Statistic Report การรายงานทางสถิติ

1 day ago

3 min read

Updated: 22 hours ago

Statistics Report : การเขียนรายงานทางสถิติ

Outline:

ปัญหาในการเขียนรายงานทางสถิติ
แนวทางการเขียนรายงานทางสถิติ
สรุป

“แนวทางการเขียนรายงานไม่ได้มีกฎหรือ format ตายตัวเป๊ะๆ แต่เป็นร่างหลวมๆ แล้วใส่เนื้อหาเพิ่มเข้าไป หากวิเคราะห์สถิติหลายตัว ก็นำเสนอเพิ่มในส่วนสถิติหลักเข้าไป ผล output ก็นำเสนอในภาคผนวกได้"

ปัญหาในการเขียนรายงานทางสถิติ

ปัญหาที่ผู้วิจัยพบในการเขียนรายงานทางสถิติ ส่วนใหญ่ ก็คือไม่รู้ว่าจะต้องนำเสนอค่าอะไรบ้าง และค่าเหล่านั้นเอามาจากตรงไหนของ Output รวมถึงลำดับการนำเสนอ ไม่รู้ว่าต้องนำเสนออะไรก่อนบ้าง

หัวข้อนี้จะลองมาขยายความปัญหาเบื้องต้นเหล่านี้กัน

นำเสนอค่าอะไรบ้าง : ผู้วิจัยมือใหม่มักไม่มั่นใจว่าในการนำเสนอผลการวิเคราะห์ข้อมูล โดยเฉพาะในการวิจัยเชิงปริมาณ ต้องนำเสนอค่าอะไรบ้าง เช่น การวิเคราะห์ One Way ANOVA ต้องนำเสนอค่าสถิติ F คือตัวหลัก แต่ใน output จากโปรแกรมมีค่าอื่นมากมาย เช่น MS SS df p-value แล้วต้องนำเสนอทั้งหมดเลยหรือไม่ สิ่งเหล่านี้ ผู้วิจัยมือใหม่มักไม่รู้ ทำให้นำเสนอผิดได้
เอามาจากตรงไหนของ Output : ประเด็นนี้สำคัญมาก เนื่องจากแต่ละโปรแกรมมีการนำเสนอไม่เหมือนกัน วิธีการใช้โปรแกรมไม่เหมือนกัน แต่จุดร่วมสำคัญ ก็คือ ทุกโปรแกรมจะนำเสนอค่าสถิติที่เหมือนกัน ไม่ว่าจะเป็นโปรแกรมค่าที่สำคัญ ที่ต้องใช้ในการคำนวณย่อมแสดงผลเหมือนกัน แต่ผู้วิจัยเองต้องรู้ว่า ควรเอาค่าไหนมานำเสนอบ้าง
ลำดับการนำเสนอ : ปัญหานี้มักพบเจอเมื่องานวิจัยนั้นๆ มีการใช้สถิติหลายตัว และในแต่ละตัวสถิติก็จะมีข้อตกลงเบื้องต้นเป็นของตัวเอง จึงเกิดความสับสนได้ ว่าควรนำเสนออะไรก่อน-หลัง

บางท่านอาจสงสัยว่าผู้วิจัยจะไม่รู้สิ่งเหล่านี้ได้อย่างไร จริงๆ แล้ววิธีการที่ง่ายที่สุด คือ ดูตัวอย่างจากคนอื่น จากรุ่นพี่ จากของคณะ ของมหาวิทยาลัย หรือถ้าเป็นบทความวิจัยตีพิมพ์ ก็ดูจากบทความอื่นได้เลย

เชื่อว่าทุกท่านก็น่าจะใช้วิธีการนี้ ปัญหาถัดมาจึงเป็นเอาตัวเลขมาจากตรงไหนใน output ประเด็นนี้อธิบายยากเนื่องจากขึ้นกับโปรแกรมที่ใช้ ดังนั้น หากใช้โปรแกรมเป็นก็รู้ได้ว่าผลอยู่ตรงไหน แล้วจะเอาตัวเลขอะไรไปใส่ ก็จะย้อนกลับไปประเด็นก่อนหน้า ว่า ดูจากตัวอย่างต้องนำเสนอค่าอะไรบ้าง ก็นำมาใส่ตามแนวทาง

