งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

12 การทดสอบไคสแควร์ Chi-Square Test. Chi-Square Test : การทดสอบไคสแควร์ : เป็นวิธีการทดสอบ เพื่อเปรียบเทียบข้อมูลที่อยู่ในรูปของ ความถี่ สัดส่วน เช่น.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "12 การทดสอบไคสแควร์ Chi-Square Test. Chi-Square Test : การทดสอบไคสแควร์ : เป็นวิธีการทดสอบ เพื่อเปรียบเทียบข้อมูลที่อยู่ในรูปของ ความถี่ สัดส่วน เช่น."— ใบสำเนางานนำเสนอ:

1 12 การทดสอบไคสแควร์ Chi-Square Test

2 Chi-Square Test : การทดสอบไคสแควร์ : เป็นวิธีการทดสอบ เพื่อเปรียบเทียบข้อมูลที่อยู่ในรูปของ ความถี่ สัดส่วน เช่น ระดับความคิดเห็น เจตคติ ที่มีระดับ ของการวัดเป็นกลุ่ม/หมวดหมู่ เช่น มาก-ปานกลาง-น้อย คล้ายกับ z แต่ใช้เปรียบเทียบระหว่างกลุ่ม 2 กลุ่มหรือ มากกว่าว่ามีความสัมพันธ์กันหรือไม่ ได้ดี Chi-square calculations are used to compare observed and expected values. Usually, these calculations are used in the context of categorical outcomes, to compare observed and expected distribution of subjects among the categories.

3 Chi-Square Test : หลักการทดสอบไคสแควร์ : สมมติมีประชากรที่มีการแจกแจงปกติ โดยมีค่าเฉลี่ย (  ) และความแปรปรวน (  ) ถ้าหากสุ่มประชากรออกมา 1 คน แล้วนำมาแทนค่าในสูตร จากนั้นจึงนำค่าของ Z 2 ตั้งแต่ 0 จนถึง  ไปเขียนกราฟ การแจกแจงของ Z 2 จะพบว่า การแจกแจงของกราฟ Z 2 ที่ได้ จะมีลักษณะเหมือนกับการแจกแจงของไคสแควร์ (  2 ) ที่มีระดับองศาอิสระเป็น 1

4 Chi-Square Test : หลักการทดสอบไคสแควร์ : แต่ถ้าสุ่มออกมา N คน จำนวน 1 ครั้งและนำมาแทนค่า ในสูตรเพื่อหาค่า Z 2 และผลรวมของ  Z 2 กระทำลักษณะ เช่นนี้จำนวน  ครั้งแล้วนำไปเขียนกราฟเพื่อแสดงการ แจกแจงของ  Z 2 จะได้เส้นกราฟจะมีลักษณะเหมือนกับ การแจกแจงของไคสแควร์ ที่มีระดับองศาอิสระเป็น N

5 Chi-Square Test : ลักษณะของเส้นกราฟไคสแควร์ : ระดับองศาอิสระที่มีค่ามากขึ้นเท่าใด เส้นกราฟที่ได้ ของไคสแควร์จะยิ่งเข้าใกล้เส้นกราฟ Z มากขึ้นเท่านั้น

6 Chi-Square Test : การทดสอบไคสแควร์ : ถ้าประชากรมีการแจกแจงปกติและทราบค่าความแปร ปรวนของประชากร ถ้าสุ่มประชากรออกมา N ค่า จำนวน  ครั้ง พร้อมทั้งหาค่าความแปรปรวน (S 2 ) แต่ละครั้ง นำ ค่ามาแจกแจงเป็นความแปรปรวนของประชากร จะได้ว่า จะพบว่า  2/N-1 ก็คือค่าคงที่สำหรับความแปรปรวนของ ประชากรและกลุ่มตัวอย่าง ดังนั้น การแจกแจงของ S 2 จึง ขึ้นอยู่กับ  2 ไคสแควร์จะมีความสัมพันธ์กับ z และความ แปรปรวนตามสูตรที่ผ่านมา หรือ

