T-Test

Measures of Central Tendency and Dispersion
Independent-groups t-test

Independent-groups t-test เป็นการทดสอบทางสถิติแบบพารามิตริก (Parametric statistical test) ที่เปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างสองกลุ่มที่แตกต่างกัน หรือการทดสอบอนุมานแบบพารามิเตอร์เพื่อเปรียบเทียบค่าเฉลี่ยของกลุ่มคะแนนอิสระสองกลุ่ม การคำนวณสำหรับการทดสอบ Independent-groups t-test คือ

\[ t_{\text{obt}} = \frac{\bar{X}_1 - \bar{X}_2}{s_{\bar{X}_1 - \bar{X}_2}} \]

โดยการคำนวณจะคิดจาก ความแตกต่างระหว่างค่าเฉลี่ยของตัวอย่างอยู่ห่างจากความแตกต่างระหว่างค่าเฉลี่ยของประชากรมากน้อยแค่ไหน


  • ข้อตกลงเบื้องต้น (Assumptions of the Independent-Groups t Test)

    ข้อตกลงเบื้องต้นของการทดสอบ \( t \) มีดังต่อไปนี้:

    • ข้อมูลหรือมาตราส่วนเป็นแบบ interval-ratio scale
    • การกระจายเป็นรูปแบบระฆังคว่ำ
    • ตัวแปรเป็นอิสระระหว่างกัน
    • ความแปรปรวนของกลุ่มตัวอย่างทั้ง 2 ต้องเท่ากัน (homogeneity of variance)

    ข้อควรระวัง
    หากข้อตกลงไม่เป็นไปตามข้อใดข้อหนึ่งควรใช้สถิติอื่นแทนเช่น หากมาตราส่วนของการวัดไม่ใช่ interval หรือ Ratio หากการแจกแจงพื้นฐานไม่ใช่รูประฆังคว่ำ ก็อาจเหมาะสมกว่าที่จะใช้สถิติที่ไม่ใช่พารามิเตอร์

  • ขนาดของผลกระทบ (Effect Size: Cohen's d และ \( r^2 \) ) American Psychological Association (2001a) กำหนดขนาดผลกระทบด้วย (effect size) ซึ่งหมายถึง ความแปรปรวนในตัวแปรตามที่เกิดจากการจัดการตัวแปรต้น ขนาดผลกระทบบ่งชี้ว่าเงื่อนไขของตัวแปรต้นมีบทบาทมากเพียงใดในการกำหนดค่าของตัวแปรตาม ยิ่งขนาดผลกระทบมีขนาดใหญ่ อิทธิพลของตัวแปรต้นก็จะยิ่งสอดคล้องกันมากขึ้น กล่าวอีกนัยหนึ่ง ยิ่งขนาดผลกระทบมีขนาดใหญ่ การทราบเงื่อนไขของตัวแปรต้นจะช่วยเพิ่มความแม่นยำในการทำนายตัวแปรตามได้มากขึ้น สำหรับการทดสอบ t สูตรหนึ่งสำหรับขนาดผลกระทบที่เรียกว่า Cohen's d คือ \[ d = \frac{\bar{X}_1 - \bar{X}_2}{\sqrt{\frac{s_1^2}{2} + \frac{s_2^2}{2}}} \]

    Cohen (1988, 1992) กำหนดขนาดผลกระทบดังนี้

    • ขนาดผลกระทบเล็ก คือ มีค่าอย่างน้อย 0.20
    • ขนาดผลกระทบปานกลาง คือ มีค่าอย่างน้อย 0.50
    • ขนาดผลกระทบใหญ่ คือ มีค่าอย่างน้อย 0.80
  • t-Test for Correlated Groups การทดสอบ t จะเปรียบเทียบค่าเฉลี่ยของผู้เข้าร่วมในกลุ่มเดียว หรือ จะใช้กลุ่มตัวย่างเดียวกัน เช่น การทดสอบคะแนน Pre-test และ Post- Test ที่เป็นคนคนเดียวกัน แต่มีการทดสอบ 2 ครั้ง การทดสอบจะระบุว่าค่าเฉลี่ยของกลุ่มตัวอย่างมีความแตกต่างกันหรือไม่ และความแตกต่างนี้มากกว่าที่คาดไว้ตามโอกาสหรือไม่ ในการออกแบบกลุ่มที่มีความสัมพันธ์กัน กลุ่มตัวอย่างจะมีค่าของข้อมูล 2 กลุ่ม (เช่น Pre-test และ Post- Test) สำหรับแต่ละคน แทนที่จะมีเพียงคะแนนเดียว