แนวทางการเขียนรายงานทางสถิติ

หัวข้อนี้เป็นการนำเสนอภายใต้มุมมองของ ผู้เขียน เป็นหลัก เนื่องจากหากยึดแนวทางการเขียนในบทที่ 4 ก็จะมี format ตายตัวทั่วไปว่าต้องนำเสนออะไรบ้าง จึงขอหยิบยกประเด็นสำคัญข้างต้น มาขยายความเพิ่มเติม ดังนี้

นำเสนอค่าอะไรบ้าง ขอนำเสนอสถิติแต่ละตัวดังนี้
- สถิติพื้นฐาน : จะนำเนอส ความถี่ ร้อยละ ค่าเฉลี่ย (มักนำเสนอด้วยค่า M หรือ X-bar) ส่วนเบี่ยงเบนมาตรฐาน ( มักเสนอด้วยค่า S.D.), ค่าความเบ้ ความโด่ง ระดับค่าเฉลี่ย การแปลผล
- Chi-square : นำเสนอด้วยค่า X^2 เป็นอักษรกรีกคล้ายๆ ตัว X, ค่า p-value, ค่าพื้นฐานสำหรับสถิตินี้ คือ ความถี่ ร้อยละ และค่า effect size เช่น Lambda, Phi and Crammer'sV
- Correlation : นำเสนอด้วยค่า r (ตัวเล็ก) และค่า p-value
- Independent sample t-test : นำเสนอค่าด้วย t และค่า p-value ร่วมกับค่าสถิติพื้นฐาน ค่าเฉลี่ย ส่วนเบี่ยงมาตรฐานในแต่ละกลุ่ม
- One way ANOVA : นำเสนอด้วยค่า F และ p-value ร่วมกับค่าสถิติพื้นฐาน ค่าเฉลี่ย ส่วนเบี่ยงมาตรฐานในแต่ละกลุ่ม ทุกอย่างเหมือนกันกับ t-test ต่างกันที่ค่าสถิติ F และหากมีความแตกต่างรายคู่ ให้นำเสนอผลเพิ่มด้วย เช่น LSD
- Pair sample t-test : นำเสนอค่า t และ p-value เช่นเดียวกันกับ independent sample t-test แต่จะแตกต่างกันที่ค่าเฉลี่ยพื้นฐาน เพราะ independent เป็นความแตกต่างระหว่างกลุ่ม ส่วน pair sample t-test เป็นการเปรียบเทียบ ก่อน-หลัง สำหรับสถิติที่ยากขึ้น เช่น Regression, EFA, CFA, SEM ขอเสนอดังนี้
- Regression : แบ่งเป็น Linear Regression กับ Logistic Regression
  - Linear Regression : นำเสนอค่า coefficient (b, Beta ; unstandardized , Standardized) , ค่า s.e. , ค่า t , และค่า p-value
  - Logistic Regression : นำเสนอค่า coefficient , Wald เทียบเคียงได้กับ t ใน linear, p-value , และค่าสำคัญ Odds Ratio เพื่อนำเสนอผลเชิงเปรียบเทียบ
- EFA (Exploratory Factor Analysis) : นำเสนอค่าสำคัญ คือ KMO , Bartlett's test เป็นค่าเบื้องต้นที่สำคัญของ EFA , ค่า Variance Extraction เพื่อบอกว่าสกัดได้ร้อยละเท่าไหร่ และสกัดได้กี่องค์ประกอบ , ค่าน้ำหนักในแต่ละองค์ประกอบ (component) และมักนำเสนอผลเมื่อหมุนแกน (rotation) เพิ่มเติม * คำเรียกต่างๆ ที่ใช้ มักถูกใช้ในโปรแกรม SPSS โปรแกรมอื่นอาจแตกต่างกันเล็กน้อย
- CFA (Confirmatory Factor Analysis) : ในตารางจะนำเสนอในแต่ละองค์ประกอบ ที่ประกอบด้วยข้อคำถามย่อย (ตัวชี้วัด) มักนำเสนอ ค่าน้ำหนัก (Factor Loading) - เป็นค่าที่สำคัญ ไม่นำเสนอไม่ได้ , ค่า t , ค่า p-value , และมักนำเสนอ CR AVE ร่วมด้วย ซึ่งทั้งสองตัวนี้ คือ Composite Reliability, Average Variance Extraction เป็นค่าสำคัญที่ช่วยยืนยันว่าแต่ละตัวชี้วัดย่อย อยู่ภายใต้องค์ประกอบนี้จริงๆ (อ่านเพิ่มเติม) และควรนำเสนอตาราง Discriminant Validity ร่วมด้วย เพื่อแสดงให้เห็นว่าแต่ละองค์ประกอบแยกออกจากกันจริงๆ
- SEM ( Strcutural Equation Modeling) : นอกจากนำเสนอรูปภาพผลโมเดลแล้ว ในส่วนของตาราง มักนิยมนำเสนอสองเรื่องด้วยกัน คือ
  - 1) ตารางที่นำเสนอละเอียดรายเส้นทาง จะประกอบด้วย ค่าอิทธิพลทางตรงในแต่ละเส้นทาง , s.e. , t , p-value , ซึ่งตารางนี้อาจเป็นการนำเสนอตามแต่ละสมมติฐาน และมีการแจ้งผล ยอมรับ หรือ ปฏิเสธ สมมติฐาน
  - 2) ตารางที่นำเสนอภาพรวม จะนำเสนอค่าอิทธิพลทางตรง (Direct Effect: DE) , อิทธิพลทางอ้อม (Indirect Effect: IE) , อิทธิพลโดยรวม (Total Effect: TE) ตารางนี้จะทำให้เห็นภาพรวมทั้งหมดของโมเดล

