Skip to content
กลับไปยังผลการค้นหา

การสำรวจเชิงสัมพันธ์ — การวิจัยสำรวจเชิงสัมพันธ์

ผู้เสนอ
Established in educational and social science research methodology; systematised by Fraenkel & Wallen and others
ปี
Mid-20th century onward (systematised ~1960s–1990s)
ประเภท
Quantitative non-experimental survey design
กลุ่มวิธี
Survey / observational design

ข้อความนี้เป็นการแปลด้วยเครื่องและยังไม่ได้รับการตรวจทาน อ่านต้นฉบับภาษาอังกฤษ

ขนาดตัวอักษร

ใช้ทำอะไร?

การวิจัยสำรวจเชิงสัมพันธ์เป็นการออกแบบเชิงปริมาณที่ไม่ใช่การทดลอง ซึ่งรวบรวมข้อมูลการรายงานตนเองที่มีโครงสร้างจากกลุ่มตัวอย่าง และตรวจสอบความสัมพันธ์ทางสถิติระหว่างตัวแปรตั้งแต่สองตัวแปรขึ้นไป แตกต่างจากการสำรวจเชิงพรรณนาอย่างแท้จริง ซึ่งเพียงแค่บรรยายการกระจายตัว การสำรวจเชิงสัมพันธ์จะถามว่าตัวแปรมีความแปรปรวนร่วมกันหรือไม่และอย่างไร — ให้หลักฐานของความสัมพันธ์โดยไม่มีการจัดการเงื่อนไขหรือการสร้างความสัมพันธ์เชิงสาเหตุ

แนวคิดเบื้องหลังวิธีการ

ลองนึกภาพการสำรวจเชิงสัมพันธ์ว่าเป็นการถ่ายภาพกลุ่ม ณ จุดเวลาหนึ่ง แล้วถามว่า: คนที่ได้คะแนนสูงกว่าในตัวแปร A มีแนวโน้มที่จะได้คะแนนสูงกว่า (หรือต่ำกว่า) ในตัวแปร B ด้วยหรือไม่? ตัวอย่างเช่น นักวิจัยอาจใช้มาตรวัดที่ผ่านการตรวจสอบความถูกต้องของแรงจูงใจทางวิชาการและการใช้เทคโนโลยีกับนักศึกษามหาวิทยาลัย จากนั้นคำนวณสัมประสิทธิ์สหสัมพันธ์เพื่อดูว่าแง่มุมใดของแรงจูงใจที่มีความแปรปรวนร่วมกันอย่างสม่ำเสมอที่สุดกับการใช้เทคโนโลยีในรูปแบบต่างๆ การออกแบบนี้ไม่มีการแทรกแซง แต่เป็นการสังเกตและวัดปริมาณความแปรปรวนร่วมกัน

ประวัติศาสตร์

การออกแบบการสำรวจเชิงสัมพันธ์เกิดขึ้นจากประเพณีการวิจัยสำรวจที่กว้างขึ้น ซึ่งก่อร่างขึ้นในสาขาสังคมศาสตร์ในช่วงต้นถึงกลางศตวรรษที่ 20 การมุ่งเน้นไปที่ความสัมพันธ์ระหว่างตัวแปรดึงมาจากพัฒนาการของสัมประสิทธิ์สหสัมพันธ์ของ Karl Pearson ในทศวรรษ 1890 และจากการขยายตัวของการถดถอยพหุคูณในช่วงกลางศตวรรษที่ 20 ตำราวิจัยทางการศึกษาที่ใช้กันอย่างแพร่หลายของ Fraenkel และ Wallen ตั้งแต่ทศวรรษ 1990 เป็นต้นมา ได้กำหนดให้การสำรวจเชิงสัมพันธ์เป็นประเภทการออกแบบที่แตกต่างกัน โดยแยกความแตกต่างจากการสำรวจเชิงพรรณนาอย่างแท้จริงในด้านหนึ่ง และการออกแบบเชิงสาเหตุเปรียบเทียบในอีกด้านหนึ่ง

