คำนวณขนาดตัวอย่างสำหรับมือใหม่: เริ่มจากคำถาม ไม่ใช่สูตร

ขนาดตัวอย่างไม่ใช่ตัวเลขมาตรฐานของงานทุกเรื่อง

คำถามว่าต้องเก็บกี่คนไม่มีคำตอบเดียวจากระดับปริญญาหรือชื่อสถิติ ขนาดที่ต้องการขึ้นกับแบบวิจัย ผลลัพธ์หลัก วิธีสุ่ม ความแม่นยำที่ยอมรับ ขนาดผลที่มีเหตุผล ระดับนัยสำคัญ กำลังการทดสอบ จำนวนกลุ่ม และความสูญเสียที่คาด หากนำตัวเลขจากงานอื่นมาใช้โดยไม่ตรวจสมมติฐาน อาจได้จำนวนที่น้อยเกินไปหรือมากเกินความจำเป็น

ตัวคำนวณใน Statistics Lab จึงเริ่มจากให้เลือกคำถามและรูปแบบ ไม่เริ่มจากช่องกรอกสูตร รองรับการประมาณสัดส่วนประชากร ค่าเฉลี่ยหนึ่งกลุ่มหรือข้อมูลจับคู่ ค่าเฉลี่ยสองกลุ่ม สัดส่วนสองกลุ่ม สหสัมพันธ์ ANOVA แบบสมดุล และการถดถอยพหุคูณโดยรวม ผลทั้งหมดเป็นการวางแผนเบื้องต้น ไม่ใช่ใบรับรองว่าตัวอย่างเพียงพอสำหรับทุกการวิเคราะห์ในโครงการ

เลือกวิธีคำนวณให้ตรงกับผลลัพธ์หลัก

หากเป้าหมายคือประมาณสัดส่วน เช่น ร้อยละของผู้ตอบที่มีพฤติกรรมหนึ่ง ให้ใช้การวางแผนความแม่นยำของสัดส่วน หากเปรียบเทียบคนเดิมก่อนและหลัง ให้ใช้ค่าเฉลี่ยแบบจับคู่ ไม่ใช่สองกลุ่มอิสระ หากเปรียบเทียบกลุ่มทดลองกับกลุ่มควบคุมที่เป็นคนละคน ให้เลือกค่าเฉลี่ยหรือสัดส่วนสองกลุ่มตามชนิดผลลัพธ์ ส่วนสหสัมพันธ์ใช้เมื่อคำถามหลักเป็นความสัมพันธ์เชิงเส้นของตัวแปรตัวเลขสองตัว

ANOVA แบบสมดุลในเครื่องมือเหมาะกับการเปรียบเทียบค่าเฉลี่ยหลายกลุ่มอิสระที่วางแผนจำนวนใกล้กัน การถดถอยพหุคูณโดยรวมใช้ซักซ้อมความสามารถของชุดตัวแปรทำนาย ไม่ได้คำนวณกำลังของสัมประสิทธิ์ย่อยทุกตัว หากงานเป็น clustered, repeated measures หลายเวลา, survival, non-inferiority, multilevel, adaptive หรือ SEM เฉพาะแบบ ควรใช้วิธีเฉพาะและปรึกษาผู้เชี่ยวชาญ

• กำหนดผลลัพธ์หลักก่อนเลือกสูตร
• แยกข้อมูลจับคู่ กลุ่มอิสระ และหลายกลุ่มให้ถูก
• ใช้ผู้เชี่ยวชาญเมื่อแบบวิจัยซับซ้อนกว่าขอบเขตเครื่องมือ

ค่าที่ต้องกรอกควรมาจากไหน

สัดส่วนหรือส่วนเบี่ยงเบนมาตรฐานควรมาจากงานนำร่อง งานวิจัยที่ประชากรและเครื่องมือใกล้เคียง หรือข้อมูลบริการเดิมที่ตรวจคุณภาพแล้ว ขนาดผลควรมาจากความแตกต่างที่มีความหมายทางเนื้อหา ไม่ใช่เลือกค่ากลางตามตารางเพื่อให้จำนวนตัวอย่างพอดีกับงบ หากไม่มีข้อมูล ควรลองหลายกรณีและอธิบายความไม่แน่นอนแทนการซ่อนสมมติฐาน

ระดับนัยสำคัญและ power ต้องสอดคล้องกับแผนวิเคราะห์และความเสี่ยงของข้อผิดพลาด การเพิ่ม power ทำให้ต้องการตัวอย่างมากขึ้น ส่วนขนาดผลที่เล็กลงก็เพิ่มจำนวนเช่นกัน สำหรับการประมาณสัดส่วน margin of error ที่แคบลงต้องใช้คนมากขึ้น เครื่องมือแสดงค่าที่ใช้และผลของการปรับ เพื่อให้ผู้วิจัยเห็นเหตุผล ไม่ใช่รับเพียงตัวเลขสุดท้าย

