห์ข้อมูลแบบอุปนัย
1) การตั้งสมมติฐานชั่วคราว (working hypothesis)
2) เก็บรวบรวมข้อมูลตามประเด็นที่ตั้งสมมติฐานชั่วคราวไว้
3) ถ้าข้อมูลที่ได้ไม่เป็นไปตามสมมติฐานที่ตั้งไว้ ให้ปรับปรุงสมมติฐานใหม่
4) เก็บข้อมูลเพิ่มเติม
5) ทำซ้ำจนได้ข้อสรุป
(2) การวิเคราะห์เนื้อหา (Content analysis)
1) การจำแนกชนิดข้อมูล (Typlogical Analysis)
จัดข้อมูลเป็นหมวดหมู่ ใช้คุณลักษณะร่วมกันเป็นตัวแข่ง
วิธีจำแนกข้อมูลแบบ Loflond 6 2336
4. การกระทํา (facts)
2. กิจกรรม (activities)
3. ความหมาย (meaning)
4. ความสัมพันธ์ (relationship)
5. การมีส่วนร่วม (participatioh)
6. บริบท / สภาพสังคม (setting)

ページ6:

2) การวิเคราะห์แบบเปรียบเทียบ (Comparative Analysis)
เอาข้อมูลตั้งแต่ 2 กรณีขึ้นไปมาเทียบ ดูว่าเหมือนอะไร ต่างอะไร เช่น เปรียบเทียบโรงเรียน 2 แห่ง
3) วิเคราะห์เนื้อหาเชิงปริมาณ / คุณภาพ
เชิงปริมาณ : นับความถี่ เช่น นับว่าคำตอบแบบไหนเจอบ่อย
เชิงคุณภาพ : อ่านเพื่อรับความนมส
1. แนวแม่มมม : รหัสเตรียมไว้ก่อน
2. แนวตรวจทาน : ยืดหยุ่น รหัสเกิดจากข้อมูลจริง
ดย
3. แนวผสม : ใช้ทั้ง 2 แบบ
(3) การตรวจสอบข้อมูลสามเส้า (Triangulation)
การตรวจสอบข้อมูลจากหลายแหล่ง หลายวิธี / ขยายมุมมอง เพื่อยืนยันว่าผลที่ได้จริง
ประเภทสามเส้า
1) ทฤษฎีต่างกัน : ใช้หลายทฤษฎีอธิบาย
2) แหล่งข้อมูลต่างกัน เช่น นักเรียน ครู ผู้ปกครอง
3) ผู้เก็บข้อมูลต่างกัน : หลายคนช่วยเก็บ
ingutation
4) วิธีเก็บข้อมูลต่างกัน เช่น สัมภาษณ์ สังเกต แบบสอบถาม
ข
หลักการสำคัญของสามเส้า
2
1 ห้ามเชื่อ ลม แรกทันที (Thesis)
2 ต้องหา อม ตรงซ้าย (Antithesis)
3) แล้วรวมทั้งหมด ได้ข้อสรุปใหม่ (Synthesis)
แนวทางวิเคราะห์ข้อมูล 3 ขั้นตอน
(1) ตรวจสอบข้อมูล (สามเส้า)
0
Antithesis
การตรวจสอบสามเส้าภาพที่ 1
Synthesis
Thesis
(2) ดัชนีข้อมูล จัดทำข้อสรุปชั่วคราว : จัดข้อมูล วิเคราะห์ เชื่อมโยง
3 สร้างบทสรุป (conclusion)
ค2 ค ค1 ค3
ข.
ก.
บ
การตรวจสอบสามเส้าภาพที่ 2
types of
Multiple Sources of
Data (e.g.)
Robust Findings
Discourse
Interviews
การจัดทำข้อสรุปชั่วคราว คือ สรุปแนวโน้มระหว่างทำวิจัย
ใช้ข้อมูลที่มีมาวิเคราะห์ เขียนเป็นข้อความ
ถ้ามีข้อมูลใหม่เข้ามา → ต้องทดสอบอีก
• ถ้ายังจริง → ค่อยเป็นข้อสรุปสุดท้าย

ページ7:

4.) ขั้นตอนวิเคราะห์ข้อมูลเชิงคุณภาพ 5 ชั้น
1) จัดระเบียบข้อมูล
2) กำหนดรหัส (coding)
3) สร้างข้อสรุปชั่วคราว
4) สร้างบทสรุปจริง
๗ พิสูจน์ความน่าเชื่อถือ
กระบวนการจัดระบบและวิเคราะห์ข้อมูล 3 ชั้น
(Construction : รวบรวมข้อมูลแต่ละคน - เรียงเป็นเรื่อง
10
(2) Deconstruction : แยกซอมา ให้รหัส จัดหมวดหมู่
3) Reconstruction : เชื่อมซ้อมูลทั้งหมด สร้างภาพรวม เขียนรายงาน
Mind. mapping ในงานวิจัย
ข
ใช้เพื่อเห็นความเชื่อมโยงข้อมูล ตรวจว่าข้อมูลครบไหม ทำให้ตรรกะซัด
ความสัมพันธ์สถิติกับงานวิจัย
1) ตั้งคำถาม → ระบุข้อมูลที่ต้องใช้
3
2) ตั้งสมมติฐาน → กำหนดตัวแปร
%
3) ออกแบบวิจัย → เลือกประชากร / ตัวอย่าง | วิธีเก็บข้อมูล
4) เก็บข้อมูล - ตรวจความถูกต้อง
5) วิเคราะห์ → ใช้วิธีสถิติ
-
ง
6) รายงานผล → สรป/นําเสนอ
ข

ページ8:

ตัวแปร และเครื่องมือวัด
ตัวแปร (Variable) : คุณลักษณะ (Characteristics) จำนวน (Number) ปริมาณ (Quantity) ของสิ่งที่ศึกษา
โดยสามารถวัดได้ (measure) หรือ นับได้ (Court) สิ่งที่ผู้วิจัยสนใจศึกษา และมีค่าเปลี่ยนแปลงได้
ตัวแปรแบ่งเป็น 2 ประเภท
1.) ตัวแปรเชิงปริมาณ (Quantitative Variables) : เป็นตัวแปรที่สามารถวัดค่าได้ เป็นตัวเลข
จากการวัด : น้ำหนัก ส่วนสูง เกรดเฉลี่ย จากการนับ : อายุ ผู้สอบวิชาสถิติ
ตัวแปรเชิงคุณภาพ (Qualitative Variables) : ขอกลักษณะที่ปรากฏ
2)
เช่น ตา (นํ้า คํา นํ้าตาล) สีผิว (ยาว ) สาขาวิชา (วิทย์ สังคม ภาษา)
ระดับการวัดของตัวแปร (Measurement scale)
1) แบบจัดกลุ่ม (Nominal Variable) เช่น เพศ อาชีพ ศาสนา จังหวัด
2) แบบระดับ (Ordinal Variable) เช่น ลำดับผลการสอบ เกรด A B C ขนาดองค์กร (เด็ก กลาง ใหญ่)
3) แบบปริมาณ (Interval / Ratio Variable) เช่น ผลสัมฤทธิ์ทางการเรียน ส่วนสูง น้ำหนัก
ประเภทตัวแปรในการวิจัย
0 ตัวแปรอิสระ (Independent Variable)
ตัวแปรต้น /ตัวแปรจัดกระทำ/ตัวแประจำ / หัวแปรงยน เป็นสาเหตุทำให้เกิดตัวแปร การ
2) ตัวแปรตาม (Dependent Variable)
เป็นผลลัพธ์ เปลี่ยนตามตัวแปรอิสระ Ex. วิธีสอน → ตัวแปรต้น
ตัวแปรควบคุม / ตัวแปรแทรกซ้อน
3 ตัวแปรสอดแทรก (Intervening Variable)
(3)
ผลการเรียน → ตัวแปรตาม
ตัวแปรที่เกิดระหว่างทดลอง เช่น ความเหนื่อย ความกังวล แรงจูงใจ
4. นแปรภายนอก / ตัวแประกัน (Extraneous Variable)
ตัวแปรที่ไม่ได้ศึกษา แต่มีผล เช่น เสียงรบกวน อุณหภูมิ พื้นฐานความรู้ผู้เรียน
ความสัมพันธ์ตัวแปร
->
ตัวแปรอิสระ - ผล - ตัวแปรตาม
แต่ตัวแปรสอดแทรก → เกิดระหว่างทดลอง
ตัวแปรภายนอก + รบกวนผล
ความสัมพันธ์ระหว่างตัวแปรอิสระ ตัวแปรตาม ตัวแปรเกิน ตัวแปรสอดแทรก
Independent
Variable
ตัวแปรตน
ตัวแรงเก้น
clusia
แปรตาม
Dependent
Variable
Intervening
Variable
ตัวแปรควบคุม
Extraneous
Variable
เป็นการศึกษาความสัมพันธ์ระหว่างตัวแปรอิสระกับตัวแปรตาม
เป็นตัวแปรสอดแทรก ที่ควบคุมไม่ได้และอาจมีอิทธิพลต่อตัวแปรตาม
เป็นตัวแปรเกิน ซึ่งไม่ได้มุ่งศึกษา แต่อาจมีอิทธิพลต่อตัวแปรตาม

