ผลการอธิบายจริง ไม่ใช่ภาพหน้าจอ
ผลลัพธ์ SPSS จริง 5 ชุด อธิบายผลครบถ้วนด้วยระบบเดียวกับที่คุณจะได้รับเมื่อเข้าสู่ระบบ — เป็นภาษาของคุณ พร้อมตาราง พร้อมใช้ในวิทยานิพนธ์
Tests of Normality
Kolmogorov-Smirnova Shapiro-Wilk
Statistic df Sig. Statistic df Sig.
LS_Mean .089 400 .000 .982 400 .000
IQ_Mean .075 400 .000 .983 400 .000
TU_Mean .063 400 .001 .986 400 .001
PI_Mean .067 400 .000 .983 400 .000
a. Lilliefors Significance Correction
LS_Mean
Page 5
Normal Q-Q Plot of LS_Mean
2
Expected Normal
0
-2
-4
1 2 3 4 5 6
Observed Value
Detrended Normal Q-Q Plot of LS_Mean
0.10
0.0000
Dev from Normal
-0.1
-0.2
-0.3
-0.4
-0.5
1 2 3 4 5
Observed Value
Page 6
5
4
3
2
263
240
1
LS_Mean
IQ_Mean
Normal Q-Q Plot of IQ_Mean
2
Expected Normal
0
-2
-4
1 2 3 4 5 6
Observed Value
Page 7
Detrended Normal Q-Q P- การทดสอบ Shapiro-Wilk สำหรับการแจกแจงแบบปกติ (Normal Distribution)
- การทดสอบ Kolmogorov-Smirnov (K-S) สำหรับการแจกแจงแบบปกติ (Normal Distribution)
- การทดสอบของเลวีน (Levene's test) สำหรับความเป็นเอกพันธุ์ของความแปรปรวน (การวิเคราะห์ความแปรปรวนทางเดียว (One-way ANOVA) และการทดสอบสองกลุ่มที่เป็นอิสระกัน (Independent Samples t-Test))
- การตรวจสอบค่า VIF (Variance Inflation Factor) และค่าความคลาดเคลื่อนที่ยอมรับได้ (Tolerance) สำหรับภาวะร่วมเส้นตรงพหุ (Multicollinearity)
- การทดสอบเดอร์บิน-วัตสัน (Durbin-Watson) สำหรับความเป็นอิสระของค่าความคลาดเคลื่อน
- การตรวจสอบส่วนเหลือมาตรฐาน (Standardized Residuals) เพื่อตรวจหาค่าผิดปกติ (outliers)
ก่อนดำเนินการวิเคราะห์หลัก ผู้วิจัยได้ทำการทดสอบข้อตกลงเบื้องต้นชุดหนึ่งที่ระดับนัยสำคัญ (α) = .05 เพื่อตรวจสอบความเหมาะสมในการใช้สถิติพาราเมตริก โดยประเมินการแจกแจงแบบปกติ (Normal Distribution) ของตัวแปรทั้งสี่ตัวด้วยการทดสอบ Shapiro-Wilk และการทดสอบ Kolmogorov-Smirnov (K-S) ควบคู่กัน ผลการทดสอบพบว่าตัวแปรทุกตัวมีการแจกแจงที่แตกต่างจากการแจกแจงแบบปกติอย่างมีนัยสำคัญทางสถิติ ได้แก่ LS_Mean (W = .982, p < .001; D = .089, p < .001), IQ_Mean (W = .983, p < .001; D = .075, p < .001), TU_Mean (W = .986, p = .001; D = .063, p = .001) และ PI_Mean (W = .983, p < .001; D = .067, p < .001) อย่างไรก็ตาม เมื่อพิจารณาค่าความเบ้ (skewness) และค่าความโด่ง (kurtosis) พบว่าตัวแปรทุกตัวอยู่ในช่วงที่ยอมรับได้ (ค่าความเบ้: −.305 ถึง .027; ค่าความโด่ง: −.615 ถึง −.009) ซึ่งบ่งชี้ว่ามีการเบี่ยงเบนจากการแจกแจงแบบปกติเพียงเล็กน้อยเท่านั้น เนื่องจากขนาดกลุ่มตัวอย่าง (N) มีขนาดใหญ่ (N = 400) ทฤษฎีบทขีดจำกัดกลาง (Central Limit Theorem, CLT) จึงรองรับข้อตกลงที่ว่าการแจกแจงของค่าเฉลี่ย (Mean) ตัวอย่างจะเข้าใกล้การแจกแจงแบบปกติ ด้วยเหตุนี้ ผู้วิจัยจึงพิจารณาว่าการใช้สถิติพาราเมตริกมีความเหมาะสม และไม่มีความจำเป็นต้องใช้สถิตินอนพาราเมตริกแทน (Pallant, 2020; Field, 2018)
การตรวจสอบความเป็นเอกพันธุ์ของความแปรปรวนดำเนินการโดยใช้การทดสอบของเลวีน (Levene's test) สำหรับการวิเคราะห์ความแปรปรวนทางเดียว (One-way ANOVA) ผลการทดสอบของเลวีนพบว่าความแปรปรวนของกลุ่มชั้นปีมีความเท่าเทียมกัน F(3, 396) = 0.623, p = .601 ซึ่งเป็นไปตามข้อตกลงเบื้องต้นดังกล่าว ในทำนองเดียวกัน สำหรับการทดสอบสองกลุ่มที่เป็นอิสระกัน (Independent Samples t-Test) ที่เปรียบเทียบ LS_Mean ตามเพศ การทดสอบของเลวีนยืนยันความเป็นเอกพันธุ์ของความแปรปรวน F(1, 396) = 0.310, p = .578 ผลการทดสอบทั้งสองสนับสนุนการใช้สถิติพาราเมตริกมาตรฐานโดยไม่จำเป็นต้องปรับแก้ค่าใดๆ
สำหรับโมเดลการวิเคราะห์การถดถอยพหุคูณ (Multiple Linear Regression) ผู้วิจัยได้ประเมินข้อตกลงเบื้องต้นเพิ่มเติม โดยตรวจสอบความเป็นอิสระของค่าความคลาดเคลื่อนด้วยการทดสอบเดอร์บิน-วัตสัน (Durbin-Watson) ซึ่งได้ค่าเท่ากับ 1.979 อยู่ในช่วงที่ยอมรับได้ระหว่าง 1.5 ถึง 2.5 บ่งชี้ว่าไม่มีปัญหาการมีความสัมพันธ์อัตโนมัติ (autocorrelation) ระหว่างค่าความคลาดเคลื่อน การตรวจสอบภาวะร่วมเส้นตรงพหุ (Multicollinearity) ดำเนินการโดยพิจารณาค่าความคลาดเคลื่อนที่ยอมรับได้ (Tolerance) และค่า VIF (Variance Inflation Factor) ของตัวแปรพยากรณ์แต่ละตัว พบว่าค่า VIF ทุกค่าต่ำกว่าเกณฑ์ 5.0 อย่างชัดเจน และค่าความคลาดเคลื่อนที่ยอมรับได้ (Tolerance) ทุกค่าสูงกว่า 0.20 ซึ่งบ่งชี้ว่าโมเดลไม่มีปัญหาภาวะร่วมเส้นตรงพหุ นอกจากนี้ ผู้วิจัยได้ตรวจสอบค่าผิดปกติ (outliers) ผ่านการพิจารณาส่วนเหลือมาตรฐาน (Standardized