การสุ่มตัวอย่าง (Sampling)

การสุ่มตัวอย่าง เป็นกระบวนการที่เป็นระบบในการสุ่มหน่วยตัวอย่างมาจากประชากรที่สนใจศึกษา ถ้าเป็นการวิจัยเชิงสำรวจ จะเป็นการสุ่มบุคคลเพื่อตอบแบบสอบถาม ถ้าเป็นการวิจัยเอกสาร จะเป็นการสุ่มเอกสารหรือเนื้อหามาวิเคราะห์

Random Selection กับ Random Assignment

Random Selection เป็นการสุ่มตัวอย่างจากประชากร ส่วน Random Assignment เป็นการนำกลุ่มตัวอย่างที่สุ่มได้มาสุ่มเข้ากลุ่มที่แตกต่างกัน เช่น สุ่มเข้ากลุ่มทดลองและกลุ่มควบคุม
เป็นไปได้ที่ในการวิจัยเรื่องหนึ่งอาจจะมีการสุ่มทั้ง 2 ประเภท ก็คือ สุ่มกลุ่มตัวอย่าง 100 คน จากประชากรทั้งหมด 1,000 คน (Random Selection) แล้วนำกลุ่มตัวอย่างที่สุ่มได้ 100 คน มาสุ่มเพื่อจำแนกออกเป็นกลุ่มควบคุม 50 คน และกลุ่มทดลอง 50 คน (Random Assignment)
เป็นไปได้ที่ในการวิจัยเรื่องหนึ่งอาจจะใช้การสุ่มประเภทใดประเภทหนึ่ง เช่น อาจจะไม่สุ่ม 100 คนจาก 1,000 แต่อาจจะใช้รายชื่อประชากรทั้ง 1,000 คน แล้วเลือกเอาเฉพาะ 100 คนแรก แล้วจึงค่อยใช้การสุ่มจำแนกออกเป็นกลุ่มควบคุม 50 และกลุ่มทดลอง 50 คน
และเป็นไปได้ที่ในการวิจัยเรื่องหนึ่งอาจจะไม่มีการสุ่มทั้ง 2 ประเภท ก็คือ เจาะจงทดลองกับเด็กนักเรียนชั้นประถมศึกษาปีที่ 6 โรงเรียนวัดหนามแดง มีอยู่ 4 ห้อง เลือกมา 2 ห้องเป็นกลุ่มทดลองโดยใช้หลักสูตรใหม่ ส่วนอีก 2 ห้องที่เหลือใช้หลักสูตรเก่าเป็นกลุ่มควบคุม
ในเอกสารนี้จะนำเสนอเกี่ยวกับ Random Selection แบบต่าง ๆ เพราะมีความสำคัญที่จะช่วยให้งานวิจัยมีความเที่ยงตรงภายนอก (Externel Validity) (สรุปอ้างอิงผลการวิจัยไปยังประชากรได้) ส่วน Ramdon Assignment มีความสำคัญในการออกแบบการวิจัยเชิงทดลอง เพราะจะช่วยให้เกิดความเที่ยงตรงภายใน (Internet Validity)

ร้านขายคุกกี้

ร้านขายคุกกี้แห่งหนึ่ง มีคุกกี้อยู่ 3 ชนิดคือ ช็อกโกแลตชิป เนยถั่ว และมะพร้าว โดยราคาขายจะเป็นไปตามน้ำหนักของคุกกี้แต่ละชิ้น มีลูกค้าคนหนึ่ง เลือกคุกกี้มา 15 ชิ้น และไปชำระเงิน พนักงานชั่งคูกกี้ทั้ง 15 ชิ้น น้ำหนักของคุกกี้ทั้ง 15 ชิ้นแสดงดังตาราง 1

