Repeated Measure
Updated: Feb 19, 2023
การวิเคราะห์ความแปรปรวนแบบวัดซ้ำ (Repeated Measure)
Outline:
1.การวิเคราะห์ความแตกต่าง
การวิเคราะห์ความแปรปรวนแบบวัดซ้ำ ต่อไปนี้จะขอเรียกแค่ว่า Repeated Measure
แล้ว Repeated Measure นี้เอาไว้ทำอะไรได้บ้าง ก็ต้องทวนกลับไปยังเรื่อง pair t-test คือสถิติที่วิเคราะห์ในลักษณะ pretest - posttest ว่ามีการเปลี่ยนแปลงที่ต่างกันหรือไม่ เช่น คะแนนทดสอบก่อนเรียน กับ คะแนนทดสอบหลังเรียน (ทดสอบซ้ำเพียง 2 ครั้ง)
แล้วถ้าต้องการทดสอบมากกว่า pretest - posttest ล่ะ เช่น pretest - posttest - followup test ทดสอบซ้ำ 3 ครั้งขึ้นไป ต้องทำอย่างไร ???ในขณะที่ ถ้าต้องการเปรียบเทียบระหว่างกลุ่ม เช่น คะแนนของนักเรียนที่ทดลองสอนด้วยวิธีใหม่ (กลุ่มทดลอง) กับ กลุ่มคะแนนของนักเรียนที่สอนด้วยวิธีเดิม (กลุ่มควบคุม) จะใช้การวิเคราะห์ด้วย Independent t-test
นอกจากนี้ หากมีกลุ่มที่ต้องการทดสอบความแตกต่าง 3 กลุ่มขึ้นไป เช่น กลุ่มทดลองวิธีที่ 1 กลุ่มทดลองวิธีที่ 2 และ กลุ่มควบคุม แบบนี้ก็จะใช้การวิเคราะห์ One Way ANOVA (ดูเพิ่มเติมได้ที่บันทึก Basic Stat Series)
แล้วถ้าต้องการทดสอบแบบรวมกันล่ะ เช่น pretest - posttest ที่แบ่งกลุ่มทดลองกับกลุ่มควบคุมด้วย จะทำอย่างไร ???กล่าวมาถึงประเด็นนี้ จะขอสรุปเบื้องต้นก่อน ว่า ถ้าต้องการทดสอบซ้ำ เช่น pretest-posttest จะใช้การวิเคราะห์ pair t-test ส่วนถ้าต้องการทดสอบความแตกต่างระหว่างกลุ่ม เช่น กลุ่มทดลองกับกลุ่มควบคุม จะใช้การวิเคราะห์ independent t-test กับ ANOVA ดังนั้น หากต้องวิเคราะห์ในมิติที่หลากหลายขึ้น ต้องก้าวไปใช้การวิเคราะห์ที่เรียกว่า การวิเคราะห์ความแปรปรวนซ้ำ (Repeated Measure หรือ Repeated ANOVA)
2.การวิเคราะห์ความแปรปรวนซ้ำ (Repeated Measure)
จากที่ทบทวนในเรื่องความแตกต่างข้างต้น จึงพบว่าหากต้องการวิเคราะห์ความแตกต่างในมิติที่หลากหลายขึ้น เช่น ต้องการทดสอบคะแนน pretest-posttest โดยแยกตามกลุ่มทดลองและกลุ่มควบคุม แบบนี้ จะเลือกใช้ pair t-test อย่างเดียวไม่ได้ หรือ เลือกใช้ independent t-test อย่างเดียว ไม่ได้ จึงต้องเลือกใช้เป็น Repeated Measure
สำหรับ Repeated Measure นั้น จะถูกนำมาใช้เมื่อเกิดกรณี
1) การวัดซ้ำ 3 ครั้งขึ้นไป เช่น pretest - posttest - followup
2) การวัดซ้ำ แม้มีเพียง 2 ครั้ง แต่ต้องการทดสอบความแตกต่างระหว่างกลุ่มด้วย เช่น ทดสอบคะแนน pretest-posttest จำแนกตามกลุ่มทดลองกับกลุ่มควบคุม
