อ.ธนะภ ม ร ตนาน พงศ ภาคว ชาเวชศาสตร ป องก นและส งคม คณะแพทยศาสตร จ ฬาลงกรณ มหาว ทยาล ย

Transcription

1 Introduction Statistical Analysis by using SPSS อ.ธนะภ ม ร ตนาน พงศ ภาคว ชาเวชศาสตร ป องก นและส งคม คณะแพทยศาสตร จ ฬาลงกรณ มหาว ทยาล ย 1

2 Contents: 1. Using SPSS and interpretation Menu, Toolbars Data entry and Import data to SPSS 2. Descriptive statistics 3. Inferential statistics Hypothesis testing Continuous data Categorical data

3 Research proposal 1. Title 12. Research Methodology* 2. Background and Rationale 13. Data Collection* 3. Review of Related Literatures 14. Data Analysis* 4. Research Questions 15. Ethical Consideration 5. Objectives 16. Limitation 6. Hypothesis 17. Expected Benefit 7. Conceptual Framework 18. Obstacles 8. Assumption 19. Administration&Time 9. Keywords 20. Budget 10. Operational Definition 21. References 11. Research Design 22. Appendix 3

4 Statistical packages 4

5 SPSS ( Statistical Package for the Social Sciences ) ( 01.ibm.com/software/analytics/spss/) 5

6 หน าต างหล งจากเข าส โปรแกรม SPSS Statistics 6

7 Data Editor Data View 7

8 Viewer หร อ Output SPSS for Windows Viewer 8

9 Syntax Editor Window 9

10 Data Editor Data View แต ละต วแปร ผ ตอบแบบสอบถามแต ละคน (แต ละ ID) กดเปล ยนระหว างหน าต างข อม ลและหน าต างต วแปร 10

11 Main Menu บนหน าต าง Data Editor File Edit View Data Transform Analyze Graphs การเป ดไฟล ข อม ลหร อไฟล ต างๆ เก ยวก บโปรแกรม SPSS และการพ มพ ไฟล การเปล ยนแปลง Preference ของโปรแกรม SPSS ก าหนดการแสดงทางจอภาพของหน าต าง Data Editor การจ ดการไฟล ข อม ล การเปล ยนแปลงค าของข อม ล การว เคราะห ทางสถ ต การสร าง Graph Chart 11

12 Toolbars บนหน าต าง Data Editor Icon การท างาน Go to - ไปย ง Subject (Case) หร อ variable ตามต องการ Find - ค นหาข อม ลในต วแปรน นๆ หร อค นหาค า Insert Case แทรก Case ตรงต าแหน งท Cursor ปรากฏอย Insert Variable แทรกต วแปรตรงต าแหน งท Cursor ปรากฏอย Split File - แยกข อม ลตามเง อนไขท ต องการ Weight Cases - การให น าหน กของข อม ล Select Cases การค ดเล อก Case ให ตรงก บความต องการ Value Labels แสดง value label ในหน าต าง Data Editor 12

13 Data Editor Variable View 13

14 Data Editor Variable View 14

15 Data Entry Variable View สามารถก าหนดค าท ขาดหายไปหร อข อม ลไม สมบ รณ ได ท ช อง Missing เช น ต วแปร age ถ าป อนข อม ลเป นเลข 99 หมายถ งไม ม ข อม ล / ไม ตอบ 15

16 Data Entry Variable View ระบ ค าต วแปรส าหร บข อม ลเช งค ณภาพได ท ช อง Values เช นต วแปร sex ก าหนดให ค าของเลข 0 = เพศชาย 1 = เพศหญ ง 16

17 ในกรณ ป อนข อม ลเข าไปในโปรแกรมอ น เช น Excel และ ต องการน าข อม ลเข ามาว เคราะห ในโปรแกรม SPSS พ มพ ช อต วแปรตามค ม อลงรห สท แถวแรกส ดของ Excel 17

