ในการทำการทดสอบทางสถิตินั้น การวิเคราะห์พหุระดับเป็นการนำเสนอการวิเคราะห์ผ่านสถิติเชิงอ้างอิง ซึ่งเป็นการนำค่าสถิติที่เก็บข้อมูลมาได้จากกลุ่มตัวอย่าง นำกลับไปอ้างอิงหรือเทียบเคียงกับกลุ่มประชากร การกระทำของสถิติเชิงอ้างอิงนี้จะมีค่าความคลาดเคลื่อนที่นักวิจัยรู้และยอมรับได้คือ ค่าความคลาดเคลื่อนในการสุ่ม (Sampling Error)
1. ค่าความคลาดเคลื่อนประเภทที่ 1 (Type I Error) ใช้สัญลักษณ์คือ α อ่านว่า อัลฟ่า หมายถึง โอกาสที่จะปฏิบัติสมมติฐานศูนย์ (Null Hypothesis) ทั้งที่ สมมติฐานศูนย์เป็นจริง โดยการกำหนดระดับความคลาดเคลื่อนประเภทที่ 1 นี้ ขึ้นอยู่กับวัตถุประสงค์และธรรมชาติของงานวิจัย โดยขอบเขตที่นิยมตั้ง จะอยู่ที่ระดับ .01 และ .05
2. ค่าความคลาดเคลื่อนประเภทที่ 2 (Type II Error) ใช้สัญลักษณ์คือ β อ่านว่า เบต้า หมายถึง โอกาสที่จะคงสมมุติฐานศูนย์ (Null Hypothesis) ทั้งที่ สมมติฐานศูนย์เป็นเท็จ โดยไม่นิยมตั้งระดับขอบเขตไว้
สรุปความคลาดเคลื่อนทางสถิติมี 2 ประเภทคือ ค่าความคลาดเคลื่อนประเภทที่ 1 (Type I Error) ใช้สัญลักษณ์คือ α และค่าความคลาดเคลื่อนประเภทที่ 2 (Type II Error) ใช้สัญลักษณ์คือ β โดยไม่นิยมตั้งระดับขอบเขตพร้อมกัน เพราะ α และ β จะมีลักษณะความสัมพันธ์แบบตรงกันข้าม ถึงอย่างไรก็ตามนักวิจัยก็พยายามปรับให้ค่า α และ β อยู่ในระดับที่สมดุล สรุปได้ดังภาพ
จากภาพช่องบนซ้ายคือระดับความเชื่อมั่นของงานวิจัย
ช่องล่างซ้ายคือระดับค่าความคลาดเคลื่อนประเภทที่ 1 (Type I
Error) ที่นักจะเป็นคนตั้งระดับนัยสำคัญไว้ ช่องบนขวาคือ
ความคลาดเคลื่อนประเภทที่ 2 (Type II Error) นักวิจัยจะไม่นิยมกำหนด
และช่องทางล่างขวาคือ อำนาจหรือความแกร่งของการทดสอบทางสถิติ
โดยมีปัจจัยที่ทำให้เกิดความแกร่งดังนี้
1. ค่าขนาดอิทธิพล (Effect
size) เพราะจะเป็นการแสดงโอกาสให้เกิดความแตกต่างอย่างมีนัยสำคัญทางสถิติ
ที่ระดับใดๆ ตามที่นักวิจัยกำหนด ค่าขนาดอิทธิพลนี้ไม่ใช้แค่แสดงการมีนัยสำคัญทางสถิติ
แต่จะช่วยให้นักวิจัยรู้ถึงสาเหตุหรือแสดงหลักฐาน
ไม่ว่าจะเป็นในเรื่องของความแตกต่าง หรือความสัมพันธ์ระหว่างตัวแปร
โดยในการเปรียบเทียบค่าเฉลี่ยต้องมีการเทีบบควบคู่กับส่วนเบี่ยงเบนมาตรฐาน
หรือแสดงหลักฐานด้านความสัมพันธ์ระหว่างตัวแปรจะเป็นการเทียบในรูปของคะแนนมาตรฐาน
2. ระดับนัยสำคัญทางสถิติ
(Alpha) หรือ α ความคลาดเคลื่อนประเภทที่ 1 (Type I Error)
เป็นเรื่องที่นักวิจัยพึงระวังในเรื่องของการตั้ง
เพราะนักวิจัยต้องทำความเข้าใจธรรมชาติของงานวิจัย
และต้องมีการเปรียบเทียบในระดับนัยสำคัญที่ระดับต่าง ๆ
3. ขนาดกลุ่มตัวอย่าง (Sample size) การเพิ่มขนาดตัวอย่างจะส่งผลให้
การทดสอบทางสถิติมีระดับนัยสำคัญทางสถิติ
เพราะจะทำให้ขนาดของกลุ่มตัวอย่างและประชากรมีความคลาดเคลื่อนที่น้อยลง
ตัวอย่างเช่น มีกลุ่มประชากร 1000 คน เก็บกลุ่มตัวอย่างมา 850
คน จะส่งผลให้การทดสอบทางสถิติมีนัยสำคัญทางสถิติทันที
ถึงแม้ว่าค่าขนาดอิทธิพลจะแตกต่างกันเพียงเล็กน้อยก็ตาม
ไม่มีความคิดเห็น:
แสดงความคิดเห็น