03764491 ระเบียบวิธีวิจัยพื้นฐานทางการจัดการ โลจิสติกส์ 03764491 ระเบียบวิธีวิจัยพื้นฐานทางการจัดการ โลจิสติกส์ Basic Research Methods in Logistics Management เติมศักดิ์ สุขวิบูลย์ คณะวิทยาการจัดการ 7-8 : 26 มี.ค. 62

เนื้อหา ความหมายประชากร และการสุ่มตัวอย่าง เหตุผลการสุ่มตัวอย่าง ประเภทประชากร เกณฑ์การพิจารณาขนาดตัวอย่าง การสุ่มตัวอย่าง พื้นฐานการกำหนดขนาดตัวอย่าง ขั้นตอนการเลือกกลุ่มตัวอย่าง กลุ่มตัวอย่างกับสถิติ ประเภทการสุ่มตัวอย่าง

ขั้นตอนการเลือกกลุ่มตัวอย่าง I II III กำหนดขอบเขต กำหนดขนาด กำหนดเทคนิค ใช้สูตร ทราบ ความน่าจะเป็น ไม่ทราบ ความน่าจะเป็น เปิดตาราง 3

ความหมายของประชากรและตัวอย่าง คำถามชวนคิด: ในงานวิจัยทุกงานต้องมีกลุ่มตัวอย่างหรือไม่ กลุ่มประชากร (N) Sampling/ Selection Population Sample กลุ่มตัวอย่าง (n) 4

ประชากรและการสุ่มตัวอย่าง ประชากร (Population/Universe) ส่วนทั้งหมดของทุกหน่วยที่เป็นไปตามเงื่อนไขในการศึกษา/ ข้อมูลทั้งหมดที่อยู่ขอบเขตที่ต้องการพิจารณาอาจจะเป็นคน สัตว์ สิ่งของ สถานที่หรืออื่นๆ โดยแต่ละหน่วยมีลักษณะบางประการที่กำหนดไว้เหมือนกัน Ex : การประยุกต์ใช้เทคนิคทางการบัญชีบริหารของบริษัทที่จดทะเบียนหลักทรัพย์ในตลาดแห่งประเทศไทย ประชากร คือ บริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทยทุกบริษัทที่ประกอบธุรกิจในทุกกลุ่มอุตสาหกรรม 5

ประชากรและการสุ่มตัวอย่าง สมาชิก (Element/Unit) หน่วยย่อย/หน่วยเล็ก ๆ ของประชากรที่ต้องการศึกษาหรือจำนวน สมาชิกแต่ละหน่วยในประชากร ซึ่งทุกหน่วยสมาชิกมีโอกาสที่จะถูก คัดเลือกมาเป็นตัวอย่าง EX : จำนวนบริษัทที่จดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย400 บริษัท ทุกบริษัท มีโอกาสได้ถูกรับเลือกเป็นตัวอย่าง ดังนั้นแต่ละบริษัทถือว่าเป็นสมาชิก 6

ประชากรและการสุ่มตัวอย่าง กลุ่มตัวอย่าง (Sample) ส่วนหนึ่งของประชากรที่ถูกเลือก/สุ่มขึ้นมาใช้ศึกษาแทนประชากร เพื่อหาสารสนเทศ/ นำผลสรุปจากหลักฐานเชิงตัวเลขไปบรรยาย ลักษณะของสิ่งที่ศึกษา หรือสรุปอ้างอิง ลักษณะประชากร Ex : การประยุกต์ใช้เทคนิคทางการบัญชีบริหารของบริษัทที่จดทะเบียนหลักทรัพย์ในตลาดแห่งประเทศไทย กลุ่มตัวอย่าง คือ บริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทยแต่ละกิจการที่ถูกเลือก/สุ่มขึ้นมาเป็นตัวแทน (จำนวน 196 บริษัท (ค่าการคำนวณ) 7

ประชากรและการสุ่มตัวอย่าง สมาชิกของตัวอย่าง (Subject) สมาชิกทุกหน่วยของตัวอย่างที่ถูกคัดเลือกมาเป็นตัวแทนใน การหาสารสนเทศเกี่ยวกับประชากร EX : สมาชิกแต่ละสมาชิกของกลุ่มตัวอย่างที่เป็นพนักงานบัญชี และ ผู้บริหารในบริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทย แต่ละกิจการที่ถูกเลือก/สุ่มขึ้นมาเป็นตัวแทนของประชากรจำนวน 196 ตัวอย่าง (จาก 400 บริษัท) 8

ประชากรและการสุ่มตัวอย่าง หน่วยการวิเคราะห์ (Unit of Analysis) สมาชิก/กลุ่มสมาชิกที่ใช้ในการวิเคราะห์ข้อมูลหรือหาสารสนเทศ สำหรับใช้ในการศึกษาวิจัยแต่ละครั้ง EX : พนักงานบัญชี และผู้บริหารคนงานแต่ละคนของกลุ่มตัวอย่างที่มี จำนวน 400 บริษัท ที่ถูกคัดเลือกเป็นตัวแทนประชากร 196 บริษัท (จากประชากร 400 บริษัท) ประชากรเป้าหมาย (Target Population/ Parent Population) สมาชิกประชากรทั้งหมดที่ต้องการให้ผลการวิจัยสรุปอ้างอิงไปถึง ประชากร EX : บริษัทจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทยทุกบริษัทที่ ประกอบธุรกิจในทุกกลุ่มอุตสาหกรรม จำนวน 400 บริษัท ที่ใช้ใน อ้างอิงจากค่าวิเคราะห์ 9

องค์ประกอบของประชากร หรือหน่วยของประชากร (Population Elements) ประชากรและการสุ่มตัวอย่าง องค์ประกอบของประชากร หรือหน่วยของประชากร (Population Elements) ส่วนของประชากร เงิน คนแต่ละคน สัตว์แต่ละตัว สิ่งของแต่ละชิ้น ฯลฯ ซึ่งถือว่าเป็นสิ่งสำคัญมากสำหรับการวิจัย คำว่า "Element" ส่วนใหญ่ใช้ในความหมายว่า "หน่วยของข้อมูล" หรือ "สมาชิก" ขนาดของประชากร (Population Size) จำนวนหรือหน่วยของการสุ่มตัวอย่างที่อยู่ในประชากร ขนาดของตัวอย่าง (Sample Size) จำนวนตัวอย่างที่อยู่ในตัวอย่างซึ่งได้มาจากการสุ่ม/เลือกสรร(Sampling/Selection) จากหน่วยตัวอย่างที่อยู่ในประชากร 10