ตาราง 1 น้ำหนักของประชากรคุกกี้ 15 ชิ้น

สถิติที่เกี่ยวข้อง

ค่ามัชฌิมเลขคณิต: ค่าเฉลี่ย (Mean) ในตาราง 1 แสดงจำนวนของประชากรคุกกี้ 15 ชิ้น พร้อมทั้งน้ำหนักของคุกกี้แต่ละชิ้น น้ำหนักของคุกกี้แต่ละชนิด น้ำหนักของคุกกี้รวมทุกชนิด น้ำหนักเฉลี่ยของคุกกี้แต่ละชนิด และน้ำหนักเฉลี่ยของคุกกี้ทั้งหมด โดยน้ำหนักเฉลี่ยของคุกกี้ช็อกโกแลตชิปเป็น 2.9 กรัม คุกกี้เนยถั่วมีน้ำหนัก 3.8 กรัม คุกกี้มะพร้าวมีน้ำหนัก 4.75 กรัม และน้ำหนักของคุกกี้โดยเฉลี่ยทั้งหมดคือ 3.7 (55.5/15 = 3.7 กรัมต่อชิ้น)
ในตาราง 1 พบว่า 1. คุกกี้มะพร้าวมีน้ำหนักเฉลี่ยสูงที่สุด (4.75 กรัม) และช็อกโกแลตชิปมีน้ำหนักต่ำสุด (2.9 กรัม) 2. คุกกี้ที่หนักที่สุดคือคุกกี้ชิ้นที่ 14 หนัก 6 กรัม และชิ้นที่เบาที่สุดคือชิ้นที่ 3 หนัก 2 กรัม และ 3. คุกกี้เนยถั่วเป็นคุกกี้ที่มีน้ำหนักใกล้เคียงกับน้ำหนักเฉลี่ยของคุกกี้ทั้งหมด
ความแปรปรวน (Variance) ความแปรปรวนเป็นการวัดการความแตกต่างของน้ำหนักคุกกี้แต่ละชิ้นกับน้ำหนักเฉลี่ยของคุกกี้ทั้งหมด ยกกำลังสอง แล้วหารด้วยจำนวนของคุกกี้ ดังนั้นในตาราง 1 เราจะคำนวณความแปรปรวนได้

การสุ่มคุกกี้

สมมติว่า คุกกี้ทั้งหมด 15 ชิ้นเป็นประชากรคุกกี้ แล้วให้คุณเลือกมา 5 ชิ้น โดยปราศจากอคติส่วนบุคคล แล้วหาน้ำหนักเฉลี่ยของคุกกี้ทั้ง 5 ชิ้น ดังนั้นคุณอาจจะเลือกคุกกี้โดยการเขียนหมายเลข 1 ถึง 15 ลงบนกระดาษ แล้วสุ่มจับกระดาษขึ้นมา 5 ใบ แล้วหยิบคุกกี้ตามลำดับหมายเลขที่สุ่มจับได้ ในตาราง 2 เป็นตารางแสดงน้ำหนักของคุกกี้ที่คุณเลือกได้
คุณจะเห็นว่าน้ำหนักของคุกกี้ทั้ง 5 ชิ้น (ชิ้นที่ 2, 6, 7, 11 และ 14) มีน้ำหนักสูงกว่าน้ำหนักเฉลี่ยรวมของคุกกี้ 15 ชิ้น โดยธรรมชาติแล้ว ถ้าคุณเลือกคุกกี้ชุดใหม่ขึ้นมาอีก 5 ชิ้น น้ำหนักเฉลี่ยของคุกกี้ชุดใหม่ย่อมแตกต่างกัน

ตาราง 2 น้ำหนักของตัวอย่างคุกกี้ 5 ชิ้น

ความคลาดเคลื่อนในการสุ่ม (Sampling Error)

