T-TEST: TWO-SAMPLE ASSUMING EQUAL VARIANCES

he t-Test Paired Two-Sample for Means tool performs a paired two-sample Student's t-Test to
ascertain if the null hypothesis (means of two populations are equal) can be accepted or rejected.
This test does not assume that the variances of both populations are equal.  Paired t-tests are
typically used to test the means of a population before and after some treatment, i.e. two samples
of math scores from students before and after a lesson.

The result of this tool is a calculated t-value.  This value can be negative or positive, depending on
the data.  Assuming that the population means are equal:

 If t < 0, P(T <= t) one-tail is the probability that a value of the t-Statistic woulbe
observed that is more negative than t.
 If t >0, P(T<=t) one tail is the probability that a value of the t-Statistic would be
observed  that is more positive than t. 
 P(T <=t) two tail is the probability that a value of the t-Statistic would be observed
that is larger in absolute value than t. 

The example datasets below were taken from a population of 10 students.  The students were
given the same test at the beginning and end of the school year.  Use the Paired t-Test to
determine if the average score of the 2nd test has improved over the average score of the 1st test.

To run the t-test:

1. On the XLMiner Analysis ToolPak pane, click t-Test Paired Two-Sample for Means.
2. Enter A2:A11 for Variable 1 Range.  This is our first set of values, the values
recorded at the beginning of the school year. 
3. Enter B2:B11 for Variable 2 Range.  This is our second set of values, the values
recorded at the end of the school year.    
4. Enter "0" for Hypothesized Mean Difference.  This means that we are testing that the
means between the two samples are equal. 
5. Uncheck Labels since we did not include the column headings in our Variable 1 and
2 Ranges.  
6. Keep the Alpha  = 0.05.
7. Enter D1 for the Output Range.
8. Click OK. 

 Cells E4 and F4 contain the mean of each sample, Variable 1 = Beginning and
Variable 2 = End. 
 Cells E5 and F5 contain the variance of each sample. 
 Cells E6 and F6 contain the number of observations in each sample. 
 Cell E7 contains the Pearson Correlation which indicates that the two variables are
rather closely correlated.
 Cell E8 contains our entry for the Hypothesized Mean Difference.
 Cells E9 contains the degrees of freedom, 10 – 1.
 Cell E10 contains the result of the actual t-test.  We will compare this value to the t-
Critical two-tail statistic.  Note:  Use a one-tail test if you have a direction in your
hypothesis, i.e. if testing that a value is above or below some level.
 In this example P(T <= t) two tail (0.0000321) gives the probability that the absolute
value of the t-Statistic (7.633) would be observed that is larger in absolute value than
the Critical t value (2.26).  Since the p – value is less than our alpha, 0.05, we reject
the null hypothesis that there is no significant difference in the means of each
sample.  
T-TEST: TWO-SAMPLE ASSUMING UNEQUAL VARIANCES
This tool executes a two-sample student's t-Test on data sets from two independent populations
with unequal variances.  This test can be either two-tailed or one-tailed contingent upon if we are
testing that the two population means are different or if one is greater than the other. 

The example below gives the Dividend Yields for the top ten NYSE and NASDAW stocks.  Use
the t-test tool to determine whether there is any indication of a difference between the means of
the two different populations.

To run the t-test:

1. On the XLMiner Analysis ToolPak pane, click t-Test:  Two-Sample Assuming

Unequal Variances.
2. Enter B2:B11 for Variable 1 Range.  This is our first set of values, the dividend yields
for the NYSE stocks.
3. Enter E2:E11 for Variable 2 Range.  This is our second set of values, the dividend
yields for the NASDAQ stocks.   
4. Enter "0" for Hypothesized Mean Difference.  This means that we are testing that the
means between the two samples are equal. 
5. Uncheck Labels since we did not include the column headings in our Variable 1 and
2 Ranges.  
6. Keep the Alpha  = 0.05.
7. Enter G1 for the Output Range.
8. Click OK. 
The results are below. 

