สถิติเพื่อทดสอบสมมติฐาน

6 เอกสารประกอบการสอน รายวิชา NG 8002 สถิติและการวิจยั สำหรบั การพยาบาลเวชปฏิบัติชุมชน (Statistics and research for community practitioner nursing) อ.ดร.นพนฐั จำปาเทศ RN, M.Ed. (Research & Statistics), Ph.D. (Tropical Medicine) สถิติเพือ่ ทดสอบสมมติฐานการวิจัย บทนำ สถิติที่ใช้ในการจัดกระทำกับข้อมูลในกระบวนการวิจัย โดยในภาษาอังกฤษ ได้แก่ “Statistic” “Statistics” และ “Biostatistics” ซึง่ มคี วามหมายดังน้ี “Statistic” หมายถึง ค่าสถิตติ วั หนงึ่ ๆ ไดม้ าจากการคำนวณ เช่น ค่าเฉลีย่ ค่าเบยี่ งเบนมาตรฐาน อัตรา การเกิด อัตราการตาย เปน็ ต้น “Statistics” มีความหมาย 2 ความหมาย ดังนี้ 1) ความหมายที่ 1 คือตัวเลขหลายจำนวน ท่ีถกู เก็บรวบรวมเพอื่ แสดงลักษณะหรือคุณสมบัติของบุคคล ส่งิ ของ เร่ืองราว ปรากฏการณ์ ตา่ งๆ เชน่ สถิติประชากร สถิตชิ ีพ ปริมาณน้ำฝนในปตี า่ ง ๆ เปน็ ตน้ 2) ความหมายท่ี 2 คือวิชาสถิตศิ าสตร์ เป็นเนือ้ หาท่ีประกอบด้วยการเก็บรวบรวมข้อมูล การจำแนก ประเภท การวิเคราะห์และแปลความหมายข้อมูล เพือ่ บรรยายหรอื สรุปเกยี่ วกับคณุ ลกั ษณะของสิ่งที่ศึกษา “Biostatistics” หมายถึง วิชาสถิตทิ ่ถี ูกนำไปประยุกตใ์ ชก้ บั ข้อมูลสุขภาพ สาธารณสขุ หรือข้อมูลทางด้าน ชวี การแพทย์ (Biomedical) สถิตทิ ี่ใชใ้ นการจัดกระทำกับข้อมูลในกระบวนการวิจยั แบ่งได้เปน็ ประเภทตา่ ง ๆ ดงั น้ี 1. สถิติพรรณนาหรือสถิตเิ บอ้ื งต้น เปน็ สถิตสิ ำหรบั การบรรยาย หรือพรรณนาหรอื อธิบายการกระจาย หรือแจกแจง (Distribution) ของข้อมูล เพื่อแสดงถึงการกระจายของโรคหรอื ปัญหาสุขภาพ และความ เก่ยี วขอ้ งของปัจจัยท่เี ปน็ สาเหตุของการเกิดโรคหรือปัญหาสุขภาพ (Determinant, exposure) เชน่ ร้อยละ สัดสว่ น คา่ กลาง คา่ การกระจาย เป็นตน้ รวมทัง้ สถติ ชิ ีพหรือดชั นที างสขุ ภาพ เชน่ อตั ราป่วย อตั ราตาย ความ ชุกและอุบตั ิการณ์ของการเกดิ โรคหรือปัญหาสขุ ภาพ เป็นตน้ จะใชใ้ นการศกึ ษาทางระบาดวทิ ยาเชิงพรร ณนา (Descriptive epidemiological study) 2. สถติ ิอนมุ านหรือสถิตเิ พอ่ื ทดสอบสมมตฐิ าน เป็นสถติ ินำขอ้ มลู มาจัดกระทำเพ่ือมุ่งตอบคำถา มของ การศกึ ษาวิจยั ถงึ ความเกยี่ วข้องของปจั จัยหรอื ตวั แปรต่าง ๆ เชน่ t-test, ANOVA, Odds/Risk ratio เป็นต้น จะใชใ้ นการศึกษาทางระบาดวทิ ยาเชิงวเิ คราะห์ (Analytic epidemiological study) 3. สถิตใิ นการวเิ คราะห์คุณภาพเครอ่ื งมอื ในการเก็บรวบรวมข้อมลู เปน็ สถติ ิทีใ่ ชใ้ นการอธบิ ายถึงความ เทย่ี งตรง ความแมน่ ยำ หรือความถูกตอ้ งของแบบสอบถาม แบบทดสอบ ที่ใชใ้ นการเกบ็ รวบรวมข้อมลู เช่น CVI, IOC, α Cronbach, Sensitivity/Specificity เปน็ ตน้ 4. สถิติในการคำนวณจำนวนหรือขนาดของกลุ่มตัวอย่าง สำหรบั เนือ้ หาในเอกสารประกอบการสอนฉบับนี้ จะอธบิ ายเฉพาะสถติ ิอนุมานหรือสถิตเิ พื่อทดสอบ สมมติฐาน

7 หมายเหตุ การแบง่ ประเภทของสถติ ิ แบง่ ไดห้ ลายวธิ ี ดงั น้ี 1. แบ่งตามการนำไปใช้ ได้แก่ 1.1 Descriptive statistics (สถิติเบือ้ งตน้ หรือบรรยาย หรอื พรรณนา) เป็นสถติ ิที่ใชอ้ ธิบายขอ้ มลู ท่รี วบรวมไว้ 1.2 Inferential statistics (สถติ อิ า้ งอิง หรือ สถติ ิอนุมาน หรือ สถติ ิเพ่อื ใช้ทดสอบสมมตฐิ าน) เป็นสถิติท่ีใช้ วิเคราะหแ์ ปลขอ้ มูลจากกลมุ่ ตวั อย่าง แลว้ นำทฤษฎีความนา่ จะเป็นมาใช้อา้ งอิง สรปุ ไปสู่ประชากร 2. แบง่ ตามจำนวนตวั แปรท่ีศึกษา ดงั นี้ 2.1 Univariate statistics เปน็ การวเิ คราะหค์ า่ สถิติของขอ้ มลู 1 ชุด และพจิ ารณาความเก่ียวข้องของขอ้ มูลชุด นน้ั กับคา่ หรอื คะแนน หรือเกณฑ์มาตรฐาน 2.2 Bivariate statistics เป็นการวิเคราะหค์ า่ สถติ ิของข้อมูลความเก่ยี วขอ้ งของขอ้ มูล/ตัวแปร 2 ตัว 2.3 Multivariate statistics เป็นการวิเคราะห์คา่ สถติ ขิ องขอ้ มลู ความเกี่ยวขอ้ งของข้อมูล/ตัวแปรมากกวา่ 2 ตวั 3. แบ่งตามขนาดตัวอย่าง และการกระจายข้อมูล ดังน้ี 3.1 Parametric statistics (การทดสอบสมมตฐิ านทีใ่ ช้พารามิเตอร์) ใช้สำหรบั การวิเคราะห์เพื่อทดสอบ สมมตฐิ าน เม่อื ขอ้ มูลท่ไี ดม้ ีการกระจายเปน็ โค้งปกติ (Normal distribution) 3.2 Non – parametric statistics (การทดสอบสมมตฐิ านท่ไี ม่ใช้พารามิเตอร์) ใชส้ ำหรับการวิเ ครา ะห์เ พ่ือ ทดสอบสมมติฐาน เมอื่ ข้อมลู ที่ได้มกี ารกระจายเป็นแบบใดก็ได้ (Free distribution) สถิติอนมุ าน (Inferential statistics) หรอื สถิติเพื่อทดสอบสมมตฐิ าน (Hypothesis testing statistics) เปน็ สถิติที่ใช้เพื่อการวิเคราะห์ เพอ่ื มงุ่ หาความเกย่ี วข้อง (Association or relation) ระหวา่ งปัจจัยหรือตัว แปร ซึง่ มีท้ังการทดสอบความเกยี่ วขอ้ งระหว่าง 2 ตวั แปร (Bivariate analysis) และความเกยี่ วข้องแบบหลาย ตัวแปร (Mutivariate analysis) ประเภทและหลักการการเลือกใช้สถติ อิ นมุ าน สถติ ิอนุมานหรอื สถิติเพื่อทดสอบสมมติฐาน ซึ่งส่วนใหญจ่ ะพบในการศึกษาทางระบา ดเชิงวิเครา ะห์ (Analytics epidemiology study) และการศึกษาวจิ ยั ทั่ว ๆ ไป ซึง่ มีหลายประเภทขึ้นอยูก่ บั ลักษณะของการ แบ่ง เชน่ แบง่ ตามการแจกแจงขอ้ มูล หรอื แบง่ ตามจำนวนตัวแปรที่ศึกษา เปน็ ต้น ดังน้ี 1. แบง่ ตามการแจกแจงข้อมูล normal distribution จะแบง่ เปน็ 2 ประเภท ไดแ้ ก่ 1.1 Parametric Statistics ใช้ในกรณี ข้อมูลแจกแจงเปน็ normal distribution 1.2 Non - parametric Statisticsใชใ้ นกรณี ขอ้ มูลมกี ารแจกแจงแบบอนื่ 2. แบง่ ตามจำนวนตวั แปรท่ศี ึกษา (ทดสอบแต่ละสมมติฐาน ไม่ใช่ จำนวนตวั แปรทัง้ หมดท่ีศึกษา) ไดแ้ ก่ 2.1 Bivariate เป็นการวเิ คราะห์ความเกี่ยวข้องระหว่างปัจจัย 2 ตวั 2.2 Multivariate เปน็ การวิเคราะห์ความเก่ียวข้องระหวา่ งปัจจยั 3 ตัวข้ึนไป ในที่นี้จะกล่าวถึงการแบ่งเป็น Bivariate ซึ่งมีทั้ง Parametric Statistics และNon - parametric Statistics ส่วนสถิติอนมุ านแบบ Multivariate จะใช้หลักการของ regression ซ่ึงในบททน้จี ะเป็นการ สรุป หลกั การและสาระสำคัญเทา่ นน้ั หลักการการเลอื กใช้สถติ อิ นมุ าน ในทีน่ ี้จะอธบิ ายหลกั การเลอื กใชเ้ ฉพาะสถติ อิ นุมานประเภท Bivariate เท่านน้ั โดยที่สถิตอิ นุมานประเภท Bivariate เป็นการหาความเกีย่ วข้องระหวา่ งตัวแปร 2 ตัว (ในแต่ละสมมตฐิ านการวจิ ัย) โดยทไ่ี มส่ นใจตัวแปร อื่น ๆ (Confounder) ถึงแม้ว่าตัวแปรเหล่าน้ันจะมีความเกี่ยวข้องกับตัวแปรหลักที่เราสนใจศึกษา การ

