การวิจัยเชิงสำรวจตามช่วงเวลา — การออกแบบการวิจัยเชิงสำรวจตามช่วงเวลา
- ผู้เสนอ
- No single originator; foundational methodological treatments by Stuart Menard and Judith Singer & John Willett
- ปี
- Late 19th–early 20th century; methodologically codified through the 20th century
- ประเภท
- Quantitative (or mixed) observational research design
- กลุ่มวิธี
- Survey / observational design
ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ
ใช้ทำอะไร?
การวิจัยเชิงสำรวจตามช่วงเวลา (Longitudinal research) เป็นการออกแบบเชิงสังเกตที่วัดผลผู้เข้าร่วมการวิจัย กลุ่ม หรือหน่วยเดียวกันซ้ำๆ เป็นระยะเวลานาน แทนที่จะเป็นการเก็บข้อมูลเพียงครั้งเดียว การวิจัยนี้จะติดตามการเปลี่ยนแปลง ความคงที่ และลำดับเวลาของตัวแปรต่างๆ ทำให้เป็นกลยุทธ์ที่ไม่ใช่การทดลองหลักในการศึกษาการพัฒนา การเติบโต การเสื่อมถอย และกระบวนการเชิงสาเหตุที่เกิดขึ้นตามกาลเวลา
แนวคิดเบื้องหลังวิธีการ
ลองนึกภาพการวิจัยเชิงสำรวจตามช่วงเวลาว่าเป็นการติดตามคนกลุ่มเดิม (หรือองค์กร หรือโรงเรียน) ผ่านจุดตรวจสอบหลายจุด แทนที่จะถ่ายภาพคนหลายๆ คนพร้อมกัน ด้วยการกลับไปที่หน่วยเดิม นักวิจัยสามารถเห็นว่าใครเปลี่ยนแปลงไปมากน้อยเพียงใด ในทิศทางใด และการวัดผลในระยะแรกสามารถทำนายผลลัพธ์ในระยะหลังได้หรือไม่ การติดตามตามกาลเวลาคือสิ่งที่ทำให้การออกแบบเชิงสำรวจตามช่วงเวลาแตกต่างจากการออกแบบภาคตัดขวาง (cross-sectional): แทนที่จะอนุมานการเปลี่ยนแปลงจากความแตกต่างระหว่างกลุ่มที่วัดผล ณ เวลาเดียว คุณจะสังเกตการเปลี่ยนแปลงโดยตรงภายในหน่วยเดียวกันที่วัดผล ณ เวลาต่างๆ กัน
ประวัติศาสตร์
วิธีการวิจัยเชิงสำรวจตามช่วงเวลาเกิดขึ้นในช่วงปลายศตวรรษที่สิบเก้าผ่านการศึกษาการเติบโตที่ติดตามพัฒนาการทางร่างกายของเด็ก และในการระบาดวิทยาผ่านการศึกษาตามรุ่นที่ติดตามอุบัติการณ์ของโรค ชุดข้อมูลเชิงสำรวจตามช่วงเวลาที่สำคัญในศตวรรษที่ยี่สิบ — รวมถึง Berkeley Growth Study (1928), British Cohort Studies (1958, 1970), และ Framingham Heart Study (1948) — ได้หล่อหลอมการพัฒนาวิธีการวิจัย กรอบการวิเคราะห์ข้อมูลเชิงสำรวจตามช่วงเวลาได้พัฒนาขึ้นอย่างมากในช่วงทศวรรษที่ 1980 และ 1990 ผ่านผลงานของนักวิจัย เช่น Judith Singer, John Willett และ Michael Raudenbush ซึ่งนำไปสู่ตำราเรียนและซอฟต์แวร์ที่ได้รับการยอมรับอย่างกว้างขวางสำหรับการสร้างแบบจำลองหลายระดับและเส้นโค้งการเติบโต
