อำนาจการทดสอบทางสถิติภายใต้เงื่อนไขการกำหนดขนาดกลุ่มตัวอย่าง ระดับนัยสำคัญและประเภทของข้อมูลที่แตกต่างกัน

ณัชชา มหปุญญานนท์; สุวิชญา ภู่ทับทิม

ผู้แต่ง

ณัชชา มหปุญญานนท์ มหาวิทยาลัยทักษิณ วิทยาเขตสงขลา
สุวิชญา ภู่ทับทิม มหาวิทยาลัยทักษิณ วิทยาเขตสงขลา

คำสำคัญ:

อำนาจการทดสอบ, ขนาดกลุ่มตัวอย่าง, ระดับนัยสำคัญ, ประเภทของข้อมูล, เทคนิคมอนติคาร์โล

บทคัดย่อ

บทความวิจัยนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาอำนาจการทดสอบของการทดสอบ t - test ภายใต้เงื่อนไขของขนาดกลุ่มตัวอย่าง ระดับนัยสำคัญทางสถิติ และประเภทของข้อมูลที่แตกต่างกัน และ 2) เพื่อเปรียบเทียบอำนาจการทดสอบ และศึกษาปฏิสัมพันธ์ระหว่างตัวแปรทั้งสามเงื่อนไข ดำเนินการวิจัยโดยการสร้างชุดข้อมูลทั้งสามชุด จำนวน 18,000 ชุด (9,000 คู่) และทำการตรวจสอบคุณสมบัติของการกระจายเป็นโค้งปกติ นำข้อมูลทั้งหมดมาทำการทดสอบค่าที ที่ระดับนัยสำคัญทางสถิติ .001, .01 และ .05 ได้ค่าอำนาจการทดสอบจากการทดสอบค่าที จำนวน 27,000 ค่า แบบแผนการทดลองที่ใช้ในการวิจัยนี้ คือ แฟคทอเรียล 3 ปัจจัย ผลการวิจัยพบว่า ข้อมูลทั้งสามประเภทที่ขนาดกลุ่มตัวอย่าง 30, 60 และ 90 มีค่าอำนาจการทดสอบสูงขึ้นตามลำดับในทุกระดับนัยสำคัญทางสถิติ เมื่อระดับนัยสำคัญทางสถิติเพิ่มขึ้นชุดของค่าอำนาจการทดสอบจะมีแนวโน้มการกระจายเป็นโค้งปกติมากขึ้น ผลการเปรียบเทียบค่าอำนาจการทดสอบ พบว่า ที่ระดับนัยสำคัญทางสถิติ .05 มีค่าอำนาจการทดสอบเฉลี่ยสูงที่สุด ค่าอำนาจการทดสอบของการทดสอบที่ขนาดกลุ่มตัวอย่าง 60 มีค่าเฉลี่ยสูงกว่า 30 และ 90 อย่างมีนัยสำคัญทางสถิติ และ ค่าอำนาจการทดสอบที่ n = 30 มีค่าเฉลี่ยสูงกว่า 90 อย่างมีนัยสำคัญทางสถิติ และ ค่าอำนาจการทดสอบของข้อมูลจากเทคนิค มอนติคาร์โลมีค่าเฉลี่ยสูงที่สุด นอกจากนี้พบปฏิสัมพันธ์ระหว่างขนาดกลุ่มตัวอย่างและระดับนัยสำคัญทางสถิติ พบปฏิสัมพันธ์ระหว่างขนาดกลุ่มตัวอย่างและประเภทของข้อมูล และ พบปฏิสัมพันธ์ระหว่างระดับนัยสำคัญทางสถิติและประเภทของข้อมูล (p = .000) รวมไปถึงพบปฏิสัมพันธ์ระหว่างปัจจัยเงื่อนไขที่ส่งผลต่อค่าอำนาจการทดสอบอย่างมีนัยสำคัญทางสถิติ

เอกสารอ้างอิง

งามพิศ ชัยสงคราม. (2548). การเปรียบเทียบอำนาจของการทดสอบเทียบความกลมกลืนสำหรับตัวแบบการถดถอยเชิงเส้นพหุคูณ. ใน วิทยานิพนธ์วิทยาศาสตรมหาบัณฑิต สาขาพาณิชยศาสตร์และการบัญชี. จุฬาลงกรณ์มหาวิทยาลัย.

ชนิกานต์ ทีพารัตน์. (2555). Monte Carlo Method. รายงาน Seminar in Computer Engineering วิศวกรรมคอมพิวเตอร์. ปทุมธานี: มหาวิทยาลัยรังสิต.

สมกิต วงศ์มาก. (2549). การศึกษาอำนาจการทดสอบของการวิเคราะห์ความแปรปรวนแบบทางเดียวภายหลังการแปลงข้อมูลจากกลุ่มตัวอย่างขนาดเล็ก โดยใช้เทคนิคการจำลองแบบมอนติคาร์โล และการใช้ข้อมูลจริง. ใน การศึกษามหาบัณฑิต สาขาวิชาการวิจัยและสถิติทางการศกษา. มหาวิทยาลัยศรีนครินทรวิโรฒ ประสานมิตร.

สุพรรณี อึ้งปัญสัตวงศ์. (2541). แนวคิดเกี่ยวกับการเปรียบเทียบสถิติทดสอบโดยใช้การจำลองแบบปัญหาด้วยเทคนิคมอนติคาร์โล. วารสารวิทยาศาสตร์ มข, 26(1), 7-11.

Chakrapani C. (2011). tatistical reasoning vs. magical thinking. VUE, April, 16-18. Retrieved Mart 3, 2019, from https://issuu.com/mria-arim/docs/vue-apr-2011

Drezner, Z. et al. (2008). A Modified Kolmogorov-Smirnov Test for Normality. University Library of Munich. Germany: MPRA Paper.

Hays, W. L. (1994). Statistics. 5th Edition, Harcourt Brace College Publishers. Fort Worth: Recently Published Papers.

Hesterberg, T. (2008). It's Time To Retire the "n >= 30" Rule, Proceedings of the American Statistical Association, Statistical Computing Section (CD-ROM). Retrieved Mart 18, 2021, from http://www.timhesterberg.net/articles/JSM08-n30.pdf

Howell, C. (1992). Statistic Method for Psychology. 3rd ed. Belmont, CA: Duxbury Pr.

Kar, S.S. & Ramalingam, A. (2013). IS 30 THE MAGIC NUMBER? ISSUES IN SAMPLE SIZE ESTIMATION. National Journal of Community Medicine, 4(1), 175-179.

Kirk, R. E. (1995). Experimental Design: Procedures for the Behavioral Science. 3rd ed. California: Brooks/Cole.

Lavrakas, P. J. (2008). Encyclopedia of survey research methods (Vols. 1-0). Thousand Oaks: Sage Publications.

Martínez - Abraín, A. (2014). Is the 'n = 30 rule of thumb' of ecological field studies reliable? A call for greater attention to the variability in our data. Animal Biodiversity and Conservation, 37(1), 95-100.

Mauro, J. (2021). Monte Carlo Techniques. Retrieved Mart 18, 2021, from https://www.amazon.com/Materials-Kinetics-Transport-Rate-Phenomena /dp/0128239077

Schultz, R. L., & Sullivan, E. M. (1972). On the Use of Computer Simulation for Research: Comment. Simulation & Games, 3(1), 107-110.