7 Chi-Square Test : การทดสอบไคสแควร์ : 1. การทดสอบความกลมกลืน หรือการทดสอบสารูป สนิทดี (The goodness of fit test) สนิทดี (The goodness of fit test) 2. การทดสอบความสัมพันธ์ระหว่างตัวแปร (Test of Association) หรือการทดสอบความเป็นอิสระ (Test Association) หรือการทดสอบความเป็นอิสระ (Test of Independence) of Independence) 3. การทดสอบความเป็นเอกภาพ หรือการทดสอบความ เป็นเอกพันธ์ หรือการทดสอบความคล้ายคลึงของตัว เป็นเอกพันธ์ หรือการทดสอบความคล้ายคลึงของตัว แปร (Test of Homogeneity) แปร (Test of Homogeneity)

8 Chi-Square Test : 1. The goodness of fit test : การทดสอบความคล้ายคลึงของตัวแปร เป็นการทดสอบ ตัวแปรเพียงตัวเดียว เพื่อศึกษาว่ามีการแจกแจงความถี่ เป็นไปตามรูปแบบที่กำหนดไว้หรือไม่ โดยเปรียบเทียบ ระหว่างข้อมูลจากตัวแปรกับข้อมูลจากความคาดหมาย หรือจากทฤษฎี ว่ามีความสอดคล้องกันหรือไม่ เงื่อนไข : 1. จะต้องมีความถี่ที่เกิดจากการคาดหวัง (E) 2. จำนวน N ต้องมากกว่า 50 (ไคสแควร์จึงจะได้ผลดี) 3. ถ้า มีค่า = 0 แสดงว่าไม่มีความแตกต่างระหว่าง ความถี่ที่ศึกษา (O) กับความถี่ที่คาดหวัง (E) ความถี่ที่ศึกษา (O) กับความถี่ที่คาดหวัง (E)

9 การทดสอบความกลมกลืน :

10 Observe Value Expected Value

11 การทดสอบความกลมกลืน :

12 Chi-Square Test : 1. The goodness of fit test : ถ้าค่าที่คำนวณได้เป็นศูนย์ แสดงว่าไม่มีความแตกต่าง ระหว่างความถี่ของตัวแปรที่ได้จากการศึกษา กับความถี่ ที่คาดหวัง นั่นคือยอมรับตาม H 0 และปฏิเสธ H 1 แต่ถ้าค่าที่คำนวณได้มีค่ามากกว่าศูนย์ การตัดสินใจที่จะ เชื่อตามสมมติฐาน H 0 หรือไม่นั้น โดยการเปรียบเทียบ ค่าที่คำนวณได้กับค่าที่ได้จากตาราง  2 ที่ df ที่กำหนด ถ้าค่าที่คำนวณมากกว่าค่าที่ได้จากตาราง แสดงว่าความ แตกต่างของความถี่ที่ได้จากตัวแปรที่ศึกษา มีนัยสำคัญ กับความถี่ที่คาดหวัง คือ ยอมรับตาม H 1 และปฏิเสธ H 0

13 ตัวอย่างการทดสอบความกลมกลืน : Observe Value

14 ที่ df = k – 1 (3 – 1 = 2) มีค่าวิกฤติที่.05 = ซึ่งน้อยกว่า ค่าที่คำนวณได้ แสดงว่าค่าที่ได้จากการศึกษาอยู่ในเขตวิกฤติ จึง ยอมรับ H 1 และปฏิเสธ H 0 สรุปตาม H 1 ว่า ผู้เรียนมีความคิดเห็น แตกต่างกัน เกี่ยวกับความพึงพอใจในการใช้ระบบการรายงานผล การเรียนผ่านอินเทอร์เน็ต

15 Chi-Square Test : 2. Test of Association (Test of Independence) : การทดสอบความสัมพันธ์ระหว่างตัวแปรหรือการทดสอบ ความเป็นอิสระ เป็นการศึกษาว่าตัวแปรสัมพันธ์กันหรือ ไม่ โดยศึกษาระหว่างตัวแปรทีละคู่ ซึ่งอาจจำแนกเป็น หลายกลุ่มที่แจกแจงอยู่ในตาราง เมื่อต้องการทดสอบ ความสัมพันธ์ระหว่างตัวแปรทีละคู่ จะต้องนำข้อมูลมาใส่ ในตารางเพื่อหาความสัมพันธ์ระหว่างตัวแปรทั้งสอง การทดสอบสมมติฐานว่าตัวแปรแต่ละคู่ จะใช้หลักการ ทดสอบความสัมพันธ์ระหว่างตัวแปรเพื่อให้สามารถหา ค่าที่คาดหมาย โดยกำหนดสมมติฐานเป็นกลางว่าไม่มี ความสัมพันธ์ระหว่างตัวแปรทั้งสองหรือตัวแปรทั้งสอง มีอิสระต่อกัน

