
การสุ่มตัวอย่าง (sampling) คือกระบวนการเลือกกลุ่มย่อยจำนวนหนึ่งจากประชากรทั้งหมด เพื่อใช้เป็นตัวแทนในการเก็บข้อมูลและสรุปผลกลับไปยังประชากร หัวใจอยู่ที่การเลือกให้ “เป็นตัวแทนที่ดี” เพราะถ้ากลุ่มตัวอย่างเอนเอียง ผลวิจัยก็เชื่อถือไม่ได้ตั้งแต่ต้น
แหล่งอ้างอิงที่น่าเชื่อถือ: คู่มือระเบียบวิธีวิจัยจาก Scribbr
นักวิจัยมือใหม่มักเข้าใจว่ายิ่งเก็บมากยิ่งดี ความจริงไม่ใช่เสมอไป วิธีเลือกสำคัญกว่าจำนวน กลุ่มตัวอย่าง 200 คนที่สุ่มอย่างถูกหลัก ให้ข้อสรุปที่น่าเชื่อถือกว่า 1,000 คนที่เลือกมาตามสะดวก บทความนี้ปูพื้นตั้งแต่ประเภทการสุ่มไปจนถึงการกำหนดขนาด
การสุ่มตัวอย่างมีกี่ประเภท?
แบ่งใหญ่ได้สองสายตามว่าทุกหน่วยในประชากรมีโอกาสถูกเลือกเท่ากันหรือไม่ สายแรกคือการสุ่มแบบอาศัยความน่าจะเป็น (probability sampling) ทุกหน่วยมีโอกาสถูกเลือกที่คำนวณได้ จึงนำผลไปอ้างอิงประชากรได้ สายที่สองคือแบบไม่อาศัยความน่าจะเป็น (non-probability sampling) ผู้วิจัยเลือกตามเกณฑ์บางอย่าง เหมาะกับงานเชิงคุณภาพหรือเมื่อเข้าถึงประชากรได้จำกัด
| ประเด็น | อาศัยความน่าจะเป็น | ไม่อาศัยความน่าจะเป็น |
|---|---|---|
| วิธีที่พบบ่อย | สุ่มอย่างง่าย, ระบบ, ชั้นภูมิ, แบบกลุ่ม | ตามสะดวก, เจาะจง, โควตา, แบบลูกโซ่ |
| การอ้างอิงประชากร | ทำได้ มีความคลาดเคลื่อนที่ประเมินได้ | ทำได้จำกัด เสี่ยงอคติ |
| เหมาะกับ | งานเชิงปริมาณที่ต้องการตัวแทน | งานเชิงคุณภาพ/สำรวจเบื้องต้น |
| ต้นทุน/เวลา | สูงกว่า ต้องมีกรอบตัวอย่าง | ต่ำกว่า ยืดหยุ่นกว่า |
ข้อควรระวังคือการเลือกวิธีให้ตรงกับคำถามวิจัย ไม่ใช่เลือกเพราะทำง่าย งานที่อ้างว่าเป็นตัวแทนประชากรแต่ใช้การสุ่มตามสะดวก มักถูกกรรมการตั้งคำถามเรื่องความลำเอียงทันที
แต่ละวิธีการสุ่มตัวอย่างต่างกันอย่างไร? อธิบายทีละแบบพร้อมตัวอย่าง
เมื่อเห็นภาพรวมสองสายแล้ว ส่วนนี้เจาะแต่ละวิธีที่พบบ่อยในงานวิจัยไทยว่าแต่ละแบบทำอย่างไร เหมาะกับสถานการณ์ใด และยกตัวอย่างสั้น ๆ ให้เห็นภาพ เพื่อให้เลือกใช้ได้ตรงกับงานของตนเอง
1) การสุ่มอย่างง่าย (Simple Random Sampling)
