บทที่1

บทนำ

มโนทัศน์เบื้องต้นของสถิติในการประยุกต์ใช้ในการวิจัย

องค์ความรู้ต่างๆที่ได้จากการวิจัยจะช่วยให้ผู้ประกอบวิชาชีพพัฒนาความรู้ได้อย่างต่อเนื่อง ดังนั้นความสามารถที่จะเข้าใจผลงานวิจัยจึงเป็นความสามารถพื้นฐานที่สำคัญของผู้ประกอบวิชาชีพ ผลงานวิจัยส่วนใหญ่จะใช้สถิติในการนำเสนอผลวิเคราะห์ และสรุปผล จึงเป็นความสำคัญอย่างยิ่งที่จะต้องทำความเข้าใจกับความรู้และแนวคิดพื้นฐานทางสถิติ ดังนั้นในบทนี้จึงได้นำเสนอมโนทัศน์เบื้องต้นที่เกี่ยวข้องกับสถิติ ซึ่งได้แก่ ความหมายของสถิติ ประชากร กลุ่มตัวอย่าง ค่าพารามิเตอร์ ค่าสถิติ สถิติบรรยาย และสถิติอ้างอิง

ความหมายของสถิติ

สถิติมีความหมายได้ 4 นัย ดังนี้

นัยแรก หมายถึง ข้อมูลสถิติ ซึ่งเป็นตัวเลขที่แทนข้อเท็จจริงของสิ่งที่เราสนใจ เช่น สถิติความเร็วในการวิ่งแข่งขัน สถิติปริมาณน้ำฝนที่ตกในรอบปี

นัยที่สอง หมายถึง สถิติศาสตร์ ซึ่งเป็นศาสตร์ที่เกี่ยวกับวิธีการที่ใช้ในการศึกษาข้อมูล ได้แก่การเก็บรวบรวมข้อมูล การนำเสนอข้อมูล การวิเคราะห์ข้อมูลและการแปลความหมาย

นัยที่สาม หมายถึง ค่าสถิติ ซึ่งเป็นค่าตัวเลขที่คำนวณได้จากข้อมูลกลุ่มตัวอย่าง เช่นค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน

นัยที่สี่ หมายถึง สาขาวิชาสถิติ ซึ่งเป็นวิชาวิทยาศาสตร์แขนงหนึ่งซึ่งมีเนื้อหาและรากฐานมาจากวิชาคณิตศาสตร์และตรรกวิทยา

ประชากร (Population) หมายถึง สมาชิกทุกหน่วยของสิ่งที่สนใจศึกษา ซึ่งไม่ได้หมายถึงคนเพียงอย่างเดียว ประชากรอาจจะเป็นสิ่งของ เวลา สถานที่ 9ล9 เช่นถ้าสนใจว่าความคิดเห็นของคนไทยที่มีต่อการเลือกตั้ง ประชากร คือคนไทยทุกคน หรือถ้าสนใจอายุการใช้งานของเครื่องคอมพิวเตอร์ยี่ห้อหนึ่ง ประชากรคือเครื่องคอมพิวเตอร์ยี่ห้อนั้นทุกเครื่อง แต่การเก็บข้อมูลกับประชากรทุกหน่วยอาจทำให้เสียเวลาและค่าใช้จ่ายที่สูงมากและบางครั้งเป็นเรื่องที่ต้องตัดสินใจภายในเวลาจำกัด การเลือกศึกษาเฉพาะบางส่วนของประชากรจึงเป็นเรื่องที่มีความจำเป็น เรียกว่ากลุ่มตัวอย่าง

กลุ่มตัวอย่าง (Sample) หมายถึง ส่วนหนึ่งของประชากรที่นำมาศึกษาซึ่งเป็นตัวแทนของประชากร การที่กลุ่มตัวอย่างจะเป็นตัวแทนที่ดีของประชากรเพื่อการอ้างอิงไปยังประชากรอย่างน่าเชื่อถือได้นั้น จะต้องมีการเลือกตัวอย่างและขนาดตัวอย่างที่เหมาะสม ซึ่งจะต้องอาศัยสถิติเข้ามาช่วยในการสุ่มตัวอย่างและการกำหนดขนาดของกลุ่มตัวอย่าง

การสุ่มตัวอย่าง (Sampling) หมายถึง กระบวนการได้มาซึ่งกลุ่มตัวอย่างที่มีความเป็นตัวแทนที่ดีของประชากร

ค่าพารามิเตอร์(Parameters) หมายถึง ค่าต่างๆที่คำนวณได้จากประชากร เช่น ค่าเฉลี่ยของประชากร (m ) ความแปรปรวนของประชากร(s²)

ค่าสถิติ (Statistics) หมายถึง ค่าต่างๆที่คำนวณได้จากกลุ่มตัวอย่าง เช่นค่าเฉลี่ยของตัวอย่าง(x )

ความแปรปรวนของตัวอย่าง( s² )

ในการเก็บข้อมูลต่างๆไม่ว่าจากประชากรหรือกลุ่มตัวอย่างจะต้องมีค่าของตัวแปรที่สนใจอยู่หลายค่า ซึ่งจะมีการนำค่าของตัวแปรมาสรุปถึงลักษณะประชากรหรือกลุ่มตัวอย่าง เช่น สรุปเป็น ค่าเฉลี่ย ความแปรปรวน สัดส่วน เป็นต้น ถ้าตัวแปรที่สนใจคือ รายได้ต่อเดือนของคนไทย ค่าพารามิเตอร์ ได้แก่ค่าเฉลี่ยของประชากร (m ) ความแปรปรวนของประชากร(s²) ค่าสถิติ ได้แก่ค่าเฉลี่ยของตัวอย่าง( x ) ความแปรปรวนของตัวอย่าง( s² )