ページ9:

เครื่องมือที่ใช้ในการเก็บข้อมูล
ขึ้นอยู่กับสถานการณ์และลักษณะพฤติกรรมที่ต้องการจะวัด ต้องสอดคล้องกับวัตถุประสงค์การวิจัย
0
1 แบบทดสอบ (Test) : ชุดคำถามหรือสถานการณ์ เพื่อวัดความรู้ ทักษะ เจตคติ มีอัตนัย ประย
(2) แบบสังเกต (Observation) : ใช้ดูพฤติกรรมจริง E- บันทึกความถี่ บันทึกตามช่วงเวลา แบบบันทึกใช้คู่กับการสันทร
(3) แบบสัมภาษณ์ (Interview) : สนทนาปากเปล่า ได้ข้อมูล ความคิดเห็น ปัญหา ข้อเสนอแนะ
4) แบบสอบถาม (Questionnaire) : ชุดคำถามสำรวจที่ปลายเปิด ปลายปีด
แบบประเมินการปฏิบัติ (Performance assessment) : ใช้ประเมินจากการทำจริง เช่น การปฏิบัติงาน การทำกิจกรรม
แบบสอบถาม : กามตรงไปตรงมา
แบบทดสอบ : มีเกณฑ์ในการทดสอบความรู้
คุณสมบัติเครื่องมือวิจัยที่ดี 6 อย่าง
2.
การได้มาซึ่งงานวิจัย
1.เอาของเขามาใช้เลย
อยู่ แต่ยังไม่เหมาะ
3 ไม่มีเลย ต้องสร้างมาใหม่
1) มีความเที่ยงตรง (Validity) : อัดตรงสิ่งที่ต้องการ * สำคัญสุด
2) มีความเชื่อถือได้ (Reliability) : วัดซ้ำได้ผลเหมือนเดิม
3) มีประสิทธิภาพ (Efficiency) : ใช้งานได้ดี คุ้มค่า
4) มีอำนาจจำแนกได้ (Discrimination) : แยกระดับ ตอนได้
5) สามารถใช้งานจริงได้ (Procticality) : ไม่ซับซ้อน ทดลองใช้ก่อน
6) สามารถวัดผลได้ (Measurability) : สรุปผลตามวัตถุประสงค์
RELIABLE
BUT NOT VALID
VALID
BUT NOT RELIABLE
VALID
AND RELIABLE
เครื่องมือที่วัดแล้ววัดอีก
แต่วัดไม่ตรงกับวัด
เครื่องมือที่วัดแล้ววัดอีก
แต่ ดกว้างไปไม่ตรงกับสิ่งที่วัด
* การนิยามตัวแปร (Variable Definition)
เครื่องมือนั้นรักได้ตามกับสิ่งที่จะวัด
การให้ความหมายและขอบเขตของตัวแปรที่ต้องการศึกษา เพื่อให้เข้าใจตรงกัน
*การนิยามเชิงปฏิบัติการ (Operational Definition)
การระบุขั้นตอน (พฤติกรรมที่สามารถสังเกตและวัดค่าได้ เปลี่ยนแนวคิดนามธรรม
ให้กลายเป็นสิ่งที่วัดได้ ง เมื่อนำไปสร้าง ค่าถมในเครื่องมือวิจัย
* องค์ประกอบสำคัญ
2
2
1) พฤติกรรมที่สังเกตได้ : การแสดงออกถึงความรู้สึกชื่นชอบของนักศึกษา
2) เครื่องมือวัด : แบบสอบถามความพึงพอใจ
3) เกณฑ์คะแนน : พิจารณาจากคะแนนรวมที่ได้จากแบบสอบถาม

ページ10:

* ประชากร (Population),
ประชากร กลุ่มตัวอย่าง และการลุ่ม
กลุ่มสมาชิกทั้งหมดที่มีคุณสมบัติตรงตามเงื่อนไขที่สนใจศึกษา ณ เวลาที่กำหนด อาจเป็นคน สัตว์ สิ่งของ
ประเภทประชากร
ประชากร ากัด (Finite Population)
นับจำนวนได้ครบ ระบุสมาชิกได้แน่นอน นักศึกษา มธ. ภาค 2/65
• ประชากรอนันต์ (Infinite, fopulation)
จำนวนมากจนระบุไม่ได้ Ex แบคทีเรียในร่างกาย เมล็ดข้าวในกระสอบ
* กลุ่มตัวอย่าง (Sample) : ส่วนหนึ่งของประชากร เป็น Subset ที่ถูกเลือกมาศึกษา
ลักษณะกลุ่มตัวอย่างที่ดี
1) มีคุณสมบัติตรงตามจุดประสงค์วิจัย
2) จํานวนเหมาะสม ไม่มากไม่น้อยเกินไป
3) ทุกหน่วยมีโอกาสถูกลุ่ม
1
1
หลักการสุ่มตัวอย่างมี 2 เงื่อนไขสำคัญ
1)ต้องเป็นตัวแทนที่ดีของประชากร (Representatives)
2)ขนาดของกลุ่มตัวอย่าง (Sample size) จะต้องมีมากพอในการทดสอบ
ถ้าทำได้ ค่าสถิติจากตัวอย่างจะใส่ค่าพารามิเตอร์ของประชากร
2
วิธีเลือกตัวอย่างจากประชากร
- การสุ่มแบบใช้ความน่าจะเป็น (Probability Sampling)
ทุกหน่วยมีโอกาสถูกเลือก เท่ากัน ผลวิจัยอ้างอิงไปยังประชากรได้
1) การสุ่มแบบง่าย (Simple Random Sampling)
ป
เหมาะกับประชากรขนาดใหญ่ มีทะเบียนรายชื่อ การจับฉาก ตารางเลขสุ่ม โปรแกรมสถิติ (SPSS)
2)การสุ่มแบบมีระบบ (Systematic Sampling)
เรียงรายชื่อทั้งหมดก่อน คำนวณช่วงกรรม เลือกตัวแรกแบบสุ่ม เลือกตัวถัดไปตามช่วง
Ex. ช่วง=3 เริ่มที่ 2 จะได้ 2 → 6 - 8 - 11
- -> +
3) การสุ่มแบบแบ่งชั้นภูมิ (Stratified Sampling)
1
แบ่งประชากรเป็นชั้นย่อยก่อน ภายในแต่ละชั้นต้องมีลักษณะเหมือนกัน (Homogeneous) แล้ว สุ่มจากแต่ละชั้น
ใช้เพื่อประชากรมาก แต่จำแนกเป็นกลุ่มย่อยตามระดับรายได้ เช่น รายได้สูง กลาง ก
ต่ำ

ページ11:

4) การสุ่มแบบแบ่งกลุ่ม (Cluster Sampling)
แบ่งประชากรเป็นกลุ่มย่อย ในแต่ละกลุ่มมีความหลากหลาย คละกัน แล้วสุ่มเลือกบางกลุ่ม
เน้นประหยัดเวลา และค่าใช้จ่าย
Ex. ประชากรเป็นนักเรียนจํานวนมาก แบ่งเป็นโรงเรียน และ ลงเรียนได้
เช่น ลุ่มโรงเรียน - ห้องเรียน - นักเรียน
5.) การสุ่มหลายขันตอน (Multi-stage Sampling)
ใช้เพื่อประชากรใหญ่มาก Ex. ขั้นที่ 1 เลือกภูมิภาค
2 d
วันที่ 2 เลือกจังหวัด
ขั้นที่ 3 เลือกอำเภอ
ชั้นที่ 4 เลือกครัวเรือน
มินทร เลือกคน
การสุ่มแบบไม่ใช้ความน่าจะเป็น (Non-Probability Sampling)
ไม่จำเป็นต้องมีกรอบตัวอย่าง ไม่มีโอกาสถูกเลือก อ้างอิงประชากรไม่ได้
มีความสะดวก ประหยัดเวลา ค่าใช้จ่าย 5. นักวิจัยไม่รู้จำนวนประชากรทั้งหมด
Ex..
1) การสุ่มกลุ่มตัวอย่างตามความสะดวก (Convenience. Sampling)
ผู้ถูกเลือกเพียงแต่เลือกหน่วยตัวอย่างตามสะดวกจนครบจำนวนที่ต้องการ
11
ด
เช่น แจก ม า ย ใน สอบถามความ ใจรสชาติ
2) การสุ่มกลุ่มตัวอย่างแบบโควต้า (Quola Sampling)
6
ใช้เกณฑ์แบบแบ่งชั้นภูมิ กำหนดให้ขนาดตัวอย่างจากแต่ละชั้น เป็นสัดส่วนกับขนาดประชากรในแต่ละชั้น
เช่น สำรวจความคิดเห็นสวัสดิการพนักงานในมธ. อาจารย์ 40% เจ้าหน้าที่ 60%
ถ้าจะเรียกลุ่มตัวอย่าง 20 คน อาจารย์ = 30 x 40 = 12 คน เจ้าหน้าที่ = 30 x 60 = 18 คน
100
3) การสุ่มกลุ่มตัวอย่างแบบเจาะจง (Purposive Sampling)
100
เลือกเฉพาะ คนที่ให้ข้อมูลตรงเป้า เช่น ศึกษาความสำเร็จ Startup เลือกเจ้าของ Startup ที่สำเร็จ

