วิทยฐานะ, สถิติ

การวิเคราะห์ข้อมูลด้วย SPSS : จากการเตรียมข้อมูลสู่การนำเสนอผลวิจัยสำหรับวิทยฐานะเชี่ยวชาญ

05
ต.ค.

การวิเคราะห์ข้อมูลด้วย SPSS : จากการเตรียมข้อมูลสู่การนำเสนอผลวิจัยสำหรับวิทยฐานะเชี่ยวชาญ

บทนำ: การวางแผนการวิเคราะห์ข้อมูลสำหรับงานวิจัยทางการศึกษา

การวิเคราะห์ข้อมูลเชิงปริมาณในงานวิจัยทางการศึกษาสำหรับเสนอขอวิทยฐานะเชี่ยวชาญ ไม่ใช่เป็นเพียงขั้นตอนการใช้โปรแกรมสำเร็จรูปเพื่อประมวลผลตัวเลข แต่เป็นกระบวนการทางปัญญาที่เป็นระบบ ซึ่งเริ่มต้นตั้งแต่การตั้งคำถามวิจัย การออกแบบเครื่องมือ และการวางแผนการวิเคราะห์ข้อมูลอย่างเป็นเหตุเป็นผล การวิเคราะห์ข้อมูลที่ถูกต้องตามหลักสถิติและสอดคล้องกับวัตถุประสงค์การวิจัยเป็นหัวใจสำคัญที่ช่วยยกระดับความน่าเชื่อถือ (Reliability) และความเที่ยงตรง (Validity) ของผลงานวิชาการให้เป็นที่ยอมรับ

แนวคิดพื้นฐานที่สำคัญที่สุดคือ “สถิติคือภาษาที่ใช้ตอบคำถามวิจัย”.1 การเลือกใช้สถิติแต่ละประเภทจึงไม่ได้เกิดขึ้นอย่างเลื่อนลอย แต่ถูกกำหนดโดยวัตถุประสงค์และสมมติฐานการวิจัยที่ผู้วิจัยได้วางไว้ในบทที่ 1 และบทที่ 3 ของรายงานการวิจัย ตัวอย่างเช่น หากวัตถุประสงค์คือ “เพื่อเปรียบเทียบผลสัมฤทธิ์ทางการเรียนระหว่างกลุ่มทดลองและกลุ่มควบคุม” สถิติที่เหมาะสมย่อมเป็น t-test หากวัตถุประสงค์คือ “เพื่อศึกษาความสัมพันธ์ระหว่างแรงจูงใจในการทำงานกับความผูกพันต่อองค์กรของครู” สถิติที่ต้องใช้คือการวิเคราะห์สหสัมพันธ์ (Correlation) การวางกรอบความคิดเช่นนี้จะช่วยให้นักวิจัยสามารถวางแผนการเก็บข้อมูลและเลือกใช้สถิติได้อย่างเหมาะสมตั้งแต่ต้น ป้องกันปัญหาการเก็บข้อมูลมาแล้วไม่สามารถวิเคราะห์เพื่อตอบคำถามวิจัยได้

คู่มือฉบับนี้จะนำเสนอ 5 ขั้นตอนหลักในการวิเคราะห์ข้อมูลด้วยโปรแกรม SPSS อย่างเป็นระบบ ตั้งแต่การวางรากฐานข้อมูลที่มั่นคง การสรุปภาพรวมด้วยสถิติเชิงพรรณนา การทดสอบสมมติฐานด้วยสถิติเชิงอนุมาน การจัดการข้อมูลขั้นสูงเพื่อเตรียมพร้อมสำหรับการวิเคราะห์ ไปจนถึงการตีความและนำเสนอผลการวิเคราะห์ในบทที่ 4 อย่างมืออาชีพ เพื่อให้บุคลากรทางการศึกษา ไม่ว่าจะเป็นครู ผู้บริหารสถานศึกษา หรือศึกษานิเทศก์ สามารถนำไปประยุกต์ใช้กับงานวิจัยของตนเองได้อย่างมั่นใจ

ตารางที่ 0.1: การจับคู่ระหว่างวัตถุประสงค์การวิจัยกับสถิติที่เหมาะสม

วัตถุประสงค์การวิจัย (ตัวอย่าง)ลักษณะตัวแปรมาตรวัดข้อมูลสถิติที่แนะนำ
(SPSS Command)
เพื่อศึกษาข้อมูลทั่วไปของผู้ตอบแบบสอบถามตัวแปรเดียวNominal, OrdinalFrequencies
เพื่อศึกษาระดับความคิดเห็นต่อการบริหารงานของผู้บริหารตัวแปรเดียวScale (ค่าเฉลี่ย)Descriptives
เพื่อเปรียบเทียบความพึงพอใจในการทำงานระหว่างครูชายและครูหญิงอิสระ: เพศ ตาม: ความพึงพอใจอิสระ: Nominal ตาม: ScaleIndependent-Samples T-Test
เพื่อเปรียบเทียบผลสัมฤทธิ์ทางการเรียนของนักเรียน 3 ห้องเรียนอิสระ: ห้องเรียน ตาม: ผลสัมฤทธิ์อิสระ: Nominal ตาม: ScaleOne-Way ANOVA
เพื่อศึกษาความสัมพันธ์ระหว่างอายุงานกับระดับความเครียดในการทำงานตัวแปร 2 ตัวScale, ScalePearson Correlation
เพื่อศึกษาความสัมพันธ์ระหว่างวุฒิการศึกษากับการเลือกเข้ารับการอบรมตัวแปร 2 ตัวNominal, NominalChi-Square
(ใน Crosstabs)

ขั้นตอนที่ 1: การวางรากฐานข้อมูล: การเตรียมข้อมูล (Data Preparation)

ขั้นตอนนี้เปรียบเสมือนการวางศิลาฤกษ์ของอาคารงานวิจัยทั้งหมด ความแม่นยำและความรอบคอบในขั้นตอนนี้จะส่งผลโดยตรงต่อความถูกต้องของผลการวิจัยทั้งหมด หลักการสำคัญที่นักวิจัยต้องยึดมั่นคือ “ขยะเข้า ย่อมได้ขยะออก” (Garbage In, Garbage Out – GIGO) กล่าวคือ หากข้อมูลที่ป้อนเข้าสู่โปรแกรมมีความผิดพลาดหรือไม่เป็นระบบ ผลการวิเคราะห์ที่ได้ก็จะขาดความน่าเชื่อถือโดยสิ้นเชิง การเตรียมข้อมูลจึงไม่ใช่เพียงงานธุรการ แต่เป็นกระบวนการ “แปล” แนวคิดจากแบบสอบถามให้กลายเป็นข้อมูลที่มีโครงสร้างและพร้อมสำหรับการวิเคราะห์

1.1 หลักการออกแบบคู่มือลงรหัส (Coding Manual)

ก่อนที่จะเริ่มคีย์ข้อมูลจากแบบสอบถามลงในโปรแกรม SPSS ผู้วิจัยควรสร้าง “คู่มือลงรหัส” ขึ้นมาก่อนเสมอ คู่มือนี้ทำหน้าที่เป็นเอกสารอ้างอิงมาตรฐานที่กำหนดว่าข้อมูลเชิงคุณภาพแต่ละประเภทจะถูกแทนด้วยรหัสตัวเลขใด.2 การมีคู่มือลงรหัสช่วยให้การคีย์ข้อมูลมีความสม่ำเสมอ โดยเฉพาะเมื่อมีผู้ช่วยวิจัยหลายคน และยังช่วยให้ผู้อื่นสามารถทำความเข้าใจชุดข้อมูลของเราได้ในอนาคต

ตารางที่ 1.1: ตัวอย่างคู่มือลงรหัส (Coding Manual) สำหรับงานวิจัยเรื่อง “การพัฒนาโมเดลการนิเทศภายในของผู้บริหาร”

