สรุปย่อสถิติและการวิเคราะห์ความสัมพันธ์ ที่ใช้บ่อยๆ

สรุปย่อสถิติและการวิเคราะห์ความสัมพันธ์ ที่ใช้บ่อยๆ
นายพันธุ์ทอง จันทร์สว่าง ผู้ช่วยสาธารณสุขอำเภอคำเขื่อนแก้ว
สรุปย่อ การเลือกวิเคราะห์ความสัมพันธ์ ตามลักษณะตัวแปร
ไคว์สแคว์ Chi Square ใช้วิเคาะห์หาความสัมพันธ์ กับตัวแปร ประเภท Nominal และ Ordinal เช่น เพศ กศ.
Pearson Correlation ใช้วิเคาะห์หาความสัมพันธ์ กับตัวแปร ประเภท Interval และ Ratio
ตัวแปร ประเภท Interval และ Ratio สามารถใช้ ไคว์สแคว์ Chi Square ในการวิเคราะห์ ความสัมพันธ์ได้
แต่ ต้องจัดกลุ่ม ให้ Interval และ Ratio เป็น Ordinal ก่อน
เช่น จัด อายุเป็น กลุ่ม อายุ จัด รายได้ เป็น ระดับรายได้ จัด ความสุข เป็น ระดับความสุข ก่อน เป็นต้น
ไคว์สแคว์ Chi Square จะไม่สามารถบอกทิศทางของความสัมพันธ์ได้
Pearson Correlation จะสามารถบอกทิศทางของความสัมพันธ์ได้ โดย หากมี เครื่องหมายติดลบ แสดงว่ามีความสัมพันธ์กัน
ไปทิศทางผกผันกัน (ตรงกันข้าม ) เช่น รายได้สูง มีความสุขต่ำ อายุสูง มี ความสุขน้อยกว่าเป็นต้น
หากมีความสัมพันธ์ เป็นบวก แสดงว่ามีความสัมพันธ์กัน ไปทิศทางเดียวกันเช่น รายได้สูง มีความสุขมาก อายุสูง มี ความสุขมากกว่าเป็นต้น

ตารางลักษณะนี้ เรียกว่า ตาราง 2 x 3 คือ 2 แถว 3 คอลัมน์ ซึ่ง ไคว์สแคว์ Chi Square สามารถใช้ได้ตั้งแต่ตาราง 2x2 เป็นต้นไป

หากมีค่า expected count ที่ less than5 เกินกว่า ร้อยละ 20 จะใช้ไม่ได้ ให้ ยุบรวม คอลัมน์ เช่น ยุบเซลล์รวมกัน เช่น ไม่ได้เรียน กับประถม เข้าด้วยกัน หรือ ยุบรวม ปริยญาตรี กับสูงกว่าปริญญาตรีเข้าด้วยกัน เป็นต้น แล้วจึง สั่งคำสั่ง ไคว์สแคว์ Chi Square ต่อเป็นต้น ยุบรวมกันไปเรื่อยๆ จนกว่าจะเป็นไปตามเงื่อนไข ของ ไคว์สแคว์ Chi Square
กรณีนี้ ต้อง ยุบระดับการศึกษา รวมกันก่อน จน ค่า Expected count เหลือน้อย กว่า ร้อยละ 20 ให้ได้

คือค่าที่ต้องดู ซึ่ง หาก เอกินกว่า ร้อยละ 20 การวิเคราะห์ นี้ จะไม่เป็นไปตามเงื่อนไข ของ ไคว์สแคว์ Chi Square ต้องยุบรวม cell ไปจนกว่า ให้ ค่า expected count เหลือน้อย กว่า ร้อยละ 20 ให้ได้

ซึ่งค่าที่นำไปใช้ในการอ่าน ความสัมพันธ์ คือ ค่า 0.105 นี้ หาก น้อยกว่า 0.005 ถือว่า sig คือมีความสัมพันธ์กัน หาก เกินกว่า จะไม่ Sig หรือมีความสัมพันธ์กัน เป็นต้น
ซึ่งตามตัวอย่างนี้ ไม่ Sig หรือมีความสัมพันธ์กัน เป็นต้น

หาความสัมพันธ์ ระหว่าง อายุ รายได้ และรายได้กับความสุข กับความสุข
ข้อมูล นี้ เป็น Interval

แปลค่า เข้าใกล้ 1 ทั้ง บวก และ ลบ ถือว่ามีความสัมพันธ์ กรณีนี้ ค่า Peason Correlation ได้ .706
หากเป็นบวก ถือว่ามีความสัมพันธ์ ไปในทิศทางเดียวกัน
หากเป็นลบ ถือว่ามีความสัมพันธ์ ไปในทิศทางผกผันกัน
ดูว่าสัมพันธ์ไหม ต้องดูว่า น้อยกว่า 0.005

จากตัวอย่าง
ถือว่ามีความสัมพันธ์ กรณีนี้ ค่า Peason Correlation ได้ .706 เป็นบวก ถือว่ามีความสัมพันธ์ ไปในทิศทางเดียวกัน
ดูว่าสัมพันธ์ไหม ต้องดู ค่า sig กรณีนี้ มีค่า ได้ 0.094 ซึ่งมากกว่า 0.005 แสดง ว่า รายได้ ไม่มีความสัมพันธ์กับ ความสุข

รายได้ของครอบครัว ดู ค่า sig กรณีนี้ มีค่า ได้ 0.268 ซึ่งมากกว่า 0.005 แสดง ว่า รายได้ครอบครัว
ไม่มีความสัมพันธ์กับ ความสุข

T-test การเปรียบเทียบค่าเฉลี่ย

ก่อนวิเคาะห์ T-test ต้องดู F- test ก่อน
หาก F -test น้อยกว่า 0.05 ให้ใช้ t-test ด้านบน
แถว Equals Variances Assumed
หาก F- test มากกว่า 0.05 ให้ใช้ t-test ด้านล่าง
แถว Equals Variances not assumed

ตัวอย่าง การศึกษาว่า ในเขต นอกเขต เทศบาล มีความสุขต่างกันหรือไม่
Independent ตัวจัดกลุ่มไม่มีความสัมพันธ์กัน เป็นอิสระต่อกัน
Dependent ตัวจัดกลุ่มมีความสัมพันธ์กัน เช่น ก่อนกับหลังการอบรมเป็นต้น
T-test การเปรียบเทียบค่าเฉลี่ยของตัวแปร 2 กลุ่ม มีความสัมพันธ์กัน เช่น
ค่าเฉลี่ยของคะแนน ก่อนการอบรม และหลังการอบรม
มีความสัมพันธ์กัน เรียกว่า Dependent หรือ pare T-test
ตามตัวอย่าง ศึกษาว่า ในเขต นอกเขต เทศบาล มีความสุขต่างกันหรือไม่ ในเขต กับนอกเขต เป็น อิสระต่อกัน ใช้ Independent t- test

กรณีนี้ ผล F- test มากกว่า ได้ 0.893 คือ มากกว่า 0.05 จึงจำเป็นต้องใช้ t-test ด้านล่าง คือ .729
แถว Equals Variances not assumed
ค่า t - Test ที่ได้ คือ .729 เป็นต้น