เครื่องคำนวณตารางไขว้

เกี่ยวกับ เครื่องคำนวณตารางไขว้

เครื่องคำนวณตารางไขว้ ใช้สำหรับการทดสอบ Chi-square เพื่อความเป็นอิสระในตารางไขว้ขนาด R×C ใดๆ กรอกความถี่ที่สังเกตได้ของคุณเพื่อทดสอบว่าตัวแปรเชิงกลุ่มสองตัวมีความสัมพันธ์กันทางสถิติหรือไม่ รับผลลัพธ์โดยละเอียด รวมถึงความถี่ที่คาดหวัง, ค่าส่วนตกค้างมาตรฐานที่ปรับปรุงแล้ว, ขนาดอิทธิพล Cramér's V, การวิเคราะห์ส่วนร่วมของเซลล์, แผนภูมิโมเสกแบบโต้ตอบ, แผนภูมิความร้อนของส่วนตกค้าง, เส้นโค้งการกระจายตัวของไคสแควร์ และวิธีแก้ปัญหาแบบทีละขั้นตอนที่สมบูรณ์

วิธีใช้งานเครื่องคำนวณตารางไขว้

1. กำหนดขนาดตาราง — เลือกจำนวนแถวและคอลัมน์สำหรับตารางไขว้ของคุณ ค่าเริ่มต้นคือตาราง 2×2 แต่คุณสามารถวิเคราะห์ตารางได้สูงสุดถึง 10×10 โดยใช้ตัวเลือกแบบดรอปดาวน์
2. กรอกความถี่ที่สังเกตได้ — พิมพ์จำนวนที่สังเกตได้ในแต่ละเซลล์ลงในตารางโดยตรง หรือสลับไปที่โหมด "กรอกเป็นข้อความ" เพื่อวางข้อมูลที่คั่นด้วยแท็บหรือจุลภาค ทุกค่าต้องเป็นจำนวนเต็มที่ไม่ติดลบ
3. เพิ่มป้ายกำกับ (ไม่บังคับ) — ป้อนป้ายกำกับหมวดหมู่แถวและคอลัมน์โดยคั่นด้วยจุลภาค ป้ายกำกับจะช่วยให้ตารางผลลัพธ์และแผนภูมิแปลผลได้ง่ายขึ้น เช่น "ชาย, หญิง" สำหรับแถว และ "ใช่, ไม่ใช่" สำหรับคอลัมน์
4. กำหนดระดับนัยสำคัญ — เลือกค่า α ที่คุณต้องการ ค่าที่ใช้บ่อยที่สุดคือ 0.05 (ความเชื่อมั่น 95%) ค่า α ที่น้อยกว่า (0.01, 0.001) จะต้องใช้หลักฐานที่แน่นหนากว่าเพื่อประกาศว่ามีนัยสำคัญ
5. วิเคราะห์ผลลัพธ์ — คลิก "วิเคราะห์ตารางไขว้" เพื่อดูค่าสถิติไคสแควร์, p-value, มาตรวัดขนาดอิทธิพล, การแสดงข้อมูลด้วยภาพ และวิธีแก้ปัญหาทีละขั้นตอน

ตารางไขว้คืออะไร?

ตารางไขว้ (Contingency Table หรือ Cross-tabulation หรือ Two-way Frequency Table) แสดงการกระจายความถี่ร่วมของตัวแปรเชิงกลุ่มสองตัว แต่ละแถวแทนหมวดหมู่หนึ่งของตัวแปรตัวแรก แต่ละคอลัมน์แทนหมวดหมู่หนึ่งของตัวแปรตัวที่สอง และแต่ละเซลล์ประกอบด้วยจำนวนการสังเกตที่ตกอยู่ในกลุ่มที่รวมกันนั้น ตารางไขว้เป็นพื้นฐานสำหรับวิธีการวิเคราะห์ข้อมูลเชิงกลุ่มหลายวิธี รวมถึงการทดสอบไคสแควร์, การทดสอบ Fisher's Exact Test และแบบจำลอง Log-linear

การทดสอบ Chi-Square เพื่อความเป็นอิสระ

การทดสอบไคสแควร์ (χ²) เพื่อความเป็นอิสระใช้ตัดสินว่ามีความสัมพันธ์ที่มีนัยสำคัญทางสถิติระหว่างตัวแปรเชิงกลุ่มสองตัวหรือไม่ โดยเปรียบเทียบความถี่ของเซลล์ที่สังเกตได้กับความถี่ที่คาดว่าจะเกิดขึ้นหากตัวแปรเป็นอิสระต่อกัน