ชื่อตัวแปร (Name)คำอธิบาย (Label)การลงรหัส (Coding)ประเภทข้อมูล (Measure)
idรหัสผู้ตอบแบบสอบถาม1, 2, 3,…Scale
genderเพศ1 = ชาย, 2 = หญิงNominal
edu_levelระดับการศึกษาสูงสุด1 = ปริญญาตรี, 2 = ปริญญาโท, 3 = สูงกว่าปริญญาโทOrdinal
exp_yearประสบการณ์การทำงาน (ปี)กรอกตามจริงScale
sup1การนิเทศช่วยให้ท่านพัฒนาการสอน1=น้อยสุด, 2=น้อย, 3=ปานกลาง, 4=มาก, 5=มากสุดOrdinal
sup2ผู้บริหารให้ข้อมูลป้อนกลับที่เป็นประโยชน์1=น้อยสุด, 2=น้อย, 3=ปานกลาง, 4=มาก, 5=มากสุดOrdinal

1.2 การกำหนดคุณสมบัติของตัวแปรใน Variable View

หน้าต่าง Variable View ใน SPSS คือส่วนที่ใช้กำหนด “พิมพ์เขียว” ของข้อมูลแต่ละตัว การกำหนดคุณสมบัติในส่วนนี้อย่างถูกต้องเป็นสิ่งสำคัญอย่างยิ่ง

Name (ชื่อตัวแปร): ตั้งชื่อตัวแปรโดยใช้กฎพื้นฐานคือห้ามเว้นวรรคและห้ามขึ้นต้นด้วยตัวเลข ควรตั้งชื่อให้สั้น กระชับ สื่อความหมาย และเป็นภาษาอังกฤษตัวพิมพ์เล็กทั้งหมดเพื่อความเป็นสากล เช่น gender, age, pre_test_score.2

Type (ชนิดข้อมูล): โดยส่วนใหญ่จะใช้เป็น Numeric สำหรับข้อมูลที่เป็นตัวเลขทั้งหมด แม้แต่รหัสที่ใช้แทนข้อมูลกลุ่ม (เช่น เพศ 1=ชาย) ก็ต้องเป็น Numeric เพื่อให้โปรแกรมนำไปประมวลผลทางสถิติได้.2

Label (คำอธิบายตัวแปร): ใส่คำอธิบายฉบับเต็มของตัวแปรในช่องนี้ เพื่อให้ผลลัพธ์ (Output) ที่ได้แสดงข้อความที่สมบูรณ์และเข้าใจง่าย เช่น ตัวแปรชื่อ exp_year ควรใส่ Label ว่า “ประสบการณ์การทำงาน (ปี)”.4

Values (การกำหนดค่า): เป็นหัวใจสำคัญของการจัดการข้อมูลเชิงคุณภาพ ใช้สำหรับกำหนดว่ารหัสตัวเลขแต่ละตัวมีความหมายว่าอย่างไร เช่น ในตัวแปร gender ให้กำหนดว่า Value ‘1’ คือ Label “ชาย” และ Value ‘2’ คือ Label “หญิง”.5

Missing (ค่าสูญหาย): ใช้กำหนดรหัสตัวเลขที่ผู้วิจัยจะใช้แทนกรณีที่ผู้ตอบไม่ได้ตอบข้อคำถามนั้นๆ (Missing Data) เช่น กำหนดให้เลข 99 เป็นค่า Missing การทำเช่นนี้จะทำให้โปรแกรม SPSS ทราบว่าข้อมูลที่มีค่า 99 ไม่ใช่ข้อมูลจริง และจะตัดข้อมูลส่วนนี้ออกจากการคำนวณค่าเฉลี่ยหรือสถิติอื่นๆ โดยอัตโนมัติ.2 การจัดการค่าสูญหายอย่างเป็นระบบเป็นสิ่งจำเป็นอย่างยิ่ง หากผู้วิจัยปล่อยว่างไว้หรือใส่ค่า 0 โดยไม่กำหนดในช่อง Missing อาจทำให้ผลการวิเคราะห์ทั้งหมดบิดเบือนไปอย่างมหาศาล

Measure (มาตรวัด): การเลือกมาตรวัดให้ถูกต้องเป็นเงื่อนไขสำคัญที่สุดในการเลือกใช้สถิติที่เหมาะสม

  • Scale: สำหรับข้อมูลเชิงปริมาณที่มีช่วงห่างเท่ากันและมีความหมายทางคณิตศาสตร์ เช่น อายุ, คะแนนสอบ, รายได้, ส่วนสูง.3
  • Ordinal: สำหรับข้อมูลเชิงคุณภาพที่สามารถจัดเรียงลำดับ “ก่อน-หลัง” หรือ “สูง-ต่ำ” ได้ แต่ไม่สามารถบอกช่วงห่างที่เท่ากันได้ เช่น ระดับการศึกษา (ป.โท สูงกว่า ป.ตรี), ระดับความพึงพอใจ (มาก > ปานกลาง > น้อย).3
  • Nominal: สำหรับข้อมูลเชิงคุณภาพที่ใช้ในการจัดกลุ่มเท่านั้น ไม่สามารถนำมาเรียงลำดับได้ เช่น เพศ, สังกัดโรงเรียน, ภาคที่อยู่อาศัย.3

1.3 เทคนิคการกรอกข้อมูลใน Data View และการตรวจสอบความถูกต้อง

ในหน้าต่าง Data View แต่ละแถวแนวนอน (Row) จะแทนผู้ตอบแบบสอบถาม 1 คน (Case) และแต่ละคอลัมน์แนวตั้ง (Column) จะแทนตัวแปร 1 ตัว (Variable) ที่เรากำหนดไว้ใน Variable View.7 หลังจากกรอกข้อมูลเสร็จสิ้น ควรมีการตรวจสอบความถูกต้องเบื้องต้น (Data Screening) โดยใช้คำสั่ง

Analyze > Descriptive Statistics > Frequencies เพื่อดูว่ามีค่าที่ผิดปกติ (Outliers) หรือค่าที่คีย์ผิดพลาดหรือไม่ เช่น ในตัวแปรระดับความพึงพอใจซึ่งควรมีค่าแค่ 1-5 แต่ในตารางความถี่กลับพบว่ามีเลข 6 หรือ 55 ปรากฏอยู่ แสดงว่ามีการคีย์ข้อมูลผิดพลาดและต้องกลับไปแก้ไขให้ถูกต้อง

1.4 การบันทึกไฟล์

SPSS จะสร้างไฟล์ 2 ประเภทหลักที่ต้องบันทึกแยกกัน คือ ไฟล์ข้อมูล (นามสกุล .sav) ซึ่งเก็บข้อมูลดิบและการตั้งค่าตัวแปร และไฟล์ผลลัพธ์ (นามสกุล .spv) ซึ่งเก็บตารางและกราฟที่ได้จากการวิเคราะห์ทั้งหมด ควรตั้งชื่อไฟล์ให้สื่อความหมายและบันทึกอย่างสม่ำเสมอเพื่อป้องกันข้อมูลสูญหาย

ขั้นตอนที่ 2: การสรุปภาพรวมข้อมูล: สถิติเชิงพรรณนา (Descriptive Statistics)

หลังจากเตรียมข้อมูลเรียบร้อยแล้ว ขั้นตอนถัดมาคือการใช้สถิติเชิงพรรณนา (Descriptive Statistics) เพื่อสรุปคุณลักษณะที่สำคัญของกลุ่มตัวอย่าง.3 ขั้นตอนนี้เปรียบเสมือนการ “เล่าเรื่องด้วยข้อมูล” หรือการ “วาดภาพ” ของกลุ่มตัวอย่าง เพื่อให้ผู้วิจัยและผู้อ่านเห็นภาพรวมเบื้องต้นว่าผู้เข้าร่วมการวิจัยเป็นใคร มีลักษณะอย่างไร ก่อนที่จะนำไปสู่การวิเคราะห์เชิงลึกเพื่อทดสอบสมมติฐานต่อไป การนำเสนอข้อมูลส่วนนี้อย่างชัดเจนในบทที่ 4 จะเป็นรากฐานสำคัญที่ช่วยให้การตีความผลการวิเคราะห์ในขั้นต่อไปมีความหมายและสมบูรณ์ยิ่งขึ้น

