Professional Documents
Culture Documents
การพัฒนาผลิตภัณฑ์อาหาร
วิวฒ
ั น์ หวังเจริญ
คณะวิศวกรรมและอุตสาหกรรมเกษตร มหาวิทยาลัยแม่โจ้
สถิติ
และการใช้โปรแกรมสาเร็จรูป
ในการพัฒนาผลิตภัณฑ์อาหาร
เรียบเรียงโดย
วิวฒ
ั น์ หวังเจริญ
คณะวิศวกรรมและอุตสาหกรรมเกษตร มหาวิทยาลัยแม่โจ้
คำนำ
หนังสือเรื่อง “สถิตแิ ละการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร” นี้ มีเนื้อหาเกี่ยวกับ
การพัฒนาผลิตภัณฑ์อาหาร โดยเน้ นเฉพาะในส่วนของความรู้พ้ นื ฐานทางสถิตทิ ่จี าเป็ นต้ องใช้ สาหรับการทาการ
ทดลองและการใช้ โปรแกรมสาเร็จรูปเพื่อการวิเคราะห์ข้อมูล โดยมีการแนะนาการใช้ โปรแกรมสาเร็จรูป 3
โปรแกรมหลัก คือ โปรแกรมไมโครซอฟท์เอกซ์เซล โปรแกรมเอสพีเอสเอส และ โปรแกรมอาร์ ซึ่งผู้เรียบ
เรียงคาดหวังว่าจะเป็ นประโยชน์กบั นักศึกษาระดับปริญญาตรีหรือต่ากว่าและบุคคลทั่วไปที่มคี วามสนใจเกี่ยวกับ
การทดลองเพื่อการพัฒนาผลิตภัณฑ์อาหาร
วิวฒ
ั น์ หวังเจริญ
สารบัญ
หน้า
คานา i
สารบัญ ii
สารบัญตาราง vi
สารบัญภาพ ix
สารบัญตารางภาคผนวก xvi
บทที่ 1 บทนา 1
1.1 ความหมายของการพัฒนาผลิตภัณฑ์อาหาร 1
1.2 ผลิตภัณฑ์ใหม่ 1
1.3 วงจรชีวิตผลิตภัณฑ์ 2
1.4 ความสาคัญของการพัฒนาผลิตภัณฑ์ 4
1.5 ปัจจัยที่สนับสนุนให้ มกี ารพัฒนาผลิตภัณฑ์ 5
1.6 กระบวนการพัฒนาผลิตภัณฑ์ 6
1.7 การเตรียมความพร้ อมเพื่อการพัฒนาผลิตภัณฑ์ต้นแบบ 7
1.8 บ้ านคุณภาพและการกระจายหน้ าที่เชิงคุณภาพ 12
เอกสารอ้ างอิง 20
~ ii ~
สารบัญ (ต่อ)
หน้า
2.2 การวิเคราะห์ความแปรปรวนและการเปรียบเทียบค่าเฉลี่ย 48
2.2.1 การทดลองที่วิเคราะห์ผลโดยการวิเคราะห์ความแปรปรวน 49
2.2.2 การเปรียบเทียบค่าเฉลี่ย 50
2.2.3 ข้ อกาหนดเบื้องต้ นเกี่ยวกับการวิเคราะห์ความแปรปรวน 56
2.2.4 แผนการทดลองแบบสุ่มสมบูรณ์ 58
2.2.5 แผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก 69
2.2.6 แผนการทดลองแบบลาตินสแควร์ 76
2.2.7 การทดลองแบบแฟคทอเรียล 86
2.2.8 การทดลองแบบสปลิทพลอท 102
กรณีศึกษา: การวิเคราะห์ความแปรปรวน 119
2.2.9 การใช้ โปรแกรมสาเร็จรูปในการวิเคราะห์ข้อมูล 122
2.2.9.1 โปรแกรมไมโครซอฟท์เอกซ์เซล 124
2.2.9.2 โปรแกรมเอสพีเอสเอส 140
2.2.9.3 โปรแกรมอาร์ 148
เฉลยกรณีศึกษา: การวิเคราะห์ความแปรปรวน 156
เอกสารอ้ างอิง 160
~ iii ~
สารบัญ (ต่อ)
หน้า
กรณีศึกษา: การทดลองแบบส่วนผสม 192
4.2 โปรแกรมเส้ นตรง 193
4.2.1 การใช้ โปรแกรมสาเร็จรูปในการวิเคราะห์ข้อมูล 200
4.2.1.1 การใช้ คาสั่ง Solver ในโปรแกรมไมโครซอฟท์เอกซ์เซล 201
4.2.1.2 การหาผลลัพธ์ออนไลน์ในเวบไซด์ www.phpsimplex.com 205
4.2.2 แบบจาลองวิศวกรรมส่วนกลับ 209
กรณีศึกษา: แบบจาลองวิศวกรรมส่วนกลับ 216
4.3 มาตราพอดี 217
4.3.1 การวิเคราะห์พีนอลตี 224
4.3.2 การวิเคราะห์โอกาส 226
4.3.3 การใช้ โปรแกรมสาเร็จรูปในการวิเคราะห์ข้อมูล 233
4.3.3.1 โปรแกรมไมโครซอฟท์เอกซ์เซล 233
4.3.3.2 โปรแกรมเอสพีเอสเอส 235
4.3.3.3 โปรแกรมอาร์ 236
4.4 การทดลองแบบอีโวลูชนั นารี โอเปอเรชัน 237
4.5 การออกแบบพื้นที่การตอบสนอง 244
4.5.1 การใช้ โปรแกรมสาเร็จรูปในการวิเคราะห์ข้อมูล 249
4.5.1.1 โปรแกรมไมโครซอฟท์เอกซ์เซล 250
4.5.1.2 โปรแกรมเอสพีเอสเอส 251
4.5.1.3 โปรแกรมอาร์ 252
4.5.2 การสร้ างแผนภูมเิ ส้นชั้นแบบโครงลวดโดยใช้ โปรแกรมไมโครซอฟท์เอกซ์เซล 253
เฉลยกรณีศึกษา: การทดลองแบบส่วนผสม 256
เฉลยกรณีศึกษา: แบบจาลองวิศวกรรมส่วนกลับ 257
เอกสารอ้ างอิง 258
~ iv ~
สารบัญ (ต่อ)
หน้า
กรณีศึกษา: ผังแสดงความชอบ 308
เฉลยกรณีศึกษา: ผังแสดงความชอบ 309
เอกสารอ้ างอิง 310
ภาคผนวก 333
ดัชนี 345
~v~
สารบัญตาราง
หน้า
ตารางที่ 1.1 ตัวอย่างคาถามเชิงบวกและคาถามเชิงลบตามเทคนิคคาโนของผลิตภัณฑ์นมผง 9
ตารางที่ 1.2 แนวทางในการพิจารณารูปแบบความพึงพอใจของผู้บริโภค 10
ตารางที่ 1.3 ตัวอย่างการพิจารณาผลต่อความพึงพอใจของผู้บริโภคในภาพรวมของลักษณะ 11
หรือสมบัตแิ ต่ละรายการและการคานวณสัมประสิทธิ์ความพึงพอใจและ
สัมประสิทธิ์ความไม่พึงพอใจ
ตารางที่ 2.1 ผลการทดสอบและค่าสาหรับการคานวณค่าทีในตัวอย่างที่ 2.1 24
ตารางที่ 2.2 ผลการทดสอบและค่าที่ใช้ ในการคานวณค่าทีของตัวอย่างที่ 2.2 26
ตารางที่ 2.3 ผลการคานวณค่าทีของตัวอย่างที่ 2.1 โดยใช้ คาสัง่ ใน Data Analysis 35
โปรแกรมไมโครซอฟท์เอกซ์เซล
ตารางที่ 2.4 ผลการคานวณค่าเอฟของตัวอย่างที่ 2.2 โดยใช้ คาสัง่ ใช้ คาสั่งใน Data Analysis 36
โปรแกรมไมโครซอฟท์เอกซ์เซล
ตารางที่ 2.5 ผลการคานวณค่าทีของตัวอย่างที่ 2.2 โดยใช้ คาสัง่ ใช้ คาสัง่ ใน Data Analysis 37
โปรแกรมไมโครซอฟท์เอกซ์เซล
ตารางที่ 2.6 ผลการคานวณค่าเอฟของตัวอย่างที่ 2.3 โดยใช้ คาสัง่ ใช้ คาสั่งใน Data Analysis 38
โปรแกรมไมโครซอฟท์เอกซ์เซล
ตารางที่ 2.7 ผลการคานวณค่าทีของตัวอย่างที่ 2.3 โดยใช้ คาสัง่ ใช้ คาสัง่ ใน Data Analysis 38
โปรแกรมไมโครซอฟท์เอกซ์เซล
ตารางที่ 2.8 ผลการคานวณค่าทีของตัวอย่างที่ 2.1 โดยใช้ โปรแกรมเอสพีเอสเอส 39
ตารางที่ 2.9 ผลการคานวณค่าทีของตัวอย่างที่ 2.2 โดยใช้ โปรแกรมเอสพีเอสเอส 40
ตารางที่ 2.10 ผลการคานวณค่าทีของตัวอย่างที่ 2.3 โดยใช้ โปรแกรมเอสพีเอสเอส 41
ตารางที่ 3.1 การวางแผนการทดลองแบบแพลกเกตต์แอนด์เบอร์แมน 12 ทรีตเมนต์ 162
ตารางที่ 3.2 ผลการทดลองตัวอย่างที่ 3.1 165
ตารางที่ 3.3 อิทธิพล ค่าที และระดับความเชื่อมั่น (ค่าในวงเล็บ) ของปัจจัยต่างๆ ต่อ 166
ความชื้นและความหนืดของผลิตภัณฑ์ ตัวอย่างที่ 3.1
ตารางที่ 3.4 อิทธิพล ค่าที และระดับความเชื่อมั่น (ค่าในวงเล็บ) ของปัจจัยต่างๆ ต่อ 166
การกระจายตัวและผลการทดสอบทางประสาทสัมผัสของผลิตภัณฑ์ ตัวอย่างที่ 3.1
ตารางที่ 3.5 ผลการคานวณโดยใช้ โปรแกรมไมโครซอฟท์เอกซ์เซลสาหรับผลการทดลอง 171
ความชื้น (MC) ตัวอย่างที่ 3.1
ตารางที่ 3.6 ผลการคานวณโดยใช้ โปรแกรมไมโครซอฟท์เอกซ์เซลสาหรับผลการทดลอง 171
ความหนืด (VIS) ตัวอย่างที่ 3.1
ตารางที่ 3.7 ผลการคานวณโดยใช้ โปรแกรมไมโครซอฟท์เอกซ์เซลสาหรับผลการทดลอง 171
การกระจายตัว (DIS) ตัวอย่างที่ 3.1
ตารางที่ 3.8 ผลการคานวณโดยใช้ โปรแกรมไมโครซอฟท์เอกซ์เซลสาหรับผลการทดลอง 172
การทดสอบทางประสาทสัมผัส (LIKE) ตัวอย่างที่ 3.1
สารบัญตาราง (ต่อ)
หน้า
ตารางที่ 3.9 ผลการคานวณโดยใช้ โปรแกรมเอสพีเอสเอส สาหรับผลการทดลอง 173
ความชื้น (MC) ตัวอย่างที่ 3.1
ตารางที่ 3.10 ผลการคานวณโดยใช้ โปรแกรมเอสพีเอสเอส สาหรับผลการทดลอง 173
ความหนืด (VIS) ตัวอย่างที่ 3.1
ตารางที่ 3.11 ผลการคานวณโดยใช้ โปรแกรมเอสพีเอสเอส สาหรับผลการทดลอง 174
การกระจายตัว (DIS) ตัวอย่างที่ 3.1
ตารางที่ 3.12 ผลการคานวณโดยใช้ โปรแกรมเอสพีเอสเอส สาหรับผลการทดลอง 174
การทดสอบทางประสาทสัมผัส (LIKE) ตัวอย่างที่ 3.1
ตารางที่ 4.1 ผลการทดสอบทางประสาทสัมผัส ตัวอย่างที่ 4.1 186
ตารางที่ 4.2 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 4.1 เมื่อใช้ แบบจาลองเส้ นตรง 190
โดยใช้ โปรแกรมเอสพีเอสเอส
ตารางที่ 4.3 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 4.1 เมื่อใช้ แบบจาลองกาลังสอง 190
โดยใช้ โปรแกรมเอสพีเอสเอส
ตารางที่ 4.4 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 4.1 เมื่อใช้ แบบจาลองกาลังสอง 192
