p-value คืออะไร และทำไมต้องรายงาน Effect Size ควบคู่เสมอ

p-value คือความน่าจะเป็นที่จะได้ข้อมูลแบบที่เห็นหรือสุดโต่งกว่านั้น ภายใต้สมมติฐานว่างและสมมติฐานเบื้องต้นทั้งหมดของแบบจำลอง จึงบอกไม่ได้ว่าผลใหญ่แค่ไหนหรือสำคัญเพียงใด บทความนี้อธิบายหลักการ 6 ข้อของ American Statistical Association ความเข้าใจผิดที่พบบ่อย และวิธีรายงาน effect size พร้อมช่วงความเชื่อมั่น 95% ด้วยตัวอย่างคำนวณใน R และกรณีศึกษาจากการทดลองทางคลินิกที่ตีพิมพ์จริง

p-value คืออะไร: นิยามที่ถูกต้องในประโยคเดียว

นักศึกษาบัณฑิตศึกษาจำนวนมากจำได้ว่า “ถ้า p น้อยกว่า 0.05 แปลว่ามีนัยสำคัญ” แต่เมื่อถูกถามต่อว่า p-value คือความน่าจะเป็นของอะไร คำตอบมักคลาดเคลื่อน นิยามที่ถูกต้องคือ ค่า p เป็นความน่าจะเป็นที่จะได้ค่าสถิติทดสอบเท่ากับที่สังเกตได้หรือสุดโต่งกว่านั้น ถ้า สมมติฐานว่าง (H₀) เป็นจริงและสมมติฐานเบื้องต้นอื่นของแบบจำลองถูกต้องทั้งหมด เช่น การสุ่ม ความเป็นอิสระของข้อมูล และรูปแบบการแจกแจง [1, 2]

คำว่า “ถ้า” ในนิยามนี้คือหัวใจของเรื่อง ค่า p ถูกคำนวณภายใต้เงื่อนไขว่าสมมติฐานว่างเป็นจริงอยู่แล้ว ดังนั้นค่า p จึงไม่สามารถบอกความน่าจะเป็นที่สมมติฐานว่างเป็นจริงได้ และไม่ได้บอกว่าผลที่พบมีขนาดใหญ่หรือมีความหมายทางคลินิกเพียงใด ค่า p ขึ้นกับสามสิ่งพร้อมกัน คือ ขนาดของผลจริง ความแปรปรวนของข้อมูล และจำนวนตัวอย่าง เมื่อจำนวนตัวอย่างมากพอ ผลที่เล็กมากก็ให้ค่า p ต่ำกว่า 0.05 ได้ ส่วนการศึกษาขนาดเล็กอาจได้ค่า p สูงแม้ผลจริงจะใหญ่พอสมควร

ด้วยเหตุนี้วารสารสายแพทย์และสายสังคมศาสตร์จึงคาดหวังให้ผู้เขียนรายงาน ขนาดผล (effect size) และ ช่วงความเชื่อมั่น (confidence interval, CI) ควบคู่กับค่า p ค่า p ตอบคำถามว่า “ข้อมูลเข้ากันได้กับสมมติฐานว่างแค่ไหน” ส่วน effect size ตอบคำถามที่ผู้อ่านอยากรู้จริง คือ “ผลใหญ่แค่ไหน” และ CI ตอบว่า “เรามั่นใจในตัวเลขนั้นเพียงใด” [3]

แถลงการณ์ ASA ปี 2016: หลักการ 6 ข้อที่ผู้เขียนทุกคนควรรู้

วันที่ 7 มีนาคม 2016 สมาคมสถิติอเมริกัน (American Statistical Association, ASA) ออกแถลงการณ์อย่างเป็นทางการเรื่องนัยสำคัญทางสถิติและค่า p โดยประธาน ASA ขณะนั้นระบุว่าเป็นครั้งแรกที่ประชาคมนักสถิติในนามคณะกรรมการบริหารของ ASA ออกแถลงการณ์ในประเด็นนี้ แถลงการณ์เผยแพร่ใน The American Statistician โดย Wasserstein และ Lazar [1] เอกสารข่าวของ ASA อ้างคำพูดของผู้อำนวยการบริหารว่า “ค่า p ไม่เคยถูกออกแบบมาให้ใช้แทนการให้เหตุผลทางวิทยาศาสตร์” และระบุว่าแถลงการณ์นี้ตั้งใจนำงานวิจัยเข้าสู่ยุคหลัง p < 0.05 [4] หลักการทั้ง 6 ข้อและความหมายเชิงปฏิบัติสรุปได้ดังตาราง

