23/03/2026
สถิติที่พบบ่อยใน #งานวิจัยทางการพยาบาล โดยเฉพาะงานวิจัยกึ่งทดลอง (Quasi Experamental Research) และ ระยะที่3 ของงาน R&D
💉 t-test & ANOVA ในงานวิจัยทางการพยาบาล💉
สถิติ 2 ตัวนี้ เจอบ่อยที่สุดในงานวิจัยทางการพยาบาลถ้าเข้าใจเรื่องนี้ อ่าน Paper ได้สบายเลยค่ะ 💯🩺
🔵 t-test คืออะไร?
t-test คือสถิติที่ใช้ "เปรียบเทียบค่าเฉลี่ยระหว่าง 2 กลุ่ม" ว่าแตกต่างกันจริงไหม หรือเป็นแค่ความบังเอิญ 🤔
สูตร → t = (X̄₁ - X̄₂) / SE
👉 X̄₁ = ค่าเฉลี่ยกลุ่มที่ 1
👉 X̄₂ = ค่าเฉลี่ยกลุ่มที่ 2
👉 SE = Standard Error of the difference
💡 หลักการง่ายๆ คือ ถ้าค่าเฉลี่ย 2 กลุ่มต่างกันมากเมื่อเทียบกับความคลาดเคลื่อน ค่า t จะสูง → p-value จะต่ำ → มีนัยสำคัญ! 🎯
💊 Independent t-test
ใช้เมื่อ → เปรียบเทียบค่าเฉลี่ยระหว่าง 2 กลุ่มที่เป็นคนละกลุ่มกัน (อิสระต่อกัน)
🩺 ตัวอย่างจริง → เปรียบเทียบระดับน้ำตาลในเลือดระหว่างกลุ่มทดลองที่ได้รับโปรแกรมปรับพฤติกรรมสุขภาพ A กับกลุ่มควบคุมที่ได้รับการดูแลสุขภาพแบบปกติทั่วไป
👥 กลุ่มทดลอง → ระดับน้ำตาล: ค่าเฉลี่ย X̄₁ = 129.60 ± 15.10
👥 กลุ่มควบคุม → ระดับน้ำตาล: ค่าเฉลี่ย X̄₂ = 150.20 ± 16.85
เห็นชัดเลยว่ากลุ่มทดลองภายหลังการใช้โปรแกรมฯ ระดับน้ำตาลลดลงแต่ต้องใช้ Independent t-test ยืนยันว่าความแตกต่างนี้ไม่ใช่เรื่องบังเอิญ 📊
🔑 คำสำคัญ → "เปรียบเทียบ" + "2 กลุ่ม" + "คนละกลุ่มกัน" = Independent t-test
🩺 Paired t-test
ใช้เมื่อ → เปรียบเทียบค่าเฉลี่ยของ กลุ่มเดียวกัน แต่วัด 2 ครั้ง (ก่อน-หลัง)
🩺 ตัวอย่างจริง → เปรียบเทียบ BP ก่อนและหลังการพยาบาล ในผู้ป่วยกลุ่มเดียวกัน
💉 ก่อนการพยาบาล → BP: 140/90, 150/95, 135/85
💊 หลังการพยาบาล → BP: 120/80, 125/82, 118/78
วัดคนเดิมทั้ง "ก่อน" และ "หลัง" ข้อมูลจึงจับคู่กัน นั่นคือเหตุผลที่เรียก "Paired" ค่ะ 🔗
🔑 คำสำคัญ → "ก่อน-หลัง" + "กลุ่มเดียวกัน" = Paired t-test
🔴 ANOVA (One-way) คืออะไร?