ค่าพารามิเตอร์กับค่าสถิติมีความสัมพันธ์กัน เพราะค่าพารามิเตอร์ส่วนใหญ่จะคำนวณหาโดยตรงไม่ได้ ต้องใช้วิธีที่สรุปอ้างอิงจากค่าสถิติที่คำนวณได้จากกลุ่มตัวอย่าง

สถิติบรรยาย(Descriptive statistics) หมายถึง สถิติที่ใช้ในการศึกษาข้อเท็จจริงจากกลุ่มข้อมูลที่รวบรวมมาได้ เพื่อให้ทราบรายละเอียดเกี่ยวกับลักษณะของข้อมูลกลุ่มนั้นโดยไม่ได้สรุปอ้างอิงผลการศึกษาไปยังกลุ่มข้อมูลกลุ่มอื่นหรือสรุปอ้างอิงไปยังประชากรที่ศึกษา การบรรยายสรุปลักษณะของกลุ่มข้อมูลได้แก่ การวัดแนวโน้มเข้าสู่ส่วนกลาง การกระจายข้อมูล การแจกแจงข้อมูล การจัดตำแหน่งเปรียบเทียบ เป็นต้น

สถิติอ้างอิง(Inferential statistics) หมายถึงสถิติที่ใชัในการสรุปอ้างอิงข้อมูลที่ได้จากกลุ่มตัวอย่างไปยังข้อมูลของประชากร โดยใช้ทฤษฎีความน่าจะเป็น การประมาณค่าพารามิเตอร์ การทดสอบสมมุติฐาน สำหรับความสัมพันธ์ระหว่างประชากร กลุ่มตัวอย่าง ค่าพารามิเตอร์ ค่าสถิติ สถิติบรรยาย และสถิติอ้างอิง อธิบายได้ตามรูปมโนทัศน์พื้นฐานของการวิเคราะห์ทางสถิติ ดังต่อไปนี้

ประชากร การสุ่มตัวอย่าง (Sampling) กลุ่มตัวอย่าง

(Population) (Sample)

สถิติบรรยาย สถิติบรรยาย

(Descriptive Statistics) (Descriptive Statistics)

สถิติอ้างอิง ( Inferential Statistics )

Parameter Statistics

µ s² s ¶ การประมาณค่าพารามิเตอร์ ( Estimation) C s.d. s² p r

การทดสอบสมมุติฐาน ( Hypothesis testing )

รูปที่1 มโนทัศน์พื้นฐานของการวิเคราะห์ทางสถิติ

จากรูปที่ 1 จะเห็นว่าในการเก็บข้อมูลเพื่อนำมาวิเคราะห์ทางสถิตินั้น เมื่อไม่สามารถเก็บข้อมูลได้จากประชากรทั้งหมด จำเป็นจะต้องมีการสุ่มตัวอย่างที่ดี เพื่อให้ได้กลุ่มตัวอย่างที่จะเป็นตัวแทนที่ดีของประชากร ข้อมูลที่ได้จากกลุ่มตัวอย่างสามารถนำไปวิเคราะห์ค่าสถิติบรรยาย และสถิติอ้างอิง โดยที่สถิติบรรยายทำให้ทราบรายละเอียดเกี่ยวกับลักษณะของข้อมูลกลุ่มนั้นโดยไม่ได้สรุปอ้างอิงผลการศึกษาไปยังกลุ่มข้อมูลกลุ่มอื่นหรือสรุปอ้างอิงไปยังประชากรที่ศึกษา ส่วนสถิติอ้างอิงสามารถสรุปอ้างอิงข้อมูลที่ได้จากกลุ่มตัวอย่างไปยังข้อมูลของประชากร โดยใช้ทฤษฎีความน่าจะเป็น การประมาณค่าพารามิเตอร์ การทดสอบสมมุติฐาน

จากมโนทัศน์ดังกล่าวในการใช้สถิติเพื่อการวิจัยจำเป็นที่จะต้องทราบความหมายที่เกี่ยวข้องกับการวิจัยและสถิติ ได้แก่ ตัวแปร ประเภทของข้อมูล ประโยชน์ของข้อมูล การเก็บรวบรวมข้อมูล เครื่องมือและคุณภาพของเครื่องมือที่ใช้ในการเก็บข้อมูล การสุ่มตัวอย่าง การใช้สถิติเพื่อการออกแบบการวิจัย และประเภทของสถิติที่ใช้ในการวิจัย ดังนี้

ตัวแปร(Variable) หมายถึง คุณลักษณะ หรือเงื่อนไขที่แปรเปลี่ยนค่าไปตามบุคคลหรือเวลา ที่ผู้วิจัยจัดกระทำ(Manipulate)ควบคุม(Control )หรือสังเกต(Observe ) ซึ่งแปรเปลี่ยนค่าได้ตั้งแต่ 2 ค่าขึ้นไป เช่น เพศ มี 2 ลักษณะ คือ ชาย และหญิง ฐานะเศรษฐกิจของครอบครัว อาจแบ่งเป็น 3 ลักษณะ ฐานะร่ำรวย ฐานะปานกลางและฐานะยากจน คะแนนผลสัมฤทธิ์ทางการเรียน เป็นค่าของตัวเลขชุดหนึ่งที่มีหลายๆค่า เป็นต้น

ตัวแปรอาจแบ่งเป็นประเภทต่างๆ แต่ตัวแปรที่ศึกษาในงานวิจัย มักแบ่งเป็น 2 ประเภท ได้แก่ ตัวแปรต้น และตัวแปรตาม แต่ก็มีตัวแปรอื่นที่มีผลกระทบต่อข้อสรุปของการวิจัย เรียกว่า Confounding Variable ดังนั้น ในที่นี้จึงขอแบ่งประเภทของตัวแปรเป็น 3 ประเภท คือ

1. ตัวแปรต้น (Independent Variable) หมายถึงคุณลักษณะที่เกิดก่อน หรือเป็นสาเหตุของตัว

