@article{อระวีพร_สุขเจริญ_ธีรธนิตนันท์_สุภัทรกุล_พงษ์ชาล_2017, title={การเปรียบเทียบประสิทธิภาพของสถิติทดสอบการเปรียบเทียบพหุคูณ ในกรณีความแปรปรวนเท่ากันสําหรับ 3 ประชากร โดยใช้โปรแกรมอาร}, volume={26}, url={https://li01.tci-thaijo.org/index.php/science_kmitl/article/view/91595}, abstractNote={<p><strong><span class="fontstyle0">บทคัดย่อ</span></strong></p><p><span class="fontstyle0"><br /></span><span class="fontstyle1">การวิจัยนี้เป็นการวิจัยเชิงจําลองมีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพของ<br />สถิติทดสอบของฟิชเชอร์โดยใช้ความแตกต่างที่มีนัยสําคัญน้อยที่สุด สถิติทดสอบของบอนเฟอร์โรนี<br />สถิติทดสอบของทูกีย์ สถิติทดสอบแบบพิสัยพหุคูณของดันแคน สถิติทดสอบของสติวเดนต์–นิวแมน–คูล<br />และสถิติทดสอบของเชฟเฟ สําหรับทดสอบการเปรียบเทียบพหุคูณในกรณีความแปรปรวนเท่ากัน สําหรับ<br />3 ประชากร โดยศึกษาจากข้อมูลที่สุ่มจากประชากรที่มีการแจกแจงปรกติ กําหนดขนาดตัวอย่างเท่ากับ<br />(5,5,5) (10,10,10) (30,30,30) (5,6,7) (10,12,14) และ (30,34,38) ในการคํานวณค่าประมาณของความน่าจะเป็นของความผิดพลาดแบบที่ 1 กําหนดค่าเฉลี่ยของประชากรเท่ากับ (4,4,4) และการคํานวณ<br />ค่าประมาณกําลังการทดสอบ กําหนดค่าเฉลี่ยของประชากรเท่ากับ (4,8,12) โดยที่ความแปรปรวนของแต่<br />ละประชากรกําหนดเป็น 2 4 8 และ 16 ตามลําดับ กําหนดระดับนัยสําคัญ 3 ระดับ คือ 0.01 0.05 และ<br />0.1 ใช้โปรแกรมอาร์ในการจําลองและวิเคราะห์ข้อมูล ทําการจําลองข้อมูลซ้ํา 5,000 รอบในแต่ละ<br />สถานการณ์ ผลการวิจัยพบว่าสถิติทดสอบของบอนเฟอร์โรนี สถิติทดสอบของทูกีย์ สถิติทดสอบของ<br />สติวเดนต์–นิวแมน–คูล และสถิติทดสอบของเชฟเฟ สามารถควบคุมค่าประมาณของความน่าจะเป็นของ<br />ความผิดพลาดแบบที่ 1 ได้ทุกสถานการณ์ที่ศึกษา เมื่อพิจารณาค่าประมาณกําลังการทดสอบ พบว่าสถิติ<br />ทดสอบของสติวเดนต์–นิวแมน–คูล มีค่าประมาณกําลังการทดสอบสูงที่สุดในทุกสถานการณ์ที่ศึกษา และ<br />พบว่าค่าประมาณกําลังการทดสอบจะเพิ่มขึ้นเมื่อขนาดตัวอย่างเพิ่มขึ้นหรือความแปรปรวนลดลง</span></p><p><span class="fontstyle1"><br /></span></p><p><strong><span class="fontstyle3">คําสําคัญ </span></strong><span class="fontstyle4"><strong>:</strong> การเปรียบเทียบพหุคูณ ค่าประมาณกําลังการทดสอบ ค่าประมาณของความน่าจะเป็นของความผิดพลาดแบบที่ 1 สถิติทดสอบของเชฟเฟ สถิติทดสอบของทูกีย์ สถิติทดสอบของบอนเฟอร์โรนี สถิติทดสอบของฟิชเชอร์โดยใช้ความแตกต่าง ที่มีนัยสําคัญน้อยที่สุด สถิติทดสอบของสติวเดนต์–นิวแมน–คูล สถิติทดสอบแบบพิสัยพหุคูณของดันแคน</span></p><p><span class="fontstyle4"><br /></span></p><p><span class="fontstyle0"><strong>Abstract</strong></span></p><p><span class="fontstyle0"><strong></strong><br /></span><span class="fontstyle1">This research is a simulating research that aimed to study and to compare the<br />efficiency of Fisher’s least significant difference test, Bonferroni’s test, Tukey’s test,<br />Duncan’s new multiple range test, Student–Newman–Keul’s test, and Scheffe’s test for<br />multiple comparison testing in case of homogeneity of variance for three populations.<br />In this case, we randomize data from three populations that have a normal distribution.<br />The sample sizes are set equal to (5,5,5), (10,10,10), (30,30,30), (5,6,7), (10,12,14), and<br />(30,34,38). The population mean are set equal to (4,4,4) for calculating the estimated<br />probability of type I error, and set equal to (4,8,12) for calculating the estimated power of<br />a test. The population variances of each population are set equal to 2, 4, 8, and 16. The<br />significant levels are considered on three levels at 0.01, 0.05, and 0.1. R program is used<br />for simulation and data analysis with 5,000 times for each situation. The results revealed<br />that Bonferroni’s test, Tukey’s test, Student–Newman–Keul’s test and Scheffe’s test can<br />control probability of type I error in all situations. Considering the power of a test,<br />Student–Newman–Keul’s test shows the highest power of a test in all situations. Power of<br />a test increases as sample size increased or variance decreased.</span></p><p><span class="fontstyle1"><br /></span></p><p><strong><span class="fontstyle3">Keywords </span></strong><span class="fontstyle4"><strong>:</strong> Multiple Comparison, Power of a Test, Probability of Type I Error, Scheffe’s Test, Tukey’s Test, Bonferroni’s Test, Fisher’s Least Significant Difference Test, Student–Newman–Keul’s Test, Duncan’s New Multiple Range Test</span></p>}, number={1}, journal={Journal of Science Ladkrabang}, author={อระวีพร อัชฌา and สุขเจริญ ปารณัท and ธีรธนิตนันท์ กฤตพล and สุภัทรกุล กําชัย and พงษ์ชาล โศภน}, year={2017}, month={Jul.}, pages={32–46} }