 Cells H4 and I4 contain the mean of each sample, Variable 1 = NYSE and Variable 2
= NASDAQ. 
 Cells H5 and I5 contain the variance of each sample. 
 Cells H6 and I6 contain the number of observations in each sample. 
 Cell H7 contains our entry for the Hypothesized Mean Difference.
 Cells H8 contains the degrees of freedom.
 Cell H9 contains the result of the actual t-test.  We will compare this value to the t-
Critical one-tail statistic.  Note:  Use a one-tail test if you have a direction in your
hypothesis, i.e. if testing that a value is above or below some level.
 In this example P(T <= t) two tail (0.1477) gives us the probability that a value of the
t-Statistic (1.58) would be observed that is larger in absolute value than t Critical two-
tail (2.26).    Since the p-value is larger than our Alpha (0.05), we cannot reject the
null hypothesis that there is no significant difference in the means of each sample. 
สถิติทีใ่ ช้ในการวิจยั
Pearson Correlation
เป็ นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Interval หรือ
Ratio Scale ค่าที่ได้ เรียกว่า "สัมประสิทธิ์สหสัมพันธ์" โดยปกติจะมีค่าอยู่ระหว่าง -1.00
ถึง 1.00
- ถ้ ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้ าม
- ถ้ ามีค่าเป็ นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ ามีค่าเป็ น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กนั
Spearman Rank Correlation
เป็ นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Ordinal Scale
โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
- ถ้ ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้ าม
- ถ้ ามีค่าเป็ นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ ามีค่าเป็ น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กนั
Kendall Tau Correlation
เป็ นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Ordinal Scale
โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
- ถ้ ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้ าม
- ถ้ ามีค่าเป็ นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ ามีค่าเป็ น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กนั
Point Biserial Correlation
เป็ นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัว โดยตัวแปรตัวหนึ่งอยู่ในมาตราการวัด
ระดับ Interval หรือ Ratio Scale และอีกตัวหนึ่งอยู่ในมาตราการวัดระดับ Nominal Scale
ที่แบ่งออกเป็ น 2 กลุ่ม โดยปกติจะมีค่าอยู่ระหว่าง -1.00 ถึง 1.00
- ถ้ ามีค่าติดลบหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางตรงกันข้ าม
- ถ้ ามีค่าเป็ นบวกหมายความว่า ตัวแปร 2 ตัวมีความสัมพันธ์ในทิศทางเดียวกัน
- ถ้ ามีค่าเป็ น 0 หมายความว่าตัวแปร 2 ตัวไม่มีความสัมพันธ์กนั
Simple Regression
ใช้ เมื่อต้ องการสร้ างสมการถดถอยอย่างง่าย ประกอบไปด้ วยตัวแปรทำนาย 1 ตัว และ
ตัวแปรเกณฑ์ 1 ตัว โดยควรจะอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ทั้งคู่
Multiple Regression Analysis
ใช้ เมื่อการสร้ างสมการถดถอย ประกอบไปด้ วยตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไป และ
ตัวแปรเกณฑ์ 1 ตัว โดยตัวแปรทั้งหมดควรจะอยู่ในมาตราการวัดระดับ Interval หรือ
Ratio Scale
ถ้ ามีตัวแปรใดอยู่ในมาตราการวัดระดับ Nominal หรือ Ordinal Scale ควรจะเปลี่ยนให้
เป็ นตัวแปรดัมมี่ (Dummy Variable)
Multivariate Regression Analysis
ใช้ เมื่อการสร้ างสมการถดถอย ประกอบไปด้ วยตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไป และ
ตัวแปรเกณฑ์มากกว่า 1 ตัว โดยตัวแปรทั้งหมดควรจะอยู่ในมาตราการวัดระดับ Interval
หรือ Ratio Scale
ถ้ ามีตัวแปรใดอยู่ในมาตราการวัดระดับ Nominal หรือ Ordinal Scale ควรจะเปลี่ยนให้
เป็ นตัวแปรดัมมี่ (Dummy Variable)
สถิติน้ เี หมาะที่จะใช้ เมื่อพบว่าตัวแปรเกณฑ์แต่ละตัวมีความสัมพันธ์กนั

