ความเสี่ยงของการเกิดความคลาดเคลื่อนในการวิจัยเชิงปริมาณด้านสังคมวิทยา
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์ คือ สำรวจการออกแบบการวิจัยและวิเคราะห์หาความเสี่ยงของการเกิดความคลาดเคลื่อนในการวิจัยเชิงปริมาณด้านสังคมวิทยากลุ่มตัวอย่างเป็นงานวิจัยสาขาสังคมวิทยาที่เผยแพร่อยู่ในฐานข้อมูลดิจิทัลของโครงการเครือข่ายห้องสมุดในประเทศไทย รวบรวมข้อมูลด้วยโปรแกรมค้นหาข้อมูล แปลงข้อมูลด้วยภาษาเอกซ์เอ็มแอล สำรวจข้อมูลด้วยแบบสำรวจดิจิทัล และวิเคราะห์ข้อมูลด้วยค่าร้อยละ การวิเคราะห์จัดกลุ่ม การทดสอบสัดส่วน
แบบทวินาม และการถดถอยแบบ พหุโลจิสติก ผลการวิจัยพบว่า กลุ่มตัวอย่างส่วนใหญ่เป็น
งานวิจัยที่มีการทดสอบสมมติฐานและใช้สถิติแบบไม่อิงพารามิเตอร์ มีจำนวนสัดส่วนระหว่างงานวิจัยที่มีความเสี่ยงกับไม่มีความเสี่ยงของการเกิดความคลาดเคลื่อนไม่แตกต่างกัน และได้สมการที่สามารถทำนายได้ว่า งานวิจัยที่ไม่มีการตรวจสอบเครื่องมือวัดและไม่ใช้วิธีการทางสถิติในการคำนวณขนาดตัวอย่างมีความเสี่ยง (โอกาส) ร้อยละ 93 ที่จะเกิดความคลาดเคลื่อนใน การวิจัย โดยงานวิจัยที่ไม่มีการทดสอบเครื่องมือวัดมีความเสี่ยงมากกว่างานวิจัยที่มีการทดสอบเครื่องมือวัดประมาณ 14 เท่า และงานวิจัยที่ไม่ใช้วิธีการทางสถิติในการคำนวณขนาดตัวอย่าง มีความเสี่ยงมากกว่างานวิจัยที่ใช้วิธีการทางสถิติในการคำนวณขนาดตัวอย่างประมาณ 2 เท่า
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความทุกบทความเป็นลิขสิทธิ์ของวารสารวิชาการมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยบูรพาเท่านั้น
เอกสารอ้างอิง
Allison, P. D. (2002). Missing data. SAGE.
Arnab, R. (2017). Survey sampling theory and applications. Academic Press.
Aven, T. (2011). Quantitative risk assessment: The scientific platform. Cambridge University Press.
Babble, E. (2013). The practice of social research (13rd ed.). Wadsworth Cengage Learning.
Berendsen, H. J. C. (2011). A student’s guide to data and error analysis. Cambridge University Press.
Bevington, P. R., & Robinson, D. K. (1992). Data reduction and error analysis for the physical sciences. McGraw-Hill.
Biemer, P. P., Groves, R. M., Lyberg, L. E., Mathiowetz, N. A., & Sudman, S. (Eds.). (1991). Measurement errors in surveys. Wiley.
Blair, E., & Blair, J. (2015). Applied survey sampling. SAGE
Bollinger, C. R. (1998). Measurement error in the current population survey: A nonparametric look. Journal of Labor Economics, 16(3), 576-594. https://doi.org/10.1086/209899
Buonaccorsi, J. P. (2010). Measurement error: Models, methods, and applications. CRC Press.
Christopher, A. N. (2017). Interpreting and using statistics in psychological research. SAGE.
Cochran, W. G. (1977). Sampling techniques. John Wiley & Sons.
Curran-Everett, D., & Benos, D. J. (2007). Guidelines for reporting statistics in journals published by the American Physiological Society. Advances in Physiology Education, 31(4), 295-298. https://doi.org/10.1152/ advan.00022.2007
Debra, W. (2011). Analyzing quantitative data: An introduction for social researchers. John Wiley & Sons.
Deming, W. E. (1944). On errors in surveys. American Sociological Review, 9(4), 359-369. https://doi.org/10.2307/2085979
Drost, E. A. (2011). Validity and reliability in social science research. Education Research and Perspectives, 38(1), 105-123.
