ทีเทส (t-test)

ปรับปรุง : 2567-02-12 (ปรับรุ่นเป็น 9.0)

T-Test #

ทีเทส หรือ การทดสอบที (t-test) คือ เทคนิคการทดสอบสมมติฐานแบบหนึ่ง ซึ่ง Student's T Distribution ถูกตีพิมพ์ในปี ค.ศ. 1908 ในวารสารวิทยาศาสตร์ Biometrika ด้วยนามแฝงว่า Student ผู้ที่เสนอการแจกแจงแบบ t ชื่อว่า W.S. Gosset (William Sealy Gosset : 13 June 1876 – 16 October 1937)
นิยามศัพท์

T-Test คือ การทดสอบสมมติฐาน เพื่อเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างหนึ่งกลุ่ม กับประชากร หรือเปรียบเทียบระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่อาจมีความสัมพันธ์กันหรือเป็นอิสระต่อกันก็ได้ โดยกลุ่มตัวอย่างต้องสุ่มมาจากประชากรที่มีการแจกแจงปกติ (Normal Curve) และทราบค่าความแปรปรวนของประชากร ซึ่งมีการทดสอบ 3 แบบ คือ One Sample T-Test, Paired Samples T-Test และ Independent T-Test
ในกรณี การเปรียบเทียบค่าเฉลี่ยที่ข้อมูล 2 กลุ่ม เช่น เพศ กับ กลุ่มข้อมูลต่าง ๆ ในการวิเคราะห์และแปลผลข้อมูลทางสถิตินั้น มีหลายวิธี แต่ละวิธีก็จะถูกเลือกใช้ให้เหมาะสมกับข้อมูล เช่น การเปรียบเทียบความแตกต่างระหว่างตัวแปร 2 ตัวที่เป็นอิสระต่อกัน ก็อาจใช้ SPSS, Menu, Analyze, Compare Means, Independent-samples T-Test [6].p356 ซึ่งเลือกตัวแปรที่ต้องการเปรียบเทียบได้หลายตัว เช่น [กลุ่มความพึงพอใจ] กับตัวที่ถูกเทียบ เช่น [เพศ]
1. ตารางที่ได้จะมีค่า sig. ของ equation of variances (ความแปรปรวนของกลุ่ม) ถ้าน้อยกว่า 0.05 ก็แสดงว่า ความแปรปรวนของกลุ่มเท่ากัน แล้วค่อยดู sig. ของ T-Test
2. ถ้าค่า sig. ของ T-Test มากกว่า 0.05 แสดงว่า ความพึงพอใจระหว่างสองเพศไม่แตกต่างกัน ยอมรับ H0
3. ถ้าค่า sig. ของ T-Test ไม่มากกว่า 0.05 แสดงว่า ความพึงพอใจระหว่างสองเพศแตกต่างกัน ยอมรับ H1
One Sample T-Test คือ การวิเคราะห์กรณีเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างกับประชากร หรือค่าคงที่จากทฤษฎีใดทฤษฎีหนึ่ง # เช่น ทฤษฎีทางเคมีของสารประกอบชนิดหนึ่ง มีส่วนประกอบของเหล็ก x% เพื่อทดสอบทฤษฎีจึงทดลองส่วนประกอบของสารประกอบชนิดนี้ y ครั้ง โดย H0 : u1 = x และ H1 : u1 != x
Paired Samples T-Test คือ การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์กัน เช่น การเปรียบเทียบค่าเฉลี่ยสองค่าว่าแตกต่างกันหรือไม่ โดยค่าเฉลี่ยทั้งสองวัดจากกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์ หรือกลุ่มเดียว 2 ครั้ง หรือวัดตัวอย่างสองกลุ่มที่ได้จากการจับคู่คุณลักษณะที่เท่าเทียมกัน โดย H0 : u1 = u2 และ H1 : u1 != u2 เริ่มต้นจะหาค่าสถิติสหสัมพันธ์ (Correlation) ก่อนดูจากตาราง Paired Samples Correlations ถ้าค่า sig น้อยกว่า 0.01 แสดงว่าค่าตัวแปรทั้งสองมีความสัมพันธ์กัน แล้วมองตารางที่สอง Paired Samples Test ที่นัยสำคัญ 0.01 ถ้า sig < 0.01 แสดงว่าสองตัวแปรมีค่าเฉลี่ยแตกต่างกันอย่างมีนัยสำคัญทางสถิติ
Independent T-Test คือ การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน เช่น การวิจัยเชิงทดลองต้องการทดสอบผลสัมฤทธิ์ทางการเรียน ของกลุ่มที่ได้รับการสอนแบบใหม่ กับกลุ่มที่ได้รับการสอบแบบเดิมหรือกลุ่มควบคุม โดย H0 : u1 = u2 และ H1 : u1 != u2 ที่นัยสำคัญ 0.05 ถ้า sig < 0.05 แสดงว่ายอมรับ H1 ค่าเฉลี่ยแตกต่างกันอย่างมีนัยสำคัญ
ซึ่งจะใช้ค่า T-Test นี้ จะต้องทดสอบ F-Test หาค่าความแปรปรวนก่อน ว่าสองกลุ่มนี้มีความแปรปรวนแตกต่างกันอย่างมีนัยสำคัญหรือไม่ ถ้า sig > 0.05 (F-Test) แสดงว่าไม่แตกต่างกันอย่างไม่มีนัยสำคัญ ให้ใช้ข้อมูลในตารางบรรทัดแรก คือ บรรทัด Equal variances assumed ถ้า sig < 0.05 (F-Test) แสดงว่าแตกต่างกันอย่างมีนัยสำคัญ ให้ใช้ข้อมูลในตารางบรรทัดที่สอง คือ บรรทัด Equal variances not assumed
เช่น สมมติฐาน ว่า เพศที่แตกต่างกันจะมีความผูกพันต่อองค์การแตกต่างกัน
H0 : เพศที่แตกต่างกันจะมีความผูกพันต่อองค์การไม่แตกต่างกัน
H1 : เพศที่แตกต่างกันจะมีความผูกพันต่อองค์การแตกต่างกัน