สามปีต่อมา The American Statistician ออกฉบับพิเศษกว่า 40 บทความในหัวข้อ “a world beyond p < 0.05” โดยบทบรรณาธิการนำของ Wasserstein, Schirm และ Lazar สรุปว่าถึงเวลาเลิกใช้คำว่า “statistically significant” โดยสิ้นเชิง (it is time to stop using the term entirely) ทั้งนี้บทบรรณาธิการระบุชัดว่าเป็นความเห็นของบรรณาธิการทั้งสามในฐานะบุคคล ไม่ใช่จุดยืนที่ ASA รับรอง [5] ในเดือนเดียวกัน วารสาร Nature ตีพิมพ์บทความความเห็นของ Amrhein, Greenland และ McShane ที่มีผู้ร่วมลงนามกว่า 800 คน เรียกร้องให้เลิกใช้แนวคิดนัยสำคัญทางสถิติแบบแบ่งขั้ว แต่ผู้เขียนย้ำว่าไม่ได้เรียกร้องให้ห้ามใช้ค่า p [6] ข้อเสนอที่ตรงกันของทุกฝ่ายจึงไม่ใช่การยกเลิกค่า p แต่เป็นการรายงานค่า p ที่แท้จริง (เช่น p = 0.032 แทน p < 0.05) และตีความร่วมกับขนาดผลและความไม่แน่นอนของการประมาณค่า

ความเข้าใจผิดเรื่องค่า p ที่พบบ่อย (Greenland et al., 2016)

บทความของ Greenland และคณะใน European Journal of Epidemiology รวบรวมการตีความผิดของค่า p ช่วงความเชื่อมั่น และอำนาจการทดสอบไว้ 25 ข้อ พร้อมคำอธิบายว่าทำไมจึงผิด [2] ข้อที่เกี่ยวข้องกับการเขียนผลและอภิปรายผลในบทความโดยตรงมีดังนี้

ตัวอย่างในบทความของ Greenland และคณะที่ควรจำคือ การทดลองแบบสุ่มสองชิ้น A และ B ที่เหมือนกันทุกอย่าง ยกเว้นค่า standard error ของผลต่างระหว่างกลุ่มเท่ากับ 2 ในการทดลอง A และ 1 ในการทดลอง B ถ้าทั้งสองการทดลองพบผลต่างเท่ากันคือ 3 การทดสอบแบบปกติจะให้ p = 0.13 ในการทดลอง A แต่ p = 0.003 ในการทดลอง B ทั้งที่ผลของสองการศึกษาตรงกันทุกประการ [2] เราตรวจซ้ำด้วย R ได้ค่า 0.134 และ 0.0027 ตรงกัน

ตัวอย่างจากงานตีพิมพ์จริงที่ Amrhein และคณะยกไว้ใน Nature คือ งานศึกษาผลไม่พึงประสงค์ของยาต้านการอักเสบชุดหนึ่งสรุปว่ายา “ไม่สัมพันธ์” กับการเกิดภาวะหัวใจห้องบนสั่นพลิ้วรายใหม่ และอ้างว่าผลขัดแย้งกับงานก่อนหน้าที่มีนัยสำคัญ ทั้งที่งานนั้นพบ risk ratio 1.2 โดย 95% CI ครอบตั้งแต่ความเสี่ยงลดลง 3% ถึงเพิ่มขึ้น 48% (P = 0.091) ส่วนงานก่อนหน้าก็พบ risk ratio 1.2 เท่ากันพอดี เพียงแต่แม่นยำกว่า โดยมี CI จากความเสี่ยงเพิ่มขึ้น 9% ถึง 33% (P = 0.0003) [6] ผู้เขียนที่อภิปรายว่า “ผลของเราขัดแย้งกับงานก่อนหน้าเพราะงานนั้นไม่มีนัยสำคัญ” จึงกำลังตีความผิดตามข้อนี้โดยตรง วิธีที่ถูกต้องคือเปรียบเทียบขนาดผลและช่วงความเชื่อมั่นของทั้งสองงาน