ANOVA คือสถิติที่ใช้ "เปรียบเทียบค่าเฉลี่ยตั้งแต่ 3 กลุ่มขึ้นไป" ในครั้งเดียว! 🎯
ถ้ามี 3 กลุ่มแล้วใช้ t-test เปรียบเทียบทีละคู่ (1vs2, 1vs3, 2vs3) จะเกิด Type I Error สะสม โอกาสผิดพลาดจะเพิ่มขึ้นเรื่อยๆ ANOVA จึงถูกสร้างมาเพื่อแก้ปัญหานี้โดยเฉพาะ ⚠️
สูตร → F = MS(between) / MS(within)
👉 MS(between) = ความแปรปรวนระหว่างกลุ่ม → ความแตกต่างระหว่างกลุ่ม
👉 MS(within) = ความแปรปรวนภายในกลุ่ม → ความแตกต่างภายในกลุ่มเดียวกัน
💡 ถ้าค่า F สูง แปลว่าความแตกต่างระหว่างกลุ่มมากกว่าความแตกต่างภายในกลุ่ม → มีนัยสำคัญ! 📈
🧪 ตัวอย่าง ANOVA จริงในคลินิก
🩺 วัตถุประสงค์ → เปรียบเทียบค่า HbA1c ระหว่าง 3 กลุ่มอายุ
👶 กลุ่มที่ 1: อายุ < 30 ปี → HbA1c X̄₁
👨 กลุ่มที่ 2: อายุ 30-50 ปี → HbA1c X̄₂
👴 กลุ่มที่ 3: อายุ > 50 ปี → HbA1c X̄₃
ใส่ข้อมูลลงโปรแกรม → ได้ ANOVA Summary Table ที่มีค่า SS, df, MS, F และ P-value ออกมา 📋
ถ้า P-value < 0.05 → สรุปว่า HbA1c ของ 3 กลุ่มอายุแตกต่างกันอย่างมีนัยสำคัญ! 🎉
🔍 แต่เดี๋ยวก่อน! ANOVA บอกแค่ว่า "มีกลุ่มที่แตกต่าง" แต่ไม่บอกว่า "กลุ่มไหนต่างกับกลุ่มไหน" 🤷(เป็นการเปรียบเทียบค่าเฉลี่ยหลังจาก ANOVA ฟ้องว่ามีความแตกต่าง จะใช้ L*D เชฟเฟ่ แล้วก็ Tukey เข้ามา)
กรณนี้ (ยกตัวอย่างTukey นะคะ)
ต้องใช้ Post-hoc Test มาช่วย! 🔎
🔹 Tukey HSD → เปรียบเทียบทุกคู่ (1vs2, 1vs3, 2vs3) เหมาะเมื่ออยากดูทุกคู่โดยไม่มีสมมติฐานล่วงหน้า ✅
🔹 Bonferroni → เลือกเปรียบเทียบเฉพาะคู่ที่สนใจ โดยปรับแก้ P-value ให้เข้มงวดขึ้น เหมาะเมื่อมีสมมติฐานเฉพาะเจาะจง 🎯
💡
🧠 สรุปจำง่ายๆ
1️⃣ เปรียบเทียบ 2 กลุ่ม คนละกลุ่ม → Independent t-test
2️⃣ เปรียบเทียบก่อน-หลัง กลุ่มเดียวกัน → Paired t-test
3️⃣ เปรียบเทียบ 3 กลุ่มขึ้นไป → ANOVA
4️⃣ ANOVA มีนัยสำคัญ → ต้องทำ Post-hoc ต่อ!
5️⃣ Post-hoc ดูทุกคู่ → Tukey ดูเฉพาะคู่ → Bonferroni
⚠️ อย่าลืม! ก่อนใช้ t-test และ ANOVA ต้องเช็คก่อนว่า ข้อมูลเป็น Normal Distribution ( การกระจายแบบปกติ) ถ้าไม่เป็น Normal ให้เปลี่ยนไปใช้ Mann-Whitney U, Wilcoxon หรือ Kruskal-Wallis แทนนะคะ 🔄
Save ไว้เลยค่ะ! สถิติไม่ยากถ้าเข้าใจหลักการเลือกใช้ค่ะ 💾🩺💪
ด้วยรักและส่งพลัง นะคะ
ดร.รณิดา มนต์ขลัง
#พยาบาลวิชาชีพชำนาญการพิเศษ
#งานวิจัยและพัฒนา
#งานวิจัยทางการพยาบาล
#ที่ปรึกษางานวิจัยส่วนตัว
#ปรึกษาขั้นตอนการทำผลงาน
>>สนใจปรึกษางานวิจัย เพิ่มเติมได้ที่ Inbox นี้ หรือ Id Line : puy2240