8 พิจารณาการเลอื กใช้สถิติอนุมานให้ถูกต้องเหมาะสมให้พิจารณา “ตัวแปรตาม (Dependent) หรอื ตัวแปร ผลลพั ธ์ (Outcome)” เปน็ อนั ดบั แรกว่าเป็นข้อมูลเชงิ กลุ่มหรือเชิงปริมาณ และจึงพจิ ารณา “ตัวแปรสาเหตุ (Exposure หรอื ตัวแปรตน้ หรอื ตวั แปรอิสระ (Independent)” ตอ่ ไปว่าเปน็ ขอ้ มลู เชิงกลุ่มหรือเชิงปริมาณ ดงั นี้ 1. หลักการเลือกใช้สถิตอิ นุมานโดยพจิ ารณาประเภทหรือระดับการวัดขอ้ มูลของตวั แปร มีหลักการ เลือกใช้ ดงั นี้ 1.1 ตวั แปรตามเปน็ ข้อมลู เชิงกลุ่ม ใหพ้ จิ ารณาตัวแปรอิสระว่า เป็นตวั แปร เชิงกลุ่มหรือเชิง ปรมิ าณ ซึง่ สถติ ิท่ีใช้จะเปน็ สถติ ิกลุ่ม Non-parametric ดังต่อไปน้ี 1) ตวั แปรอิสระเป็นข้อมลู เชิงกลมุ่ และมีจำนวนกลุ่มย่อย 2 กลมุ่ หรือมากกว่า 2 กลุม่ ดงั นี้ 1.1) ตัวแปรอสิ ระเปน็ ข้อมลู เชิงกลุ่ม 2 กลุ่มย่อย สถิติที่เลอื กใช้ได้แก่ Pearson Chi- square, Fisher exact test, Connutity Chi-square, Odds ratio, Relative risk, Binary Logistic regression เป็นตน้ 1.2) ตัวแปรตน้ เปน็ ข้อมูลเชิงกลุ่มต้ังแต่ 3 กล่มุ ย่อยข้นึ ไป สถิตทิ ่เี ลอื กใช้ ได้แก่ Pearson Chi-square, Likelihood ratio, Binary Logistic regression เป็นตน้ 2) ตวั แปรอสิ ระเปน็ ข้อมลู เชงิ ปรมิ าณ สถติ ทิ ่ีเลือกใช้ Binary Logistic regression ซ่ึงใช้กับ ตัวแปรตามเชิงกล่มุ 2 กลุม่ ย่อยเทา่ นน้ั (สามารถปรับตัวแปรตน้ ใหเ้ ป็นเชงิ กล่มุ และเลือกใช้สถิติได้ตาม 1.1) 1.2 ตัวแปรตามเปน็ ขอ้ มลู เชิงปริมาณ ใหพ้ ิจารณาตวั แปรอสิ ระวา่ เป็นขอ้ มูลเชิงกลุ่มหรือเชงิ ปรมิ าณ ดังนี้ 1) ตวั แปรอิสระเปน็ ขอ้ มูลเชงิ กลุ่มและมีจำนวนกลุ่มยอ่ ย 2 กลมุ่ หรอื มากกวา่ 2 กลุม่ ดังนี้ 1.1) ตัวแปรอิสระเปน็ เชิงกลมุ่ 2 กลมุ่ ยอ่ ย สถติ ิท่ีเลอื กใช้ ได้แก่ - Parametric statistics ได้แก่ t-test, One Way Analysis of Variance, Linear regression - Non-parametric statistics ไดแ้ ก่ Mann Whitney U test 1.2) ตวั แปรอิสระเป็นข้อมลู เชิงกล่มุ ตัง้ แต่ 3 กลุ่มยอ่ ยขน้ึ ไป สถิติท่เี ลือกใช้ ไดแ้ ก่ - Parametric statistics ไดแ้ ก่ One Way Analysis of Variance, Linear regression, t-test, One Way Analysis of Variance, Linear regression - Non-parametric statistics ได้แก่ Kruskal-wallis Test 2) ตัวแปรอสิ ระเปน็ ข้อมลู เชิงปริมาณ สถติ ิทเี่ ลอื กใช้ Pearson Product Moment (ถ้า ขอ้ มลู ไม่เปน็ โคง้ ปกตแิ นะนำให้ปรับขอ้ มลู ใหเ้ ป็นเชงิ กลุ่มแลว้ เลือกใช้สถิตเิ ม่อื ตัวแปรอิสระเป็นขอ้ มลู เชิงกลุ่ม) หมายเหตุ 1. One Way Analysis of Variance สามารถใชว้ เิ คราะหก์ ารเปรยี บเทยี บค่าเฉลย่ี ต้งั แต่ 2 กลุ่มขึน้ ไป ซึง่ ค่าสถิตทิ ่ี วเิ คราะห์ได้คอื คา่ F และพจิ ารณานัยสำคัญทางสถติ แิ บบ F distribution โดยที่ F= t2 ซงึ่ ค่าสถิติ t ได้จากการวเิ คราะห์ดว้ ย สถติ ิ t -test และพิจารณานยั สำคัญทางสถิติแบบ t distribution 2. Linear regression ในกรณีที่ตวั แปรเชิงกลุ่มท่มี ีจำนวนกลุ่มยอ่ ยมากกวา่ 2 กลุ่มย่อย ต้องแปลงข้อมูลใหม้ ีลักษณะ เปน็ แปรดัมม่ี (dummy variable)

9 ตารางที่ 1 สถิติอนมุ านกับประเภทของขอ้ มูล แผนภาพที่ 1 แนวทางการเลือก Parametric statistics เมือ่ ตวั แปรตามเปน็ ข้อมลู เชงิ ปริมาณ แผนภาพที่ 2 แนวทางการเลือก Non - parametric statistics เมอ่ื ตวั แปรตามเปน็ ขอ้ มลู เชิงปริมาณ