โดยใช้ โปรแกรมอาร์
ตารางที่ 4.5 ผลการคานวณจุดตัดแกน X และ Y ของแต่ละข้ อกาหนด ของตัวอย่างที่ 4.2 194
ตารางที่ 4.6 คุณค่าทางโภชนาการและราคาของแป้ ง 3 ชนิดของตัวอย่างที่ 4.3 197
ตารางที่ 4.7 ผลการคานวณจุดตัดแกน X และ Y ของแต่ละข้ อกาหนด ของตัวอย่างที่ 4.3 198
ตารางที่ 4.8 ผลการวิเคราะห์ข้อมูลออนไลน์ในเวบไซด์ www.phpsimplex.com 206
ของตัวอย่างที่ 4.2
ตารางที่ 4.9 ผลการวิเคราะห์ข้อมูลออนไลน์ในเวบไซด์ www.phpsimplex.com 208
ของตัวอย่างที่ 4.3
ตารางที่ 4.10 ผลการทดลองแปรส่วนผสม 3 ชนิดต่อคุณภาพและภาพลักษณ์ด้านต่างๆ 210
ของผลิตภัณฑ์
ตารางที่ 4.11 ผลการคานวณโดยใช้ โปรแกรมไมโครซอฟท์เอกซ์เซลสาหรับคะแนนความชอบ 211
ของตัวอย่างที่ 4.4
ตารางที่ 4.12 ความหมายของค่าเฉลี่ยที่ลดลง และ ค่าพีนอลตีท้งั หมด 225
ตารางที่ 4.13 กลุ่มผู้ทดสอบสาหรับการวิเคราะห์โอกาส 226
ตารางที่ 4.14 ผลการทดสอบผลิตภัณฑ์เครื่องดื่มชนิดเจลจากสารสกัดสาหร่ายเตา 228
กลิ่นมะนาว ของตัวอย่างที่ 4.7
ตารางที่ 4.15 ผลการวิเคราะห์ข้อมูลสาหรับมาตราพอดี 3 ระดับ ด้ วย วิธีที่ 1 ของตัวอย่างที่ 4.7 229
ตารางที่ 4.16 ผลการวิเคราะห์ข้อมูลสาหรับมาตราพอดี 3 ระดับ ด้ วย วิธีที่ 2 ของตัวอย่างที่ 4.7 230
ตารางที่ 4.17 การคานวณค่าเฉลี่ยที่ลดลง และ ค่าพีนอลตีท้งั หมด ของตัวอย่างที่ 4.7 230
ตารางที่ 4.18 การแจกแจงข้ อมูลสาหรับการวิเคราะห์โอกาส ของตัวอย่างที่ 4.7 232
ตารางที่ 4.19 กลุ่มผู้ทดสอบสาหรับการวิเคราะห์โอกาส ของตัวอย่างที่ 4.7 232
~ vii ~
สารบัญตาราง (ต่อ)
หน้า
2
ตารางที่ 4.20 ทรีตเมนต์และผลการทดลองที่ได้ จากการทดลองแบบ 2 EVOP 240
ของตัวอย่างที่ 4.8
ตารางที่ 4.21 ทรีตเมนต์คอมบิเนชันของแผนการทดลองแบบเซนทรัลคอมโพสิต 245
เมื่อใช้ แผนการทดลองแบบ 22 แฟคทอเรียลเป็ นพื้นฐาน
ตารางที่ 4.22 ทรีตเมนต์คอมบิเนชันของแผนการทดลองแบบบอกซ์เบนเคน 246
เมื่อมีตวั แปรต้ น 3 ตัว
ตารางที่ 4.23 จานวนซา้ ที่ตาแหน่งกึ่งกลางและจานวนทรีตเมนต์คอมบิเนชั่นทั้งหมด 246
ของแผนการทดลองเซนทรัลคอมโพสิตและบอกซ์เบนเคน
ตารางที่ 4.24 ผลการทดลองสาหรับตัวอย่างที่ 4.9 247
ตารางที่ 4.25 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 4.9 โดยใช้ โปรแกรมไมโครซอฟท์เอกซ์เซล 251
ตารางที่ 4.26 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 4.9 โดยใช้ โปรแกรมเอสพีเอสเอส 252
ตารางที่ 4.27 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 4.9 โดยใช้ โปรแกรมอาร์ 253
ตารางที่ 5.1 ข้ อมูลสาหรับตัวอย่างที่ 5.1 263
ตารางที่ 5.2 ตาแหน่งผลิตภัณฑ์และคะแนนความชอบเฉลี่ยของผู้บริโภค 2 กลุ่ม 274
สาหรับตัวอย่างที่ 5.2
ตารางที่ 5.3 ข้ อมูลสาหรับตัวอย่างที่ 5.3 284
ตารางที่ 6.1 ตัวอย่างพลังงานกระตุ้น (Activation energy; Ea) ของปฏิกริ ิยาที่เกี่ยวข้ อง 312
กับการเสื่อมเสียของอาหาร
ตารางที่ 6.2 ตัวอย่างการใช้ สภาวะเร่งในการศึกษาอายุการเก็บของผลิตภัณฑ์อาหาร 313
ตารางที่ 6.3 ค่าการดูดกลืนแสงที่ความยาวคลื่น 420 นาโนเมตรของผลิตภัณฑ์ 315
นา้ ส้ มพร้ อมดื่มที่เก็บไว้ ท่อี ณ
ุ หภูมิ 25ซ
ตารางที่ 6.4 การเปลี่ยนแปลงนา้ หนักของสตรอเบอร์รีท่อี ณ ุ หภูมิ 5.5 และ 23ซ 318
ตารางที่ 6.5 อัตราเร็วของการเปลี่ยนแปลงนา้ หนักสตรอเบอร์รีและอายุการเก็บ 319
ที่อณ
ุ หภูมิ 0 10 20 30 และ 40ซ
ตารางที่ 6.6 ตัวอย่างการประมาณอายุการเก็บผลิตภัณฑ์โดยวิธคี วิ เทน 321
ตารางที่ 6.7 อัตราซึมผ่านของความชื้นและอายุการเก็บของผลิตภัณฑ์ 326
~ viii ~
สารบัญภาพ
หน้า
ภาพที่ 1.1 วงจรชีวิตผลิตภัณฑ์ 3
ภาพที่ 1.2 ความคิดเกี่ยวกับผลิตภัณฑ์ท่ถี ูกคัดกรองโดยกระบวนการพัฒนาผลิตภัณฑ์ 6
ภาพที่ 1.3 ความพึงพอใจของผู้บริโภคที่เกิดจากลักษณะหรือสมบัตติ ่างๆ ของผลิตภัณฑ์ 8
ภาพที่ 1.4 การประยุกต์ใช้ การกระจายหน้ าที่เชิงคุณภาพ (Quality function deployment, QFD) 13
และบ้ านคุณภาพ (House of quality, HOQ) ในอุตสาหกรรมอาหาร
ภาพที่ 1.5 เมตริกสาหรับการเปลี่ยนความต้ องการของผู้บริโภคไปเป็ นลักษณะหรือ 14
สมบัตผิ ลิตภัณฑ์ (บ้ านคุณภาพ 1 การวางแผนผลิตภัณฑ์)
ภาพที่ 1.6 การแปลงความต้ องการของผู้บริโภคของผลิตภัณฑ์ขนมขบเคี้ยวชนิดพองกรอบ 17
เป็ นลักษณะหรือสมบัตผิ ลิตภัณฑ์ท่สี ามารถวัดได้ โดยใช้ บ้านคุณภาพ
(House of quality, HOQ)
ภาพที่ 1.7 การแปลงลักษณะหรือสมบัตผิ ลิตภัณฑ์ท่สี ามารถวัดได้ ของผลิตภัณฑ์ขนมขบเคี้ยว 19
ชนิดพองกรอบเป็ นปัจจัยส่วนผสมและกระบวนการผลิตในการผลิตโดยใช้
บ้ านคุณภาพ
ภาพที่ 2.1 ภาพรวมของการวิเคราะห์ข้อมูลทางสถิตใิ นงานวิจัย 21
ภาพที่ 2.2 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 2.1 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 32
ภาพที่ 2.3 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 2.2 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 33
ภาพที่ 2.4 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 2.3 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 33
ภาพที่ 2.5 ผลการคานวณค่าทีของตัวอย่างที่ 2.1 โดยใช้ โปรแกรมอาร์ 44
ภาพที่ 2.6 ผลการคานวณค่าทีของตัวอย่างที่ 2.3 โดยใช้ โปรแกรมอาร์ 45
ภาพที่ 2.7 ลักษณะหน่วยทดลองในการวางแผนการทดลองแบบสุ่มสมบูรณ์ (9 ซา้ ) 49
ภาพที่ 2.8 ลักษณะหน่วยทดลองในการวางแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก 49
(3 บล็อคๆ ละ 3 ซา้ )
ภาพที่ 2.9 ลักษณะหน่วยทดลองในการวางแผนการทดลองแบบลาตินสแควร์ 50
(แบบ 3x3 จานวน 3 ซา้ )
ภาพที่ 2.10 ลักษณะหน่วยทดลองในการวางแผนการทดลองแบบแฟคทอเรียล 50
(แบบ 2x2 จานวน 3 ซา้ )
ภาพที่ 2.11 ลักษณะหน่วยทดลองในการวางแผนการทดลองแบบสปลิทพลอท 51
(แบบ 2x3 จานวน 2 ซา้ )
ภาพที่ 2.12 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 2.4-2.5 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 122
ภาพที่ 2.13 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 2.4-2.5 (ก) และ 2.6 (ข) 123
ในโปรแกรมไมโครซอฟท์เอกซ์เซล
ภาพที่ 2.14 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 2.7-2.10 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 124
ภาพที่ 2.15 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.4 โดยคาสัง่ Data Analysis 125
ในโปรแกรมไมโครซอฟท์เอกซ์เซล
สารบัญภาพ (ต่อ)
หน้า
ภาพที่ 2.16 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.5 โดยคาสัง่ Data Analysis 126
ในโปรแกรมไมโครซอฟท์เอกซ์เซล
ภาพที่ 2.17 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.4 โดยแมโครในไฟล์ DSAASTAT.XLS 129
ภาพที่ 2.18 ผลการเปรียบเทียบค่าเฉลี่ยของ Treatment ตัวอย่างที่ 2.4 โดยแมโครในไฟล์ 129
DSAASTAT.XLS
ภาพที่ 2.19 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.5 โดยแมโครในไฟล์ DSAASTAT.XLS 130
ภาพที่ 2.20 ผลการเปรียบเทียบค่าเฉลี่ยของ Treatment (ก) และ Rep (ข) ตัวอย่างที่ 2.5 131
โดยแมโครในไฟล์ DSAASTAT.XLS
ภาพที่ 2.21 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.6 โดยแมโครในไฟล์ DSAASTAT.XLS 133
ภาพที่ 2.22 ผลการเปรียบเทียบค่าเฉลี่ยของ Treatment (ก) Rep (ข) และ Chopper (ค) 134
