ขั้นตอนการสุ่มตัวอย่างงานวิจัยด้านบัญชี

ขั้นตอนในการสุ่มตัวอย่าง

ประกอบไปด้วย 4 ขั้นตอน

ขั้นตอนที่ 1 ต้องรู้ก่อนว่าอะไรเป็นประชากรที่เราจะศึกษา เราต้องกำหนดประชากรกลุ่มเป้าหมายให้ได้

ขั้นตอนที่ 2 เมื่อได้กลุ่มประชากรแล้วเราต้องกำหนด Sampling Frame (กรอบของตัวอย่าง) คือ เราจะกำหนดกรอบของตัวอย่างที่เราจะสุ่ม เช่น จะศึกษาความคิดเห็นของคนไทยเกี่ยวกับการทำงานของรัฐบาลชุดนี้  ประชากรคือ คนไทย ใครก็ตามที่เป็นคนไทย แม้ว่าคนไทยคนนั้นจะไปใช้ชีวิตต่างประเทศ เด็กสามขวบก็ถือว่าเป็นประชากร แต่เมื่อพิจารณาแล้ว ถ้าอายุต่ำกว่า 18 หรือคนไทยที่อยู่ต่างประเทศอาจจะไม่ได้คำตอบที่เป็นจริง จึงต้องดูความเหมาะสมแล้วตัดออกไป ดังนั้น Sampling Frame คือ กรอบของตัวอย่างที่เราจะถามได้  จากประชากรทั้งหมด ตัดออกมาเป็น Sampling Frame แล้วเราจะสุ่มตัวอย่างจาก Sampling Frame

ขั้นตอนที่ 3 เลือกแบบสุ่มตัวอย่าง มี 2 แบบ จะรู้ได้อย่างไรว่าต้องใช้วิธีไหนก็ต้องดูเป็นกรณีไป ไม่มีข้อกำหนดตายตัว

3.1แบบความน่าจะเป็น (Probability Sampling) ทุกหน่วยมีโอกาสได้รับการคัดเลือกเท่าๆกัน ซึ่งจะตรงกันข้ามกับ แบบไม่น่าจะเป็น  จะแบ่งออกเป็น 4 วิธี

3.1.1 Simple Random Sampling
(การสุ่มตัวอย่างแบบง่าย) ทำได้หลายแบบ เช่น จับฉลากขึ้นมาโดยเขียนชื่อทุกคนลงในฉลากหรืออาจกำหนดเลขที่ให้ทุกคนแล้วก็เขียนเลขที่ลงในฉลาก หรือ ใช้ตารางเลขสุ่ม กำหนดเลขให้แต่ละคน โดยจะเริ่มเลือกตรงไหนก็ได้ หรือ ใช้คอมพิวเตอร์ generated numbers มาให้เลย

3.1.2 Systematic Random Sampling
(การสุ่มตัวอย่างแบบมีระบบ) สร้างเป็นระบบไว้เลยว่าทุกๆกี่คน จะเลือกมา 1 โดยจะเอาประชากรมาเรียงลำดับจากน้อยไปมากหรือมากไปน้อยก็ได้ แล้วดูว่าจะสุ่มมาเท่าไหร่จากประชากรทั้งหมด จากนั้นจะหาจุดเริ่มต้นเริ่มตรงไหนก็ได้แล้วนับว่า ทุกๆกี่คน จะหยิบมา 1 คน กรณีนี้ไม่ทราบประชากรก็ได้

3.1.3 Stratified Random Sampling (การสุ่มตัวอย่างแบบชั้นภูมิ) จากประชากรที่มีอยู่จะแบ่งออกเป็นกลุ่มย่อยๆ แต่ละกลุ่มจะเรียกว่า strata (เป็นชั้น)  ซึ่งในแต่ละกลุ่มจะเหมือนกัน แต่ถ้าเทียบกันระหว่างกลุ่มจะแตกต่างกัน แล้วเราจะไปสุ่มในแต่ละกลุ่มมาตามจำนวนที่เหมาะสม  เช่น ศึกษาความพึงพอใจของพนักงานบริษัท ก ในเรื่องสวัสดิการของบริษัท บริษัทผลิตสินค้า มีพนักงานฝ่ายผลิต ฝ่ายการเงิน ฝ่ายบัญชี สมมติถ้าใช้สุ่มแบบง่าย ให้หมายเลขทุกคนไป บังเอิญสุ่มมาไม่ได้ฝ่ายบัญชีเลย ความคิดเห็นที่ได้ออกมาจึงไม่ใช่ความคิดเห็นที่แท้จริงของทุกฝ่าย จึงต้องใช้ การสุ่มแบบชั้นภูมิ แบ่งเป็นฝ่ายๆ แล้วเราก็สุ่มจากทุกกลุ่ม โดยเทียบเป็นสัดส่วนให้เหมาะสมตามจำนวนคนของแต่ละฝ่าย กรณีนี้ให้แต่ละกลุ่มมีความแตกต่างกันแล้วก็ไปสุ่มในแต่ละกลุ่มมา ป้องกันความผิดพลาดที่บางกลุ่มจะไม่เป็นตัวแทนที่เหมาะสม