ページ12:

* ขนาดกลุ่มตัวอย่าง CSample Size)
นิยมใช้สูตร Taro Yamane และ Krejcie & Morgan
หลักการกลุ่มตัวอย่างต้องถูกเลือกอย่างเหมาะสม เพื่อเป็นตัวแทนประชากร
Taro Yamane ทาโร่ ยามาเน่
ท
=
N
1+ Ne²
n= ขนาดกลุ่มตัวอย่าง
N = ขนาดประชากร
2 = ความคลาดเคลื่อน การสุ่มอย่างที่ยอมรับได้
- Krejcie & Morgan เครซี่ มอร์เก้น
|
X?
สูตร n = x Np(1-p)
q
e² (N-1)+x²p (1-p)
n= ขนาดกลุ่มตัวอย่าง
N = 2นาดประชากรฺ
VUA
ประชากร
ก ก วา กา
±1%
±3%
| ±4% | ±5%
500
223
1,000
.
385
286
1,500
441
316
.
2,000
.
714
476
333
2,500
.
1250
760
500
345
3,000
1364
811
517
353
3,500
.
1458
843
359
4,000
1538
870
541
4,500
1007
891
549
367
5,000
.
909
556
370
6,000
1765
938
375
7,000
1842
959
574
378
8,000
.
976
580
381
.
9,000
1957
989
383
10,000
2000
1000
588
385
15,000
6000
1034
000
20,000
2222
1053
000
392
25,000
7143
2273
1064
610
394
50,000
8333
2301
100,000
9091
2439
1099
621
398
10000
2500
1111
625
400
"unbochranu assume oumensen
shown
Usanne Rooth Usenne och Usinns och Usins Wooch Usene
400
100
0 200 162
14
110
850
20
19
120
92
25
130
97
30
140
103
1,000 278
200 200 2000 338
200 2,000 341
100 100 200 200
346
950 274 4,000 351
4,500 354
35
150
105
360
106
1,100 285
30
115
191
361
170
118
196
1,300 297 7,000
44
180
123
201
8,000 367
48 190
127
205
9.000 368
52
1,000 310
10,000 370
50
136
214 1.700
15.000 375
59
217 1.800
1,000 320 300,000 370
65
234 2,000
250
152
e - ความคลาดเคลื่อนของการสุ่มตัวอย่างที่ยอมรับได้
40,000 300
249 2,200 327 50,000 301
2,400 331 75,000 382
254 2.600
p
-
X = ค่าไคสแควร์ที่ 6f = 1 และระดับความเชื่อมั่น 95% (x
= 3244)
สัดส่วนของลักษณะที่สนใจในประชากร (ถ้าไม่ทราบ ให้กำหนด p=0.5)
* การเก็บรวบรวมข้อมูล (Data Collection)
การสำรวจ (Survey) เก็บข้อมูลทุกหน่วยที่สนใจโดยตรง
สนใจความคิดเงินของประชาชน
ที่มีต่อรัฐบาลชุดปัจจุบัน
- หน่วยที่ศึกษา (Unit of analysis) - ประชาชนคนไทยทุกคน
- วิธีรวบรวมข้อมูล : สัมภาษณ์ สังเกต) วัด
กรอบตัวอย่างที่ดี (Sampling Frame)
ต้องประกอบด้วย รายชื่อทุกหน่วยในประชากร ต้องมีครบถ้วน ไม่ซ้ำซ้อน ทันสมัย
* การเก็บข้อมูลแบบสำรวจ มี 2 แบบ
(1) การสำมะโน (Census) เก็บข้อมูลจากประชากรทั้งหมด
ข้อดี : ได้ข้อมูลครบทุกหน่วยในประชากร
ข้อเสีย : เสียเวลา แพง ผลล่าช้า ควบคุมยาก
Ex. สนใจหารายได้เฉลี่ยของคนกทม. ต้องมีกรอบตัวอย่าง - รายชื่อพร้อมที่อยู่ของคนกทม.
จึงต้องไปสอบถามคนกทม. ทุกคนเกี่ยวกับรายได้ ทำให้เสียเวลา
การสำรวจด้วยตัวอย่าง (Sample Survey) เก็บข้อมูลจากทางหน่วยของประชากร
ข้อดี : ประหยัดเวลา / ค่าใช้จ่าย ได้ผลเร็ว ข้อมูลมีคุณภาพดี ปริมาณงานน้อย ควบคุมคุณภาพง่าย
ข้อเสีย : มีความคลาดเคลื่อนจากการสุ่ม ถ้าตัวอย่างน้อยเกินไปจะทำให้ข้อมูลตัวอย่างไม่เป็นตัวแทนที่ดีของประชากร
Ex. หารายได้เฉลี่ยของคนกทม.3 ล้านคน เลือกกลุ่มตัวอย่างมา 5,000 คน ต้องมีรายได้สูง กลาง ต่ำ
ในสัดส่วนเดียวกับประชาการ หลักการนี้ต้องได้ แทนที ของประชากร
0

ページ13:

กระบวนการทางสถิติ
สถิติในระเบียบวิธี 4 ขั้นตอนหลัก
1) เก็บข้อมูล (Collection) : การสารวจ /การลำมะโน
2) วิเคราะห์ข้อมูล (Analysis) : ใช้สูตร/โปรแกรม เช่น SPSS, JASP
3) แปรผล (Interpretation) : ตีความผล
4) นำเสนอ (Presentation) : ตาราง กราฟ แผนภูมิ
ความสัมพันธ์สำคัญ
- ประชากร (Population) - กลุ่มทั้งหมด
-ตัวอย่าง (Sample) - ตัวแทนของประชากร
-สถิติ (Statistic) - ค่าจากตัวอย่าง
++
-พารามิเตอร์ (Pammeter) → ค่าจริงของประชากร
Parametric
+
การสุ่ม
เริ่มต้น
1. าหนดเป้าหมาย
ประชากรที่สนใจศึกษา 5. สรุปผล
(Population)
2. กลุ่มตัวอย่าง
ตัวอย่าง
(Sample)
3.รวบรวมข้อมูล
สถิติ
(Statistic)
Non-Parametric
ค่าพารามิเตอร์
(Parameter)
4. การประมาณค่า
0
ข้อมูลต้องแจกแจงแบบปกติ
•ความแปรปรวนเท่กัน
• ข้อมูลเป็นอิสระต่อกัน
Ex. T-tests เปรียบเทียบค่าเฉลี่ย 2 กลุ่ม
ANOVA เปรียบเทียบค่า ยากกว่า 2 กลุ่ม
Pearson Correlation ความสัมพันธ์ระหว่างตัวแปร
การแจกแจงขอมูล (Data Distribution)
•ข้อมูลไม่แจกแจงแบบปกติ
•กลุ่มตัวอย่างน้อย
• ข้อมูลเป็นลำดับหรือกลุ่ม
Ex. Mann-Whitney U test 1724 Independent t-test
Wilcoxon signed-rank test แทน Paired t-test
Kruskal-Wallis test แทน ANOVA
Spearman's rank correlation แทน Pearson
การนำข้อสอบ (Raw Data) มาจัดระเบียบ แบ่งเป็นกลุ่ม หรือเรียงลำดับ เพื่อให้วิเคราะห์ได้ง่ายขึ้น
เช่น ค่าเฉลี่ย มัธยฐาน ฐานนิยม ช่วยให้เห็นรูปแบบและแนวโน้มของข้อมูล
การแจกแจงแบบปกติ (Normal Distribution)
0.40
0.35
0.30
0.25
2 0.20
0.15
0.10-
0.05 0.13% 2.14%/13.59% 34.13% 34.13% 19.59% 2.14% 0.13%
0.00
-40 μ-30 μ-20 1-0 μ +o+20 +30 +40
•ลักษณะเป็นโค้งระฆังคว่ำ (bell-shaped)
เป็นเงื่อนไขสำคัญของสถิติแบบมาราเมตริก
กราฟสมมาตร ค่า Mean = Median = Mode

