ควรใช้การทดสอบ Kruskal-Wallis แทน ANOVA เมื่อใด?

ใช้การทดสอบ Kruskal-Wallis เมื่อ: (1) ข้อมูลของคุณไม่เป็นไปตามข้อตกลงเบื้องต้นเรื่องการแจกแจงแบบปกติที่ ANOVA ต้องการ (2) คุณมีข้อมูลแบบอันดับ (ordinal) แทนที่จะเป็นข้อมูลแบบต่อเนื่อง (3) ขนาดตัวอย่างของคุณเล็กและไม่สามารถตรวจสอบการแจกแจงแบบปกติได้ (4) ข้อมูลมีค่าผิดปกติ (outliers) ที่อาจบิดเบือนผล ANOVA หรือ (5) ความแปรปรวนระหว่างกลุ่มไม่เท่ากัน

จะตีความค่า p-value ของ Kruskal-Wallis อย่างไร?

หากค่า p-value น้อยกว่าหรือเท่ากับระดับนัยสำคัญที่คุณเลือก (โดยปกติคือ 0.05) คุณจะปฏิเสธสมมติฐานหลักและสรุปว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติในกลุ่มอย่างน้อยหนึ่งคู่ หากค่า p-value > alpha แสดงว่าปฏิเสธสมมติฐานหลักไม่ได้ ซึ่งหมายความว่ามีหลักฐานไม่เพียงพอที่จะแสดงความแตกต่างระหว่างกลุ่ม

ขนาดอิทธิพล (effect size) ในการทดสอบ Kruskal-Wallis คืออะไร?

Epsilon-squared (ε²) ใช้เป็นมาตรวัดขนาดอิทธิพลสำหรับการทดสอบ Kruskal-Wallis มีค่าตั้งแต่ 0 ถึง 1 และบ่งบอกถึงนัยสำคัญในทางปฏิบัติ: ค่าน้อยกว่า 0.01 คือน้อยมากจนละเลยได้, 0.01-0.06 คือขนาดเล็ก, 0.06-0.14 คือขนาดกลาง และค่าที่สูงกว่า 0.14 บ่งบอกถึงขนาดอิทธิพลที่ใหญ่ ขนาดอิทธิพลช่วยเสริมในส่วนนัยสำคัญทางสถิติโดยแสดงถึงขนาดของความแตกต่าง

ขนาดตัวอย่างขั้นต่ำสำหรับการทดสอบ Kruskal-Wallis คือเท่าใด?

แต่ละกลุ่มควรมีข้อมูลอย่างน้อย 5 ตัวอย่างเพื่อให้ได้ผลลัพธ์ที่น่าเชื่อถือ แม้ว่าในทางเทคนิคการทดสอบต้องการข้อมูลอย่างน้อย 2 ตัวอย่างต่อกลุ่มก็ตาม สำหรับตัวอย่างที่เล็กมาก การประมาณค่าไคสแควร์ที่ใช้ในการคำนวณ p-value อาจไม่แม่นยำ และควรพิจารณาใช้การทดสอบแบบ exact permutation แทน

การทดสอบ post-hoc ใดที่ตามหลังผล Kruskal-Wallis ที่มีนัยสำคัญ?

เมื่อการทดสอบ Kruskal-Wallis มีนัยสำคัญ การทดสอบ post-hoc จะระบุว่ากลุ่มใดมีความแตกต่างกัน ตัวเลือกทั่วไป ได้แก่: การทดสอบของ Dunn (นิยมที่สุด), การทดสอบ Mann-Whitney U รายคู่ร่วมกับการปรับค่า Bonferroni, การทดสอบ Conover-Iman หรือการทดสอบ Nemenyi การทดสอบเหล่านี้จะควบคุมความผิดพลาดแบบ Type I เมื่อทำการเปรียบเทียบหลายกลุ่ม

เครื่องคำนวณการทดสอบ Kruskal-Wallis

Q: การทดสอบ Kruskal-Wallis คืออะไร?