2.1 Frequencies (ความถี่และร้อยละ)

หลักการ: เป็นสถิติที่เหมาะสมที่สุดสำหรับตัวแปรเชิงคุณภาพ (Nominal และ Ordinal) เพื่อแสดงจำนวน (ความถี่) และสัดส่วน (ร้อยละ) ของข้อมูลในแต่ละกลุ่ม ทำให้เห็นการกระจายตัวของลักษณะต่างๆ ในกลุ่มตัวอย่าง.12

ขั้นตอน: Analyze > Descriptive Statistics > Frequencies….15

สถานการณ์จำลอง:

  • ครู: ในงานวิจัยในชั้นเรียน ครูสามารถใช้ Frequencies เพื่อนำเสนอข้อมูลพื้นฐานของนักเรียน เช่น “จากตารางพบว่า กลุ่มตัวอย่างเป็นนักเรียนชาย จำนวน 20 คน (ร้อยละ 50.0) และนักเรียนหญิง จำนวน 20 คน (ร้อยละ 50.0)”
  • ผู้บริหาร: ใช้ Frequencies สรุปข้อมูลคุณวุฒิของครูในโรงเรียน “พบว่าครูส่วนใหญ่มีวุฒิการศึกษาระดับปริญญาโท จำนวน 35 คน (ร้อยละ 70.0) รองลงมาคือระดับปริญญาตรี จำนวน 15 คน (ร้อยละ 30.0)” เพื่อเป็นข้อมูลในการวางแผนพัฒนาบุคลากร
  • ศึกษานิเทศก์: แจกแจงความถี่ของโรงเรียนในเขตพื้นที่รับผิดชอบตามขนาด “พบว่าโรงเรียนในสังกัดส่วนใหญ่เป็นโรงเรียนขนาดกลาง จำนวน 80 แห่ง (ร้อยละ 66.7) รองลงมาคือโรงเรียนขนาดเล็ก จำนวน 40 แห่ง (ร้อยละ 33.3)”

2.2 Descriptives (ค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน)

หลักการ: เหมาะสำหรับตัวแปรเชิงปริมาณ (Scale) เพื่อสรุปข้อมูลด้วยค่ากลางและการกระจาย ค่าเฉลี่ย () บอกถึงค่าที่เป็นตัวแทนของข้อมูลทั้งชุด ในขณะที่ค่าส่วนเบี่ยงเบนมาตรฐาน ( หรือ ) บอกถึงการกระจายตัวของข้อมูลว่าเกาะกลุ่มหรือกระจายห่างจากค่าเฉลี่ยมากน้อยเพียงใด.17

ขั้นตอน: Analyze > Descriptive Statistics > Descriptives….15

สถานการณ์จำลอง:

  • ครู: รายงานผลสัมฤทธิ์ทางการเรียนของนักเรียนว่า “นักเรียนมีคะแนนสอบหลังเรียนเฉลี่ยเท่ากับ 25.50 คะแนน จากคะแนนเต็ม 30 คะแนน โดยมีส่วนเบี่ยงเบนมาตรฐานเท่ากับ 2.15”
  • ผู้บริหาร: วิเคราะห์ระดับความพึงพอใจของครูต่อการบริหารงาน “พบว่าโดยภาพรวมครูมีความพึงพอใจต่อการบริหารงานของผู้บริหารอยู่ในระดับมาก ( = 4.25,  = 0.68)”
  • ศึกษานิเทศก์: สรุปความคิดเห็นของครูต่อรูปแบบการนิเทศแบบใหม่ “พบว่าครูมีความคิดเห็นต่อรูปแบบการนิเทศใหม่โดยรวมอยู่ในระดับมาก ( = 3.98,  = 0.75)”

2.3 Crosstabs (ตารางไขว้)

หลักการ: ใช้เพื่อแสดงความสัมพันธ์เบื้องต้นระหว่างตัวแปรเชิงคุณภาพ 2 ตัว โดยนำเสนอในรูปแบบตารางสองทาง (Two-way Table) ซึ่งแสดงความถี่และร้อยละร่วมกันของตัวแปรทั้งสอง.13

ขั้นตอน: Analyze > Descriptive Statistics > Crosstabs….13

สถานการณ์จำลอง:

  • ผู้บริหาร: สร้างตารางไขว้ระหว่าง “ประสบการณ์การทำงาน” กับ “การเลือกเข้าร่วมโครงการอบรม” เพื่อดูว่าครูที่มีประสบการณ์ต่างกันมีแนวโน้มเลือกเข้าร่วมการอบรมที่แตกต่างกันหรือไม่
  • ศึกษานิเทศก์: วิเคราะห์ความสัมพันธ์ระหว่าง “ขนาดโรงเรียน” กับ “ระดับการนำเทคโนโลยีไปใช้ในการสอน” เพื่อดูแนวโน้มการใช้เทคโนโลยีในโรงเรียนขนาดต่างๆ

2.4 Multiple Response (การตอบแบบหลายตัวเลือก)

หลักการ: เป็นกรณีพิเศษที่ต้องจัดการอย่างรอบคอบสำหรับคำถามปลายปิดที่อนุญาตให้ผู้ตอบเลือกได้มากกว่า 1 คำตอบ (Check all that apply) เช่น “ท่านใช้สื่อสังคมออนไลน์ใดในการติดต่อสื่อสารกับผู้ปกครองบ้าง (เลือกได้ทุกข้อ)” การวิเคราะห์ข้อมูลประเภทนี้ไม่สามารถทำได้โดยตรงเหมือนตัวแปรทั่วไป เนื่องจากผู้ตอบ 1 คนสามารถสร้างข้อมูลได้หลายค่า.20 SPSS จึงมีกระบวนการเฉพาะ โดยต้อง “กำหนดชุดตัวแปร” (Define Variable Sets) เพื่อบอกให้โปรแกรมรู้ว่าตัวแปรหลายๆ ตัว (เช่น facebook, line, instagram) แท้จริงแล้วเป็นส่วนหนึ่งของคำถามข้อเดียวกัน ก่อนที่จะนำไปวิเคราะห์หาความถี่ได้.8

ขั้นตอน

  1. Analyze > Multiple Response > Define Variable Sets… เพื่อรวมตัวแปรย่อยๆ ให้เป็นกลุ่มเดียวกัน
  2. Analyze > Multiple Response > Frequencies… เพื่อคำนวณความถี่และร้อยละของแต่ละตัวเลือก.20

สถานการณ์จำลอง:

  • ผู้บริหาร: วิเคราะห์คำถาม “ครูต้องการรับการพัฒนาในหัวข้อใดบ้าง (เลือกได้ 3 หัวข้อที่ต้องการมากที่สุด)” เพื่อจัดลำดับความสำคัญของหัวข้อการอบรมประจำปี
  • ศึกษานิเทศก์: วิเคราะห์ปัญหาที่ครูในพื้นที่พบจากการจัดการเรียนการสอนออนไลน์ จากคำถาม “ท่านพบปัญหาใดบ้างในการสอนออนไลน์ (เลือกตอบได้ทุกข้อ)” เพื่อสรุปประเด็นปัญหาหลักและหาแนวทางช่วยเหลือ

ขั้นตอนที่ 3: การทดสอบสมมติฐาน: สถิติเชิงอนุมาน (Inferential Statistics)

สถิติเชิงอนุมานคือกระบวนการทางสถิติที่ก้าวข้ามการบรรยายลักษณะของกลุ่มตัวอย่างไปสู่การสรุปอ้างอิงผลไปยังประชากรทั้งหมดที่กลุ่มตัวอย่างนั้นเป็นตัวแทน.24 หัวใจของสถิติเชิงอนุมานคือการทดสอบสมมติฐาน (Hypothesis Testing) ซึ่งเป็นการตัดสินใจอย่างเป็นระบบว่าความแตกต่างหรือความสัมพันธ์ที่พบในข้อมูลของกลุ่มตัวอย่างนั้น มีความเป็นไปได้มากน้อยเพียงใดที่จะเกิดขึ้นจริงในประชากร หรือเป็นเพียงสิ่งที่เกิดขึ้นโดยความบังเอิญจากการสุ่มตัวอย่าง.26 การตีความผลลัพธ์จะอาศัยค่าความน่าจะเป็นที่เรียกว่า “ระดับนัยสำคัญทางสถิติ” (p-value หรือ Sig.) โดยทั่วไปในงานวิจัยทางสังคมศาสตร์จะกำหนดเกณฑ์ไว้ที่ 0.05 หากค่า Sig. ที่คำนวณได้น้อยกว่า 0.05 (

