t-test

การวิเคราะห์ผลทางสถิติแบบ t-test
(t-test for statistical analysis )
การวิเคราะห์โดยใช้ t-test นี้ เป็นการวิเคราะห์หาความแตกต่างของข้อมูล กระบวนการทางสถิติ t-test เป็นการแจกแจงแบบ Student’s t สำหรับเปรียบเทียบค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และความคลาดเคลื่อนมาตรฐานในแต่ละตัวแปรด้วย จะนำเสนอใน 4 หัวข้อคือ
- การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน 
- การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกันโดยใช้ผลต่างของคะแนน (t-test Difference Score)
- การทดสอบสมมติฐานของกลุ่มตัวอย่าง  2  กลุ่มที่สัมพันธ์กัน 
- การวิเคราะห์กรณีเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างกับประชากรหรือค่าคงที่ในทฤษฎี
1. การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน
ในการทดสอบสมมติฐานกรณีที่ต้องการหาความแตกต่างของค่าเฉลี่ยของกลุ่มตัวอย่างกลุ่มหนึ่งว่าแตกต่างจากอีกกลุ่มหนึ่งหรือไม่ เช่น ในการวิจัยเชิงทดลองต้องการทดสอบผลสัมฤทธิ์ทางการเรียนของกลุ่มที่ได้รับการสอนแบบทักษะกระบวนการว่ามีคะแนนเฉลี่ยสูงกว่ากลุ่มควบคุมหรือไม่ ในกรณีนี้กลุ่มตัวอย่างสองกลุ่มเป็นอิสระจากกัน เราสามารถตั้งสมมติฐานได้ดังนี้
สมมติฐาน
 H0  : 1 =  2
 H1  : 1  2

สูตรคำนวณ
ขั้นแรก คำนวณหาว่ากลุ่มตัวอย่างทั้งสองกลุ่มมีความแปรปรวนของคะแนนผลสัมฤทธิ์ทางการเรียนแตกต่างกันหรือไม่ ด้วยสูตร t – test มีสมมติฐานดังนี้
    
  
 

คำนวณด้วยสูตร
 t =     ;   df   =   n1 – 1    ;  df   =   n2 – 1
ขั้นสอง  พิจารณาค่า t-test ถ้า t-test ที่คำนวณได้ไม่มีนัยสำคัญทางสถิตินั่นคือยอมรับ H0  แสดงว่า  ความแปรปรวนของทั้งสองกลุ่มเท่ากัน ใช้สูตร 1 (Pooled Variance) ถ้า F-test ที่คำนวณได้มีนัยสำคัญทางสถิตินั่นคือ ปฏิเสธ H0  ยอมรับ H1  แสดงว่าความแปรปรวนของทั้งสองกลุ่มไม่เท่ากันใช้สูตร 2 (Separate Variance)
ขั้นสาม   เลือกใช้สูตรคำนวณค่า t-test
   
สูตร 1  เมื่อ    
    
    t   =   
  
  df  =    n1+ n2 –1
 
สูตร 2  เมื่อ   
 
  t  =  

  
  df =

ตัวอย่าง 5.1  
จากการทดลองกับเด็กนักเรียน 2 กลุ่ม ผลปรากฏว่า เด็กแต่ละคนได้คะแนนดังนี้
กลุ่ม ก.     2     4     6     7     5     6    5     7     4
กลุ่ม ข.     4     6     8     10   9     8    6     9
จงทดสอบคะแนนเฉลี่ยระหว่าง  2 กลุ่มนี้ว่าแตกต่างกันหรือไม่

จากข้อมูลทำการลงรหัสได้ดังนี้
 id แทนรหัสประจำตัวของเด็กนักเรียน   
 group  แทนกลุ่ม ก. และ ข  โดยให้รหัส 1 แทนกลุ่ม ก., รหัส 2 แทนกลุ่ม ข.
 Score แทนคะแนนของนักเรียน 
        
กำหนดสถิติที่ใช้ ในที่นี้กลุ่มตัวอย่างทั้งสองกลุ่มเป็นอิสระจากกันจึงใช้ T-test independent ทำการหาค่าสถิติและป้อนข้อมูลดังนี้

 

 

 

 

 

 