ควรใช้เมื่อใด
ใช้การวิจัยเชิงสำรวจตามช่วงเวลาเมื่อคำถามหลักเกี่ยวกับความเปลี่ยนแปลงหรือการพัฒนาเมื่อเวลาผ่านไป — ตัวอย่างเช่น ความสำเร็จทางการศึกษาพัฒนาขึ้นอย่างไรจากโรงเรียนประถมศึกษาถึงมัธยมศึกษา วิถีสุขภาพเป็นอย่างไรหลังเหตุการณ์ทางการแพทย์ หรือทัศนคติที่วัดผล ณ จุดหนึ่งทำนายพฤติกรรมที่วัดผลในภายหลังหรือไม่ เป็นการออกแบบที่เหมาะสมเมื่อข้อมูลภาคตัดขวางไม่สามารถแยกแยะผลกระทบของอายุออกจากผลกระทบของรุ่น (cohort effects) และเมื่อการเปลี่ยนแปลงภายในบุคคลมีความสำคัญเชิงทฤษฎี อย่าใช้การวิจัยเชิงสำรวจตามช่วงเวลาเมื่อปรากฏการณ์นั้นคงที่โดยเนื้อแท้ เมื่อระยะเวลาติดตามผลที่ต้องการเกินทรัพยากรที่มีอยู่ หรือเมื่อการถอนตัวในประชากรเป้าหมายจะรุนแรงมากจนกลุ่มตัวอย่างที่เหลืออยู่ไม่เป็นตัวแทน การออกแบบภาคตัดขวางมีประสิทธิภาพมากกว่าเมื่อการเก็บข้อมูลเพียงครั้งเดียวเพียงพอที่จะตอบคำถามวิจัย
ข้อจำกัดและข้อควรพิจารณา
- การถอนตัว (dropout) ระหว่างช่วงการวัดคุกคามความเที่ยงตรงภายใน (internal validity) หากผู้ที่ออกจากงานวิจัยมีความแตกต่างอย่างเป็นระบบจากผู้ที่ยังคงอยู่
- ระยะเวลาติดตามผลที่ยาวนานต้องใช้ทรัพยากรมาก — ทั้งเงินทุน เจ้าหน้าที่ และการรักษาผู้เข้าร่วม ล้วนเพิ่มขึ้นตามกาลเวลา
- การวัดผลผู้เข้าร่วมการวิจัยคนเดิมซ้ำๆ อาจก่อให้เกิดผลกระทบจากการทดสอบ: ความคุ้นเคยกับเครื่องมือ การกระตุ้นให้สนใจในหัวข้อ หรือผลจากการฝึกฝนในการทดสอบ
- ไม่สามารถควบคุมตัวแปรร่วมที่เปลี่ยนแปลงตามเวลาซึ่งไม่ได้วัดผลได้ในลักษณะเดียวกับการทดลองแบบสุ่ม การอ้างสิทธิ์เชิงสาเหตุยังคงเป็นแบบความน่าจะเป็น
- การเปลี่ยนแปลงทางประวัติศาสตร์ที่เกิดขึ้นระหว่างช่วงการวัด (period effects) อาจทำให้แนวโน้มที่สังเกตได้เกิดความสับสน และยากที่จะแยกออกจากพัฒนาการภายในบุคคล
เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้
จุดแข็ง
- สังเกตการเปลี่ยนแปลงภายในบุคคลหรือภายในหน่วยโดยตรง แทนที่จะอนุมานจากการเปรียบเทียบอายุในภาคตัดขวาง
- สร้างลำดับเวลาของตัวแปร ซึ่งให้หลักฐานที่แข็งแกร่งกว่า (แม้จะไม่สรุป) สำหรับทิศทางเชิงสาเหตุมากกว่าการออกแบบแบบคลื่นเดียว
- อนุญาตให้แยกผลกระทบของอายุ ผลกระทบของรุ่น และผลกระทบของช่วงเวลา เมื่อติดตามหลายรุ่น
- ช่วยในการประมาณวิถีการเติบโตของแต่ละบุคคล และระบุกลุ่มย่อยที่มีรูปแบบการพัฒนาที่แตกต่างกัน
- ชุดข้อมูลเชิงสำรวจตามช่วงเวลาที่สะสม (เช่น การศึกษาตามรุ่นการเกิด) สามารถตอบคำถามวิจัยได้หลายข้อตลอดหลายทศวรรษ