โดยที่ Oᵢⱼ คือความถี่ที่สังเกตได้ในเซลล์ (i,j) และ Eᵢⱼ คือความถี่ที่คาดหวังซึ่งคำนวณได้ดังนี้:

องศาอิสระ (Degrees of Freedom) สำหรับการทดสอบคือ (r − 1) × (c − 1) โดยที่ r คือจำนวนแถว และ c คือจำนวนคอลัมน์ ค่า χ² ที่มากขึ้นบ่งบอกถึงความแตกต่างระหว่างความถี่ที่สังเกตได้และที่คาดหวัง ซึ่งชี้ให้เห็นว่าตัวแปรมีความสัมพันธ์กัน

Cramér's V — การวัดขนาดอิทธิพล

ในขณะที่ p-value บอกคุณว่ามีความสัมพันธ์หรือไม่ Cramér's V บอกคุณว่าความสัมพันธ์นั้นแข็งแกร่งเพียงใด Cramér's V มีค่าตั้งแต่ 0 (ไม่มีความสัมพันธ์) ถึง 1 (มีความสัมพันธ์ที่สมบูรณ์) และคำนวณได้ดังนี้:

โดยที่ N คือขนาดกลุ่มตัวอย่างทั้งหมด และ k คือค่าที่น้อยกว่าระหว่างจำนวนแถวหรือจำนวนคอลัมน์ การแปลความหมายของ Cramér's V ขึ้นอยู่กับองศาอิสระ:

*df* ในที่นี้หมายถึง min(แถว, คอลัมน์) − 1

ความเข้าใจเกี่ยวกับส่วนตกค้างมาตรฐาน

ค่าส่วนตกค้างมาตรฐานที่ปรับปรุงแล้ว (Adjusted Standardized Residuals) เผยให้เห็นว่าเซลล์ใดมีส่วนสำคัญที่สุดต่อผลลัพธ์ไคสแควร์ที่มีนัยสำคัญ ค่าส่วนตกค้าง +2.5 ในเซลล์หนึ่ง หมายความว่าเซลล์นั้นมีการสังเกตมากกว่าที่คาดไว้ภายใต้ความเป็นอิสระอยู่ 2.5 ส่วนเบี่ยงเบนมาตรฐาน เกณฑ์สำคัญคือ:

• |r| > 1.96 — แตกต่างจากที่คาดไว้อย่างมีนัยสำคัญ (p < 0.05)
• |r| > 2.58 — แตกต่างจากที่คาดไว้อย่างมีนัยสำคัญยิ่ง (p < 0.01)
• ส่วนตกค้างเป็นบวก — มีการสังเกตมากกว่าที่คาดไว้ในเซลล์นั้น
• ส่วนตกค้างเป็นลบ — มีการสังเกตน้อยกว่าที่คาดไว้ในเซลล์นั้น

เมื่อใดควรใช้การทดสอบ Chi-Square

• ข้อมูลเชิงกลุ่ม — ตัวแปรทั้งสองต้องเป็นข้อมูลเชิงกลุ่ม (Nominal หรือ Ordinal)
• การสังเกตที่เป็นอิสระต่อกัน — การสังเกตแต่ละครั้งควรถูกนับเพียงครั้งเดียวเท่านั้น
• ขนาดกลุ่มตัวอย่างที่เพียงพอ — อย่างน้อย 80% ของค่าที่คาดหวังควร ≥ 5 และไม่มีค่าที่คาดหวังใดต่ำกว่า 1
• การสุ่มตัวอย่าง — ข้อมูลควรมาจากกลุ่มตัวอย่างแบบสุ่มของประชากร

หากค่าที่คาดหวังต่ำเกินไป ให้พิจารณารวมหมวดหมู่เข้าด้วยกัน, ใช้การทดสอบ Fisher's Exact Test (สำหรับตาราง 2×2) หรือใช้การทดสอบแบบแม่นยำ (Exact Tests) หรือการจำลองแบบ Monte Carlo สำหรับตารางที่ใหญ่ขึ้น

การทดสอบ Chi-Square เทียบกับ Fisher's Exact Test

• การทดสอบ Chi-square ใช้การประมาณค่าจากกลุ่มตัวอย่างขนาดใหญ่ ส่วน Fisher's Test คำนวณความน่าจะเป็นที่แน่นอน
• Fisher's Test เป็นที่นิยมสำหรับตาราง 2×2 ที่มีค่าที่คาดหวังน้อย (< 5)
• การทดสอบ Chi-square สามารถปรับใช้กับตาราง R×C ขนาดใดก็ได้โดยธรรมชาติ
• สำหรับกลุ่มตัวอย่างขนาดใหญ่ การทดสอบทั้งสองจะให้ผลลัพธ์ที่ใกล้เคียงกันมาก

คำถามที่พบบ่อย (FAQ)

ตารางไขว้คืออะไร?

