เริ่มต้นทำงานกับโปรแกรม SPSS

การเข้าสู่การทำงานของโปรแกรม SPSS for Windows(Statistical Package for the Social Sciences )

วิธีที่ 1. คลิก ปุ่ม Start >> All Program >> Spss for Windows >> Spss 12.0 for Windows
วิธีที่ 2. เข้าสู่โปรแกรมโดยคลิกชื่อโปรแกรมบน Start Menu หรือ บน Desktop
หน้าจอแรกของโปรแกรม

สอนการใช้งาน
พิมพ์ข้อมูลใหม่
เปิดแฟ้มข้อมูลชนิด Database Query(*.spq)
สร้าง query ใหม่โดยใช้ Database Wizard
เปิดแฟ้มข้อมูลชนิด SPSS (*.sav) หรือเลือกที่ 3

เปิดแฟ้มข้อมอื่นๆ (*) หรือเลือกที่ 4

ไม่ต้องการปรากฏหน้าจอเริ่มต้นการทำงานนี้อีก

โปรแกรม SPSS เป็นโปรแกรมที่สร้างขึ้นมาเพื่อวิเคราะห์ข้อมูลทางสถิติโดยตรง
หน้าตาโปรแกรม SPSS ดังภาพข้างล่าง
ชีต สำหรับการลงข้อมูลจากแบบสอบถาม
โดยในแนวคอลัมน์คือ ตัวแปรหนึ่ง ๆ
ชีต สำหรับกาสร้าง ตัวแปรจากแบบสอบถาม

Variable View เป็นหน้าต่างข้อมูลสำหรับการสร้างและแก้ไขตัวแปรดังภาพข้างล่าง

Name = ชื่อตัวแปร Type = ชนิดของตัวแปร * Numeric สำหรับข้อมูลตัวเลขบวกหรือลบก็ได้ * Comma สำหรับข้อมูลตัวเลข กรณีค่าเกินหลักพันจะมีเครื่องหมาย , คั่น * Dot สำหรับข้อมูลตัวเลข กรณีค่าเกินหลักพันจะมีเครื่องหมาย , คั่น และก่อนทศนิยมเป็นเครื่องหมาย , * Scientific notation สำหรับข้อมูลตัวเลข และมีการใช้สัญลักษณ์ทางคณิตศาสตร์ เช่น E ตัวอย่างเช่น 9.05E+01 -3E+10 4.3E+04 เป็นต้น * Data สำหรับข้อมูลที่เป็นวันที่ * Dollar สำหรับข้อมูลที่เนรูปตัวเงิน จะมีเครื่องหมาย $ นำหน้า * Custom currency สำหรับข้อมูลที่เป็นรูปตัวเงิน มีให้เลือก 5 รูปแบบ ได้แก่ CCA CCB CCC CCD CCE * String สำหรับข้อมูลที่เป็นได้ทั้งข้อความ ตัวเลข หรือเครื่องหมายต่าง ๆ Width = ความยาวของข้อมูลโดยจะนับ ตัวเลขรวมสัญลักษณ์และเครื่องหมยต่าง ๆ Decimals = จำนวนทศนิยม Label = คำอธิบายตัวแปร Values = การกำหนดรายละเอียดให้กับค่าในตัวแปร ตัวอย่างจะกำหนดค่า Values เรื่อง เพศ โดย 1 = เพศชาย และ 2 = เพศหญิง ดังนี้ * คลิกที่ ที่คอลัมน์ Value * ที่ตำแหน่ง Value พิมพ์เลข 1 และที่ Value Label พิมพ์ ชาย และคลิกปุ่ม Add * ที่ตำแหน่ง Value พิมพ์เลข 2 และที่ Value Label พิมพ์ หญิง และคลิกปุ่ม OK
3
2
1

Missing = การกำหนดค่าสูญหาย เช่น ผู้ตอบไม่ตอบคำถามบางข้อ โดยมากให้แทนด้วยเลข 9 หรือ99 ดังนี้ * คลิกที่ ที่คอลัมน์ Missing

กรณีไม่กำหนดค่าสูญหาย

กรณีกำหนดค่าสูญหายเป็นค่าไม่ต่อเนื่อง (กำหนดตัวเลขเอง)

กรณีกำหนดค่าสูญหายเป็นค่าต่อเนื่องและไม่ต่อเนื่อง ร่วมได้

Columns = กำหนดความกว้างคอลัมน์ ในการแสดงหน้าต่างย่อย Data view Align = กำหนดการจัดวางของมูล ชิดซ้าย ขวา หรือกลาง Measure = กำหนดระดับของข้อมูล Nominal (ข้อมูลระดับนามบัญญัติ) เป็นข้อมูลระดับหยายที่สุด เหมาะกับข้อมูลที่กำหนดตัวเลขเอง เช่น สีแดง = 1 สีเหลือง = 2 สีขาว = 3 Ordinal (ข้อมูลระดับเรียงลำดับ) เป็นข้อมูลที่ละเอียดมากขึ้น เหมาะกับข้อมูลแสดงตามลำดับ จำนวนนับ เช่น ระดับความรู้สึก รู้สึกร้อนมากที่สุด = 5 รู้สึกร้อนมาก = 4 รู้สึกร้อนปานกลาง = 3 รู้สึกร้อนมาก = 2 รู้สึกร้อนมากที่สุด = 1 Scale จะใช้กับข้อมูลระดับ Interval และ Ratio) Interval Scale = (ข้อมูลระดับอันตรภาค) เป็นข้อมูลที่บอกความแตกต่างได้ เช่นข้อมูลของไอคิว ข้อมูลอุณหภูมิ Ratio = (ข้อมูลระดับอัตราส่วน) เป็นข้อมูลที่ละเอียดที่สุด เช่น ข้อมูลน้ำหนัก 10, 18, 105 …กก.

โดยสรุปได้ว่า 1. Nominal scale | ข้อมูลเชิงคุณภาพ | 2. Ordinal scale | | 3. Interval scale | ข้อมูลเชิงปริมาณ | 4. Ratio scale | |

วิธีการทางสถิติที่เหมาะสมกับระดับของข้อมูล ระดับของข้อมูล | การวิเคราะห์ | ตัวอย่างการใช้งาน | 1. Nominal scale | สถิติเชิงพรรณนา | ความถี่ (Frequency) เปอร์เซ็นต์ (Percents) ฐานนิยม (mode) | | สถิติเชิงอนุมาน | สถิติไม่ใช้พารามิเตอร์ | 2. Ordinal scale | สถิติเชิงพรรณนา | มัธยฐาน(median) เปอร์เซ็นต์ไทล์(percentile)ควอไทล์(quartile) | | สถิติเชิงอนุมาน | สถิติไม่ใช้พารามิเตอร์ | 3. Interval scale | สถิติเชิงพรรณนา | ค่าเฉลี่ย (Mean) ความแปรปรวน (variance) | | สถิติเชิงอนุมาน | สถิติที่ใช้พารามิเตอร์ | 4. Ratio scale | สถิติเชิงพรรณนา | ใช้วิเคราะห์ค่าสถิติเชิงพรรณนาได้ทั้งหมด |
ข้อมูลประเภทต่าง ๆ ที่สามารถวิเคราะห์ทางสถิติได้ ดังนี้ การวิเคราะห์ | ประเภท | ตัวอย่างวิธีการทางสถิติ | การเปรียบเทียบ | เชิงปริมาณ หรือ | การทดสอบเกี่ยวกับค่าเฉลี่ย | | เชิงปริมาณ + เชิงคุณภาพ | (z-test, t-test, pair-test) | ความสัมพันธ์ | เชิงปริมาณ + เชิงปริมาณ | สหสัมพันธ์ (correlation) | | เชิงคุณภาพ + เชิงคุณภาพ | ตาราง Crosstab (chi-square) | เหตุผล | เชิงปริมาณ + เชิงปริมาณ | การวิเคราะห์ความถดถอย (Regression Analysis) | | เชิงปริมาณ + เชิงคุณภาพ | การวิเคราะห์ความแปรปรวน (ANOVA) | | เชิงคุณภาพ + เชิงคุณภาพ | ตาราง Crosstab |

ประเภทของตัวแปร
ตัวแปรแบ่งเป็น 2 ประเภท ได้แก่
ตัวแปรเชิงปริมาณ คือตัวแปรที่ประกอบด้วยข้อมูลที่เป็นตัวเลข ใช้แทนขนาดหรือปริมาณ เช่น อายุ ประกอบด้วยอายุต่าง ๆ หน่วยเป็นปี เป็นต้น
ตัวแปรเชิงคุณภาพ หรืออาจเรียกว่า ตัวแปรเชิงกลุ่ม คือ ตัวแปรที่ประกอบด้วยข้อมูลที่ไม่สามารถวัดออกมาเป็นตัวเลขได้ เช่น เพศ ประกอบด้วยเพศต่าง ๆ ไม่มีหน่วยวัด แต่สามารถแทนค่าเป็นตัวเลขที่ไม่สามารคำนวณได้ แทนได้ เช่นเพศชาย ให้แทนเป็นตัวเลข 1 เพศหญิงแทนเป็นตัวเลข 2 เป็นต้น
ชนิดของตัวแปร
1. ตัวแปรอิสระ (Independent Variable) คือตัวแปรที่เกิดขึ้นก่อนหรือเป็นตัวแปรที่เป็นเหตุ ทำให้เกิดผลตามมา 2. ตัวแปรตาม (Dependent Variable) คือ ตัวแปรที่เกิดขึ้นเนื่องจากตัวแปรอิสระ หรือเป็นตัวแปรผล อันเกิดจากเหตุ
ตัวอย่างเช่น
ความต้องการด้านการศึกษาต่อของนักเรียน ตัวแปรอิสระ เช่น เพศ สายวิชาที่เรียนในปัจจุบัน ตัวแปรตาม คือ มหาวิทยาลัยที่ต้องการศึกษาต่อ สาขาวิชาที่ต้องการศึกษาต่อ
ปัจจัยที่มีผลต่อผลการเรียนวิชา ระบบสารสนเทศทางธุรกิจ ของนักศึกษา
ตัวแปรอิสระ เช่น การเข้าห้องเรียน ความตั้งใจเรียน IQ การฝึกปฏิบัติ สภาพอุปกรณ์เครื่องคอม เป็นต้น
ตัวแปรตาม คือ ผลการเรียน 3. ตัวแปรทดลอง (Experimental Variable) เป็นตัวแปรปฏิบัติ (Treatment Variable) หรือ ตัวแปรอิสระ ซึ่งหมายถึตัวแปรที่เกิดขึ้นจากการทดลองหนึ่ง ๆ เพื่อให้เป็นเหตุ และเพื่อศึกษาตัวแปรที่เกิดขึ้นที่มีการเปลี่ยนแปลงอย่างไร เช่น รูปแบบการสอน 2 วิธี 4. ตัวแปรที่ถูกกำหนด (Assigned Variable) หรือ ตัวแปรตาม เป็นตัวแปรที่เกิดขึ้นเนื่องจากตัวแปรทดลอง เช่น ผลการเรียนของนักเรียน เช่น เกรดที่ได้ คะแนนผลการสอบ เป็นต้น 5. ตัวแปรควบคุม คือ ก่อนทดลองการสอน จะต้องควบคุม จัดกลุ่มผู้เรียนในกลุ่มที่มีความรู้ความสามารถ หรือช่วงอายุ ในระดับเดียวกันก่อน 6. ตัวแปรแทรกซ้อน เช่น สภาพของห้องเรียน อุปกรณ์การเรียน ของการรูปแบบการสอน 2 วิธี อาจไม่เหมือนกัน เช่น กลุ่มหนึ่งอาจอยู่ในสภาพห้องเรียน อุปกรณ์ที่ครบสมบูรณ์ ต่อการใช้งาน อีกกลุ่มหนึ่ง สภาพห้องเรียนอุปกรณ์ไม่พร้อมเท่าที่ควร

ตัวอย่างข้อมูลที่กำหนดตัวแปรใน Variable View Name | Type | Width | Decimal | Label | Missing | value | Measure | A1 | Numeric | 1 | 0 | เพศ | 9 | 1 = ชาย2 = หญิง | Nominal | A2 | Numeric | 8 | 0 | อายุ | None | None | Scale | A3 | Numeric | 1 | 0 | สถานะภาพ | 9 | 0 = บุคคลทั่วไป1 = สมาชิก | Nominal | A4 | Numeric | 1 | 0 | ระดับผลการเรียน | None | 4 = A3 = B2 = C1 = D0 = F | Ordinal | A5 | String | 80 | 0 | ความสามารถพิเศษ | None | None | Nominal |

การบันทึกข้อมูล การบันทึกข้อมูล จะอยู่ในรูปแฟ้มข้อมูล ซึ่งมีนามสกุลหรือส่วนขยายที่แตกต่างกันดังนี้ ชนิดของหน้าต่าง | นามสกุลแฟ้ม | ใช้สำหรับ | SPSS Data Editor | sav | บรรจุข้อมูลที่จะใช้ในการวิเคราะห์ซึ่งสามารถเพิ่ม-ลบ-แก้ไข ข้อมูลหรือเรียกข้อมูลจากโปรแกรมอื่นได้ | SPSS Viewer | spo | แสดงผลลัพธ์ที่ได้จากการวิเคราะห์โดยมากมักแสดงอยู่ในรูป รายงาน ตาราง และแผนภูมิ | SPSS Syntax Editor | sps | บรรจุคำสั่งที่ใช้ในการวิเคราะห์อีกทางหนึ่ง ซึ่งผู้ใช้จะต้องทราบถึงคำสั่งและรูปแบบการเรียกใช้งานค่ำสั่งต่าง ๆ นั้น | SPSS Chart Editor | sct | ใช้สำหรับปรับแก้ไขแผนภูมิ |

การสร้างรหัสสำหรับข้อมูล

1. คำถามปลายปิด 1) คำถามตัวเลือก (ตอบได้คำตอบเดียว Dichotomous Question) เช่น คำถาม | ตัวเลือก | ชื่อตัวแปร | ค่า Label | ค่า Value | เพศ | 1 ชาย2 หญิง | เพศ | เพศ | 1 ชาย2 หญิง |

2) คำถามตัวเลือก (ตอบได้มากกว่า 1 คำตอบ Checklist Question หรือ Multiple Response) เช่น คำถาม | ตัวเลือก | ชื่อตัวแปร | ค่า Label | ค่า Value | สถานที่ที่ท่านชอบคือ | 1 คือ ทะเล2 คือ ภูเขา3 คือ น้ำตก 4 คือ โบราณสถาน | (A1)(A2)(A3)(A4) | ทะเลภูเขาน้ำตกโบราณสถาน | 0ไม่เลือก , 1 เลือก0ไม่เลือก , 1 เลือก0ไม่เลือก , 1 เลือก0ไม่เลือก , 1 เลือก | 3) คำถามที่ให้ตอบโดยใส่ลำดับที่ (Rank Question) เป็นคำถามที่มีรายการให้เลือก โดยเรียงลำดับจากน้อยไปหามาก
เช่น กรุณาเรียงลำดับกีฬาที่ท่านชอบจากมากไปหาน้อย (1 = ชอบน้อยที่สุด) ว่ายน้ำ วิ่ง เทนนิส ฟุตบอล

สามารถกำหนดรหัส ได้ 2 วิธี คือ ชื่อตัวแปร | ค่า Label | ค่า Value | | ชื่อตัวแปร | ค่า Label | ค่า Value | S1 | ว่ายน้ำ | 1= ลำดับที่ 12= ลำดับที่ 23= ลำดับที่ 34= ลำดับที่ 4 | | S1 | ลำดับที่ 1 | 1 = ว่ายน้ำ2 = วิ่ง3 = เทนนิส4 = ฟุตบอล | S2 | วิ่ง | 1= ลำดับที่ 12= ลำดับที่ 23= ลำดับที่ 34= ลำดับที่ 4 | | S2 | ลำดับที่ 2 | 1 = ว่ายน้ำ2 = วิ่ง3 = เทนนิส4 = ฟุตบอล | S3 | เทนนิส | 1= ลำดับที่ 12= ลำดับที่ 23= ลำดับที่ 34= ลำดับที่ 4 | | S3 | ลำดับที่ 3 | 1 = ว่ายน้ำ2 = วิ่ง3 = เทนนิส4 = ฟุตบอล | S4 | ฟุตบอล | 1= ลำดับที่ 12= ลำดับที่ 23= ลำดับที่ 34= ลำดับที่ 4 | | S4 | ลำดับที่ 4 | 1 = ว่ายน้ำ2 = วิ่ง3 = เทนนิส4 = ฟุตบอล |

4) คำถามแสดงระดับความมาก น้อย (Scale Question) เช่นความคิดเห็น ความต้องการ ความพึงพอใจ โดยมากจะแบ่งเป็น 5 ระดับ จาก น้อยที่สุด ไปหา มากที่สุด กำหนดรหัสได้ดังนี้ ชื่อตัวแปร | ค่า Label | ค่า Value | Var 1 | ความต้องการ…. | 1= ต้องการน้อยที่สุด2= ต้องการน้อย3= ต้องการปานกลาง4= ต้องการมาก5= ต้องการมากที่สุด |

2. คำถามปลายเปิด
โดยมากมักเป็นคำถามในรูปแบบข้อเสนอแนะ เป็นการเขียนตอบ ผู้วิจัยสามารถกำหนดรหัสให้อยู่ในรูปแบบการกรอกข้อมูลนำเข้าเป็นข้อความอักษร หรือจะอ่านวิเคราะห์ข้อมูลเอง หรือกำหนดเป็นรหัสตัวเลขก็ได้ตามสะดวก การระบุข้อมูลในแบบข้อความ ให้กำหนด Type เป็น String , Width <= 255

3. คำถามที่ไม่ได้รับคำตอบ 5) สามารถกำหนดรหัส Value เป็น เลข ใด ๆ ก็ได้ ส่วนมากมกกำหนดด้วยเลข 9 , 99 , 999 , 0 ,8 หรือ 88 โดยกำหนดไว้เป็นค่าสูญหาย ที่ Missing
** ทั้งนี้ขึ้นอยู่กับผู้วิจัย จะกำหนดได้เอง ตามความเหมาะสม **
เช่น
คำถาม | ตัวเลือก | ชื่อตัวแปร | ค่า Label | ค่า Value | รายได้ต่อเดือนของครอบครัวท่านคือ? | 1 คือ น้อยกว่า10,000 บาท2 คือ 10,000 – 15,000 บาท3 คือ 15,001 – 20,000 บาท4 คือ มากกว่า 20,000 บาท | (b1) | รายได้ต่อเดือนของครอบครัว | 1 น้อยกว่า10,000 บาท2 10,000 – 15,000 บาท3 15,001 – 20,000 บาท4 มากกว่า 20,000 บาท9 ไม่ตอบ99 ไม่ทราบ0 ไม่ต้องตอบ ให้ข้ามไป ทำข้ออื่น |

การเปิดแฟ้มข้อมูล 1. การเปิดแฟ้มข้อมูลที่สร้างมาจากโปรแกรม SPSS for Windows ที่มีนามสกุล .sav ทำได้โดย คลิก File >> Open >> Data หรือคลิกที่ปุ่ม

2. เปิดจากคำสั่ง
File >> Open Database >> New Query
การเปิดแฟ้มข้อมูลที่สร้างจากโปรแกรมอื่น
3.1 แฟ้มข้อมูล dBASE 3.2 แฟ้มข้อมูลจาก Microsoft Excel 3.3 แฟ้มข้อมูลจาก Microsoft Access Database 3.4 แฟ้มข้อมูล Text เปิดจากคำสั่ง File >> Read Text Data

ตัวอย่างเช่น จะเปิดไฟล์ข้อมูลที่ได้กรอกไว้เบื้องต้นแล้วจาก โปรแกรม Excel 1. คลิกเมนู File >> Open Database >> New Query 2. เลือกโปรแกรม Excel 3. ค้นหาชื่อไฟล์ที่บันทึกไว้จากปุ่ม Browse… 4. คลิกชื่อไฟล์ Excel ที่บันทึกข้อมูลงานไว้ แล้วเลือก Open 5. เลือก OK 6. ใช้เมาส์ดึง Sheet ที่จัดเก็บข้อมูลงานไว้มาทาง ด้านขวา (Retrieve Fields In This Order) 7. แล้วคลิก Next (หน้าต่าง Select Data) 8. คลิก Next (หน้าต่าง Limit Retrieved Cases) 9. คลิก Next (หน้าต่าง Define Variables) 10. คลิก Finish (หน้าต่าง Results) 11. จะได้ผลคือ ได้ข้อมูลจาก Excel มาไว้ที่ SPSS แล้วทำการบันทึกงานตามปกติต่อไป

ตัวอย่างการเปิดไฟล์ข้อมูล จาก ไฟล์ชนิด *.txt 1. เลือก คำสั่ง File >> Read Text Data 2. คลิกชื่อไฟล์ข้อมูล ชนิด *.txt ที่ต้องการแล้ว คลิก Open 3. จะพบหน้าText Import Wizard – Step 1 of 6 เป็นหน้าจอเกี่ยวกับตัวช่วยในการนำข้อมูลเข้าให้คลิก Next (ค่าอยู่ที่ No) 4. จะพบหน้า Text Import Wizard – Step 2 of 6 เป็นหน้าจอเกี่ยวกับการจัดวางตัวแปรและชื่อตัวแปรของไฟล์ที่จะนำเข้า ให้คลิก Next (ค่าอยู่ที่ Delimited และ No) 5. จะพบหน้า Text Import Wizard – Step 3 of 6 เป็นหน้าจอกำหนดการนำข้อมูลเข้า และจำนวนตัวแปร ให้คลิก Next (ค่าอยู่ที่ The first case.. = 2 , Each line …= 2 และ All of the cases) 6. จะพบหน้า Text Import Wizard – Step 4 of 6 เป็นหน้าจอเกี่ยวกับการระบุตัวขั้น และกำหนดชื่อของตัวแปร ให้คลิก Next ( ค่าอยู่ที่ Tab และ None) 7. จะพบหน้า Text Import Wizard – Step 5 of 6 เป็นหน้าจอเกี่ยวกับการกำหนดชนิดตัวแปร ให้คลิก Next (คลิกที่หัวคอลัมน์ แล้วกำหนด Variable name และ Data format) 8. จะพบหน้า Text Import Wizard – Step 6 of 6 เป็นหน้าจอเกี่ยวกับการบันทึกแฟ้มข้อมูลและการคัดลอกคำสั่งลงใน Syntax ให้คลิก Finish (ค่าอยู่ที่ No และ No) 9. จะปรากฏของมูลอยู่ที่ Spss แล้วที่ทำการบันทึกงานตามปกติต่อไป

การแสดงรายละเอียดของตัวแปร วิธีคือ คลิก Utilities >> Variables ผลที่ได้คือ

การแก้ไขข้อมูลใน SPSS Data Editor
ในส่วน Data View เป็นส่วนที่ใช้กรอกข้อมูลและวิเคราะห์ข้อมูล
ในส่วนVariable View เป็นส่วนที่กรอกรายละเอียดของตัวแปร สามารถทำงานต่าง ๆ ได้ดังนี้ 1. การคัดลอกข้อมูล ใช้ Edit >> Copy >> และ Edit >> Paste 2. การเคลื่อนย้ายข้อมูล ใช้ Edit >> Cut และ Edit >> Paste 3. การเพิ่ม Case ใช้ Data >> Insert Cases หรือ คลิกขวาที่หัวแถวแล้วเลือก Insert Case 4. การเพิ่ม ตัวแปร ใช้ Data >> Insert Variable หรือ คลิกขวาที่หัวแถวแล้วเลือก Insert Variable 5. การลบ Case และตัวแปร ให้คลิกที่ตำแหน่งที่ต้องการลบ หรือคลิกที่หัวแถวที่ต้องการลบแล้วใช้ Edit >> Clear 6. การค้นหา Case ใช้ Data >> Go to Case >> ระบุหมายเลข Case >> OK 7. การค้นหาค่าของข้อมูลในตัวแปรใด ๆ ให้เลือกคอลัมน์ตัวแปรที่ต้องการ ที่หน้า Data View ใช้ Edit >> Find >> พิมพ์ค่าที่ต้องการค้นหา >> Find Next (หน้าจอจะเลื่อนไปยังตำแหน่งที่ค้นหา) 8. การแสดงค่า Labels ใช้ View >> Value Labels หรือ คลิกปุ่ม 9. การกำหนด Grid Lines (ลายเส้นตาราง) ใช้ View >> Grid Lines 10. การกำหนดรูปแบบตัวอักษร ใช้ View >> Fonts

การเปลี่ยนแปลงรูปแบบข้อมูลโดยใช้ Transform 1. การสร้างตัวแปรใหม่จากคำสั่ง Compute
เช่น 1. ให้สร้างตัวแปรใหม่ชื่อ tax ซึ่งคำนวณจาก baht คูณ 0.07

พิมพ์สูตรการคำนวณหรือเรียกฟังก์ชัน
ระบุชื่อตัวแปรใหม่

เช่น 2. ให้สร้างตัวแปรใหม่ชื่อ Sum ซึ่งคำนวณจากผลรวม ของ tax และ baht โดยใช้ฟังก์ชัน Sum()

การเปลี่ยนแปลงค่าข้อมูลด้วยคำสั่ง Recode เช่น ต้องการแปลงค่าข้อมูลอายุ ที่นำเข้า โดยการกรอกข้อมูล อายุ ตามความจริง
วิธีการคือ ใช้ Transform >> Recode >> Into Same Variables… แล้วกำหนดค่าดังนี้ 1. เลือกตัวแปรที่ต้องการแปลงค่า เช่น อายุ แล้ว ส่งไปทางขวา (Variables) 2. คลิกปุ่ม Old and New Values… และกำหนดการเปลี่ยนค่าของข้อมูล
โดย อายุที่น้อยกว่าหรือเท่ากับ 15 ให้ตัวแปรมีค่าเป็น 1 อายุที่อยู่ระหว่าง 16 – 20 ให้ตัวแปรมีค่าเป็น 2
อายุที่มากกว่าหรือเท่ากับ 21 ให้ตัวแปรมีค่าเป็น 3 3. คลิก OK
การเปลี่ยนค่าทำดังนี้
2
1

3

ผลที่ได้คือ
สิ่งที่เปลี่ยนแปลงไป

ถ้าต้องการสร้างตัวแปรใหม่ โดยไม่ให้ข้อมูลทับซ้อนที่ตัวแปรเดิม ให้ใช้ค่ำสั่งดังนี้
เริ่มที่ Transform >> Recode >> Into Different Variables… 1. เลือกตัวแปรที่ต้องการเปลี่ยนค่าของข้อมูล 2. ส่งข้อมูลตัวแปรไปทางช่องขวา (Input Variable -> Output Variable : ) 3. ที่ Name >>พิมพ์ชื่อตัวแปรใหม่ 4. ที่ช่อง Label >> พิมพ์รายละเอียดของตัวแปร และคลิก Change 5. คลิกปุ่ม Old and New Values… 6. กำหนดการเปลี่ยนค่าของข้อมูล 7. คลิกปุ่ม OK
จากตัวอย่าง ตัวแปร อายุ ค่าที่ได้คือ

การจัดลำดับและแสดงลำดับที่ของข้อมูล เช่นการแสดงลำดับที่ของอายุแยกตามเพศ
ใช้ Transform >> Rank Cases >> 1. ที่ Variable เลือกตัวแปรที่ต้องการหาค่าลำดับ แล้วส่งไปทางขวา เช่น เลือก อายุ 2. ที่ By เลือกตัวแปรที่ต้องการให้เป็นตัวกำหนดการจัดลำดับ แล้วส่งไปทางขวา เช่น เลือก เพศ 3. Assign Rank 1 to : การกำหนดให้ลำดับที่ 1 แทนค่าที่น้อยที่สุดหรือค่ามากที่สุด 4. ปุ่ม Rank Types.. การกำหนดชนิดของลำดับ 5. ปุม Ties การกำหนดค่าลำดับที่ ค่าซ้ำ ให้ คำนวณลำดับตามค่าเฉลี่ย Mean , ค่าต่ำ Low , ค่าสูงHigh , หรือค่าเรียงลำดับ (Sequential Ranks to Unique values) 6. คลิกปุ่ม OK จะได้ผลดังนี้
ข้อมูลที่แสดงค่าจัดลำดับแล้ว
โดยแยกลำดับตามเพศ เรียงลำดับตามค่าต่ำ ไป สูง ข้อมูลเดิม

การเรียงลำดับข้อมูลโดยใช้ Sort Cases เป็นการสลับที่ของ ข้อมูล Cases ตามตัวแปรที่กำหนด ไม่มีผลต่อการสร้างตัวแปรใหม่
ใช้วิธี 1. Data >> Sort Cases >> เลือกตัวแปรที่ต้องการเรียงลำดับ แล้วคลิก ไป Sort By 2. กำหนดรายละเอียดที่ Sort Order (น้อยไปมาก Ascending) (มากไปน้อย Descnding) 3. คลิก OK
เช่น ให้เรียงตามเพศ และอายุ (พร้อมกัน) จาก น้อยไปมาก ผลลัพธ์คือ

Select Cases การวิเคราะห์ข้อมูล เพียงบางกลุ่ม
เช่นต้องการวิเคราะห์ อายุ เฉพาะ เพศ ชาย หรือ ต้องการวิเคราะห์อายุ เฉพาะคนที่ได้ เกรด A ซึ่ง มีขั้นตอนการทำงานดังนี้ 1. เปิดแฟ้มข้อมูล 2. เลือก Data >> Select Cases.. 3. จากหน้าจอ Select Cases กำหนดการเลือก Cases ได้แก่ * All Cases คือเลือกทุก Cases * If condition is satisfied คือกำหนดเงื่อนไข เช่น เลือกเฉพาะ เพศชาย * Random sample of cases คือเลือกข้อมูลแบบสุ่ม โดยกำหนดจำนวนประมาณกี่เปอร์เซ็นต์ หรือ ข้อมูลที่อยู่ระหว่าง Case ใด ถึง Case ใด * Base on time or case range คือเลือกข้อมูลตามช่วงเวลา หรือเลือกช่วงของข้อมูล * Use filter variables : คือการกรองข้อมูลจากตัวแปรที่กำหนด โดยเลือกเฉพาะข้อมูลที่มีค่า ไม่ เลือกข้อมูลที่มีค่า 0 หรือค่าสูญหาย (Missing Value) 4. การกำหนด Unselected Cases Are สามารถกำหนดได้ 2 ลักษณะ คือ * Filtered คือ การกรองข้อมูล หากข้อมูลใดไม่ตรงตามที่กำหนดจะปรากฏเครื่องหมาย (/)บนหัวแถว และไม่ถูกนำมาวิเคราะห์ * Delete คือหากข้อมูลใดไม่ตรงตามที่กำหนด ข้อมูลนั้นจะถูกลบไป 5. คลิกปุ่ม OK
*** หากต้องการ ยกเลิกการกำหนด Case ใด ให้เลือก All Case ***

ตัวอย่าง ข้อมูลเพศชาย = 1
เช่น จากตัวอย่าง 1. เลือกข้อมูลเฉพาะเพศ หญิง 2. เลือกอายุที่อยู่ระหว่าง 15 – 25 ปี 3. เลือกเพศชายที่อายุมากกว่า 16 ปี 4. สุ่ม Cases จำนวน 30% จากทั้งหมด 5. เลือก Case ที่ 3 - Case ที่8 ข้อมูลเพศหญิง = 2

รายการสิ่งที่กำหนด | การกำหนดค่า | 1. เลือกข้อมูลเฉพาะเพศ หญิง | เพศ = 2 | 2. เลือกอายุที่อยู่ระหว่าง 15 – 25 ปี | อายุ >= 15 & อายุ <= 25 | 3. เลือกเพศชายที่อายุมากกว่า 16 ปี | เพศ = 1 & อายุ> 16 | 4. สุ่ม Cases จำนวน 30% จากทั้งหมด | เลือก Sample จากRandom sample of Case แล้วกำหนด | 5. เลือก Case ที่ 3 - Case ที่ 8 | เลือก Range จาก Base on time or case range แล้วกำหนด |

Multiple Response Sets
เป็นการกำหนดเซต ให้กับคำถามเป็นที่ตัวเลือก และตอบได้มากกว่า 1 คำตอบ

ขั้นแรกต้องกำหนด Set ก่อน ดังนี้ 1. เลือกเมนูคำสั่ง Analyze >> Multiple Response >> Define Sets… 2. นำชุดของตัวแปรไปที่ Variable in Set : 3. ที่ Variable are Coded As เลือกคำสั่งดังนี้ * Dichotomies สำหรับค่าของตัวแปรเป็นไปได้ 2 ค่า และ Counted Value : คือการกำหนดค่าที่ต้องการนับ * Categories สำหรับตัวแปรแยกประเภท และที่ Range ระบุค่าต่ำสุดและค่าสูงสุด 4. Name และ Lable เป็นการตั้งชื่อและรายละเอียดของกลุ่มตัวแปรใหม่ 5. คลิก Add 6. คลิก Close

การกำหนดการวิเคราะห์

7. เลือกเมนูคำสั่ง Analyze >> Multiple Response >> Frequencies… 8. นำตัวแปร Multiple Response Set ไว้ที่ Table(s) for: 9. ที่ Missing Values สามารถกำหนดไม่ต้องนำค่าสูญหามาคำนวณได้ * Exclude cases listwise within dichotomies สำหรับตัวแปร Multiple Response Set ที่เป็นชนิด dichotomy * Exclude case listwise within categories สำหรับตัวแปร Multiple Response Set ที่เป็นชนิด categories 10. คลิกปุ่ม OK

