CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK
CLICK


  
     สมัคร
     ยกเลิก

    



Supersonghit

Thai-HTML : Software & Programming Page.

แหล่งความรู้ด้านคอมพิวเตอร์

หรรษา.คอม ศูนย์รวมเวบไซต์เมืองไทย

ต่อต้านคอร์รัปชัน

Civil Engineering Service (วิศวกรรมโยธาบริการ)

Let's listen music

ระฆังห่วงใย จากใจ นายกรัฐมนตรี

มาช่วยกันตามเพื่อนร่วมเอกภพกันดีกว่า

วิชาการ.คอม

darasart_banner

สยามคอลเลคชัน.คอม

วัดผล_จุด_คอม


E-mail
 
 
   

บทนำ
คลิกไปที่ความหมายและคำศัพท์ในการสุ่มตัวอย่างศัท์สุ่ตัย่
คลิกไปที่ประชากรประชากร
คลิกไปที่หน่วยการวิเคราะห์หน่วยการวิเคราะห์
คลิกไปที่ตัวอย่างตัวอย่าง
คลิกไปที่ค่าพารามิเตอร์และค่าสถิติค่าพารามิเตอร์และค่าสถิติ
คลิกไปที่การสุ่มตัวอย่าง : เหตุผลและกระบวนการสุ่ตัย่ : ตุ
คลิกไปที่เหตุผลที่มีการสุ่มตัวอย่างเหตุผลที่มีการสุ่มตัวอย่าง
คลิกไปที่กระบวนการสุ่มตัวอย่างกระบวนการสุ่มตัวอย่าง
คลิกไปที่วิธีการสุ่มตัวอย่างวิธีสุ่ตัย่
คลิกไปที่การสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็นการสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็น
คลิกไปที่การสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็นการสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็น
คลิกไปที่ข้อพิจารณาในการเลือกวิธีการสุ่มตัวอย่างข้อพิจารณาในการเลือกวิธีการสุ่มตัวอย่าง
คลิกไปที่ขนาดของตัวอย่างตัย่
คลิกไปที่การเลือกขนาดของตัวอย่างการเลือกขนาดของตัวอย่าง
คลิกไปที่ตารางสุ่มตัวอย่างของ Dawin Hendelตารางสุ่มตัวอย่างของ Dawin Hendel
คลิกไปที่ตารางสุ่มตัวอย่างของ Krejcie & Morganตารางสุ่มตัวอย่างของ Krejcie & Morgan




ความหมายและคำศัพท์ในการสุ่มตัวอย่าง

ประชากร

                 ประชากร (Population or Universe) ได้แก่ มวลรวม หรือจำนวนทั้งหมดของสิ่งที่นักวิจัยต้องการศึกษาตามที่ได้กำหนดหลักเกณฑ์เอาไว้ เช่น ถ้าต้องการศึกษาเกี่ยวกับพนักงานรัฐวิสาหกิจ ประชากรก็คือ พนักงานทุกคนที่ทำงานอยู่ในรัฐวิสาหกิจ หรือต้องการศึกษาเกี่ยวกับครูในโรงเรียนแกนนำกระบวนการปฏิรูปการเรียนรู้ในจังหวัดกาญจนบุรี ประชากรก็คือ ครูทุกคนในโรงเรียนที่ถูกกำหนดให้เป็นโรงเรียนแกนนำกระบวนการปฏิรูปการเรียนรู้ในจังหวัดนั้นๆ หรือต้องการศึกษาเกี่ยวกับข้าราชการที่ดำรงตำแหน่งสังคมสงเคราะห์ของกรมประชาสงเคราะห์ ประชากรก็คือ ข้าราชการทุกคนที่ดำรงตำแหน่งนักสังคมสงเคราะห์สังกัดหน่วยงานกรมประชาสงเคราะห์ทุกหน่วยงานที่มีอยู่ ฯลฯ เป็นต้น
                 ข้อควรคำนึงเกี่ยวกับประชากร มีดังนี้
                 1. จะต้องระบุให้แน่ชัดว่า ประชากรนั้นรวมใครและไม่รวมใครบ้าง เช่น ต้องนิยามคำจำกัดความว่า พนักงานรัฐวิสาหกิจในการวิจัยครั้งนี้ รวมถึงลูกจ้างชั่วคราว และผู้บริหารระดับสูงด้วยหรือไม่ ทั้งนี้ต้องระบุให้ชัดเจนด้วยว่า นอกจากบุคคลเหล่านี้แล้ว ผู้ที่อยู่ในระหว่างการทดลองปฏิบัติงาน จะรวมเข้าเป็นประชากรด้วยหรือไม่
                 2. ประชากรในการวิจัยครั้งหนึ่งๆ ไม่จำเป็นจะต้องประกอบด้วย "คน" เช่น การศึกษาว่า ตำราที่เกี่ยวกับการพัฒนาการเรียนการสอนในปัจจุบัน ที่ตีพิมพ์เป็นเล่มฉบับภาษาไทยเล่มใดบ้างที่มีการยกตัวอย่างเป็นเรื่องไทยๆ โดยใช้สถานการณ์ในท้องถิ่นเป็นกรณีศึกษา ในที่นี้ประชากรคือ หนังสือด้านการพัฒนาการเรียนการสอนที่ตีพิมพ์เป็นภาษาไทยทุกเล่มที่มีในขณะนั้น
                 3. นอกจากมีประชากรแบบโดดๆ เช่นข้อ 1. และข้อ 2. แล้ว ในบางกรณีประชากรอาจหมายถึง หน่วยที่รวมกันเป็นองค์กร เช่น หน่วยงาน หรือหน่วยการปกครอง เช่น โรงพยาบาล โรงเรียน สถานีตำรวจ ตำบล หมู่บ้าน เป็นต้น

                 องค์ประกอบของประชากร หรือหน่วยของประชากร (Population Elements) หมายถึง ส่วนของประชากร เงิน คนแต่ละคน สัตว์แต่ละตัว สิ่งของแต่ละชิ้น ฯลฯ ซึ่งถือว่าเป็นสิ่งสำคัญมากสำหรับการวิจัย คำว่า "Element" ส่วนใหญ่ใช้ในความหมายว่า "หน่วยของข้อมูล" หรือ "สมาชิก"

                 ขนาดของประชากร (Population Size) หมายถึง จำนวน หน่วยของการสุ่มตัวอย่างที่อยู่ในประชากร

คลิกไปที่หัวข้อบนสุด



หน่วยวิเคราะห์

                 หน่วยวิเคราะห์ (Unit of Analysis) หมายถึง หน่วยที่ผู้วิจัยต้องการศึกษา ซึ่งอาจจะเป็นบุคคล กลุ่ม สิ่งของ พื้นที่ สังคมทั้งสังคม หมู่บ้าน อำเภอ ตำบล ประเทศ หากผู้วิจัยเก็บข้อมูลเกี่ยวกับลักษณะของบุคคลแล้วนำข้อมูลนั้นมาศึกษาวิจัย หน่วยวิเคราะห์ก็คือบุคคลแต่ละบุคคล และถ้าเก็บและวิเคราะห์ข้อมูลระดับกลุ่มหรือหมู่บ้าน หน่วยวิเคราะห์ก็คือกลุ่มหรือหมู่บ้าน

                 อย่างไรก็ตาม หากผู้วิจัยเก็บข้อมูลจากคนกลุ่มต่างๆ หลายกลุ่ม หรือหมู่บ้าน แล้วนำเอาคุณสมบัติด้านต่างๆ แต่ละด้านของทุกคนมาหาค่าเฉลี่ยเป็นค่าคุณสมบัติของแต่ละกลุ่ม หรือหมู่บ้าน แล้วนำค่าเฉลี่ยของคุณสมบัติแต่ละด้านของแต่ละกลุ่มมาศึกษา หน่วยที่ศึกษาหรือหน่วยวิเคราะห์ก็คือกลุ่ม เพราะค่าเฉลี่ยนเหล่านั้นเป็นคุณสมบัติของกลุ่มมิใช่ของบุคคล

                 ตัวอย่างเช่น

                 ผู้วิจัยเก็บข้อมูลจากบุคคลในแต่ละหมู่บ้านมาจำนวน 125 หมู่บ้าน โดยเก็บข้อมูลจากสมาชิกทุกคนในแต่ละหมู่บ้าน หากผู้วิจัยนำคุณสมบัติต่างๆ ของสมาชิกแต่ละคนมาศึกษา หน่วยการวิเคราะห์ก็คือ บุคคล แต่ถ้าหากผู้วิจัยนำข้อมูลเหล่านั้นมาหาคุณสมบัติเฉลี่ยให้เป็นคุณสมบัติของหมู่บ้าน ซึ่งแม้จะเก็บมาจากรายบุคคลก็ตาม เช่น อัตราการรู้หนังสือ สัดส่วนการประกอบอาชีพเกษตรกรรม และอัตราการมีส่วนร่วมในการพัฒนา แล้วนำคุณสมบัติของ 125 หมู่บ้านนั้นมาวิเคราะห์ศึกษา อย่างนนี้หน่วยวิเคราะห์ก็คือ หมู่บ้าน

                 ดังนั้น ในการวิจัยโดยเฉพาะอย่างยิ่งในส่วนที่เกี่ยวข้องกับการวัด ผู้วิจัยจะต้องชัดเจนว่า หน่วยวิเคราะห์ที่ตนต้องการศึกษานั้นคืออะไร

                 ในการวิจัยทางสังคมศาสตร์นั้น แบ่งหน่วยวิเคราะห์ได้เป็น 6 ประเภท หรือ 6 ระดับ คือ 1) ระดับปัจเจกบุคคล (Individual Unit) 2) ระดับกลุ่ม (Group Unit) 3) ระดับองค์กร (Organization Unit) 4) ระดับสถาบัน (Institution Unit) 5) ระดับพื้นที่ (Spatial Unit) และ 6) ระดับสังคม (Societal Unit)

                 1) หน่วยระดับปัจเจกบุคคล (Individual Unit)

                      ในการศึกษาทางสังคมศาสตร์และพฤติกรรมศาสตร์ หน่วยวิเคราะห์ที่เรามักจะใช้กันเป็นหน่วยระดับปัจเจกบุคคล ซึ่งก็คือบุคคลแต่ละคน ในการวิจัยทางสังคมเชิงปริมาณที่เกี่ยวข้องกับพฤติกรรม ส่วนใหญ่จะนำคุณสมบัติต่างๆ ของบุคคล (เช่น อายุ อาชีพ การศึกษา พฤติกรรม และทัศนคติต่างๆ) มาวิเคราะห์
                      ประชากรหรือตัวอย่างที่เป็นเป้าหมายการศึกษาระดับปัจเจกบุคคลจึงประกอบด้วยบุคคลหลายคน การศึกษาวิจัยโดยใช้หน่วยวิเคราะห์ระดับบุคคลนี้ มีชื่อเรียกอีกอย่างหนึ่งว่า เป็นการศึกษาวิเคราะห์ระดับจุลภาค (Micro Analysis)

                 2) หน่วยระดับกลุ่ม (Group Unit)

                      เป็นการเอาคุณสมบัติของกลุ่มบุคคล มิใช่ของแต่ละบุคคลมาวิเคราะห์ ตัวแปรเป็นตัวแปรที่เกี่ยวกับกลุ่ม เช่น อัตราส่วนของสมาชิกสหกรณ์ต่อประชากรทั้งหมด อัตราส่วนเพศ อัตราการใช้สิทธิเลือกตั้ง ฯลฯ จะเห็นได้ว่าล้วนแต่เป็นคุณสมบัติของกลุ่ม ไม่อาจเป็นคุณสมบัติของบุคคลแต่ละบุคคลได้อีกต่อไป
                      ผลที่ได้จากการวิเคราะห์ข้อมูลที่เป็นหน่วยระดับกลุ่ม อาจแตกต่างหรือสอดคล้องกับผลที่ได้จากการวิเคราะห์ระดับหน่วยปัจเจกบุคคล ทั้งนี้เพราะความแตกต่างระหว่างกลุ่มอาจไม่เหมือนกันกับความแตกต่างระหว่างบุคคลก็ได้
                      ประชากรหรือตัวอย่างที่ใช้ในการศึกษาระดับกลุ่มจึงประกอบด้วยกลุ่มบุคคลหลายกลุ่ม เช่น สมมติว่าเป็น 50 กลุ่ม แต่ละกลุ่มจะเป็น 1 หน่วยวิเคราะห์ ในการตีความหมายที่ได้จากการ
วิเคราะห์ ต้องระมัดระวังการอ้างอิงความแตกต่างระหว่างกลุ่ม มิให้เป็นความแตกต่างระหว่างบุคคล

                 3) หน่วยระดับองค์กร (Organization Unit)

                      องค์กรในที่นี้อาจเป็นโรงงาน สถานประกอบการ สำนักงาน กรม กองต่างๆ ของราชการ มหาวิทยาลัย ซึ่งโครงสร้างขององค์กรมีเสถียรภาพ และถาวร ต่างจากสมาชิกขององค์การแต่ละคน สมาชิกอาจเข้าออกเปลี่ยนแปลงไป แต่องค์การอาจยังอยู่โดยไม่เปลี่ยนแปลงไปได้

                      คุณสมบัติขององค์การในบางเรื่อง อาจมาจากผลรวมของคุณสมบัติของสมาชิกขององค์การก็ได้ เช่น ขวัญขององค์กร อาจจะได้มาจากขวัญของสมาชิกแต่ละคนรวมกันโดยเฉลี่ย แต่ในบางเรื่องไม่อาจได้มาจากผลรวมของคุณสมบัติของสมาชิก เช่น
                      ฐานะทางเศรษฐกิจขององค์กร ไม่ได้มาจากฐานะทางเศรษฐกิจของสมาชิกขององค์การรวมกัน โดยแท้จริงแล้วอาจจะตรงข้ามกัน ยิ่งจ่ายค่าจ้างน้อยบริษัทก็จะยิ่งรวยขึ้น

                      คุณสมบัติขององค์การในหลายๆ ด้านไม่เกี่ยวข้องกับคุณสมบัติของสมาชิก เช่น
                      ประสิทธิภาพขององค์กร ความเข้มงวดของกฎ หลักเกณฑ์ที่ใช้ในการเลือกสมาชิก และกำหนดความก็าวหน้า แบบแผนของการรับช่วงอำนาจหน้าที่ ความก็าวหน้าขององค์การในด้านเศรษฐกิจ ผลกำไร ฯลฯ

                 4) หน่วยระดับสถาบัน (Institution Unit)
                      เป็นการวิเคราะห์สถาบันต่างๆ เช่น สถาบันทางกฎหมาย การเมือง เศรษฐกิจ ครอบครัว ซึ่งผู้วิจัยอาจจะศึกษาองค์ประกอบต่างๆ ภายในสถาบัน หรือทำการเปรียบเทียบระหว่างสถาบัน เช่น Marx ศึกษาโครงสร้างของสถาบันเศรษฐกิจและสถาบันอื่นๆ ว่าสถาบันทางเศรษฐกิจเป็นที่มาของสถาบันต่างๆ ทางการเมือง ศาสนา กฎหมาย และศิลปะ ครอบครัวแต่ละครอบครัวเป็นหน่วยวิเคราะห์ระดับกลุ่มหรือองค์การ แต่เมื่อพิจารณาถึงระบบครอบครัว โดยส่วนรวมถือว่าเป็นการศึกษาหน่วยระดับสถาบัน ในทำนองเดียวกัน พรรคการเมืองแต่ละพรรคเป็นองค์การ แต่เมื่อพิจารณาพรรคการเมืองทั้งหมดรวมกันทั้งระบบ ถือได้ว่าเป็นการวิเคราะห์หน่วยระดับสถาบัน หรือระบบพรรคการเมืองนั่นเอง

                 5) หน่วยระดับพื้นที่ (Spatial Unit)
                      เป็นการวิเคราะห์วิจัย คุณสมบัติของเขตหรือพื้นที่ต่างๆ เช่น หมู่บ้าน ตำบล จังหวัด หรือหาความสัมพันธ์ระหว่างอัตราต่างๆ ที่เป็นคุณสมบัติของพื้นที่ เช่น อัตราคดีข่มขืน อัตราการรวมตัวทางสังคม อัตราการใช้สิทธิเลือกตั้ง อัตราการประกอบอาชีพเกษตรกรรมของเขตพื้นที่ ซึ่งเป็นการศึกษาวิเคราะห์เชิงนิเวศน์ หมู่บ้าน หรือตำบล หรือจังหวัด เหล่านี้ล้วนเป็นหน่วยวิเคราะห์ระดับพื้นที่ทั้งสิ้น สิ่งที่นักวิจัยพึงตระหนักและระมัดระวัง คือ ข้อสรุปที่ได้จากการใช้หน่วยพื้นที่ ไม่อาจนำไปใช้แทนการวิเคราะห์พฤติกรรมของคนที่ใช้ปัจเจกบุคคลเป็นหน่วยวิเคราะห์ เพราะจะทำให้ผิดพลาดอย่างหนึ่ง ที่เรียกว่า ความผิดพลาดเชิงนิเวศน์ (Ecological Fallacy)

                 6) หน่วยระดับสังคม (Societal Unit)
                      เป็นการวิเคราะห์คุณสมบัติหรือ องค์ประกอบของสังคมหรือของประเทศ เช่น อัตราความเป็นเมือง สภาพภูมิศาสตร์ของประเทศ ความก็าวหน้าทางเทคโนโลยีของประเทศ ความเป็นประชาธิปไตย ความเสมอภาคในสังคม ความมั่งคั่ง ยกตัวอย่างเช่น ศึกษาวิจัยประเทศที่มีความมั่งคั่ง มีการพัฒนาเมือง มีความก็าวหน้าทางอุตสาหกรรม และการศึกษา ว่าจะเป็นประเทศที่มีการปกครองในระบอบประชาธิปไตยที่เข้มแข็งหรือไม่ หน่วยวิเคราะห์ระดับสังคมนี้ ในบางครั้งเรียกว่า หน่วยวิเคราะห์ระดับมหภาค (Macro Analysis) ซึ่งจะใช้คุณสมบัติของประเทศ หรือของสังคมใหญ่มาวิเคราะห์ ดังนั้นหน่วยวิเคราะหืก็คือ ประเทศ หรือสังคม ณ จุดเวลาต่างๆ ซึ่งส่วนใหญ่มักจะใช้ในการศึกษาการเปลี่ยนแปลง หรือความสัมพันธ์ของการเปลี่ยนแปลงต่างๆ เช่น เศรษฐกิจ สังคม การเมือง และประชากรของประเทศ หรือสังคมนั้นๆ โดยการหาข้อมูลมาสร้างดัชนี หรือตัวแปรของการเปลี่ยนแปลงต่างๆ ของประเทศในแต่ละจุดเวลา มาจัดเรียงกันเป็นอนุกรมเวลา แล้วทำการศึกษาความสัมพันธ์ระหว่างตัวแปรต่างๆ เหล่านี้ หน่วยการวิเคราะห์ระดับมหภาคนี้ ต่างจากหน่วยวิเคราะห์ระดับปัจเจกบุคคล หรือหน่วยวิเคราะห์ระดับจุลภาค เพราะใช้สังคมซึ่งเป็นหน่วยที่ใหญ่ที่สุดมาวิเคราะห์

คลิกไปที่หัวข้อบนสุด



ตัวอย่าง

                 ตัวอย่าง (Sample) หมายถึง ส่วนหนึ่งของประชากรทั้งหมดที่ผู้วิจัยเลือกขึ้นมาเป็นตัวแทนในการวิจัย ตามวิธีการและหลักเกณฑ์ที่กำหนดไว้ ตัวอย่างที่ดีจะให้ข้อมูลของประชากร และทำให้ความเชื่อมั่นทางสถิติมีค่าสูง และยังลดค่าใช้จ่ายในการดำเนินการวิจัยด้วย

                 ตัวอย่างสุ่ม (Random Sample) ในทางสถิติเมื่อพูดถึงตัวอย่าง เรามักจะหมายถึงตัวอย่างสุ่ม ซึ่งได้แก่ตัวอย่างที่เลือกโดยอาศัยหลักเกณฑ์เกี่ยวกับความน่าจะเป็นที่จะถูกเลือกมาใช้เป็นตัวอย่างตามที่ได้กำหนดไว้ล่วงหน้า เช่น ให้แต่ละหน่วยมีความน่าจะเป็นที่จะถูกเลือกเท่าๆ กัน เป็นต้น

                 หน่วยของการสุ่มตัวอย่าง (Sampling Unit) คือ หน่วยที่ผู้วิจัยใช้เป็นหลักในการสุ่มตัวอย่าง ซึ่งหน่วยของการสุ่มนี้จะประกอบขึ้นจากหน่วยข้อมูล/สมาชิก หนึ่งหน่วยหรือมากกว่าก็ได้ บางครั้งบางหน่วยของการสุ่มตัวอย่าง และหน่วยที่ใช้เก็บข้อมูล (Element) อาจจะเป็นสิ่งเดียวกัน แต่ในบางกรณีหน่วยของการสุ่มตัวอย่างอาจจะมีได้หลายระดับ เช่น หน่วยของการสุ่มตัวอย่างเป็นครัวเรือน แต่หน่วยที่ใช้เก็บข้อมูลอาจเป็นคนแต่ละคนในครัวเรือน เป็นต้น

                 ขนาดของตัวอย่าง (Sample Size) หมายถึง จำนวนตัวอย่างที่อยู่ในตัวอย่างซึ่งได้มาจากการสุ่มหน่วยตัวอย่างที่อยู่ในประชากร

                 กรอบการสุ่มตัวอย่าง หรือขอบเขตของการสุ่มตัวอย่าง (Sampling Frame) คือ ขอบเขตขององค์ประกอบทั้งหมดของประชากร ซึ่งเป็นส่วนที่ต้องการศึกษาวิจัย การสุ่มตัวอย่างที่มีขอบเขตแน่นอนจะช่วยให้การวิจัยมีประสิทธิภาพ สอดคล้องกับปัญหา ประหยัดค่าใช้จ่าย ลดเวลาและทรัพยากร ดังนั้นการกำหนดขอบเขตในการสุ่มตัวอย่างจึงต้องประเมินอย่างระมัดระวังว่าสามารถเป็นตัวแทนประชากรที่ต้องการศึกษาทั้งหมดได้หรือไม่
                 กรอบการสุ่มตัวอย่างที่ดีจะต้องไม่มีการนับซ้ำ (Duplication) หรือการตกหล่น (Omission) กล่าวคือ บางครัวเรือนไม่มีรายชื่อ หรือบางครัวเรือนมีการบันทึกซ้ำ เช่น ในครัวเรือนที่มีบิดาและบุตรซึ่งแต่งงานแล้วอาศัยอยู่ด้วยกัน การสอบถามข้อมูลในการวิจัยจะถือว่าเป็นครัวเรือนเดียวกัน ถ้ามีการจดบันทึกทั้งบิดาและบุตรจะถือว่าเป็นการนับซ้ำ เป็นต้น
                 กรอบของการสุ่มตัวอย่าง อาจมีลักษณะเป็นบัญชีรายชื่อและที่อยู่ของกรณีศึกษา หรืออาจเป็นแผนที่แสดงอาณาเขตของหน่วยตัวอย่างทั้งหมดของประชากรที่ศึกษา ซึ่งเรียกว่า กรอบแผนที่ (Map Frame of Area Frame)

                 ความคลาดเคลื่อนในการสุ่มตัวอย่าง (Sampling Error) งานวิจัยที่ดีจะต้องพยายามทำให้ความคลาดเคลื่อนต่างๆ ที่เกิดขึ้นมีค่าน้อยที่สุด ความคลาดเคลื่อนจากการวิจัย จำแนกได้เป็น 2 ประเภทคือ
                 1) ความคลาดเคลื่อนในกระบวนการสุ่มตัวอย่าง เช่น การมีอคติหรือความลำเอียง (Bias) ต่อการสุ่มตัวอย่างหรือการเก็บรวบรวมข้อมูล
                 2) ความคลาดเคลื่อนในการนำค่าสถิติมาประมาณค่าพารามิเตอร์

คลิกไปที่หัวข้อบนสุด



ค่าพารามิเตอร์และค่าสถิติ

                 ค่าพารามิเตอร์ (Parameter) คือ ค่าที่ใช้อธิบายตัวแปรในประชากร โดยคำนวณจากค่าประชากร

                 ค่าสถิติ (Statistic) คือ ค่าที่ใช้อธิบายตัวแปรในตัวอย่างโดยคำนวณจากตัวอย่างที่เลือกสุ่มขึ้นมา

                 ท่านสามารถศึกษาเพิ่มเติมเรื่องสถิติ และพารามิเตอร์ได้ที่นี่ ......การอนุมานสถิติ.........

คลิกไปที่หัวข้อบนสุด



การสุ่มตัวอย่าง : เหตุผลและกระบวนการ

เหตุผลที่มีการสุ่มตัวอย่าง

                 แม้ว่าในการศึกษาข้อมูลโดยใช้ประชากรทั้งหมดหรือทำสำมะโน นั้น จะให้ผลศึกษาวิจัยที่สมบูรณ์ (Completeness) แต่มีข้อพิจารณาบางประการที่ทำให้การสุ่มตัวอย่างเป็นทางเลือกที่น่าสนใจสำหรับการทำวิจัย ดังนี้
                 1. ข้อจำกัดทางด้านทรัพยากร (Resource Constrains) เนื่องจากในสภาพปัจจุบันผู้วิจัยจะถูกจำกัดด้านทรัพยากรในเรื่องของค่าใช้จ่าย และเวลา การเลือกตัวอย่างที่เหมาะสม จะทำให้ผู้วิจัยเสีค่าใช้จ่ายลดลง และเชื่อถือได้มากกว่าการทำสำมะโน เนื่องจากการทำสำมะโนนั้นจะต้องใช้เวลา รวมทั้งใช้ผู้เก็บรวบรวมข้อมูลหรือเจ้าหน้าที่ภาคสนามเป็นจำนวนมาก
                 2. ความเสียหายจากการตรวจสอบข้อมูล (Destructive Measurement) ในกรณีการเก็บรวบรวมข้อมูล อาจจำเป็นต้องใช้วิธีการทดสอบที่ทำให้เกิดความเสียหายต่อหน่วยที่ทำการตรวจสอบ เช่น การทดสอบอายุใช้งานของหลอดไฟ จำเป็นต้องทดสอบจนหลอดขาด หรือหมดสภาพไป ดังนั้น การตรวจสอบทุกหลอดจึงไม่สามารถทำได้โดยปราศจากความเสียหายของข้อมูล
                 3. ความถูกต้องแม่นยำ (Accuracy) การวางแผนการสุ่มตัวอย่างที่ดี โดยใช้ทฤษฎีความน่าจะเป็น จะทำให้สามารถประมาณค่าความคลาดเคลื่อนจากการสุ่มตัวอย่างในเรื่องที่ศึกษาได้

คลิกไปที่หัวข้อบนสุด



กระบวนการสุ่มตัวอย่าง

                 กระบวนการสุ่มตัวอย่าง (The Sampling Process) คือ วิธีการคัดเลือกตัวอย่างจากประชากร มีขั้นตอนที่สำคัญดังนี้

                 1. การกำหนดประชากร (Define the target population) ผู้วิจัยจะต้องกำหนดกลุ่มของประชากรที่สนใจจะศึกษาให้ชัดเจน เพื่อให้สามารถเลือกกลุ่มตัวอย่างได้ครอบคลุมลักษณะประชากรตามที่ต้องการ และเพื่อกำหนดส่วนประกอบที่เกี่ยวข้องกับกลุ่มประชากร ซึ่งมีองค์ประกอบสำคัญ 4 ประการคือ

                      1.1 สมาชิกหรือหน่วยข้อมูล (Element)
                      1.2 หน่วยของการสุ่มตัวอย่าง (Sampling Units)
                      1.3 ขอบเขตของการสุ่ม (Extent)
                      1.4 ระยะเวลา (Time)

                      ตัวอย่างเช่น ผู้วิจัยต้องการสำรวจความต้องการด้านอาชีพของผู้ที่ไม่มีโอกาสศึกษาต่อหลังจากจบการศึกษาระดับมัธยมศึกษาตอนต้นที่มีภูมิลำเนาในเขตกรุงเทพมหานคร องค์ประกอบของกลุ่มประชากรอาจกำหนดได้ดังนี้

หน่วยข้อมูล
:
ชายและหญิงที่มีอายุตั้งแต่ 16 ปีขึ้นไปซึ่งไม่ได้
    ศึกษาต่อหลังจากเรียนจบการศึกษาชั้นมัธยมศึกษา
    ตอนต้น
หน่วยการสุ่ม
:
ครัวเรือน
ขอบเขต
:
กรุงเทพมหานคร
ระยะเวลา
:
มีนาคม - พฤษภาคม 2545

                      การกำหนดประชากรเป้าหมายเป็นสิ่งสำคัญยิ่งก่อนลงมือทำการเก็บรวบรวมข้อมูล โดยผู้วิจัยต้องให้คำจำกัดความลงไปว่า ใครเป็นประชากรเป้าหมายในเรื่องที่ศึกษา
                      เช่น นิยามความหมายของคำว่า "ผู้ที่ไม่มีโอกาสศึกษาต่อ" ว่าหมายถึง ชายหญิงที่มีอายุตั้งแต่ ...ปี ถึง ... ปีซึ่งจบการศึกษาระดับมัธยมศึกษาตอนต้นในปีการศึกษา........ เป็นต้น

                 2. การเลือกหน่วยของการสุ่มตัวอย่าง (Select a sampling unit) จะถูกกำหนดจาก
องค์ประกอบต่างๆ ของการวิจัย และกำหนดขึ้นจากรูปแบบของการสุ่มตัวอย่าง

                 3. การกำหนดกรอบการสุ่มตัวอย่าง (Identify the sampling design) เป็นการเตรียม
รายชื่อที่จะนำมาเลือกตัวอย่างในขั้นตอนต่อไป ซึ่งเป็นขั้นตอนที่สำคัญอีกขั้นตอนหนึ่ง ถ้ากรอบตัวอย่างไม่ตรงกับประชากรที่ได้เลือกไว้ อาจทำให้ผลที่ได้รับจากการสุ่มตัวอย่างผิดพลาดได้

                 4. การเลือกแบบการสุ่มตัวอย่าง (Select a sampling design) คือการกำหนดรูปแบบในการเลือกตัวอย่างเพื่อการศึกษาวิเคราะห์ ผู้วิจัยต้องกำหนดว่าจะใช้การสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็น (Probability Sampling) หรือใช้การสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็น (Nonprobability Sampling)

                 5. การเลือกขนาดตัวอย่าง (Select size of sample) ผู้วิจัยต้องตัดสินใจว่า กลุ่มตัวอย่างที่เลือกมาจากกรอบการสุ่มมีขนาดเท่าใด ซึ่งจะกล่าวโดยละเอียดในหัวข้อต่อไป

                 6. การเลือกแผนในการสุ่มตัวอย่าง (Select a sampling plan) แผนการสุ่มตัวอย่าง
นอกจากจะประกอบด้วยข้อที่ 1 ถึงข้อที่ 5 แล้ว ยังประกอบด้วยกำหนดเวลา และวิธีการสุ่มตัวอย่าง แผนในการสุ่มตัวอย่างนั้น ถ้าดำเนินการได้อย่างถูกวิธีแล้ว จะส่งผลให้งานวิจัยมีความคลาดเคลื่อนน้อยที่สุด

                 7. การเลือกตัวอย่าง (Select the sample) ขั้นตอนสุดท้ายของกระบวนการสุ่มตัวอย่าง คือ การเลือกตัวอย่าง ซึ่งขั้นตอนนี้ หน่วยของการสุ่มตัวอย่างจะถูกนำมาใช้ในการเก็บข้อมูลเพื่อนำไปใช้ในกระบวนการวิจัยต่อไป

                 จากทั้ง 7 ขั้นตอนของกระบวนการสุ่มตัวอย่าง สามารถนำเสนอเป็นขั้นตอนและวิธีการ (Step in the process) ได้ดังตารางต่อไปนี้



คลิกไปที่หัวข้อบนสุด



วิธีการสุ่มตัวอย่าง

                 โดยทั่วไปเราแบ่งการสุ่มตัวอย่างออกเป็น 2 วิธี คือ

                 การสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็น ซึ่งสมาชิกที่ได้รับเลือกขึ้นมานั้น ผู้วิจัยทราบแน่นอนว่ามีโอกาสมากเท่าใดที่จะได้รับเลือก ประเด็นสำคัญก็คือ ผู้วิจัยสามารถกำหนดได้แน่นอนว่า จะมีโอกาสมากน้อยเพียงใดที่ค่าสถิติที่คำนวณได้จากกลุ่มตัวอย่างจะแตกต่างจากค่าพารามิเตอร์

                 อีกประเภทหนึ่งเรียกว่า การสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็น ซึ่งการเลือกตัวอย่างจะขึ้นอยู่กับวิจารณญาณของผู้วิจัย หรือเจ้าหน้าที่ภาคสนาม ทำให้ไม่ทราบถึงโอกาสที่สมาชิกแต่ละหน่วยจะได้รับเลือก ดังนั้น จึงไม่อาจทราบได้ว่าค่าสถิติที่คำนวณได้นั้น ผิดพลาดไปจากค่าพารามิเตอร์ของประชากรมากน้อยเพียงใด

                 การสุ่มตัวอย่างทั้ง 2 ประเภทที่กล่าวมาประกอบด้วยวิธีการสุ่มแบบต่างๆ ดังภาพต่อไปนี้




การสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็น

                 การสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็น เป็นวิธีการที่นักวิจัยควรถือเป็นหลักพื้นฐานในการทำวิจัยมากกว่าการสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็น เนื่องจากการสุ่มตัวอย่างแบบนี้มีคุณสมบัติที่สำคัญยิ่งประการหนึ่งคือ สามารถเป็นตัวแทนของประชากรได้ และสามารถเลือกใช้วิธีการทางสถิติชั้นสูงได้อย่างหลากหลาย เพราะวิธีการทางสถิติชั้นสูง หรือสถิติอนุมาน มีฐานคติสำคัญคือ กำหนดให้ใช้กับข้อมูลซึ่งสุ่มตัวอย่างโดยทฤษฎีความน่าจะเป็น การสุ่มตัวอย่างประเภทนี้ ได้แก่

                 1. การสุ่มตัวอย่างแบบง่าย (Simple Random Sampling)

                      เป็นวิธีการสุ่มตัวอย่างที่ทุกๆ หน่วยของประชากรที่ศึกษามีโอกาสได้รับเลือกเท่าๆ กัน กล่าวคือ ผู้วิจัยจะต้องมีบัญชีรายชื่อของประชากรทั้งหมด และกำหนดหมายเลขให้กับรายชื่อสมาชิกหรือค่าสังเกตแต่ละหน่วย หลังจากนั้นผู้วิจัยก็จะสุ่มตัวอย่างขนาด n จากบัญชีรายชื่อ
                      การสุ่มตัวอย่างวิธีนี้ประชากรควรมีคุณลักษณะไม่แตกต่างกันมากนัก วิธีการสุ่มตัวอย่างแบบง่ายอาจกระทำได้ดังนี้

                      1.1 โดยการจับฉลาก

                             เช่น สอบถามความคิดเห็นเกี่ยวกับประเภทอาหารเช้าที่นักศึกษารับประทาน โดยเลือกตัวอย่างจากนักศึกษาที่ลงทะเบียนเรียนวิชา.............. จำนวน 300 คน
                             - ครั้งแรกให้เขียนชื่อนักศึกษาแต่ละคนลงในบัตร บัตรละชื่อจนครบ 300 ชื่อ
                             - จับฉลากบัตรชื่อทีละบัตร เมื่อได้ชื่อคนที่ 1 ให้จดบันทึกไว้ แล้วนำบัตรชื่อที่จับได้นั้นลงไปรวมในกลุ่ม 300 ใบตามเดิม เพื่อให้บัตรมีจำนวน 300 บัตรเสมอ
                             - จับบัตรที่ 2 ขึ้นมา (จะเห็นว่าโอกาสที่จะได้รับเลือกของบัตรที่ 2 ยังเท่ากับ 1 ใน 300 เท่าเดิม) จดบันทึกชื่อคนที่ 2 ไว้ แล้วนำบัตรกลับคืนกลุ่มเดิมอีก ทำเช่นนี้ไปเรื่อยๆ จนกระทั่งได้จำนวนสมาชิกในกลุ่มตัวอย่างตามที่ต้องการ (กรณีจับได้บัตรซ้ำ ก็ให้ข้ามไปไม่นับเป็นสมาชิกซ้ำ (ทุกบัตรที่จับได้มีสิทธินับครั้งเดียว) แต่ต้องนำบัตรเข้ารวมกลุ่มเดิมทุกครั้งที่จับขึ้นมาได้

                      1.2 โดยใช้ตารางเลขสุ่ม (Random Number)

                             การเลือกตัวอย่างประเภทนี้จะต้องให้หมายเลขแก่ตัวอย่างเช่นเดียวกัน
                             หลังจากนั้นทำการสุ่มตัวอย่างจากหมายเลขในตารางสุ่ม โดยการเลือกตัวแรกเริ่มจากหลักใดหรือแถวใดก็ได้ แล้วเรียงลำดับจนได้จำนวนตามที่ต้องการ
                             เช่น ประชากรมีทั้งหมด 300 คนเหมือนที่กล่าวมาในหัวข้อที่แล้ว เลือกตัวแรกเริ่มจากตารางสุ่มที่ 10480 ก็ให้ใช้ 2 ตัวท้าย คือ 48 หรือหมายถึงคนที่ 48 ต่อมาคือ 15011 ก็หมายถึงคนที่ 11 ต่อมาคือ 01536 ก็หมายถึงคนที่ 36 เช่นนี้เรื่อยไปจนครบตามจำนวนที่ต้องการ โปรดพิจารณาประกอบกับภาพตัวอย่างตารางสุ่มต่อไปนี้


หมายเหตุ : ตารางสุ่มนี้เป็นเพียงตัวอย่างบางส่วนจาก W. H. Bayer, ed.; CRC Standard Mathamatical Tables, 24th ed.; (abridged). Copyright CRC Press, Inc., Scca Raton, FL, 1976. อ้างถึงใน ศิริวรรณ เสรีรัตน์ และคณะ, การวิจัยการตลาด Margeting Research ฉบับสมบูรณ์. กรุงเทพมหานคร: A.N. การพิมพ์. 2540, หน้า 276-277.

                           การใช้ตารางสุ่มจะเหมาะกับกรณีของประชากรขนาดใหญ่ หรือจำนวนหน่วยหรือสมาชิกที่ต้องการสุ่มมีจำนวนมาก การที่จะใช้วิธีจับฉลากทำให้สิ้นเปลืองเวลา ตารางเลขสุ่มจึงเป็นทางเลือกที่ถูกนำมาใช้
                           ตารางเลขสุ่มนี้จะประกอบด้วยตัวเลขต่างๆ จัดเรียงเป็นแถว (Row) และสดมภ์ (Column) มักนิยมจัดพิมพ์เป็นกลุ่มๆ โดยปกติจะจัดเป็น 2 - 5 หลัก
                           หลักที่ใช้ในการสร้างตารางเลขสุ่มคือ ให้โอกาสเลขทุกตัวตั้งแต่ 0 ถึง 9 มีโอกาสจัดอยู่ในตารางเท่าๆ กัน คล้ายกับการจับฉลากหมายเลข 0 ถึง 9 แล้วนำผลการจับฉลากมาจัดพิมพ์เป็นตารางให้สะดวกกับการใช้ ดังนั้น การใช้ตารางเลขสุ่มก็เป็นวิธีที่แทนการเขียนหมายเลขฉลากนั่นเอง

                 2. การสุ่มตัวอย่างแบบแบ่งกลุ่ม (Cluster Sampling)

                      เป็นการแบ่งประชากรออกเป็นกลุ่มๆ ตามพื้นที่ เขต อำเภอ หมู่บ้าน จังหวัด ฯลฯ มักจะใช้แผนที่แบ่งเป็นพื้นที่เล็กๆ แล้วสุ่มตัวอย่างจากพื้นที่ดังกล่าวเพื่อศึกษาประชากรที่อยู่ในพื้นที่นั้น หรืออาจแบ่งประชากรออกเป็นกลุ่มใหญ่ๆ (Cluster) ก่อน แล้วจึงสุ่มตัวอย่างจาก Cluster นั้น
                      เช่น ถ้าต้องการสำรวจนักเรียนชั้นมัธยมศึกษาปีที่ 3 ทั่วประเทศไทย ก็อาจทำได้โดยเตรียมรายชื่อของโรงเรียนทั้งหมดแบ่งตามภาคของโรงเรียน สุ่มตัวอย่างออกมาโดยจะใช้วิธีการแบบง่าย หรือมีระบบก็ได้ แล้วศึกษานักเรียนในกลุ่มของโรงเรียนที่สุ่มตัวอย่าง แต่ถ้าจำนวนนักเรียนมีมากเกินกว่าจะศึกษา ก็สุ่มตัวอย่างนักเรียนจากชั้นเรียนย่อยลงไปอีก
                      การสุ่มตัวอย่างแบบนี้ นิยมใช้ในการวิจัยเชิงสำรวจ เนื่องจากประหยัดค่าใช้จ่ายในการเก็บรวบรวมข้อมูลมากกว่าวิธีอื่น เพราะผู้วิจัยสามารถดำเนินการเก็บรวบรวมข้อมูลโดยสุ่มตัวอย่างย่อยลงไปโดยไม่ต้องเก็บรวบรวมข้อมูลจากทั้งหมด
                      อย่างไรก็ตาม โดยวิธีนี้เมื่อเปรียบเทียบกับการสุ่มตัวอย่างแบบชั้นภูมิ หรือการสุ่มตัวอย่างแบบง่าย จะมีประสิทธิภาพทางสถิติ (Statistical Efficiency) ของกระบวนการวิจัยน้อยกว่า

                 3. การสุ่มตัวอย่างแบบชั้นภูมิ (Stratified Random Sampling)

                      เป็นการเลือกตัวอย่างโดยแบ่งประชากรที่จะศึกษาออกเป็นส่วนๆ เรียกว่า "ชั้นภูมิ" (Strata) ตามลักษณะบางอย่าง
                      เช่น แบ่งตามพื้นที่ แบ่งตามเพศ แบ่งตามอายุ อาชีพ ระดับการศึกษา รายได้ ศาสนา ฯลฯ
                      วิธีการแบ่งประชากรออกเป็นกลุ่มๆ ตามลักษณะบางอย่างนี้ เราเรียกว่า Stratification
                      และแต่ละกลุ่มของประชากรที่แบ่งออกไปนั้น เรียกว่า Stratum ซึ่งมีวิธีการแบ่งโดยพยายามแบ่งประชากรออกเป็นกลุ่มๆ
                      ให้แต่ละกลุ่มหรือ Stratum ประกอบด้วยหน่วยที่มีความคล้ายคลึงกันภายในกลุ่มมากที่สุด แต่มีความแตกต่างระหว่างกลุ่มมากที่สุด

                      วิธีการเลือกตัวอย่าง มีดังนี้
                      ยกตัวอย่างเช่น สำรวจความคิดเห็นเกี่ยวกับปัญหายาเสพติด จำนวน 1,500 คน ซึ่งจำแนกเป็นแต่ละชั้นปี ดังนี้

ชั้นปีที่
จำนวน
1
500
2
450
3
300
4
250
รวม
1,500

                      ถ้าการสำรวจต้องการตัวอย่าง 600 ตัวอย่าง ผู้วิจัยสามารถกำหนดสัดส่วน จำนวนสมาชิกในแต่ละชั้นภูมิ โดยสุ่มตัวอย่างแต่ละชั้นปี ดังนี้