แปรตาม หรืออาจจะเรียกว่า ตัวแปรอิสระ สามารถจำแนกได้เป็น 2 แบบ คือ ตัวแปรอิสระที่สามารถจัดกระทำได้(Active Variable) และตัวแปรอิสระที่ไม่สามารถจัดกระทำได้(Attribute Variable) โดย ตัวแปรอิสระทั้ง 2 ชนิดเป็น ตัวแปรสาเหตุเช่นเดียวกัน แต่แตกต่างกัน คือตัวแปรอิสระที่ไม่สามารถจัดกระทำได้ ผู้วิจัยเป็นเพียงผู้เลือกว่ากลุ่มใดมีลักษณะอย่างไร แต่ไม่สามารถสร้างลักษณะนั้นขึ้นมา ในขณะที่ตัวแปรอิสระที่สามารถจัดกระทำได้ ผู้วิจัยสามารถสร้างลักษณะนั้นขึ้นมาได้ ตัวอย่างเช่น การวิจัยที่ศึกษาอายุของผู้สอนและสภาพของห้องเรียนว่ามีผลต่อผลสัมฤทธิ์ทางการเรียนหรือไม่ อายุของผู้สอนที่แบ่งเป็นช่วงๆ และสภาพของห้องเรียนที่แบ่งเป็นห้องที่มีเครื่องปรับอากาศ กับไม่มีเครื่องปรับอากาศ ต่างก็เป็นตัวแปรอิสระ แต่อายุเป็นตัวแปรอิสระที่ไม่สามารถสร้างลักษณะนั้นขึ้นมาได้ เรียกว่า Attribute Variable ในขณะที่สภาพของห้องเรียนเป็นตัวแปรอิสระที่สามารถสร้างลักษณะนั้นขึ้นมาได้ เรียกว่า Active Variable

2. ตัวแปรตาม (Dependent Variable) หมายถึง คุณลักษณะที่คาดว่าจะได้รับ หรือเป็นผลที่ได้

รับจากตัวแปรอิสระ ตัวอย่างเช่น การวิจัยที่ศึกษาอายุของผู้สอนและสภาพของห้องเรียนว่ามีผลต่อผลสัมฤทธิ์ทางการเรียนหรือไม่ ที่กล่าวมาแล้วข้างต้น ตัวแปรตามได้แก่ ผลสัมฤทธิ์ทางการเรียน

3. ตัวแปรที่มีผลกระทบต่อข้อสรุปของการวิจัย (Confounding Variable) หมายถึง ตัวแปรที่มี

ผลกระทบต่อการสรุปความเป็นสาเหตุของตัวแปรต้นที่มีต่อตัวแปรตาม จำแนกเป็น 2 ชนิดใหญ่ๆ คือ

3.1 ตัวแปรแทรกซ้อน (Extraneous Variable) เป็นตัวแปรที่มีผลต่อตัวแปรตามเช่น

เดียวกับตัวแปรอิสระ แต่เป็นสิ่งที่ผู้วิจัยไม่ได้สนใจที่จะศึกษา ดังนั้นจึงต้องมีการควบคุม ไม่เช่นนั้นตัวแปรแทรกซ้อนอาจทำให้ผลที่ศึกษาไม่ได้ข้อสรุปอย่างที่สรุปไว้ก็ได้ ทำให้ผลที่ได้คาดเคลื่อนไปจากความเป็นจริง

3.2 ตัวแปรสอดแทรก(Intervening Variable) เป็นตัวแปรที่สอดแทรกอยู่ระหว่างตัว

แปรต้นและตัวแปรตาม มองได้ 2 ลักษณะ คือ ลักษณะแรกเป็นแบบที่เป็นตัวแปรที่ได้รับผลมาจากตัวแปรต้นแล้วจึงส่งผลต่อไปที่ตัวแปรตาม เช่น การศึกษาความสัมพันธ์ระหว่างสภาพเศรษฐกิจสังคมของครอบครัวกับผลสัมฤทธิ์ทางการเรียนของนักเรียน พบว่ามีความสัมพันธ์กันสูง ซึ่งอาจเป็นไปได้ว่าสภาพเศรษฐกิจสังคมของครอบครัวสูงมีผลให้ความคาดหวังของครอบครัวต่อผลสัมฤทธิ์ทางการเรียนของนักเรียนสูง แล้วการมีความคาดหวังของครอบครัวต่อผลสัมฤทธิ์ทางการเรียนของนักเรียนสูง ทำให้นักเรียนตั้งใจเรียนทำให้ผลสัมฤทธิ์ทางการเรียนของนักเรียนสูง ดังนั้น ความคาดหวังของครอบครัวต่อผลสัมฤทธิ์ทางการเรียนของนักเรียน จึงเป็นตัวแปรสอดแทรก(Intervening Variable) ส่วนลักษณะที่สอง เป็นตัวแปรสอดแทรกที่ทำให้ผลที่ตัวแปรต้นมีต่อตัวแปรตามต่างไปจากสภาพจริงที่ควรจะเป็น เช่น ความวิตกกังวล ความเมื่อยล้า หรือความตื่นเต้นของผู้สอบที่มีต่อคะแนนสอบ

ประเภทของข้อมูล

ข้อมูล (Data ) คือ ข้อเท็จจริงที่ต้องการ ข้อมูลทางสถิติส่วนใหญ่มักเป็นตัวเลข เช่น จำนวนนักเรียน คะแนนสอบ รายได้ รายจ่าย เป็นต้น การพิจารณาแบ่งประเภทของข้อมูลพิจารณาได้ตามลักษณะต่างๆกัน ดังนี้

1. การแบ่งประเภทของข้อมูลตามลักษณะของสิ่งที่แปร เป็นการแบ่งข้อมูลตามลักษณะของตัวแปร จำแนกเป็น 2 ชนิด คือ

1.1 ข้อมูลเชิงปริมาณ ( Quantitative data) เป็นข้อมูลที่วัดค่าได้ว่ามีค่ามาก หรือน้อยเท่าไร

แสดงได้เป็นตัวเลข เช่น อายุ น้ำหนัก ส่วนสูง รายได้ ซึ่งแบ่งได้เป็น 2แบบ คือ

1.1.1 ข้อมูลแบบต่อเนื่อง (Continuous data) หมายถึง ข้อมูลที่มีค่าได้ทุกค่าในช่วงที่

กำหนดอย่างมีความหมาย เช่น รายได้ของครอบครัวต่อเดือน ความสูงของนิสิต ความยาวของวัตถุ ดังนั้นค่าของข้อมูลแบบนี้จะเป็น 150.5 150.6 150.7 150.8………………..

