ความคิดเห็นที่ 1 สำคัญนะคะ ถึงผลไม่ Sig ก็สามารถนำมาอภิปรายได้ค่ะว่าทำไมไม่ Sig ไม่เกรียนหรอกค่ะ สงสัยก็ถามได้นี่นา จากคุณ : puffypuf เขียนเมื่อ : 28 ต.ค. 53 01:47:57

ความคิดเห็นที่ 2 ไม่ Sig ก็สน อย่างน้อยก็รู้ว่ามันไม่ Sig จากคุณ : Mdiic~* เขียนเมื่อ : 28 ต.ค. 53 01:50:19

ความคิดเห็นที่ 3 H0 คือ สมมติฐานที่เรากล่าวอ้างหรือยอมรับ H1 คือ สมมิตฐานแย้ง ถ้านักวิจัย มีผลงานวิจัย ที่เราอ้างอิงนำมาใช้ใน H0 แล้วเรามาทดลองเอง ปรากฏว่าได้ sig (ปฏิเสธ H1 ยอมรับ H1) ก็ต้องอภิปลาว่ามีเหตุผลมาจากอะไร ทำไมจึงแย้ง ทำไมจึงเป็นอย่างนั้น ในทางกลับกัน ถ้าผลออกว่าเป็น ไม่ sig (ยอมรับ H0) คุณไปทำผลวิจัย ซ้ำกลับผลงานของคนอื่นแล้วจะมีประโยชน์อะไร ในเมื่อเค้าก็รู้อยู่แล้ว ตามคำกล่าวอ้าง ไม่ใช่อธิบายไม่ได้ แต่มันไม่ค่อยเกิด new knowledge ปล.ขึ้นกับ หัวข้อเรื่องด้วย แก้ไขเมื่อ 28 ต.ค. 53 01:56:24 จากคุณ : PureSnow เขียนเมื่อ : 28 ต.ค. 53 01:55:27

ความคิดเห็นที่ 4 "แต่หากไม่ sig ก็คือปฏิเสธ H1 และจะยอมรับ H0" บ่ใช่ฮับ Sig หมายความว่า การที่ข้อมูลมีความสัมพันธ์อย่างมีนัยสำคัญ ไม่ได้หมายความว่าไม่ยอมรับข้อมูลที่ไม่ Sig อาทิเช่น งานวิจัยชิ้นหนึ่งที่มี N=100 บอกว่า คนกลุ่ม A ชอบ Product สีแดง 35 คน คนกลุ่ม B ชอบ Product สีเหลือง 15 คน คนกลุ่ม C ชอบ Product สีดำ 20 คน คนกลุ่ม D ชอบ Product สีเขียว 30 คน คนกลุ่ม A ซื้อ Product สีแดง 30 คน คนกลุ่ม B ซื้อ Product สีเหลือง 10 คน คนกลุ่ม C ซื้อ Product สีดำ 55 คน คนกลุ่ม D ซื้อ Product สีเขียว 5 คน จะสังเกตได้ว่า คนกลุ่ม A กับ B Sig กัน แต่ คนกลุ่ม C กับ D ไม่ Sig กัน ข้อมูลที่ Sig จะเห็นได้ว่าไปในแนวทางเดียวกันคือคนที่ชอบส่วนมากจะซื้อ Product ส่วนข้อมูลที่ไม่ Sig อาจออกค่ามาตามนั้นจริงๆโดยให้เหตุผลว่า Product นั้นอาจมีราคาแพงชอบแต่ไม่ซื้อก็ได้ครับ หรือในขั้นตอน Survey อาจเก็บมาผิดพลาดไม่ตรงตาม Logic ที่วางไว้ ในการวิจัยตลาดนั้นไม่มีข้อมูลผิดถูกครับ ส่วนมากจะดูที่ข้อมูลที่เราต้องการใช้ไปในทางไหนมากกว่า โดยขึ้นอยู่กับการออกแบบ Questionnaire เป็นหลัก ถ้าสนใจจบมาก็ลองทำงานบริษัท Research Marketing รับรองถูกทางความชอบ จขกท...   จากคุณ : b+b (blacklimpbizkit) เขียนเมื่อ : 28 ต.ค. 53 02:02:21

