47.4 การเก็บข้อมูลและอคติ

แบบสอบถามเรื่องอาหารอาจได้ผลต่างกันถ้าถามหน้าร้านอาหารกับหน้าสนามกีฬา การเก็บข้อมูลจึงเป็นส่วนของเหตุผล ไม่ใช่เพียงขั้นก่อนคำนวณ

หน้า 47.2 แก้ปัญหาเรื่องใครถูกเลือกด้วยการสุ่ม แต่ข้อมูลยังเอียงได้อีกหลายทาง คนที่ถูกเลือกอาจไม่ตอบ คำถามอาจชี้นำ หรือคนคนเดียวอาจตอบหลายครั้ง หน้านี้ไล่ดูทีละเรื่อง

แบบฟอร์มออนไลน์เรื่องโรงอาหาร

ฝ่ายโภชนาการของโรงเรียนโพสต์ลิงก์แบบฟอร์มความพึงพอใจโรงอาหารไว้ในเพจโรงเรียนหนึ่งสัปดาห์ ใครเห็นก็กดตอบได้ ปิดรับแล้วได้ $412$ แถว ตอบว่าไม่พอใจ $309$ แถว เมื่อตรวจเลขประจำตัวพบว่ามี $32$ แถวที่ส่งซ้ำจากนักเรียนคนเดิม หลังตัดแถวซ้ำเหลือนักเรียน $380$ คน ในจำนวนนี้ไม่พอใจ $285$ คน

สภานักเรียนไม่แน่ใจผล จึงสุ่มแบบชั้นภูมิตามระดับชั้นมา $60$ คน แล้วตามถามจนได้คำตอบครบทุกคน พบผู้ไม่พอใจ $27$ คน

ตัวอย่าง 1

หาร้อยละผู้ไม่พอใจจากแบบฟอร์มก่อนและหลังตัดแถวซ้ำ และจากตัวอย่างสุ่ม แล้วอธิบายว่าทำไมผลต่างกันมาก

ก่อนตัดแถวซ้ำ $\dfrac{309}{412} \times 100 = 75\%$ ตัวหารเป็นจำนวนแถว ไม่ใช่จำนวนคน
หลังตัดแถวซ้ำ $\dfrac{285}{380} \times 100 = 75\%$ เท่าเดิม การทำความสะอาดข้อมูลจำเป็น แต่ไม่ได้แก้ปัญหาหลัก
ตัวอย่างสุ่ม $\dfrac{27}{60} \times 100 = 45\%$ ต่ำกว่า $30$ จุดร้อยละ
ปัญหาหลักคือผู้ตอบเลือกตัวเอง คนที่ไม่พอใจมากมีแรงจูงใจจะกดเข้ามาตอบ คนที่เฉยๆ ส่วนใหญ่ไม่สนใจลิงก์ และคนที่ไม่ได้ติดตามเพจไม่เห็นลิงก์เลย ตัวอย่าง $380$ คนนี้จึงเป็นตัวแทนของคนที่อยากบ่น ไม่ใช่ของนักเรียนทั้งโรงเรียน

แบบฟอร์มที่เปิดให้ใครก็ตอบได้ยังมีประโยชน์ เช่นใช้รวบรวมปัญหาที่คนเจอ หรือข้อเสนอแนะ แต่ไม่ควรใช้ประมาณสัดส่วนของประชากร ถ้าจะใช้แบบฟอร์มออนไลน์ประมาณสัดส่วน ให้ส่งลิงก์เฉพาะคนที่สุ่มได้ แล้วติดตามคนที่ยังไม่ตอบ

แหล่งข้อมูลและวิธีเก็บ

ข้อมูลปฐมภูมิเก็บเพื่อคำถามปัจจุบัน ข้อมูลทุติยภูมิได้จากแหล่งที่มีอยู่แล้ว ต้องตรวจหน่วย นิยาม เวลา และสิทธิใช้ข้อมูล วิธีเลือกตัวอย่างแบบสุ่มอย่างง่าย ชั้นภูมิ มีระบบ และกลุ่ม อยู่ในหน้า 47.2