1.1.2 ข้อมูลแบบไม่ต่อเนื่อง (Discrete data) หมายถึง ข้อมูลที่มีค่าเป็นจำนวนเต็ม

หรือจำนวนนับ เช่น จำนวน คน จำนวนสาขาวิชา จำนวนสินค้า เป็นต้น ดังนั้นค่าของข้อมูลแบบนี้จะเป็น 0,1,2,3…….

1.2 ข้อมูลเชิงคุณภาพ( Qualitative data) เป็นข้อมูลที่ไม่สามารถระบุค่าได้ว่ามาก หรือน้อยเท่า

ไร มักเป็นคุณลักษณะของข้อมูล เช่น สีของตา เพศ ลำดับที่ของการแข่งขัน คุณภาพของอาหาร เป็นต้น

2. การแบ่งประเภทของข้อมูลตามแหล่งที่มาของข้อมูล เป็นการแบ่งข้อมูลตามแหล่งที่มาของข้อมูล จำแนกเป็น 2 ชนิด คือ

2.1 ข้อมูลปฐมภูมิ ( Primary data ) เป็นข้อมูลที่ผู้ใช้หรือหน่วยงานที่ใช้เป็นผู้เก็บรวบรวมข้อมูลเอง ซึ่งจะได้รายละเอียดตรงตามความต้องการของผู้ใช้ข้อมูล แต่จะเสียเวลาและค่าใช้จ่ายมาก

2.2 ข้อมูลทุติยภูมิ (Secondary data) เป็นข้อมูลที่ผู้ใช้หรือหน่วยงานที่ใช้ไม่ได้เก็บรวบรวมข้อมูลเอง แต่มีผู้อื่นหรือหน่วยงานอื่นเก็บข้อมูลไว้แล้ว ผู้ใช้เพียงแต่นำข้อมูลที่เก็บไว้แล้วมาใช้เท่านั้น ซึ่งเป็นการประหยัดเวลาและค่าใช้จ่าย แต่การนำข้อมูลทุติยภูมิมาใช้บางครั้งจะไม่ตรงกับความต้องการ หรือขาดรายละเอียดที่ต้องการ ผู้ใช้ไม่ทราบข้อผิดพลาดของข้อมูล อาจมีผลทำให้ข้อสรุปผิดพลาดได้ ดังนั้นการใช้ข้อมูลทุติยภูมิ จึงต้องใช้ด้วยความระมัดระวัง

3. การแบ่งประเภทของข้อมูลตามมาตรการวัด แบ่งเป็น

3.1 มาตรการวัดแบบนามบัญญัติ(Nominal data ) เป็นการจำแนกลักษณะของข้อมูลที่ได้ ออกเป็นประเภทต่างๆหรือเป็นพวกๆ โดยจัดลักษณะที่เหมือนกันไว้ด้วยกัน เช่น ตัวแปร เพศ เชื้อชาติ สถานภาพสมรส เป็นต้น การจำแนกลักษณะของข้อมูลเช่น เพศ แบ่งเป็น 2 ลักษณะ คือ ชาย และ หญิง ซึ่งอาจจะกำหนดค่าให้กับลักษณะของตัวแปรเป็น 1 และ 2 การกำหนดค่าให้กับตัวแปรมีคุณสมบัติเพียงจำแนกความแตกต่างและสะดวกต่อการบันทึกลงในคอมพิวเตอร์เท่านั้น ไม่มีความหมายในเชิงปริมาณ ที่จะนำมา บวก ลบ คูณ หารกันได้

3.2 มาตรการวัดแบบอันดับ(Ordinal data ) เป็นการกำหนดลักษณะของข้อมูลที่ได้ ออกเป็นอันดับที่บอกความมากน้อยระหว่างกันได้ เช่นลำดับที่ของนักเรียนมารยาทดี ค่าลำดับที่ 1 , 2 , 3 สามารถบอกได้ว่าใครมารยาทดีกว่าใคร แต่ไม่สามารถบอกได้ว่าคนที่ได้มารยาทดีลำดับที่ 1 ดีกว่าลำดับที่ 2 อยู่เท่าไร และไม่สามารถบอกได้ว่าความแตกต่างระหว่างคนที่ได้มารยาทดีลำดับที่ 1และ 2 จะเท่ากับความแตกต่างระหว่างคนที่ได้มารยาทดีลำดับที่ 2 และ 3 หรือช่วงความห่างของค่าตัวแปรแต่ละค่าไม่เท่ากัน

3.3 มาตรการวัดแบบอันตรภาค(Interval data ) เป็นการกำหนดตัวเลขให้กับลักษณะของข้อมูลตามความมากน้อย โดยตัวเลขที่กำหนดสามารถบอกความมากน้อยระหว่างกันแล้วยังมีช่วงห่างระหว่างค่าที่เท่ากันด้วย แต่ค่าศูนย์ที่กำหนดตามมาตรการวัดนี้ไม่ใช่ศูนย์แท้ ตัวอย่าง เช่น คะแนน อุณหภูมิ เป็นต้น ค่าของอุณหภูมิ 80°C สูงกว่าอุณหภูมิ 50 °C อยู่ 30°C แต่อุณหภูมิ 0 °C มิได้แปลว่าไม่มีความร้อน ความจริงมีความร้อนระดับหนึ่งแต่ถูกสมมุติให้เป็น 0 °C