รูปที่ 5.1  บันทึกข้อมูลนักเรียน 2 กลุ่มตัวอย่าง ลงใน SPPS Data Editor 

คำสั่ง t-test group เป็นคำสั่งใช้ในการคำนวณหาค่าสถิติ T-test independent โดยกลุ่มตัวอย่างทั้ง 2 กลุ่มเป็นอิสระจากกัน

  การวิเคราะห์ค่า  t-test  โดยใช้คำสั่ง Compare Means
 ใช้เมนูหลัก “Analyze” เมนูรอง “Compare Means” เมนูย่อยIndependent-Samples T-test ”
จะปรากฏหน้าต่าง “Independent-Samples T-test”

         

 

รูปที่ 5.2  หน้าต่าง Independent-Samples T-test เพื่อกำหนดค่าตัวแปร

เลือกตัวแปรตามใส่ช่อง “Test Variable(s) :” และตัวแปรอิสระใสในช่อง “Grouping Variable :” ในที่นี้ตัวแปรตามคือตัวแปร “score” และตัวแปรจัดกลุ่มคือ “group” จากนั้นคลิกปุ่ม “Define Group…” จะปรากฏหน้าต่าง

 

 

 

รูปที่ 5.3  หน้าต่าง Define Group เพื่อใส่รหัสตัวเลขแทนชื่อกลุ่ม
 ให้ใส่รหัสของตัวแปร “group” ที่แทนกลุ่มที่ 1 และรหัสที่แทนกลุ่มที่ 2 ซึ่งในที่นี้เราใช้รหัส 1 แทนกลุ่ม ก. และรหัส 2 แทนกลุ่ม ข. จากนั้นคลิกปุ่ม “Continue” แล้วคลิกปุ่ม “OK” โปรแกรมจะแสดงผลลัพธ์ในหน้าต่าง “Output”

 

 

 

 

 

 

รูปที่ 5.4 ค่าสถิติพื้นฐานของกลุ่มนักเรียนในหน้าต่าง Output

 

ผลลัพธ์จากการประมวลผลในตาราง Output จะแสดงค่าสถิติพื้นฐานของตัวแปรตาม (score) โดยจำแนกตามกลุ่ม (group) โปรแกรมจะทำการทดสอบดังนี้
(1) การทดสอบความแปรปรวน (โดยใช้ค่าสถิติ  t-test ) ปรากฏว่า ค่า t-test เท่ากับ 0.689 มีนัยสำคัญทางสถิติ (Sig.) ที่ระดับ .419  มีค่ามากกว่า .05 แสดงว่า 
- ความแปรปรวนของ 2 กลุ่มแตกต่างกันอย่างไม่มีนัยสำคัญทางสถิติ  หรือ
- ทั้งสองกลุ่มมีความแปรปรวนใกล้เคียงกัน
(2) ในการทดสอบสมมติฐาน (โดยใช้ค่าสถิติ t-test)  ปรากฏว่า  ค่า t-test เท่ากับ –2.72, มีนัยสำคัญทางสถิติ (Sig.) ที่ระดับ .016  มีค่าน้อยกว่า .05  แสดงว่า
- นักเรียนทั้งสองกลุ่มมีค่าคะแนนเฉลี่ยแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05  โดยกลุ่มที่ 2  มีค่าคะแนนเฉลี่ยสูงกว่ากลุ่มที่ 1  หรือ
- เมื่อพิจารณาจากสมมติฐานจะเห็นว่า : ปฏิเสธ  H0  แต่ยอมรับ H1  
2. การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน  โดยใช้ผลต่างของคะแนน (t-test Difference Score)
เป็นการทดสอบความแตกต่างของผลต่างของคะแนนระหว่างกลุ่มตัวอย่าง 2 กลุ่มที่เป็นอิสระจากกัน โดยมากมักจะใช้กับงานวิจัยเชิงทดลองที่ต้องการเปรียบเทียบกลุ่มทดลองและกลุ่มควบคุม และมีการทดสอบก่อนทดลองและหลังทดลอง โดยมีขั้นตอนดังนี้
สมมติฐาน
 H0  : 1 =  2
 H1  : 1  2
สูตรคำนวณ
 t       =         

 df     =           n1 +  n2 -  2

 

 

 

 

