ວິຊາ software

ANOVA ATTITUD Sum of df Mean F Sig. Squares Square 17.919 .000 Between Groups 1083.250 2 541.625 Within Groups 30.226 Total 634.750 21 1718.000 23 Multiple Comparisons ຘະນຖຍູ ທໄ າ ຋ຈັ ຘະຌະ຃ະຉຉິ ໄ ບາຆຍີ ຃ຂູ ບຄຌກັ ຘກຶ ຘາ 3 ຘາງ຃ ຃ະຌຈິ ຘາຈ ຘຄັ ຃ຓົ ຿ຖະຑາຘາຖາທ ຓ຃ີ ທາຓ ຿ຉກຉໄ າຄກຌັ ແຌຖາງ຃ໄ ູຈໄ ຄັ ຌີ໅ ຃ະຌຈິ ຘາຈ-ຘຄັ ຃ຓົ ຿ຖະ ຘຄັ ຃ຓົ -ຑາຘາຖາທ ຓ຾ີ ຅ຉະ຃ະຉຉິ ໄ ບາຆຍີ ຃ູ຿ຉກຉໄ າຄກຌັ ດໄ າຄຓ຃ີ ໄ າ ກະຉທຄ຋າຄຘະຊຉິ ຋ິ ໄ ຖີ ະຈຍັ .01 ຘໄ ທຌ຃ະຌຈິ ຘາຈ-ຑາຘາຖາທຍໄ ຿ຉກຉໄ າຄກຌັ . 6.2 ກາຌທ຾ິ ຃າະ຃ທາຓຏຌັ ຎໄ ຽຌຘບຄ຋າຄ (twoway ANOVA) 51

ແຌກາຌທ຾ິ ຃າະ຃ທາຓຏຌັ ຎໄ ຽຌ຋າຄຈຽທ (oneway ANOVA) ຾ຎັຌກາຌຘກຶ ຘາບຈິ ຋ຑິ ຌົ ຂບຄຉທົ ຎໄ ຽຌຉຌົ໅ ຑຽຄ 1 ຉທົ ຋ໄ ຓີ ຉີ ໄ ຉທົ ຎໄ ຽຌຉາຓ ນາກຉບ໅ ຄກາຌຘກຶ ຘາບຈິ ຋ຑິ ຌົ ຂບຄຉທົ ຎໄ ຽຌຉຌົ໅ 2 ຉທົ ຂຌຶ໅ ໂຎ ຋ໄ ຓີ ຉີ ໄ ຉທົ ຎໄ ຽຌຉາຓ຅ະ ປບ໅ ຄກາຌທ຾ິ ຃າະຌທີ໅ ໄ າ (multifactor ANOVA) ນຼປບ໅ ຄທໄ າກາຌທ຾ິ ຃າະ຃ທາຓຏຌັ ຎໄ ຽຌ຿ຍຍຘບຄ຋າຄ (twoway ANOVA) ຆໄ ຄຘາຓາຈຌາໂຎແຆ຾໅ ຂາົ໅ ແຌກາຌທ຾ິ ຃າະຂຓ໅ ຌຘາຖຍັ ຿ຏຌກາຌ຋ຈົ ຖບຄ຿ຍຍ຾ຖບກຘໄ ຓ (Randomized block design: RBD) ຿ຖະ ຿ຏຌກາຌ຋ຈົ ຖບຄ຿ຍຍ (Factorial design)  ຅ຈຎະຘຄົ ຂບຄກາຌທ຾ິ ຃າະ 1. ທ຾ິ ຃າະ຃ທາຓຏຌັ ຎໄ ຽຌຂບຄ 2 ຉທົ ຎໄ ຽຌ 2. ຓີ 1 ຉທົ ຎໄ ຽຌຉາຓ ( ຃ໄ າຉໄ ຾ຌໄ ບຄ຾຋ໄ າົ ຌຌັ໅ ) 3. ແຆ໅ 2 ຉທົ ຎໄ ຽຌບຈິ ຘະນະຼ (ຉທົ ຎໄ ຽຌກໄ ຓ຾຋ໄ າົ ຌຌັ໅ ) 4. ຾ຑໄ ບ຋ຈົ ຘບຍທໄ າຉທົ ຎໄ ຽຌບຈິ ຘະນຼະ຋ຄັ 2 ຉທົ ຎໄ ຽຌຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຉທົ ຎໄ ຽຌຉາຓ຿ຌທແຈ 5. Main effect (ບຈິ ຋ຑິ ຌົ ນກຼັ ຂບຄ 2 ຉທົ ຎໄ ຽຌ) 6. Interaction effect ( ບຈິ ຋ຑິ ຌົ ປໄ ທຓ)  ຉາຉະຖາຄກາຌທ຾ິ ຃າະ຃ທາຓຏຌັ ຎໄ ຽຌ຿ຍຍຘບຄ຋າຄ ຿ນໄ ຄຼ ຃ທາຓຏຌັ ຎໄ ຽຌ DF SS MS F Factor A r-1 SSA MS A MS A  SS A MS E Factor B c-1 SSB r 1 MS B MS E AB (r-1)(c-1) SSAB MS B  SS B MS AB Error Rc(n-1) SSE c 1 MS E ຖທຓ Rcn-1 SSt MS AB  r SS AB 1c 1 MS E  SS E rcn 1  ຘຓົ ຓຈຊາຌຂບຄກາຌທໂິ ຅ ຘາຖຍັ ບຄົ ຎະກບຍ (Factor A) H0 : 1  2  3 ບຈິ ຋ຑິ ຌົ ຂບຄບຄົ ຎະກບຍ A ຖະຈຍັ ຉໄ າຄໃຍໄ ຓ຃ີ ທາຓ຿ຉກຉໄ າຄກຌັ H1 : 1  2  3 ບຈິ ຋ຑິ ຌົ ຂບຄບຄົ ຎະກບຍ A ດໄ າຄໜບ໅ ງ 2 ຖະຈຍັ ຓ຃ີ ທາຓ຿ຉກຉໄ າຄກຌັ ຘາຖຍັ ບຄົ ຎະກບຍ (Factor B) H0 : 1  2  3 ບຈິ ຋ຑິ ຌົ ຂບຄບຄົ ຎະກບຍ B ຖະຈຍັ ຉໄ າຄໃຍໄ ຓ຃ີ ທາຓ຿ຉກຉໄ າຄກຌັ H1 : 1  2  3 ບຈິ ຋ຑິ ຌົ ຂບຄບຄົ ຎະກບຍ B ດໄ າຄໜບ໅ ງ 2 ຖະຈຍັ ຓ຃ີ ທາຓ຿ຉກຉໄ າຄກຌັ 52

ຘາຖຍັ ບຄົ ຎະກບຍ (Factor A),(Factor B) H0 : 1  2  3 ຍໄ ຓກີ າຌກະ຋າປໄ ທຓກຌັ ຖະນທໄ າຄ A ກຍັ B H1 : 1  2  3 ຓກີ າຌກະ຋າປໄ ທຓກຌັ ຖະນທໄ າຄ A ກຍັ B  ຘະຊຉິ ຋ິ ໄ ແີ ຆ຋໅ ຈົ ຘບຍ  ຘາຖຍັ ບຄົ ຎະກບຍ (Factor A) F= MS A MS A  SS A MS E r 1  ຘາຖຍັ ບຄົ ຎະກບຍ (Factor B) F= MS B MS B  SS B MS E c 1  ຘາຖຍັ ບຄົ ຎະກບຍ (Factor A),(Factor B) F  MS AB MS AB  r SS AB MS E 1c 1  ກາຌຌາແຆເ໅ ຎ຿ກຓ SPSS  ຾ຖບກ Analyze – General Linear Models – Univar ate  ຉທົ ດໄ າຄ: ແຌກາຌ຋ຈົ ຖບຄທ຋ິ ຘີ ບຌ຿ຍຍແໝໄ ເຈງ຃ູ຋ໄ ຓີ ທີ ຈ຋຋ິ າຄກາຌຘກຶ ຘາ ຿ຖະ຃ູ຋ໄ ຍີ ໄ ຓທີ ຈ຋຋ິ າຄກາຌຘກຶ ຘາ ຘບຌ ຌກັ ປຽຌ 3 ກໄ ຓ ກໄ ຓຖະ 8 ຃ຌົ ນຼຄັ ຘບຌ຿ຖທ໅ ຋າກາຌ຋ຈົ ຘບຍໂຈຏ໅ ຌົ ຈໄ ຄັ ຉາຉະຖາຄຂາ໅ ຄຖໄ ຓຌ:ີ໅ ຎະ຾ຑຈ຃ູ ຖະຈຍັ ຘະຉຎິ ັຌງາ ຘຄ 27 ຍໄ ຓທີ ຈ຋ິ ຉໄ າ ຎາຌກາຄ 36 39 59 104 ຓທີ ຈ຋ິ 26 41 28 92 41 26 19 59 87 99 126 144 14 16 29 31 82 86 45 37 42 92 156 142 51 96 97 22 39 104 130 122 133 124 68 35 36 28 76 114 92 87 64 53

຅ໄ ຄົ ຎຽຍ຋ຽຍຏຌົ ກາຌປຽຌຂບຄຌກັ ປຽຌ 3 ກໄ ຓ ທ຋ິ ກີ າຌທ຾ິ ຃າະ  ກາຌຉຄັ໅ ຘຓົ ຓຈຊາຌ ( ຓີ 3 ຘຓົ ຓຈຊາຌ) 1. ຖະຈຍັ ຘະຉຎິ ັຌງາຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ H0 : 1  2  3 ຘະຉຎິ ັຌງາຍໄ ຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ H1 : 1  2  3 ຘະຉຎິ ັຌງາຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ 2. ທຈ຋ກິ າຌຘກຶ ຘາຂບຄ຃ູຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ H0 : 1  2  3 ທຈ຋ກິ າຌຘກຶ ຘາຍໄ ຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ H1 : 1  2  3 ທຈ຋ກິ າຌຘກຶ ຘາຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ 3. ຘະຉຎິ ັຌງາ ຿ຖະ ທຈ຋ກິ າຌຘກຶ ຘາ ຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ H0 : 1  2  3 ທຈ຋ກິ າຌຘກຶ ຘາ ຿ຖະ ຘະຉຎິ ັຌງາຍໄ ຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ H1 : 1  2  3 ທຈ຋ກິ າຌຘກຶ ຘາ ຿ຖະ ຘະຉຎິ ັຌງາຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ  ກາຌ຃ຉີ ທົ ຎໄ ຽຌ ເຎ຿ກຓ SPSS ຑຓິ ໂຈ຿໅ ຉໄ ຑາຘາບຄັ ກຈິ ຿ຖະ ຑາຘາໂ຋ o ຘະຉຎິ ັຌງາແນຑ໅ ຓີ IQ o ທຈ຋ກິ າຌຘກຶ ຘາຑຓີ teaching o ຏຌົ ກາຌປຽຌຑຓີ score 54