18 ข นตอนการน าข อม ลจากไฟล Excel เข า SPSS 1. เล อก File ---> Open ---> Data 18

19 ข นตอนการน าข อม ลจากไฟล Excel เข า SPSS 2. เล อก Files of type เป น Excel แล วกด Open 19

20 ข นตอนการน าข อม ลจากไฟล Excel เข า SPSS 3. โปรแกรม SPSS จะอ านช อต วแปรจากแถวแรกส ดของไฟล Excel 20

21 ข นตอนการน าข อม ลจากไฟล Excel เข า SPSS 4. ข อม ลท งหมดจะเข ามาอย ในร ปแบบโปรแกรม SPSS 5. ท าการตรวจสอบความถ กต อง และบ นท กข อม ล ไฟล ท ได จะม นามสก ล.sav 21

22 The Process of Data Analysis Data Management - Data collection, Data entry - Data transfer - Data cleaning Exploratory Data Analysis - Checking the data - Outliers, distribution of the variables, exploring the relationship between variables - Transformations Statistical Analysis 22

23 The Process of Data Analysis Data Management - Data cleaning การจ ดการก บข อม ลด วยคอมพ วเตอร : ปร บปร งความถ กต องของข อม ล ป องก นความผ ดพลาดท เก ดจากการประมวลผลและว เคราะห ข อม ล น าเทคน คการป อนข อม ลแบบ Double entry มาใช (ใช ผ ป อนข อม ล 2 คนเพ อด ความคลาดเคล อนของการป อนข อม ล) จ ดข อม ลให อย ในพ ส ยและหมวดหม ท ยอมร บได 23

24 The Process of Data Analysis Data Management - Data cleaning Range checks Logical checks / consistency check Dates Missing data 24

25 The Process of Data Analysis Data Management - Data cleaning Range checks - Check for Values outside of plausible range Categorical variables, e.g. 1=Mild, 2=Moderate, 3=Severe 1=Yes, 2=No Continuous variables, e.g.-- Height, weight, cholesterol หากพบค าท ไม ตรงตามหวดหม เป นไปไม ได หร อ เก นพ ส ย ควรท าการย นย นด วยการกล บไปด รายงานต วจร งตรวจสอบและแก ไข! 25

26 The Process of Data Analysis Data Management - Data cleaning Logical checks / consistency check - Check values against : Related variables - Age when started smoking current age 26

27 The Process of Data Analysis Data Management - Data cleaning Logical checks / consistency check - Check values against : Related variables ตรวจสอบว าค าต างๆ ท บ นท กไว น นสอดคล องกลมกล นก นหร อไม ตรวจสอบความคลาดเคล อนอย างไร? - ใช ว ธ ท าตาราง (Cross tabulation) ประว ต การเจ บป วยใน เพศ รอบป ท ผ านมา ชาย หญ ง ว ณโรคปอด ถ งลมโป งพอง มะเร งปากมดล ก 6 56 ข ดแย งก น 27

28 ค าส งเบ องต นในการจ ดการข อม ล - Sort Cases เป นค าส งท ใช เร ยง Case ตามต วแปรใดต วแปรหน ง สามารถเร ยงจากน อยไปมาก (Ascending) หร อจากมากไปน อย (Descending) เช น ต องการเร ยง Case ตามอาย จากน อยไปมาก 28

29 ค าส งเบ องต นในการจ ดการข อม ล - Select Cases ค าส ง Select Cases Data ---> Select Cases เล อก If condition is satisfied และเล อก If เป นค าส งท ใช เล อก Case โดยให ม condition ตามท ต องการเพ อมาว เคราะห ต อ 29

30 ค าส งเบ องต นในการจ ดการข อม ล - Select Cases เล อกต วแปรท ต องการก าหนดเง อนไขส าหร บการค ดเล อกค ณล กษณะของข อม ล ในท น เล อกต วแปร sex ท เป นเพศหญ ง (sex = 1) 30

