Statistic

สติถิที่ใช้ในการวิจัย  ที่ใช้กันบ่อยๆ  มีดังนี้

f-test  หมายถึง สถิติทดสอบความแปรปรวนทางเดียว (ANOVA) จะใช้เมื่อเราต้องการเปรียบเทียบค่าเฉลี่ย 

ตั้งแต่ 3 ตัวขึ้นไป แบ่งเป็น

Oneway ANOVA : ตัวแปร X = เชิงคุณภาพ แบ่งเป็น 2 กลุ่มหรือมากกว่า 2 กลุ่ม  Y = เชิงปริมาณ

สมมุติฐานทางวิจัยคือ ตัวแปร X มีค่าแตกต่างกัน จะส่งผลโดยเฉลี่ยต่อตัวแปร Y ต่างกัน เช่น “คนที่ประกอบอาชีพแตก

ต่างกันจะมีคุณภาพชีวิตโดยเฉลี่ยแตกต่างกันด้วย” เป็นต้น

สมมุติฐานทางสถิติ H₁: m_i ¹ m_j อย่างน้อยหนึ่งคู่

สถิติทดสอบคือ ทดสอบเอฟ (F-test) หรือ Oneway ANOVA

Twoway ANOVA:  ตัวแปร X1, X2 = เชิงคุณภาพ และ Y = เชิงปริมาณ

สมมุติฐานทางวิจัยคือ ตัวแปร X1, X2 ส่งผลโดยเฉลี่ยต่อตัวแปร Y แตกต่างกัน เช่น “คนที่ประกอบอาชีพแตกต่างกัน

และมีเพศแตกต่างกันจะมีคุณภาพชีวิตโดยเฉลี่ยแตกต่างกันด้วย” เป็นต้น

สมมุติฐานทางสถิติ H₁: m_i ¹ m_j อย่างน้อยหนึ่งคู่  H₁: a_{X1, X2} ¹ 0 (มีอันตรกิริยาระหว่างตัวแปร X1, X2 ต่อตัวแปร Y)

สถิติทดสอบคือ ทดสอบเอฟ (F-test) หรือ Twoway ANOVA

t-test  หมายถึง  การทดสอบนัยสำคัญของค่าเฉลี่ย เหมาะสำหรับถ้าตัวแปรเป็นตัวแปรเชิงปริมาณที่สามารถวัดค่า

ได้ แบ่งเป็น

t-test ชนิดตัวอย่างอิสระ   ตัวแปร X = เชิงคุณภาพ แบ่งเป็น 2 กลุ่ม ชนิดตัวอย่างอิสระ  Y = เชิงปริมาณ

สมมุติฐานทางวิจัยคือ ตัวแปร X มีค่าแตกต่างกัน จะส่งผลโดยเฉลี่ย (น้อยกว่า หรือมากกว่า) ต่อตัวแปรตาม Y แตก

ต่างกัน เช่น “ผู้ชายมีผลสัมฤทธิ์ทางการเรียนวิชาสถิติโดยเฉลี่ยน้อยกว่าผู้หญิง” เป็นต้น

สมมุติฐานทางสถิติ H₁: m₁ ¹ m₂ (m₁ > m₂ หรือ m₁ < m₂)

สถิติทดสอบคือ ทดสอบที (t-test) ชนิดตัวอย่างอิสระ

t-test ชนิดตัวอย่างคู่อันดับ ตัวแปร X1, X2 = เชิงปริมาณ โดยสุ่มมาเป็นคู่

สมมุติฐานทางสถิติ H₁: m_d > 0

สถิติทดสอบคือ ทดสอบที (t-test) ชนิดตัวอย่างคู่อันดับ (paired)

สมมุติฐานทางวิจัยคือ ค่าเฉลี่ย X1, X2 มีค่าแตกต่างกัน (หรือค่าเฉลี่ยของ X1 มีค่ามากกว่าค่าเฉลี่ยของ X2) เช่น

“หลังเรียนวิชาวิชาสถิติแล้ว ผู้เรียนมีทักษะทางวิจัยสูงกว่าก่อนเรียน” เป็นต้น