วิธีคำนวณขนาดกลุ่มตัวอย่างด้วยสูตร Taro Yamane พร้อมตารางสำเร็จรูปและตัวอย่างการแทนค่า
ในการทำวิจัยเชิงปริมาณ (Quantitative Research) ไม่ว่าจะเป็นสารนิพนธ์ วิทยานิพนธ์ หรือโครงงานวิชาการ ปัญหาอันดับต้นๆ ที่นักศึกษาและนักวิจัยมักพบเจอคือ "ต้องเก็บแบบสอบถามกี่ชุดถึงจะเพียงพอและน่าเชื่อถือตามหลักวิชาการ?"
สูตรของ ทาโร ยามาเน่ (Taro Yamane, 1967) ถือเป็นสูตรคำนวณขนาดกลุ่มตัวอย่างที่ได้รับความนิยมสูงสุดในประเทศไทย เนื่องจากมีความตรงไปตรงมา ใช้งานง่าย และได้รับการยอมรับจากสถาบันการศึกษาทั่วประเทศ
1. สูตร Taro Yamane คืออะไร และใช้ในกรณีใด?
สูตร Taro Yamane ถูกออกแบบมาเพื่อคำนวณขนาดกลุ่มตัวอย่างขั้นต่ำจาก "ประชากรที่ทราบจำนวนแน่นอน (Finite Population)" โดยยอมรับระดับความคลาดเคลื่อนที่กำหนดไว้
ข้อกำหนดสำคัญในการใช้สูตร Taro Yamane:
1. ต้องทราบจำนวนประชากรทั้งหมด (N) แน่นอน เช่น จำนวนนักเรียนในโรงเรียน 1,200 คน, จำนวนพนักงานในบริษัท 450 คน หรือจำนวนประชากรในตำบล 8,500 คน
2. หากไม่ทราบจำนวนประชากร (N) จะไม่สามารถใช้สูตร Taro Yamane ได้ แต่ต้องเปลี่ยนไปใช้สูตรของ W.G. Cochran (1977) แทน
3. การแจกแจงของข้อมูลเป็นแบบปกติ (Normal Distribution)
2. สูตรและสัญลักษณ์ทางสถิติ
โปรแกรมคำนวณกลุ่มตัวอย่าง Taro Yamane อัตโนมัติ
คำนวณค่า $n$ พร้อมปัดเศษขึ้นตามมาตรฐานระเบียบวิธีวิจัย
(คำนวณจริงได้ 285.71 → ปัดเศษขึ้นเป็น 286)
| ขนาดประชากร (N) | e = 5% (เชื่อมั่น 95%) | e = 1% (เชื่อมั่น 99%) |
|---|---|---|
| 100 คน | 80 คน | 99 คน |
| 500 คน | 222 คน | 476 คน |
| 1,000 คน | 286 คน | 909 คน |
| 5,000 คน | 370 คน | 3333 คน |
| 10,000 คน | 385 คน | 5000 คน |
| 50,000 คน | 397 คน | 8333 คน |
| 100,000 คน | 398 คน | 9091 คน |
สูตรคำนวณ Taro Yamane มีดังนี้:
ความหมายของตัวแปร:
- n (Sample Size): ขนาดกลุ่มตัวอย่างขั้นต่ำที่ต้องเก็บข้อมูล
- N (Population Size): ขนาดประชากรทั้งหมดที่ศึกษา
- e (Margin of Error / Level of Significance): ระดับความคลาดเคลื่อนที่ยอมรับได้
- นิยมกำหนดที่ e = 0.05 (คลาดเคลื่อน 5% หรือระดับความเชื่อมั่น 95%)
- หรือ e = 0.01 (คลาดเคลื่อน 1% หรือระดับความเชื่อมั่น 99% สำหรับงานวิจัยทางการแพทย์/วิทยาศาสตร์ขั้นสูง)
3. ตัวอย่างการคำนวณและแทนค่าทีละขั้นตอน
สมมติว่าคุณต้องการทำวิจัยเรื่อง "พฤติกรรมการซื้อกาแฟของนักศึกษามหาวิทยาลัยแห่งหนึ่ง" โดยมีจำนวนนักศึกษาทั้งหมด N = 2,500 คน และกำหนดระดับความคลาดเคลื่อน e = 0.05 (5%)