31 ค าส งเบ องต นในการจ ดการข อม ล - Select Cases 31

32 ค าส งเบ องต นในการจ ดการข อม ล - Recode ใช ค าส งน เพ อสร างต วแปรใหม กล มอาย จากต วแปรเด ม อาย 32

33 ค าส งเบ องต นในการจ ดการข อม ล - Recode ค าส ง Recode Transform ---> Recode into Different Variables 33

34 ค าส งเบ องต นในการจ ดการข อม ล - Recode 1. เล อกต วแปรอาย (age) ใส เข าไป 2. พ มพ ต งช อต วแปรใหม agecat 3. หล งจากน นกดป ม change 4. กดป ม Old and New Values 34

35 ค าส งเบ องต นในการจ ดการข อม ล - Recode 1. ใส ช วงอาย ท ต องการเข าไปด านซ ายม อ (Old Value) 3. หล งจากน นกดป ม Add 2. ใส ค าให ต วแปรกล มอาย ด านขวา (New Value) 4. ท าต อจนครบท กกล มอาย หล งจากน นกดป ม Continue และ OK ตามล าด บ 35

36 ค าส งเบ องต นในการจ ดการข อม ล - Recode 36

37 ค าส งเบ องต นในการจ ดการข อม ล - Compute ใช ค าส งน เพ อให เคร องค านวณสร างต วแปรใหม ข นมา 37

38 ค าส งเบ องต นในการจ ดการข อม ล - Compute เช น ต องการสร างต วแปร bmi (kg/m 2 ) จากต วแปร wt (kg) และ ht (cm) 1. พ มพ ช อต วแปรใหม ท ต องการสร าง ลงช อง Target Variable 2. เล อกต วแปรมาใส ส ตรให ถ กต อง wt / (ht / 100) **2 3. กดป ม OK 38

39 ค าส งเบ องต นในการจ ดการข อม ล - Compute ได ต วแปรใหม ด ชน มวลกาย bmi 39

40 Descriptive Statistics Describe the basic features of data in a study Provide summaries about the sample and measures Tools: Tables Graphs Numerical summaries Inferential Statistics Use sample data to draw inference about the population Investigate relationship, models, and hypothesis Make judgment about what we observe Tools: Estimation and CI Hypothesis testing Modeling 40

41

42 ต วแปรเช งค ณภาพ (Qualitative variables) เพศ : ชาย / หญ ง การตาย หร อ การร กษาหาย : ใช / ไม ใช ( Yes / No) ว เคราะห และพรรณนาข อม ลในร ปของ : ร อยละ (percentage) ส ดส วน (proportion) อ ตราส วน (ratio) อ ตรา (rate) ว ธ แสดงผลท เหมาะสม แผนภ ม แท ง (Bar Chart) แผนภ ม วงกลม (Pie Chart) Biostatistics, Pattaya 42

43 ค าส ง Frequencies - เพ อน บจ านวนและค ดร อยละของต วแปรต างๆ 1. เล อก Analyze ---> Descriptive Statistics ---> Frequencies

44 ค าส ง Frequencies - เพ อน บจ านวนและค ดร อยละของต วแปรต างๆ 2. เล อกต วแปรท ต องการใส เข าไปใน ช อง Variable(s) 3. หล งจากน นกดป ม OK

45 ค าส ง Frequencies - เพ อน บจ านวนและค ดร อยละของต วแปรต างๆ

46 ต วแปรเช งปร มาณ (Quantitative Data) 1. การว ดแนวโน มส ส วนกลาง (Measures of Central tendency) 2. การว ดการกระจายของข อม ล (Measures of dispersion) การหาค ากลาง การกระจายของข อม ล ค าเฉล ย (Mean) + ส วนเบ ยงเบนมาตรฐาน (S.D.) ม ธยฐาน (Median) + ค าพ ส ยควอไทล (Interquartile Range, IQR: Q3-Q1)

