t test dependent หรือที่เรียกอีกอย่างว่า paired t-test เป็นเครื่องมือทางสถิติที่ใช้เปรียบเทียบค่าเฉลี่ยของสองกลุ่มที่สัมพันธ์กัน โดยกลุ่มทั้งสองจะต้องประกอบด้วยข้อมูลเดียวกันจากบุคคลเดียวกันหรือสิ่งเดียวกัน ตัวอย่างเช่น การวัดคะแนนความเครียดของผู้เข้าร่วมก่อนและหลังการฝึกอบรม การวัดผลการเรียนรู้ของนักเรียนก่อนและหลังเรียนบทเรียนใหม่ เป็นต้น
t test dependent มีข้อดีหลายประการ ประการแรก เป็นการทดสอบที่แม่นยำมาก เนื่องจากข้อมูลทั้งสองกลุ่มมาจากบุคคลหรือสิ่งเดียวกัน จึงมีความแปรปรวนน้อยกว่าการทดสอบที่เปรียบเทียบกลุ่มที่ไม่สัมพันธ์กัน ประการที่สอง t test dependent สามารถใช้ได้กับข้อมูลที่มีขนาดเล็ก ตัวอย่างเช่น การทดสอบผลการเรียนรู้ของนักเรียน 10 คน ประการที่สาม t test dependent สามารถใช้ได้กับข้อมูลประเภทใดก็ได้ ไม่ว่าจะเป็นข้อมูลเชิงปริมาณหรือเชิงคุณภาพ
บทบาทสำคัญในการศึกษาวิจัยและงานประยุกต์ต่าง ๆ
t test dependent มีบทบาทสำคัญในการศึกษาวิจัยและงานประยุกต์ต่าง ๆ ดังนี้
- ใช้ในการวัดผลการเปลี่ยนแปลงที่สัมพันธ์กัน t test dependent เป็นเครื่องมือทางสถิติที่แม่นยำในการวัดผลการเปลี่ยนแปลงที่สัมพันธ์กัน ตัวอย่างเช่น การศึกษาวิจัยเพื่อเปรียบเทียบประสิทธิภาพของยาสองชนิดสำหรับการรักษาโรคเดียวกัน โดยวัดอาการของผู้ป่วยก่อนและหลังได้รับยา ในกรณีนี้ ข้อมูลทั้งสองกลุ่มมาจากผู้ป่วยคนเดียวกัน ดังนั้นจึงสามารถใช้ t test dependent ได้
- สามารถใช้ได้กับข้อมูลที่มีขนาดเล็ก t test dependent สามารถใช้ได้กับข้อมูลที่มีขนาดเล็ก ตัวอย่างเช่น การทดสอบผลการเรียนรู้ของนักเรียน 10 คน
- สามารถใช้ได้กับข้อมูลประเภทใดก็ได้ t test dependent สามารถใช้ได้กับข้อมูลประเภทใดก็ได้ ไม่ว่าจะเป็นข้อมูลเชิงปริมาณหรือเชิงคุณภาพ ตัวอย่างเช่น การศึกษาวิจัยเพื่อเปรียบเทียบผลของโฆษณาสองชิ้นต่อความพึงพอใจของลูกค้า โดยวัดความพึงพอใจของลูกค้าก่อนและหลังเห็นโฆษณา
- ช่วยให้นักวิจัยและนักประยุกต์สามารถตัดสินใจได้อย่างถูกต้อง t test dependent สามารถช่วยให้นักวิจัยและนักประยุกต์สามารถตัดสินใจได้อย่างถูกต้องว่าค่าเฉลี่ยของสองกลุ่มแตกต่างกันอย่างมีนัยสำคัญทางสถิติหรือไม่ ตัวอย่างเช่น สมมตินักวิจัยต้องการเปรียบเทียบประสิทธิภาพของยาสองชนิดสำหรับการรักษาโรคเดียวกัน โดยวัดอาการของผู้ป่วยก่อนและหลังได้รับยา หากค่าเฉลี่ยของอาการผู้ป่วยก่อนและหลังได้รับยาต่างกันอย่างมีนัยสำคัญทางสถิติ หมายความว่ายาทั้งสองชนิดมีประสิทธิภาพในการรักษาโรคที่แตกต่างกัน
ตัวอย่างการนำ t test dependent ไปประยุกต์ใช้ในงานวิจัยและงานประยุกต์ต่าง ๆ เช่น
- การศึกษาวิจัยเพื่อเปรียบเทียบประสิทธิภาพของยาสองชนิดสำหรับการรักษาโรคเดียวกัน
- การศึกษาวิจัยเพื่อเปรียบเทียบผลของการฝึกอบรมทักษะใหม่ต่อประสิทธิภาพในการทำงานของพนักงาน