การเปรียบเทียบค่าเฉลี่ย SPSS : การเปรียบเทียบค่าเฉลี่ย [2].p35
การวิเคราะห์และแปลผลข้อมูลทางสถิตินั้น มีหลายวิธี แต่ละวิธีก็จะถูกเลือกใช้ให้เหมาะสมกับข้อมูล เช่น การเปรียบเทียบความแตกต่างระหว่างตัวแปร 2 ตัวที่เป็นอิสระต่อกันก็อาจใช้ indepentent-sample T-Test [6].p356 หรือทั้ง t-test และ z-test เมื่อใช้กับค่ากลุ่มใหญ่จะให้ค่าเท่ากัน แต่ t-test มักใช้กับกลุ่มเล็กที่ < 30 ดังนั้นในตัวอย่างข้างล่างนี้ จึงเลือกใช้ค่าสถิติ t-test

1. การเปรียบเทียบค่าเฉลี่ยหนึ่งกลุ่ม (One Sample Test)
ตัวอย่างโจทย์ที่จะทดสอบ
ประเด็น รายได้เฉลี่ยของพนักงานบริษัท A ต่อเดือน เท่ากับ 15000 หรือไม่ จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.05 กลุ่มตัวอย่าง 15200, 16000, 14000, 14800, 14900, 15000, 15100, 15050, 14950, 15100	H0 : u = 15000 H1 : u != 15000
ประเด็น นักเรียนในห้อง A นั่งสมาธิได้ไม่น้อยกว่า 30 นาที จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.01 กลุ่มตัวอย่าง 28, 31, 32, 33, 29, 30, 22, 36, 41, 29	H0 : u > 30 H1 : u <= 30

ลำดับการใช้สถิติ one-sample t-test ในโปรแกรม SPSS
1. กรอกข้อมูลลงใน SPSS
2. เลือก menu bar, analyze, compare means, one-sample-test
3. เลือกตัวแปรมาทดสอบ (interval หรือ ratio scale)
4. test value กรอก 15000 หรือ 30
5. คลิ๊ก option กำหนด confidence interval 1% = 0.01
6. คลิ๊ก ok จะแสดงรายงาน

2. การเปรียบเทียบค่าเฉลี่ย 2 กลุ่ม แบบ 1 อิสระจากกัน ด้วย t-independent
ตัวอย่างโจทย์ที่จะทดสอบ มีตัวแปร อิสระ 1 ตัว และตัวแปรตาม 1 ตัว
ประเด็น การเลือกพรรคการเมือง ของเพศชาย หรือหญิง ไม่แตกต่างกัน จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.05 กลุ่มตัวอย่าง M-1 M-1 M-2 M-2 M-1 F-1 F-2 F-1 F-2 F-1	H0 : u1 = u2 H1 : u1 != u2

ลำดับการใช้สถิติ one-sample t-test ในโปรแกรม SPSS
1. กรอกข้อมูลลงใน SPSS
2. เลือก menu bar, analyze, compare means, Independent-samples T-Test
3. เลือกตัวแปรมาทดสอบ (interval หรือ ratio scale)
4. grouping variable และ norminal scale
5. คลิ๊ก option กำหนด confidence interval 1% = 0.01
6. คลิ๊ก ok จะแสดงรายงาน