47 ค าส ง Descriptives เพ อหาค าเฉล ยและส วนเบ ยงเบนมาตรฐาน ส าหร บข อม ลเช งปร มาณ 1. เล อก Analyze ---> Descriptive Statistics ---> Descriptives

48 ค าส ง Descriptives เพ อหาค าเฉล ยและส วนเบ ยงเบนมาตรฐาน ส าหร บข อม ลเช งปร มาณ 2. เล อกต วแปรท ต องการใส เข าไปใน ช อง Variable(s) 3. หล งจากน นกดป ม Options

49 ค าส ง Descriptives เพ อหาค าเฉล ยและส วนเบ ยงเบนมาตรฐาน ส าหร บข อม ลเช งปร มาณ 4. หล งจากน นเล อกสถ ต ท ต องการ ให แสดงใน Output 5. หล งจากน นกดป ม Continue และ OK ตามล าด บ

50 ค าส ง Descriptives เพ อหาค าเฉล ยและส วนเบ ยงเบนมาตรฐาน ส าหร บข อม ลเช งปร มาณ

51 ค าส ง Explore 1. เล อก Analyze ---> Descriptive Statistics ---> Explores

52 ค าส ง Explore 2. เล อกต วแปรท ต องการใส เข าไปใน ช อง Variable(s) 3. เล อก Plots เพ อให แสดงกราฟ เล อก Histogram เล อก Continue และ OK

53 ค าส ง Explore

54 ค าส ง Explore

55 ต วแปรเช งปร มาณ (Quantitative Data) การว ดการกระจายของข อม ล (Measure of dispersion) เส นโค งความถ สามารถช วยบอกกากระจายของข อม ล เบ ขวา เบ ซ าย Biostatistics, Pattaya 55

56 ค าส ง Explore

57 ต วแปรเช งปร มาณ (Quantitative Data) การว ดการกระจายของข อม ล (Measure of dispersion)

58 ต วแปรเช งปร มาณ (Quantitative Data) การว ดการกระจายของข อม ล (Measure of dispersion)

59 ต วแปรเช งปร มาณ (Quantitative Data) การว ดการกระจายของข อม ล (Measure of dispersion) Biostatistics, Pattaya 59

60

61 Inferential Statistics Investigate relationship, models, and hypothesis Make judgment about what we observe infer or generalize characteristics of the whole (population) from characteristics of the part (sample) Tools: Estimation and CI Hypothesis testing Modeling Biostatistics, Pattaya 61

62 Inferential Statistics 1 sample t test ค าถาม: อาย เฉล ยของอาสาสม ครน นม อาย เท าก บ 40 ป หร อไม Ho : = เล อก Analyze ---> Compare Means ---> One-Sample T Test

63 Inferential Statistics 1 sample t test ค าถาม: อาสาสม ครม อาย แตกต างจาก 40 ป หร อไม 2. เล อกต วแปรท ต องการใส เข าไปใน ช อง Variable(s) 3. ทดสอบก บค าอะไร? (ค าของ Ho) แล วเล อก OK

64 Inferential Statistics Ho : = 40 1 sample t test ค าถาม: อาย เฉล ยของอาสาสม ครน นม อาย เท าก บ 40 ป หร อไม ปฏ เสธ Ho สร ปได ว าอาสาสม ครม อาย เฉล ยแตกต างจาก อาย 40 ป อย างม น ยส าค ญทางสถ ต (p-value < 0.001) p-value < 0.001

65 Inferential Statistics 2 sample (unpaired) t test ค าถาม: อาย เฉล ยของอาสาสม ครเพศชายและเพศหญ งแตกต างก น หร อไม Ho : 1 = 2 1. เล อก Analyze ---> Compare Means ---> Independent-Sample T Test