ควรใช้เมื่อใด

ใช้การสำรวจเชิงสัมพันธ์เมื่อเป้าหมายคือการหาปริมาณความสัมพันธ์ระหว่างตัวแปรในกลุ่มที่เกิดขึ้นตามธรรมชาติโดยไม่มีการจัดการเชิงทดลองใดๆ — ตัวอย่างเช่น การสำรวจความเชื่อมโยงระหว่างลักษณะบุคลิกภาพกับผลสัมฤทธิ์ทางการเรียน หรือระหว่างบรรยากาศองค์กรกับความเป็นอยู่ที่ดีของพนักงาน การออกแบบนี้เหมาะสมเมื่อการเก็บรวบรวมข้อมูลแบบภาคตัดขวางและการรายงานตนเองเป็นไปได้ และเมื่อคำถามวิจัยถูกกำหนดในลักษณะ 'X เกี่ยวข้องกับ Y หรือไม่?' หรือ 'X ทำนาย Y ได้ดีเพียงใด?' อย่าใช้เมื่อมีเป้าหมายเพื่อสร้างทิศทางเชิงสาเหตุ (พิจารณาการออกแบบเชิงระยะยาวหรือเชิงทดลอง) หรือเมื่อแนวคิดที่สนใจไม่สามารถวัดได้อย่างถูกต้องด้วยมาตรวัดแบบสอบถาม หลีกเลี่ยงเมื่อขนาดกลุ่มตัวอย่างต่ำกว่าประมาณ 50 เนื่องจากค่าประมาณสหสัมพันธ์จะไม่มีเสถียรภาพและทำให้เข้าใจผิดได้เมื่อ N มีขนาดเล็กมาก

ข้อจำกัดและข้อควรพิจารณา

  • ไม่สามารถสร้างทิศทางเชิงสาเหตุได้ — ความสัมพันธ์ระหว่าง X และ Y สอดคล้องกับ X ก่อให้เกิด Y, Y ก่อให้เกิด X, หรือตัวแปรที่สามก่อให้เกิดทั้งสองอย่างเท่าเทียมกัน
  • ผลลัพธ์จะถูกต้องก็ต่อเมื่อเครื่องมือที่ใช้มีความถูกต้องเท่านั้น; ความน่าเชื่อถือของมาตรวัดหรือความถูกต้องของโครงสร้างที่ไม่ดีจะบ่อนทำลายการวิเคราะห์ทั้งหมดที่ตามมา
  • ความแปรปรวนของวิธีการร่วม (common-method variance) เป็นภัยคุกคามเมื่อทั้งตัวแปรทำนายและตัวแปรผลลัพธ์ถูกวัดด้วยเครื่องมือการรายงานตนเองเดียวกันในเวลาเดียวกัน
  • การสำรวจเชิงสัมพันธ์แบบภาคตัดขวางไม่สามารถจับภาพการเปลี่ยนแปลงเมื่อเวลาผ่านไปหรือแนวโน้มการพัฒนาได้

เงื่อนไขจากแหล่งที่มาไม่สามารถใช้แทนการทบทวนทางวิทยาศาสตร์ที่เป็นอิสระหรือการตรวจสอบโดยเอนจินวิเคราะห์ได้

จุดแข็ง

  • ตรวจสอบความสัมพันธ์ของตัวแปรหลายตัวได้อย่างมีประสิทธิภาพในการเก็บรวบรวมข้อมูลเพียงครั้งเดียว
  • สร้างค่าประมาณขนาดอิทธิพลเชิงปริมาณที่เป็นมาตรฐาน สามารถทำซ้ำและเปรียบเทียบได้ง่าย
  • ได้รับการสนับสนุนอย่างดีจากเครื่องมือทางสถิติที่จัดตั้งขึ้น (สหสัมพันธ์, การถดถอย, การวิเคราะห์เส้นทาง, SEM)
  • เหมาะสำหรับกลุ่มตัวอย่างขนาดใหญ่ที่กระจายตัวทางภูมิศาสตร์ผ่านการบริหารจัดการทางออนไลน์หรือกระดาษ
  • สามารถเป็นพื้นฐานสำหรับการศึกษาติดตามผลเชิงทดลองหรือเชิงระยะยาวในภายหลัง

