Skip to main content

Welch’s Test by Default: เลิกทดสอบความแปรปรวนก่อนเปรียบเทียบค่าเฉลี่ย

research
statistics
r
ทำไมเราควรเลือกใช้ Welch’s t-test และ Welch’s ANOVA เป็นค่าเริ่มต้นเสมอ โดยไม่ต้องเสียเวลารัน Levene’s test ก่อน
Published

2 พฤศจิกายน 2569

ในตำราสถิติดั้งเดิมและห้องเรียนระเบียบวิธีวิจัยเกือบทุกแห่ง ทำ “Two-Step Procedure เสมอก่อนการเปรียบเทียบค่าเฉลี่ยของข้อมูล 2 กลุ่มขึ้นไป:

  1. ขั้นที่ 1: นำข้อมูลไปตรวจ Levene’s test หรือ \(F\)-test เพื่อดูว่าความแปรปรวนเท่ากันหรือไม่ (Homogeneity of Variance)
  2. ขั้นที่ 2:
    • หาก \(p \ge 0.05\) \(\rightarrow\) สรุปว่าความแปรปรวนเท่ากัน แล้วรัน Student’s \(t\)-test หรือ Classical One-Way ANOVA
    • หาก \(p < 0.05\) \(\rightarrow\) สรุปว่าความแปรปรวนไม่เท่ากัน ถึงค่อยยอมเปลี่ยนไปใช้ Welch’s \(t\)-test หรือ Welch’s ANOVA

กระบวนการนี้ฟังดูรอบคอบ รัดกุม และมีเหตุผล ทว่าในแวดวงสถิติเชิงระเบียบวิธี (Methodological Statistics) ร่วมสองทศวรรษที่ผ่านมา ข้อสรุปจากงานวิจัยเชิงจำลองและคณิตศาสตร์กลับตรงกันข้ามอย่างสิ้นเชิง:

Importantข้อสรุปจากนักสถิติยุคใหม่

การทำ Pre-test คัดกรองความแปรปรวนก่อนแบบนี้ ไม่เพียงแต่ไม่มีประโยชน์ แต่ยังส่งผลเสียต่อการควบคุมอัตราความคลาดเคลื่อน (Type I Error Rate) ของงานวิจัยอีกด้วย

ทางเลือกที่ปลอดภัย ถูกต้อง และได้รับการยอมรับสูงสุดในปัจจุบัน คือการใช้ Welch’s test เป็นค่าเริ่มต้นแบบไม่มีเงื่อนไข (Unconditional Welch’s test by default) ตั้งแต่แรก

1. กับดักของการทดสอบสองชั้น (The Pre-Testing Trap)

เหตุผลที่ธรรมเนียมดั้งเดิมกลายเป็นช่องโหว่ร้ายแรง เกิดจาก 3 กลไกทางสถิติที่มักถูกมองข้าม:

1.1 Levene’s Test ขาดอำนาจการทดสอบ (Low Statistical Power)

งานวิจัยจำลองขนาดใหญ่ของ Delacre, Lakens, & Leys (2017) ชี้ให้เห็นว่า Levene’s test มีอำนาจการทดสอบ (Power) ต่ำมากเมื่อขนาดกลุ่มตัวอย่าง (Sample size) ไม่ใหญ่พอ

ตัวอย่างเช่น หากในระดับประชากรจริง ความแปรปรวนของทั้งสองกลุ่มต่างกัน 1.5 เท่า การที่ Levene’s test จะตรวจจับความต่างนี้พบที่ Power 80–95% อาจต้องใช้กลุ่มตัวอย่างรวมสูงถึง 120–160 ตัวอย่าง

ในงานวิจัยจริงที่มีกลุ่มตัวอย่างเพียง 15–30 คนต่อกลุ่ม Levene’s test จึงมักให้ค่า \(p \ge 0.05\) ส่งผลให้นักวิจัยหลงเชื่อใน “ภาพลวงตาแห่งความปลอดภัย” (False sense of security) ว่าความแปรปรวนเท่ากัน แล้วกลับไปรัน Student’s \(t\)-test ซึ่งเป็นจุดที่ความคลาดเคลื่อนชนิดที่ 1 (Type I Error) พุ่งสูงทะลุเกณฑ์ \(\alpha = 0.05\) ทันที โดยเฉพาะเมื่อขนาดกลุ่มตัวอย่างไม่เท่ากัน (Unbalanced design)