66 Inferential Statistics 2 sample (unpaired) t test ค าถาม: อาย เฉล ยของอาสาสม ครเพศชายและเพศหญ งแตกต างก น หร อไม 2. เล อกต วแปรท ต องการใส เข าไปใน ช อง Test Variable(s): 3. Grouping Variable: เล อกต วแปร ต น (เช งค ณล กษณะ) ท ต องการทดสอบ แล วเล อก Define Groups

67 Inferential Statistics 2 sample (unpaired) t test ค าถาม: อาย เฉล ยของอาสาสม ครเพศชายและเพศหญ งแตกต างก น หร อไม 4. Define Groups ของต วแปรให รห ส ตามค ม อลงรห ส ในท น ต องการทดสอบ เพศชาย = 0 และเพศหญ ง = 1 จากน น เล อก Continue และ OK ตามล าด บ

68 Inferential Statistics 2 sample (unpaired) t test ค าถาม: อาย เฉล ยของอาสาสม ครเพศชายและเพศหญ งแตกต างก น หร อไม 1) Test for equality of variances H 0 : Equal variances p value = (p < 0.05) (Report this p value) Reject H 0 Male and female population have unequal variance of

69 Inferential Statistics 2 sample (unpaired) t test ค าถาม: อาย เฉล ยของอาสาสม ครเพศชายและเพศหญ งแตกต างก น หร อไม 2) Test for equality of mean H 0 : Equal mean p value > 0.05 (Don t Report this p) Accept H o ปฏ เสธ Ho สร ปได ว าอาสาสม ครเพศชายและเพศหญ งม อาย เฉล ยไม แตกต างก น

70 Samples x 1, x 2 Normality in each group ~ Normal Free distribution Equal Test variances Unequal 1. Non parametric test (Mann Whitney U test) Or 2. Transform data Test for normality Test mean: Pooled variance formula For SPSS, see Equal variances assumed Test mean: Separate variance formula For SPSS, see Equal variances not assumed

71 Inferential Statistics Paired t-test ใช ค าส งน เพ อเปร ยบเท ยบค าเฉล ยระหว าง 2 กล มท ไม อ สระ ต อก น เช น เปร ยบเท ยบก อน-หล ง, ข างซ าย-ข างขวา A total of 12 experimental animals were subjected to conditions simulating disease. The number of heartbeats per minute before and after the experiment were recorded as follows : Do these data provide sufficient evidence to indicate that the experimental condition increases the number of heartbeats per minute?

72 Inferential Statistics Paired t-test 1. เล อก Analyze ---> Compare Means ---> Paired-Sample T Test

73 Inferential Statistics Paired t-test 2. เล อก before ใส ใน Paired Variables และ after ใส ใน Paired Variables แล วเล อก OK

74 Inferential Statistics Paired t-test Ho : อ ตราการเต นห วใจของ ส ตว ทดลองก อนและหล งไม แตกต างก น หร อ Reject Ho แสดงว า อ ตราการเต นห วใจของส ตว ทดลองก อนและหล งแตกต างก นอย างม น ยส าค ญทางสถ ต (p-value < 0.001)

75 Inferential Statistics 1 way ANOVA (Analysis of Variance) ค าถาม: อาสาสม ครท ม พฤต กรรมการส บบ หร ในแบบต างๆ ม อาย เฉล ยแตกต างก น หร อไม Ho : 1 = 2 = 3 1. เล อก Analyze ---> Compare Means ---> One-Way ANOVA

76 Inferential Statistics 1 way ANOVA (Analysis of Variance) ค าถาม: อาสาสม ครท ม พฤต กรรมการส บบ หร ในแบบต างๆ ม อาย เฉล ยแตกต างก น หร อไม 2. เล อกต วแปรตาม (เช งปร มาณ) ท ต องการใส เข าไปในช อง Dependent List: 3. เล อกต วแปรต น (เช งค ณล กษณะ) ท ต องการใส เข าไปในช อง Factors:

77 Inferential Statistics 1 way ANOVA (Analysis of Variance) ค าถาม: อาสาสม ครท ม พฤต กรรมการส บบ หร ในแบบต างๆ ม อาย เฉล ยแตกต างก น หร อไม 4. เล อก Options เล อกให แสดงสถ ต Descriptive และให ม การทดสอบ ความแปรปรวน หล งจากน นเล อก Continue และ OK ตามล าด บ

78 Inferential Statistics 1 way ANOVA (Analysis of Variance) ค าถาม: อาสาสม ครท ม พฤต กรรมการส บบ หร ในแบบต างๆ ม อาย เฉล ยแตกต างก น หร อไม

79 Inferential Statistics 1 way ANOVA (Analysis of Variance) ค าถาม: อาสาสม ครท ม พฤต กรรมการส บบ หร ในแบบต างๆ ม อาย เฉล ยแตกต างก น หร อไม H 0 : Equal variances of age among 3 pop n H 1 : Unequal variances Levene test p value = Do not reject H 0 Equal variances of age among 3 pop n

80 Inferential Statistics 1 way ANOVA (Analysis of Variance) ค าถาม: อาสาสม ครท ม พฤต กรรมการส บบ หร ในแบบต างๆ ม อาย เฉล ยแตกต างก น หร อไม Ho : 1 = 2 = 3 p value = Reject Ho Thus, there is a statistically significant difference in mean age among 3 groups (p value = 0.040).

81 Samples Equal Test variances Normality in each group ~ Normal ~ Normal Unequal 1. Non parametric test (Kruskal Wallis test) Or 2. Transform data Test for normality Test Mean: F test ANOVA table Test Mean: Welch test Robust Test of Equality of Means Equal Unequal Equal Unequal Done Compare groups Done Compare groups

82 Inferential Statistics 1 way ANOVA (Analysis of Variance) If equal variances: Post Hoc Multiple Comparisons 1. All possible pairwise comparisons 3 groups 1 vs. 2, 1 vs. 3, 2 vs. 3 Equal n Tukey Slightly different n Gabriel Very different n Hochberg s GT2 2. Compare only some interesting groups Bonferroni 4 groups 1 vs. 2, 2 vs. 3, 3 vs. 4 p value 0.05/3 (=0.0167) Stat. significance 3. Compare each group with control Dunnette 4 groups (gr. 1 = control) 1 vs. 2, 1 vs. 3, 1 vs. 4

83 Inferential Statistics 1 way ANOVA (Analysis of Variance) Post Hoc Multiple Comparisons If unequal variances: Equal/Unequal n Games Howell

84 Inferential Statistics 1 way ANOVA (Analysis of Variance) Post Hoc Multiple Comparisons 1. เล อก Post Hoc เพ อหาค ท ม อาย เฉล ยแตกต าง

85 Inferential Statistics 1 way ANOVA (Analysis of Variance) Post Hoc Multiple Comparisons 2. เล อกว ธ ทดสอบ ในท น เล อกว ธ Bonferroni จากน นเล อก Continue และ OK ตามล าด บ

86 Inferential Statistics 1 way ANOVA (Analysis of Variance) Post Hoc Multiple Comparisons 3. พ จารณาค ท แตกต างในท น พบว า กล มท เคยส บบ หร แต ป จจ บ นเล กแล วม อาย เฉล ย แตกต างก บกล มท ป จจ บ นส บบ หร อย างม น ยส าค ญทางสถ ต (p-value = 0.042)

87 Inferential Statistics Continuous Outcomes 1 sample 2 samples 2 samples Variance (σ 2 ) known? Yes Z test No t test Independent? Paired t test Variance (σ 2 ) known? No No No Variances equal? Yes Yes Yes ANOVA Z test t test with unequal variance t test with pooled variance Remember: Always verify assumptions before using a test!

