การจัดการกับขนาดของกลุ่มตัวอย่างในงานวิจัยเพื่อความน่าเชือถือ

การจัดการกับขนาดของกลุ่มตัวอย่างในงานวิจัย      

                การศึกษาค้นคว้าเพื่อหาข้อเท็จจริงอย่างเป็นระบบ หรือการวิจัยนั้น แน่นอนที่สุดว่าการจัดการกลุ่มตัวอย่างสำคัญมากและจะขาดไม่ได้อย่างแน่นอน คือ การกำหนด ขนาดของกลุ่มตัวอย่าง(Sample size) ซึ่งเป็นสิ่งสำคัญที่ผู้วิจัยต้องกำหนดให้เหมาะสม และมีความเป็นตัวแทนที่ดีของประชากรที่ทำการศึกษา เพื่อจะช่วยให้ผลการวิจัยมีความน่าเชื่อถือ ดังนั้นจึงเกิดคำถามว่าขนาดของกลุ่มตัวอย่างเท่าไรจึงจะทำให้ผลการวิจัยมีความเชื่อถือได้ ซึ่งเกี่ยวกับเรื่องนี้ได้มีผู้เสนอวิธีการกำหนดของตัวอย่างไว้หลายวิธีด้วยกัน เช่น การกำหนดเกณฑ์ร้อยละของประชากร การใช้ตารางสำเร็จรูป หรือการใช้สูตรคำนวณ ซึ่งผู้วิจัยสามารถเลือกตามความเหมาะสมกลุ่มตัวอย่าง(Sample groups) หมายถึง บางส่วนของประชากรที่ถูกเลือกมาเป็นตัวแทนของประชากรที่ทำการศึกษา
             การใช้กลุ่มตัวอย่างขนาดเล็กจะทำให้มีโอกาสเกิดความคลาดเคลื่อนมาก และการใช้ขนาดกลุ่มตัวอย่างใหญ่จะมีโอกาสเกิดความคลาดเคลื่อนน้อย เนื่องจากขนาดกลุ่มตัวอย่างใหญ่ให้ข้อมูลที่เที่ยงตรง การคำนวณทางสถิติมีความถูกต้องมากกว่ากลุ่มตัวอย่างขนาดเล็ก กลุ่มตัวอย่างยิ่งมีขนาดใหญ่มากเท่าใด ความคลาดเคลื่อนจากการสุ่มจะลดน้อยลงแต่เมื่อถึงจุดหนึ่งแม้จะเพิ่มขนาดของกลุ่มตัวอย่างให้ใหญ่ขึ้นอีกแต่ความคลาดเคลื่อนก็ลดลงได้ไม่มากนัก
            ในการกำหนดขนาดของกลุ่มตัวอย่างการกำหนดขนาดของกลุ่มตัวอย่างว่าควรมีขนาดเท่าใดนั้น ผู้วิจัยควรคำนึงถึงสิ่งต่างๆ หลายอย่างมาประกอบกัน ดังนี้
1) ค่าใช้จ่าย เวลาแรงงานและเครื่องมือที่ใช้ในการเก็บรวบรวมข้อมูลจากกลุ่มตัวอย่างนั้น ว่ามีพอที่จะทำให้ได้หรือไม่ และคุ้มค่าเพียงใด
2) ขนาดของประชากร ถ้าประชากรมีขนาดใหญ่ มีความจำเป็นต้องเลือกกลุ่มตัวอย่าง ถ้าประชากรมีขนาดเล็ก และสามารถที่จะศึกษาได้ควรจะศึกษาจากประชากรทั้งหมด
3) ความเหมือนกัน ถ้าประชากรมีความเหมือนกันมากความแตกต่างของสมาชิกมีน้อย นั้นคือ ความแปรปรวนในกลุ่มตัวอย่างมีน้อยก็ใช้กลุ่มตัวอย่างขนาดเล็กได้ แต่ถ้าประชากรมีลักษณะไม่เหมือนกัน ความแตกต่างของสมาชิกมีมาก ความแปรปรวนในกลุ่มมีมากจำเป็นต้องใช้กลุ่มตัวอย่างขนาดใหญ่ เพื่อให้ครอบคลุมคุณลักษณะต่างๆ ของประชากร
4) ความแม่นยำชัดเจน ถ้าต้องการความแม่นยำชัดเจนในเรื่องที่จะศึกษาค้นคว้าต้องใช้กลุ่มตัวอย่างขนาดใหญ่ คือ ยิ่งขนาดของกลุ่มตัวอย่างใหญ่มากเท่าใด ผลการศึกษายิ่งมีความแม่นยำมากขึ้นเท่านั้น
5) ความคลาดเคลื่อนจากการสุ่มตัวอย่าง ความคลาดเคลื่อนที่ยอมให้เกิดขึ้นได้จากการสุ่มตัวอย่าง โดยทั่วไปแล้ว มักจะยอมให้เกิดความคลาดเคลื่อนได้ 1% หรือ 5% (สัดส่วน 0.01 หรือ 0.05) และยังขึ้นอยู่กับความสำคัญของเรื่องที่ต้องการศึกษาด้วย ถ้าปัญหามีความสำคัญมาก ก็ควรให้เกิดความคลาดเคลื่อนน้อยที่สุด เช่น 1% แต่ถ้ามีความสำคัญน้อยก็อาจยอมให้เกิดความคลาดเคลื่อนได้บ้าง เช่น 5% เป็นต้น
6) ความเชื่อมั่น ผู้วิจัยต้องกำหนดความเชื่อมั่นว่ากลุ่มตัวอย่างที่สุ่มมานั้นมีโอกาสได้ค่าอ้างอิงไม่แตกต่างจากค่าที่แท้จริงของประชากรประมาณเท่าไร เช่น ถ้ากำหนดระดับเชื่อมั่น 95% หมายถึง ค่าอ้างอิงมีโอกาสถูกต้อง 95% มีโอกาสผิดพลาดจากค่าที่แท้จริง 5% นั่นคือค่าที่ได้จากกลุ่มตัวอย่าง 95 กลุ่มจาก 100 กลุ่มที่สุ่มมาจากประชากรเดียวกันจะไม่แตกต่างจากค่าที่แท้จริงของประชากร ซึ่งระดับความเชื่อมั่นอาจจะเพิ่มขึ้นเป็น 99% หรือลดลงเหลือ 90%