การประยุกต์ใช้

  • การตรวจสอบความสัมพันธ์ระหว่างความเชื่อมั่นในตนเองของนักเรียน แรงจูงใจ และผลสัมฤทธิ์ทางการเรียนในการวิจัยทางการศึกษา
  • การตรวจสอบความสัมพันธ์ระหว่างความพึงพอใจในงาน ความผูกพันต่อองค์กร และความตั้งใจที่จะลาออกในจิตวิทยาองค์กร
  • การสำรวจความเชื่อมโยงระหว่างพฤติกรรมสุขภาพ (อาหาร การออกกำลังกาย การนอนหลับ) และความเป็นอยู่ที่ดีที่รายงานตนเองในการสำรวจสาธารณสุข
  • การประเมินว่ารูปแบบการเลี้ยงดูมีความแปรปรวนร่วมกันอย่างไรกับผลลัพธ์ทางสังคมและอารมณ์ของเด็กในการวิจัยพัฒนาการ
  • การศึกษาความสัมพันธ์ระหว่างทัศนคติในการนำเทคโนโลยีมาใช้และรูปแบบการใช้งานในการวิจัยระบบสารสนเทศ

วิธีการทำงาน

วิธีการทำงาน

1

นักวิจัยระบุแนวคิดอย่างน้อยสองแนวคิดที่มีความสัมพันธ์ที่น่าสนใจ และกำหนดคำถามวิจัยหรือสมมติฐานเกี่ยวกับทิศทางและขนาดของความสัมพันธ์ที่คาดไว้ โดยทั่วไปแล้ว กรอบแนวคิดหรือกรอบทฤษฎีจะชี้นำว่าตัวแปรใดบ้างที่ถูกรวมเข้าด้วยกัน และตัวแปรใดบ้างที่ถูกพิจารณาว่าเป็นตัวแปรทำนายเทียบกับตัวแปรผลลัพธ์

2

แบบสอบถามที่ผ่านการตรวจสอบความถูกต้อง มาตรวัดระดับ หรือเครื่องมือมาตรฐานจะถูกเลือกหรือพัฒนาขึ้นเพื่อวัดแต่ละตัวแปรเชิงตัวเลข การทดสอบนำร่องและการตรวจสอบความน่าเชื่อถือ (เช่น Cronbach's alpha) จะดำเนินการก่อนการเก็บรวบรวมข้อมูลหลัก เพื่อยืนยันว่ามาตรวัดทำงานได้อย่างเหมาะสมในประชากรเป้าหมาย

3

การสำรวจจะดำเนินการกับกลุ่มตัวอย่างที่เป็นตัวแทนหรือกลุ่มตัวอย่างแบบเจาะจง โดยทั่วไปจะเก็บข้อมูลเพียงครั้งเดียว (ภาคตัดขวาง) แม้ว่าการสำรวจเชิงสัมพันธ์สามารถฝังอยู่ในแบบแผนระยะยาวได้เช่นกัน ขนาดกลุ่มตัวอย่างที่เพียงพอจะคำนวณล่วงหน้าโดยใช้การวิเคราะห์กำลัง (power analysis) โดยการออกแบบที่อิงตามสหสัมพันธ์ส่วนใหญ่ต้องการผู้เข้าร่วมอย่างน้อย 50–100 คน เพื่อตรวจจับขนาดอิทธิพลปานกลางได้อย่างน่าเชื่อถือ

