นักศึกษาปริญญาโทและเอกจำนวนมากติดปัญหาที่บทที่ 3 ของวิทยานิพนธ์ เพราะอธิบายไม่ได้ว่าทำไมเลือกกลุ่มตัวอย่างจำนวนนี้ และทำไมใช้วิธีสุ่มแบบนี้ กรรมการสอบมักถามประเด็นนี้เป็นอันดับแรก ๆ เพราะ ประชากรและกลุ่มตัวอย่างในการวิจัย เป็นฐานรากของความน่าเชื่อถือทั้งงาน หากเลือกผิด ผลวิเคราะห์ที่ได้จะนำไปอ้างอิงหรือสรุปผลต่อไม่ได้ แม้ใช้สถิติขั้นสูงเพียงใดก็ตาม
บทความนี้อธิบายตั้งแต่ความหมาย วิธีสุ่ม สูตรคำนวณ ไปจนถึงข้อผิดพลาดที่ควรเลี่ยง เพื่อให้คุณเขียนบทที่ 3 ได้อย่างมั่นใจ
ประชากรและกลุ่มตัวอย่างในการวิจัยคืออะไร
ประชากร (Population)
ประชากร คือสมาชิกทั้งหมดที่ตรงกับขอบเขตของปัญหาวิจัย ไม่จำกัดว่าต้องเป็นคนเสมอไป อาจเป็นองค์กร โรงเรียน เอกสาร ผลิตภัณฑ์ หรือเหตุการณ์ก็ได้ เช่น
- พนักงานธนาคารทั้งหมดในกรุงเทพมหานคร
- นักเรียนชั้นมัธยมศึกษาปีที่ 3 ทั้งหมดของจังหวัดเชียงใหม่
- ผู้ป่วยโรคเบาหวานที่รับการรักษาในโรงพยาบาลแห่งหนึ่งในปี 2568
กลุ่มตัวอย่าง (Sample)
กลุ่มตัวอย่าง คือส่วนหนึ่งของประชากรที่ผู้วิจัยเลือกมาเป็นตัวแทนเพื่อเก็บข้อมูลจริง เพราะการศึกษาประชากรทั้งหมดมักใช้เวลา งบประมาณ และแรงงานมากเกินไป วัตถุประสงค์คือให้ผลที่ได้จากกลุ่มตัวอย่างสามารถ อนุมาน (Generalize) กลับไปสู่ประชากรได้อย่างสมเหตุสมผล
ความแตกต่างที่ต้องแยกให้ชัด
| หัวข้อ | ประชากร | กลุ่มตัวอย่าง |
|---|---|---|
| ขอบเขต | สมาชิกทั้งหมด | ส่วนย่อยที่ถูกเลือก |
| ค่าที่ได้ | พารามิเตอร์ (Parameter) | สถิติ (Statistic) |
| การเก็บข้อมูล | สำมะโน (Census) | การสำรวจ (Survey) |
| สัญลักษณ์ | N, μ, σ | n, x̄, s |
ทำไมการเลือกกลุ่มตัวอย่างจึงสำคัญ
- กำหนดความตรงภายนอก (External Validity): กลุ่มตัวอย่างที่ไม่เป็นตัวแทนที่ดี ทำให้สรุปผลไปยังประชากรไม่ได้
- ควบคุมความคลาดเคลื่อน (Sampling Error): ยิ่งเลือกอย่างเป็นระบบ ความคลาดเคลื่อนยิ่งต่ำ
- สัมพันธ์กับอำนาจการทดสอบทางสถิติ (Statistical Power): กลุ่มตัวอย่างเล็กเกินไปอาจตรวจไม่พบความสัมพันธ์ที่มีอยู่จริง
- ผ่านการพิจารณาจริยธรรมและการสอบ: กรรมการและวารสารวิชาการต้องการเหตุผลเชิงวิชาการรองรับทุกตัวเลข
ขั้นตอนการกำหนดประชากรและกลุ่มตัวอย่างอย่างเป็นระบบ
ขั้นที่ 1: นิยามประชากรให้ชัดเจน ระบุคุณลักษณะ พื้นที่ และช่วงเวลา เช่น “พนักงานบริษัทเอกชนในกรุงเทพฯ อายุ 25–40 ปี ที่ทำงานมาไม่น้อยกว่า 1 ปี”
ขั้นที่ 2: กำหนดเกณฑ์คัดเข้าและคัดออก (Inclusion/Exclusion Criteria) เกณฑ์ที่ชัดเจนช่วยให้ผู้อื่นทำซ้ำงานของคุณได้
ขั้นที่ 3: หากรอบการสุ่ม (Sampling Frame) คือรายชื่อหรือฐานข้อมูลของประชากรที่ใช้สุ่มได้จริง หากไม่มีรายชื่อครบถ้วน วิธีสุ่มแบบความน่าจะเป็นอาจทำไม่ได้
ขั้นที่ 4: เลือกวิธีการสุ่มตัวอย่าง ให้สอดคล้องกับวัตถุประสงค์ ระเบียบวิธีวิจัย และข้อจำกัดของงาน
ขั้นที่ 5: คำนวณขนาดกลุ่มตัวอย่าง ด้วยสูตรหรือโปรแกรมที่มีที่มาอ้างอิงได้
ขั้นที่ 6: วางแผนรับมือการสูญหายของข้อมูล แบบสอบถามที่ไม่ตอบกลับหรือไม่สมบูรณ์เกิดขึ้นเสมอ ควรเก็บเผื่อประมาณ 10–20%
วิธีการสุ่มตัวอย่าง เลือกแบบไหนดี
1. การสุ่มแบบอาศัยความน่าจะเป็น (Probability Sampling)
สมาชิกทุกคนมีโอกาสถูกเลือกที่ทราบค่าได้ เหมาะกับการวิจัยเชิงปริมาณที่ต้องการอนุมานสู่ประชากร
- การสุ่มอย่างง่าย (Simple Random Sampling): จับฉลากหรือใช้โปรแกรมสุ่ม เหมาะเมื่อประชากรมีลักษณะคล้ายกันและมีรายชื่อครบ
- การสุ่มแบบเป็นระบบ (Systematic Sampling): เลือกทุกลำดับที่ k เช่น ทุกคนที่ 5 จากรายชื่อ ทำได้รวดเร็วแต่ต้องระวังรูปแบบซ้ำในรายชื่อ
- การสุ่มแบบแบ่งชั้น (Stratified Random Sampling): แบ่งประชากรเป็นชั้นก่อน เช่น เพศ ระดับชั้น หรือแผนก แล้วสุ่มจากแต่ละชั้นตามสัดส่วน เหมาะเมื่อประชากรมีความแตกต่างภายในมาก
- การสุ่มแบบกลุ่ม (Cluster Sampling): สุ่มเป็นกลุ่ม เช่น ห้องเรียน หมู่บ้าน หรือสาขา แล้วเก็บข้อมูลทุกคนในกลุ่มที่ถูกเลือก ประหยัดเมื่อประชากรกระจายตัวกว้าง
- การสุ่มหลายขั้นตอน (Multi-stage Sampling): ผสมหลายวิธีเป็นลำดับ เช่น สุ่มจังหวัด แล้วสุ่มโรงเรียน แล้วสุ่มห้องเรียน เหมาะกับงานระดับประเทศ
2. การสุ่มแบบไม่อาศัยความน่าจะเป็น (Non-probability Sampling)
ใช้เมื่อไม่มีรายชื่อประชากร หรือเป็นการวิจัยเชิงคุณภาพที่ไม่ได้มุ่งอนุมานเชิงสถิติ
- แบบสะดวก (Convenience Sampling): เลือกผู้ที่เข้าถึงง่าย ทำง่ายที่สุดแต่มีอคติสูง
- แบบเจาะจง (Purposive Sampling): เลือกผู้ให้ข้อมูลหลักที่มีประสบการณ์ตรงกับประเด็น นิยมในงานเชิงคุณภาพ
- แบบโควตา (Quota Sampling): กำหนดจำนวนตามสัดส่วนคุณลักษณะ แต่ไม่ได้สุ่มภายในโควตา
- แบบลูกโซ่หรือสโนว์บอล (Snowball Sampling): ให้ผู้ตอบแนะนำต่อ เหมาะกับกลุ่มเข้าถึงยาก เช่น ผู้ป่วยโรคหายาก
ข้อสังเกตสำคัญ: หากงานวิจัยเชิงปริมาณของคุณต้องการสรุปผลสู่ประชากร ควรเลือกวิธีแบบความน่าจะเป็นเป็นหลัก หากจำเป็นต้องใช้แบบไม่อาศัยความน่าจะเป็น ให้ระบุข้อจำกัดไว้ในบทที่ 5 อย่างตรงไปตรงมา
วิธีคำนวณขนาดกลุ่มตัวอย่างให้ถูกต้อง
1. สูตรทาโร่ ยามาเน่ (Taro Yamane)