ตารางไขว้ (Contingency Table หรือ Cross-tabulation) คือตารางที่แสดงการกระจายความถี่ของตัวแปรเชิงกลุ่มตั้งแต่สองตัวขึ้นไป แต่ละเซลล์จะแสดงจำนวนการสังเกตที่ตกอยู่ในกลุ่มที่รวมกันเฉพาะเจาะจง เป็นพื้นฐานสำหรับการทดสอบว่าตัวแปรเป็นอิสระต่อกันหรือมีความสัมพันธ์กันโดยใช้การทดสอบไคสแควร์

การทดสอบ Chi-square เพื่อความเป็นอิสระคืออะไร?

การทดสอบ Chi-square เพื่อความเป็นอิสระใช้ตัดสินว่ามีความสัมพันธ์ที่มีนัยสำคัญทางสถิติระหว่างตัวแปรเชิงกลุ่มสองตัวในตารางไขว้หรือไม่ โดยเปรียบเทียบความถี่ของเซลล์ที่สังเกตได้กับความถี่ที่คาดหวังซึ่งคำนวณภายใต้สมมติฐานว่าตัวแปรเป็นอิสระต่อกัน ค่าสถิติไคสแควร์ที่สูงเมื่อเทียบกับองศาอิสระบ่งชี้ว่าตัวแปรมีความสัมพันธ์กัน

Cramér's V คืออะไรและควรแปลความหมายอย่างไร?

Cramér's V คือมาตรวัดขนาดอิทธิพลสำหรับการทดสอบ Chi-square มีค่าตั้งแต่ 0 (ไม่มีความสัมพันธ์) ถึง 1 (มีความสัมพันธ์ที่สมบูรณ์) สำหรับตาราง 2×2 ค่าที่ต่ำกว่า 0.10 ถือว่าน้อยมาก, 0.10–0.30 คืออิทธิพลระดับเล็กน้อย, 0.30–0.50 คือระดับปานกลาง และสูงกว่า 0.50 คือระดับมาก สำหรับตารางขนาดใหญ่ เกณฑ์จะต่ำลงตามสัดส่วน Cramér's V วัดความแข็งแกร่งของความสัมพันธ์ ต่างจาก p-value ที่วัดเพียงการมีอยู่ทางสถิติ

ค่าส่วนตกค้างมาตรฐานในตารางไขว้คืออะไร?

ค่าส่วนตกค้างมาตรฐานที่ปรับปรุงแล้วแสดงให้เห็นว่าแต่ละเซลล์เบี่ยงเบนไปจากสิ่งที่คาดหวังภายใต้ความเป็นอิสระมากน้อยเพียงใด ค่าที่มากกว่า +1.96 หรือน้อยกว่า −1.96 บ่งชี้ถึงความแตกต่างที่มีนัยสำคัญที่ระดับ 0.05 ส่วนตกค้างที่เป็นบวกหมายถึงมีการสังเกตมากกว่าที่คาดไว้ในเซลล์นั้น ส่วนตกค้างที่เป็นลบหมายถึงน้อยกว่า ช่วยระบุได้ว่าคู่หมวดหมู่ใดที่เป็นตัวขับเคลื่อนความสัมพันธ์โดยรวม

เมื่อใดที่ไม่ควรใช้การทดสอบ Chi-square?

การทดสอบ Chi-square อาจไม่น่าเชื่อถือเมื่อความถี่ที่คาดหวังต่ำมาก โดยเฉพาะเมื่อมากกว่า 20% ของค่าที่คาดหวังต่ำกว่า 5 หรือมีค่าที่คาดหวังใดๆ ต่ำกว่า 1 สำหรับตาราง 2×2 ที่มีกลุ่มตัวอย่างน้อย ควรใช้การทดสอบ Fisher's Exact Test แทน นอกจากนี้ยังต้องการการสังเกตที่เป็นอิสระต่อกัน จึงไม่ควรใช้กับข้อมูลที่จับคู่กันหรือข้อมูลการวัดซ้ำ