ความคิดเห็นที่ 5 ขอบคุณที่มาให้กำลังใจนะค่ะคุณ puffypuf และทุกท่าน ^____^   เริมเข้าใจมาแล้ว ก็ได้คำตอบมาหนึ่งข้อว่าหากไม่ซิกก็นำมาเสนอความคิดเห็นในงานวิจัยได้  แต่ต้องแน่ใจว่าเป็นประเด็นใหม่ แต่ยังมีคำถามที่ค้างอีกข้อนะคะ แล้วจากข้างบน หากเกิดไม่ซิก และอยากจะเสนอการอภิปรายด้าน H0 ที่เป็นสมมุติฐานทางเดียว ที่มีทั้งมากกว่าหรือเท่ากับ  เราจะเลือกวิเคราะห์ผลตัวไหนถึงจะถูกต้อง อันนี้ข้อมูลจริงที่เราไปอ่านและยกมานะคะ เค้าทดสอบ t-test แบบสมมุติฐานทางเดียว  เขาตั้งสมมุติฐานว่าตำรวจมีความเป็นไปได้ที่จะสูบบุหรี่น้อยกว่าวิศวกร ผลคือค่าเฉลี่ยตำรวจออกมาคือ 29.4 ค่าเฉลี่ยของวิศวกรคือ 28.6 แต่ค่า t =1.24 df = 148 p<0.05 ผลวิจัยเค้าสรุปว่าไม่แตกต่างอย่างมีนัยสำคัญ (คือเลือกค่าเท่ากับใช่ไหมคะ) แล้วเค้าก็ไม่ได้ขยายอภิปรายผลตัวนี้ เราเลยคิดว่าหากเราสรุปว่าไม่ซิก ยอมรับ H0 แต่เราเลือกสรุปว่าตำรวจสูบมากกว่าแทนเลือกว่าเท่ากับ เพราะเราสนใจว่าตำรวจสูบมากกว่าวิศวะจริงเหรอนี่ (ต๊าย ต๊าย ตาย) การอภิปรายของเราก็จะไปมุ่งหาข้อมูลว่าทำไมตำรวจถึงปล่อยควันพิษสูบบุหรี่มากกว่าวิศวกรใช่ไหมคะ แต่สมมุติเจ้าของงานวิจัยอาจจะเปิดมุมมองไม่ซิกมาอภิปรายบ้าง แต่จาก Ho เขาเลือกว่าเท่ากับแทน เค้าก็จะอภิปรายว่าที่ตำรวจกับวิศวกรสูบบุหรี่เท่ากันเพราะอะไร นุ้นนะ นี่นะ   ก็ทำให้งานวิจัยของสองเล่มนี้ผลการอภิปรายในด้านไม่ซิก แต่ไปกันคนละภูเขาคนละขอบฟ้าเลย เราเลยอยากรู้ว่าจะเลือกอภิปราย H0 แต่เป็นตัวว่ามากกว่าหรือเท่ากับถึงจะเหมาะสมค่ะ ใครสูบมากสูบน้อยไม่สำคัญเท่าใครหล่อกว่ากันนะเนี่ย    :))))  ตำรวจ วิดวะ ใครมีแฟนสวยกว่ากัน  ทำเรื่องนี้คงดีนะคะ ขอบคุณทุกความเห็นนะคะ ปลื้มห้องหว้ากอแล้วสิ อยากเก่งบ้าง  ทุกทีอยู่แต่เครื่องสำอางกับดารา  ขอบคุณนะค่ะ แก้ไขเมื่อ 28 ต.ค. 53 02:20:31 จากคุณ : นัดไว้ทำไมไม่มา เขียนเมื่อ : 28 ต.ค. 53 02:12:57

