ฝากข้อความ

Loading

WP Shoutbox
ชื่อ
เว็บไซท์
Message
Smile

คำนำ

แนวปฏิบัติที่ดีเรื่อง การเลือกใช้สถิติเพื่อการวิจัย ของวิทยาลัยการสาธารณสุขสิรินธร จังหวัดชลบุรีฉบับนี้ จัดทำขึ้นโดยใช้กระบวนการจัดการความรู้ (KM) เพื่อพัฒนาศักยภาพของอาจารย์ในด้านทักษะการทำวิจัย ซึ่งสอดคล้องกับพันธกิจหลักของวิทยาลัยข้อที่ 2 และ 3 คือการทำวิจัยและพัฒนาองค์ความรู้และนวัตกรรมอย่างมีคุณภาพ และให้บริการวิชาการที่ตอบสนองความต้องการของชุมชน โดยการพัฒนาแนวปฏิบัติที่ดีนี้เป็นการรวบรวมความรู้จาก 3 แหล่งคือ จากการถ่ายทอดประสบการณ์ของวิทยากร 2. จากเอกสาร หนังสือ และตำราที่เกี่ยวข้องกับการเลือกใช้สถิติเพื่อการวิจัย 3. จากการแลกเปลี่ยนเรียนรู้ของ คณะกรรมการจัดการความรู้ด้านการวิจัย คณาจารย์และบุคลากร วิทยาลัยการสาธารณสุขสิรินธร จังหวัดชลบุรี
ทางคณะผู้จัดหวังว่าแนวปฏิบัติที่ดีฉบับนี้จะเป็นประโยชน์ต่อทั้งคณาจารย์และบุคลากรภายในวิทยาลัยฯและผู้สนใจทั่วไป

งานวิจัยและผลงานวิชาการ
วิทยาลัยการสาธารณสุขสิรินธร จังหวัดชลบุรี

ความหมายของสถิติ
สถิติเป็นแขนงหนึ่งของระเบียบวิธีการทางวิทยาศาสตร์ ที่เกี่ยวข้องกับการเก็บข้อมูล การจัดระบบ การวิเคราะห์ข้อมูล การแปลผล สรุปผลและการนำเสนอผล ดังนั้นสถิติจึงมีบทบาทในการวิจัยตั้งแต่การออกแบบการวิจัย และระเบียบวิธีวิจัยที่ใช้ในการศึกษา จุดมุ่งหมายที่สำคัญของสถิติคือ เพื่อการบรรยายและสรุปเกี่ยวกับลักษณะของประชากร

ประเภทของสถิติ
จำแนกออกเป็น 2 ประเภท คือ
1. สถิติเชิงพรรณนา ใช้อธิบายถึงลักษณะข้อมูลของกลุ่มตัวอย่าง หรือ ประชากร ที่เก็บรวบรวมมา เช่น ร้อยละ, อัตราส่วน, สัดส่วน, S.D, mean, median และ variance
2. สถิติเชิงอนุมาน ใช้เพื่อการนำผลสรุปข้อมูลกลุ่มตัวอย่าง ไปใช้ในการอ้างอิงของกลุ่มประชากร สามารถแบ่งออกได้ เช่น กลุ่มเปรียบเทียบ กลุ่มหาความสัมพันธ์หรืออิทธิพล เป็นต้น

การทดสอบสมมติฐานทางสถิติ
สามารถแบ่งได้ออกเป็น 2 ชนิด คือ
1. Null Hypothesis (สมมติฐานศูนย์) เป็นข้อความหรือสมการที่อยู่ในรูปของค่าพารามิเตอร์ และอยู่ในความไม่แตกต่างกัน
2. Alternative hypothesis (สมมติฐานทางเลือก) เป็นข้อความหรือสมการที่อยู่ในรูปของค่าพารามิเตอร์ และเขียนสอดคล้องกับสมมติฐานการวิจัย
3. ชนิดของความคลาดเคลื่อน:
type I error เป็นความคลาดเคลื่อนหรือผิดพลาดที่เกิดจากการปฏิเสธสมมติฐานศูนย์ที่เป็นจริง หรือที่ถูกต้อง และยอมรับสมมติฐานทางเลือกที่ไม่เป็นจริงหรือไม่ถูกต้องซึ่งมีชื่อเรียกว่า ความผิดพลาด alpha
type II error เป็นความคลาดเคลื่อนหรือความผิดพลาดที่เกิดจากการยอมรับสมมติฐานศูนย์ที่ไม่เป็นจริงหรือไม่ถูกต้อง แต่ปฏิเสธสมมติฐานเลือกที่เป็นจริงหรือที่ถูกต้อง ซึ่งมีชื่อเรียกว่า ความผิดพลาด beta
Power of test คือความน่าจะเป็นที่จะปฏิเสธ H0 เมื่อ Ha เป็นจริง หรือ sensitivity