Field, A. (2009). Discovering statistics using SPSS (sex and drugs and rock ‘n’ roll). SAGE.
Flynn, B. B., Sakakibara, S., Schroeder, R. G., Bates, K. A., & Flynn, E. J. (1990). Empirical research methods in operations management. Journal of Operations Management, 9(2), 250-284. https://doi.org/10.1016/0272-6963(90)90098-X
Garson, G. D. (2012). Testing statistical assumptions. Statistical Publishing Associates.
Ghasemi, A., & Zahediasl, S. (2012). Normality tests for statistical analysis: A guide for non-statisticians. International Journal of Endocrinology & Metabolism, 10(2), 486-489. https://doi.org/10.5812/ijem.3505
Goldstein, R. (1989). Power and sample size via MS/PC-DOS computers. The American Statistician, 43(4), 253-260. https://doi.org/10.2307/2685373
Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E., & Tatham, R. L. (2006). Multivariate data analysis. Pearson/Prentice Hall.
Henry, G. T. (1990). Practical sampling. SAGE.
Holmes, T. H. (2004). Ten categories of statistical errors: a guide for research in Endocrinology and metabolism. Am J Physiol Endocrinol Metab, 286(4), E495-501. https://doi.org/10.1152/ajpendo.00484.2003
Israel, G. D. (1992). Determining sample size. https://www.tarleton.edu/ academicassessment/documents/Samplesize.pdf
Kennedy, J. E. (2015). Beware of inferential errors and low power with bayesian analyses: Power analysis is needed for confirmatory research. Journal of Parapsychology, 79(1), 53-64. https://psycnet.apa.org/record/2015-39112-004
Kimberlin, C. L., & Winterstein, A. G. (2008). Validity and reliability of measurement instruments used in research. Am J Health Syst Pharm, 65(23), 2276-2284. https://doi.org/10.2146/ajhp070364
Kumar, R. (2014). Research methodology: A step-by-step guide for beginners (4th ed.). SAGE.
Lash, T. L., Fox, M. P., & Fink, A. K. (2009). Applying quantitative bias analysis to Epidemiologic data. Springer.
Lash, T. L., Fox, M. P., Cooney, D., Lu, Y., & Forshee, R. A. (2016). quantitative bias analysis in regulatory settings. American Journal of Public Health, 106(7), 1227-1230. https://doi.org/10.2105/AJPH.2016.303199
Lavrakas, P. J. (2008). Encyclopedia of survey research methods (Vols. 1-10). SAGE.
Lenth, R. V. (2001). Some practical guidelines for effective sample size determination. American Statistician, 55(3), 187-193. https://doi.org/ 10.1198/000313001317098149
Osborne, J. W., & Waters, E. (2002). Four assumptions of multiple regression that researches should always test. Practical Assessment, Research & Evaluation, 8(2), 1-5. https://pareonline.net/getvn.asp?v=8&n=2
Pritchard, C. L. (2010). Risk management: Concepts and guidance. ESI International.
Ranganathan, P., Aggarwal, R., & Pramesh, C. S. (2015). Common pitfalls in statistical analysis: Odds versus risk. Perspect Clin Res., 6(4), 222-224. https://doi.org/10.4103/2229-3485.167092
Rice, S. A. (1929). Contagious bias in the interview: A methodological note. American Journal of Sociology, 35(3), 420-423. https://doi.org/ 10.1086/215055
Scheaffer, R. L., Mendenhall III, W., & Ott, R.L. (2006). Elementary survey sampling. Thomson Brooks/Cole.
Schennach, S. M. (2012). Measurement error in nonlinear models: A review. https://doi.org/10.1017/CBO9781139060035.009
Taherdoost, H. (2016). Validity and reliability of the research instrument: How to test the validation of a questionnaire/survey in a research. International Journal of Academic Research in Management (IJARM), 5(3), 28-36. https://doi.org/10.2139/ssrn.3205040
Thompson, S. K. (2012). Sampling. Wiley.
Thye, S. R. (2000). Reliability in experimental sociology. Social Forces, 78(4), 1277-1309. https://doi.org/10.1093/sf/78.4.1277
Verma, J. P. G., & Abdel-Salam, A. G. (2019). Testing statistical assumptions in research. Wiley.
Yamane, T. (1967). Elementary sampling theory. Prentice-Hall.
Ye, X., Xiao, X., Shi, J., & Ling, M. (2016). The new concepts of measurement error theory. Measurement, 83(1), 96-105. https://doi.org/10.1016/ j.measurement.2016.01.038