1. วิธีการกำหนดขนาดกลุ่มตัวอย่าง             วิธีการกำหนดขนาดของกลุ่มตัวอย่างมีด้วยกันหลากหลายวิธี ในที่นี้จะเสนอการกำหนดขนาดของ กลุ่มตัวอย่างจากการกำหนดเกณฑ์ การใช้สูตรคำนวณและการใช้ตารางสำเร็จรูป ซึ่งแต่ละวิธีสามารถอธิบายได้ต่อไปนี้1. การกำหนดเกณฑ์ในกรณีนี้ผู้วิจัยต้องทราบจำนวนประชากรที่แน่นอนก่อนแล้ว ใช้เกณฑ์โดยกำหนดเป็นร้อยละของประชากรในการพิจารณาดังนี้

             ถ้าขนาดประชากรเป็นหลักร้อย ควรใช้กลุ่มตัวอย่างอย่างน้อย    25%
             ถ้าขนาดประชากรเป็นหลักพัน ควรใช้กลุ่มตัวอย่างอย่างน้อย    10%
             ถ้าขนาดประชากรเป็นหลักหมื่น ควรใช้กลุ่มตัวอย่างอย่างน้อย    5%
             ถ้าขนาดประชากรเป็นหลักแสน ควรใช้กลุ่มตัวอย่างอย่างน้อย    1%

2. การใช้ตารางสำเร็จรูป

             การกำหนดขนาดของกลุ่มตัวอย่างด้วยตารางสำเร็จรูป มีอยู่หลายประเภท ขึ้นอยู่กับ ความต้องการของผู้วิจัย ตารางสำเร็จรูปที่นิยมใช้กันในงานวิจัยเชิงสำรวจ ได้แก่ ตารางสำเร็จของทาโร ยามาเน่ และตารางสำเร็จรูปของเครจซี่และเมอร์แกน เป็นต้น

          -  ตารางสำเร็จของทาโร ยามาเน่ตารางสำเร็จรูปของ ทาโร ยามาเน่ เป็นตารางที่ใช้หาขนาดของกลุ่มตัวอย่างเพื่อประมาณค่าสัดส่วนของประชากร โดยคาดว่าสัดส่วนของลักษณะที่สนใจในประชากร เท่ากับ 0.5 และระดับความเชื่อมั่น 95%
           - ตารางสำเร็จรูปของเครจซี่และมอร์แกนสำหรับตารางของเครจซี่และมอร์แกน ตารางนี้ใช้ในการประมาณค่าสัดส่วนของประชากรเช่นเดียวกัน และกำหนดให้สัดส่วนของลักษณะที่สนใจในประชากร เท่ากับ 0.5 ระดับความคลาดเคลื่อนที่ยอมรับได้ 5% และระดับความเชื่อมั่น 95% สามารถคำนวณหาขนาดของกลุ่มตัวอย่างกับประชากรที่มีขนาดเล็กได้ตั้งแต่ 10 ขึ้นไป

3. การใช้สูตรคำนวณ
             แม้การใช้ตารางกำหนดขนาดของกลุ่มตัวอย่างจะง่ายและสะดวกกับผู้วิจัย แต่บางครั้งผู้วิจัยอาจจำเป็นที่จะต้องคำนวณขนาดของกลุ่มตัวอย่างที่ขนาดประชากรหรือระดับความเชื่อมั่นอื่นๆที่แตกต่างออกไปจากตาราง ผู้วิจัยจำเป็นต้องการการคำนวณขนาดของกลุ่มตัวอย่างจากสูตรคำนวณ ซึ่งสูตรคำนวณขนาดของกลุ่มตัวอย่างมีหลากหลายวิธี ไม่ว่าจะเป็นสูตรของทาโร ยามาเน่ (Yamane, 1973) และสูตรของเครซี่และ มอร์แกน (Krejcie & Morgan, 1970) ทั้งสองสูตรนี้จำเป็นต้องทราบขนาดของประชากร แต่ถ้าไม่ทราบขนาดของประชากรก็อาจใช้สูตรของคอแครน (Cochran, 1977) เป็นต้น

เอกสารอ้างอิง

พวงรัตน์ ทวีรัตน์. (2548). วิธีการวิจัยทางพฤติกรรมศาสตร์และสังคมศาสตร์. พิมพ์ครั้งที่ 8, กรุงเทพฯ: จุฬาลงกรณ์มหาวิทยาลัย.