1.2 ผลกระทบของการรันสถิติซ้อนบนข้อมูลชุดเดียวกัน (Conditional Testing)

Zimmerman (2004) และ Rasch, Kubinger, & Moder (2011) พิสูจน์ด้วยคณิตศาสตร์ว่า เมื่อเรานำข้อมูลชุดเดิมมารันสถิติคัดกรองก่อนรอบหนึ่ง แล้วเลือกใช้สถิติตัวที่สองตามผลลัพธ์ของตัวแรก (Data-dependent decision) อัตราความคลาดเคลื่อนที่แท้จริง (Nominal significance level) จะบิดเบี้ยวทันที

Rasch et al. (2011) สรุปไว้ตรงไปตรงมาในชื่อบทความวิชาการว่า:

“The two-sample t test: pre-testing its assumptions does not pay off”

เพราะความแม่นยำของ Welch’s test จะแย่ลงทันทีหากถูกลดทอนบทบาทให้เป็นเพียง “ตัวสำรอง” ที่ต้องรอการอนุมัติจาก Levene’s test ทางออกที่รัดกุมที่สุดคือการเลือกใช้ Welch’s test ตั้งแต่ต้นโดยไม่มีเงื่อนไขใด ๆ (Unconditionally)

1.3 ต้นทุนที่ต้องจ่ายต่ำจนแทบเป็นศูนย์ (Near-Zero Cost)

คำถามที่นักวิจัยมักกังวลคือ: “ถ้าความแปรปรวนของข้อมูลเท่ากันจริง (\(\sigma_1^2 = \sigma_2^2\)) การใช้ Welch’s test จะทำให้เสียอำนาจการทดสอบ (Power) หรือไม่?”

คำตอบคือ: แทบไม่สูญเสียเลย!

งานวิจัยของ Delacre et al. (2017) และ Delacre et al. (2019) ยืนยันว่า แม้ในสภาวะที่ความแปรปรวนเท่ากันจริงทุกประการ Welch’s \(t\)-test และ Welch’s ANOVA มี Statistical Power ต่ำกว่าการทดสอบแบบคลาสสิกเพียง 1–2% เท่านั้น ซึ่งเล็กน้อยมากจนไม่มีผลในทางปฏิบัติ

แต่ในทางกลับกัน หากความแปรปรวนไม่เท่ากัน Welch จะทำหน้าที่เป็นเกราะคุ้มกัน ปกป้องงานวิจัยจากการได้ผลลวง (False Positive) ได้อย่างสมบูรณ์แบบ

2. เจาะลึกกลไก: ทำไม Student ถึงพัง และ Welch แก้ไขอย่างไร?

เพื่อให้เห็นภาพชัดเจน เรามาดูความแตกต่างระดับสมการระหว่าง Student’s \(t\)-test และ Welch’s \(t\)-test:

2.1 การประมาณค่าความคลาดเคลื่อนมาตรฐาน (Standard Error)

เมื่อเราต้องการทดสอบผลต่างของค่าเฉลี่ย (\(\bar{X}_1 - \bar{X}_2\)):

  • Student’s \(t\)-test: บังคับ “มัดรวมความแปรปรวน” เข้าด้วยกัน (Pooled Variance: \(s_p^2\)) \[s_p^2 = \frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n_1 + n_2 - 2}\] \[SE_{\text{Student}} = s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}\] สูตรนี้ตั้งอยู่บนข้อสมมติว่าทั้งสองกลุ่มมีพารามิเตอร์ความแปรปรวนของประชากรเหมือนกันคือ \(\sigma^2\)

  • Welch’s \(t\)-test: ยอมรับความจริงว่าแต่ละกลุ่มอาจมีความแปรปรวนต่างกัน จึงใช้ความแปรปรวนแยก (Unpooled Variance) \[SE_{\text{Welch}} = \sqrt{\frac{s_1^2}{n_1} + \frac{s_2^2}{n_2}}\]

2.2 องศาความเป็นอิสระ (Degrees of Freedom: \(df\))

จุดเด่นที่สุดของ Welch’s \(t\)-test คือการปรับทอน \(df\) ผ่าน Welch–Satterthwaite equation:

\[df_{\text{Welch}} = \frac{\left( \frac{s_1^2}{n_1} + \frac{s_2^2}{n_2} \right)^2}{\frac{(s_1^2 / n_1)^2}{n_1 - 1} + \frac{(s_2^2 / n_2)^2}{n_2 - 1}}\]