ページ14:

+
การตรวจสอบความปกติของข้อมูล
ดุจากกราฟ Histogram โดยพิจารณา
(4.) Mean - Median - แนวโน้มปกติ
(2) Skewness (ความเฟ่)
ใกล้ O = ปกติ
>0 = เยุ้ยวา
<0 - เซ้าย
9 Kurtosis (ความโด่ง)
0 = ปกติ.
>0 = โด่งสูง (แหลม)
<0 = แบน (กระจายกว้าง)
* ความเบ้/ความโด่ง
0
บอกลักษณะการแจกแจงของข้อมูล
ใช้พิจารณาก่อนเลือกสถิติอนุมาน
ประเภทของสถิติ
Mean
Median
Mode
Mode
Moder
Median
Mean
1. Median
Mean
(-) Negatively Skewed
Distribution
(Left skewed)
เป่าย
Symmetrid Distribution
(+) Positively Skewed
Distribution
(Right skewed)
Positive Kurtosis
Normal distribution
Negative Kurtosis
>0
0
เข็มส
>0
(1)สถิติพรรณนา (Descriptive) : สรุปข้อมูล เช่น ตาราง กราฟ) ค่าเฉลี่ย ไม่อ้างอิงไปประชากรอื่น
(2) สถิติอนุมาน (Inferential) : ใช้ทดสอบสมมติฐาน ใช้ผลจากตัวอย่างไปอ้างอิงประชากร
หลักการเลือกใช้สถิติ
1) ลักษณะกลุ่มตัวอย่าง : สุ่ม / ไม่สุข - Parametric / Non - parametric
:
2) ประเภทของข้อมูล 4 ประเภท
(1) ข้อมูลเชิงคุณภาพ (Qualitative Data)
->
ข้อมูลไม่สามารถจัดลำดับ - ใช้มาตรวัดนามบัญญัติ (Nominal Scale) เช่น เพศ สี ศาสนา จังหวัด
ข้อมูลสามารถจัดลำดับได้ → ใช้มาตรวัดเรียงลำดับ (Ordinal Scale) เช่น ระดับการศึกษา
2) ช้อมูลเชิงปริมาณ (Quantitative data)
-
ข้อมูลต่อเนื่อง - ใช้มาการวัดอันการภาค (Interval Scale) เช่น อุณหภูมิ ส่วนสูง น้ำหนัก
ข้อมูลไม่ต่อเนื่อง → ใช้มาตรวัดอัตราส่วน (Ratio Scale) เช่น จำนวนคน จำนวนสิ่งของ
3) วัตถุประสงค์งานวิจัย : อธิบาย/เปรียบเทียบ ความสัมพันธ์

ページ15:

สถิติพรรณนา (Descriptive)
9 การแจกแจงความถี่ (Frequency) : แสดงจำนวน ร้อยละ ใช้กับ Nominal, Ordinal
tttt
tttt
tttt
ร้อยละ (Percentage) บอกสัดส่วนข้อมูล ควรพิจารณาควบคู่กับจำนวนจริง
สูตร ร้อยละ (%) = X x 100 X =
อายุ
ค่าของข้อมูล จํานวนค่า
ความถี่
ของข้อมูล
31-35
32 33 35 35 35
5
36-40
39 39 39 40
4
สูตร
41-45
41 42 42 44 44
5
46-50
46 47 48 48 49
5
1
1
2
51-55 52
สูตร X = Ex
N
๏ การวัดแนวโน้มเข้าสู่ศูนย์กลาง
2.1) ค่าเฉลี่ย (Mean) : ค่ากลาง
2.2) มัธยฐาน (Median) : ค่าตรงกลาง
I
ๆ
2.3) ฐานนิยม (Mode) : ค่าที่พบมากสุด
* Mean, Median, Mode อาจเท่ากัน (ข้อมูลปกติ)
(3) การวัดการกระจาย
จำนวนข้อมูล (ความถี่)
N. N = จำนวนข้อมูลทั้งหมด
X = ค่าเฉลี่ยที่ได้มาจากกลุ่มตัวอยู่
A = ค่าเฉลี่ยที่ได้มาจากประชากรทั้งหมด
X = ผลรวมของ
อมูลทั้งหมด
N = จำนวนข้อมูลทั้งหมด
+
ถ้ามีค่าผิดปกติ → Mean จะเพี้ยน
Mean ไวต่อการผิดปกติ
3.1) ค่านิสัย (Range) : ค่าสูงสุด – ค่าต่ำสุด
3.2) ส่วนเบี่ยงเบนมาตรฐาน (Standard, Deviation : SD)
ดูว่าข้อมากระจายจากค่าเฉลี่ยมากแค่ไหน ค่ายิ่งมาก = กระจายมาก
ข
สูตร S.D. = ≤(x;-x)?
√ (n-1)
=
3.3) ความแปรปรวน (Variance) คือ Sp
X = ค่าเฉลี่ยที่ได้มาจากกลุ่มตัวอย่าง
สูตร
สุตร s = X(x-x)
Xi = ค่าของข้อมูลเดิมแต่ละจำนวน
n = - จำนวนข้อมูลจากกลุ่มตัวอย่าง
N-1
การเลือกใช้สถิติกับประเภทข้อมูล
* ใช้ได้ทุกประเภท : Frequency, Percentage, Made
* ใช้เฉพาะข้อมูลตัวเลข : Mean, SD, Variance

ページ16:

สถิติ
หน้าที
* ข้อมูลระดับต่างๆ ที่ใช้ได้ในสถิติพรรณา *
A
ใช้กับข้อมูลประเภท
นายบัญญัติ เรียงอันดับ อันตรภาค อัตราส่วน
(Nominal) (Ordinal) (Interval) (Ratio)
1) ความถี่ (Frequency)
บอก านวนทอง อมูลในแต่ละกลุ่ม
✓
✓
✓
✓
2) ร้อยละ (Percentage)
บอกสัดส่วนของข้อมูลให้เข้าใจง่าย
✓
✓
✓
✓
3) ค่าเฉลี่ย (Mean)
บอกค่ากลางของข้อมูลโดยรวม
✓
4) มัธยฐาน (Median)
5) ฐานนิยม (Mode)
6) พิสัย (Range)
-ค่า สด (Minimum)
– ค่าสูงสุด (Maximum)
บอกค่ากึ่งกลางของข้อมูลเมื่อเรียงลำดับ
ปอกค่าที่พบมากที่สุด
นอกช่วงห่างระหว่างค่าสูงสุดกับค่าต่ำสุด
บอกค่าที่น้อยที่สุดในชุดข้อมูล
✓
✓
✓
*เห็น
✓
✓
✓
✓
✓
บอกค่าที่มากที่สุดในชุดข้อมูล
7) ส่วนเบี่ยงเบนมาตรฐาน (SD)
บอกการกระจายรอบค่าเฉลี่ย
✓
✓
9) ความแปรปรวน (Variance)
9) ควอไทล์ (Buatiles)
10) ความเย้ (Skewness)
ขอกระดับการกระจายของข้อมูลจากค่าเฉลี่ย
แบ่งข้อมูลออกเป็น 4 ส่วนเท่าๆกัน
บอกความเย้ย การแจกแจงข้อมูล
✓
✓
✓
✓
✓
✓
11) ความโด่ง (Kurtosis)
บอกความโด่งหรือความแบนของการแจกแจง
V.
✓

ページ17:

สถิติอนุมาน (Inferential)
การประมาณค่า - ทดสอบสมมติฐาน ความสัมพันธ์ใช้ข้อมูลตัวอย่าง เพื่อสรุปอ้างอิงไปยัง ประชากร
ด |
และช่วยตัดสินใจอย่างมีหลักฐาน
ง
* ประชากร (Population) : สมาชิกทุกหน่วยของสิ่งที่สนใจศึกษาวิจัย
* กลุ่มตัวอย่าง (Sample) : ส่วนหนึ่งของประชากรที่นำมาเป็นตัวแทนของกลุ่มประชากรทั้งหมด
(ขนาดกลุ่มตัวอย่าง (Sample Size)
นิยมใช้สูตร Taro Yamane และ Krejcie & Morgan
หลักการกลุ่มตัวอย่างต้องถูกเลือกอย่างเหมาะสม เพื่อเป็นตัวแทนประชากร
Taro Yamane ทาโร่ ยามาเน่
สุตร n =
N
1+ Nle2
- Krejcie & Morgan เครซี่
n= ขนาดกลุ่มตัวอย่าง
N = ขนาดประชากร
• - ความคลาดเคลื่อนของการลุ่มตัวอย่างที่ยอมรับได้
=
มอร์เก้น
ตร n = X4 Np (1-p)
ง
e² (N-1)+ xp(1-p)
n= ขนาดกลุ่มตัวอย่าง
= ขนาดประชากร
N
- ความคลาดเคลื่อน กลุ่มตัวอย่างที่ยอมรับได้
2 - ความคลาดเคลื่อนของการสุ่มตัวอย่าง
x = ค่าไคสแควร์ที่ &f= 1 และระดับความเชื่อมั่น 95% (x = 3 241)
P.
=
=
สัดส่วนของลักษณะที่สนใจในประชากร (ถ้าไม่ทราบ ให้กำหนด p=0.5)
การอนุมานทางสถิติ
1) การประมาณค่า
-แบบรูด : ค่าเดียว
-แบบช่วง: มีช่วงความเชีวน
:
2) การทดสอบสมมติฐาน : ใช้ตัดสินว่าเชื่อหรือไม่เชื่อสมมติฐาน

