งานวิจัยควรมีกลุ่มตัวอย่างกี่คน? Sample Size เท่าไหร่จึงเหมาะสม

งานวิจัยควรมีกลุ่มตัวอย่างกี่คน เป็นหนึ่งในคำถามสำคัญที่เกิดขึ้นตั้งแต่ขั้นตอนวางแผนการเก็บข้อมูล หลายคนอาจเคยได้ยินว่าต้องมีอย่างน้อย 100 คน 200 คน หรือประมาณ 400 คนจึงจะเพียงพอ แต่ในความเป็นจริง ไม่มี Sample Size ตัวเลขเดียวที่สามารถใช้เป็นมาตรฐานสำหรับงานวิจัยทุกประเภท

ขนาดกลุ่มตัวอย่างที่เหมาะสมขึ้นอยู่กับหลายปัจจัย ไม่ว่าจะเป็นขนาดของประชากร วัตถุประสงค์ของงานวิจัย วิธีการเลือกกลุ่มตัวอย่าง ระดับความแม่นยำที่ต้องการ จำนวนกลุ่มที่จะนำมาเปรียบเทียบ รวมถึงวิธีทางสถิติที่จะใช้วิเคราะห์ข้อมูล

ดังนั้น ก่อนกำหนดว่าจะต้องเก็บข้อมูลให้ได้กี่คน ควรพิจารณาก่อนว่างานวิจัยต้องการตอบคำถามอะไร ประชากรเป้าหมายคือใคร และข้อมูลจะถูกนำไปวิเคราะห์อย่างไร เพราะองค์ประกอบเหล่านี้ล้วนมีผลต่อการกำหนด Sample Size

Sample Size คืออะไร?

Sample Size หรือขนาดกลุ่มตัวอย่าง คือจำนวนหน่วยตัวอย่างที่ถูกนำมาใช้ในการศึกษา เช่น ผู้บริโภค พนักงาน นักศึกษา ผู้ป่วย ครัวเรือน หรือองค์กร

ตัวอย่างเช่น หากต้องการศึกษาความพึงพอใจของลูกค้าธนาคารในกรุงเทพฯ แต่มีลูกค้าหลายแสนคน การเก็บข้อมูลจากทุกคนอาจเป็นไปไม่ได้ ผู้วิจัยจึงเลือกกลุ่มตัวอย่างจำนวนหนึ่งมาเป็นตัวแทนในการศึกษา

คำถามจึงอยู่ที่ จำนวนเท่าไหร่จึงจะเพียงพอ

สิ่งที่ต้องเข้าใจคือ Sample Size ไม่ได้ถูกกำหนดจากจำนวนประชากรเพียงอย่างเดียว แต่ต้องสัมพันธ์กับวัตถุประสงค์ วิธีการเก็บข้อมูล และการวิเคราะห์ที่ต้องการทำด้วย

กลุ่มตัวอย่างยิ่งเยอะ ยิ่งดีหรือไม่?

โดยทั่วไป Sample Size ที่มากขึ้นสามารถช่วยเพิ่มความแม่นยำของการประมาณค่า และในงานที่มีการทดสอบสมมติฐานอาจช่วยเพิ่ม Statistical Power หรือความสามารถในการตรวจพบความสัมพันธ์หรือความแตกต่างที่มีอยู่จริง

แต่ไม่ได้หมายความว่ายิ่งเก็บมากเท่าไหร่ งานวิจัยจะยิ่งดีขึ้นเสมอไป หากงานวิจัยต้องการกลุ่มตัวอย่างประมาณ 300 คนตามแนวทางที่เหมาะสม การเพิ่มเป็น 3,000 คนอาจทำให้เสียทั้งเวลาและงบประมาณเพิ่มขึ้นอย่างมาก โดยไม่ได้ให้ประโยชน์ต่อ Research Objective ในสัดส่วนเดียวกัน

ในทางกลับกัน Sample Size ที่น้อยเกินไปอาจทำให้ผลการประมาณค่ามีความไม่แน่นอนสูง หรือทำให้การวิเคราะห์ไม่สามารถตรวจพบ Effect ที่ต้องการศึกษาได้ เป้าหมายจึงไม่ใช่การหากลุ่มตัวอย่างที่มากที่สุด แต่คือการกำหนด Sample Size ที่เพียงพอและมีเหตุผลทางระเบียบวิธีวิจัยรองรับ

แล้วงานวิจัยควรมีกลุ่มตัวอย่างกี่คน?