การสุ่มอย่างง่าย คือการให้ทุกหน่วยในประชากรมีโอกาสถูกเลือกเท่ากันและเป็นอิสระต่อกัน เช่น จับฉลากหรือใช้โปรแกรมสุ่มเลขจากบัญชีรายชื่อ เหมาะเมื่อมีกรอบตัวอย่าง (รายชื่อประชากร) ครบถ้วน และประชากรไม่ใหญ่หรือกระจายตัวมากนัก ตัวอย่าง มีพนักงาน 500 คนพร้อมเลขประจำตัว แล้วสุ่มเลือก 200 คนด้วยฟังก์ชันสุ่มในสเปรดชีต
2) การสุ่มแบบระบบ (Systematic Sampling)
การสุ่มแบบระบบ คือการเลือกหน่วยตัวอย่างตามช่วงที่เท่ากันจากรายชื่อ เช่น เลือกทุกลำดับที่ k เมื่อ k เท่ากับขนาดประชากรหารด้วยขนาดกลุ่มตัวอย่าง สะดวกและเร็วกว่าการสุ่มอย่างง่ายเมื่อมีรายชื่อยาว แต่ต้องระวังรายชื่อที่เรียงเป็นคาบ (เช่น เรียงชาย-หญิงสลับ) ที่อาจทำให้ตัวอย่างลำเอียง ตัวอย่าง ประชากร 1,000 คน ต้องการ 100 คน จึงเลือกทุกคนลำดับที่ 10
3) การสุ่มแบบชั้นภูมิ (Stratified Sampling)
การสุ่มแบบชั้นภูมิ คือการแบ่งประชากรเป็นชั้น (strata) ตามคุณลักษณะสำคัญก่อน แล้วสุ่มจากทุกชั้นตามสัดส่วน เพื่อให้ตัวแทนของแต่ละกลุ่มครบ เหมาะเมื่อประชากรต่างกันชัดในลักษณะที่เกี่ยวข้องกับตัวแปรวิจัย ตัวอย่าง แบ่งนักศึกษาตามชั้นปี 1 ถึง 4 แล้วสุ่มแต่ละชั้นตามสัดส่วนจำนวนจริง เพื่อไม่ให้ชั้นปีใดถูกมองข้าม
4) การสุ่มแบบกลุ่ม (Cluster Sampling)
การสุ่มแบบกลุ่ม คือการแบ่งประชากรเป็นกลุ่มตามธรรมชาติ เช่น โรงเรียนหรือหมู่บ้าน แล้วสุ่มเลือกบางกลุ่มมาเก็บข้อมูลทั้งกลุ่ม เหมาะเมื่อประชากรกระจายตัวกว้างและไม่มีรายชื่อรายบุคคล ช่วยประหยัดเวลาและค่าใช้จ่าย ตัวอย่าง สุ่มเลือก 10 โรงเรียนจากทั้งจังหวัด แล้วเก็บข้อมูลนักเรียนทุกคนในโรงเรียนที่ถูกเลือก
5) การสุ่มแบบหลายขั้นตอน (Multi-stage Sampling)
การสุ่มแบบหลายขั้นตอน คือการสุ่มเป็นลำดับหลายรอบ โดยมักผสมหลายวิธีเข้าด้วยกัน เหมาะกับประชากรขนาดใหญ่ระดับประเทศที่เข้าถึงทั้งหมดไม่ได้ ตัวอย่าง สุ่มจังหวัด แล้วสุ่มอำเภอในจังหวัดที่ได้ แล้วสุ่มครัวเรือนในอำเภอที่ได้ ช่วยลดภาระการทำกรอบตัวอย่างทั้งประเทศ
6) การสุ่มแบบเจาะจง (Purposive Sampling)
การสุ่มแบบเจาะจง คือการเลือกผู้ให้ข้อมูลที่มีคุณสมบัติตรงกับวัตถุประสงค์โดยตั้งใจ ไม่ได้สุ่มด้วยความน่าจะเป็น เหมาะกับงานเชิงคุณภาพที่ต้องการผู้รู้ลึกในเรื่องนั้น ข้อจำกัดคือสรุปอ้างอิงประชากรทั้งหมดไม่ได้ ตัวอย่าง เลือกสัมภาษณ์ครูที่มีประสบการณ์สอนเด็กพิเศษอย่างน้อย 5 ปี จำนวน 8 คน