) หมายความว่าผลที่พบมีโอกาสเกิดขึ้นโดยบังเอิญน้อยมาก (น้อยกว่า 5%) เราจึงสรุปว่าผลนั้น “มีนัยสำคัญทางสถิติ” และปฏิเสธสมมติฐานหลัก () อย่างไรก็ตาม การค้นพบว่าไม่มีนัยสำคัญทางสถิติ () ไม่ได้หมายความว่างานวิจัยล้มเหลว แต่เป็น “ผลการวิจัย” ที่สำคัญอย่างหนึ่ง ซึ่งอาจหมายความว่าไม่มีความแตกต่างหรือความสัมพันธ์กันจริง ๆ ในประชากร

3.1 T-Test (การเปรียบเทียบค่าเฉลี่ย 2 กลุ่ม)

หลักการ: ใช้เพื่อเปรียบเทียบค่าเฉลี่ยของตัวแปรตาม (Scale) ระหว่างกลุ่มตัวอย่าง 2 กลุ่ม (กำหนดโดยตัวแปรอิสระ Nominal ที่มี 2 ค่า) ว่าแตกต่างกันอย่างมีนัยสำคัญทางสถิติหรือไม่.18

ประเภทและขั้นตอน:

  • Independent-Samples T-Test: ใช้เมื่อกลุ่มตัวอย่างทั้งสองกลุ่มเป็นอิสระต่อกัน เช่น กลุ่มนักเรียนชายกับกลุ่มนักเรียนหญิง หรือกลุ่มครูที่จบ ป.ตรี กับกลุ่มครูที่จบ ป.โท ขั้นตอน: Analyze > Compare Means > Independent-Samples T-Test…
  • One-Sample T-Test: ใช้เมื่อต้องการเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างกลุ่มเดียวกับค่าคงที่หรือเกณฑ์มาตรฐานที่กำหนดไว้ล่วงหน้า.1

ขั้นตอน: Analyze > Compare Means > One-Sample T-Test…

สถานการณ์จำลอง

  • ครู: ใช้ Independent-Samples T-Test เพื่อทดสอบสมมติฐาน “ผลสัมฤทธิ์ทางการเรียนหลังเรียนด้วยนวัตกรรม A ของนักเรียนกลุ่มทดลองสูงกว่านักเรียนกลุ่มควบคุมที่เรียนด้วยวิธีปกติ”
  • ผู้บริหาร: ใช้ One-Sample T-Test เพื่อทดสอบว่า “คะแนนเฉลี่ยความพึงพอใจในการทำงานของครูในโรงเรียนปีนี้ (ซึ่งคำนวณได้ 4.25) สูงกว่าเกณฑ์มาตรฐานของประเทศ (ซึ่งกำหนดไว้ที่ 3.50) อย่างมีนัยสำคัญทางสถิติหรือไม่”

3.2 One-Way ANOVA (การเปรียบเทียบค่าเฉลี่ยมากกว่า 2 กลุ่ม)

หลักการ: ใช้เมื่อต้องการเปรียบเทียบค่าเฉลี่ยของตัวแปรตาม (Scale) ระหว่างกลุ่มตัวอย่างตั้งแต่ 3 กลุ่มขึ้นไป (กำหนดโดยตัวแปรอิสระ Nominal).27

ขั้นตอน: Analyze > Compare Means > One-Way ANOVA…

การทดสอบ Post-Hoc: ข้อผิดพลาดที่พบบ่อยคือเมื่อผล ANOVA มีนัยสำคัญทางสถิติ () ผู้วิจัยมักสรุปทันทีว่าทุกกลุ่มแตกต่างกันทั้งหมด ซึ่งเป็นการสรุปที่ผิดพลาด ผลจาก F-test ใน ANOVA บอกเราเพียงว่า “มีอย่างน้อย 1 คู่” ในบรรดากลุ่มทั้งหมดที่ค่าเฉลี่ยแตกต่างกัน แต่ไม่ได้ระบุว่าเป็นคู่ใด เพื่อที่จะค้นหาว่ากลุ่มคู่ใดบ้างที่แตกต่างกันอย่างมีนัยสำคัญ ผู้วิจัยจำเป็นต้องทำการวิเคราะห์ต่อด้วยการทดสอบรายคู่ หรือ Post-Hoc Tests (เช่น LSD, Scheffe’s, Tukey’s HSD).28

สถานการณ์จำลอง:

  • ผู้บริหาร: ตั้งสมมติฐานว่า “ครูที่มีประสบการณ์การทำงานต่างกัน (น้อยกว่า 5 ปี, 5-10 ปี, มากกว่า 10 ปี) มีระดับความผูกพันต่อองค์กรแตกต่างกัน” หากผล ANOVA พบว่าแตกต่าง (Sig. <.05) จะต้องทำ Post-Hoc ต่อเพื่อดูว่าความแตกต่างนั้นอยู่ที่คู่ของกลุ่มใด (เช่น กลุ่มน้อยกว่า 5 ปี แตกต่างกับกลุ่มมากกว่า 10 ปี แต่ไม่แตกต่างกับกลุ่ม 5-10 ปี)
  • ศึกษานิเทศก์: เปรียบเทียบผลสัมฤทธิ์ของนักเรียนที่เรียนด้วยรูปแบบการสอน 3 รูปแบบ (A, B, C) เพื่อดูว่ารูปแบบใดให้ผลดีที่สุด

3.3 Correlation (สหสัมพันธ์)

หลักการ: ใช้วิเคราะห์ความสัมพันธ์เชิงเส้นตรงระหว่างตัวแปรเชิงปริมาณ (Scale) สองตัว เพื่อดูว่าตัวแปรทั้งสองมีการเปลี่ยนแปลงไปในทิศทางเดียวกันหรือตรงกันข้ามกันในระดับใด.27 ผลลัพธ์ที่ได้คือค่าสัมประสิทธิ์สหสัมพันธ์ของเพียร์สัน (Pearson’s r) ซึ่งมีค่าระหว่าง -1 ถึง +1

ขั้นตอน: Analyze > Correlate > Bivariate…

การแปลผล:

  • ค่า  ใกล้ +1: มีความสัมพันธ์เชิงบวก (ตัวหนึ่งเพิ่ม อีกตัวก็เพิ่ม)
  • ค่า  ใกล้ -1: มีความสัมพันธ์เชิงลบ (ตัวหนึ่งเพิ่ม อีกตัวกลับลด)
  • ค่า  ใกล้ 0: ไม่มีความสัมพันธ์เชิงเส้นตรง
  • ค่า Sig. (p-value): ใช้ทดสอบว่าความสัมพันธ์ที่พบนั้นมีนัยสำคัญทางสถิติหรือไม่

สถานการณ์จำลอง:

  • ครู: ศึกษาความสัมพันธ์ระหว่าง “จำนวนชั่วโมงที่นักเรียนอ่านหนังสือนอกเวลา” กับ “คะแนนความสามารถในการอ่านจับใจความ”
  • ศึกษานิเทศก์: วิเคราะห์ความสัมพันธ์ระหว่าง “จำนวนครั้งที่ครูได้รับการนิเทศ” กับ “ระดับความพึงพอใจในการสอนของครู”

3.4 Chi-Square (ไคสแควร์)

หลักการ: ใช้ทดสอบความสัมพันธ์ระหว่างตัวแปรเชิงคุณภาพ 2 ตัว (Nominal หรือ Ordinal) เพื่อดูว่าการกระจายตัวของข้อมูลในตัวแปรหนึ่งขึ้นอยู่กับอีกตัวแปรหนึ่งหรือไม่ หรือกล่าวอีกนัยหนึ่งคือ ตัวแปรทั้งสองมีความเกี่ยวข้องกันหรือไม่.30