88 Inferential Statistics Correlation 1. เล อก Analyze ---> Correlate ---> Bivariate

89 Inferential Statistics Correlation 2. เล อกต วแปรตาม (เช งปร มาณ) ท ต องการใส เข าไปในช อง Variables: เล อก Correlation Coefficients Pearson จากน นเล อก OK

90 Inferential Statistics Correlation p value < p-value < 0.05 Reject Ho สร ปได ว า เส นรอบเอว และ Percent Body Fat ของอาสาสม ครม ความส มพ นธ ก น อย างม น ยส าค ญทางสถ ต (p-value < 0.001)

91 Inferential Statistics Scatter plot 1. เล อก Graphs ---> Legacy Dialogs ---> Scatter/Dot

92 Inferential Statistics Scatter plot 2. เล อก Simple Scatter และ เล อก Define 3. เล อกต วแปรเช งปร มาณท ต องการใส ใน Y Axis: และ X Axis:

93 Inferential Statistics Scatter plot 4. เล อกต วแปรเช งปร มาณท ต องการใส ใน Y Axis: และ X Axis: หล งจากน นเล อก OK

94 Inferential Statistics Scatter plot

95 Inferential Statistics Categorical data analysis Method for Categorical Data Test of Association Chi-square test (Independent sample) Mc Nemar s test (Dependent sample) Measure of Strength Association Relative Risk (Cohort study) Odds Ratio (Case-Control study)

96 Inferential Statistics Categorical data analysis Chi-Square Test Test for Goodness of fit Test for Homogeneity Test for Association

97 Chi square Test เง อนไขในการใช Inferential Statistics ข อม ลท งหมดเป นข อม ลส มตลอด ค าคาดหว ง (Expected value) > 1 ใช ในกรณ 1< Expected < 5 น อยกว า 20% ของ rc แต ในกรณ 1< Expected < 5 มากกว า 20% ของ rc --รวมกล ม ย อยของต วแปรเข าด วยก น Categorical data analysis

98 Inferential Statistics Crosstabs ใช ค าส งน ส าหร บต วแปรเช งค ณภาพ 2 ต วแปรเพ อสร างตาราง R x C 1. ใส ต วแปรเช งค ณล กษณะท งสอง ต วแปรท ต องการ ในแนว Row และ ในแนว Column

99 Inferential Statistics Crosstabs ใช ค าส งน ส าหร บต วแปรเช งค ณภาพ 2 ต วแปรเพ อสร างตาราง R x C ต องการสร างตาราง 3 x 2 ระหว าง ต วแปรระด บก จกรรมทางกาย (น อย ปานกลาง มาก) และต วแปรเพศ (ชาย หญ ง) 2. ถ าต องการค าร อยละในแนว Row หร อ Column ให กดป ม Cells ถ าต องการค า Chi-square ให กด ป ม Statistics

100 Inferential Statistics Crosstabs ใช ค าส งน ส าหร บต วแปรเช งค ณภาพ 2 ต วแปรเพ อสร างตาราง R x C กดป ม Cells เพ อเล อกให แสดงร อยละในร ปแบบท ต องการ 3. เล อกค ดร อยละตาม แนว Row หร อ Column หล งจากน นกดป ม Continue

101 Inferential Statistics Crosstabs ใช ค าส งน ส าหร บต วแปรเช งค ณภาพ 2 ต วแปรเพ อสร างตาราง R x C สถ ต ท ใช Chi-square 4. เล อก Statistics หล งจากเล อก Chi-square หล งจากน นเล อก Continue และ OK ตามล าด บ

