G*Power คำนวณกลุ่มตัวอย่างยังไง? วิธีใช้ทีละขั้น พร้อมตัวอย่าง Regression, t-test, ANOVA, Correlation
สารบัญ (11)
คำถามที่นักศึกษาถามบ่อยตอนทำโครงร่าง คือ “อาจารย์ให้ใช้ G*Power คำนวณกลุ่มตัวอย่าง แล้วต้องกดตรงไหน ใส่ค่าอะไรบ้าง” บทความนี้พาทำทีละขั้นตั้งแต่เปิดโปรแกรมจนอ่านผลได้ พร้อมตัวเลขตัวอย่างของสถิติที่ใช้บ่อย 4 แบบ และตัวอย่างข้อความที่เขียนลงบทที่ 3 ได้เลยครับ
ตัวเลขทุกตัวในบทความเป็นตัวอย่างประกอบการอธิบาย ควรตรวจผลกับโปรแกรม G*Power ต้นฉบับและถามอาจารย์ที่ปรึกษาก่อนนำไปรายงานในเล่ม
G*Power คืออะไร และใช้เมื่อไร
G*Power เป็นโปรแกรมฟรีสำหรับวิเคราะห์อำนาจการทดสอบ (Power Analysis) พัฒนาโดยทีมจาก Heinrich-Heine-Universität Düsseldorf ประเทศเยอรมนี (Faul et al., 2007) ใช้ตอบคำถามว่า “ถ้าจะทดสอบสมมติฐานด้วยสถิติตัวนี้ ต้องเก็บข้อมูลอย่างน้อยกี่คน จึงมีโอกาสพอที่จะตรวจพบความสัมพันธ์หรือความแตกต่างที่มีอยู่จริง”
ต่างจากสูตร Taro Yamane ที่ดูแค่จำนวนประชากรและค่าความคลาดเคลื่อน G*Power ดูที่สถิติที่คุณจะใช้ ขนาดอิทธิพลที่คาดไว้ และอำนาจการทดสอบ จึงเหมาะกับงานที่มีสมมติฐานเชิงสถิติ เช่น ศึกษาปัจจัยที่ส่งผลต่อตัวแปรตาม (Regression) หรือเปรียบเทียบความแตกต่างระหว่างกลุ่ม (t-test, ANOVA) ส่วนงานสำรวจที่ทราบจำนวนประชากร ดู เปรียบเทียบ Taro Yamane, Krejcie & Morgan, Cochran และ G*Power ว่าแบบไหนเหมาะกับงานของคุณ
ค่าที่ต้องรู้ก่อนเปิดโปรแกรม
G*Power ถามหาค่า 3 อย่างเสมอ ได้แก่
| ค่า | หมายความว่า | ค่าที่นิยมใช้ |
|---|---|---|
| α err prob | โอกาสที่ยอมรับได้ที่จะสรุปว่ามีผล ทั้งที่จริงไม่มี | 0.05 |
| Power (1−β err prob) | โอกาสที่จะตรวจพบผลที่มีอยู่จริง | 0.80 |
| Effect size | ขนาดของความสัมพันธ์หรือความแตกต่างที่คาดไว้ | ดูตารางด้านล่าง |
เกณฑ์ขนาดอิทธิพลของ Cohen (1988) ที่ใช้เป็นจุดตั้งต้นเมื่อไม่มีงานวิจัยเดิมให้อ้างอิง:
| สถิติ | Effect size | เล็ก | กลาง | ใหญ่ |
|---|---|---|---|---|
| Multiple Regression | f² | .02 | .15 | .35 |
| t-test (2 กลุ่มอิสระ) | d | .20 | .50 | .80 |
| One-way ANOVA | f | .10 | .25 | .40 |
| Correlation | r | .10 | .30 | .50 |
ถ้ามีงานวิจัยก่อนหน้าที่ใกล้เคียงกับหัวข้อของคุณ ให้ใช้ขนาดอิทธิพลจากงานนั้นพร้อมอ้างอิง ถ้าไม่มี ระดับกลางเป็นค่าที่นิยมใช้ แต่ขนาดอิทธิพลระดับเล็กจะทำให้จำนวนกลุ่มตัวอย่างเพิ่มขึ้นมาก (ดูตัวอย่างด้านล่าง)
วิธีใช้ G*Power ทีละขั้น: Multiple Regression
สมมติงานวิจัยศึกษาปัจจัย 5 ตัวที่ส่งผลต่อการตัดสินใจซื้อ และจะวิเคราะห์ด้วย Multiple Regression
- ดาวน์โหลด G*Power 3.1 จากหน้าเว็บของมหาวิทยาลัยผู้พัฒนา (มีทั้ง Windows และ macOS) แล้วเปิดโปรแกรม
- Test family: เลือก
F tests - Statistical test: เลือก