ระดับนัยสำคัญ
ส่วนใหญ่กำหนดค่า alpha เท่ากับ 0.05 หรือ 0.01 ระดับนัยสำคัญสำหรับงานวิจัยทางสังคมศาสตร์นิยมกำหนด alpha เท่ากับ 0.05 หรือ 0.01 สำหรับงานวิจัยทางการแพทย์และสาธารณสุข อาจมีการกำหนดค่า alpha ไว้ต่ำมากถึง 0.01 ก็ได้ ซึ่งค่า alpha นี้จะแสดงถึงพื้นที่หรือขอบเขตของความคลาดเคลื่อนที่ยอมให้เกิดขึ้น
ระดับนัยสำคัญ 0.05 หมายถึงการมีระดับความเชื่อมั่น 95% การกำหนดค่าระดับความเชื่อมั่นจะขึ้นอยู่กับลักษณะงานวิจัย
การรายงานระดับนัยสำคัญ ควรใช้ทศนิยม 3 ตำแหน่ง และการเขียนตัวอักษร p ในคำว่า p value จะใช้ตัวพิมพ์เล็กหรือใหญ่ก็ได้
การเลือกใช้สถิติในงานวิจัย
ควรคำนึงถึงประเด็นดังต่อไปนี้
- วัตถุประสงค์การวิจัย
- ประเภทของข้อมูล/ตัวแปร
ลักษณะของข้อมูล
1. ข้อมูลเชิงปริมาณ
1.1 การเปรียบเทียบ
1.1.1 Z-test คือ การเปรียบเทียบข้อมูลเทียบกับเกณฑ์
1.1.2 t-test สามารถแบ่งออกเป็น 3 กลุ่ม
1.1.2.1 One sample group คือ การเปรียบเทียบข้อมูลกับเกณฑ์
1.1.2.2 Paired t-test หรือ dependent t-test หรือ repeated t-test
คือ การเปรียบเทียบข้อมูลที่มาจากกลุ่มตัวอย่างกลุ่มเดียวกัน แต่เก็บในระยะเวลาที่แตกต่างกัน
1.1.2.3 Independent t-test คือ การเปรียบเทียบข้อมูลที่ได้มาจากกลุ่ม
ตัวอย่าง 2 กลุ่มที่เป็นอิสระต่อกัน
1.1.3 ANOVA การวิเคราะห์กลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป และเป็นอิสระต่อกัน
1.2 ความสัมพันธ์
1.2.1 Parametric ใช้ Pearson product moment correlation (ใช้กับข้อมูลระดับ interval ขึ้นไป)
1.2.2 Non – parametric ใช้ Spearman rank order correlation (ใช้กับข้อมูลระดับ ordinal scale)
1.3 การสร้างสมการทำนาย
เป็นการสร้างสมการเพื่อดูว่าตัวแปรต้นมีอิทธิพลต่อตัวแปรตามอย่างไร โดยตัวแปรต้นและตัวแปรตาม ต้องเป็นตัวแปรต่อเนื่อง
2. ข้อมูลเชิงคุณภาพ
2.1 การเปรียบเทียบ
การใช้ Chi – square เพื่อการเปรียบเทียบจะใช้ได้เมื่อค่า expected value น้อยกว่า 5 ไม่เกิน 20% หากค่า expected value น้อยกว่า 5 เกิน 20% ให้ใช้ Fisher’s exact test
การเปรียบเทียบข้อมูลก่อน – หลังของกลุ่มประชากรเดียวกัน เช่น พฤติกรรมก่อน –
หลัง เข้ารับการอบรมให้ใช้ McNemar test
2.2 ความสัมพันธ์
การใช้ Chi –square หาความสัมพันธ์ของตัวแปรต้นและตัวแปรตามที่เป็นตัวแปรเชิงคุณภาพแบบ nominal scale และหรือ ordinal scale จะใช้ได้เมื่อค่า expected value น้อยกว่า 5 ไม่เกิน 20% ถ้าค่า expected value น้อยกว่า 5 เกิน 20% ต้องเพิ่มกลุ่มตัวอย่าง หรือจัดกลุ่มตัวอย่างใหม่ เพื่อให้ค่า expected value น้อยกว่า 5 ไม่เกิน 20% หรือใช้เฉพาะสถิติเชิงพรรณนา
การคำนวณขนาดกลุ่มตัวอย่าง
สิ่งที่ต้องพิจารณาในการกำหนดขนาดกลุ่มตัวอย่างได้แก่ ชนิด, รูปแบบ, สมมติฐานการวิจัย ชนิดของตัวแปร ประเภทของข้อมูล และสถิติที่ใช้ในการวิเคราะห์
1. การหาขนาดตัวอย่างในงานวิจัยประเภทที่ต้องประมาณค่าการศึกษาในคนกลุ่มเดียว