เรื่อง ทัศนคติของลูกค้าที่มีต่อรูปแบบของผลิตภัณฑ์เงินฝากสงเคราะห์ชีวิตและครอบครัว แบบทรัพย์มั่นคง ของธนาคารออมสิน สาขาเถิน จังหวัดลำปาง โดย อุบล จินดาธรรม

3. การเปรียบเทียบค่าเฉลี่ย 2 กลุ่ม แบบ 2 อิสระจากกัน ด้วย t-dependent (Pre-test & Post-test)
ตัวอย่างโจทย์ที่จะทดสอบ 2 ครั้งกับกลุ่มเดียวกัน มีตัวแปร อิสระ 2 ตัว
ประเด็น คะแนนก่อนสอบ และคะแนนหลังสอบ ไม่แตกต่างกัน จงทดสอบว่า ประเด็นข้างต้น โดยมีค่าความเชื่อมั่น 0.05 กลุ่มตัวอย่าง 1)80,82 2)75,76 3)40,50 4)84,88 5)55,56 6)71,69 7)81,82 8)90,95 9)26,31 10)60,70	H0 : u1 = u2 H1 : u1 != u2

ลำดับการใช้สถิติ one-sample t-test ในโปรแกรม SPSS
1. กรอกข้อมูลลงใน SPSS
2. เลือก menu bar, analyze, compare means, paired sample t-test
3. เลือกตัวแปรมาทดสอบ (interval หรือ ratio scale)
4. paired variable
5. คลิ๊ก option กำหนด confidence interval 5% = 0.05
6. คลิ๊ก ok จะแสดงรายงาน

อ่านเพิ่มเติม

ต.ย. การใช้ T-Test ทดสอบคะแนนก่อนเรียนและหลังเรียน (เปรียบเทียบ 2 กลุ่ม อิสระจากกัน)

การทดสอบสมมติฐาน ด้วย Paired-Samples T Test

กรณีที่ตัวแปร 2 ตัว เป็นอิสระจากกัน
พิจารณาจาก p-value หรือ Sig กับ 0.05
- ถ้า Sig >0.05 ยอมรับ H0 : ไม่แตกต่างกัน
- ถ้า Sig <=0.05 ยอมรับ H1 : แตกต่างกัน
** จากข้อมูลชุดนี้ **
พบว่า Sig = 0.016 นั่นคือ 2 ตัวแปรแตกต่างกัน
ดังนั้นคะแนนสอบ Pre-test และ Post-test แตกต่างกัน
โดยใช้ Analyze, Compare Means, และ Paired-Samples T Test
6 data sample
แฟ้ม .sav ทั้ง 6 แฟ้ม คือ ตัวอย่างข้อมูล 10 รายการ แบ่งเป็นผลสอบก่อนเรียน และหลังเรียน สำหรับคุณครู หรือผู้สนใจ สามารถนำแฟ้มข้อมูลนี้ไปทดสอบ Analyze หาค่าสถิติในโปรแกรม Spss ได้ ว่าจะได้ค่า sig ตรงกับค่า sig ในตัวอย่างนี้หรือไม่
ปล. กรณีข้อมูล 30 รายการ อ่านเพิ่ม เรื่องการทดสอบค่าเฉลี่ย โดย ดร. อานนท์ ศักดิ์วรวิชญ์ 2017-07-27

แฟ้มตัวอย่างข้อมูล (Data Sample)

ต.ย. กลุ่มที่ก่อนเรียน ต่าง กับหลังเรียน ครั้งที่ 1
- (เต็ม 100 คะแนน ของนักเรียน 10 คน)
- Sig = 0.016 Difference.sav
ต.ย. กลุ่มที่ก่อนเรียน ไม่ต่าง กับหลังเรียน ครั้งที่ 2
- (เต็ม 100 คะแนน ของนักเรียน 10 คน)
- Sig = 0.096 Not Difference.sav
ต.ย. กลุ่มที่ก่อนเรียน ต่าง กับหลังเรียน ครั้งที่ 3
- (เต็ม 10 คะแนน ของนักเรียน 10 คน)
- Sig = 0.001 Difference.sav
ต.ย. กลุ่มที่ก่อนเรียน ไม่ต่าง กับหลังเรียน ครั้งที่ 4
- (เต็ม 10 คะแนน ของนักเรียน 10 คน)
- Sig = 0.096 Not Difference.sav
ต.ย. กลุ่มที่ก่อนเรียน ต่าง กับหลังเรียน ครั้งที่ 5
- (เต็ม 4 คะแนน ของนักเรียน 10 คน)
- Sig = 0.001 Difference.sav
ต.ย. กลุ่มที่ก่อนเรียน ไม่ต่าง กับหลังเรียน ครั้งที่ 6
- (เต็ม 4 คะแนน ของนักเรียน 10 คน)
- Sig = 0.096 Not Difference.sav