ตัวอย่าง 5.2
 ในการทดลองวิธีการสอนแบบใช้สื่อวีดีโอโดยเปรียบเทียบกับการสอนแบบปกติ ผู้วิจัยได้แบ่งกลุ่มตัวอย่างออกเป็น 2 กลุ่ม ๆ ละ 10 คน โดยกลุ่มแรกเป็นกลุ่มควบคุมใช้วิธีการสอบแบบปกติ และกลุ่มที่สองเป็นกลุ่มทดลองเสร็จจึงดำเนินการทดสอบหลังทดลอง ผลการทดลองปรากฏดังนี้
กลุ่มควบคุม กลุ่มทดลอง
ก่อนทดลอง หลังทดลอง ก่อนทดลอง หลังทดลอง
20
24
28
24
26
25
23
23
25
27 41
32
42
41
43
32
44
42
45
45 23
24
13
23
20
19
23
23
14
22 47
48
36
42
47
45
43
42
39
46

 วิธีการสอนทั้งสองนี้จะทำให้เด็กมีพัฒนาการทางการเรียนแตกต่างกันหรือไม่

 ดำเนินการลงรหัสตัวแปรดังนี้
  id แทน  คนที่
  group แทน  กลุ่มทดลองและกลุ่มควบคุม โดยให้
รหัส 1 แทน  กลุ่มควบคุมคือวิธีการสอนแบบปกติ และ
รหัส 2 แทน  กลุ่มทดลองคือวิธีการสอนโดยใช้สื่อวีดีโอ
 pre แทน  คะแนนสอบก่อนทดลอง
 post แทน  คะแนนสอบหลังทดลอง

 

 

กำหนดสถิติที่ใช้ ในที่นี้กลุ่มตัวอย่างทั้งสองกลุ่มเป็นอิสระจากกันจึงใช้ T-test independent ทำการหาค่าสถิติและป้อนข้อมูลได้ดังนี้

 

 

 

 

 

 

รูปที่ 5.5 บันทึกข้อมูลของนักเรียน 2 กลุ่ม ลงใน SPPS Data Editor 
วิธีการคำนวณโดย SPSS 10.0 for Windows
 ก่อนจะหา  T-test ต้องคำนวณผลต่างของคะแนนเสียก่อน จากตัวแปรที่ป้อน 3 ตัวแปรคือ Group, Pretest และ Posttest เราต้องสร้างตัวแปรใหม่สมมติให้ชื่อว่า D เป็นตัวแปรที่เกิดจากผลต่างของคะแนนสอบก่อนกับคะแนนสอบหลัง (Posttest- Pretest)  ดังนี้
 ให้คลิกที่เมนูหลัก “Transform” และเลือกเมนูย่อย “Compute…” จะปรากฏหน้าต่าง “Compute Variable:” ให้พิมพ์ชื่อตัวแปรใหม่ที่จะสร้างในที่นี้ให้ชื่อว่าตัวแปร “D” ในช่อง “Target Variable”  และในช่อง “Numeric Expression:” ให้ใส่ตัวแปร Post โดยคลิกตัวแปรจากช่องทางซ้ายมาใส่ แล้วพิมพ์เครื่องหมายลบ (-) แล้ว คลิกตัวแปร Pretest จากช่องทางซ้ายมาใส่ จะได้ดังรูป

 

 

รูปที่ 5.6  หน้าต่าง Compute Variable เพื่อใส่ตัวแปร Post-Pretest

 จากนั้นคลิก OK โปรแกรมจะสร้างตัวแปร D ให้อีกตัวหนึ่งในหน้าต่างข้อมูล

 

 

 

          

 

รูปที่ 5.7  ตัวแปร D ที่ถูกสร้างขึ้นใน SPPS Data Editor 
ต่อจากนั้นวิเคราะห์ความแตกต่างเหมือนกับการวิเคราะห์ T-test Independent ในหัวข้อข้างต้นทุกประการ เพียงแต่การเลือกตัวแปรตามใส่ช่อง “Test Variables(s) :” ให้เลือกตัวแปร D แทน เมื่อได้ผลแล้วให้แปรผลเหมือนที่กล่าวไว้แล้วข้างต้น

 

 

 

 