เอามาจากตรงไหนของ Output ประเด็นนี้อาจจะอธิบายยากหน่อย เพราะขึ้นอยู่กับโปรแกรม ดังนั้น ขออธิบายภายใต้ของเขตว่าออกผล output มาแล้ว จึงขอเล่าแยกเป็นสถิติพื้นฐาน กับ ขั้นสูง ดังนี้
- สถิติพื้นฐาน : สำหรับสถิติพื้นฐาน ไม่ว่าจะเป็นความถี่ ร้อยละ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน จะใช้ตัวอักษรเหมือนกัน เพราะเป็นสากล เช่นเดียวกันกับพวกสถิติ 2 ตัวแปร ไม่ว่าจะเป็น t , F , X^2 , r ล้วนใช้ค่าเดียวกัน แม้ว่าแต่ละโปรแกรมจะเสนอตาราง output ต่างกัน แต่ก็สามารถหาค่าเหล่านี้ได้ เช่น SPSS กับ Stata มีวิธีนำเสนอต่างกัน แต่ก็สามารถอ่านค่าได้
- สถิติขั้นสูง หลายตัวแปร : ไม่ว่าจะเป็น Regression, EFA, CFA, SEM มีความแตกควาามคล้ายกัน ขอเล่าดังนี้
  - โปรแกรมที่นำเสนอ output คล้ายกัน เช่น SPSS , jamovi , jasp , ส่วนโปรแกรมที่ต่างกัน อย่าง Stata แม้จะมีหน้าตา output ที่ต่างกัน แต่ค่าที่นำเสนอเป็นตัวเดียวกัน เข้าใจไม่ยากแน่นอน ในขณะที่สถิติที่สูงขึ้น อย่าง CFA SEM จุดที่เหมือนกัน คือ หัวข้อ Estimate ซึ่งสื่อถึง factor loading, unstandardized, standarized , s.e. , p-value แต่จุดที่ต่างกัน คือ t เนื่องจากใน AMOS จะนำเสนอเป็นค่า C.R. ย่อมาจาก Critical Ratio แต่ในโปรแกรมอื่น เช่น jamovi, jasp, lisrel, mplus หรือแม้แต่ smartpls จะใช้ t ตรงกัน
  - ค่าที่นำเสนอ ประเด็นนี้โปรแกรมที่มักต่างจากชาวบ้านก็คือ AMOS เช่น ค่า unstandardized, s.e. , t, p-value จะนำเสนอในหัวข้อชื่อว่า Regression weight แต่ในหัวข้อ Standardized จะมีแต่ค่า Estimate เท่านั้น ในขณะที่โปรแกรมอื่นอย่าง Mplus จะนำเสนอค่าทุกตัวทั้งในหัวข้อ Unstd และ Std , หรืออย่าง lisrel ถ้าเป็น version เก่าจะคล้ายๆ AMOS และไม่มีค่า p-value มีแต่ t ให้ไปตีความเอง แต่ version ใหม่ มีทั้ง p-value และค่าอื่นๆใน Std แล้ว ดังนั้น เราต้องเข้าใจความแตกต่างในแต่ละโปรแกรมด้วย แต่หลักการของการอ่านค่ายังคงเหมือนเดิม
ลำดับการนำเสนอ สำหรับประเด็นนี้การนำเสนอจะเกี่ยวข้องตั้งแต่บทระเบียบวิธีวิจัย (ในเชิงปริมาณมักอยู่ในบทที่ 3) จนถึงบทผลการวิเคราะห์ข้อมูล (ในเชิงปริมาณมักอยู่ในบทที่ 4) เริ่มจากการนำเสนอเนื้อหาหลักในบทที่ 3 ก็จะนำเสนอค่าความเชื่อมั่น (Reliability) ด้วยสถิติย่อย Cronbach Alpha และมักนำเสนอทั้งในขั้น tryout และขั้นเก็บจริง มาถึงในบทที่ 4 จะเริ่มต้นด้วยการนำเสนอ
- ค่าความถี่ ร้อยละ ของข้อมูลส่วนบุคคลทั่วไป
- ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน การแปลความ ของตัวแปรต่างๆ ทั้งภาพรวมและภาพย่อย และรวมถึงค่าความเบ้ ความโด่ง และอาจรวมถึงผลการทดสอบการแจกแจงเป็นโค้งปกติ
- ผลการวิเคราะห์สถิติสำคัญที่ใช้ในงานวิจัย เช่น ใช้สถิติพื้นฐาน t-test , ANOVA ไปจนถึง Regression หรือสถิติขั้นสูง จะไล่ลำดัตั้งแต่ผล EFA , ค่าน้ำหนักใน CFA ( ในตารางมีค่า CR AVE) และต่อด้วยตาราง Discriminant Validity จากนั้นเป็นนำเสนอภาพโมเดล SEM และตาราง SEM และในกรณีที่มีการปรับโมเดล อาจนำเสนอผลก่อนปรับ และ หลังปรับด้วย
- สำหรับผลการวิเคราะห์จากโปรแกรม มักนำเสนอในภาคผนวก เช่น ผล Cronbach Alpha, ผล EFA ที่เกี่ยวข้อง, ผล CFA ที่เกี่ยวข้อง, ผล SEM ที่เกี่ยวข้อง