ตัวอย่างที่ 2.6 โดยแมโครในไฟล์ DSAASTAT.XLS
ภาพที่ 2.23 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.7 โดยแมโครในไฟล์ DSAASTAT.XLS 136
ภาพที่ 2.24 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.8 โดยแมโครในไฟล์ DSAASTAT.XLS 137
ภาพที่ 2.25 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.9 โดยแมโครในไฟล์ DSAASTAT.XLS 138
ภาพที่ 2.26 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.10 โดยแมโครในไฟล์ DSAASTAT.XLS 139
ภาพที่ 2.27 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.4 โดยใช้ คาสั่ง “Compare Means” 141
โปรแกรมเอสพีเอสเอส
ภาพที่ 2.28 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.4 (ก) และตัวอย่างที่ 2.5 (ข) โดยใช้ คาสัง่ 144
“General Linear Model” โปรแกรมเอสพีเอสเอส
ภาพที่ 2.29 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.6 โดยใช้ คาสัง่ “General Linear Model” 145
โปรแกรมเอสพีเอสเอส
ภาพที่ 2.30 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.7 โดยใช้ คาสั่ง “General Linear Model” 145
โปรแกรมเอสพีเอสเอส
ภาพที่ 2.31 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.8 โดยใช้ คาสั่ง “General Linear Model” 146
โปรแกรมเอสพีเอสเอส
ภาพที่ 2.32 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.9 โดยใช้ คาสั่ง “General Linear Model” 146
โปรแกรมเอสพีเอสเอส
ภาพที่ 2.33 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.10 โดยใช้ คาสั่ง “General Linear Model” 147
โปรแกรมเอสพีเอสเอส
ภาพที่ 2.34 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.4 โดยใช้ โปรแกรมอาร์ 149
ภาพที่ 2.35 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.5 โดยใช้ โปรแกรมอาร์ 150
ภาพที่ 2.36 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.6 โดยใช้ โปรแกรมอาร์ 152
ภาพที่ 2.37 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.7 โดยใช้ โปรแกรมอาร์ 153
ภาพที่ 2.38 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.8 โดยใช้ โปรแกรมอาร์ 154
ภาพที่ 2.39 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.9–2.10 โดยใช้ โปรแกรมอาร์ 155
~x~
สารบัญภาพ (ต่อ)
หน้า
ภาพที่ 3.1 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 3.1 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 169
ภาพที่ 4.1 บริเวณที่เป็ นการทดลองแบบส่วนผสม (Mixture design) เมื่อมีส่วนประกอบ 180
2 และ 3 ชนิดตามลาดับ
ภาพที่ 4.2 ทรีตเมนต์สาหรับการทดลองแบบซิมเพลกซ์แลกทิซ เมื่อ q = 3, m = 2 181
และ q = 3, m = 3
ภาพที่ 4.3 ทรีตเมนต์สาหรับการทดลองแบบซิมเพลกซ์เซนทรอยด์ เมื่อ q = 3 181
ภาพที่ 4.4 ทรีตเมนต์สาหรับการทดลองแบบซิมเพลกซ์แอคเซียล เมื่อ q = 3 182
ภาพที่ 4.5 ตัวอย่างพื้นที่สาหรับการทดลองแบบเอกซ์ทรีมเวอร์ทสิ 183
ภาพที่ 4.6 ทรีตเมนต์สาหรับตัวอย่างที่ 4.1 185
ภาพที่ 4.7 การพิมพ์ข้อมูลบางส่วนสาหรับตัวอย่างที่ 4.1 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 188
ภาพที่ 4.8 แผนภูมเิ ส้ นตรงของแต่ละข้ อกาหนด และพื้นที่ๆ สอดคล้ องกับข้ อกาหนดทั้งหมด 195
ของตัวอย่างที่ 4.2
ภาพที่ 4.9 แผนภูมเิ ส้ นตรงของแต่ละข้ อกาหนด พื้นที่ๆ สอดคล้ องกับข้ อกาหนดทั้งหมด 196
Isocost line และจุดที่มตี ้ นทุนต่าสุด ของตัวอย่างที่ 4.2
ภาพที่ 4.10 แผนภูมเิ ส้ นตรงของแต่ละข้ อกาหนด และพื้นที่ๆ สอดคล้ องกับข้ อกาหนดทั้งหมด 199
ของตัวอย่างที่ 4.3
ภาพที่ 4.11 แผนภูมเิ ส้ นตรงของแต่ละข้ อกาหนด พื้นที่ๆ สอดคล้ องกับข้ อกาหนดทั้งหมด 199
Isocost line และจุดที่มตี ้ นทุนต่าสุด ของตัวอย่างที่ 4.3
ภาพที่ 4.12 การพิมพ์ข้อมูลในแผ่นงานสาหรับการใช้ คาสั่ง Solver ของตัวอย่างที่ 4.2 202
ภาพที่ 4.13 ผลลัพธ์ของการใช้ คาสั่ง Solver ของตัวอย่างที่ 4.2 203
ภาพที่ 4.14 การพิมพ์ข้อมูลในแผ่นงาน สาหรับการใช้ คาสั่ง Solver ของตัวอย่างที่ 4.3 204
ภาพที่ 4.15 ผลลัพธ์ของการใช้ คาสั่ง Solver ของตัวอย่างที่ 4.3 204
ภาพที่ 4.16 ผลการวิเคราะห์ข้อมูลออนไลน์ในเวบไซด์ www.phpsimplex.com 206
ของตัวอย่างที่ 4.2
ภาพที่ 4.17 ผลการวิเคราะห์ข้อมูลออนไลน์ในเวบไซด์ www.phpsimplex.com 208
ของตัวอย่างที่ 4.3
ภาพที่ 4.18 การพิมพ์ข้อมูลในแผ่นงาน สาหรับการใช้ คาสั่ง Solver ของตัวอย่างที่ 4.4 213
ภาพที่ 4.19 ผลการวิเคราะห์ข้อมูลโดยใช้ คาสัง่ Solver สาหรับกรณีท่ี 1 ของตัวอย่างที่ 4.4 214
ภาพที่ 4.20 ผลการวิเคราะห์ข้อมูลโดยใช้ คาสัง่ Solver สาหรับกรณีท่ี 2 ของตัวอย่างที่ 4.4 214
ภาพที่ 4.21 ผลการวิเคราะห์ข้อมูลโดยใช้ คาสัง่ Solver สาหรับกรณีท่ี 3 ของตัวอย่างที่ 4.4 215
ภาพที่ 4.22 มาตราพอดี 217
ภาพที่ 4.23 แผนภูมแิ สดงความถี่ผลการทดสอบทางประสาทสัมผัสโดยใช้ มาตราพอดี 219
ของตัวอย่างที่ 4.5
~ xi ~
สารบัญภาพ (ต่อ)
หน้า
ภาพที่ 4.24 แผนภูมริ ะหว่างค่าเฉลี่ยที่ลดลงหรือค่าพีนอลตีท้งั หมด และ 225
สัดส่วนของผู้ทดสอบที่ระบุว่าความเข้ มไม่พอดี
ภาพที่ 4.25 กลุ่มผู้ทดสอบสาหรับการวิเคราะห์โอกาส 227
ภาพที่ 4.26 แผนภูมแิ สดงค่าพีนอลตีท้งั หมด และสัดส่วนของผู้ทดสอบที่ระบุว่า 231
ความเข้ มไม่พอดีของตัวอย่างที่ 4.7
ภาพที่ 4.27 การพิมพ์ข้อมูลสาหรับตัวอย่างที่ 4.5 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 234
ภาพที่ 4.28 การวางแผนการทดลองแบบ 22 EVOP ของตัวอย่างที่ 4.8 240
ภาพที่ 4.29 การกรอกข้ อมูลผลของแผนการทดลองแบบ 22 EVOP สาหรับการทดลองครั้งที่ 1 241
ของตัวอย่างที่ 4.8
ภาพที่ 4.30 การคานวณส่วนเบี่ยงเบนมาตรฐานของแผนการทดลองแบบ 22 EVOP 242
สาหรับการทดลองครั้งที่ 1 และ 2 ของตัวอย่างที่ 4.8
ภาพที่ 4.31 การคานวณผลของแผนการทดลองแบบ 22 EVOP ของตัวอย่างที่ 4.8 243
ภาพที่ 4.32 แผนภูมเิ ส้ นชั้นแบบโครงลวด (Contour plot) จากผลการทดลอง 248
ของตัวอย่างที่ 4.9
ภาพที่ 4.33 การพิมพ์ข้อมูลของตัวอย่างที่ 4.9 ในโปรแกรมไมโครซอฟท์เอกซ์เซล 249
ภาพที่ 4.34 การพิมพ์ข้อมูลเพื่อสร้ างแผนภูมเิ ส้ นชั้นแบบโครงลวดของตัวอย่างที่ 4.9 255
ภาพที่ 5.1 การพิมพ์ข้อมูลตัวอย่างที่ 5.1 ที่หน้ าต่าง Dataset ของโปรแกรมเอสพีเอสเอส 263
ภาพที่ 5.2 ข้ อมูลตาแหน่งของผลิตภัณฑ์ A–E ของตัวอย่างที่ 5.1 ในโปรแกรมเอสพีเอสเอส 264
ภาพที่ 5.3 ผลการวิเคราะห์องค์ประกอบหลักของตัวอย่างที่ 5.1 โดยโปรแกรมเอสพีเอสเอส 265
ภาพที่ 5.4 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.1 โดยโปรแกรมเอสพีเอสเอส 266
ภาพที่ 5.5 ผลการวิเคราะห์สหสัมพันธ์ของตัวอย่างที่ 5.1 โดยโปรแกรมเอสพีเอสเอส 267
ภาพที่ 5.6 ข้ อมูลสาหรับการสร้ างผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทางของ 268
ลักษณะทางประสาทสัมผัสของตัวอย่างที่ 5.1 ในโปรแกรมเอสพีเอสเอส
ภาพที่ 5.7 ผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทางของลักษณะทางประสาทสัมผัส 268
ของตัวอย่างที่ 5.1 โดยโปรแกรมเอสพีเอสเอส
ภาพที่ 5.8 ผังแสดงตาแหน่งผลิตภัณฑ์และเวคเตอร์แสดงทิศทางลักษณะทางประสาทสัมผัส 1 269
ของตัวอย่างที่ 5.1 โดยโปรแกรมเอสพีเอสเอส