รูปที่ 5.8  ค่าสถิติพื้นฐานของกลุ่มนักเรียนในหน้าต่าง Output

ผลลัพธ์จากการประมวลผลในตาราง Output จะแสดงค่าสถิติพื้นฐานของตัวแปรตาม (score) โดยจำแนกตามกลุ่ม (group) โปรแกรมจะทำการทดสอบดังนี้
(1) การทดสอบความแปรปรวน (โดยใช้ค่าสถิติ  F-test ) ปรากฏว่า ค่า F-test เท่ากับ 5.806มีนัยสำคัญทางสถิติ (Sig.) ที่ระดับ .027 มีค่าน้อยกว่า  .05 แสดงว่า 
- ความแปรปรวนของ 2 กลุ่มแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05  หรือ
- ทั้งสองกลุ่มมีความแปรปรวนแตกต่างกัน
(2) ในการทดสอบสมมติฐาน (โดยใช้ค่าสถิติ T-test)  ปรากฏว่า  ค่า T-test เท่ากับ –3.444, มีนัยสำคัญทางสถิติ (Sig.) ที่ระดับ .003  มีค่าน้อยกว่า .05  แสดงว่า
- นักเรียนทั้งสองกลุ่มมีค่าคะแนนเฉลี่ยแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05  โดยกลุ่มทดลองมีค่าคะแนนเฉลี่ยสูงกว่ากลุ่มควบคุม  หรือ
- เมื่อพิจารณาจากสมมติฐานจะเห็นว่า : ปฏิเสธ  H0  แต่ยอมรับ H1   

3. การทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์กัน (t-test Dependent)
ในการเปรียบเทียบค่าเฉลี่ยสองค่าว่ามีความแตกต่างกันหรือไม่ โดยค่าเฉลี่ยทั้งสองค่านี้วัดมาจากกลุ่มตัวอย่าง 2 กลุ่มที่สัมพันธ์ โดยอาจจะวัดมาจากกลุ่มตัวอย่างกลุ่มเดียวกัน 2 ครั้ง หรือวัดมาจากกลุ่มตัวอย่าง 2 กลุ่มที่ได้มาจากการจับคู่คุณลักษณะที่เท่าเทียมกัน มีวิธีการคำนวณหาความแตกต่างของค่าเฉลี่ย ดังนี้
สมมติฐาน
 H0  : 1 =  2
 H1  : 1  2

สูตรคำนวณ
 t       =         

 df     =         n  -  1

 

 

ตัวอย่าง 5.3
นำเอาสุกรที่มีคุณสมบัติเหมือน ๆ กันมาศึกษา 8 คู่ แล้วแบ่งแต่ละคู่ออกเป็น 2 กลุ่ม กลุ่มแรกให้กินรำอย่างเดียว กลุ่มที่ 2 ให้กินรำกับผัก เลี้ยงไว้นาน 6 เดือน ได้น้ำหนักเป็นกิโลกรัม ดังนี้
คู่ที่ 1 2 3 4 5 6 7 8
กลุ่มที่ 1 50 58 51 60 49 50 47 51
กลุ่มที่ 2 54 60 57 64 53 52 50 55
ทดสอบว่า การให้อาหารหมู 2 ชนิด  มีผลทำให้น้ำหนักหมูแตกต่างกันหรือไม่
 จากข้อมูลทำการลงรหัสได้ดังนี้
  Pair     แทนคู่ที่  
  Weight 1    แทนน้ำหนักของกลุ่มที่ 1
  Weight 2    แทนน้ำหนักของกลุ่มที่ 2     
กำหนดสถิติที่ใช้ ในที่นี้กลุ่มตัวอย่างทั้งสองกลุ่มสัมพันธ์จึงใช้ T-test dependent ทำการคำนวณและป้อนข้อมูลได้ดังนี้

 

 

         

 

 

 

รูปที่ 5.9  บันทึกข้อมูลของสุกร 2 กลุ่ม ลงใน SPPS Data Editor 

วิธีการคำนวณโดย SPSS 10.0 for Windows
 ใช้เมนูหลัก “Analyze” เมนูรอง “Compare Means” เมนูย่อย “Paired-Samples T Test” จะปรากฏหน้าต่าง “Paired-Samples T Test” ให้เลือกคู่ของตัวแปรที่ต้องการทดสอบให้มาอยู่ในช่อง “Paired Variables:” โดยการคลิกที่ละตัวแปร ในตอนแรกให้คลิก “weight1” จะปรากฏตัวแปร “ weight2” เป็น  “Variable 1:” ภายในกรอบ “Current Selections” แล้วคลิกลูกศรให้ตัวแปรทั้งสองย้ายมาอยู่ในกรอบ “Paired Variables:” แล้วคลิกปุ่ม “OK”