สรุป

แนวทางการเขียนรายงานไม่ได้มีกฎหรือ format ตายตัวเป๊ะๆ แต่เป็นร่างหลวมๆ แล้วใส่เนื้อหาเพิ่มเข้าไป หากวิเคราะห์สถิติหลายตัว ก็นำเสนอเพิ่มในส่วนสถิติหลักเข้าไป ผล output ก็นำเสนอในภาคผนวกได้
แต่ถ้าเป็นบทความตีพิมพ์ที่มีข้อจำกัดจำนวนหน้ากระดาษ ก็สามารถเลือกนำเสนอเฉพาะส่วนสำคัญ และใช้การอธิบายส่วนอื่นๆ ได้ เช่น บทความที่นำเสนอ SEM ก็นำเสนอเฉพาะภาพกับตารางทางตรง ทางอ้อม สำหรับค่าอื่น เช่น EFA CFA ก็ใช้การเขียนบรรยายแทนได้ แต่ขอเสนอว่าตาราง Discriminant Validity ควรนำเสนอด้วย โดยปรับใส่เนื้อหา ค่าต่างๆ เพิ่มเข้าไปได้เพื่อประหยัดเนื้อที่

คอร์สออนไลน์จาก SkillLane SEM by AMOS

บทความที่เกี่ยวข้อง: