03764491 ระเบียบวิธีวิจัยพื้นฐาน ทางการจัดการโลจิสติกส์ 03764491 ระเบียบวิธีวิจัยพื้นฐาน ทางการจัดการโลจิสติกส์ Basic Research Methods in Logistics Management กุสุมา พิริยาพรรณ เติมศักดิ์ สุขวิบูลย์ คณะวิทยาการจัดการ 6 : 17 ก.พ. 58

เนื้อหา ความหมายของข้อมูล (Data) ประเภทตัวแปร ความสัมพันธ์ระหว่างตัวแปร ประเภทข้อมูล 1. แบ่งตามอิทธิพลของตัวแปร 1. แบ่งตามแหล่งที่มา 2. แบ่งตามการจัดกระทำของตัวแปร 2. แบ่งตามระดับการวัด 3. แบ่งตามภาวการณ์แทรกซ้อนตัวแปร/ภายนอก/ทดสอบ 3. แบ่งตามลักษณะของข้อมูล 4. แบ่งตามช่วงเวลาอ้างอิง 4. แบ่งตามความต่อเนื่องของค่าตัวแปร วิธีการวิเคราะห์ข้อมูลประเภทต่างๆ 5. แบ่งตามการคัดเลือกตัวแปร 1. สเกลนามกำหนด (Nominal Scales) ความสัมพันธ์ระหว่างตัวแปร 2. สเกลอันดับ (Ordinal Scales) 1. ที่มาและเหตุผลความสัมพันธ์ระหว่างตัวแปร 3. สเกลอันตรภาค (Interval Scales) 4. สเกลอัตราส่วน (Ratio Scales) 2. รูปแบบของความสัมพันธ์ 3. ทิศทางของความสัมพันธ์

ความหมาย 1. คุณลักษณะที่แตกต่างกันของบุคคลหรือสิ่งนั้น ความหมายของข้อมูล (Data) ข้อเท็จจริงที่เกิดขึ้นเกี่ยวกับเรื่องใดเรื่องหนึ่ง หรือสิ่งที่แสดงถึง สถานภาพ สถานการณ์หรือปรากฏการณ์ โดยอาจอยู่ในรูปตัวเลขที่ ประมวลผลหรือข้อความที่ใช้เนื้อหาพิจารณา ภาพวาด/ภาพถ่าย และอื่นๆ ความหมายของตัวแปร (Data) ข้อมูลที่ได้จากการสังเกต วัด สอบถามจากหน่วยที่ศึกษา ค่าของ ตัวแปร คือ ข้อมูล สาเหตุที่ข้อมูลแตกต่างกัน 1. คุณลักษณะที่แตกต่างกันของบุคคลหรือสิ่งนั้น 2. เวลาที่แตกต่างกัน 3. สถานที่แตกต่างกัน ตัวอย่าง วรรณกรรม Logistic http://logisticscorner.com/index.php?option=com_content&view=section&id=11&Itemid=76 http://www.en.kku.ac.th/vcml2013/

ประเภทข้อมูล 1. แบ่งตามแหล่งที่มา ข้อมูลปฐมภูมิ (Primary Data) -ข้อมูลใดๆ ที่เก็บจากแหล่งกำเนิด/เจ้าของข้อมูลโดยตรง ซึ่งผู้วิจัยต้องเก็บขึ้นมาใหม่เพื่อวัตถุประสงค์ของการวิจัยนั้นโดยเฉพาะ ไม่ใช่ เป็นการรวบรวมสถิติหรือข้อมูลที่ผู้อื่นได้ทำการเก็บรวบรวมมา ข้อมูลทุติยภูมิ (Secondary Data) - ข้อมูลต่างๆ ที่มีอยู่แล้ว ซึ่งอาจจะอยู่ในรูปข้อมูลดิบที่ผู้อื่นรวบรวมไว้แล้ว /ข้อมูลที่ผ่านกรรมวิธีทางข้อมูล (Data Processing) หรือการวิเคราะห์ (Data analysis)