 

 

         

รูปที่ 5.10  หน้าต่าง Paired Variables เพื่อใส่ตัวแปร weight1-weight2
 
โปรแกรมจะแสดงผลการวิเคราะห์ในตาราง “Output”

 

 

 

 

 

 

 

รูปที่ 5.11 ค่าสถิติพื้นฐานของกลุ่มสุกรในหน้าต่าง Output
 ตารางแรกจะเสนอค่าสถิติพื้นฐานของทั้ง 2 ตัวแปร ตารางสองจะแสดงค่าสหสัมพันธ์ระหว่าง 2 ตัวแปร และตารางที่ 3 จะแสดงค่าสถิติ t-test
 ในการวิเคราะห์ T-test dependent ในขั้นแรกโปรแกรมจะคำนวณค่าสถิติพื้นฐานของตัวแปรคู่ที่จะทำการทดสอบสมมติฐาน แล้วจึงทำการทดสอบสมมติฐานด้วย T-test dependent ให้ค่าเฉลี่ยของความแตกต่าง (D) ความเบี่ยงเบนมาตรฐาน และความคลาดเคลื่อนมาตรฐาน
จากการประมวลผลการทดสอบของโปรแกรมมีดังนี้
(1) ค่าสถิติสหสัมพันธ์ (Correlation) เท่ากับ .959 มีนัยสำคัญทางสถิติ(Sig.) ที่ระดับ .000 มีค่าน้อยกว่า .01  แสดงว่า
- ค่าตัวแปรทั้งสองตัวมีความสัมพันธ์กันอย่างมีนัยสำคัญทางสถิติที่ระดับ .01  หรือ
- ตัวแปรทั้งสองตัวมีความสัมพันธ์กัน
(2) ในการทดสอบสมมติฐาน (โดยใช้ค่าสถิติ T-test)  ปรากฏว่า  ค่า T-test เท่ากับ –7.872 มีนัยสำคัญทางสถิติ (Sig.) ที่ระดับ .000  มีค่าน้อยกว่า .01  แสดงว่า
- สุกรทั้งสองกลุ่มมีน้ำหนักตัวแตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .01 โดยที่สุกรกลุ่มที่ 2  กินผักกับรำมีน้ำหนักเฉลี่ยสูงกว่าสุกรกลุ่มที่ 1  ที่กินรำอย่างเดียว
- เมื่อพิจารณาจากสมมติฐานจะเห็นว่า : ปฏิเสธ  H0  แต่ยอมรับ H1   

4. การวิเคราะห์กรณีเปรียบเทียบค่าเฉลี่ยของกลุ่มตัวอย่างกับประชากรหรือค่าคงที่ในทฤษฎี
ใช้ทดสอบค่าเฉลี่ยของกลุ่มตัวอย่างกับค่าเฉลี่ยของกลุ่มประชากร หรือค่าคงที่จากทฤษฎีใดทฤษฎีหนึ่ง หรือค่าคงที่ค่าใดค่าหนึ่งที่ผู้วิจัยต้องการเปรียบเทียบ
สมมติฐาน
 H0  : 1 =  2
 H1  : 1  2

สูตรคำนวณ

 t       =            ; df   =   n  -  1

 

 

ตัวอย่าง 5.4        
ตามทฤษฎีทางเคมีของสารประกอบชนิดหนึ่ง   มีส่วนประกอบของเหล็กคิดเป็น  11.8 เปอร์เซ็นต์ เพื่อทดสอบทฤษฎีที่นักเคมี  ได้ทำการทดลองสารประกอบชนิดนี้ต่าง ๆ กัน 9 ครั้ง
11.6, 12.1, 10.4, 11.8, 11.3, 12.0, 11.0, 10.4, 11.8
จะตัดสินได้หรือไม่ว่า เปอร์เซ็นต์เฉลี่ยของเหล็กในสารประกอบจะแตกต่างไปจาก 11.8 อย่างมีนัยสำคัญทางสถิติ
 คำสั่ง T-test คำสั่งเดียวสามารถใช้ได้ทั้งกรณีกลุ่มตัวอย่างเป็นอิสระจากกันและกลุ่มตัวอย่างสัมพันธ์ แต่ต้องวิเคราะห์ในกรณีกลุ่มตัวอย่างเป็นอิสระจากกันโดยใช้คำสั่ง t-test group ก่อน แล้วจึงตามด้วยการวิเคราะห์กลุ่มตัวอย่างสัมพันธ์กันโดยใช้คำสั่ง t-test pair
วิธีการคำนวณโดย SPSS 10.0 for Windows
 ใช้เมนูหลัก “Analyze” เมนูรอง “Compare Means” เมนูย่อย “One-Samples T Test” จะปรากฏหน้าต่าง “One-Sample T Test”
เลือกตัวแปรที่ต้องการใส่ในช่อง “Test Variable(s):” และพิมพ์ค่าคงที่ใส่ในช่อง “Test value:” ดังรูป