3.4 มาตรการวัดแบบอัตราส่วน(Ratio data) เป็นการกำหนดตัวเลขให้กับลักษณะของข้อมูลเช่นเดียวกับมาตรการวัดแบบอันตรภาค แต่มาตรการวัดระดับนี้จะมีค่า 0 ที่แท้จริงด้วย เช่น อายุ รายได้ น้ำหนัก ส่วนสูง เป็นต้น ส่วนสูง 0 เซนติเมตรก็แปลว่าไม่มีความสูงเลย

การเก็บรวบรวมข้อมูล

การเก็บรวบรวมข้อมูลทางพฤติกรรมศาสตร์ ไม่ว่าจะเก็บกับทุกหน่วยประชากรหรือเก็บจากกลุ่มตัวอย่าง มีวิธีการเก็บข้อมูล ดังนี้

1. การเก็บรวบรวมข้อมูลโดยใช้แบบสอบถาม การเก็บข้อมูลด้วยวิธีนี้ผู้ตอบจะต้องมีความ

สามารถในการอ่าน เป็นวิธีที่ประหยัดและสะดวก แต่อาจจะมีปัญหาในเรื่องอัตราการตอบกลับและความจริงใจในการตอบ

2. การเก็บรวบรวมข้อมูลโดยการทดสอบ เป็นการเก็บข้อมูลโดยสร้างเงื่อนไขหรือสถาน

การณ์ให้ผู้รับการทดสอบแสดงความสามารถสูงสุดของตนออกมา

3. การเก็บรวบรวมข้อมูลโดยการสัมภาษณ์ แบ่งเป็น 2 ลักษณะ คือการสัมภาษณ์ที่กำหนดคำ

ถามการสัมภาษณ์ไว้อย่างแน่นอน เรียกว่า การสัมภาษณ์แบบมีโครงสร้าง(Structured interview) ซึ่งมีข้อดีคือได้ประเด็นที่ต้องการครบถ้วนเป็นรูปแบบเดียวกัน ง่ายต่อการวิเคราะห์ข้อมูล แต่มีข้อจำกัดที่ว่าจะได้ข้อมูลที่มีในกรอบคำถามเท่านั้น อีกลักษณะหนึ่งคือการสัมภาษณ์ที่ไม่ได้กำหนดคำถามการสัมภาษณ์ไว้แน่นอน อาจจะกำหนดประเด็นหลักๆที่ต้องการ เรียกว่าการสัมภาษณ์แบบไม่มีโครงสร้าง (Unstructured interview) การสัมภาษณ์แบบนี้มีข้อดีที่ว่าได้ข้อมูลที่หลากหลาย กว้างขวาง ลึกซึ้ง แต่ต้องอาศัยผู้สัมภาษณ์ที่มีทักษะสูง และการวิเคราะห์ข้อมูลจะมีความยุ่งยากกว่า

4. การเก็บรวบรวมข้อมูลโดยการสังเกต การเก็บข้อมูลด้วยการสังเกต เหมาะสำหรับเหตุ

การณ์หรือพฤติกรรมที่ไม่สามารถวัดได้โดยตรง แบ่งเป็น 2 ลักษณะ คือ การสังเกตอย่างมีส่วนร่วม โดยผู้สังเกตเข้าไปเป็นส่วนหนึ่งของกลุ่มหรือสถานการณ์ที่จะสังเกต ซึ่งจะได้ข้อมูลที่ลึกซึ้ง อีกลักษณะหนึ่งคือการสังเกตอย่างไม่มีส่วนร่วม ผู้สังเกตจะทำตนเป็นบุคคลภายนอก ผู้ถูกสังเกตอาจจะรู้ตัวหรือไม่รู้ตัวก็ได้ แต่ข้อมูลที่ได้อาจไม่ลึกซึ้งมากนัก

5. การเก็บรวบรวมข้อมูลโดยการทดลอง ผู้วิจัยต้องจัดกระทำหรือสร้างเงื่อนไข สถานการณ์

อย่างใดอย่างหนึ่ง เพื่อดูผลที่เกิดขึ้นกับตัวแปรตาม ซึ่งมีความจำเป็นอย่างยิ่งในการออกแบบการทดลองให้ดีว่าความผันแปรที่เกิดในตัวแปรตาม เป็นผลเนื่องมาจากตัวแปรอิสระที่แท้จริง

เครื่องมือและคุณภาพของเครื่องมือที่ใช้ในการเก็บข้อมูล

การสร้างเครื่องมือเพื่อใช้ในการเก็บข้อมูลขึ้นอยู่กับวิธีการที่ใช้ในการเก็บข้อมูล เครื่องมือที่ใช้ ได้แก่ แบบสอบถาม (Questionnaire ) แบบสอบ (Test ) แบบสัมภาษณ์ (Interview form) แบบสังเกต (Observation form ) ตลอดจนเครื่องมือต่างๆที่สร้างขึ้นเพื่อเก็บข้อมูลโดยการทดลอง

สำหรับคุณภาพของเครื่องมือที่ใช้ในการเก็บข้อมูล จะต้องตรวจสอบคุณภาพรายข้อและคุณภาพของเครื่องมือทั้งฉบับ โดยการตรวจสอบคุณภาพรายข้อ ต้องดูความสอดคล้องกับตัวแปรที่มุ่งวัด ความเป็นปรนัย ความยากง่าย และอำนาจจำแนก ส่วนการตรวจสอบคุณภาพของเครื่องมือทั้งฉบับต้องดูความตรงและความเที่ยงของเครื่องมือ โดยความตรง ต้องตรวจสอบ ความตรงตามเนื้อหา ความตรงตามโครงสร้าง ความตรงตามเกณฑ์ ส่วนความเที่ยง ต้องตรวจสอบความเที่ยงแบบความคงที่ ความเที่ยงแบบความทัดเทียมกัน ความเที่ยงแบบความสอดคล้องภายใน รายละเอียดศึกษาได้จากเอกสารการวัดผลทั่วไป