ตัวอย่างคำนวณ: ผลเท่าเดิม แต่ค่า p เปลี่ยนตามขนาดตัวอย่าง

สมมติว่าโปรแกรมให้ความรู้ก่อนผ่าตัดช่วยลดคะแนนความวิตกกังวลได้จริงเฉลี่ย 3 คะแนน โดยคะแนนมีส่วนเบี่ยงเบนมาตรฐาน 10 คะแนน ขนาดผลที่แท้จริงจึงเท่ากับ Cohen’s d = 3/10 = 0.30 ซึ่ง Cohen จัดว่าอยู่ระหว่างผลขนาดเล็ก (0.2) กับปานกลาง (0.5) [7] เราจะเปรียบเทียบการศึกษาสองชิ้นที่พบผลต่างค่าเฉลี่ยเท่ากันพอดี ต่างกันเพียงจำนวนผู้เข้าร่วม

1. คำนวณ standard error ของผลต่าง: SE = SD × √(2/n) ได้ 2.58 เมื่อ n = 30 ต่อกลุ่ม และ 0.82 เมื่อ n = 300 ต่อกลุ่ม
2. คำนวณสถิติ t = ผลต่าง ÷ SE: ได้ t(58) = 1.16 และ t(598) = 3.67
3. แปลงเป็นค่า p สองทาง: การศึกษา A ได้ p = 0.250 การศึกษา B ได้ p = 0.00026
4. คำนวณ 95% CI ของผลต่าง = ผลต่าง ± t_0.975 × SE: การศึกษา A ได้ −2.17 ถึง 8.17 การศึกษา B ได้ 1.40 ถึง 4.60
5. เทียบ CI กับค่าความแตกต่างที่มีความหมายทางคลินิก (MCID): สมมติว่ากำหนด MCID ไว้ล่วงหน้าที่ 5 คะแนน การศึกษา A มี CI ครอบทั้ง 0 และ 5 จึงยังสรุปไม่ได้ทั้งสองทาง ส่วนการศึกษา B มี CI อยู่ต่ำกว่า 5 ทั้งช่วง แปลว่าโปรแกรมน่าจะมีผลจริง แต่ผลนั้นน่าจะเล็กกว่าระดับที่ผู้ป่วยรู้สึกได้

ผลสรุปที่สำคัญคือ ค่า p ของสองการศึกษาต่างกันเกือบพันเท่า ทั้งที่ขนาดผลเท่ากันทุกตำแหน่งทศนิยม ถ้าผู้เขียนรายงานเพียง “การศึกษา A ไม่มีนัยสำคัญ การศึกษา B มีนัยสำคัญ” ผู้อ่านจะเข้าใจผิดว่าทั้งสองงานให้ข้อสรุปตรงข้ามกัน การจำลองในภาพที่ 1 ขยายตัวอย่างนี้ไปยังขนาดตัวอย่าง 10 ถึง 500 คนต่อกลุ่ม โดยสุ่มข้อมูลใหม่ 2,000 ครั้งต่อขนาดตัวอย่าง จะเห็นว่าค่า p แกว่งมากระหว่างการศึกษาที่ทำซ้ำ และลดลงอย่างต่อเนื่องเมื่อ n เพิ่มขึ้น ขณะที่ผลจริงยังเท่าเดิม

ภาพที่ 2 แสดงอีกด้านของเรื่องเดียวกัน เมื่อผลที่พบเท่ากับ d = 0.30 ทุกครั้ง สิ่งที่เปลี่ยนตามจำนวนตัวอย่างคือความกว้างของช่วงความเชื่อมั่นเท่านั้น CI ที่แคบทำให้ค่า p เล็ก แต่ไม่ได้ทำให้ผลใหญ่ขึ้น การรายงาน d พร้อม CI จึงบอกผู้อ่านได้ครบทั้งขนาดผลและความแม่นยำ ส่วนค่า p ให้ข้อมูลเพียงมิติเดียว ตัวอย่างนี้ยังชี้ว่าการศึกษา A มีจำนวนตัวอย่างไม่พอตั้งแต่แรก หากต้องการอำนาจการทดสอบ 80% ที่ d = 0.3 ต้องใช้ประมาณ 176 คนต่อกลุ่ม