ページ18:

การทดสอบค่าเฉลีย (T-test)
(0) One - Sample T-test : ใช้เมื่อเปรียบเทียบ ค่าเฉลี่ย 1 กลุ่มกับค่าเกณฑ์
Ex. รายได้ > เส้นความยากจนหรือไม่
T
2) Independent Samples T-test : ใช้เมื่อเปรียบเทียบ 2 กลุ่มที่เป็นอิสระกัน
Ex. ชาย VS 2 คนเล่นเกม 15 คนไม่เล่นเกม
1.
=
ผล : p = 0.039 < 0.05
สรุปปฏิเสธ 6 พฤติกรรมแตกต่างกันจริง
(3) Paired Samples T-test : ใช้เมื่อเปรียบเทียบก่อน-หลังกลุ่มเดียวกัน มีการวัด 2 ครั้ง
Ex. ก่อนรักษา vs หลังรักษา
ผล p<0.05 สรุปยอมรับ H, การกำหมัดได้ผลจริง
ANOVA : เปรียบเทียบมากกว่า 2 กลุ่ม
4) :
ประเภทการทดสอบ
1) Two-Tailed (สองทาง) : + (ต่างกัน)
2) One-Tailed (ทางเดี่ยว) : (มากกว่า) 4 (น้อยกว่า)
* Levene's Test (ทดสอบความแปรปรวน)
Ho : กลุ่มที่มีความแปรปรวนเท่ากัน
p > 0.05 → ความแปรปรวนเท่ากัน ใช้ค่าสถิติบรรทัดขน
->
(ไม่มีนัยยะสำคัญทางสถิติ)
->
H : กลุ่มที่มีความแปรปรวนไม่เท่ากัน
P<0.05 → ความแปรปรวนไม่เท่ากัน ใช้ค่าสถิติบรรทัดล่าง
(มีนัยยะสำคัญทางสถิติ)
= Variance
* Mean value
ความแปรปรวนเท่า
ไม่มีนัยยะสำคัญ
บน
≠ Variance
= Mean value
ความแปรปรวนไม่เท่า
มีนัยสำคัญ
ล่าง

ページ19:

ขั้นตอนการทดสอบสมมติฐาน
* ขั้นที่1 ตั้งสมมติฐาน
Ho (สมมติฐานหลัก) : ไม่มีความแตกต่าง / ไม่มีผล A = เกณฑ์
H. (สมมติฐานทางเลือก) : มีความแตกต่าง / มีผล 1 + > < ค่าเกณฑ์
H₁
* ขั้นที่ 2 กำหนดระดับนัยสำคัญ (Significance level)
*
=
กำหนด ๘ = 0.05 (๘ ระดับนัยสำคัญที่เรากำหนดไว้ล่วงหน้า ยอมให้ผิดพลาดได้ 5%)
p-value: ค่าความน่าจะเป็นที่ใช้ตัดสินว่าผลลัพธ์ที่เราได้เกิดขึ้นโดยบังเอิญหรือมีนัยสำคัญจริง
• p-value > 0.05 : ไม่มีนัยสำคัญ (Not Significant ) ผลที่ได้อาจเกิดจากความบังเอิญ
ไม่ปฏิเสธ
• P-value < 0.05 (5%) : มีนัยสำคัญ (Significant) ผลที่ได้ไม่น่าจะเกิดจากความบังเอิญ ปฏิเสธ Ho
• P-value < 0.01 (1%): มีนัยสำคัญมาก (Very Significant)
• p-value<0.001 (0%) : มีนัยสำคัญสูงมาก (Highly Significant)
น
ขั้นที่ 3 เดือกสถิติ (T-test)
1) One - Sample T-test : ใช้เผื่อเปรียบเทียบ ค่าเฉลี่ย 1 กลุ่มกัน เกณฑ์
2) Independent T-test : ใช้เมื่อเปรียบเทียบ 2 กลุ่มที่เป็นอิสระกัน
3) Paired T-test : ใช้เมื่อเปรียบเทียบก่อน-หลัง กลุ่มเดียวกัน มีการวัด 2 ครั้ง
* ขั้นที่ 4 คำนวณค่า (1,p-value)
1
เกณฑ์ตัดสิน P-value<0.05 – มีนัยสำคัญ - ปฏิเสธ Ho
p-value > 0.05 -ไม่มีนัยสำคัญ ยอมรับ Ho
* ขั้นที่ 5 สรุปผล
->
Ex.1) สมมติทดสอบว่า รายได้เฉลี่ยต่างจาก 3,079 บาทหรือไม่
ถ้า p-value = 0.03 ใช้เกณฑ์ C = 0.05
=
P-value = 0.03 < 0.05 มีนัยสำคัญ รายได้ต่างจริง
ถ้ำ p-value = 0.12
P-value = 0.12 > 0.05 ไม่มีนัยสำคัญ อาจแค่บังเอิญ
(n)
กลุ่มนักเรียน
พฤติกรรมก้าวร้าวเฉลี่ย จํานวนนักเรียน
t
p
1.60
100
-1.79 0.038
1.68
100
1. นักเรียนที่ไม่เล่นวิดีโอเกม
Ex. 2.)
นักเรียนที่เล่นวิดีโอเกม
H₁
ค่า t = -1.79 ค่านี้ กทิศทาง และความแตกต่างระหว่างกลุ่ม
ใช้เกณฑ์ 3 = 0.05, p-value = 0.039< 0.05. มีนัยสำคัญทางสถิติ (Significant)
สรุปผล ปฏิเสธ H, นักเรียนที่เล่นเกมกับไม่เล่นเกมมีพฤติกรรมก้าวร้าวแตกต่างกันจริง

ページ20:

Independent Samples T-test
ใช้เมื่อเปรียบเทียบ 2 กลุ่มที่เป็นอิสระกัน
2
ANOVA
Mixed Models
Regression Frequencies Factor
Edit Data
Descriptives
T-Tests
T
Income
Sex
1
4127.46
1
Classical
Independent Samples T-Test
Paired Samples T-Test
2
3222.91
1
male
One Sample T-Test
3
2719.56
1
male
4
2818.28
2
female
5
2522.44
2
nale
6
2422.15
2
7
2825.34
1
8
3221.1
2
fema
9
2316.26
10
2419.08
11
2519.85
12
2120.33
13
3118.04
14
4117.46
ตัวแปรเพศ (Nominal Scale)
1 คือ เพศชาย
2 คือ เพศหญิง
Ex. เพศกับรายได้
ตัวแปรรายได้ (Ratio Scale)
Edit Data Descriptives T-Tests
ANOVA
Mixed Models Regression Frequencies
♥ Independent Samples T-Test
5. จากนั้นให้กด
Descriptives
Tests
2 Student
Welch
Mann-Whitney
Alternative Hypothesis
O Group 1 Group 2
Group 1 > Group 2
Group 1 < Group 2
Assumption Checks
2 Normality
7 Equality of variances
Brown-Forsythe
⚫ Levene's
Q-Q plot residuals
Missing Values
A Evetude eaeae nae danandant serishle
Results
Factor
Dependent Variables
Income
Grouping Variable
* Sex
Additional Statistics
Location parameter
Confidence interval 95.0
Effect size
Cohen's d
Glass' delta
Confidence interval
Descriptives
Vovk-Sellke maximum p-
Pilots
Descriptives pl
3. จะปรากฏหน้าต่าง Dependent
Variables ให้ กดเลือกตัวแปรที่ต้องการ
ทดสอบ (Interval, Ratio Scale)
ในกรณีนี้คือตัวแปร Income
***** Normality (Shapiro-Wilk)
nces (Levene's)
df₁
dta
ip
1
0877
Horizonta
Confidon
Standard
Income
female
Note, Significant results suggest a deviations.
6. เลือกทิศทาง
สมมติฐาน
7. เลือก Check assumption กด
Equality of variance เลือก
Levene's
Bar plots
Mean
SD
SE
2935.168
3293 867
750.291
712 228
181.972
167 874
4. ในช่อง Group
Variable คือตัวแปร
คุณภาพ (Nominal,
Ordinal Scale) ที่
ต้องการเปรียบเทียบ
ระหว่างกลุ่ม
ในที่นี้คือ เลือกตัวแปร
SEX มาใส่ในช่องนี้