4

ความสัมพันธ์แบบทวิภาคจะประมาณค่าโดยใช้สัมประสิทธิ์สหสัมพันธ์ (Pearson's r สำหรับตัวแปรต่อเนื่อง, Spearman's rho สำหรับข้อมูลอันดับหรือข้อมูลที่ไม่เป็นปกติ) เมื่อมีตัวแปรทำนายหลายตัว การถดถอยพหุคูณ (multiple regression) หรือการวิเคราะห์เส้นทาง (path analysis) จะขยายกรอบเชิงสัมพันธ์เพื่อประเมินการมีส่วนร่วมที่เป็นเอกลักษณ์และควบคุมตัวแปรแทรกซ้อน

5

ขนาดอิทธิพล (r, R², สัมประสิทธิ์เบต้า) และช่วงความเชื่อมั่นจะถูกรายงานควบคู่ไปกับนัยสำคัญทางสถิติ นักวิจัยตีความความหมายเชิงปฏิบัติของความสัมพันธ์ ยอมรับว่าหลักฐานเชิงสหสัมพันธ์ไม่สามารถสร้างความสัมพันธ์เชิงสาเหตุได้ และวางผลการวิจัยไว้ในบริบทของวรรณกรรมก่อนหน้าและกรอบทฤษฎี

ข้อผิดพลาดที่พบบ่อย

  • การตีความสหสัมพันธ์ที่มีนัยสำคัญทางสถิติว่าเป็นหลักฐานของความสัมพันธ์เชิงสาเหตุ — หลักฐานการสำรวจเชิงสัมพันธ์เป็นเพียงการเชื่อมโยงเท่านั้น; การอ้างสิทธิ์เชิงสาเหตุต้องอาศัยการจัดการเชิงทดลอง หรือการออกแบบกึ่งทดลองที่แข็งแกร่ง
  • การละเลยการวิเคราะห์กำลัง — การศึกษาที่มีผู้เข้าร่วมน้อยกว่า 50 คนมักจะสร้างค่าประมาณสหสัมพันธ์ที่มีช่วงความเชื่อมั่นกว้างมากจนแทบจะตีความไม่ได้ในทางปฏิบัติ
  • การใช้การสำรวจเพียงครั้งเดียวเพื่อวัดทั้งตัวแปรทำนายและตัวแปรเกณฑ์โดยไม่จัดการกับอคติของวิธีการร่วม — พิจารณาการออกแบบแบบหน่วงเวลา (time-lag designs) หรือการแก้ไขขั้นตอน เช่น การถ่วงดุลลำดับมาตรวัด
  • การถือว่าเมทริกซ์สหสัมพันธ์เป็นแบบจำลองเชิงสาเหตุโดยไม่มีเหตุผลทางทฤษฎีหรือทางสถิติเพิ่มเติมสำหรับทิศทาง

คำถามที่พบบ่อย

ขนาดกลุ่มตัวอย่างขั้นต่ำสำหรับการสำรวจเชิงสัมพันธ์คือเท่าใด?

ไม่มีกฎเกณฑ์เดียว แต่ในทางปฏิบัติ นักระเบียบวิธีวิจัยหลายคนแนะนำผู้เข้าร่วมอย่างน้อย 50 คนเพื่อให้ได้ค่าประมาณสหสัมพันธ์ทวิภาคที่ค่อนข้างเสถียร และ 100 คนขึ้นไปเมื่อวางแผนการถดถอยพหุคูณ คำตอบที่เป็นทางการคือการดำเนินการวิเคราะห์กำลังแบบ a priori โดยระบุขนาดอิทธิพลที่คาดหวัง กำลังที่ต้องการ (โดยทั่วไปคือ .80) และระดับอัลฟ่า (.05); ซึ่งจะให้ค่า N ขั้นต่ำที่จำเป็นในการตรวจจับความสัมพันธ์ที่ตั้งสมมติฐานไว้

ฉันสามารถใช้การสำรวจเชิงสัมพันธ์เพื่อทดสอบแบบจำลองเชิงสาเหตุได้หรือไม่?