เรามีคุกกี้ 15 ชิ้นที่เป็นประชากรของคุกกี้ แล้วเราเลือกคุกกี้มา 5 ชิ้นเป็นกลุ่มตัวอย่างโดยดึงมาจากประชากรคุกกี้ 15 ชิ้น สมมติว่าเราเลือกคุกกี้ 5 ชิ้นจากประชากรทั้งหมด 15 ชิ้นหลาย ๆ ครั้ง เราก็จะได้คุกกี้ที่แตกต่างกัน (เช่น เราเลือกคุกกี้ชิ้นที่ 1, 2, 3, 4, และ 5 หรือชิ้นที่ 1, 2, 3, 4 และ 6 หรือชิ้นที่ 1 3, 5, 7 และ 9 หรือชิ้นที่ 11, 12, 13, 14, 15 ฯลฯ) กลุ่มตัวอย่างคุกกี้ที่เลือกได้ในแต่ละครั้งจะมีน้ำหนักเฉลี่ยที่แตกต่างกัน ทั้งสูงกว่าและต่ำกว่าน้ำหนักเฉลี่ยของประชากรคุกกี้
ตาราง 3 จะแสดงกลุ่มตัวอย่างคุกกี้ 2 กลุ่ม คือกลุ่ม L และกลุ่ม H น้ำหนักเฉลี่ยของคุกกี้กลุ่ม L คือ 2.5 กรัม ขณะที่น้ำหนักเฉลี่ยของคุกกี้กลุ่ม H คือ 5 กรัม จากตาราง 1 น้ำหนักเฉลี่ยของประชากรคุกกี้ทั้ง 15 ชิ้นคือ 3.7 แน่นอนว่าถ้าคุณเลือกกลุ่มตัวอย่างได้เป็นกลุ่ม L แล้วน้ำหนักเฉลี่ยของกลุ่มตัวอย่างที่ได้จะต่ำกว่าค่าเฉลี่ยของประชากรคุกกี้ (3.7 - 2.5 = 1.2 กรัม) และถ้าคุณเลือกกลุ่มตัวอย่างได้เป็นกลุ่ม H แล้วน้ำหนักเฉลี่ยของกลุ่มตัวอย่างที่ได้จะสูงกว่าค่าเฉลี่ยของประชากรคุกกี้ (3.7 - 5.0 = -1.3) จะเห็นว่ากลุ่มตัวอย่างทั้ง 2 มีน้ำหนักเฉลี่ยไม่เท่ากับน้ำหนักของประชากร ซึ่งผลต่างของน้ำหนักที่ได้จะเรียกว่า "ความคลาดเคลื่อนในการสุ่ม"

ตาราง 3 น้ำหนักคุกกี้กลุ่ม L และกลุ่ม H

ในตาราง 2 เราจะเห็นว่ากลุ่มตัวอย่างที่เราสุ่มมาในครั้งแรกจะมีค่าเฉลี่ยเข้าใกล้กับค่าเฉลี่ยของประชากร (3.9 กับ 3.7) ถ้าเราสุ่มคุกกี้ 5 ชิ้นมาหลาย ๆ ครั้ง จะมีโอกาสมากที่จะได้น้ำหนักของกลุ่มตัวอย่างใกล้เคียงกับน้ำหนักของประชากร ส่วนน้ำหนักที่อยู่ไกลจากน้ำหนักของประชากรอย่างกลุ่ม L และกลุ่ม H ในตาราง 3 จะมีโอกาสน้อยกว่า
สมมติว่าเราสุ่มตัวอย่างคุกกี้ 5 ชิ้นมา 100 กลุ่ม และหาน้ำหนักเฉลี่ยของคุกกี้แต่ละกลุ่ม แล้วสร้างเป็นกราฟ โดยแกน X เป็นน้ำหนักเฉลี่ยของคุกกี้ และแกน Y เป็นจำนวนกลุ่มตัวอย่างหรือความถี่ แล้วนำน้ำหนักเฉลี่ยของทั้ง 100 กลุ่มมาแจกแจงความถี่และสร้างเป็นแผนภูมิแท่งที่เรียกว่า ฮีสโทแกรม (Histogram)

ภาพประกอบ 1 ฮีสโทแกรมของน้ำหนักคุกกี้ 100 กลุ่ม

การสุ่มแบบอาศัยความน่าจะเป็น (Probability Sampling)