โค้ด R ด้านล่างทำซ้ำตัวเลขทั้งหมดในตารางได้ และใช้เป็นแม่แบบสำหรับข้อมูลจริงของคุณ

# การศึกษา B: ผลต่างค่าเฉลี่ย 3 คะแนน, SD 10, 300 คนต่อกลุ่ม
n <- 300; md <- 3; s <- 10
se <- s * sqrt(2 / n)                      # 0.8165
t  <- md / se; df <- 2 * n - 2              # t = 3.674, df = 598
p  <- 2 * pt(-abs(t), df)                   # p = 0.00026
md + c(-1, 1) * qt(0.975, df) * se          # 95% CI 1.40 ถึง 4.60
d  <- md / s                                # Cohen's d = 0.30
d + c(-1, 1) * 1.96 * sqrt(2/n + d^2/(4*n)) # 95% CI ของ d 0.14 ถึง 0.46

# ถ้ามีข้อมูลดิบ ใช้คำสั่งสำเร็จรูปได้
# t.test(score ~ group, data = dat, var.equal = TRUE)
# effectsize::cohens_d(score ~ group, data = dat)

# จำนวนตัวอย่างที่ต้องใช้เพื่อมีอำนาจการทดสอบ 80% ที่ d = 0.3
power.t.test(delta = 3, sd = 10, power = 0.80)  # n = 175.4 -> 176 คนต่อกลุ่ม

ตัวอย่างจริง: Physicians’ Health Study กับค่า p ที่เล็กมาก

รายงานฉบับสุดท้ายของการทดลองแอสไพรินใน Physicians’ Health Study ตีพิมพ์ใน New England Journal of Medicine ปี 1989 เป็นตัวอย่างที่ดีว่าค่า p ที่เล็กมากกับขนาดผลเชิงสัมบูรณ์เป็นคนละเรื่องกัน การทดลองแบบสุ่มนี้ติดตามแพทย์ 22,071 คน เฉลี่ย 60.2 เดือน และพบว่าการกินแอสไพริน 325 มิลลิกรัมวันเว้นวันลดความเสี่ยงกล้ามเนื้อหัวใจตายได้ร้อยละ 44 (relative risk 0.56, 95% CI 0.45 ถึง 0.70, P < 0.00001) [8]

ตัวเลขทั้งหมดดูน่าประทับใจ แต่บทคัดย่อเดียวกันรายงานอุบัติการณ์ไว้ที่ 254.8 ต่อ 100,000 คนต่อปีในกลุ่มแอสไพริน เทียบกับ 439.7 ในกลุ่มยาหลอก [8] เมื่อคำนวณผลต่างสัมบูรณ์จะได้ 184.9 ต่อ 100,000 คนต่อปี หรือราว 0.18 จุดร้อยละต่อปี ตลอดระยะติดตามเฉลี่ยราว 5 ปี ผลต่างสัมบูรณ์อยู่ที่ประมาณ 0.9 จุดร้อยละ คิดเป็น number needed to treat ประมาณ 108 คนในห้าปีเพื่อป้องกันกล้ามเนื้อหัวใจตายหนึ่งครั้ง (ตัวเลขชุดนี้เราคำนวณเองจากอัตราในบทคัดย่อ) นอกจากนี้ การศึกษาเดียวกันไม่พบการลดลงของการเสียชีวิตจากโรคหัวใจและหลอดเลือดโดยรวม (relative risk 0.96, 95% CI 0.60 ถึง 1.54) [8]

บทเรียนสำหรับผู้เขียนคือ ค่า P < 0.00001 บอกเพียงว่าข้อมูลไม่เข้ากับสมมติฐานว่าไม่มีผล ส่วนการตัดสินใจทางคลินิกต้องอาศัยผลสัมพัทธ์ ผลสัมบูรณ์ และช่วงความเชื่อมั่นร่วมกัน ซึ่งเป็นเหตุผลที่ CONSORT 2010 ข้อ 17b แนะนำให้รายงานทั้งผลสัมพัทธ์และผลสัมบูรณ์สำหรับผลลัพธ์แบบสองค่า [9]

