สูตร หาค่า T-test ใน Excel: คู่มือฉบับสมบูรณ์ทั้ง 3 ประเภท [One-Sample, Independent, Paired]

•By Leonard Cucos•th
Excelสถิติวิธีวิจัย

สวัสดีค่ะ! บทเรียนนี้เราจะสาธิตการทดสอบสถิติด้วย t-test ใน Excel ค่ะหากคุณรู้สึกว่าเรื่องนี้ยาก เรามีวิธีการสอนที่จะทำให้คุณเข้าใจและสามารถนำไปใช้งานได้จริงค่ะ ไม่ว่าจะเป็นการทำงานหรือวิจัย บทเรียนนี้จะช่วยให้คุณเข้าใจวิธีการทำงานของt-test และสูตรการคำนวณที่ใช้ในการวิเคราะห์t-test ใน Excel นอกจากนั้นคุณสามารถอ่าน ความหมาย T-test ก่อนเข้าสู่บทเรียนนี้

ไฟล์ตัวอย่างพร้อมใช้งาน: ดาวน์โหลดไฟล์ Excel สำหรับ T-test จากส่วน Downloads ในแถบด้านข้างเพื่อฝึกฝนไปพร้อมกับตัวอย่างจริง

หลังจากเรียนบทเรียนนี้ คุณจะเข้าใจเกี่ยวกับ- การใช้งานและการประยุกต์ใช้t-test

  • สูตรการคำนวณและวิธีการใช้t-test ใน Excel

วิธีการคำนวณการทดสอบt-Test ใน Excel จะสาธิตการปฏิบัติ T-Test ทั้ง 3 ประเภท ดังนี้

การทดสอบ One-Sample T-Test ใน Excel

Step 1: สร้างชุดข้อมูลใน Excel เพื่อทดสอบ One-Sample T-Test

จากตัวอย่างเป็นส่วนสูงและใช้ Dummy ใน Excel โดยสมมุติว่าคุณมีชุดข้อมูลของส่วนสูงของนักเรียนในห้องเรียนหนึ่ง และคุณต้องการทดสอบว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติในส่วนสูงหรือไม่ ในสถานการณ์นี้ Dummy คือตัวแปรที่คุณใช้เพื่อแสดงเพศของนักเรียนหรือส่วนสูง ในตัวอย่างนี้ค่า Dummy จะถูกกำหนดเป็น 170 ซึ่งเป็นส่วนสูงของนักเรียนตามสมติฐาน

  • เปิดไฟล์ Excel ที่มีชุดข้อมูลของส่วนสูงนักเรียน

  • ในคอลัมน์ถัดไป สร้างคอลัมน์ที่ชื่อว่า 'Dummy' ซึ่งจะใช้สำหรับแทนเพศของนักเรียน

  • ใส่ค่า 170 ในคอลัมน์ 'Dummy'

การสร้างชุดข้อมูลใน Excel เพื่อทดสอบ One-Sample T-Test. ที่มา: Uedufy การตั้งค่าชุดข้อมูลสำหรับ one-sample t-test โดยมีข้อมูลตัวอย่างในคอลัมน์ A และค่าสมมติฐาน (170) ในคอลัมน์ B

Step 2: ทดสอบ One-Sample T-Test ใน Excel

สมมติฐานเพื่อการทดสอบสามารถเขียนดังนี้:

H0: μ1 = 170

H1: μ1 ≠ 170

สมมติฐานหมายความว่า สมมติฐานหลัก (null hypothesis) ตั้งไว้ว่า ค่าเฉลี่ยของกลุ่มตัวอย่างแรก (μ1) เท่ากับ 170 และสมมติฐานทางเลือก (alternative hypothesis) ตั้งไว้ว่าค่าเฉลี่ยของกลุ่มตัวอย่างแรก (μ1) ไม่เท่ากับ 170.