ป้องกันความคลาดเคลื่อน

ตรวจกรอบรายชื่อที่ตกหล่น การไม่ตอบ คำถามชี้นำ และคำตอบซ้ำ บันทึกตัวแปรพร้อมหน่วยและรหัสข้อมูลขาดหายให้แยกจากศูนย์จริง เก็บเท่าที่จำเป็นและไม่เผยข้อมูลระบุตัวบุคคล

เลขประจำตัวในแบบฟอร์มโรงอาหารช่วยให้ตัดแถวซ้ำได้ แต่เป็นข้อมูลที่ระบุตัวคนได้ เมื่อตัดแถวซ้ำเสร็จแล้วควรลบคอลัมน์นี้ หรือแทนด้วยรหัสที่ย้อนกลับไปหาชื่อไม่ได้ ก่อนส่งข้อมูลต่อให้คนอื่นวิเคราะห์

ข้อมูลสังเกตพบความสัมพันธ์ได้ แต่การสรุปเหตุและผลต้องพิจารณาตัวแปรแทรกซ้อน การทดลองที่จัดการเงื่อนไขและสุ่มจัดกลุ่มช่วยตอบเหตุผลได้ดีขึ้นภายใต้การออกแบบที่เหมาะสม

ตัวอย่าง 2

ส่งแบบสอบถาม $200$ คน มีผู้ตอบ $150$ คน อัตราตอบกลับเท่าไร

ตัวหารคือผู้ได้รับแบบสอบถาม ไม่ใช่นักเรียนทั้งโรงเรียน
$150/200\times100=75\%$ ส่วนผู้ไม่ตอบอาจต่างจากผู้ตอบ จึงต้องรายงานข้อจำกัด

ลองคิดก่อน

พบคนที่ออกกำลังกายมีคะแนนสูงกว่า จึงพิสูจน์ว่าการออกกำลังกายทำให้คะแนนสูงได้ไหม

ดูคำตอบ

ยังไม่ได้ อาจมีปัจจัยอื่น เช่นเวลานอนหรือสภาพแวดล้อมร่วมด้วย ข้อมูลสังเกตอย่างเดียวไม่แยกคำอธิบายเหล่านี้ออก

คำถามและตัวหารที่เปลี่ยนโดยไม่รู้ตัว

คำถามชี้นำทำให้ผู้ตอบเอียงไปทางคำตอบหนึ่ง เช่นถามว่าเห็นด้วยหรือไม่กับบริการที่สะดวกและประหยัดที่สุด แทนการถามความพึงพอใจแบบเป็นกลาง ควรทดลองแบบสอบถามกับกลุ่มเล็กก่อน ตรวจว่าคนตีความคำว่าเป็นประจำหรือบ่อยเท่ากันหรือไม่ และระบุช่วงเวลาให้ชัด

ลองคิดก่อน

แบบฟอร์มโรงอาหารมีข้อหนึ่งถามว่า ท่านเห็นด้วยหรือไม่ว่าโรงอาหารควรปรับปรุงรสชาติอาหารที่แย่ลงในเทอมนี้ ข้อนี้มีปัญหาอะไร และควรเขียนใหม่อย่างไร

ดูคำตอบ

คำถามบอกไว้ก่อนแล้วว่ารสชาติแย่ลง ผู้ตอบที่ไม่ได้คิดแบบนั้นก็ถูกดึงให้ตอบเห็นด้วย และยังรวมสองเรื่องไว้ในข้อเดียว คือรสชาติแย่ลงหรือไม่ กับควรปรับปรุงหรือไม่ ควรแยกเป็นคำถามกลางๆ เช่น เทียบกับเทอมที่แล้ว รสชาติอาหารในโรงอาหารเป็นอย่างไร ให้เลือก ดีขึ้น เท่าเดิม แย่ลง หรือไม่แน่ใจ

