Jamovi Cloud
คู่มือการใช้งานฉบับสมบูรณ์
เรียนรู้การวิเคราะห์ข้อมูลสุขภาพและสถิติ ผ่านเว็บบราวเซอร์ ไม่ต้องติดตั้งโปรแกรม สำหรับผู้ที่ไม่มีพื้นฐานด้านสถิติ
📋 สารบัญ
🌐 ทำความรู้จักกับ Jamovi Cloud
เครื่องมือวิเคราะห์สถิติระดับมืออาชีพ เปิดใช้งานได้ทันทีผ่านเว็บบราวเซอร์
🔍 Jamovi Cloud คืออะไร?
Jamovi คือโปรแกรมวิเคราะห์สถิติสำหรับงานวิจัยและการวิเคราะห์ข้อมูล ที่ได้รับความนิยมอย่างแพร่หลายในวงการวิชาการและการสาธารณสุขทั่วโลก ส่วน Jamovi Cloud คือเวอร์ชันที่ทำงานอยู่บนอินเทอร์เน็ต ซึ่งหมายความว่าคุณสามารถเปิดใช้งานได้ผ่านเว็บบราวเซอร์ เช่น Google Chrome หรือ Microsoft Edge โดยไม่ต้องดาวน์โหลดหรือติดตั้งโปรแกรมใดๆ เลย
เพียงแค่พิมพ์ที่อยู่ cloud.jamovi.org ในเว็บบราวเซอร์ของคุณ แล้วคุณก็พร้อมวิเคราะห์ข้อมูลได้ทันที!
ไม่ต้องติดตั้ง
เปิดใช้งานได้เลยผ่านเว็บบราวเซอร์ ทุกที่ ทุกเวลา
ใช้งานง่าย
ออกแบบสำหรับผู้ที่ไม่มีพื้นฐานการเขียนโค้ด ใช้เมนูคลิกได้เลย
ครบครัน
รองรับสถิติพื้นฐานถึงขั้นสูง พร้อมกราฟและตารางสวยงาม
บันทึกบน Cloud
ข้อมูลและผลลัพธ์บันทึกไว้บน Cloud เปิดต่อได้ทุกเครื่อง
อัปเดตอัตโนมัติ
เมื่อแก้ไขข้อมูล ผลลัพธ์จะอัปเดตให้อัตโนมัติทันที
ฟรีสำหรับพื้นฐาน
มีเวอร์ชันฟรีที่เพียงพอสำหรับการวิเคราะห์ข้อมูลทั่วไป
💊 ทำไมถึงเหมาะกับงานวิเคราะห์ข้อมูลสุขภาพ?
ในงานด้านสาธารณสุขและการวิเคราะห์ข้อมูลสุขภาพ เรามักต้องจัดการกับข้อมูลหลายประเภท เช่น ข้อมูลผู้ป่วย อัตราการเกิดโรค ผลการตรวจสุขภาพ และตัวเลขทางสถิติต่างๆ Jamovi Cloud ตอบโจทย์เหล่านี้ได้ครบในที่เดียว
✅ เหตุผลที่ Jamovi Cloud เหมาะกับงานสาธารณสุข
• จัดการข้อมูลขนาดกลาง: รองรับไฟล์ .csv จาก Excel หรือ Google Sheets ได้โดยตรง เหมาะกับฐานข้อมูลสุขภาพระดับตำบล-อำเภอ
• สถิติที่ใช้บ่อยในงานสาธารณสุข: ครบทุกตัว ตั้งแต่การหาค่าเฉลี่ย การเปรียบเทียบกลุ่ม ไปจนถึงการหาความสัมพันธ์
• ผลลัพธ์พร้อมรายงาน: ตารางและกราฟที่ได้มาตรฐาน APA สามารถนำไปใส่ในรายงานได้ทันที
• ไม่ต้องพึ่งฝ่าย IT: เปิดใช้งานเองได้เลยในคอมพิวเตอร์ใดก็ได้ที่มีอินเทอร์เน็ต
• เรียนรู้ง่าย: ใช้เวลาเพียง 1-2 วันก็สามารถวิเคราะห์ข้อมูลได้จริง