Multiple Correlation
เป็ นการหาความสัมพันธ์ระหว่างชุดของตัวแปรที่อยู่ในระดับ Interval หรือ Ratio Scale ที่
ประกอบไปด้ วยตัวแปรตาม 1 ตัวและตัวแปรอิสระมากกว่า 1 ตัว
Multiserial Correlation
เป็ นการหาความสัมพันธ์ระหว่างตัวแปรโดยตัวแปรตัวหนึ่งจะต้ องอยู่ในมาตราการวัด
ระดับ Interval หรือ Ratio Scale และชุดของตัวแปรที่อยู่ในมาตราการวัดระดับ Ordinal
Scale
Partial Correlation
กรณีท่มี ีตัวแปรหลาย ๆ ตัว และตัวแปรแต่ละตัวต่างก็มีความสัมพันธ์กนั หากคำนวณหา
ค่าสหสัมพันธ์ทลี ะคู่ ค่าที่ได้ จะไม่ตรงกับความเป็ นจริงเพราะได้ รวมความสัมพันธ์ของ
ตัวแปรอื่น ๆ ไว้ ด้วย ดังนั้นจึงต้ องมีการขจัดอิทธิพลของตัวแปรอื่น ๆ ออกไปด้ วย
สำหรับหาสหสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Interval หรือ Ratio
Scale ที่มีการขจัดตัวแปรอื่น ๆ ออกไป
Path Analysis
เป็ นการศึกษาอิทธิพลระหว่างตัวแปรต่าง ๆ เพื่อดูว่ามีอทิ ธิพลทางตรงและอิทธิพลทาง
อ้ อมของตัวแปรที่สนั นิษฐานว่าเป็ นสาเหตุต่อตัวแปรที่เป็ นผลหรือไม่
สัมประสิทธิ์เส้ นทาง เป็ นค่าที่บ่งบอกถึงอิทธิพลทางตรงของตัวแปรที่เป็ นสาเหตุท่ที ำให้ อกี
ตัวหนึ่งเปลี่ยนแปลงไป
z-test
z-test เป็ นสถิติท่ใี ช้ ทดสอบต่อไปนี้
1. กรณีกลุ่มตัวอย่างหนึ่งกลุ่ม
- ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างกับประชากร
- ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่างกับประชากร
2. กรณีกลุ่มตัวอย่างสองกลุ่ม
- ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่าง 2 กลุ่ม
- ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่าง 2 กลุ่ม
t-test
t-test เป็ นสถิติท่ใี ช้ ทดสอบต่อไปนี้
1. กรณีกลุ่มตัวอย่างหนึ่งกลุ่ม ใช้ ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่าง
กับประชากร
2. กรณีกลุ่มตัวอย่างสองกลุ่ม
- ทดสอบความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็ นอิสระจากกัน
- ทดสอบความแตกต่างของสัดส่วนระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สมั พันธ์กนั
Chi-Square
Chi-Square เป็ นสถิติท่ตี ัวแปรจะต้ องอยู่ในระดับการวัด Nominal Scale ใช้ ทดสอบต่อไป
นี้
1. กรณีกลุ่มเดียว
- ทดสอบความแตกต่างของความแปรปรวนระหว่างกลุ่มตัวอย่างกับประชากร
- ทดสอบความแตกต่างของความถี่ท่คี าดหวังกับความถี่ท่สี งั เกตได้
- ทดสอบความข้ อมูลว่ามีการแจกแจงเป็ นโค้ งปกติหรือไม่ (Goodness of fit)
2. ใช้ ทดสอบความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่เป็ นอิสระจากกัน
Phi Coefficient
เป็ นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Nominal Scale
ที่แบ่งออกเป็ น 2 กลุ่มเท่านั้น
Contingency Coefficient
เป็ นการหาความสัมพันธ์ระหว่างตัวแปร 2 ตัวที่อยู่ในมาตราการวัดระดับ Nominal Scale
โดยปกติจะมีค่าอยู่ระหว่าง 0 กับ 1
Analysis of Variance
เป็ นการหาความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปร
ตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และตัวแปรอิสระ
ตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale
ถ้ าวิเคราะห์กบั ตัวแปรอิสระ 1 ตัว เรียกว่า One-way ANOVA
ถ้ าวิเคราะห์กบั ตัวแปรอิสระ 2 ตัว เรียกว่า Two-way ANOVA
ถ้ าวิเคราะห์กบั ตัวแปรอิสระ 3 ตัว เรียกว่า Three-way ANOVA
ฯลฯ
Analysis of Covariance
เป็ นการหาความแตกต่างของค่าเฉลี่ยระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดยตัวแปร
ตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale ตัวแปรอิสระ
ตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale และตัวแปรร่วมตั้งแต่ 1 ตัว
ขึ้นไปอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
ถ้ าวิเคราะห์กบั ตัวแปรอิสระ 1 ตัว เรียกว่า One-way ANCOVA
ถ้ าวิเคราะห์กบั ตัวแปรอิสระ 2 ตัว เรียกว่า Two-way ANCOVA
ถ้ าวิเคราะห์กบั ตัวแปรอิสระ 3 ตัว เรียกว่า Three-way ANCOVA
ฯลฯ
Analysis of variance with Repeated measures
เป็ นรูปแบบการวิเคราะห์ความแปรปรวนที่มีการวัดซ้ำมากกว่า 1 ครั้งในช่วงเวลาที่แตก
ต่างกัน
กลุ่มตัวอย่างตั้งแต่ 1 กลุ่มขึ้นไป โดยตัวแปรตามจะมีเพียง 1 ตัวอยู่ในมาตราการวัดระดับ
Interval หรือ Ratio Scale ที่มีการวัดซ้ำมากกว่า 1 ครั้ง ถ้ ากลุ่มตัวอย่าง 1 กลุ่มจะไม่
ปรากฏตัวแปรอิสระ