เมื่อต้องการทำ One-Sample T-Test ใน Excel และต้องการเปรียบเทียบชุดข้อมูลกับค่าเฉลี่ยที่กำหนดคือ 170 ดังนั้นเราจะต้องใช้ฟังก์ชัน T.TEST ใน Excel ซึ่งไม่จำเป็นต้องใช้หน้าต่าง "Data Analysis" โดยมีขั้นตอนในการทดสอบดังนี้

  • คลิกเซลล์ที่เราต้องการแสดงผลลัพธ์ของ t-test

  • พิมพ์สูตร =T.TEST ลงในเซลล์นั้น

  • สำหรับ array1 ในสูตร ให้เลือกช่วงข้อมูล (เช่น A2:A20)

  • สำหรับ array2 เราต้องใส่ช่วงข้อมูลที่มีค่าเดียวกันซ้ำๆ ในกรณีนี้คือค่าเฉลี่ยที่กำหนดที่ 170 ซึ่งเราสามารถสร้างช่วงข้อมูลนี้ใน Excel โดยการพิมพ์ 170 ลงในจำนวนเซลล์ที่เท่ากับขนาดของชุดข้อมูลของเรา

  • ใส่ค่า "tails" ซึ่งควรเป็น 1 หากทำการทดสอบด้านเดียวหรือ 2 สำหรับการทดสอบสองด้าน

  • ปิดวงเล็บและกด Enter เพื่อดูผลลัพธ์

ตัวอย่างสูตรที่จะอยู่ในแถบสูตร (Formula Bar) สำหรับ one-sample t-test จะเป็นเช่นนี้:

=T.TEST(A2:A20, B2:B20, 1, 1)

โดยที่ A2:A20 คือช่วงข้อมูลส่วนสูง และ B2:B20 คือช่วงข้อมูลที่เราได้สร้างขึ้นมีค่าเท่ากับ 170 ทั้งหมด ตัวเลข 1 แรกคือการทดสอบด้านเดียว และตัวเลข 1 ตัวที่สองคือการทดสอบแบบ paired

ตัวอย่างสูตรสำหรับ one-sample t-test. ที่มา: Uedufy สูตร T.TEST ที่กรอกใน Excel แสดงไวยากรณ์: =T.TEST(A2:A20, B2:B20, 2, 1)

Step 3: การแสดงผลลัพธ์ของการทดสอบ t-test ใน Excel

การแสดงผลลัพธ์ของการทดสอบ t-test ใน Excel และค่าที่ได้คือ 0.01429 ซึ่งเป็นค่า p-value

ค่า p-value นี้บ่งบอกถึงความน่าจะเป็นที่ค่าเฉลี่ยของตัวอย่างที่เราทดสอบจะแตกต่างจากค่าเฉลี่ยที่เราสมมติไว้ (ในที่นี้คือ 170) หาก p-value น้อยกว่า 0.05 ซึ่งเป็นระดับนัยสำคัญทางสถิติที่ตั้งไว้ แสดงว่ามีหลักฐานเพียงพอที่จะปฏิเสธสมมติฐานหลัก (H0) และยอมรับสมมติฐานทางเลือก (H1) ที่ว่าค่าเฉลี่ยของตัวอย่างไม่เท่ากับ 170 จึงสามารถสรุปได้ว่าค่าเฉลี่ยของข้อมูลตัวอย่างแตกต่างจาก 170 อย่างมีนัยสำคัญทางสถิติ

การแสดงผลลัพธ์ของการทดสอบ t-test ใน Excel. ที่มา: Uedufy ผลลัพธ์ p-value (0.01429) จากการทดสอบ one-sample t-test

การทดสอบค่าเฉลี่ยของสองกลุ่มที่ไม่เกี่ยวข้องกัน Independent Samples T-Test

Step 1: จัดหมวดหมู่ข้อมูลใน Excel ตามกลุ่ม

เพื่อทำการทดสอบ t-test สำหรับตัวอย่างอิสระ เราจะต้องแยกข้อมูลตามกลุ่มที่เราต้องการเปรียบเทียบ ในกรณีนี้เป็นข้อมูลเกี่ยวกับส่วนสูงที่ถูกแยกตามเพศ โดยมีคอลัมน์ข้อมูลสำหรับชายและคอลัมน์ข้อมูลสำหรับหญิง และในแต่ละคอลัมน์ควรมีข้อมูลส่วนสูงที่สอดคล้องกับเพศนั้นๆหลังจากนั้น เราจะใช้ฟังก์ชัน Data Analysis ที่มีใน Excel เพื่อทำการคำนวณ t-test โดยเลือก 't-Test: Two-Sample Assuming Equal Variances' หรือ 't-Test: Two-Sample Assuming Unequal Variances'