🚀 การเตรียมพร้อมและเริ่มต้นใช้งาน
Getting Started & Data Setup — เริ่มต้นตั้งแต่การเปิดโปรแกรม ไปจนถึงการเตรียมข้อมูลให้พร้อมวิเคราะห์
🔑 1.1 การเข้าสู่ระบบและการสร้าง Workspace
การเริ่มต้นใช้งาน Jamovi Cloud นั้นง่ายมาก เพียงแค่เปิดเว็บบราวเซอร์แล้วไปที่ cloud.jamovi.org คุณสามารถเลือกสมัครบัญชีฟรีด้วย Google, GitHub, หรืออีเมลของคุณก็ได้
📂 1.2 การนำเข้าข้อมูล (Data Import)
📋 การเตรียมไฟล์ข้อมูลให้พร้อม
ก่อนจะนำข้อมูลเข้า Jamovi Cloud สิ่งที่ต้องทำก่อนคือแปลงข้อมูลให้อยู่ในรูปแบบที่ Jamovi รับได้ ซึ่งรูปแบบที่แนะนำคือ ไฟล์ .csv (Comma-Separated Values)
🔄 วิธีดาวน์โหลดข้อมูลจาก Google Sheets เป็นไฟล์ .csv
⬆️ วิธีนำไฟล์เข้าสู่ระบบ Jamovi
| รูปแบบไฟล์ | นามสกุล | รองรับ? | หมายเหตุ |
|---|---|---|---|
| CSV (แนะนำ) | .csv | ✅ รองรับ | เหมาะสมที่สุด ใช้ได้กับทุกระบบ |
| Jamovi Format | .omv | ✅ รองรับ | ฟอร์แมตเนทีฟของ Jamovi บันทึกทุกการตั้งค่า |
| Excel | .xlsx / .xls | ✅ รองรับ | ใช้ได้ แต่แนะนำให้แปลงเป็น .csv ก่อน |
| SPSS | .sav | ✅ รองรับ | รองรับไฟล์จากโปรแกรม SPSS |
| R Data | .rdata | ✅ รองรับ | สำหรับผู้ใช้ R |
🖥️ 1.3 ส่วนประกอบของหน้าจอการทำงาน (User Interface)
หลังจากนำข้อมูลเข้ามาแล้ว หน้าจอ Jamovi Cloud จะแบ่งออกเป็น 2 ส่วนหลัก ดังนี้
| hn | age | sex | district | bp_sys |
|---|---|---|---|---|
| 001 | 45 | ชาย | เมือง | 130 |
| 002 | 62 | หญิง | วังชิ้น | 145 |
| 003 | 38 | ชาย | ลอง | 120 |
| 004 | 71 | หญิง | เมือง | 155 |
| 005 | 55 | ชาย | สูงเม่น | 138 |
📋 Data View (หน้าต่างซ้าย)
- แสดงข้อมูลในรูปแบบสเปรดชีต
- แต่ละแถว = ผู้ป่วย/กรณี 1 ราย
- แต่ละคอลัมน์ = ตัวแปร 1 ตัว
- สามารถแก้ไขข้อมูลได้โดยตรง
- ดับเบิลคลิกชื่อคอลัมน์เพื่อตั้งค่าตัวแปร
📈 Results View (หน้าต่างขวา)
- แสดงผลลัพธ์การวิเคราะห์ทั้งหมด
- อัปเดตอัตโนมัติเมื่อแก้ไขการตั้งค่า
- คลิกขวาที่ตารางเพื่อคัดลอก
- คลิกขวาที่กราฟเพื่อบันทึกรูป
- สามารถซ่อน/แสดงได้ตามต้องการ
⚙️ 1.4 การตั้งค่าตัวแปร (Variables Setup)
🔑 ทำไมการตั้งค่าตัวแปรจึงสำคัญมาก?