การประยุกต์ใช้
- การติดตามพัฒนาการทางปัญญา ความสำเร็จทางการศึกษา และการเติบโตทางสังคม-อารมณ์ตั้งแต่เด็กจนถึงวัยรุ่น
- การติดตามกลุ่มผู้ป่วยหลังการผ่าตัด การวินิจฉัย หรือการรักษา เพื่อสร้างแผนภูมิวิถีการฟื้นตัวและระบุตัวทำนายการกลับเป็นซ้ำ
- การติดตามผลลัพธ์ขององค์กรหรือกำลังคน — การมีส่วนร่วมของพนักงาน ความตั้งใจที่จะลาออก ผลผลิต — ตลอดวงจรเศรษฐกิจ
- การศึกษาผลกระทบระยะยาวของการแทรกแซงนโยบายในการศึกษา สาธารณสุข หรือตลาดแรงงานโดยไม่มีการสุ่มตัวอย่าง
- การตรวจสอบว่าบุคลิกภาพ ทัศนคติ และค่านิยมเปลี่ยนแปลงไปอย่างไรตามช่วงชีวิตในจิตวิทยาพัฒนาการและจิตวิทยาสังคม
- การสร้างแบบจำลองอุบัติการณ์ของโรคและการสะสมปัจจัยเสี่ยงในการศึกษาตามรุ่นการเกิดทางระบาดวิทยา หรือการศึกษาตามรุ่นอาชีพ
วิธีการทำงาน
วิธีการทำงาน
นักวิจัยกำหนดคำถามวิจัยในแง่ของการเปลี่ยนแปลงหรือความคงที่เมื่อเวลาผ่านไป และตัดสินใจเลือกกรอบการสำรวจตามช่วงเวลา: การออกแบบแบบแผง (panel design) (บุคคลเดิม ณ แต่ละช่วงการวัด) การออกแบบแบบกลุ่ม (cohort design) (กลุ่มที่มีประสบการณ์ร่วมกันถูกติดตามไปข้างหน้า) หรือการออกแบบแนวโน้ม (trend design) (ประชากรกลุ่มเดียวกันถูกสุ่มตัวอย่างอย่างอิสระ ณ แต่ละช่วงการวัด) กรอบเวลา จำนวนช่วงการวัด และช่วงห่างระหว่างช่วงการวัดจะถูกวางแผนให้สอดคล้องกับอัตราการเปลี่ยนแปลงที่คาดหวังของปรากฏการณ์ที่สนใจ
มีการคัดเลือกกลุ่มตัวอย่างผู้เข้าร่วมการวิจัยหรือหน่วยต่างๆ ที่เป็นตัวแทนของประชากรเป้าหมายและมีขนาดใหญ่พอที่จะยังคงมีความเหมาะสมในการวิเคราะห์หลังจากการถอนตัวที่คาดว่าจะเกิดขึ้นระหว่างช่วงการวัด (attrition) เกณฑ์การคัดเลือกต้องระบุให้ชัดเจน เพื่อให้สามารถติดตามและติดต่อกลับกลุ่มตัวอย่างเริ่มต้นได้ตลอดช่วงการวัด ในการออกแบบแบบแผงและแบบกลุ่ม การรักษาข้อมูลการติดต่อและการมีส่วนร่วมของผู้เข้าร่วมตลอดช่วงการวัดเป็นข้อกังวลด้านการดำเนินงานที่สำคัญตั้งแต่เริ่มต้น
มีการเก็บรวบรวมข้อมูลจากหน่วยเดียวกัน ณ แต่ละช่วงการวัดที่กำหนดไว้ล่วงหน้า โดยใช้อุปกรณ์และกระบวนการที่สอดคล้องกัน อุปกรณ์ควรคงที่ตลอดช่วงการวัดเพื่อให้แน่ใจว่าการวัดผลมีความเท่าเทียมกัน (measurement equivalence) การอัปเดตที่จำเป็นใดๆ ต้องได้รับการประเมินเพื่อความสามารถในการเปรียบเทียบ แหล่งข้อมูลทั่วไป ได้แก่ แบบสำรวจ แบบทดสอบมาตรฐาน บันทึกการบริหาร และการประเมินทางชีววิทยาหรือพฤติกรรม การเก็บรวบรวมข้อมูลแต่ละช่วงเป็นเหตุการณ์การวัดที่สมบูรณ์ ซึ่งต้องมีการสุ่มตัวอย่าง การดำเนินงานภาคสนาม และการควบคุมคุณภาพ
