การใช้โปรแกรมEVIEW ในการวิเคราะห์ข้อมูลที่ไม่ใช่ข้อมูลอนุกรมเวลา
แม้ว่าโปรแกรม EViews จะถูกออกแบบและสร้างขึ้นเพื่อการวิเคราะห์ข้อมูลอนุกรมเวลา (Time Series Data) แต่นักวิจัยยังสามารถใช้ EViews สำหรับ การวิเคราะห์ข้อมูลเชิงปริมาณ ที่ไม่ใช่ลักษณะของข้อมูลอนุกรมเวลาได้เช่นกัน โดยเฉพาะข้อมูลที่รวบรวมได้จากแบบสอบถาม และมีลักษณะการกำหนดคำตอบของข้อคำถามเป็นแบบ Rating Scale เช่น น้อยที่สุด(1) น้อย(2) ปานกลาง(3) มาก(4) และมากที่สุด(5) การวิเคราะห์ข้อมูลด้วยโปรแกรมEVIEW สามารถทำได้เช่นกัน
การใช้โปรแกรม EViews สำหรับการวิเคราะห์ข้อมูลเชิงปริมาณแบบ Rating Scale และมีการเชื่อมโยงกับปัจจัยหรือตัวแปรอื่นซึ่งเป็นตัวแปรอิสระ ที่ใช้ในกรอบแนวคิดสำหรับ งานวิจัยและวิทยานิพนธ์ สามารถวิเคราะห์ความสัมพันธ์ของตัวแปรเหล่านั้นได้ด้วยเทคนิคการวิเคราะห์ด้วยแบบจำลองโพรบิตและโลจิต (Probit and Logit Model) ซึ่งทั้งสองแบบจำลองนี้จะต้องมีข้อกำหนดหรือเงื่อนไขสำคัญสำหรับการใช้โปรแกรม EViews ดังนี้
- ตัวแปรตาม(Dependent Variable) ต้องเป็น Binary Response ส่วนตัวแปรอิสระสามารถเป็น Dummy Variable หรือ Interval /Ratio Scale
- ค่าคาดหวัง (ค่าเฉลี่ย) ของตัวคลาดเคลื่อนมีค่าเป็น 0
- ค่าคลาดเคลื่อนไม่มีความสัมพันธ์กันเอง
- ตัวแปรอิสระกับค่าคลาดเคลื่อนจะต้องเป็นอิสระแก่กัน
- ตัวแปรอิสระจะต้องไม่มีความสัมพันธ์กันเอง และ
- จํานวนตัวอย่างต้องมีอย่างน้อยหรือเท่ากับ 30
ยกตัวอย่างเพื่อให้ผู้อ่านเข้าใจมากยิ่งขึ้น
กรณีที่ผู้วิจัยต้องการทราบว่ามีปัจจัยใดบ้างที่ส่งผลต่อการตัดสินใจใช้บริการแอพพลิเคชั่นจองโรงแรมที่พัก โดยกำหนดตัวแปรอิสระเป็น “การตัดสินใจเลือกใช้บริการฯ” ซึ่งมี 2 ทางเลือกคือ “ใช้บริการ” และ “ไม่ใช้บริการ”
ขณะที่ตัวแปรอิสระที่ผู้วิจัยคาดว่าจะส่งผลต่อการตัดสินใจใช้บริการแอพพลิเคชั่นจองโรงแรมและที่พัก มีปัจจัยสำคัญ 2 กลุ่ม คือ
- กลุ่มที่ 1 เป็นปัจจัยส่วนบุคคลของผู้บริโภค ประกอบด้วย เพศ อายุ รายได้ การศึกษา อาชีพ และรายได้เฉลี่ยต่อเดือน
- กลุ่มที่ 2 เป็นปัจจัยความคิดเห็นต่อปัจจัยส่วนประสมทางการตลาดของแอพพลิเคชั่นจองโรงแรมและที่พัก ประกอบด้วย ปัจจัยด้านผลิตภัณฑ์ ราคา ช่องทางการจัดจำหน่าย และการส่งเสริมการตลาด
เพราะฉะนั้นเราสามารถเขียนในรูปแบบของฟังก์ชั่นการตัดสินใจเลือกใช้บริการจองโรงแรมและที่พักได้ดังนี้
Y = F(x) = {เพศ,อายุ,รายได้,การศึกษา,อาชีพ,รายได้เฉลี่ยต่อเดือน,ผลิตภัณฑ์,ราคา,ช่องทางการจัดจำหน่าย,การส่งเสริมการตลาด}
โดยปัจจัยอิสระกลุ่มที่ 1 เป็นแบบเลือกตอบข้อใดข้อหนึ่ง และกลุ่มที่2 เป็นการให้คะแนนข้อคำถามในปัจจัยนั้นๆ ในแต่ละด้าน
สำหรับตัวแปรอิสระคือ “การตัดสินใจเลือกใช้บริการฯ” ซึ่งเราจะกำหนดให้เป็นตัวเลขในรูปแบบที่เรียกว่า “ตัวแปรหุ่น” (Dummy Variable) โดยกำหนดให้ = “0” ในกรณีที่ไม่ตัดสินใจใช้บริการฯ และเท่ากับ “1” ในกรณีที่เลือกตัดสินใจใช้บริการ
ในกรณีเช่นนี้ผู้วิจัยสามารถใช้โปรแกรมวิเคราะห์ EViews ในการวิเคราะห์ผลได้ เช่นเดียวกับโปรแกรมอื่นๆ เช่น SPSS STATA หรือ SAS เป็นต้น