ไม่มีคำตอบตายตัวว่า 100, 200, 300 หรือ 400 คนเหมาะกับทุกงานวิจัย เพราะแต่ละ Research Design มีเงื่อนไขแตกต่างกัน

ตัวอย่างเช่น งานวิจัยเรื่อง ความพึงพอใจของพนักงานบริษัทแห่งหนึ่งต่อสวัสดิการขององค์กร หากบริษัทมีพนักงานทั้งหมด 800 คนและทราบ Population Size ชัดเจน การกำหนด Sample Size สามารถพิจารณาจากจำนวนประชากรและระดับความคลาดเคลื่อนที่ยอมรับได้

ขณะที่งานวิจัยเรื่อง ปัจจัยที่มีอิทธิพลต่อความตั้งใจซื้อรถยนต์ไฟฟ้าของผู้บริโภคในประเทศไทย มีประชากรเป้าหมายขนาดใหญ่ และหากต้องการใช้ Multiple Regression เพื่อศึกษาปัจจัยหลายตัวพร้อมกัน จำนวนกลุ่มตัวอย่างก็ควรพิจารณาควบคู่กับ Statistical Model ที่จะใช้

อีกกรณีหนึ่งคือการศึกษาความแตกต่างระหว่าง Generation X, Generation Y และ Generation Z แม้มีผู้ตอบรวม 300 คน แต่หากต้องเปรียบเทียบทั้งสามกลุ่ม จำนวนตัวอย่างภายในแต่ละกลุ่มก็มีความสำคัญ ไม่ใช่ดูเพียงจำนวนรวม

ดังนั้น การบอกเพียงว่างานวิจัยมีผู้ตอบ 300 หรือ 400 คน ยังไม่เพียงพอที่จะบอกว่า Sample Size เหมาะสมหรือไม่

ทำไมงานวิจัยจำนวนมากจึงใช้กลุ่มตัวอย่างประมาณ 400 คน?

ตัวเลขประมาณ 384–400 คนที่พบได้บ่อยในงานวิจัยไม่ได้เกิดขึ้นโดยไม่มีที่มา แต่สัมพันธ์กับแนวทางการคำนวณ Sample Size สำหรับงานสำรวจประชากรขนาดใหญ่ภายใต้เงื่อนไขบางอย่าง

หนึ่งในแนวทางที่อธิบายตัวเลขนี้ได้ชัดเจนคือ Cochran's Formula ซึ่งใช้ในการกำหนดขนาดกลุ่มตัวอย่างสำหรับการประมาณสัดส่วน

สูตรในรูปแบบพื้นฐานคือ

n = Z² × p(1−p) / e²

โดย Z สัมพันธ์กับระดับความเชื่อมั่น p คือสัดส่วนที่คาดหมายในประชากร และ e คือระดับความคลาดเคลื่อนที่ยอมรับได้

หากกำหนดค่าที่นิยมใช้ในงานสำรวจทั่วไป ได้แก่ Confidence Level 95% ซึ่งมีค่า Z ประมาณ 1.96, กำหนด p = 0.50 ในกรณีที่ยังไม่ทราบสัดส่วนของประชากร และกำหนด Margin of Error ±5% หรือ 0.05

เมื่อนำค่าดังกล่าวเข้าสูตร จะได้ Sample Size ประมาณ 384.16 คน ซึ่งในทางปฏิบัติมักปัดขึ้นเป็นประมาณ 385 คน และบางงานอาจกำหนดเป้าหมายเป็น 400 คนเพื่อความสะดวกหรือเผื่อแบบสอบถามที่ไม่สมบูรณ์