ตัวอย่างที่ 1 ข้อมูลชนิดนับ
ต้องการประมาณการติดเชื้อ HIV ในกลุ่มทหารเกณฑ์ปี 2555 จากข้อมูลเดิม อัตราการติดเชื้อ HIV ปี 2554 เป็น 12% ยอมให้ความคลาดเคลื่อนได้ไม่เกิน 3%

วิธีทำ : กำหนดระดับความเชื่อมั่นในการสรุปข้อมูล = 95%
Zα =Z0.05/2 = 1.96 (two tail)
สูตร n = Zα 2 PQ/d2
p = อัตราการเกิดเหตุการณ์ = .12
Q = 1- .12
d = acceptable error = 0.03
แทนค่า n = (1.96)2 (.12) (1- .12) / (.03)2
จะต้องทำการศึกษาในทหารเกณฑ์จำนวน 451 คน

ตัวอย่างที่ 2 ข้อมูลชนิดต่อเนื่อง
ต้องการประมาณค่าน้ำหนักเด็กแรกเกิดที่โรงพยาบาล ก. ยอมให้มีความคลาดเคลื่อนได้ไม่เกิน 50 กรัม จากข้อมูลเดิมพบว่า น้ำหนักเด็กแรกเกิดเป็น 3000 ± 400 กรัม

วิธีทำ : กำหนดระดับความเชื่อมั่นในการสรุปข้อมูล = 95%
Zα =Z0.05/2 = 1.96 (two tail)
สูตร n = Zα 2 σ2 / d2
σ2 = Variance ของข้อมูล = (400)2
d = 50
แทนค่า n = (1.96)2 (400)2 / (50)2
จะต้องทำการศึกษาในเด็กแรกเกิดจำนวน 246 คน

2. การหาขนาดตัวอย่างในงานวิจัยประเภทที่ต้องการหาความแตกต่าง การศึกษาในคน 2 กลุ่ม ที่เป็นอิสระต่อกัน (two independent groups)

ตัวอย่างที่ 3 ข้อมูลชนิดวัด
ต้องการศึกษายาลดความดันโลหิต เปรียบเทียบกับ Placebo จะต้องใช้คนไข้กลุ่มละกี่คน จากรายงานเดิมว่า กลุ่มที่ใช้ยาจำนวน 10 คน ความดัน diastolic เฉลี่ย 98 ± 6 mmHg ส่วนกลุ่ม Placebo 10 คน เป็น 102 ± 8 mmHg

วิธีทำ : กำหนด α = 0.05
β = 0.10
Zα = Z0.05/2 = 1.96 (two tail)
Zβ = Z0.10 = 1.28

สูตร n/group = 2(Zα + Zβ)2 σ2 / (X1 – X2)2
X1 = ค่าเฉลี่ยในกลุ่มที่ 1 = 98
X2 = ค่าเฉลี่ยในกลุ่มที่ 2 = 102
σ2 = pooled variance
= (n1 -1)2 S12 + (n2 -1)2 S22
n1 + n2 -2
= 50
n/group = 2(1.96+1.28)2 (50)/(98-102)2
จะต้องศึกษาในคนกลุ่มละ 66 คน

ตัวอย่างที่ 4 ข้อมูลชนิดนับ
ต้องการศึกษาผลของยาใหม่เปรียบเทียบกับยาเดิมโดยมีเกณฑ์การตัดสินว่า “ดีขึ้น” หรือ “ไม่ดีขึ้น” จากรายงานเดิมพบว่ายาใหม่ให้ผลดีขึ้น 75% และกลุ่มที่ใช้ยาเดิมให้ผลดีขึ้น 60% จะต้องทำการศึกษาในคนไข้กลุ่มละกี่คน

วิธีทำ กำหนด : α = 0.05
β = 0.10
Zα = Z0.05/2 = 1.96 (two tail)
Zβ = Z0.10 = 1.28
สูตร n/group
= (Zα √2PcQc + Zβ √PtQt + Pc Qc)2 / (Pt – Pc)2
Pt = อัตราเกิดเหตุการณ์ในกลุ่ม Treatment = .75
Pc = อัตราเกิดเหตุการณ์ในกลุ่มที่ Control = .6
n/group
= (1.96√2(.6)(.4)+1.28 √(.75)(.25)+(.4))2 / (.75- .6)2
จะต้องศึกษาในคนกลุ่มละ 215 คน