ตามตัวอย่างข้างต้น ผู้วิจัยกำหนดตัวแปรตามให้มี 2 ทางเลือก คือ “ใช้บริการ” และ “ไม่ใช้บริการ” ซึ่งเรียกรูปแบบดังกล่าวนี้ว่า “Binary Logistic Regression” อย่างไรก็ตาม นักวิจัยสามารถกำหนดตัวแปรตาม ให้มีมากกว่า 2 ทางเลือกได้ เช่น มีการเพิ่มทางเลือกที่ 3 คือ “ไม่แน่ใจ”ซึ่งเรียกว่าการวิเคราะห์แบบ “Multinomial Logistic Regression” ซึ่งมีตัวแปรตามตั้งแต่ 3 ทางเลือกขึ้นไป เช่น “กิน,ไม่กิน,ไม่แน่ใจ” “นอน,ไม่นอน,อาจจะนอน” “ไป,ไม่ไป,ถามเพื่อนก่อน” เหล่านี้เป็นต้น
โดยลักษณะของการวิเคราะห์ข้อมูลด้วย EViews ตามแบบจำลองทั้ง “Binary Logistic Regression” และ “Multinomial Logistic Regression” นี้ จะอยู่ในรูปแบบของสมการถดถอยหรือ Regression ที่นักวิจัยคุ้นเคย และตัวแปรอิสระสามารถเป็นได้ทั้งแบบเชิงปริมาณและข้อมูลที่มีลักษณะเป็นตัวแปรหุ่น (Dummy Variable) ได้เช่นกัน เช่น เพศ คือ ชาย และ หญิง โดยอาจกำหนดให้เพศชายเป็น “0” หากคาดว่าถ้าเป็นเพศหญิงจะมีแนวโน้มใช้บริการสินค้าและบริการมากกว่าเป็นต้น
ลักษณะของการวิเคราะห์ด้วย EViews แบบ Logistic Regression นี้มีลักษณะที่นักสถิติเรียกว่า “ฟังก์ชั่นความน่าจะเป็น” เนื่องจากโดยหลักเกณฑ์ทางทฤษฎีสถิติ การวิเคราะห์การถดถอยแบบ Logistic มีเป้าหมายหลักคือเพื่อพิจารณาว่า ตัวแปรอิสระหรือตัวแปรพยากรณ์ใดบ้างที่สามารถอธิบายตัวแปรเกณฑ์ (หรือตัวแปรตาม) ซึ่งเป็นตัวแปรทวิหรือตัวแปรพหุกลุ่มตามที่ได้อธิบายแล้ว ซึ่งในการวิจัยด้วยเทคนิคนี้ มีประเด็นสำคัญดังนี้
- มีตัวแปรอิสระใดบ้างที่สามารถใช้อธิบายหรือคาดการณ์โอกาสของการเกิดเหตุการณ์หรือการไม่เกิดเหตุการณ์ที่สนใจตามตัวแปรตามหรือตัวแปรเกณฑ์ รวมไปถึงการศึกษาระดับความสัมพันธ์ของตัวแปรทำนายแต่ละตัวได้
- เป็นรูปแบบของการพยากรณ์หรือทำนายโอกาสที่จะเกิดเหตุการณ์ที่สนใจ จากสมการ Logistic ที่เหมาะสม ซึ่งทำการเลือกตัวแปรที่เหมาะสมเพื่อทำให้โอกาสของความถูกต้องในการทำนายมีระดับที่มากที่สุด
เงื่อนไขจำเป็นสำหรับการวิเคราะห์การถดถอยแบบ Logistic มีความเหมือนหรือแตกต่างบางประการจากลักษณะของการทำนายตัวแปรอิสระและตัวแปรตามด้วย Regression ปกติ ที่เรามักจะได้ยินคำว่า BLUE ซึ่งผู้วิจัยที่ทำการวิจัยด้วยการวิเคราะห์การถดถอยเชิงซ้อน (Multiple Regression Analysis) ด้วยวิธีกำลังสองน้อยที่สุด (Ordinary Least Square Method : OLS) จะคุ้นเคยเป็นอย่างดี
อันที่จริงแบบจำลอง Logistic นี้สามารถวิเคราะห์ด้วยโปรแกรมสำเร็จรูปทางสถิติได้เกือบทุกโปรแกรมหรืออาจจะกล่าวว่าได้ทุกโปรแกรม ซึ่งมีความยากง่ายหรือความสะดวกแตกต่างกันไปตามพื้นฐานและความถนัดในการใช้โปรแกรม ซึ่งผู้เขียนบทความได้ยินได้ฟังนักวิจัยบางท่านกล่าวว่าใช้ SPSS ง่ายที่สุดหรือ โปรแกรม R ดีที่สุด หรือ STATA ก็สามารถทำได้เช่นกัน ซึ่งผู้เขียนบทความเคยวิเคราะห์และนำผลมาเปรียบเทียบกันพบว่าผลที่ได้ไม่แตกต่างกัน อาจจะแตกต่างกันในระดับทศนิยมบางตัวแปรซึ่งไม่ทำให้ผลการวิเคราะห์แตกต่างกันอย่างมีนัยสำคัญ ขึ้นอยู่กับความเคยชินคุ้นเคยของผู้วิจัยเอง การวิเคราะห์ข้อมูลด้วยโปรแกรมEVIEW เป็นอีกทางเลือกหนึ่งที่สามารถทำได้ไม่ยากนัก