ภาพที่ 5.9 ข้ อมูลตาแหน่งของผลิตภัณฑ์ A–E ของตัวอย่างที่ 5.1 ในโปรแกรมอาร์ 270
ภาพที่ 5.10 ผลการวิเคราะห์องค์ประกอบหลักของตัวอย่างที่ 5.1 โดยโปรแกรมอาร์ 271
ภาพที่ 5.11 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.1 โดยโปรแกรมอาร์ 272
ภาพที่ 5.12 ผลการวิเคราะห์สหสัมพันธ์ของตัวอย่างที่ 5.1 โดยโปรแกรมอาร์ 272
ภาพที่ 5.13 ข้ อมูลสาหรับการสร้ างผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทางของ 273
ลักษณะทางประสาทสัมผัสของตัวอย่างที่ 5.1 ในโปรแกรมอาร์
ภาพที่ 5.14 ผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทางของลักษณะทางประสาทสัมผัส 274
ของตัวอย่างที่ 5.1 โดยโปรแกรมอาร์
~ xii ~
สารบัญภาพ (ต่อ)
หน้า
ภาพที่ 5.15 การพิมพ์ข้อมูลตัวอย่างที่ 5.2 ที่หน้ าต่าง Dataset ของโปรแกรมเอสพีเอสเอส 275
ภาพที่ 5.16 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 1 ในตัวอย่างที่ 5.2 276
ที่หน้ าต่าง Output ของโปรแกรมเอสพีเอสเอส
ภาพที่ 5.17 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 2 ในตัวอย่างที่ 5.2 277
ที่หน้ าต่าง Output ของโปรแกรมเอสพีเอสเอส
ภาพที่ 5.18 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.2 โดยโปรแกรมเอสพีเอสเอส 278
ภาพที่ 5.19 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.2 โดยโปรแกรมเอสพีเอสเอส 279
ที่คดั ลอกมาเติมเวคเตอร์ทศิ ทางความชอบในโปรแกรมไมโครซอฟท์เวิร์ด
ภาพที่ 5.20 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 1 ในตัวอย่างที่ 5.2 280
ที่ส่วน Output ของหน้ าต่าง R Commander ในโปรแกรมอาร์
ภาพที่ 5.21 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 2 ในตัวอย่างที่ 5.2 281
ที่ส่วน Output ของหน้ าต่าง R Commander ในโปรแกรมอาร์
ภาพที่ 5.22 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.2 โดยโปรแกรมอาร์ 282
ภาพที่ 5.23 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.2 โดยโปรแกรมอาร์ 282
ที่คดั ลอกมาเติมเวคเตอร์ทศิ ทางความชอบในโปรแกรมไมโครซอฟท์เวิร์ด
ภาพที่ 5.24 การพิมพ์ข้อมูลตัวอย่างที่ 5.3 ที่หน้ าต่าง Dataset ของโปรแกรมเอสพีเอสเอส 284
ภาพที่ 5.25 ข้ อมูลตาแหน่งของผลิตภัณฑ์ A–I ของตัวอย่างที่ 5.3 ในโปรแกรมเอสพีเอสเอส 285
ภาพที่ 5.26 ผลการวิเคราะห์องค์ประกอบหลักของตัวอย่างที่ 5.3 โดยโปรแกรมเอสพีเอสเอส 286
ภาพที่ 5.27 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.3 โดยโปรแกรมเอสพีเอสเอส 287
ภาพที่ 5.28 ข้ อมูลสาหรับการสร้ างผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทางของ 288
ลักษณะทางประสาทสัมผัสของตัวอย่างที่ 5.3 ในโปรแกรมเอสพีเอสเอส
ภาพที่ 5.29 ผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทางของลักษณะทางประสาทสัมผัส 288
ของตัวอย่างที่ 5.3 โดยโปรแกรมเอสพีเอสเอส
ภาพที่ 5.30 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 1 ในตัวอย่างที่ 5.3 290
ที่หน้ าต่าง Output ของโปรแกรมเอสพีเอสเอส
ภาพที่ 5.31 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 2 ในตัวอย่างที่ 5.3 291
ที่หน้ าต่าง Output ของโปรแกรมเอสพีเอสเอส
ภาพที่ 5.32 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.3 โดยโปรแกรมเอสพีเอสเอส 292
ที่คดั ลอกมาเติมเวคเตอร์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 1 และ 2
ในโปรแกรมไมโครซอฟท์เวิร์ด
ภาพที่ 5.33 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 3 ในตัวอย่างที่ 5.3 294
ที่หน้ าต่าง Output ของโปรแกรมเอสพีเอสเอส
ภาพที่ 5.34 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 4 ในตัวอย่างที่ 5.3 295
ที่หน้ าต่าง Output ของโปรแกรมเอสพีเอสเอส
~ xiii ~
สารบัญภาพ (ต่อ)
หน้า
ภาพที่ 5.35 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 5 ในตัวอย่างที่ 5.3 296
ที่หน้ าต่าง Output ของโปรแกรมเอสพีเอสเอส
ภาพที่ 5.36 การพิมพ์ข้อมูลเพื่อสร้ างแผนภูมเิ ส้ นชั้นแบบโครงลวด (Contour plot) 297
ทิศทางความชอบของผู้บริโภคกลุ่ม 3 ตัวอย่างที่ 5.3
ภาพที่ 5.37 แผนภูมเิ ส้ นชั้นแบบโครงลวด (Contour plot) ทิศทางความชอบ 298
ของผู้บริโภคกลุ่ม 3 ตัวอย่างที่ 5.3
ภาพที่ 5.39 ข้ อมูลตาแหน่งของผลิตภัณฑ์ A–I ของตัวอย่างที่ 5.3 ในโปรแกรมอาร์ 299
ภาพที่ 5.40 ผลการวิเคราะห์องค์ประกอบหลักของตัวอย่างที่ 5.3 300
ที่ส่วน Output ของหน้ าต่าง R Commander ในโปรแกรมอาร์
ภาพที่ 5.41 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.3 โดยโปรแกรมอาร์ 300
ภาพที่ 5.42 ข้ อมูลสาหรับการสร้ างผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทาง 301
ของลักษณะทางประสาทสัมผัสของตัวอย่างที่ 5.3 ในโปรแกรมอาร์
ภาพที่ 5.43 ผังแสดงตาแหน่งผลิตภัณฑ์พร้ อมทิศทางของลักษณะทางประสาทสัมผัส 302
ของตัวอย่างที่ 5.3 ในโปรแกรมอาร์
ภาพที่ 5.44 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 1 ในตัวอย่างที่ 5.3 303
ที่ส่วน Output ของหน้ าต่าง R Commander ในโปรแกรมอาร์
ภาพที่ 5.45 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 2 ในตัวอย่างที่ 5.3 303
ที่ส่วน Output ของหน้ าต่าง R Commander ในโปรแกรมอาร์
ภาพที่ 5.46 ผังแสดงตาแหน่งผลิตภัณฑ์ของตัวอย่างที่ 5.3 โดยโปรแกรมอาร์ท่คี ดั ลอก 304
มาเติมเวคเตอร์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 1 และ 2 ในไมโครซอฟท์เวิร์ด
ภาพที่ 5.47 ข้ อมูลสาหรับการวิเคราะห์ข้อมูลทิศทางความชอบของผู้บริโภคกลุ่ม 3–5 305
ของตัวอย่างที่ 5.3 ในโปรแกรมอาร์
ภาพที่ 5.48 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 3 ในตัวอย่างที่ 5.3 306
ที่ส่วน Output หน้ าต่าง R Commander ของโปรแกรมอาร์
ภาพที่ 5.49 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 4 ในตัวอย่างที่ 5.3 306
ที่ส่วน Output หน้ าต่าง R Commander ของโปรแกรมอาร์
ภาพที่ 5.50 ผลการวิเคราะห์ทศิ ทางความชอบของผู้บริโภคกลุ่ม 3 ในตัวอย่างที่ 5.3 307
ที่ส่วน Output หน้ าต่าง R Commander ของโปรแกรมอาร์
ภาพที่ 6.1 ปฏิกริ ิยาอันดับศูนย์และปฏิกริ ิยาอันดับหนึ่ง 315
ภาพที่ 6.2 ค่าการดูดกลืนแสงที่ความยาวคลื่น 420 นาโนเมตรของผลิตภัณฑ์ 316
นา้ ส้ มพร้ อมดื่มที่อณ
ุ หภูมิ 25ซ
ภาพที่ 6.3 ความสัมพันธ์ของ ln k และ 1/T 317
ภาพที่ 6.4 การเปลี่ยนแปลงนา้ หนักของสตรอเบอร์รีท่อี ณ ุ หภูมิ 5.5 และ 23ซ 318
ภาพที่ 6.5 ตัวอย่างการพิจารณาแบ่งไอโซเทอร์มการดูดความชื้น 324
(Moisture sorption isotherm) ของผลิตภัณฑ์เป็ นช่วงสั้นๆ
~ xiv ~
สารบัญภาพ (ต่อ)
หน้า
ภาพที่ 6.6 การพิมพ์ข้อมูลเพื่อสร้ างแผนภูมสิ าหรับ (ก) ตัวอย่างที่ 6.1 328
และ (ข) ตัวอย่างที่ 6.2
ภาพที่ 6.7 แผนภูมกิ ระจายที่มแี ต่เครื่องหมายของ (ก) ตัวอย่างที่ 6.1 328
และ (ข) ตัวอย่างที่ 6.2
ภาพที่ 6.8 แผนภูมกิ ระจาย เส้ นแนวโน้ ม สมการ และค่า R-squared ของ 329
(ก) ตัวอย่างที่ 6.1 และ (ข) ตัวอย่างที่ 6.2
~ xv ~
สารบัญตารางภาคผนวก
หน้า
ตารางภาคผนวกที่ 1 ค่าวิกฤตสาหรับการทดสอบค่าเอฟ 335
ตารางภาคผนวกที่ 2 ค่าวิกฤตสาหรับการทดสอบค่าที 337
