การเปรียบเทียบประสิทธิภาพของสถิติพาราเมตริกและสถิตินอนพาราเมตริกในการทดสอบค่ากลางระหว่างประชากรหลายกลุ่มเมื่อข้อมูลเป็นแบบลิเคิร์ท 5 ระดับ
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของสถิติพาราเมตริกและสถิตินอนพาราเมตริกในการทดสอบค่ากลางระหว่างประชากรหลายกลุ่ม เมื่อข้อมูลเป็นแบบลิเคิร์ท 5 ระดับ ตัวสถิติทดสอบประกอบด้วย one-way ANOVA (F test), Kruskal-Wallis test (K-W test), van der Waerden normal scores test (V-W test) และ median test (M test) เงื่อนไขการจำลองแบบปัญหา คือ การแจกแจงของประชากร 3 ลักษณะ ประกอบด้วยการแจกแจงเบ้เชิงลบและความโด่งสูงกว่าปกติ การแจกแจงสมมาตรและความโด่งต่ำกว่าปกติ และการแจกแจงเบ้เชิงบวกและความโด่งสูงกว่าปกติ แบ่งเป็น 3, 4 และ 5 กลุ่ม ขนาดตัวอย่าง 3 ระดับ คือ ขนาดเล็ก (n = 10) ขนาดกลาง (n = 25, 50) และขนาดใหญ่ (n= 100) กำหนดความแปรปรวนเท่ากันและไม่เท่ากัน ทดสอบสมมติฐานที่ระดับนัยสำคัญ 0.05 และ 0.01 โดยแต่ละสถานการณ์จำลองข้อมูลจำนวน 10,000 รอบ สำหรับประสิทธิภาพของตัวสถิติทดสอบพิจารณาจากความสามารถควบคุมความคลาดเคลื่อนประเภทที่ 1 และมีอำนาจการทดสอบสูงสุดในแต่ละสถานการณ์ ผลการวิจัยพบว่าเมื่อประชากรมีการแจกแจงเบ้เชิงลบและมีความโด่งสูงกว่าปกติ (Sk = -1, K = 4) ตัวสถิติทดสอบส่วนใหญ่ไม่มีประสิทธิภาพ เมื่อประชากรมีการแจกแจงสมมาตรและความโด่งต่ำกว่าปกติ (Sk = 0, K = 2) กรณีตัวอย่างขนาดกลาง ตัวสถิติทดสอบที่มีประสิทธิภาพสูงสุด คือ F test กรณีตัวอย่างขนาดใหญ่ คือ F test, K-W test และ V-W test และเมื่อประชากรมีการแจกแจงเบ้เชิงบวกและความโด่งสูงกว่าปกติ (Sk = 1, K = 4) กรณีตัวอย่างขนาดเล็กและความแปรปรวนเท่ากัน ตัวสถิติทดสอบที่มีประสิทธิภาพสูงสุด คือ F test และ K-W test กรณีความแปรปรวนไม่เท่ากัน คือ F test กรณีตัวอย่างขนาดกลางและความแปรปรวนเท่ากัน ตัวสถิติทดสอบที่มีประสิทธิภาพสูงสุด คือ K-W test กรณีความแปรปรวนไม่เท่ากัน คือ V-W test กรณีตัวอย่างขนาดใหญ่และความแปรปรวนเท่ากัน ตัวสถิติทดสอบที่มีประสิทธิภาพสูงสุด คือ F test, K-W test และ V-W test กรณีความแปรปรวนไม่เท่ากัน คือ V-W test รองลงมา คือ K-W test
Article Details
เอกสารอ้างอิง
[2] Jarunratanakul, P. and Keeratiparadorn, P., 2018, Mediation effect of organizational identification on the relationship between person-organization fit and affective commitment to the political party, Kasetsart J. Soc. Sci. 39: 601-610.
[3] Tengpongsthorn, W., 2017, Factors affecting the effectiveness of police performance in Metropolitan Police Bureau, Kasetsart J. Soc. Sci. 38: 39-44.
[4] Chanjaraspong, T., 2017. Acceptance factors for the use of video call via smartphone by blind people, Kasetsart J. Soc. Sci. 38: 81-87.
[5] Promdee, S., Saratapun, N. and Hirunwong, A., 2017, Factors related to at-risk behavior to obesity of grade 6 students under the Office of Bangkok Metropolitan Primary Education, Kasetsart J. Soc. Sci. 38: 435-444.
[6] Sullivan, GM., and Artino, AR., 2013, Analyzing and interpreting data from Likert-type scales, J. Grad. Med. Edu. 5: 541-542.
[7] Songthong, M., 2014, Robustness and power of the test of parametric and nonparametric statistics in testing of central difference between two populations for Likert-type data 5 points, Thai Sci. Technol. J. 22: 605-619. (in Thai)
[8] Murray, J., 2013, Likert data: what to use, parametric or non-parametric?, Int. J. Bus. Soc. Sci. 4: 258-264.
[9] Glass, G.V., Peckham, P.D. and Sanders, J.R., 1972, Consequences of failure to meet assumptions underlying the fixed effects analyses of variance and covariance, Rev. Edu. Res. 42: 237-288.
[10] Kuzon, W.M., Urbanchek, M.G. and McCabe, S., 1996, The seven deadly sins of statistical analysis, Ann. Plast. Surg. 37: 265-272.
[11] Jamieson, S., 2004, Likert scales: How to (ab)use them, Med. Edu. 38: 1217-1218.
[12] Blaikie, N.W.H., 2003, Analyzing Quantitative Data: From Description to Explanation, Sage Publications, London.
[13] Sangthong, M., 2014, Principles of Statistics, Se-education, Bangkok, 456 p. (in Thai)
[14] Klubnual, P., 2018, The efficiency of parametric and non-parametric statistics on location testing with multiple population groups, RMUTSB Acad. J. 6: 84-100. (in Thai)
[15] Hecke, T.V., 2010. Power Study of ANOVA Versus Kruskal-Wallis Test, Available Source: https://www.tandfonline.com/doi /abs/10.1080/09720510.2012.10701623, June 1, 2018.
[16] Bowarnkitiwong, S. and Areekul, K., 2017, Robustness of f-test for heterogeneity of population variances, SDU Res. J. 13: 1-16. (in Thai)
[17] Sheskin, D.J., 2000, Handbook of Parametric and Nonparametric Statistical Procedures, 2nd Ed., Chapman and Hall/CRC, Boca Raton, FL.
[18] Chongcharoen, S., 2005, Nonparametric Statistical Analysis, The Academic Textbook Promotion Project of National Institute of Development Administration, Bangkok, 324 p. (in Thai)
[19] Ramberg, J.S., Dudewicz, E.J., Tadikamalla, P.R. and Mykytka, E.F., 1979, A probability distribution and its uses in fitting data, Technometrics 21: 201-214.
[20] Cochran, W.G., 1954, Some methods for strengthening the common χ2 tests, Biometrics 10: 417-451.