การสำรวจเชิงสัมพันธ์สามารถทดสอบได้ว่ารูปแบบของสหสัมพันธ์สอดคล้องกับแบบจำลองเชิงสาเหตุหรือไม่ (โดยใช้การวิเคราะห์เส้นทางหรือ SEM) แต่ไม่สามารถยืนยันทิศทางเชิงสาเหตุได้ การสร้างแบบจำลองสมการโครงสร้างด้วยข้อมูลการสำรวจเชิงสัมพันธ์สามารถตัดแบบจำลองที่ไม่สอดคล้องกับข้อมูลออกไปได้ แต่การอ้างสิทธิ์เชิงสาเหตุยังคงต้องอาศัยการจัดการเชิงทดลอง การทดลองตามธรรมชาติ หรือการออกแบบเชิงระยะยาวที่มีลำดับเวลา

การสำรวจเชิงสัมพันธ์แตกต่างจากการสำรวจเชิงพรรณนาอย่างง่ายอย่างไร?

การสำรวจเชิงพรรณนาจะบรรยายการกระจายตัวของตัวแปรตั้งแต่หนึ่งตัวแปรขึ้นไปในกลุ่มตัวอย่าง — ค่าเฉลี่ย ความถี่ สัดส่วน การสำรวจเชิงสัมพันธ์จะก้าวไปไกลกว่านั้นโดยการตรวจสอบทางสถิติว่าตัวแปรมีความสัมพันธ์กันหรือไม่และอย่างไร ทั้งสองสามารถใช้ข้อมูลแบบสอบถามเดียวกันได้ ความแตกต่างอยู่ที่คำถามวิจัยที่ถามและเทคนิคการวิเคราะห์ที่ใช้

ฉันควรใช้สัมประสิทธิ์สหสัมพันธ์ใด?

Pearson's r เหมาะสมเมื่อตัวแปรทั้งสองเป็นตัวแปรต่อเนื่องและมีการกระจายตัวแบบปกติโดยประมาณ Spearman's rho เป็นที่นิยมสำหรับตัวแปรอันดับ หรือเมื่อการกระจายตัวเบ้ชัดเจน Kendall's tau เป็นทางเลือกสำหรับข้อมูลอันดับที่มีอันดับที่ซ้ำกันจำนวนมาก สำหรับตัวแปรไบนารีหรือตัวแปรทวิภาค สัมประสิทธิ์ point-biserial หรือ phi เป็นตัวเลือกมาตรฐาน

ฉันจะจัดการกับอคติของวิธีการร่วมในการสำรวจเชิงสัมพันธ์ได้อย่างไร?

อคติของวิธีการร่วมเกิดขึ้นเมื่อข้อมูลตัวทำนายและผลลัพธ์มาจากผู้ตอบแบบสอบถามคนเดียวกันในเวลาเดียวกัน วิธีการแก้ไขเชิงขั้นตอนได้แก่ การแยกช่วงเวลาการวัด (การออกแบบแบบหน่วงเวลา) การใช้รูปแบบการตอบสนองที่แตกต่างกัน และการถ่วงดุลลำดับมาตรวัด วิธีการแก้ไขทางสถิติได้แก่ การทดสอบปัจจัยเดียวของ Harman และเทคนิคตัวแปรเครื่องหมาย แม้ว่าจะไม่มีวิธีใดที่สามารถขจัดปัญหาได้อย่างสมบูรณ์

วิธีการที่เกี่ยวข้อง

แหล่งอ้างอิง

  1. Fraenkel, J. R., Wallen, N. E., & Hyun, H. H. (2009). How to Design and Evaluate Research in Education (8th ed.). McGraw-Hill.

    ISBN: 978-0073525748
    คัดลอกแล้ว
  2. Creswell, J. W. (2014). Research Design: Qualitative, Quantitative, and Mixed Methods Approaches (4th ed.). Sage Publications.

    ISBN: 978-1452226101
    คัดลอกแล้ว