ตารางภาคผนวกที่ 3 ค่าวิกฤตของพิสยั เชิงพหุของดันแคน 338
ตารางภาคผนวกที่ 4 ค่าวิกฤตของพิสยั สติวเดนท์ไดซ์ 340
ตารางภาคผนวกที่ 5 ค่าวิกฤตของดันเนทท์ 341
ตารางภาคผนวกที่ 6 ค่าวิกฤต (จานวนผู้ทดสอบที่ต้องการ) สาหรับการทดสอบความแตกต่าง 342
ของตัวอย่าง 2 ตัวอย่าง (p=1/2) เมื่อเป็ นการทดสอบสมมติฐานสองทาง
ตารางภาคผนวกที่ 7 ค่าวิกฤตสาหรับการทดสอบไคสแควร์ 343
บทที่ 1
บทนา
1.1 ความหมายของการพัฒนาผลิตภัณฑ์อาหาร
เนื่องจากการพัฒนา หมายถึง การทาให้ ดขี ้ นึ ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยีการอาหาร การ
พัฒนาผลิตภัณฑ์อาหาร จึงหมายถึง การแสวงหาความรู้โดยใช้ กระบวนการทางวิทยาศาสตร์ (การวิจัย) หรือ
วิธกี ารอื่นๆ เพื่อให้ ได้ ข้อมูลความรู้สาหรับการปรับปรุงหรือแก้ ไขปัญหาต่างๆ ของผลิตภัณฑ์ ตั้งแต่ข้นั ตอน
การจัดหาและเตรียมวัตถุดบิ การแปรรูป การบรรจุและเก็บรักษา เพื่อให้ ได้ ผลิตภัณฑ์ท่มี คี ุณภาพดีข้ นึ หรือ
คุณภาพเหมือนเดิมแต่ต้นทุนต่าลง และการสร้ างผลิตภัณฑ์ใหม่ (ปาริฉัตร, 2559)
1.2 ผลิตภัณฑ์ใหม่
ความหมายของคาว่า “ผลิตภัณฑ์ใหม่” อาจมีความแตกต่างกันไปตามทัศนะของผู้บริโภค ผู้ผลิต ผู้จัด
จาหน่าย หรือ นักการตลาด สาหรับคนทั่วไป ผลิตภัณฑ์ใหม่อาจหมายถึง ผลิตภัณฑ์ท่ยี ังไม่เคยใช้ หรือ
ผลิตภัณฑ์ท่ไี ม่เคยพบเห็นหรือรู้จักมาก่อน แต่ในทางการตลาด ผลิตภัณฑ์ใหม่จะหมายถึงผลิตภัณฑ์ใน
ลักษณะต่างๆ ดังต่อไปนี้ (Lamb, Hair and McDaniel, 2005)
1.2.1 ผลิตภัณฑ์ใหม่แท้ (Original product, New–to–the–world product, discontinuous
innovation) หมายถึง ผลิตภัณฑ์ท่ถี ูกประดิษฐ์คดิ ค้ นขึ้นมาเป็ นครั้งแรก ยังไม่เคยมีผลิตภัณฑ์ชนิดเดียวกันนี้
เสนอต่อตลาดมาก่อน ผู้บริโภคจึงอาจจาเป็ นต้ องเรียนรู้รปู แบบการบริโภคผลิตภัณฑ์ใหม่แท้ น้ ี เนื่องจากอาจมี
ความแตกต่างไปจากผลิตภัณฑ์ท่มี อี ยู่แล้ วอย่างมาก
1.2.2 ผลิตภัณฑ์ในสายการผลิตใหม่ (New product line) หมายถึง ผลิตภัณฑ์ในกลุ่มที่บริษัทยังไม่
เคยผลิตมาก่อน แต่มองเห็นความต้ องการของตลาด และพิจารณาแล้ วว่าบริษัทมีศักยภาพที่จะเข้ าไปมีส่วน
แบ่งในตลาดดังกล่าว จึงพัฒนาผลิตภัณฑ์กลุ่มดังกล่าวออกมาเพื่อวางจาหน่าย
1.2.3 ผลิตภัณฑ์ดดั แปร (Modified product, Additions to existing product line) หมายถึง
ผลิตภัณฑ์ท่พี ัฒนาขึ้นมา โดยการตกแต่งหรือดัดแปลงผลิตภัณฑ์เดิมให้ เกิดความแตกต่างขึ้นในสายตาของ
ผู้บริโภค เช่น การเปลี่ยนแปลงสี ขนาด รูปร่างหรือรูปแบบ ตลอดจนส่วนประกอบบางอย่างของผลิตภัณฑ์
เป็ นต้ น เพื่อให้ ผ้ บู ริโภคมองเห็นถึงความหลากหลายของผลิตภัณฑ์ และมีทางเลือกในการบริโภคมากขึ้น
1.2.4 ผลิตภัณฑ์ปรับปรุงใหม่ (Improved product, Improvements or revisions of existing
products) หมายถึง ผลิตภัณฑ์ท่พี ัฒนาขึ้นมา โดยการแก้ ไขผลิตภัณฑ์เดิมให้ มคี ุณภาพดีหรือถูกใจผู้บริโภค
มากยิ่งขึ้น ซึ่งอาจรวมไปถึงการเพิ่มประโยชน์หรือลักษณะต่างๆ ที่ผ้ บู ริโภคต้ องการให้ กบั ผลิตภัณฑ์เดิม เพื่อ
ทาให้ มคี วามเหมาะสมต่อการใช้ งานหรือการใช้ ประโยชน์ของผู้บริโภคมากขึ้น (Value added products)
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~2~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~3~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
1.4 ความสาคัญของการพัฒนาผลิตภัณฑ์
ผลิตภัณฑ์เป็ นหัวใจสาคัญของการทาธุรกิจ บริษัทจะประสบความสาเร็จได้ กต็ ่อเมื่อมีผลิตภัณฑ์ท่มี ี
คุณภาพดี สอดคล้ องกับความต้ องการของผู้บริโภค ประกอบกับมีการวางจาหน่ายในสถานที่หรือตลาดที่
ถูกต้ อง จัดจาหน่ายด้ วยการส่งเสริมการขายและราคาที่เหมาะสม โดยผลิตภัณฑ์ท่ดี นี ้นั ควรมีเอกลักษณ์
เฉพาะตัว และมีคุณสมบัตคิ รบถ้ วนตามที่ได้ ประกาศหรือโฆษณาไว้ กบั ผู้บริโภค นอกจากนี้ผลิตภัณฑ์ท่อี ยู่ใน
ตลาดยังต้ องเผชิญกับการเปลี่ยนแปลงในด้ านต่างๆ ที่เกิดขึ้น โดยเฉพาะอย่างยิ่งความต้ องการของตลาดที่มกั มี
การเปลี่ยนแปลงอยู่เสมอๆ ผลิตภัณฑ์ท่สี ามารถตอบสนองความต้ องการของผู้บริโภคในปัจจุบนั อาจจะไม่
เป็ นที่ต้องการของผู้บริโภคอีกต่อไปในอนาคตอันใกล้ ทาให้ บริษัทต้ องเผชิญกับความเสี่ยงอยู่ตลอดเวลา
บริษัทต่างๆ จึงหันมาให้ ความสาคัญกับการพัฒนาผลิตภัณฑ์ให้ มคี วามใหม่และสอดคล้ องกับความต้ องการของ
ผู้บริโภคอยู่เสมอ เนื่องจากบริษัทจะได้ รับประโยชน์จากผลิตภัณฑ์ชนิดใหม่ ซึ่งกาลังเป็ นที่ต้องการของ
ผู้บริโภคมากกว่าผลิตภัณฑ์ท่มี อี ยู่เดิมในตลาดอย่างมาก
~4~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
1.5 ปั จจัยที่สนับสนุนให้มีการพัฒนาผลิตภัณฑ์
ปัจจัยที่สนับสนุนให้ มกี ารพัฒนาผลิตภัณฑ์ ได้ แก่ (Kerin et al., 2013)
1.5.1 ผูบ้ ริโภคหรือตลาด ความต้ องการของผู้บริโภคหรือตลาดที่เปลี่ยนแปลงไปมีผลทาให้
ผลิตภัณฑ์ท่มี จี าหน่ายอยู่ไม่เพียงพอที่จะตอบสนองความต้ องการของผู้บริโภคได้ ผู้ผลิตส่วนใหญ่จงึ ต้ องใช้
ความพยายามอย่างมากที่จะเข้ าถึงความต้ องการของตลาดเป้ าหมายที่แตกต่างกัน โดยการเสนอผลิตภัณฑ์ท่มี ี
ลักษณะพิเศษตรงกับความต้ องการของตลาดเป้ าหมายของตนให้ มากที่สดุ การเปลี่ยนแปลงของตลาดจะ
เกิดขึ้นมากและรวดเร็วเพียงใดนั้น ส่วนหนึ่งขึ้นอยู่กบั การพัฒนาและความเจริญของสื่อซึ่งสามารถเข้ าถึง
ผู้บริโภคได้ มากขึ้น และการท่องเที่ยวของบุคคลในกลุ่มนั้น
1.5.2 การเปลีย่ นแปลงทางเทคโนโลยี การเปลี่ยนแปลงดังกล่าวทาให้ ตลาดกว้ างขวางมากขึ้น
เนื่องจากเทคโนโลยีใหม่ๆ มักจะก่อให้ เกิดความต้ องการใหม่ๆ ขึ้นกับผู้บริโภคอยู่เสมอ
1.5.3 คู่แข่งขันทางการค้า การแข่งขันในตลาดเป็ นตัวการบังคับให้ บริษัทต่างๆ ต้ องหันมาให้
ความสาคัญต่อการพัฒนาผลิตภัณฑ์มากขึ้น เนื่องจากการแข่งขันของผลิตภัณฑ์ท่อี ยู่แล้ วในตลาดด้ วยการ
ใช้ กลยุทธ์การลดราคาหรือการส่งเสริมการจาหน่ายด้ วยวิธกี ารต่างๆ จะมีผลต่อกาไรของบริษัท แต่การ
นาเสนอผลิตภัณฑ์ท่มี ลี ักษณะแตกต่างไปจากผลิตภัณฑ์ท่วี างจาหน่ายอยู่ท่วั ไป จะสามารถทากาไรได้ มากกว่า
หากได้ รับการยอมรับจากผู้บริโภค
1.5.4 การใช้ประโยชน์จากทรัพยากรที่มีอยู่ การพัฒนาผลิตภัณฑ์ใหม่เป็ นวิธกี ารหนึ่งซึ่งสามารถทา
ให้ เกิดการใช้ ทรัพยากรที่มอี ยู่อย่างมีประสิทธิภาพมากขึ้น และยังเป็ นการลดต้ นทุนเฉลี่ยของผลิตภัณฑ์
ทั้งหมดของบริษัทอีกด้ วย ทรัพยากรที่ควรจะใช้ ประโยชน์สงู สุด คือ พนักงาน เครื่องมือเครื่องใช้ และโรงงาน
ของบริษัท เนื่องจากหากปล่อยให้ มเี วลาว่างเกิดขึ้นโดยไม่มกี ารผลิตอะไร ผลิตภัณฑ์ท่มี จี าหน่ายอยู่จะต้ อง
รับภาระค่าใช้ จ่ายสูงขึ้นโดยไม่จาเป็ น ผลิตภัณฑ์ใหม่จะช่วยให้ มีการใช้ พนักงานและทรัพย์สนิ ของบริษัทอย่างมี
ประสิทธิภาพมากขึ้น หากไม่จาเป็ นต้ องจ้ างพนักงานเพิ่มขึ้น และสามารถใช้ เครื่องมือ เครื่องใช้ และโรงงานที่มี
อยู่ได้ การเพิ่มผลิตภัณฑ์ใหม่ในกรณีน้ ี จะไม่เพียงทาให้ บริษัทได้ เพิ่มกาไรจากตัวของผลิตภัณฑ์เองเท่านั้น
แต่จะทาให้ สายผลิตภัณฑ์ท่มี อี ยู่ทาการแข่งขันกับคู่แข่งในตลาดได้ ดขี ้ นึ เนื่องจากค่าใช้ จ่ายต่อหน่วยลดลง
ทรัพยากรอื่นๆ ที่สามารถนามาใช้ ให้ เป็ นประโยชน์ต่อบริษัทได้ ด้วยการพัฒนาผลิตภัณฑ์ใหม่ ได้ แก่ เงินทุนที่
เหลืออยู่ซ่งึ ปกติบริษัทอาจจะใช้ ลงทุนในสิง่ ที่ให้ ผลตอบแทนต่ากว่า เช่น การลงทุนในหลักทรัพย์ของรัฐบาล