ชั้นปีที่
การคำนวณสัดส่วน
จำนวนตัวอย่าง
1
500 (600/1,500)
200
2
450 (600/1,500)
180
3
300 (600/1,500)
120
4
250 (600/1,500)
100
 
รวม
600

                 4. การสุ่มตัวอย่างแบบหลายขั้น (Multistage Sampling)

                      เป็นการสุ่มตัวอย่างที่มีขั้นตอนการเลือกตัวอย่างมากกว่า 2 ขั้นตอน โดยการเลือกตัวอย่างจากหน่วยที่ใหญ่กว่ามาหาหน่วยย่อย ด้วยวิธีการสุ่ม เช่น ต้องการเลือกหมู่บ้านตัวอย่างจากหมู่บ้านทั่วประเทศ เราสามารถเลือกผ่านจังหวัดตัวอย่างหรืออำเภอตัวอย่างได้ ซึ่งเป็นวิธีการที่สะดวก เพราะไม่ต้องเสียเวลาเตรียม Frame หมู่บ้านทั่วประเทศ วิธีการสุ่มแบบนี้ ทำโดยการสุ่มตัวอย่างออกมาจากแต่ละขั้นตอนโดยอิสระจากกัน
                      ดังตัวอย่างที่กล่าวมา หากต้องการสุ่มหมู่บ้านตัวอย่างแบบหลายขั้น สามารถดำเนินการได้ตามลำดับดังภาพต่อไปนี้


                      ในแต่ละภาคจะเลือกจังหวัดตัวอย่างออกมาจำนวนหนึ่ง แล้วแต่ละจังหวัดตัวอย่างจะเลือกอำเภอตัวอย่าง และเลือกหมู่บ้านตัวอย่างออกมาจากแต่ละอำเภอตัวอย่าง ซึ่งการเลือกมี 3 ขั้นตอนด้วยกัน คือ จังหวัด อำเภอ หมู่บ้าน แต่ละชั้นจะถูกเลือกโดยวิธีการสุ่ม

                 5. การสุ่มตัวอย่างแบบมีระบบ (Systematic Sampling)

                      เป็นการสุ่มตัวอย่างที่สะดวก เพราะมีการสุ่มจริงเพียงหน่วยแรกครั้งเดียว ส่วนหน่วยที่ตกเป็นตัวอย่างหน่วยที่สอง หรือหน่วยต่อๆ ไป นั้น จะถูกกำหนดขึ้นอย่างมีระบบ
                      ซึ่งการสุ่มหน่วยตัวอย่างแรกอาจจะใช้วิธีจับฉลากหรือตารางสุ่มก็ได้
                      และเมื่อสุ่มได้หน่วยแรกแล้ว หน่วยที่ 2 และหน่วยอื่นๆ ถัดไป จะห่างเท่าๆ กัน คือทำการสุ่มทุก k หน่วยถัดไป โดย k = N / n
                      เมื่อ N คือ จำนวนประชากร
                      และ n คือ จำนวนตัวอย่าง

                      ข้อเท็จจริงที่ควรระลึกถึงจากการสุ่มตัวอย่างแบบมีระบบ คือ อาจจะมีเหตุการณ์ที่เกิดขึ้นซ้ำในทุกๆ k หน่วยที่เลือกขึ้นมา ทำให้ผู้วิจัยได้ข้อมูลที่มีลักษณะเดียวกัน
                      เช่น สำรวจความคิดเห็นเกี่ยวกับสินค้าอุปโภคบริโภค ผู้วิจัยสุ่มตัวอย่างครัวเรือนทุกๆ 20 หลังบนถนนสายหนึ่ง แต่พบว่าส่วนใหญ่ ครัวเรือนที่ถูกสุ่มขึ้นมาเป็นตัวแทนเป็นบ้านหัวมุมถนน
                              หรือการสุ่มตัวอย่างเกี่ยวกับการขายตั๋วเครื่องบินใน 1 ปี ผู้วิจัยอาจจะมีงบวิจัยที่สำรวจได้ 52 วัน หากผู้วิจัยเลือกการสุ่มตัวอย่างแบบมีระบบแล้ว ผู้วิจัยจะคำนวณ k จาก 365 / 52 = 7 หมายความว่า ทุกๆ 7 วัน ผู้วิจัยจะทำการสุ่มตัวอย่างขึ้นมา 1 หน่วย เมื่อทำการสุ่มตัวอย่างวันแรกที่สำรวจในปีนั้น สมมติว่าเป็นวันเสาร์ ดังนั้นถัดไปอีกทุกๆ 7 วัน ก็จะเป็นการสุ่มตัวอย่างทุกๆ วันเสาร์ ทำให้การสำรวจนั้นเกิดสรุปผลผิดพลาดได้ เนื่องจากวันเสาร์เป็นวันหยุด การขายตั๋วของบริษัทอาจขายได้มากกว่าปกติก็เป็นได้ เป็นต้น

คลิกไปที่หัวข้อบนสุด



การสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็น

                 การสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็น (Nonprobability Sampling) มีลักษณะที่สำคัญคือ ไม่ได้กำหนดโอกาสหรือความน่าจะเป็นที่กลุ่มตัวอย่างจะถูกเลือกมาจากประชากรทั้งหมด จึงไม่สามารถประมาณความคลาดเคลื่อนจากการสุ่มตัวอย่าง
                 แต่กระนั้นก็ตาม การสุ่มตัวอย่างแบบนี้ยังได้รับความสนใจ และนำไปใช้กันอย่างแพร่หลาย เนื่องจากสามารถเลือกตัวอย่างได้อย่างสะดวก หรือกรณีผู้วิจัยมีข้อจำกัดด้านงบประมาณในการเตรียมกรอบตัวอย่าง ไม่มีเวลาพอ มีข้อจำกัดด้านบุคลากร หรือกรณีที่ศึกษาไม่จำเป็นต้องใช้ตัวอย่างที่เป็นไปตามหลักเกณฑ์มากนัก ซึ่งวิธีการที่นิยมใช้กันทั่วไป มีดังต่อไปนี้

                 1. การสุ่มตัวอย่างโดยใช้ความสะดวก (Convenience Sampling)

                      เป็นการสุ่มตัวอย่างตามความสะดวกของผู้วิจัยและเจ้าหน้าที่ภาคสนามในการเก็บรวบรวมข้อมูล
                      เช่น สัมภาษณ์บุคคลที่สัญจรผ่านไปมาเกี่ยวกับราคาสินค้า การขอให้ผู้ที่มาเดินห้างสรรพสินค้าตอบคำถามเกี่ยวกับความคิดเห็นเรื่องต่างๆ เป็นต้น
                      กลุ่มที่ได้รับเลือกเป็นตัวอย่าง เจ้าหน้าที่ภาคสนามจะเป็นผู้เลือกขึ้นมา รวมทั้งความสมัครใจของผู้ให้ข้อมูลซึ่งบังเอิญที่ผู้ตอบรายนั้นๆ ปรากฏตัวขึ้นในช่วงเวลาที่สัมภาษณ์เท่านั้น จึงไม่ทราบโอกาสที่ตัวอย่างแต่ละตัวอย่างจะถูกเลือก การสุ่มตัวอย่างแบบนี้จึงเรียกอีกอย่างหนึ่งว่า การสุ่มตัวอย่างแบบบังเอิญ (Accidental Sampling)
                      การใช้ตัวอย่างลักษณะนี้ ผู้วิจัยจะไม่สามารถประเมินค่าความสำเร็จที่เกิดขึ้น ดังนั้น เมื่อเลือกใช้ จึงควรทราบว่าอาจจะทำให้เกิดความเข้าใจผิดได้

                 2. การสุ่มตัวอย่างโดยใช้วิจารณญาณ (Judgement Sampling)

                      การสุ่มตัวอย่างแบบนี้อาจเรียกอีกอย่างว่า การสุ่มตัวอย่างแบบเป้าประสงค์ หรือเจาะจง หรือจูงใจ (Purposive Sampling) เป็นการเลือกตัวอย่างให้สอดคล้องกับวัตถุประสงค์การวิจัย
                      เช่น กำหนดเกณฑ์การศึกษากลุ่มโดยคัดเลือกดูจากขนาดครอบครัว รายได้ ฯลฯ
                      มีข้อสังเกตว่า การเลือกตัวอย่างแบบนี้ผู้วิจัยจะต้องมีความรู้และประสบการณ์ รวมทั้งมีการวางแผนเป็นอย่างดีในการเลือกตัวอย่างขึ้นมาเป็นตัวแทนประชากร ถึงแม้ว่าการสุ่มตัวอย่างแบบนี้จะไม่สามารถบอกถึงระดับความผิดพลาดได้อย่างแน่ชัด แต่จะให้ผลดีกว่าการสุ่มโดยใช้ความสะดวก ในทางปฏิบัติการสุ่มตัวอย่างแบบนี้ได้รับความสนใจพอสมควรในวงการวิจัย

