ເຕັກນິກການປະມວນຜົນຂໍ້ມູນການສຳຫຼວດໂດຍໃຊ້ສະຖິຕິພື້ນຖານ

ເຕັກນິກການປະມວນຜົນຂໍ້ມູນການສຳຫຼວດໂດຍໃຊ້ສະຖິຕິພື້ນຖານ

ການສຳຫຼວດແມ່ນໜຶ່ງໃນວິທີການທົ່ວໄປທີ່ສຸດສຳລັບການເກັບກຳຂໍ້ມູນຈາກຜູ້ຕອບແບບສອບຖາມ, ບໍ່ວ່າຈະເປັນການຄົ້ນຄວ້າທາງວິຊາການ, ການປະເມີນຜົນການບໍລິການ, ການຄົ້ນຄວ້າຕະຫຼາດ, ຫຼື ການຕັດສິນໃຈຂອງອົງກອນ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ຂໍ້ມູນການສຳຫຼວດຈະບໍ່ມີຄວາມໝາຍຖ້າບໍ່ໄດ້ຮັບການປະມວນຜົນຢ່າງເປັນລະບົບ. ນີ້ແມ່ນບ່ອນທີ່ສະຖິຕິພື້ນຖານມີບົດບາດ: ຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າສະຫຼຸບຂໍ້ມູນ, ກຳນົດຮູບແບບ, ປະເມີນແນວໂນ້ມ, ແລະ ສະຫຼຸບເບື້ອງຕົ້ນທີ່ສາມາດວັດແທກໄດ້. ບົດຄວາມນີ້ສົນທະນາກ່ຽວກັບເຕັກນິກການປະມວນຜົນຂໍ້ມູນການສຳຫຼວດໂດຍໃຊ້ສະຖິຕິພື້ນຖານ, ຕັ້ງແຕ່ການກະກຽມຂໍ້ມູນຈົນເຖິງການຕີຄວາມຜົນໄດ້ຮັບ.

1. ເຂົ້າໃຈປະເພດຂໍ້ມູນການສຳຫຼວດ

ຂັ້ນຕອນທຳອິດກ່ອນການປະມວນຜົນຂໍ້ມູນແມ່ນການເຂົ້າໃຈປະເພດຂໍ້ມູນທີ່ກຳລັງເກັບກຳ. ໂດຍທົ່ວໄປ, ຂໍ້ມູນການສຳຫຼວດສາມາດປະກອບມີ:

1. ຂໍ້ມູນປະເພດ (ຄຸນນະພາບ)
ຕົວຢ່າງ: ເພດ, ຄວາມມັກຂອງຍີ່ຫໍ້, ສະຖານະພາບການຈ້າງງານ. ຂໍ້ມູນນີ້ມັກຈະຖືກວິເຄາະໂດຍໃຊ້ຄວາມຖີ່ ແລະ ເປີເຊັນ.

2. ຂໍ້ມູນລຳດັບ
ຕົວຢ່າງ: ລະດັບຄວາມພໍໃຈ (ບໍ່ພໍໃຈຫຼາຍ - ພໍໃຈຫຼາຍ), ລະດັບຄວາມເຫັນດີ (ບໍ່ເຫັນດີຢ່າງຍິ່ງ - ເຫັນດີຢ່າງຍິ່ງ). ຂໍ້ມູນລຳດັບມີລຳດັບ, ແຕ່ໄລຍະຫ່າງລະຫວ່າງໝວດໝູ່ບໍ່ຈຳເປັນຕ້ອງຄືກັນ.

3. ຂໍ້ມູນຕົວເລກ (ປະລິມານ)
ຕົວຢ່າງ: ອາຍຸ, ລາຍໄດ້, ຈຳນວນການຊື້. ຂໍ້ມູນນີ້ສາມາດວິເຄາະໄດ້ໂດຍໃຊ້ມາດຕະການຂອງແນວໂນ້ມສູນກາງ, ການກະຈາຍ, ແລະເຕັກນິກອື່ນໆອີກ.