10 แผนภาพท่ี 3 แนวทางการเลือก Non - parametric statistics เมือ่ ตวั แปรตามเปน็ ข้อมูลเชิงกลุ่ม ประเด็นสำคัญทเ่ี ก่ียวข้องกับสถติ ิเพอ่ื ทดสอบสมมตฐิ าน ปัจจยั หรือตวั แปร สมมติฐานการวิจัยและสถติ ิ คา่ นยั สำคญั ทางสถิติ และความคลาดเคลอ่ื น เปน็ ประเด็น สำคญั ทเ่ี ก่ียวขอ้ งกับสถติ ิอนุมานท่ตี ้องทำความเขา้ ใจเพื่อชว่ ยในการลอื กใชส้ ถิติและการแปลผลการวิเครา ะห์ ได้ถกู ต้อง โดยมีรายละเอยี ดดังนี้ 1. ปจั จัยหรอื ตวั แปร (Factor or variables) หมายถึง ส่งิ ทีผ่ ูว้ จิ ยั สนใจจะศึกษาและเปลย่ี นแปลงได้หรือมี ความแตกตา่ งกันในแตล่ ะบคุ คล แบง่ เป็น 3 ประเภทดงั ตอ่ ไปนี้ 1.1 ปจั จยั หรอื ตัวแปรตาม หรอื ตัวแปรผลลัพธ์ (Dependent or outcome variable) เป็นตัวแปร หรือส่ิงทผ่ี ู้วจิ ัยจะศึกษาหลกั ของการศึกษาวิจัยครั้งนั้นอาจจะเรียกได้หลายอยา่ ง ได้แก่ ตัวแปรผลลัพธ์ (Outcome) หรอื ตัวแปรผล (Effect) หรือ การเป็นโรค/ไมเ่ ป็นโรค (Disease) เปน็ ปจั จัยทถ่ี กู ตั้งคำถามถึงการ กระจาย (Distribution) ว่าปัจจยั นีม้ ีลักษณะอยา่ งไร มีความชุกหรืออบุ ัตกิ ารณเ์ ท่าใด รวมทัง้ ค้นหาว่ามีปัจจัย ใดทเ่ี ก่ียวขอ้ งหรอื สัมพนั ธ์หรือส่งผลหรอื มอี ทิ ธิพลหรอื ทำนายการเปลย่ี นแปลงของปจั จยั น้ีได้ (Polit & Beck. (2014:42) 1.2 ปัจจัยหรอื ตัวแปรตน้ หรือตัวแปรอิสระหรือปจั จัยทีเ่ ป็นสาเหตุ (Independent variable or exposure or cause) เป็นปจั จยั หรอื ตัวแปรท่ีกระตุ้นหรือส่งผลหรือมอี ิทธิพลหรือทำนายการ เปลี่ยน แปลง ของตวั แปรตาม กรณีการศึกษาวิจยั เชิงทดลองตัวแปรอิสระ คือ Intervention ทใี่ ช้ในการทดลอง 1.3 ปัจจัยหรือตัวแปรเกินหรือตัวแปรรบกวน (Third variables or confounder) เป็นปัจจัยที่ รบกวนความสมั พันธ์ระหวา่ งปจั จัยสาเหตุกับผลลัพธห์ รือตัวแปรตาม อาจทำใหล้ ักษณะความสมั พันธ์มีความ คลาดเคล่ือนไปจากความเปน็ จรงิ ได้ ควรมีการกำจดั หรือควบคุมอทิ ธิพลของตัวแปรตวั นี้โดยการออกแบบการ วจิ ัยหรอื การใชส้ ถิติเพื่อขจดั อทิ ธพิ ลของตวั แปรเกิน

11 หมายเหตุ เปรยี บเทยี บตวั แปรตามกบั ตัวแปรอิสระ 2. สมมติฐาน (Hypothesis) เปน็ ผลลพั ธ์ของการศึกษาท่ีคาดวา่ จะเกิดข้ึนกอ่ นการเกบ็ ข้อมลู โดยท่ัวไป เป็นขอ้ ความหรอื สญั ลักษณ์ที่แสดงความเก่ียวข้อง (Association) ระหวา่ งตวั แปร 2 ตัวข้ึนไป โดยถ้าแสดงเป็น ข้อความ จะเรยี กว่า สมมติฐานการวิจัย (Research hypothesis) และถา้ เป็นสญั ลกั ษณ์ทางคณิตศาสตร์จ ะ เรียกวา่ สมมตฐิ านทางสถติ ิ (Statistical hypothesis) ดังตัวอย่าง ตัวอย่างที่ 1 การศึกษาเชิงทดลองเพ่ือทดสอบวิธีการสอน 2 วิธี (การสอนรายบคุ คล และการสอนเป็น กลุ่ม) ให้ผ้ปู ว่ ยโรคไมต่ ิดเชื้อมคี ะแนนพฤตกิ รรมการออกกำลงั กายอยา่ งสมำ่ เสมอ ตัวแปรตาม คอื คะแนนพฤติกรรมการออกกำลังกาย และ ตัวแปรสาเหตุ คอื วิธีการสอน 2 วิธี สมมตฐิ านการวิจยั คอื “วิธีการสอน 2 วธิ ี มีผลตอ่ คะแนนพฤติกรรมการออกกำลังกายตา่ งกนั ” หมายเหตุ สมมตฐิ านการวจิ ัยสามารถแบง่ เปน็ ชนิดตา่ ง ๆ ได้ดังนี้ 1. สมมตฐิ านทแ่ี สดงความเกี่ยวขอ้ งระหวา่ ง ตัวแปรตามและตวั แปรสาเหตุอย่างละ 1 ตัวแปร 2. สมมตฐิ านท่ีแสดงความเกยี่ วขอ้ งระหวา่ งตัวแปรมากกว่า 2 ตวั แปรข้นึ ไป เขยี นขอ้ ความแสดงความสัมพนั ธไ์ ดห้ ลาย ลักษณะ เช่น - สมมตฐิ านทม่ี ตี ัวแปรสาเหตุมากกวา่ 1 ตัวแปร และตัวแปรตาม 1 ตวั แปร เช่น ลกั ษณะส่วนบุคคลไดแ้ ก่ เพศ อายุ ระดบั การศึกษา การสูบบุหร่ี ภาวะอว้ นลงพุง ไขมนั ในเลือด มคี วามสัมพนั ธก์ ับคะแนนความเสย่ี งตอ่ การเกดิ โรคหวั ใจและ หลอดเลอื ด โดยท่ีตัวแปรอสิ ระได้แก่ เพศ อายุ ระดบั การศึกษา การสูบบหุ ร่ี ภาวะอ้วนลงพงุ ไขมนั ในเลอื ดและตวั แปรตาม คือ ความเส่ยี งต่อการเกิดโรคหวั ใจและหลอดเลือด - สมมตฐิ านทม่ี ีตัวแปรสาเหตุ 1 ตวั แปรและตวั แปรตามตงั้ แต่ 2 ตัวแปรข้ึนไป เชน่ สตรีตง้ั ครรภค์ รัง้ แรกทไ่ี ด้รับการ สอนให้เลย้ี งบตุ รด้วยนมตนเองจะประสบความสำเรจ็ ในการเลี้ยงบตุ รดว้ ยนมตนเองและมีความวิตกกงั วลน้อยกว่าสตรีท่ี ไมไ่ ดร้ บั การสอน โดยท่ีตัวแปรอสิ ระ คอื การสอนใหเ้ ล้ยี งบุตรด้วยนมตนเอง และตัวแปรตาม 2 ตวั แปร ไดแ้ ก่ ความสำเร็จ ในการเล้ียงบตุ รด้วยนมตนเองและการลดความวติ กกังวล สำหรับสมมติฐานทางสถิติ จะใชส้ ญั ลกั ษณเ์ พอื่ ระบุความเกีย่ วข้องระหว่างตัวแปรตามและตัวแปรสาเหตุท่ี แปลงมาจากสมมตฐิ านการวจิ ัย มี 2 ประเภท ดังน้ี 1) สมมตฐิ านกลาง (Null hypotheses) เปน็ ข้อความที่แสดงถึงความไม่เกยี่ วขอ้ งระหว่างตวั แปรตาม และตวั แปรสาเหตุ ใช้สัญลกั ษณ์ คอื H0 จะแสดงถึงความไมต่ ่างกันหรือไมส่ ัมพันธ์กันระหว่างตวั แปร 2) สมมติฐานทางเลือก (Alternative hypothesis) สัญลักษณ์ คือ H1 หรือ HA โดยทั่วไปจะเปน็ สมมตฐิ านท่ีคาดว่าจะเกิดข้นึ และมีลักษณะตรงข้ามกบั สมมติฐานกลาง