สังเกตว่า \(df_{\text{Welch}}\) จะไม่เท่ากับ \((n_1 + n_2 - 2)\) อีกต่อไป และมักได้ผลลัพธ์เป็น ตัวเลขทศนิยม (เช่น \(df = 24.3\))

การลดลงของ \(df\) นี้คือกลไกทางคณิตศาสตร์ที่เข้าไป “ลงโทษ” (Penalize) ความไม่แน่นอนของความแปรปรวน ทำให้ Critical Value กว้างขึ้นอย่างเหมาะสม ส่งผลให้อัตรา Type I Error ถูกควบคุมไว้ที่ระดับ \(\alpha = 0.05\) ได้อย่างสม่ำเสมอ

2.3 ความเสี่ยงที่ไม่สมมาตร: Negative vs Positive Pairing

ความเสียหายของ Student’s \(t\)-test จะรุนแรงที่สุดเมื่อ ขนาดตัวอย่างไม่เท่ากัน (\(n_1 \ne n_2\)) ควบคู่กับความแปรปรวนไม่เท่ากัน (\(s_1^2 \ne s_2^2\)):

รูปแบบการจับคู่ สถานการณ์ของข้อมูล ผลกระทบต่อ Student’s \(t\)-test ผลกระทบต่อ Welch’s \(t\)-test
Negative Pairing
(อันตรายที่สุด)		 กลุ่มตัวอย่างขนาดเล็ก มีความแปรปรวนสูง
(\(n_1 < n_2\) แต่ \(s_1^2 > s_2^2\))		 Pooled Variance ถูกกลุ่มใหญ่กดให้ต่ำลง \(\rightarrow\) ค่า \(SE\) ต่ำเกินจริง \(\rightarrow\) ค่า \(t\) สูงเกินจริง \(\rightarrow\) Type I Error พุ่งสูงแตะ 15–30%! (เกิด False Positive มหาศาล) ควบคุม Type I Error ได้ที่ 5.0% ตามเกณฑ์เสมอ
Positive Pairing กลุ่มตัวอย่างขนาดเล็ก มีความแปรปรวนต่ำ
(\(n_1 < n_2\) และ \(s_1^2 < s_2^2\))		 Pooled Variance ถูกกลุ่มใหญ่ดึงให้สูงขึ้น \(\rightarrow\) ค่า \(SE\) สูงเกินจริง \(\rightarrow\) Type I Error หดตัวเหลือ < 1% (Conservative เกินไป เสีย Power ทำให้พลาดการค้นพบ) ควบคุม Type I Error ได้ที่ 5.0% รักษา Power ไว้ได้เหมาะสม
WarningNegative Pairing คือหายนะของงานวิจัย

ในสถานการณ์ Negative Pairing การใช้ Student’s \(t\)-test อาจทำให้นักวิจัยประกาศว่า “ค้นพบความแตกต่างอย่างมีนัยสำคัญ” ทั้งที่แท้จริงแล้วเป็นเพียงความคลาดเคลื่อนจากการสุ่มตัวอย่าง ซึ่งเป็นหนึ่งในสาเหตุหลักของวิกฤตการณ์ทำซ้ำไม่ได้ (Replication Crisis) ในวงการวิทยาศาสตร์

3. R stat: ทำไมทีมพัฒนา R ถึงตั้ง Welch เป็น Default?

ทีมพัฒนาภาษา R (R Core Team) ตระหนักถึงข้อค้นพบทางสถิตินี้มาตั้งแต่ยุคแรก ในแพ็กเกจพื้นฐาน stats ฟังก์ชันมาตรฐานจึงไม่บังคับให้นักวิจัยต้องตรวจความแปรปรวนก่อน:

# ฟังก์ชัน t-test มีค่าเริ่มต้นคือ var.equal = FALSE (Welch's t-test)
t.test(x, y, var.equal = FALSE)

# ฟังก์ชัน One-Way ANOVA มีค่าเริ่มต้นคือ var.equal = FALSE (Welch's ANOVA)
oneway.test(formula, data, var.equal = FALSE)