Linear multiple regression: Fixed model, R² deviation from zero - Type of power analysis: เลือก
A priori: Compute required sample size – given α, power, and effect size - ช่อง Input Parameters กรอก:
- Effect size f² =
0.15 - α err prob =
0.05 - Power (1−β err prob) =
0.80 - Number of predictors =
5
- Effect size f² =
- กด Calculate แล้วอ่าน Total sample size ที่ช่อง Output Parameters
ผลลัพธ์คือ 92 คน (ตัวอย่างนี้ใช้ตัวเลขเดียวกับตารางสำเร็จรูปในหน้า คำนวณกลุ่มตัวอย่าง G*Power ออนไลน์)
ไม่รู้ f² จะใช้ค่าไหน ถ้าคาดไว้ว่าตัวแปรต้นทั้งหมดอธิบายความแปรปรวนของตัวแปรตามได้ R² ค่าหนึ่ง ให้แปลงด้วย f² = R² / (1 − R²) เช่น R² = .13 ได้ f² ≈ .15 และ R² = .26 ได้ f² ≈ .35
จำนวนตัวแปรและขนาดอิทธิพลเปลี่ยน ผลก็เปลี่ยนมาก
ตัวอย่างที่ α = .05 และ Power = .80 (คำนวณด้วยวิธีเดียวกับ G*Power สำหรับ Multiple Regression):
| ตัวแปรพยากรณ์ | f² = .02 (เล็ก) | f² = .15 (กลาง) | f² = .35 (ใหญ่) |
|---|---|---|---|
| 5 ตัว | 647 | 92 | 43 |
ที่ตัวแปรพยากรณ์ 5 ตัวเท่ากัน ถ้าขนาดอิทธิพลเป็นระดับกลางต้องใช้ 92 คน แต่ถ้าคาดว่าเล็กต้องใช้ถึง 647 คน ตารางครบทุกจำนวนตัวแปร (1–20 ตัว) อยู่ในหน้า เครื่องคำนวณ G*Power ลองเปลี่ยนค่าดูก่อนเลือกใช้
ตัวอย่างสถิติอื่นที่ใช้บ่อย
ขั้นตอนเหมือนกันทั้งหมด (เลือก Test family → Statistical test → A priori → กรอกค่า → Calculate) ที่ต่างคือสถิติที่เลือกและค่าเฉพาะของสถิตินั้น ตัวเลขด้านล่างอ่านจากช่อง Total sample size ที่ α = .05 และ Power = .80 ด้วยขนาดอิทธิพลระดับกลาง
| งาน | Test family | Statistical test | ค่าที่กรอกเพิ่ม | ผลลัพธ์ |
|---|---|---|---|---|
| เปรียบเทียบ 2 กลุ่มอิสระ | t tests | Means: Difference between two independent means (two groups) | d = .50, Tail(s) = Two, Allocation ratio = 1 | 128 คน (กลุ่มละ 64) |
| เปรียบเทียบ 3 กลุ่ม | F tests | ANOVA: Fixed effects, omnibus, one-way | f = .25, Number of groups = 3 | 159 คน (กลุ่มละ 53) |
| ความสัมพันธ์สองตัวแปร | Exact | Correlation: Bivariate normal model | Tail(s) = Two, Correlation ρ H1 = .30, Correlation ρ H0 = 0 | 84 คน |
เมื่อแบ่งกลุ่ม ตัวเลขที่ได้คือจำนวนที่ต้องมีในทุกกลุ่มรวมกัน ถ้าคาดว่าบางกลุ่มจะหาคนตอบยาก ให้วางแผนเก็บข้อมูลให้ครบทุกกลุ่มตั้งแต่ต้น
อ่านผลจาก G*Power อย่างไร
ช่อง Output Parameters ที่ควรดู:
- Total sample size: จำนวนกลุ่มตัวอย่างขั้นต่ำที่ต้องการ
- Actual power: อำนาจการทดสอบที่ได้จริงที่จำนวนนั้น (มักสูงกว่าที่ตั้งไว้เล็กน้อยเพราะจำนวนคนเป็นเลขเต็ม)
- Critical F / Critical t, Numerator df / Denominator df: ค่าประกอบของการทดสอบ ใช้เมื่อต้องอธิบายวิธีคำนวณเพิ่มเติม