ประเภทของสถิติที่ใช้ในการวิจัย

แบ่งตามบทบาทและหน้าที่ได้แก่สถิติเชิงบรรยาย (Descriptive Statistics) และสถิติเชิงสรุปอ้างอิง (Inferential Statistics )

แบ่งตามข้อตกลงเบื้องต้น ได้แก่ วิธีการทางสถิติพาราเมตริก( Parametric )และวิธีการทางสถิตินันพาราเมตริก(Non-parametric Statistics )

แบ่งตามเป้าหมายของการวิจัย ได้แก่ บรรยายลักษณะของตัวแปร ทดสอบความแตกต่างระหว่างกลุ่ม อธิบายความสัมพันธ์ระหว่างตัวแปร ทำนายตัวแปร วิเคราะห์โครงสร้างของกลุ่มตัวแปร และวิเคราะห์เชิงสาเหตุ โดยมีรายละเอียดเสนอในตารางดังนี้

การบรรยายลักษณะของตัวแปร

เป้าหมายของการวิจัย	จำนวนตัวแปร ที่ศึกษา	ระดับการวัด	ประเภท / เป้าหมาย ของการบรรยาย	วิธีนำเสนอข้อมูล
1. บรรยายลักษณะ ของตัวแปร	1 หรือ ³ 2	Nominal	1.บรรยายความถี่ของข้อมูล 2. เสนอภาพแสดงการ แจกแจงความถี่ 3. ค่าสถิติที่ใช้บรรยาย การแจกแจงความถี่ 4. วัดแนวโน้มเข้าสู่ส่วน กลาง	1. ตารางแสดงความถี่ 2. Bar chart , Pie chart 3. สัดส่วน , ร้อยละ 4. Mode
	1 หรือ ³ 2	Ordinal	1. บรรยายของถี่ของการจัด อันดับ 2. เสนอภาพแสดงความถี่ ของการจัดลำดับ 3. ค่าสถิติที่บรรยาย ตำแหน่งในกลุ่ม 4.วัดแนวโน้มเข้าสู่ส่วนกลาง	1. ตารางแสดงความถี่ ของการจัดอันดับ 2. Bar chart ของการจัดอันดับ 3.Percentile,Decile, Quartile 4. Mode
	1 หรือ ³ 2	Interval / ratio	1.บรรยายความถี่ของข้อมูล 2. เสนอภาพแสดงการ แจกแจงความถี่ 3. สถิติที่ใช้บรรยายการ แจกแจงความถี่ 4. บรรยายตำแหน่งในกลุ่ม 5. วัดแนวโน้มเข้าสู่ส่วน กลาง 6. วัดค่าการกระจาย	1.ตารางแสดงความถี่ 2.Histogram , Frequency curve 3. ค่าความเบ้ ( Skewness ) ค่าความโด่ง ( Kurtosis ) 4. Percentile , Decile ......... 5. Mode , Median , Mean 6. Range , Variance , C.V.

การทดสอบความแตกต่างระหว่างกลุ่ม

เป้าหมายของการวิจัย	ประเภทตัวแปรและระดับการวัด ตัวแปรอิสระ ตัวแปรตาม ตัวแปรควบคุม	เป้าหมายของการวิเคราะห์	เทคนิคการวิเคราะห์
2. ทดสอบความแตก ต่างระหว่างกลุ่ม	- 1 - ( interval / ratio )	ทดสอบความแตกต่างของ ค่าเฉลี่ยของประชากรกับค่าที่คาดหวัง 1. ทราบค่าความแปร ปรวนของประชากร 2.ไม่ทราบค่าความแปร ปรวนของประชากร	Z - test t - test
	1 1 - ( Nominal ) ( interval dichotomous / ratio )	- ทดสอบความแตกต่างของ ค่าเฉลี่ยระหว่างประชากร 2 กลุ่ม 1.กลุ่มตัวอย่าง 2 กลุ่มเป็น อิสระจากกัน 1.1 ถ้าประชากรมีความแปร ปรวนเท่ากัน 1.2 ถ้าประชากรมีความแปร ปรวนไม่เท่ากัน 2. กลุ่มตัวอย่าง 2 กุล่มไม่ เป็นอิสระจากกัน	t - test ( pooled variance ) t- test (separated variance ) t - test ( paired t - test )
	1 1 ( Nominal ) ( interval Polytomous / ratio )	ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างประชากร>2 กลุ่ม 1. ถ้าประชากรมีความแปร ปรวนเท่ากัน 2. ถ้าประชากรมีความแปร ปรวนไม่เท่ากัน	one - way ANOVA / F - test F - test
	³ 2 1 ( Nominal ) ( interval / ratio )	ทดสอบความแตกต่างของค่า เฉลี่ยระหว่างประชากร>2 กลุ่ม เมื่อมีตัวแปรอิสระหลายตัว	Factorial ANOVA

การทดสอบความแตกต่างระหว่างกลุ่ม ( ต่อ )