ກາຌທ຾ິ ຃າະ ຾ຖບກຉທົ ຎໄ ຽຌຉາຓແຘໄ ນບ໅ ຄ Dependent ຉທົ ຎໄ ຽຌບຈິ ຘະນຼະແຘໄ ນບ໅ ຄ Fixed factor 55

ຏຌົ ກາຌທ຾ິ ຃າະ 56

Between-Subjects Factors IQ 1 Value N 2 Label 16 teachin 3 low 16 g 1 medien 16 2 high 24 nothave 24 have Descriptive Statistics Dependent Variable: score teachin Mean Std. N IQ g 34.63 Deviation 8 low nothave 55.13 24.692 8 44.88 30.428 16 have 49.38 28.786 8 Total 94.00 24.524 8 medien nothave 71.69 30.608 16 have 72.13 35.340 8 Total 112.63 36.787 8 high nothave 92.38 40.844 16 have 52.04 42.982 24 Total 87.25 32.074 24 Total nothave 69.65 40.907 48 have 40.482 Total ກາຌ຋ຈົ ຘບຍກາຌ຾຋ໄ າົ ກຌັ ຂບຄ຃ທາຓຏຌັ ຎໄ ຽຌ Levene's Test of Equality of Error Variancesa 57

Dependent Variable: score ໂຈ຃໅ ໄ າ No sig ຘະ຿ຈຄທໄ າ຋ກກໄ ຓຓ຃ີ ທາຓຏຌັ ຎໄ ຽຌ຾຋ໄ າົ ກຌັ F df1 df2 Sig. 1.558 5 42 .193 Tests the null hypothesis that the error variance of the dependent variable is equal across groups. a. Design: Intercept + IQ + teaching + IQ * teaching Tests of Between-Subjects Effects Dependent Variable: score Type III Sum of Mean Source Squares df Square F Sig. Corrected Model 34357.604a 5 6871.521 6.764 .000 Intercept 232826.021 1 232826.021 229.184 .000 .001 IQ 18150.042 2 9075.021 8.933 .000 .524 teaching 14875.521 1 14875.521 14.643 IQ * teaching 1332.042 2 666.021 .656 Error 42667.375 42 1015.890 Total 309851.000 48 Corrected Total 77024.979 47 a. R Squared = .446 (Adjusted R Squared = .380) Teaching ຾ຎັຌບຄົ ຎະກບຍ A ແນ຃໅ ໄ າ sig = 0.00 < 0.05 ຘະນຼຍໂຈທ໅ ໄ າທຈ຋ຓິ ບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ ດໄ າຄຓີ ຃ທາຓຘາ຃ຌັ ຋າຄຘະຊຉິ ິ IQ ຾ຎັຌບຄົ ຎະກບຍ B ແນ຃໅ ໄ າ sig = 0.01 < 0.05 ຘະນຼຍໂຈທ໅ ໄ າຘະຉຎິ ັຌງາຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຏຌົ ກາຌປຽຌ ດໄ າຄຓີ ຃ທາຓຘາ຃ຌັ ຋າຄຘະຊຉິ ິ IQ * teaching ຾ຎັຌບຄົ ຎະກບຍປໄ ທຓກຌັ (Interaction)ແນ຃໅ ໄ າ sig = 0.524 > 0.05 ໝາງທໄ າ No sig ຘະນຍຼ ໂຈທ໅ ໄ າ ທຈ຋ກິ າຌຘກຶ ຘາ ຿ຖະ ຘະຉຎິ ັຌງາຍໄ ຓບີ ຈິ ຋ຑິ ຌົ ປໄ ທຓກຌັ ຉໄ ຏຌົ ກາຌປຽຌ Multiple Comparisons 58

Dependent Variable: score Scheffe Mean 95% Confidence Interval Difference Std. Lower Upper (I-J) Error (I) IQ (J) IQ 11.269 Sig. Bound Bound low medien -26.81 11.269 .070 -47.50* 11.269 .001 -55.41 1.78 high 26.81 11.269 .070 medien low -20.69 11.269 .198 -76.10 -18.90 47.50* 11.269 .001 high .198 -1.78 55.41 high low 20.69 -49.28 7.91 medien 18.90 76.10 -7.91 49.28 Based on observed means. The error term is Mean Square(Error) = 1015.890. *. The mean difference is significant at the .05 level. IQ score Subset 2 Scheffea,b 1 low 44.88 71.69 medien N 92.38 high 16 71.69 Sig. 16 .198 16 .070 Means for groups in homogeneous subsets are displayed. Based on observed means. The error term is Mean Square(Error) = 1015.890. a. Uses Harmonic Mean Sample Size = 16.000. b. Alpha = .05. 59

60

61

ຍຈົ ຋ໄ ີ 7 ກາຌ຃າຌທຌນາ຃ໄ າຘະນະຘາຑຌັ 7.1 ກາຌທ຾ິ ຃າະນາ຃ໄ າຘະນະຘາຑຌັ ຿ຍຍຄໄາງຈາງ ກາຌທ຾ິ ຃າະນາ຃ໄ າຘະນະຘາຑຌັ ຂບຄ 2 ຉທົ ຎໄ ຽຌ຋ໄ ຍີ ໄ ໂຈ຃໅ າຌໄ ຄ຾ຊຄີ ຖກັ ຘະຌະຂບຄຉທົ ຎໄ ຽຌ຾ຆຌັ ຉທົ ຎໄ ຽຌຉຌົ໅ ຿ຖະ ຉທົ ຎໄ ຽຌຉາຓເຈງຍໄ ຘຌົ ແ຅ທໄ າຉທົ ຎໄ ຽຌແຈ຾ຎັຌ຾ນຈ ຉທົ ຎໄ ຽຌແຈ຾ຎັຌຏຌົ ຑຽຄຉບ໅ ຄກາຌປູທ໅ ໄ າ 2 ຉທົ ຎໄ ຽຌຌຌັ໅ ຓ຃ີ ທາຓຘາ ຑຌັ ກຌັ ຿ຌທແຈ຾ບຌີ໅ ທໄ າ຃ທາຓຘາຑຌັ ຿ຍຍຄໄາງຈາງນຼ຃ທາຓຘາຑຌັ ຿ຍຍ຾ຘຌັ໅ ຆໄ  ຅ຈຎະຘຄົ  ຾ຑໄ ບກທຈຘບຍ຃ທາຓຘາຑຌັ ຖະນທໄ າຄ 2 ຉທົ ຎໄ ຽຌ (Bivariate Correlation)  ຾ຑໄ ບກທຈຘບຍຉາຓຘຓົ ຓຈຊາຌຘະຊຉິ ກິ ໄ ບຌທ຾ິ ຃າະຘະຊຉິ ຂິ ຌັ໅ ຘຄ (ຉທົ ຎຽຌບຈິ ຘະນະຼ ກຍັ ຉທົ ຎໄ ຽຌຉາຓ຃ທຌຘາຑຌັ ກຌັ , ຉທົ ຎໄ ຽຌບຈິ ຘະນຼະກຍັ ຉທົ ຎໄ ຽຌບຈິ ຘະນຼະ຃ທຌຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຉໄ າ ນາກຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຘຄ຅ະ຾ກຈີ ຍຌັ ນາ (Multicollinearity)  ທ຋ິ ກີ າຌ຃າຌທຌນາ຃ໄ າຘະນະຘາຑຌັ  ຘະນະຘາຑຌັ ຖະນທໄ າຄຉທົ ຎໄ ຽຌ຋ໄ ຓີ ຃ີ ໄ າຉໄ ຾ຌໄ ບຄ ແຆຘ໅ ະຊຉິ ິ (Pearson Correlation)  ຘະນະຘາຑຌັ ຖະນທໄ າຄຉທົ ຎໄ ຽຌກໄ ຓ ແຆຘ໅ ະຊຉິ ິ (Spearman Rank)  ຘະນະຘາຑຌັ ຖະນທໄ າຄຉທົ ຎໄ ຽຌກໄ ຓ຋ໄ ຓີ ຓີ ຉິ ຾ິ ຋ໄ າົ ກຌັ (຿ຊທ=ຊຌັ ) ແຆຘ໅ ະຊຉິ ິ (Kendall’s tau- b)  ກຖະຌຉີ ທົ ຎໄ ຽຌຉໄ ຾ຌໄ ບຄກຍັ ຉທົ ຎໄ ຽຌກໄ ຓບາຈ຋ຈົ ຘບຍ຋ຄັ 2 ທ຋ິ ຎີ ຽຍ຋ຽຍກຌັ  ຘູຈກາຌ຃າຌທຌ 1. Pearson Correlation n  xy   x  y n  x2   x2 n  y2   y2   rxy  rxy  SP SSX SSY  SP   xy   x y n SSX   x2   x2 n SSY   y 2   y2 n 62

n ຅າຌທຌ຃ໄ ຂູ ບຄຂຓ໅ ຌນຼຂະໜາຈຂບຄກໄ ຓຉທົ ດໄ າຄ x ຃ະ຿ຌຌນຼ຃ໄ າຂບຄຉທົ ຎໄ ຽຌ x y ຃ະ຿ຌຌນຼ຃ໄ າຂບຄຉທົ ຎໄ ຽຌ y sp ຏຌົ ຖທຓຂບຄຏຌົ ຃ຌຖະນທໄ າຄຉທົ ຎໄ ຽຌ x ກຍັ ຉທົ ຎໄ ຽຌ y ssx ຏຌົ ຖທຓຂບຄຏຌົ ຉໄ າຄກາຖຄັ ຘບຄຂບຄຉທົ ຎໄ ຽຌ x ssy ຏຌົ ຖທຓຂບຄຏຌົ ຉໄ າຄກາຖຄັ ຘບຄຂບຄຉທົ ຎໄ ຽຌ y  ຾ກຌຂບຄ຃ໄ າຘະນະຘາຑຌັ ຃ໄ າ rxy ຖະຈຍັ ຃ທາຓຘາຑຌັ 0.90 – 1.00 ຓ຃ີ ທາຓຘາຑຌັ ຘຄນຼາງ 0.70 – 0.89 ຓ຃ີ ທາຓຘາຑຌັ ຘຄ 0.50 – 0.69 ຓ຃ີ ທາຓຘາຑຌັ ຎາຌກາຄ 0.30 – 0.49 ຓ຃ີ ທາຓຘາຑຌັ ຉໄ າ 0.00 – 0.29 ຓ຃ີ ທາຓຘາຑຌັ ຉໄ ານຼາງ ຃ໄ າຂບຄ rxy ດໄ ູແຌນທໄ າຄ -1  rxy  1 ໝາງ຾ນຈ: ຊາ໅ rxy ຊ຾຃ໄ ບຄໝາງຍທກ (+) ໝາງ຾ຊຄີ ຓ຃ີ ທາຓຘາຑຌັ ແຌ຋າຄຈຽທກຌັ ໝາງ຃ທາຓທໄ າ ຊາ໅ x ຾ຑໄ ຓີ ຂຌ໅ y ກ຅ະ຾ຑໄ ຓີ ຂຌ໅ ຿ຉໄ ຊາ໅ rxy ຊ຾຃ໄ ບຄໝາງຖຍົ (-) ໝາງ຾ຊຄີ ຓ຃ີ ທາຓຘາຑຌັ ແຌ຋າຄກຄົ ກຌັ ຂາ໅ ຓ ກຌັ ໝາງ຃ທາຓທໄ າ ຊາ໅ x ຾ຑໄ ຓີ ຂຌ໅ y ກ຅ະນຼຈຖຄົ  ຂຉ໅ ກົ ຖຄົ ຾ຍບ໅ ຄຉຌົ໅  ຉທົ ຎໄ ຽຌຉບ໅ ຄຓຖີ ະຈຍັ ກາຌທຈັ ຿ຍຍ຅ຈັ ນທໄ າຄຂຌ໅ ໂຎ ( Interval ,Ratio scale)  ຓ຃ີ ທາຓຘາຑຌັ ຿ຍຍ຾ຘຌັ໅ ຆໄ ຾຋ຄີ ຿ກຌ x ຿ຖະ y  ຂຓ໅ ຌ຿ຉໄ ຖະຉທົ ຎໄ ຽຌຓກີ າຌກະ຅າງ຿ຍຍເ຃ຄ໅ ຎົກກະຉິ  ຉທົ ຎໄ ຽຌ຋ຄັ 2 ຉບ໅ ຄ຾ຎັຌບຈິ ຘະນຼະຉໄ ກຌັ  ກາຌຉຄັ໅ ຘຓົ ຓຈຊາຌ H0 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຍໄ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ H1 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ  ກາຌທ຾ິ ຃າະຈທ໅ ງເຎ຿ກຓ SPSS 63