12 ตัวอย่างการเขยี นสมมติฐานทางสถติ ิ สมมตฐิ านทางสถิติ สมมติฐานการวจิ ยั H0: µ1 = µ2 คะแนนเฉลีย่ พฤตกิ รรมสง่ เสรมิ สขุ ภาพของของเพศหญิง H1: µ1  µ2 หรือ µ1 > µ2 หรือ µ1 < µ2 และชายตา่ งกนั H0: P1 = P2 สดั สว่ นความคิดเห็นท่เี หน็ ด้วยกับการทำแทง้ เสรขี อง H1: P1  P2 หรอื P1 > P2 หรือ P1 < P2 เพศชายและหญิงตา่ งกนั 3. คา่ นยั สำคัญทางสถติ ิและความคลาดเคลอ่ื น ในผลการทดสอบสมมตฐิ านทางสถติ จิ ะมผี ลการตัดสินใจ 2 ลักษณะ คอื 1) ยอมรับ (Accept) สมมตฐิ านทางเลอื ก เป็นผลการทดสอบที่มนี ยั สำคญั ทางสถิติ (Significant) และ 2) ไม่ยอมรับ (Reject) สมมติฐานทางเลือก เป็นผลจากการทดสอบที่ไม่มนี ยั สำคญั ทางสถิติ (Non- significant) ดังตวั อย่าง สมมติฐานการวจิ ยั : คะแนนเฉล่ียพฤติกรรมสง่ เสรมิ สุขภาพของของเพศหญงิ และชายต่างกัน สมมติฐานทางสถติ ิ : H0 : µ1 = µ2 , H1 : µ1  µ2 เม่อื µ1 = คะแนนเฉลยี่ พฤติกรรมส่งเสริมสุขภาพของของเพศหญงิ µ2 = คะแนนเฉลย่ี พฤตกิ รรมสง่ เสริมสุขภาพของของเพศชาย ถ้าจากการทดสอบปรากฏวา่ ปฏเิ สธสมมติฐานว่าง (H0 : µ1 = µ2 ) หรอื ยอมรบั สมมตฐิ านทางเลอื ก (H1 : µ1 µ2 ) แสดงวา่ สนับสนนุ สมมติฐานการวจิ ยั ท่ีว่า คะแนนเฉลี่ยพฤติกรรมสง่ เสริมสขุ ภาพของ ของเพศหญิงและชายต่างกัน การทดสอบสมมติฐานเปน็ การตดั สนิ ใจยอมรับหรอื ปฏิเสธสมมติฐาน อาจเกดิ ความผิดพลา ด หรือ ความคลาดเคล่ือน (Error) ในการตัดสินใจได้ ซง่ึ ความคลาดเคล่อื นแบง่ เป็น 2 ลกั ษณะคือ 1) ความคลาดเคลื่อนชนิดที่ 1 (Type I Error) แทนด้วยสัญลักษณ์ α (Alpha) เป็นความคลาด เคลื่อนท่ียอมรับได้ หมายถึง อาจเกิดผลลัพธท์ ีไ่ มส่ อดคล้องกับสมมติฐานทางเลอื กได้น้อยกว่ารอ้ ยละ 5 (α <0.05) โดยท่มี ากกวา่ ร้อยละ 95 (>1- α) สอดคล้องกับสมมตฐิ านทางเลอื ก 2) ความคลาดเคลื่อนชนิดที่ 2 (Type II Error) แทนด้วยสัญลักษณ์ β (Beta) เป็นความคลาด เคลื่อนท่เี กิดข้ึนไดใ้ นการทดสอบสมมติฐานทางสถิติ ทีเ่ ป็นไปได้ทจ่ี ะเกิดผลลพั ธ์ท่ีสอดคล้องกบั สมมติฐานกลาง โดยทสี่ มมติฐานกลางนั้นไม่เปน็ จรงิ โดยทั่วไปจะยอมรับความคลาดเคลื่อนนีไ้ ดท้ ี่น้อยกวา่ ร้อยละ 20 ในการปฏเิ สธสมมตฐิ านกลาง หรือพบความน่าจะเป็นในการเกิดความคลาดเคลอื่ นประเภทที่ 1 จะมี การกำหนด “ระดับท่ยี อมรบั ไดข้ องการเกิดความคลาดเคล่ือน” หรือเรียกวา่ การกำหนด “ระดบั นัยสำคัญ” (Level of Significance or α) หมายความว่า ถ้าดำเนินการวิจัยหรือเก็บข้อมูลแบบเดิมและทดสอบ สมมติฐานซ้ำ ๆ กนั 100 ครงั้ โอกาสของความนา่ จะเป็นทจี่ ะไมเ่ กิดผลลัพธ์ของการวิจัยที่สอดคล้องกันน้อย กวา่ 5 ครง้ั ใน 100 ครั้ง แสดงวา่ จะเกิดผลลัพธ์ที่สอดคล้องกนั มากกวา่ 95 ครั้ง (อาจมกี ารกำหนดเกณฑ์ ยอมรับความคลาดเคลอ่ื นนอ้ ย ๆ ได้ เช่น กำหนดให้ α = 0.01 ซ่งึ จะเกดิ ในการวจิ ยั เปรยี บเทยี บประสทิ ธิภาพ ของยาใหมแ่ ละยาเก่า เป็นต้น สถิตอิ นมุ านกลมุ่ Non – parametric สถิติเพือ่ ทดสอบสมมติฐานหรือสถติ ิอนมุ านกลุ่ม Non – parametric ใชเ้ มอื่ ขอ้ มลู มีการแจกแจงไม่เป็น โค้งปกติ (non-normal distribution) และใช้เมื่อขอ้ มูลทีไ่ ด้มาไม่เปน็ ไปตามข้อตกลงเบอื้ งต้นของสถิติ กลุ่ม Parametric ไดแ้ ก่

13 1. กลุ่มสถิตทิ ี่ใช้เม่อื ตวั แปรตามและตวั แปรอิสระเป็นข้อมูลเชงิ กลมุ่ ดงั นี้ 1.1 ตัวแปรตามและตัวแปรอิสระเป็นข้อมูลเชิงกลุ่มและมี 2 กลุ่มย่อย หลักการวิเคราะห์คือการ วิเคราะห์รอ้ ยละแบบ Crosstabulation ซ่งึ จะเกิดเซลลข์ ้อมลู ท้ังหมดเป็น 2 by 2 เท่ากับ 4 เซลล์ สถิติท่ีใช้ ไดแ้ ก่ Pearson Chi-square, Odds ratio, Relative risk, Binary Logistic regression ตัวอย่าง การทดสอบสมมติฐานด้วยสถิติ Pearson Chi-square Ha: อายกุ ารมีเพศสมั พนั ธ์คร้งั แรกสมั พันธก์ บั การตดิ เชื้อซฟิ ิลสิ ในเพศชาย ตารางท่ี 2 การวเิ คราะหค์ วามสัมพันธ์ระหวา่ งชว่ งอายุของการมีเพศสมั พันธค์ รง้ั แรกกับการติดเชอื้ ซฟิ ลิ สิ ในเพศชายดว้ ยสถิติ Pearson Chi-square พฤติกรรมทางเพศสัมพนั ธ์ Cases Control 2 p (n = 112) (n = 148) ชว่ งอายุของการมีเพศสมั พันธ์ครัง้ แรก - ต่ำกว่า 20 ปี 84 (75.0) 107 (72.3) 0.239 .625 - 20 ปี ขึน้ ไป 28 (25.0) 41 (27.7) การแปลผล คา่ p > .05 ปฏิเสธ Ha แสดงวา่ อายุการมีเพศสัมพนั ธ์คร้ังแรกสมั พนั ธ์กบั การติดเช้ือซิฟิลิสในเพศชายอย่าง ไมม่ ีนยั สำคญั ทางสถิติ (2=0.239, p=.625) การวิเคราะหด์ ้วยสถติ ิ Pearson Chi-square ทม่ี า https://www.socscistatistics.com/tests/chisquare2/default2.aspx ตัวอย่าง การทดสอบสมมติฐานด้วยสถิติ Odds ratio (95%CI) Ha: ช่วงอายขุ องการมีเพศสัมพันธค์ ร้ังแรกสัมพนั ธ์กับการติดเชอ้ื ซิฟิลสิ ในเพศชาย ตารางที่ 3 การวิเคราะห์ความสมั พนั ธ์ระหว่างชว่ งอายขุ องการมีเพศสัมพนั ธ์ครง้ั แรกกบั การตดิ เช้ือซิฟิลิสในเพศชายดว้ ยสถติ ิ Odds ratio (95%CI) พฤตกิ รรมทางเพศสัมพันธ์ Cases Control OR 95%CI (n = 112) (n = 148) ชว่ งอายุของการมีเพศสัมพันธค์ รั้งแรก - ต่ำกว่า 20 ปี (a) 84 (75.0) (c) 107 (72.3) 1.1906 .682 – 2.08 - 20 ปี ข้ึนไป (b) 28 (25.0) (d) 41 (27.7) การแปลผล คา่ มีคา่ “1”อย่ใู น 95%CI ปฏเิ สธ Ha แสดงว่าอายุการมีเพศสัมพนั ธ์ครั้งแรกสัมพันธ์กบั การตดิ เชื้อซิฟลิ ิสใน เพศชายอย่างไม่มีนยั สำคญั ทางสถิติ หรือ กลมุ่ ทีม่ ีเพศสัมพนั ธค์ ร้ังแรกเมอ่ื อายุนอ้ ยกวา่ 20 ปี มโี อกาสติดเชื้อซิฟิลสิ มากกว่า

14 กลุ่มที่มีเพศสัมพนั ธ์ครั้งแรกเมื่ออายุมากกว่าหรือเท่ากับ 20 ปี 1.19 เท่า อย่างไม่มีนัยสำคัญทางสถิติ (OR=1.19, 95%CI=.625) การวิเคราะห์ด้วยสถิติ Odds ratio, Relative risk, Binary Logistic regression (คา่ สถติ เิ ป็นคา่ Odds ratio and 95%CI for odds) Subjects with positive (bad) outcome a = ผู้ตดิ เช้ือซิฟิลสิ ท่ีอายนุ ้อยกว่า 20 ปี = 84 ราย c = ผ้ไู มต่ ดิ เช้ือซิฟลิ ิสท่ีอายนุ อ้ ยกว่า 20 ปี = 107 ราย Subjects with negative (good) outcome b = ผู้ตดิ เชอ้ื ซฟิ ลิ ิสทอี่ ายมุ ากกว่าหรือเทา่ กับ 20 ปี = 28 ราย d = ผู้ไม่ติดเชือ้ ซิฟลิ ิสที่อายุมากกวา่ หรือเทา่ กบั 20 ปี = 41 ราย ที่มา: https://www.medcalc.org/calc/odds_ratio.php หมายเหตุ การวเิ คราะหด์ ว้ ย Odds ratio, Relative risk, Binary Logistic regression สามารถใชว้ ิเคราะห์เมอ่ื ตัวแปรอิสระเปน็ ข้อมูลเชงิ กลมุ่ 2 กลุม่ ย่อย หรือขอ้ มูลเชิงปริมาณ 1.2 ตวั แปรตามและตัวแปรอิสระเป็นข้อมูลเชิงกลุ่มที่ไม่เปน็ อิสระต่อกันหรือมีการวัดซ้ำ เป็นการ เปรยี บเทยี บข้อมูล 2 ชุดท่มี คี วามสมั พนั ธ์กัน (2-Related samples) สถติ ิท่ีใช้คือ McNemar's test (กรณีท่ี เปรียบเทยี บขอ้ มลู มากกวา่ 2 ชุด จะใชส้ ถติ ิ Friedman test) ตัวอยา่ ง การทดสอบสมมตฐิ านด้วยสถติ ิ McNemar's test Ha: หลงั ใช้อาหารเสริมกลมุ่ ตัวอยา่ งมภี าวะอว้ นแตกต่างจากก่อนใชอ้ าหารเสรมิ ตารางท่ี 4 การวเิ คราะห์ภาวะอว้ นกบั การใช้อาหารเสริม ดว้ ยสถิติ McNemar's test หลังใชอ้ าหารเสริม Total p อ้วน ปกติ กอ่ นใช้อาหารเสริม อว้ น 4 (50) 9 (60) 13 (56.5) 0.267 ปกติ 4 (50) 6 (40) 10 43.5) การแปลผล พบว่า กลุ่มตวั อยา่ งทใ่ี ชอ้ าหารเสริมทง้ั หมด 23 ราย (มีทงั้ คนอว้ น และปกต)ิ หลังใช้อาหารเสริมนาน 3 เดอื น พบว่า คนอ้วน 13 คน เมื่อใชอ้ าหารเสรมิ ยงั คงอว้ นเหมอื นเดิม 4 ราย เปลยี่ นเป็นปกติ 9 ราย ส่วนคนปกติท้งั หมด 10

