t-test คืออะไร: Independent, Paired, One-sample ใช้ตอนไหน + ข้อตกลงเบื้องต้น

เมื่องานวิจัยของคุณต้องการตอบว่า “ค่าเฉลี่ยของสองกลุ่มต่างกันจริงไหม” หรือ “คะแนนก่อนและหลังเปลี่ยนไปอย่างมีนัยสำคัญหรือเปล่า” สถิติตัวแรกที่นักวิจัยนึกถึงคือ t-test หรือการทดสอบค่าที บทความนี้อธิบายว่ามันคืออะไร มีกี่แบบ เลือกใช้แบบไหนกับข้อมูลลักษณะใด ต้องตรวจข้อตกลงเบื้องต้นอะไรบ้าง และอ่านผลจากโปรแกรมอย่างไรให้ตีความถูก แบบที่คนเพิ่งเริ่มวิเคราะห์ข้อมูลก็ตามได้

t-test คืออะไร ใช้เมื่อไหร่

การทดสอบค่าทีคือสถิติที่ใช้ทดสอบว่าค่าเฉลี่ยของกลุ่มตัวอย่างแตกต่างกันอย่างมีนัยสำคัญทางสถิติหรือไม่ เหมาะกับงานที่ตัวแปรตามเป็นข้อมูลเชิงปริมาณแบบต่อเนื่อง เช่น คะแนน ส่วนสูง หรือระดับความพึงพอใจที่วัดเป็นช่วง ส่วนตัวแปรต้นเป็นการแบ่งกลุ่มไม่เกินสองกลุ่ม หัวใจของสถิติตัวนี้คือการเทียบความต่างของค่าเฉลี่ยกับความแปรปรวนของข้อมูล ถ้าความต่างของค่าเฉลี่ยมากพอเมื่อเทียบกับการกระจายของข้อมูล เราจึงสรุปได้ว่าความต่างนั้นไม่น่าเกิดจากความบังเอิญ

จุดที่ต้องจำให้ขึ้นใจคือการทดสอบค่าทีใช้เปรียบเทียบได้ครั้งละไม่เกินสองกลุ่มเท่านั้น ถ้ามีตั้งแต่สามกลุ่มขึ้นไปต้องเปลี่ยนไปใช้สถิติตัวอื่น ซึ่งจะกล่าวถึงช่วงท้าย การเลือกสถิติให้ตรงกับจำนวนกลุ่มและชนิดข้อมูลเป็นก้าวแรกที่สำคัญที่สุดก่อนลงมือวิเคราะห์

อีกเรื่องที่มักเข้าใจคลาดเคลื่อนคือการคิดว่าสถิติตัวนี้ซับซ้อนจนต้องพึ่งผู้เชี่ยวชาญทุกครั้ง ความจริงแล้วถ้าเข้าใจว่ากำลังเปรียบเทียบอะไรกับอะไร และข้อมูลของเราเป็นแบบใด ก็เลือกและตีความได้ด้วยตัวเอง สิ่งที่ยากกว่าการกดคำนวณคือการตัดสินใจว่าควรใช้แบบไหนและข้อมูลผ่านเงื่อนไขครบหรือยัง ซึ่งเป็นหัวใจที่บทความนี้เน้นอธิบายให้เข้าใจตั้งแต่ต้น

การทดสอบค่าทีมีกี่แบบ เลือกอย่างไร

ในทางปฏิบัติแบ่งออกเป็นสามแบบตามลักษณะของข้อมูลและการจับกลุ่ม เลือกให้ตรงกับการออกแบบงานของคุณ แต่ละแบบตอบโจทย์คนละสถานการณ์ และการเข้าใจความต่างนี้จะช่วยให้คุณไม่หยิบผิดตัวตั้งแต่ขั้นวางแผนเก็บข้อมูล

ความผิดพลาดที่เจอบ่อยคือการใช้แบบสองกลุ่มอิสระทั้งที่เป็นข้อมูลก่อนและหลังของคนกลุ่มเดียวกัน ซึ่งต้องใช้แบบจับคู่แทน การเลือกผิดแบบทำให้ค่าที่ได้คลาดเคลื่อนตั้งแต่ต้น

ข้อตกลงเบื้องต้นที่ต้องตรวจก่อน

ก่อนเชื่อผลการทดสอบค่าที ต้องตรวจว่าข้อมูลเป็นไปตามเงื่อนไขพื้นฐาน มิฉะนั้นผลอาจไม่น่าเชื่อถือ

การตรวจข้อตกลงเหล่านี้ไม่ใช่พิธีกรรมทางสถิติ แต่เป็นสิ่งที่กำหนดว่าผลที่ได้เชื่อถือได้แค่ไหน หลายงานถูกกรรมการตั้งคำถามเพราะข้ามขั้นตอนนี้ไป แล้วสรุปผลจากข้อมูลที่ละเมิดเงื่อนไขพื้นฐานโดยไม่รู้ตัว การใช้เวลาตรวจสักเล็กน้อยจึงคุ้มค่ากว่าการตามแก้ทีหลังมาก