Factorial ANOVA
เป็ นคำที่ใช้ เรียกสถิติในกลุ่มของการวิเคราะห์ความแปรปรวน ทั้ง ANOVA, ANCOVA
และ Repeated Measure ที่มีตัวแปรอิสระตั้งแต่ 2 ตัวขึ้นไป
Discriminant Analysis
เป็ นการศึกษาว่ามีตัวแปรทำนายตัวใดบ้ างที่สามารถใช้ ในการจำแนกกลุ่มของตัวแปร
เกณฑ์ได้ เพื่อประโยชน์ในการจำแนกกลุ่มตัวอย่างออกเป็ นกลุ่ม ๆ ได้ อย่างถูกต้ อง
ตัวแปรทำนายตั้งแต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale และ
ตัวแปรเกณฑ์ 1 ตัวอยู่ในมาตราการวัดระดับ Nominal Scale
Factor Analysis
เป็ นการศึกษาองค์ประกอบของตัวแปร ว่าตัวแปรที่ศึกษาสามารถจัดกลุ่มได้ เป็ นกี่องค์
ประกอบ การวิเคราะห์องค์ประกอบมี 2 ชนิด คือ
1. การวิเคราะห์องค์ประกอบเชิงสำรวจ (Exploratory Factor Analysis) เป็ นการค้ นหา
หรือสำรวจว่าตัวแปรที่ศึกษาประกอบด้ วยกี่องค์ประกอบ
2. การวิเคราะห์องค์ประกอบเชิงยืนยัน (Confirmatory Factor Analysis) เป็ นการตรวจ
สอบหรือยืนยันทฤษฎีท่มี ีผ้ ูค้นพบไว้ แล้ ว
Canonical Correlation
เป็ นการหาความสัมพันธ์ระหว่างชุดของตัวแปรอิสระและชุดของตัวแปรตาม โดยตัวแปร
อิสระจะมีต้งั แต่ 1 ตัวขึ้นไป และตัวแปรตามมีมากกว่า 2 ตัว โดยตัวแปรทั้งหมดควรอยู่ใน
มาตราการวัดระดับ Interval หรือ Ratio Scale
Hotelling T2
เป็ นการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มตัวอย่าง 2 กลุ่ม โดยมีตัวแปรอิสระ
1 ตัวอยู่ในมาตราการวัดระดับ Nominal Scale ที่แบ่งออกเป็ น 2 กลุ่ม และตัวแปรตาม
มากกว่า 1 ตัวอยู่ในมาตราการวัดระดับ Interval หรือ Ratio Scale
Multivariate Analysis of Variance
เป็ นการทดสอบความแตกต่างระหว่างค่าเฉลี่ยของกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไป โดย
ตัวแปรอิสระจะมีต้งั แต่ 1 ตัวขึ้นไปอยู่ในมาตราการวัดระดับ Nominal Scale และตัวแปร
ตามมากกว่า 1 ตัวอยู่ในมาตรการวัดระดับ Interval หรือ Ratio Scale
ถ้ ามีตัวแปรอิสระ 1 ตัว เรียกว่า One-way MANOVA
ถ้ ามีตัวแปรอิสระ 2 ตัว เรียกว่า Two-way MANOVA
ถ้ ามีตัวแปรอิสระ 3 ตัว เรียกว่า Three-way MANOVA
ฯลฯ
ถ้ ามีตัวแปรร่วม จะเรียกว่า "Multivariate Analysis of Covariance"
Binomial Test
เป็ นการทดสอบความน่าจะเป็ นของข้ อมูลระดับ Nominal Scale ที่มีโอกาสเกิดขึ้นได้ เพียง
2 อย่าง (Dichotomous)
Kolmogorov Smirnov Test
1. Kolmogorov Smirnov One Sample Test เป็ นการทดสอบตัวแปรว่ามีการแจกแจงเป็ น
โค้ งปกติหรือไม่ (Goodness of fit) โดยตัวแปรจะต้ องอยู่มาตราการวัด Ordinal Scale
2. Kolmogorov Smirnov Two-Sample Test เป็ นการทดสอบความแตกต่างระหว่างกลุ่ม
ตัวอย่าง 2 กลุ่มที่เป็ นอิสระจากกัน โดยตัวแปรที่นำมาทดสอบจะต้ องอยู่มาตราการวัด
Ordinal Scale
Wilcoxon matched-pairs Test
เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สมั พันธ์กนั โดยข้ อมูลที่นำมา
ทดสอบต้ องอยู่ในมาตราการวัด Ordinal Scale