ການເຂົ້າໃຈມາດຕາສ່ວນການວັດແທກ (ຄ່າທີ່ກຳນົດ, ຄ່າລຳດັບ, ຄ່າໄລຍະຫ່າງ, ຄ່າອັດຕາສ່ວນ) ແມ່ນມີຄວາມສຳຄັນເພາະມັນກຳນົດເຕັກນິກທາງສະຖິຕິທີ່ເໝາະສົມ ແລະ ວິທີການນຳສະເໜີຜົນໄດ້ຮັບ.

2. ຂັ້ນຕອນການກະກຽມ: ການແກ້ໄຂ ແລະ ການເຮັດຄວາມສະອາດຂໍ້ມູນ

ຂໍ້ມູນການສຳຫຼວດມັກຈະມີຂໍ້ຜິດພາດ, ການຊໍ້າຊ້ອນ, ຫຼື ຄຳຕອບທີ່ບໍ່ສອດຄ່ອງກັນ. ດັ່ງນັ້ນ, ມີສອງຂັ້ນຕອນທີ່ສຳຄັນທີ່ຈຳເປັນ:

ກ. ການແກ້ໄຂ
ກວດສອບຄວາມຄົບຖ້ວນ ແລະ ຄວາມສອດຄ່ອງຂອງຄຳຕອບຂອງຜູ້ຕອບ. ຕົວຢ່າງ, ຖ້າຜູ້ຕອບມີອາຍຸ 8 ປີ ແຕ່ສະຖານະພາບການຈ້າງງານຂອງເຂົາເຈົ້າແມ່ນ "ພະນັກງານ", ສິ່ງນີ້ຈຳເປັນຕ້ອງໄດ້ຮັບການທົບທວນຄືນ.

ຂ. ການທຳຄວາມສະອາດ
ລຶບຂໍ້ມູນຈາກ:
– ຂໍ້ມູນທີ່ຂາດຫາຍໄປ (ຄ່າທີ່ຂາດຫາຍໄປ): ຜູ້ຕອບແບບສອບຖາມບໍ່ໄດ້ຕອບບາງຄຳຖາມ.
- ຄ່າຜິດປົກກະຕິ: ມູນຄ່າທີ່ຮຸນແຮງທີ່ບໍ່ມີຄວາມໝາຍ, ຕົວຢ່າງເຊັ່ນລາຍໄດ້ 1 ຕື້ຕໍ່ເດືອນສຳລັບປະຊາກອນທົ່ວໄປ.
- ການຕອບແບບຊ້ຳກັນ: ຜູ້ຕອບແບບສອບຖາມເຮັດແບບສຳຫຼວດຫຼາຍກວ່າໜຶ່ງຄັ້ງ.

ການຈັດການຄ່າທີ່ຂາດຫາຍໄປສາມາດເຮັດໄດ້ໂດຍການລຶບລາຍການ, ປ່ຽນແທນດ້ວຍຄ່າສະເລ່ຍ/ຄ່າກາງ (ສຳລັບຂໍ້ມູນຕົວເລກ), ຫຼື ໃຊ້ໝວດໝູ່ “ບໍ່ຕອບ” ສຳລັບຂໍ້ມູນໝວດໝູ່—ຂຶ້ນກັບຈຸດປະສົງຂອງການວິເຄາະ ແລະ ສັດສ່ວນຂອງຂໍ້ມູນທີ່ຂາດຫາຍໄປ.

3. ການຂຽນລະຫັດ ແລະ ການປ້ອນຂໍ້ມູນ

ເມື່ອຂໍ້ມູນສະອາດແລ້ວ, ໃຫ້ຂຽນລະຫັດມັນ, ຊຶ່ງໝາຍເຖິງການປ່ຽນຄຳຕອບໃຫ້ເປັນຮູບແບບທີ່ງ່າຍຕໍ່ການປະມວນຜົນ. ຕົວຢ່າງ:
– ເພດ: ຊາຍ = 1, ຍິງ = 2
– ລະດັບ Likert: ບໍ່ເຫັນດີຢ່າງຍິ່ງ = 1 ຫາ ເຫັນດີຢ່າງຍິ່ງ = 5

ການຂຽນໂປຣແກຣມເຮັດໃຫ້ການປ້ອນຂໍ້ມູນເຂົ້າໃນຊອບແວເຊັ່ນ Excel, SPSS, R, ຫຼື Python ງ່າຍຂຶ້ນ. ໃຫ້ແນ່ໃຈວ່າໄດ້ສ້າງປຶ້ມລະຫັດ (ເອກະສານທີ່ມີຕົວແປ, ຄຳນິຍາມ, ແລະລະຫັດ) ເພື່ອໃຫ້ການວິເຄາະຂອງທ່ານສາມາດຖືກສຳເນົາ ແລະ ເຂົ້າໃຈໄດ້ໂດຍຄົນອື່ນ.