ความคิดเห็นที่ 6 ผมจะอธิบายแบบทั่วๆ ไปละกัน เวลาเอาไปสรุปก็แล้วแต่บริบทของการศึกษานั้นๆ นะครับ บางตำรา H0: ก็ใส่เครื่องหมาย = ตลอด เพราะใช้เป็นตัวกำหนด distribution ของ Random Variable ที่สนใจ ส่วน H1: ก็ใส่ > หรือ < หรือ ไม่เท่ากับ ตามที่ต้องการศึกษา หากเป็น ไม่เท่ากับก็เป็น 2-tail test ถ้าเป็น > หรือ < ก็ 1-tail test เวลาวิเคราะห์ก็กำหนดช่วงความเชื่อมั่น (confidence interval) เช่น 95% (นั่นคือระดับนัยสำคัญทางสถิติหรือ significance level = 0.05) แล้วนำค่าสถิติที่คำนวณได้ (เช่น z, t เป็นต้น) มาเปรียบเทียบกับ distribution ที่ได้จาก H0 หากตกในช่วง rejection area (หรือคำนวนค่า p-value ได้ < 0.05 ในกรณีที่ผมสมมุตินี้) ก็ปฏิเสธ H0 แต่ถ้าค่าสถิติไม่ตกใน rejection area (หรือคำนวนค่า p-value ได้ >= 0.05 ในกรณีที่ผมสมมุตินี้) เราก็ไม่สามารถปฏิเสธ H0 ได้ (ผมจะไม่พูดว่ายอมรับ H0) ที่เรียกว่า Sig หรือ ไม่ Sig นั้น มันมาจากแตกต่าง (หรือ มากกว่า หรือ น้อยกว่า) อย่างมีนัยสำคัญทางสถิติ (Statistical significance) Sig คือกรณีที่ค่าสถิติตกใน rejection area (ซึ่งสมมูลกับ p-value < significance level) and vice versa เราจะปฎิเสธ H0 ก็ต่อเมื่อ ค่าสถิติตกใน rejection area (สมมูลกับ p-value < significance level) rejection area ก็คือพื้นที่บริเวณขอบด้านใดด้านหนึ่ง (1-tail) หรือทั้ง 2 ด้าน (2-tail) ของ distribution ที่ได้จาก H0 ถ้า Sig นั่นหมายความว่า จากข้อมูลที่เราศึกษามา ที่ significance level = 0.05 (for example) เราสามารถบอกได้ว่า u1 ไม่เท่ากับ u2 (หรือ u1 > u2 หรือ u1 < u2 ก็แล้วแต่ H1) แต่ถ้าสมมุติว่าเราเพิ่มช่วงความเชื่อมันเป็น 99% (significance level = 0.01) ผลวิเคราะห์อาจจะไม่ Sig ก็ได้ เพราะฉะนั้น Sig หรือไม่ Sig จึงขึ้นกับ significance level ที่กำหนดด้วย ซึ่งโดยทั่วไปเริ่มจาก 0.05, 0.01, 0.001, ... ถ้าไม่ Sig จะหมายความว่าเรายอมรับ H0 อย่างนั้นหรือ?? การที่ผลการวิเคราะห์ออกมาแล้วไม่ Sig หมายความว่า ที่ significance level = 0.05 (for example) "เรายังไม่มีหลักฐานเพียงพอ" ที่จะปฎิเสธ H0 บางตำราเขียนบอกว่า H0 ตั้งขึ้นมาเพื่อถูกปฎิเสธ (น่าสงสารจัง อิอิ) เราไม่ได้บอกว่ายอมรับ H0 แต่หลักฐานที่มีอยู่ (ข้อมูลที่เก็บมา) ไม่เพียงพอ หรือไม่สามารถปฏิเสธ H0 ได้ ยกตัวอย่างง่ายๆ (ซึ่งไม่ใช่การวิเคราะห์ทางสถิติจริงๆ) สมมุติเล่นๆ ว่า H0:ผีไม่มีจริง VS H1:ผีมีจริง ตราบใดที่เรายังไม่เจอผี เราก็ไม่สามารถปฎิ H0 ได้ เพราะหลักฐานไม่เพียงพอ หรือไม่ Sig (not enough evidence) หากเราสำรวจไปเรื่อยๆ แล้วเจอผี นั่นแน่.. ก็คือ Sig หรือเรามีหลักฐานเพียงพอที่จะปฏิเสธ H0 และยอมรับ H1 แล้วว่า ผีมีจริง การอภิปรายนั้นก็สามารถอภิปรายได้ทั้ง Sig และไม่ Sig หากไม่ Sig ประเด็นที่เราอภิปรายก็มีได้หลายประเด็น ขึ้นอยู่กับ field ที่เราศึกษา ประเด็นที่จะอภิปราย เช่น sample size, sample collection, quality of sample หรือ sample ที่เราเก็บมานั้นยัง heterogenous จำเป็นต้อง subgroup, วิธีวิเคราะห์ไม่เหมาะสม, ... เป็นต้น แต่จะอภิปรายประเด็นไหนก็ต้องมีหลักฐาน (จากการศึกษาของคนอื่น) หรือทฤษฎีมารองรับ ไม่ใช่กล่าวมาลอยๆ ปล. บางตำราก็บอกว่าถ้าไม่ sig เรายอมรับ H1 ซึ่งผมก็ไม่ได้ต่อต้าน แต่ตามความหมายแล้วน่าจะบอกว่าไม่สามารถปฎิเสธ H0 ได้มากกว่า จากคุณ : นานๆ มาที เขียนเมื่อ : 28 ต.ค. 53 02:49:24 A:110.164.38.85 X: TicketID:097959