- การศึกษาวิจัยเพื่อเปรียบเทียบผลของโฆษณาสองชิ้นต่อความพึงพอใจของลูกค้า
- การศึกษาวิจัยเพื่อเปรียบเทียบผลของโปรแกรมการเรียนการสอนสองหลักสูตรต่อผลสัมฤทธิ์ทางการเรียนของนักเรียน
- การศึกษาวิจัยเพื่อเปรียบเทียบผลของการรักษาสองวิธีต่ออาการของผู้ป่วย
ตัวอย่างการใช้ t test dependent
ตัวอย่างที่ 1 : การศึกษาวิจัยเพื่อเปรียบเทียบประสิทธิภาพของยาสองชนิดสำหรับการรักษาโรคเดียวกัน
สมมตินักวิจัยต้องการเปรียบเทียบประสิทธิภาพของยาสองชนิดสำหรับการรักษาโรคเดียวกัน โดยวัดอาการของผู้ป่วยก่อนและหลังได้รับยา ในกรณีนี้ ข้อมูลทั้งสองกลุ่มมาจากผู้ป่วยคนเดียวกัน ดังนั้นจึงสามารถใช้ t test dependent ได้
สมมติผลการวิจัยพบว่า ค่าเฉลี่ยของอาการผู้ป่วยก่อนได้รับยาทั้งสองกลุ่มไม่แตกต่างกัน แต่ค่าเฉลี่ยของอาการผู้ป่วยหลังได้รับยาต่างกันอย่างมีนัยสำคัญทางสถิติ หมายความว่ายาทั้งสองชนิดมีประสิทธิภาพในการรักษาโรคเดียวกัน แต่ยาชนิดใดมีประสิทธิภาพมากกว่ากันนั้น นักวิจัยจะต้องทำการทดสอบเพิ่มเติม เช่น การทดสอบแบบ ANOVA
ตัวอย่างที่ 2 : การศึกษาวิจัยเพื่อเปรียบเทียบผลของการฝึกอบรมทักษะใหม่ต่อประสิทธิภาพในการทำงานของพนักงาน
สมมตินักวิจัยต้องการเปรียบเทียบผลของการฝึกอบรมทักษะใหม่ต่อประสิทธิภาพในการทำงานของพนักงาน โดยวัดประสิทธิภาพการทำงานของพนักงานก่อนและหลังการฝึกอบรม ในกรณีนี้ ข้อมูลทั้งสองกลุ่มมาจากพนักงานคนเดียวกัน ดังนั้นจึงสามารถใช้ t test dependent ได้
สมมติผลการวิจัยพบว่า ค่าเฉลี่ยของประสิทธิภาพการทำงานของพนักงานก่อนและหลังการฝึกอบรมต่างกันอย่างมีนัยสำคัญทางสถิติ หมายความว่าการฝึกอบรมทักษะใหม่มีประสิทธิภาพในการปรับปรุงประสิทธิภาพการทำงานของพนักงาน
ตัวอย่างที่ 3 : การศึกษาวิจัยเพื่อเปรียบเทียบผลของโฆษณาสองชิ้นต่อความพึงพอใจของลูกค้า
สมมตินักวิจัยต้องการเปรียบเทียบผลของโฆษณาสองชิ้นต่อความพึงพอใจของลูกค้า โดยวัดความพึงพอใจของลูกค้าก่อนและหลังเห็นโฆษณา ในกรณีนี้ ข้อมูลทั้งสองกลุ่มมาจากลูกค้าคนเดียวกัน ดังนั้นจึงสามารถใช้ t test dependent ได้
สมมติผลการวิจัยพบว่า ค่าเฉลี่ยของความพึงพอใจของลูกค้าก่อนและหลังเห็นโฆษณาต่างกันอย่างมีนัยสำคัญทางสถิติ หมายความว่าโฆษณาชิ้นใดมีประสิทธิภาพมากกว่ากันนั้น นักวิจัยจะต้องทำการทดสอบเพิ่มเติม เช่น การทดสอบแบบ ANOVA
ตัวอย่างข้างต้นเป็นเพียงตัวอย่างบางส่วนของการใช้ t test dependent t test dependent เป็นเครื่องมือทางสถิติที่มีประสิทธิภาพในการวัดผลการเปลี่ยนแปลงที่สัมพันธ์กัน นักวิจัยและนักประยุกต์สามารถนำ t test dependent ไปประยุกต์ใช้ในงานวิจัยและงานประยุกต์ต่าง ๆ ได้
ขั้นตอนการทำ t test dependent
ขั้นตอนการทำ t test dependent มีดังนี้
- กำหนดสมมติฐาน ในการทดสอบ t test dependent มีดังนี้
- สมมติฐานว่าง (H0) คือ ค่าเฉลี่ยของสองกลุ่มไม่แตกต่างกัน