4. ສະຖິຕິພັນລະນາ: ການສະຫຼຸບຂໍ້ມູນການສຳຫຼວດ

ສະຖິຕິພັນລະນາແມ່ນຫຼັກຂອງການປະມວນຜົນຂໍ້ມູນເບື້ອງຕົ້ນ. ຈຸດປະສົງຂອງພວກມັນບໍ່ແມ່ນເພື່ອທົດສອບທິດສະດີ, ແຕ່ເພື່ອໃຫ້ພາບລວມທົ່ວໄປກ່ຽວກັບລັກສະນະຂອງຂໍ້ມູນ.

ກ. ການແຈກຢາຍຄວາມຖີ່ ແລະ ເປີເຊັນ
ສຳລັບຂໍ້ມູນປະເພດ ແລະ ຂໍ້ມູນລຳດັບ, ໃຫ້ຄິດໄລ່:
– ຄວາມຖີ່ (ຈຳນວນຄຳຕອບ)
– ເປີເຊັນ (ອັດຕາສ່ວນຂອງຄຳຕອບທັງໝົດ)

ຕົວຢ່າງຜົນໄດ້ຮັບ:
"ມີຜູ້ຕອບແບບສອບຖາມຫຼາຍເຖິງ 60% ເລືອກການບໍລິການ A, 40% ເລືອກການບໍລິການ B."

ການແຈກຢາຍຄວາມຖີ່ມັກຖືກນຳສະເໜີຢູ່ໃນຕາຕະລາງ ແລະ ກຣາຟແທ່ງ/ພາຍ ເພື່ອຄວາມສະດວກໃນການເຂົ້າໃຈ.

ຂ. ການວັດແທກແນວໂນ້ມສູນກາງ
ສຳລັບຂໍ້ມູນຕົວເລກ, ໃຫ້ໃຊ້:
- ຄ່າສະເລ່ຍ (ສະເລ່ຍ): ຜົນລວມຂອງຄ່າທັງໝົດຫານດ້ວຍຈຳນວນຜູ້ຕອບແບບສອບຖາມ.
- ຄ່າກາງ: ຄ່າກາງຫຼັງຈາກຂໍ້ມູນຖືກຈັດຮຽງແລ້ວ.
– ໂໝດ: ຄ່າທີ່ປາກົດເລື້ອຍໆທີ່ສຸດ.

ຄ່າສະເລ່ຍແມ່ນເໝາະສົມສຳລັບຂໍ້ມູນທີ່ມີການແຈກຢາຍທີ່ສົມມາດ, ໃນຂະນະທີ່ຄ່າກາງຈະໝັ້ນຄົງກວ່າເມື່ອມີຄ່າຜິດປົກກະຕິ ຫຼື ການແຈກຢາຍທີ່ບໍ່ສົມມາດ. ໂໝດນີ້ມັກຈະເປັນປະໂຫຍດສຳລັບຂໍ້ມູນແບບໝວດໝູ່ ຫຼື ເມື່ອທ່ານຕ້ອງການເບິ່ງຕົວເລືອກທີ່ພົບເລື້ອຍທີ່ສຸດ.

ຄ. ຂະໜາດຂອງການແຜ່ກະຈາຍ (ຄວາມປ່ຽນແປງ)
ມາດຕະການການກະຈາຍຕົວຊ່ວຍໃນການກຳນົດວ່າຄຳຕອບຂອງຜູ້ຕອບແບບສອບຖາມແຕກຕ່າງກັນຫຼາຍປານໃດ:
- ຂອບເຂດ: ຄວາມແຕກຕ່າງລະຫວ່າງຄ່າສູງສຸດ ແລະ ຄ່າຕໍ່າສຸດ.
- ຄວາມແปรປ່ວນ: ຄ່າສະເລ່ຍຂອງຄວາມແຕກຕ່າງລະຫວ່າງຄ່າ ແລະ ຄ່າສະເລ່ຍ.
- ຄ່າຜັນປ່ຽນມາດຕະຖານ: ຮາກຂັ້ນສອງຂອງຄວາມແปรປ່ວນ, ງ່າຍຕໍ່ການຕີຄວາມໝາຍເພາະວ່າຫົວໜ່ວຍຄືກັນກັບຂໍ້ມູນຕົ້ນສະບັບ.