Residuals) พบว่าค่าสัมบูรณ์สูงสุดของส่วนเหลือมาตรฐานเท่ากับ 3.024 ซึ่งเกินเกณฑ์ ±3.29 ที่ใช้ระบุค่าผิดปกติสุดขีดเพียงเล็กน้อย อย่างไรก็ตาม เนื่องจากมีเพียงกรณีเดียวที่ใกล้เคียงเกณฑ์ดังกล่าวและไม่ได้เกินเกณฑ์จริง จึงไม่มีกรณีใดที่ถือว่าเป็นปัญหา ส่วนระยะห่างของคุก (Cook's distance) ไม่ปรากฏในผลลัพธ์ จึงไม่สามารถประเมินได้อย่างเป็นทางการ โดยรวมแล้ว ข้อตกลงเบื้องต้นของการวิเคราะห์การถดถอยได้รับการตรวจสอบในระดับที่เพียงพอสำหรับการดำเนินการวิเคราะห์ด้วยสถิติพาราเมตริกต่อไป
ตารางที่ 1: ผลการทดสอบการแจกแจงแบบปกติ (Normal Distribution)
| ตัวแปร | S-W W | p | K-S D | p |
|---|---|---|---|---|
| LS_Mean | .982 | < .001 | .089 | < .001 |
| IQ_Mean | .983 | < .001 | .075 | < .001 |
| TU_Mean | .986 | .001 | .063 | .001 |
| PI_Mean | .983 | < .001 | .067 | < .001 |
หมายเหตุ. S-W = Shapiro-Wilk; K-S = Kolmogorov-Smirnov. องศาอิสระ (df) = 400 สำหรับตัวแปรทุกตัว ตัวแปรทุกตัวแสดงการแจกแจงที่แตกต่างจากการแจกแจงแบบปกติอย่างมีนัยสำคัญ อย่างไรก็ตาม การใช้สถิติพาราเมตริกยังคงมีความเหมาะสม เนื่องจากขนาดกลุ่มตัวอย่าง (N = 400) มีขนาดใหญ่ และค่าความเบ้ (skewness) และค่าความโด่ง (kurtosis) อยู่ในช่วงที่ยอมรับได้ สอดคล้องกับทฤษฎีบทขีดจำกัดกลาง (Central Limit Theorem, CLT) (Pallant, 2020; Field, 2018)
ตารางที่ 2: สถิติภาวะร่วมเส้นตรงพหุ (Multicollinearity)
| ตัวแปรพยากรณ์ | ค่าความคลาดเคลื่อนที่ยอมรับได้ (Tolerance) | ค่า VIF (Variance Inflation Factor) |
|---|---|---|
| IQ_Mean | .907 | 1.103 |
| TU_Mean | .932 | 1.073 |
| PI_Mean | .968 | 1.033 |
| StudyHours | 1.000 | 1.000 |
หมายเหตุ. ค่า VIF ที่ต่ำกว่า 5 บ่งชี้ว่าไม่มีปัญหาภาวะร่วมเส้นตรงพหุ (Hair et al., 2019) ค่าความคลาดเคลื่อนที่ยอมรับได้ (Tolerance) ทุกค่าสูงกว่า .20 ยืนยันเพิ่มเติมว่าไม่มีภาวะร่วมเส้นตรงพหุในโมเดล
รายการอ้างอิง
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
Hair, J. F., Babin, B. J., Anderson, R. E., & Black, W. C. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Pallant, J. (2020). SPSS survival manual: A step-by-step guide to data analysis using IBM SPSS (7th ed.). McGraw-Hill Education.