หากนักวิจัยต้องการใช้ Student’s \(t\)-test หรือ Fisher’s ANOVA แบบดั้งเดิม จะต้องเป็นฝ่ายพิมพ์ระบุ var.equal = TRUE ด้วยตนเอง นี่คือการออกแบบเชิงปรัชญาของ R ที่เน้นปกป้องผู้ใช้งานจากการสรุปผลผิดพลาด

4. การทดลองจำลอง (Simulation) พิสูจน์ด้วยข้อมูล 10,000 ซ้ำ

เราสามารถพิสูจน์ข้อเท็จจริงนี้ได้ด้วยการจำลอง Monte Carlo Simulation ในสภาวะ Negative Pairing: * สมมติฐานหลักเป็นจริง (\(H_0: \mu_1 = \mu_2 = 0\)) ไม่มีความแตกต่างจริงในประชากร * กลุ่มที่ 1: \(n_1 = 15, \text{SD}_1 = 3.0\) (กลุ่มเล็ก แปรปรวนสูง) * กลุ่มที่ 2: \(n_2 = 45, \text{SD}_2 = 1.0\) (กลุ่มใหญ่ แปรปรวนต่ำ)

# ==============================================================================
# Simulation: Comparing Type I Error Rates
# Scenario: H0 is TRUE (Mean1 = Mean2 = 0), Unequal Variances, Unequal Sizes
# ==============================================================================

set.seed(42)
n_sim <- 10000

n1 <- 15; n2 <- 45
sd1 <- 3.0; sd2 <- 1.0

# เวกเตอร์เก็บผลลัพธ์
p_student  <- numeric(n_sim)
p_welch    <- numeric(n_sim)
p_two_step <- numeric(n_sim)

for (i in 1:n_sim) {
  g1 <- rnorm(n1, mean = 0, sd = sd1)
  g2 <- rnorm(n2, mean = 0, sd = sd2)

  # 1. Student's t-test (บังคับใช้ Equal Variance)
  p_student[i] <- t.test(g1, g2, var.equal = TRUE)$p.value

  # 2. Welch's t-test (ใช้เป็นค่าเริ่มต้นทันที)
  p_welch[i] <- t.test(g1, g2, var.equal = FALSE)$p.value

  # 3. Two-Step Strategy: ตรวจด้วย F-test/Levene ก่อน
  var_test_p <- var.test(g1, g2)$p.value
  if (var_test_p < 0.05) {
    p_two_step[i] <- p_welch[i]   # ตรวจพบความต่าง -> ใช้ Welch
  } else {
    p_two_step[i] <- p_student[i] # ไม่พบความต่าง -> ถอยกลับไปใช้ Student
  }
}

# คำนวณอัตราความคลาดเคลื่อนจริง (Empirical Type I Error) ที่ alpha = 0.05
alpha <- 0.05
type1_student <- mean(p_student < alpha)
type1_twostep <- mean(p_two_step < alpha)
type1_welch   <- mean(p_welch < alpha)

ผลลัพธ์จากการทดลอง

กลยุทธ์การวิเคราะห์ (Strategy) ระดับ \(\alpha\) ที่ตั้งไว้ อัตราความคลาดเคลื่อนจริง (Empirical Type I Error) การประเมินผล
Student’s \(t\)-test (Equal Variance Assumed) 0.05 ~20.3% ❌ เกิด False Positive สูงกว่าเกณฑ์ถึง 4 เท่า
Two-Step Strategy (ตรวจ Variance ก่อน) 0.05 ~6.5% – 8.5% ⚠️ ยังคงรั่วไหลเกินเกณฑ์ 0.05 ในหลายสภาวะ
Unconditional Welch’s \(t\)-test (Default) 0.05 ~4.8% – 5.0% ✅ ควบคุมความคลาดเคลื่อนได้สมบูรณ์แบบตามทฤษฎี

จากผลการจำลอง: 1. Student’s \(t\)-test ล้มเหลวอย่างสิ้นเชิง โดยมีอัตราการปฏิเสธสมมติฐานหลักทั้งที่เป็นจริงสูงเกิน 20% 2. Two-Step Strategy แม้จะช่วยดึงความคลาดเคลื่อนลงมาได้บ้าง แต่ในหลายกรณีที่ความแปรปรวนต่างกันไม่สุดโต่ง (เช่น ต่างกัน 1.5–2 เท่า) ตัวทดสอบความแปรปรวนมักจะ “ตรวจไม่พบ” ทำให้ส่งต่อข้อมูลกลับไปรัน Student’s \(t\)-test ส่งผลให้ Type I Error ยังคงเกินเกณฑ์ 0.05 อยู่ดี 3. Unconditional Welch’s \(t\)-test สามารถควบคุมอัตรา Type I Error ให้อยู่ที่ 5% ได้อย่างแม่นยำและเสถียรที่สุด

5. ขยายผลสู่ One-Way ANOVA: แล้ว Post-hoc ต้องใช้อะไร?