15 คน เม่ือใชอ้ าหารเสรมิ พบว่า เปลีย่ นเป็นคนอว้ น 4 ราย ดงั นน้ั อาหารเสริมมผี ลตอ่ ความอ้วนอย่างไมม่ ีนยั สำคัญ ทางสถิ ติ (p=0.267) 1.3 ตวั แปรตามและตวั แปรอสิ ระเป็นข้อมลู เชงิ กลุ่ม (จำนวนกลมุ่ ยอ่ ยเทา่ ใดก็ได)้ หลักการวิเคราะห์คือ การวิเคราะห์ร้อยละแบบ Crosstabulation ซึ่งจะเกิดเซลล์ขอ้ มูลท่ีมากกวา่ 2 by 2 สถิตทิ ่ีใช้ไดแ้ ก่ Pearson Chi-square และ likelihood ratio (สถิติทั้ง 2 ชนดิ ให้ค่าทใ่ี กล้เคียงกนั ) ตัวอย่าง การทดสอบสมมติฐานดว้ ยดว้ ยสถติ ิ Pearson Chi-square (>2X2tables) Ha: ประเภทของโรคไมต่ ิดต่อเร้อื รังสัมพนั ธ์กับความรอบรทู้ างสุขภาพ ตารางที่ 5 การวิเคราะหค์ วามสมั พนั ธ์ระหว่างประเภทของโรคไมต่ ิดต่อเร้อื รังกับความรอบรทู้ างสขุ ภาพดว้ ยสถิติ Pearson Chi-square ความรอบรทู้ างสุขภาพ 2 p High Medium Low ประเภทของโรคไมต่ ิดต่อเร้ือรงั DM 24(41.37) 12(20.00) 57(37.25) 30.377 <.001 HT 22(37.93) 34(56.67) 32(20.91) DM with HT 12(20.69) 14(23.33) 64((41.83) การแปลผล กล่มุ ตัวอย่างที่มโี รคไมต่ ิดตอ่ เรอื้ รงั แตกต่างกนั มรี ะดับความรอบรู้ทางสุขภาพต่างกัน (สัมพนั ธก์ นั ) อย่างมี นัยสำคญั ทางสถติ ิ (2 = 30.377, p<.001) Pearson Chi-square > 2 X 2 tables ตวั แปรตาม คอื ความรอบรู้ทางสขุ ภาพ ( HL: 3 กลมุ่ ยอ่ ย คอื High, medium, low) ตวั แปรอิสระ คอื ประเภทของโรคไม่ตดิ ตอ่ เรอื้ รัง (3 กลุ่มย่อย คือ DM, HT, DM with HT) ทม่ี า : https://www.socscistatistics.com/tests/chisquare2/default2.aspx 1.4 ตัวแปรตามและตัวแปรอิสระเป็นขอ้ มูลเชิงกลุ่มประเภท ordinal scale หรือเป็นข้อมลู เชงิ ปรมิ าณแบบ non-normal distribution วิเคราะหด์ ้วยค่ามัธยฐานและ IQR สถิตทิ ี่ใช้ คอื Spearman rho ได้ คา่ สถิติ คอื rs (แปลผลเหมือนกบั Pearson product moment correlation coefficient)

16 2. กลุม่ สถิตทิ ใี่ ช้เมอื่ ตวั แปรตามเปน็ ข้อมลู เชิงปริมาณและตวั แปรอิสระเปน็ ข้อมูลเชิงกลุม่ ดังน้ี 2.1 ตัวแปรอิสระวา่ เปน็ ขอ้ มูลเชงิ กลมุ่ สถติ ทิ ่ีเลือกใช้ ไดแ้ ก่ Mann-Whitney U test ใช้เมื่อตวั แปร ตามเปน็ ข้อมูลเชิงปริมาณและตวั แปรอิสระเป็นข้อมูลเชงิ กลุ่ม 2 กล่มุ ยอ่ ยทเ่ี ปน็ อิสระตอ่ กนั ตัวอยา่ ง การทดสอบสมมตฐิ านดว้ ยสถิติ Mann-Whitney U test Ha: คะแนนความรอบรู้ทางสขุ ภาพของกลมุ่ A และกลมุ่ B แตกต่างกัน ตารางที่ 6 การวิเคราะหด์ ้วยสถติ ิ Mann-Whitney U test กลมุ่ A กลุ่ม B p คะแนนความรอบรู้ทางสขุ ภาพ Median (min-max) 167 (154 – 178) 157 (143- 170) 0.003 การแปลผล กลุ่ม A และกลมุ่ B มคี ะแนนความรอบรู้ทางสขุ ภาพแตกตา่ งกันอยา่ งมนี ยั สำคัญทางสถิติ (p=0.003) 2.2 การเปรยี บเทยี บข้อมูล 2 ชุดที่สัมพนั ธก์ นั หรือมีการวัดซ้ำ (Two related samples test) สถติ ิท่ใี ช้ คอื Wilcoxon signed-rank test ตัวอยา่ ง การทดสอบสมมตฐิ านด้วยสถติ ิ Wilcoxon signed-rank test Ha: คะแนนความเขม้ แขง็ ทางอารมณ์กอ่ นและหลังเข้าร่วมการอบรมแตกต่างกนั ตารางท่ี 7 การวเิ คราะห์เปรียบเทยี บคะแนนความเขม้ แข็งทางอารมณ์ก่อนและหลังเข้ารว่ มการอบรมด้วยสถติ ิ Wilcoxon signed-rank test Pre-test (n=22) Post -test (n=22) p คะแนนความเขม้ แข็งทางอารมณ์ Median (IQR) 44.3 (2.25) 48.4 (2.35) 0.001 การแปลผล คะแนนความเขม้ แข็งทางอารมณ์ก่อนและหลังเขา้ ร่วมการอบรมแตกต่างกันอย่างมนี ัยสำคญั ทางสถติ ิ (p=0.001) 2.3 การเปรยี บเทยี บคา่ กลางของข้อมูล k ประชากร ทีเ่ ป็นอสิ ระต่อกนั (K-Independent Sample) สถิติ ท่ีใช้ คอื Kruskal – wallis ตัวอย่าง การทดสอบสมมติดว้ ยสถติ ิ Kruskal - wallis Ha: กลุ่มตวั อยา่ งที่มีโรคประจำตวั แตกตา่ งกัน มีคะแนนคะแนนพฤติกรรมสรา้ งเสริมสขุ ภาพตา่ งกัน ตารางท่ี 8 การเปรียบเทียบคะแนนคะแนนพฤตกิ รรมสร้างเสริมสุขภาพของกลมุ่ ตัวอย่างทมี่ โี รคประจำตัวแตกต่างกัน ดว้ ย สถิติ Kruskal - wallis DM (n=18) HT (n=15) DM with HT (n=22) p คะแนนพฤตกิ รรมสร้างเสรมิ สขุ ภาพ Median (min - max) 21 (18 - 39) 22 (18 - 42) 19 (19 – 23) 0.023 การแปลผล กลมุ่ ตวั อยา่ งทมี่ โี รคประจำตวั แตกต่างกนั มีคะแนนคะแนนพฤตกิ รรมสรา้ งเสรมิ สุขภาพตา่ งกนั อย่างมี นยั สำคญั ทางสถิติ (p=0.023)