ความคิดเห็นที่ 7 คห.6 ละเอียดดีมากครับ เข้ามาแก้นิดนึง สมมติว่าทดสอบที่ระดับความเชื่อมั่น 95% ความหมายคือ ตำรวจไม่ได้สูบบุหรี่น้อยกว่าวิศวกร อย่างมีนัยสำคัญที่ระดับความเชื่อมั่น 95% แต่จะไปบอกว่า ตำรวจสูบบุหรี่มากกว่าหรือเท่ากับวิศวกร อย่างมีนัยสำคัญที่ระดับความเชื่อมั่น 95% ไม่ได้ เพราะเราไม่ได้มั่นใจขนาดนั้น อาจจะได้ว่า เรามั่นใจแค่ 5% ว่ามันมากกว่าหรือเท่ากับ ซึ่งไม่เอามาบอกกันหรอก แก้ไขเมื่อ 28 ต.ค. 53 11:14:26 จากคุณ : Hephaestuz เขียนเมื่อ : 28 ต.ค. 53 03:14:22

ความคิดเห็นที่ 8 ขอแก้ #6 ตรง ปล. นิดนึง จาก "บางตำราก็บอกว่าถ้าไม่ sig เรายอมรับ H1" เป็น "บางตำราก็บอกว่าถ้าไม่ sig เรายอมรับ H0" ดังนั้นข้อความทั้งหมดของ ปล. จะเป็น ปล. บางตำราก็บอกว่าถ้าไม่ sig เรายอมรับ H0 ซึ่งผมก็ไม่ได้ต่อต้าน แต่ตามความหมายแล้วน่าจะบอกว่าไม่สามารถปฎิเสธ H0 ได้มากกว่า ช่วงนั้นกำลังเริ่มง่วงเลยอ่านทวนไม่ครบ ต้องขออภัย จากคุณ : นานๆ มาที เขียนเมื่อ : 28 ต.ค. 53 09:23:08 A:110.164.149.30 X: TicketID:097959