ตัวอย่างสุ่ม (Random Sample) ประชากรและการสุ่มตัวอย่าง ตัวอย่างสุ่ม (Random Sample) ในทางสถิติหมายถึง ตัวอย่างสุ่มที่มาจากตัวอย่างที่เลือกโดยอาศัยหลักเกณฑ์เกี่ยวกับความน่าจะเป็นที่จะถูกเลือกมาใช้เป็นตัวอย่างตามที่ได้กำหนดไว้ล่วงหน้า เช่น ให้แต่ละหน่วยมีความน่าจะเป็นที่จะถูกเลือกเท่าๆ กัน เป็นต้น หน่วยของการสุ่มตัวอย่าง (Sampling Unit) หน่วยที่ผู้วิจัยใช้เป็นหลักในการสุ่มตัวอย่าง ซึ่งประกอบขึ้นจากหน่วยข้อมูล/สมาชิก หนึ่งหน่วยหรือมากกว่าก็ได้ บางครั้งบางหน่วยของการสุ่มตัวอย่าง และหน่วยที่ใช้เก็บข้อมูล (Element) อาจจะเป็นสิ่งเดียวกัน แต่บางกรณีหน่วยของการสุ่มตัวอย่างอาจจะมีได้หลายระดับ เช่น หน่วยของการสุ่มตัวอย่างเป็นครัวเรือน แต่หน่วยที่ใช้เก็บข้อมูลอาจเป็นคนแต่ละคนในครัวเรือน เป็นต้น 11

กรอบการสุ่มตัวอย่าง/ขอบเขตของการสุ่มตัวอย่าง (Sampling Frame) ประชากรและการสุ่มตัวอย่าง กรอบการสุ่มตัวอย่าง/ขอบเขตของการสุ่มตัวอย่าง (Sampling Frame) ขอบเขตขององค์ประกอบทั้งหมดของประชากร ซึ่งเป็นส่วนที่ต้อง การศึกษาวิจัย - การสุ่มตัวอย่างที่มีขอบเขตแน่นอนจะช่วยให้การวิจัยมีประสิทธิภาพ - การสอดคล้องกับปัญหา ประหยัดค่าใช้จ่าย ลดเวลาและทรัพยากร การกำหนดขอบเขตในการสุ่มตัวอย่างต้องประเมินอย่างระมัดระวังว่า สามารถเป็นตัวแทนประชากรที่ต้องการศึกษาทั้งหมดได้หรือไม่ กรอบการสุ่มตัวอย่างที่ดีจะต้องไม่มีการนับซ้ำ (Duplication) หรือการตกหล่น (Omission) กรอบของการสุ่มตัวอย่าง อาจมีลักษณะเป็นบัญชีรายชื่อและที่อยู่หรืออาจเป็นแผน ที่แสดงอาณาเขตของหน่วยตัวอย่างทั้งหมดของประชากรที่ศึกษา ซึ่งเรียกว่า กรอบแผนที่ (Map Frame of Area Frame) 12

ความคลาดเคลื่อนในการสุ่มตัวอย่าง (Sampling Error) ประชากรและการสุ่มตัวอย่าง ความคลาดเคลื่อนในการสุ่มตัวอย่าง (Sampling Error) ความคลาดเคลื่อนในกระบวนการสุ่มตัวอย่าง ความคลาดเคลื่อนในการนำค่าสถิติมาประมาณค่าพารามิเตอร์ ค่าพารามิเตอร์ (Parameter) ค่าที่ใช้อธิบายตัวแปรในประชากร โดยคำนวณจากค่าประชากร ค่าสถิติ (Statistic) ค่าที่ใช้อธิบายตัวแปรในตัวอย่างโดยคำนวณจากตัวอย่างที่เลือกสุ่มขึ้นมา 13

สัญลักษณ์ค่าสถิติ พารามิเตอร์

ประโยชน์ของการกำหนดประชากรเป้าหมาย 1. ช่วยให้ทราบกรอบหรือขอบเขตของการวิจัยอย่างชัดเจน 2. กรณีที่ไม่อาจศึกษาได้ทั้งหมดประชากรเป้าหมายก็จะทำหน้าที่เป็น “กรอบตัวอย่าง (Sampling Frame)” ในการทำการสุ่มตัวอย่างเพื่อหา ตัวแทนจำนวนหนึ่งมาใช้เพื่อการศึกษา กรอบตัวอย่างนั้นควรเป็น “กรอบตัวอย่างที่สมบูรณ์และมีความทันสมัย” จะต้องมีรายชื่อของประชากรเป้าหมายที่จะศึกษาครบถ้วนและมีความเป็นปัจจุบัน 16

เหตุผลการใช้การสุ่มตัวอย่าง การวิจัยจะศึกษาจากกลุ่มตัวอย่าง เพราะ : 1. สมาชิกถูกทำลายเสียหาย ในการศึกษาวิจัยบางลักษณะต้อง ทำลายสมาชิกที่นำมาศึกษา เช่น การตรวจโลหิตในร่างกายคน การ ทดสอบผลิตภัณฑ์ 2. การอ้างอิงถึงประชากร การศึกษาจากกลุ่มตัวอย่างจะเป็น เกณฑ์ในการสรุปไปยังประชากร 3. ทรัพยากรที่ใช้ทำวิจัยมีจำกัด การศึกษาวิจัยต้องใช้ทรัพยากร เป็นจำนวนมากทั้งบุคลากร วัสดุอุปกรณ์ เงินและเวลา ซึ่งมีอย่างจำกัด จะต้องประหยัด 4. ความถูกต้องของผลการศึกษา กลุ่มตัวอย่างที่ทำให้สามารถ บริหารจัดการและทำอย่างถูกต้องหลักวิชา จะมีความถูกต้องและ เชื่อถือมากกว่าใช้ประชากร 17

เหตุผลการใช้การสุ่มตัวอย่าง 5. ความทันสมัยของผลการวิจัย จะขึ้นอยู่กับระยะเวลาผลการวิจัย อาจเปลี่ยนไปตามเวลา จึงต้องใช้เวลาน้อยสุดการใช้ประชากรจะ เสียเวลามาก และยังอาจได้ข้อสรุปไม่ชัดเจน 6. ความลึกซึ้งของผลการวิจัย แม้ทรัพยากรการวิจัยมีจำนวนมาก กลุ่มตัวอย่างจะประหยัดทำวิจัยได้มาก ขอบเขตกว้างขวางลึกซึ้งขึ้น วิเคราะห์ข้อมูลละเอียดกว่าเดิมและข้อสรุปชัดเจน 7. ความประหยัดและสะดวกในการดำเนินงาน ทำให้เกิดความ สะดวกในการเก็บข้อมูล วิเคราะห์ข้อมูลและปริมาณงานต่างๆ น้อยลง เมื่อทำการศึกษาวิจัยกับกลุ่มตัวอย่าง ซึ่งจะเป็นการประหยัดทรัพยากร และเกิดประสิทธิภาพผลงานวิจัย 18

ประเภทประชากร 1. ประชากรแบบจำกัด (Finite Population) มีจำนวนสมาชิกประชากรแน่นอน ประกอบด้วยสมาชิก ที่สามารถนับได้ถ้วน/มีจำนวนที่จำกัด เช่น - จำนวนนิสิตคณะวิทยาการจัดการ - จำนวนรถยนต์ในกรุงเทพมหานคร 2. ประชากรแบบไม่จำกัด (Infinite Population) ประกอบด้วยสมาชิกที่ไม่จำกัดจำนวน ไม่แน่นอน ไม่ สามารถแจงนับจำนวนได้/นับได้ แต่นับไม่ไหวไม่ครบถ้วน เช่น - เมล็ดข้าวที่ปลูกในนา - จำนวนผู้เดินทางผ่านเมืองพัทยา 19

