การใช้โปรแกรม Minitab เพื่อการวิเคราะห์ผลการดำเนินงานวิจัยทางอุตสาหกรรมเกษตร

1. 1205 381 Stat QA. (2558/2) การใช้โปรแกรม Minitab เพื่อการวิเคราะห์ผลการดำเนินงานวิจัยทางอุตสาหกรรมเกษตร ผศ.ดร. วีรเวทย์ อุทโธ 1

2. คุณสมบัติที่โดดเด่นบางประการของ Minitab • มี Interface ที่ใช้ง่าย ไม่ซับซ้อน • ใช้งานได้หลากหลาย และคลอบคลุมในหลายการวิเคราะห์ • สามารถเขียน macro ได้ง่าย (ด้วยระบบที่ไม่ซับซ้อน) • ราคาที่ไม่สูง

3. การเริ่มต้นการใช้งาน • เลือกไอคอน Minitab บน Desktop ของคอมพิวเตอร์ แล้ว double click หรือ • เลือก Start menu แล้วเลือกโปรแกรม

4. เมื่อเปิดโปรแกรม Menu Window session Worksheet (Data) session

5. รายละเอียดโดยทั่วไปของ Minitab • ไฟล์ของ Minitab จะเป็น Project file • Window output (แสดงผลการวิเคราะห์) • Graphs • Worksheets • Column • Row • Heading • สามารถเปิด worksheets หลายๆอันได้ใน project ซึ่งจะ save ไว้ใน Project เดียวกัน

6. ชื่อไฟล์ของ Minitab จะมี คำต่อท้ายหลัง สัญลักษณ์ “ . “ (file extension) • MTW (mtw) คือ ไฟล์ของ worksheet เช่น การเตรียม/จัดการข้อมูลก่อนวิเคราะห์ • MTP (mtp) คือ ไฟล์ของ Project ซึ่งเป็นไฟล์ที่รวม ทุกๆองค์ประกอบที่ดำเนินการวิเคราะห์ในไฟล์นั้น

7. การเปิดไฟล์ (File opening)

8. ตอนที่ 1การจัดการข้อมูลใน Column และ worksheet

9. ใช้ข้อมูลของ worksheet ‘Tree.mtw’ • เปิด worksheet ‘Tree.mtw’ จากโปรแกรมเพื่อใช้เป็นตัวอย่าง • File/Open Worksheet/Tree.mtw (ไฟล์จะอยู่ในโฟล์เดอร์ ที่เป็น default Data folder อยู่แล้ว) • เป็นไฟล์ของการเก็บข้อมูลต้นเชอรี่จำนวน 31 ต้น

10. ข้อมูลใน worksheet • Diameter (เส้นผ่านศูนย์กลาง ต้นไม้) • Height (ความสูง ต้นไม้) • Volume (ปริมาตร ต้นไม้)

11. การเพิ่ม variable ใน Column ใหม่ • สร้างข้อมูลใน Column ใหม่ โดยใช้ข้อมูลจาก Column ที่มีอยู่ • เช่น ต้องการสร้างข้อมูลใน Column C4 • ข้อมูลใน Column C4 นี้เป็น อัตราส่วนระหว่าง Diameter และ Volume • ซึ่งจะเป็นการนำเอาข้อมูลใน Column C2 หารด้วย ข้อมูลใน Column C4

12. เป้าหมายคอลัมใหม่ • การเพิ่มข้อมูลดังกล่าวจะในคำสั่ง Cal > Calculator Functions ในการคำนวน เครื่องหมายในการคำนวน

13. ข้อมูลใน คอลัมน์ใหม่ ชื่อของ คอลัมน์ใหม่ พิมพ์ลงในช่องว่าง

14. เตรียมข้อมูลใน Excel worksheet • Excel worksheet ช่วยในการจัดข้อมูลที่อาจจะง่าย และ เป็นที่คุ้นเคย • การจัดเรียง หรือ การคำนวน จะคล่องตัวมากกว่า • ข้อพึงระวัง • แถวบนสุด (Row 1) ของ Excel จะกลายมาเป็นชื่อของ Column ใน worksheet ของ Minitab • ข้อมูลในแถวนี้จะไม่ถูกนำไปใช้ในการวิเคราะห์

