แนะนำการวิเคราะห์ข้อมูลแบบสำรวจ

การวิเคราะห์ข้อมูลแบบสำรวจด้วย Python

EbunOluwa Andrew

Data Scientist

การวิเคราะห์ข้อมูลแบบสำรวจคืออะไร?

รับข้อมูลเชิงลึก
- ผลลัพธ์มากขึ้น = ความเข้าใจมากขึ้น
วัดผลกระทบ
- อัตราการตอบสนองสูงเป็นสิ่งสำคัญ
- ตัวอย่าง: การตอบแบบสำรวจติดตามผลบ่งบอกว่าการเปลี่ยนแปลงผลิตภัณฑ์มีประสิทธิภาพหรือไม่

แบนเนอร์ขอความคิดเห็น

ข้อมูลแบบสำรวจคืออะไร?

ข้อมูลที่ได้จากผู้เข้าร่วมการวิจัย
เชิงปริมาณหรือเชิงตัวเลข
เชิงคุณภาพหรือเชิงพรรณนา
สะท้อนความคิดเห็นของกลุ่มเป้าหมายอย่างเป็นธรรม

ภาพโดย Celpax บน Unsplash - ผู้หญิงกำลังทำแบบสำรวจ

¹ Photo by Celpax on Unsplash

ประเภทของข้อมูลแบบสำรวจ

ข้อมูลแบบอันดับ (Ordinal)
- คำตอบที่มีลำดับความหมายชัดเจน
- ตัวอย่างคำถาม: คุณใช้ผลิตภัณฑ์ของเราบ่อยแค่ไหน?
- ตัวอย่างคำตอบ: ไม่เคย, แทบไม่, บางครั้ง, บ่อย, เสมอ
- ลำดับมีความสำคัญ

แบบฟอร์มแบบสอบถาม

ประเภทของข้อมูลแบบสำรวจ

ข้อมูลแบบนามบัญญัติ (Nominal)
- กลุ่มหรือหมวดหมู่ที่แตกต่างกัน
- ไม่มีลำดับระหว่างหมวดหมู่
- ตัวอย่าง: เมืองที่เกิด, เพศ, เชื้อชาติ

สูติบัตร

ประเภทของข้อมูลแบบสำรวจ

ข้อมูลแบบช่วง (Interval)
- ข้อมูลที่มีลำดับ
- ระยะห่างระหว่างค่ามีความหมายและเท่ากัน
- ตัวอย่างตัวเลือกคำตอบ: 22C, 24C หรือ 26C

เทอร์โมมิเตอร์ - ภาพโดย Bianca Ackermann บน Unsplash

ข้อมูลแบบอัตราส่วน (Ratio)
- การวัดที่แม่นยำ
- มีจุดศูนย์ที่แท้จริง
- ตัวอย่างคำตอบ: $5321

บ้านที่ทำจากธนบัตรร้อยดอลลาร์ - ภาพโดย Kostiantyn Li บน Unsplash

การกำหนดเป้าหมาย

กำหนดเป้าหมายการวิจัย
อัตราการตอบสนอง
เรียนรู้จากข้อเสนอแนะ

กลุ่มตัวอย่างที่ไม่เป็นตัวแทน

การสุ่มตัวอย่างสำหรับแบบสำรวจ

เก็บข้อมูลจากประชากรขนาดใหญ่ได้ยาก
ใช้การสุ่มตัวอย่างเพื่อประมาณค่าหรือทดสอบสมมติฐานเกี่ยวกับประชากร
ใช้เทคนิคการสุ่มตัวอย่างที่หลากหลายเพื่อสร้างกลุ่มตัวอย่างที่ไม่มีอคติ

ภาพโดย Joseph Chan บน Unsplash - ผู้คนถือร่มบนถนนในเวลากลางวัน

¹ Photo by Joseph Chan on Unsplash

ภาพรวมเทคนิคการสุ่มตัวอย่าง

การสุ่มแบบง่าย (Simple random)
- สุ่มเลือกกลุ่มย่อยจากประชากร
การสุ่มแบบแบ่งชั้น (Stratified random)
- แบ่งประชากรออกเป็นชั้น (เช่น เชื้อชาติ, เพศ ฯลฯ)
- สุ่มเลือกกลุ่มย่อยจากแต่ละชั้น

Analytics Vidhya - การสุ่มตัวอย่างแบบแบ่งชั้น

ภาพรวมเทคนิคการสุ่มตัวอย่าง

การสุ่มแบบถ่วงน้ำหนัก (Weighted)
- เลือกกลุ่มย่อยที่มีสัดส่วนตรงกับประชากร
การสุ่มแบบกลุ่ม (Cluster)
- แบ่งประชากรออกเป็นกลุ่ม (เช่น โรงเรียน, เมือง ฯลฯ)
- สุ่มเลือกกลุ่มย่อยจากกลุ่มเหล่านั้น

Aoife Dalton บน SlideServe - ภาพประกอบการสุ่มตัวอย่างแบบกลุ่ม

¹ Aoife Dalton on SlideServe

Crosstab - วิธีทั่วไปในการวิเคราะห์ข้อมูลแบบสำรวจ

.crosstab() -> ตรวจสอบความสัมพันธ์ระหว่างตัวแปรนามบัญญัติสองตัว

print(survey.head())

| Age     | Occupation_Title          | Current Student | Gender | Education  |
|---------|---------------------------|-----------------|--------|------------|
| 18 - 24 | Credit officer            | No              | Female | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Male   | Bachelor's |
| 18 - 24 | Student                   | Yes, Full-Time  | Female | Bachelor's |
| 25 - 34 | Senior Financial Analyst  | No              | Female | Bachelor's |
| 35 - 44 | Public Relations Director | No              | Female | Bachelor's |

ฟังก์ชัน Crosstab

cross_tabulation = pd.crosstab(survey.Age, survey.Gender)
cross_tabulation

|         | Female | Male |
|---------|--------|------|
| 18 - 24 |     39 |   12 |
| 25 - 34 |     28 |   12 |
| 35 - 44 |      5 |    1 |
| 45 - 54 |      3 |    0 |

มาฝึกกันเถอะ!

การวิเคราะห์ข้อมูลแบบสำรวจด้วย Python