16 ตัวอย่างการทดสอบความสัมพันธ์ระหว่างตัวแปร :

17

18 25.91

19 ที่ df = (r -1)(k – 1) เมื่อ r = จำนวนกลุ่มของตัวแปร ตัวที่หนึ่ง k = จำนวนกลุ่มของตัวแปรตัวที่สอง df = (2 – 1)(2 – 1) = 1 ซึ่งมีค่าวิกฤติจากตารางที่ระดับ.01 เท่ากับ ซึ่งน้อยกว่าค่าที่คำนวณได้ (25.91) แสดง ว่าค่าที่ศึกษาอยู่ในเขตวิกฤติ จึงยอมรับ H 1 ปฏิเสธ H 0 สรุปตาม H 1 ได้ว่า มีความสัมพันธ์ระหว่างเพศกับการชอบ เล่นเกมคอมพิวเตอร์ที่ระดับ.01 หรือกล่าวได้ว่า การชอบ เล่นเกมคอมพิวเตอร์มีความสัมพันธ์กับเพศของผู้เล่น

20 ตัวอย่างการทดสอบความสัมพันธ์ระหว่างตัวแปร :

21

22 ที่ df = (2 - 1)(3 – 1) = 2 ซึ่งมีค่าวิกฤติจากตารางที่ ระดับ.01 และ df = 2 เท่ากับ ซึ่งมากกว่าค่าที่ คำนวณได้ (1.746) แสดงว่าค่าที่ได้จากการศึกษาอยู่ นอกเขตวิกฤติ จึงยอมรับ H 0 และปฏิเสธ H 1 สรุปตาม H 0 ได้ว่า ไม่มีความสัมพันธ์ระหว่างขนาดขององค์กรกับ ความถี่ในการใช้จดหมายอิเล็กทรอนิกส์ที่ระดับ.01 สรุปได้ว่า ความถี่ในการใช้จดหมายอิเล็กทรอนิกส์ไม่ว่า จะใช้น้อย ปานกลาง หรือใช้บ่อย จะไม่มีความสัมพันธ์ กับขนาดขององค์กร

23 Chi-Square Test : การวัดความสัมพันธ์ระหว่างตัวแปร : การทดสอบความสัมพันธ์ระหว่างตัวแปรโดยใช้ไคสแควร์ ผลการทดสอบจะบอกได้เพียงว่าตัวแปรมีความสัมพันธ์ กันหรือไม่เท่านั้น ไม่สามารถระบุระดับของความสัมพันธ์ ระหว่างตัวแปรทั้งสองได้ ถ้าผลการทดสอบพบว่ายอมรับ H 1 ซึ่งแสดงว่าตัวแปรมี ความสัมพันธ์กัน ถ้าต้องการหาระดับความสัมพันธ์ของ ตัวแปรทั้งสอง จะต้องหาค่าสัมประสิทธิ์ของความสัมพันธ์ (Contingency Coefficient) ซึ่งนิยมใช้ 2 วิธี : 1. วิธีของเพียร์สัน (Pearson) 2. วิธีของแครมเมอร์ฟี (Cramer’s Phi)

24 Chi-Square Test : การวัดความสัมพันธ์ระหว่างตัวแปร : สูตรการวัดความสัมพันธ์ระหว่างตัวแปรของเพียร์สัน C = ค่าสัมประสิทธิ์ของความสัมพันธ์ (< 1.00) N = จำนวนสมาชิก (> 0) ถ้า C = 0 แสดงว่าไม่มีความสัมพันธ์ระหว่างตัวแปรทั้ง สอง ถ้า C ยิ่งมีค่ามากแสดงว่าระดับความสัมพันธ์ยิ่งมาก ค่าของ C จะสัมพันธ์กับตาราง ถ้าเป็น 2 x 2 ค่า C จะมี ค่าไม่เกิน.707 ถ้าเป็น 3 x 3 ค่า C จะมีค่าไม่เกิน.816

