น้องๆ เคยไหมครับ…เลือกสถิติผิดแล้วน้ำตาจะไหล 😅

บางคนทำวิจัยมาเกือบทั้งเทอม เก็บข้อมูลครบแล้ว แต่ดันเลือกใช้ t-test dependent ผิดเงื่อนไข… สุดท้ายอาจารย์ถามคำเดียว “ทำไมไม่ใช้ independent?” จบเลยครับ

พี่เจอแบบนี้บ่อยมากใน 15 ปีที่ผ่านมา โดยเฉพาะงานก่อน-หลังเรียน ก่อน-หลังอบรม หรือก่อน-หลังรักษา

บทความนี้พี่จะสรุปให้ครบแบบเข้าใจง่าย

• t-test dependent คืออะไร
• ใช้เมื่อไหร่
• สูตรคิดยังไง
• ข้อผิดพลาดที่ทำให้งานพัง
  อ่านจบ น้องๆ จะไม่สับสนอีกครับ

t-test dependent คืออะไร? (เข้าใจง่ายๆ แบบพี่สอน)

t-test dependent หรือที่เรียกว่า Paired t-test คือ การเปรียบเทียบ “ค่าเฉลี่ยของกลุ่มเดียวกันที่ถูกวัด 2 ครั้ง”

พูดง่ายๆ คือ

คนกลุ่มเดิม วัดก่อน 1 ครั้ง วัดหลัง 1 ครั้ง

ตัวอย่างเช่น

• คะแนนก่อนเรียน vs หลังเรียน
• ความดันก่อนรักษา vs หลังรักษา
• ทัศนคติก่อนอบรม vs หลังอบรม

หัวใจสำคัญคือ ข้อมูลต้องเป็นกลุ่มเดียวกันที่สัมพันธ์กันครับ

ใช้เมื่อไหร่ดี?

พี่สรุปให้จำง่ายๆ แบบนี้ครับ:

✅ ใช้เมื่อ “คนเดิม ถูกวัด 2 ครั้ง”
❌ ไม่ใช้เมื่อ “คนละกลุ่มกัน”

ถ้าเป็นคนละกลุ่ม เช่น ห้อง A กับ ห้อง B → แบบนั้นต้องใช้ t-test independent แทนครับ

สมมติฐานที่ต้องเช็คก่อนใช้ (อย่าข้ามนะครับ!)

ก่อนกด Run ใน SPSS พี่แนะนำว่าให้น้องๆ เช็ค 4 เรื่องนี้ก่อนครับ:

1. ตัวแปรต้องเป็นข้อมูลต่อเนื่อง (Interval/Ratio)
2. ผลต่างของคะแนนต้องกระจายปกติ
3. คู่ข้อมูลต้องมาจากบุคคลเดียวกัน
4. ไม่มี Outlier รุนแรง

ถ้าไม่ผ่านเงื่อนไข ผลที่ได้อาจไม่น่าเชื่อถือครับ

สูตรคำนวณ (เข้าใจแนวคิดพอ ไม่ต้องท่องครับ 😆)

สูตรหลักคือ

t = (ค่าเฉลี่ยของผลต่าง) ÷ (ส่วนเบี่ยงเบนมาตรฐานของผลต่าง / √n)

แต่ในชีวิตจริง…เราใช้ SPSS, R หรือ Excel คำนวณครับ
สิ่งสำคัญคือ “เข้าใจหลักการ” มากกว่าท่องสูตรครับ

ขั้นตอนทำ t-test dependent แบบไม่งง

Step 1: เก็บข้อมูลให้ถูกต้อง

ต้องเป็นข้อมูลก่อน–หลัง ของคนกลุ่มเดียวกันครับ

Step 2: หาค่าผลต่างรายบุคคล

เอาคะแนนหลัง – ก่อน

Step 3: หาค่าเฉลี่ยของผลต่าง

Step 4: คำนวณ SD ของผลต่าง

Step 5: คำนวณค่า t และค่า p

Step 6: ตีความผล

• ถ้า p < .05 → มีความแตกต่างอย่างมีนัยสำคัญ
• ถ้า p ≥ .05 → ไม่มีความแตกต่างอย่างมีนัยสำคัญ

แต่อย่าลืมดู “ทิศทาง” ด้วยนะครับ ว่าเพิ่มขึ้นหรือลดลง

อ่านมาถึงตรงนี้ น้องๆ อาจเริ่มงงว่า
“แล้วข้อมูลของเราผ่าน Normality ไหม?”
“ต้องรายงานค่าอะไรบ้าง?”

ถ้าอ่านมาถึงตรงนี้แล้วยังรู้สึกมึนๆ หรืออยากหาคนช่วย รับทำวิจัย แบบมืออาชีพ ที่การันตีผลงาน ทักหาพี่ได้เลยนะครับ

พี่ดูแลตั้งแต่ตั้งโจทย์ วิเคราะห์ ไปจนถึงแก้ไขรอบสุดท้ายครับ

ข้อผิดพลาดยอดฮิตที่ทำให้งานพัง

1. ใช้ผิดประเภท

คนละกลุ่มกันแต่ดันใช้ dependent → พังครับ

2. ไม่ตรวจสมมติฐาน

Normality ไม่ผ่าน แต่ไม่ตรวจสอบ

3. ตีความแค่ p-value

ไม่ดูค่าเฉลี่ย ไม่ดูทิศทาง ไม่ดู Effect Size

4. รายงานผลไม่ครบ

ขาดค่า t, df, p, Mean, SD → กรรมการถามแน่นอนครับ

💡 มุมมองจากพี่ (ประสบการณ์ 15 ปี)

พี่เคยเจองานวิจัยหนึ่ง คะแนนก่อน 60 หลัง 62

นักศึกษาดีใจมาก เพราะ p = .03

แต่พี่ถามว่า
“เพิ่มแค่ 2 คะแนน มีความหมายทางปฏิบัติไหม?”

นี่แหละครับที่ตำราไม่ค่อยสอน

งานวิจัยที่ดี ต้องดูทั้ง

• Statistical significance
• Practical significance
• Effect size

อย่าเอาแค่ p < .05 แล้วจบครับ

งานดีจริง ต้องตอบคำถามได้ว่ามัน “สำคัญต่อโลกจริงไหม” ครับ

สรุปให้จำง่ายๆ ครับ

• t-test dependent ใช้กับ “คนกลุ่มเดียว วัดสองครั้ง”
• ต้องตรวจสมมติฐานก่อนวิเคราะห์
• อย่าดูแค่ p-value
• รายงานผลให้ครบถ้วน

ทำถูกตั้งแต่แรก งานวิจัยจะไม่ต้องแก้จนปวดหัวครับ

พี่เชื่อว่า ถ้าน้องๆ เข้าใจหลักคิดมากกว่าท่องสูตร งานจะผ่านง่ายขึ้นเยอะครับ

วิเคราะห์ t-test แล้วงงไหม? ให้พี่ช่วยตรวจให้ก่อนส่งกรรมการ ปรึกษาฟรีที่ Line… งานวิจัยมันยาก ให้มืออาชีพดูแลไหมครับ?

FAQ คำถามที่พบบ่อย