ประเภทข้อมูล 2. แบ่งตามระดับการวัด ข้อมูลระดับกลุ่ม/ประเภท (Nominal หรือ Categorical Scale) เป็นการแบ่งกลุ่มโดยถือว่าแต่ละหน่วยมีความเสมอภาคกัน/เท่าเทียมกัน (Equivalence) - สมาชิกกลุ่มเดียวกันมีความเท่าเทียมกัน คุณสมบัติและค่าเหมือนกัน - ตัวเลข/สัญลักษณ์ที่กำหนดเป็นกลุ่มมีลักษณะเป็นชื่อ (Name) - ไม่สามารถนำมาคำนวณเชิงปริมาณ + - X / - ตัวเลข/สัญลักษณ์ที่กำหนดให้แทนกลุ่มใด จะต้องใช้ตลอดไป - ตัวเลข/สัญลักษณ์มีคุณสมบัติเชิงคุณภาพและไม่ต่อเนื่อง Ex : - เพศ : ชาย : หญิง - สถานภาพสมรส : โสด : สมรส : แยก/หย่า : หม้าย

ประเภทข้อมูล 2. แบ่งตามระดับการวัด ข้อมูลระดับอันดับ (Ordinal Scale) – เป็นข้อมูลที่แต่ละกลุ่มแสดงความแตกต่างว่า มากกว่า น้อยกว่า ดีกว่า หรือแย่กว่า แต่ไม่สามารถบอกปริมาณความแตกต่างกว่ากันเท่าไหร่ ข้อมูลระดับช่วง (Interval) - ข้อมูลในระดับนี้ในแต่ละกลุ่มจะแสดงความแตกต่างได้ และสามารถบอกปริมาณได้ว่าเท่าไหร่ ข้อมูลระดับอัตราส่วน (Ratio) - เป็นข้อมูลที่สมบูรณ์ที่สุด เพราะสามารถบอกความแตกต่างหรือเปรียบเทียบความแตกต่างได้ เช่น ความสูง น้ำหนัก เป็นต้น

3. แบ่งตามลักษณะของข้อมูล ประเภทข้อมูล 3. แบ่งตามลักษณะของข้อมูล ข้อมูลเชิงปริมาณ (Quantitative Data) - เป็นข้อมูลที่แสดงได้ว่ามีค่ามากหรือน้อย แสดงค่าเป็นตัวเลขได้ ข้อมูลเชิงคุณภาพ (Qualitative Data) – เป็นข้อมูลที่ อยู่ในรูปของข้อความ สัญลักษณ์ ภาพ รูปปั้นและอื่นๆ

ประเภทข้อมูล 4. แบ่งตามช่วงเวลาอ้างอิง ข้อมูลอนุกรมเวลา (Time Series Data) - ข้อมูลที่เกิดขึ้นตามคาบเวลาต่างๆ ที่ต่อเนื่องกันเป็นช่วงเวลาหนึ่ง เช่น ยอดขายสินค้ารายเดือน 5 ปี ย้อนหลัง ข้อมูลภาคตัดขวาง (Cross Sectional Data) – เป็นข้อมูล ณ จุดใด จุดหนึ่งของเวลา เช่น จำนวนลูกค้า ณ วันที่ 1 มกราคม 2551

วิธีการวิเคราะห์ข้อมูลประเภทต่างๆ ลักษณะข้อมูลและวิธีการวิเคราะห์ 1. สเกลนามกำหนด (Nominal Scales) - ความถี่ - เปอร์เซ็นต์ - ฐานนิยม - ตาราง - Chi–Square Test - Binomial Test 2. สเกลอันดับ (Ordinal Scales) - มัธยฐาน - ฐานนิยม - เปอร์เซ็นไทล์ - สหสัมพันธ์ของลำดับที่ (Rank–order Correlation) - Sign Test

วิธีการวิเคราะห์ข้อมูลประเภทต่างๆ 3. สเกลอันตรภาค (Interval Scales) - ค่าเฉลี่ยเลขคณิต (Arithmetic mean) - ค่าเบี่ยงเบนมาตรฐาน (Standard Deviation) - การวิเคราะห์สหสัมพันธ์ (Correlation Analysis) - การวิเคราะห์การถดถอย (Regression Analysis) - การวิเคราะห์ความแปรปรวน (Analysis of Variance/ANOVA) - การเปรียบเทียบค่าเฉลี่ย (Compare Means)