ข้อมูลเชิงสำรวจตามช่วงเวลาต้องการการจัดการข้อมูลที่ละเอียดถี่ถ้วน: การเชื่อมโยงบันทึกระหว่างช่วงการวัดโดยใช้ตัวระบุผู้เข้าร่วมที่ไม่ซ้ำกัน การจัดการข้อมูลที่ขาดหายไปซึ่งเกิดจากการถอนตัวหรือรูปแบบการข้าม และการบันทึกการเปลี่ยนแปลงในอุปกรณ์หรือเงื่อนไขการบริหารจัดการ ข้อมูลที่ขาดหายไปจะได้รับการแก้ไขด้วยวิธีการวิเคราะห์ — การประมาณค่าความน่าจะเป็นสูงสุดแบบเต็มข้อมูล (full-information maximum likelihood - FIML) และการแทนที่หลายค่า (multiple imputation - MI) เป็นที่นิยมมากกว่าการลบรายการที่ขาดหายไปทั้งหมด (listwise deletion) เนื่องจากผู้ที่ถอนตัวมักจะไม่ได้หายไปแบบสุ่มโดยสมบูรณ์ (missing completely at random - MCAR)
การเปลี่ยนแปลงเมื่อเวลาผ่านไปจะถูกตรวจสอบโดยใช้วิธีการวิเคราะห์ที่สอดคล้องกับโครงสร้างข้อมูลและคำถามวิจัย กลยุทธ์ทั่วไป ได้แก่ การสร้างแบบจำลองเส้นโค้งการเติบโต (growth curve modeling) (วิถีบุคคลผ่านแบบจำลองหลายระดับหรือแบบจำลองเส้นโค้งการเติบโตแบบแฝง) การถดถอยแบบแผงที่มีผลคงที่และผลสุ่ม (fixed- and random-effects panel regression) แบบจำลองแผงแบบไขว้ (cross-lagged panel models) สำหรับสาเหตุที่ส่งผลซึ่งกันและกัน และการวิเคราะห์การรอดชีพหรือประวัติเหตุการณ์ (survival or event-history analysis) สำหรับผลลัพธ์เวลาจนถึงเหตุการณ์ การสรุปเชิงพรรณนาของการเปลี่ยนแปลงในแต่ละช่วงการวัดจะมาก่อนการสร้างแบบจำลองเชิงอนุมาน
ผลการวิจัยจะถูกตีความในแง่ของทิศทาง อัตรา และตัวทำนายของการเปลี่ยนแปลง — และจะถูกจำกัดอย่างชัดเจนด้วยข้อจำกัดของการออกแบบ (เชิงสังเกต ไม่ใช่การทดลอง; ผลกระทบจากการคัดเลือกที่อาจเกิดขึ้น) ลำดับเวลาของตัวแปร — ที่วัดผล ณ ช่วงการวัดที่แตกต่างกัน — ให้หลักฐานที่แข็งแกร่งกว่าสำหรับทิศทางเชิงสาเหตุมากกว่าข้อมูลภาคตัดขวาง แต่ต้องยอมรับผลกระทบจากตัวแปรร่วมที่เปลี่ยนแปลงตามเวลาซึ่งไม่ได้วัดผล
ข้อผิดพลาดที่พบบ่อย
- การละเลยอคติจากการถอนตัว — การรายงานผลแบบกรณีสมบูรณ์โดยไม่ทดสอบว่าผู้ที่ถอนตัวแตกต่างจากผู้ที่ทำเสร็จสิ้นในตัวแปรพื้นฐานที่สำคัญหรือไม่ หรือโดยไม่ใช้วิธีการจัดการข้อมูลที่ขาดหายไปอย่างมีหลักการ (FIML, MI) จะเพิ่มความเสี่ยงของการประมาณค่าที่เอนเอียง