เป้าหมายของการวิจัย	ประเภทตัวแปรและระดับการวัด ตัวแปรอิสระ ตัวแปรตาม ตัวแปรควบคุม	เป้าหมายของการวิเคราะห์	เทคนิคการวิเคราะห์
2. ทดสอบความแตก ต่างระหว่างกลุ่ม (ต่อ)	1 1 (Polytomous) ( interval / ratio )	ทดสอบความแตกต่างของค่าเฉลี่ย ระหว่างประชากร > 2 กลุ่ม โดยมีการควบคุมตัวแปร	one - way ANCOVA
	³ 2 1 ³ 1 ( Nominal ) ( interval / ratio )	ทดสอบความแตกต่างของค่าเฉลี่ย ระหว่างประชากร > 2 กลุ่ม เมื่อมีตัวแปรอิสระหลายตัวและมี การควบคุมตัวแปร	Factorial ANCOVA
	1 ³ 2 - Polytomous ( interval / ratio )	ทดสอบความแตกต่างของค่าเฉลี่ย Centroids ระหว่างประชากร > 2 กลุ่ม	one - way MANOVA
	³ 2 ³ 2 - ( Nominal ) ( interval / ratio )	ทดสอบความแตกต่างของค่าเฉลี่ย Centroids ระหว่างประชากร > 2 กลุ่ม เมื่อมีตัวแปรอิสระหลายตัว	- Factorial MANOVA - Profile Analysis
	1 ³ 2 ³ 1 (Nominal) ( interval Polytomous / ratio )	ทดสอบความแตกต่างของค่าเฉลี่ย Centroids ระหว่างประชากร > 2 กลุ่ม โดยมีการควบคุมตัวแปร	one - way MANCOVA
	³ 2 ³ 2 ³ 1 ( Nominal ) ( interval / ratio )	ทดสอบความแตกต่างของค่าเฉลี่ย Centroids ระหว่างประชากร > 2 กลุ่ม เมื่อมีตัวแปรอิสระหลายตัว และมีการควบคุมตัวแปร	- Factorial MANCOVA - Profile Analysis

อธิบายความสัมพันธ์ระหว่างตัวแปร

เป้าหมายของการวิจัย	ประเภทตัวแปรและระดับการวัด จำนวนตัวแปร ตัวแปรอิสระ ตัวแปรตาม	เป้าหมายของการวิเคราะห์	เทคนิคการวิเคราะห์
3. อธิบายความสัมพันธ์ ระหว่างตัวแปร	2 ( Nominal กับNominal )	1. True dichotomous กับ True / Artificial dichotomous 2. True / Artificial dichotomous หรือ Polytomous กับPolytomous 3. Artificial dichotomous กับ Artificial dichotomous	c^2 – test , Phi - Phi - c^2 - test - r tet - c^2 - test
	2 ( Nominalกับ ordinal )	- True / Artificial dichotomous กับ ordinal	- r rbis
	2 ( Nominalกับ interval/ratio )	1. True dichotomous กับ interval / ratio 2. Artificial dichotomous กับ interval / ratio	- r pbis - r bis
	2 ( interval/ratioกับ interval / ratio )	- Interval / ratio กับ Interval / ratio	- Simple correlation ( pearson ’ s product moment )
	2 1 1 ( Nominal ) ( Nominal )	- อธิบายผลของตัวแปรอิสระ 1 ตัว ต่อตัวแปรตาม 1 ตัว	- c^2 - test ( 1 factor model )
	³ 3 ³ 2 1 ( Nominal ) ( Nominal )	- อธิบายผลของตัวแปรอิสระ หลายตัวต่อตัวแปรตาม 1 ตัว	- c^2 - test (³ 2 Factor model )
	³ 4 ³ 2 ³ 2 ( Nominal ) ( Nominal )	- อธิบายผลของตัวแปรอิสระ หลายตัวต่อตัวแปรตามหลายตัว	- c^2 - test for general log - linear model

อธิบายความสัมพันธ์ระหว่างตัวแปร ( ต่อ )

เป้าหมายของการวิจัย	ประเภทตัวแปรและระดับการวัด จำนวนตัวแปร ตัวแปรอิสระ ตัวแปรตาม	เป้าหมายของการวิเคราะห์	เทคนิคการวิเคราะห์
3. อธิบายความสัมพันธ์ ระหว่างตัวแปร	³ 3 ³ 2 1 ( interval / ratio )	- ความสัมพันธ์ระหว่างตัวแปร เกณฑ์ 1 ตัว กับตัวแปรทำนาย หลายตัว	- Multiple correlation
	³ 3 ³ 2 1 ( interval / ratio ) มีตัวแปรควบคุม	- ความสัมพันธ์ระหว่างตัวแปรเป็น รายคู่ ควบคุมอิทธิพลของตัวแปร อื่น ๆที่มีอิทธิพลต่อตัวแปรเกณฑ์ และตัวแปรทำนาย - ความสัมพันธ์ระหว่างตัวแปรเป็น รายคู่ควบคุมอิทธิพลของตัวแปร อื่น ๆ ที่มีผลต่อตัวแปรทำนาย	- Partial correlation - Part correlation
	³ 4 ³ 2 ³ 2 ( interval / ratio ) ไม่มีตัวแปรควบคุม	- ความสัมพันธ์ระหว่างชุดของ ตัวแปรเกณฑ์ กับชุดของตัวแปร ทำนาย	- Canonical correlation

การทำนายตัวแปร

เป้าหมายของการวิจัย	ประเภทตัวแปรและระดับการวัด จำนวนตัวแปร ตัวแปรอิสระ ตัวแปรตาม	เป้าหมายของการวิเคราะห์	เทคนิคการวิเคราะห์
1. การทำนายสมาชิก ของกลุ่ม	³ 2 ³ 1 1 (ระดับใด ๆ ) ( dichotomous )	- การทำนายลักษณะสมาชิกของ ประชากร 2 กลุ่ม	- Discriminant analysis
	³ 2 ³ 1 1 (ระดับใด ๆ ) ( polytomous )	- การทำนายลักษณะสมาชิกของ ประชากรหลายกลุ่ม	- Discriminant analysis
	³ 3 ³ 2 1 ( nominal หรือ ( dichotomous ) ordinal )	- การทำนายลักษณะสมาชิกของ ประชากร 2 กลุ่ม เมื่อมีตัวแปร อิสระระดับ nominal / ordinal	- Multiple classification analysis ( MCA )
2. การทำนายตัวแปรตาม	2 1 1 ( เวลา ) (interval / ratio )	- การทำนายตัวแปรเกณฑ์ 1 ตัว ตามช่วงเวลาต่าง ๆ	- Time Series Analysis - Box - Jenkins Models
	2 1 1 ( ระดับใด ๆ ) (interval / ratio )	- การทำนายตัวแปรเกณฑ์ 1 ตัว จากตัวแปรทำนาย 1 ตัว	- Simple regression analysis
	³ 3 ³ 2 1 (nominal / (interval / ratio ) ordinal )	- การทำนายตัวแปรเกณฑ์ 1 ตัว จากตัวแปรทำนายหลายตัว	- Multiple classification analysis
	³ 3 ³ 2 1 ( ระดับใดๆ) interval / ratio )	- การทำนายตัวแปรเกณฑ์ 1 ตัว จากตัวแปรทำนายหลายตัว	- Multiple regression Analysis
	³ 3 1 ³ 2 ( เวลา ) (interval / ratio )	- การทำนายผลรวมเชิงเส้นตรง ของตัวแปรเกณฑ์หลายตัวตาม ช่วงเวลาต่างๆ	- Multivariate Time Series Analysis
	³ 4 ³ 2 ³ 2 ( ระดับใดๆ) (interval / ratio )	- การทำนายผลรวมเชิงเส้นตรง ของตัวแปรเกณฑ์หลายตัวจาก ตัวแปรทำนายหลายตัว	- Multivariate Multiple Regression Analysis