15. ตัวอย่าง worksheet ใน Excel เลือกส่วนที่จะแสดงไฟล์ Excel

16. เลือกไฟล์ แสดงไฟล์ที่เป็น Excel ข้อมูลที่อยู่แถวบนสุดของ Excel ไฟล์

17. ตอนที่ 2Basic statistics

18. การใช้ Minitab เพื่อสถิติเชิงพรรณา(Descriptive Analysis) • สรุปภาพรวมของข้อมูล • ใช้ข้อมูลของไฟล์ trees.mtw • เช่น ค่าเฉลี่ย ค่าเบี่ยงเบนมาตรฐาน และค่าคลาดเคลื่อนมาตรฐาน • สามารถวิเคระห์โดยใช้คำสั่งที่อยู่ใน เมนู คือ • Stat > Basic Statistics > Display Descriptive analysis

19. การดำเนินการวิเคราะห์การดำเนินการวิเคราะห์ • เลือกปัจจัย (หรือสิ่ง) ที่จะทำการวิเคราะห์ โดยการ Double click • เช่น Double click ตรง Diameter • จากนั้น Diameter จะปรากฏในช่อง Variables • เคาะเว้นวรรคหนึ่งครั้ง • ทำการ Double click ปัจจัยอื่นๆที่จะทำการวิเคราะห์

20. การดำเนินการวิเคราะห์ (ต่อ) • ทำการเลือกผลที่จะแสดง ณ ปุ่ม ‘Statistics’ • เลือกตามความต้องการของผู้วิเคราะห์ • ความหมายหรือรูปแบบของการนำเสนอสามารถดูได้โดยใช้ Help

21. ตัวอย่างผลการวิเคราะห์ตัวอย่างผลการวิเคราะห์

22. การทดสอบ t-TEST เพื่อหาความแตกต่างระหว่าง 2 ประชากร

23. 2-SAMPLE T-TEST • การทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 กลุ่ม ที่เป็นอิสระต่อกัน ที่เราเรียกว่า Independent Sample test

24. ผลการทดสอบ 2-Sample T-test  เมื่อค่า P-Value น้อยกว่า a (0.05) จึงปฏิเสธ สมมติฐาน หลัก H0:mu (diameter) = mu (height) นั่นคือจากผลการทดลองสรุปว่า เส้นผ่านศูนย์กลางและความสูงต่างกันอย่างมีนัยสำคัญ 

25. Pair T-test • การทดสอบความแตกต่างระหว่างค่าเฉลี่ยของประชากร 2 กลุ่มที่มีความสัมพันธ์กัน หรือเป็นการทดสอบจากประชากรเพียงกลุ่มเดียว แต่จะทำการทดสอบซ้ำ 2 ครั้ง Paired-Samples Test หรือที่เรารู้จักกันในนาม dependent Sample test

26. ผลการทดสอบ Pair T-test

27. การวิเคราะห์ Correlation เพื่อหาความสัมพันธ์ระหว่างตัวแปรที่สนใจ

28. ตัวอย่างการวิเคราะห์ Correlation • จากเมนูเลือก Stat > Basic Statistics > Correlation • ลองเลือก Height และ Volume • ทำการทดสอบความเกี่ยวเนื่องสัมพันธ์ (Correlation)

30. ตอนที่ 3การหา Regression

31. Regression Analysis • การวิเคราะห์แบบถดถอย หรือ การหาความสัมพันธ์ระหว่าง 2 ตัวแปร • ตัวประมาณการ (Predictor) และ ตัวตอบสนอง (Response) • Simple linear regression analysis การวิเคราะห์ความสัมพันธ์ระหว่าง สองตัวแปร  และความสัมพันธ์ระหว่างสองตัวแปรดังกล่าวจะต้องเป็นในลักษณะเชิงเส้น • Multiple linear regression analysis วิเคราะห์ความสัมพันธ์ เมื่อมีตัวแปรที่เป็น Predictor มากกว่า 1 ตัวขึ้นไป แต่ความสัมพันธ์ของตัวแปรทั้งสองฝั่ง ยังคงเป็นแบบเชิงเส้นตรง • Polynomial regrssion analysis : วิเคราะห์ถึงความสัมพันธ์ที่ไม่เป็นเชิงเส้นตรง รวมถึงกรณีมีตัวแปร Predictor มากกว่า 1 ด้วย

