มารู้จัก Nonparametric กันเถอะ

Abstract

นักวิจัยเชิงปริมาณไม่ว่าจะเป็นนักวิจัยหน้าใหม่ หรือหน้าเก่าแทบทุกท่านมักเกิดปัญหาการเลือกใช้สถิติวิเคราะห์ การเลือกใช้สถิติวิเคราะห์ที่นิยมสำหรับงานวิจัยที่มีวัตถุประสงค์เพื่อการเปรียบเทียบกรณีที่มี 2 กลุ่มที่เป็นอิสระ คือ Independent t-test ถ้าเป็น 2 กลุ่มที่ไม่เป็นอิสระ คือ Dependent t-test และเมื่อต้องการเปรียบเทียบมากกว่า 2 กลุ่ม จะเลือกใช้ ANOVA (Analysis of Variance) ซึ่งอาจเป็น One-way ANOVA หรือ Two-way ANOVA สถิติวิเคราะห์เหล่านี้เป็นสถิติพาราเมตริก นักวิจัยจะต้องมีความระมัดระวังเกี่ยวกับข้อตกลงเบื้องต้นของสถิติวิเคราะห์ที่เลือกใช้ ข้อตกลงเบื้องต้น (assumption) ที่สำคัญได้แก่ ข้อมูลต้องมีการแจกแจงปกติ (normal distribution) และมีลักษณะสุ่ม (random) ซึ่งนักวิจัยส่วนมากมักคิดว่าเขาได้ตัวอย่างด้วยวิธีการสุ่มตัวอย่างแบบต่าง ๆ ไม่ว่าจะเป็นการเลือกตัวออย่างสุ่มอย่างง่าย (simple random sampling) หรือการเลือกตัวอย่างสุ่มหลายขั้นตอน (multi-stage sampling) ดังนั้นกลุ่มตัวอย่างที่ได้จะมีลักษณะสุ่ม ซึ่งความคิดดังกล่าวไม่ถูกต้องเพราะวิธีการสุ่มตัวอย่างไม่ได้แปลว่าข้อมูลที่ท่านได้จะต้องมีลักษณะสุ่ม และความคิดของนักวิจัยบางท่านที่ว่าเมื่อสุ่มตัวอย่างมากกว่า 30 สามารถแปลความว่าข้อมูลมีการแจกแจงปกติ สิ่งนี้เป็นความคิดที่ผิดหลักสถิติอย่างรุนแรงซึ่งอาจจะส่งผลให้ผลการวิเคราะห์ไม่เกิดประโยขน์ หรือผลงานวิจัยผิดพลาดได้ ดังนั้นนักวิจัยควรต้องมีความใส่ใจที่จะต้องนำข้อมูลที่เก็บรวบรวมได้มาทดสอบข้อตกลงเบื้องต้นก่อนจะเลือกใช้สถิติวิเคราะห์ เพราะความน่าเชื่อถือของการวิจัยส่วนหนึ่งเกิดจากการสรุปอ้างอิงผลการวิจัย ดังนั้นการเลือกใช้สถิติวิเคราะห์ข้อมูลที่เหมาะสมจึงมีความสำคัญ ปัญหาที่จะเกิดขึ้นต่อมาคือถ้าข้อมูลไม่เป็นไปตามข้อตกลงเบื้องต้น แล้วเราจะใช้สถิติใดวิเคราะห์ได้ ผู้เขียนจึงขอแนะนำให้เรามารู้จัก สถิติไม่อิงพารามิเตอร์ (Nonparametric Statistics) พร้อมทั้งตัวอย่างการประยุกต์ใช้สถิติไม่อิงพารามิเตอร์