นี่จึงเป็นที่มาสำคัญของตัวเลข 384–400 ที่พบเห็นบ่อยในงาน Survey Research

แนวทางของ Yamane ก็สามารถทำให้เห็นภาพใกล้เคียงกันได้ โดยสูตรที่มักอ้างถึงคือ

n = N / [1 + N(e²)]

เมื่อ N คือจำนวนประชากร และ e คือระดับความคลาดเคลื่อนที่ยอมรับได้

ตัวอย่างเช่น หากประชากรมีขนาดใหญ่มากและกำหนด e = 0.05 จำนวน Sample Size ที่ได้จะเข้าใกล้ 400 คน ยิ่ง Population Size ใหญ่ขึ้น ตัวเลขจะยิ่งเข้าใกล้ประมาณ 400

Krejcie and Morgan ก็มีแนวคิดที่คล้ายกันในแง่ที่ว่า เมื่อประชากรมีขนาดใหญ่มาก ภายใต้สมมติฐานที่กำหนดไว้ จำนวน Sample Size จะอยู่บริเวณประมาณ 384 คน จึงเป็นอีกเหตุผลที่ตัวเลขช่วงนี้ปรากฏอยู่บ่อยในงานวิจัย

แต่ประเด็นสำคัญคือ ตัวเลข 384 หรือ 400 เกิดขึ้นภายใต้เงื่อนไขบางอย่าง เช่น ระดับความเชื่อมั่นและระดับความคลาดเคลื่อนที่กำหนด ไม่ได้หมายความว่างานวิจัยทุกเรื่องต้องมีผู้ตอบ 400 คน

หากเปลี่ยน Margin of Error จาก ±5% เป็น ±3% จำนวนตัวอย่างที่ต้องการก็จะเพิ่มขึ้นอย่างมาก หรือหาก Population Size มีขนาดเล็ก จำนวนที่เหมาะสมก็อาจต่ำกว่า 400 คนได้

ดังนั้น 400 คนควรถูกมองว่าเป็นผลลัพธ์จากเงื่อนไขการกำหนด Sample Size บางรูปแบบ ไม่ใช่ตัวเลขมาตรฐานที่สามารถนำไปใช้กับงานวิจัยทุกเรื่องโดยไม่ต้องพิจารณาอย่างอื่น

มีสูตรหรือวิธีกำหนด Sample Size อะไรบ้าง?

การกำหนดขนาดกลุ่มตัวอย่างมีหลายแนวทาง และแต่ละวิธีมีหลักการและเงื่อนไขแตกต่างกัน การเลือกจึงควรสอดคล้องกับ Research Design มากกว่าการเลือกสูตรที่คำนวณง่ายหรือคุ้นเคยที่สุด

1. Cochran

Cochran's Formula มักใช้ในบริบทของการกำหนด Sample Size สำหรับการประมาณสัดส่วน โดยเฉพาะเมื่อประชากรมีขนาดใหญ่ แนวทางนี้พิจารณาปัจจัย เช่น Confidence Level, Margin of Error และสัดส่วนที่คาดหมายในประชากร หาก Population มีขนาดจำกัด ยังสามารถพิจารณาปรับ Sample Size ด้วย Finite Population Correction ได้อีกด้วย

2. Yamane

Yamane's Formula เป็นแนวทางที่พบได้บ่อยในงานวิจัยเชิงสำรวจเมื่อทราบจำนวนประชากร โดยพิจารณา Population Size ร่วมกับระดับความคลาดเคลื่อนที่กำหนด

ข้อดีคือเข้าใจและใช้งานได้ไม่ซับซ้อน แต่ไม่ควรตีความว่าการคำนวณด้วยสูตรนี้จะเหมาะกับงานทุก Research Design โดยอัตโนมัติ