อ่านผลอย่างไรให้ตีความถูก

ผลลัพธ์จากโปรแกรมจะให้ค่าหลักมาสามส่วน ได้แก่ ค่าสถิติ t ค่าองศาอิสระ df และค่า p-value การตีความเริ่มจากดูค่า p-value ถ้าต่ำกว่าระดับนัยสำคัญที่ตั้งไว้ เช่น 0.05 แสดงว่าความต่างของค่าเฉลี่ยมีนัยสำคัญทางสถิติ แต่การมีนัยสำคัญไม่ได้แปลว่าความต่างนั้นสำคัญในทางปฏิบัติเสมอไป จึงควรรายงานขนาดอิทธิพลอย่าง Cohen’s d ควบคู่ เพื่อบอกว่าความต่างใหญ่แค่ไหนในเชิงเนื้อหา ไม่ใช่ดูแค่ว่ามีนัยสำคัญหรือไม่ การรายงานทั้งสองค่าพร้อมกันคือมาตรฐานที่กรรมการและวารสารคาดหวัง นอกจากนี้ควรระวังว่ากลุ่มตัวอย่างขนาดใหญ่มากอาจทำให้ความต่างเพียงเล็กน้อยกลายเป็นมีนัยสำคัญได้ง่าย ทั้งที่แทบไม่มีความหมายในทางปฏิบัติ จึงต้องตีความอย่างรอบคอบเสมอ

ตัวอย่างและการรันในโปรแกรม

สมมติคุณอยากรู้ว่าโปรแกรมอบรมช่วยเพิ่มคะแนนความรู้หรือไม่ โดยวัดคะแนนคนกลุ่มเดียวกันก่อนและหลัง กรณีนี้เลือกแบบจับคู่ จากนั้นเปิดโปรแกรมวิเคราะห์ กรอกข้อมูลสองคอลัมน์คือก่อนและหลัง แล้วเรียกเมนูเปรียบเทียบค่าเฉลี่ย โปรแกรมยอดนิยมอย่าง SPSS มีเมนูนี้ให้เลือกตามแบบที่ต้องการ ดูขั้นตอนละเอียดได้ที่ วิธีใช้ SPSS เบื้องต้น และเทียบกับคู่มือสถิติภาษาอังกฤษของ Laerdได้ ส่วนการเลือกว่างานของคุณควรใช้สถิติตัวใดในภาพรวม อ่านได้จาก คู่มือเลือกใช้สถิติให้ถูก

ต่างจาก ANOVA และสถิติอื่นอย่างไร

คำถามที่ตามมาเสมอคือเมื่อไรต้องเปลี่ยนไปใช้ตัวอื่น คำตอบง่าย ๆ คือเมื่อกลุ่มที่เปรียบเทียบมีตั้งแต่สามกลุ่มขึ้นไป ให้ใช้การวิเคราะห์ความแปรปรวนหรือ ANOVAแทน เพราะถ้าฝืนทดสอบทีละคู่หลายครั้งจะทำให้โอกาสพบนัยสำคัญปลอมสูงขึ้น และถ้าตัวแปรตามเป็นข้อมูลแบบจัดกลุ่มไม่ใช่ค่าต่อเนื่อง ก็ต้องใช้ Chi-square การเข้าใจเส้นแบ่งเหล่านี้ช่วยให้เลือกสถิติได้ถูกตั้งแต่ออกแบบงาน ไม่ต้องกลับมาแก้ภายหลัง

คำถามที่พบบ่อย

การทดสอบค่าทีใช้กับกี่กลุ่มได้

ใช้เปรียบเทียบค่าเฉลี่ยได้ครั้งละไม่เกินสองกลุ่ม ถ้ามีสามกลุ่มขึ้นไปต้องใช้การวิเคราะห์ความแปรปรวนหรือ ANOVA แทน

ข้อมูลไม่แจกแจงปกติใช้ได้ไหม

ถ้ากลุ่มตัวอย่างใหญ่พอมักยังใช้ได้ แต่ถ้ากลุ่มเล็กและเบ้มาก ควรเปลี่ยนไปใช้สถิติไม่อิงพารามิเตอร์อย่าง Mann-Whitney U หรือ Wilcoxon

ค่า p-value น้อยกว่า 0.05 แปลว่าผลสำคัญมากใช่ไหม

แปลว่ามีนัยสำคัญทางสถิติเท่านั้น ไม่ได้บอกขนาดของความต่าง ต้องดูขนาดอิทธิพลอย่าง Cohen’s d ประกอบเสมอ

ก่อนและหลังของคนกลุ่มเดิมใช้แบบไหน

ใช้แบบจับคู่ (Paired) เพราะข้อมูลสองชุดมาจากคนคนเดียวกัน ไม่ใช่สองกลุ่มอิสระ