7) การสุ่มตามสะดวก (Convenience Sampling)
การสุ่มตามสะดวก คือการเลือกผู้ที่เข้าถึงได้ง่ายและยินดีให้ข้อมูล เช่น แจกแบบสอบถามกับคนที่เดินผ่าน ข้อดีคือเร็วและประหยัด แต่เสี่ยงอคติสูงที่สุด จึงเหมาะกับการสำรวจเบื้องต้นหรือการทดสอบเครื่องมือมากกว่างานที่ต้องอ้างอิงประชากร ตัวอย่าง เก็บแบบสอบถามนำร่องกับลูกค้าที่มาใช้บริการในวันที่เก็บข้อมูล
8) การสุ่มแบบโควตา (Quota Sampling)
การสุ่มแบบโควตา คือการกำหนดจำนวนตามสัดส่วนของกลุ่มย่อยไว้ล่วงหน้า แล้วเก็บให้ครบโควตาโดยไม่ได้สุ่มจริงภายในกลุ่ม คล้ายแบบชั้นภูมิแต่ไม่ใช้ความน่าจะเป็น เหมาะเมื่อต้องการให้สัดส่วนกลุ่มครบแต่ไม่มีกรอบตัวอย่าง ตัวอย่าง กำหนดเก็บเพศชาย 100 คน หญิง 100 คน แล้วเลือกผู้ที่สะดวกจนครบแต่ละโควตา
9) การสุ่มแบบลูกโซ่ (Snowball Sampling)
การสุ่มแบบลูกโซ่ หรือก้อนหิมะ คือการให้ผู้ให้ข้อมูลคนแรกแนะนำคนต่อไปที่มีคุณสมบัติคล้ายกัน ขยายกลุ่มไปเรื่อย ๆ เหมาะกับประชากรที่เข้าถึงยากหรือเป็นกลุ่มเฉพาะ ข้อจำกัดคือตัวอย่างอาจกระจุกอยู่ในเครือข่ายเดียว ตัวอย่าง ศึกษาแรงงานนอกระบบ โดยให้ผู้ให้สัมภาษณ์คนแรกช่วยแนะนำเพื่อนในอาชีพเดียวกัน
| สถานการณ์ของคุณ | วิธีที่แนะนำ |
|---|---|
| มีรายชื่อประชากรครบ ต้องการตัวแทนที่อ้างอิงได้ | สุ่มอย่างง่าย หรือแบบระบบ |
| ประชากรมีกลุ่มย่อยต่างกันชัด เช่น เพศ ชั้นปี ภูมิภาค | แบบชั้นภูมิ |
| ประชากรกระจายกว้าง ไม่มีรายชื่อรายบุคคล | แบบกลุ่ม หรือหลายขั้นตอน |
| งานเชิงคุณภาพ ต้องการผู้รู้เฉพาะเรื่อง | แบบเจาะจง |
| ประชากรเข้าถึงยาก เป็นกลุ่มเฉพาะ | แบบลูกโซ่ |
| สำรวจเบื้องต้น งบและเวลาจำกัด | ตามสะดวก หรือโควตา |
การเลือกวิธีการสุ่มควรสอดคล้องกับสถิติที่จะใช้วิเคราะห์ข้อมูล และลักษณะของงานวิจัย หากเป็นงานเชิงคุณภาพ ดูแนวทางเพิ่มเติมได้ในบทความการวิจัยเชิงคุณภาพ ส่วนการเขียนส่วนนี้ลงในเล่มให้ดูการเขียนบทที่ 3 ระเบียบวิธีวิจัย
การสุ่มตัวอย่าง: กำหนดขนาดกลุ่มตัวอย่างอย่างไรให้พอ?