ຕົວຢ່າງ, ສອງກຸ່ມອາດມີຄວາມພໍໃຈສະເລ່ຍຄືກັນ, ແຕ່ມີຄ່າຜັນປ່ຽນມາດຕະຖານທີ່ແຕກຕ່າງກັນ - ກຸ່ມທີ່ມີຄ່າຜັນປ່ຽນມາດຕະຖານຫຼາຍກວ່າໝາຍຄວາມວ່າຄຳຕອບຂອງຜູ້ຕອບແບບສອບຖາມມີຄວາມຫຼາກຫຼາຍກວ່າ.

5. ການສະແດງຂໍ້ມູນ

ກຣາຟຊ່ວຍສະແດງຜົນໄດ້ຮັບຢ່າງວ່ອງໄວ ແລະ ຊັດເຈນ. ບາງປະເພດການສະແດງພາບທົ່ວໄປສຳລັບຂໍ້ມູນການສຳຫຼວດ:
- ຕາຕະລາງແທ່ງ: ສຳລັບຂໍ້ມູນແບບໝວດໝູ່/ລຳດັບ.
- ຮິສໂຕແກຣມ: ສຳລັບການແຈກຢາຍຂໍ້ມູນຕົວເລກ.
- Boxplot: ສະແດງໃຫ້ເຫັນຄ່າກາງ, ຄ່າຄວາໄທລ໌, ແລະ ຄ່າຜິດປົກກະຕິ.
- ຕາຕະລາງເສັ້ນ: ຖ້າການສຳຫຼວດຖືກດຳເນີນເປັນໄລຍະ (ຊຸດເວລາ).

ການສະແດງພາບທີ່ດີຄວນມີຫົວຂໍ້, ປ້າຍຊື່ແກນ ແລະ ແຫຼ່ງຂໍ້ມູນເພື່ອຫຼີກເວັ້ນການຕີຄວາມໝາຍຜິດ.

6. ການວິເຄາະແບບ Crosstab

ການລວມກັນຂອງຕາຕະລາງແມ່ນໃຊ້ເພື່ອເບິ່ງຄວາມສຳພັນລະຫວ່າງສອງຕົວແປປະເພດ ຫຼື ຕົວແປລຳດັບ. ຕົວຢ່າງ:
- ຄວາມພໍໃຈ (ພໍໃຈ/ບໍ່ພໍໃຈ) ໂດຍອີງໃສ່ເພດ
- ການເລືອກຜະລິດຕະພັນໂດຍອີງຕາມກຸ່ມອາຍຸ

ຜົນໄດ້ຮັບແບບ Crosstab ໂດຍປົກກະຕິແລ້ວຈະຖືກນຳສະເໜີດ້ວຍເປີເຊັນຕໍ່ແຖວ ຫຼື ຕໍ່ຖັນ. ນີ້ແມ່ນເປັນປະໂຫຍດສຳລັບການລະບຸຄວາມແຕກຕ່າງຂອງຮູບແບບລະຫວ່າງກຸ່ມຕ່າງໆ.

Misalnya:
“ອັດຕາສ່ວນຂອງຜູ້ຕອບແບບສອບຖາມທີ່ພໍໃຈແມ່ນສູງກວ່າໃນກຸ່ມອາຍຸ 26-35 ປີ ເມື່ອທຽບກັບ 18-25 ປີ.”

ເຖິງແມ່ນວ່າການວິເຄາະແບບຕາຕະລາງຍັງມີລັກສະນະເປັນຄຳອະທິບາຍ, ແຕ່ຜົນໄດ້ຮັບມັກຈະເປັນພື້ນຖານສຳລັບການວິເຄາະຕື່ມອີກ.