ต้องรายงาน Effect Size และช่วงความเชื่อมั่นอย่างไร

มาตรฐานการรายงานหลักทั้งสายการแพทย์และสายสังคมศาสตร์พูดในทิศทางเดียวกัน ข้อแนะนำของ ICMJE (ปรับปรุงมกราคม 2026) ส่วนสถิติระบุว่า ผู้เขียนควรแสดงผลเป็นตัวเลขพร้อมตัวบ่งชี้ความคลาดเคลื่อนหรือความไม่แน่นอนที่เหมาะสม เช่น ช่วงความเชื่อมั่น และหลีกเลี่ยงการพึ่งการทดสอบสมมติฐานเพียงอย่างเดียว เช่น ค่า P ซึ่งไม่ได้สื่อข้อมูลสำคัญเรื่องขนาดผลและความแม่นยำของการประมาณค่า [10] CONSORT 2010 ข้อ 17a กำหนดให้รายงานผลของแต่ละกลุ่ม ขนาดผลที่ประมาณได้ และความแม่นยำ เช่น 95% CI สำหรับผลลัพธ์หลักและรอง [9]

ตารางต่อไปนี้สรุป effect size ที่เหมาะกับการวิเคราะห์ที่พบบ่อยในวิทยานิพนธ์และบทความวิจัย ตัวเลขในคอลัมน์ขวาเป็นตัวอย่างรูปแบบการเขียน ยกเว้นตัวเลขในแถว RR และ ARD/NNT ซึ่งมาจาก Physicians’ Health Study (ARD และ NNT เราคำนวณเองจากบทคัดย่อ)

หลักการเขียนผลที่ Reviewer คาดหวังมีสามส่วนเสมอ คือ ค่าประมาณ (point estimate) ช่วงความเชื่อมั่น และค่า p ที่แท้จริง เช่น “กลุ่มทดลองมีคะแนนความวิตกกังวลต่ำกว่ากลุ่มควบคุมเฉลี่ย 3.0 คะแนน (95% CI 1.4 ถึง 4.6; p < .001; d = 0.30)” จากนั้นในส่วน Discussion จึงตีความว่าขนาดผลนี้มีความหมายในทางปฏิบัติหรือไม่ โดยเทียบกับ MCID หรือหลักฐานจากงานก่อนหน้า ไม่ใช่เขียนเพียงว่า “พบความแตกต่างอย่างมีนัยสำคัญทางสถิติที่ระดับ .05” ซึ่งเป็นหนึ่งในจุดที่ทำให้บทความถูกส่งกลับตั้งแต่รอบแรก (ดูเพิ่มเติมใน 10 สาเหตุที่ทำให้บทความถูก Desk Rejected และวิธีป้องกัน)

ข้อควรระวังเรื่องเกณฑ์ 0.2, 0.5 และ 0.8 ของ Cohen คือ เกณฑ์เหล่านี้เป็นแนวทางทั่วไปสำหรับงานทางพฤติกรรมศาสตร์ ไม่ใช่มาตรฐานสากลสำหรับทุกสาขา [7] ในงานคลินิก ผลที่ d = 0.2 อาจสำคัญมากถ้าเป็นการลดอัตราตาย ส่วนในงานการศึกษา d = 0.5 อาจยังไม่คุ้มค่าถ้าโปรแกรมมีต้นทุนสูง การตีความจึงควรอิงบริบทของสาขาเสมอ

บริบทไทย: วารสารไทยและวิทยานิพนธ์คาดหวังอะไร

วารสารการแพทย์ไทยหลายฉบับอ้างอิงมาตรฐานสากลโดยตรง ตัวอย่างเช่น แนวทางสำหรับผู้เขียนของ Journal of the Medical Association of Thailand (J Med Assoc Thai) บนระบบ ThaiJO แนะนำอย่างยิ่งให้ผู้เขียนปฏิบัติตามแนวทางจริยธรรมการตีพิมพ์ของ COPE ข้อกำหนดการเตรียมต้นฉบับของ ICMJE และแนวทางการรายงานของเครือข่าย EQUATOR รวมถึงให้รายงานการทดลองแบบสุ่มตาม CONSORT 2010 เป็นขั้นต่ำ [11] เมื่อวารสารยึด ICMJE และ CONSORT การรายงานเพียงค่า p โดยไม่มีขนาดผลและ CI จึงสวนทางกับแนวทางที่วารสารแนะนำไว้เอง