- Shapiro-Wilk test for normality
- Kolmogorov-Smirnov test for normality
- Levene's test for homogeneity of variance (One-Way ANOVA and independent samples t-test)
- Variance Inflation Factor (VIF) and Tolerance checks for multicollinearity
- Durbin-Watson test for independence of residuals
- Standardized residual inspection for outlier detection
Prior to conducting the primary analyses, a series of assumption tests were performed at a significance level of α = .05 to determine the appropriateness of parametric statistical procedures. Normality was assessed for all four study variables using both the Shapiro-Wilk and Kolmogorov-Smirnov tests. Results indicated statistically significant departures from normality across all variables: LS_Mean (W = .982, p < .001; D = .089, p < .001), IQ_Mean (W = .983, p < .001; D = .075, p < .001), TU_Mean (W = .986, p = .001; D = .063, p = .001), and PI_Mean (W = .983, p < .001; D = .067, p < .001). Although these formal tests yielded significant results, inspection of skewness and kurtosis values revealed that all variables fell within acceptable ranges (skewness: −.305 to .027; kurtosis: −.615 to −.009), indicating only minor deviations from normality. Given the large sample size (N = 400), the Central Limit Theorem supports the assumption that sampling distributions of the means will approximate normality; therefore, parametric analyses were deemed appropriate and no non-parametric alternatives were required (Pallant, 2020; Field, 2018).
Homogeneity of variance was examined using Levene's test. For the One-Way ANOVA, Levene's test indicated that variances were equal across Year groups, F(3, 396) = 0.623, p = .601, satisfying this assumption. Similarly, for the independent samples t-test comparing LS_Mean by Gender, Levene's test confirmed homogeneity of variance, F(1, 396) = 0.310, p = .578. Both results supported the use of standard parametric procedures without correction.
For the multiple regression model, additional diagnostic assumptions were evaluated. Independence of residuals was assessed using the Durbin-Watson statistic, which yielded a value of 1.979, falling within the acceptable range of 1.5 to 2.5 and indicating no evidence of autocorrelation among residuals. Multicollinearity was examined using Tolerance and Variance Inflation Factor (VIF) values for each predictor. All VIF values were well below the threshold of 5.0, and all Tolerance values exceeded 0.20, indicating no multicollinearity concerns in the model. Finally, outliers were assessed through inspection of standardized residuals. The maximum absolute standardized residual was 3.024, which marginally exceeds the ±3.29 threshold used to identify extreme outliers; however, as only a single case approached this boundary and did not surpass it, no cases were deemed problematic. Cook's Distance values were not available in the output and could not be formally evaluated. Overall, the regression assumptions were considered sufficiently satisfied to proceed with parametric analysis.
Table 1: Normality Test Results
| Variable | S-W W | p | K-S D | p |
|---|---|---|---|---|
| LS_Mean | .982 | < .001 | .089 | < .001 |
| IQ_Mean | .983 | < .001 | .075 | < .001 |
| TU_Mean | .986 | .001 | .063 | .001 |
| PI_Mean | .983 | < .001 | .067 | < .001 |
Note. S-W = Shapiro-Wilk; K-S = Kolmogorov-Smirnov. df = 400 for all variables. All variables showed significant departures from normality; however, parametric tests remained appropriate due to the large sample size (N = 400) and acceptable skewness and kurtosis values, consistent with the Central Limit Theorem (Pallant, 2020; Field, 2018).
Table 2: Collinearity Statistics
| Predictor | Tolerance | VIF |
|---|---|---|
| IQ_Mean | .907 | 1.103 |
| TU_Mean | .932 | 1.073 |
| PI_Mean | .968 | 1.033 |
| StudyHours | 1.000 | 1.000 |
Note. VIF values < 5 indicate no multicollinearity concern (Hair et al., 2019). All Tolerance values exceeded .20, further confirming the absence of multicollinearity.
References
Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
Hair, J. F., Babin, B. J., Anderson, R. E., & Black, W. C. (2019). Multivariate data analysis (8th ed.). Cengage Learning.
Pallant, J. (2020). SPSS survival manual: A step-by-step guide to data analysis using IBM SPSS (7th ed.). McGraw-Hill Education.
พร้อมสำหรับผลลัพธ์ของคุณเองหรือยัง?
อัปโหลด PDF หรือวางข้อความของคุณ — คุณภาพเดียวกัน พร้อมในไม่กี่นาที