3. Krejcie and Morgan

Krejcie and Morgan เป็นอีกแนวทางที่มักพบในงานวิจัย โดยเฉพาะในรูปแบบตารางที่แสดง Sample Size ที่สัมพันธ์กับ Population Size จุดเด่นคือใช้งานสะดวกเมื่อทราบจำนวนประชากร แต่ต้องเข้าใจว่าตารางถูกสร้างขึ้นภายใต้สมมติฐานทางสถิติที่กำหนดไว้ ไม่ใช่กฎตายตัวสำหรับทุกการศึกษา

4. Power Analysis

Power Analysis แตกต่างจากแนวคิดที่มุ่งกำหนด Sample Size จาก Population Size โดยตรง เพราะจะพิจารณาว่างานวิจัยต้องการตรวจพบ Effect ขนาดเท่าใด ใช้ Significance Level เท่าใด ต้องการ Statistical Power เท่าใด และจะใช้ Statistical Test ประเภทใด

แนวทางนี้จึงมีความสำคัญในงานที่มีการทดสอบสมมติฐาน เช่น t-test, ANOVA, Correlation หรือ Regression

ดังนั้น คำถามที่เหมาะสมจึงไม่ใช่สูตรไหนดีที่สุด แต่คือวิธีกำหนด Sample Size แบบไหนสอดคล้องกับ Research Question และ Analysis Plan ของงานมากที่สุด

Sample Size ต้องสัมพันธ์กับวิธีวิเคราะห์ข้อมูลหรือไม่?

สัมพันธ์กัน และควรคิดเรื่องนี้ตั้งแต่ก่อนเริ่มเก็บข้อมูล งานที่ต้องการเพียง Descriptive Statistics เพื่ออธิบายลักษณะของกลุ่มตัวอย่าง ย่อมมีวัตถุประสงค์ในการกำหนด Sample Size แตกต่างจากงานที่ต้องการทดสอบ Hypotheses หรือสร้าง Statistical Model

ตัวอย่างการวิเคราะห์ที่ต้องพิจารณาจำนวนและโครงสร้างของข้อมูล ได้แก่ t-test, ANOVA, Pearson Correlation, Multiple Regression, Logistic Regression และ Chi-Square

แต่ไม่ได้หมายความว่าแต่ละสถิติมี Sample Size ตายตัวเพียงค่าเดียว เพราะจำนวนที่เหมาะสมยังสัมพันธ์กับปัจจัยอื่น เช่น จำนวนกลุ่ม จำนวนตัวแปร Effect Size และ Distribution ของข้อมูล

ตัวอย่างเช่น งานวิจัยมีผู้ตอบทั้งหมด 400 คน แต่ต้องแบ่งออกเป็น 8 กลุ่ม หากบางกลุ่มเหลือเพียง 15–20 คน จำนวนรวม 400 คนก็ไม่ได้รับประกันว่าทุกการเปรียบเทียบจะมีข้อมูลเพียงพอ

ด้วยเหตุนี้ การกำหนดขนาดกลุ่มตัวอย่างควรพิจารณาควบคู่กับการออกแบบแบบสอบถามและแผนการวิเคราะห์ข้อมูล ตั้งแต่ก่อนเริ่มเก็บข้อมูล เพื่อให้ Dataset ที่ได้สามารถรองรับการวิเคราะห์ตาม Research Objectives ได้จริง

ถ้ามีหลายกลุ่ม ต้องเพิ่ม Sample Size หรือไม่?

อาจจำเป็น ขึ้นอยู่กับสิ่งที่ต้องการวิเคราะห์ สมมติว่างานวิจัยต้องการเปรียบเทียบความพึงพอใจระหว่าง Generation X, Generation Y และ Generation Z การมี Sample Size รวม 300 คนไม่ได้หมายความว่าแต่ละกลุ่มจะมีข้อมูลเพียงพอโดยอัตโนมัติ

หากมี Gen X จำนวน 30 คน Gen Y จำนวน 220 คน และ Gen Z จำนวน 50 คน ลักษณะของข้อมูลย่อมแตกต่างจากกรณีที่แต่ละกลุ่มมีประมาณ 100 คนเท่ากัน

ดังนั้น หาก Research Objective กำหนดตั้งแต่ต้นว่าจะเปรียบเทียบ Subgroups จำนวนตัวอย่างที่ต้องการภายในแต่ละกลุ่มควรถูกวางแผนตั้งแต่ก่อนเริ่ม Fieldwork ไม่ใช่พิจารณาเฉพาะ Total Sample Size

Sample Size เพียงพอ แต่กลุ่มตัวอย่างไม่ตรง ยังถือว่าเหมาะสมหรือไม่?