แยกจำนวนที่วิเคราะห์ได้ออกจากจำนวนที่ต้องรับสมัคร

จำนวนวิเคราะห์คือจำนวนข้อมูลที่ต้องเหลือเมื่อถึงการวิเคราะห์ แต่ในภาคสนามอาจมีผู้ปฏิเสธ ถอนตัว ตอบไม่ครบ หรือไม่ผ่านเกณฑ์ ผู้วิจัยจึงต้องเผื่อการสูญเสียอย่างมีเหตุผล ตัวอย่างเช่น หากต้องการข้อมูลสมบูรณ์ 200 รายและคาดว่าสูญเสีย 20 เปอร์เซ็นต์ ไม่ควรบวกเพียง 40 โดยไม่คิดฐาน แต่ควรคำนวณจำนวนรับสมัครจากสัดส่วนที่คาดว่าจะเหลือ

ResearchOS แสดงทั้งจำนวนวิเคราะห์และจำนวนรับสมัคร พร้อมการแบ่งรายกลุ่มเมื่อวิธีรองรับ การเผื่อมากเกินไปอาจเพิ่มภาระและความเสี่ยงแก่ผู้เข้าร่วมโดยไม่จำเป็น ขณะที่เผื่อน้อยเกินไปทำให้งานไม่บรรลุเป้าหมาย ควรใช้ข้อมูลการตอบรับจากบริบทจริงและบันทึกเหตุผลใน Proposal รวมทั้งเตรียมแผนติดตามที่เคารพสิทธิ์ผู้เข้าร่วม

Sensitivity scenarios ช่วยให้เห็นความเสี่ยงก่อนเก็บข้อมูล

ผลคำนวณหนึ่งค่าอาจดูแน่นอนเกินจริง เครื่องมือจึงแสดงกรณีสมมติฐานต่ำ กลาง และสูง เช่น ขนาดผลเล็กลงหรือใหญ่ขึ้น อัตราสูญเสียต่างกัน หรือความแม่นยำเปลี่ยน การเปรียบเทียบช่วยตอบว่าหากสมมติฐานคลาดเคลื่อนเล็กน้อย จำนวนรับสมัครจะเปลี่ยนมากเพียงใด และโครงการยังทำได้ภายใต้เวลา งบประมาณ และประชากรที่เข้าถึงหรือไม่

หากจำนวนที่ต้องการเกินความเป็นไปได้ ไม่ควรลด power หรือเพิ่มขนาดผลเพียงเพื่อให้ตัวเลขเล็กลง ควรกลับไปทบทวนคำถาม ผลลัพธ์หลัก วิธีเก็บ ช่วงเวลา การร่วมหลายศูนย์ หรือการออกแบบที่มีประสิทธิภาพกว่า พร้อมปรึกษาผู้เชี่ยวชาญ การซักซ้อมทำให้ข้อจำกัดปรากฏก่อนเริ่มรับสมัคร ซึ่งมีคุณค่ากว่าการพบว่าข้อมูลไม่พอหลังเก็บเสร็จ

• อ่านอย่างน้อยสามกรณี ไม่ยึดค่ากลางค่าเดียว
• บันทึกแหล่งของทุกสมมติฐาน
• ปรับแบบวิจัยเมื่อแผนเกินความเป็นไปได้ ไม่ปรับตัวเลขเพื่อให้ผ่าน

คำถามที่พบบ่อยเรื่องขนาดตัวอย่าง

ถาม: ตัวคำนวณใช้ AI หรือเครดิตหรือไม่ ตอบ: ไม่ใช้ AI และไม่หักเครดิต การคำนวณเป็นสูตรที่กำหนดไว้และส่งออก Markdown, CSV หรือ JSON ได้ ถาม: ใช้ผลใส่ Proposal ได้ทันทีหรือไม่ ตอบ: ใช้เป็นร่างพร้อมสมมติฐานได้ แต่ต้องตรวจกับแบบวิจัย วิธีสุ่ม คู่มือสถาบัน และโปรแกรมมาตรฐานที่ยอมรับ

ถาม: ควรเลือก effect size เท่าใด ตอบ: ควรอิงความหมายทางเนื้อหา งานนำร่อง หรือหลักฐานที่ใกล้เคียง ไม่เลือกเพื่อให้ได้จำนวนที่ต้องการ ถาม: SEM ใช้ตัวคำนวณนี้ได้หรือไม่ ตอบ: ยังไม่มีสูตร SEM เฉพาะในรุ่นนี้ ควรใช้ simulation หรือวิธีที่สอดคล้องกับโมเดล ตัวชี้วัด estimator และ missing data โดยผู้เชี่ยวชาญกำกับ