ขั้นตอนที่ 1: กำหนดค่าตัวแปร
- N = 2,500
- e = 0.05 ดังนั้น e^2 = (0.05)^2 = 0.0025
ขั้นตอนที่ 2: แทนค่าลงในสูตร
ขั้นตอนที่ 3: ปัดเศษขึ้นเสมอ
ในทางสถิติวิจัย ประชากรเป็น "คน" ไม่สามารถมีจุดทศนิยมได้ และเพื่อรักษาความเชื่อมั่นทางสถิติ ต้องปัดเศษขึ้นเป็นจำนวนเต็มถัดไปเสมอ
- ดังนั้น n = 345 คน
ข้อควรจำ: แม้ผลคำนวณจะได้ 344.12 หรือ 344.05 ก็ต้องปัดขึ้นเป็น 345 คน เพื่อไม่ให้ขนาดกลุ่มตัวอย่างต่ำกว่าเกณฑ์ขั้นต่ำ
4. ตารางสำเร็จรูป Taro Yamane สำหรับประชากรยอดนิยม
หากไม่ต้องการคำนวณเอง สามารถเทียบจากตารางสำเร็จรูปที่ระดับความเชื่อมั่น 95% (e = 0.05) ได้ดังนี้:
| ขนาดประชากร ($N$) | ระดับคลาดเคลื่อน 5% ($e=0.05$) | ระดับคลาดเคลื่อน 1% ($e=0.01$) |
|---|---|---|
| 100 คน | 80 คน | 99 คน |
| 200 คน | 134 คน | 196 คน |
| 500 คน | 222 คน | 476 คน |
| 1,000 คน | 286 คน | 909 คน |
| 2,000 คน | 333 คน | 1,667 คน |
| 5,000 คน | 370 คน | 3,333 คน |
| 10,000 คน | 385 คน | 5,000 คน |
| 50,000 คน | 397 คน | 8,333 คน |
| 100,000 คนขึ้นไป | 398–400 คน | 9,091 คน |
5. วิธีเขียนอธิบายในบทที่ 3 (Research Methodology)
เมื่อนำผลการคำนวณไปเขียนลงในเล่มวิจัย บทที่ 3 ควรเขียนระบุที่มาและสูตรให้ชัดเจน ดังตัวอย่างข้อความต่อไปนี้:
"ผู้วิจัยกำหนดขนาดกลุ่มตัวอย่างจากประชากรนักศึกษาจำนวน 2,500 คน โดยใช้สูตรการคำนวณของ ทาโร ยามาเน่ (Taro Yamane, 1967) ที่ระดับความคลาดเคลื่อนร้อยละ 5 (e = 0.05) และระดับความเชื่อมั่นร้อยละ 95 ได้ขนาดกลุ่มตัวอย่างจำนวน 345 คน ทั้งนี้ผู้วิจัยได้ทำการสุ่มตัวอย่างแบบแบ่งชั้นภูมิ (Stratified Random Sampling) ตามคณะวิชาต่อไป"
6. คำถามที่พบบ่อย (FAQ)
Q: ถ้าประชากรมีเป็นล้านคน ทำไมกลุ่มตัวอย่างถึงหยุดอยู่ที่ประมาณ 400 คน?
A: ตามหลักคณิตศาสตร์ เมื่อค่า N มีขนาดใหญ่มากๆ ค่า 1 + N(0.0025) จะมีค่าลู่เข้าสู่ N \times 0.0025 ซึ่งเมื่อนำไปหาร N จะได้ \frac{1}{0.0025} = 400 พอดี ดังนั้นในประชากรระดับแสนหรือล้านคน กลุ่มตัวอย่างจะไม่เกิน 400 คนที่ระดับความคลาดเคลื่อน 5%
Q: ถ้าเก็บแบบสอบถามเกินกว่าค่า $n$ ที่คำนวณได้ จะผิดไหม?
A: ไม่ผิด และถือว่าเป็นเรื่องที่ดี (Good Practice) เช่น คำนวณได้ 345 ชุด แต่แจกแบบสอบถาม 380 ชุดเพื่อป้องกันแบบสอบถามตอบไม่ครบถ้วน (Incomplete Data)