ข้อมูลกับการวิเคราะห์ในงานวิจัย

การเก็บรวบรวมข้อมูล (Collection of data)

- การเก็บรวบรวมข้อมูล เป็นขั้นตอนแรกของระเบียบวิธีวิจัย หรือกระบวนการทางสถิติ

- ข้อมูล (data) หมายถึง กลุ่มของข้อเท็จจริง ซึ่งเป็นลักษณะของค่าของสิ่งที่สนใจศึกษา ที่บันทึกมาจากแต่ละหน่วยที่สังเกต(observation unit) อาจเป็นแต่ละราย เช่น คน ทัศนคติ เหตุการณ์

- ข้อมูลที่รวบรวมอาจมีหลายตัวแปร (variables) เช่น เพศ อายุ ความสูง น้ำหนัก ระดับความคิดเห็น การเก็บรวบรวมข้อมูล ประกอบด้วย

1. . ประเภทของข้อมูล
2. . ประเภทของตัวแปร
3. . แหล่งข้อมูล
4. . ความหมายของประชากรและกลุ่มตัวอย่าง
5. . ทำไมต้องใช้ตัวอย่าง
6. . วิธีการสุ่มตัวอย่าง
7. . ขนาดของกลุ่มตัวอย่าง
8. . การออกแบบสอบถามเพื่อการเก็บรวบรวมข้อมูล
9. . และแบบฟอร์มการลงรหัสข้อมูล

ประเภทของข้อมูล

1.แบ่งในแง่ทั่วไป

- ข้อมูลเชิงคุณภาพ (Qualitative data) หมายถึง ข้อมูลที่แสดงถึงสถานภาพ คุณลักษณะ หรือคุณสมบัติ มักเกี่ยวข้องกับตัวแปรที่แสดงกลุ่ม หมวดหมู่ (categorical variables) เช่น เพศ เชื้อชาติ ศาสนา

- ข้อมูลเชิงปริมาณ (Quantitative data) หมายถึงข้อมูลที่อยู่ในรูปตัวเลข (numerical data) ที่แสดงถึงปริมาณ อาจเป็นค่าไม่ต่อเนื่อง (discrete) คือ ค่าจำนวนเต็มหรือจำนวนนับ เช่น จำนวนบุตร หรือ ค่าต่อเนื่อง (continuous) คือ ค่าที่มีจุดทศนิยมได้เช่น ความสูง น้ำหนัก อายุ อัตราเงินเฟ้อ2.แบ่งในแง่การศึกษา

1.ข้อมูลดิบ (Raw data หรือ ungrouped data) คือ ข้อมูลที่เพิ่งได้จากการเก็บรวบรวมข้อมูล ยังไม่ได้จัดแบ่งกลุ่ม แยกประเภทและไม่อยู่ในรูปตารางความถี่ เช่น อายุ 18  19  25  30  35  40  45 

2.ข้อมูลจัดกลุ่ม (Grouped data) คือ ข้อมูลดิบที่ถูกนำมาจัดกลุ่มแยกประเภทหรืออยู่ในรูปตารางแจกแจงความถี่เพื่อให้ง่ายในการศึกษาและการอธิบาย

3.ข้อมูลแบ่งตามระดับการวัด (Level of Measurement)

1.ระดับนามมาตรา (Nominal scale)

ข้อมูลที่มีมาตราวัดเป็นพวก เป็นประเภท เป็นกลุ่ม แต่ไม่สามารถจัดลำดับได้ โดยบอกได้แต่เพียงว่า พวกหนึ่งแตกต่างจากพวกหนึ่งอย่างไร ตัวอย่างตัวแปรระดับ  Nominal

Ø เพศ

Ø ศาสนา

Ø สถานภาพการสมรส

Ø อาชีพ

Ø มหาวิทยาลัย

Ø เชื้อชาติ

Ø จังหวัด

2.ข้อมูลระดับลำดับมาตรา (Ordinal scale)

เป็นการวัดที่สามารถแบ่งเป็นพวกเป็นกลุ่มและยังสามารถจัดลำดับได้ด้วย ระยะห่างแต่ละหน่วยไม่เท่ากัน เช่น

ทัศนคติ , เห็นด้วย เฉย ๆ ไม่เห็นด้วย 

รายได้ , มาก,  ปานกลาง, น้อย

ระดับการศึกษา มัธยมศึกษา ปริญญาตรี ปริญญาโท

ความสูง สูง ปานกลาง ต่ำ

น้ำหนัก มาก ปานกลาง น้อย

ระบบการให้เกรด A B C D F

สถานะทางสังคม การประกวดนางงาม ขนาดชุมชน

อันดับเพลงยอดนิยม ลำดับที่สมัคร

3.การวัดระดับช่วงมาตรา (Interval scale)

ระดับการวัดที่สูงกว่าสองมาตรา มีคุณสมบัติเพิ่ม คือมีศูนย์สมมติ (arbitary zero point) มีระยะห่างแต่ละหน่วยเท่ากันบวก ลบ คูณ หาร ได้ แต่ไม่สามารถเปรียบเทียบข้อมูลเป็นจำนวนได้ เช่น 