ページ21:

L
Edit Data
Descriptives T-Tests
ANOVA
Mixed Models Regression Frequencies Factor
Meta-Analysis Predictive Analytics
Reliability
SEM Summary Statistics
T
respondent id
orgid sex
age educas +
- Descriptive Statistics
00008
ขาย
38
ปริญญาโท
ราย
35
ปริญญาตร
v Descriptive Statistics
หญิง
30
ปริญญาตรี
Variables
ปริญญาตรี
respondent_id
41
org id
sex
all education
Valid
1. การวิเคราะห์ กดย้ายตัว
แปรที่ต้องการวิเคราะห์เข้า
ไปในช่อง Variables
CLS1
CLS2
CLS3
CLS4
CLS?
CALSA
CLS9
14
14
3
หญิง
35
ปริญญาตร
CLS10
15
หญิง
2 32
อื่นๆ ระบุ
CLS11
หญิง
27
สัญญาต
Transpose descriptives table
17
17
หญิง
ปริญญาตรี
Statistics
10
หญิ
47
ปริญญาตรี
Sample size
19
19
หญิง
อื่นๆ รอบ
Valid
20
5
หญิง
Missing
21
21
5
หญิ
2. กดเลือก √
สถิติที่ต้องการวิเคราะห์
Quantiles
Quarties
Cut points for: 4 equal groups
Percentiles
Central tendere
Distribution
Mode
Skewness
Median
Mean
Dispersion
Std. deviation
Coefficient of variation
MAD
MAD robust
IQR
2 Range
Variance
Minimum
Kurtosis
Shapiro-Wilk test
Sum
Descriptive Statistics r
Missing
Descriptive Statistics
Sex
education
500
500
0
Mode
Medan
2.000
2.000
1.000
1.645
Std Deviation
0.479 1.013
Variance
0.229
1.027
Skewness
-0.612
1.775
Sad Error of Skewness
0109
0-109
Kurtosis
-1,631
1.615
Std Error of Kurtosis
0.218
0218
Range
1.000
3.000
1,000
Minimum
1.000
1.000
2000
4000
Maximum
• The mode is computed assuming that variables are
discreet
Frequency Tables ▾
Frequencies for sex▼
3. ผลการ
วิเคราะห์สถิติจะ
ปรากฏทันที
การคัดลอกผลการ
วิเคราะห์
กดคลิกขวาที่
ตารางแล้ว Copy
Frequency
Percent
570
177
35.400
323
64.500
64.600
Missing
0
0.000
Total
500
100,000
Cumulative Percent
100,000
Frequencies for education
education Frequency
Percent
Valid Percent
Cumulate percent
ปริญญาตรี
363
72,600
72,500
72600
ปริญญาโท
71
14.200
14.200
06.800
ปริญญาเอก
2
0.400
0400
07-200
ระบ
12.800
12.800
100000
Missing
0
0.000
500
100,000
Distribution Plots
1%
Edit Data
Descriptives
T-Tests
ANOVA
Mixed Models Regression
Frequencies Factor
LA
Meta-Analysis Predictive Analytics
Reliability
98
SEM
11
Summary Statistics
- Descriptive Statistics
v Descriptive Statistics
respondent id
org id
all education
time
00000
Descriptive Statistics
Descriptive Statistics
Variables
sex
Valid
Missing
Mode
Median
Mean
Std Deviation
Variance
Sieuness
Std. Error of Skewness
Kurtosis
Std. Error of
sex
กว่า 20,000 บาท
268
2.000
2.000
0.477
0.227
-0.645
0.149
-1.594
SEX
20,000-25,000 บาท
91
0
2,000
2,000
1.582
0.496
0.246
-0.340
0.253
-1.927
SEX
25,001-30,000 บาท
47
0
2,000
2,000
1.681
0.471
0.222
-0.002
0.347
sex
30,001-50,000 บาท
87
0
2,000
2,000
1.690
0 465
0.217
-0.834
0.258
-1.335
sex
กว่า 50,000 บาท
7
0
1.000
1,000
1.429
0.535
0285
0.374
0.794
-2800
การวิเคราะห์
ตารางไขว้
(Crosstab)
การวิเคราะห์ความสัมพันธ์ระหว่างตัว
แปรเชิงคุณภาพตั้งแต่ 2 ตัวขึ้นไป โดย
แสดงจํานวนหรือร้อยละของข้อมูลใน
รูปแบบตาราง เพื่อดูว่าแต่ละกลุ่มมีการ
กระจายตัวสัมพันธ์กันอย่างไร
เช่น เพศกับรายได้
1. ใส่ตัวแปรที่ 1 ที่
ต้องการวิเคราะห์
Transpose descriptives table
Statistics
Sample size
Valid
Missing
Central tendency
Moder
Median
!!!!!
Mean
Dispersion
Std. deviation
MAD
ICR
Range
Maximum
Coefficient of variatio
MAD robust
Variance
Minimum
Split
The mode is computed assuming that variables are discrete
Frequency Tables
Frequencies for ser
income
sex
Frequency Percent
Valid Percent
Cumulative Percent
อยกว่า 20,000 บาท
ราย
93
34.701
34.701
34.701
หญิง
175
65,200
65-299
100,000
Missing
Total
0
0.000
255
100,000
income
20,000-25,000 บาท
38
41.758
41.758
41,758
หญิง
Missing
Total
53
58.242
58.242
100,000
°
0.000
91
100,000
25,001-30,000 บาท
ขาย
15
31.915
31.9175
หญิง
32
68,005
68 085
31.915
100,000
Missing
0.000
Total
47
100,000
30,001-50,000
บาย
27
31.034
31.034
31.034
หญิง
60
68.966
68.966
100,000
Missing
Total
0
0.000
87
100,000
กว่า 50,000 บาท
ราย
4
57.143
57.143
3
42.857
42.857
57.143
100,000
Missing
0.000
100,000
2. ในช่อง Split ใส่ตัว
2
แปรที่ 2 ที่ต้องการ
วิเคราะห์ เพื่อดูการ
กระจายของ
ตัวแปรที่ 1 X ตัวแปรที่ 2
3. ผลการวิเคราะห์จะปรากฏรายละเอียดผลการไขว้
ระหว่างตัวแปรให้เห็นความถี่และร้อยละ
* การวิเคราะห์
ตารางไว้ (Crosstab)
การวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรเชิงคุณภาพตั้งแต่ 2 ตัวขึ้นไป โดยแสดงจำนวน ร้อยละ
ในรูปแบบตาราง เพื่อดูว่าแต่ละกลุ่มมีการกระจายตัวสัมพันธ์กันอย่างไร Ex เพศกับรายได้

ページ22:

EX. จากการศึกษาคุณภาพอากาศใน กทม. เดือนกุมภาพันธ์ 2566 พบว่าค่า PM, โดยเฉลี่ยอยู่ที่ 233 กทม. ซึ่งมี
ผลกระทบต่อสุขภาพ ผู้ว่าชัชชาติจึงมีมาตรการในการให้พนักงาน Work From Home เพื่อลดภาวะการสร้าง
มลพิษในอากาศ เพื่อตรวจสอบว่ามาตรการดังกล่าวช่วยลดปริมาณ PM2.5 ได้หรือไม่ ผู้ว่าจึงสุ่มตรวจวัดอากาศ
ตามเขตต่างๆ ในกทม. ทั้ง 15 เขตพบว่าคุณภาพอากาศดังนี้
118.3
234.3
256.3
223.5
245.6
234.6
198.4
252.4
178.3
189.8
289.6
234.1
178.9
199.4
203.2
0
โดยกำหนดระดับนัยสำคัญที่ 0.05 ว่ามาตรการดังกล่าวได้ผลหรือไม่
วิธีทำ 1) กำหนดสมมติฐาน AA = คุณภาพอากาศโดยเฉลี่ยของกรม
Ho
P : M=233
H : A#233
=
2) ระดับนัยสำคัญ ∞ = 0.05
3) ใช้สถิติ One-sample T-test
4) ผลการวิเคราะห์ ค่า += 3.393
ค่า p-value=0.003 < 0.05
ปฏิเสธ b
One Sample T-Test
One Sample T-Test
AIR
26.98
df
19
P
< .001
Nore. For the Student t-test, the alternative hypothesis specifies that the mean is different from 0.
Note. Student's t-test.
Test
AIR
Student
Wilcoxon
Statistic
-3.383
34.00
df
p
19
.003
.006
Note. For the Student t-test, the alternative hypothesis specifies that the mean is different from 233.
For the Wilcoxon test, the alternative hypothesis specifies that the median is different from 233.
Descriptives
Descriptives
Mean
SD
SE
Coefficient of variation
AIR 20 207.0 34.32 7.674
0.166
สรุปผล : คุณภาพอากาศโดยเฉลี่ยของกทม. มีความแตกต่างจากค่ามาตรฐาน
อย่างมีนัยสำคัญทางสถิติที่ 0.05