วิธีการวิเคราะห์ข้อมูลประเภทต่างๆ 4. สเกลอัตราส่วน (Ratio Scales) - ค่าเฉลี่ยเลขคณิต (Arithmetic mean) - ค่าเฉลี่ยเรขาคณิต (Geometric mean) - ค่าเฉลี่ยฮาร์โมนิค (Harmonic mean) - ค่าเบี่ยงเบนมาตรฐาน (Standard Deviation) - ค่าสัมประสิทธิ์ความผันแปร (Coefficient of variation) - การวิเคราะห์สหสัมพันธ์ (Correlation Analysis) - การวิเคราะห์การถดถอย (Regression Analysis) - การวิเคราะห์ความแปรปรวน(Analysis of Variance) - การเปรียบเทียบค่าเฉลี่ย (Compare Means)

ประเภทตัวแปร ความสัมพันธ์ระหว่างตัวแปร 1. แบ่งตามอิทธิพลของตัวแปร ตัวแปรอิสระ (Independent variable) - ตัวแปรที่เกิดขึ้นโดยไม่จำเป็นต้องมีตัวแปรอื่นเกิดขึ้นมาก่อน ตัวแปรตาม (Dependent variable) - ตัวแปรที่เป็นผลมาจากการเกิดขึ้นของตัวแปรอื่น 2. แบ่งตามการจัดกระทำของตัวแปร ตัวแปรจัดกระทำได้ (active variable) - ตัวแปรที่ผู้วิจัยสามารถจัดกระทำได้ Ex. วิธีการสอนวิจัย ตัวแปรจัดกระทำไม่ได้ (attribute variable) - ตัวแปรที่เป็นคุณลักษณะ/ที่มีอยู่เดิม โดยจัดกระทำไม่ได้แต่ควบคุมได้ด้วยวิธีการทางสถิติ Ex. เพศ สีผิว

3. แบ่งตามภาวะการแทรกซ้อนตัวแปร/ภายนอก/ทดสอบ ตัวแปรแทรกซ้อน (Extraneous variable)- ตัวแปรที่ผู้วิจัยไม่ต้องการศึกษา แต่มีอิทธิพลต่อตัวแปรที่วิจัย โดยผู้วิจัยทราบล่วงหน้าและพยายามควบคุม Ex. ตัวแปรที่ต้องการศึกษา X และ Y แต่ Z เป็นตัวแปรแทรกซ้อนที่ไม่ต้องการศึกษา แต่มีผลต่อ X และ Y X Y Z

3. แบ่งตามภาวะการแทรกซ้อนตัวแปร/ภายนอก/ทดสอบ ตัวแปรสอดแทรก (Intervening variable)- ตัวแปรที่ผู้วิจัยไม่ต้องการศึกษา แต่มีอิทธิพลต่อตัวแปรที่วิจัย โดยผู้วิจัยไม่ทราบล่วงหน้า ตัวแปรที่ต้องการศึกษา X และ Y แต่ Z เป็นตัวแปรสอดแทรก X Z Y

3. แบ่งตามภาวะการแทรกซ้อนตัวแปร/ภายนอก/ทดสอบ ตัวแปรกดดัน (Suppressive variable)- ตัวแปรที่ผู้วิจัยไม่ต้องการศึกษา แต่มีอิทธิพลต่อตัวแปรอิสระให้เกิดผลกับตัวแปรตามตามมา ตัวแปรที่ต้องการศึกษา X และ Y แต่ Z เป็นตัวแปรกัดดันที่มีผลต่อตัวแปร X Z X Y

ตัวแปรทดสอบ 1 2 3 4 5 6 ตัวแปรภายนอก (Extraneous Variables) ตัวแปรองค์ประกอบ (Component Variables) 2 ตัวแปรแทรก (Intervening Variables) 3 ตัวแปรที่มาก่อน (Antecedent Variables) 4 ตัวแปรกด (Suppressor Variables) 5 ตัวแปรบิดเบือน (Distorter Variables) 6

ตัวแปรทดสอบ ตัวแปรภายนอก (Extraneous Variables) 1 ตัวแปรภายนอก (extraneous variable) ในกรณีที่พบความสัมพันธ์ระหว่างตัวแปร x กับตัวแปร y แต่เมื่อนำเอาตัวแปร z เข้ามาพิจารณาแล้วทาให้ความสัมพันธ์นั้นหายไป สาเหตุเกิดจากตัวแปร x และ y มิได้มีความสัมพันธ์ต่อกันจริงแต่ความสัมพันธ์ดังกล่าวเกิดจากสาเหตุเดียวกันคือ ตัวแปร z ซึ่งถือว่าเป็นตัวแปรจากภายนอก