3. การศึกษาในคน 2 กลุ่มที่ไม่เป็นอิสระต่อกัน (two related group)

ตัวอย่างที่ 5 ข้อมูลชนิดนับ
ต้องการศึกษาว่าการควบคุมอาหารจะทำให้น้ำหนักตัวลดลงหรือไม่ จะต้องใช้อาสาสมัครจำนวนกี่คน จากการศึกษานำร่องพบว่า น้ำหนักตัวลดลงเฉลี่ย 1.0 กก. และ Standard deviation of difference เป็น 1.3 กก. โดยที่ S.D. ของน้ำหนักตัวก่อนควบคุมอาหารเป็น 1.6 กก. S.D. ของน้ำหนักตัวหลังควบคุมอาหารเป็น 1.1 กก. ถ้าทราบว่าความสัมพันธ์ (Correlation Coefficient, r) ระหว่างน้ำหนักก่อนและหลังควบคุมอาหารว่าเป็น 0.6

ข้อมูลเดิม คนที่ 1 2 3 4 5 6 7 ค่าเฉลี่ย S.D.
ก่อนใช้ยา 69 65 68 66 65 68 68 67 1.6
หลังใช้ยา 68 66 66 65 65 67 65 66 1.1
Difference 1 -1 2 1 0 1 3 1 1.3

r ระหว่าง น้ำหลังก่อนหลังควบคุมอาหาร = 0.6

วิธีทำ กำหนด : α = 0.05
β = 0.10
Zα = Z0.05/2 = 1.96 (two tail)
Zβ = Z0.10 = 1.28
สูตร n pair = (Zα + Zβ)2 σ2/ d2
σ2 = Variance of difference
d = Difference
n pair = (1.96 + 1.28)2 (1.3)2/ (1)2
จำนวนอาสาสมัคร = 18 คน
โดยทั่วๆ ไปแล้วเรามักจะไม่ทราบค่า Variance แต่เรามักจะทราบค่า Variance ของแต่ละกลุ่ม และพอจะประมาณค่า Correlation ระหว่างสองกลุ่มได้จึงคำนวณ Variance of difference ได้
σ2 = σ12 + σ22 – 2r σ1 σ2
เมื่อ σ12 = คือ Variance ของกลุ่มแรก
σ22 = คือ Variance ของกลุ่มหลัง
r = Correlation Coefficient ของกลุ่มแรกและหลัง
ดังนั้น σ2 = (1.6)2 + (1.1)2 -2 (1.6)(1.1) = 1.664
σ = 1.29
หมายเหตุ ถ้าไม่สามารถประมาณค่า r ได้ ให้ใช้ค่า r = 0 จะได้ค่า n มากที่สุด

ตัวอย่างที่ 6 ข้อมูลชนิดนับ
ต้องการศึกษาผลของกาแฟต่อการนอนหลับในอาสาสมัครที่ไม่ดื่มกาแฟ โดย match อาสาสมัครเป็นคู่ๆ ตามอายุ เพศ และลักษณะนิสัยการนอนในแต่ละคู่ สุ่มเลือกหนึ่งคนได้ กาแฟ อีกคนหนึ่งได้ placebo หลังจากสิ้นสุดการทดลองสัมภาษณ์อาสาสมัครว่า “คุณใช้เวลามากกว่าเดิมหรือไม่กว่าจะนอนหลับ” จากการศึกษานำร่อง พบในกลุ่มกาแฟและกลุ่ม placebo เป็น 50% และ 25% การศึกษานี้จะต้องใช้อาสาสมัครจำนวนเท่าใด
วิธีทำ กำหนด α = 0.05
β = 0.10
Zα = Z0.05/2 = 1.96 (two tail)
Zβ = Z0.10 = 1.28
สูตร n/group = (Zα √P1Q1 + Zβ √P2Q2)2 / (P1 – P2)2
P1 = อัตราเกิดเหตุการณ์ในกลุ่ม ontrol = .25
P2 = อัตราเกิดเหตุการณ์ในกลุ่มที่ treatment = .25
n/group = (1.96√(.25)(.75) + 1.28 √(.5)(.5))2 / (.5 – .25)2
จะต้องใช้อาสาสมัครจำนวน 36 คู่ (หรือ 72 คน)

บรรณานุกรม
ภิรมย์ กมลรัตนกุล, มนต์ชัย ชาลาประวรรตน์ และทวีสิน ตันประยูร. หลักการทำวิจัยให้สำเร็จ. พิมพ์ครั้งที่
บริษัทเท็กซ์ แอนด์ เจอร์นัท พับลิเคชั่น: กรงุเทพฯ; 2545
Boonshuya C. Biostatistics: A Foundation for Health Sciences Research.3rd ed. Sena Printing:
Bangkok; year not availab