Sign Test
เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่สมั พันธ์ โดยข้ อมูลที่นำมา
ทดสอบต้ องอยู่ในมาตราการวัด Ordinal Scale
McNemar Test
เป็ นการทดสอบความแตกต่างระหว่างข้ อมูลก่อนและหลังของกลุ่มตัวอย่างกลุ่มเดียวกัน
ข้ อมูลที่นำมาทดสอบอยู่ในมาตราการวัด Nominal หรือ Ordinal Scale

Mann Whitney U Test

เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็ นอิสระจากกัน โดยข้ อมูลที่
นำมาทดสอบต้ องอยู่ในมาตราการวัด Ordinal Scale
Median Test
เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างตั้งแต่ 2 กลุ่มขึ้นไปที่เป็ นอิสระจากกัน
โดยข้ อมูลที่นำมาทดสอบต้ องอยู่ในมาตราการวัด Ordinal Scale
Fisher exact test
เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็ นอิสระจากกัน โดยข้ อมูลที่
นำมาทดสอบต้ องอยู่ในมาตราการวัด Nominal Scale ที่แบ่งเป็ น 2 กลุ่ม
Friedman Test
เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่สมั พันธ์กนั โดย
ข้ อมูลที่นำมาทดสอบต้ องอยู่ในมาตราการวัด Ordinal Scale

Cochran Q Test
เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่สมั พันธ์กนั โดย
ข้ อมูลที่นำมาทดสอบต้ องอยู่ในมาตราการวัด Nominal Scale
Kruskal Wallis Test
เป็ นการทดสอบความแตกต่างระหว่างกลุ่มตัวอย่างมากกว่า 2 กลุ่มที่เป็ นอิสระจากกัน
โดยข้ อมูลที่นำมาทดสอบต้ องอยู่ในมาตราการวัด Ordinal Scale