เมื่อเรารันสถิติทดสอบในโปรแกรม SPSS ไม่ว่าจะเป็น t-test, One-Way ANOVA, Chi-Square หรือ Regression สิ่งที่สายตานักวิจัยทุกคนต้องพุ่งเป้าไปมองเป็นอันดับแรกในตาราง Output คือช่องที่เขียนว่า “Sig.” หรือ “Sig. (2-tailed)”
ค่า Sig. นี้คืออะไร? มีความหมายอย่างไร? และตัวเลขเท่าไหร่จึงจะเรียกว่า “มีนัยสำคัญทางสถิติ” บทความนี้มีคำตอบแบบเข้าใจง่ายมาฝากครับ
🎯 ความมีนัยสำคัญทางสถิติ คืออะไร?
ความมีนัยสำคัญทางสถิติ (Statistical Significance) หมายถึง ข้อสรุปที่บ่งชี้ว่า ผลการวิจัยหรือความแตกต่างที่ค้นพบนั้น “เกิดขึ้นจริง ไม่ได้เกิดจากความบังเอิญหรือความผันแปรของกลุ่มตัวอย่าง”
- ในอดีต: เมื่อคำนวณด้วยมือ ผู้วิจัยต้องนำค่าสถิติที่คำนวณได้ (เช่น ค่า $t$, ค่า $F$) ไปเปิดเทียบกับ ค่าวิกฤตในตารางสถิติ ถ้าค่าคำนวณมากกว่าค่าตาราง แสดงว่ามีนัยสำคัญ
- ในปัจจุบัน: โปรแกรมคอมพิวเตอร์อย่าง SPSS จะคำนวณค่าความน่าจะเป็นที่เรียกว่า Probability Value (p-value) ออกมาให้เราทันที โดยใน SPSS จะใช้คำว่า “Sig.”
⚖️ ระดับนัยสำคัญทางสถิติ ($lpha$ : Alpha Level)
ก่อนเริ่มการทดสอบ ผู้วิจัยต้องตั้งเกณฑ์ระดับความเสี่ยงที่ยอมรับให้เกิดความผิดพลาดได้ล่วงหน้า ซึ่งที่นิยมใช้ในงานวิจัยมี 2 ระดับ:
- ระดับ .05 ($lpha = 0.05$ หรือเชื่อมั่น 95%): หมายความว่า ยอมรับโอกาสที่จะเกิดความผิดพลาดจากการสุ่มตัวอย่างได้ไม่เกิน 5%
- ระดับ .01 ($lpha = 0.01$ หรือเชื่อมั่น 99%): หมายความว่า ยอมรับโอกาสที่จะเกิดความผิดพลาดได้ไม่เกิน 1% (มักใช้ในงานวิจัยทางการแพทย์ ยา หรือวิศวกรรมความปลอดภัยสูง)
📌 กฎทองในการตัดสินใจ (The Decision Rule)
เมื่อได้ค่า Sig. (p-value) จากโปรแกรม SPSS มาแล้ว ให้เปรียบเทียบกับค่า $lpha$ ตามหลักการดังนี้:
กรณีที่ 1: ค่า Sig. $\le$ 0.05 (ปฏิเสธ $H_0$, ยอมรับ $H_1$)
- แปลผล: “มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05”
- หมายความว่า ตัวแปรที่ศึกษาทำให้เกิดผลแตกต่างจริง ไม่ได้เป็นเพราะเรื่องบังเอิญ
- ตัวอย่าง: หากรันผลได้ `Sig. = .014` ซึ่งน้อยกว่า 0.05 แสดงว่าผลสัมฤทธิ์ของทั้งสองกลุ่มแตกต่างกันอย่างมีนัยสำคัญทางสถิติ
กรณีที่ 2: ค่า Sig. $>$ 0.05 (ยอมรับ $H_0$, ปฏิเสธ $H_1$)
- แปลผล: “ไม่มีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ”
- หมายความว่า ตัวแปรทั้งสองกลุ่มไม่มีผลต่างกันอย่างชัดเจน หรือความต่างเล็กน้อยที่เห็นอาจเกิดจากความบังเอิญของการสุ่มตัวอย่าง
- ตัวอย่าง: หากรันผลได้ `Sig. = .285` ซึ่งมากกว่า 0.05 แสดงว่าทั้งสองกลุ่มไม่แตกต่างกัน
🔍 ข้อควรระวัง: Two-tailed vs One-tailed Test
โดยปกติแล้ว โปรแกรม SPSS จะแสดงผลลัพธ์เป็นแบบ สองทาง (Sig. 2-tailed) เสมอ:
- หากสมมติฐานการวิจัยเป็นแบบไม่มีทิศทาง (สองทาง): สามารถใช้ค่า `Sig. (2-tailed)` ในตารางตัดสินใจได้ทันที
- หากสมมติฐานการวิจัยเป็นแบบมีทิศทาง (ทางเดียว เช่น ระบุว่ากลุ่ม A > กลุ่ม B): ผู้วิจัยจะต้องนำค่า `Sig. (2-tailed)` ที่ได้จากโปรแกรม มาหารด้วย 2 เสียก่อน จึงจะนำไปเปรียบเทียบกับ 0.05 ได้
ทริค: ใน SPSS หากตารางแสดงค่า `Sig. = .000` ไม่ได้แปลว่าค่าเป็นศูนย์ แต่หมายความว่าค่า p-value มีค่าน้อยมากๆ จนทศนิยม 3 ตำแหน่งแรกเป็น 0 (เช่น 0.0002) เวลาเขียนรายงานวิจัยทางวิชาการให้เขียนว่า $p < .001$ ห้ามเขียนว่า $p = .000$ เด็ดขาดครับ
🎯 สรุป
การอ่านค่าความมีนัยสำคัญทางสถิติใน SPSS เป็นหัวใจสำคัญในการตัดสินว่างานวิจัยของเราสนับสนุนสมมติฐานที่ตั้งไว้หรือไม่ จำหลักการง่ายๆ สั้นๆ: “Sig. น้อยกว่าหรือเท่ากับ 0.05 คือ แตกต่าง/สัมพันธ์กันอย่างมีนัยสำคัญ” ครับ!