ページ23:

ผลการวิเคราะห์
Results ♥
Independent Samples T-Test ♥
Independent Samples T-Test
Income
t
df
p
-1.451
33
0.156
Note. Student's t-test.
Assumption Checks
Test of Normality (Shapiro-Wilk)
องศาอิสระ
* df (degrees of freedom)
ค่าทางเทคนิคใช้คำนวณร่วมกับ + เพื่อหาค่า p
ค่า p-value = 0.156 > 0.05
ยอมรับ H, ไม่มีนัยสำคัญทางสถิติ
Income
male
female
W
P
0.871
0.023
0.941
0.304
Note. Significant results suggest a deviation from
normality.
Test of Equality of Variances (Levene's)
F
df1
df2
P
Income
0.024
1
33
0.877
* ต้องพิจารณา Levene's test ก่อนที่จะสรุปผล
ในกรณีนี้ ค่า P-value= 0.877 > 0.05 แสดงว่าความแปรปรวนของกลุ่มชายและหญิงไม่ต่างกัน
Descriptives ♥
Group Descriptives V
Group
N
Mean
SD
SE
Coefficient of variation
Income
male
17
female
18
2935.168 750.291 181.972
3293.867 712.228 167.874
0.256
0.216
สรุปผล : ชาวบ้านเพศชายกับชาวบ้านเพศหญิงมีรายได้ไม่แตกต่างกัน
Trick เกณฑ์ตัดสิน
p-value <0.05→มีนัยสำคัญ - ปฏิเสธ to
p-value > 0.05 -ไม่มีนัยสำคัญ ยอมรับ Ho
* Levene's Test (ทดสอบความแปรปรวน)
P<0.05
- ความแปรปรวนไม่เท่ากัน (มีนัยยะสำคัญทางสถิติ)
P > 0.05 - ความแปรปรวนเท่ากัน (ไม่มีนัยยะสำคัญทางสถิติ)

ページ24:

EX. แม้ว่ามาตรการ WPH ของผู้ว่าจะได้ผลสามารถลด PM 2.5 ได้ แต่ผู้ว่าชัชชาติ ต้องการทราบว่า ค่า PM 2.5 ใน
พื้นที่ กทม ชั้นในและชั้นนอกนั้นมีค่า PM 2.5แตกต่างกันหรือไม่ เพื่อออกข้อบังคับควบคุมมลพิษระยะยาว ผู้ว่าชัช
0
ชาติต้องการศึกษาข้อมูลเพิ่มเติม โดยผู้ว่าคาดว่า กทม. พื้นที่ชั้นในจะมีค่า PM 2.5 มากกว่า กทม. พื้นที่ชั้นนอก ที่
ระดับความเชื่อมั่น 95% ผิดพลาด 5% = 0,05
2
ให้
M₁ =
วิธีทำ ใน 14 ค่าเฉลี่ยของกทม. พื้นที่ชั้นใน
A = ค่าเฉลี่ยของกทม พื้นที่ชั้นนอก
1) กำหนดสมมติฐาน
Ho
H. : กทม พื้นที่ชั้นในจะมีค่า PM2.5 ไม่แตกต่างจากกทม พื้นที่ชั้นนอก
H : กทม. พื้นที่ชั้นในจะมีค่า PM2.5 แตกต่างจากกทม พื้นที่ชั้นนอก
0
2
2) ระดับนัยสำคัญ ๘ = 0.05
3) ใช้สถิติ Independent Samples F-test
ผลการวิเคราะห์ค่า T= -0.46
การทดสอบ Levene's test พบว่า p-value=0.069 > 0.05 แสดงว่ามีความแปรปรวนเท่ากัน
ค่าระดับนัยสำคัญ P-value=0.409> 0.05 28มชัย 10
Descriptives
Independent Samples T-Test
Independent Samples T-Test
Group Descriptives
Group N
Mean
SD
SE
Coefficient of variation
AIR
1
8
199.0 46.46 16.43
T
df
P
2
12
212.4
24.15 6.972
0.233
0.114
AIR -0.846 18
0.409
Note. Student's t-test.
Assumption Checks
Test of Equality of Variances (Levene's)
F
df1 df2
p
AIR 3.767
1 18 0.068
5) สรุปผล : กทม.พื้นที่ชั้นในจะมีค่า PM2.5 ไม่แตกต่างจากกทม. พื้นที่ชั้นนอก
กทม พื้นที่ชั้นในกับกทม พื้นที่ชั้นนอกมีค่า PM 2.5 ของทั้งสองพื้นที่เท่ากัน

ページ25:

H
Edit Data
Descriptives
T-Tests
♥ Paired Samples T-Test
Paired Samples T-test
ใช้เมื่อเปรียบเทียบก่อน-หลังกลุ่มเดียวกัน
✓
ANOVA Mixed Models Regression Frequencies
Factor
Results r
Variable Pairs
Pretest
Posttest
11
Paired Jamplee T-Test *
Pretest
Posttest
nple's T-Test
4. กด Descriptives
และกด Correct for
correlation
Aleasure 2
t
df
Cohen's d
SE Cohen's d
Tests
P Student
Wilcoxon signed-rank
Alternative Hypothesis
Measure 1≠ Measure 2
Measure 1 > Measure 2
O Measure 1 < Measure 2
Statistics
Location parameter
Confidence interval 95.0
Effect size
Confidence interval 95.0
Correct for correlation
Note. Significant results suggest a deviation from
normality
Descriptives
2. จากนั้นเลือก Classical
Paired Sample
T-Test
-0.737
Posttest
0.181
Assumption Checks
2 Normality
Q-Q plot residuals
Plots
Vovk-Sellike maximum p-ratio
Descriptives plots
Confidence interval 95.0 %
3. เลือกทิศทางสมมติฐาน
ผลการวิเคราะห์
Results
Paired Samples T-Test
Paired Samples T-Test
Measure 1
Pretest
escriptives
2. เลือกตัวแปรที่จะทดสอบ
ก่อนและหลัง
Measure 2
Posttest
t
df
P
Cohen's d
SE Cohen's d
-2.854
14
0.006
-0.737
0.181
Note. For all tests, the alternative hypothesis specifies that Pretest is less than Posttest.
Note. Student's t-test.
Assumption Checks
Test of Normality (Shapiro-Wilk)
Pretest
Posttest
W
p
0.880
0.047
Note. Significant results suggest a deviation from
normality.
SE
Coefficient of variation
2.266
2.147
0.064
0.058
:
ค่า p-value = 0.006 < 0.05
ปฎิเสธ Ho มีนัยสำคัญทางสถิติ
สรุปผล : วิธีการใช้ดนตรีบำบัดสามารถเพิ่มเซโรโทนิน
ของคนที่ป่วยซัมเศร้าอย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05
Descriptives
Descriptives
N
Mean
SD
SE
Coefficient of variation
Pretest
15
138.200
Posttest
15
142.133
8.777
8.314
2.266
2.147
0.064
0.058

ページ26:

Ex.
จิตแพทย์ต้องการทดสอบประสิทธิภาพของวิธีการบำบัดโรคซึมเศราด้วยดนตรีบำบัด (Music Therapy)
ให้กลุ่มนักศึกษา จิตแพทย์จึงสุ่มเก็บตัวอย่างจากนักศึกษาที่ป่วยเป็นโรคซึมเศร้า 15 คน และทำการบันทึกระดับ
สารเซโรโทนิน (Serotonin) ของตัวอย่างก่อนบำบัดและหลังบำบัดได้ดังนี้
นักศึกษาคนที่
กอนทําบัด หลังทําบัด นักศึกษาคนที่ กอนบำาบัด
หลังทําบัด
1
125
136
9
144
148
2
142
141
10
152
160
3
130
140
11
130
132
4
143
148
12
144
150
5
135
138
13
140
142
6
149
155
14
131
133
7
126
135
15
133
136
8
149
138
0
จิตแพทย์จึงต้องการพิสูจน์ว่าวิธีการใช้ดนตรีบำบัดสามารถเพิ่มเซโรโทนินของคนที่ป่วยซึมเศร้าอย่างมีนัยสำคัญ
ทางสถิติที่ระดับ 0.05 หรือไม่
2
1
วิธีทำ ให้ Aretest = ค่าเฉลี่ยของระดับสารเซโรโทนินก่อนบำบัด
rosttest = ค่าเฉลี่ยของระดับสารเซโรโทนินหลังบำบัด
5.)
1) กำหนดสมมติฐาน Ho : Aretest
Prosttest
H : Apretest - Arosttest
2) ระดับนัยสําคัญ = 0.05
3) ใช้สถิติ Paired, Samples F-test
4) ผลการวิเคราะห์ ค่า += -2.254
ค่า p-value = 0.006 < 0.05
ปฎิเสธ #、 มีนัยสำคัญทางสถิติ
=
มีค่าสัมประสิทธิ์ความสัมพันธ์ = -0.459
Paired Samples T-Test
Paired Samples T-Test
Measure 1
Pretest
n-1
ค่าสัมประสิทธิ์ความสัมพัน
=15-1
= 14
Measure 2
t
Posttest
P
-2.854 14 0.006
df
Cohen's d SE Cohen's d
-0.459
0.169
Note. Cohen's d corrected for correlation between observations.
Note. For all tests, the alternative hypothesis specifies that Pretest is less than Posttest.
Note. Student's t-test.
Descriptives
Descriptives
N
SD
SE
Coefficient of variation
0.064
Mean
Pretest 15 138.2 8.777 2.266
Posttest 15 142.1 8.314 2.147
* ค่าสัมประสิทธิ์ความสัมพันธ์ (Correlation Coefficient)
0.058
ค่าทางสถิติที่ใช้วัดว่าตัวแปร 2 ตัวมีความสัมพันธ์กันมากแค่ไหน และเป็นทิศทางใด
สรุปผล : วิธีการใช้ดนตรีบำบัดสามารถเพิ่มระดับสารเซโรโทนินของคนที่ป่วยซึมเศร้าได้
โดยระดับสารเซโรโทนินหลังบำบัดสูงกว่าก่อนบำบัด