- ความไม่เท่าเทียมกันของการวัดผลระหว่างช่วง — หากการใช้ถ้อยคำของเครื่องมือ มาตราส่วนการตอบสนอง หรือเงื่อนไขการบริหารจัดการเปลี่ยนแปลงไปมาระหว่างช่วงการวัด การเปลี่ยนแปลงที่ปรากฏในคะแนนอาจสะท้อนถึงการเปลี่ยนแปลงของการวัดผล (measurement drift) แทนที่จะเป็นการเปลี่ยนแปลงที่แท้จริง ควรทดสอบความเท่าเทียมกันของโครงสร้าง (configural invariance) และความเท่าเทียมกันของมาตรวัด (metric invariance)
- จำนวนช่วงการวัดน้อยเกินไปสำหรับแบบจำลองการเปลี่ยนแปลงที่ซับซ้อน — การสร้างแบบจำลองเส้นโค้งการเติบโตที่มีเพียงสองช่วงจะจำกัดแบบจำลองให้อยู่ในรูปเส้นตรงและป้องกันการตรวจจับวิถีที่ไม่เป็นเชิงเส้น ควรวางแผนอย่างน้อยสามช่วงเมื่อใดก็ตามที่การเปลี่ยนแปลงเชิงกำลังสองหรือเชิงเส้นโค้งมีความเป็นไปได้
- การปะปนกันของประเภทการออกแบบย่อย — การออกแบบแบบแผง แบบกลุ่ม และแบบแนวโน้มมีโครงสร้างการสุ่มตัวอย่างที่แตกต่างกันและตอบคำถามที่แตกต่างกัน การปฏิบัติต่อสิ่งเหล่านี้เหมือนกันนำไปสู่ข้อผิดพลาดในการวิเคราะห์และการสรุปผลที่ไม่เหมาะสม
- การประเมินผลกระทบของช่วงห่างการติดตามผลต่ำเกินไป — ช่วงห่างที่สั้นเกินไปอาจไม่สามารถจับการเปลี่ยนแปลงที่มีความหมายได้ ช่วงห่างที่ยาวเกินไปอาจพลาดความแปรปรวนระหว่างกลางที่สำคัญหรือผลกระทบสูงสุด
คำถามที่พบบ่อย
การวิจัยเชิงสำรวจตามช่วงเวลาแตกต่างจากการศึกษาแบบแผงและการศึกษาแบบกลุ่มอย่างไร
ทั้งสามเป็นวิธีการเชิงสำรวจตามช่วงเวลา แต่แตกต่างกันในโครงสร้างการสุ่มตัวอย่าง การศึกษาแบบแผงติดตามบุคคลเดิมในทุกช่วงการวัด และออกแบบมาเพื่อวัดการเปลี่ยนแปลงในระดับบุคคล การศึกษาแบบกลุ่มติดตามบุคคลที่มีลักษณะหรือประสบการณ์ร่วมกัน (เช่น เกิดในปีเดียวกัน ได้รับการวินิจฉัยในช่วงเวลาเดียวกัน) และมุ่งเน้นไปที่วิถีของกลุ่ม การศึกษาแนวโน้มสำรวจกลุ่มตัวอย่างอิสระจากประชากรเดียวกันในแต่ละช่วงการวัด และอธิบายการเปลี่ยนแปลงในระดับประชากรโดยไม่ติดตามบุคคล การเลือกขึ้นอยู่กับว่าการเปลี่ยนแปลงภายในบุคคล วิถีของกลุ่ม หรือแนวโน้มของประชากรเป็นเป้าหมายหลัก
ฉันต้องการช่วงการวัดกี่ช่วง
จำนวนขั้นต่ำคือสองช่วงเพื่อสร้างการเปลี่ยนแปลง แต่สองช่วงอนุญาตเพียงคะแนนความแตกต่างและไม่สามารถสร้างแบบจำลองรูปร่างของการเปลี่ยนแปลงได้ สามช่วงเป็นจำนวนขั้นต่ำที่ใช้งานได้จริงสำหรับการสร้างแบบจำลองเส้นโค้งการเติบโต เนื่องจากอนุญาตให้ประมาณวิถีเชิงกำลังสองได้ ช่วงที่มากขึ้นช่วยเพิ่มความแม่นยำของการประมาณวิถีของแต่ละบุคคล และช่วยให้ตรวจจับรูปแบบการเปลี่ยนแปลงที่ซับซ้อนได้ วางแผนช่วงให้สอดคล้องกับช่วงเวลาที่มีความหมายเชิงทฤษฎี โดยพิจารณาจากอัตราการเปลี่ยนแปลงที่คาดหวัง