ภาพตัวอย่างการทำงาน Multiple Response Sets
1

2

ผลลัพธ์ที่ได้

อธิบายผลที่ได้ จากคำถามสถานที่ที่ท่านชอบไป พบว่า มีผู้ตอคำถาม 10 คน และมีคำตอบทั้งสิ้น 21 คำตอบ ซึ่งได้ว่าจำนวนคนที่ชอบไปภูเขา 5 คน (ร้อยละ 23.80) (คำนวณจาก 5/21) ของจำนวนคำตอบทั้งหมดหรือ (ร้อยละ 50.00) (คำนวณจาก 5/10) ของจำนวนผู้ที่ตอบคำถาม จำนวน10 คน นั่นเอง

* การทำงาน Multiple Response สามารถนำมาประยุกต์ใช้ทำการวิเคราะห์ข้อมูลในกลุ่ม เรียงตามลำดับได้อีกด้วย*
เช่นคำถาม
กรุณาเรียงลำดับกีฬาที่ท่านชอบจากมากไปหาน้อย (1 = ชอบน้อยที่สุด ) ว่ายน้ำ วิ่ง เทนนิส ฟุตบอล

แนวคิด โดยการกำหนดค่าที่ต้องการวิเคราะห์ ครั้งละค่าข้อมูล ครั้งที่ 1 กำหนดที่ต้องการค้นหา คือ เลข 1 แล้วตั้งค่าตัวแปรเพื่อเก็บค่าข้อมูลไว้ ครั้งที่ 2 กำหนดที่ต้องการค้นหา คือ เลข 2 แล้วตั้งค่าตัวแปรเพื่อเก็บค่าข้อมูลไว้ ครั้งที่ 3 กำหนดที่ต้องการค้นหา คือ เลข 3 แล้วตั้งค่าตัวแปรเพื่อเก็บค่าข้อมูลไว้ ครั้งที่ 4 กำหนดที่ต้องการค้นหา คือ เลข 4 แล้วตั้งค่าตัวแปรเพื่อเก็บค่าข้อมูลไว้
แล้วนำค่าตัวแปรที่เก็บไว้มาวิเคราะห์หาค่า Frequencies แล้วก็จะได้ว่า แต่ละรายการได้รับการเรียงลำดับคะแนนอย่างไรบ้างนั่นเอง สถิติที่ใช้ในการวิเคราะห์ข้อมูลแบ่งเป็น 2ประเภทใหญ่ ๆ คือ 1. สถิติเชิงพรรณนา (Descriptive Statistics)
คือ สถิติที่ใช้เพื่ออธิบาย บรรยาย (Describe) หรือสรุป (Summarize) ลักษณะของกลุ่มข้อมูลที่เป็นตัวเลข (Numerical Data) ที่เก็บรวบรวมมา ซึ่งจะไม่สามารถอ้างอิงถึงลักษณะประชากรได้ (ยกเว้นมีการเก็ฐข้อมูลของประชากรทังหมด) ตัวอย่างสถิติเชิงพรรณนาเช่น การแจกแจงความถี่ (Frequencies Distribution) การวัดค่ากลางของข้อมูล (Measures of Central Tendency) การวัดการกระจายของข้อมูล (Measure of Dispersion) เป็นต้น

2. สถิติเชิงอนุมาน (Inferential Statistics)
คือ สถิติที่ใช้ในการวิเคราะห์ข้อมูลกลุ่มตัวอย่างที่เป็นตัวแทนของประชากร ซึ่งสามารถนำผลการวิเคราะห์นั้นไปสรุปอ้างอิงถึงประชากรได้ โดยใช้ทฤษฎีความน่าจะเป็น (Probability Concepts) สถิติเชิงอนานประกอบด้วย การประมาณค่า (Estimation) และการทดสอบสมมติฐษน (Hypothesis Test)

การวิเคราะห์สถิติเชิงพรรณนา
Frequencies เป็นคำสั่งที่ให้ค่าจำนวนและร้อยละของข้อมูล วิธีการคือ 1. เลือกเมนูคำสั่ง Analyze >> Descriptive Statistics >> Frequencies… 2. เลือกตัวแปรที่ต้องการหาค่าความถี่ และคลิกปุ่ม > 3. คลิก ที่ Display frequencies tables เพื่อกำหนดการแสดงตารางแจกแจงความถี่ 4. กำหนดการแสดงผลดังภาพ

* Percentile Values ประกอบด้วย ค่าควอไทล์ (Quartiles) (ได้แก่ค่าเปอร์เซ็นต์ไทล์ที่ 25 , 50 , 75 ซึ่งมีการแบ่งข้อมูลเป็น 4 ส่วน ) ค่าของข้อมูลตามตำแหน่งที่กำหนดเอง (Cut points for… equal groups) หรือ ค่าเปอร์เซ็นต์ไทล์ใด (Percentiles(S):) * Dispersion กลุ่มของค่าการกระจาย ประกอบด้วย (ค่าส่วนเบี่ยงเบนมาตรฐาน Std.deviation) (ค่าความแปรปรวน Variance) (ค่าพิสัย Range) (ค่าต่าสุด Minimum) (ค่าสูงสุด Maximum) (ค่าคลาดเคลื่อนมาตรฐานของค่าเฉลี่ย S.E.mean) * Central Tendency กลุ่มของค่าวัดแนวโน้มสู่ส่วนกลาง ประกอบด้วย ค่าเฉลี่ย(Mean) ค่ามัธยฐาน (Median) ค่าฐานนิยม (Mode) ค่าผลรวม (Sum) * Distribution การแจกแจง ประกอบด้วย ค่าความเบ้ (Skewness) ค่าความโด่ง (Kurtosis)
ปุ่ม Charts… สำหรับแผนภูมิ ประกอบด้วย การเลือกชนิดของแผนภูมิ Chart Type ได้แก่ แผนภูมิแท่ง Barchart แผนภูมิวงกลม Pie charts และฮิสโตแกรม Histograms และการแสดงค่าของแผนภูมิ ได้แก่ ค่าความถี่ Frequencies และค่าเปอร์เซ็นต์ Percentages

ปุ่ม Format สำหรับ Order by คือการกำหนดการเรียงลำดับข้อมูล และ Multiple Variables คือ การกำหนดการแสดงผลตาราง Statistics ได้แก่
การแสดงตาราง Statistics ตารางเดียว เลือกใช้ คำสั่ง Compare variables
และการแสดงตาราง Statistics แยกตามแต่ละตัวแปร เลือกใช้คำสั่ง Organize output by variables

ตัวอย่าง ตารางผลลัพธ์ การหาจำนวนและร้อยละ ของอายุ
Frequencies
พบข้อมูล 9 จำนวน
สูญหาย 1 จำนวน

เปอร์เซ็นสะสม จาก
(100.0 =55.6 + 44.4)
ร้อยละที่ไม่คำนวณค่าสูญหาย
ร้อยละที่คำนวณได้จากข้อมูลทั้งหมด
จำนวนที่พบ

Descriptive คำสั่ง Descriptive เป็นคำสั่งที่ใช้ในการหาค่าสถิติเบื้องต้น ซึ่งจะแสดงออกมาเป็นตารางค่าสถิติต่างๆ มีขั้นตอนดังนี้ 1. เปิดแฟ้มข้อมูลหรือสร้างแฟ้มข้อมูลขึ้นมาก่อน 2. เลือกเมนูคำสั่ง Analyze >> Descriptive Statistics >> Descriptives… 3. คลิกเลือกตัวแปรที่ต้องการหาค่าสถิติเบื้องต้น และคลิกปุ่ม > 4. ที่ปุ่ม Option สำหรับกำหนดการแสดงค่าสถิติเบื้องต้นต่าง ๆ เช่น ค่าเฉลี่ย ค่าความแปรปรวน เป็นต้น เมื่อกำหนดเสร็จ แล้วให้คลิกปุ่ม Continue ค่าเฉลี่ย Mean
และค่าผลรวม Sum
ค่าส่วนเบี่ยงเบนมาตรฐาน Std. deviation
ค่าต่ำสุด Minimum
ค่าสูงสุด Maximum
ส่วนต่างค่าสูงสุด-ต่ำสุด Range ค่าคลาดเคลื่อนมาตรฐานของ ค่าเฉลี่ย S.E mean

ค่าความโด่ง (kurtosis) ค่าความเบ้ (skewness)