การวัดอุณหภูมิ หน่วยวัด เซลเซียส  ทัศนคติจากสเกลการวัด เช่น Likert 

(1 = ไม่เห็นด้วยอย่างมาก , 2 = เห็นด้วย, 3 = ไม่แน่ใจ, 4 = เห็นด้วย, 5 = เห็นด้วยอย่างยิ่ง) Gpac เช่น 4.0 3.5 2.7 2.0 0 (สมมติ)  I.Q. เช่น 110 140 70 20 0 (สมมติ)

คะแนนจากการสอบ เช่น 90 80 50 0  (สมมติ)

4 การวัดระดับ อัตราส่วนมาตรา (Ratio scale) 

Ø ระดับการวัดสูงสุด

Ø คุณสมบัติเชิงตัวเลขที่มีระยะห่างระหว่างหน่วยเท่ากัน

Ø เริ่มจากศูนย์แท้ หรือ ศูนย์สมบูรณ์ สามารถ บวก ลบ คูณ หาร 

Ø เปรียบเทียบจำนวนระหว่างสองกลุ่มได้  เช่น 

§  น้ำหนัก 20 30 ก.ก

§  ความสูง 165 179 ซ.ม.

§  ความเร็ว 60 80 ก.ม /ชั่วโมง

§  ความยาว 270 เมตร

§  อายุ 18 25 ปี

§  รายได้ จำนวนนิสิต งบประมาณ อัตราดอกเบี้ย พื้นที่

การนำเสนอข้อมูล 

คอมพิวเตอร์ได้เข้ามามีบทบาทสำคัญต่อชีวิตประจำวัน พัฒนาการคอมพิวเตอร์ทำให้คอมพิวเตอร์มีขนาดเล็กลง มีขีดความสามารถสูงขึ้น คำนวณได้เร็ว และยังแสดงผลในแบบรูปภาพได้ดี ด้วยเหตุนี้จึงมีการพัฒนาโปรแกรมคอมพิวเตอร์สำหรับการใช้งานในระดับส่วนตัวมากมาย เช่น การสร้างเอกสาร สามารถจัดพิมพ์เอกสารที่มีความสวยงาม พิมพ์เอกสารที่เป็นตาราง รูปภาพ หรือการจัดรูปแบบเอกสาร เพื่อนำเสนอได้ดี ยังมีในรูปแบบตารางคำนวณที่เรียกว่า สเปรดชีต หรือ อิเล็กทรอนิกส์สเปรดชีต ตารางคำนวณมีขีดความสามารถเชิงคำนวณได้สูง คำนวณตามฟังก์ชันต่างๆ ผู้ใช้ใช้งานได้ง่ายโดยไม่ต้องเขียนโปรแกรม สามารถสร้างรูปกราฟแบบต่างๆ และนำเสนอผลจากตัวเลขในรูปแบบที่เป็นรูปกราฟเพื่อความเข้าใจที่ดีได้ นอกจากนี้ยังมีโปรแกรมกราฟิกส์ที่ใช้ในการนำเสนอผลงานโดยเฉพาะ เช่น โปรแกรมเพาเวอร์พอยต์ โปรแกรมนำเสนอผลงานสามารถเขียนกราฟและภาพกราฟิกส์ที่สวยงาม เพื่อใช้ในการแสดงผลได้ดี มีผู้นิยมใช้มากเพราะใช้งานได้ง่าย มีคุณภาพ ประกอบกับภาพแสดงผลในปัจจุบันสามารถเชื่อมต่อเข้ากับเครื่องฉายภาพ เพื่อนำเสนอในห้องประชุม หรือนำเสนอต่อบุคคลจำนวนมากได้ ในการนำเสนอผลงานจึงต้องมีหลักการ และการเลือกรูปภาพ ให้เหมาะสม เรามีรูปแบบของกราฟหลากหลายรูปแบบ

ประโยชน์ของสถิติ

ประโยชน์ของข้อมูลสถิติ ข้อมูลสถิติมีความสำคัญและจำเป็นต่อการบริหารงานและพัฒนาประเทศ เป็นเครื่องมือ สำหรับ ผู้บริหาร ใช้เป็นแนวทางประกอบการตัดสินใจในการจัดทำแผนงาน กำหนดนโยบายหรือแก้ไขปัญหาต่าง ๆ ดังนั้นประโยชน์ของข้อมูลสามารถจำแนกตามการใช้ที่สำคัญๆ ได้ดังนี้  

§ ข้อมูลสถิติที่ใช้ในการบริหาร เป็นข้อมูลสถิติที่หน่วยงานต่างๆ ได้ผลิตขึ้นมา เพื่อใช้ในการบริหารและควบคุมการดำเนินงานประจำในสายงานต่างๆ หรือตรวจสอบผลการบริหารงาน เช่น ข้อมูลสถิติจากระบบทะเบียนราษฎร สามารถนำไปใช้ในการกำหนดเขตการเลือกตั้ง การเกณฑ์ทหาร หรือการเข้าเกณฑ์การศึกษาภาคบังคับ เป็นต้น