 ຉທົ ດໄ າຄ: ຃ະ຿ຌຌຘບຍກໄ ບຌທໂິ ຅ ຿ຖະນຼຄັ ທໂິ ຅ໂຈຏ໅ ຌົ ຈໄ ຄັ ຌີ໅ ຖາຈຍັ ກໄ ບຌທໂິ ຅ (x) ນຄຼັ ທໂິ ຅(y) 1 10 10 2 10 10 3 9 9 4 10 10 5 8 10 6 7 9 7 6 8 8 6 8 9 5 8 10 6 8 11 5 8 12 6 8 13 5 7 14 5 8 15 5 7 16 4 8 17 4 8 18 4 7 19 4 8 20 3 5 21 3 5 22 2 6 23 2 6 24 1 5 25 2 6 26 1 6 ຅ໄ ຄົ ຆບນາ຃ທາຓຘາຑຌັ ຖະນທໄ າຄ຃ະ຿ຌຌ x ຿ຖະ y  ທ຋ິ ທີ ຾ິ ຃າະ 64

65

ຏຌົ ກາຌທ຾ິ ຃າະໂຈຏ໅ ຌົ Descriptive Statistics Mean Std. Deviation N 26 pretest 5.12 2.673 26 postest 7.62 1.551 Correlations pretest Pearson Correlation pretest postest Sig. (2-tailed) 1 .908** N .000 26 postest Pearson Correlation .908** 26 Sig. (2-tailed) .000 1 N 26 26 **. Correlation is significant at the 0.01 level (2-tailed). ຘະນຼຍຏຌົ ກາຌຂທ຾ິ ຃າະ ຾ນຌັ ທໄ າ sig = 0.00 ຿ຖະ p= 0.908 ໝາງ຃ທາຓທໄ າ຃ະ຿ຌຌຘບຍກໄ ບຌທໂິ ຅຿ຖະນຼຄັ ທໂິ ຅ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຘຄນາຼ ງ ຿ຖະ ຓ຃ີ ທາຓຘາຑຌັ ຋າຄຘະຊຉິ ຋ິ ໄ ຖີ ະຈຍັ α =0.01 ຉທົ ດໄ າຄ 2: ຏູທ໅ ໂິ ຅ຉບ໅ ຄດາກປູທ໅ ໄ າ຾ທຖາ຾ປຈັ ທຽກກຍັ ຃ະ຿ຌຌຘບຍຓ຃ີ ທາຓຘາຑຌັ ກຌັ ນຍຼ ໄ ຅ໄ ຄ຾ກຍັ ຂຓ໅ ຌກຍັ ຌກັ ຘກຶ ຘາ 10 ຃ຌົ ໂຈຏ໅ ຌົ ຈໄ ຄັ ຌ:ີ໅ ຖ/ຈ ຆໄ ທົ ເຓຄ຾ປຈັ ທຽກ ຃ະ຿ຌຌຘບຍ 14 85 26 80 38 92 44 70 52 65 61 60 75 89 66

87 82 94 81 10 6 95  ກາຌຉຄັ໅ ຘຓົ ຓຈຊາຌ H0 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຍໄ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ H1 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຏຌົ ກາຌທ຾ິ ຃າະໂຈ຃໅ ໄ າ 7.2 ກາຌທ຾ິ ຃າະຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌ ຘາຎະຘຈິ ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌ຾ຎັຌທ຋ິ ຋ີ ໄ ແີ ຆທ໅ ຈັ ຃ທາຓຘາຑຌັ ຖະນທໄ າຄຉທົ ຎໄ ຽຌນຂຼ ຓ໅ ຌ຋ໄ ນີ າຼ ງກທໄ າ 2 ຆຈ ເຈງ຅ະຓທີ ຋ິ ກີ າຌນາ຃ທາຓຘາຑຌັ ຂບຄຉທົ ຎໄ ຽຌ຾຋ໄ ບຖະ຃ໄ ູ຾ຆໄ ຌັ ຉບ໅ ຄກາຌນາ຃ທາຓຘາຑຌັ ຂບຄຖທຄຘຄ ຿ຖະ ຌາ໅ ໜກັ ຂບຄຏູຎ໅ ໄ ທງເຈງ຋າກາຌກາ຅ຈັ ບຈິ ຋ຑິ ຌົ ຂບຄຉທົ ຎໄ ຽຌບາງຂບຄຏູຎ໅ ໄ ທງ຾ຎັຌຉຌົ໅  ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌຓນີ ຼາງຖະຈຍັ ຾ຆຌັ  ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌຖາຈຍັ ຋ໄ ໜີ ໄ ຄ (first-order partial correlation) ຾ຎັຌກາຌນາ ຃ໄ າຘະນະຘາຑຌັ ຖະນທໄ າຄຉທົ ຎໄ ຽຌ 2 ຉທົ ເຈງແນຉ໅ ທົ ຎໄ ຽຌບກີ ຉທົ ໜໄ ຄ຃ຄົ ຋ໄ ີ  ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌຖາຈຍັ ຋ໄ ຘີ ບຄ (second-order partial correlation)຾ຎັຌ ກາຌນາ຃ໄ າຘະນະຘາຑຌັ ຖະນທໄ າຄຉທົ ຎໄ ຽຌ 2 ຉທົ ເຈງແນຉ໅ ທົ ຎໄ ຽຌບກີ ຘບຄຉທົ ຃ຄົ ຋ໄ ີ  ຂຉ໅ ກົ ຖຄົ ຾ຍບ໅ ຄຉຌົ໅ ຉທົ ຎໄ ຽຌ຋ກຉທົ ຉບ໅ ຄດໄ ູແຌຖະຈຍັ ກາຌທຈັ ກາຌ຅ຈັ ຾ຎັຌນທໄ າຄຂຌ໅ ໂຎ (Interval ,Ratio scale)  ຘູຈແຌກາຌ຃ຈີ ໂຖໄ  ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌຖາຈຍັ ຋ໄ ໜີ ໄ ຄ r12  r13r23 rab  racrbc 1  r123 1  r223 ນຼ 1  ra2c 1  rb2c      r12.3  rab.c   ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌຖາຈຍັ ຋ໄ ຘີ ບຄ r12.3  r14.3r24.3 ນຼ rab.cd  rab.c  rade.c rbd.c      r12.34  1  r2 1  r2 1  r2 1  r2 24.3 ad.c bd.c 14.3 67

- ຾ຓໄ ບ rab.c ຾ຎັຌຘາຎະຘຈິ ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌຖາຈຍັ ຋ໄ ໜີ ໄ ຄຂບຄຉທົ ຎໄ ຽຌ a ກຍັ b ຃ທຍ຃ຓຉທົ ຎໄ ຽຌ c - ຾ຓໄ ບ rab.cd ຾ຎັຌຘາຎະຘຈິ ຘະນະຘາຑຌັ ຿ຍຍ຿ງກຘໄ ທຌຖາຈຍັ ຋ໄ ຘີ ບຄຂບຄຉທົ ຎໄ ຽຌ a ກຍັ b ຃ທຍ຃ຓຉທົ ຎໄ ຽຌ c ຿ຖະ d - ຾ຓໄ ບ rab ຾ຎັຌຘາຎະຘຈິ ຘະນະຘາຑຌັ ຿ຍຍ຾ຑງຘຌັ ຂບຄຉທົ ຎໄ ຽຌ a ກຍັ c  ຘຓົ ຓຈຊາຌຂບຄກາຌທໂິ ຅  ກຖະຌຘີ ະນະຘາຑຌັ ຿ຍຍ຋ໄ ໜີ ໄ ຄ H0 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຍໄ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຾ຓໄ ບກາ຅ຈັ ຉທົ ຎໄ ຽຌໜໄ ຄບບກ H1 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຾ຓໄ ບກາ຅ຈັ ຉທົ ຎໄ ຽຌໜໄ ຄບບກ  ກຖະຌຘີ ະນະຘາຑຌັ ຿ຍຍ຋ໄ ຘີ ບຄ H0 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຍໄ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຾ຓໄ ບກາ຅ຈັ ຉທົ ຎໄ ຽຌ຋ໄ ຘີ ບຄບບກ H1 :   0 ຉທົ ຎໄ ຽຌຘບຄຉທົ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຾ຓໄ ບກາ຅ຈັ ຉທົ ຎໄ ຽຌ຋ໄ ຘີ ບຄບບກ ຉທົ ດໄ າຄ: ຏູທ໅ ໂິ ຅ຉບ໅ ຄກາຌດາກປູທ໅ ໄ າຖທຄຘຄຓ຃ີ ທາຓຘາຑຌັ ກຍັ ຌາ໅ ໜກັ ຿ຖະ ຓບີ ຈິ ຋ຑິ ຌົ ຉໄ ຌາ໅ ໜກັ ນຍຼ ໄ ຅ໄ ຄຘໄ ຓ຾ບາົ ກໄ ຓ ຉທົ ດໄ າຄຓາ 25 ຃ຌົ ເຈງຍໄໂຈ຅໅ າ຿ຌກບາງ ໂຈຏ໅ ຌົ ຈໄ ຄັ ຌ:ີ໅ ຖ/ຈ ຖທຄຘຄ (cm) ຌາ໅ ໜກັ (kg) ບາງ (ຎີ) 1 1.45 45.00 15 2 1.47 45.00 16 3 1.49 47.00 18 4 1.50 47.00 20 5 1.51 47.00 30 6 1.52 50.00 40 7 1.54 50.00 60 8 1.55 40.00 14 9 1.57 53.00 23 10 1.58 45.00 22 11 1.58 53.00 33 12 1.59 53.00 44 13 1.59 54.00 55 68