ขั้นตอน: สถิติไคสแควร์ () เป็นส่วนหนึ่งของคำสั่ง Crosstabs โดยไปที่ Analyze > Descriptive Statistics > Crosstabs… จากนั้นในหน้าต่าง Crosstabs ให้คลิกที่ปุ่ม Statistics และเลือก Chi-square.4

สถานการณ์จำลอง:

  • ผู้บริหาร: ทดสอบสมมติฐานว่า “วุฒิการศึกษาของครู (ป.ตรี, ป.โท) มีความสัมพันธ์กับการเลือกใช้แพลตฟอร์มการสอนออนไลน์ (Google Classroom, Microsoft Teams)”
  • ครู: วิเคราะห์ว่า “ภูมิหลังทางครอบครัวของนักเรียน (อาศัยอยู่กับบิดามารดา, อาศัยอยู่กับญาติ) มีความสัมพันธ์กับพฤติกรรมการมาเรียน (มาสม่ำเสมอ, ขาดเรียนบ่อย) หรือไม่”.34

ขั้นตอนที่ 4: การจัดการและปรับแต่งข้อมูล: การแปลงข้อมูล (Data Transformation)

ในหลายกรณี ข้อมูลดิบที่เก็บรวบรวมมายังไม่สามารถนำไปใช้ในการวิเคราะห์เชิงอนุมานได้โดยตรง ผู้วิจัยจำเป็นต้องใช้เครื่องมือในการแปลงข้อมูล (Data Transformation) เพื่อจัดการ สร้าง หรือจัดกลุ่มข้อมูลใหม่ให้เหมาะสมกับสถิติที่ต้องการใช้.35 คำสั่งในกลุ่มนี้เปรียบเสมือน “สะพาน” ที่เชื่อมระหว่างข้อมูลดิบไปสู่การวิเคราะห์ขั้นสูง ทำให้สามารถตอบคำถามวิจัยที่ซับซ้อนได้

4.1 Compute Variable (การคำนวณตัวแปรใหม่)

หลักการ: เป็นคำสั่งที่ทรงพลังและใช้บ่อยที่สุดในการวิจัยเชิงสำรวจ ใช้สำหรับสร้างตัวแปรใหม่ขึ้นมาโดยอาศัยการคำนวณทางคณิตศาสตร์จากตัวแปรที่มีอยู่เดิม.7

ขั้นตอน: Transform > Compute Variable…

สถานการณ์จำลอง (สำคัญมากสำหรับงานวิจัยที่ใช้แบบสอบถาม):

  • ครู/ผู้บริหาร/ศึกษานิเทศก์: ในแบบสอบถามที่วัดตัวแปรแฝง (Latent Variable) เช่น “ภาวะผู้นำของผู้บริหาร” ซึ่งประกอบด้วยข้อคำถามย่อยหลายข้อ (เช่น L1, L2, L3, L4, L5) การจะนำตัวแปร “ภาวะผู้นำ” ไปเปรียบเทียบด้วย t-test หรือ ANOVA ไม่สามารถทำได้โดยตรงจากข้อคำถามย่อยๆ ผู้วิจัย ต้อง ใช้คำสั่ง Compute เพื่อหาค่าเฉลี่ยของข้อคำถามย่อยทั้งหมด ($ (L1+L2+L3+L4+L5)/5 $) และสร้างเป็นตัวแปรใหม่ชื่อ Leadership_Mean เสียก่อน ตัวแปรใหม่นี้จึงจะเป็นตัวแทนของ “ภาวะผู้นำ” ที่สามารถนำไปวิเคราะห์ในขั้นต่อไปได้.38

4.2 Recode into Different Variables (การแปลงรหัสตัวแปร)

หลักการ: ใช้สำหรับจัดกลุ่มค่าของตัวแปรเดิมให้เป็นหมวดหมู่ใหม่ หรือกลับค่าคะแนน แล้วบันทึกผลลัพธ์ไว้ในตัวแปรใหม่ โดยไม่กระทบกับข้อมูลเดิม.1

ขั้นตอน: Transform > Recode into Different Variables…

สถานการณ์จำลอง:

  • การกลับคะแนน (Reverse Scoring): นี่คือขั้นตอนที่สำคัญอย่างยิ่งและมักถูกลืมในการวิเคราะห์แบบสอบถาม ในแบบสอบถามมาตรประมาณค่า มักจะมีข้อคำถามทั้งเชิงบวก (Positive Statement) และเชิงลบ (Negative Statement) ปะปนกันเพื่อป้องกันการตอบแบบเหมารวม เช่น
    • ข้อเชิงบวก: “ฉันรู้สึกมีความสุขในการทำงาน” (5=เห็นด้วยมากสุด)
    • ข้อเชิงลบ: “ฉันรู้สึกเบื่อหน่ายกับงานที่ทำ” (5=เห็นด้วยมากสุด)
      จะเห็นได้ว่าในข้อเชิงลบ คะแนน 5 กลับมีความหมายในทางที่ไม่ดี ก่อนที่จะนำคะแนนทุกข้อมารวมกันด้วยคำสั่ง Compute ผู้วิจัย จำเป็นต้อง ใช้ Recode เพื่อกลับคะแนนของข้อเชิงลบเสียก่อน (เช่น 5=1, 4=2, 3=3, 2=4, 1=5) เพื่อให้คะแนนทั้งหมดมีความหมายไปในทิศทางเดียวกัน คือคะแนนสูงหมายถึงทัศนคติที่ดี.38 การละเลยขั้นตอนนี้จะทำให้ผลการวิเคราะห์ค่าเฉลี่ยรวมผิดพลาดอย่างร้ายแรง
  • การจัดกลุ่มข้อมูลต่อเนื่อง: เพื่อใช้ตัวแปรเชิงปริมาณเป็นตัวแปรจัดกลุ่มใน ANOVA ผู้วิจัยสามารถใช้ Recode เพื่อแปลงตัวแปร “อายุ” (ซึ่งเป็นข้อมูลแบบ Scale) ให้กลายเป็นตัวแปรกลุ่ม “ช่วงอายุ” (ข้อมูลแบบ Ordinal) เช่น กำหนดให้ อายุ 21-30 ปี เป็นกลุ่ม 1, อายุ 31-40 ปี เป็นกลุ่ม 2 เป็นต้น.35

4.3 Select Cases (การเลือกวิเคราะห์เฉพาะกรณี)

  • หลักการ: ใช้สำหรับกรองข้อมูล (Filter) เพื่อเลือกวิเคราะห์ข้อมูลเฉพาะบางกลุ่มตามเงื่อนไขที่กำหนด โดยโปรแกรมจะ “ซ่อน” กรณี (Case) ที่ไม่ตรงตามเงื่อนไขไว้ชั่วคราว ทำให้การวิเคราะห์ครั้งถัดไปจะประมวลผลเฉพาะข้อมูลที่ถูกเลือกเท่านั้น.41
  • ขั้นตอน: Data > Select Cases… > เลือก If condition is satisfied และใส่เงื่อนไขที่ต้องการ เช่น gender = 1 เพื่อเลือกเฉพาะเพศชาย.
  • สถานการณ์จำลอง:
  • ครู: ต้องการวิเคราะห์พฤติกรรมการเรียนรู้ของนักเรียนที่มีผลการเรียนดีเด่นเท่านั้น จึงใช้ Select Cases เพื่อเลือกเฉพาะนักเรียนที่มีเกรดเฉลี่ยสะสม (GPAX) มากกว่า 3.50
  • ผู้บริหาร: ต้องการวิเคราะห์ความต้องการในการอบรมของกลุ่มครูบรรจุใหม่ จึงใช้ Select Cases เพื่อเลือกเฉพาะครูที่มีประสบการณ์การทำงานน้อยกว่าหรือเท่ากับ 2 ปี (exp_year <= 2)