32. ตัวอย่าง Simple Linear Regression

33. การทำ Graph fitting • เพื่อหาเส้นสมการที่เหมาะสมสำหรับกราฟ เพื่อใช้ในการทำนายการเปลี่ยนแปลงค่า Y จากค่า X

34. ผลลัพธ์การทำ Graph fitting

35. ตอนที่ 4การวิเคราะห์ความแปรปรวน (analysis of variance; ANOVA)

36. การวิเคราะห์ความแปรปรวนแบบปัจจัยเดียว (One-way ANOVA) • ทดสอบค่าเฉลี่ยของข้อมูลสองกลุ่มขึ้นไป • ค่าเฉลี่ยนี้ได้มาจากการทดลอง ที่ใช้ Single-factor เช่น ผลของความร้อน (factor) ที่มีต่อสีผลิตภัณฑ์ • ระดับของความร้อนที่ต่างๆกัน โดยทั่วไปเรียกว่า Treatment • ดำเนินการเปรียบเทียบค่าเฉลี่ยว่ามีความแตกต่างกันหรือไม่ โดยใช้วิธี เช่น Tukey’smultiple comparison test

37. การวิเคราะห์ความแปรปรวนของค่าเฉลี่ยสีซอสมะเขือเทศการวิเคราะห์ความแปรปรวนของค่าเฉลี่ยสีซอสมะเขือเทศ • ซอสมะเขือเทศ ผลิตโดยใช้ความร้อน 3 ระดับ • ความร้อน = factor (single factor) • 3 ระดับ = 3 treatments • วิเคราะห์ความแตกต่างค่าเฉลี่ยของสี จาก 3 Treatments นี้โดยใช้ One-way Anova • เปรียบเทียบค่าเฉลี่ย โดย Tukey’s multiple comparison

38. จัดข้อมูลใน Excel • เรียงข้อมูลแบบ Stack • ใช้ข้อมูลที่เป็นตัวเลข เช่น อุณหภูมิ Stacked data

39. เปิด worksheet ใน Minitab

40. ทำการวิเคราะห์โดยคำสั่ง Stat > Anova > One-Way ตัวแปรตาม ตัวแปรต้น

41. เลือก Comparison • เลือก Tukey

42. ANOVA table Confidential interval

43. ผลการวิเคราะห์ Tukey’s multiple comparison ระหว่าง Treatments เมื่อนำเอาค่าเฉลี่ยของ Treatment 100 ไปลบออกจาก Treatment 200 และ 300 • ช่วงความแตกต่างผ่าน ศูนย์ (0) • แปลได้ว่า ไม่มีความแตกต่างอย่างมีนัยสำคัญทางสถิติ • เพราะสิ่งที่ลบกันได้ เท่ากับศูนย์ ต้องเป็นค่าเดียวกัน (เหมือนกัน) เมื่อนำเอาค่าเฉลี่ยของ Treatment 200 ไปลบออกจาก Treatment 300

44. ตอนที่ 5การวางแผนการทดลอง

45. ตัวอย่างการวางแผนการทดลองตัวอย่างการวางแผนการทดลอง • การวางแผนแบบ Complete Randomised Design • ทีมีการจัดปัจจัยแบบ Full factorial • ศึกษา 2 ปัจจัย (Factors) คือ อุณหภูมิ (Temperature) และ ระดับการเจาะรูบนถุงพลาสติก (Perforation) • ศึกษาปัจจัยเหล่านี้มีผลต่อการสูญเสียน้ำหนักของลูกแพร (Weight loss) • ระดับ (Level) ของปัจจัยเหล่านี้ มี 2 ระดับ • ในการศึกษาจะทำ 3 ซ้ำ

46. ระดับของอุณหภูมิ คือ 5 และ 10 ºC • ระดับของการเจาะรู คือ 0.5 และ 1.5 percent • จำนวนตัวอย่างที่จะต้องเตรียม (ลูกแพร ใส่ถุงเจาะรู และ เก็บที่อุณหภูมิต่างๆ) สามารถคำนวนได้จาก สูตร • 22x 3 = 12 ตัวอย่าง • #level#factor x replicates • Minitab นำมาช่วยในการแผนการทดลอง และ สุ่ม

47. การใช้ Minitab เพื่อการวางแผนแบบ Full factorial

48. สองระดับ สองปัจจัย

49. เลือก Design • เพื่อกำหนด จำนวนซ้ำ

50. สามซ้ำ