เกณฑ์การพิจารณาขนาดตัวอย่าง 1. ความเหมือนกัน (Homogeneity) ประชากรที่มีคุณลักษณะคล้ายคลึงกันมาก เช่น การศึกษา ศาสนา เป็นต้น ขนาดตัวอย่างที่จะใช้จำนวนน้อยๆ แต่แตกต่าง กันมากต้องใช้จำนวนมาก 2. จำนวนตัวแปรที่ศึกษา การวิจัยใช้ตัวแปรหลายตัว และเปรียบเทียบหลายชั้นต้อง ใช้ขนาดกลุ่มตัวอย่างมาก เพื่อให้กระจายอยู่ทุกชั้น/ช่อง (cell) ตัวแปรที่ศึกษาหากจำนวนน้อยทำให้ประสิทธิภาพการเปรียบเทียบ ขาดความน่าเชื่อถือ วิเคราะห์เปรียบเทียบค่าสถิติแต่ละชั้นตัวแปรที่ศึกษาควรมี ข้อมูลน้อยสุด 10 ตัว (Roscoe, 1975 : 184) ผลเปรียบเทียบจะ เชื่อถือได้ 20

เกณฑ์การพิจารณาขนาดตัวอย่าง 3. วิธีการเลือกกลุ่มตัวอย่าง ขนาดกลุ่มตัวอย่างจะมาก/น้อย หากเลือกกลุ่มตัวอย่างมี ความลำเอียง ไม่เป็นไปตามโอกาสทางสถิติโดยโอกาสได้รับ เลือกเป็นกลุ่มตัวอย่างไม่เท่ากัน ขนาดกลุ่มตัวอย่างที่ได้ไม่เป็น ตัวแทนประชากร ผลวิจัยไม่สามารถใช้อ้างสรุปยังประชากรไม่ได้ 4. ความคลาดเคลื่อน (Error) ความคลาดเคลื่อนที่เกิดขึ้นจากการสุ่มตัวอย่าง จะผันแปร ตามขนาดกลุ่มตัวอย่าง ขนาดกลุ่มตัวอย่างมากความคลาด เคลื่อนน้อย หากขนาดกลุ่มตัวอย่างน้อยความคลาดเคลื่อนจะมาก 21

เกณฑ์การพิจารณาขนาดตัวอย่าง เมื่อ Sc = ความคลาดเคลื่อนมาตรฐาน S = ส่วนเบี่ยงเบนมาตรฐาน n = ขนาดของกลุ่มตัวอย่าง 5. ความประหยัดและสามารถเก็บรวบข้อมูล ขนาดกลุ่มตัวอย่างต้องมีจำนวนเหมาะสมกับบุคลากร เวลา งบประมาณ และทรัพยากรวิจัยอื่นๆ โดยสามารถเก็บรวบรวมข้อมูลจากกลุ่มตัวอย่างได้อย่างมีประสิทธิภาพ 22

พื้นฐานการกำหนดขนาดตัวอย่าง ความสำคัญของการตัดสินใจ ธรรมชาติของประเภทการวิจัย จำนวนของตัวแปรที่ใช้ในการศึกษา ขอบเขตของกลุ่มประชากรที่จะทำวิจัย อัตราการตอบกลับ ข้อจำกัดด้านอื่นๆ 23

การกำหนดขนาดตัวอย่าง ปัจจัยเชิงคุณภาพ เป็นการกำหนดขนาดตัวอย่างโดยไม่ใช้สถิติ เช่น จาก งานวิจัยในอดีต วิจารณญาณผู้วิจัย กำหนดตัวเลขที่ น่าจะเหมาะสม (เรียกว่า Ad Hoc Method) ปัจจัยเชิงปริมาณ ใช้สูตร ใช้ตารางสำเร็จรูป 24

การกำหนดขนาดตัวอย่าง มาก ความคลาดเคลื่อน Error น้อย ขนาดตัวอย่าง Sample Size มาก 25

การกำหนดขนาดตัวอย่าง ขนาดของ n ขึ้นอยู่กับ เปอร์เซ็นต์ ของ ความคลาดเคลื่อน % สูง % ต่ำ n เล็ก n ใหญ่ วัดว่า n เบี่ยงเบน หรือ ผิดพลาดจาก N เท่าใด 26

ข้อคำนึงขนาดตัวอย่าง 1. ถือว่าขนาดตัวอย่างที่มีขนาดใกล้เคียงกับประชากรเป้าหมายทั้งหมดมากเท่าใดก็จะเป็นตัวแทนที่ดีในการศึกษามากขึ้นเท่านั้น 2. ในทางปฏิบัติแล้วการกำหนดขนาดตัวอย่างที่มีขนาดใหญ่มากเกินไปไม่อาจกระทำได้ภายใต้ข้อจำกัด เกี่ยวกับ เวลา กำลังคน การควบคุมตัวแปร และงบประมาณที่มีอยู่ 3. ถ้ากำหนดขนาดตัวอย่างเล็กเกินไปก็จะเกิดปัญหาในการแปลความหมายไปสู่ประชากรเป้าหมายทั้งหมดเพราะจะมีข้อจำกัดในการสรุปและมีการคลาดเคลื่อนที่สูงตามมา ทำให้ผลของการศึกษาขาดความน่าเชื่อถือในระดับหนึ่ง 4. ถ้าหากประชากรเป้าหมายมีลักษณะคล้ายคลึงกัน (Homogeneity) หรือมีความเอกพันธ์เช่น ประชากรชนบทขนาดตัวอย่างก็ไม่ต้องใหญ่นัก 5. ถ้าประชากรเป้าหมายมีลักษณะของความหลากหลาย (Heterogeneity) เช่น ประชากรในเมืองขนาดตัวอย่างก็ต้องจำนวนเพิ่มขึ้น 27

การสุ่มตัวอย่าง (Sampling) การสุ่มตัวอย่าง : เป็นกระบวนจัดกระทำเพื่อการเลือก ตัวแทน/กลุ่มตัวอย่าง (Sample) จากสมาชิกประชากรที่ เป็นตัวแทนของประชากร (Population) ซึ่งจะต้องมีจำนวน เพียงพอในการประมาณค่าประชากร โดยอาศัยข้อมูลและ คุณลักษณะตัวแทน ประชากร (Population) ตัวอย่าง (Sample) Parameter (ค่าพารามิเตอร์) Statistics (ค่าสถิติ) 28