ในขณะที่การลงทุนเกี่ยวกับผลิตภัณฑ์ใหม่น้นั แม้ จะเป็ นการเสี่ยงแต่กใ็ ห้ ผลกาไรดีกว่ามากถ้ าประสบ
ความสาเร็จ
นอกจากนี้ยังมีทรัพยากรอีกหลายอย่างที่ไม่สามารถแสดงออกมาเป็ นตัวเงินได้ แต่ถอื ได้ ว่าเป็ น
ทรัพยากรที่มคี วามสาคัญอย่างมากของบริษัท เช่น ช่องทางการจัดจาหน่าย ประสบการณ์และความสามารถ
พิเศษของพนักงาน ภาพลักษณ์ท่ดี ขี องบริษัทในสายตาผู้บริโภค ซึ่งทรัพยากรเหล่านี้เมื่อบริษัทนามาใช้
ประโยชน์เพื่อการพัฒนาผลิตภัณฑ์ใหม่แล้ ว จะก่อให้ เกิดผลดีอย่างมากกลับมาสู่บริษัทเองด้ วย คือ ในกรณี
~5~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
1.6 กระบวนการพัฒนาผลิตภัณฑ์
กระบวนการพัฒนาผลิตภัณฑ์อาจพิจารณาแบ่งออกเป็ น 7 ขั้นตอนดังต่อไปนี้ คือ (Schmidt, 2005)
1.6.1 การสร้ างความคิดเกี่ยวกับผลิตภัณฑ์ (Product idea generation or exploration)
1.6.2 การวิเคราะห์โอกาสของความคิดเกี่ยวกับผลิตภัณฑ์ (Opportunity identification) ซึ่ง
ประกอบด้ วยการคัดเลือกและทดสอบความคิดเกี่ยวกับผลิตภัณฑ์ (Screening of product ideas and product
concept testing)
1.6.3 การศึกษารายละเอียดเกี่ยวกับผลิตภัณฑ์ กระบวนการผลิต และการตลาด (Detailed study of
product, process and market) เพื่อประเมินความเป็ นไปได้ ทางเทคนิคและความเป็ นไปได้ ทางการตลาด
เบื้องต้ น (Preliminary marketing and technical assessment)
1.6.4 การศึกษาความเป็ นไปได้ ทางธุรกิจ (Detailed business case analysis)
1.6.5 การพัฒนาผลิตภัณฑ์ต้นแบบ (Development of prototype product )
1.6.6 การทดสอบตลาด (Market testing)
1.6.7 การวางจาหน่าย (Launching product or commercialization)
โดยความคิดเกี่ยวกับผลิตภัณฑ์จานวนมากที่ถูกสร้ างขึ้นจะถูกคัดกรองด้ วยขั้นตอนต่างๆ ของ
กระบวนการพัฒนาผลิตภัณฑ์ จนได้ เป็ นผลิตภัณฑ์ท่มี คี วามพร้ อมในด้ านต่างๆ มากที่สดุ เพื่อนาออกวาง
จาหน่ายในตลาด ดังภาพที่ 1.2
~6~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~7~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~8~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การพิจารณาว่าลักษณะหรือสมบัติแต่ละรายการมีผลต่อความพึงพอใจของผู้บริโภคในรูปแบบใดนั้น
สามารถทาได้ โดยการสารวจลักษณะหรือสมบัติท่สี ร้ างความพึงพอใจให้ กับผู้บริโภคด้ วยเทคนิคคาโน (Kano
Model) ซึ่งประกอบด้ วย คาถามเชิงบวก (Functional Question) คือ คาถามที่ถามความรู้สกึ ของผู้บริโภคเมื่อ
พบลักษณะหรือ สมบัติน้ัน และ คาถามเชิงลบ(Dysfunctional Question) คือ คาถามที่ถามความรู้สึกของ
ผู้บริโภคเมื่อไม่พบคุณลักษณะหรือสมบัตนิ ้นั โดยขอให้ ผ้ บู ริโภคตอบคาถามแต่ละข้ อด้ วยการเลือกใช้ ตัวเลือก
ใดตัวเลือกหนึ่งจาก 5ตัวเลือกต่อไปนี้ คือ ชอบแบบนั้น (Like) ต้ องเป็ นแบบนั้น (Must-be) เฉยๆ กับแบบ
นั้น (Neutral) แบบนั้นก็พอได้ (Can live with) และ ไม่ชอบแบบนั้น (Dislike) ดังตัวอย่างคาถามในตารางที่
1.1 และนาคาตอบของผู้บริโภคแต่ละคนมาพิจารณาว่าลักษณะหรือสมบัติแต่ละรายการนั้น มีผลต่อความพึง
พอใจของผู้บริโภคคนนั้นในรูปแบบใดดังตารางที่ 1.2 ซึ่งสามารถแบ่งออกเป็ น 6 รูปแบบ ดังต่อไปนี้
- ลักษณะหรือสมบัตทิ ่สี ร้ างความประทับใจหรือดึงดูดใจผู้บริโภค (Attractive; A)
- ลักษณะหรือสมบัตทิ ่ผี ้ บู ริโภคต้ องการ ทาให้ เกิดความพอใจ(One-dimensional; O)
- ลักษณะหรือสมบัตทิ ่จี าเป็ นต้ องมีในผลิตภัณฑ์ (Must-be; M)
- ลักษณะหรือสมบัตทิ ่จี าเป็ นต้ องระวังเนื่องจากอาจทาให้ ผ้ บู ริโภคไม่พอใจ (Questionable; Q)
- ลักษณะหรือสมบัตทิ ่ไี ม่ต้องการ ควรมีการปรับปรุง (Reverse; R)
- ลักษณะหรือสมบัตทิ ่ไี ม่แตกต่างในความรู้สกึ ของผู้บริโภค (Indifferent; I)
~9~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวเลือกที่ถูกเลือกมากที่สดุ ของคาถามเชิงลบ
(Dysfunctional Question)
ชอบ ต้ องเป็ น เฉยๆ กับ แบบนั้นก็ ไม่ชอบ
แบบนั้น แบบนั้น แบบนั้น พอได้ แบบนั้น
(Like) (Must-be) (Neutral) (Can live (Dislike)
with)
ชอบ
แบบนั้น Q A A A O
(Like)
ต้ องเป็ น
แบบนั้น R I I I M
(Must-be)
ตัวเลือกที่ถูกเลือกมาก เฉยๆ กับ
ที่สดุ ของคาถามเชิงบวก แบบนั้น R I I I M
(Functional Question) (Neutral)
แบบนั้นก็
พอได้
R I I I M
(Can live
with)
ไม่ชอบ
แบบนั้น R R R R Q
(Dislike)
หมายเหตุ: A (Attractive) คือ ลักษณะหรือสมบัตทิ ่สี ร้ างความประทับใจหรือดึงดูดใจผู้บริโภค
O (One-dimensional) คือ ลักษณะหรือสมบัตทิ ่ผี ้ บู ริโภคต้ องการ ทาให้ เกิดความพอใจ
M (Must-be) คือ ลักษณะหรือสมบัตทิ ่จี าเป็ นต้ องมีในผลิตภัณฑ์
Q (Questionable) คือ ลักษณะหรือสมบัตทิ ่จี าเป็ นต้ องตระหนักให้ มากเพราะอยู่ในส่วนที่ไม่พอใจ
R (Reverse) คือ ลักษณะหรือสมบัตทิ ่ไี ม่ต้องการ ควรมีการปรับปรุง
I (Indifferent) คือ ลักษณะหรือสมบัตทิ ่ไี ม่แตกต่างในความรู้สกึ ของผู้บริโภค
~ 10 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A M O I R Q รวม ภาพรวม S DS
ลักษณะที่ 1 22 3 7 64 6 1 103 I 0.30 -0.26
ลักษณะที่ 2 21 44 7 25 6 0 103 M 0.29 -0.67
ลักษณะที่ 3 18 25 51 9 0 0 103 O 0.67 -0.42
ลักษณะที่ 4 50 9 22 22 0 0 103 A 0.70 -0.57
~ 11 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 12 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 13 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 14 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 15 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 16 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 17 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 18 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 19 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เอกสารอ้างอิง
ปาริฉัตร หงสประภาส. การวิจัยและพัฒนาผลิตภัณฑ์อาหาร. ใน วิทยาศาสตร์และเทคโนโลยีการอาหาร
เล่ม 2. กรุงเทพฯ: สานักพิมพ์มหาวิทยาลัยเกษตรศาสตร์; 2559. หน้ า 307- 315.
Berger C, Blauth R, Boger D, Bolster C, Burchil l D, Du-Mouchel W, Pouliot F, Richter R, Rubinoff
A, Sken D, Tinko M and Walden D. Kano’s methods for understanding customer-defined
quality. Center for Quality Management Journal 1993; 2 (4): 3-36.
Chen X, Meng Q and Zhang L. A decision method for improving tourism industry service quality under
budget constraints. Journal of Service Science and Management 2015; 8: 781-792.
Cohen L. Quality function deployment – How to make QFD work for you. Massachusetts:
Addison-Wesley publishing; 1995, 348 p.
Hofmeister KR. Quality function deployment: market success through customer-driven products.
In: Graf E, Saguy IS, editors. Food product development: from concept to the marketplace.
New York :Van Nostrand and Reinhold; 1991, p. 189-210.
Kerin RA, Theng LG, Hartley SW and Rudelius W. Marketing in Asia. 2 ndEdn. Singapore:
McGraw-Hill Education (Asia); 2013, 822 p.