เมื่อมีกลุ่มตัวอย่างมากกว่า 2 กลุ่ม (\(k \ge 3\)) ปัญหาเรื่องความแปรปรวนไม่เท่ากันก็ส่งผลกระทบต่อ Fisher’s Classical One-Way ANOVA เช่นเดียวกัน

ในภาษา R เราสามารถรัน Welch’s ANOVA ได้ง่ายๆ ผ่าน:

# Welch's One-Way ANOVA สำหรับ k กลุ่ม
oneway.test(yield ~ treatment, data = rice_data, var.equal = FALSE)

คำถามยอดฮิต: ถ้าใช้ Welch’s ANOVA แล้ว จะทดสอบเปรียบเทียบรายคู่ (Post-hoc) อย่างไร?

หลายคนมักตกม้าตายในขั้นตอนนี้ เพราะเมื่อรัน Welch’s ANOVA ผ่านแล้ว กลับไปใช้ Tukey’s HSD หรือ Fisher’s LSD ในการทำ Post-hoc:

Warningอย่าใช้ Tukey’s HSD กับข้อมูลที่ความแปรปรวนไม่เท่ากัน

สูตรคำนวณของ Tukey’s HSD อาศัยค่า Mean Square Error (MSE) ร่วมก้อนเดียวจากการวิเคราะห์ความแปรปรวน ซึ่งตั้งอยู่บนข้อสมมติ Equal Variance การใช้ Tukey HSD จึงขัดแย้งกับเจตนารมณ์ของ Welch’s ANOVA ตั้งแต่ต้น

ทางเลือกที่ถูกต้อง: Games-Howell Test

สำหรับการเปรียบเทียบรายคู่เมื่อความแปรปรวนไม่เท่ากันและ/หรือขนาดตัวอย่างไม่เท่ากัน สถิติ Post-hoc ที่เหมาะสมที่สุดคือ Games-Howell Post-Hoc Test หรือ Dunnett’s T3:

  • Games-Howell Test ใช้หลักการเดียวกับ Welch-Satterthwaite ในการคำนวณ Standard Error และปรับทอน \(df\) ของแต่ละคู่โดยอิสระ
  • ใน R สามารถทำได้สะดวกผ่านแพ็กเกจ rstatix:
# ตัวอย่างการทำ Games-Howell Post-hoc test
library(rstatix)

rice_data |>
  games_howell_test(yield ~ treatment)

ผลลัพธ์จะรายงานค่า \(p\)-value ที่ผ่านการปรับแก้การทดสอบซ้ำซ้อน (Adjusted \(p\)-value) พร้อมช่วงความเชื่อมั่นของแต่ละคู่ได้อย่างถูกต้อง

6. เคลียร์ความเข้าใจผิด: ทำไมไม่หนีไปใช้ Mann-Whitney \(U\) test?

เมื่อนักวิจัยพบว่าข้อมูลความแปรปรวนไม่เท่ากัน คำแนะนำที่มักได้ยินบ่อยๆ คือ: “งั้นก็เปลี่ยนไปใช้สถิติ Non-parametric อย่าง Mann-Whitney U test (หรือ Kruskal-Wallis) สิ!”

งานวิจัยของ Ruxton (2006) ชี้ชัดว่านี่คือ ความเข้าใจผิดอย่างยิ่ง:

  1. Non-parametric ก็มี Assumption เรื่องการกระจายตัว:
    Mann-Whitney \(U\) test มีข้อตกลงเบื้องต้นภายใต้สมมติฐานหลัก (\(H_0\)) ว่า การแจกแจงของประชากรทั้งสองกลุ่มต้องมีรูปทรงและความแปรปรวนเหมือนกัน (Equal shapes and spreads) หากความแปรปรวนต่างกัน Mann-Whitney \(U\) test ก็จะเกิด Type I Error Inflation เช่นเดียวกัน
  2. เปลี่ยนคำถามวิจัยโดยไม่รู้ตัว:
    Mann-Whitney \(U\) test ไม่ได้ทดสอบว่า “ค่าเฉลี่ยต่างกันหรือไม่” แต่ทดสอบเรื่องอันดับ (Mean ranks) หรือโอกาสที่ข้อมูลกลุ่มหนึ่งจะมากกว่าอีกกลุ่ม (Stochastic dominance) ซึ่งตอบคนละโจทย์และตีความยากกว่ามาก
  3. Welch’s \(t\)-test ตอบโจทย์ตรงจุดกว่า:
    หากเป้าหมายของงานวิจัยคือการเปรียบเทียบค่าเฉลี่ย (Means) Welch’s \(t\)-test ตอบคำถามได้ตรงกว่า มีความคงทนสูง และรายงาน Effect Size ได้เข้าใจง่ายกว่ามาก

7. แล้วถ้าข้อมูลไม่แจกแจงแบบปกติ (Non-normality) ล่ะ?

คำถามสำคัญถัดมาคือ: “ถ้าข้อมูลไม่เป็น Normal Distribution ยังใช้ Welch’s \(t\)-test ได้หรือไม่?”

  • เมื่อกลุ่มตัวอย่างขนาดปานกลางถึงใหญ่ (\(n \ge 25–30\) ต่อกลุ่ม):
    ทฤษฎีบทขีดจำกัดส่วนกลาง (Central Limit Theorem: CLT) จะเข้ามาทำหน้าที่รับประกันว่าการแจกแจงของค่าเฉลี่ยตัวอย่าง (\(\bar{X}\)) จะเข้าใกล้การแจกแจงปกติเสมอ ทำให้ Welch’s \(t\)-test ยังคงมีความคงทน (Robust) สูงมาก แม้ข้อมูลดิบจะเบ้เล็กน้อยถึงปานกลาง
  • เมื่อกลุ่มตัวอย่างขนาดเล็กมาก (\(n < 15\)) และข้อมูลเบ้รุนแรง (Heavy tails / Outliers):
    ในสถานการณ์นี้ การทดสอบค่าเฉลี่ยอาจได้รับอิทธิพลจากค่าสุดโต่ง แนะนำให้พิจารณาทางเลือกขั้นสูงต่อไปนี้:
    1. Yuen’s Test for Trimmed Means: สถิติของ Rand Wilcox ที่นำหลักการของ Welch มาใช้กับค่าเฉลี่ยแบบตัดขอบ (เช่น ตัด 20% ของหางข้อมูลทั้งสองฝั่ง) ช่วยกำจัดผลกระทบจาก Outliers ได้อย่างยอดเยี่ยม (เรียกใช้ผ่านฟังก์ชัน yuen() ในแพ็กเกจ WRS2)
    2. Permutation Test หรือ Bootstrap Welch \(t\)-test: การทดสอบด้วยการสุ่มซ้ำที่ไม่ต้องพึ่งพาข้อตกลงเรื่องการแจกแจงใด ๆ

8. แนวทางการเขียนรายงานในวิทยานิพนธ์และบทความวิจัย

เมื่อเปลี่ยนมาใช้ Welch by default แล้ว เราควรเขียนรายงานผลในระเบียบวิธีวิจัยและผลการทดลองอย่างไรให้ถูกต้องตามหลักสากล?

8.1 การเขียนในส่วนระเบียบวิธีวิจัย (Methodology)

Noteตัวอย่างข้อความภาษาไทย

“การเปรียบเทียบค่าเฉลี่ยระหว่าง 2 กลุ่มทดลอง ดำเนินการโดยใช้การทดสอบ Welch’s \(t\)-test โดยไม่มีเงื่อนไขล่วงหน้าเรื่องความเท่ากันของความแปรปรวน ตามข้อเสนอแนะเชิงระเบียบวิธีสถิติของ Delacre et al. (2017) เพื่อควบคุมอัตราความคลาดเคลื่อนชนิดที่ 1 (Type I error rate) ให้คงที่”

Noteตัวอย่างข้อความภาษาอังกฤษ

“Mean differences between the two groups were analyzed using Welch’s two-sample \(t\)-test without a preliminary test for equality of variances, following recommendations by Delacre et al. (2017) to maintain nominal Type I error rates.”