1. ตัวอย่างสูตรการคำนวณขนาดตัวอย่างโดยใช้วิธีการสุ่มตัวอย่าง (ประชากรแบบจำกัด) 1) การสุ่มตัวอย่างแบบอย่างง่าย (Simple Random Sampling) 2) การสุ่มตัวอย่างแบบมีระบบ (Systematic Random Sampling) n = D = N หมายถึง จำนวนประชากร p หมายถึง ค่าสัดส่วน q หมายถึง 1-p B หมายถึง ระดับความคลาดเคลื่อนที่ยอมรับได้ - กำหนดให้ระดับความคลาดเคลื่อนร้อยละ 10 ดังนั้น B มีค่าเท่ากับ 0.10 - กำหนดให้ระดับความคลาดเคลื่อนร้อยละ 5 ดังนั้น B มีค่าเท่ากับ 0.05 - กำหนดให้ระดับความคลาดเคลื่อนร้อยละ 1 ดังนั้น B มีค่าเท่ากับ 0.01 Z หมายถึง ค่าแจกแจงการกระจายแบบโค้งปกติเพื่อใช้ในการสุ่มตัวอย่าง - กำหนดให้มีความเชื่อมั่นเท่ากับร้อยละ 99 ทำให้ Z มีค่าเท่ากับ 2.58 - กำหนดให้มีความเชื่อมั่นเท่ากับร้อยละ 95 ทำให้ Z มีค่าเท่ากับ 1.96 - กำหนดให้มีความเชื่อมั่นเท่ากับร้อยละ 90 ทำให้ Z มีค่าเท่ากับ 1.65

1. ตัวอย่างสูตรการคำนวณขนาดตัวอย่างโดยใช้วิธีการสุ่มตัวอย่าง (ประชากรแบบจำกัด) 3) การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling) n = โดยที่ D = = จำนวนประชากรในแต่ละกลุ่ม N = จำนวนประชากรทั้งหมด = ค่าสัดส่วน = 1 - B = ระดับความคลาดเคลื่อน = น้ำหนักในแต่ละกลุ่ม Z = ค่าแจกแจงการกระจายแบบโค้งปกติเพื่อใช้ในการสุ่มตัวอย่าง

1. ตัวอย่างสูตรการคำนวณขนาดตัวอย่างโดยใช้วิธีการสุ่มตัวอย่าง (ประชากรแบบจำกัด) 4) การสุ่มตัวอย่างแบบแบ่งกลุ่ม (Cluster Random Sampling) n = ประมาณค่าโดย N = จำนวนประชากรทั้งหมด = = ค่าสัดส่วนทั้งหมด = B = ระดับความคลาดเคลื่อน Z = ค่าแจกแจงการกระจายแบบโค้งปกติ เพื่อใช้ในการสุ่มตัวอย่าง D = = จำนวนประชากรเฉลี่ยในแต่ละกลุ่ม = = จำนวนกลุ่มทั้งหมด = จำนวนประชากรที่สนใจของกลุ่มที่ i = จำนวนประชากรทั้งหมดของกลุ่มที่ i

2. ตัวอย่างสูตรการคำนวณขนาดตัวอย่างโดยใช้วิธีการทดสอบ (ด้วยค่าเฉลี่ย µ) 1) ประชากรแบบจำกัด โดยที่ ขนาดของตัวอย่างที่ต้องการกำหนด เมื่อต้องการศึกษาค่า µ จากประชากร = = N = ขนาดของประชากรทั้งหมด Z = ค่าที่กำหนดจากค่าความเชื่อมั่นที่ ต้องการจะใช้เพื่อการสรุปผล ซึ่งจะ ระบุเป็นร้อยละ (1.96 = 95%) 2) ประชากรแบบไม่จำกัด (∞) = = ค่าความแปรปรวนของตัวแปรหลักที่ ต้องการศึกษา E = ค่าของความคลาดเคลื่อนที่จะยอมรับ ในการสรุปผล (0.05)

N = ขนาดของประชากรทั้งหมด 2. ตัวอย่างสูตรการคำนวณขนาดตัวอย่างโดยใช้วิธีการทดสอบ (ด้วยค่าสัดส่วน ρ) 1) ประชากรแบบจำกัด โดยที่ ขนาดของตัวอย่างที่ต้องการกำหนด เมื่อต้องการศึกษาค่า ρ จากประชากร = = N = ขนาดของประชากรทั้งหมด Z = ค่าที่กำหนดจากค่าความเชื่อมั่นที่ ต้องการจะใช้เพื่อการสรุปผล ซึ่งจะระบุเป็นร้อยละ (1.96 = 95%) 2) ประชากรแบบไม่จำกัด = P = ค่าสัดส่วนของลักษณะที่ต้องการศึกษา (จากตัวแปรหลัก = 0.50) P(1-P) = ค่าความแปรปรวนของลักษณะที่ต้อง การศึกษา มีค่าสูงสุด = 0.25 E = ค่าของความคลาดเคลื่อนที่จะยอมรับ ในการสรุปผล (0.05)

ตัวอย่างสูตรที่นิยม (ประชากรแบบจำกัด) Yamane ตัวอย่างสูตรที่นิยม (ประชากรแบบไม่จำกัด) Z p q d n = ขนาดของตัวอย่าง z = ค่าสถิติทดสอบ Z กำลัง 2 ที่นัยสำคัญที่กำหนด p = สัดส่วนประชากรที่ต้องการ (0.05 จากกลุ่มเป้าหมาย/ประชากร) q = สัดส่วนที่ไม่ใช่ประชากร มีค่าเท่ากับ 1 – p d = ค่าความคลาดเคลื่อนที่จะยอมรับในการสรุปผล (เป็น 0.05 หรือ 0.01) 2 n = 2 34

ตามระดับความคลาดเคลื่อนต่างๆ และสัดส่วนของประชากรเท่ากับ 0.5 ตารางสำเร็จรูปขนาดกลุ่มตัวอย่างของ Taro Yamane ที่ระดับนัยสำคัญ 0.05 ตามระดับความคลาดเคลื่อนต่างๆ และสัดส่วนของประชากรเท่ากับ 0.5 35

ตามระดับความคลาดเคลื่อนต่างๆ และสัดส่วนของประชากรเท่ากับ 0.5 ตารางสำเร็จรูปขนาดกลุ่มตัวอย่างของ Taro Yamane ที่ระดับนัยสำคัญ 0.01 ตามระดับความคลาดเคลื่อนต่างๆ และสัดส่วนของประชากรเท่ากับ 0.5 36

ขนาดของกลุ่มตัวอย่างในแต่ละค่าของความคลาดเคลื่อน จำนวนประชากร 1% 2% 3% 4% 5% 10% 500 b 222 83 1,000 385 286 91 1,500 638 441 316 94 2,000 714 476 333 95 2,500 1,250 769 345 96 3,000 1,364 811 517 353 97 3,500 1,458 843 530 359 4,000 1,538 870 541 364 98 4,500 1,607 891 549 367 5,000 1,667 909 556 370 6,000 1,765 938 566 375 7,000 1,842 959 574 378 99 8,000 1,905 976 580 381 9,000 1,957 989 584 383 10,000 588 15,000 2,143 1,034 600 390 20,000 6,667 2,222 1,053 606 392 100 25,000 7,143 2,273 1,064 610 394 50,000 8,333 2,381 1,087 617 397 100,000 9,091 2,439 1,099 621 398   1,111 625 400 37