14 1.59 54.00 66 15 1.60 56.00 77 16 1.62 57.00 88 17 1.63 80.00 99 18 1.63 45.00 16 19 1.63 60.00 17 20 1.66 62.00 18 21 1.66 50.00 19 22 1.66 80.00 80 23 1.68 40.00 90 24 1.69 69.00 70 25 1.70 70.00 50 69

70

Correlations height Pearson Correlation height weight age Sig. (2-tailed) 1 .571** .479* N .003 .015 25 weight Pearson Correlation .571** 25 25 Sig. (2-tailed) .003 1 .538** N .006 25 25 age Pearson Correlation .479* .538** 25 Sig. (2-tailed) .015 .006 1 N 25 25 25 **. Correlation is significant at the 0.01 level (2-tailed). *. Correlation is significant at the 0.05 level (2-tailed). 71

ຘະນຼຍ: ຾ນຌັ ທໄ າ຿ຉໄ ຖະ຃ໄ ູແນ຃໅ ໄ າ sig ໝາງທໄ າຓ຃ີ ທາຓຘາຑຌັ ກຌັ ດໄ າຄຓ຃ີ ທາຓຘາ຃ັຌ຋າຄຘະຊິຉິ ຿ຖະ ຾ຎັຌ຃ທາຓຘາຑຌັ ແຌ຋າຄຍທກ ຿ຉໄ ຘຄັ ຾ກຈ຃ໄ ຖູ ະນທໄ າຄບາງກຍັ ຌາ໅ ໜກັ ຓຌັ ຾ຎັຌໂຎຍໄ ໂຈ຋໅ ໄ ບີ າງ຾ຑໄ ຓີ ຂຌ໅ ຌາ໅ ໜກັ ກ຅ະ຾ຑໄ ຓີ ຂຌ໅ ຘະ຾ໝໂີ ຎ ຿ຖະ ກຄົ ກຌັ ຂາ໅ ຓ ຈໄ ຄັ ຌຌັ໅ ຅ໄ ຄຉບ໅ ຄຓກີ າຌກາ຅ຈັ ຉທົ ຎໄ ຽຌບາງຈທ໅ ງກາຌ຃ທຍ຃ຓຈໄ ຄັ ຉາຉະຖາຄຖໄ ຓ Correlations Control Variables height weight .424 age height Correlation 1.000 .039 Significance (2- . tailed) 22 1.000 df 0 . weight Correlation .424 0 Significance (2- .039 tailed) df 22 ຘະນຼຍ: ຖທຄຘູຄ ຿ຖະຌາ໅ ໜກັ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ແຌຖະຈຍັ ຎາຌກາຄ ຿ຖະ ຓ຃ີ ທາຓຘາ຃ຌັ ຋າຄຘະຊຉິ ຋ິ ໄ ີ ຖະຈຍັ α =0.05 72

ຍຈົ ຋ໄ ີ 8 ກາຌຆບກນາ຃ຌຌະຑາຍຂບຄ຾຃ໄ ບຄຓທຈັ ຾຃ໄ ບຄຓກາຌທໂິ ຅຾ຎັຌຘໄ ຄິ ຋ໄ ຘີ າ຃ຌັ ນຼາງຉໄ ກຍັ ກາຌທໂິ ຅ ຋ຄັ ຌກີ໅ ຾ຑາະທໄ າ຾຃ໄ ບຄຓ຾ຎັຌຘໄ ຄິ ຋ໄ ຏີ ູທ໅ ໂິ ຅ຌາຓາທຈັ ຉທົ ຎໄ ຽຌ຋ໄ ຌີ າຓາຘກຶ ຘາ ກາຌທຈັ ຃ໄ າຂບຄຉທົ ຎໄ ຽຌ຅ະຊກຉບ໅ ຄນຼຍໄ ຌຌັ໅ ຂຌ໅ ດໄ ູກຍັ ຃ຌຌະຑາຍຂບຄ຾຃ໄ ບຄຓ ຾຃ໄ ບຄຓກາຌທໂິ ຅ ຿ຍໄ ຄບບກ຾ຎັຌ 2 ຎະ຾ຑຈແນງໄ ໃ຃: ຾຃ໄ ບຄຓທຈັ ຋າຄທ຋ິ ະງາຘາຈ ຾ຆໄ ຌັ ກທຈຘບຍ຃ທາຓ຿ຂຄ຿ປຄຂບຄ຾຃ໄ ບຄ຅ກັ ຃ທາຓງາທ ຃ທາຓຖະບຽຈ ຿ຖະບໄ ຌໃ຾ຎັຌຉຌົ໅ ຿ຖະ ຾຃ໄ ບຄຓທຈັ ຋າຄຘຄັ ຃ຓົ ຘາຈ ຿ຖະ ຑຈຶ ຉກິ າຘາຈ ຾຃ໄ ບຄຓ຾ນໄ ຼາົ ຌີ໅ ຌງິ ຓົ ຌາຓາ຾ຎັຌ຾຃ໄ ບຄຓກາຌທໂິ ຅ ຾຃ໄ ບຄຓ຋ໄ ແີ ຆນ໅ າຼ ງຓີ 5 ຎະ຾ຑຈ຃: ຿ຍຍຘບຍຊາຓ ຿ຍຍຘຄັ ຾ກຈ ຿ຍຍຘາຑາຈ ຿ຍຍ ທຈັ ຋ຈັ ຘະຌະ຃ະຉິ ຿ຖະ ຿ຍຍ຋ຈົ ຘບຍ. ຈໄ ຄັ ຌຌັ໅ , ແຌກາຌ຾ປຈັ ກາຌທໂິ ຅ຏູທ໅ ໂິ ຅຅ະຉບ໅ ຄປູ຾໅ ຃ໄ ບຄຓແຌກາຌທຈັ ຉໄ າຄໃຌຌັ໅ ຾ຎັຌດໄ າຄຈີ຅ໄ ຄ຅ະ຾ປຈັ ແນຏ໅ ູທ໅ ໂິ ຅ ຘາຓາຈ຾ຖບກແຆ຾໅ ຃ໄ ບຄຓທຈັ ໂຈດ໅ ໄ າຄຊກຉບ໅ ຄ ຿ຖະ ຾ໝາະຘຓົ ກຍັ ຄາຌທໂິ ຅ຂບຄຉຌົ . ຑບ໅ ຓກຌັ ຌຌັ໅ ຾຃ໄ ບຄຓຉໄ າຄໃຌງັ໅ ຅ະ ຉບ໅ ຄ຾ຎັຌ຾຃ໄ ບຄຓ຋ໄ ຓີ ຃ີ ຌຌະຑາຍຘຄແຌ຾ກຌ຋ໄ ກີ າຌຈົ ໂທ໅ ຆໄ ຄ຅ະປໂູ ໅ ຈ຅໅ າກກາຌນາ຃ຌຌະຑາຍຂບຄ຾຃ໄ ບຄຓຈໄ ຄັ ຉໄ ໂຎຌ:ີ໅  ກາຌນາ຃ຌຌະຑາຍຂບຄ຾຃ໄ ບຄຓ ນຼຄັ ຅າກຘາ໅ ຄ຾຃ໄ ບຄຓ຿ຖທ໅ ຉບ໅ ຄຌາ຾຃ໄ ບຄຓ຋ຄັ ໝຈົ ໂຎຏໄ າຌຏູຆ໅ ໄ ຽທຆາຌ ຾ຑໄ ບນາ຃ໄ າ IOC (ຈຈັ ຘະຌ຃ີ ທາຓ ຘບຈ຃ໄ ບຄ) IOC   R N  R ຿຋ຌຏຌົ ຖທຓຂບຄຂ຃໅ ຈີ ຾ນຌັ ຂບຄຆໄ ຽທຆາຌ຋ຄັ ໝຈົ N ຿຋ຌ຅າຌທຌຏູຆ໅ ໄ ຽທຆາຌ຋ຄັ ໝຈົ ແຌຌີ໅ ຃ໄ າ IOC ≥ 0.5 ຉທົ ດໄ າຄ: ຿ຍຍ຋ຈົ ຘບຍທຆິ າ຃ະຌຈິ ຘາຈຆຌັ໅ ຎະຊຓົ ຖ/ຈຂ ໅ ຾ຌບ໅ ແຌ ຏູຆ໅ ໄ ຽຄຆາຌ1 ຏູຆ໅ ໄ ຽຄຆາຌ2 ຏູຆ໅ ໄ ຽຄຆາຌ3 ຘະ຾ຖໄ ງ(IOC) ຏຌົ ໂຈປ໅ ຍັ 1 1 ແຆໂ໅ ຈຈ໅ ີ 1 23+4.56 11 2 21÷2 1 0 1 0.66 ແຆໂ໅ ຈ໅ 3 25 x 3.6 4 27 - 19 1 1 0 0.66 ແຆໂ໅ ຈ໅ 0 1 1 0.66 ແຆໂ໅ ຈ໅ 5 2(3 x 4 +7) -1 0 1 0 ຎັຍຎຄ/ຉຈັ 0 ຎັຍຎຄ/ຉຈັ 6 45 ÷ 9 x 6 0 00 7 123 -234 -1 0 -1 -0.66 ຎັຍຎຄ/ຉຈັ 8 50 x 2.4 1 11 1 ຎັຍຎຄ/ຉຈັ 9 82 x5 ÷ 4 1 1 0 0.66 ແຆໂ໅ ຈ໅ 10 36 – 14 x 5 -1 1 1 0.33 ຎັຍຎຄ/ຉຈັ 73