ฉันควรจัดการกับข้อมูลที่ขาดหายไปจากการถอนตัวอย่างไร
ขั้นแรก ทดสอบว่าผู้ที่ถอนตัวแตกต่างจากผู้ที่ทำเสร็จสิ้นในตัวแปรพื้นฐานที่สำคัญหรือไม่ (การวิเคราะห์การถอนตัว) จากนั้น ใช้วิธีการจัดการข้อมูลที่ขาดหายไปอย่างมีหลักการแทนการลบรายการที่ขาดหายไปทั้งหมด: การประมาณค่าความน่าจะเป็นสูงสุดแบบเต็มข้อมูล (FIML) ภายใต้การประมาณค่าความน่าจะเป็นสูงสุด หรือการแทนที่หลายค่า (MI) ก่อนการวิเคราะห์ ทั้งสองวิธีสมมติว่าข้อมูลหายไปตามที่คาดหวัง (missing at random - MAR) โดยขึ้นอยู่กับตัวแปรที่สังเกตได้ หากสงสัยว่าการหายไปขึ้นอยู่กับผลลัพธ์ที่ไม่ได้สังเกตเอง (missing not at random - MNAR) การวิเคราะห์ความไวโดยใช้แบบจำลองรูปแบบผสม (pattern-mixture models) หรือแบบจำลองการคัดเลือก (selection models) จะมีความจำเป็น
การออกแบบเชิงสำรวจตามช่วงเวลาพิสูจน์ความเป็นสาเหตุได้หรือไม่
ลำดับเวลา — การวัดตัวทำนายก่อนผลลัพธ์ — เป็นเงื่อนไขที่จำเป็นสำหรับความเป็นสาเหตุ และการออกแบบเชิงสำรวจตามช่วงเวลาสร้างสิ่งนี้ได้โดยตรงกว่าการออกแบบภาคตัดขวาง อย่างไรก็ตาม การออกแบบเชิงสำรวจตามช่วงเวลาเชิงสังเกตไม่สามารถตัดผลกระทบจากตัวแปรที่ไม่ได้วัดผลออกไปได้ ดังนั้นจึงไม่สามารถพิสูจน์ความเป็นสาเหตุได้ เทคนิคต่างๆ เช่น แบบจำลองแผงแบบไขว้ การถดถอยแบบผลคงที่ และวิธีการตัวแปรเครื่องมือ สามารถเสริมสร้างการอนุมานเชิงสาเหตุได้ แต่แต่ละวิธีก็มีข้อสมมติฐานของตนเอง การทดลองแบบสุ่มยังคงเป็นมาตรฐานทองคำสำหรับการอ้างสิทธิ์เชิงสาเหตุ
ความเสี่ยงของผลกระทบจากการทดสอบในการวัดผลซ้ำคืออะไร
เมื่อผู้เข้าร่วมทำแบบวัดเดียวกันหรือคล้ายกันซ้ำๆ ความคุ้นเคยกับรูปแบบรายการ การกระตุ้นให้สนใจในหัวข้อ หรือการฝึกฝนในการทดสอบทางปัญญา อาจทำให้คะแนนสูงขึ้นหรือต่ำลงโดยไม่ขึ้นกับการเปลี่ยนแปลงที่แท้จริง ความเสี่ยงจะสูงขึ้นเมื่อช่วงห่างระหว่างการวัดสั้นลง และเมื่อใช้การวัดผลตามประสิทธิภาพ กลยุทธ์การบรรเทา ได้แก่ การใช้แบบฟอร์มเครื่องมือที่ขนานกัน การรวมกลุ่มควบคุม และการประเมินความน่าเชื่อถือของการทดสอบซ้ำในการศึกษาเบื้องต้น
วิธีการที่เกี่ยวข้อง
แหล่งอ้างอิง
Menard, S. (2002). Longitudinal Research (2nd ed.). Sage Publications.
ISBN: 978-0761922841คัดลอกแล้วSinger, J. D., & Willett, J. B. (2003). Applied Longitudinal Data Analysis: Modeling Change and Event Occurrence. Oxford University Press.
ISBN: 978-0195152968คัดลอกแล้ว