KruJakkrapong 's Blog
  • Home
  • Portfolio
  • Blog
  • Shop
  • About
0

Follow us

  • facebook
  • youtube
KruJakkrapong 's Blog
  • Home
  • Portfolio
  • Blog
  • Shop
  • About

Copyright © 2025 — KruJakkrapong 's Blog

Play Pause Unmute Mute

เปรียบเทียบค่าเฉลี่ย 2 กลุ่ม SPSS ของประชากรที่ไม่เป็นอิสระต่อกัน

Written by จักรพงษ์ แผ่นทอง in Service, ทำผลงาน คศ.2-3 on กันยายน 19, 2019

บทความนี้จะแนะนำวิธีการคำนวณ เปรียบเทียบค่าเฉลี่ย 2 กลุ่ม SPSS ของประชากรที่ไม่เป็นอิสระต่อกัน (Dependent Samples) แต่ก่อนจะไปใช้ SPSS จะคำนวณด้วยวิธีธรรมดาก่อนครับ มาดูโจทย์ก่อนว่า เราต้องการทำอะไร ดังนี้ครับ

ครูคณิตศาสตร์นำวิธีการคิดเลขแบบจินตคณิตมาฝึกทักษะทางคำนวณของนักเรียน โดยวัดทักษะก่อนเรียนและหลังเรียนจินตคณิตของนักเรียน 10 คน จงทดสอบว่านักเรียนมีทักษะการคำนวณเพิ่มขึ้นหรือไม่ที่ระดับความเชื่อมั่น 99%

เราจะเห็นว่าคำว่า ไม่เป็นอิสระต่อกัน คือ การใช้กลุ่มตัวอย่างเดิมนั่นเองครับ ซึ่งโดยทั่วไปในห้องเรียนของครูส่วนใหญ่ก็ทำการทดลองแบบนี้เป็นประจำอยู่แล้ว เพียงแต่ไม่ได้ทำเป็นกิจลักษณะงานเชิงวิจัยเท่าไรนัก หากต้องการค่าทางสถิติเพื่อยืนยันว่าวิธีสอนดีจริงหรือไม่ จำเป็นต้องทำงานวิจัยเพิ่มเข้าไปอีกนิด เรียนรู้หลักสถิติอีกสักหน่อยก็เขียนเป็นบทความเผยแพร่ได้แล้วนะครับ

ข้อสังเกต : การทดสอบสมมติฐานในครั้งนี้ คือ การทดสอบทีแบบกลุ่มไม่อิสระ (Dependent-samples t-test หรือ Pair-samples t-test)

ต้้งสมมติฐานทางสถิติ

เราจะตั้งสมมติฐานทางสถิติกันก่อนนะครับ จากโจทย์ที่ให้ไว้ จะสามารถตั้งได้ดังนี้

[mathjax]

    \[H_0 : \mu_{post} = \mu_{pre}\]

คะแนนเฉลี่ยก่อนเรียนและหลังเรียนไม่แตกต่างกัน

    \[H_1 : \mu_{post} > \mu_{pre}\]

คะแนนเฉลี่ยหลังเรียนสูงกว่าก่อนเรียน

กำหนดระดับนัยสำคัญ

เราจะกำหนดระดับนัยสำคัญทางการทดสอบ และหาค่าวิกฤต ดังนี้

    \[\alpha = .01\]

ความเชื่อมั่น 99%

    \[df=n-1=10-1=9\]

จำนวนนักเรียนมี 10 คนครับ ทำให้ df=9

ค่าวิกฤต เป็นการทดสอบทางเดียว เปิดตาราง t_{.01,9}=2.821438

สูตรคำนวณ การทดสอบทีแบบกลุ่มไม่อิสระ (Dependent-samples t-test หรือ Paired-samples t-test)

สูตรในการคำนวณมีดังนี้ครับ

    \[t=\frac{\bar{d}}{\frac{S_d}{\sqrt{n}}}\]

df=n-1

เมื่อ t เป็นสถิติทดสอบ t

\bar{d} คือ ผลต่างเฉลี่ยของคู่คะแนน (เอาหลังเรียนลบก่อนเรียน)

S_d เป็นส่วนเบี่ยงเบนมาตรฐานของผลต่างคู่คะแนน

n คือจำนวนคู่คะแนน หรือ ขนาดของกลุ่มตัวอย่าง

สมมติคะแนนของเรียนก่อนเรียนและหลังเป็นดังตารางนี้นะครับ

dependent-samples-t-test-by-Excelดาวน์โหลด

เราจะมาคำนวณค่าสถิติทดสอบดังนี้ครับ

    \[\bar{d}=\frac{12}{10}=1.2\]

    \[S_d=\sqrt{\frac{n\sum d^2-(\sum d)^2}{n(n-1)}}= \sqrt{\frac{10(24)-(12)^2}{10(9)}}=1.033\]

    \[t=\frac{\bar{d}}{\frac{S_d}{\sqrt{n}}}= \frac{1.2}{\frac{1.033}{\sqrt{10}}}=3.674\]

ตัดสินใจทางสถิติ

มาถึงขั้นตัดสินใจแล้วครับ

    \[|t|(3.674)> t_{.01,9} (2.821)\]

จึงปฏิเสธ H_0 ยอมรับ H_1

สรุปผล : นักเรียนที่เรียนคิดเลขแบบจินตคณิตมีทักษะการคำนวณหลังเรียนสูงกว่าก่อนเรียนอย่างมีนัยสำคัญทางสถิติที่ระดับ .01