การจัดหมวดหมู่ข้อมูลใน Excel ตามกลุ่ม. ที่มา: Uedufy ข้อมูลส่วนสูงจัดแยกตามเพศ: ชายในคอลัมน์ A และหญิงในคอลัมน์ B

Step 2: เลือก Data Analysis Tool

หลังจากจัดหมวดหมู่ข้อมูลใน Excel แล้ว ให้คลิกที่ 'Data Analysis' จากนั้นเลือก 't-Test: Two-Sample Assuming Unequal Variances' และคลิก OK

การเลือก 't-Test: Two-Sample Assuming Unequal Variances' หมายความว่าเรากำลังทำการทดสอบ t-test ระหว่างสองกลุ่มที่เราสมมติว่ามีความแปรปรวนไม่เท่ากัน ซึ่งเป็นความเหมาะสมในกรณีที่เราไม่สามารถสมมติฐานได้ว่าประชากรทั้งสองที่เรากำลังเปรียบเทียบมีความแปรปรวนเท่ากัน

การเลือก t-Test: Two-Sample Assuming Unequal Variances. ที่มา: Uedufy เมนู Data Analysis แสดงตัวเลือก t-Test: Two-Sample Assuming Unequal Variances

Step 3: การตั้งค่า T-Test Two-Sample Assuming Unequal Variances

ในหน้าต่าง 't-Test: Two-Sample Assuming Unequal Variances' ให้เลือกช่วงของเซลล์ที่มีข้อมูลของตัวแปรหญิงและชายที่เราต้องการนำไปใช้สูตร t-test สำหรับตัวอย่างอิสระ ไม่ต้องระบุค่าเฉลี่ยที่สมมติฐานไว้ (Hypothesized Mean Difference) จากนั้นเลือก 'Labels' และคลิก OK

การนำไปใช้สูตร t-test สำหรับตัวอย่างอิสระ. ที่มา: Uedufy กล่องโต้ตอบการตั้งค่า t-Test แสดงช่วงข้อมูลสำหรับ Variable 1 และ Variable 2

Step 4: การแปลผลลัพธ์

การแสดงผลลัพธ์ของการทดสอบ t-test สำหรับตัวอย่างอิสระ (independent samples) โดยแสดงข้อมูลทั้งสำหรับกลุ่มหญิงและชาย ผลลัพธ์นี้แสดงให้เห็นว่า:

ค่าเฉลี่ยของกลุ่มหญิง (Female Mean) คือ 160.652316

ค่าเฉลี่ยของกลุ่มชาย (Male Mean) คือ 170.2307692

ค่า p-value สำหรับการทดสอบนี้คือ 2.36662E-05 ซึ่งเมื่อลดทศนิยมลงจะได้ประมาณ 0.000023 น้อยกว่า 0.05 ซึ่งปฏิเสธสมมติฐานหลัก H0 และยอมรับสมมติฐานทางเลือก H1 หมายความว่ามีความแตกต่างระหว่างค่าเฉลี่ยของสองกลุ่มอย่างมีนัยสำคัญทางสถิติระหว่างส่วนสูงของชายและหญิง หรือกล่าวอีกนัยหนึ่งคือ ชายมีส่วนสูงเฉลี่ยที่สูงกว่าหญิงอย่างมีนัยสำคัญทางสถิติ

โดยการตั้งสมมติฐานสำหรับการทดสอบนี้จะเป็นดังนี้:

สมมติฐานหลัก (Null Hypothesis, H0): ไม่มีความแตกต่างระหว่างค่าเฉลี่ยของสองกลุ่ม

สมมติฐานทางเลือก (Alternative Hypothesis, H1): มีความแตกต่างระหว่างค่าเฉลี่ยของสองกลุ่ม