คำตอบขึ้นกับขนาดประชากร ระดับความเชื่อมั่นที่ต้องการ และสถิติที่จะใช้วิเคราะห์ ในงานเชิงปริมาณที่ทราบจำนวนประชากร นิยมคำนวณด้วยสูตรของทาโร ยามาเน่ หรือเปิดตารางสำเร็จรูปของเครจซี่และมอร์แกนซึ่งให้ขนาดที่เหมาะกับแต่ละขนาดประชากรไว้แล้ว ส่วนงานเชิงคุณภาพใช้เกณฑ์ต่างออกไป เราดูที่ “ความอิ่มตัวของข้อมูล” คือเก็บจนไม่พบประเด็นใหม่ ไม่ได้ยึดตัวเลขตายตัว
ตัวเลขที่ได้ควรเผื่อการตอบไม่ครบไว้เสมอ แบบสอบถามที่แจก 400 ชุดอาจได้คืนสมบูรณ์เพียง 350 ชุด การเผื่ออัตราไม่ตอบกลับตั้งแต่วางแผน ช่วยให้ขนาดจริงไม่หลุดเกณฑ์
ไม่แน่ใจว่างานของคุณควรสุ่มแบบไหนหรือต้องใช้กี่คน? เราช่วยออกแบบแผนการสุ่มและคำนวณขนาดให้เหมาะกับสถิติที่จะใช้ได้ ดู บริการที่ปรึกษางานวิจัยและวิเคราะห์ข้อมูล
คำถามที่พบบ่อย (FAQ)
งานวิจัยควรใช้กลุ่มตัวอย่างกี่คน?
ขึ้นกับขนาดประชากร ระดับความเชื่อมั่น และวิธีวิเคราะห์ งานเชิงปริมาณนิยมคำนวณด้วยสูตรของทาโร ยามาเน่ หรือเปิดตารางของเครจซี่และมอร์แกน ส่วนงานเชิงคุณภาพเน้นความอิ่มตัวของข้อมูลมากกว่าจำนวน
การสุ่มแบบเจาะจง (purposive) ถือว่าน่าเชื่อถือไหม?
น่าเชื่อถือได้ถ้าใช้ถูกบริบท เหมาะกับงานเชิงคุณภาพที่ต้องการผู้ให้ข้อมูลที่มีความรู้เฉพาะ แต่ไม่ควรนำผลไปสรุปอ้างอิงประชากรทั้งหมดเหมือนการสุ่มแบบความน่าจะเป็น
สุ่มแบบชั้นภูมิต่างจากแบบกลุ่มอย่างไร?
แบบชั้นภูมิแบ่งประชากรเป็นชั้นตามคุณลักษณะแล้วสุ่มจากทุกชั้นเพื่อให้ตัวแทนครบ ส่วนแบบกลุ่มสุ่มเลือกบางกลุ่มหรือพื้นที่มาทั้งกลุ่ม เหมาะเมื่อประชากรกระจายตัวกว้างและเข้าถึงยาก
การสุ่มอย่างง่ายกับการสุ่มแบบระบบ ต่างกันอย่างไร?
ทั้งคู่เป็นการสุ่มแบบความน่าจะเป็นที่ต้องมีรายชื่อประชากร แต่การสุ่มอย่างง่ายเลือกแบบสุ่มล้วนเท่า ๆ กัน ส่วนการสุ่มแบบระบบเลือกตามช่วงที่เท่ากัน เช่น ทุกลำดับที่ 10 ซึ่งเร็วกว่าเมื่อรายชื่อยาว แต่ต้องระวังรายชื่อที่เรียงเป็นคาบ
การสุ่มแบบลูกโซ่ (snowball) เหมาะกับงานแบบใด?
เหมาะกับการเข้าถึงประชากรเฉพาะกลุ่มที่หาตัวยาก เช่น กลุ่มอาชีพเฉพาะหรือผู้มีประสบการณ์เฉพาะ โดยให้ผู้ให้ข้อมูลคนแรกแนะนำต่อกันไป ข้อควรระวังคือตัวอย่างอาจกระจุกอยู่ในเครือข่ายเดียว จึงไม่ควรนำไปอ้างอิงประชากรทั้งหมด