25 Chi-Square Test : การวัดความสัมพันธ์ระหว่างตัวแปร : สูตรการหาค่า C สูงสุด : C Max = ค่าสูงสุดของสัมประสิทธิ์ของความสัมพันธ์ k = จำนวนของแถวหรือคอลัมน์ที่มีค่าน้อยที่สุด

26 Chi-Square Test : การวัดความสัมพันธ์ระหว่างตัวแปร : สูตรการวัดความสัมพันธ์ระหว่างตัวแปรของแครมเมอร์ฟี (Phi) หรือแครมเมอร์วี (Cramer’s V) ใช้เฉพาะตาราง 2 x 2 เท่านั้น สูตรคำนวณค่า Phi :  = ค่าสัมประสิทธิ์ของความสัมพันธ์  = ค่าสัมประสิทธิ์ของความสัมพันธ์ N = จำนวนสมาชิก k = จำนวนของแถวหรือคอลัมน์ที่มีค่าน้อยที่สุด

27 Chi-Square Test : 3. Test of Homogeneity : การทดสอบความเป็นเอกภาพ หรือการทดสอบความเป็น เอกพันธ์ หรือการทดสอบความคล้ายคลึงกันของตัวแปร เป็นการทดสอบความเหมือนกัน (หรือไม่แตกต่างกัน) ของตัวแปร โดยพิจารณาจากความน่าจะเป็นหรืออัตรา ส่วนของตัวแปรทั้งสอง ถ้ามีค่าใกล้เคียงกัน แสดงว่าตัวแปรมีความเหมือนกัน หรือมีความเป็นเอกภาพ เรียกว่าตัวแปรทั้งสองมีความ เป็นเอกภาพหรือมีความคล้ายคลึงกัน (Homogeneity)

28 ตัวอย่างการทดสอบความเป็นเอกภาพของตัวแปร :

29

30 ที่ df = (2 - 1)(4 – 1) = 3 มีค่าวิกฤติจากตารางที่ระดับ.01 และ df = 3 เท่ากับ มากกว่าค่าที่คำนวณ ได้ (6.38) แสดงว่าค่าที่ได้อยู่นอกเขตวิกฤติ จึงยอมรับ H 0 และปฏิเสธ H 1 สรุปตาม H 0 ได้ว่า บทเรียนคอมพิวเตอร์ทั้งสองแบบ ให้ผลความพึงพอใจเหมือนกัน ที่ระดับ.01 หรือสรุปได้ ว่า บทเรียนคอมพิวเตอร์ทั้งสองแบบมีความเหมือนกัน หรือมีความเป็นเอกภาพ

31 Chi-Square Test : ขั้นตอนการทดสอบไคสแควร์ : 1. กำหนดสมมติฐานการวิจัย โดยกำหนดสมมติฐานเป็น กลาง (H 0 ) ว่าไม่มีความแตกต่างระหว่างความถี่ที่ได้ กลาง (H 0 ) ว่าไม่มีความแตกต่างระหว่างความถี่ที่ได้ จากการศึกษา (O) กับความถี่ที่คาดหวัง (E) และ จากการศึกษา (O) กับความถี่ที่คาดหวัง (E) และ กำหนดสมมติฐานตรงข้าม (H 1 ) ว่ามีความแตกต่างกัน กำหนดสมมติฐานตรงข้าม (H 1 ) ว่ามีความแตกต่างกัน 2. หาค่าความถี่ที่คาดหวัง ตามหลักของความน่าจะเป็น โดยหาค่า E แต่ละเซลจนครบทุกเซลตามตาราง โดยหาค่า E แต่ละเซลจนครบทุกเซลตามตาราง 3. คำนวณหาค่าไคสแควร์ (  2) 4. เปรียบเทียบค่าที่คำนวณได้กับค่าที่ได้จากตาราง 5. สรุปผล ถ้าค่าที่คำนวณมากกว่าค่าจากตาราง แสดงว่า ความแตกต่างของความถี่จากตัวแปรที่ศึกษา มี ความแตกต่างของความถี่จากตัวแปรที่ศึกษา มี นัยสำคัญกับความถี่ที่คาดหวัง จึงยอมรับตาม H 1 นัยสำคัญกับความถี่ที่คาดหวัง จึงยอมรับตาม H 1