การวิเคราะห์โครงสร้างของกลุ่มตัวแปร

เป้าหมายของ การวิจัย	จำนวนตัวแปรหรือ สิ่งที่ศึกษา	ระดับการวัด	เป้าหมายของ การวิเคราะห์	เทคนิคการวิเคราะห์
1. วิเคราะห์ โครงสร้างของ กลุ่มตัวแปร	³ 2	ระดับใด ๆ	- การวัดระบบจำแนกหรือกลุ่มของ ตัวแปร หรือสิ่งที่ศึกษาตาม ลักษณะของความคล้ายคลึงกัน	- Cluster Analysis - Factor Analysis
	³ 2	Nominal ( dichotomous )	- การหาลำดับขั้นของตัวแปรหรือสิ่ง ที่ศึกษาตามลำดับของความ ซับซ้อน	- Guttman Scaling
	³ 2	ordinal interval / ratio	- การหาโครงสร้างหรือมิติของตัว แปรหรือสิ่งที่ศึกษาตามความ คล้ายคลึงกัน · ถ้าความคล้ายคลึงกันวัดใน ระดับ ordinal · ถ้าความคล้ายคลึงกันวัดใน ระดับ interval / ratio	- Non – metric Multidimensional Scaling - Metric Multidimensional Scaling
	³ 2	ระดับใด ๆ	- การหาจำนวนและองค์ประกอบ ร่วม ( factors ) ของตัวแปรตาม ลักษณะความสัมพันธ์ระหว่าง ตัวแปร	- Exploratory Factor Analysis
	³ 2	ระดับใด ๆ	- การทดสอบจำนวนองค์ประกอบ และโครงสร้างขององค์ประกอบ ตามทฤษฎีหรือสมมุติฐาน	- Confirmatory Factor Analysis

การวิเคราะห์เชิงสาเหตุ

เป้าหมายของการวิจัย	ประเภทตัวแปรและระดับการวัด จำนวนตัวแปร ตัวแปรอิสระ ตัวแปรตาม	เป้าหมายของการวิเคราะห์	เทคนิคการวิเคราะห์
1. การวิเคราะห์เชิงสาเหตุ ที่ไม่มีการทดลอง	³ 2 ³ 1 ³ 1 ( interval / ratio )	- การวิเคราะห์ผลทางตรงและทาง อ้อมของตัวแปรอิสระที่มีต่อตัว แปรตามบนพื้นฐานของทฤษฎี และการออกแบบการวิจัยที่ เหมาะสม 1) เมื่อตัวแปรทุกตัวสามารถสังเกต หรือวัดค่าได้โดยตรง โดยไม่มี ความคลาดเคลื่อน 2) เมื่อตัวแปรบางตัวไม่สามารถ สังเกตหรือวัดค่าได้โดยตรง แต่อาศัยการวิเคราะห์ ค่าจาก ตัวแปรที่สังเกตหรือวัดค่าได้	- Path Analysis - Structural Equation Modeling ( LISREL)

ประโยชน์ของสถิติในการวิจัย

จากความหมายของสถิติ จะเห็นว่าสถิติมีประโยชน์อย่างมากต่อการวิจัย ทั้งในด้านการเลือกกลุ่มตัวอย่าง ขนาดของกลุ่มตัวอย่าง การเก็บรวบรวมข้อมูล การนำเสนอข้อมูลเบื้องต้น โดยใช้สถิติบรรยาย การวิเคราะห์ข้อมูลโดยใช้สถิติอ้างอิง ตลอดจนการนำผลการวิเคราะห์มาสรุปเกี่ยวกับลักษณะที่สนใจ และสามารถนำผลนั้นมาช่วยในการตัดสินใจในเรื่องที่ศึกษา หรือเป็นข้อมูลที่สำคัญได้

แบบฝึกหัด

1. For each of the following ,indicate the scale of measurement

1.1 Red ,Blue , Yellow.

1.2 Extremely likely ,likely , Indifferent , Unlikely , and Extremely unlikely

1.3 Age in years.

1.4 Salary in dollars.

1.5 Rank of a state in population ; 1 to 50

1.6 Temperature.

2. For each of the following ,indicate whether it is a quantitative or qualitative variable.

2.1 Hair color.

2.2 Sex of an individual.

2.3 Number of persons unemployed in Thailand.

2.4 Price of product.

3. จงยกตัวอย่างหัวข้อโครงร่างวิทยานิพนธ์ ที่อยู่ในความสนใจที่จะทำ แล้วให้ระบุตัวแปรและสถิติที่

จะใช้ในการวิเคราะห์ พร้อมกับให้เหตุผลในการเลือกใช้สถิติตัวนั้นๆ