ຘາຖຍັ ຿ຍຍ຋ຈົ ຘບຍຉບ໅ ຄຌາໂຎ຋ຈົ ຖບຄກໄ ບຌ຾ຑໄ ບຆບກນາ ຃ທາຓ຾ຆໄ ບໝຌັ໅ ,ຖະຈຍັ ຃ທາຓງາກຄໄາງ ຿ຖະບາຌາຈ ຅າ຿ຌກແນຊ໅ ກຉບ໅ ຄຉາຓ຾ກຌຘາກໄ ບຌ຾ຑໄ ບແນໂ໅ ຈຖ໅ ກັ ຘະຌະຂບຄ຾຃ໄ ບຄຓ຋ໄ ຈີ .ີ ຖກັ ຘະຌະຂບຄ຾຃ໄ ບຄຓ຋ໄ ຈີ ຉີ ບ໅ ຄຓີ 1. ຉບ໅ ຄຓຉີ ທາຓ຋ໄ ຽຄຉຄົ 2. ຉບ໅ ຄຓ຃ີ ທາຓ຾ຆໄ ບໝຌັ໅ 3. ຓບີ າຌາຈ຅າ຿ຌກ຾ໝາະຘຓົ 4. ຖະຈຍັ ຃ທາຓງາກຄໄາງ຾ໝາະຘຓົ 5. ຓ຃ີ ທາຓ຾ຎັຌຎະຖະໂຌ ຖາງຖະບຽຈ຿ຉໄ ຖະຂ:໅  ຃ທາຓ຋ໄ ຽຄຉຄົ (Validity): ຿ຓໄ ຌ຾຃ໄ ບຄຓ຋ໄ ຘີ າຓາຈທຈັ ໂຈຉ໅ າຓ຅ຈຎະຘຄົ ຂບຄຏູທ໅ ຈັ ຿ຖະຊກຉບ໅ ຄກຍັ ຃ທາຓ຾ຎັຌ຅ຄິ ຆໄ ຄຓ 4 ຎະ຾ຑຈ຃: 1. ຃ທາຓ຋ໄ ຽຄຉຄົ ຈາ໅ ຌ຾ຌບ໅ ແຌ (Content Validity): ໝາງ຾ຊຄີ ຃ຌຌະຑາຍຂບຄ຾຃ໄ ບຄຓຘາຓາຈທຈັ ໂຈ໅ ຊກຉບ໅ ຄຉາຓ຾ຌບ໅ ແຌ຋ໄ ຉີ ບ໅ ຄກາຌທຈັ ກາຌກທຈຘບຍ຃ຌຌະຑາຍຈາ໅ ຌຌ຾ີ໅ ຎັຌກາຌນາ຃ໄ າ IOC ( index of item- objective congruence) ຂບຄຏູຆ໅ ໄ ຽທຆາຌ຾ຎັຌ຾ກຌ ຆໄ ຄຏູຆ໅ ໄ ຽທຆາຌດໄ າຄໜບ໅ ງຉບ໅ ຄຓີ 3 ຃ຌົ ຂຌ໅ ໂຎ 2. ຃ທາຓ຋ໄ ຽຄຉຄົ ຉາຓເ຃ຄຘາ໅ ຄ (Construct Validity): ໝາງ຾ຊຄີ ຾຃ໄ ບຄຓກາຌທໂິ ຅ຘາຓາຈທຈັ ໂຈຉ໅ າຓ຃ຌ ຖກັ ຘະຌະ ນຼ ເ຃ຄຘາ໅ ຄຉາຓ຋ຈີ ຘະຈກີ າຌຈົ ຂຌ໅ ຘໄ ຄີ ຋ໄ ຉີ ບ໅ ຄກາຌທຈັ ຌ຿ີ໅ ຓໄ ຌ ຑຈຶ ຉກິ ານເຼ ຃ຄຘາ໅ ຄຂບຄ຾ຖໄ ບຄຌຌັ໅ ໃ ຉາຓ຋ໄ ກີ າຌຈົ ໂທແ໅ ຌ຋ຈີ ຘະຈຂີ ບຄ຾ຖໄ ບຄ຋ໄ ຘີ ກຶ ຘາ ກາຌກທຈຘບຍ຃ຌຌະຑາຍຈາ໅ ຌຌ຾ີ໅ ຎັຌກາຌນາ຃ໄ າ IOC ຃າ໅ ງ຃ຂາ໅ ຄ຾຋ຄີ . 3. ຃ທາຓ຋ໄ ຽຄຉຄົ ແຌຈາ໅ ຌຘະຑາຍ (Concurrent Validity):ໝາງ຾ຊຄີ ຾຃ໄ ບຄຓກາຌທໂິ ຅ຘາຓາຈທຈັ ໂຈກ໅ ຄົ ຉາຓ ຃ຌຖກັ ຘະຌະ ຂບຄ຿ຉໄ ຖະຍກ຃ຌົ ແຌກໄ ຓຉທົ ດໄ າຄ ກຄົ ກຍັ ຘະຑາຍແຌຂະຌະຌຌັ໅ ກາຌກທຈຘບຍ຃ຌຌະຑາຍຈາ໅ ຌ ຌນີ໅ າໂຈ໅ 2 ທ຋ິ ຃ີ : 1) ຈທ໅ ງກາຌຘຄັ ຾ກຈ຅າກກາຌ຋ຈົ ຖບຄຎະຉຍິ ຈັ ຅ຄີ : ຊາ໅ ຏຌົ ກາຌທຈັ ແຌກາຌ຋ຈົ ຖບຄ ຎະຉຍິ ຈັ ຅ຄິ ຓ຃ີ ທາຓຘບຈ຃ໄ ບຄກຌັ ຘະ຿ຈຄທໄ າ຾຃ໄ ບຄຓຌີ ຌັ໅ ຓ຃ີ ທາຓ຋ໄ ຽຄຉຄົ ແຌຈາ໅ ຌຘະຑາຍ 2) ຈທ໅ ງກາຌ຃າຌທຌນາ຃ໄ າຘາຎະຘຈິ ຘະນະຘາຑຌັ : ຊາ໅ ຃ໄ າຘາຎະຘຈິ ຓ຃ີ ໄ າ຾ຂາົ໅ ແກ ໅ 1 ຘະ຿ຈຄທໄ າ຾຃ໄ ບຄຓຌີ ຌັ໅ ຓ຃ີ ທາຓ຋ໄ ຽຄຉຄົ ແຌຈາ໅ ຌຘະຑາຍ 4. ຃ທາຓ຋ໄ ຽຄຉຄົ ຈາ໅ ຌຑະງາກບຌ (Predictive Validity): ໝາງ຾ຊຄີ ຾຃ໄ ບຄຓກາຌທໂິ ຅ຘາຓາຈຑະງາກບຌກາຌ ກະ຋າແຌບະຌາ຃ຈົ ໂຈຊ໅ ກຉບ໅ ຄ ກາຌກທຈຘບຍ຃ຌຌະຑາຍຈາ໅ ຌຌນີ໅ າໂຈຓ໅ ີ 2 ທ຋ິ ຃ີ : 1) ນາ຃ໄ າຘະນະຘາຑຌັ ຃ກຍັ ຂາ໅ ຄ຾຋ຄີ 74

2) ເຈງທ຋ິ ກີ າຌ຿ຍໄ ຄກໄ ຓ (Group Separation) ຈທ໅ ງກາຌ຿ຍໄ ຄກໄ ຓ຋ໄ ແີ ຆ຋໅ ຈົ ຖບຄ ຾຃ໄ ບຄຓບບກ຾ຎັຌ 2 ກໄ ຓ ຃ ກໄ ຓ຋ໄ ໂີ ຈ຃໅ ະ຿ຌຌຘຄກທໄ າ຾ກຌ ຿ຖະ ກໄ ຓ຋ໄ ໂີ ຈ຃໅ ະ຿ຌຌຉໄ າກທໄ າ຾ກຌ ຓາ຃າຌທຌນາ຃ໄ າ t- test Independent ຊາ໅ ຃ໄ າ t ຋ໄ ຃ີ າຌທຌໂຈ຿໅ ຉກຉໄ າຄກຌັ ດໄ າຄຓ຃ີ ທາຓຘາ຃ຌັ ຋າຄຘະຊຉິ ິ ຘະ຿ຈຄທໄ າ຾຃ໄ ບຄຓຌີ ຌັ໅ ຓີ ຃ທາຓ຋ໄ ຽຄຉຄົ ຈາ໅ ຌຑະງາກບຌ  ຃ທາຓ຾ຆໄ ບໝຌັ໅ (Reliability) ໝາງ຾ຊຄີ ຾຃ໄ ບຄຓກາຌກາຌທໂິ ຅ຘາຓາຈແນຏ໅ ຌົ ກາຌທຈັ ໂຈ຃໅ ຄົ ຋ໄ ຘີ ະໝໄ າຘະ຾ໝີ ຿ຌໄ ຌບຌ ນຘຼ ບຈ຃ໄ ບຄກຍັ ຏຌົ ກາຌທຈັ ຾ຈຓີ ໂຈຑ໅ ຽຄແຈ ນຼ ຾ທາົ໅ ບກີ ດໄ າຄໜໄ ຄທໄ າ ທຈັ ນຼາງໃ຃ຄັ໅ ໂຈ຃໅ ໄ າ຃າ໅ ງ຃ ກຌັ ກາຌກທຈຘບຍ຃ຌຌະຑາຍຈາ໅ ຌຌນີ໅ າໂຈຈ໅ ທ໅ ງກາຌ຃າຌທຌນາ຃ໄ າຘາຎະຘ຃ິ ທາຓ຾ຆໄ ບໝຌັ໅ ຉາຓຘູຈ K.R.20  n 1   pq  n 1   si2  n ຿຋ຌ຅າຌທຌຂ໅ p ຿຋ຌຘຈັ ຘໄ ທຌ຋ໄ ຉີ ບຍຊກແຌ຿ຉໄ ຖະຂ໅ q ຿຋ຌຘຈັ ຘໄ ທຌ຋ໄ ຉີ ບຍຊຏຈິ ແຌ຿ຉໄ ຖະຂ໅ ຆໄ ຄ q  1 p s12 ຿຋ຌ຃ທາຓຏຌັ ຎໄ ຽຌຂບຄ຃ະ຿ຌຌ຋ຄັ ໝຈົ ໝາງ຾ນຈ: K.R.20 ≥ 0.70 ຂຌ໅ ໂຎ ຅ໄ ຄຊທໄ າຓ຃ີ ທາຓ຾ຆໄ ບໝຌັ໅ ແຆໂ໅ ຈ໅ ນຼບາຈແຆຘ໅ ູຈ  K.R.21    n 1  X n X  1  nsi2  n n ຿຋ຌ຅າຌທຌຂ໅ X ຿຋ຌ຃ະ຿ຌຌຘະ຾ຖໄ ງ s12 ຿຋ຌ຃ທາຓຏຌັ ຎໄ ຽຌຂບຄ຃ະ຿ຌຌ຋ຄັ ໝຈົ  ບາຌາຈ຅າ຿ຌກ : ໝາງ຾ຊຄີ ຾຃ໄ ບຄຓກາຌກາຌທໂິ ຅ຘາຓາຈ຅າ຿ຌກຏູ຾໅ ກໄ ຄັ ຿ຖະ ຏູບ໅ ໄ ບຌໂຈດ໅ ໄ າຄຊກຉບ໅ ຄຆຈັ ຾຅ຌ  ຃ທາຓງາກຄໄາງ: ໝາງ຾ຊຄີ ຾຃ໄ ບຄຓກາຌກາຌທໂິ ຅ຉບ໅ ຄຓຖີ ະຈຍັ ຃ທາຓງາກຄໄາງ຾ໝາະຘຓົ ກຍັ ຖະຈຍັ ຂບຄ ຌກັ ປຽຌ ຋ຄັ 2 ຂຂ໅ າ໅ ຄ຾຋ຄີ ຘາຓາຈນາໂຈຈ໅ ໄ ຄັ ຉທົ ດໄ າຄຉໄ ໂຎຌ:ີ໅ o ຍາຈກາ໅ ທ຋ີ 1: ຾ບາົ ຂຘ໅ ບຍ຋ໄ ຘີ າ໅ ຄ຿ຖທ໅ ໂຎຘບຍຌກັ ປຽຌ ນຄຼັ ຅າກຌຌັ໅ ຾ບາົ ຓາກທຈແນ຃໅ ະ o ຿ຌຌ, ຂຊ໅ ກແນ໅ 1 ຃ະ຿ຌຌ ຂຏ໅ ຈິ ແນ໅ 0 ຃ະ຿ຌຌ.(ຘາຖຍັ ຂຘ໅ ບຍ຿ຍຍຎາຖະໂຌ)ຊາ໅ ຾ຎັຌ ບຈັ ຉະໂຌແນ຃໅ ະ຿ຌຌຉາຓ຃ທາຓ຾ນຓາະຘຓົ ຉາຓຖະຈຍັ ຃ທາຓງາກ ຄໄາງ ຂບຄຂຘ໅ ບຍ ຾ຎັຌ຃ະ຿ຌຌຘໄ ທຌ 10 o ຍາຈກາ໅ ທ຋ີ 2: ຾ບາົ ແຍ຃າຉບຍ຋ໄ ກີ ທຈ຿ຖທ໅ ຓາຖຽຄຖາຈຍັ ຿ຉໄ ຃ະ຿ຌຌຘູຄຘຈຖຄົ ນາ຃ະ ຿ຌຌຉໄ າຘຈ. o ຍາຈກາ໅ ທ຋ີ 3: ຌຍັ ຾຅ງ໅ ຃າຉບຍ຿ຉໄ ຃ະ຿ຌຌຘູຄຘຈຖຄົ ຓາ ແນໂ໅ ຈ 25%, 27%, 33% 75