3.1.4 Cluster Random Sampling (การสุ่มตัวอย่างแบบกลุ่ม) จะตรงกันข้ามกับ stratified กรณีนี้แบ่งประชากรเป็นกลุ่ม แต่ให้มีความหลากหลายในแต่ละกลุ่ม แต่เมื่อเทียบแต่ละกลุ่มจะเหมือนกัน โดยจะหยิบมาทั้งกลุ่ม กลุ่มไหนก็ได้ เพราะแต่ละกลุ่มจะเป็นตัวแทนของกลุ่มอื่นๆได้ ส่วนใหญ่จะใช้เกี่ยวกับด้านภูมิศาสตร์ พื้นที่


3.2 
แบบความไม่น่าจะเป็น (Non-Probability Sampling) แต่ละหน่วยจะมีโอกาสได้รับการคัดเลือกไม่เท่ากัน จะแบ่งออกเป็น 4 วิธี

3.2.1 Accidental or Convenience Sampling (แบบบังเอิญหรือแบบสะดวกสบาย) เดินเข้าไปหาเลยใครก็ได้ให้ครบจำนวนที่ต้องการ แต่ละคนมีโอกาสได้รับเลือกไม่เท่ากัน ขึ้นอยู่กับความคิดของแต่ละบุคคล ไม่มีหลักเกณฑ์

3.2.2 Quota Sampling (แบบกำหนดไว้แล้ว)จะไปหาใครก็ได้แต่มีเงื่อนไขบ้างเล็กน้อย เช่น อย่างน้อยต้องได้ผู้ชายครึ่ง ผู้หญิงครึ่ง จะไปหาแบบไหนมาก็ได้

3.2.3 Purposive (Judgment) Sampling (แบบเจาะจง) การศึกษาบางอย่างเน้นไปเลยว่าต้องถามคนที่มีคุณสมบัติแบบนี้ เช่น เปรียบเทียบสภาพการทำงานว่าหลังจากจบโทมาแล้วต่างจากตอนที่จบแค่ปริญญาตรีอย่างไร เจาะจงไปเลยว่าต้องไปองค์กรนี้ ผู้บริหารคนที่เพิ่งเรียนจบโทใหม่

3.2.4Snowball Sampling เลือกคนนึง แล้วคนนึงบอกต่อๆกันไป โดยคนแรกที่เลือกจะใช้วิธี prop หรือ non-prop ก็ได้ แล้วคนแรกก็จะแนะนำไปที่คนที่สอง คนที่สองก็แนะนำต่อ ไปเรื่อยๆ วิธีนี้ใช้กับคนกลุ่มน้อย ใช้ในการสัมภาษณ์ มักจะไม่ใช้กับการ survey

ขั้นตอนที่ 4. ต้องวางแผน เมื่อเลือกแบบการสุ่มแล้วก็ต้องมาเลือกวิธีการสุ่มในแต่ละกลุ่มอีกที แล้วคำนวณหาว่าขนาดตัวอย่างที่เหมาะสมควรเป็นเท่าไหร่ (n) เมื่อได้แล้วก็ต้องไปเลือกตามจำนวน n ที่ได้

ในการสุ่มตัวอย่าง เนื่องจากเราไม่ได้ศึกษาประชากรทั้งหมด ดังนั้น ความผิดพลาดย่อมเกิดขึ้นได้ ดังนี้