ตารางสำเร็จรูปขนาดกลุ่มตัวอย่างของ Krejcie and Morgan 38

ตัวอย่างคำนวณ ต้องการสำรวจกลุ่มตัวอย่างที่เป็นพนักงานของโรงงานในนิคมแห่งหนึ่งที่มีพนักงานทั้งหมด 200,000 คน เพื่อจะหาข้อมูลเกี่ยวกับความพึงพอใจในสภาพแวดล้อมการทำงาน ของพนักงานระดับปฏิบัติการที่มี 150,000 โดยกำหนดให้มีความคลาดเคลื่อน 5% ที่ระดับนัยสำคัญ 0.05 Z = 1.96 (เปิดตาราง Z) p = 150,000 / 200,000 = 0.75 q = 1 – 0.75 = 0.25 d = 0.05 39

d ตัวอย่างคำนวณ n = Z p q n = 3.8416 (0.75 X 0.25) 0.0025 40

สถิติบรรยาย (Descriptive Statistics) การสุ่มตัวอย่างกับสถิติ สถิติบรรยาย (Descriptive Statistics) สถิติอนุมาน (Inference Statistics) Population Sample Sampling 41

ประชากรและหน่วยการวิเคราะห์ ประชากร (Population) กลุ่มหรือทั้งหมดของสิ่งที่เราต้องศึกษา จะต้องระบุให้แน่ชัดว่า รวมใคร และไม่รวมใครบ้าง ไม่จำเป็นที่จะต้องประกอบด้วย “คน” กลาง เหนือ ประชากร (N) ตะวันออก เฉียงเหนือ ตะวันออก ใต้ หน่วยวิเคราะห์ (Unit of analysis) ต้องเข้าใจว่ากลุ่มตัวอย่างคืออะไร วิเคราะห์อะไร เก็บข้อมูลจากไหน : ดูจากประชากรที่ศึกษา ตัวอย่างสุ่ม (n) C N NE S E 42

หลักการและเป้าหมายการสุ่มตัวอย่าง การให้ได้มากลุ่มตัวอย่าง (Sample) ที่มีลักษณะเป็น ตัวแทน (Representativeness) ของประชากร หลักการสุ่มตัวอย่าง 1. วิธีการสุ่มที่เหมาะสม โดยเลือกการสุ่มตัวอย่างที่ไม่ ลำเอียง ด้วยการใช้วิธีการสุ่มตัวอย่างอาศัยความน่าจะเป็น /โอกาสทางสถิติ (Probability Sampling) 2. กำหนดขนาดของตัวอย่างที่ใหญ่เพียงพอ โดยใช้ สูตรคำนวณขนาดตัวอย่างหรือการใช้ตารางสำเร็จรูป 43

หลักการและเป้าหมายการสุ่มตัวอย่าง ความแม่นตรง ที่ครอบคลุม 250 5000 100,000 การเป็นตัวแทนที่ดีที่สุด 44

ประเภทวิธีการสุ่มตัวอย่าง การสุ่มตัวอย่างแบบอาศัยความน่าจะเป็น Probability sampling การสุ่มตัวอย่างแบบไม่อาศัยความน่าจะเป็น Non-probability sampling 45

การเปรียบเทียบประเภทวิธีการสุ่มตัวอย่าง 46

ประเภทวิธีการสุ่มตัวอย่าง 1. การสุ่มตัวอย่างโดยอาศัยความน่าจะเป็นหรือ เป็นไปตามโอกาสทางสถิติ (Probability Sampling) คำนึงถึงความน่าจะเป็นของประชากรแต่ละหน่วยที่จะได้ รับการเลือก ซึ่งทำการสุ่มแบบไม่เฉพาะเจาะจงเพื่อนำผลไป ใช้สรุปอ้างอิง (Inference) การเลือกตัวอย่างอยู่บนพื้นฐาน วิธีการทางสถิติและวิธีการทางวิทยาศาสตร์ คือ - ใช้วิธีการสุ่มที่มีระเบียบและกฎเกณฑ์ โดยจัดให้แต่ ละหน่วยประชากรมีโอกาสที่จะถูกเลือกเท่าๆ กัน - สามารถคำนวณโอกาสที่จะถูกเลือกได้ โดยเลือก หน่วยประชากรเป็นการสุ่ม (random selection) หรือเป็น ไปตามโอกาสจริงๆ ทางสถิติใช้ Sampling Techniques 47

ประเภทวิธีการสุ่มตัวอย่าง แบบการสุ่มตัวอย่างโดยอาศัยความน่าจะเป็น/เป็นไป ตามโอกาสทางสถิติ (Probability Sampling) - การสุ่มตัวอย่างแบบง่าย (Simple Random Sampling) - การสุ่มตัวอย่างแบบเป็นระบบ (Systematic Random Sampling) - การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling) - การสุ่มตัวอย่างแบบกลุ่ม (Cluster Sampling) - การสุ่มตัวอย่างแบบหลายขั้นตอน/แบบผสม (Multi-stage Sampling) 48

การสุ่มตัวอย่างแบบง่าย (Simple Random Sampling) การสุ่มตัวอย่างแบบง่ายเป็นการเลือกตัวอย่างจากสมาชิก ประชากรโดยตรง ตัวอย่างที่ได้จากการใช้เทคนิคการสุ่ม ตัวอย่าง (Sampling Techniques) สมาชิกมีโอกาสถูกรับเลือกเท่าๆ กัน/อาจจะถูกเลือกเป็น สัดส่วนในจำนวนที่คำนวณได้ ซึ่งสามารถสรุปอ้างอิงถึง ประชากร ได้ดี โดยสุ่มตัวอย่างจากหน่วยย่อยของประชากร ที่มีลักษณะใกล้เคียงกัน 49

การสุ่มตัวอย่างแบบง่าย (Simple Random Sampling)

ประเภทการสุ่มตัวอย่าง 1.การสุ่มแบบไม่ทดแทน (Sampling without replacement) การสุ่มตัวอย่างโดยไม่เปิดโอกาสให้สมาชิกของประชากรที่ ได้รับเลือกเป็นตัวอย่างแล้วได้รับเลือกซ้ำอีกครั้งหรือแบบเลือก แล้วไม่ใส่คืน เป็นที่นิยมใช้กันอย่างแพร่หลายในทางปฏิบัติ 2.การสุ่มแบบทดแทน (Sampling with replacement) การสุ่มตัวอย่างโดยจะเปิดโอกาสให้สมาชิกของประชากรที่ ได้รับเลือกแล้วได้รับเลือกอีก ซึ่งทำให้โอกาสที่จะได้รับเลือกมี มากกว่า 1 ครั้ง ไม่นิยมใช้ในทางปฏิบัติ 51

ขั้นตอนการสุ่มตัวอย่างแบบง่าย 1. กำหนดและให้ขอบเขตประชากร 2. คำนวณหาขนาดตัวอย่างที่เหมาะสม/ต้องการ 3. จัดทำบัญชีรายชื่อสมาชิกประชากรทั้งหมด 4. ให้หมายเลขรายชื่อสมาชิกให้สอดคล้องกับจำนวน 5. เลือกด้วยการจับสลากหรือตารางเลขสุ่ม 6. หมายเลขที่จับ/เลือกได้จะเป็นตัวอย่าง 7. ดำเนินการจนครบตามจำนวนตัวอย่าง 52