ตัวแปรทดสอบ 1 ตัวแปรภายนอก (Extraneous Variables) ตัวแปรภายนอก ตัวแปรอิสระ ตัวแปรภายนอก ตัวแปรตาม

ตัวแปรทดสอบ ตัวแปรองค์ประกอบ (Component Variables) 2 ตัวแปรองค์ประกอบ (component variables) ในกรณีที่ตัวแปรต้นประกอบด้วยตัวชี้วัดหลายตัว และตัวชี้วัดบางตัวเท่านั้นที่มีผลต่อตัวแปรตาม ส่วนตัวชี้วัดที่เหลือไม่มีความสัมพันธ์กับตัวแปรตาม ดังนั้นเมื่อนาตัวชี้วัดทั้งหมดมาทดสอบ ตัวชี้วัดที่เหลือจึงเป็นตัวแปรองค์ประกอบ

ตัวแปรทดสอบ 2 ตัวแปรองค์ประกอบ (Component Variables) องค์ประกอบที่ 1 องค์ประกอบที่ 2 องค์ประกอบที่ 3 องค์ประกอบที่ 4 องค์ประกอบที่ 5 . องค์ประกอบที่ N ตัวแปรอิสระ ตัวแปรตาม

ตัวแปรอิสระ ตัวแปรแทรก ตัวแปรตาม ตัวแปรทดสอบ ตัวแปรแทรก (Intervening Variables) 3 ตัวแปรอิสระ ตัวแปรแทรก ตัวแปรตาม ตัวแปรแทรก (intervening variable) ในกรณีที่พบว่า x มีความสัมพันธ์กับ y และเมื่อนาตัวแปร z ทดสอบ พบว่าเป็นตัวแปรที่เกิดจาก x ขณะเดียวกัน z ก็เป็นสาเหตุของ y ด้วย

ตัวแปรที่มาก่อน ตัวแปรอิสระ ตัวแปรตาม ตัวแปรทดสอบ ตัวแปรที่มาก่อน (Antecedent Variables) 4 ตัวแปรที่มาก่อน ตัวแปรอิสระ ตัวแปรตาม ตัวแปรมาก่อน (antecedent) ในการศึกษาความสัมพันธ์ระหว่างตัวแปรต้น x และตัวแปรตาม y มาทดสอบพบว่ามีความสัมพันธ์กัน แต่เมื่อมีการนพตัวแปรทดสอบ z มาพิจารณาด้วยพบว่าตัวแปร z มีผลต่อตัวแปรต้น x ดังนั้น ตัวแปร z ถือเป็นตัวแปรมาก่อน

ตัวแปรกด (Suppressor Variables) ตัวแปรทดสอบ ตัวแปรกด (Suppressor Variables) 5 ตัวแปรกด (suppressor variables) ในกรณีที่พบว่า x กับ y ไม่มีความสัมพันธ์กัน (ทั้งๆที่จริงแล้วมีความสัมพันธ์กัน) เมื่อนาตัวแปรที่สาม (z) เข้าร่วมพิจารณาด้วยพบว่า x กับ y มีความสัมพันธ์กัน ทั้งนี้เนื่องจาก x และ y มีความสัมพันธ์กับ z โดยที่ x มีความสัมพันธ์กับ z ในทิศทางที่ตรงกันข้ามกับ y ที่มีต่อ z

ตัวแปรกด (Suppressor Variables) ตัวแปรทดสอบ ตัวแปรกด (Suppressor Variables) 5 (+) (-) ตัวแปรกด ตัวแปรอิสระ ตัวแปรตาม

ตัวแปรทดสอบ ตัวแปรบิดเบือน (Distorter Variables) 6 ตัวแปรบิดเบือน (+) ตัวแปรอิสระ ตัวแปรตาม (-) เป็นตัวแปรที่ทำ ให้ความสัมพันธ์ระหว่างตัวแปรอิสระและตัวแปรตามเปลี่ยนไปในทิศทางตรงกันข้ามกล่าวคือ แทนที่จะมีความสัมพันธ์ในเชิงบวกกับเปลี่ยนไปมีความสัมพันธ์ในเชิงลบ