เป็นการสุ่มหน่วยตัวอย่างจากประชากร โดยมีเงื่อนไขดังต่อไปนี้
1. รู้จำนวนประชากรทั้งหมด
2. ประชากรทั้งหมดมีโอกาสที่จะถูกสุ่มมาเป็นกลุ่มตัวอย่างเท่าเทียมกัน
3. ใช้วิธีการสุ่มที่เหมาะสม เพื่อให้หน่วยตัวอย่างมีโอกาสถูกสุ่มเท่าเทียมกัน
4. ใช้วิธีประมาณค่าพารามิเตอร์ที่เหมาะสม
การสุ่มแบบอาศัยความน่าจะเป็น เป็นวิธีที่นิยมใช้กันมาก เพราะมีความน่าเชื่อถือ การสุ่มแบบนี้มีหลายวิธี คือ

การสุ่มอย่างง่าย (Sample Random Sampling)
การสุ่มอย่างง่ายเป็นวิธีที่ประชากรแต่ละหน่วยมีโอกาสถูกสุ่มมาเป็นกลุ่มตัวอย่างเท่า ๆ กัน ประชากรจะต้องกำหนดเฉพาะลงไปว่าเป็นกลุ่มใด เช่น ประชากรเป็นเด็กนักเรียนระดับมัธยมศึกษาปีที่ 1 ในโรงเรียนสังกัดกรมสามัญศึกษา เขตการศึกษา 5 เป็นต้น
การสุ่มแบบนี้จะต้องกำหนดเลขลำดับให้กับประชากรแต่ละหน่วย เช่น ต้องการกลุ่มตัวอย่าง 100 คน จากประชากร 2,000 คน จะต้องมีรายชื่อของประชากรทั้ง 2,000 คน แล้วให้เลขลำดับแก่ประชากรแต่ละคน ตั้งแต่ 0001 ถึง 2000 จากนั้นอาจจะใช้ตารางเลขสุ่มในการสุ่มตัวอย่าง ซึ่งหาได้จากหนังสือสถิติทั่วไป
การสุ่มนั้นจะต้องเลือกสดมภ์ใด สดมภ์หนึ่งขึ้นมา แล้วอ่านตัวเลขในแถวแรกจำนวน 4 หลัก (ที่ 4 หลักเพราะประชากรมี 2,000 คน คนที่ 1 มีเลขลำดับ 4 หลักคือ 0001 จนถึง คนสุดท้ายก็มีเลขลำดับ 4 หลักคือ 2000) ตัวเลข 4 หลักแรกที่อ่านได้คือ 0117 ดังนั้นกลุ่มตัวอย่างคนแรกก็คือคนที่มีเลขลำดับที่ 0117 อ่านแถวต่อไปได้เลข 9123 แต่เลขลำดับที่ 9123 ไม่มี จึงต้องข้ามไปอ่านเลขในแถวถัดไปคือ 0864 ดังนั้นกลุ่มตัวอย่างคนที่สองก็คือคนที่มีเลขลำดับที่ 0864 และกลุ่มตัวอย่างคนที่สามก็คือคนที่มีเลขลำดับที่ 0593 แถวถัดมาได้เลข 6662 ซึ่งก็ต้องข้ามไปอีกเช่นกัน ดังนั้นกลุ่มตัวอย่างคนที่สี่ก็คือคนที่มีเลขลำดับที่ 0519 อ่านไปเรื่อย ๆ จนกระทั่งได้กลุ่มตัวอย่างครบ 100 คน ตามที่ต้องการ

ตาราง 1 ส่วนหนึ่งของตารางเลขสุ่ม

011722234522216032760622856545
912339791523398109239341298767
086400162641114251286023465908
059390223308067454550115623787
666271065987980899039098719890
051960045703690037705000904666
063047863209800510370243514567
011722234522216032760622856545