การสุ่มตัวอย่างแบบง่าย (Simple Random Sampling) 1. วิธีการจับสลาก/ออกสลากกินแบ่ง (Lottery Method) ใช้กับประชากรขนาดเล็กด้วยการให้เลขกำกับหน่วยย่อยประชากร ตามบัญชีตั้งแต่ 1 ถึง N ใส่ภาชนะสุ่มจับขึ้นมาที่ละหน่วยจนครบ ตามขนาดตัวอย่างที่ต้องการ 2. ตารางเลขสุ่ม (Random Number Table) สามารถใช้กับ ประชากรขนาดใหญ่ ซึ่ง Fisher และคณะ คิดวิธีการขึ้นมา 1.ให้เลขกำกับหน่วยย่อยประชากรตามบัญชีตั้งแต่ 1 ถึง N 2. กำหนดเกณฑ์การใช้ตารางเลขสุ่ม : สุ่มหลัก (Column) และ แถว (Row) ของตัวเลขเริ่มต้น อ่านจากซ้ายไปขวาจบแถวให้ขึ้นแถวใหม่ 3. สุ่มหมายเลขตัวอย่างตามกฎเกณฑ์ที่กำหนด ถ้าได้หมายเลขซ้ำ ก็ตัดออกจนได้จำนวนตัวอย่างตามที่ต้องการ 53

ตารางเลขสุ่ม (Random Number Table) หลัก แถว 1-4 5-8 9-12 13-16 17-20 21-24 25-28 29-32 33-36 37-40 1 64 75 58 38 85 84 12 22 59 20 17 69 61 56 55 95 04 59 59 47 2 10 30 25 22 89 77 43 63 44 30 38 11 24 90 67 07 24 82 33 28 3 71 01 79 84 95 51 30 85 03 74 66 59 10 28 87 53 76 56 91 49 4 60 01 25 56 05 88 41 03 48 79 79 65 59 01 69 78 80 00 36 66 5 37 33 09 46 56 49 16 14 28 02 48 27 45 47 55 44 55 36 50 90 6 47 86 98 70 01 31 59 11 22 73 60 62 61 28 22 34 69 16 12 12 7 38 04 04 27 37 64 16 78 95 78 39 32 34 93 24 88 43 43 87 06 8 73 50 83 09 08 83 05 48 00 78 93 02 95 56 46 04 53 36 9 32 65 34 64 74 84 06 10 43 24 20 62 83 73 19 32 35 64 39 69 10 97 59 19 95 49 36 63 03 51 06 62 06 99 29 75 95 32 05 77 34 11 74 01 23 19 55 59 79 09 69 82 66 22 42 40 15 96 74 90 75 89 12 56 75 42 64 57 13 35 10 50 14 90 96 63 36 74 69 09 63 34 88 13 49 80 04 99 08 54 83 12 19 98 08 52 82 63 72 92 92 36 50 26 14 43 58 48 96 47 24 87 85 66 70 00 22 15 01 93 99 59 16 23 77 15 16 65 37 96 64 60 32 57 13 01 35 74 28 36 36 73 72 29

ตารางเลขสุ่ม (Random Number Table)

การสุ่มตัวอย่างแบบง่าย (Simple Random Sampling) 3. วิธีการคอมพิวเตอร์ในการสุ่มตัวเลข (Computer for Random Samples) ข้อจำกัด ต้องมีรายชื่อของประชากรทั้งหมด เหมาะกับกลุ่มประชากรที่มีอย่างจำกัด ต้องพิจารณา Sampling efficiency (สัดส่วนความถูกต้องเทียบกับค่าใช้จ่าย) 56

การสุ่มตัวอย่างแบบง่าย (Simple Random Sampling) ไม่พิจารณา ความแตกต่าง n = 150 จับฉลาก / ไม่ใส่คืน * จำนวนประชากร (N) ไม่มาก / ทำรายชื่อทั้งหมด * 57

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบเป็นระบบ (Systematic Random Sampling) การสุ่มตัวอย่างหน่วยย่อยประชากรที่มีลักษณะใกล้เคียง แบบสุ่มเป็นช่วงๆ โดยจัดทำบัญชีประชากรก่อนสุ่มตัวอย่าง ต้องแบ่งประชากรออกเป็นช่วงเท่าๆ กัน สุ่มประชากรช่วง แรกช่วงเดียว ช่วงต่อไปถูกเลือกตามโดยอัตโนมัติ Ex : ตำบลแห่งหนึ่งมี 12 หมู่บ้าน ขนาดตัวอย่างที่ต้องการ 4 หมู่บ้าน จึงแบ่งประชากรออกเป็นช่วงละ 3 หมู่บ้านหรือ 1 ใน 3 ให้เลขอันดับ ประชากรจาก 1 ถึง 12 แล้วทำสลากขึ้นมา 1 ใบ และนับต่ออีก 3 ลำดับ หรือจะใช้วิธีอื่น 58

การสุ่มตัวอย่างแบบเป็นระบบ (Systematic Random Sampling)

ประเภทการสุ่มตัวอย่าง Probability Sampling ขั้นตอนการสุ่มตัวอย่างแบบเป็นระบบ 1. กำหนดเลขกำกับหน่วยย่อยตามบัญชีรายชื่อประชากร (Sampling Frame) 2. คำนวณช่วงการสุ่มตัวอย่าง (N/n) 3. ทำการสุ่มหาจุดเริ่มต้น (Random Start) 4. นับหน่วยตัวอย่างตามช่วงของการสุ่ม (Random Interval) 5. ดำเนินการจนครบตามจำนวนตัวอย่าง 60

การสุ่มตัวอย่างแบบเป็นระบบ (Systematic Random Sampling) คำนวณหาช่วงของกลุ่ม (N/n) = 40/10 = 4 N = 40 บริษัทผู้ผลิต n = 10 จำนวนตัวอย่าง

การสุ่มตัวอย่างแบบเป็นระบบ (Systematic Random Sampling) สุ่มได้ บริษัทที่ 3 3 + 4 = 7 7 + 4 = 11 11 + 4 = 15   บริษัท n 1 5 9 13 2 6 10 14 3 7 11 15 4 8 12 16 บริษัท n บริษัท n บริษัท n 2 3 4

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling) กลุ่มตัวอย่างมาจากการสุ่ม โดยทำการแยกประชากรเป็นกลุ่ม ประชากรย่อยๆ หรือแบ่งเป็นชั้นภูมิ (Stratum) โดยยึดหลักให้มี ลักษณะภายในคล้ายกันหรือเป็นเอกพันธ์ (Homogeneous) และ แตกต่างกันแต่ละชั้น จึงเลือกสุ่มหน่วยประชากรจากแต่ละชั้นภูมิ โดยใช้วิธีการสุ่มตัวอย่างเมื่อนำหน่วยประชากรแต่ละชั้นภูมิรวมกัน เป็นกลุ่มตัวอย่าง การแยกชั้นภูมิขึ้นกับคุณลักษณะ/คุณสมบัติประชากรบาง ประการที่เกี่ยวกับเรื่องที่ศึกษา เช่น เพศ อายุ เชื้อชาติ สัญชาติ รายได้ ระดับการศึกษา ศาสนา หรืออาชีพ เป็นต้น 63

การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling) 64

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling) การแบ่งกลุ่มออกเป็น Strata มีหลักเกณฑ์สุ่ม H- Homogeneity: สมาชิกในกลุ่มเหมือนกัน H- Heterogeneity: แต่ละกลุ่มมีบางอย่างแตกต่างกัน R- Relatedness: เป็นคุณสมบัติที่นักวิจัยสนใจ C- Cost: ง่ายต่อความเข้าใจ, ใช้งานง่ายและไม่เปลือง การแบ่งกลุ่มไม่ควรย่อยเกิน 6 กลุ่ม เหมาะกับกรณีที่ประชากรมีการแจกแจงแบบเบ้ (Skewed) 65 65

การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling) Skew ness (ความเบ้) 10,000 50,000 100,000 150,000 66

การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling) ต่ำกว่าปริญญาตรี N  = 200 N = 800  n  = 25                      ปริญญาตรี N  = 400    n  = 50 n  = 25 สูงกว่าปริญญาตรี N  = 200 n = 100  67

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบกลุ่ม (Cluster Sampling) รายละเอียดประชากรหายากหรือหาได้แต่ต้องเสียเวลาและ ค่าใช้จ่ายสูง ประกอบกับประชากรอยู่รวมกันเป็นกลุ่มๆ (Cluster) เช่น ทำงานโรงงาน สถานที่ราชการ สมาคมและอยู่อาศัยอยู่ รวมกันเป็นกลุ่มๆ ตามหมู่บ้าน ตำบล หรือย่าน การแบ่งประชากรเป็นกลุ่มๆ ใช้เส้นแบ่งเขตตามภูมิศาสตร์ ปกครองหรือวิธีการอย่างอื่น และเลือกตัวอย่างจากกลุ่มต่างๆ ตามวิธีการสุ่ม พิจารณาว่าประชากรกลุ่มหนึ่งเป็นเพียงหน่วยหนึ่ง แต่ละกลุ่มมีลักษณะภายในหลากหลายหรือแตกต่าง แต่ ระหว่างกลุ่มลักษณะคล้ายคลึงกัน 68

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบกลุ่ม (Cluster Sampling) การสุ่มตัวอย่างแบบกลุ่ม (Cluster Sampling) หรือ การสุ่ม ตัวอย่างแบบพื้นที่ (Area Sampling) ไม่จำเป็นต้องทำบัญชี รายชื่อหน่วยประชากรทั้งหมด แต่ทำเฉพาะกลุ่มที่ใช้เป็นหน่วย การสุ่ม/หากกลุ่มที่ได้ใหญ่เกินจะศึกษาเฉพาะบางหน่วยประชากร ในกลุ่ม เช่น การสำรวจค่าครองชีพเฉลี่ยครัวเรือนพนักงานในจังหวัดชลบุรี แบ่งเป็น 9 อำเภอ จะสุ่มเลือก 2 อำเภอ เก็บข้อมูลครัวเรือนแรงงานจาก 2 อำเภอ ที่สุ่มได้ 69

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบกลุ่ม (Cluster Sampling) โรงงงานที่ 1 N = 1,000 Male / 300 Female / 700     Male : n = 30 Female : n = 70 N = 5,000                 โรงงานที่ 2 N = 2,000 Male / 1,000 Female / 1,000     Male : n = 100 Female : n = 100 500       โรงงานที่ 3 N = 2,000 Male / 500 Female / 1,500 Male : n = 50 Female : n = 150 n จากการกำหนด ค่า Probability (Ex. 10%) 70

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างทั้ง 4 ประเภท จะเห็นว่า - 2 ประเภทแรก เป็นการสุ่มตัวอย่างจากการกลุ่มเพียงชั้นเดียว คือ การสุ่มหน่วยประชากรเป็นกลุ่มตัวอย่างเลย - 2 ประเภทหลัง ก่อนทำการสุ่มตัวอย่างแบ่งประชากรทั้งหมด เป็นชั้นภูมิ (Stratum)/กลุ่มๆ (Cluster) และสุ่มหน่วยประชากรขึ้นมาเป็นกลุ่มตัวอย่างขั้นที่ 2 อาจจะ ทำโดยสุ่มตัวอย่างแบบเป็นระบบ (Systematic Random Sampling) /ใช้สุ่มตัวอย่างแบบง่าย (Sample Random Sampling) หากการ เลือกขั้นที่ 2 ไม่เป็นไปตามวิธีสุ่ม กลุ่มตัวอย่างที่ได้จะเป็นกลุ่ม ตัวอย่างที่ไม่เป็นไปตามโอกาสทางสถิติ 71

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบหลายขั้นตอน/ แบบผสม (Multi-stage Sampling) การสุ่มตัวอย่างแบบหลายขั้นตอน/ผสมผสานขั้นตอน ต่างๆ มากกว่า 1 ประเภท อาจเป็นการเลือกระหว่างกลุ่มตัวอย่าง แบบง่าย แบบระบบแบบชั้นภูมิ และแบบกลุ่ม เช่น โดยเลือกแบบกลุ่ม ทำการแบ่งหน่วยประชากรแต่ละกลุ่ม เป็นหลายชั้นภูมิ แต่ละชั้นภูมิสุ่มหน่วยประชากร อาจจะใช้วิธีจับ สลากอย่างง่าย/ แบ่งเป็นสัดส่วนตามแต่ละชั้นภูมิ เมื่อรวมกลุ่ม ตัวอย่างย่อยๆ แต่ละกลุ่มเข้าด้วยกันจะได้กลุ่มตัวอย่างประชากร ทั้งหมด เช่น การสำรวจความคิดเห็นของนักศึกษาระดับอุดมศึกษา 72

ประเภทการสุ่มตัวอย่าง Probability Sampling การสุ่มตัวอย่างแบบหลายขั้นตอน/ แบบผสม (Multi-stage Sampling) - แบ่งนักศึกษาออกเป็นภูมิภาค จากภูมิภาคสุ่มเลือก ออกมา 1 ภาคเป็นตัวแทน - สุ่มเลือกระดับจังหวัด มหาวิทยาลัย สถาบัน/วิทยาลัย - แบ่งนักศึกษาออกเป็นสาขาตามสถานศึกษาที่เรียน - สุ่มเลือกนักศึกษาในแต่ละสาขามาเป็นสัดส่วนตามจำนวน ที่ต้องการ นักศึกษาที่สุ่มได้แต่ละสาขารวมกันและเป็นกลุ่มตัวอย่าง ตามที่ต้องการศึกษา 73