Lakni WAKI and Jayasinghe-Mudalige UK. Customer-defined quality of food: an empirical
investigation based on Kano analytical methods for milk powder. The Journal of Agricultural
Sciences 2009; 4(2): 45-58.
Lamb CW, Hair JF and McDaniel C. Essentials of Marketing. Ohio: South-Western; 2005, 572 p.
Schmidt JB. Gate decisions: the key to managing risk during new product development. In: Kahn KB,
editor. The PDMA handbook of new product development. 2nd Edn. New Jersey: John Wiley &
Sons, Inc.; 2005, p. 337-348.
Wangcharoen W, Ngarmsak T and Wilkinson BH. The product design of puffed snacks by using quality
function deployment (QFD) and reverse engineering (RE) techniques. Kasetsart Journal
(Natural Science) 2006; 40(1):232-239.
Wangcharoen W. Consumer research techniques to design a new snack product. Ph D Thesis.
Khon Khan University; 2003, 510 p.
~ 20 ~
บทที่ 2
การวิเคราะห์ขอ้ มูลทางสถิติดว้ ยแผนการทดลองทัว่ ไป
ข้ อมูล (ตัวแปร)
ข้ อมูลต่อเนื่อง ข้ อมูลไม่ต่อเนื่อง
3. การวิเคราะห์ความสัมพันธ์ระหว่างตัวแปร
- การวิเคราะห์ค่าสหสัมพันธ์
(Correlation analysis)
4. การวิเคราะห์การเปลี่ยนแปลงของ Y ต่อหน่วย X
- การวิเคราะห์ความถดถอย
(Regression analysis)
5. การวิเคราะห์ข้อมูลแบบนอนพาราเมตริก
(Non-parametric methods)
S 22
F …(2.1.1)
S12
~ 22 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
d
t … (2.1.2)
Sd
n
เมื่อ d = ผลต่างของค่าเฉลี่ยของตัวอย่างทั้งสอง
Sd = ส่วนเบี่ยงเบนมาตรฐานของผลต่าง
n
n
( d i ) 2 n
di2 d
2
i 1
i
2
nd
n
i 1
หรือ i 1
n 1 n 1
di = ผลต่างของคะแนนที่ตวั อย่างทั้ง 2 จากการทาซา้ แต่ละครั้ง
n = จานวนซา้
ตัวอย่างที่ 2.1
ฝ่ ายควบคุมคุณภาพของบริษัทแห่งหนึ่ง ต้ องการทดสอบความแตกต่างของผลิตภัณฑ์ท่ปี รับปรุง
สูตรใหม่เพื่อลดต้ นทุนการผลิตและผลิตภัณฑ์เดิมที่ระดับความเชื่อมั่นร้ อยละ 95 (p<0.05) ด้ วยวิธกี าร
ทดสอบความแตกต่างจากตัวอย่างควบคุม ใช้ ผ้ ทู ดสอบจานวน 21 คน โดยผู้ทดสอบจะถูกขอให้ ทดสอบ
ตัวอย่าง 2 ครั้ง แต่ละครั้งผู้ทดสอบจะได้ รับตัวอย่าง 2 ตัวอย่าง ตัวอย่างแรก คือ ตัวอย่างควบคุม และ
~ 23 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 24 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
d i2 i 1
n
41
21 = 1.33
ส่วนเบี่ยงเบนมาตรฐาน (Sd i 1
n 1 21 1
0.52
ค่าที (t) = -1.79
1.33
21
( X1 X 2 ) 0
t … (2.1.3)
1 1
Sp
n1 n2
เมื่อ X1 = ค่าเฉลี่ยของตัวอย่างกลุ่มที่ 1
X2 = ค่าเฉลี่ยของตัวอย่างกลุ่มที่ 2
n1 = จานวนข้ อมูลของตัวอย่างกลุ่มที่ 1
n2 = จานวนข้ อมูลของตัวอย่างกลุ่มที่ 2
~ 25 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ผู้ทดสอบชาย ผู้ทดสอบหญิง
ผู้ทดสอบ คะแนน ผู้ทดสอบ คะแนน
1 6 1 7
2 8 2 8
3 6 3 6
4 7 4 7
5 7 5 7
6 6 6 7
7 7 7 7
8 7
9 6
n1 = 7 n2 = 9
X 1 = 6.71 X 2 = 6.89
S1 = 0.76 S2 = 0.60
~ 26 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
(0.76) 2
ค่าเอฟ (F) (ใช้ ค่ามากเป็ นตัวตั้งเสมอ) = 1.60
(0.60) 2
(6.71 6.89) 0
ค่าที (t)
(7 1)(0.76) 2 (9 1)(0.60) 2 1 1
792 7 9
~ 27 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
( X1 X 2 ) 0
t … (2.1.4)
S12 S 22
n1 n2
เมื่อ X1 = ค่าเฉลี่ยของตัวอย่างกลุ่มที่ 1
X 2 = ค่าเฉลี่ยของตัวอย่างกลุ่มที่ 2
n1 = จานวนข้ อมูลของตัวอย่างกลุ่มที่ 1
n2 = จานวนข้ อมูลของตัวอย่างกลุ่มที่ 2
S12 = ความแปรปรวนของตัวอย่างกลุ่มที่ 1
S22 = ความแปรปรวนของตัวอย่างกลุ่มที่ 2
S12 S 22 2
)
(
n1 n2
2 … (2.1.5)
S1 2 S 22 2
( ) ( )
n1 n
2
n1 1 n2 1
~ 28 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 2.3
การศึกษาความแตกต่างในการยอมรับเครื่องดื่มสูตรใหม่ท่พี ัฒนาขึ้นระหว่ างผู้บริโภคเพศชายและ
หญิงที่ระดับความเชื่อมั่นร้ อยละ 95 (p<0.05) โดยใช้ พนักงานของบริษัทบางคนที่ไม่มีความเกี่ยวข้ องใดๆ
กับการพัฒนาเครื่องดื่มสูตรใหม่น้ ีมาก่อน จานวน 50 คน แบ่งเป็ นชาย 25 คน และหญิง 25 คน ผู้ทดสอบ
แต่ละคนจะถูกขอให้ ทดสอบตัวอย่างเครื่องดื่มสูตรใหม่ และประเมินตัวอย่างโดยใช้ สเกลวัดระดับความชอบ 9
ระดับ (1 = ไม่ชอบมากที่สดุ 5 = เฉยๆ 9 = ชอบมากที่สดุ ) โดยมีการแนะนาวิธกี ารประเมินให้ ผ้ ูทดสอบ
เข้ าใจก่อนทาการทดสอบ และได้ ผลการทดสอบดังนี้
คะแนนของผู้ทดสอบชาย: 6 7 8 6 6 6 8 7 7 7 7 6 7 7 6 7 6 7 7 8 7 6 6 7 7
คะแนนของผู้ทดสอบหญิง: 7 6 7 7 8 7 6 7 8 7 6 7 8 6 6 9 8 9 5 9 5 6 8 8 8
ค่าที่ใช้ ในการคานวณค่าที เพศชาย: n1 = 25 , X 1 = 6.76, S1 = 0.66
เพศหญิง: n2 = 25 , X 2 = 7.12, S2 = 1.17
(1.17) 2
ค่าเอฟ (F) (ใช้ ค่ามากเป็ นตัวตั้งเสมอ) = 3.14
(0.66) 2
~ 29 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
(6.76 7.12) 0
ค่าที (t)
(0.66) 2 (1.17) 2
25 25
(0.66) 2 (1.17) 2 2
( )
25 25 = 37.87
(0.66) 2 2 (1.17) 2 2
( ) ( )
25 25
25 1 25 1
~ 30 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การทดสอบค่าที
กรุณาทดสอบว่าค่าเฉลี่ยปริมาณความชื้นของเครื่องดื่มผงที่ผลิตโดยเครื่องทาแห้ งทั้ง
สองเครื่องแตกต่างกันหรือไม่
~ 31 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C
1 Panel Control Sample
2 1 1 2
3 2 4 5
4 3 1 3
5 4 4 2
6 5 2 4
7 6 2 2
8 7 3 3
9 8 0 2
10 9 6 7
11 10 7 6
12 11 0 1
13 12 1 3
14 13 4 2
15 14 1 3
16 15 4 3
17 16 2 2
18 17 2 3
19 18 4 4
20 19 3 4
21 20 0 2
22 21 5 4
~ 32 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B
1 Gender Score
2 M 6
3 M 8
4 M 6
5 M 7
6 M 7
7 M 6
8 M 7
9 F 7
10 F 8
11 F 6
12 F 7
13 F 7
14 F 7
15 F 7
16 F 7
17 F 6
A B
1 Gender Score 15 M 7 29 F 7 43 F 8
2 M 6 16 M 6 30 F 7 44 F 9
3 M 7 17 M 7 31 F 8 45 F 5
4 M 8 18 M 6 32 F 7 46 F 9
5 M 6 19 M 7 33 F 6 47 F 5
6 M 6 20 M 7 34 F 7 48 F 6
7 M 6 21 M 8 35 F 8 49 F 8
8 M 8 22 M 7 36 F 7 50 F 8
9 M 7 23 M 6 37 F 6 51 F 8
10 M 7 24 M 6 38 F 7 52
11 M 7 25 M 7 39 F 8 53
12 M 7 26 M 7 40 F 6 54
13 M 6 27 F 7 41 F 6 55
14 M 7 28 F 6 42 F 9 56
~ 33 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
จากตารางที่ 2.3 ค่าทีท่คี านวณได้ คอื ค่า “t Stat” ซึ่งมีค่าเท่ากับ -1.808 และสามารถพิจารณาความ
แตกตางของค่าเฉลี่ยได้ จากค่า “P(T<=t)two tail” หากพบว่า มีค่าน้ อยกว่าหรือเท่ากับ 0.05 แสดงว่า ค่าเฉลี่ย
ของข้ อมูลสองกลุ่มแตกต่างกันอย่างมีนัยสาคัญทางสถิติ (ปฏิเสธสมมติฐานหลัก) แต่ถ้าค่าดังกล่าว มีค่า
มากกว่า 0.05 แสดงว่า ค่าเฉลี่ยของข้ อมูลสองกลุ่มแตกต่างกันอย่างไม่มนี ัยสาคัญทางสถิติ หรือ ไม่ แตกต่าง
กัน (ยอมรับสมมติฐานหลัก) ซึ่งในตัวอย่างที่ 2.1 นี้ ค่า “P(T<=t)two tail” มีค่าเท่ากับ 0.086 ซึ่งมากกว่า
0.05 แสดงว่า ค่าเฉลี่ยของข้ อมูลสองกลุ่มแตกต่างกันอย่างไม่มนี ัยสาคัญทางสถิติ (p>0.05) หรือ ไม่
แตกต่างกัน
~ 34 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Variable 1 Variable 2
Mean 2.667 3.190
Variance 3.933 2.162
Observations 21 21
Pearson Correlation 0.743
Hypothesized Mean Difference 0
df 20
t Stat -1.808
P(T<=t) one-tail 0.043
t Critical one-tail 1.724
P(T<=t) two-tail 0.086
t Critical two-tail 2.086