- สมมติฐานทางเลือก (H1) คือ ค่าเฉลี่ยของสองกลุ่มแตกต่างกัน
ตัวอย่างเช่น สมมตินักวิจัยต้องการเปรียบเทียบประสิทธิภาพของยาสองชนิดสำหรับการรักษาโรคเดียวกัน โดยวัดอาการของผู้ป่วยก่อนและหลังได้รับยา สมมติฐานว่างคือยาทั้งสองชนิดมีประสิทธิภาพในการรักษาโรคเดียวกัน สมมติฐานทางเลือกคือยาทั้งสองชนิดมีประสิทธิภาพในการรักษาโรคแตกต่างกัน
- กำหนดระดับความเชื่อมั่น ระดับความเชื่อมั่นที่นิยมใช้คือ 95% หรือ 99%
ตัวอย่างเช่น สมมตินักวิจัยกำหนดระดับความเชื่อมั่นไว้ที่ 95% หมายความว่านักวิจัยต้องการความเชื่อมั่น 95% ว่าผลลัพธ์ของการทดสอบถูกต้อง
- คำนวณ t-statistic มีดังนี้
t = (M1 - M2) / sd√(1/n1 + 1/n2)โดยที่
- M1 และ M2 คือค่าเฉลี่ยของกลุ่มที่ 1 และ 2 ตามลำดับ
- sd คือค่าเบี่ยงเบนมาตรฐานของกลุ่มที่ 1 และ 2 ตามลำดับ
- n1 และ n2 คือขนาดตัวอย่างของกลุ่มที่ 1 และ 2 ตามลำดับ
ตัวอย่างเช่น สมมตินักวิจัยทำการทดลองกับผู้ป่วย 10 คน โดยวัดอาการของผู้ป่วยก่อนและหลังได้รับยา พบว่า ค่าเฉลี่ยของอาการของผู้ป่วยก่อนได้รับยาทั้งสองกลุ่มเท่ากับ 50 และค่าเบี่ยงเบนมาตรฐานของอาการของผู้ป่วยก่อนได้รับยาทั้งสองกลุ่มเท่ากับ 10 สมมติฐานว่างคือยาทั้งสองชนิดมีประสิทธิภาพในการรักษาโรคเดียวกัน สมมติฐานทางเลือกคือยาทั้งสองชนิดมีประสิทธิภาพในการรักษาโรคแตกต่างกัน ระดับความเชื่อมั่นที่นักวิจัยกำหนดไว้คือ 95%
จากข้อมูลข้างต้น เราสามารถคำนวณ t-statistic ดังนี้
t = (55 - 50) / 10√(1/10 + 1/10)
= 2.236- หาค่า p-value จากตาราง t-distribution โดยกำหนดระดับความเชื่อมั่นและองศาอิสระ
ตัวอย่างเช่น จากตัวอย่างข้างต้น ระดับความเชื่อมั่นที่นักวิจัยกำหนดไว้คือ 95% และขนาดตัวอย่างของทั้งสองกลุ่มเท่ากับ 10 ดังนั้น องศาอิสระจึงเท่ากับ 18
จากตาราง t-distribution เราสามารถหาค่า p-value ของ t-statistic ที่เท่ากับ 2.236 ได้เท่ากับ 0.025
- ตัดสินใจ
- ถ้า p-value น้อยกว่าระดับความเชื่อมั่นที่กำหนด แสดงว่าปฏิเสธสมมติฐานว่าง หมายความว่า ค่าเฉลี่ยของสองกลุ่มแตกต่างกันอย่างมีนัยสำคัญทางสถิติ
- ถ้า p-value มากกว่าระดับความเชื่อมั่นที่กำหนด แสดงว่ายอมรับสมมติฐานว่าง หมายความว่า ค่าเฉลี่ยของสองกลุ่มไม่แตกต่างกันอย่างมีนัยสำคัญทางสถิติ
ตัวอย่างเช่น จากตัวอย่างข้างต้น ค่า p-value เท่ากับ 0.025 ซึ่งน้อยกว่าระดับความเชื่อมั่นที่นักวิจัยกำหนดไว้ที่ 0.05 ดังนั้นนักวิจัยจึงปฏิเสธสมมติฐานว่าง หมายความว่ายาทั้งสองชนิดมีประสิทธิภาพในการรักษาโรคที่แตกต่างกันอย่างมีนัยสำคัญทางสถิติ
สรุป
t test dependent : เครื่องมือวัดผลการเปลี่ยนแปลงที่แม่นยำ และมีประสิทธิภาพในการวัดผลการเปลี่ยนแปลงที่สัมพันธ์กัน t test dependent สามารถใช้ได้กับข้อมูลที่มีขนาดเล็กและข้อมูลประเภทใดก็ได้ t test dependent จึงมีบทบาทสำคัญในการศึกษาวิจัยและงานประยุกต์ต่าง ๆ