§ ข้อมูลสถิติที่ใช้ในการพัฒนา ข้อมูลสถิติมีบทบาทสำคัญยิ่งต่อการพัฒนาเศรษฐกิจและสังคม ของประเทศ ประโยชน์ของข้อมูลที่ใช้ในการพัฒนานั้น สามารถแยกพิจารณาได้ 3 กรณี คือ 

1) การใช้ข้อมูลสถิติ สำหรับการจัดทำแผนพัฒนาเศรษฐกิจและสังคม โดยอาศัย ข้อมูลสถิติเป็นพื้นฐานในการจัดทำแผน การกำหนดเป้าหมาย และทิศทางของการพัฒนา เช่น การกำหนด หรือ การวางนโยบายเกี่ยวกับการศึกษาภาคบังคับ การวางนโยบายเกี่ยวกับงบประมาณแผ่นดิน การวางนโยบายเกี่ยวกับ การค้าทั้งในประเทศและนอกประเทศ อัตราค่าจ้างแรงงาน การเก็บภาษีอากร เป็นต้น ในช่วงภาวะวิกฤติเศรษฐกิจเช่นในปัจจุบันนี้ ข้อมูลสถิติเป็นสิ่งที่มีความจำเป็นอย่างยิ่งต่อการกำหนดนโยบาย และแก้ไขปัญหาต่างๆ ของรัฐบาล โดยเฉพาะใช้เป็นเครื่องเตือนภัยล่วงหน้า เพื่อรัฐบาลจะได้กำหนดนโยบายหรือแผนงานต่างๆ ให้สอดคล้องกับภาวะเศรษฐกิจ

2) การใช้ข้อมูลสถิติ สำหรับการติดตามความก้าวหน้าของแผนพัฒนา หรือ โครงการต่างๆ ซึ่งรัฐบาลและหน่วยงานราชการได้จัดทำโครงการพัฒนาเป็นจำนวนมาก ซึ่งเป็นแผนระยะสั้นและระยะยาว ฉะนั้นจึงจำเป็นต้องมีข้อมูลเพื่อทำการตรวจสอบและติดตามความก้าวหน้าของโครงการดังกล่าวว่า ได้ผลมากน้อยเพียงใด เพื่อผู้บริหาร สามารถนำไปแก้ไขปรับปรุงแผนการดำเนินงานได้อย่างถูกต้องและทันเวลา หรือเพื่อนำผลที่ได้ไปใช้ประโยชน์ สำหรับการวางแผนโครงการอื่นๆ ที่มีลักษณะคล้ายๆ กัน วัตถุประสงค์ที่สำคัญของการติดตามผลโครงการคือ

Ø เพื่อรายงานความก้าวหน้า ปัญหาและอุปสรรคในการดำเนินงาน 

Ø เพื่อชี้ประเด็นของปัญหา ให้ข้อเสนอแนะและแนวทางในการแก้ไขปัญหา

Ø เพื่อนำข้อมูลไปปรับปรุงแผนการดำเนินงานของโครงการในระยะต่อไป หรือเพื่อเป็น แนวทางใน การจัดทำแผนปฏิบัติงานของโครงการอื่นๆ

Ø เพื่อให้ผู้ปฏิบัติงานของโครงการหรือคณะทำงานมีความกระตือรือร้นในการปฏิบัติงาน

3) การใช้ข้อมูลสถิติ 

สำหรับการประเมินผลแผนพัฒนาหรือโครงการพัฒนา เมื่อการดำเนินงานตามแผนงาน / โครงการพัฒนาได้เสร็จสิ้นลงแล้ว จำเป็นต้องมีการประเมินผลหรือวัดผลการ พัฒนาว่าได้ผลตามวัตถุประสงค์หรือเป้าหมายที่ตั้งไว้เพียงไร จึงจำเป็นต้องใช้ข้อมูลสถิติเป็นเครื่องมือที่ชี้บอก ความสำเร็จหรือประสิทธิภาพและประสิทธิผลของการพัฒนา ตัวอย่างการใช้ข้อมูลสถิติสำหรับการพัฒนาในด้านต่างๆ ที่สำคัญในภาครัฐ

o  ด้านการศึกษา ในการกำหนดนโยบายและการวางแผนพัฒนาการศึกษา

และการกระจายโอกาสทางการศึกษาของประชาชนในระดับการศึกษาต่างๆ นั้น ข้อมูลสำคัญที่ต้องการใช้ ได้แก่ ประชากรก่อนวัยเรียนและวัยเรียน บุคลากรทางการศึกษา ปริมาณการผลิตและพัฒนาครูในแต่ละสาขา จำนวนสถานศึกษา ค่าใช้จ่ายในแต่ละระดับการศึกษา เป็นต้น

o  ด้านการเกษตร ในการกำหนดนโยบายและวางแผนพัฒนาทางการเกษตร

ของประเทศ ข้อมูล ที่ต้องการใช้ ได้แก่ ครัวเรือนที่ทำการเกษตร เนื้อที่การเพาะปลูก ผลิตผลทาง การเกษตร จำนวนปศุสัตว์ ราคาสินค้าเกษตรกรรม เครื่องมือเครื่องใช้ทางการเกษตร ภาวะเศรษฐกิจและสังคมของครัวเรือนเกษตร การประมง การป่าไม้ ข้อมูลเกี่ยวกับแหล่งน้ำ และ การชลประทาน เป็นต้น 