จุดเด่นของการสุ่มแบบนี้ก็คือมีความสะดวกและใช้ได้ง่าย แต่มีข้อเสียคือ ถ้ากลุ่มตัวอย่างที่ต้องการมีจำนวนมาก การใช้วิธีก็จะเสียเวลามาก เนื่องจากผู้วิจัยต้องรู้จักประชากรทุกคน คือต้องรู้ว่า ประชากรลำดับที่ 0117 เป็นใคร ยิ่งกว่านั้นผู้วิจัยบางคนจะไม่ใช้การสุ่มอย่างง่าย ถ้าแน่ใจว่ากลุ่มประชากรสามารถจำแนกออกเป็นกลุ่มย่อยที่มีสัดส่วนแน่นอน ผู้วิจัยอาจจะใช้การสุ่มแบบแบ่งชั้นแทน

การสุ่มอย่างเป็นระบบ (Systematic Random Sampling)
วิธีนี้เป็นการเลือกกลุ่มตัวอย่างโดยการอ่านข้ามทีละ n คน โดยจะต้องสุ่มเลขเริ่มต้นให้ได้เสียก่อน ซึ่งวิธีนี้จะคล้ายกับการสุ่มอย่างง่าย สมมติว่า ต้องการกลุ่มตัวอย่าง 100 คน จาก 2,000 คน และคุณมีรายชื่อประชากรทั้ง 2,000 คน และให้เลขลำดับแต่ละคนตั้งแต่ 0001 ถึง 2000 เรียบร้อยแล้ว ผู้วิจัยจะต้องสุ่มเลข 1 ถึง 20 ออกมา 1 ตัว เพราะสุ่ม 100 คนจาก 2,000 คน ดังนั้น จุดเริ่มต้นในการสุ่มจะต้องเริ่มที่ 20 คนแรก สมมติว่าคุณสุ่มออกมาได้คนที่ 15 ประชากรที่อยู่เป็นลำดับที่ 0015 จะเป็นกลุ่มตัวอย่างคนแรก แล้วนับต่อไปทีละ 20 คน ดังนั้นกลุ่มตัวอย่างคนที่ 2 คือคนที่อยู่ในลำดับที่ 0035 กลุ่มตัวอย่างคนที่ 3 คือคนที่อยู่ในลำดับที่ 0055 กลุ่มตัวอย่างคนที่ 4 คือคนที่อยู่ในลำดับที่ 0075 อ่านไปเรื่อย ๆ จนกระทั่งได้กลุ่มตัวอย่างครบ 100 คน

การสุ่มแบบแบ่งชั้น (Stratified Random Sampling)
เป็นวิธีที่ผู้วิจัยสามารถแบ่งประชากรออกเป็นกลุ่มย่อย ๆ ได้แน่นอน เช่น ในการวิจัยกับเด็กนักเรียนชั้นประถมศึกษาปีที่ 6 ในเขตอำเภอหนึ่ง โดยจะศึกษาผลของการใช้หลักสูตรใหม่ ว่าจะช่วยให้ผลสัมฤทธิ์ของนักเรียนดีขึ้นหรือไม่ และผู้วิจัยมีความเชื่อว่า เพศ เป็นตัวแปรสำคัญที่จะมีผลต่อผลสัมฤทธิ์ทางการเรียน ดังนั้นจึงได้มีขั้นตอนการสุ่มดังนี้
1. ผู้วิจัยกำหนดประชากรเป้าหมาย : นักเรียนประถมศึกษาปีที่ 6 ในอำเภอหนึ่งของจังหวัดอยุธยา
2. ผู้วิจัยพบว่า ในกลุ่มประชากรนี้มีเพศหญิง 219 คน (คิดเป็น 60% ของประชากรทั้งหมด) และเพศชาย 146 คน (คิดเป็น 40% ของประชากรทั้งหมด) และผู้วิจัยต้องการกลุ่มตัวอย่าง 30% จากประชากรทั้งหมด
3. ใช้การสุ่มอย่างง่าย สุ่มกลุ่มตัวอย่าง 30% จากประชากรในแต่ละกลุ่มเพศ จะได้เพศหญิง 66 คน (30% ของ 219 คน) และเพศชาย 44 คน (30% ของ 146 คน) สัดส่วนของกลุ่มตัวอย่างที่ได้จะมีขนาดเท่ากับประชากรคือ เพศชาย 40% และเพศหญิง 60%