การแสดงลำดับของตัวแปร

5. คลิกปุ่ม Ok 6. ผลที่ได้จะแสดงในรูปตาราง ในหน้าต่าง SPSS Viewer

ซึ่งได้ผลลัพธ์ดังนี้

Crosstabs คำสั่ง Crosstabs เป็นคำสั่งที่เกี่ยวกับการสร้างตารางแจกแจงแบบหลายทาง และสามารถแสดงได้ทั้งค่าความถี่ ร้อยละ การคำนวณค่าสถิติเพื่อทดสอบสมมติฐาน เช่น สถิติทดสอบไคสแควร์ Chi-square Test) ได้อีกด้วยคำสั่ง Crosstabs เหมาะกับข้อมูลเชิงคุณภาพ ขั้นตอนดังนี้ 1. เปิดแฟ้มข้อมูลหรือสร้างแฟ้มข้อมูลขึ้นมาก่อน 2. เลือกเมนูคำสั่ง Analyze >> Descriptive Statistics >> Crosstabs.. 3. คลิกเลือกตัวแปรเชิงคุณภาพที่ต้องการให้อยู่ด้านแถวที่ช่อง Row(s): และคลิกปุ่ม > 4. คลิกเลือกตัวแปรเชิงคุณภาพที่ต้องการให้อยู่ด้านคอลัมน์ที่ช่อง Column(s) และคลิกปุ่ม > 5. กำหนดการแสดงข้อมูล * Display clustered bar charts เป็นการแสดงตารางที่สรุปข้อมูลเป็นกลุ่ม * Suppress tables แสดงเฉพาะค่าสถิติ ไม่แสดงตาราง Crosstabs 6. กำหนดรายละเอียดอื่น ๆ * ปุ่ม Statistics.. สำหรับกำหนดการแสดงค่าสถิติทดสอบ เช่น ค่าไคสแควร์ (Chi-Square) ค่าสหสัมพันธ์ (Correlation) เป็นต้น * ปุ่ม Cells.. สำหรับแสดงค่าภายในช่องเซลล์ในตาราง เช่น แสดงค่าคาดหวัง (Expected) ค่าร้อยละ (Percentages) เป็นต้น * ปุ่ม Format.. สำหรับกำหนดการเรียงลำดับข้อมูล จากน้อยไปหามากหรือมากไปหาน้อย 7. คลิกปุ่ม OK

ตัวอย่าง วิเคราะห์ข้อมูลเพศชายและเพศหญิง และที่ได้เกรด

ผลที่ได้

อธิบายผล Count จำนวนคนในกลุ่มเพศและเกรดที่ได้ Expected Count t จำนวนที่คาดหวังในกลุ่มเพศ และเกรด จากที่โปรแกรมวิเคราะห์ Total จำนวนค่าผลรวม จำนวน และจำนวนที่คาดหวัง ของจำนวนรวมทั้งหมด

Case Summaries เป็นคำสั่งที่ใช้ในการสร้างรายงานสรุปสิ่งที่ต้องการศึกษาหรือตัวแปรที่สนใจ โดยจะต้องเป็นตัวแปรเชิงปริมาณ และกำหนดการจำแนกตามกลุ่ม ซึ่งต้องกำหนดด้วยตัวแปรเชิงคุณภาพ
คำสั่งคือ Analyze >> Reports >> Case Summaries..
ขั้นตอนการทำงาน
1. เลือกคำสั่ง Analyze >> Reports >> Case Summaries.. 2. นำตัวแปรที่สนใจจะสร้างรายงานสรุป ไว้ที่ Variables : 3. นำตัวแปรี่ต้องการจำแนก ไว้ที่ Grouping Variable(S) 4. ที่ Display cases กำหนดจำนวน case ที่ต้องการแสดง ให้แสดง 100 case แรก ให้แสดงเฉพาะค่าที่พบ (ไม่ต้องแสดงค่าสูญหาย) ให้แสดงหมายเลข case 5. กำหนดรายละเอียดอื่น ๆ * ที่ปุ่ม Statistics.. คือ กำหนดแสดงค่าสถิติต่าง ๆ * ที่ปุ่ม Options… คือ กำหนดหัวเรื่องรายงาน
ตัวอย่างเช่น ต้องการ แสดงค่าผลรวม อายุ และค่าใช้จ่าย แยกตามกลุ่มเพศ
วิธีทำ

ผลที่ได้

อายุ และ ค่าใช้จ่ายของทั้งหมด
อายุ และ ค่าใช้จ่ายของ เพศหญิง
อายุ และ ค่าใช้จ่ายของ เพศชาย

การทดสอบค่าความเชื่อมั่น (ความน่าเชื่อถือ) ของ เครื่องมือ
คำสั่ง คือ Scale >> Reliability Analysis…

การใช้คำสั่ง Scale >> Reliability Analysis… 1. เปิดแฟ้มข้อมูลที่ต้องการวิเคราะห์ 2. เลือกคำสั่ง Analyze >> Scale >> Reliability Analysis… 3. เลือกตัวแปรที่ต้องการทดสอบไว้ที่ช่อง Items : 4. กำหนดรายละเอียดต่าง ๆ ดังนี้ * Model คือ การเลือกวิธีการหาค่าสัมประสิทธิ์สหสัมพันธ์ ได้แก่ * Alpha เป็นวิธีแบบ Cronbach’s Alpha * Split-half เป็นวิธีแบบแบ่งครึ่ง * Guttman เป็นการคำนวณค่าต่ำสุดของความเชื่อถือได้ที่แท้จริง * Parallel เป็นวิธีแบบคู่ขนาน * Strictly Parallel เป็นวิธีที่คล้ายกับ Parallel แต่เพิ่มเงื่อนไขที่ค่าเฉลี่ยของแต่ละคำถามต้องเท่ากัน * List Item Labels ถ้าคลิกเลือก คือการให้แสดงรายละเอียดของ Item * ปุ่ม Statistics.. สำหรับกำหนดการแสดงค่าสถิติต่าง ๆ ดังรูป
แสดงค่าความแปรปรวนร่วมและสัมประสิทธิ์สหสัมพันธ์

แสดงค่าสถิติพรรณนาของแต่ละข้อคำถาม

สรุปค่าสถิติในภาพรวม
แสดงตาราง ANOVA

แสดงค่าสถิติทดสอบ

5. คลิกปุ่ม Continue 6. คลิกปุ่ม Ok
1. การหาค่า ความเชื่อมั่นของเครื่องมือ (แบบสอบถาม)
1

1. คลิก Analyze 2. เลือก Scale 3. 3
2
คลิก Reliability Analysis

4. จะปรากฎ ไดอะลอกบล็อกให้ส่งข้อมูลหัวข้อที่จะหา Relia.. ไปไว้ที่ช่อง Item ดังภาพ

4

5. คลิก statistic 6. คลิก continue
6

5

7. แล้วคลิก OK 8. จะปรากฏ ผลลัพธ์ (Out Put) ดังตัวอย่าง

Reliability

****** Method 1 (space saver) will be used for this analysis ******

หมายถึง แสดงรายละเอียดของข้อมูลแต่ละหัวข้อคำถามในเครื่องมือให้รู้ถึง ค่า mean (ค่าเฉลี่ย )
Std (ค่าเบี่ยงเบนมาตรฐาน) Cases (จำนวนผู้ตอบแบบสอบถาม) R E L I A B I L I T Y A N A L Y S I S - S C A L E (A L P H A)

Mean Std Dev Cases

1. ANXIETY 1.5000 .5222 12.0 2. TENSION 1.5000 .5222 12.0 3. TRIAL1 16.5000 2.0671 12.0 4. TRIAL2 11.5000 2.4309 12.0 5. TRIAL3 7.7500 2.4168 12.0 6. TRIAL4 4.2500 2.8644 12.0

N of
ผลรวมของข้อมูลทั้งหมดทุกคนที่ตอบแบบฯ
ในเรื่อง Mean , Variance (ความเปลี่ยนแปลง)
Variables (ตัวแปร ในแบบสอบถาม)

Statistics for Mean Variance Std Dev Variables SCALE 43.0000 70.1818 8.3775 6

Item-total Statistics
ความสำคัญของส่วนนี้อยู่ที่
ค่า Alpha ที่จะได้ หลังจาก
รายข้อ (Item) ดังกล่าวที่ระบุไว้ ไม่ถูกนำมาหาค่าความเชื่อมั่น

รายข้อ (Item)
Scale Scale Corrected
Mean Variance Item- Alpha if Item if Item Total if Item
Deleted Deleted Correlation Deleted

ANXIETY 41.5000 67.9091 .2324 .7990
TENSION 41.5000 68.0909 .2110 .8002
TRIAL1 26.5000 55.9091 .3235 .7917
ค่า Alpha ที่จะได้หลังItem ถูก deleted
TRIAL2 31.5000 37.5455 .8972 .6220
TRIAL3 35.2500 41.1136 .7494 .6744
TRIAL4 38.7500 34.9318 .7988 .6571