การแสดงผลลัพธ์ของการทดสอบ t-test สำหรับตัวอย่างอิสระ (independent samples). ที่มา: Uedufy ตารางผลลัพธ์แสดงสถิติสำหรับทั้งสองกลุ่มรวมถึง t-statistic และค่า p-value

การทดสอบสถิติ Paired Sample T-Test

Step 1: สร้างชุดข้อมูลสำหรับ Paired Sample

การสร้างชุดข้อมูลใน Excel เพื่อเปรียบเทียบคะแนนสอบก่อนและหลังการศึกษา

ในกรณีนี้มีชุดข้อมูล "Before study" ซึ่งแสดงคะแนนก่อนการศึกษา และอีกชุดหนึ่ง "After study" ซึ่งแสดงคะแนนหลังจากการศึกษา เราจัดเตรียมคะแนนในสองคอลัมน์ โดยคอลัมน์แรกคือคะแนนก่อนการศึกษาและคอลัมน์ที่สองคือคะแนนหลังการศึกษา ข้อมูลนี้สามารถใช้การทดสอบสถิติ “paired sample t-test” ซึ่งเป็นการทดสอบเพื่อดูว่ามีความแตกต่างที่มีนัยสำคัญทางสถิติระหว่างคะแนนก่อนและหลังการศึกษาหรือไม่

การสร้างชุดข้อมูลใน Excel เพื่อเปรียบเทียบคะแนนสอบก่อนและหลังการศึกษา. ที่มา: Uedufy ข้อมูลคะแนนสอบแบบ paired: ก่อนเรียนในคอลัมน์ A และหลังเรียนในคอลัมน์ B

Step 2: เลือก Paired Two Sample for Means

สำหรับการทดสอบ paired sample t-test ใน Excel

เราจะเลือก 'Data Analysis' จากแถบเมนู 'Data'.จากนั้นเลือก 't-Test: Paired Two Sample for Means' จากหน้าต่าง 'Data Analysis'.เราจะต้องระบุช่วงข้อมูลสำหรับคะแนนก่อนการศึกษาและหลังการศึกษาในหน้าต่างที่ปรากฏ หลังจากนั้นคลิก OK เพื่อทำการคำนวณ

การทดสอบ paired sample t-test ใน Excel. ที่มา: Uedufy เมนู Data Analysis แสดงตัวเลือก t-Test: Paired Two Sample for Means

Step 3: ตั้งค่าข้อมูล

เลือกหน้าต่าง t-Test: Paired Two Sample for Means

ในหน้าต่าง 't-Test: Paired Two Sample for Means' ให้เลือกช่วงของเซลล์ที่มีข้อมูลคะแนนก่อนและหลังการศึกษาที่เราต้องการนำไปใช้สูตร t-test แบบคู่ (paired sample t-Test) ไม่ต้องระบุค่าเฉลี่ยที่ตั้งสมมติฐานไว้ (Hypothesized Mean Difference) จากนั้นเลือก 'Labels' และคลิก OK.

การเลือกหน้าต่าง t-Test: Paired Two Sample for Means. ที่มา: Uedufy กล่องโต้ตอบการตั้งค่า Paired t-Test แสดงช่วงข้อมูลสำหรับข้อมูลก่อนและหลัง

Step 4: การแปลผล

การแปลผลการเปรียบเทียบคะแนนสอบก่อนและหลังการศึกษา

การแปลผลการเปรียบเทียบคะแนนสอบก่อนและหลังการศึกษา โดยมีการลดทศนิยมของค่า p ในการทดสอบ ผลลัพธ์แสดงให้เห็นว่าค่า p เท่ากับ 0.000 ซึ่งน้อยกว่า 0.05 ซึ่งแสดงว่าผลการทดสอบนี้ปฏิเสธสมมติฐานหลัก นั่นหมายความว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติในคะแนนการสอบก่อนและหลังการศึกษา

สมมติฐานที่ตั้งไว้:

สมมติฐานหลัก (Null Hypothesis, H0): ไม่มีความแตกต่างอย่างมีนัยสำคัญในคะแนนการสอบก่อนและหลังการศึกษา