จำนวนตัวอย่างที่เพียงพอไม่ได้หมายความว่ากลุ่มตัวอย่างมีคุณภาพหรือสอดคล้องกับ Research Objective โดยอัตโนมัติ

หากงานวิจัยต้องการศึกษาพฤติกรรมการซื้อสินค้าระดับ Luxury ของผู้บริโภคอายุ 30–55 ปีในกรุงเทพฯ แม้จะเก็บข้อมูลได้ 500 คน แต่หากผู้ตอบส่วนใหญ่ไม่เคยซื้อสินค้าประเภทที่กำลังศึกษา จำนวนที่มากก็ไม่สามารถแก้ปัญหาการเลือกกลุ่มตัวอย่างผิดได้ จึงต้องพิจารณาทั้ง Sample Size และ Sample Characteristics ไปพร้อมกัน

สำหรับงานที่เก็บข้อมูลผ่านช่องทางออนไลน์ บริการเก็บแบบสอบถามผ่าน Online Panel สามารถช่วยคัดกรองผู้เข้าร่วมตามเกณฑ์ที่กำหนด โดยใช้ข้อมูล Profile ของผู้เข้าร่วมที่มีการจัดเก็บไว้ล่วงหน้า เช่น อายุ เพศ พื้นที่ หรือข้อมูล Demographic อื่นที่เกี่ยวข้อง ก่อนเชิญผู้ที่มีคุณสมบัติเบื้องต้นตรงกับ Target Group เข้าร่วมแบบสอบถาม และสามารถใช้ Screening Questions เพิ่มเติมตามเงื่อนไขของงานได้

เป้าหมายของการเก็บข้อมูลจึงไม่ใช่เพียงการเก็บให้ครบจำนวน แต่ต้องพยายามให้ได้ผู้ตอบที่ตรงกับประชากรเป้าหมายของงานวิจัยด้วย

ควรเผื่อจำนวนตัวอย่างมากกว่า Sample Size ที่คำนวณได้หรือไม่?

ควรพิจารณา โดยเฉพาะงานที่อาจมีข้อมูลบางส่วนไม่สามารถนำมาใช้ในการวิเคราะห์ได้

หากคำนวณแล้วต้องการ Valid Sample จำนวน 300 คน การเก็บเพียง 300 Responses พอดีอาจมีความเสี่ยง เพราะเมื่อตรวจสอบข้อมูลแล้วอาจพบแบบสอบถามบางส่วนที่ตอบไม่ครบ ไม่ผ่าน Screening Criteria มี Missing Data ในตัวแปรสำคัญ หรือไม่เป็นไปตาม Inclusion Criteria ที่กำหนดไว้

จำนวนที่ต้อง Recruit จริงจึงอาจสูงกว่า Minimum Required Sample Size

ตัวอย่างเช่น หากต้องการข้อมูลที่ใช้ได้ 300 ชุด อาจวางแผนเก็บมากกว่า 300 ชุดในระดับที่สมเหตุสมผลตามลักษณะของงาน โดยจำนวนที่ควรเผื่อควรพิจารณาจาก Target Group วิธีเก็บข้อมูล ความยาวของแบบสอบถาม และเกณฑ์ตรวจสอบคุณภาพข้อมูล ไม่ควรกำหนดเปอร์เซ็นต์เผื่อขึ้นมาโดยไม่มีเหตุผล

ในงาน Longitudinal หรือ Clinical Research ยังอาจต้องคำนึงถึง Dropout หรือ Loss to Follow-up เพิ่มเติมด้วย

Sample Size ควรกำหนดก่อนหรือหลังออกแบบแบบสอบถาม?