ページ27:

One-Sample T-test
ใช้เมื่อเปรียบเทียบค่าเฉลี่ย 1 กลุ่มกับค่าเกณฑ์
2
Edit Data Descriptives
> Contingency Tables
v One Sample T-Test
respondent_id
org_id
sex
Page
all education
time
A marital
income
CLS1
AIS
T-Tests
ANOVA
3 Classical
Independent Samples T-Test
Paired Samples T-Test
One Sample T-Test
12
11 Bayesian
Mixed Models Regression Frequencies Factor
One Sample T-Test
One Sample T-Test
df
Independent Samples T-Test
Paired Samples T-Test
One Sample T-Test
Note For the Student t-test, the alternative
hypothesis specifies that the mean is different from 0.
Note Student's t-test
Tests
V Student
Wilcoxon signed-rank
2 Test
Test value:
0
Std. deviation: 1
Alternative Hypothesis
O Test value
>Test value
T-Tests
ANOVA
+
Edit Data
Income
2522.44
Sex
Descriptives
female
2422.15
female
7
2825.34
8
2316.26
female
2419.08
Jeerale
Additional Statistics
Location estimate
Confidence interval 95.0
Effect size
%
Confidence interval 95.0
Descriptives
%
Vovk-Selke maximum p-ratio
Mixed Models Regression Frequencies Factor
7 One Sample T-Test
Income
1. กด T-test > เลือก One
sample T-Test
000
Results
One Sample T-Test
One Sample T-Test
Test
ผลการทดสอบ
One Sample T Test
1. จะปรากฏหน้าต่าง Test
Variables ให้กดเลือกตัว
แปรที่ต้องการทดสอบ
ในกรณีนีคือตัวแปร Income
3121.08
21 4319.95
22 3722.12
23 3522.33
24 3519.72
| 2
Student
Wilcoxon signed-rank
Test value:
Sid deviation: 1
Allemative Hypothesis
Test value
O>Test value
Assumption checks
Normally
Q-Q plot residuals
3. ที่ Alternative Hypothesis เลือกตามโจทย์
≠ Test value = ต้องการทดสอบว่า "ต่างจาก
> > Test value = ต้องการทดสอบว่า "มากกว่า"
< Test value = ต้องการทดสอบว่า “น้อยกว่า”
33
2321.08
34
4125.79
female
35
ผลการวิเคราะห
Results ♥
One Sample T-Test
One Sample T-Test
Income
Note. For the
2.530
Additional Statistics
Location estimate
Confidence interval 95.0 %
Effect size
Confidence interval 95.0
Descriptives
Vovk-Selke maximum pratio
2. ในช่อง Test Value
คือค่าที่ต้องการนำมา
เปรียบเทียบ (เกณฑ์ หรือ
ค่าทดสอบ) ในงานวิจัยนี้
คือค่ารายได้จากเส้นแบ่ง
ความยากจน ปี 2564
คือ 2802
df
p
34
0.016
dent rest, the alternative
hypothesis specifies that the mean is different from
2802.
Note. Student's t-test
Descriptives
income
Student 2530
Wilcoxon 430.000
34
0.008
0.030
Note For the Student t-test, the alternative hypothesis specifies
that the mean is greater than 2802. For the Wilcoxon test, the
alternative hypothesis specifies that the median is greater than
2802
Descriptives
Desorptives
Income
N
35
Mean
SD
3119 642 742710
SE
125.542
Coefficileet of variation
0.230
4. ผล ตารางที่ 1: Descriptivesจะ
มีค่าอย่างน้อยพวก
N = จํานวนตัวอย่าง
Mean = ค่าเฉลี่ยจริงของกลุ่ม
SD = ส่วนเบี่ยงเบนมาตรฐาน
SE = ค่าคลาดเคลื่อนมาตรฐาน
Ex. รายได้ > เส้นความยากจนหรือไม่
+= 2.530.
ค่า p-value = 0.016 < 0.05
ปฏิเสธ H, มีค่านัยสำคัญทางสถิติ
Descriptives
N
Mean
SD
SE
Coefficient of variation
Income
35
3119.642 742.718 125.542
สรุปผล : ค่าเฉลี่ยของรายได้ชาวบ้าน = 319.25 บาท/เดือน
0.238

ページ28:

+
Data Visualization การนำเสนอข้อมูลด้วยกราฟ
กระบวนการ : Data - Visual - Insight
ข้อมูลดิบ ภาพ/กราฟ ตีความ
ย
ขั้นตอนทำ Data Visualization
1) เข้าใจโจทย์ (Question)
2) เตรียมข้อมูล (Data)
3) สรุปข้อมูล (Summary)
4) เลือกกราฟ) (Chart)
5) สร้าง/ตกแต่ง (Design)
6) ตีความ (Insight)
ประเภทข้อมูล
เชิงกลุ่ม (Categorical)
เชิงลำดับ (Ordinal)
เชิงปริมาณ (Numeric)
อนุกรมเวลา (Time series)
เชิงพื้นที่ (Geographic)
กราฟที่ดี
ะทำ
การสื่อสารข้อมูลให้เข้าใจง่ายและตัดสินใจได้ดีขึ้น
ประโยชน์
O ทําให้เห็นแนวโน้ม ความต่าง ตามล้มมัน ได้เว
@ ลดภาระการอ่านข้อความหรือตารางจำนวนมาก
ช่วยให้การนำเสนอ และการตัดสินใจมีหลักฐานรองรับ
ทำให้คนดูเข้าใจข้อมูลได้เร็ว
หลักการออกแบบกราฟที่ดี 4 ชื่อ
1) Clear : ชื่อกราฟ / แกน ล
2) Simple : ดูง่าย ไม่รา
3) Honest : ไม่บิดเบือนข้อมูล
4) Focus : เน้นจุดสำคัญ
ตัวอย่าง
กราฟที่เหมาะ
Bar/Column
Bar เรียงลำดับ
ตรงประเด็น เชื่อถือได้
What : อะไรเกิดขึ้น
So what : สําคั ยังไง
Now what : ควรทำอะไรต่อ
สิ่งควรหลีกเลี่ยง
ใช้กราฟ 30 สีเยอะเกิน
-ตัดแกนทำให้ข้อมูลดูเกินจริง
- Pie chart หลายหมวดเกินไป
เพศ คณะ
ระดับความพิมใจ
รู รายได้
Histogram/Scatter
รายเดือน รายปี
Line
แผนที
Map
การเลือกกราฟให้เหมาะ
1) เปรียบเทียบด้วย Bar chart 2) แนวโน้มด้วย Line chart 3) สัดส่วน Pie Chart
Bar Chart Example
Line Chart Example
Chart Example
Events
25.0
22.5
20.0-
* 17.5
15.0
12.5
10.0
Online
42%
12%
Partners
18%
ใช้เปรียบเทียบใครมากกว่าใคร
4)การกระจาย Histogram / Box plot
Histogram Example
Feb
Mar
Apr
May
ใช้เมื่อมี 3-5 หมวด
ใช้แนวโน้มตามเวลา
5)ความสัมพันธ์ของ 2 ตัวแปร Scatter plot
Scatter Plot Example
การกระจายของข้อมูล
25
10
12
14
Study Hours
ดูความสัมพันธ์ 2 ตัวแปร