ภาพประกอบ 1 การสุ่มแบบแบ่งชั้น

การสุ่มแบบแบ่งชั้นมีประโยชน์ช่วยให้ผู้วิจัยมีความมั่นใจว่าคุณลักษณะหรือตัวแปรที่สนใจศึกษาที่อยู่ในประชากรนั้น ก็มีอยู่ในกลุ่มตัวอย่างในสัดส่วนที่เท่ากัน

การสุ่มแบบแบ่งกลุ่ม (Cluster (Area) Random Sampling)
เป็นวิธีที่ผู้วิจัยใช้ในการแบ่งประชากรออกเป็นกลุ่มตามเขตพื้นที่ (area) ซึ่งในแต่ละเขตพื้นที่จะมีประชากรที่มีคุณลักษณะที่ต้องการกระจายกันอยู่อย่างเท่าเทียมกัน แล้วสุ่มกลุ่มมาจำนวนหนึ่งด้วยวิธีการสุ่มที่เหมาะสม เช่น
บริษัทผลิตอาหารสำเร็จกึ่งสำเร็จต้องการสำรวจความต้องการบริโภคอาหารกึ่งสำเร็จของประชากรในกรุงเทพมหานคร ถ้าจะใช้สุ่มอย่างง่าย บริษัทจะต้องมีรายชื่อของประชากรในกรุงเทพมหานครทั้งหมด ซึ่งเป็นเรื่องที่ยุ่งยากมาก ถ้าจะใช้การสุ่มแบบแบ่งชั้น โดยจำแนกประชากรตามระดับรายได้ แต่นอนว่ากลุ่มตัวอย่างที่ได้จะกระจัดกระจายไปทั่วกรุงเทพมหานคร ต้องเสียค่าใช้จ่ายในการเก็บข้อมูลภาคสนาม ดังนั้นการสุ่มแบบแบ่งกลุ่มจึงเป็นวิธีที่เหมาะสมที่สุด โดยการใช้การแบ่งกรุงเทพมหานครออกเป็นเขตอำเภอ n เขต แล้วสุ่มเขตอำเภอ m เขตมาเป็นกลุ่มตัวอย่าง เรียกว่า การสุ่มแบบแบ่งกลุ่มขั้นเดียว (Single-stage cluster sampling) เมื่อได้เขตอำเภอที่เป็นกลุ่มตัวอย่างมาแล้ว จำนวนกลุ่มตัวอย่างอาจจะยังมีเป็นจำนวนมากอยู่ บริษัทที่วิจัยอาจจะสุ่มอีกครั้ง จากเขตที่สุ่มได้มา m เขตประกอบไปด้วยตำบล p ตำบล แล้วสุ่มตำบลมา q ตำบลเป็นกลุ่มตัวอย่าง เรียกว่า การสุ่มแบบแบ่งกลุ่มสองขั้นตอน (Two-stage cluster sampling) ถ้าหากจำนวนกลุ่มตัวอย่างที่ได้ยังมีจำนวนมากอยู่ อาจสุ่มโดยใช้หมู่บ้าน หรือชุมชนเป็นหน่วยในการสุ่ม เรียกว่า การสุ่มแบบแบ่งกลุ่มหลายขั้นตอน (Multi-stage cluster sampling)