7. ການປະມວນຜົນແບບ Likert Scales: ການໃຫ້ຄະແນນ ແລະ ການຕີຄວາມໝາຍ

ການສຳຫຼວດຫຼາຍໆຄັ້ງໃຊ້ມາດຕະຖານ Likert ຕັ້ງແຕ່ 1–5 ຫຼື 1–7. ເຕັກນິກການປະມວນຜົນປະກອບມີ:

1. ຄິດໄລ່ຄະແນນສະເລ່ຍຕໍ່ລາຍການ
ຕົວຢ່າງ, ຄະແນນສະເລ່ຍສຳລັບ “ຄຸນນະພາບການບໍລິການ” ແມ່ນ 4,2 ຈາກ 5.

2. ສ້າງດັດຊະນີ/ສ່ວນປະກອບ
ຖ້າມີຫຼາຍລາຍການເພື່ອວັດແທກແນວຄວາມຄິດໜຶ່ງ (ຕົວຢ່າງ: “ຄວາມພໍໃຈ” ປະກອບດ້ວຍ 5 ຄຳຖາມ), ຄະແນນສາມາດລວມ ຫຼື ສະເລ່ຍເພື່ອສ້າງຄ່າດັດຊະນີດຽວ.

3. ການຈັດປະເພດຄະແນນ
ຄະແນນສາມາດປ່ຽນເປັນໝວດໝູ່ໄດ້ ເຊັ່ນ ຕ່ຳ-ກາງ-ສູງ ດ້ວຍຂໍ້ຈຳກັດທີ່ແນ່ນອນ.

ໃນການຕີຄວາມໝາຍຂອງ Likert, ມັນເປັນສິ່ງສຳຄັນທີ່ຈະຕ້ອງກ່າວເຖິງມາດຕະຖານທີ່ໃຊ້ ແລະ ອະທິບາຍຄວາມໝາຍຂອງຄະແນນເພື່ອໃຫ້ຜູ້ອ່ານເຂົ້າໃຈສະພາບການ.

8. ການກວດສອບຄວາມໜ້າເຊື່ອຖືແບບງ່າຍໆ (ທາງເລືອກ)

ຖ້າທ່ານກຳລັງສ້າງດັດຊະນີຈາກຫຼາຍຄຳຖາມ, ມັນເປັນຄວາມຄິດທີ່ດີທີ່ຈະກວດສອບຄວາມສອດຄ່ອງພາຍໃນຂອງມັນ. ມາດຕະການທົ່ວໄປອັນໜຶ່ງແມ່ນ Cronbach's Alpha. ໃນຂະນະທີ່ສິ່ງນີ້ໄປໄກກວ່າ "ສະຖິຕິພື້ນຖານ" ທີ່ບໍລິສຸດ, ແນວຄວາມຄິດຍັງຖືກນຳໃຊ້ເລື້ອຍໆໃນການປະມວນຜົນແບບສຳຫຼວດ. ຄ່າ alpha ທີ່ສູງກວ່າ (ເຊັ່ນ: ≥ 0,7) ໂດຍທົ່ວໄປຊີ້ບອກວ່າລາຍການຕ່າງໆມີການວັດແທກໂຄງສ້າງດຽວກັນຢ່າງສະໝໍ່າສະເໝີ.

9. ການຕີຄວາມໝາຍຂອງຜົນໄດ້ຮັບ ແລະ ການລາຍງານ

ການປະມວນຜົນຂໍ້ມູນທີ່ດີຄວນສົ່ງຜົນໃຫ້ມີການລາຍງານທີ່ຊັດເຈນ. ໃນບົດລາຍງານຂອງທ່ານ, ໃຫ້ແນ່ໃຈວ່າໄດ້ລວມເອົາ:
– ໂປຣໄຟລ໌ຜູ້ຕອບແບບສອບຖາມ (ຂໍ້ມູນປະຊາກອນທີ່ສຳຄັນ)
- ສະຫຼຸບຜົນໄດ້ຕໍ່ຕົວແປຫຼັກ
- ຕາຕະລາງ/ກຣາຟທີ່ກ່ຽວຂ້ອງ
- ການຕີຄວາມໝາຍທີ່ບໍ່ເກີນຈິງ

ຫຼີກລ່ຽງການອະນຸມານ “ສາເຫດ ແລະ ຜົນກະທົບ” ຖ້າການສຳຫຼວດເປັນພຽງການພັນລະນາເທົ່ານັ້ນ. ເພື່ອສ້າງຄວາມສຳພັນທີ່ເຂັ້ມແຂງກວ່າ, ຕ້ອງມີການອອກແບບການຄົ້ນຄວ້າທີ່ເໝາະສົມ ແລະ ການທົດສອບທາງສະຖິຕິທີ່ອະນຸມານ.