ปุ่ม X-Y plot for a range of values ช่วยดูว่าจำนวนที่ต้องใช้เปลี่ยนไปอย่างไรเมื่อเปลี่ยน Power หรือขนาดอิทธิพล ซึ่งมีประโยชน์เวลาต้องอธิบายต่อกรรมการสอบว่าทำไมเลือกค่านั้น
ตัวอย่างข้อความที่เขียนในบทที่ 3
ผู้วิจัยกำหนดขนาดกลุ่มตัวอย่างโดยใช้โปรแกรม G*Power 3.1 (Faul et al., 2009) สำหรับการวิเคราะห์ถดถอยพหุคูณ (F test, Linear multiple regression: Fixed model, R² deviation from zero) กำหนดขนาดอิทธิพล f² = 0.15 ซึ่งเป็นระดับปานกลางตามเกณฑ์ของ Cohen (1988) ระดับนัยสำคัญ α = .05 อำนาจการทดสอบ (Power) = .80 และมีตัวแปรพยากรณ์ 5 ตัว ได้กลุ่มตัวอย่างขั้นต่ำ 92 คน ผู้วิจัยจึงเก็บข้อมูลเพิ่มอีกร้อยละ 15 เพื่อชดเชยแบบสอบถามที่ไม่สมบูรณ์ รวมเป็น 106 คน
ปรับตัวเลขและสถิติให้ตรงกับงานของคุณ และใส่ภาพหน้าจอผลลัพธ์จาก G*Power ไว้ในภาคผนวกถ้าสถาบันกำหนด โครงสร้างทั้งบทดูได้ที่ เขียนบทที่ 3 วิธีดำเนินการวิจัย พร้อมตัวอย่างข้อความ
ข้อควรระวังที่พบบ่อย
- เลือก Statistical test ไม่ตรงกับสถิติใน Chapter 4 ถ้าจะวิเคราะห์ด้วย Multiple Regression แต่คำนวณด้วย t-test ผลที่ได้จะไม่ตรงกับสิ่งที่วิเคราะห์จริง
- ใช้ค่ากลางโดยไม่บอกที่มา กรรมการมักถามว่าทำไมเลือก f² = .15 ให้อ้างอิง Cohen (1988) หรืองานวิจัยก่อนหน้า
- ลืมเผื่อข้อมูลไม่สมบูรณ์ จำนวนจาก G*Power คือขั้นต่ำ ควรเก็บเผื่อ 10–20%
- คิดว่าตัวเลขจาก G*Power ใช้ได้กับทุกวิธีสุ่ม ตัวเลขนี้บอกจำนวนที่ต้องมี ไม่ได้บอกวิธีได้มาซึ่งกลุ่มตัวอย่าง ดู ประชากร vs กลุ่มตัวอย่าง และวิธีสุ่ม
- ใช้ Mac ติดตั้ง G*Power เวอร์ชัน macOS ได้ ดูข้อแนะนำเพิ่มเติมที่ ทำวิทยานิพนธ์บน Mac
เมื่อได้จำนวนกลุ่มตัวอย่างแล้ว ถ้าเก็บข้อมูลเองไม่ทัน เราช่วยหาผู้ตอบให้ตรงกลุ่มเป้าหมายและครบตามจำนวนได้ คุยกับเราก่อนได้ที่ ฟอร์มข้อความ ไม่มีค่าใช้จ่ายในการปรึกษา
สรุป
- G*Power คำนวณจากสถิติที่ใช้ ขนาดอิทธิพล α และ Power ไม่ใช่จากจำนวนประชากร
- เลือก Test family และ Statistical test ให้ตรงกับที่จะวิเคราะห์ใน Chapter 4 แล้วใช้ A priori
- ค่าที่นิยมใช้: α = .05, Power = .80, Effect size ระดับกลางตาม Cohen (1988) หรือค่าจากงานวิจัยเดิม
- Multiple Regression 5 ตัวแปรพยากรณ์ f² = .15 ได้ 92 คน แล้วเผื่อข้อมูลไม่สมบูรณ์ 10–20%
- ตรวจผลกับโปรแกรมต้นฉบับและอาจารย์ที่ปรึกษาเสมอ
อ่านต่อ
- คำนวณกลุ่มตัวอย่าง G*Power ออนไลน์ พร้อมตารางสำเร็จรูป
- Taro Yamane vs Krejcie & Morgan vs Cochran vs G*Power เลือกวิธีไหนดี?
- วิธีคำนวณกลุ่มตัวอย่างด้วยสูตร Taro Yamane และ Cochran
- สูตร Excel สำหรับงานวิจัย
- เขียนบทที่ 3 วิธีดำเนินการวิจัย
อ้างอิง (References)
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191.
- Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, 41(4), 1149–1160.
เขียนโดย ทีมงาน คนตอบ.com — ทีมที่ช่วยนักวิจัยหาผู้ตอบแบบสอบถาม
คำถามที่พบบ่อย
G*Power คำนวณยังไง?