ประเภทวิธีการสุ่มตัวอย่าง 2. การสุ่มตัวอย่างโดยไม่อาศัยความน่าจะเป็นหรือ ไม่เป็นไปตามโอกาสทางสถิติ (Non-Probability Sampling) - ไม่คำนึงถึงความน่าจะเป็นของประชากรแต่ละหน่วย ที่จะได้รับการเลือก - ใช้กับประชากรที่ไม่สามารถกำหนดขอบเขตหรือเวลา งบประมาณและสิ่งอำนวยความสะดวกมีจำกัด - โอกาสได้รับเลือกไม่เท่าเทียม การคัดเลือกมาจาก เลือกสรร ไม่ใช้เทคนิคการสุ่ม ลักษณะข้อมูลที่ต้องการศึกษาอยู่กระจัดกระจายทั่วไป ทำให้มีลักษณะเป็นกรณีทั่วๆ ไป/ แบบฉบับทั่วไปของ ประชากร ข้อมูลที่ต้องการมีสม่ำเสมอในกลุ่มประชากร 74

ประเภทวิธีการสุ่มตัวอย่าง แบบการสุ่มตัวอย่างโดยไม่อาศัยความน่าจะเป็นหรือไม่ เป็นไปตามโอกาสทางสถิติ (Non-Probability Sampling) - การสุ่มตัวอย่างแบบบังเอิญ (Accidental Sampling) - การสุ่มตัวอย่างแบบโควต้า (Quota Sampling) - การสุ่มตัวอย่างแบบเจาะจง (Purposive Sampling) - การสุ่มตัวอย่างแบบบอกต่อ (Snowball Sampling) 75

ประเภทการสุ่มตัวอย่าง Non-Probability Sampling การสุ่มตัวอย่างแบบบังเอิญ (Accidental Sampling) การเลือกหน่วยประชากรแบบอิสระ ไม่กฏเกณฑ์แน่นอน โดยไม่คำนึงถึงความเป็นตัวแทนของประชากร การคัดเลือก สมาชิกตามสถานกาณ์หรือเหตุการณ์ สมาชิกที่ให้ข้อมูลก็ คัดเลือกเป็นตัวอย่าง จึงต้องระมัดระวังการตีความหมายข้อมูล ข้อสรุปที่ได้ ถือว่าเป็นเพียงข้อสมมติฐานที่ต้องทดสอบต่อไปมากกว่าเป็น ข้อเท็จจริง อาจเรียกว่า Convenience Sampling Haphazard Sampling หรือ Fortuitous Sampling 76

ประเภทการสุ่มตัวอย่าง Non-Probability Sampling การสุ่มตัวอย่างแบบโควต้า (Quota Sampling) การเลือกหน่วยประชากรจะนำเอาสัดส่วนองค์ประกอบ ประชากรมาพิจารณา โดยศึกษาหรือประมาณองค์ประกอบ ประชากร ทำการเลือกกลุ่มตัวอย่างที่มีลักษณะจำลองแบบ ประชากรตามจำนวนสมาชิกแต่ละองค์ประกอบ การสุ่มตัวอย่างแบบโควตา นิยมใช้กันมากในการสำรวจ ประชามติ วิจัยตลาดหรือสำรวจอื่นๆ ลักษณะคล้ายคลึงกันปัญหา สุ่มตัวอย่างขึ้นอยู่กับการระบุองค์ประกอบประชากรที่ใช้กำหนด ขนาดตัวอย่าง อาจใช้องค์ประกอบ/คุณลักษณะประชากรเดียว หรือหลายองค์ประกอบ หรือระบุพื้นที่การเก็บข้อมูลให้กระจาย 77

ประเภทการสุ่มตัวอย่าง Non-Probability Sampling การสุ่มตัวอย่างแบบโควต้า (Quota Sampling) การระบุองค์ประกอบมากขึ้นจะหลีกเลี่ยงความลำเอียง ในการเก็บรวบรวมข้อมูลมากขึ้น ประชากรจำนวนมากก็เก็บ ตัวอย่างมาก ประชากรน้อยก็เก็บตัวอย่างจำนวนน้อย Ex : การศึกษาระดับความคิดเห็นนิสิตคณะวิทยาการจัดการ เกี่ยวกับกิจกรรมเสริมหลักสูตรนิสิต ทั้ง 6 สาขา ที่มีนิสิตอยู่ร้อยละ 25 25 20 15 10 และ 5 ตามลำดับ ถ้าต้องการสุ่มตัวอย่าง นิสิตขนาด 1,000 คน จะเลือกกลุ่มตัวอย่างมาสาขาละ 250 250 200 150 100 และ 50 คน 78

ประเภทการสุ่มตัวอย่าง Non-Probability Sampling การสุ่มตัวอย่างแบบเจาะจง (Purposive Sampling) การเลือกหน่วยประชากรจะตามการพิจารณาตัดสินใจ ของผู้วิจัย ลักษณะกลุ่มประชากรที่เลือกตามวัตถุประสงค์ที่ ต้องการ Ex : เลือกนิสิตเรียนในชั้นปีที่ 1 - 4 โดยให้มีสติปัญญาระดับ - สูง - ปานกลาง - ต่ำ เพื่อทดลองวิธีการสอนใหม่ อาจจะเลือกแต่เฉพาะหน่วยที่เห็นว่า มีลักษณะเป็น กลางๆ (Typical cases) ของประชากร Ex : วิจัยภาวะของตลาดการค้า โดยพิจารณาว่าเป็นสัปดาห์ หรือเดือนที่มีลักษณะเป็นกลางๆ 79

ประเภทการสุ่มตัวอย่าง Non-Probability Sampling การสุ่มตัวอย่างแบบเจาะจง (Purposive Sampling) การเลือกกลุ่มตัวอย่างแบบเจาะจงต้องอาศัยความรอบรู้ ความชำนาญและประสบการณ์ของผู้เชี่ยวชาญ หรือผู้ที่ทำ วิจัย การสุ่มตัวอย่างแบบนี้เรียกว่า - Expert Choice Sampling - Judgment Sampling 80

ประเภทการสุ่มตัวอย่าง Non-Probability Sampling การสุ่มตัวอย่างแบบบอกต่อ (Snowball Sampling) การสุ่มตัวอย่างแบบบอกต่อจะต้องค้นหาสมาชิกหน่วย จุดเริ่มต้น ด้วยการกำหนดคุณสมบัติให้ชัดเจน คัดเลือกหา ที่มีคุณสมบัติใกล้เคียงตามที่ต้องการมากที่สุด 1 หน่วย สมาชิกที่ถูกเลือกหน่วยแรกจะบอกต่อถึงสมาชิกอื่นที่ มีคุณสมบัติคล้ายกัน อาจจะบอกเพียง 1-3 หน่วย สมาชิก หน่วยอื่นๆ ที่ถูกเลือกจะบอกต่อกันเรื่อยๆ จนครบจำนวน ที่ต้องการ นิยมใช้หาผู้เชี่ยวชาญ ผู้ทรงคุณวุฒิ หรือผู้ที่มีลักษณะ พิเศษที่จะให้ข้อมูลการวิจัย 81