17 สถติ อิ นุมานกล่มุ Parametric จากหลักการการเลือกใชส้ ถติ อิ นุมานประเภท Bivariate ท่กี ล่าวไว้ข้างตน้ แล้ว เน้อื หาต่อไปเป็นประเด็น เกี่ยวรายละเอยี ดของสถิติอนุมานกลุ่ม Parametric ไดแ้ ก่ ขอ้ ตกลงหรือเง่ือนไขของการใช้สถิติ และการ นำเสนอและแปลผลการวิเคราะหส์ ถติ ิอนุมานกลุ่ม Parametric ทพ่ี บว่ามกี ารใชบ้ ่อย ๆ ดังน้ี 1. การแจกแจงของข้อมูล โดยที่ข้อมลู ท่ีไดจ้ ากกลุ่มตวั อย่างท่มี าจากประชากรทม่ี กี ารแจกแจงแบบปกติ (Normal distribution) โดยท่ัวไปจะเป็นการแจกแจงแบบปกตดิ ้วย สำหรบั ขอ้ มูลทางสุขภาพ พฤตกิ รรมหรือ การเจ็บป่วยส่วนใหญ่ของประชากรมักมีการแจกแจงแบบไม่ปกติหรือเป็นการแจกแจงแบบอืน่ ( Non – Normal distribution) การแจกแจงของขอ้ มูลแบบปกติเป็นเงื่อนไขของการใช้สถติ ิอ้างอิงกลุ่มพาราเมตริกทุก ชนดิ ซ่ึงลักษณะของข้อมูลที่มีการแจกแจงแบบปกตจิ ะมลี กั ษณะสำคัญ ดงั น้ี 1. plot กราฟแบบฮิสโตรแกรมจะได้กราฟมีลักษณะโค้งร ะฆังคว่ำและ 2 ด้านเท่ากัน (Symmetric bell-shaped curve) 2. ค่าเฉลย่ี คา่ มัธยฐาน และฐานนยิ มมีคา่ เท่าหรอื ใกลเ้ คียงกนั 3. ความโดง่ (Skew) และความเบ้ (Kurtosis) มคี า่ เท่ากับศูนย์ 4. พ้นื ท่ีใต้โคง้ มคี ่าความนา่ จะเปน็ (Probability) เทา่ กบั 1 หรือ 100% โดยแบ่งพน้ื ทใ่ี ต้โค้งเป็น ×̅ 1SD = .68 (68%), ×̅2SD = .95 (95%), ×̅3SD = .99 (99%) อาจกล่าวได้ว่ามีข้อมูลของกลุ่ม ตัวอยา่ งที่น้อยกว่า 5% ท่ไี ม่อยูภ่ ายใต้พื้นทขี่ อง ×̅ 2SD 5. การทดสอบ Normal Distribution ของขอ้ มลู ควรทดสอบกอ่ นทีจ่ ะเลือกใช้สถิติอนุมานกลุ่ม พาราเมตรกิ มีวิธีการทดสอบหลายวิธีที่นยิ มและสะดวกในการใช้ ได้แก่ 1) พจิ ารณาค่าเบ่ียงเบนมาตรฐาน และค่าเฉลีย่ ถ้าคา่ เบ่ียงเบนมาตรฐานมีค่าเข้า ใกล้หรือ มากกว่าค่าเฉลี่ยแสดงวา่ ข้อมูลมกี ารแจกแจงแบบอ่นื (การดคู ่าความโด่งและความเบ้ ตลอดจนการดูจากกราฟ ตา่ ง ๆ อาจจะดูไดย้ าก) 2) การทดสอบด้วยสถิติ Shapiro-Wilk’s W test หรอื Komogorov-Smirnov D test โดย พิจารณาค่านัยสำคญั ทางสถิติ (p-value) ถ้าน้อยกวา่ .05 แสดงวา่ ข้อมูลมีการแจกแจงแบบอื่น 2. ความสัมพันธ์เชิงเสน้ ตรง (Linearity) โดยทคี่ วามสัมพันธ์เชิงเส้นตรงของขอ้ มลู 2 ชุด เป็นเงื่อนไข สำ คัญ ของกา ร วิเคร า ะห์สถิติสหสั มพัน ธ์ (Pearson product moment correlation or Pearson correlation) และ Linear regression การทดสอบความสัมพันธ์เชงิ เส้นด้วยการ plot กราฟข้อมูลแบบ scatter plots หรอื การใชส้ ถิติ Pearson correlation ทดสอบพรอ้ มกบั การวิเคราะห์สหสมั พันธข์ องข้อมูลได้ เลย ซ่งึ ผลการวิเคราะหจ์ ะแปลผลเหมอื นกนั (รายละเอียดอย่ใู นสถติ ิวเิ คราะห์ Pearson correlation) 3. ความสอดคลอ้ งกนั ของความแปรปรวนของข้อมูล (Homogeneity of variance) เปน็ การทดสอบว่า ข้อมลู ในแต่ละกลุ่มน้ันมคี วามแปรปรวน (Variance) สอดคล้องหรอื ตา่ งกนั หรือไม่ สามารถทดสอบด้วยสถิติ F-test (Levene’s test of homogeneity of variance) และเมื่อผลการวิเคราะห์พบว่าแตกตา่ งอย่า งไม่มี นัยสำคัญทางสถิติ (p>.05) แสดงว่าขอ้ มูลในแตล่ ะกลุ่มย่อยนั้นมีความแปรปรวนทีส่ อดคล้องกัน เงอ่ื นไขเป็น เงือนไขของการใชส้ ถิติ Independent t – test และ One Way ANOVA เปน็ ตน้ การนำเสนอและแปลผลการวิเคราะห์สถติ ิกลุม่ Parametric สถิติกลมุ่ Parametric ของการวิเคราะห์แบบ Bivariate มสี ถิติทีjใช้บ่อย ๆ ไดแ้ ก่ t-test One - way ANOVA และ Pearson product moment correlation coefficient ดังน้ี 1. สถติ ิ t-test ประกอบดว้ ย Independent t-test และ Dependent t-test ดงั นี้

18 1.1 Independent t-test ใชเ้ มอ่ื ตัวแปรตามเปน็ ข้อมูลเชิงปริมาณและตัวแปรอิสระเป็นข้อมูลเชิง กล่มุ 2 กลุ่มย่อยทเ่ี ปน็ อสิ ระตอ่ กนั เปน็ การเปรียบเทียบคา่ เฉลี่ยของขอ้ มูล 2 กลมุ่ ย่อย ตวั อยา่ ง การทดสอบสมมตฐิ านดว้ ยสถิติ Independent t-test Ha: คา่ เฉลี่ยโคเลสเตอรอลรวมของเพศชายและเพศหญงิ แตกตา่ งกนั ตารางที่ 9 การวิเคราะหด์ ว้ ย Independent t-test Group โคเสเตอรอลรวม N t df p Mean SD male 215.43 7.55 69 7.9633 144 <0.001 female 204.98 8.23 77 การแปลผล พจิ ารณาจากค่า p < .05 จึงยอมรับ Ha สรปุ ผลว่า คา่ เฉล่ียโคเลสเตอรอลรวมของเพศชายและเพศ หญงิ แตกต่างกันอยา่ งมนี ยั สำคัญทางสถิติ หรอื เพศชายมีค่าเฉล่ยี โคลเสเตอรอลรวมมากกวา่ เพศหญงิ อย่างมนี ัยสำคัญทางสถิติ หรอื เพศสมั พนั ธก์ บั ค่าเฉลีย่ โคเลสเตอรอลรวม 1.2 Dependent t-test หรือ Paired t-test ใช้เมื่อตัวแปรตามเปน็ ข้อมูลเชิงปรมิ าณและตวั แปร อสิ ระเปน็ ข้อมูลเชงิ กลุ่ม 2 กลุม่ ยอ่ ยทไี่ ม่เปน็ อสิ ระตอ่ กัน (Two related samples test) เปน็ การเปรียบเทยี บ ค่าเฉล่ียขอ้ มูล 2 ชุดทกี่ ารได้มาของข้อมูลไมเ่ ปน็ อสิ ระตอ่ กันหรือการวัดซำ้ ในกลุ่มตัวอย่างกลุ่มเดยี วกัน ตัวอย่าง การทดสอบสมมติฐานด้วยสถิติ Dependent t-test Ha : ค่าเฉล่ยี โคเลสเตอรอลรวมก่อนและหลังเขา้ รว่ มโปรแกรมแตกต่างกนั ตารางที่ 10 การวิเคราะหด์ ว้ ย Dependent t-test โคลเสเตอรอลรวม N t df p Mean SD กอ่ นเข้าร่วมโปรแกรม 279.65 11.20 90 48.834 178 <0.001 หลังเข้ารว่ มโปรแกรม 202.43 9.98 90 การแปลผล พจิ ารณาจากค่า p < .05 จึงยอมรบั Ha สรุปผลว่า คา่ เฉลีย่ โคเลสเตอรอลรวมก่อนและหลงั เข้ารว่ ม โปรแกรมแตกต่างกนั อย่างมีนัยสำคัญทางสถิติ หรอื คา่ เฉลย่ี โคเลสเตอรอลรวมหลังเข้าร่วมโปรแกรมลดลงอยา่ งมนี ยั สำคัญทาง สถติ ิ หรอื โปรแกรมสามารถทำใหค้ ่าเฉล่ยี โคเลสเตอรอลรวมลดลงได้ 2. One - way ANOVA ใช้เมือ่ ตัวแปรตามเปน็ ขอ้ มูลเชิงปรมิ าณและตวั แปรอสิ ระเป็นข้อมูลเชงิ กลุ่ม 2 กลมุ่ ยอ่ ยขึน้ ไปทเ่ี ปน็ อิสระต่อกัน (K-Independent Sample) เปน็ การเปรียบเทียบคา่ เฉลย่ี ของขอ้ มูล k กลุ่ม กรณีทขี่ ้อมลู ไม่เป็นอิสระต่อกันหรือมกี ารวัดซำ้ (K-Related samples) สถิตทิ ใ่ี ชค้ ือ One - way ANOVA with Repeated measures ในที่นี้จะยกตัวอย่างเฉพาะ One - way ANOVA โดยใช้การวิเคราะห์ด้วย เครอ่ื งมอื คำนวณจาก Website: https://www.danielsoper.com/statcalc/calculator.aspx?id=43 (Copyright © 2006 - 2021 by Dr. Daniel Soper) ตวั อย่าง การทดสอบสมมตฐิ านดว้ ยสถติ ิ One - way ANOVA Ha : ประเภทผปู้ ่วยท่มี ีโรคประจำตวั แตกตา่ งกนั มโี คเลสเตอรอลรวมต่างกัน