ความคิดเห็นที่ 9 ขึ้นกับสมมติฐานที่คุณตั้ง หากคุณ review งานวิจัยอื่นมา มีข้อมูลหลายทาง ทำให้คุณเชื่อว่า วิศวกรสูบบุหรี่มากกว่าตำรวจ ให้คุณตั้งไว้ที่ H1 H0 : วิศวกรสูบบุหรี่ < หรือ = ตำรวจ H1 : วิศวกรสูบบุหรี่ > ตำรวจ สาเหตุที่ต้องตั้งแบบนี้เพราะคุณสนใจว่า วิศวกรสูบบุหรี่มากกว่าตำรวจ จริงหรือไม่ เมื่อทดสอบออกมาจึงสนใจเฉพาะค่าที่ Sig แล้วนำเอางานวิจัยที่เกี่ยวข้อง เอกสารอื่น ๆ ที่คุณ review มาสนับสนุนครับ นี่คือเหตุผลว่าทำไมต้องตั้งสมมติฐานแบบนี้ ทั้ง ๆ ที่คุณสามารถตั้งสมมติฐานอีกด้านก็ได้ครับ แต่คุณจะไม่มีเอกสาร review มาสนับสนุน จะมีแต่เอกสารมาขัดแย้ง แล้วกลับกลายเป็นคุณอภิปรายผลการวิจัยไม่ได้ว่าทำไมมันไปขัดแย้งกับเอกสารที่คุณ review มา จากสมมติฐานที่ตั้ง พอผลออกมาไม่ Sig หลาย ๆ คนจึงไม่ได้หยิบมาอภิปรายผลเพราะไม่สามารถหาเหตุผลมาสนับสนุนนั่นเอง แต่เราสามารถแสดงความเห็นได้ครับว่าสาเหตุน่าจะเกิดจากอะไร แล้วโยงไปเป็นประเด็นที่จะต้องศึกษาต่อ หรือข้อเสนอแนะนั่นเอง จากคุณ : X-Sy เขียนเมื่อ : 28 ต.ค. 53 10:06:20

ความคิดเห็นที่ 10 ขออนุญาตถามต่อค่ะ แล้วถ้าเราใช้ sig 2 tailed หาแค่ว่า มันต่างหรือไม่ต่าง (วิศวะกรสูบบุหรี่ปริมาณต่างจากตำรวจหรือไม่) แล้วถ้า sig ค่อยมาดูว่า ใครกันแน่ที่มากกว่าน้อยกว่า อย่างงี้ได้มั้ยคะ หากพลาดผิดขออภัย จากคุณ : ROBOTหุ่นยนต์ เขียนเมื่อ : 29 ต.ค. 53 01:04:59

ความคิดเห็นที่ 11 1.ทำได้แต่ก็เหมือนทำงาน 2 รอบ 2.ถ้าใช้ sig 2 tailed แล้ว sig ว่าแตกต่างกันอย่างมีนัยสำคัญ กรณีทดสอบ มิว แล้วมาดูเฉพาะว่าค่ามิว กลุ่มไหนมากกว่ากลุ่มไหน แล้วสรุปไม่ได้ เพราะถึงค่ามากกว่าจริง แต่อาจจะไม่ได้มากกว่าอย่างมีนัยสำคัญ  แล้วถ้าจะมาทดสอบอีกรอบ ถ้าอย่างงั้น ทดสอบปกติ แล้วก็ทดสอบ มิว0 ยังดูดีสะกว่า คห.9 กล่าวคุณก็สามารถตั้งสมมติฐานกล่าวอ้าง (ข้อสมมติฐาน) ของคุณว่าเป็น H1 ก็ได้ ขอโทษทีไม่ได้อธิบายส่วนนี้ เพิ่งนึกได้ว่าเคยมี งานวิจัยส่วนแรก คุณตั้งสมมติฐานในงานวิจัยคุณให้ข้อสมมติฐานนั้นเป็น H0 หรือ H1 ถ้าสมมติฐานของคุณเองเป็น H0 เกิดไม่ sig ก็อธิบายตามข้อกล่าวอ้างที่ได้ค้นคว้ามา                       เกิด sig  มุ่งประเด็นไปที่ H1 ให้เหตุผลว่าทำไมอะไรยังไง **ถ้าสมมติฐานของคุณเองเป็น H1 เกิดไม่ sig มุ่งประเด็นไปที่ H0 ให้เหตุผลว่าทำไมอะไรยังไง                         เกิด sig  ก็อธิบายตามข้อกล่าวอ้างที่ได้ค้นคว้ามา หรือมุ่งประเด็นไปที่ H1 ให้เหตุผลว่าทำไมอะไรยังไง เช่น เพศและอายุมีความแตกต่างกันต่อการซื้อสินค้า___ จากคุณ : PureSnow เขียนเมื่อ : 29 ต.ค. 53 03:57:17