ถ้าตั้งค่าตัวแปรผิด Jamovi จะวิเคราะห์ผิดประเภท! เช่น ถ้ากำหนดรหัสอำเภอ (1001, 1002, 1003) เป็น Continuous Jamovi จะพยายามหาค่าเฉลี่ยของรหัส ซึ่งไม่มีความหมาย ดังนั้นขั้นตอนนี้ต้องทำให้ถูกต้องก่อนเสมอ
📐 ประเภทของข้อมูลใน Jamovi
| ประเภท | สัญลักษณ์ | ความหมาย | ตัวอย่าง | สถิติที่ใช้ |
|---|---|---|---|---|
| Continuous (ต่อเนื่อง) |
📏 | ตัวเลขที่มีความหมายทางคณิตศาสตร์ สามารถคำนวณค่าเฉลี่ยได้ | อายุ, น้ำหนัก, ความดันโลหิต, ระดับน้ำตาล | Mean, SD, T-test, ANOVA, Correlation |
| Nominal (จัดกลุ่มไม่มีลำดับ) |
🏷️ | ข้อมูลที่แบ่งเป็นกลุ่ม ไม่มีลำดับมากน้อย | เพศ, รหัสอำเภอ, โรค, ตำบล, กลุ่มเลือด | Frequency, Chi-Square |
| Ordinal (จัดกลุ่มมีลำดับ) |
📊 | ข้อมูลที่แบ่งเป็นกลุ่มและมีลำดับ แต่ระยะห่างไม่เท่ากัน | ระดับการศึกษา, ระดับความพึงพอใจ 1-5 | Frequency, Median |
🔧 วิธีเปลี่ยนประเภทข้อมูล
🏥 ตัวอย่างการตั้งค่าตัวแปรสำหรับข้อมูลสุขภาพ
| ชื่อตัวแปร | ตัวอย่างข้อมูล | ควรตั้งเป็น | เหตุผล |
|---|---|---|---|
| province_code | 54, 55, 56 | Nominal | รหัสจังหวัดไม่มีความหมายทางคณิตศาสตร์ |
| amphur_code | 5401, 5402 | Nominal | รหัสอำเภอเป็นแค่ชื่อในรูปตัวเลข |
| tambon_code | 540101, 540102 | Nominal | รหัสตำบลเช่นเดียวกัน |
| sex | 1=ชาย, 2=หญิง | Nominal | เพศเป็นข้อมูลจัดกลุ่ม ไม่มีลำดับ |
| age | 25, 38, 62 | Continuous | อายุเป็นตัวเลขต่อเนื่อง หาค่าเฉลี่ยได้ |
| blood_pressure | 120, 130, 145 | Continuous | ค่าความดันโลหิตเป็นตัวเลขต่อเนื่อง |
| blood_sugar | 85, 110, 180 | Continuous | ระดับน้ำตาลในเลือดเป็นตัวเลขต่อเนื่อง |
| disease_group | HT, DM, CVD | Nominal | กลุ่มโรคเป็นหมวดหมู่ ไม่มีลำดับ |
📈 สถิติเชิงพรรณนา (Descriptive Statistics)
การทำความรู้จักข้อมูล — ก่อนจะวิเคราะห์ ต้องรู้จักข้อมูลก่อน
📌 สถิติเชิงพรรณนาคืออะไร?
คือการ "บรรยาย" ข้อมูลที่เรามีอยู่ให้เข้าใจง่าย เปรียบเหมือนการเขียนรายงานสรุปว่า "ในพื้นที่นี้มีผู้ป่วยกี่คน เป็นเพศชายกี่เปอร์เซ็นต์ อายุเฉลี่ยเท่าไร ค่าความดันเฉลี่ยสูงหรือต่ำ" โดยยังไม่ต้องเปรียบเทียบหรือทดสอบอะไร
📊 2.1 การแจกแจงความถี่และร้อยละ (Frequency Tables)
ใช้เมื่อต้องการนับจำนวนและหาสัดส่วนร้อยละของข้อมูลจัดกลุ่ม (Nominal/Ordinal) เช่น จำนวนผู้ป่วยแยกตามเพศ แยกตามตำบล แยกตามกลุ่มโรค
📋 ขั้นตอนการทำ Frequency Table
📋 ตัวอย่างผลลัพธ์ที่ได้ — Frequency Table ของเพศ
| sex | Frequency (จำนวน) | Percent (%) | Cumulative % |
|---|---|---|---|
| 1 (ชาย) | 98 | 49.0 | 49.0 |
| 2 (หญิง) | 102 | 51.0 | 100.0 |
| รวม | 200 | 100.0 |
การแปลผล: จากผู้ป่วยทั้งหมด 200 ราย เป็นชาย 98 ราย (49.0%) และหญิง 102 ราย (51.0%)
📐 2.2 ค่ากลางและการกระจายข้อมูล (Mean & Standard Deviation)
ใช้สำหรับข้อมูลแบบ Continuous เช่น อายุ ความดันโลหิต ระดับน้ำตาล เพื่อดูว่าข้อมูลโดยเฉลี่ยอยู่ที่เท่าไร และข้อมูลกระจายตัวมากน้อยแค่ไหน
| ค่าสถิติ | ความหมาย | ตัวอย่าง |
|---|---|---|
| Mean (ค่าเฉลี่ย) | ค่าที่ได้จากการรวมทุกตัวแล้วหารด้วยจำนวน คือ "ค่ากลาง" ที่ใช้บ่อยที่สุด | อายุเฉลี่ย = 54.2 ปี |
