5 ขั้นตอนกับการวิเคราะห์ ANOVA

การวิเคราะห์ ANOVA คือ เทคนิคการวิเคราะห์ที่ใช้ทดสอบสมมติฐานของตัวแปรที่มากกว่า 2 กลุ่ม ขึ้นไป ซึ่งส่วนใหญ่ใช้ในการวิเคราะห์วิจัยเชิงปริมาณ 

บทความนี้จึงจะนำคุณมาสู่ 5 ขั้นตอนในการเริ่มต้นวิเคราะห์ ANOVA ดังนี้

1. การตั้งสมมติฐาน

การตั้งสมมติฐานเป็นส่วนหนึ่งของการอธิบายผลที่ต้องการจะศึกษา เนื่องมาจากการตั้งสมมติฐานต้องคาดคะเนคำตอบ อย่างมีเหตุมีผล โดยจะต้อง ระบุให้ชัดเจนว่าอะไรสัมพันธ์กับอะไร สัมพันธ์กันอย่างไร หรืออะไรเป็นเหตุ อะไรเป็นผล เนื่องจากสมมติฐานเป็นข้อยืนยัน เกี่ยวกับความสัมพันธ์ระหว่างตัวแปรสองตัวหรือเกินกว่านั้น ดังนั้นการวิเคราะห์ ANOVA จึงมีสูตรการตั้งสมมติฐานดังนี้

ตัวอย่างการตั้งสมมติฐาน

– ความถี่ในการสูบบุหรี่ ที่แตกต่างกัน ส่งผลต่อการเป็นโรคมะเร็งปอด แตกต่างกัน สามารถเขียนสมมติฐานได้ดังนี้

H0 : ความถี่ในการสูบบุหรี่ ที่แตกต่างกัน ส่งผลต่อการเป็นโรคมะเร็งปอด  
H1 : ความถี่ในการสูบบุหรี่ ที่แตกต่างกัน ไม่ส่งผลต่อการเป็นโรคมะเร็งปอด  

– อายุของผู้บริโภคที่แตกต่างกัน ส่งผลต่อการซื้อกระเป๋าแบรนด์เนม แตกต่างกัน สามารถเขียนสมมติฐานได้ดังนี้

H0 : อายุของผู้บริโภคที่แตกต่างกัน ส่งผลต่อการซื้อกระเป๋าแบรนด์เนม แตกต่างกัน
H1 : อายุของผู้บริโภคที่แตกต่างกัน ส่งผลต่อการซื้อกระเป๋าแบรนด์เนม ไม่แตกต่างกัน

2. กำหนดระดับนัยสำคัญ

เมื่อตั้งสมมติฐานได้แล้ว  สิ่งที่จะสามารถบอกถึงความเป็นไปได้ของผลที่กำลังศึกษาได้ ก็คือระดับนัยสำคัญถ้าสมมติฐานหลักเป็นความจริง ระดับนัยสำคัญมักมีค่าน้อยกว่า 0.05 เสมอ

ดังนั้นระดับนัยสำคัญ มักตั้งไว้ที่ 0.05 ซึ่งหมายถึง ความเป็นไปได้ของข้อมูลที่จะเป็นความจริง หากระดับนัยสำคัญต่ำกว่า 0.01 นั่นหมายความว่า ความเป็นไปได้ของข้อมูลที่จะเป็นความจริงมีมากขึ้น นั่นเอง

แต่กระนั้นระดับนัยสำคัญที่ 0.05 ถือว่าเป็นสิ่งที่สามารถยอมรับได้แล้ว

3. เลือกวิธีการทางสถิติ

ต่อมาคุณจะต้องเลือกวิธีการสถิติเพื่อทำการเปรียบเทียบค่าเฉลี่ยรายคู่ โดยส่วนใหญ่จะใช้การเปรียบเทียบพหุคูณ (Multiple comparison test) ตามวิธีของเชฟเฟ่ (Scheffe’s method) หรือการทดสอบ HSD ของทูกีย์ (Tukey’s HSD test) หรือ วิธีของนิวแมนคูลส์ (Newman Keuls method) 

ซึ่งเคยกล่าวไว้ในบทความก่อนหน้านี้ ซึ่งการทดสอบค่าเฉลี่ยรายคู่ที่นิยมมากที่สุดก็คือ วิธีของเชฟเฟ่ (Scheffe’s method) นั่นเอง 

4. หาค่า Sig. หรือค่า P-Value

ค่า Sig. หรือบางมหาลัยเรียก ค่า P-Value เป็นตัวเลขที่จะบอกว่าตัวแปรต้นส่งผลต่อตัวแปรตามหรือไม่ หากค่า Sig. ต่ำกว่า 0.05 แสดงว่าตัวแปรต้นส่งผลต่อตัวแปรตาม ตรงกันข้าม หากค่า Sig. มากกว่า 0.05 แสดงว่า ตัวแปรต้นไม่ส่งผลต่อตัวแปรตามเช่นกัน ซึ่งผลการวิเคราะห์สามารถศึกษาได้จากหัวข้อต่อไป

5. วิเคราะห์ผลและสรุป

จากตัวอย่างการตั้งสมมติฐานข้างต้น สามารถวิเคราะห์ผลและสรุปผลได้ดังนี้

– ความถี่ในการสูบบุหรี่ ที่แตกต่างกัน ส่งผลต่อการเป็นโรคมะเร็งปอด แตกต่างกัน

หากค่า Sig. มีระดับนัยสำคัญต่ำกว่า 0.05 แสดงว่า ยอมรับสมมติฐาน H0 ปฏิเสธสมมติฐาน H1 นั่นหมายความว่า ความถี่ในการสูบบุหรี่ ที่แตกต่างกัน ส่งผลต่อการเป็นโรคมะเร็งปอด อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05

– อายุของผู้บริโภคที่แตกต่างกัน ส่งผลต่อการซื้อกระเป๋าแบรนด์เนม แตกต่างกัน

หากค่า Sig. มีระดับนัยสำคัญมากกว่า 0.05 แสดงว่า ยอมรับสมมติฐาน H1 ปฏิเสธสมมติฐาน H0 นั่นหมายความว่า อายุของผู้บริโภคที่แตกต่างกัน ส่งผลต่อการซื้อกระเป๋าแบรนด์เนม ไม่แตกต่างกัน 

จะเห็นได้ว่าการวิเคราะห์ ANOVA คงไม่ใช่เรื่องยากอีกต่อไปหากคุณได้เทคนิคดีๆ จากบริษัทเรา

ช่องทางติดต่อ
Tel: 0924766638 คุณอาจุ้ย
อีเมล: ichalermlarp@gmail.com
LINE: @impressedu
(หยุดทุกวันอาทิตย์)

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *

You cannot copy content of this page

error: Content is protected !!