ลองไปดูคลิปตัวอย่างการสอน SPSS Repeated Measure ทำกันอย่างไร
ที่มา: https://www.youtube.com/watch?v=6T6dvrwDe_U
3.ข้อตกลงเบื้องต้นของการวิเคราะห์ Repeated Measure
ข้อตกลงเบื้องต้นที่เกี่ยวข้องที่สำคัญ คือ Mauchly's test of Sphericity คือตัวทดสอบความแตกต่างของความแปรปรวน ประเด็นคือ ถ้าแตกกต่าง หรือมีนัยสำคัญ ก็จะพิจารณาค่านึง แต่ถ้าไม่แตกต่างหรือไม่มีนัยสำคัญ ก็จะพิจารณาอีกค่านึง
ถ้า Mauchly's test นี้ ไม่มีนัยสำคัญ จะพิจารณาค่า Sphericity assumed
แต่ถ้า Mauchly's test นี้ มีนัยสำคัญ จะพิจารณาในค่า Greenhouse-Geisser
Mauchly's Test of Sphericity
จากตัวอย่างนี้ จะเห็นว่า Mauchly's Test มีนัยสำคัญทางสถิติ ดังนั้นจึงพิจารณาค่า Greenhouse-Geisser ในลำดับต่อไป
4.การแปลผล
4.1 Within-Subject // Between-Subject
สำหรับการแปลผลนั้น จะพิจารณาใน 2 เรื่องด้วยกันคือ ถ้าทดสอบซ้ำเพียงอย่างเดียว ก็จะพิจารณาเพียงค่าในตาราง within-subject effect แต่ถ้ามีตัวแปรจำแนกกลุ่มด้วย ก็จะต้องพิจารณาตาราง between-subjecct effect ด้วย
จากตัวอย่างเป็นการทดสอบซ้ำ 3 ช่วงเวลา โดยจำแนกตามกลุ่มทดลองและกลุ่มควบคุม
ตาราง Within-Subject effect ใช้พิจารณาการเปลี่ยนแปลงภายใน หรือการวัดซ้ำ ว่าใน 3 ช่วงเวลาที่เปลี่ยนไปนั้น โดยรวมแล้ว มีการเปลี่ยนแปลงที่ต่างกันอย่างมีนัยสำคัญหรือไม่ ซึ่งผลที่ได้พบว่ามีค่า sig=0.000 จึงแปลว่า การเปลี่ยนแปลงใน 3 ช่วงเวลานั้น มีความแตกต่างกัน แต่จะยังไม่ทราบว่า แล้วช่วงเวลานั้นกันล่ะ ที่ต่างกัน ช่วง1-ช่วง2 หรือ ช่วง2-ช่วง3 ต้องไปพิจารณาตาราง pairwise ต่อไป
ตาราง Between-subject effect จะพิจารณาความแตกต่างระหว่างกลุ่ม ในทีนี้ คือกลุ่มทดลองกับกลุ่มควบคุม ซึ่งผลพบว่ามีค่า sig=0.006 น้อยกว่า 0.05 จึงแปลความว่า กลุ่มทดลองกับกลุ่มควบคุมมีคะแนนการทดสอบที่แตกต่างกัน และถ้ามีการทดสอบ 3 กลุ่มขึ้นไป ก็สามารถดู pairwise comparison เหมือนกับ posthoc test ใน ANOVA ได้ด้วย
4.2 Pairwise comparison
เมื่อพิจารณาความแตกต่างระหว่างกลุ่ม และความแตกต่างภายในกลุ่มได้แล้ว ก็จะมาดูกันต่อว่า แล้วกลุ่มไหน หรือ ช่วงเวลาไหนที่ต่างกัน ณ ตัวอย่างนี้มีเพียงการวัดซ้ำที่มี 3 ครั้งขึ้นไป จึงต้องดู pairwise ต่อ แต่ในผลระหว่างกลุ่ม ไม่ต้องดูเพราะมีเพียงกลุ่มทดลองกับกลุ่มควบคุมเท่านั้น