ตัวอย่าง 3

สำรวจการซื้ออาหารเช้าในสัปดาห์ที่ผ่านมา ส่งให้ $100$ คน ตอบ $80$ คน ในผู้ตอบซื้อ $48$ คน รายงานสัดส่วนอย่างไร

สัดส่วนในผู้ตอบคือ $48/80=60\%$ พร้อมอัตราตอบกลับ $80\%$
ไม่ควรใช้ $48/100=48\%$ แล้วบอกว่าเป็นสัดส่วนผู้ซื้อ เพราะผู้ไม่ตอบยี่สิบคนยังไม่ทราบข้อมูล
เขียนว่าในผู้ตอบแปดสิบคนพบผู้ซื้อสี่สิบแปดคน และระบุข้อจำกัดการไม่ตอบ

ข้อมูลขาดหายไม่ใช่ศูนย์

เมื่อผู้ตอบเว้นช่องไว้ เราไม่รู้ค่าของเขา ถ้าใส่ $0$ แทนช่องว่าง โปรแกรมจะนับว่าเขาตอบว่าศูนย์ ค่าเฉลี่ยจะถูกดึงลงทั้งที่ไม่มีใครตอบศูนย์จริง ควรใช้รหัสที่โปรแกรมรู้ว่าเป็นข้อมูลขาดหาย เช่นเว้นช่องว่างไว้ แล้วรายงานจำนวนที่ขาด

ตัวอย่าง 4

ถามค่าอาหารกลางวันเมื่อวานจากนักเรียน $50$ คน ตอบ $45$ คน รวมเป็นเงิน $2250$ บาท อีก $5$ คนเว้นว่าง ถ้าใส่ $0$ แทนช่องว่างแล้วหาค่าเฉลี่ย จะคลาดจากค่าเฉลี่ยของผู้ตอบเท่าไร

ค่าเฉลี่ยของผู้ตอบ $\dfrac{2250}{45} = 50$ บาท ตัวหารคือคนที่รู้ค่าจริง
ถ้าใส่ $0$ ห้าตัว ผลรวมยังเป็น $2250$ แต่ตัวหารกลายเป็น $50$ ได้ $\dfrac{2250}{50} = 45$ บาท
คลาดไป $50 - 45 = 5$ บาท และทิศทางเป็นการดึงลงเสมอ เพราะศูนย์ต่ำกว่าค่าที่คนส่วนใหญ่จ่ายจริง
รายงานที่ถูกคือ ค่าเฉลี่ย $50$ บาทจากผู้ตอบ $45$ คน ข้อมูลขาดหาย $5$ คน คิดเป็น $10\%$

ตรวจวิธีคิด

รายงานตัวเศษ ตัวหาร และกลุ่มเป้าหมายร่วมกันช่วยให้ผู้อ่านตรวจว่าร้อยละตอบคำถามใด การไม่ตอบอาจมีอคติแม้อัตราตอบกลับสูง จึงควรตรวจลักษณะผู้ไม่ตอบเท่าที่ทำได้

สรุป

เลือกวิธีเก็บให้ตรงประชากรและคำถาม
แบบฟอร์มที่ใครก็ตอบได้มีอคติจากการเลือกตัวเอง ตัดแถวซ้ำแล้วก็ยังเอียง
คำถามต้องเป็นกลาง และถามทีละเรื่อง
ข้อมูลขาดหายไม่ใช่ศูนย์
รายงานการไม่ตอบและข้อจำกัดของเหตุและผล

เมื่อได้ข้อมูลที่เชื่อถือได้แล้ว บทที่ 48 จะนำข้อมูลเชิงคุณภาพ เช่นแผนการเรียนหรือความพึงพอใจ มาจัดเป็นตารางความถี่และแผนภูมิ ส่วนบทที่ 49 จะสรุปข้อมูลเชิงปริมาณ เช่นเวลานอน ด้วยค่ากลางและการกระจาย