การตีความผิดพลาดจากการวิเคราะห์ Chi square test
ภาพที่แสดงเป็น การเปรียบเทียบค่าขนาดความสัมพันธ์แบบรายคู่ (1x vs 1y) กับการวิเคราะห์ความสัมพันธ์ที่คำนึงถึงผลกระทบจากตัวแปรอื่น ดังนี้
- ความสัมพันธ์ระหว่างการดื่มแอลกอฮอล์ (Alcohol) กับการเกิดโรคมะเร็งปอด (CA Lung) โดยมีการสูบบุหรี่ (Smoking) เป็นตัวแปรกวน (Confounding factor) หากดูแค่ Alcohol กับ CA Lung ดูเหมือนว่าจะมีความสัมพันธ์กันมาก โดยให้ค่าขนาดความสัมพันธ์ 2.3 เท่า แต่เมื่อดู effect จาก Smoking แล้ว จะเห็นว่า Alcohol ไม่มีความสัมนธ์กับ CA Lung เลย ให้ค่า OR = 1.0
- ความสัมพันธ์ระหว่างการสูบบุหรี่ (Smoking) กับโรคมะเร็งปอด (CA Lung) โดยมีการออกกำลังกาย (Exercise) เป็น Effect modifier จะเห็นว่า Smoking กับ CA Lung มีความสัมพันธ์กัน โดยให้ค่า OR=1.5 แต่เมื่อนพิจารณาความสัมพันธ์ของทั้งสอง ในกลุ่มของคนที่ไม่ออกกำลังกายและออกกำลังกาย จะเห็นว่า ได้ค่า OR = 4.0 , 1.0 ตามลำดับ

ดังนั้นการอธิบายความสัมพันธ์ระหว่าง Smoking กับ CA lung จะต้องอธิบายตามกลุ่มของ Exercise จึงจะเหมาะสมกว่านี้เป็นตัวอย่างที่ชี้ให้เห็นว่า การวิเคราะห์ความสัมพันธ์แบบรายคู่ อาจจะเป็นการรายงานที่ไม่เหมาะสมที่จะบอกได้เลยว่าปัจจัยดังกล่าวมีผลต่อสิ่งที่เราสนใจ และอาจทำให้คนที่อ่านอีกหลายคนเชื่อ (เข้าใจ) ผิดๆ ไปได้ แต่ไม่ได้ว่าใช้ไม่ได้ ต้องดูว่าผู้วิจัยต้องการทำวิจัยเพื่อแค่พรรณนาขนาดของปัญหา (Descriptive) หรือ ต้องการทำนาย (predictive) หรือบอกความสัมพันธ์ (Association) ที่แท้จริงได้เลย.

โพสน์อีกครั้ง เรื่อง Chi square (ไม่มีเจตนาอวดรู้แต่อย่างใด) มีคนอ่านแล้วเข้าใจ ให้โพสน์ไว้เพื่อเป็นประโยชน์ต่อคนอื่นๆ ที่สนใจ หากมีประเด็นใดที่ไม่ถูกต้อง ขอให้เสนอแนะได้นะครับ

คือมีผู้วิจัยท่านหนึ่ง มาถามเรื่องสถิติ Chi square แต่พอแนะนำไปกลับเกิดปัญหาว่า ทำไมถึงใช้ไม่ได้ ทำไม...แนะนำให้ใช้ นี้ต้องรื้อใหม่เลยหรอ ก็เลยอธิบายให้ไปเป็นทางเลือก แล้วผู้วิจัยเลือกเองก็แล้วกัน ถือว่าเราได้แนะนำท่านแล้ว ดังนี้
1. สถิติ Chi square นั้น เป็นการวิเคราะห์ความสัมพันธ์ระหว่างตัวแปรอิสระ (x) 1 ตัวแปร กับตัวแปรตาม (y,outcome) 1 ตัวแปร (ซึ่งเป็นข้อมูลแบบกลุ่ม เช่น ตาย,ไม่ตาย) ที่สนใจเท่านั้น
2. ความสัมพันธ์ที่เกิดขึ้นนั้น ไม่สนใจผลกระทบของตัวแปรอื่นเลย หรือไม่ได้เอาผลกระทบจากตัวแปรอื่นมาร่วมในการวิเคราะห์ (พร้อมกัน) ด้วย
3. ในความเป็นจริงแล้ว ไม่มีอะไรเกิดขึ้นจากปัจจัยเดียว เราต้องดูผลกระทบจากตัวแปรอื่นด้วย จึงจะสามารถสรุปในเชิงสาเหตุและผลได้ (Cause-effect)
4. เมื่อไม่ได้ดูกระทบจากตัวแปรอื่น จะทำให้ค่าของความสัมพันธ์ที่ได้มากกว่าหรือน้อยกว่าความเป็นจริง (Over or Under estimate)
5. การวิเคราะห์แบบ Chi square ค่าที่ได้จะมีค่า p-value บอกนัยสำคัญเท่านั้น ไม่ได้ค่าขนาดความสัมพันธ์ตรงๆ หากตรงการค่าขนาดความสัมพันธ์ จะต้องวิเคราะห์ chi square ในวิธีการอื่นหรือรายละเอียดลงไปอีก จึงจะได้ค่าขนาดความสัมพันธ์ นั้นคือ OR, 95% CI (ตามรูปแบบการวิจัย) อันนี้สำคัญมาก เพื่ออนุมานไปสู่การอธิบายในประชากร