ในสายสังคมศาสตร์และบริหารธุรกิจ นักวิชาการไทยก็เสนอประเด็นนี้ในวารสารไทยบนระบบ ThaiJO แล้ว บทความของสำเริง ไกยวงค์ ในวารสารปัญญาภิวัฒน์ ปี 2560 สรุปว่าผลลัพธ์ที่สำคัญที่สุดของการทดสอบสมมติฐานไม่ใช่ค่า p-value แต่เป็นขนาดผลกระทบ เพราะขนาดผลกระทบช่วยสื่อความสำคัญในทางปฏิบัติที่การทดสอบนัยสำคัญบอกไม่ได้ และผู้นำผลวิจัยไปปฏิบัติต้องการทราบขนาดของผลกระทบ ไม่ใช่เพียงนัยสำคัญทางสถิติ [12]

สำหรับวิทยานิพนธ์ระดับบัณฑิตศึกษา รูปแบบหนึ่งที่ยังพบได้คือการรายงานผลเป็นเครื่องหมายดอกจัน (* p < .05, ** p < .01) โดยไม่มีค่าประมาณหรือ CI เมื่อนำบทหนึ่งของวิทยานิพนธ์ไปเขียนเป็นบทความภาษาอังกฤษเพื่อส่งวารสารนานาชาติ ผู้เขียนควรปรับตารางผลใหม่ทั้งหมดให้มีผลต่างหรืออัตราส่วนพร้อม 95% CI ค่า p ที่แท้จริง และขนาดผลที่เหมาะกับสถิติที่ใช้ ประเด็นนี้ควรวางแผนตั้งแต่บท Methods โดยระบุ effect size ที่จะรายงานและเหตุผลของขนาดตัวอย่าง (อ่านเพิ่มเติมใน การเขียนส่วน Methods)

สรุป

• เขียนนิยามให้ถูก: p-value คือความน่าจะเป็นของข้อมูลแบบที่เห็นหรือสุดโต่งกว่า ภายใต้ สมมติฐานว่างและแบบจำลองที่ใช้ ไม่ใช่ความน่าจะเป็นที่สมมติฐานเป็นจริง
• รายงานค่า p ที่แท้จริง (เช่น p = .032) และใช้ p < .001 เมื่อค่าน้อยมาก แทนการใช้เครื่องหมายดอกจันหรือ “p < .05” อย่างเดียว
• ทุกผลการทดสอบหลักควรมีค่าประมาณ (ผลต่างค่าเฉลี่ย, RR, OR, HR, B) พร้อม 95% CI ตามที่ ICMJE แนะนำ (เมื่อเป็นไปได้) และ CONSORT ข้อ 17a กำหนดสำหรับการทดลองแบบสุ่ม
• เพิ่ม effect size มาตรฐานที่เหมาะกับการวิเคราะห์ (d หรือ g, η², Cramér’s V, r) และสำหรับผลลัพธ์แบบสองค่าทางคลินิกให้รายงานทั้งผลสัมพัทธ์และผลสัมบูรณ์
• กำหนด MCID หรือขนาดผลที่มีความหมายไว้ล่วงหน้า แล้วตีความ CI เทียบกับค่านั้น
• อย่าเขียนว่า “ไม่มีความแตกต่าง” เมื่อ p > 0.05 ให้รายงาน CI และบอกว่าข้อมูลยังเข้ากันได้กับผลขนาดใดบ้าง
• อย่าสรุปว่างานของคุณ “ขัดแย้ง” กับงานอื่นเพียงเพราะค่า p อยู่คนละฝั่งของ 0.05 ให้เทียบขนาดผลและ CI
• ระบุการคำนวณขนาดตัวอย่างหรืออำนาจการทดสอบในส่วน Methods เพื่อให้ผู้อ่านประเมินได้ว่าผลที่ไม่มีนัยสำคัญมาจากการขาดผลจริงหรือจากตัวอย่างไม่พอ