o  ด้านอุตสาหกรรม ใช้จัดทำแผนงาน หรือกำหนดนโยบายและส่งเสริม

อุตสาหกรรม ส่งเสริม - การลงทุนและพัฒนาเทคโนโลยีทางด้านอุตสาหกรรม ซึ่งได้แก่ ข้อมูลเกี่ยวกับปริมาณการผลิตทางอุตสาหกรรม ต้นทุนการผลิต จำนวน แรงงาน ค่าใช้จ่ายของสถานประกอบการ มูลค่าเพิ่ม ฯลฯ 

o  ด้านรายได้ - รายจ่ายของครัวเรือน เป็นข้อมูลที่มีความสำคัญที่ใช้วัดความ

เจริญ เติบโตทางเศรษฐกิจ การครองชีพและการกระจายรายได้ของประชากร ซึ่งจะเป็นเครื่องชี้วัดที่สำคัญ ของผลการพัฒนาประเทศ ข้อมูลสถิติที่สำคัญ ได้แก่ รายได้รายจ่ายของครัวเรือน ภาวะหนี้สิน สภาพความเป็นอยู่ ที่อยู่อาศัยของครัวเรือน เป็นต้น

o  ด้านสาธารณสุข การจัดทำแผนพัฒนาด้านสาธารณสุข การพัฒนางาน

วิชาการทางการแพทย์ / สาธารณสุข เพื่อให้ประชาชนมีสุขภาพอนามัยที่ดี จำเป็นต้องใช้สถิติเกี่ยวกับการเกิด การตาย การเจ็บป่วยของประชาชน การรักษาพยาบาล ความเป็นอยู่และสภาพทางสังคมของประชากร การอนามัยและสุขาภิบาล พฤติกรรมด้านการบริโภค การสูบบุหรี่และดื่มสุรา เป็นต้น 

o  ด้านคมนาคมและขนส่ง การปรับปรุงบริการและพัฒนาทางการคมนาคม

ขนส่ง และการสื่อสารของประเทศ เพื่อสนับสนุนการพัฒนาด้านต่างๆ และกระจายความเจริญไป สู่ภูมิภาค ข้อมูลที่ใช้ ได้แก่ รายรับ - รายจ่ายของการประกอบการขนส่ง ปริมาณผู้ใช้บริการในแต่ละเส้นทาง ปริมาณการขนส่ง ทางถนน ทางน้ำ และทางอากาศ รายละเอียดเส้นทาง คมนาคม ข้อมูลเกี่ยวกับการจัดสรรความถี่วิทยุ จำนวนครัวเรือนที่มีเครื่องรับวิทยุ - โทรทัศน์ เป็นต้น นอกจากนี้ ข้อมูลสถิติยังเป็นที่ต้องการและใช้กันอย่างกว้างขวาง และแพร่หลายในวงการธุรกิจ เอกชน โดยเฉพาะธุรกิจขนาดกลาง และขนาดใหญ่ที่ต้องอาศัยข้อมูลในการวางแผนด้านต่าง ๆ อย่างรอบคอบ เพื่อให้การดำเนินธุรกิจมีโอกาสที่จะประสบความสำเร็จ ความก้าวหน้าได้มากที่สุด ไม่ว่าจะเป็นการวางแผนด้านการผลิต การตลาด การโฆษณา การกำหนดราคาสินค้าหรือบริการให้เหมาะสมกับกำลังซื้อ และสภาวะการแข่งขัน จะต้องอาศัยการศึกษาและวิเคราะห์ข้อมูลสถิติต่างๆ ที่จำเป็น และเป็นประโยชน์ในการวางแผน และการตัดสินใจในด้านต่างๆ เพื่อลดอัตราการเสี่ยงที่จะต้องประสบความล้มเหลวในการดำเนินการ และเพื่อให้การแก้ไขปัญหาภาวะวิกฤตทางเศรษฐกิจได้เป็นผลสำเร็จ

 ........................................................................................................

หลักสถิติสำหรับการนำไปใช้ในการวิจัย

 Pearson Correlation

            เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ค่าที่ได้เรียกว่า "สัมประสิทธิ์สหสัมพันธ์" โดยปกติจะมีค่าอยู่ระหว่าง               -1.00 ถึง 1.00
- ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
- ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

Spearman Rank Correlation
       เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Ordinal Scale โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
- ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
- ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

Kendall Tau Correlation
      เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Ordinal Scale โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
- ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
- ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

Point Biserial Correlation
      เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัว โดยตัวแปรตัวหนึ่งอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และอีกตัวหนึ่งอยู่ในมาตราการวัดระดับ Nominal Scale ที่แบ่งออกเป็น 2 กลุ่ม โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
- ถ้ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้าม
- ถ้ามีค่าเป็นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ามีค่าเป็น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กัน

Simple Regression
       ใช้เมื่อต้องการสร้างสมการถดถอยอย่างง่าย ประกอบไปด้วยตัวแปรทำนาย 1 ตัว และตัวแปรเกณฑ์ 1 ตัว โดยควรจะอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ทั้งคู่