    การคำนวณสำหรับการทดสอบ t ของกลุ่มที่สัมพันธ์กัน หลังจากคำนวณคะแนนความแตกต่างแล้ว เปรียบเทียบค่าเฉลี่ยของคะแนนความแตกต่างกับศูนย์ได้ การคำนวณมีดังนี้ \[ t = \frac{\bar{D} - 0}{s_{\bar{D}}} \]

    เมื่อ \( \bar{D} \) ค่าเฉลี่ยของคะแนนความแตกต่าง

    \( s_{\bar{D}} \) คือ ความผิดพลาดมาตรฐานของคะแนนความแตกต่าง (standard error of the difference scores) มีสูตรดังนี้ \[ s_D = \sqrt{\frac{\sum (D - \bar{D})^2}{N - 1}} \]

  • ข้อตกลงเบื้องต้น (Assumptions of the Correlated-Groups t Test)
    • ข้อมูลหรือมาตราส่วนเป็นแบบ interval-ratio scale
    • การกระจายเป็นรูปแบบระฆังคว่ำ
    • ตัวแปรทั้งสองกลุมสัมพันธ์กันหรือไม่เป็นอิสระระหว่างกัน
    • ความแปรปรวนของกลุ่มตัวอย่างทั้ง 2 ต้องเท่ากัน (homogeneity of variance)

    ข้อควรระวัง
    หากข้อตกลงไม่เป็นไปตามข้อใดข้อหนึ่งควรใช้สถิติอื่นแทน

  • ขนาดของผลกระทบ (Effect Size: Cohen's d และ \( r^2 \) )

    ขนาดผลกระทบบ่งชี้ว่าเงื่อนไขของตัวแปรอิสระมีบทบาทมากเพียงใดในการกำหนดค่าของตัวแปรตาม สำหรับการทดสอบ \( t \) ของกลุ่มที่สัมพันธ์กัน สูตรสำหรับค่า d ของ Cohen คือ \[ d = \frac{\bar{D}}{s_D} \]

    Cohen (1988, 1992) กำหนดขนาดผลกระทบดังนี้

    • ขนาดผลกระทบเล็ก คือ มีค่าอย่างน้อย 0.20
    • ขนาดผลกระทบปานกลาง คือ มีค่าอย่างน้อย 0.50
    • ขนาดผลกระทบใหญ่ คือ มีค่าอย่างน้อย 0.80

สรุป T-Test

เรื่อง TYPE OF TEST
INDEPENDENT-GROUPS \( t \) TEST CORRELATED-GROUPS \( t \) TEST
ความหมาย การทดสอบพารามิเตอร์สำหรับกลุ่มตัวอย่างสองกลุ่ม การทดสอบพารามิเตอร์สำหรับตัวแปรที่มีการจับคู่แต่เป็นเป็นกลุ่มตัวย่างเดียวกัน
การประยุกต์ใช้ เปรียบเทียบความแตกต่างของสองกลุ่ม เช่น เปรียบเทียบวิธีสอนแบบ Active learning และแบบ Lecture-based learning วิเคราะห์ว่ากลุ่มตัวอย่างแต่ละคนทำค่าข้อมูลได้เหมือนหรือแตกต่างกัน เช่น การทดสอบ Pre-test และ Post-test
ข้อตกลงเบื้องต้น (Assumptions)
  • Interval-ratio data
  • Bell-shaped distribution
  • Homogeneity of variance
  • Independent observations
  • Interval-ratio data
  • Bell-shaped distribution
  • Homogeneity of variance
  • Dependent or related observations