T-Test
- หน้าแรก
- 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) |
|
|