เอกสารอ้างอิง

พัชร์หทัย จารุทวีผลนุกูล, ธัญวฤณ วัทโล, และ วิลาสิณี สุดประเสริฐ. (2563). การใช้รูปแบบการสอนเอสเอวีไอ (SAVI) ในรายวิชาภาษาอังกฤษ เรื่องการเฉลิมฉลอง (Celebrations) เพื่อพัฒนาผลสัมฤทธิ์ทางการเรียนด้านทักษะการฟัง. วารสารวิชาการสังคมศาสตร์เครือข่ายวิจัยประชาชื่น, 2(3), 27-39.

ต.ย. sam400 ทดสอบ Paird-Smaples T Test และ Correlation

ทดสอบ 2 คู่ มีตัวอย่างคู่แรก สั่งงานดังนี้ Menu bar, Analyze, Compare Means, Paird-Smaples T Test, select two variables (v7 - v6), Ok ที่เป็นการเปรียบเทียบคะแนนก่อนเรียนและหลังเรียน ส่วนตัวอย่างคู่ที่สอง สั่งงานดังนี้ Menu bar, Analyze, Compare Means, Paird-Smaples T Test, select two variables (v7 - v6), Ok ที่เป็นเปรียบเทียบความคิดเห็นต่อศีลข้อ 1 และศีลข้อ 2 โดยใช้ข้อมูลจากแฟ้มข้อมูล sam400.sav
ผลการเปรียบเทียมคะแนนก่อนเรียนและหลังเรียน (ตัวอย่างที่แรก) พบว่า หลังเรียน ต่างจาก ก่อนเรียน ผลต่างค่าเฉลี่ย คือ หลังสูงกว่าก่อนไป 2.47 จากคะแนนเต็ม 10 สรุปได้ว่า คะแนนหลังเรียน และ คะแนนก่อนเรียน มีความสัมพันธ์กัน (2 tailed) เนื่องจาก มีค่า sig < 0.01 คือ 0.00 โดยมี ค่า t value = 2.47 นั่นคือ ข้อมูลกระจายออกจาก mean มากกว่าตัวอย่างที่สอง ส่วน ค่า Correlation = 0.44 มีความสัมพันธ์กันพอประมาณ เนื่องจากเข้าใกล้ +1.0 น้อยกว่าแบบแรก หากค่า Correlation เข้าใกล้ 0 มากกว่าเท่าใด แสดงว่ามีความสัมพันธ์กันน้อยเท่านั้น
ผลเปรียบเทียบความคิดเห็นต่อศีลข้อ 1 และศีลข้อ 2 (ตัวอย่างที่สอง) พบว่า ศีลข้อ 2 ไม่ต่างจาก ข้อ 1 ผลต่างค่าเฉลี่ย คือ ทั้งสองข้อมีเพียง 0.01 จากความพึงพอใจ 5 ระดับ สรุปได้ว่า พอใจศีลข้อ 1 และ ข้อ 2 ไม่มีความสัมพันธ์กัน (2 tailed) เนื่องจาก มีค่า sig > 0.01 คือ 0.450 โดยมี ค่า t value = 0.756 นั่นคือ ข้อมูลเกาะกลุ่มกับ mean กันมากกว่าตัวอย่างแรกที่มี t value = 2.47 ส่วน ค่า Correlation = 0.893 มีความสัมพันธ์กันอย่างมาก เนื่องจากเข้าใกล้ +1.0

sam400.sav
- Menu bar
- Analyze
- Compare Means
- Paird-Smaples T Test
  v7=คะแนนก่อนเรียน
  v8=คะแนนหลังเรียน
  v13=พอใจต่อศีลข้อ 2
  v12=พอใจต่อศีลข้อ 1
- select two variables
- Ok

บทความในฐานข้อมูลวารสารอิเล็กทรอนิกส์กลางของประเทศไทย

เอกสารอ้างอิง

อินทุอร ลาเทศ และ ศุภานัน สิทธิเลิศ. (2563). ปัจจัยที่ส่งผลต่อความผูกพันต่อองค์การของพนักงาน บริษัท เอสเอสเค โลจิสติกส์ จำกัด. วารสาร มมร วิชาการล้านนา, 9(1), 48-54.

"ไม่เริ่มต้นในวันนี้ จะไม่มีทางสำเร็จในวันพรุ่ง" โดย โยฮัน ว็อล์ฟกัง ฟ็อน เกอเทอ

Thaiall.com

Truehits.net