| Median (มัธยฐาน) | ค่าที่อยู่ตรงกลางเมื่อเรียงข้อมูลจากน้อยไปมาก เหมาะเมื่อข้อมูลมีค่าสุดโต่ง | Median BP = 135 mmHg |
| SD (ส่วนเบี่ยงเบนมาตรฐาน) | บอกว่าข้อมูลกระจายมากหรือน้อย SD มาก = กระจายมาก, SD น้อย = กระจายน้อย | SD อายุ = 11.8 ปี |
| Min / Max | ค่าต่ำสุดและสูงสุดของข้อมูล ช่วยตรวจสอบว่ามีค่าผิดปกติหรือไม่ | อายุต่ำสุด 18, สูงสุด 89 |
🔧 ขั้นตอนการหาค่าสถิติเชิงพรรณนา
📋 ตัวอย่างผลลัพธ์ — Descriptive Statistics
| ตัวแปร | N | Mean | Median | SD | Min | Max |
|---|---|---|---|---|---|---|
| age (อายุ) | 200 | 54.20 | 53.50 | 11.80 | 18 | 89 |
| blood_pressure | 200 | 137.60 | 135.00 | 18.40 | 90 | 200 |
| blood_sugar | 198 | 112.30 | 103.00 | 42.60 | 65 | 380 |
การแปลผล: ผู้ป่วยมีอายุเฉลี่ย 54.2 ปี (SD = 11.8) ค่าความดันโลหิตเฉลี่ย 137.6 mmHg ซึ่งสูงกว่าเกณฑ์ปกติ (120 mmHg) และค่า N ของ blood_sugar = 198 บอกว่ามีข้อมูลขาดหาย 2 ราย
📊 2.3 การสร้างกราฟเบื้องต้น (Basic Plots)
Jamovi Cloud สร้างกราฟได้ง่ายมาก โดยทำในขั้นตอนเดียวกับการดูสถิติ เพียงแค่เปิดตัวเลือกกราฟใน Descriptives
📊 Bar Plot (กราฟแท่ง)
เหมาะกับ: ข้อมูล Nominal/Ordinal
- แสดงจำนวนในแต่ละกลุ่ม
- เช่น จำนวนผู้ป่วยแต่ละตำบล
- สัดส่วนเพศชายและหญิง
📈 Histogram (ฮิสโตแกรม)
เหมาะกับ: ข้อมูล Continuous
- แสดงการกระจายของข้อมูล
- เช่น การกระจายของอายุผู้ป่วย
- ดูว่าข้อมูลกระจายแบบปกติหรือเบ้
⚖️ การเปรียบเทียบข้อมูล (Comparing Groups)
การหาความแตกต่าง — ใช้เมื่อต้องการทดสอบว่ากลุ่มต่างๆ มีความแตกต่างกันจริงหรือไม่
👥 3.1 Independent Samples T-Test (การเปรียบเทียบ 2 กลุ่ม)
📌 เมื่อไหร่ที่ควรใช้ T-Test?
ใช้เมื่อ:
✅ มีตัวแปรที่ต้องการเปรียบเทียบ 1 ตัว ที่เป็นข้อมูล Continuous (เช่น อายุ, ความดัน)
✅ ต้องการเปรียบเทียบระหว่าง 2 กลุ่ม ที่เป็นข้อมูล Nominal (เช่น เพศชาย/หญิง)
✅ 2 กลุ่มนั้น เป็นอิสระจากกัน (คนละกลุ่มกัน ไม่ใช่วัดซ้ำที่เดิม)
🏥 ตัวอย่างคำถามที่ตอบได้ด้วย T-Test
• ผู้ป่วยชายและหญิงมีค่าความดันโลหิต เฉลี่ยแตกต่างกันหรือไม่?
• ผู้ป่วยโรคเบาหวานและไม่เป็นเบาหวาน มีอายุเฉลี่ยต่างกันไหม?
• ค่าใช้จ่ายในการรักษาพยาบาลระหว่างกลุ่มที่มีประกันและไม่มีประกันต่างกันหรือเปล่า?
🔧 ขั้นตอนการทำ Independent T-Test
📋 ตัวอย่างผลลัพธ์ — Independent T-Test: ความดันโลหิต (ชาย vs หญิง)
| กลุ่ม | N | Mean (BP) | SD | t | p |
|---|---|---|---|---|---|
| ชาย | 98 | 139.2 | 17.8 | 2.15 | 0.033 |
| หญิง | 102 | 136.1 | 19.0 |
การแปลผล: เนื่องจาก p = 0.033 ซึ่ง น้อยกว่า 0.05 จึงสรุปว่า ผู้ป่วยชายและหญิงมีค่าความดันโลหิตเฉลี่ยแตกต่างกันอย่างมีนัยสำคัญทางสถิติ โดยชายมีค่าเฉลี่ยสูงกว่า (139.2 vs 136.1 mmHg)
🏆 3.2 One-Way ANOVA (เปรียบเทียบ 3 กลุ่มขึ้นไป)
เมื่อต้องการเปรียบเทียบมากกว่า 2 กลุ่ม ไม่ควรทำ T-Test ซ้ำหลายๆ ครั้ง เพราะจะทำให้เกิดความผิดพลาดสะสม ให้ใช้ ANOVA แทน ซึ่งสามารถเปรียบเทียบทุกกลุ่มพร้อมกันได้ในครั้งเดียว
📌 เมื่อไหร่ที่ควรใช้ ANOVA?