10. ຄວາມຜິດພາດທົ່ວໄປທີ່ຄວນຫຼີກລ່ຽງ

ຂໍ້ຜິດພາດບາງຢ່າງທີ່ມັກເກີດຂຶ້ນໃນການປະມວນຜົນຂໍ້ມູນແບບສຳຫຼວດ:
- ບໍ່ໄດ້ເຮັດຄວາມສະອາດ ດັ່ງນັ້ນຜົນໄດ້ຮັບຈຶ່ງມີອະຄະຕິ
- ການໃຊ້ຄ່າສະເລ່ຍໃນຂໍ້ມູນປະເພດທີ່ບໍ່ໄດ້ຈັດລຽງລຳດັບ
- ບໍ່ໄດ້ອະທິບາຍຂະໜາດການວັດແທກ
- ບໍ່ສົນໃຈຄຸນຄ່າທີ່ຂາດຫາຍໄປໂດຍບໍ່ມີຍຸດທະສາດທີ່ຊັດເຈນ
- ການນຳສະເໜີກຣາຟໂດຍບໍ່ມີປ້າຍ ຫຼື ສະພາບການ

ໂດຍການຫຼີກລ່ຽງຄວາມຜິດພາດເຫຼົ່ານີ້, ຜົນການວິເຄາະຈະກາຍເປັນທີ່ຖືກຕ້ອງ ແລະ ໜ້າເຊື່ອຖືຫຼາຍຂຶ້ນ.

Penutup

ເຕັກນິກການປະມວນຜົນຂໍ້ມູນແບບສຳຫຼວດໂດຍໃຊ້ສະຖິຕິພື້ນຖານກ່ຽວຂ້ອງກັບຂັ້ນຕອນທີ່ສຳຄັນຫຼາຍຢ່າງຄື: ການເຂົ້າໃຈປະເພດຂໍ້ມູນ, ການເຮັດຄວາມສະອາດ ແລະ ການເຂົ້າລະຫັດຄຳຕອບ, ການສະຫຼຸບຂໍ້ມູນຜ່ານສະຖິຕິພັນລະນາ, ການເບິ່ງເຫັນຂໍ້ມູນ, ແລະ ການຕີຄວາມໝາຍຜົນໄດ້ຮັບຢ່າງຖືກຕ້ອງ. ສະຖິຕິພື້ນຖານບໍ່ພຽງແຕ່ຊ່ວຍເຮັດໃຫ້ຂໍ້ມູນ "ອ່ານງ່າຍ" ຫຼາຍຂຶ້ນເທົ່ານັ້ນ ແຕ່ຍັງເສີມສ້າງຄຸນນະພາບຂອງການຕັດສິນໃຈໂດຍອີງໃສ່ການສຳຫຼວດອີກດ້ວຍ. ດ້ວຍຂະບວນການທີ່ສະອາດ ແລະ ໂປ່ງໃສ, ຂໍ້ມູນການສຳຫຼວດສາມາດກາຍເປັນແຫຼ່ງຂໍ້ມູນທີ່ມີຄຸນຄ່າ ແລະ ຖືກຕ້ອງສຳລັບຄວາມຕ້ອງການດ້ານການຄົ້ນຄວ້າ ແລະ ການປະຕິບັດຂອງອົງກອນຕ່າງໆ.

ຖ້າທ່ານຕ້ອງການ, ຂ້ອຍຍັງສາມາດຊ່ວຍທ່ານສ້າງຕາຕະລາງຕົວຢ່າງ, ຮູບແບບລາຍງານຜົນການສຳຫຼວດ, ຫຼືຂັ້ນຕອນການປະມວນຜົນຂໍ້ມູນການສຳຫຼວດໃນ Excel/SPSS ພ້ອມກັບສູດ ແລະ ແມ່ແບບໄດ້.