Multiple Regression Analysis
       ใช้เมื่อการสร้างสมการถดถอย ประกอบไปด้วยตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไป และตัวแปรเกณฑ์ 1 ตัว โดยตัวแปรทั้งหมดควรจะอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
   ถ้ามีตัวแปรใดอยู่ในมาตราการวัดระดับ Nominal หรือ Ordinal Scale ควรจะเปลี่ยนให้เป็นตัวแปรดัมมี่ (Dummy Variable)

Multivariate Regression Analysis
   ใช้เมื่อการสร้างสมการถดถอย ประกอบไปด้วยตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไป และตัวแปรเกณฑ์มากกว่า 1 ตัว โดยตัวแปรทั้งหมดควรจะอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
    ถ้ามีตัวแปรใดอยู่ในมาตราการวัดระดับ Nominal หรือ Ordinal Scale ควรจะเปลี่ยนให้เป็นตัวแปรดัมมี่ (Dummy Variable)
สถิตินี้เหมาะที่จะใช้เมื่อพบว่าตัวแปรเกณฑ์แต่ละตัวมีความสัมพันธ์กันMultiple Correlation
เป็นการหาความสัมพันธ์ระหว่างชุดของตัวแปรที่อยู่ในระดับ Interval หรือ Ratio Scale ที่ประกอบไปด้วยตัวแปรตาม 1 ตัวและตัวแปรอิสระมากกว่า 1 ตัวMultiserial Correlation
เป็นการหาความสัมพันธ์ระหว่างตัวแปรโดยตัวแปรตัวหนึ่งจะต้องอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และชุดของตัวแปรที่อยู่ในมาตราการวัดระดับ Ordinal ScalePartial 

Correlation
      กรณีที่มีตัวแปรหลาย ๆ ตัว และตัวแปรแต่ละตัวต่างก็มีความสัมพันธ์กัน หากคำนวณหาค่าสหสัมพันธ์ทีละคู่ ค่าที่ได้จะไม่ตรงกับความเป็นจริงเพราะได้รวมความสัมพันธ์ของตัวแปรอื่น ๆ ไว้ด้วย ดังนั้นจึงต้องมีการขจัดอิทธิพลของตัวแปรอื่น ๆ ออกไปด้วย
สำหรับหาสหสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ที่มีการขจัดตัวแปรอื่น ๆ ออกไป

Path Analysis
     เป็นการศึกษาอิทธิพลระหว่างตัวแปรต่าง ๆ เพื่อดูว่ามีอิทธิพลทางตรงและอิทธิพลทางอ้อมของตัวแปรที่สันนิษฐานว่าเป็นสาเหตุต่อตัวแปรที่เป็นผลหรือไม่
สัมประสิทธิ์เส้นทาง เป็นค่าที่บ่งบอกถึงอิทธิพลทางตรงของตัวแปรที่เป็นสาเหตุที่ทำให้อีกตัวหนึ่งเปลี่ยนแปลงไป

z-test
     z-test เป็นสถิติที่ใช้ทดสอบต่อไปนี้
1. กรณีกลุ่มตัวอย่างหนึ่งกลุ่ม
- ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างกับประชากร
- ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่างกับประชากร
2. กรณีกลุ่มตัวอย่างสองกลุ่ม
- ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่าง 2 กลุ่ม
- ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่าง 2 กลุ่ม

t-test
t-test เป็นสถิติที่ใช้ทดสอบต่อไปนี้
1. กรณีกลุ่มตัวอย่างหนึ่งกลุ่ม ใช้ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างกับประชากร
2. กรณีกลุ่มตัวอย่างสองกลุ่ม
- ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน
- ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์กัน

Chi-Square
     Chi-Square เป็นสถิติที่ตัวแปรจะต้องอยู่ในระดับการวัด Nominal Scale ใช้ทดสอบต่อไปนี้
1. กรณีกลุ่มเดียว
- ทดสอบความแตกต่างของความแปรปรวนระหว่างกลุ่มตัวอย่างกับประชากร
- ทดสอบความแตกต่างของความถี่ที่คาดหวังกับความถี่ที่สังเกตได้
- ทดสอบความข้อมูลว่ามีการแจกแจงเป็นโค้งปกติหรือไม่ (Goodness of fit)
2. ใช้ทดสอบความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่เป็นอิสระจากกัน

Phi Coefficient
      เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Nominal Scale ที่แบ่งออกเป็น 2 กลุ่มเท่านั้น

Contingency Coefficient
      เป็นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Nominal Scale โดยปกติจะมีค่าอยู่ระหว่าง 0 กับ 1

Analysis of Variance
      เป็นการหาความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปรตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และตัวแปรอิสระตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale
ถ้าวิเคราะห์กับตัวแปรอิสระ 1 ตัว เรียกว่า One-way ANOVA
ถ้าวิเคราะห์กับตัวแปรอิสระ 2 ตัว เรียกว่า Two-way ANOVA
ถ้าวิเคราะห์กับตัวแปรอิสระ 3 ตัว เรียกว่า Three-way ANOVA ฯลฯ

Analysis of Covariance
    เป็นการหาความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปรตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ตัวแปรอิสระตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale และตัวแปรร่วมตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
ถ้าวิเคราะห์กับตัวแปรอิสระ 1 ตัว เรียกว่า One-way ANCOVA
ถ้าวิเคราะห์กับตัวแปรอิสระ 2 ตัว เรียกว่า Two-way ANCOVA
ถ้าวิเคราะห์กับตัวแปรอิสระ 3 ตัว เรียกว่า Three-way ANCOVA ฯลฯ