เมื่อทราบจำนวนประชากร (N) และกำหนดความคลาดเคลื่อนที่ยอมรับได้ (e)
n = N / (1 + Ne²)
ตัวอย่าง: ประชากร 5,000 คน ความคลาดเคลื่อน 0.05 (ความเชื่อมั่น 95%)
n = 5,000 / (1 + 5,000 × 0.0025) = 5,000 / 13.5 ≈ 371 คน
2. ตารางของเครจซี่และมอร์แกน (Krejcie & Morgan)
เป็นตารางสำเร็จรูปที่ระดับความเชื่อมั่น 95% เช่น ประชากร 1,000 คน ใช้ตัวอย่าง 278 คน, ประชากร 5,000 คน ใช้ 357 คน และประชากร 100,000 คน ใช้ 384 คน จะเห็นว่าเมื่อประชากรใหญ่ขึ้นมาก ขนาดตัวอย่างที่ต้องการแทบไม่เพิ่ม
3. สูตรของโคแครน (Cochran) กรณีไม่ทราบจำนวนประชากร
n = Z²p(1−p) / e²
เมื่อไม่ทราบสัดส่วน p ให้ใช้ 0.5 ซึ่งให้ขนาดตัวอย่างสูงสุด ที่ความเชื่อมั่น 95% (Z = 1.96) และ e = 0.05 จะได้ประมาณ 385 คน
4. การวิเคราะห์อำนาจการทดสอบด้วย G*Power
เหมาะกับงานที่ใช้สถิติอนุมาน เช่น t-test, ANOVA, การถดถอย ต้องกำหนดขนาดอิทธิพล (Effect Size) ระดับนัยสำคัญ (α = 0.05) และอำนาจการทดสอบ (Power ≥ 0.80) วิธีนี้ได้รับการยอมรับสูงในวารสารระดับนานาชาติ เพราะผูกกับการทดสอบสมมติฐานโดยตรง
5. หลักเกณฑ์สำหรับสถิติหลายตัวแปร
- การถดถอยพหุคูณ: อย่างน้อย 10–20 ตัวอย่างต่อตัวแปรอิสระ 1 ตัว
- การวิเคราะห์องค์ประกอบ (EFA): อย่างน้อย 5–10 เท่าของจำนวนข้อคำถาม และไม่ต่ำกว่า 100–200 ตัวอย่าง
- สมการโครงสร้าง (SEM): ทั่วไปไม่ควรต่ำกว่า 200 ตัวอย่าง หรือ 10–20 เท่าของจำนวนพารามิเตอร์ที่ประมาณค่า
ควรเลือกวิธีที่ตรงกับสถิติที่ใช้วิเคราะห์ ถ้าใช้ SEM แต่คำนวณด้วยสูตรยามาเน่อย่างเดียว กรรมการอาจตั้งคำถามได้
งานวิจัยเชิงคุณภาพกับงานแบบผสมผสาน
การวิจัยเชิงคุณภาพไม่ได้กำหนดขนาดตัวอย่างด้วยสูตร แต่ใช้หลัก ความอิ่มตัวของข้อมูล (Data Saturation) คือเก็บข้อมูลจนไม่พบประเด็นใหม่ ซึ่งมักอยู่ที่ประมาณ 8–15 คนสำหรับการสัมภาษณ์เชิงลึก ขึ้นอยู่กับความเป็นเนื้อเดียวกันของกลุ่มและความลึกของประเด็น ส่วนงานแบบผสมผสานควรอธิบายกลุ่มตัวอย่างแยกกันทั้งส่วนเชิงปริมาณและเชิงคุณภาพ พร้อมเหตุผลของแต่ละส่วน
ตัวอย่างการเขียนในบทที่ 3
“ประชากรที่ใช้ในการวิจัยครั้งนี้ คือ พนักงานบริษัทเอกชนในเขตกรุงเทพมหานคร จำนวน 5,000 คน (ที่มา: ฐานข้อมูล…) กำหนดขนาดกลุ่มตัวอย่างด้วยสูตรของทาโร่ ยามาเน่ ที่ระดับความเชื่อมั่นร้อยละ 95 ความคลาดเคลื่อนร้อยละ 5 ได้ขนาดตัวอย่าง 371 คน และเพิ่มอีกร้อยละ 10 เพื่อป้องกันแบบสอบถามที่ไม่สมบูรณ์ รวมเป็น 408 คน ใช้การสุ่มแบบแบ่งชั้นตามสัดส่วนของแต่ละแผนก”
ย่อหน้าที่ดีควรตอบให้ครบ 4 เรื่อง คือ ใครคือประชากร จำนวนเท่าไร ใช้วิธีไหนคำนวณ และสุ่มด้วยวิธีใด