สมมติฐานทางเลือก (Alternative Hypothesis, H1): มีความแตกต่างที่มีนัยสำคัญในคะแนนการสอบก่อนและหลังการศึกษา

จึงกล่าวสรุปว่าผลลัพธ์จากการทดสอบสถิติ (P-value) น้อยกว่า 0.05 ซึ่งแสดงถึงการปฏิเสธสมมติฐานหลัก (H0) และยอมรับสมมติฐานทางเลือก (H1) ว่า "มีความแตกต่างอย่างมีนัยสำคัญในคะแนนการสอบก่อนและหลังการศึกษา"

การแปลผลการเปรียบเทียบคะแนนสอบก่อนและหลังการศึกษา. ที่มา: Uedufy ตารางผลลัพธ์ของ paired t-test แสดงสถิติและค่า p-value สำหรับการเปรียบเทียบก่อนและหลัง

คำถามที่พบบ่อย

สูตร =T.TEST(array1, array2, tails, type) ใน Excel มี 4 พารามิเตอร์: array1 คือช่วงข้อมูลชุดแรก array2 คือช่วงข้อมูลชุดที่สอง tails คือจำนวนด้านของการทดสอบ (1 = one-tailed, 2 = two-tailed) และ type คือประเภทของ t-test (1 = paired, 2 = two-sample equal variance, 3 = two-sample unequal variance) ตัวอย่าง: =T.TEST(A2:A20,B2:B20,2,1) สำหรับ paired t-test แบบ two-tailed
ใช้ Paired Sample t-test โดยจัดเตรียมข้อมูลคะแนนก่อนเรียนในคอลัมน์หนึ่ง และคะแนนหลังเรียนในอีกคอลัมน์หนึ่ง จากนั้นไปที่ Data > Data Analysis > t-Test: Paired Two Sample for Means เลือกช่วงข้อมูลทั้งสองชุด ไม่ต้องระบุ Hypothesized Mean Difference และคลิก OK ผลลัพธ์จะแสดงค่า p-value ถ้าน้อยกว่า 0.05 แสดงว่ามีความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่างคะแนนก่อนและหลังเรียน
One-Sample t-test ใช้เปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างหนึ่งกับค่าที่กำหนด Independent Samples t-test ใช้เปรียบเทียบค่าเฉลี่ยของสองกลุ่มที่เป็นอิสระต่อกัน (เช่น ชายกับหญิง) Paired Sample t-test ใช้เปรียบเทียบค่าเฉลี่ยของกลุ่มเดียวกันที่วัดสองครั้ง (เช่น ก่อนและหลังการทดลอง) การเลือกใช้ขึ้นอยู่กับลักษณะของข้อมูลและคำถามวิจัยของคุณ
ค่า p-value ที่น้อยกว่า 0.05 (หรือ 5%) ถือว่ามีนัยสำคัญทางสถิติในการวิจัยทั่วไป หมายความว่ามีโอกาสน้อยกว่า 5% ที่ผลลัพธ์ที่ได้เกิดจากความบังเอิญ ถ้า p-value < 0.05 เราปฏิเสธสมมติฐานหลัก (H0) และยอมรับสมมติฐานทางเลือก (H1) ว่ามีความแตกต่างที่มีนัยสำคัญ บางสาขาอาจใช้ระดับนัยสำคัญที่เข้มงวดกว่า เช่น 0.01 หรือ 0.001
ไปที่ File > Options > Add-Ins เลือก Excel Add-ins ที่ Manage แล้วคลิก Go เลือกกล่องถูก (checkbox) หน้า Analysis ToolPak และคลิก OK หลังจากนั้นคุณจะเห็น Data Analysis ในแท็บ Data สำหรับ Mac ไปที่ Tools > Excel Add-ins แล้วเลือก Analysis ToolPak ถ้ายังไม่เห็น ให้ลองปิดและเปิด Excel ใหม่
ใช้ Equal Variances เมื่อความแปรปรวนของสองกลุ่มใกล้เคียงกัน (สามารถทดสอบด้วย Levene's test หรือ F-test ก่อน) ใช้ Unequal Variances (Welch's t-test) เมื่อความแปรปรวนของสองกลุ่มแตกต่างกันอย่างมาก หรือเมื่อไม่แน่ใจ แนะนำให้ใช้ Unequal Variances เพราะเป็นวิธีที่ปลอดภัยกว่าและไม่ต้องสมมติว่าความแปรปรวนเท่ากัน
ได้ มีเครื่องมือออนไลน์หลายตัวที่สามารถคำนวณ t-test ได้ เช่น Social Science Statistics, GraphPad QuickCalcs และ Statology แต่การใช้ Excel มีข้อดีคือคุณสามารถจัดการข้อมูล สร้างกราฟ และบันทึกผลลัพธ์ได้ในที่เดียว นอกจากนี้ Excel ยังเป็นทักษะที่จำเป็นสำหรับการวิจัยและการทำงาน ซึ่งคุ้มค่าที่จะเรียนรู้
ตามทฤษฎี t-test สมมติว่าข้อมูลมีการแจกแจงแบบปกติ แต่ในทางปฏิบัติ t-test มีความทนทาน (robust) ต่อการละเมิดข้อสมมติฐานนี้ โดยเฉพาะเมื่อขนาดตัวอย่างใหญ่ (n > 30) ตาม Central Limit Theorem สำหรับข้อมูลที่ไม่เป็นปกติอย่างชัดเจน แนะนำให้ทดสอบ normality ด้วย Shapiro-Wilk test หรือ Q-Q plot ก่อน หรือใช้ non-parametric test เช่น Mann-Whitney U test หรือ Wilcoxon Signed-Rank test แทน
หมายความว่าไม่มีหลักฐานทางสถิติเพียงพอที่จะปฏิเสธสมมติฐานหลัก (H0) กล่าวคือ เราไม่สามารถสรุปได้ว่ามีความแตกต่างระหว่างกลุ่มอย่างมีนัยสำคัญ อย่างไรก็ตาม สิ่งนี้ไม่ได้หมายความว่าไม่มีความแตกต่างเลย อาจเป็นเพราะขนาดตัวอย่างเล็กเกินไป ความแปรปรวนสูง หรือความแตกต่างที่แท้จริงมีขนาดเล็กเกินกว่าจะตรวจจับได้ ควรพิจารณา Effect Size ประกอบด้วย
รายงานค่า t, degrees of freedom (df), ค่า p-value และ effect size ตัวอย่าง: 'มีความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่างคะแนนก่อนเรียน (M = 65.3, SD = 8.2) และหลังเรียน (M = 78.5, SD = 7.9), t(29) = 6.45, p < .001, d = 1.65' โดย M คือค่าเฉลี่ย SD คือส่วนเบี่ยงเบนมาตรฐาน t(29) คือค่า t กับ df และ d คือ Cohen's d สำหรับ effect size