32 Chi-Square Test : ข้อจำกัดของการทดสอบไคสแควร์ : 1. กรณีตารางเป็น 2 x 2 ถ้าความถี่ที่คาดหวัง ค่าใดค่า หนึ่ง<5 การทดสอบด้วยไคสแควร์จะเชื่อถือน้อยลง หนึ่ง<5 การทดสอบด้วยไคสแควร์จะเชื่อถือน้อยลง 2. กรณีตารางใหญ่กว่า 2 x 2 ถ้าความถี่ที่คาดหวังค่าใด ค่าหนึ่ง <1 หรือมีค่า <5 เกินร้อยละ 20 ของจำนวน ค่าหนึ่ง <1 หรือมีค่า <5 เกินร้อยละ 20 ของจำนวน ทั้งหมดของตัวแปร การใช้ไคสแควร์จะไม่เหมาะสม ทั้งหมดของตัวแปร การใช้ไคสแควร์จะไม่เหมาะสม การแก้ปัญหานี้ทำได้โดยการรวมกลุ่มของตัวแปรที่ การแก้ปัญหานี้ทำได้โดยการรวมกลุ่มของตัวแปรที่ ใกล้เคียงกันเข้าด้วยกัน แต่ความหมายจะผิดไป ใกล้เคียงกันเข้าด้วยกัน แต่ความหมายจะผิดไป 3. ประชากรที่ใช้ในการทดสอบไคสแควร์ ถ้ามีขนาด >50 จะได้ผลค่อนข้างดี จึงเหมาะสมกับประชากร >50 จะได้ผลค่อนข้างดี จึงเหมาะสมกับประชากร ขนาดใหญ่ ขนาดใหญ่

33 Chi-Square Test : ข้อจำกัดของการทดสอบไคสแควร์ : 4. ถ้า df = 1 (ตาราง 2 x 2) การทดสอบไคสแควร์จะ ใช้ได้ไม่ดี ในกรณีที่ค่าใดค่าหนึ่ง <10 จะต้องใช้ ใช้ได้ไม่ดี ในกรณีที่ค่าใดค่าหนึ่ง <10 จะต้องใช้ สูตรปรับแก้ของเยสต์ (Yates’s Correction for สูตรปรับแก้ของเยสต์ (Yates’s Correction for Continuity) เพื่อให้การใช้ไคสแควร์เหมาะสมมากขึ้น Continuity) เพื่อให้การใช้ไคสแควร์เหมาะสมมากขึ้น

34 ตัวอย่างการหาค่าไคสแควร์จากตาราง 2 x 2 : สูตรนี้ใช้เฉพาะกับตาราง 2 x 2 เท่านั้น

35 Chi-Square Test : ข้อจำกัดของการทดสอบไคสแควร์ : สูตรปรับแก้ของเยสต์ (Yates) สำหรับตาราง 2 x 2 เพื่อ ให้การใช้ไคสแควร์เหมาะสมมากขึ้น Yates

36 Chi-Square Test : ข้อจำกัดของการทดสอบไคสแควร์ : 5. ถ้าใช้ไคสแควร์คำนวณเปอร์เซ็นต์ ต้องมีการปรับแก้ ขนาดของกลุ่มตัวอย่างก่อน เนื่องจากค่าเปอร์เซ็นต์ ขนาดของกลุ่มตัวอย่างก่อน เนื่องจากค่าเปอร์เซ็นต์ เดียวกันที่มาจากตัวอย่างที่แตกต่างกัน ผลของ เดียวกันที่มาจากตัวอย่างที่แตกต่างกัน ผลของ ไคสแควร์จะแตกต่างกัน ต้องคูณไคสแควร์ที่คำนวณ ไคสแควร์จะแตกต่างกัน ต้องคูณไคสแควร์ที่คำนวณ บนพื้นฐานของเปอร์เซ็นต์ด้วย N/100 ก่อน บนพื้นฐานของเปอร์เซ็นต์ด้วย N/100 ก่อน

37 ตัวอย่างการหาค่าไคสแควร์จากตารางที่มีค่าเป็นเปอร์เซ็นต์ :

38 Chi-Square Test Question & Answer 12


ดาวน์โหลด ppt 12 การทดสอบไคสแควร์ Chi-Square Test. Chi-Square Test : การทดสอบไคสแควร์ : เป็นวิธีการทดสอบ เพื่อเปรียบเทียบข้อมูลที่อยู่ในรูปของ ความถี่ สัดส่วน เช่น.

งานนำเสนอที่คล้ายกัน


Ads by Google