19 ตารางท่ี 11 ค่าเฉลย่ี คา่ เบ่ยี งเบนมาตรฐาน และจำนวนกลุม่ ตัวอย่างของคา่ โคเลสเตอรอลรวม ประเภทผ้ปู ว่ ย โคเลสเตอรอลรวม N Mean SD เบาหวาน (G1) 178.63 7.79 122 ความดันโลหิตสงู (G2) 177.74 8.11 127 เบาหวานร่วมกบั ความดันโลหติ สูง (G3) 212.66 9.12 110 ตารางท่ี 12 การวิเคราะหด์ ว้ ย One - way ANOVA SS df MS F p Between 90,775.179 2 45,387.589 Within 24,696.070 356 69.371 654.273 <0.001 Total 115,471.249 358 - (Soper, D.S. (2021). Analysis of Variance (ANOVA) Calculator - One-Way ANOVA from SummaryData [Software]. Available from https://www.danielsoper.com/statcalc) การแปลผล พจิ ารณาจากค่า p < .05 จงึ ยอมรบั Ha สรุปผลวา่ ประเภทผู้ป่วยทม่ี ีโรคประจำตวั แตกตา่ งกันมี โคเลสเตอรอลรวมตา่ งกนั อยา่ งน้อย 1 คู่อยา่ งมีนัยสำคญั ทางสถติ ิ หรือคา่ เฉลยี่ โคเลสเตอรอลรวมสมั พันธก์ ับประเภทผู้ปว่ ย 3. Pearson product moment correlation coefficient และการวิเคราะห์การถดถอยเชิงเส้นตรง (linear Regression) ใช้ทดสอบความสัมพนั ธ์เชิงเส้นตรงระหว่างตัวแปร 2 ตวั ทีเ่ ปน็ ขอ้ มูลเชิงปริมาณ และมี การแจกแจงข้อมลู เปน็ โคง้ ปกติ (กรณที ตี่ ัวแปรตามเปน็ ข้อมูลเชงิ ปริมาณ และตวั แปรตน้ เป็นข้อมลู เชิงกลุ่ม 2 กลุ่มย่อย จะวิเคราะห์ด้วย Biserial Correlation) ดงั น้ี 3.1 Pearson product moment correlation coefficient ค่าสถิติที่ได้จากการวิเครา ะห์ จ ะใช้ ตัวอักษร “r” ซง่ึ คา่ “r” จะมีคา่ ระหวา่ ง -1 ถึง +1 โดยแปลผลลพั ธ์การทดสอบความสมั พันธ์ดังนี้ กรณคี า่ r = 0 แปลวา่ ไมม่ ีความสมั พันธเ์ ชงิ เสน้ ตรง r > 0 แปลว่ามคี วามสัมพันธ์ทางบวก (ทศิ ทางเดยี วกัน) หมายถึง เม่ือคา่ ของตัวแปรใดตัวแปรหน่ึง เพม่ิ ขึ้นค่าของตัวแปรอกี ตัวก็จะเพ่ิมข้นึ ด้วย หรอื เมอื่ คา่ ของตัวแปรใดตัวแปรหนึง่ ลดลง คา่ ของตัวแปรอีกตัวก็ จะลดลงด้วย r < 0 แปลวา่ มีความสมั พันธ์ทางลบ (ทิศทางตรงกนั ข้าม) หมายถงึ เม่อื ค่าของตัวแปรใดตัวแปรหน่ึง เพ่มิ ข้นึ คา่ ของตัวแปรอีกตัวก็จะลดลง หรอื เม่ือค่าของตัวแปรใดตัวแปรหนึ่งลดลง คา่ ของตัวแปรอีกตัวก็จะ เพิ่มข้ึน r=0.736 p<0.001 r=-0.022 p=0.856 r=-0.935 p <0.001 r>0 r=0 (ใกล้เคียง 0) r<0

20 ตัวอยา่ ง การทดสอบด้วย Pearson product moment correlation coefficient สมมตฐิ านข้อที่ 1. การรบั ร้อู ปุ สรรคตอ่ การมพี ฤตกิ รรมป้องกันโรคหลอดเลอื ดหวั ใจกบั พฤตกิ รรมป้องกนั โรคหลอดเลือด หัวใจกับพฤติกรรมป้องกันโรคหลอดเลอื ดหัวใจมคี วามสมั พนั ธท์ างลบ (Ha: r < 0) สมมตฐิ านข้อท่ี 2. การรบั รู้ความสามารถของตนเองตอ่ การมพี ฤตกิ รรมปอ้ งกันโรคหลอดเลอื ดหัวใจกบั พฤติกรรมป้ องกัน โรคหลอดเลอื ดหัวใจกบั พฤติกรรมป้องกนั โรคหลอดเลือดหัวใจมีความสัมพันธ์ทางบวก (Ha: r > 0) ตารางท่ี 13 ค่าสัมประสิทธ์สหสัมพนั ธ์ (r)และคา่ นยั สำคัญทางสถิติ (p) แสดงความสัมพันธร์ ะหว่าง การรบั รอู้ ุปสรรคต่อการมี พฤตกิ รรมป้องกันโรคหลอดเลอื ดหัวใจและการรบั รูค้ วามสามารถของตนเองต่อการมีพฤติกรรมปอ้ งกันโรคหลอดเลือดหัวใจกบั พฤตกิ รรมปอ้ งกันโรคหลอดเลอื ดหัวใจ (n=92) พฤติกรรมป้องกนั ปจั จัย โรคหลอดเลอื ดหวั ใจ rp 1. การรบั รูอ้ ุปสรรคตอ่ การมพี ฤติกรรมป้องกันโรคหลอดเลอื ดหวั ใจ -0.568 <0.001 2. การรบั รู้ความสามารถของตนเองต่อการมีพฤติกรรมปอ้ งกันโรคหลอดเลอื ดหัวใจ 0.562 <0.001 การแปลผล จากตารางผลการวเิ คราะหค์ า่ สัมประสิทธ์ิสหสมั พันธ์พบวา่ การรับรู้อปุ สรรคตอ่ การมพี ฤตกิ รรมป้องกนั โรค หลอดเลือดหวั ใจมคี วามสัมพันธท์ างลบกบั พฤติกรรมปอ้ งกนั โรคหลอดเลือดหวั ใจอย่างมนี ยั สำคญั ทางสถติ ิ (r= -.569, p<. 001) การรบั รคู้ วามสามารถของตนเองต่อการมีพฤติกรรมป้องกันโรคหลอดเลอื ดหัวใจมคี วามสัมพันธท์ างบวกกบั พฤตกิ รรม ป้องกันโรคหลอดเลอื ดหัวใจอยา่ งมนี ยั สำคัญทางสถติ ิ (r=.562, p<.001) 3.2 การถดถอยเชิงเสน้ ตรง (linear Regression) เปน็ เทคนคิ ท่ีใชว้ ิเคราะห์ความสัมพนั ธ์ และทำนาย หรือพยากรณอ์ ิทธิพลของตวั แปรอสิ ระ ที่มีผลต่อตัวแ ปรตาม แบ่งเป็น linear regression และ logistic regression ในบทนจ้ี ะกล่าวถงึ เฉพาะ การวเิ คราะหก์ ารถดถอยเชงิ เส้นอย่างง่าย (Simple linear regression) ใช้วิเคราะห์ตัวแปรเชงิ ปริมาณ 2 ตวั แปร เพอื่ ทำนายหรอื พยากรณ์ คา่ ของตัวแปรตามจากตัวแปรอสิ ระ ในการ ใช้ Simple Linear Regression จะมเี งื่อนไขทว่ั ไป ไดแ้ ก่ 1) ตวั แปรตาม (Y) และ ตวั แปรอสิ ระ (X) ต้องเป็นตัวแปรเชิงปริมาณ อยา่ งละ 1 ตวั (ตวั แปรอิสระ เป็นข้อมลู เชงิ กลุ่มชนดิ dichotomous ได้ กรณีมากกว่า 2 กลุม่ ย่อยต้องทำ dummy variable กอ่ น) 2) ข้อมลู มกี ารกระจายเปน็ โค้งปกติ ซ่ึงมีความสัมพันธก์ ันเชงิ เสน้ ทไี่ ด้จากสมการเส้นตรง คือ Y =  + X + e (ประชากร) หรือ Y = a + bX (กลุ่มตัวอย่าง) โดยที่ a,  = สว่ นตดั แกน y b,  = เม่ือตัวแปร X1 เพ่มิ ข้นึ 1 หน่วย จะทำให้ Y เปล่ยี นไป ตัวอยา่ ง การทดสอบสมมติฐานดว้ ย Simple Linear Regression ตารางที่ 14 ค่าสมั ปะสทิ ธิ์สหสมั พันธร์ ะหวา่ งตวั แปรพฤตกิ รรมสุขภาพและการรบั รสู้ มรรถนะแห่งตน พฤติกรรมสุขภาพ การรบั รูส้ มรรถนะแหง่ ตน Pearson Correlation (r) พฤตกิ รรมสขุ ภาพ 1.000 .562 การรับรูส้ มรรถนะแห่งตน .562 1.000 Sig. (1-tailed) พฤตกิ รรมสขุ ภาพ . .000 การรับรูส้ มรรถนะแห่งตน .000 . N พฤตกิ รรมสขุ ภาพ 92 92 การรบั รู้สมรรถนะแหง่ ตน 92 92