8.2 การเขียนในส่วนผลการวิจัย (Results)

จุดสังเกตสำคัญของการรายงาน Welch’s \(t\)-test คือ ค่าองศาความเป็นอิสระ (\(df\)) จะเป็นเลขทศนิยม ซึ่งสะท้อนการปรับทอนของ Welch–Satterthwaite:

Tipตัวอย่างการรายงานผล (APA / Scientific Style)

“น้ำหนักรวงข้าวเฉลี่ยของกลุ่มที่ได้รับปุ๋ยชีวภาพ (\(18.42 \pm 2.15\text{ g}\)) สูงกว่ากลุ่มควบคุม (\(14.10 \pm 4.38\text{ g}\)) อย่างมีนัยสำคัญทางสถิติ (\(t(21.4) = 3.28\), \(p = 0.003\), \(95\%\text{ CI: } [1.60, 7.04]\), Hedges’ \(g_s = 1.18\))”

หมายเหตุ: ในกรณีที่ความแปรปรวนไม่เท่ากัน ควรเลือกรายงาน Effect Size ด้วย Hedges’ \(g\) หรือ Cohen’s \(d_s\) ที่คำนวณจากค่าเบี่ยงเบนมาตรฐานแยกกลุ่ม แทนการใช้ Pooled SD ดั้งเดิม

9. สรุปคำแนะนำสำหรับนักวิจัย (Key Takeaways)

การเปลี่ยนกระบวนทัศน์จากการ “คัดกรองก่อน” สู่การ “ใช้ Welch เป็นค่าเริ่มต้น” ให้ประโยชน์ทั้งความเรียบง่ายเชิงขั้นตอนและความถูกต้องเชิงทฤษฎี:

Tipกฎปฏิบัติ 4 ข้อสำหรับงานวิเคราะห์ข้อมูล
  1. ข้าม Levene’s test สำหรับการเปรียบเทียบค่าเฉลี่ย: ไม่จำเป็นต้องตรวจความแปรปรวนก่อนทำ \(t\)-test หรือ One-Way ANOVA เว้นแต่เป้าหมายของงานวิจัยคือการศึกษาความแปรปรวนโดยตรง
  2. ใช้ Welch’s test ทันที (Unconditionally): ปล่อยให้ var.equal = FALSE ใน R ทำงานโดยอัตโนมัติ ไม่ว่าจะเป็นข้อมูล 2 กลุ่ม (t.test) หรือมากกว่า 2 กลุ่ม (oneway.test)
  3. จับคู่ Welch’s ANOVA กับ Games-Howell Test: หากมีมากกว่า 2 กลุ่ม ให้หลีกเลี่ยง Tukey HSD แล้วเลือกใช้ Games-Howell สำหรับการเปรียบเทียบรายคู่
  4. การอ้างอิงทางวิชาการเพื่อตอบ Reviewer: หากผู้ประเมินบทความ (Reviewer) ซักถามถึงสาเหตุที่ไม่ได้ทดสอบ Levene ก่อน สามารถอ้างอิง Zimmerman (2004), Rasch et al. (2011) และ Delacre et al. (2017, 2019) เพื่อยืนยันว่าการใช้ Welch แบบไม่มีเงื่อนไขคือ Best Practice ตามระเบียบวิธีสถิติสมัยใหม่

เอกสารอ้างอิง (References)

  • Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch’s \(t\)-test instead of Student’s \(t\)-test. International Review of Social Psychology, 30(1), 92–101.
  • Delacre, M., Leys, C., Mora, Y. L., & Lakens, D. (2019). Taking parametric assumptions seriously: Arguments for the use of Welch’s \(F\)-test instead of the classical \(F\)-test in one-way ANOVA. International Review of Social Psychology, 32(1), 13.
  • Games, P. A., & Howell, J. F. (1976). Pairwise multiple comparison procedures with unequal \(n\)’s and/or variances: a Monte Carlo study. Journal of Educational Statistics, 1(2), 113–125.
  • Rasch, D., Kubinger, K. D., & Moder, K. (2011). The two-sample \(t\) test: pre-testing its assumptions does not pay off. Statistical Papers, 52(1), 219–231.
  • Ruxton, G. D. (2006). The unequal variance \(t\)-test is an underused alternative to Student’s \(t\)-test and the Mann–Whitney \(U\) test. Behavioral Ecology, 17(4), 688–690.
  • Zimmerman, D. W. (2004). A note on preliminary tests of equality of variances. British Journal of Mathematical and Statistical Psychology, 57(1), 173–181.