Random Sampling Error ความผิดพลาดจากการสุ่มตัวอย่าง คือ ความแตกต่างระหว่างผลที่ได้จากตัวอย่างกับผลที่ได้จากประชากร เช่น นิสิตห้องนี้มี 76 คน ถ้าอายุเฉลี่ย 28 ปี ถ้าสุ่มมาแค่ 50 คน แล้วมาหาค่าเฉลี่ยใหม่ เป็น 30 ปี นี่เป็น Sampling Error

Systematic Errors เกิดจากเราออกแบบการศึกษาไม่ดี หรือทำอะไรไม่สมบูรณ์ในการเก็บตัวอย่างเช่น ศึกษาทัศนคติในเรื่องของคนที่ใช้บริการนวดหน้า ตามห้างสรรพสินค้า ซึ่งส่วนใหญ่เป็นผู้หญิง เราก็เลยเอาผลจากผู้หญิงมาสรุปผลการศึกษา จึงไม่ถูกต้องเพราะจริงมีผู้ชายมาใช้บริการด้วย

Non-response Error คือ ความผิดพลาดจากคนที่ไม่ตอบแบบสอบถาม ผลจากการที่กลุ่มนึงได้มาอาจไม่เท่ากันกับอีกกลุ่ม เพราะในกลุ่มนั้นมีคนที่ไม่ยอมตอบแบบสอบถาม ดังนั้นผลที่ได้มาอาจไม่ถูกต้อง

 

การทำวิจัยเราจะมีแหล่งข้อมูลที่จะไปเก็บได้อยู่ 2 แบบด้วยกัน คือ

  1. ข้อมูลปฐมภูมิ (Primary data) คือข้อมูลซึ่งเราไปเก็บเอง ต้องใช้เวลา
  2. ข้อมูลทุติยภูมิ (Secondary data) คือ ข้อมูลที่ผู้อื่นเก็บ มีไว้แล้วในอดีต จะประหยัดเวลา อาจจะแม่นยำกว่าด้วยในบางเรื่อง

นอกจากสองแบบนี้แล้วจะมีการสังเกตโดยตรงเลย (เป็น Field study ทำ lab) หรือการถามความคิดเห็นของคนเลย หรือ สร้างข้อมูลจำลองขึ้นมาได้ (เช่น อยากรู้ว่าหนู ถ้าเกิดอยู่ในสภาพแวดล้อมทั่วไปแต่ได้รับสารนี้จะเป็นเช่นไร เราจะจับหนูมาไว้ในที่ที่จำลองให้เหมือนสภาพแวดล้อมทั่วไป) แต่ละวิธีจะมีข้อดีข้อเสียต่างกันไป ทำได้ไม่ได้ต้องดูที่เรื่องที่จะทำ

          ตรงนี้จะสัมพันธ์กับการหาขนาดตัวอย่างของ n ข้อมูลทุกชุดจะมีคุณสมบัติ 2 อย่าง คือ วัดการกระจายข้อมูล(ค่าความเบี่ยงเบนมาตรฐาน)กับการหาแนวโน้มเข้าสู่ศูนย์กลาง (ค่าเฉลี่ย)

          สมมติว่านิสิตในห้องนี้ 76 คน ทำข้อสอบได้ค่าเฉลี่ย 80 เต็ม 100 อันนี้คือค่าเฉลี่ย ถ้ากระจายมากแสดงว่าอาจมีคนได้เต็ม 100 และก็มีคนได้ 0 นี่คือกระจายมาก แสดงว่านิสิตในห้องนี้มีพื้นฐานความรู้แตกต่างกันมาก แต่สมมติถ้าสอบอีกครั้งแล้วค่าเฉลี่ย 90 แล้วทุกคนได้คะแนนไล่เลี่ยกัน มีความรู้เท่าๆกัน ถ้าเป็นคนสอนจะได้ค่าเฉลี่ยเท่าไหร่ไม่เป็นไร แต่ไม่อยากได้ค่าเบี่ยงเบนมาตรฐานมาก เพราะแสดงว่า บางคนรู้แล้ว แต่บางคนไม่รู้ แต่ถ้าต่ำแสดงว่าเกาะกลุ่มกัน ถ้ารู้ก็รู้เหมือนกัน ไม่รู้ก็ไม่รู้เหมือนกัน

 

 ที่มา หนังสือ Business Research Methods By William G.Zikmund.

      การฟังบรรยาย โดย รศ.ดร.ทิพย์รัตน์ เลาหวิเชียร

173 total views, 1 views today