✅ มีตัวแปร Continuous ที่ต้องการเปรียบเทียบ
✅ มีกลุ่มที่จะเปรียบเทียบ 3 กลุ่มขึ้นไป
✅ ตัวอย่าง: อัตราการป่วยโรค NCDs ของ 4 อำเภอในจังหวัด แตกต่างกันหรือไม่?
🔧 ขั้นตอนการทำ One-Way ANOVA
🔗 การหาความสัมพันธ์ (Relationships & Associations)
ตัวแปรสองตัวมีความเกี่ยวข้องกันหรือไม่? และเกี่ยวข้องมากน้อยแค่ไหน?
📉 4.1 Pearson Correlation (ความสัมพันธ์ระหว่างตัวเลข)
ใช้วิเคราะห์ความสัมพันธ์ระหว่างตัวแปร Continuous สองตัว ว่ามีความสัมพันธ์กันในทิศทางใด และมากน้อยแค่ไหน
📊 การอ่านค่า r (Correlation Coefficient)
| ค่า r | ความหมาย | ตัวอย่าง |
|---|---|---|
| +0.7 ถึง +1.0 | สัมพันธ์บวกสูง ตัวหนึ่งสูง อีกตัวก็สูง | น้ำหนักกับดัชนีมวลกาย |
| +0.3 ถึง +0.7 | สัมพันธ์บวกปานกลาง | อายุกับระดับน้ำตาล |
| -0.3 ถึง +0.3 | สัมพันธ์น้อยมากหรือไม่สัมพันธ์ | รหัสประชาชนกับน้ำหนัก |
| -0.3 ถึง -0.7 | สัมพันธ์ลบปานกลาง ตัวหนึ่งสูง อีกตัวต่ำ | การออกกำลังกายกับน้ำหนัก |
| -0.7 ถึง -1.0 | สัมพันธ์ลบสูง | HDL กับความเสี่ยงโรคหัวใจ |
🔧 ขั้นตอนการทำ Pearson Correlation
📋 ตัวอย่างผลลัพธ์ — Correlation Matrix
| ตัวแปร | age | blood_pressure | blood_sugar |
|---|---|---|---|
| age | — | r = 0.42 p < 0.001 |
r = 0.35 p < 0.001 |
| blood_pressure | — | — | r = 0.28 p = 0.012 |
การแปลผล: อายุมีความสัมพันธ์ทางบวกกับความดันโลหิต (r = 0.42, p < 0.001) หมายความว่า ผู้ที่อายุมากกว่ามีแนวโน้มที่จะมีค่าความดันโลหิตสูงกว่า และความสัมพันธ์นี้มีนัยสำคัญทางสถิติ
🎯 4.2 Chi-Square Test (ความสัมพันธ์ระหว่างข้อมูลจัดกลุ่ม)
ใช้ทดสอบว่าตัวแปร Nominal/Ordinal สองตัวมีความสัมพันธ์กันหรือไม่ เช่น "การสูบบุหรี่" กับ "การเป็นโรคปอด" สัมพันธ์กันหรือเปล่า?
📌 ตัวอย่างคำถามที่ตอบได้ด้วย Chi-Square
• พฤติกรรมการสูบบุหรี่ (สูบ/ไม่สูบ) มีความสัมพันธ์กับการเป็นโรคปอด (มี/ไม่มี) หรือไม่?
• กลุ่มเสี่ยงโรค NCD (มี/ไม่มี) มีความสัมพันธ์กับการออกกำลังกาย (สม่ำเสมอ/ไม่สม่ำเสมอ) หรือเปล่า?
• เพศมีความสัมพันธ์กับการเป็นโรคเบาหวานหรือไม่?