จำนวนหัวข้อ ตัวแปรนำมาหาค่า reliability

จำนวนผู้ตอบแบบสอบถาม
Reliability Coefficients

N of Cases = 12.0 N of Items = 6

ค่าความน่าเชื่อมั่น หรือค่าความน่าเชื่อถือ
หรือค่าความได้มาตรฐานของแบบสอบถาม

Alpha = .7764

*** ถ้าค่า Alpha เข้าใกล้ 1 แสดงว่า มีความน่าเชื่อมั่นหรือน่าเชื่อถือสูง***
การหาค่ารวม ข้อมูล (ใช้กรณีจะรวมข้อมูลในแต่ละด้าน) ของคำถามรูปแบบตัวเลือกแบบเรียงลำดับ-ประมาณค่า (Ranking) เช่นมีการแบ่ง รายข้อคำถาม เป็นด้าน ๆ เช่นด้าน Product Price Place ….
ซึ่งในแต่ละด้านนั้นจะมีหลายรายข้อย่อย จึงมีการรวมข้อมูลเพื่อ ค่าเฉลี่ยในภาพรวมที่ได้ของแต่ละด้าน
1
วิธีการรวมข้อมูล 1. คลิกเมนู Transform 2. 2
คลิก Compute

3. จะปรากฏ หน้าต่าง Compute Variable
4. พิมพ์ชื่อที่ต้องการระบุ เป็นชื่อตัวแปรในการรวมข้อมูล ในครั้งนี้ (ต้องพิมพ์ติดกันไม่เกิน 8 ตัว) 5. คลิกเมาส์เลื่อนเมาส์หา Function เรื่อง SUM
6. ส่งหัวข้อในกลุ่ม ที่ต้องการนำข้อมูลจากผู้ตอบแบบสอบถาม มารวมกัน ขึ้นไปไว้ ในช่อง Numerie Expression โดยใช้เครื่องหมายคอมม่า (,) กั้นกลางระหว่างข้อจนหมดแล้วปิดวงเล็บ แล้ว หาร ด้วย จำนวนรายข้อที่ส่งมารวมข้อมูลกัน
ใส่ข้อมูลในวงเล็บ แต่ละข้อกั้นด้วยเครื่องหมาย คอมม่า (,) หลังวงเล็บ ให้หารด้วยจำนวนข้อที่ส่งมา
6
6
4
7
5
7. คลิก OK.

1. คอลัมน์ข้อมูล ที่รวมกันเรียบร้อยแล้ว
จะปรากฏ ผลลัพธ์ ดังภาพนี้

2. ให้ทำการหาค่าเฉลี่ย Mean และ ค่า SD. ให้กับ ข้อมูล รวมที่ได้ นี้ด้วย เพื่อจะได้ทราบว่าผลค่าเฉลี่ยรวมของแต่ละด้าน คือเท่าไร โดยหาค่า Mean และ ค่า SD. ตามวิธีที่ระบุไว้ เพียงแต่ให้ส่งชื่อหัวข้อที่ตั้งไว้ในการรวม (ตามตัวอย่าง คือชื่อ รวม1) โดยส่งไปเพื่อวิเคราะห์ร่วมด้วย ซึ่งเมื่อวิเคราะห์แล้วจะได้ผลลัพธ์ คือ

ค่าเฉลี่ยและค่าเบี่ยงเบนฯ ของภาพรวมทั้งหมด 4 รายข้อย่อยที่วิเคราะห์
ค่าเฉลี่ยและค่าเบี่ยงเบนฯ ของรายข้อย่อย 4 รายข้อย่อย

การทดสอบสมมติฐาน

การใช้คำสั่ง One – Sample T Test เป็นคำสั่งสำหรับการทดสอบสมมติฐานของค่าเฉลี่ยของประชากร 1 กลุ่ม เช่น การทดสอบว่าค่าใช้จ่ายเฉลี่ยอยู่ที่ 250 บาท หรือไม่ ทำได้คือ 1. เตรียมข้อมูล เปิด ไฟล์ข้อมูล 2. เลือกเมนู Analyze >> Compare Mean >> One Sample T Test… 3. กำหนดตัวแปรเชิงปริมาณ ที่ต้องการทดสอบสมมติฐาน ไว้ที่ Test Variable(s): เช่น Cost 4. กำหนดค่าที่ต้องกาทดสอบ ไว้ที่ Test Value : เช่น 250 5. ที่ปุ่ม Option กำหนดช่วงความเชื่อมั่น (1- )*100% และคลิกปุ่ม Continue 6. คลิกปุ่ม OK
ตัวอย่าง สมมติฐานที่ใช้ในการทดสอบ H0 : = 250 หรือ H0 : ค่าใช้จ่ายเฉลี่ย เท่ากับ 250 บาท H1 : ≠ 250 หรือ H1 : ค่าใช้จ่ายเฉลี่ยไม่เท่ากับ 250 บาท ระดับ นัยสำคัญ = 0.05 สถิติทดสอบ One-sample T – Test
ผลOutput คือ

วิธีการแปลผล
ค่า Sig (2-tailed) = 2.71 มีค่ามากกว่า = 0.05 แสดงว่ายอมรับ H0 : ค่าใช้จ่ายเฉลี่ย เท่ากับ 250 บาท ที่ระดับนัยสำคัญ 0.05

สาเหตุที่ เป็นเช่นนี้เพราะ
ช่วงความเชื่อมั่น = 95% ของ = 250 และค่า Lower คือ -41.2115 และ Upper คือ 130.0115
แสดงได้ว่า ถ้า 41.2115 < = 250 < 130.0115 จะยอมรับ H0
ก็คือข้อมูล ในช่วง 208.77 ถึง 380.01 (ซึ่ง = 250 จะอยู่ในช่วงนี้ )
แสดงว่ายอมรับ ยอมรับ H0 : ค่าใช้จ่ายเฉลี่ย เท่ากับ 250 บาท ที่ระดับนัยสำคัญ 0.05

คำสั่ง Independent – Sample T-Test เป็นการทดสอบผลต่างของค่าเฉลี่ยของประชากร 2 กลุ่ม ที่เป็นอิสระต่อกัน เช่นทดสอบเพศที่แตกต่างกันมีความคิดเห็นตรงกันหรือไม่
โดยมีวิธีการคือ
1. เลือก Analyze 2. เลือก Compare Means 3. เลือก Independent-Samples T Test

4 ส่งข้อมูล ไปที่ ช่อง 1 ช่อง Grouping Variable ( เป็นข้อมูลตัวแปรต้น) (ประเภท Choice ให้เลือก) 2 ช่อง Test Variable(s) ( เป็นข้อมูลตัวแปรตาม) (ประเภท ประมาณค่า)

5. เลือก ปุ่ม Define Groups
6. กรอกข้อมูลค่า Values ของ Choice ที่ต้องการ วิเคราะห์ข้อมูล

7. เลือก Continue
8. จะปรากฏผลลัพธ์

วิธีการวิเคราะห์ข้อมูล

ขั้นที่ 1 ต้องตรวจสอบความแปรปรวนของทั้ง 2 ประชากร ให้ตั้งสมมติฐานดังนี้
ถ้า
Sig > 0.05 คือ | H0 : การให้ความสำคัญกับเรื่องเป็นผลิตภัณฑ์ที่มีคุณภาพสูง ของเพศชายเท่ากับเพศหญิง คือ มีความแปรปรวนพอ ๆ กัน | Sig < 0.05 คือ | H1 : การให้ความสำคัญกับเรื่องเป็นผลิตภัณฑ์ที่มีคุณภาพสูง ของเพศชาย ไม่เท่ากับเพศหญิง คือมีความแปรปรวนต่าง ๆ กัน |

จากตัวอย่าง ค่า sig = 0.621 ซึ่งมากกว่า 0.05 แสดงว่า ยอมรับ H0 การให้ความสำคัญกับเรื่องเป็นผลิตภัณฑ์ที่มีคุณภาพสูงทั้งหญิงและชายมีค่าแปรปรวน พอๆ กัน

ข้นที่ 2 ถ้าในขั้นที่ 1 ยอมรับ H0 คือแปรปรวนพอ ๆ กัน ให้ใช้ ค่าสถิติ Equal Variances Assumed วิเคราะห์ ค่า Sig. (2-taild) ถ้าในขั้นที่ 1 ปฏิเสธ H0 คือแปรปรวนต่าง กัน ให้ใช้ ค่าสถิติ Equal Variances Not Assumed วิเคราะห์ ค่า Sig. (2-taild) * ถ้า Sig. (2-taild) > 0.05 แสดงว่า ไม่แตกต่างกัน * ถ้า Sig. (2-taild) < 0.05 แสดงว่า แตกต่างกัน

