"สมมติฐานทางสถิติจะแบ่งเป็น H0 กับ H1 ซึ่งเรานิยมตั้งสิ่งที่เราสนใจหรือผลที่ต้องการ ไว้ที่ H1 เพื่อที่จะปฏิเสธ H0"
ในการเรียนวิจัยมักจะมีหัวข้อ "สมมติฐาน หรือ hypothesis" เข้ามาเกี่ยวก้องเสมอ ดังนั้น บทความนี้จะลองมานำเสนอสมมติฐานในแบบภาษาง่ายๆ สื่อสารง่ายๆ ให้เข้าใจกันได้ง่ายขึ้น มาดูกัน
Hypothesis สมมติฐาน
ในการทำวิจัย เมื่อเราค้นคว้าทบทวนวรรณกรรมจนเจอช่องว่างองค์ความรู้เรียบร้อยแล้ว เราก็จะพบเจอคำถามของการวิจัยชิ้นนั้นว่าอะไร คือ สิ่งที่เราอยากรู้ อยากหาคำตอบ อยากแก้ปัญหา ซึ่งเมื่อลง รายละเอียดไปแล้วสิ่งนึงที่เรามักจะตั้งขึ้นมาเพื่อกำหนดให้เป็นแนวทางในการหาคำตอบ นั่นก็คือ "สมมติฐาน-Hypothesis" ยกตัวอย่างเช่น เราสนใจเรื่องความพึงพอใจในงาน และเราค้นเจอว่ารายได้เป็นปัจจัย (เหตุผล สาเหตุ) นึงที่จะทำให้เราพึงพอใจในงานได้ เราจึงตั้งคำถามว่า "รายได้มีผลต่อความพึงพอใจในงาน" ข้อความนี้ก็จะเป็นแนวทางในการหาคำตอบของเรา
ทีนี้ สมมติฐานก็อาจแบ่งเป็นกว้างๆ ได้ว่า สมมติฐานการวิจัย (Research Hypothesis) กับ สมมติฐานสถิติ (Statistic Hypothesis)
สมมติฐานการวิจัย (Research Hypothesis) คือ ข้อความที่ระบุถึงสิ่งที่สนใจศึกษา สนใจหาคำตอบสำหรับการวิจัยในงานนั้น ซึ่งมีหลายข้อได้
สมมติฐานทางสถิติ (Statistic Hypothesis) คือ สมมติฐานที่เอาไว้ทดสอบในทางสถิติ ซึ่งจะต้องล้อมาจากสมมติฐานในการวิจัย จะแบ่งออกเป็น 2 ส่วน คือ
สมมติฐานว่าง (Null Hypothesis) แทนด้วย H0 (0 ห้อย) และ
สมมติฐานทางเลือกหรือสมมติฐานแย้ง (Alternative Hypothesis) แทนด้วย H1 (1 ห้อย)
ตัวอย่าง:
RH: รายได้มีอิทธิพลต่อความพึงพอใจในงาน
H0: รายได้ "ไม่มี" อิทธิพลต่อความพึงพอใจในงาน
H1: รายได้ "มี" อิทธิพลต่อความพึงพอใจในงาน
จากตัวอย่างเราจะเห็นว่า RH กับ H1 คือข้อความเดียวกัน ใช่แล้ว ถูกต้อง!!!