🔧 ขั้นตอนการทำ Chi-Square Test
📋 ตัวอย่างผลลัพธ์ — Contingency Table: การสูบบุหรี่ vs โรคปอด
| มีโรคปอด | ไม่มีโรคปอด | รวม | |
|---|---|---|---|
| สูบบุหรี่ | 45 (75.0%) | 15 (25.0%) | 60 |
| ไม่สูบบุหรี่ | 30 (21.4%) | 110 (78.6%) | 140 |
| รวม | 75 | 125 | 200 |
| χ² = 45.71, p < 0.001 | |||
การแปลผล: เนื่องจาก p < 0.001 จึงสรุปได้ว่า พฤติกรรมการสูบบุหรี่มีความสัมพันธ์กับการเป็นโรคปอดอย่างมีนัยสำคัญทางสถิติ โดยผู้ที่สูบบุหรี่มีสัดส่วนของการเป็นโรคปอดสูงกว่า (75.0%) เมื่อเทียบกับผู้ที่ไม่สูบบุหรี่ (21.4%)
📤 การนำผลลัพธ์ไปใช้งาน (Exporting & Reporting)
วิธีนำตาราง กราฟ และผลวิเคราะห์ออกไปใช้ในรายงานและแดชบอร์ด
💾 5.1 การบันทึกและส่งออกผลลัพธ์
📋 วิธีคัดลอกตาราง (Copy Table)
วิธีที่ง่ายที่สุดในการนำตารางไปใช้ใน Word หรือรายงาน คือการคัดลอก
🖼️ วิธีบันทึกรูปภาพกราฟ
💽 วิธีบันทึกไฟล์ Jamovi เพื่อเปิดใช้งานในภายหลัง
วิธีบันทึก: ☰ → File → Save As → เลือกโฟลเดอร์ → บันทึก
📏 5.2 กฎเหล็กที่ต้องจำ (Rule of Thumb)
📋 ตารางช่วยจำ: เลือกสถิติให้ถูกต้อง
| คำถาม | ตัวแปร Y (ตอบ) | ตัวแปร X (กลุ่ม) | สถิติที่ใช้ | ใน Jamovi |
|---|---|---|---|---|
| มีกี่คน? กี่เปอร์เซ็นต์? | Nominal | — ไม่มี | Frequency Table | Exploration → Descriptives |
| ค่าเฉลี่ยเท่าไร? | Continuous | — ไม่มี | Mean, SD, Median | Exploration → Descriptives |
| 2 กลุ่มต่างกันไหม? (ตัวเลข) | Continuous | Nominal (2 กลุ่ม) | Independent T-Test | T-Tests → Independent |
| 3+ กลุ่มต่างกันไหม? (ตัวเลข) | Continuous | Nominal (3+ กลุ่ม) | One-Way ANOVA | ANOVA → One-Way ANOVA |
| ตัวเลข 2 ตัวสัมพันธ์กันไหม? | Continuous | Continuous | Pearson Correlation | Regression → Correlation |
| 2 หมวดหมู่เกี่ยวข้องกันไหม? | Nominal | Nominal | Chi-Square Test | Frequencies → Contingency |
📊 เข้าใจค่า p-value ในเวลา 2 นาที
🎯 ค่า p-value บอกอะไรเรา?
ค่า p-value คือ "ความน่าจะเป็นที่ผลลัพธ์ที่เห็นจะเกิดขึ้นโดยบังเอิญ" ถ้า p น้อย = น่าจะไม่ใช่เรื่องบังเอิญ = มีนัยสำคัญจริง
มีนัยสำคัญสูงมาก p = 0.05
เส้นแบ่ง p = 1.0
ไม่มีนัยสำคัญ
✅ p < 0.05
มีนัยสำคัญทางสถิติ หมายความว่า ผลลัพธ์ที่เห็นนั้น "น่าจะเป็นเรื่องจริง" ไม่ใช่เกิดจากความบังเอิญ
❌ p ≥ 0.05
ไม่มีนัยสำคัญทางสถิติ หมายความว่า ข้อมูลไม่เพียงพอที่จะสรุปว่า "มีความแตกต่าง/ความสัมพันธ์จริง"
📚 คำศัพท์ คำสั่ง และข้อจำกัด
ข้อมูลเสริมสำหรับการใช้งาน Jamovi Cloud อย่างมีประสิทธิภาพ
📖 คำศัพท์ที่ควรรู้
| คำศัพท์ | ความหมายง่ายๆ | ตัวอย่าง |
|---|---|---|
| Variable (ตัวแปร) | สิ่งที่เราเก็บข้อมูล หรือ "คอลัมน์" ในตาราง | อายุ, เพศ, ความดันโลหิต |
| Observation (การสังเกต) | "แถว" ในตาราง คือข้อมูลของคนๆ หนึ่ง หรือกรณีหนึ่ง | ผู้ป่วย 1 ราย, 1 การเข้ารับบริการ |
