- ใน สังคมศาสตร์และชีววิทยาศาสตร์ มี ความสัมพันธ์ อยู่ในระดับหนึ่งระหว่างตัวแปรเกือบทั้งหมด
- ปรากฏการณ์นี้ไม่ใช่แค่เรื่องบังเอิญหรือความผิดพลาดทางสถิติ แต่เป็นข้อเท็จจริงที่เกิดจาก ปัจจัยทางพันธุกรรมและสิ่งแวดล้อมที่ซับซ้อนและพัวพันกัน
- ยิ่งขนาดตัวอย่างใหญ่ขึ้น ความสัมพันธ์ที่มีนัยสำคัญ ก็จะปรากฏในคู่ตัวแปรส่วนใหญ่ และนักวิจัยจะหันไปสนใจรูปแบบของความสัมพันธ์เองมากกว่าความสัมพันธ์รายคู่
- ‘Crud factor’ หมายถึง การที่มีความสัมพันธ์ขนาดเล็กอยู่ในคู่ตัวแปรเกือบทุกคู่ และเพียงแค่เลือกทฤษฎีใดก็ได้กับคู่ตัวแปรใดก็ได้ ก็มีโอกาสสูงที่จะได้ผลลัพธ์ที่มีนัยสำคัญ
- ในสถานการณ์เช่นนี้ ความหมายของ ระดับนัยสำคัญแบบดั้งเดิม (0.05) จะอ่อนลง และต้องใช้ความระมัดระวังในการตีความสถิติทางสังคมศาสตร์
ภาพรวมและภูมิหลัง
- ในจิตวิทยาและสังคมวิทยา มีการยอมรับกันอย่างกว้างขวางต่อข้ออ้างที่ว่า “ทุกสิ่งล้วนมีความสัมพันธ์กันอยู่บ้าง”
- ลักษณะเฉพาะบางอย่างถูกกำหนดโดย ปัจจัยทางพันธุกรรมและสิ่งแวดล้อม หลายด้าน และปัจจัยเหล่านี้เองก็มีความสัมพันธ์กันภายใน
- ดังนั้น ในทางปฏิบัติ ตัวแปรแทบทุกอย่างที่วัดได้จึงมี ความเชื่อมโยงกัน อยู่ในระดับหนึ่ง
“Crud Factor” และการค้นพบทางสถิติ
- “Crud factor” คือคำที่ใช้เรียก ปรากฏการณ์ที่มีความสัมพันธ์ขนาดเล็กอยู่เสมอแม้กระทั่งระหว่างคู่ตัวแปรที่สุ่มมา ในงานวิจัยสังคมศาสตร์ (และชีววิทยาศาสตร์บางส่วน)
- ในข้อมูลขนาดใหญ่จากนักเรียนมัธยมปลายในมินนิโซตา 57,000 คนเมื่อปี 1966 ผลการวิเคราะห์ตารางไขว้ (crosstabulation) 105 ชุดระหว่างตัวแปรหลากหลาย เช่น ครอบครัว การศึกษา งานอดิเรก อาชีพ และศาสนา พบว่าทั้งหมดมีนัยสำคัญทางสถิติ
- 96% ของทั้งหมดมีค่า p<10⁻⁶ ซึ่งต่ำมากจนแทบตัดความเป็นไปได้ว่าเป็นเรื่องบังเอิญออกไปได้
- เมื่่อขยายจำนวนตัวแปรเป็น 45 ตัว จะได้ทั้งหมด 990 ชุดผสม และ 92% ของชุดเหล่านี้มีนัยสำคัญทางสถิติ
- ค่ามัธยฐาน (median) ของจำนวนความสัมพันธ์ที่มีนัยสำคัญระหว่างตัวแปรหนึ่งกับตัวแปรอื่นทั้งหมดคือ 41 จาก 44 ตัว
ตัวอย่างระหว่างตัวแปรจริง
- ความสัมพันธ์ของคะแนน MCAT กับจำนวนพี่น้อง ลำดับการเกิด เพศ แผนอาชีพ ความชอบทางศาสนา ฯลฯ ก็พบว่า ล้วนมีนัยสำคัญทางสถิติสูง