ให้เข้าใจง่ายๆ ว่า สมมติฐานการวิจัย (RH) กับ สมมติฐานทางเลือก (แย้ง) (H1) คือข้อความเดียวกัน เนื่องจากในการกำหนดสมมติฐานทางสถิติเราจะตั้งสิ่งที่เราสนใจ (อยากให้เป็น) ไว้ที่ H1 และตั้งสิ่งที่ตรงกันข้ามไว้ที่ H0
ทำไมต้องตั้งเช่นนั้น ขอย้อนกลับไปเรื่อง "ความผิดพลาดที่ยอมรับได้" สักเล็กน้อย เรื่องมีอยู่ว่า เรามักจะไม่บอกว่า ผลการทดสอบสมมติฐานในครั้งนี้มีความถูกต้อง มีความเชื่อถือได้ แต่เรามักจะพูดว่า ผลการทดสอบสมมติฐานครั้งนี้มีความผิดพลาดแค่ไหน แล้ว "แค่ไหน" ล่ะที่เรายอมรับได้
ที่มาก็มาจากเรื่อง Type of Error ซึ่งจะมี type I error กับ type II error (เรื่องนี้จะขอยกไปไว้ในบทความหน้า) ซึ่งเจ้าตัว type I error นั้นเราเรียกว่า alpha ซึ่งตัว alpha เนี่ยแหละจะพาเราไปสู่ "ความผิดพลาดที่ยอมรับได้"
ความผิดพลาดที่ยอมรับได้
จากข้อความข้างต้นที่บอกว่า เราจะยอมรับความผิดพลาดมากกว่ายอมรับความสมบูรณ์ ดังนั้นจึงมีการกำหนดกันขึ้นมาว่าควรยอมรับความผิดพลาดเท่าไรดี โดยนิยมก็จะมี 2 ค่า ได้แก่ 5% และ 1% หรือ คิดเป็น 0.05 และ 0.01
ให้ลองเทียบเคียงแบบว่า ถ้าเราให้ความมั่นใจในผลการทดสอบครั้งนี้เท่ากับ 1.00 หรือ 100% และเรายอมรับให้ผลการทดสอบนี้ผิดพลาดได้ 5% และ 1% ดังนั้น ความมั่นใจของผลการทดสอบนี้จะเท่ากับ 95% และ 99% ซึ่งไม่ว่าจะพูดในมุมไหน ผลที่ได้ก็จะเท่ากัน "แต่เรามักจะไม่พูดว่าถูกต้อง แต่จะพูดว่า ยอมรับที่มันผิดพลาดได้"
p-value
p-value คือค่าความน่าจะเป็นทางสถิติที่บอกว่าผลการทดสอบนี้มีค่าความน่าจะเป็นเท่าไร เมื่อได้ค่านี้มาแล้ว เราจะนำไปเทียบเคียงกับค่า "ความผิดพลาดที่ยอมรับได้" ที่เราได้ตั้งไว้ข้างต้น เช่น เราตั้งไว้ที่ 0.05 หรือ 5% แล้วผลการทดสอบมีค่า p-value เท่ากับ 0.04 เราก็จะเทียบว่าค่า 0.04 กับ 0.05 นั้น มันให้ผลลัพธ์อย่างไร
การแปลความหรือพิจารณาผล p-value กับค่าความผิดพลาดที่ยอมรับได้นั้น เราจะเทียบว่า ค่า p-value นั้นมากหรือน้อยกว่า ค่าความผิดพลาดที่ยอมรับได้ - เขียนมายาวมาก ไปดูตัวอย่างกัน
ตัวอย่าง: RH: รายได้มีอิทธิพลต่อความพึงพอใจในงาน
H0: รายได้ "ไม่มี" อิทธิพลต่อความพึงพอใจในงาน
H1: รายได้ "มี" อิทธิพลต่อความพึงพอใจในงาน
เราตั้งค่าความผิดพลาดที่ยอมรับได้ (alpha) ไว้ที่ 0.05
ผลการทดสอบได้ค่า p-value เท่ากับ 0.04
ค่า p-value 0.04 มันน้อยกว่า 0.05
เราจึงสรุปว่า ผลการทดสอบครั้งนี้ ปฏิเสธ H0 และยอมรับ H1
ดังนั้นรายได้จึงมีอิทธิพลต่อความพึงพอใจในงาน
ตั้งสิ่งที่สนใจ (ผล) ไว้ที่ H1 เพื่อที่จะปฏฺิเสธ H0 นั่นคือ
ถ้าผลการทดสอบปฏิเสธสิ่งที่เราไม่ต้องการ (H0) ได้ เราก็จะมั่นใจว่างานนี้ โอเค เยี่ยมเลย
p<0.05 : ปฏิเสธ H0 ยอมรับ H1 -- ผลเป็นไปตามที่เราต้องการ
p>0.05 : ยอมรับ H0 -- ผลไม่เป็นตามที่เราต้องการ
ภาพนี้เป็นภาพการสรุปสมมติฐานกับ type of error ซึ่งจะมาเล่าให้ฟังในบทความหน้าครับ ฝากติดตามกันด้วยนะครับ
ร่วมติดตามได้ทุกช่องทาง
follow or subscribe in any channel
tel.086-555-5949
line: @SmartResearchThai (https://lin.ee/hoe36Pf)
Blockdit: SmartResearchThai
Youtube: SmartResearchThai
Facebook: SmartResearchThai