| Continuous (ต่อเนื่อง) | ตัวเลขที่หาค่าเฉลี่ยได้ มีระยะห่างที่มีความหมาย | อายุ, น้ำหนัก, ระดับน้ำตาล |
| Nominal (ชื่อ/กลุ่ม) | หมวดหมู่ที่ไม่มีลำดับ ไม่สามารถหาค่าเฉลี่ยได้ | เพศ, รหัสอำเภอ, ชื่อโรค |
| Ordinal (ลำดับ) | หมวดหมู่ที่มีลำดับ แต่ระยะห่างไม่เท่ากัน | ระดับการศึกษา, ความพึงพอใจ 1-5 |
| p-value | ความน่าจะเป็นที่ผลจะเกิดขึ้นโดยบังเอิญ ถ้า < 0.05 ถือว่ามีนัยสำคัญ | p = 0.03, p < 0.001 |
| Mean (ค่าเฉลี่ย) | ผลรวมของทุกค่าหารด้วยจำนวน | อายุเฉลี่ย = 54.2 ปี |
| SD (Standard Deviation) | ส่วนเบี่ยงเบนมาตรฐาน บอกการกระจายของข้อมูล | SD = 11.8 ปี |
| Median (มัธยฐาน) | ค่ากลางเมื่อเรียงข้อมูล ไม่ถูกรบกวนจากค่าสุดโต่ง | Median BP = 135 mmHg |
| Frequency (ความถี่) | จำนวนครั้งหรือจำนวนคนในแต่ละกลุ่ม | ชาย = 98 ราย |
| Correlation (ความสัมพันธ์) | การที่ตัวแปรสองตัวเปลี่ยนแปลงไปด้วยกัน | อายุสัมพันธ์กับความดัน |
| Chi-Square (ไคสแควร์) | การทดสอบว่าตัวแปรจัดกลุ่มสองตัวสัมพันธ์กันหรือไม่ | ทดสอบความสัมพันธ์ เพศ vs โรค |
| ANOVA | การเปรียบเทียบค่าเฉลี่ยของ 3 กลุ่มขึ้นไป | เปรียบเทียบ BP ระหว่าง 4 อำเภอ |
| Post-Hoc Test | การเปรียบเทียบทีละคู่หลัง ANOVA พบนัยสำคัญ | Tukey, Bonferroni |
| Missing Data (ข้อมูลขาดหาย) | ช่องว่างในตาราง ที่ไม่มีข้อมูล | N = 198 แทนที่จะเป็น 200 |
| Workspace | พื้นที่ทำงานใน Jamovi Cloud สำหรับเก็บไฟล์ | เหมือนโฟลเดอร์โปรเจกต์ |
⌨️ คำสั่งและเมนูที่ควรรู้
| ต้องการทำอะไร | เส้นทางเมนู | หมายเหตุ |
|---|---|---|
| นำเข้าข้อมูล | ☰ → Open → This PC | รองรับ .csv, .xlsx, .omv, .sav |
| บันทึกไฟล์ | ☰ → Save / Save As | บันทึกเป็น .omv |
| ตั้งค่าตัวแปร | ดับเบิลคลิกชื่อคอลัมน์ | เปลี่ยน Measure Type ที่นี่ |
| ความถี่และร้อยละ | Analyses → Exploration → Descriptives → ✓ Frequency tables | สำหรับ Nominal |
| ค่าเฉลี่ย/SD | Analyses → Exploration → Descriptives | สำหรับ Continuous |
| กราฟแท่ง | Descriptives → Plots → ✓ Bar plot | สำหรับ Nominal |
| ฮิสโตแกรม | Descriptives → Plots → ✓ Histogram | สำหรับ Continuous |
| T-Test (2 กลุ่ม) | Analyses → T-Tests → Independent Samples T-Test | Continuous vs Nominal (2 กลุ่ม) |
| ANOVA (3+ กลุ่ม) | Analyses → ANOVA → One-Way ANOVA | Continuous vs Nominal (3+ กลุ่ม) |
| Post-Hoc Test | ANOVA → Post Hoc Tests → ✓ Tukey | ทำหลัง ANOVA มีนัยสำคัญ |
| Correlation | Analyses → Regression → Correlation Matrix | Continuous vs Continuous |
| Chi-Square | Analyses → Frequencies → Contingency Tables | Nominal vs Nominal |
| คัดลอกตาราง | คลิกขวาที่ตาราง → Copy | วางใน Word/Excel ได้เลย |
