องค์ความรู้พื้นฐานของการวิเคราะห์ระดับพหุ (Basic Concept of Multivariate)

  ถึงแม้ว่าการวิเคราะห์พหุระดับนั้นรากฐานแนวคิดจากมากจากการวิเคราะห์แบบ การวิเคราะห์ปัจจัยเดี่ยว (Univariate) และการวิเคราะห์เชิงสัมพันธ์ (Bivariate) แต่ในการทำความเข้าใจเบื่องต้นนั้นต้องมีการทำความเข้าใจเกี่ยวกับระบบความสัมพันธ์ ความเกี่ยวโยงกันของความแปรปรวน ซึ่งเป็นเรื่องที่มีความเฉพาะเจาะจงแต่มีแนวความคิดที่คล้ายคลึงกัน โดยผู้ทีทำการศึกษาต้องมีความรู้ทั้งในเรื่องของระดับการวัด มาตรการวัด ระดับความเชื่อมั่นหรือระดับนัยสำคัญทางสถิติ ซึ่งแต่ละอย่างล้วนเป็นพื้นฐานที่ประยุกต์ใช้กับการวิเคราะห์พหุระดับ

ความแปรปรวน (The Variate)

เป็นการกระทำภายใต้เงื่อนไขที่กำหนด และมีส่วนกระทำร่วมจากหลายสิ่งเร้า หรือหลายตัวแปรอิสระ เพื่อร่วมกันแปรปรวนในตัวแปรตาม โดยจะมีการให้ความสำคัญของค่าน้ำหนัก (Weights) ที่แฝงอยู่รวมกับตัวแปรที่ทำการศึกษา ดังสมการต่อไปนี้

                     ค่าความแปรปรวน = w₁X₁ + w₂X₂ + w₃X₃ +…….. + w_nX_n

โดยกำหนดให้ w₁ ถึง w_n  คือ ความน้ำหนักที่ใช้อธิบายตัวแปรนั้น ๆ ที่ร่วมแปรปรวน และ

X₁ ถึง X_n คือ ตัวแปรที่ใช้ในการวิจัย

           ผลลัพธ์ที่ได้จากการร่วมกันพยากรณ์ หรือร่วมกันแปรปรวนนั้นจะมีค่าเพียงค่าเดียว และค่าน้ำหนักที่กระทำต่อตัวแปรที่ใช้ในการศึกษารายตัวแปรนั้น โดยส่วนมากจะเรียงลำดับตามความสำคัญ โดย การวิเคราะห์การถดถอยพหุคูณ (Multiple Regression) จะให้ความสำคัญของค่าน้ำหนัก (w) ในเรื่องของความสัมพันธ์ ของตัวแปรที่ทำการศึกษากับตัวแปรตาม การวิเคราะห์การจำแนกกลุ่ม (Discriminant Analysis) จะให้ความสำคัญของค่าน้ำหนัก (w) ในเรื่องของคะแนนที่สามารถจำแนกความแตกต่างระหว่างกลุ่ม และในการวิเคราะห์องค์ประกอบ (Factor Analysis) จะให้ความสำคัญของค่าน้ำหนัก (w) ในเรื่องของการพยากรณ์ภายใต้โครงสร้างที่มีความสัมพันธ์กัน

           จากที่กล่าวมานั้น จะเห็นได้ว่าความรู้ความเข้าใจเกี่ยวกับความแปรปรวนนั้น จากตัวอย่างข้างต้นจะเห็นถึงความเชื่อมโยงของค่าน้ำหนักคะแนนที่ได้ แต่เมื่ออยู่ภายใต้ข้อจำกัดของการใช้สถิติต่างกันแล้ว ไม่ว่าจะเป็นข้อจำกัดในเรื่องของมาตรการวัด หรือข้อตกลงเบื้องต้นของการวิจัย ชื่อเรียกหรือของค่าน้ำหนักจะต่างกัน แต่มีแนวคิดพื้นฐานของกระบวนการ หาคำตอบจะมีแนวคิดที่คล้ายกัน คือเป็นหลักปัจจัยร่วมกระทำ (Combinations of variables)

มาตรการวัด (Measurement Scale)

         มาตรการวัดของตัวแปรนั้น ได้มีหนังสือหลายเล่มที่กล่าวถึงไม่โดยการเรียงจากความหยาบไปหาละเอียดสุดในสารสนเทศคือ นามบัญญัติ (Nominal Scale) เรียงอันดับ (Ordinal Scale) อัตภาคชั้น (Interval Scale) และมาตราส่วน (Ratio Scale) แต่หากแบ่งมาตรการวัดของตัวแปรโดยใช้คุณลักษณะเป็นเกณฑ์จะแบ่งได้ 2 ประเภทคือ กลุ่มตัวแปรเชิงคุณภาพจะประกอบด้วย นามบัญญัติ (Nominal Scale) เรียงอันดับ (Ordinal Scale) และกลุ่มตัวแปรเชิงปริมาณ จะประกอบด้วย อัตภาคชั้น (Interval Scale) และมาตราส่วน (Ratio Scale) มาตรการวัดนี้ไม่ใช่มีไว้เพือแบ่งหรือจำแนกประเภทของตัวแปรเท่านั้น แต่จะเป็นการบ่งบอกถึงการเลือกใช้สถิติในการแก้ปัญญาได้อย่างถูกต้องและเหมาะสมกับชุดข้อมูล รวมไปถึงการรายงานผลการวิจัยจะมีความน่าเชื่อถือมากขึ้น โดยการเลือกใช้หรือการให้ความสำคัญของมาตรการวัด มีความสำคัญดังนี้

           1. เป็นการกระตุ้นให้นักวิจัยเข้าใจธรรมชาติของตัวแปร และเข้าใจความหมายและธรรมชาติของข้อมูลที่ทำการเก็บรวบรวมมาได้ เช่น เพศ จะพบกันบ่อยที่กำหนด ให้ เพศชาย เป็น 1 และ เพศหญิงเป็น 2 เมื่อพิจารณาจะพบว่า เพศเป็นตัวแปรในมาตรวัด นามบัญญัติ (Nominal Scale) หากมีการรายงานเป็นค่าเฉลี่ย (Mean) จะทำให้ค่าที่ได้นั้นไม่มีความหมาย เพราะธรรมชาติบ่งชี้ให้เห็นถึงแค่เพศชายหรือหญิง ส่วนการกำหนดตัวเลขนั้นเป็นการแปรข้อมูลในมาตรการวัดเชิงคุณภาพให้เป็นเชิงประมาณ (Dummy Variable) ซึ่งจะกล่าวในครั้งต่อ ๆ ไป

           2. เป็นการใช้เพื่อตระหนักถึงเทคนิคที่จะใช้วิเคราะห์ข้อมูล ที่ทำการเก็บรวมรวมมา ว่าจะมีการวิเคราะห์ข้อมูลโดยใช้สถิติอะไร เพื่อความเหมาะสมและความถูกต้องตรงตามคุณลักษณะของตัวแปรที่ทำการศึกษา