ข้อผิดพลาดที่พบบ่อยและวิธีหลีกเลี่ยง
- นิยามประชากรกว้างหรือคลุมเครือเกินไป ควรระบุคุณลักษณะ พื้นที่ และช่วงเวลาให้ชัด
- ใช้การสุ่มแบบสะดวกแต่สรุปผลสู่ประชากร ควรปรับข้อสรุปให้สอดคล้องกับวิธีที่ใช้
- คัดลอกสูตรโดยไม่ตรวจที่มา ควรอ้างอิงแหล่งต้นฉบับและตรวจว่าสูตรเหมาะกับสถิติที่ใช้
- ไม่เผื่อข้อมูลสูญหาย ทำให้ขนาดตัวอย่างจริงต่ำกว่าเกณฑ์ที่คำนวณไว้
- ใช้ตัวอย่างเกินจำเป็นโดยไม่มีเหตุผล ยิ่งมากยิ่งดีไม่เสมอไป เพราะเสียทรัพยากรและอาจทำให้ความแตกต่างเล็กน้อยมีนัยสำคัญทางสถิติโดยไม่มีความหมายเชิงปฏิบัติ
- ไม่ตรวจสอบความเป็นตัวแทน หลังเก็บข้อมูลควรเปรียบเทียบคุณลักษณะของกลุ่มตัวอย่างกับประชากร เช่น สัดส่วนเพศและอายุ
เช็กลิสต์ก่อนส่งบทที่ 3
- นิยามประชากรชัดเจน พร้อมจำนวนและแหล่งที่มา
- มีเกณฑ์คัดเข้าและคัดออก
- วิธีสุ่มสอดคล้องกับวัตถุประสงค์และการอนุมานผล
- สูตรหรือโปรแกรมคำนวณมีการอ้างอิงงานต้นฉบับ
- คำนวณขนาดตัวอย่างสอดคล้องกับสถิติที่ใช้วิเคราะห์
- เผื่อข้อมูลสูญหายแล้ว
- ระบุข้อจำกัดด้านกลุ่มตัวอย่างไว้ในบทที่ 5
คำถามที่พบบ่อย (FAQ)
กลุ่มตัวอย่างน้อยที่สุดกี่คนจึงยอมรับได้?
ไม่มีตัวเลขตายตัวสำหรับทุกงาน ขึ้นอยู่กับสถิติที่ใช้ ขนาดอิทธิพลที่คาดหวัง และประเภทการวิจัย ควรคำนวณจากหลักการที่อ้างอิงได้แทนการกะเอา
ถ้าประชากรมีขนาดเล็กมาก ต้องสุ่มหรือไม่?
หากประชากรมีไม่เกินไม่กี่สิบคนและเข้าถึงได้ทั้งหมด การศึกษาทั้งประชากรเป็นทางเลือกที่ดีกว่า
ใช้สูตรยามาเน่กับงานทุกประเภทได้หรือไม่?
ไม่ได้ สูตรนี้เหมาะกับการประมาณค่าสัดส่วนเมื่อทราบจำนวนประชากร หากใช้การทดสอบสมมติฐานหรือสถิติหลายตัวแปร ควรพิจารณา G*Power หรือหลักเกณฑ์เฉพาะของสถิตินั้น
บทสรุป
การเลือก ประชากรและกลุ่มตัวอย่างในการทำวิจัย ที่ถูกต้องเริ่มจากนิยามประชากรให้ชัด เลือกวิธีสุ่มให้สอดคล้องกับเป้าหมายการอนุมาน คำนวณขนาดตัวอย่างด้วยวิธีที่มีที่มาอ้างอิงและเข้ากับสถิติที่ใช้ แล้วอธิบายเหตุผลทุกขั้นตอนในบทที่ 3 อย่างโปร่งใส เมื่อทำครบ งานวิจัยของคุณจะมีรากฐานที่แข็งแรงและตอบคำถามกรรมการได้อย่างมั่นใจ
💡 ให้การทำวิจัยเป็นเรื่องง่ายขึ้นกับเรา
ยังไม่แน่ใจว่าควรเลือกกลุ่มตัวอย่างและคำนวณขนาดตัวอย่างอย่างไรให้ผ่านกรรมการ?
ทีมที่ปรึกษาจาก DD Thesis และ Thesis DD พร้อมช่วยคุณตั้งแต่การกำหนดประชากร เลือกวิธีสุ่ม คำนวณขนาดตัวอย่าง ไปจนถึงการวิเคราะห์ข้อมูลทางสถิติ ด้วยประสบการณ์ที่ดูแลงานวิจัยและวิทยานิพนธ์มาอย่างต่อเนื่อง
👉 ปรึกษาเราได้ฟรี วันนี้ที่ ddthesis.co.th