สรุปผลการทดสอบ จากเรื่องเป็นผลิตภัณฑ์ที่มีคุณภาพสูง สรุปได้ว่า เพศชายและเพศหญิงให้ความสำคัญกับปัจจัยเป็นผลิตภัณฑ์ที่มีคุณภาพสูง แตกต่างกัน

การวิเคราะห์ความแปรปรวน
การวิเคราะห์ความแปรปรวนทางเดียว (One-Way ANOVA) หรือ F-Test เป็นการวิเคราะห์ข้อมูลด้วยตัวแปรหรือปัจจัยเดียว นั่นคือพิจารณาความแตกต่างของข้อมูลจากปัจจัยที่มีผลต่อข้อมูลเพียงปัจจัยเดียวหรือวิเคราะห์ความแตกต่างของข้อมูลในระดับต่าง ๆ ของปัจจัย เช่น การทดสอบความแตกต่างระหว่างค่าใช้จ่ายเฉลี่ยของนักเรียน 3 ระดับชั้น เป็นต้น

วิธีการประมวลผล สถิติ F-Test 1. คลิกเมนู Analyze 2. คลิก Compare Means 3. คลิกOne-Way ANOVA

4. จะปรากฏ หน้าต่าง One-Way ANOVA 5. ให้คลิกเลือก รายการข้อมูล ตัวต้นแปรต้น ไปไว้ที่ช่อง Factor 6. ให้คลิกเลือก รายการข้อมูล ตัวต้นแปรต้น ไปไว้ที่ช่อง Dependent List 7. คลิก OK

จะปรากฏ Out Put คือตาราง Oneway ดังภาพ

Oneway อาชีพ * การรับรู้สื่อประชาสัมพันธ์

การแปลผล คือ ถ้า ค่า sig < 0.05 แสดงว่า ข้อมูลตัวแปรมีค่าความแตกต่างเกิดขึ้น
เช่น จากตัวอย่าง Sig = 0.13 แสดงว่า ผู้ที่มีอาชีพต่างกันได้รับรู้สื่อประชาสัมพันธ์จาก แผ่นพับใบปลิว เพื่อนร่วมงาน ญาติพี่น้อง สปอรต์โฆษราทางวิทยุ แตกต่างกัน อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05

การใช้คำสั่ง Post Hoc Multiple Comparison สำหรับการวิเคราะห์ความแปรปรวนเชิงลึก เพื่อเป็นการทดสอบถึงค่าความแตกต่างเชิงลึกที่เกิดขึ้นจาก สถิติ F-test
มีวิธีการคือ
1. คลิก Analyze 2. คลิก Compare Means 3. คลิก One-Way Anova 4. จะปรากฏหน้าต่าง One- Way ANOVA 5. เลือกรายการตัวแปรตาม ไปไว้ที่ ช่อง Dependent List 6. เลือกรายการตัวแปรต้น ไปไว้ที่ ช่อง Factor 7. คลิก ที่ปุ่ม Post Hoc….

8. จะปรากฏหน้าต่าง One-Way ANOVA : Post Hoc Multiple Comparisons ให้คลิกเลือก รายการ LSD

9. แล้วคลิก ปุ่ม Continue 10. แล้วคลิก ปุ่ม OK จะปรากฏผลลัพธ์ Out Put ตาราง Post Hoc Test

**** การวิเคราะห์ ให้ดู ค่า Sig ที่ < 0.05 ที่ตรงกับตำแหน่ง ค่า Mean Difference ที่เป็นค่า + *** โดยแสดงให้เห็นว่า ข้อมูลในเรื่องนั้นมีความแตกต่างกัน
เช่น จากตาราง Out put แสดงให้เห็นว่า พนักงานบริษัทเอกชนได้รับรู้การประชาสัมพันธ์ ผ่านสื่อแผ่นพับใบปลิว มากกว่า อาชีพรับราชการ พนักงานรัฐวิสาหกิจ และอาชีพเกษตรกร ที่ระดับนัยสำคัญทางสถิติที่ระดับ 0.05 เป็นต้น

การวิเคราะห์ความสัมพันธ์ เป็นการทดสอบค่าความสัมพันธ์ระหว่างตัวแปร โดยใช้สถิติ Chi-square
เช่น ต้องการทดสอบว่า รายได้มีผลต่อ การถือครองจำนวนบัตรเครดิตในปัจจุบัน หรือไม่
มีวิธีการใช้งานดังนี้
วิธีการใช้งาน สถิติ Chi-square 1. คลิก Analyze 2. เลือก Descriptive Statistics 3. เลือก Crosstabs

4. เลือกข้อมูลที่ต้องการ

ตัวแปรต้น

ตัวแปรตาม

5 เลือกปุ่ม Statistics
6. เลือก Chi-square 7. เลือก Continue

8. ปรากฏผลลัพธ์ ดังภาพ ข้างล่าง

การวิเคราะห์ ให้ดูที่ ค่า Sig (2-sided) ที่บรรทัด Pearson Chi-Square ว่า มีค่า < 0.05 หรือไม่ ถ้าน้อยกว่า แสดงว่า ตัวแปรมีผล หรือมีความสัมพันธ์ต่อกัน
จากตัวอย่าง พบว่า รายได้มีผลต่อการถือครองจำนวนบัตรเครดิตในปัจจุบัน อย่างมีนัยสำคัญทางสถิติที่ ระดับ0.05
ตัวอย่างแบบสอบถาม
สำหรับเจ้าหน้าที่

A1

A2

A3

B4

B5.1
B5.2
B5.3
B5.4
B5.4
B5.6

B6

การศึกษาข้อมูลทางพฤติกรรมการเรียนของนักเรียน ตอนที่ 1 ข้อมูลทั่วไป 1. เพศ 1. เพศชาย 2. เพศหญิง

2. ชั้นปี 1. ม.4 2. ม. 5 3. ม.6

3. อายุ ……….. ปี ตอนที่ 2 ศึกษาพฤติกรรมการเรียนของนักเรียน

4. ปกตินักเรียนมาถึงโรงเรียนเวลาใด 1. ก่อนเวลา 07.00 น. 2. 07.00 – 07.30 น. 3. 07.31 – 08.00 น. 4. หลังเวลา 08.00 น.

5. นักเรียนชอบเรียนวิชาใดบ้าง (ตอบได้มากกว่า 1 ข้อ) 1. ภาษาไทย 2. ภาษาอังกฤษ 3. ดนตรี 4. พละศึกษา 5. คณิตศาสตร์ 6. อื่น ๆ โปรดระบุ………………….

6. นักเรียนเข้าสมุดโรงเรียนสัปดาห์ละกี่ครั้ง 1. 1 ครั้ง 2. 2 ครั้ง 3. 3 ครั้ง 4. อื่น ๆ โปรดระบุ……………… 7. สำหรับเจ้าหน้าที่

B7

C1
C2
C3
C4

D1
D2
D3
D4
D5

A5.1
A5.2
A5.3
A5.4
A5.4
A5.6

A6

ให้นักเรียนเรียงลำดับวิชาที่คิดว่าง่ายที่สุดไปหาวิชาที่ยากที่สุด (ง่ายที่สุด = 1 ) 1. ภาษาอังกฤษ 2. ภาษาไทย 3. คณิตศาสตร์ 4. ฟิสิกส์ 5. เคมี

ตอนที่ 3 ศึกษาความต้องการของนักเรียนในเรื่องการเรียนการสอน (ให้ระบุข้อมูลที่ตรงต่อความต้องการ)

รายการความต้องการ | ระดับความต้องการ | | มากที่สุด5 | มาก4 | ปานกลาง3 | น้อย2 | น้อยที่สุด1 | ด้านอุปกรณ์ในห้องเรียน | | | | | | 1. เครื่องฉายแผ่นใส | | | | | | 2. โปรเจคเตอร์ | | | | | | 3. เครื่องปรับอากาศ | | | | | | 4. ล็อคเกอร์ใส่ของหลังห้อง | | | | | | ด้านผู้สอน | | | | | | แต่งตัวทันสมัย | | | | | | . พูดจาไพเราะสุภาพ | | | | | | 3. เตรียมการสอนมาอย่างดี | | | | | | 4. มีสื่อการสอนที่ทันสมัย | | | | | | 5. เข้าสอนตรงต่อเวลา | | | | | |

********************************************

เอกสารการอบรม

การวิเคราะห์ข้อมูลวิจัยด้วยโปรแกรม SPSS

โดย

อาจารย์วราพร กรีเทพ