ใช้โปรแกรม SPSS เพื่อคำนวณค่าสถิติ

เราสามารถใช้โปรแกรมสำเร็จรูป SPSS เพื่อคำนวนค่าสถิติดังกล่าวนี้ได้ครับ แต่อย่าลืมว่า เราต้องทดสอบการแจกแจงปกติก่อนเหมือนในบทความที่เขียนไว้นะครับ

เริ่มจากการสร้างตัวแปรขึ้นมาสองตัว ชื่อ pretest และ posttest กำหนดที่ variable view > กำหนด measure เป็น scale ทั้งคู่ จากนั้นทำการ save ไฟล์เก็บไว้ครับ

คลิกที่ Data view กรอกคะแนน pretest และ posttest ลงไป จากนั้นทดสอบการแจกแจงปกติไปที่ analyze > descriptive statistics > explore…

คลิกเลือก pretest และ posttest จากนั้นคลิกลูกศรเพื่อนำเข้าไปยังช่อง dependent list

คลิกเลือก plots… > normality plots with tests > continue > OK

จะได้ผลดังนี้

ดูที่ค่า sig. ของทั้งสองเราพบว่า มีค่าสูงกว่า \alpha = .05 ดังนั้นข้อมูลของตัวแปรทั้งสองมีการแจกแจงปกติครับ

ต่อไปเราจะทดสอบสมมติฐานนะครับ โดยตั้งสมมติฐานดังนี้

    \[H_0 : \mu_1=\mu_2\]

    \[H_1 : \mu_1<\mu_2\]

เมื่อ \mu_1 เป็นผลสัมฤทธิ์ก่อนเรียน และ \mu_2 เป็นผลสัมฤทธิ์หลังเรียน

การทดสอบจาก SPSS ทำได้ดังนี้

ไปที่ analyze > compare means > Paired-samples T Test…

คลิกช่อง variable 1 เลือก pretest เข้ามา แล้วคลิกช่อง variable2 เป็น postest แล้วกด OK

จะได้ผลดังตารางนี้

ตารางแรกบนสุดก็บอกค่าสถิติธรรมดาทั่วไปครับ

ตาราง paired Samples Correlations เป็นความสัมพันธ์ระหว่างคะแนนก่อนเรียนและหลังเรียน พบว่า สัมประสิทธิ์สหสัมพันธ์ระหว่างก่อนเรียนและหลังเรียนมีค่าเท่ากับ .814 ค่า sig. เท่ากับ .004 หมายความว่า ความสัมพันธ์ระหว่างก่อนเรียนและหลังเรียนมีค่าสูงมากแต่กต่างจากศูนย์อย่างมีนัยสำคัญทางสถิติที่ระดับ .01 (Sig.=0.004 น้อยกว่า \alpha=.01 ) กล่าวอีกนัยหนึ่งว่า คะแนนก่อนเรียนกับหลังเรียนมีความสัมพันธ์กันอย่างมีนัยสำคัญทางสถิติที่ระดับ .01

ส่วนตาราง Paired Samples Test ให้ดูค่า sig. ครับ เท่ากับ .005 แต่การทดสอบครั้งนี้เป็นทางเดียว เราต้องเอาค่า sig. หารด้วย 2 เท่ากับ .0025 มีค่าน้อยกว่า \alpha=.05 จึงปฏิเสธ H_0 ยอมรับ H_1

สรุป : นักเรียนมีผลสัมฤทธิ์ทางการเรียนหลังเรียนสูงกว่าก่อนเรียนอย่างมีนัยสำคัญทางสถิติที่ระดับ .01


อ้างอิง : ไพศาล วรคำ. (2559). การวิจัยทางการศึกษา (Education Research). มหาสารคาม: ตักสิลาการพิมพ์.


หากต้องการความช่วยเหลือในการคำนวณค่าสถิติโดยใช้ SPSS สามารถติดต่อผมได้โดยตรงนะครับ ถ้าพอจะช่วยเหลือหรือแนะนำเล็กๆ น้อยๆ ไม่คิดค่าบริการ แต่ถ้าจะให้ช่วยคำนวณให้ โดยส่งเป็นไฟล์ excel คะแนนดิบมาเพื่อให้ช่วยคำนวณ มีค่าบริการครั้งละ 200 บาทครับ โดยส่งไฟล์ excel เข้ามาทางไลน์ LineID: @krujakkrapong หรือ อีเมล mercedesbenz3010@gmail.com ครับ

  • FacebookFacebook
  • XTwitter
  • LINELine

Like this:

Like Loading...

Related


Discover more from KruJakkrapong 's Blog

Subscribe to get the latest posts sent to your email.

Leave a ReplyCancel reply

ติดต่อ

LineID: @krujakkrapong
โทร.089-942-9565 (เปี๊ยก)

ความเห็นล่าสุด

  • การหาค่าความเชื่อมั่น ของแบบสอบถาม - KruJakkrapong 's Blog บน ค่าความเชื่อมั่นติดลบ จะแก้อย่างไร
  • Anonymous บน ชุดแบบฝึกหัด การบวก ลบ สำหรับซ้อมเพื่อแข่งขัน คิดเลขเร็ว

Blog Stats

  • 1,902,105 hits

3 บทความยอดฮิต

  • การหาค่าความยาก (p) และอำนาจจำแนก (r) ของข้อสอบปรนัย
  • วิธีหาอำนาจจำแนกและค่าความเชื่อมั่นจาก SPSS
  • การหาค่าความเชื่อมั่น ของแบบสอบถาม

Copyright © 2025 — KruJakkrapong 's Blog

Designed by WPZOOM

Discover more from KruJakkrapong 's Blog

Subscribe now to keep reading and get access to the full archive.

Continue reading

 

Loading Comments...
 

    %d