ตาราง pairwise comparison เพื่อเปรียบเทียบการเปลี่ยนแปลงไปในแต่ละช่วงเวลา ใช้ชื่อตัวแปรว่า time มีตั้งแต่ครั้งที่ 1 ถึง ครั้งที่ 3 ดังนั้น จึงทำการทดสอบย่อยว่า ในแต่ละครั้งครั้งไหนที่ต่างกันบ้าง ซึ่งทำการเปรียบเทียบกันในทุกมิติ ได้แก่ ครั้งที่1-ครั้งที่2 // ครั้งที่1-ครั้งที่3 // ครั้งที่2-ครั้งที่3 ทั้งหมดเกิดขึ้น 3 คู่ และพบว่าทั้ง 3 คู่ แตกต่างกันอย่างมีนัยสำคัญทางสถิติหมด (ค่า sig < 0.05)
ดังนั้น จึงสรุปได้ว่า การทดลองครั้งนี้ ข้อมูลที่เก็บรวบรวมมาทั้ง 3 ช่วงเวลา แตกต่างกันอย่างมีนัยสำคัญทางสถิติกันในทุกช่วงเวลา
กล่าวเพียงเท่านี้อาจจะไม่เห็นภาพ ลองไปดูผลจากกราฟดีกว่า
4.3 Plot Graph
เมื่อทำการ plot graph ในแต่ละช่วงเวลาทั้ง 3 โดยจำแนกตามกลุ่มทดลองและกลุ่มควบคุม เราจะพบว่า
สีเขียว คือ ผลของกลุ่มทดลอง
สีน้ำเงิน คือ ผลของกลุ่มควบคุม
ซึ่งพบว่า สีเขียว กลุ่มทดลองมีค่าเลือดที่ลดลงในแต่ละช่วงเวลา ซึ่งลดลงต่างกันมาก
ในขณะที่ สีน้ำเงิน กลุ่มควบคุม ค่าเลือดมีการเปลี่ยนแปลงกันจริงแต่มีลง และมีขึ้น แสดงว่ากลุ่มที่ไม่ได้รับการทดลองนั้น ปฏิกริยาของเลือดนั้นเหวี่ยง ไม่สม่ำเสมอ แต่ในกลุ่มทดลองนั้น มีลดลงอย่างต่อเนื่อง แสดงว่ามีผลปฏิกริยาที่ดี
5.สรุป
โดยสรุป
การทดสอบซ้ำ 2 ครั้ง เลือกใช้การวิเคราะห์ pair t-test
การทดสอบซ้ำ 3 ครั้งขึ้นไป เลือกใช้การวิเคราะห์ Repeated Measure
การวิเคราะห์ความแตกต่างระหว่างกลุ่ม เพียง 2 กลุ่ม เลือกใช้ independent t-test
การวิเคราะห์ความแตกต่างระหว่างกลุ่ม 3 กลุ่มขึ้นไป เลือกใช้ One Way ANOVA
การวิเคราะห์ในหลายมิติ ที่รวมการทดสอบซ้ำ และการจำแนกกลุ่ม เลือกใช้ Repeated Measure
6.คู่มือ Repeated Measure ฉบับ Tutor
สนใจคู่มือ Repeated Measure ฉบับ Tutor สั่งซื้อได้ที่ https://shop.gbprimepay.com/smartresearchthai/repeated-measure ในราคาเพียง 219.-
แต่ถ้าสั่งซื้อโดยตรงผ่าน facebook เหลือเพียง 199.- เท่านั้น (กด like เพจและทักแชททางข้อความ)
สอบถาม หรือ ดูรายละเอียดเพิ่มเติมได้ที่
ร่วมติดตามได้ทุกช่องทาง
follow or subscribe to any channel
tel.086-555-5949
line: @SmartResearchThai
Blockdit: SmartResearchThai
Youtube: SmartResearchThai
Facebook: SmartResearchThai
BĂ i "Ven, SĂgueme" tuần nĂ y vá» Genesis 5 vĂ Moses 6 nhắc đến Enoch, mình thấy cĂ³ nhiá»u Ä‘iểm hay để dạy trẻ em. LĂ m lá»›p Primary, mình luĂ´n tìm cĂ¡ch kể chuyện dá»… hiểu, vĂ bĂ i nĂ y cĂ³ mấy gợi Ă½ tốt. LĂºc soạn bĂ i, mình hay mở mấy trang giải trĂ nhÆ° https://789p.credit/ để giải lao, nhÆ°ng khĂ´ng dĂ¹ng dịch vụ gì. DĂ¹ sao bĂ i viết nà y cĆ©ng giữ được sá»± táºp trung vĂ o bĂ i há»c, mình Ä‘Ă¡nh giĂ¡ cao.