Analysis of variance with Repeated measures
    เป็นรูปแบบการวิเคราะห์ความแปรปรวนที่มีการวัดซ้ำมากกว่า 1 ครั้งในช่วงเวลาที่แตกต่างกัน
กลุ่มตัวอย่างตั้งแต่ 1 กลุ่มขึ้นไป โดยตัวแปรตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ที่มีการวัดซ้ำมากกว่า 1 ครั้ง ถ้ากลุ่มตัวอย่าง 1 กลุ่มจะไม่ปรากฏตัวแปรอิสระ

Factorial ANOVA
    เป็นคำที่ใช้เรียกสถิติในกลุ่มของการวิเคราะห์ความแปรปรวน ทั้ง ANOVA, ANCOVA และ Repeated Measure ที่มีตัวแปรอิสระตั้งแต่ 2 ตัวขึ้นไป

Discriminant Analysis
     เป็นการศึกษาว่ามีตัวแปรทำนายตัวใดบ้างที่สามารถใช้ในการจำแนกกลุ่มของตัวแปรเกณฑ์ได้ เพื่อประโยชน์ในการจำแนกกลุ่มตัวอย่างออกเป็นกลุ่ม ๆ ได้อย่างถูกต้อง
ตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และตัวแปรเกณฑ์ 1 ตัวอยู่ในมาตราการวัดระดับ Nominal Scale

Factor Analysis
     เป็นการศึกษาองค์ประกอบของตัวแปร ว่าตัวแปรที่ศึกษาสามารถจัดกลุ่มได้เป็นกี่องค์ประกอบ การวิเคราะห์องค์ประกอบมี 2 ชนิด คือ
1. การวิเคราะห์องค์ประกอบเชิงสำรวจ (Exploratory Factor Analysis) เป็นการค้นหาหรือสำรวจว่าตัวแปรที่ศึกษาประกอบด้วยกี่องค์ประกอบ
2. การวิเคราะห์องค์ประกอบเชิงยืนยัน (Confirmatory Factor Analysis) เป็นการตรวจสอบหรือยืนยันทฤษฎีที่มีผู้ค้นพบไว้แล้ว

Canonical Correlation
    เป็นการหาความสัมพันธ์ระหว่างชุดของตัวแปรอิสระและชุดของตัวแปรตาม โดยตัวแปรอิสระจะมีตั้งแต่ 1 ตัวขึ้นไป และตัวแปรตามมีมากกว่า 2 ตัว โดยตัวแปรทั้งหมดควรอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale

Hotelling T2
     เป็นการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มตัวอย่าง 2 กลุ่ม โดยมีตัวแปรอิสระ 1 ตัวอยู่ในมาตราการวัดระดับ Nominal Scale ที่แบ่งออกเป็น 2 กลุ่ม และตัวแปรตามมากกว่า 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale

Multivariate Analysis of Variance
    เป็นการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปรอิสระจะมีตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale และตัวแปรตามมากกว่า 1 ตัวอยู่ในมาตรการวัดระดับ Interval หรือ Ratio Scale
ถ้ามีตัวแปรอิสระ 1 ตัว เรียกว่า One-way MANOVA
ถ้ามีตัวแปรอิสระ 2 ตัว เรียกว่า Two-way MANOVA
ถ้ามีตัวแปรอิสระ 3 ตัว เรียกว่า Three-way MANOVA ฯลฯ
ถ้ามีตัวแปรร่วม จะเรียกว่า "Multivariate Analysis of Covariance"

Binomial Test
     เป็นการทดสอบความน่าจะเป็นของข้อมูลระดับ Nominal Scale ที่มีโอกาสเกิดขึ้นได้เพียง 2 อย่าง (Dichotomous)

Kolmogorov Smirnov Test
1. Kolmogorov Smirnov One Sample Test เป็นการทดสอบตัวแปรว่ามีการแจกแจงเป็นโค้งปกติหรือไม่ (Goodness of fit) โดยตัวแปรจะต้องอยู่มาตราการวัด Ordinal Scale
2. Kolmogorov Smirnov Two-Sample Test เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน โดยตัวแปรที่นำมาทดสอบจะต้องอยู่มาตราการวัด Ordinal Scale

Wilcoxon matched-pairs Test
    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์กัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

Sign Test
    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์ โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

McNemar Test
    เป็นการทดสอบความแตกต่างระหว่างข้อมูลก่อนและหลังของกลุ่มตัวอย่างกลุ่มเดียวกัน ข้อมูลที่นำมาทดสอบอยู่ในมาตราการวัด Nominal หรือ Ordinal Scale

Mann Whitney U Test
    เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

Median Test
     เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไปที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

Fisher exact test
     เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Nominal Scale ที่แบ่งเป็น 2 กลุ่ม

Friedman Test
     เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่สัมพันธ์กัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale

Cochran Q Test
      เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่สัมพันธ์กัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Nominal Scale

Kruskal Wallis Test
      เป็นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่เป็นอิสระจากกัน โดยข้อมูลที่นำมาทดสอบต้องอยู่ในมาตราการวัด Ordinal Scale