| บันทึกกราฟ | คลิกขวาที่กราฟ → Save Image | ได้เป็นไฟล์ PNG |
⚠️ ข้อจำกัดและสิ่งที่ต้องระวัง
🚫 ข้อจำกัดของ Jamovi Cloud เวอร์ชันฟรี
• ขนาดไฟล์: มีข้อจำกัดด้านขนาดไฟล์และจำนวนแถวที่รองรับ (สำหรับข้อมูลขนาดเล็ก-กลางในระดับตำบล/อำเภอ ถือว่าเพียงพอ)
• พื้นที่จัดเก็บ: พื้นที่ Cloud มีจำกัดในเวอร์ชันฟรี ควรดาวน์โหลดไฟล์สำรองไว้ในเครื่องเสมอ
• โมดูลบางอย่าง: โมดูลการวิเคราะห์ขั้นสูงบางตัวอาจต้องเวอร์ชัน Pro
⚠️ สิ่งที่ต้องระวังเมื่อวิเคราะห์ข้อมูล
• ตรวจสอบประเภทตัวแปรก่อนเสมอ: ผิดที่ตั้งค่าตัวแปร = ผลผิดทั้งหมด โดยเฉพาะรหัสพื้นที่ที่เป็นตัวเลขแต่ต้องตั้งเป็น Nominal
• ตรวจ Missing Data: ดูว่า N ในผลลัพธ์ตรงกับจำนวนข้อมูลที่นำเข้าหรือไม่ ถ้าต่างกันแสดงว่ามีข้อมูลขาดหาย
• ตรวจค่าผิดปกติ: ดูค่า Min/Max เสมอ เช่น ถ้าอายุ Max = 999 แสดงว่ามีการกรอกผิด
• T-Test ใช้ได้แค่ 2 กลุ่ม: ถ้ามี 3 กลุ่มขึ้นไปต้องใช้ ANOVA เสมอ ห้ามทำ T-Test ซ้ำ
• อินเทอร์เน็ต: Jamovi Cloud ต้องใช้อินเทอร์เน็ต ถ้าต้องทำงานออฟไลน์ให้ดาวน์โหลด Jamovi Desktop แทน
• ข้อมูลส่วนบุคคล: ระวังการอัปโหลดข้อมูลที่มีชื่อ-นามสกุล หรือเลขบัตรประชาชน ควรนำออกก่อนอัปโหลด
1. เสมอ → ตรวจสอบประเภทตัวแปรก่อนวิเคราะห์ทุกครั้ง
2. เสมอ → ดูสถิติเชิงพรรณนาก่อน แล้วค่อยทำสถิติขั้นสูง
3. เสมอ → บันทึกไฟล์ .omv ทุกครั้งก่อนปิดโปรแกรม
4. เสมอ → ตรวจสอบ N ว่าตรงกับข้อมูลที่ควรมี
5. ถ้าสงสัย → เปรียบค่า p กับ 0.05 เสมอ ถ้า p < 0.05 = มีนัยสำคัญ
🗺️ แผนผังสรุปการเลือกใช้สถิติ
📊 บรรยายข้อมูล
▶ ข้อมูลจัดกลุ่ม → Frequency Table
▶ ข้อมูลตัวเลข → Mean, SD, Median
⚖️ เปรียบเทียบกลุ่ม
▶ 2 กลุ่ม → T-Test
▶ 3+ กลุ่ม → ANOVA + Post-Hoc
🔗 ความสัมพันธ์
▶ ตัวเลข + ตัวเลข → Pearson Correlation
▶ กลุ่ม + กลุ่ม → Chi-Square
📉 พยากรณ์
▶ ตัวเลข → Linear Regression
▶ กลุ่ม → Logistic Regression
🌐 แหล่งข้อมูลเพิ่มเติม
| แหล่งข้อมูล | URL | เนื้อหา |
|---|---|---|
| Jamovi Cloud (เว็บหลัก) | cloud.jamovi.org | เข้าใช้งานโปรแกรม |
| คู่มือ Jamovi อย่างเป็นทางการ | jamovi.org/user-manual.html | คู่มือภาษาอังกฤษฉบับสมบูรณ์ |
| Learning Statistics with Jamovi | lsj.readthedocs.io | หนังสือเรียนสถิติฟรีที่ใช้ Jamovi |
| YouTube: Jamovi Datalab.cc | ค้นหา "Jamovi Datalab.cc" ใน YouTube | วิดีโอสอนการใช้งาน Jamovi |
🎉 ยินดีด้วย! คุณได้เรียนรู้ Jamovi Cloud ครบทุกบทแล้ว
จากนี้ไปคุณสามารถ: วิเคราะห์ความถี่และร้อยละ • หาค่าเฉลี่ยและการกระจาย • เปรียบเทียบกลุ่ม • หาความสัมพันธ์ • และส่งออกผลลัพธ์ได้ทั้งหมด ขอให้สนุกกับการวิเคราะห์ข้อมูล!
คู่มือ Jamovi Cloud ฉบับสมบูรณ์ สำหรับมือใหม่ | อ้างอิง: cloud.jamovi.org, jamovi.org/user-manual.html, lsj.readthedocs.io
จัดทำเพื่อการเรียนรู้และใช้งานวิเคราะห์ข้อมูลสุขภาพ | 2024