เคยไหมครับ… เปิดผลวิเคราะห์จาก SPSS แล้วเจอคำว่า Sig., p-value, และ R² เต็มไปหมด แต่ยังไม่มั่นใจว่า มันบอกอะไรเรา และ ต้องเขียนอธิบายในงานวิจัยอย่างไรถึงจะถูกต้อง
บทความนี้จะพาคุณเข้าใจ ตัวชี้วัดทางสถิติที่สำคัญที่สุด 3 ค่า แบบไม่ใช้ศัพท์ยาก ไม่ต้องเก่งสถิติมาก ก็อ่านรู้เรื่อง และ นำไปใช้เขียนเล่มได้จริง 🎯
🔍 1. ค่า Sig. คืออะไร?
Sig. (Significance) คือค่าที่โปรแกรมสถิติ (เช่น SPSS) แสดงขึ้นมา เพื่อบอกว่า ผลการทดสอบมีนัยสำคัญทางสถิติหรือไม่
พูดง่าย ๆ คือ 👉 ผลที่เราเห็น “บังเอิญ” หรือ “มีเหตุผลทางสถิติรองรับ”
ค่า Sig. ที่เห็นในตารางผลลัพธ์ จริง ๆ แล้ว ก็คือ p-value (เป็นค่าเดียวกัน)
📌 เกณฑ์การแปลผลที่ใช้บ่อย
| ค่า Sig. | ความหมาย |
| ≤ 0.05 | มีนัยสำคัญทางสถิติ |
| > 0.05 | ไม่มีนัยสำคัญทางสถิติ |
📘 ตัวอย่างการเขียนในงานวิจัย
“ผลการทดสอบพบว่า ค่า Sig. เท่ากับ 0.032 ซึ่งน้อยกว่า 0.05 แสดงว่าตัวแปรมีความแตกต่างกันอย่างมีนัยสำคัญทางสถิติ”
🧠 2. p-value คืออะไร? (เข้าใจแบบไม่ปวดหัว)
p-value คือค่าที่บอกว่า “โอกาสที่ผลลัพธ์นี้จะเกิดขึ้นโดยบังเอิญ มีมากน้อยแค่ไหน”
🔑 หลักคิดง่าย ๆ
- p-value ยิ่งน้อย → ผลยิ่งน่าเชื่อถือ
- p-value ยิ่งมาก → ผลอาจเกิดจากความบังเอิญ
📊 เกณฑ์ p-value ที่นิยมใช้
| p-value | ความหมาย |
| ≤ 0.05 | เชื่อว่าผลไม่ได้เกิดจากความบังเอิญ |
| ≤ 0.01 | มีนัยสำคัญสูง |
| ≤ 0.001 | มีนัยสำคัญสูงมาก |
📌 ข้อควรรู้สำคัญ
p-value ไม่ได้บอกว่าผลแรงหรืออ่อน แต่บอกแค่ว่า “เชื่อได้แค่ไหน” เท่านั้น
📈 3. ค่า R² คืออะไร?
R² (R Square) ใช้บ่อยในงาน
- การวิเคราะห์ถดถอย (Regression)
- งานวิจัยเชิงปริมาณด้านบริหาร การศึกษา สังคมศาสตร์
R² บอกว่า 👉 ตัวแปรอิสระสามารถอธิบายการเปลี่ยนแปลงของตัวแปรตามได้กี่เปอร์เซ็นต์
🎯 ตัวอย่างเข้าใจง่าย
ถ้า
- R² = 0.45
แปลว่า
ตัวแปรอิสระสามารถอธิบายตัวแปรตามได้ 45%
อีก 55% มาจากปัจจัยอื่นที่ไม่ได้อยู่ในโมเดล
📌 เกณฑ์ R² (โดยประมาณ)
| ค่า R² | การแปลผล |
| < 0.25 | อธิบายได้น้อย |
| 0.25–0.50 | อธิบายได้ปานกลาง |
| > 0.50 | อธิบายได้ดี |
📘 หมายเหตุสำคัญ
R² ต่ำ ไม่ใช่เรื่องผิด โดยเฉพาะงานด้านมนุษย์และสังคม
🔗 4. Sig., p-value และ R² ต่างกันอย่างไร?
| ค่า | ใช้ตอบคำถามอะไร |
| Sig. / p-value | ผลมีนัยสำคัญหรือไม่ |
| R² | โมเดลอธิบายข้อมูลได้ดีแค่ไหน |
💡 สรุปสั้น ๆ
- p-value / Sig. → เชื่อถือผลได้ไหม
- R² → อธิบายได้มากแค่ไหน
5. ตัวอย่างการเขียนอธิบายในงานวิจัย
“ผลการวิเคราะห์การถดถอยพบว่า ตัวแปรอิสระสามารถอธิบายความแปรปรวนของตัวแปรตามได้ร้อยละ 38 (R² = 0.38) และมีนัยสำคัญทางสถิติที่ระดับ 0.05 (p-value = 0.021)”
📌 ประโยคเดียว
✔ ครบ
✔ ถูกหลัก
✔ อาจารย์ไม่ตีกลับ
⚠️ 6. ข้อผิดพลาดที่นักศึกษาพบบ่อย
❌ เข้าใจว่า p-value บอก “ความแรง”
❌ คิดว่า R² ต้องสูงเสมอ
❌ เขียนแปลผล Sig. ผิดระดับ
❌ ไม่เชื่อมโยงผลสถิติกับบริบทงานวิจัย
🎯 เข้าใจ 3 ค่านี้ งานวิจัยจะง่ายขึ้นทันที
- Sig. / p-value → รู้ว่าผล “เชื่อได้ไหม”
- R² → รู้ว่าโมเดล “อธิบายได้แค่ไหน”
คุณจะสามารถ อ่านผล SPSS ได้ เขียนบทที่ 4–5 ได้มั่นใจ และตอบคำถามอาจารย์ได้ชัดเจน