102 Inferential Statistics Crosstabs ใช ค าส งน ส าหร บต วแปรเช งค ณภาพ 2 ต วแปรเพ อสร างตาราง R x C

103 Inferential Statistics Crosstabs ใช ค าส งน ส าหร บต วแปรเช งค ณภาพ 2 ต วแปรเพ อสร างตาราง R x C ปฏ เสธ H 0 สร ปได ว าระด บก จกรรม ทางกาย (น อย ปานกลาง มาก) และ ต วแปรเพศ (ชาย หญ ง) ม ความส มพ นธ ก นอย างม น ยส าค ญ ทางสถ ต (p-value < 0.001) ค า Pearson Chi-Square: ซ งเป นค าสถ ต ท ใช ในการทดสอบสมมต ฐานท ต งไว Pearson Chi-Square = ซ งค า Asymptotic Significance (Asymp Sig.) ของการ ทดสอบแบบ 2 ทาง ( Two-tails) < เม อก าหนดระด บน ยส าค ญในการทดสอบ = 0.05

104 กรณ ต วอย างท 1 ค า Expected value น อยกว า 5

105 กรณ ต วอย างท 1 1< Expected < 5 เก น 20% ของ rc รวมกล มย อยของต วแปรเข าด วยก น

106 กรณ ต วอย างท 1

107 กรณ ต วอย างท 2 ค า Expected value น อยกว า 5

108 กรณ ต วอย างท 2

109 Inferential Statistics Goal Compare one group to a Hypothetical value Compare two unpaired groups Compare two paired groups Normal Population Type of Data Rank, Score, Nonnormal Population Binomial One Sample t-test Wilcoxon test Chi-square, Binomial test Unpaired t-test Paired t-test Mann-Whitney U test Sign test, Wilcoxon Signed-rank test Fisher s test (Chisquare for large sample) McNemar s test

110 Inferential Statistics Type of Data Goal Normal Population Rank, Score, Nonnormal Population Binomial Compare three or more unmatched groups One-way ANOVA Kruskal Wallis test Chi-square Compare three or more matched groups Repeatedmeasures ANOVA Friedman test Cochrane Q

111 Inferential Statistics Y X 1-sample t-test Quantitative 1 Factor ต วแปรต น (e.g., SBP) (e.g., Drug A) Compare SBP before & after taking drug A 2-sample t-test Quantitative 1 Factor (e.g., SBP) (e.g., Drug A, B) Compare mean SBP between 2 groups 1-way ANOVA Quantitative 1 Factor (e.g., SBP) (e.g., Drug A, B Drug A, B, C) Compare mean SBP among 2 groups 2-way ANOVA Quantitative 2 Factors (e.g., SBP) (Drug: A, B Dose: Low, High)

112 Linear regression Y = Height of children X s = gender, age, milk, etc. Binary logistic regression Y = Dead/Alive X s = age, severity, etc. Ordinal logistic regression Y = Worse/Same/Better X s = age, severity, etc. Cox s regression (Cox s proportional hazard model) Y = Time to death X s = age, severity, etc.

113 References : 1. Altman DG. Pratical Statistics for medical Research. Chapman & Hill, Daniel WW. Biostatistics: A foundation for Analysis in the Health Sciences. 6th Edition, 1995 John Wileys &Son, Inc. 3. ก ลยา วาน ชย บ ญชา. การใช SPSS for Windows ในการว เคราะห ข อม ล. บร ษ ท ธรรมสาร จ าก ด, ด ส ต ส จ ราร ตน. การว เคราะห ข อม ลด วยโปรแกรม SPSS for Windows เล มท 1, 2. เจร ญด การพ มพ, สมร ตน เล ศมหาฤทธ. เอกสารประกอบการสอน สถ ต ในงานว จ ยด านส ขภาพ ว ฑ รย โล ห ส นทร. เอกสารประกอบการสอนการใช โปรแกรม SPSS ในการว เคราะห ข อม ล และค าส งเบ องต นในการจ ดการข อม ล จ ฬาล กษณ โกมลตร. เอกสารประกอบการสอน 2-sample t-test, 1-way ANOVA, Multiple linear regression Multiple logistic regression. 2011

114 114