- ตัวอย่าง: นักเรียนหญิงได้คะแนนสูงกว่านักเรียนชาย คะแนนมีแนวโน้มลดลงเมื่อจำนวนพี่น้องมากขึ้น ลูกคนโต/ลูกคนเดียวฉลาดกว่าลูกคนเล็ก และยังมีความแตกต่างชัดเจนระหว่างกลุ่มศาสนาต่าง ๆ เป็นต้น
- แม้แต่ใน 5 นิกายโปรเตสแตนต์หลัก ก็ยังพบ นัยสำคัญสูง ในความสัมพันธ์กับตัวแปรหลายตัว
- ตัวอย่าง: ลูกคนเดียวมีโอกาสเป็น Presbyterian เกือบ 2 เท่าของ Baptist รวมถึงความแตกต่างด้านความชอบโรงเรียนและความหวังด้านอาชีพตามนิกาย เป็นต้น
กรณีของข้อคำถาม MMPI
- จากข้อคำถาม 550 ข้อของ MMPI (แบบทดสอบบุคลิกภาพ) มี 507 ข้อ (92%) ที่แสดง ความแตกต่างอย่างมีนัยสำคัญตามเพศ
- บางข้อสามารถอธิบายความแตกต่างของแนวโน้มได้อย่างชัดเจน แต่ข้ออื่น ๆ มีเหตุผลที่ซับซ้อนหรืออธิบายไม่ได้
- ผลลัพธ์เช่นนี้เกิดขึ้นในการศึกษาขนาดใหญ่ที่มีจำนวนตัวอย่างมาก จึง ไม่ใช่ความผิดพลาดทางสถิติ (type I error) แต่เป็นปรากฏการณ์ที่มีอยู่จริง
ความสัมพันธ์ในสังคมศาสตร์และข้อจำกัดของการตรวจสอบทฤษฎี
- แม้จะสุ่มจับคู่ทฤษฎีกับคู่ตัวแปรแบบใดก็ได้ หากความสัมพันธ์เฉลี่ย (crud factor) อยู่ที่ระดับ 0.30 ก็มีความเป็นไปได้ว่า ในทางปฏิบัติจะพบความแตกต่างที่มีนัยสำคัญประมาณหนึ่งในสามครั้ง
- ปรากฏการณ์นี้เกิดบ่อยกว่าระดับนัยสำคัญ (0.05) ที่โดยทั่วไปถือว่ามีความหมายในสังคมศาสตร์มาก
- เพราะแม้แต่คู่ตัวแปรที่นักวิจัยไม่ได้คาดการณ์ตามทฤษฎี ก็ยังเผยให้เห็นความสัมพันธ์ได้ง่าย จึง ยากที่จะใช้เพียงนัยสำคัญทางสถิติมาสนับสนุนความเป็นเหตุเป็นผลที่แท้จริง
- สาเหตุที่ซับซ้อน (ยีน/สิ่งแวดล้อม) และความอุดมสมบูรณ์ของข้อมูลเชิงสังเกตทำให้เกิดความสัมพันธ์หลายทิศทางเช่นนี้
ข้อสรุปเชิงปฏิบัติ
- เมื่อตีความข้อมูลสังคมศาสตร์และตรวจสอบทฤษฎี จำเป็นต้องคำนึงถึง “ความสัมพันธ์ที่ธรรมดาแต่มีอยู่จริง” ที่เกิดจาก ‘crud factor’ อยู่เสมอ
- แทนที่จะเชื่อมั่นอย่างไม่มีเงื่อนไขในสถิติระดับนัยสำคัญ (เช่น p<0.05) ควรมุ่งความสนใจไปที่ ความเป็นเหตุเป็นผลที่แท้จริงระหว่างตัวแปร และการตีความรูปแบบให้มากขึ้น
- ดังคำกล่าวของ Thorndike ที่ว่า “สิ่งดี ๆ มักมาด้วยกัน” ในโลกจริงนั้น มีหลายสิ่งมากเกินไปที่พัวพันกันอยู่
ยังไม่มีความคิดเห็น