 

 

รูปที่ 5.12  หน้าต่าง One-Sample t- test  เพื่อใส่ตัวแปร Mix
 แล้วคลิก “OK” โปรแกรมจะประมวลผลแสดงผลลัพธ์ในหน้าต่าง Output

 

 

 

 

รูปที่ 5.13 ค่าสถิติพื้นฐานของเหล็กผสมในหน้าต่าง Output
 ตารางแรกเป็นการแสดงค่าสถิติพื้นฐานของตัวแปร และตารางสองเป็นการแสดงค่าสถิติ
t-test
ค่า t-test ที่คำนวณได้คือ –1.95 ที่ df = 8 มีนัยสำคัญทางสถิติที่ .087 นั่นคือเปอร์เซ็นต์ของเหล็กในสารประกอบชนิดนี้เท่ากับ 11.8
- ในการทดสอบสมมติฐาน (โดยใช้ค่าสถิติ t-test)  ปรากฏว่า  ค่า t-test มีนัยสำคัญทางสถิติ (Sig.) ที่ระดับ .087  มีค่ามากกว่า .05  แสดงว่า เปอร์เซ็นต์ของเหล็กในสารประกอบชนิดนี้มีค่าเท่ากับ  11.8  ซึ่งได้จากการทดสอบทางทฤษฎีกับการทดลองไม่แตกต่างกันอย่างมีนัยสำคัญทางสถิติที่ระดับ .05
- เมื่อพิจารณาจากสมมติฐานจะเห็นว่า : ยอมรับ  H0  แต่ปฏิเสธ  H1

5. บทสรุป
กระบวนการทางสถิติ t-test เป็นการทดสอบสมมติฐานของกลุ่มตัวอย่าง 2 กลุ่มเท่านั้น สามสามารถใช้โปรแกรม SPSS ประมวลผลเพื่อหาค่าสถิติ t-test ได้ กล่าวคือ
ในขั้นแรกต้องทำการทดสอบความเป็นอิสระหรือไม่มีความเป็นอิสระต่อกันของกลุ่มตัวอย่างทั้งสอง  โดยใช้วิธีการหาค่าสถิติ  t-test  เมื่อพบว่า
- ค่า t-test มีนัยสำคัญทางสถิติ (Sig.) มีค่ามากกว่าระดับ (.05 หรือ .10 ) ที่กำหนดไว้  แสดงว่า  กลุ่มตัวอย่างทั้งสองมีค่าความแปรปรวนไม่แตกต่างกันหรือไม่เป็นอิสระจากกัน
- หากค่า t-test มีนัยสำคัญทางสถิติ (Sig.) มีค่าน้อยกว่าระดับ (.05 หรือ .10) ที่กำหนดไว้  แสดงว่า  กลุ่มตัวอย่างทั้งสองมีค่าความแปรปรวนแตกต่างกันหรือเป็นอิสระจากกัน
ขั้นที่สอง  เป็นการทดสอบสมมติฐานโดยใช้วิธีการหาค่าสถิติ t-test   หากพบว่า
- ค่า t-test มีนัยสำคัญทางสถิติ (Sig.) มีค่ามากกว่าระดับ (.05 หรือ .10 ) ที่กำหนดไว้  แสดงว่า กลุ่มทั้งสองไม่มีความแตกต่างกัน  ซึ่งถือว่า ยอมรับ  H0  ปฏิเสธ H1
- หากค่า t-test มีนัยสำคัญทางสถิติ (Sig.) มีค่าน้อยกว่าระดับ (.05 หรือ .10 ) ที่กำหนดไว้  แสดงว่า กลุ่มทั้งสองมีความแตกต่างกัน  ก็จะถือว่า ปฏิเสธ H0   ยอมรับ H1