เปิดโปรแกรม เลือก Test family และ Statistical test ให้ตรงกับสถิติที่จะใช้วิเคราะห์ เลือก Type of power analysis เป็น A priori แล้วกรอก Effect size, α err prob และ Power (1−β err prob) รวมถึงจำนวนตัวแปรพยากรณ์หรือจำนวนกลุ่มตามสถิตินั้น กด Calculate แล้วอ่านค่า Total sample size ที่ช่อง Output Parameters
G*Power ต้องตั้งค่า Effect size, α และ Power เท่าไร?
ค่าที่นิยมใช้ในงานวิจัยสังคมศาสตร์คือ α = .05 และ Power = .80 ส่วน Effect size ใช้ระดับกลางตามเกณฑ์ของ Cohen (1988) คือ f² = .15 (Multiple Regression), d = .50 (t-test), f = .25 (ANOVA) และ r = .30 (Correlation) ถ้ามีงานวิจัยก่อนหน้าที่ใกล้เคียง ควรใช้ขนาดอิทธิพลจากงานนั้นพร้อมอ้างอิง และยืนยันกับอาจารย์ที่ปรึกษาก่อนใช้จริง
Multiple Regression ที่มีตัวแปรต้น 5 ตัว ใช้กลุ่มตัวอย่างกี่คนตาม G*Power?
ที่ f² = .15, α = .05, Power = .80 และตัวแปรพยากรณ์ 5 ตัว ได้กลุ่มตัวอย่างขั้นต่ำ 92 คน ตัวเลขนี้คือค่าขั้นต่ำ ควรเก็บเผื่อแบบสอบถามที่ไม่สมบูรณ์อีกประมาณ 10–20% และตรวจซ้ำกับโปรแกรม G*Power ต้นฉบับ
G*Power ใช้กับงานสำรวจที่รู้จำนวนประชากรได้ไหม หรือควรใช้ Taro Yamane?
G*Power คำนวณจากอำนาจการทดสอบของสถิติทดสอบสมมติฐาน เหมาะกับงานที่จะทดสอบความสัมพันธ์หรือเปรียบเทียบกลุ่ม ส่วนงานสำรวจเชิงพรรณนาที่ทราบจำนวนประชากร นิยมใช้ Taro Yamane หรือตาราง Krejcie & Morgan ทั้งนี้ให้ใช้วิธีที่สถาบันและอาจารย์ที่ปรึกษากำหนด
ถ้าใช้ Mac ใช้ G*Power ได้หรือไม่?
ได้ ผู้พัฒนาที่ Heinrich-Heine-Universität Düsseldorf มีไฟล์ติดตั้งสำหรับทั้ง Windows และ macOS ให้ดาวน์โหลดฟรีจากหน้าเว็บของมหาวิทยาลัย หากไม่สะดวกติดตั้ง เครื่องคำนวณออนไลน์ของคนตอบ.com ใช้วิธีคำนวณแบบเดียวกันสำหรับ Multiple Regression แต่ควรตรวจผลกับโปรแกรมต้นฉบับก่อนนำไปรายงาน
เขียน G*Power ในบทที่ 3 อย่างไร?
ระบุโปรแกรมและเวอร์ชัน (G*Power 3.1) ชื่อสถิติทดสอบ ค่า Effect size ที่ใช้และแหล่งที่มา ค่า α และ Power จำนวนตัวแปรพยากรณ์หรือจำนวนกลุ่ม ผลลัพธ์ขนาดกลุ่มตัวอย่างขั้นต่ำ และจำนวนที่เก็บจริงหลังเผื่อข้อมูลไม่สมบูรณ์ พร้อมอ้างอิง Faul et al. (2007, 2009) และ Cohen (1988)
ⓘ บทความนี้เป็นข้อมูลทั่วไปเพื่อช่วยให้เริ่มต้นได้ง่ายขึ้น ไม่ใช่คำแนะนำเฉพาะสำหรับงานของคุณ ก่อนนำไปใช้ในงานวิจัยจริง กรุณาตรวจสอบกับตำรา ข้อกำหนดของคณะ และอาจารย์ที่ปรึกษา — คนตอบ.com เป็นทีมที่ช่วยนักวิจัยหาผู้ตอบแบบสอบถาม
🛠️ เครื่องมือที่เกี่ยวข้อง
📚 บทความที่เกี่ยวข้อง
ยังหาผู้ตอบแบบสอบถามไม่ครบ?
ส่งลิงก์แบบสอบถามมา เราช่วยหาผู้ตอบที่ตรงกลุ่มเป้าหมายจนครบจำนวน