การสุ่มแบบหลายขั้นตอน (Multi - Stage Sampling)
มีวิธีการสุ่ม 4 แบบที่อธิบายไว้แล้ว คือ การสุ่มอย่างง่าย การสุ่มอย่างมีระบบ การสุ่มแบบแบ่งชั้น และการสุ่มแบบแบ่งกลุ่ม ในการทำวิจัยจริง ๆ เราอาจจะใช้วิธีการสุ่มที่ซับซ้อนมากกว่านี้ โดยหลักแล้วจะต้องพิจารณาวิธีการสุ่มทั้ง 4 แบบนี้มาใช้ให้ได้ประโยชน์สูงสุดเพื่อให้ได้กลุ่มตัวอย่างที่ผู้วิจัยต้องการอย่างแท้จริง เรียกว่าการสุ่มแบบหลายขั้นตอน
ตัวอย่างเช่น ประชากรคือนักเรียนชั้นมัธยมศึกษาตอนปลาย ในเขตการศึกษา 10 ใช้การสุ่มแบบแบ่งกลุ่ม แบ่งออกเป็น 7 จังหวัด สุ่มได้มา 3 จังหวัด ในทั้ง 3 จังหวัดมี 45 โรงเรียน ใช้การสุ่มแบบแบ่งชั้น โดยแบ่งตามขนาดของโรงเรียน คือโรงเรียนขนาดใหญ่ 10 โรงเรียน ขนาดกลาง 12 โรงเรียน และขนาดเล็ก 23 โรงเรียน สุ่มได้โรงเรียนขนาดใหญ่ 2 โรงเรียน ขนาดกลาง 3 โรงเรียน และขนาดเล็ก 5 โรงเรียน ใน 10 โรงเรียนมีนักเรียนทั้งหมด 10,000 คน ใช้การสุ่มอย่างง่ายมา 20% จากจำนวนนักเรียนทั้งหมด ได้นักเรียนมาเป็นกลุ่มตัวอย่าง 2,000 คน

การสุ่มแบบไม่อาศัยความน่าจะเป็น (Nonprobability Sampling)

เป็นการุส่มหน่วยตัวอย่างที่บางครั้งอาจไม่ทราบจำนวนประชากรที่แท้จริง ทำให้ไม่สามารถใช้การสุ่มแบบอาศัยความน่าจะป็นได้ และการสุ่มแต่ละครั้งนั้น ทุก ๆ หน่วยของประชากรมีโอกาสถูกสุ่มมาเป็นกลุ่มตัวอย่างไม่เท่าเทียมกัน การสุ่มแบบนี้มีหลายวิธี คือ

การเลือกตัวอย่างแบบสะดวกสบาย (Convenience หรือ Accidental Sampling)
เป็นการเลือกแบบไม่มีกฎเกณฑ์ อาศัยความสะดวกของผู้วิจัยเป็นหลัก กลุ่มตัวอย่างจะเป็นใครก็ได้ที่ให้ความร่วมมือกับผู้วิจัยในการให้ข้อมูลบางอย่าง เช่น
- สอบถามความคิดเห็นในการให้บริการอาหารกลางวันของมหาวิทยาลัยแห่งหนึ่ง ผู้วิจัยอาจจะไปยืนตรงประตูทางเข้าโรงอาหาร แล้วคอยสัมภาษณ์นักศึกษา 50 คนที่เดินเข้ามารับประทานอาหารในช่วงเช้าของวันหนึ่ง
- ครูคนหนึ่งปรับปรุงแผนการสอนใหม่ และต้องการจะทดลองแผนการสอนใหม่ว่าจะให้ผลแตกต่างจากแผนการสอนเดิมหรือไม่ โดยใช้กลุ่มตัวอย่าง เป็นนักเรียนที่เขาต้องรับผิดชอบสอน

การเลือกตัวอย่างแบบเจาะจง (Purposive หรือ Judgmental Sampling)
เป็นการเลือกกลุ่มตัวอย่างที่จะเป็นใครก็ได้ที่มีลักษณะตามความต้องการของผู้วิจัย โดยอาจจะกำหนดเป็นคุณลักษณะเฉพาะเจาะจงลงไป เช่น
- เป็นเพศหญิงที่ทำงานในธนาคารอายุระหว่าง 30 ถึง 40 ปี
- เป็นนักเรียนระดับมัธยมศึกษาปีที่ 3 ที่เรียนอยู่ในโรงเรียนสังกัดกรมสามัญศึกษา ที่ได้เกรดเฉลี่ย 3.50 ขึ้นไป และมีความสามารถพิเศษทางดนตรี