ນຼ 50% ຂບຄ຅າຌທຌຏູຉ໅ ບຍ຋ຄັ ໝຈົ (ຊາ໅ ແຆ຾໅ ຉກັ ຌກິ 25%, 27%, 33% ນຼ 35% ຉາຓຖາຈຍັ ) ເຈງແຘໄ ຆໄ ກໄ ຓຌທີ໅ ໄ າ ກໄ ຓຘູຄ ແຘໄ ບກັ ຘບຌນງທ໅ ໄ າ H ຿ຖະ ຌຍັ ແຍ຃າຉບຍ຿ຉໄ ຃ະ຿ຌຌຉໄ າຘຈຂຌຶ໅ ຓາແນໂ໅ ຈ຾໅ ຋ໄ າົ ກຍັ ກໄ ຓຘູຄ ຿ຖທ໅ ແຘໄ ຆໄ ກໄ ຓຌທີ໅ ໄ າ ກໄ ຓຉໄ າ ແຘໄ ບກັ ຘບຌນງທ໅ ໄ າ L. ໝາງ຾ນຈ: ຊາ໅ ຓຌີ ກັ ປຽຌນຼາງ຃ຌົ ຃ທຌແຆ຾໅ ຉກັ ຌກິ 25% ໝາງ຃ທາຓທໄ າ຅າຌທຌຌກັ ປຽຌແຌກໄ ຓຘູຄ຾຋ໄ າົ ກຍັ 25% ຂບຄ ຅າຌທຌຌກັ ປຽຌ຋ຄັ ໝຈົ ຿ຖະ ຅າຌທຌຌກັ ປຽຌກໄ ຓຉໄ າກ຾຋ໄ າົ ກຍັ 25% ຂບຄ຅າຌທຌຌກັ ປຽຌ຋ຄັ ໝຈົ ຾ຆໄ ຌັ ຈຽທກຌັ . ຊາ໅ ຓຌີ ກັ ປຽຌນຌບ໅ ງ຃ຌົ ຃ທຌແຆ຾໅ ຉກັ ຌກິ 50%.ຊາ໅ ຓຌີ ກັ ປຽຌດໄ ູແຌຖະຈຍັ ຎາຌກາຄ຃ທຌແຆ຾໅ ຉກັ ຌກິ 27% ນຼ 33%. ຉທົ ດໄ າຄ: ຌກັ ຃ປຽຌ຾ຂາົ໅ ຘບຍ 48 ຃ຌົ ຊາ໅ ແຆ຾໅ ຉກັ ຌກິ 27% ຾ຑໄ ບ຿ງກຌກັ ປຽຌກໄ ຓຘູຄ ນຼ ກໄ ຓຉໄ າ຾ປາົ ຅ະໂຈ໅ ຘະຌຌັ໅ ຅າຌທຌຌກັ ປຽຌກໄ ຓຘູຄ = ກໄ ຓຉໄ າ = 13 ຃ຌົ .  ຍາຈກາ໅ ທ຋ີ 4: ຾ບາົ ແຍ຃າຉບຍແຌກໄ ຓຘູຄ ຿ຖະ ກໄ ຓຉໄ າໂຎຍຌັ ຋ກຶ ຖຄົ ແຌ຿ຍຍຒບຓຖໄ ຓຌ:ີ໅ ຂ຋໅ ີ 1 2 ……. 100 ຃ຌົ ຋ີ ກ ຂ ຃ ຄ ຅ ກ ຂ ຃ ຄ ຅ …… ກ ຂ ຃ ຄ ຅ 1 2 3 4 5 6 . . . 50 ຖທຓ ໝາງ຾ນຈ: ກໄ ຓຘູຄ ຿ຖະ ກໄ ຓຉໄ າ ກໄ ຓຖະຒບຓ.  ຍາຈກາ໅ ທ຋ີ 5: ຌາ຾ບາົ ຃ໄ າຖທຓກໄ ຓຘູຄ(H) ຿ຖະ ຃ໄ າຖທຓກໄ ຓຉໄ າ(L) ໂຎຆບກນາ຃ໄ າ຃ທາຓງາກ-ຄໄາງ(P) ຿ຖະ ຃ໄ າບາຌາຈ຅າ ຿ຌກ(r) ເຈງແຆຘ໅ ູຈຈໄ ຄັ ຌ:ີ໅ 76

ຉທົ ຊກ: ຉທົ ຖທຄ: P ຿຋ຌ຃ໄ າ຃ທາຓງາກຄໄາງຂບຄຂຘ໅ ບຍ r ຿຋ຌ຃ໄ າບາຌາຈ຅າ຿ຌກ H ຿຋ຌ຅າຌທຌ຃ຌົ ຋ໄ ຉີ ບຍຊກແຌກໄ ຓຘູຄ ນໄ ຼ ຿຋ຌ຅າຌທຌ຃ຌົ ຋ໄ ຾ີ ຖບກຂຌ໅ ຌັ໅ ຂບຄ ກໄ ຓຘູຄ ຊາ໅ ຾ຎັຌ ຉທົ ຖທຄ L ຿຋ຌ຅າຌທຌ຃ຌົ ຋ໄ ຉີ ບຍຊກແຌກໄ ຓຉໄ າ ນໄ ຼ ຿຋ຌ຅າຌທຌ຃ຌົ ຋ໄ ຾ີ ຖບກຂຌ໅ ຌັ໅ ຂບຄ ກໄ ຓຉໄ າ ຊາ໅ ຾ຎັຌ ຉທົ ຖທຄ N ຿຋ຌ຅າຌທຌ຃ຌົ ແຌກໄ ຓຘູຄ ນຼ ກໄ ຓຉໄ າ (຃ໄ າຂບຄ p ດໄ ູແຌນທໄ າຄ 0  p  1 ຉໄ າຂບຄ r ດໄ ູແຌນທໄ າຄ 1  r  1) ຃ໄ າ຋ໄ ແີ ຆໂ໅ ຈຂ໅ ບຄ p ຿ຓໄ ຌ 0.2  p  0.8 ຃ໄ າ຋ໄ ແີ ຆໂ໅ ຈຂ໅ ບຄ r ຿ຓໄ ຌ 0.2  r  1 8.1 ຆບກບາຌາຈ຅າ຿ຌກ ຿ຖະ ຃ທາຓງາກຄາງ ຉທົ ດໄ າຄ: ຂ໅ PR ຏຌົ ກາຌຑ຅ິ າຖະຌາ ຅າຌທຌ຃ຌົ ຉບຍ p HL r HL ຊກ 2N N HL 11 ຃ຌົ 11 ຃ຌົ p r ຘະນຖຍ ຏຌົ 18 4 0.54 0.36 ຎາຌກາຄ 27 4 0.5 0.27 ຎາຌກາຄ ຈີ ແຆໂ໅ ຈ໅ 37 4 0.5 0.27 ຎາຌກາຄ ຈີ ແຆໂ໅ ຈ໅ 47 1 0.26 0.54 ຂບ໅ ຌຂາ໅ ຄງາກ ຈີ ແຆໂ໅ ຈ໅ 58 0 0.36 0.72 ຂບ໅ ຌຂາ໅ ຄງາກ ຈີ ແຆໂ໅ ຈ໅ 6 10 2 0.54 0.72 ຎາຌກາຄ ຈີ ແຆໂ໅ ຈ໅ 78 5 0.59 0.27 ຎາຌກາຄ ຈີ ແຆໂ໅ ຈ໅ 8 11 3 0.63 0.72 ຂບ໅ ຌຂາ໅ ຄຄໄາງ ຈີ ແຆໂ໅ ຈ໅ ຈີ ແຆໂ໅ ຈ໅ 77