21 ตารางท่ี 15 – 16 คา่ สถติ ิทไ่ี ดจ้ ากการวิเคราะหด์ ว้ ย Simple Linear Regression R R2 Adjusted R2 Std. Error of the Estimate .562a .316 .309 .26534 Unstandardized Standardized t Sig. Coefficients Coefficients B Std. Error Beta (Constant) 1.773 .183 - 9.695 <0.001 การรับรู้สมรรถนะแหง่ ตน .362 .056 .562 6.453 <0.001 การแปลผล พฤตกิ รรมสุขภาพสมั พนั ธ์ทางบวกกับการรับรู้สมรรถนะแห่งตนอยา่ งมนี ยั สำคญั ทางสถิติ (r=0.562, p<0,001) และการรบั รู้สมรรถนะแห่งตนสามารถอธบิ ายการเปล่ียนแปลงพฤตกิ รรมสขุ ภาพไดร้ ้อยละ 30.9 (Adjusted R2 =0.309) หรอื สรปุ ไดว้ า่ พฤติกรรมสุขภาพของบุคคลจะดีหรือไม่ดีขนึ้ อยู่กับอิทธิพลของปจั จัยการรับรู้ สมรรถน ะแห่ง ตน ประมาณร้อยละ 30 ทเี่ หลือเป็นอทิ ธิพลของปัจจัยอืน่ ๆ หมายเหตุ สถิตกิ ลุ่ม Non – parametric มวี ิธีการกำหนดสมมติฐาน และการแปลผลเหมือนกับ สถติ ิกล่มุ Parametric ดงั ตาราง การเปรียบเทยี บการทดสอบสมมติฐานโดยใช้สถติ ิ Parametric และ Nonparametric Non - parametric Parametric - Mann-Whitney U test Independent t-test - Kruskal - wallis One - way ANOVA - Wilcoxon signed - rank test Dependent t-test - Friedman test One - way ANOVA with Repeated measures - Spearman rank order Pearson product moment correlation coefficient สถิติประเภทที่มีตัวแปรหลายตัว (Multivariate analysis) การทดสอบสมมติฐานด้วยการวเิ คราะหแ์ บบ Multivariate เป็นการหาความเก่ียวขอ้ งระหวา่ งตวั แปร 3 ตวั ขน้ึ ไป มีวตั ถปุ ระสงคใ์ นการใช้ ดงั น้ี 1) เพ่อื ควบคมุ อทิ ธิพลของตัวแปรเกนิ ทส่ี ่งผลตอ่ ตัวแปรศกึ ษา 2) เพื่อวิเคราะห์ความเกีย่ วข้องหรือการทำนายหรืออิทธิพล (เฉพาะ) ของตวั แปรน้นั โดยการใช้สถติ ิ ควบคุมอิทธพิ ลตัวแปรอ่นื ๆ ไว้ 3) เพ่อื สรา้ งสมการพยากรณ์ หรอื สมการทำนาย การเกิด Outcome 4) เพอ่ื วเิ คราะหข์ นาดของอิทธิพลของชุดตัวแปรทำนาย (Model) ว่าส่งผลต่อการเกิดตัวแปรตาม หรือไม่ การเลือกใช้สถติ ิ Multivariate analysis ตามลกั ษณะของ 3rd Variable ดงั นี้ 1. Mantel – Haenszel และ ANCOVA ใช้เม่ือ 3rd V. สัมพนั ธก์ ับตวั แปร Y และ ตวั แปร X เรียกว่า Confounding Variable: Confounder 2. Mantel - Haenszel, ANCOVA และ Multiple Linear or Logistic Regression ใช้เมื่อ 3rd V. สัมพนั ธก์ ับตวั แปร Y ไม่สมั พันธก์ บั ตัวแปร X หรอื

22 3. Two-way ANOVA, Two-way ANCOVA ใช้เม่อื 3rd V. ร่วมกบั ตวั แปร X จงึ สัมพันธก์ ับตัวแปร Y เรียกว่า Interaction Effect: Effect Modifier เป็นตวั แปรทีม่ ีปฏิสัมพนั ธก์ บั ตวั แปรอิสระแล้ว ทำใหต้ วั แปร ตามเปลี่ยนไป แต่เป็นตวั แปรที่ไม่มีความสัมพันธ์กับตวั แปรตามโดยตรง หมายเหตุ กรณี 3rd V. ไม่สมั พันธ์กบั ตวั แปร Y แตส่ มั พันธ์กับตวั แปร X วธิ ีแก้ไขคือ ตดั ทิ้ง หรือถ้าเกอื บจะมคี วามสมั พันธ์ (เกอื บ significant และมเี หตุผล หรือมกี ารศกึ ษาสนบั สนุนว่าตวั แปรตวั น้ีน่าจะมีผลต่อตัวแปร Y กส็ ามารถนำตวั แปรน้นั มา เป็นตวั แปร X ท่เี ราสนใจอีก 1 ตัว เลือกใช้ Mantel - Haenszel, ANCOVA, Multiple Linear or Logistic Regression ตารางที่ 17 แนวทางการเลือกใชก้ ารวเิ คราะหค์ วามเกย่ี วขอ้ งของตวั แปรมากกวา่ 2 ตัว เทคนิค ตัวแปรตาม ตวั แปรอสิ ระ 1. Two-way ANOVA เชิงปริมาณ 1 ตัว เชิงกลุ่ม 2 ตัวท่ีคาดวา่ มอี ิทธพิ ลรว่ มหรือ ปฏิสัมพันธ์ 2. ANCOVA: Analysis of covariance เชงิ ปริมาณ 1 ตัว เชิงกลมุ่ 1 ตวั เชงิ ปรมิ าณ 1 ตัว (Covariate) 3. Mantel - Haenszel ตัวแปรเชิงกลุม่ 1 ตวั ตัวแปรเชงิ กลุ่ม 1 ตัว ตัวแปรเกนิ 1 ตัว 4. Multiple Regression เชงิ ปริมาณ 1 ตวั เชงิ ปรมิ าณ หรือเชิงกลุ่มอย่างน้อย 2 ตัว 5. Multiple Logistic Regression เชงิ กลุม่ 2 ระดบั ขึ้นไป เชิงปรมิ าณ หรอื เชงิ กล่มุ อยา่ งน้อย 2 ตัว 6. MANOVA เชิงปริมาณ 2 ตัวขน้ึ ไป เชิงปรมิ าณ หรอื เชิงกลุ่มอยา่ งนอ้ ย 2 ตัว (สัมพนั ธ์กนั ) เอกสารอา้ งอิง 1.จรนติ แก้วกงั วาน. (2562). คูม่ อื นกั วิจยั มือใหม่. กรุงเทพฯ: จี.เอส.เอม็ .เทรดดิ้ง จำกดั . 2.ปณธิ ี ธัมมวจิ ยะ. (2557). บทที่ 4 วชิ าสถิติเบอ้ื งตน้ สำหรับนกั ระบาดวทิ ยาภาคสนาม ใน คำนวณ อึ้งชศู ักดิ์ 3.ปฐม สวรรค์ปัญญาเลศิ วิทยา สวัสดพิ ุทธิพงศ์ และ ชุลีพร จิระพงษา บรรณาธิการ. พ้ืนฐานระบาดวทิ ยา. กราฟฟิค. กรงุ เทพฯ. 3.Polit, D., F. and Beck, C., T. (2014). Essentials of nursing research: appraising evidence for nursing practice. 8th ed. Wolters Kluwer Health/Lippincott Williums & Wilkins. 4.Levesque, R., and SPSS Inc. (2006). SPSS Programming and Data Management, 3rd Edition: A Guide for SPSS and SAS Users. USA. Available from: http://spsstools.net/static/spss- programming-book/SPSS-Programming-and-Data-Management-3rd-Edition.pdf 5.LoBiondo-Wood, G., and Haber, J., (2014). Nursing research: methods and critical appraisal for evidence – based practice. 8th ed. Mosby, an important of Elsevier Inc.