                 3. การสุ่มตัวอย่างโดยใช้โควต้า (Quota Sampling)

                      เรียกอีกอย่างหนึ่งว่าการสุ่มตัวอย่างแบบกำหนดจำนวน ในการสุ่มแบบนี้ ประชากรจะถูกแบ่งออกเป็นกลุ่มตามลักษณะที่เลือกเอาไว้เป็น เพศ อายุ การศึกษา ฯลฯ โดยกำหนดสัดส่วนของแต่ละกลุ่ม
                      เช่น จะศึกษาประชากร 300 คน ก็ให้ประมาณว่าจะใช้เพศชาย เพศหญิงอย่างละกี่คน ระดับการศึกษา อายุ รายได้ จำนวนกลุ่มละเท่าไร การจัดสัดส่วนระหว่างกลุ่มพยายามให้มีเท่ากันในแต่ละกลุ่ม แล้วจึงลงมือเก็บข้อมูลแบบใช้ความสะดวก (Convenience Sampling) คือเก็บเฉพาะคนที่ให้ความร่วมมือจนครบจำนวนตามต้องการ
                      ข้อจำกัดของการสุ่มแบบนี้คือ ผู้วิจัยจะไม่ทราบสัดส่วนที่แน่นอนของผู้ตอบแต่ละกลุ่ม และการคัดเลือกผู้ที่มีคุณสมบัติตรงตามกำหนด ในทางปฏิบัติเป็นไปได้ยาก

                 4. การสุ่มตัวอย่างแบบก้อนหิมะ (Snowball Sampling)

                      จะคล้ายๆ กับการเขียนจดหมายลูกโซ่ คือ เมื่อผู้วิจัยเก็บข้อมูลจากบุคคลที่หนึ่งแล้ว ก็จะให้บุคคลนั้นแนะนำบุคคลอื่นๆ ต่อๆ ไป จนกว่าจะได้ตัวอย่างครบตามจำนวนที่ต้องการ

คลิกไปที่หัวข้อบนสุด



ข้อพิจารณาในการเลือกวิธีการสุ่มตัวอย่าง

                 ข้อพิจารณาในการเลือกวิธีการสุ่มตัวอย่าง (Sample design choice considerations) ประกอบด้วยปัจจัยต่อไปนี้

                 1. ต้องมีวัตถุประสงค์ในการศึกษาที่แน่นอน
                 2. ถ้าผู้วิจัยต้องการระบุค่าความคลาดเคลื่อนของประชากร ต้องใช้วิธีการสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็น เพราะวิธีการสุ่มตัวอย่างโดยไม่ใช้ทฤษฎีความน่าจะเป็น ไม่สามารถประมาณค่าเหล่านี้ได้
                 3. ถ้าวัตถุประสงค์การศึกษากำหนดไว้เพียงเพื่อสำรวจ และไม่เกี่ยวข้องกับประชากรเฉพาะ ก็อาจจะนำการสุ่มตัวอย่างโดยใช้ทฤษฎีความน่าจะเป็นมาใช้ได้

                 แม้ว่าเกณฑ์ที่สำคัญยิ่งสำหรับการเลือกตัวอย่าง คือ การกำหนดวัตถุประสงค์ในการศึกษา
ที่แน่นอน แต่ยังมีข้อควรพิจารณาอื่น ซึ่งผู้วิจัยต้องเตรียมไว้เป็นทางเลือก ท่านสามารถศึกษาได้จากตารางแสดงข้อพิจารณาพื้นฐานในการเลือกวิธีสุ่มตัวอย่าง ต่อไปนี้



คลิกไปที่หัวข้อบนสุด



ขนาดของตัวอย่าง

                 ตัวอย่างที่จะทำการสุ่มนั้น โดยทั่วไปแล้วยิ่งมีขนาดใหญ่ก็ยิ่งสะท้อนประชากรได้ถูกต้องมากขึ้น และสิ่งที่บอกให้ทราบถึงความถูกต้องของการสุ่มแต่ละครั้ง ได้จากการพิจารณาค่าความคลาดเคลื่อนในการสุ่ม (Sampling Error) ซึ่งก็คือ โอกาสที่ลักษณะของตัวอย่างจะคลาดเคลื่อนจากประชากร จะทำให้ทราบได้ว่า การสุ่มตัวอย่างครั้งนั้นๆ เมื่อเปรียบเทียบกับประชากรทั้งหมดแล้ว มีความแตกต่างกันอย่างไร
                 ในประเด็นนี้ หลายคนเข้าใจผิดว่า สัดส่วนมากน้อยของกลุ่มตัวอย่างต่อประชากรเป็นตัวกำหนดความคลาดเคลื่อน แต่แท้จริงแล้ว โดยทั่วไปตัวกำหนดความคลาดเคลื่อน ก็คือ ขนาด ของกลุ่มตัวอย่าง หาใช่สัดส่วนไม่

การเลือกขนาดของตัวอย่าง

                 ในการเลือกขนาดตัวอย่างในชั้นต้น จึงต้องกำหนดไว้ล่วงหน้าว่าจะยอมให้มีความคลาดเคลื่อนได้แค่ไหน ซึ่งก่อนจะคำนวณหาค่าความคลาดเคลื่อนนั้น ควรจะต้องทำความเข้าใจเกี่ยวกับเรื่องต่อไปนี้

                 1. ต้องทราบว่าในการสุ่มครั้งนั้นๆ ต้องการค่าระดับความเชื่อมั่น (Confidence Level) เท่าไร
                      โดยทั่วไปจะอยู่ในระดับ 0.90, 0.95 และ 0.99
                      นั่นก็คือ ถ้ากำหนดค่าความเชื่อมั่นเท่ากับ 0.99 หมายความว่า จะมีโอกาสผิด 1 ครั้งใน 100 ครั้ง
                      หรือถ้ากำหนดค่าความเชื่อมั่นเท่ากับ 0.95 ก็หมายความว่า จะมีโอกาสผิด 5 ครั้งใน 100 ครั้ง นั่นเอง

                 2. จากค่าความเชื่อมั่นนั้น นำมาพิจารณาการแจกแจงของโค้งปกติ
                      เช่น ในกรณีที่ต้องการค่าความเชื่อมั่นเท่ากับ 0.95 แสดงว่า 95.46% ของประชากรจะต้องอยู่ภายใต้บริเวณค่าเฉลี่ย ±2 S.D. ดังภาพต่อไปนี้




                 3. โดยทั่วไปเราจะไม่ทราบว่าค่า S.D. แต่เราจะต้องประมาณการว่า S.D. คืออะไร จากค่า S.D. ของกลุ่มตัวอย่างที่สุ่มมา

                 4. คำนวณค่าความคลาดเคลื่อนด้วยสูตร


                      ตัวอย่างเช่น ถ้าเราสุ่มตัวอย่างบุคคล 100 คน และพบว่า รายได้เฉลี่ยของทั้งร้อยคนนี้เท่ากับ 7,000 บาทต่อเดือน โดยความแปรปรวน หรือ s = 2000 บาท ฉะนั้น ช่วงค่าความคลาดเคลื่อนจะ
เท่ากับ


                      ผลลัพธ์คือ 394 บาท ในที่นี้หมายความว่า จากค่าเฉลี่ยรายได้ของกลุ่มตัวอย่าง ซึ่งเท่ากับ 7,000 บาทนั้น จะมีค่าความคลาดเคลื่อน ±394 บาท เป็นจำนวน 95 ใน 100 ครั้ง
                      หรือกล่าวอีกนัยหนึ่งได้ว่า นักวิจัยมีค่าความเชื่อมั่น 95 เปอร์เซ็นต์ ว่าค่าเฉลี่ยของเงินเดือนประชากร จะอยู่ระหว่าง 6,606 - 7,394 บาท
                      จากวิธีการคำนวณข้างต้นสามารถสังเกตได้ว่า
                      ถ้า n หรือขนาดตัวอย่างยิ่งเพิ่มขึ้น ค่าความคลาดเคลื่อนของค่าเฉลี่ย (Mean หรือ ) จะลดลง กล่าวคือ ถ้าสุ่มตัวอย่าง 1,000 คน แทน 100 คน แล้วคำนวณหาค่าความคลาดเคลื่อนด้วยสูตรเดิม

                      จะเห็นได้ว่า ณ ระดับความเชื่อมั่น 0.95 ค่าความคลาดเคลื่อนจะเท่ากับ 7000 ± 124 ในกรณีที่ขนาดตัวอย่างเท่ากับ 1,000 คน
                      แต่ถ้าขนาดตัวอย่างเท่ากับ 100 คน ค่าความคลาดเคลื่อนจะมากกว่า นั่นคือเท่ากับ 7000 ± 394
                      เพราะฉะนั้นจึงอาจสรุปได้ว่า ยิ่งขนาดตัวอย่างใหญ่ขึ้นเท่าไร ค่าความคลาดเคลื่อนมาตรฐานก็น้อยลงเท่านั้น

                      ในลำดับต่อมาก็คือ การคำนวณหาขนาดตัวอย่างที่ถูกต้องนั้น มีสูตรคำนวณ และ
จัดทำเป็นตารางทั่วไป ซึ่งนักวิจัยสามารถเปิดตารางดังกล่าวแทนการคำนวณด้วยตนเอง ดังตารางต่อไปนี้


                      * ในกรณีเช่นนี้ ขนาดของกลุ่มตัวอย่างจะต้องมากกว่าร้อยละ 50 ของประชากร
                      ที่มา : Welch and Comer (1988, 158) ซึ่งดัดแปลงมาจาก H.P. Hill, J. L. Roth, and H. Arkin. Sampling in Auditing (New York : The Ronald Press, 1962).