4. แบ่งตามความต่อเนื่องของค่าตัวแปร ตัวแปรต่อเนื่อง (Continuous variable)- ตัวแปรที่มีค่าอย่างต่อเนื่อง เช่น ความสูง ความยาว น้ำหนัก ระยะทาง ฯลฯ ที่มีค่าทศนิยมติดต่อกัน Ex - ระยะทาง 1-2 หน่วยเป็น กม. ค่าอาจจะเกิดขึ้นได้ตั้งแต่ 1.0 1.1 1.2 1.3 1.4 จนถึง 2.0 ตัวแปรไม่ต่อเนื่อง (Discrete variable)- ตัวแปรที่มีค่าเป็น ไปได้ขาดตอน เช่น เพศ = ชาย หญิง - ค่าวัดได้ 2 ค่า Dichotomous Variable เพศ - ค่าวัดได้มากกว่า 2 ค่า Polychotomous Variable สีผิว

5. แบ่งตามการคัดเลือกตัวแปร ตัวแปรมาตรฐาน หรือตัวแปรที่ไม่มีความหมายเชิงนโยบาย เช่น คุณสมบัติทางเศรษฐกิจ สังคมและประชากร เช่น เพศ อายุ สถานภาพสมรส อาชีพหลัก อาชีพรองและระดับการศึกษา ซึ่งเป็นคุณสมบัติของบุคคลที่เปลี่ยนแปลงไม่ได้ ตัวแปรเชิงนโยบาย เป็นตัวแปรที่สามารถเปลี่ยนแปลงได้โดยใช้มาตรการต่างๆ เช่น การมีส่วนร่วมในกิจกรรมบางประเภท การได้รับฟังข่าวสาร การใช้เวลาว่าง

ความสัมพันธ์ระหว่างตัวแปร ที่มาและเหตุผลเกี่ยวกับความสัมพันธ์ระหว่างตัวแปร รูปแบบของความสัมพันธ์ ทิศทางของความสัมพันธ์

X Y รูปแบบความสัมพันธ์ ความสัมพันธ์อสมมาตร - ความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่มีทิศทางไปในทางเดียวกันเท่านั้น (Asymmetrical relationship) X Y ความสัมพันธ์สมมาตร - ความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่ ผู้วิจัยไม่สามารถระบุได้ชัดเจนว่า ตัวแปรใดเป็นตัวแปรอิสระและตัวแปรตามทราบแต่ว่าทั้ง 2 ตัวแปรมีความสัมพันธ์กัน (Symmetrical relationship)

X Y รูปแบบความสัมพันธ์ ความสัมพันธ์แบบตอบโต้ - คล้ายอสมมาตร โดยความสัมพันธ์ระหว่างตัวแปร 2 ตัวมีผลต่อกัน แต่ไม่มีตัวใดเป็นอิสระตลอดไป (Interactive relationship) X Y ความสัมพันธ์เชิงเส้นตรง - อาจจะเป็นอสมมาตร สมมาตรหรือตอบโต้ แต่รูปแบบการเปลี่ยนค่าของตัวแปรตามและตัวแปรอิสระ มีลักษณะเส้นตรง (Linear relationship)

รูปแบบความสัมพันธ์ ความสัมพันธ์เชิงเส้นโค้ง - อาจจะเป็นอสมมาตร สมมาตร ตอบโต้แต่รูปแบบการเปลี่ยนค่าของตัวแปรหนึ่งเปลี่ยนไป ค่าของตัวแปรตามจะเปลี่ยนแปลงตามไปในรูปแบบหนึ่ง แต่ไม่ตลอดเส้นความสัมพันธ์ (Curvilinear relationship) ความสัมพันธ์เชิงเหตุและผล - ความสัมพันธ์ระหว่างตัวแปร 2 ตัว ตัวแปรหนึ่งเป็นอิสระเป็นสาเหตุการเปลี่ยนแปลงตัวแปรตาม (Causal relationship)

ทิศทางความสัมพันธ์ รูปแบบความสัมพันธ์ ความสัมพันธ์ที่ไม่ใช่เชิงเหตุและผล - ความสัมพันธ์ ระหว่าง ตัวแปร 2 ตัว แต่ระบุไม่ได้ว่าเป็นเพราะอะไร แต่รู้ว่าสัมพันธ์กัน (Non-causal relationship) ทิศทางความสัมพันธ์ ความสัมพันธ์เชิงบวก (Positive relationship) ความสัมพันธ์เชิงลบ (Negative relationship)