บทนำสู่การทดสอบสมมติฐาน

การทดสอบสมมติฐานเป็นวิธีการทางสถิติที่ใช้พิจารณาว่ามีหลักฐานเพียงพอที่จะปฏิเสธสมมติฐานว่างหรือไม่

สมมติฐานว่างและสมมติฐานทางเลือก

ในการทดสอบสมมติฐาน:

• สมมติฐานว่าง (H₀) ตั้งสมมติฐานว่าไม่มีผลหรือความแตกต่าง
• สมมติฐานทางเลือก (H₁) เสนอว่ามีผลหรือความแตกต่าง

การทดสอบ t

การทดสอบ t ใช้ตรวจสอบว่าค่าเฉลี่ยของสองกลุ่มแตกต่างกันอย่างมีนัยสำคัญหรือไม่

data1 <- c(5.1, 6.2, 5.8, 6.5, 5.9)
data2 <- c(7.0, 6.8, 7.5, 7.1, 6.9)
t.test(data1, data2)

การแปลความหมายของค่า p

ค่า p ช่วยตัดสินใจว่าจะปฏิเสธ H₀ หรือไม่:

• หากค่า p < 0.05 ให้ปฏิเสธ H₀ (ผลลัพธ์มีนัยสำคัญ)
• หากค่า p > 0.05 ให้ไม่ปฏิเสธ H₀ (ผลลัพธ์ไม่มีนัยสำคัญ)

การทดสอบไคสแควร์

การทดสอบไคสแควร์ใช้ตรวจสอบว่าตัวแปรเชิงกลุ่มเป็นอิสระต่อกันหรือไม่

observed <- matrix(c(20, 30, 50, 40), nrow=2)
chisq.test(observed)

การทดสอบ ANOVA

ANOVA ใช้เปรียบเทียบค่าเฉลี่ยระหว่างหลายกลุ่ม

group1 <- c(5.1, 6.2, 5.8)
group2 <- c(7.0, 6.8, 7.5)
group3 <- c(4.9, 5.5, 5.2)
data <- data.frame(value = c(group1, group2, group3), 
                   group = rep(c('A', 'B', 'C'), each=3))
aov_test <- aov(value ~ group, data = data)
summary(aov_test)

ขนาดอิทธิพล

ขนาดอิทธิพลใช้วัดความแรงของผลลัพธ์ ช่วยพิจารณานัยสำคัญในทางปฏิบัติ

ข้อจำกัดของการทดสอบสมมติฐาน

การทดสอบสมมติฐานอาศัยข้อสมมติบางประการ และอาจได้รับผลกระทบจากขนาดตัวอย่างและคุณภาพข้อมูล

สรุป

ในบทเรียนนี้ คุณได้เรียนรู้:

• วิธีดำเนินการทดสอบสมมติฐาน
• วิธีใช้การทดสอบ t ไคสแควร์ และ ANOVA
• ความสำคัญของค่า p และขนาดอิทธิพล