                      จากตารางข้างต้น จะเห็นได้ว่า ณ ระดับความเชื่อมั่น 0.95 โดยมีค่าความเชื่อถือได้ ±5% ถ้าประชากรเท่ากับ 50,000 หน่วย จะต้องสุ่มตัวอย่างมา 381 หน่วย (หมายความว่า ประมาณการเกี่ยวกับประชากรจากตัวอย่าง 381 หน่วยที่สุ่มมาได้นั้น จะมีความถูกต้อง ±5% ..... 95 ใน 100 ครั้ง)
                      หรือถ้าประชากรเกิน 500,000 หน่วยขึ้นไป จะต้องสุ่มตัวอย่าง 384 หน่วย หรือเพิ่มขึ้นอีกเพียง 63 หน่วยเท่านั้น
                      อย่างไรก็ดี เวลาที่จะสุ่มตัวอย่างจริงๆ ควรจะมีการสุ่มเผื่อเหลือเผื่อขาดไว้ด้วย เพราะว่าในทางปฏิบัตินั้น มีความเป็นไปได้ที่จะเก็บข้อมูลได้ไม่ครบถ้วนตามที่ต้องการ
                      หลักปฏิบัติโดยทั่วไปในกรณีนี้ก็คือ ให้กำหนดขนาดของตัวอย่างที่สุ่มให้เท่ากับขนาดของตัวอย่างที่ต้องการ บวกอีก 1 ใน 3 ของขนาดตัวอย่างนี้ ดังนั้น ถ้าขนาดของตัวอย่างที่ต้องการเท่ากับ 384 หน่วย ก็ให้สุ่มตัวอย่างเท่ากับ 512 หน่วย (384 + 128) เป็นต้น

                      สำหรับตัวแปรที่วัดในระดับนามบัญญัติ หรือกลุ่ม (Nominal Scale) เช่น เพศ คณะที่ศึกษา วุฒิการศึกษา สถานภาพสมรส ฯลฯ สถิติที่ใช้ในการสุ่มตัวอย่างมักใช้สัดส่วน (Proportions) โดยความคลาดเคลื่อนมาตรฐานจะคำนวณจากสูตรต่อไปนี้


                      ถ้าไม่ทราบว่า สัดส่วนหรือ pq เท่ากับเท่าไร ก็ควรจะตั้งให้ p และ q ต่างเท่ากับ 0.5 เป็นการประมาณการแบบไม่ประมาท (Conservative Estimate) เพราะไม่สามารถทำให้ขนาดของ p x q ใหญ่ไปกว่านี้ได้อีกแล้ว
                      เช่น สมมติว่าเลือกระดับความเชื่อมั่นเท่ากับ 0.05 ขนาดของตัวอย่างก็คือ (แทนค่าในสูตรข้างต้น)


                      ขนาดตัวอย่างในที่นี้จึงเท่ากับ 400 หน่วย หรืออาจคำนวณโดยสูตร


                      เมื่อ k เป็นช่วงที่ต้องการ (Desire Interval) ณ ระดับความเชื่อมั่น 0.95 หรือ 95%

                      แต่ไม่ว่าจะอย่างไรก็ตาม ในทางปฏิบัติแล้ว ส่วนใหญ่ขนาดของตัวอย่างในการสำรวจวิจัย จะไม่ต่ำกว่า 400 ทั้งนี้เวลาทำการวิจัยและเก็บข้อมูลมา ผู้วิจัยควรต้องรายงานค่าความคลาดเคลื่อนในการสุ่ม (Sampling Error) ในทุกกรณี

                      สิ่งที่ไม่ควรลืม คือ ในการสุ่มตัวอย่างแต่ละครั้ง ถ้าหน่วยวิเคราะห์ไม่ใช่ปัจเจกบุคคล แต่เป็นกลุ่มหรือหน่วยประชากรรวมขึ้นไป เช่น ถ้าเป็นหมู่บ้าน (หรือตำบล หรืออำเภอ) นักวิจัยจะต้องไม่ลืมว่า หน่วยที่จะถูกสุ่มนั้นคือ หมู่บ้าน (หรือตำบล หรืออำเภอ)
                      เช่น สมมติว่าขนาดของตัวอย่างที่คำนวณได้เท่ากับ 485 ก็หมายถึง จะต้องสุ่มให้ได้ 485 หมู่บ้าน (หรือตำบล หรืออำเภอ) ไม่ใช่สุ่มผู้ที่จะให้ข้อมูลเกี่ยวกับหมู่บ้านหรือตำบลหรืออำเภอมา 485 คน

                      อนึ่ง ถึงแม้จะได้เสนอว่าการสุ่มตัวอย่างที่ดีนั้น ควรจะมีขนาดตัวอย่างตั้งแต่ 400 ขึ้นไปแล้วก็ตาม แต่ในบางกรณีอาจมีผู้สนใจหรือจำเป็นต้องสุ่มตัวอย่างที่มีขนาดประชากรต่ำกว่านั้น ก็อาจทำได้โดยการใช้ตัวเลขขนาดตัวอย่างจากตารางต่อไปนี้

ตารางสุ่มตัวอย่างของ Dawin Hendel CLICK
   
ตารางสุ่มตัวอย่างของ Krejcie & Morgan CLICK

คลิกไปที่หัวข้อบนสุด



คัดลอกและเรียบเรียงจาก

กาญจนา มณีแสง. หลักการวิจัยเบื้องต้นทางพฤติกรรมศาสตร์และสังคมศาสตร์. กรุงเทพ
                มหานคร: โอเดียนสโตร์. 2522.


จีรพรรณ กาญจนจิตรา. ระเบียบวิธีการวิจัยชั้นสูงทางสังคมวิทยาและมานุษยวิทยา. กรุงเทพ
                มหานคร: ฝ่ายตำราและอุปกรณ์การศึกษา มหาวิทยาลัยรามคำแหง. 2528.


เชิดศักดิ์ โฆวาสินธุ์. การวิจัยพฤติกรรมศาสตร์และสังคมศาสตร์. กรุงเทพมหานคร: โอเดียนสโตร์.
                2523.

ปุระชัย เปี่ยมสมบูรณ์. การวิจัยประเมินผล หลักการและกระบวนการ. กรุงเทพมหานคร: การพิมพ์
                พระนคร. 2529.

พิพัฒน์ ชารุนันทกร. "ทัศนคติกับการประยุกต์ใช้ทางการตลาด." วารสารร่มพฤกษ์ 14 (มิถุนายน-
                ตุลาคม 2538) : 73-79.

ศิริชัย พงษ์วิชัย. การวิเคราะห์ข้อมูลทางสถิติด้วยคอมพิวเตอร์. กรุงเทพมหานคร: สำนักพิมพ์
                จุฬาลงกรณมหาวิทยาลัย. 2535.


ศิริวรรณ เสรีรัตน์ และคณะ. การวิจัยการตลาด Margeting Research ฉบับสมบูรณ์. กรุงเทพ
                มหานคร: A.N. การพิมพ์. 2540.


สุจิตรา บุญรัตพันธ์. ระเบียบวิธีวิจัยทางรัฐประศาสนศาสตร์. กรุงเทพมหานคร: โครงการส่งเสริม
                ตำราและเอกสารวิชาการ มูลนิธิ 30 ปี คณะรัฐประศาสนศาสตร์ สถาบันบัณฑิตพัฒนบริหาร
                ศาสตร์. 2534.

สุชาติ ประสิทธิ์รัฐสินธุ์ . เทคนิคการวิเคราะห์ตัวแปรหลายตัวสำหรับการวิจัยทางสังคมศาสตร์
                และพฤติกรรมศาสตร์
. กรุงเทพมหานคร: สถาบันบัณฑิตพัฒนบริหารศาสตร์. 2537.


สุพรรณี มังคะลี. การวิจัยด้านการประชาสัมพันธ์. กรุงเทพมหานคร: ฝ่ายตำราและอุปกรณ์การศึกษา
                มหาวิทยาลัยรามคำแหง: 2529.





http://www.thaisk123.t2u.com

Best viewed with Internet Explorer using an 800x600 screen resolution.

Copyright © 2002 Sonvijai. All rights reserved.

Powered by