9 11 5 0.72 0.54 ຂບ໅ ຌຂາ໅ ຄຄໄາງ ຈີ ແຆໂ໅ ຈ໅ 10 9 5 0.63 0.36 ຂບ໅ ຌຂາ໅ ຄຄໄາງ ຈີ ແຆໂ໅ ຈ໅ 11 8 2 0.45 0.54 ຎາຌກາຄ ຈີ ແຆໂ໅ ຈ໅ 12 8 2 0.45 0.54 ຎາຌກາຄ ຈີ ແຆໂ໅ ຈ໅ 13 6 1 0.31 0.45 ຂບ໅ ຌຂາ໅ ຄງາກ ຈີ ແຆໂ໅ ຈ໅ 14 4 1 0.22 0.27 ຂບ໅ ຌຂາ໅ ຄງາກ ຈີ ແຆໂ໅ ຈ໅ 15 7 4 0.5 0.27 ຎາຌກາຄ ຈີ ແຆໂ໅ ຈ໅ 16 4 0 0.18 0.36 ງາກນຖາງ ຍໄ ຈີ ຉຈັ ນໄ ຎຼ ັຍ ຎູຄ  ຍາຈກາ໅ ທ຋ີ 6: ຌາ຾ບາົ ຃ໄ າ P ຿ຖະ ຃ໄ າ r ຓາຑ຅ິ າຖະຌາຉາຓຖກັ ຘະຌະຈໄ ຄັ ຌ:ີ໅ ຃ໄ າ P ຃ໄ າ r 0,00-0,09 ງາກນຼາງ ຉຈັ ຊຓີ໅ ນຎຼ ັຍຎຄ ຃ໄ າຖຍົ ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຼຎັຍຎຄ 0,10-0,19 ງາກ ຉຈັ ຊຓີ໅ ນຼຎັຍຎຄ 0,00 ຍໄ ຓບີ າຌາຈ຅າ຿ຌກ ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຼຎັຍຎຄ 0,01-0,09 ຓບີ າຌາຈ຅າ຿ຌກຉໄ າ ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຎຼ ັຍຎຄ 0,10-0,19 ຓບີ າຌາຈ຅າ຿ຌກຂບ໅ ຌຂາ໅ ຄຉໄ າແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຼ ຎັຍຎຄ 0,20-0,39 ຂບ໅ ຌຂາ໅ ຄງາກ ແຆໂ໅ ຈ໅ 0,20-0,29 ຓບີ າຌາຈ຅າ຿ຌກຂບ໅ ຌຂາ໅ ຄຘູຄ ແຆໂ໅ ຈ໅ 0,40-0,60 ຎາຌກາຄ ຈີ 0,30-0,50 ຓບີ າຌາຈ຅າ຿ຌກຘູຄ ຈີ 0,61-0,80 ຂບ໅ ຌຂາ໅ ຄຄໄາງ ແຆໂ໅ ຈ໅ 0,51-1,00 ຓບີ າຌາຈ຅າ຿ຌກຘູຄນາຼ ງ ຈນີ ຖາງ 0,81-0,90 ຄໄາງ ຉຈັ ຊຓີ໅ ນຼຎັຍຎຄ 0,91-1,00 ຄໄາງນຼາງ ຉຈັ ຊຓີ໅ ນຼຎັຍຎຄ ຘະ຾ຑາະຉທົ ຖທຄ ຃ໄ າ r ຃ໄ າຖຍົ ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຎຼ ັຍຎຄ ຃ໄ າ P 0,00-0,04 ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຼຎັຍຎຄ 0,00-0,04 ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຼຎັຍຎຄ 0,05-0,09 ຑແຆ໅ 0,05-0,09 ຑແຆ໅ 78

0,10-0,30 ແຆໂ໅ ຈ໅ 0,10-0,30 ແຆໂ໅ ຈ໅ 0,31-0,50 ຑແຆ໅ 0,31-0,50 ຑແຆ໅ 0,51-1,00 ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຎຼ ັຍຎຄ 0,51-1,00 ແຆຍ໅ ໄ ໂຈຉ໅ ຈັ ຊຓີ໅ ນຎຼ ັຍຎຄ ກາຌທ຾ິ ຃າະຂຘ໅ ບຍ຿ຍຍບຈັ ຉະໂຌ ຃ທາຓງາກນໄ ຄຼ ໄາງ = PH  PL ບາຌາຈ຅າ຿ຌກ = PH – PL 2 ຂ຋໅ ໄ ີ 1 ຉທົ ດໄ າຄ 3 4 5 ຃ຌົ ຋ໄ ີ 2 4 5 1 10 28 38 46 58 67 77 88 99 10 7 . . . 78 ຃ະ຿ຌຌ຋ໄ ໂີ ຈ໅ ຅າກກາຌຘບຍ ຃ະ຿ຌຌ຾ຉຓັ 100 PH 0.78 23 79 ຂ຋໅ ໄ ີ 1 ຃ຌົ ຋ໄ ີ 5 1 6 2

3 7 PL ຃ທາຓງາກ ບາຌາຈ຅າ຿ຌກ ຿ຎຏຌົ 4 4 0.52 0.695 0.35 ຈີ 5 3 6 2 7 4 8 8 9 9 10 4 . . 52 . ຃ະ຿ຌຌ຋ໄ ໂີ ຈ໅ 100 ຅າກກາຌຘບຍ 0.52 PH ຃ະ຿ຌຌ຾ຉຓັ 0.87 PL ຂ຋໅ ໄ ີ 1 2 3 4 5 6 7 8 9 10 11 12 13  ກາຌຌາແຆເ໅ ຎ຿ກຓ excel ຿ຖະເຎ຿ກຓ SPSS ຾ຂາົ໅ ແຌກາຌນາ຃ຌຌະຑາຍຂບຄ຾຃ໄ ບຄຓ  ຆບກ຃ທາຓງາກຄໄ າງ຿ຖະບາຌາຈ຅າ຿ຌກຂບຄ຿ຍຍ຋ຈົ ຘບຍ຿ຍຍຎະຖະໂຌ 80

 ຆບກ຃ທາຓງາກຄໄາງ຿ຖະບາຌາຈ຅າ຿ຌກຂບຄ຿ຍຍ຋ຈົ ຘບຍ຿ຍຍບຈັ ຉະໂຌ 81

82

8.2 ກາຌຌາແຆ໅ SPSS ຆບກນາ຃ທາຓ຾ຆໄ ບໝຌັ໅ ຂບຄ຾຃ໄ ບຄຓ o ຓຖີ າຈຍັ ຂຌັ໅ ຉບຌຈໄ ຄັ ຌ:ີ໅ ຅ຈັ ຒໄ າງ excel ຋ໄ ຾ີ ຎັຌປູຍ຃ະ຿ຌຌໂທດ໅ ໄ ູ desktop o ຾ຎີຈເຎ຿ກຓ spss ຿ຖທ໅ ຎະຉຍິ ຈັ ຈໄ ຄັ ຌ:ີ໅ File – open - Data 83

ຎໄ ຽຌ Lookin ຾ຎັຌ Desktop ຎໄ ຽຌ Files of type ຾ຎັຌ All Files ຾ຖບກ຾ບາົ ຒໄ າງ຋ໄ ຉີ ບ໅ ຄກາຌ ຿ຖທ໅ ກຈົ open 84

຾ຖບກ variable view ຾ຑໄ ບຎໄ ຽຌຆໄ ຂບຄຉທົ ຎໄ ຽຌ ຿ຖະ ຅ຈັ ຖະຈຍັ ກາຌທຈັ ແນ຾໅ ໝາະຘຓົ 85

ກາຌທ຾ິ ຃າະ Analyze – scale – Reliability Analysis ຾ຖບກຉທົ ຎໄ ຽຌຂາ໅ ຓໂຎ items 86

ກຈົ Statistics ຿ຖທ໅ ຾ຖບກ Scale if item delete d ຿ຖທ໅ ກຈົ OK ຅ະໂຈ໅ 87

຃ທາຓ຾ຆໄ ບໝຌັ໅ ຖທຓ Cronbach's N of Alpha Items .757 11 ຃ທາຓ຾ຆໄ ບໝຌັ໅ ຿ຉໄ ຖະຂ໅ Scale Cronbach's Scale Mean Variance if Corrected Alpha if Item if Item Item Item-Total Deleted Deleted Correlation Deleted V2 104.13 378.671 .582 .728 V3 104.00 378.897 .704 .723 V4 104.10 384.714 .636 .729 V5 102.63 388.378 .715 .729 V6 103.53 400.602 .515 .741 V7 103.57 414.599 .495 .749 V8 103.90 421.197 .365 .755 V9 103.27 395.995 .713 .735 V10 104.23 389.909 .764 .730 V11 104.03 395.826 .476 .740 V12 54.60 108.938 1.000 .835 ຖະຈຍັ ຃ທາຓ຾ຆໄ ບໝຌັ໅ ຂບຄ຾຃ໄ ບຄຓຘາຖຍັ ກາຌທໂິ ຅ຉບ໅ ຄຓ຃ີ ໄ າດໄ າຄໜບ໅ ງ 0.70 ຂຌ໅ ໂຎ຅ໄ ຄຊທໄ າແຆໂ໅ ຈ໅ ຊາ໅ ທ຾ິ ຃າະບບກຓາ຿ຖທ໅ ຃ທາຓ຾ຆໄ ບໝຌັ໅ ຖທຓຍໄ ຾ຊີຄ 0.70 ແນ຾໅ ຖບກຉຈັ ຖາງຂ຋໅ ໄ ຓີ ຃ີ ທາຓ຾ຆໄ ບໝຌັ໅ ຘຄ຋ໄ ຘີ ຈ຿ຖທ໅ ທ຾ິ ຃າະຉໄ ໂຎ຾ຖບ໅ ງໃ຅ຌົ ກທໄ າ຃ທາຓ຾ຆໄ ບໝຌັ໅ ຖທຓໂຈ຃໅ ໄ າ຋ໄ ຉີ ບ໅ ຄກາຌ 88

ຍຈົ ຋ໄ ີ 9 ກາຌທ຾ິ ຃າະກາຌຊຈົ ຊບງ 9.1 ກາຌທ຾ິ ຃າະກາຌຊຈົ ຊບງ຿ຍຍຄໄາງຈາງ ກາຌທ຾ິ ຃າະກາຌຊຈົ ຊບງ຿ຍຍຄໄາງຈາງຎະກບຍຈທ໅ ງຉທົ ຎໄ ຽຌ຾ກຌ 1 ຉທົ ຿ຖະ ຉທົ ຎໄ ຽຌ຋າຌາງ 1 ຉທົ ຆໄ ຄຓີ ຘຓົ ຏຌົ ຂຽຌແຌປູຍ຿ຍຍຂບຄຑາຖາຓ຾ີ ຉ຃ີ : yi  a  bx  ei yi ຃ະ຿ຌຌຂບຄ຃ຌົ ຋ໄ ີ i a ຃ໄ າຘະ຾ຖໄ ງຂບຄຎະຆາກບຌ຾ຓໄ ບ x=0 ນຼ຅ຈຉຈັ y b ຘາຎະຘຈິ ກາຌຊຈົ ຊບງແຌຎະຆາກບຌ ນ຃ຼ ທາຓຆຌັ ຂບຄ຾ຘຌັ໅ ຊຈົ ຊບງ ei ຃ທາຓ຃າຈ຾຃ໄ ບຌຂບຄ຃ຌົ ຋ໄ ີ i ຘາຎະຘຈິ ກາຌຊຈົ ຊບງ b ຾ຎັຌຉທົ ຍໄ ຄົ ຆບີ໅ ຈິ ຋ຑິ ຌົ ຂບຄຉທົ ຎໄ ຽຌຉຌົ໅ ຍຌົ ຉທົ ຎໄ ຽຌຉາຓ (ບະ຋ຍິ າງໂຈຄ໅ ໄາງໃທໄ າ ຊາ໅ x ຎໄ ຽຌ຿ຎຄໂຎ 1 ນທົ ໜໄ ທງ ຿ຖທ໅ y ຅ະຎໄ ຽຌ຿ຎຄໂຎ b ນທົ ໜໄ ທງ) ຘຓົ ຏຌົ ຂຽຌແຌປູຍ຿ຍຍຂບຄຘະຊຉິ ຃ິ : y,  a  bx  e (a,b,e ຾ຎັຌຉທົ ຎະຓາຌ຃ໄ າ) ຾ຌໄ ບຄ຅າກທໄ າ e  y  y,  y ຃຃ະ຿ຌຌຘຄັ ຾ກຈໂຈ໅ y , ຃ະ຿ຌຌ຋ໄໂີ ຈ຅໅ າກກາຌ຋າຌາງ ຈໄ ຄັ ຌຌັ໅  y  y, 2 ຅ະຓ຃ີ ໄ າໜບ໅ ງ຋ໄ ຘີ ຈ ຿ຖະ  e  0 ຈໄ ຄັ ຌຌັ໅ ຘຓົ ຏຌົ ຅ໄ ຄ຾ນບຼ ຑຽຄ຿ຉໄ ຃ໄ າ a ຿ຖະ b ຾຋ໄ າົ ຌຌັ໅ y,  a  bx ຆໄ ຄ b   xy ຿ຖະ a  y bx ນຼ b  N  xy   x y  x2 N  x2   x2 ຉທົ ດໄ າຄ: ທ຾ິ ຃າະຈທ໅ ງເຎ຿ກຓ SPSS ຏູທ໅ ໂິ ຅຾ກຍັ ຂຓ໅ ຌ຅າກກໄ ຓຉທົ ດໄ າຄກໄ ຽທກຍັ ຖທຄຘຄ຿ຖະຌາ໅ ໜກັ ຅າຌທຌ 64 ຃ຌົ ໂຈຏ໅ ຌົ ຈໄ ຄັ ຉາຉະຖາຄຖໄ ຓຌ:ີ໅ ຖທຄຘຄ ຌາ໅ ໜກັ ຖທຄຘຄ ຌາ໅ ໜກັ ຖທຄຘຄ ຌາ໅ ໜກັ ຖທຄຘຄ ຌາ໅ ໜກັ 156 66 158 54 156 62 158 52 132 71 154 47 153 67 160 53 168 71 152 50 162 52 152 56 157 62 157 44 176 75 161 53 172 70 158 45 150 63 150 53 170 60 157 51 162 60 151 45 156 65 150 47 155 60 160 48 175 65 179 80 151 73 150 46 89