ขั้นตอนที่ 5: การตีความและนำเสนอผลการวิเคราะห์

การวิเคราะห์ข้อมูลจะเสร็จสมบูรณ์ก็ต่อเมื่อผู้วิจัยสามารถตีความผลลัพธ์ทางสถิติและนำเสนอในรูปแบบที่ผู้อ่าน โดยเฉพาะคณะกรรมการประเมินวิทยฐานะ สามารถทำความเข้าใจได้อย่างชัดเจน ถูกต้องตามหลักวิชาการ และเชื่อมโยงกลับไปตอบวัตถุประสงค์การวิจัยได้ครบถ้วน การนำเสนอผลในบทที่ 4 ไม่ใช่การคัดลอกตารางจาก SPSS มาวางเท่านั้น แต่เป็นการสังเคราะห์และสื่อสาร “สิ่งที่ค้นพบ” จากข้อมูล

5.1 เกณฑ์การแปลความหมายค่าเฉลี่ย (มาตรประมาณค่า 5 ระดับ)

สำหรับงานวิจัยที่ใช้แบบสอบถามมาตรประมาณค่า (Rating Scale) แบบ 5 ระดับของ Likert การแปลความหมายค่าเฉลี่ยที่คำนวณได้นิยมใช้เกณฑ์ที่เป็นที่ยอมรับกันอย่างแพร่หลาย ดังนี้ 45:

  • ค่าเฉลี่ย 1.00–1.50 หมายถึง ระดับน้อยที่สุด
  • ค่าเฉลี่ย 1.51–2.50 หมายถึง ระดับน้อย
  • ค่าเฉลี่ย 2.51–3.50 หมายถึง ระดับปานกลาง
  • ค่าเฉลี่ย 3.51–4.50 หมายถึง ระดับมาก
  • ค่าเฉลี่ย 4.51–5.00 หมายถึง ระดับมากที่สุด

5.2 โครงสร้างการเขียนรายงานผลการวิเคราะห์ข้อมูล (บทที่ 4)

การเขียนรายงานผลการวิเคราะห์ข้อมูลในบทที่ 4 ควรมีโครงสร้างที่เป็นระบบและชัดเจน เพื่อนำผู้อ่านให้ติดตามผลการวิจัยได้อย่างต่อเนื่อง หลักการสำคัญคือการแยก “ผลการวิเคราะห์” (Results) ซึ่งเป็นการนำเสนอข้อเท็จจริงจากข้อมูลในบทที่ 4 ออกจาก “การอภิปรายผล” (Discussion) ซึ่งเป็นการตีความและให้เหตุผลประกอบในบทที่ 5 อย่างเด็ดขาด.50

  • ส่วนนำ: เริ่มต้นบทด้วยการเกริ่นนำเพื่อทบทวนวัตถุประสงค์การวิจัยโดยย่อ และชี้แจงลำดับการนำเสนอผลการวิเคราะห์ในบทนี้.51
  • ส่วนที่ 1: ผลการวิเคราะห์ข้อมูลทั่วไปของผู้ตอบแบบสอบถาม: นำเสนอข้อมูลลักษณะประชากรศาสตร์ของกลุ่มตัวอย่างโดยใช้สถิติเชิงพรรณนา (ความถี่, ร้อยละ) จัดทำในรูปแบบตารางที่อ่านง่าย พร้อมคำบรรยายสรุปประเด็นสำคัญใต้ตาราง.52
  • ส่วนที่ 2: ผลการวิเคราะห์ข้อมูลตามวัตถุประสงค์การวิจัย: นำเสนอผลการวิเคราะห์ตามลำดับของวัตถุประสงค์หรือสมมติฐานการวิจัยที่ตั้งไว้ในบทที่ 1 ซึ่งอาจประกอบด้วย
  • ผลการวิเคราะห์ระดับความคิดเห็น/ความพึงพอใจ (ค่าเฉลี่ย, ส่วนเบี่ยงเบนมาตรฐาน).54
  • ผลการทดสอบสมมติฐาน (t-test, ANOVA, Correlation, Chi-Square).
  • หลักการนำเสนอด้วยตารางและการบรรยาย:
  • ตาราง: ต้องมีหมายเลขและชื่อตารางที่สื่อความหมายชัดเจนและสมบูรณ์ หัวตารางและหัวข้อย่อยต้องระบุชัดเจนว่าตัวเลขในแต่ละคอลัมน์คืออะไร (เช่น จำนวน, ร้อยละ, , )
  • การบรรยายใต้ตาราง: ควรเริ่มต้นด้วยการอ้างอิงหมายเลขตาราง เช่น “จากตารางที่ 4.1 พบว่า…”.50 จากนั้นให้สรุปสาระสำคัญที่ค้นพบจากตาราง ไม่จำเป็นต้องอ่านทุกตัวเลขซ้ำ แต่ให้ชี้ให้เห็นถึงค่าที่สูงสุด ต่ำสุด หรือผลการทดสอบสมมติฐานที่สำคัญ.50 การบรรยายในส่วนนี้ต้องเป็นการรายงานผลตามที่ปรากฏในตารางเท่านั้น ห้ามใส่ความคิดเห็นส่วนตัว การตีความ หรือการอ้างอิงทฤษฎีใดๆ ทั้งสิ้น.50

ตารางที่ 5.1: ตัวอย่างการนำเสนอผลการทดสอบ Independent-Samples T-Test เพื่อเปรียบเทียบผลสัมฤทธิ์ทางการเรียนระหว่างกลุ่มทดลองและกลุ่มควบคุม

กลุ่มจำนวน (N)คะแนนเฉลี่ย (Mean)ส่วนเบี่ยงเบนมาตรฐาน (S.D.)tdfSig. (2-tailed)
กลุ่มทดลอง3025.802.454.3258.000
กลุ่มควบคุม3021.502.90

ตัวอย่างการบรรยายใต้ตาราง:

“จากตารางที่ 5.1 ผลการเปรียบเทียบคะแนนเฉลี่ยผลสัมฤทธิ์ทางการเรียนหลังเรียนระหว่างกลุ่มทดลองและกลุ่มควบคุม พบว่า นักเรียนกลุ่มทดลองมีคะแนนเฉลี่ย (Mean = 25.80, S.D. = 2.45) สูงกว่านักเรียนกลุ่มควบคุม (Mean = 21.50, S.D. = 2.90) อย่างมีนัยสำคัญทางสถิติที่ระดับ.05 (t(58) = 4.32, p <.001) จึงยอมรับสมมติฐานการวิจัย”

