อ่านผลสหสัมพันธ์ (Correlation) และการถดถอย (Regression) จาก SPSS

หลังผ่าน t-test และ ANOVA แล้ว งานวิจัยที่ศึกษา “ปัจจัยที่ส่งผลต่อ…” มักต้องใช้ สหสัมพันธ์ (Correlation) และ การถดถอย (Regression) เพื่อทดสอบความสัมพันธ์และสร้างสมการพยากรณ์ครับ

1. Pearson Correlation (หาความสัมพันธ์)

ใช้ดูว่าตัวแปรสองตัว “ไปด้วยกัน” หรือไม่ อ่านผลจาก 2 ค่า:

• ค่า r (Pearson Correlation): ทิศทางและความแรง
  • 0.00–0.30 = สัมพันธ์ต่ำ
  • 0.30–0.70 = สัมพันธ์ปานกลาง
  • 0.70–1.00 = สัมพันธ์สูง
• ค่า Sig. (2-tailed): ถ้า < 0.05 แสดงว่าความสัมพันธ์นั้นมีนัยสำคัญ

2. Multiple Regression (สร้างสมการพยากรณ์)

ใช้ดูว่าตัวแปรต้นหลายตัวร่วมกันพยากรณ์ตัวแปรตามได้แค่ไหน อ่านผลตามลำดับ:

1. ตาราง Model Summary → R Square: ตัวแปรต้นทั้งหมดอธิบายตัวแปรตามได้กี่ % (เช่น R² = 0.58 → 58%)
2. ตาราง ANOVA → Sig.: ถ้า < 0.05 แสดงว่าสมการพยากรณ์ใช้ได้จริง
3. ตาราง Coefficients → Beta และ Sig.: ดูว่าตัวแปรต้นตัวไหน “มีอิทธิพล” (Sig. < 0.05) และตัวไหนแรงสุด (Beta สูงสุด)

วิธีเขียนสมการพยากรณ์

จากคอลัมน์ Unstandardized Coefficients (B) เขียนได้เป็น:

Y = a + b₁X₁ + b₂X₂ + …

โดยรายงานเฉพาะตัวแปรที่มีนัยสำคัญ พร้อมระบุค่า R², F และ p

ข้อควรระวังก่อนรัน Regression

• ต้องมี กลุ่มตัวอย่างเพียงพอ ตามจำนวนตัวแปรพยากรณ์ (นี่คือเหตุผลที่ควรคำนวณด้วย G*Power ตั้งแต่ต้น)
• ตรวจ Multicollinearity ด้วยค่า VIF (ควรน้อยกว่า 10)

อ่านต่อ

• วิธีอ่านผล t-test และ ANOVA จาก SPSS
• Taro Yamane vs Krejcie & Morgan vs Cochran vs G*Power
• กรอบแนวคิดการวิจัย (Conceptual Framework)

---

ต้องการผู้ช่วยวิเคราะห์สถิติหรือเก็บข้อมูลเพิ่ม? ปรึกษาฟรีที่ LINE: @244nybfx