การเลือกตัวอย่างแบบโควต้า (Quota Sampling)
เป็นการเลือกตัวอย่างโดยกำหนดคุณลักษณะและสัดส่วนที่ต้องการไว้ล่วงหน้า คุณลักษณะเช่น เพศ อายุ เชื้อชาติ ระดับการศึกษา ฯลฯ
- ต้องการกลุ่มตัวอย่างเป็นเพศชายและหญิงในสัดส่วนที่เท่ากัน
- นักวิจัยต้องการศึกษาเจตคติต่อมหาวิทยาลัย จึงกำหนดสัดส่วนของกลุ่มตัวอย่าง 400 คนแบ่งออกเป็นนักศึกษาปริญญาตรี 60% ปริญญาโท 30% และปริญญาเอก 10%

การเลือกตัวอย่างแบบลูกโซ่ (Snowball Sampling)
เป็นการเลือกกลุ่มตัวอย่างโดยอาศัยการแนะนำของหน่วยตัวอย่างที่ได้เก็บข้อมูลไปแล้ว เช่น นักวิจัยได้พบ นาย ก. ที่มีคุณลักษณะตรงกับกลุ่มตัวอย่างที่ต้องการศึกษา นักวิจัยได้เข้าไปสัมภาษณ์เก็บข้อมูล จากนั้นนักวิจัยให้ นาย ก. แนะนำเพื่อนหรือคนรู้จักที่มีลักษณะตรงกับที่นักวิจัยต้องการ แล้วจดชื่อพร้อมที่อยู่ที่ติดต่อได้ไว้ สมมติว่า นาย ก. ได้แนะนำ นาย ข. และ นางสาว ค. แล้วนักวิจัยก็ไปสัมภาษณ์เก็บข้อมูลจาก นาย ข. และ นางสาว ค. แล้วนักวิจัยก็ให้ นาย ข. และนางสาว ค. แนะนำเพื่อนหรือคนรู้จักที่มีลักษณะตรงกับที่นักวิจัยต้องการ นักวิจัยจดชื่อพร้อมที่อยู่ที่ติดต่อได้ไว้ แล้วผู้วิจัยไปตามสัมภาษณ์เก็บข้อมูลจากบุคคลที่ นาย ข. และ นางสาว ค. ได้แนะนำไว้ ผู้วิจัยทำแบบนี้ไปเรื่อย ๆ จนกระทั่งได้กลุ่มตัวอย่างครบตามจำนวนที่ต้องการ
วิธีนี้ ผู้วิจัยจะได้กลุ่มตัวอย่างมาจากการแนะนำต่อ ๆ กันของหน่วยตัวอย่าง หน่วยตัวอย่าง 1 คนอาจจะไม่ได้แนะนำแค่คนเดียว ดังนั้นขนาดของกลุ่มตัวอย่างจะเพิ่มขึ้นทุกครั้งที่ได้ไปสัมภาษณ์เก็บข้อมูล เหมือนกับก้อนหิมะที่ยิ่งกลิ้งไปลูกหิมะก็จะยิ่งใหญ่ขึ้น ดังนั้นวิธีนี้ถึงได้ใช้คำว่า Snowball Sampling

ภาพประกอบ 2 วิธีการสุ่มแบบต่าง ๆ

บรรณานุกรม
ศิริลักษณ์ สุวรรณวงศ์. (2538). ทฤษฎีและเทคนิคการสุ่มตัวอย่าง. กรุงเทพฯ : โอเดียนสโตร์,
Baker, Therese L. (1994). Doing Social Research. USA : McGraw-Hill Inc,
Fraenkel, Jack R. (1993). How to Design and Evaluate Research in Education. Singapore : McGraw-Hill Inc.,

เอกสารชุดนี้จัดทำโดย ฉัตรศิริ ปิยะพิมลสิทธิ์. พฤศจิกายน 2544