Works cited

  1. การใช้โปรแกรมสําเร็จรูปทางด้านสถิติ – มหาวิทยาลัยแม่โจ้, accessed September 30, 2025, https://it.mju.ac.th/goverment/20111119104835_MJU_itc/Doc_25570417101909_119440.pdf
  2. 6 เทคนิคการวิเคราะห์ SPSS ให้รวดเร็วอย่างมืออาชีพ – Researcher Thailand, accessed September 30, 2025, https://researcherthailand.co.th/6-%E0%B9%80%E0%B8%97%E0%B8%84%E0%B8%99%E0%B8%B4%E0%B8%84%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C-spss-%E0%B9%83%E0%B8%AB%E0%B9%89/
  3. การใช้ IBM SPSS Statistics เพือการวิเคราะห์ข้อมูล – นักเล่าเรื่อง, accessed September 30, 2025, https://sornorpoom.files.wordpress.com/2017/06/e0b8a3e0b8a7e0b8a1spss.pdf
  4. เอกสารประกอบการเรียนการสอน – เรื่อง “การใช้โปรแกรม SPSS ขั้นพื้นฐาน” – CHULA MEDICINE :: ภาควิชาอายุรศาสตร์ คณะแพทยศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย, accessed September 30, 2025, http://www.cumedicine.org/2015/files/research/%20SPSS_160405A%20(06%2005%2016).pdf
  5. SPSS ขั้นพื้นฐาน 04 เริ่มต้นการลงข้อมูลและการกำหนดค่าตัวแปร – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=Cf6xozXNmM0
  6. SPSS ขั้นพื้นฐาน 03 ตัวอย่างการกำหนดค่าตัวแปร – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=zdRZ7Vch0wk
  7. การใช้ SPSS สำหรับวิเคราะห์ข้อมูล | Coconote, accessed September 30, 2025, https://coconote.app/notes/10ae64d3-a94f-4db1-ac20-893018c78862
  8. การเตรียมข้อมูล, accessed September 30, 2025, https://pws.npru.ac.th/chalida/data/files/slide3%20%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%95%E0%B8%A3%E0%B8%B5%E0%B8%A2%E0%B8%A1%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%20%28%E0%B8%84%E0%B8%93%E0%B8%B4%E0%B8%95%29.pdf
  9. วิธีคีย์ข้อมูลจากแบบสอบถามลง SPSS – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=JSfaGk5kU_4
  10. โปรแกรม SPSS คืออะไร มีขั้นตอนการใช้เพื่อการวิเคราะห์ข้อมูลอย่างไร, accessed September 30, 2025, https://www.enablesurvey.com/article-detail/8ac2a4f7-13c8-4982-b849-2f2fc64da5dc/spss
  11. สถิติเชิงวิเคราะห์ (Analytic Statistic), accessed September 30, 2025, https://www.rama.mahidol.ac.th/psych/sites/default/files/public/pdf/Conference/Research_conference/57/Basic%20Statistics.pdf
  12. การใช้คำสั่ง #Crosstabs และ #Multiple #response ใน SPSS – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=K5yrFv3yAjo
  13. การวิเคราะห ข อมูลทางสถิติด วย SPSS for Windows version 9.0, accessed September 30, 2025, http://www2.math.sc.chula.ac.th/~tdumrong/book/book_spss9.pdf
  14. การแจกแจงความถี่ • การวัดแนวโน้มเข้าสู่ส่วนกลาง • การวัดการกระจาย • การ …, accessed September 30, 2025, https://pws.npru.ac.th/chalida/data/files/slide5%20%E0%B8%AA%E0%B8%96%E0%B8%B4%E0%B8%95%E0%B8%B4%E0%B8%9E%E0%B8%A3%E0%B8%A3%E0%B8%93%E0%B8%99%E0%B8%B2%28%E0%B9%82%E0%B8%9B%E0%B8%A3%E0%B9%81%E0%B8%81%E0%B8%A3%E0%B8%A1%29.pdf
  15. การวิเคราะห์ข้อมูลโดยใช้โปรแกรม SPSS(Statistics Package for Social …, accessed September 30, 2025, https://cmmet.tmd.go.th/KM_Cmmet/042560/Spss1.pdf
  16. การใช้คาสั่ง Frequencies ขั้นที่ 1 เลือกเมนูและคาสั่ง, accessed September 30, 2025, https://www.agri.cmu.ac.th/2017/files/AgriPersonal/3413/341313_20201207_095440.pdf
  17. บทที่ 2สถิติพรรณนา(1).pdf, accessed September 30, 2025, http://pws.npru.ac.th/chalida/data/files/%E0%B8%9A%E0%B8%97%E0%B8%97%E0%B8%B5%E0%B9%88%202%E0%B8%AA%E0%B8%96%E0%B8%B4%E0%B8%95%E0%B8%B4%E0%B8%9E%E0%B8%A3%E0%B8%A3%E0%B8%93%E0%B8%99%E0%B8%B2%281%29.pdf
  18. การเลือกใช้สถิติเพื่อการวิเคราะห์ข้อมูลใน ง, accessed September 30, 2025, https://spd.moph.go.th/wp-content/uploads/2022/08/2.1_1.pdf
  19. เอกสารประกอบการฝ กปฏิบัติการ การใช โปรแกรม SPSS ในการวิเคราะห ข อมูลทางสถิติ, accessed September 30, 2025, https://mis.nurse.cmu.ac.th/mis/download/publication/540_file.pdf
  20. ขั้นตอนวิเคราะห์ SPSS แบบสอบถามที่ตอบได้มากกว่า 1 ข้อ – รับทำวิจัย, accessed September 30, 2025, https://www.xn--12co8bkb4ccba6b3geffwj63b.com/spss-multiple-response-analysis/
  21. How to analyze multiple response questions in SPSS – Data For Development, accessed September 30, 2025, https://datafordev.com/how-to-analyze-multiple-response-questions-in-spss/
  22. Multiple Response – การวิเคราะห์ข้อมูลที่ตอบได้หลายข้อ – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=8RpYOK5EwwE
  23. วิธีตั้งค่าตัวแปรที่ตอบมากกว่า 1 ข้อ ด้วยคำสั่ง Multiple Response ในโปรแกรม spss – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=HvjIJn20xhA
  24. 80 การวิเคราะห์ข้อมูลด้วยสถิติเชิงอนุมาน DATA ANALYSIS, accessed September 30, 2025, https://ssru.ac.th/content-rank/12.pdf
  25. สถิติอนุมาน: คําจํากัดความ ประเภท สูตร ตัวอย่าง – QuestionPro, accessed September 30, 2025, https://www.questionpro.com/blog/th/%E0%B8%AA%E0%B8%96%E0%B8%B4%E0%B8%95%E0%B8%B4%E0%B8%AD%E0%B8%99%E0%B8%B8%E0%B8%A1%E0%B8%B2%E0%B8%99-%E0%B8%84%E0%B9%8D%E0%B8%B2%E0%B8%88%E0%B9%8D%E0%B8%B2%E0%B8%81%E0%B8%B1%E0%B8%94%E0%B8%84%E0%B8%A7/
  26. การวิเคราะห์ข้อมูลด้วย SPSS: ความรู้พื้นฐานเกี่ยวกับสถิติอนุมาน – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=kO78WJh4b9s
  27. spss วิเคราะห์อย่างง่าย หากคุณเข้าใจคำสั่งที่มักใช้ในการวิเคราะห์, accessed September 30, 2025, https://www.xn--12co8bkb4ccba6b3geffwj63b.com/spss-%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B8%AD%E0%B8%A2%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B8%87%E0%B9%88%E0%B8%B2%E0%B8%A2-%E0%B8%AB%E0%B8%B2%E0%B8%81%E0%B8%84%E0%B8%B8%E0%B8%93%E0%B9%80%E0%B8%82%E0%B9%89%E0%B8%B2%E0%B9%83%E0%B8%88%E0%B8%84%E0%B8%B3%E0%B8%AA%E0%B8%B1%E0%B9%88%E0%B8%87%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%A1%E0%B8%B1%E0%B8%81%E0%B9%83%E0%B8%8A%E0%B9%89%E0%B9%83%E0%B8%99%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C/
  28. เทคนิคการแปลผลคอมพิวเตอร์สาหรับการเปรียบเทียบค่าเฉลี่ยใน … – ThaiJO, accessed September 30, 2025, https://so03.tci-thaijo.org/index.php/prn/article/download/248591/167362
  29. การศึกษาปัจจัยที่ก่อให้เกิดความได้เปรียบในการแข่งขันที่ส่งผล ต่อความพึงพอใจของผู้ใช้บัตรเครดิต Co-brand ธนาคารกรุงเทพ ในเขตกรุงเทพมหานครและปริมณฑล – TU e-Thesis (Thammasat University) – มหาวิทยาลัยธรรมศาสตร์, accessed September 30, 2025, http://ethesisarchive.library.tu.ac.th/thesis/2019/TU_2019_6102030936_11665_11960.pdf