ถ้าคุณต้องการให้ผู้เชี่ยวชาญที่จบปริญญาเอกหรือแพทยศาสตร์ในสาขาเดียวกับงานของคุณตรวจว่าตารางผล ค่า p ขนาดผล และช่วงความเชื่อมั่นในต้นฉบับรายงานครบและตีความถูกต้องก่อนส่งวารสาร ดูรายละเอียดบริการตรวจสอบสถิติก่อนส่งวารสารของเรา เราตรวจและให้คำแนะนำบนข้อมูลและผลวิเคราะห์ของคุณ โดยไม่ได้ทำวิจัยแทนคุณ และไม่รับประกันผลการพิจารณาของวารสาร

คำถามที่พบบ่อย

p-value หมายถึงอะไร

ความน่าจะเป็นที่จะได้ข้อมูลแบบที่เห็นหรือสุดโต่งกว่า ภายใต้สมมติฐานว่างและแบบจำลองที่ใช้ ไม่ใช่ความน่าจะเป็นที่สมมติฐานเป็นจริง

p มากกว่า 0.05 แปลว่าไม่มีความแตกต่างหรือไม่

ไม่ใช่ ควรรายงานช่วงความเชื่อมั่นและบอกว่าข้อมูลยังเข้ากันได้กับผลขนาดใดบ้าง แทนการเขียนว่าไม่มีความแตกต่าง

ควรรายงาน effect size แบบใด

รายงานค่าประมาณ เช่น ผลต่างค่าเฉลี่ย RR OR หรือ HR พร้อม 95% CI และเพิ่ม effect size มาตรฐานที่เหมาะกับการวิเคราะห์ เช่น d, η² หรือ Cramér’s V

เอกสารอ้างอิง

1. Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. doi:10.1080/00031305.2016.1154108
2. Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Statistical tests, P values, confidence intervals, and power: A guide to misinterpretations. European Journal of Epidemiology, 31(4), 337–350. doi:10.1007/s10654-016-0149-3 PMID: 27209009
3. Sullivan, G. M., & Feinn, R. (2012). Using effect size—or why the P value is not enough. Journal of Graduate Medical Education, 4(3), 279–282. doi:10.4300/JGME-D-12-00156.1 PMID: 23997866
4. American Statistical Association. (2016). American Statistical Association releases statement on statistical significance and p-values (press release, March 7, 2016). https://www.amstat.org/asa/files/pdfs/p-valuestatement.pdf
5. Wasserstein, R. L., Schirm, A. L., & Lazar, N. A. (2019). Moving to a world beyond “p < 0.05″. The American Statistician, 73(sup1), 1–19. doi:10.1080/00031305.2019.1583913
6. Amrhein, V., Greenland, S., & McShane, B. (2019). Scientists rise up against statistical significance. Nature, 567(7748), 305–307. doi:10.1038/d41586-019-00857-9 PMID: 30894741
7. Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. doi:10.4324/9780203771587
8. Steering Committee of the Physicians’ Health Study Research Group. (1989). Final report on the aspirin component of the ongoing Physicians’ Health Study. New England Journal of Medicine, 321(3), 129–135. doi:10.1056/NEJM198907203210301 PMID: 2664509
9. Schulz, K. F., Altman, D. G., & Moher, D. (2010). CONSORT 2010 statement: Updated guidelines for reporting parallel group randomised trials. BMJ, 340, c332. doi:10.1136/bmj.c332 PMID: 20332509
10. International Committee of Medical Journal Editors. (2026). Recommendations for the conduct, reporting, editing, and publication of scholarly work in medical journals (updated January 2026), Section IV.A.3.d.iii Statistics. https://www.icmje.org/icmje-recommendations.pdf
11. Journal of the Medical Association of Thailand. (n.d.). Submissions: Author guidelines. ThaiJO. https://he04.tci-thaijo.org/index.php/JMAThai/about/submissions
12. สำเริง ไกยวงค์. (2560). ขนาดผลกระทบ: ผลลัพธ์ที่สำคัญที่สุดของการทดสอบสมมติฐาน. วารสารปัญญาภิวัฒน์, 9(1), 276–287. https://so05.tci-thaijo.org/index.php/pimjournal/article/view/85055