ควรวางแนวทาง Sample Size ตั้งแต่ก่อนเริ่มเก็บข้อมูล และพิจารณาร่วมกับ Research Objectives, Hypotheses, Sampling Method, Questionnaire Design และ Analysis Plan

ตัวอย่างเช่น หากทราบตั้งแต่ต้นว่าจะใช้ Multiple Regression และมี Independent Variables หลายตัว ข้อมูลนี้ควรถูกนำมาพิจารณาก่อนกำหนดขนาดกลุ่มตัวอย่าง

หรือหากต้องใช้ ANOVA เพื่อเปรียบเทียบผู้บริโภค 4 กลุ่ม ก็ควรพิจารณาจำนวนตัวอย่างในแต่ละกลุ่มตั้งแต่ต้น ไม่ใช่คำนวณเฉพาะ Sample Size รวมแล้วค่อยแบ่งกลุ่มภายหลัง

หากงานยังอยู่ในขั้นวางแผน บริการออกแบบและตรวจสอบแบบสอบถามให้สอดคล้องกับวัตถุประสงค์ ตัวแปร กลุ่มตัวอย่าง และแผนการวิเคราะห์ข้อมูล สามารถช่วยเชื่อมการออกแบบเครื่องมือกับสิ่งที่ต้องการนำไปวิเคราะห์ในขั้นตอนต่อไป

ส่วนงานที่เก็บข้อมูลเรียบร้อยแล้ว บริการวิเคราะห์ข้อมูลทางสถิติด้วย SPSS ของ Data Investigator สามารถช่วยตรวจสอบ Dataset และพิจารณาวิธีวิเคราะห์ให้เหมาะกับ Research Objectives, Hypotheses, Sample Size และลักษณะข้อมูลของงานวิจัย

สรุป: Sample Size เท่าไหร่จึงเหมาะสม?

ไม่มีคำตอบว่า 100, 200 หรือ 400 คนคือ Sample Size ที่เหมาะสมสำหรับงานวิจัยทุกเรื่อง

ตัวเลขประมาณ 384–400 คนที่พบเห็นบ่อยมาจากเงื่อนไขที่ใช้ในการกำหนด Sample Size สำหรับงานสำรวจบางประเภท เช่น Cochran's Formula ภายใต้ Confidence Level 95%, Margin of Error ±5% และ p = 0.50 รวมถึงแนวทางอื่นที่ให้จำนวนใกล้เคียงกันเมื่อ Population มีขนาดใหญ่

แต่การกำหนด Sample Size ที่เหมาะสมต้องพิจารณามากกว่าตัวเลขดังกล่าว ทั้ง Population Size, Research Objectives, Sampling Design, Precision, จำนวนกลุ่มที่จะเปรียบเทียบ และ Statistical Analysis ที่ต้องการใช้

Cochran, Yamane และ Krejcie and Morgan เป็นแนวทางหนึ่งสำหรับการกำหนด Sample Size ภายใต้เงื่อนไขของแต่ละวิธี ขณะที่ Power Analysis เหมาะกับการพิจารณาจำนวนข้อมูลจาก Effect Size, Statistical Power และ Statistical Test ที่ต้องการดำเนินการ

นอกจากนี้ จำนวนกลุ่มตัวอย่างที่เพียงพอยังไม่สามารถทดแทนการเลือกผู้ตอบที่ไม่ตรงกับ Target Population ได้

ดังนั้น การกำหนด Sample Size ที่ดีควรตอบให้ได้ทั้งสองเรื่อง คือ ต้องมีข้อมูลจำนวนเท่าใด และข้อมูลเหล่านั้นควรมาจากใคร เพื่อให้ Dataset ที่ได้สามารถนำไปตอบ Research Objectives และรองรับการวิเคราะห์ได้อย่างเหมาะสม สอบถามข้อมูลเพิ่มเติมกรุณาติดต่อ:

อีเมล์: info@datainvestigatorth.com

ไลน์: @datainvestigator     โทร: 063-969-7944