  30. 10 ตัวอย่างการวิเคราะห์ข้อมูล SPSS แบบสอบถามที่ใช้บ่อย – รับทำวิจัย, accessed September 30, 2025, https://www.xn--12co8bkb4ccba6b3geffwj63b.com/spss-analysis-10-examples/
  31. ตัวอย่าง การทดสอบแบบไคสแควร์ (The Chi-Square Test) – stat kmitl, accessed September 30, 2025, http://stat.kmitl.ac.th/Project/File/project%20group21/pdf/example5-1.pdf
  32. การใช้สถิติไคสแควร์ในงานวิจัย Chi-Square in Research – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=LLgw-DAJHes
  33. การประยุกต์ใช้สถิติไคก าลังสอง (Chi-square) กับงานวิ – thaijo.org, accessed September 30, 2025, https://so05.tci-thaijo.org/index.php/JSSRA/article/download/251320/173465/941302
  34. บทที่4 ผลการวิเคราะห์ข้อมูล, accessed September 30, 2025, https://fulltext.rmu.ac.th/fulltext/2559/121339/ch4.pdf
  35. SPSS : เทคนิคการ Recode ตัวแปรในเครื่องมือการวิจัย : สถิติการวิจัย …, accessed September 30, 2025, https://www.youtube.com/watch?v=CYc5ZIYWmkY
  36. SPSS ขั้นพื้นฐาน 21 การสร้างตัวแปรใหม่ (Compute Variable) ด้วยโปรแกรม SPSS – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=TVn9pV1SYe0
  37. SPSS : เทคนิคการ Transform Recode และ Compute Variable – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=a_UPF6Ba4pE
  38. การ Recode ข้อคำถามที่เป็นเชิงลบ – มหาวิทยาลัยพะเยา, accessed September 30, 2025, https://www.ict.up.ac.th/surinthips/ResearchMethodology_2554/LABSPSS_%E0%B8%81%E0%B8%B2%E0%B8%A3%20Recode%20%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%84%E0%B8%B3%E0%B8%96%E0%B8%B2%E0%B8%A1%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B9%80%E0%B8%9B%E0%B9%87%E0%B8%99%E0%B9%80%E0%B8%8A%E0%B8%B4%E0%B8%87%E0%B8%A5%E0%B8%9A_54.ppt
  39. ::>> WEBPP5 <<::, accessed September 30, 2025, http://webpp5.atspace.com/spss12.html
  40. แบบฝึกหัดชิ้นที่ 4 เรื่อง การ Recode Compute โดยการใช้ SPSS Syntax, accessed September 30, 2025, https://www.sunthud.com/media/Teaching/ComPsy/ComPsy%20Homework%204%2007.pdf
  41. คำสั่ง Select Case – ::>> WEBPP5 <<::, accessed September 30, 2025, http://webpp5.atspace.com/spss10.html
  42. การ Select cases_การเลือกตัวอย่าง ในโปรแกรม SPSS – YouTube, accessed September 30, 2025, https://www.youtube.com/watch?v=Wj-6teRISMQ
  43. SPSS Select Case ทำงานอย่างไร คลิปนี้มีคำตอบ | Easy Statistic สถิติง่ายๆ แค่ปลายนิ้ว EP.4, accessed September 30, 2025, https://www.youtube.com/watch?v=zeoO8OJR6hc
  44. How to Select Cases in SPSS, accessed September 30, 2025, https://ezspss.com/how-to-select-cases-in-spss/
  45. research.otepc.go.th, accessed September 30, 2025, https://research.otepc.go.th/files/04-%E0%B8%9A%E0%B8%97%E0%B8%97%E0%B8%B5%E0%B9%88%203%20%E0%B8%A7%E0%B8%B4%E0%B8%98%E0%B8%B5%E0%B8%94%E0%B8%B3%E0%B9%80%E0%B8%99%E0%B8%B4%E0%B8%99%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B9%80%E0%B8%A1%E0%B8%B4%E0%B8%99%E0%B9%82%E0%B8%84%E0%B8%A3%E0%B8%87%E0%B8%81%E0%B8%B2%E0%B8%A3_h5b91iuk.pdf
  46. ที่มาของเกณฑ์ก ารแปลผลคะแนนเฉลี่ย (X ) จากคะแนนแบบ Rating Scale – WordPress.com, accessed September 30, 2025, https://sornorpoom.wordpress.com/wp-content/uploads/2012/03/e0b897e0b8b5e0b988e0b8a1e0b8b2e0b882e0b8ade0b887e0b980e0b881e0b893e0b891e0b98c-14-march.pdf
  47. บทที่ 3 วิธีดำเนินกำรวิจัย – มหาวิทยาลัยบูรพา, accessed September 30, 2025, https://buuir.buu.ac.th/bitstream/1234567890/16422/1/chapter3.pdf
  48. บทที่3 วิธีดาเนินการวิจัย – มหาวิทยาลัยราชภัฏสกลนคร, accessed September 30, 2025, https://gsmis.snru.ac.th/e-thesis/file_att1/2019032859426423127_ch3.pdf
  49. การแปลผลเมื่อใช้เครื่องมือรวบรวมข้อมูล แบบมาตราส่วนประมาณค่า – ThaiJO, accessed September 30, 2025, https://so02.tci-thaijo.org/index.php/jemmsu/article/download/154477/112393/419050
  50. การวิเคราะห์ข้อมูลงานวิจัย – Wix.com, accessed September 30, 2025, https://adacstou.wixsite.com/adacstou/single-post/2018/05/16/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7-%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB-%E0%B8%82-%E0%B8%AD%E0%B8%A1-%E0%B8%A5%E0%B8%87%E0%B8%B2%E0%B8%99%E0%B8%A7-%E0%B8%88-%E0%B8%A2
  51. orapan – การเขียนบทที่ 4 ผลการวิเคาระห์ข้อมูล – Google Sites, accessed September 30, 2025, https://sites.google.com/view/orapan/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%82%E0%B8%A2%E0%B8%99%E0%B8%9A%E0%B8%97%E0%B8%97-4-%E0%B8%9C%E0%B8%A5%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B9%80%E0%B8%84%E0%B8%B2%E0%B8%A3%E0%B8%B0%E0%B8%AB%E0%B8%82%E0%B8%AD%E0%B8%A1%E0%B8%A5/%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%82%E0%B8%A2%E0%B8%99%E0%B8%9A%E0%B8%97%E0%B8%97-4-%E0%B8%9C%E0%B8%A5%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B9%80%E0%B8%84%E0%B8%B2%E0%B8%A3%E0%B8%B0%E0%B8%AB%E0%B8%82%E0%B8%AD%E0%B8%A1%E0%B8%A5
  52. บทที่4 ผลการวิจัย – คณะบริหารศาสตร์ มหาวิทยาลัยอุบลราชธานี, accessed September 30, 2025, https://www.ubs.ubu.ac.th/keepfile/118574339408%20%E0%B8%9A%E0%B8%97%E0%B8%97%E0%B8%B5%E0%B9%88%204%20%E0%B8%AA%E0%B8%A1%E0%B8%A3%E0%B8%B1%E0%B8%81%E0%B8%A9%E0%B9%8C.pdf
  53. บทที่4 ผลการดาเนินงาน, accessed September 30, 2025, https://oho.ipst.ac.th/download/projects-examples/iSKR/4chapter4.pdf
  54. บทที่4 ผลการวิเคราะห์ข้อมูล – มหาวิทยาลัยสุโขทัยธรรมาธิราช, accessed September 30, 2025, https://ird01.stou.ac.th/researchlib/uploads/2558_034/%E0%B8%9A%E0%B8%97%E0%B8%97%E0%B8%B5%E0%B9%88%204.pdf
  55. บทที่ 4 ผลการวิเคราะห์ข้อมูล, accessed September 30, 2025, https://dspace.spu.ac.th/bitstream/123456789/5037/6/chapter0404.pdf
  56. รูปแบบของงานบทที่ 4, accessed September 30, 2025, https://www.ict.up.ac.th/surinthips/ResearchMethodology_2554/%E0%B8%9A%E0%B8%97%E0%B8%97%E0%B8%B5%E0%B9%889_%E0%B8%A3%E0%B8%B9%E0%B8%9B%E0%B9%81%E0%B8%9A%E0%B8%9A%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B8%87%E0%B8%B2%E0%B8%99%E0%B8%9A%E0%B8%97%E0%B8%97%E0%B8%B5%E0%B9%884_5_54_%E0%B9%81%E0%B8%81%E0%B9%89%E0%B9%84%E0%B8%82.doc

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *

error: Content is protected !!