150 59 163 71 177 63 173 78 158 60 157 58 151 71 158 47 145 58 162 90 174 58 165 47 150 47 151 42 158 45 158 53 152 43 160 47 165 107 156 48 176 60 165 77 156 45 150 47 157 52 155 75 160 47 163 65 172 52 166 78 157 54 158 56  ທ຋ິ ກີ າຌທ຾ິ ຃າະ  ຂຉ໅ ກົ ຖຄົ ຾ຍບ໅ ຄຉຌົ໅  ກໄ ຓຉທົ ດໄ າຄຉບ໅ ຄ຾ຎັຌຉທົ ຿຋ຌແນ຿໅ ກໄ ຎະຆາກບຌ (ໝາງທໄ າຉບ໅ ຄຓກີ າຌຘໄ ຓດໄ າຄຊກຉບ໅ ຄ)  ຉທົ ຎໄ ຽຌຉຌົ໅ ຿ຖະຉທົ ຎໄ ຽຌຉາຓຉບ໅ ຄຘາຑຌັ ກຌັ ດໄ າຄຓ຾ີ ນຈຏຌົ ຿ຖະ຾ຎັຌ຃ທາຓຘາຑຌັ ຿ຍຍ຾ຘຌັ໅ ຆໄ  ຃ທາຓ຃າຈ຾຃ໄ ບຌຓກີ າຌກະ຅າງ຿ຍຍຎົກກະຉິ  ຍໄ ຓ຃ີ ທາຓຘາຑຌັ ກຌັ ຘຄແຌຂຓ໅ ຌຉທົ ຎໄ ຽຌຉຌົ໅ ຉທົ ດໄ າຄ຃ທາຓຘາຑຌັ ຿ຍຍ຾ຘຌັ໅ ຆໄ ຾ຘຌັ໅ ຆໄ ແຈໜາ໅ ຅ະ຾ຎັຌຉທົ ຿຋ຌຂບຄ຃ທາຓຘາຑຌັ 90

຿ຓໄ ຌ຾ຘຌັ໅ ຆໄ ຋ໄ ດີ ໄ ູ຋າຄກາຄນຼຍໄ ? ຿ຓໄ ຌ຾ຘຌັ໅ ຆໄ ຋ໄ ຓີ ຃ີ ທາຓ຃າຈ຾຃ໄ ບຌກາຖຄັ ຘບຄໜບ໅ ງ຋ໄ ຘີ ຈ 91

7. ທ຋ິ ກີ າຌແຆເ໅ ຎ຿ກຓ SPSS ທ຾ິ ຃າະຂຓ໅ ຌ  ກທຈ຾ຍໄ ຄີ ທໄ າຂຓ໅ ຌຓກີ າຌ຿຅ກ຿຅ຄ຾ຎັຌເ຃ຄ໅ ຎົກກະຉນິ ຍຼ ໄ ? 92

93

຅ະໂຈຏ໅ ຌົ ກາຌທ຾ິ ຃າະຈໄ ຄັ ຖໄ ຓຌ:ີ໅ ຘຄັ ຾ກຈ຅າກຉາຉະຖາຄ຾ນຌັ ທໄ າ ຃ທາຓຘຄ ໂຈ຃໅ ໄ າ຃ທາຓ຾ຍ໅ 0.252 ຃ທາຓເຈໄ ຄ 0.791 ໜບ໅ ງກທໄ າ 1 ຘະ຿ຈຄທໄ າ຾ຎັຌເ຃ຄ໅ ຎົກກະຉິ ຘໄ ທຌ ຌາ໅ ໜກັ ໂຈ຃໅ ໄ າ຃ທາຓ຾ຍ໅ 1.212 ຃ທາຓເຈໄ ຄ 2.122 ນຼາງກທໄ າ 1 ຘະ຿ຈຄທໄ າຂຓ໅ ຌຂບຄຌາ໅ ໜກັ ຓກີ າຌ ຿຅ກ຿຅ຄຍໄ ຾ຎັຌເ຃ຄ໅ ຎົກກະຉິ ຈໄ ຄັ ຌຌັ໅ ຅ໄ ຄຉບ໅ ຄຓກີ າຌຉຈັ case ຋ໄ ຓີ ຃ີ ທາຓ຃າຈ຾຃ໄ ບຌຘຄນ຃ຼ ໄ າ຋ໄ ຏີ ຈິ ຎົກກະຉບິ ບກຈໄ ຄັ ທ຋ິ ກີ າຌຉໄ ໂຎຌ:ີ໅ 94

95

ນຄຼັ ຅າກຌຌັ໅ ກຈົ OK 96

຅າກຌຌັ໅ ຾ປາົ ກທຈເ຃ຄ໅ ຎົກກະຉບິ ກີ ຃ຄັ໅ ໜໄ ຄ ຘຄັ ຾ກຈ຅າກຉາຉະຖາຄ຾ນຌັ ທໄ າ ຃ທາຓ຾ຍ໅ ຿ຖະ຃ທາຓເຈໄ ຄຂບຄຖທຄຘູຄ຿ຖະຌາ໅ ໜກັ ຓ຃ີ ໄ າໜບ໅ ງກທໄ າ 1 ຘະ຿ຈຄທໄ າຂຓ໅ ຌ ຂບຄຖທຄຘູຄ຿ຖະຌາ໅ ໜກັ ຾ຎັຌເ຃ຄ໅ ຎົກກະຉິ ຉບຍຘະໜບຄຉາຓຂຉ໅ ກົ ຖຄົ ຾ຍບ໅ ຄຉຌົ໅ ຈໄ ຄັ ຌຌັ໅ ຾ປາົ ຘາຓາກທ຾ິ ຃າະຂຓ໅ ຌ຾ຑໄ ບ ຆບກນາຘຓົ ຏຌົ ຿ຍຍ຾ຘຌັ໅ ຆໄ ຂຶ ບຄຂຓ໅ ຌໂຈ໅ ຆໄ ຄຓທີ ຋ິ ກີ າຌຈໄ ຄັ ຖໄ ຓຌ:ີ໅ ທ຋ິ ທີ ຾ິ ຃າະກຈົ Analyze – Regression – Linear ຈໄ ຄັ ປູຍດໄ ູຖໄ ຓ 97

ນຄຼັ ຅າກຌຌັ໅ ກຈົ OK 98

Model Summaryb Change Statistics R Adjusted R Std. Error of R Square Sig. F Square the Estimate Change Change Model R Square .103 F Change df1 df2 1 9.937 1 60 .006 .343a .118 .118 7.989 a. Predictors: (Constant), hight b. Dependent Variable: weight ANOVAa Model Sum of df Mean F Sig. Squares 1 Square 17.288 .000b 60 1501.656 1 Regression 1501.656 61 86.860 Residual 5211.586 Total 6713.242 a. Dependent Variable: waight b. Predictors: (Constant), heigh Coefficientsa Unstandardized Standardized Coefficients Coefficients Model B Std. Error Beta t Sig. -.310 .758 1 (Constant) -7.092 22.910 2.826 .006 hight .407 .144 .343 a. Dependent Variable: weight ຘຄັ ຾ກຈ຅າກຉາຉະຖາຄ ANOVA ແນ຃໅ ໄ າ sig 0.00 ໝາງ຃ທາຓທໄ າຓ຃ີ ທາຓຘາ຃ຌັ ຋າຄຘະຊຉິ ິ Rsquare = 0.118 ໝາງທໄ າຘຓົ ຏຌົ ຘາຓາຈ຋າຌາງໂຈຑ໅ ຽຄ຿ຉໄ 11.8% ຉາຉະຖາຄ Coefficients ໂຈ຃໅ ໄ າ a= -7.092 b= 0.407 ຈໄ ຄັ ຌຌັ໅ ຘຓົ ຏຌົ ກາຌຊຈົ ຊບງ຿ຓໄ ຌ Y= -7.092 + 0.407 X  ກາຌຌາຘະ຾ໜຏີ ຌົ ຘຓົ ຏຌົ ຂບຄກາຌຊຈົ ຊບງ Y= -7.092 + 0.407 X ຊາ໅ ຖທຄຘຄ຾ຑໄ ຓີ ຂຌ໅ 1 cm ຌາ໅ ໜກັ ຅ະ຾ຑໄ ຓີ ຂຌ໅ 0.407 kg 99

຾ຘຌັ໅ ຘະ຿ຈຄ ຘະ຾ໜ຿ີ ຍຍຉາຉະຖາຄ ຉທົ ຋າຌາງ B S.E Beta t sig ຖທຄຘຄ 0.407 0.144 0.343 2.826 .006 ຉທົ ຃ຄົ ຃ໄ າ -7.092 22.910 -0.310 .758 R2  0.118 , SEE= 9.937 , F=7.989 , sig of F=.000b ຘຓົ ຏຌົ ກາຌຊຈົ ຊບງຓີ ຘບຄ຿ຍຍ ຃ ຘຓົ ຏຌົ ຋າຄຍທກ ຿ຖະ ຋າຄຖຍົ 100