Bài về repeated measure giải thích một kiểu đo lặp lại theo thời gian và những điểm cần chú ý khi dữ liệu đến từ cùng một đối tượng. Tôi thấy phần này hơi kỹ thuật nhưng có ích vì nó cho thấy việc đo nhiều lần không phải lúc nào cũng đơn giản. Trong lúc nghỉ, tôi nhớ từng nghe về Game bĂ i đổi thưởng và cái tên http://lv88.sale/ nhưng chưa biết nội dung cụ thể. Bài nhắc tôi rằng cách thu thập dữ liệu có thể ảnh hưởng lớn đến cách đọc kết quả, không chỉ riêng con số cuối cùng.
Bài về repeated measure đọc được một đoạn thì thấy hay nhưng cũng khá nặng lý thuyết. Mình lâu rồi không đụng đến thống kê nên phải đọc chậm lại, tự giải thích lại khái niệm cho mình. So sánh trước và sau mà cùng một nhóm đối tượng thì cần xét đến sự tương quan, cái đó mình cũng nhớ mang máp từ hồi học. Đọc xong thấy người viết trình bày rõ, ít nhất là mình hiểu được ý chính. Tối đó mình đang ngồi quán cà phê, mở thêm vài app cho đỡ buồn chán, trong đó có thấy cái tên ko66 hiện ra ở phần gợi ý, nhưng mình vẫn quay lại đọc hết bài thống kê…
Bài về repeated measure đọc khá ổn, giải thích terminology cơ bản cho người mới bắt đầu. Mình không chuyên stats nên phải đọc kỹ mới hiểu được phần so sánh between-subject và within-subject. Tối qua vừa đọc vừa làm tập tính toán nhỏ trên giấy, tay chân lóng ngóng như học sinh. Nhắc mới nhớ, lúc nghỉ giải lao mình có mở app xem kết quả xổ số vài phút cho đỡ căng não. Quay lại bài thì thấy thiếu ví dụ thực tế từ nghiên cứu cụ thể, nếu thêm vô sẽ dễ hình dung hơn nhiều.
Bài viết về repeated measure đọc khá khó với mình, vì mình không học thống kê chuyên sâu. Nhưng phần giải thích về việc đo nhiều lần trên cùng một nhóm giúp mình hình dung rõ hơn. Hồi trước có lần mình ngồi đọc bài này lúc nghỉ trưa, mở điện thoại xem qua mấy trò giải trí, trong đó có 789win nhưng chỉ lướt qua. Mình nghĩ nếu ai đang làm nghiên cứu thì bài này đáng đọc, còn mình thì chỉ cần hiểu khái niệm cơ bản là đủ.