การทดสอบ Kruskal-Wallis คือการทดสอบแบบนอนพาราเมตริก (nonparametric) ที่อิงตามลำดับ ใช้เพื่อพิจารณาว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างกลุ่มอิสระตั้งแต่สองกลุ่มขึ้นไปหรือไม่ โดยวัดจากตัวแปรตามที่เป็นแบบต่อเนื่องหรือแบบอันดับ เป็นการทดสอบที่เทียบเท่ากับ one-way ANOVA แบบนอนพาราเมตริก และเป็นส่วนขยายของการทดสอบ Mann-Whitney U สำหรับกลุ่มมากกว่าสองกลุ่ม

ทำการทดสอบ Kruskal-Wallis H เพื่อเปรียบเทียบกลุ่มอิสระหลายกลุ่ม รับการคำนวณแบบทีละขั้นตอน การวิเคราะห์ลำดับ (Rank) ขนาดเอฟเฟกต์ และการแสดงภาพแบบโต้ตอบสำหรับการวิเคราะห์ทางสถิติแบบ non-parametric

ลองใช้ชุดข้อมูลตัวอย่าง:

3 กลุ่ม (พื้นฐาน) ค่าเฉลี่ยต่างกัน 4 กลุ่ม (คล้ายกัน) ความแตกต่างชัดเจน

กรอกข้อมูล (แต่ละกลุ่มในบรรทัดแยกกัน)

ระดับนัยสำคัญ (α)

ตำแหน่งทศนิยม

คำแนะนำ: กรอกอย่างน้อย 2 กลุ่ม แต่ละกลุ่มมีข้อมูล 2 ตัวขึ้นไป การทดสอบจะให้ผลดีที่สุดเมื่อมี 5 ตัวอย่างขึ้นไปต่อกลุ่ม

Embed เครื่องคำนวณการทดสอบ Kruskal-Wallis Widget

เกี่ยวกับ เครื่องคำนวณการทดสอบ Kruskal-Wallis

ยินดีต้อนรับสู่ เครื่องคิดเลขการทดสอบ Kruskal-Wallis เครื่องมือทางสถิติที่ครอบคลุมสำหรับการเปรียบเทียบกลุ่มอิสระหลายกลุ่มโดยใช้การทดสอบ Kruskal-Wallis H แบบนอนพาราเมตริก เครื่องคิดเลขนี้ให้การคำนวณทีละขั้นตอน การวิเคราะห์ลำดับ การวัดขนาดอิทธิพล และการแสดงภาพแบบโต้ตอบเพื่อช่วยให้คุณเข้าใจและตีความข้อมูลของคุณ

การทดสอบ Kruskal-Wallis คืออะไร?

การทดสอบ Kruskal-Wallis H (หรือเรียกอีกอย่างว่า Kruskal-Wallis one-way analysis of variance) คือการทดสอบแบบนอนพาราเมตริกที่อิงตามลำดับ ใช้เพื่อพิจารณาว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างกลุ่มอิสระตั้งแต่สองกลุ่มขึ้นไปของตัวแปรอิสระต่อตัวแปรตามที่เป็นแบบต่อเนื่องหรือแบบอันดับหรือไม่ เป็นการทดสอบที่เทียบเท่ากับ one-way ANOVA ในรูปแบบนอนพาราเมตริก

ตั้งชื่อตาม William Kruskal และ W. Allen Wallis ผู้พัฒนาในปี 1952 การทดสอบนี้ขยายการทดสอบ Mann-Whitney U สำหรับกลุ่มมากกว่าสองกลุ่ม ข้อดีของการทดสอบ Kruskal-Wallis คือไม่จำเป็นต้องสมมติว่าข้อมูลมีการแจกแจงแบบปกติ เหมือนกับ ANOVA

สูตรสถิติ Kruskal-Wallis H

สถิติ Kruskal-Wallis H

$$H = \frac{12}{N(N+1)} \sum_{i=1}^{k} \frac{R_i^2}{n_i} - 3(N+1)$$

โดยที่:

N = จำนวนข้อมูลทั้งหมดจากทุกกลุ่ม
k = จำนวนกลุ่ม
nᵢ = จำนวนข้อมูลในกลุ่ม i
Rᵢ = ผลรวมของลำดับในกลุ่ม i

ควรใช้การทดสอบ Kruskal-Wallis เมื่อใด

ใช้ Kruskal-Wallis แทน One-Way ANOVA เมื่อ:

ข้อมูลไม่ปกติ: ข้อมูลของคุณไม่เป็นไปตามข้อตกลงเบื้องต้นเรื่องการแจกแจงแบบปกติที่ ANOVA ต้องการ
ข้อมูลแบบอันดับ: คุณมีข้อมูลแบบอันดับ (ordinal/ranked) แทนที่จะเป็นข้อมูลแบบต่อเนื่อง
ตัวอย่างขนาดเล็ก: ขนาดตัวอย่างน้อยเกินไปที่จะตรวจสอบการแจกแจงปกติ
มีค่าผิดปกติ: ข้อมูลมีค่าผิดปกติ (outliers) ที่อาจบิดเบือนผลลัพธ์ของ ANOVA
ความแปรปรวนไม่เท่ากัน: ความแปรปรวนระหว่างกลุ่มไม่เท่ากัน (heteroscedasticity)

ข้อตกลงเบื้องต้นของการทดสอบ Kruskal-Wallis

ตัวแปรตามควรวัดในระดับอันดับ (ordinal) หรือระดับต่อเนื่อง (continuous)
ตัวแปรอิสระควรประกอบด้วยกลุ่มที่เป็นอิสระต่อกันตั้งแต่สองกลุ่มขึ้นไป
ความเป็นอิสระของการสังเกต - ไม่มีความสัมพันธ์ระหว่างข้อมูลในแต่ละกลุ่มหรือระหว่างกลุ่มเอง
รูปร่างการแจกแจงที่คล้ายกันในแต่ละกลุ่ม (ไม่จำเป็นต้องปกติ แต่ควรคล้ายกัน)

วิธีใช้งานเครื่องคิดเลขนี้

กรอกข้อมูล: ป้อนข้อมูลสำหรับแต่ละกลุ่มแยกบรรทัดกัน ค่าต่างๆ ในแต่ละบรรทัดสามารถแยกได้ด้วยจุลภาค ช่องว่าง หรือแท็บ
กำหนดระดับนัยสำคัญ: เลือกค่า alpha (0.01, 0.05, หรือ 0.10) ตามความต้องการในการทดสอบของคุณ
กำหนดความละเอียด: เลือกจำนวนตำแหน่งทศนิยมสำหรับผลลัพธ์
คำนวณ: คลิกปุ่ม "คำนวณ" เพื่อดำเนินการวิเคราะห์
ตีความผลลัพธ์: ตรวจสอบสถิติ H, ค่า p-value, ขนาดอิทธิพล และกราฟแสดงภาพเพื่อสรุปผล

การตีความผลลัพธ์

นัยสำคัญทางสถิติ

หาก p-value ≤ alpha: ปฏิเสธสมมติฐานหลัก (Null Hypothesis) มีความแตกต่างอย่างมีนัยสำคัญทางสถิติอย่างน้อยหนึ่งคู่กลุ่ม
หาก p-value > alpha: ไม่สามารถปฏิเสธสมมติฐานหลักได้ หลักฐานไม่เพียงพอที่จะระบุความแตกต่างระหว่างกลุ่ม

ขนาดอิทธิพล (Epsilon-Squared)

ขนาดอิทธิพลวัดนัยสำคัญในทางปฏิบัติของสิ่งที่ค้นพบ:

Epsilon-Squared (ε²)	ขนาดอิทธิพล	การตีความ
< 0.01	น้อยมาก	น้อยมากหรือไม่มีผลในทางปฏิบัติ
0.01 - 0.06	เล็กน้อย	มีนัยสำคัญในทางปฏิบัติเล็กน้อย
0.06 - 0.14	ปานกลาง	มีนัยสำคัญในทางปฏิบัติระดับปานกลาง
> 0.14	ใหญ่	มีนัยสำคัญในทางปฏิบัติระดับมาก

การทดสอบ Post-Hoc

เมื่อผลการทดสอบ Kruskal-Wallis มีนัยสำคัญ คุณต้องทดสอบ post-hoc เพื่อระบุว่ากลุ่มใดบ้างที่แตกต่างกัน ตัวเลือกยอดนิยม ได้แก่:

Dunn's test: การทดสอบ post-hoc ที่นิยมใช้มากที่สุดสำหรับ Kruskal-Wallis
Pairwise Mann-Whitney U tests: พร้อมการปรับค่า Bonferroni หรือการปรับแต่งอื่นๆ สำหรับการเปรียบเทียบหลายกลุ่ม
Conover-Iman test: อิงตามการแจกแจงแบบ t ของลำดับ
Nemenyi test: เทียบเท่ากับ Tukey's HSD แบบนอนพาราเมตริก

ตารางเปรียบเทียบ Kruskal-Wallis vs ANOVA

คุณสมบัติ	Kruskal-Wallis	One-Way ANOVA
ประเภทข้อมูล	อันดับ (Ordinal) หรือ ต่อเนื่อง	ต่อเนื่องเท่านั้น
การแจกแจงแบบปกติ	ไม่ต้องการ	ต้องการ
ความแปรปรวนที่เท่ากัน	ไม่ต้องการ	ต้องการ (สามารถใช้ Welch's ANOVA ได้หากละเมิดข้อนี้)
อำนาจการทดสอบ (Power)	ต่ำกว่า (ใช้ลำดับ)	สูงกว่า (ใช้ค่าจริง)
ความอ่อนไหวต่อค่าผิดปกติ	อ่อนไหวน้อยกว่า	อ่อนไหวมากกว่า
ขนาดตัวอย่าง	ใช้ได้ดีกับกลุ่มขนาดเล็ก	ต้องการกลุ่มขนาดใหญ่กว่าเพื่อความปกติ

คำถามที่พบบ่อย

การทดสอบ Kruskal-Wallis คืออะไร?

การทดสอบ Kruskal-Wallis คือการทดสอบแบบนอนพาราเมตริกที่ใช้ลำดับข้อมูลเพื่อดูว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างกลุ่มอิสระตั้งแต่สองกลุ่มขึ้นไปหรือไม่ เป็นทางเลือกแทน one-way ANOVA เมื่อข้อมูลไม่เป็นไปตามข้อตกลงเบื้องต้นเรื่องการแจกแจงปกติ

ควรใช้ Kruskal-Wallis แทน ANOVA เมื่อใด?

ใช้เมื่อข้อมูลของคุณแจกแจงไม่ปกติ, เป็นข้อมูลแบบจัดอันดับ, มีกลุ่มตัวอย่างขนาดเล็ก, หรือมีค่าผิดปกติที่อาจทำให้ผลของ ANOVA ผิดเพี้ยน

จะดูได้อย่างไรว่าผลการทดสอบมีนัยสำคัญ?

ดูจากค่า p-value หากมีค่าน้อยกว่าหรือเท่ากับระดับนัยสำคัญ (alpha) ที่คุณตั้งไว้ (เช่น 0.05) แสดงว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างกลุ่ม

ขนาดอิทธิพลใน Kruskal-Wallis สำคัญอย่างไร?

ขนาดอิทธิพล (มักใช้ Epsilon-squared) ช่วยให้คุณทราบว่าความแตกต่างที่พบนั้นมีความหมายในเชิงปฏิบัติมากน้อยเพียงใด ไม่ใช่แค่บอกว่ามีความแตกต่างทางสถิติเท่านั้น