สรุป

ในบทความนี้ คุณได้เรียนรู้วิธีการทำ T-test ทั้ง 3 ประเภทใน Excel:

  1. One-Sample T-Test: เปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างกับค่าที่กำหนด (เช่น ส่วนสูงเฉลี่ย 170 ซม.)
  2. Independent Samples T-Test: เปรียบเทียบค่าเฉลี่ยของสองกลุ่มอิสระ (เช่น ส่วนสูงชายกับหญิง)
  3. Paired Sample T-Test: เปรียบเทียบค่าเฉลี่ยของกลุ่มเดียวกันที่วัดสองครั้ง (เช่น คะแนนก่อนและหลังเรียน)

จุดสำคัญที่ควรจำ:

  • ค่า p-value น้อยกว่า 0.05 = มีนัยสำคัญทางสถิติ
  • ต้องเปิดใช้งาน Data Analysis Toolpak ก่อนใช้งาน
  • เลือก Equal/Unequal Variances ตามลักษณะข้อมูล
  • สูตร T.TEST สามารถใช้สำหรับการคำนวณแบบรวดเร็ว

ตอนนี้คุณสามารถทำ T-test ใน Excel ได้อย่างมั่นใจ ตีความผลลัพธ์ได้ถูกต้อง และนำเสนอผลการวิเคราะห์ได้อย่างมืออาชีพ