~ 35 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตารางที่ 2.4 ผลการคานวณค่าเอฟของตัวอย่างที่ 2.2 โดยใช้ คาสั่ง ใช้ คาสั่งใน Data Analysis
โปรแกรมไมโครซอฟท์เอกซ์เซล (F-Test Two-Sample for Variances)
Variable 1 Variable 2
Mean 6.714 6.889
Variance 0.571 0.361
Observations 7 9
df 6 8
F 1.582
P(F<=f) one-tail 0.267
F Critical one-tail 3.581
จากตารางที่ 2.5 ค่าทีท่คี านวณได้ คือ ค่า “t Stat” ซึ่งมีค่าเท่ากับ -0.516 และสามารถพิจารณา
ความแตกตางของค่าเฉลี่ยได้ จากค่า “P(T<=t)two tail” หากพบว่า มีค่าน้ อยกว่าหรือเท่ากับ 0.05 แสดงว่า
ค่าเฉลี่ยของข้ อมูลสองกลุ่มแตกต่างกันอย่างมีนัยสาคัญทางสถิติ (ปฏิเสธสมมติฐานหลัก) แต่ถ้าค่าดังกล่าว มี
ค่ามากกว่า 0.05 แสดงว่า ค่าเฉลี่ยของข้ อมูลสองกลุ่มแตกต่างกันอย่างไม่มนี ัยสาคัญทางสถิติ หรือ ไม่
แตกต่างกัน (ยอมรับสมมติฐานหลัก) ซึ่งในตัวอย่างที่ 2.2 นี้ ค่า “P(T<=t)two tail” มีค่าเท่ากับ 0.614 ซึ่ง
มากกว่า 0.05 แสดงว่า ค่าเฉลี่ยของข้ อมูลสองกลุ่มแตกต่างกันอย่างไม่มนี ัยสาคัญทางสถิติ (p>0.05) หรือ
ไม่แตกต่างกัน
~ 36 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตารางที่ 2.5 ผลการคานวณค่าทีของตัวอย่างที่ 2.2 โดยใช้ คาสัง่ ใช้ คาสั่งใน Data Analysis
โปรแกรมไมโครซอฟท์เอ็กซ์เซล (t-Test: Two-Sample Assuming Equal Variances)
Variable 1 Variable 2
Mean 6.714 6.889
Variance 0.571 0.361
Observations 7 9
Pooled Variance 0.451
Hypothesized Mean Difference 0
df 14
t Stat -0.516
P(T<=t) one-tail 0.307
t Critical one-tail 1.761
P(T<=t) two-tail 0.614
t Critical two-tail 2.145
~ 37 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตารางที่ 2.6 ผลการคานวณค่าเอฟของตัวอย่างที่ 2.3 โดยใช้ คาสั่ง ใช้ คาสั่งใน Data Analysis
โปรแกรมไมโครซอฟท์เอกซ์เซล (F-Test Two-Sample for Variances)
Variable 1 Variable 2
Mean 7.12 6.76
Variance 1.36 0.44
Observations 25 25
df 24 24
F 3.091
P(F<=f) one-tail 0.004
F Critical one-tail 1.98
ตารางที่ 2.7 ผลการคานวณค่าทีของตัวอย่างที่ 2.3 โดยใช้ คาสัง่ ใช้ คาสั่งใน Data Analysis
โปรแกรมไมโครซอฟท์เอกซ์เซล (t-Test: Two-Sample Assuming Unequal Variances)
Variable 1 Variable 2
Mean 7.12 6.76
Variance 1.36 0.44
Observations 25 25
Hypothesized Mean Difference 0
df 38
t Stat 1.341
P(T<=t) one-tail 0.094
t Critical one-tail 1.686
P(T<=t) two-tail 0.188
t Critical two-tail 2.024
~ 38 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
จากตารางที่ 2.8 ค่าทีท่คี านวณได้ คอื ค่า “t” ซึ่งมีค่าเท่ากับ -1.808 และสามารถพิจารณาความแตก
ตางของค่าเฉลี่ยได้ จากค่า “Sig. (2- tailed)” หากพบว่า มีค่าน้ อยกว่าหรือเท่ากับ 0.05 แสดงว่า ค่าเฉลี่ยของ
ข้ อมูลสองกลุ่มแตกต่างกันอย่างมีนัยสาคัญทางสถิติ (ปฏิเสธสมมติฐานหลัก) แต่ถ้าค่าดังกล่าว มีค่ามากกว่า
0.05 แสดงว่า ค่าเฉลี่ยของข้ อมูลสองกลุ่มแตกต่างกันอย่างไม่มนี ัยสาคัญทางสถิติ หรือ ไม่แตกต่างกัน
(ยอมรับสมมติฐานหลัก) ซึ่งในตัวอย่างที่ 2.1 นี้ ค่า “Sig. (2- tailed)” มีค่าเท่ากับ 0.086 ซึ่งมากกว่า 0.05
แสดงว่า ค่าเฉลี่ยของข้ อมูลสองกลุ่มแตกต่างกันอย่างไม่มนี ัยสาคัญทางสถิติ (p>0.05) หรือ ไม่แตกต่างกัน
~ 39 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 40 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 41 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เมื่อการติดตั้งโปรแกรมเสร็จสมบูรณ์ จะพบ Icon R 2 แบบ คือ Ri386 3.4.3 (32 bit) และ Rx64
3.4.3 (64 bit) ปรากฏที่หน้ า Desktop
เมื่อต้ องการเปิ ดโปรแกรม (เลือกดับเบิลคลิก Ri386 3.4.3 (32 bit) หรือ Rx64 3.4.3 (64 bit))
จะพบหน้ าต่าง R Console จากนั้นให้ ทาตามขั้นตอนดังต่อไปนี้
1. คลิก “Packages” (ด้ านบนซ้ ายของหน้ าจอ) และคลิก “set CRAN mirror…”
2. กล่อง “Secure CRAN mirror” จะปรากฏขึ้น คลิกเลือก “Thailand” (ถ้ าไม่พบ เลือก
ประเทศใกล้ เคียง เช่น Malaysia, China หรือ Japan เป็ นต้ น) และคลิก “OK”
3. คลิก “Packages” และคลิก “Install Packages…”
4. กล่อง “Packages” จะปรากฏขึ้น เลือก “Rcmdr” และคลิก “OK” และรอจนกระทั่ง
กระบวนการเสร็จสมบูรณ์
5. คลิก “Packages” และคลิก “Load Packages…”
6. กล่อง “Select One” จะปรากฏขึ้น เลือก “Rcmdr” และคลิก “OK”
(หากพบข้ อความ “Error : ….” ปรากฏขึ้นในหน้ าต่าง R Console ให้ ย้อนขึ้นไปดูบรรทัดก่อน
หน้ าว่า มีข้อความ “Loading required package: …” อะไรปรากฏขึ้นบ้ าง แล้ วย้ อนไปทาข้ อ
3-4 โดยเลือก Package ตามข้ อความที่ปรากฏจนครบ แล้ วจึงทาข้ อ 5-6 ใหม่อกี ครั้ง
หรือหากมีกล่อง “the following packages used by Rcmdr are missing…” ปรากฏขึ้น
คลิก “Yes” กล่อง Install Missing Packages จะปรากฏขึ้น คลิก “OK”)
และรอจนกระทัง่ กระบวนการเสร็จสมบูรณ์
~ 42 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 43 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Paired t-test
~ 44 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 45 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การทดลองค่าที
~ 46 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การทดลองค่าที (ต่อ)
4.
2.2 การวิเคราะห์ความแปรปรวนและการเปรียบเทียบค่าเฉลีย่
การวิเคราะห์ความแปรปรวน หมายถึง วิธกี ารคานวณทางคณิตศาสตร์เพื่อแยกผลของความแปรปรวน
หรือความแตกต่างระหว่างค่าสังเกต (ค่าที่ตดิ ตาม) ในชุดข้ อมูลออกเป็ นส่วนต่างๆ ตามแหล่งที่มาหรือปัจจัยที่
ก่อให้ เกิดความแปรปรวนนั้น และจัดเป็ นวิธกี ารวิเคราะห์ข้อมูลที่มพี ลัง (Power) มากที่สดุ แบบหนึ่งที่ถูก
นามาใช้ ในการทดสอบสมมติฐาน และสรุปผลเกี่ยวกับข้ อมูลเชิงปริมาณ (Quantitative data) ในลักษณะต่างๆ
โดยเฉพาะในกรณีท่ชี ุดข้ อมูลดังกล่าวประกอบด้ วยจานวนทรีตเมนต์ (Treatment) มากกว่าสองทรีตเมนต์
(จรัญ และอนันตชัย, 2529)
ในการคานวณเพื่อแยกผลของความแปรปรวนออกเป็ นส่วนๆ ตามปัจจัยที่ก่อให้ เกิดความแปรปรวน
นั้น จะเริ่มต้ นจากการคานวณหาค่าความแปรปรวนทั้งหมด (Total variability) ในรูปของผลรวมกาลังสอง
ทั้งหมด (Total sum square) จากค่าสังเกต (ค่าที่ตดิ ตาม) ทุกๆ ค่าในชุดข้ อมูลก่อน จากนั้นจึงพิจารณาแบ่ง
ความแปรปรวนทั้งหมดนี้ออกเป็ นส่วนๆ ตามปัจจัยที่ก่อให้ เกิดความแปรปรวนของการทดลอง ซึ่งการพิจารณา
ปัจจัยที่ก่อให้ เกิดความแปรปรวนของการทดลองนี้ จาเป็ นต้ องอาศัยความรู้ทางสถิตเิ กี่ยวกับการวางแผนการ
ทดลอง (ดูรายละเอียดเพิ่มเติมในข้ อ 2.2.1) และความรู้ทางวิชาการเกี่ยวกับสาขาวิชาที่ทาการทดลองในการ
ตัดสินใจ อย่างไรก็ตามการพิจารณาแบ่งความแปรปรวนทั้งหมดออกเป็ นส่วนๆ นี้อาจพอสรุปเป็ นหลักใหญ่ๆ
ได้ ดงั นี้ คือ การพิจารณาแยกความแปรปรวนของข้ อมูลทั้งหมดออกเป็ น 2 ส่วน คือ (สายชล, 2549)
(1) ความแปรปรวนระหว่างกลุ่ม (Between group variability)
(2) ความแปรปรวนภายในกลุ่ม หรือ ความคลาดเคลื่อนของการทดลอง
(Within group variability or error)
หรือ
ความแปรปรวนทั้งหมด = ความแปรปรวนระหว่างกลุ่ม +
ความแปรปรวนภายในกลุ่ม หรือ ความคลาดเคลื่อนของการทดลอง
~ 48 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2.2.1 การทดลองที่วิเคราะห์ผลโดยการวิเคราะห์ความแปรปรวน
ในที่น้ จี ะขอกล่าวถึงการทดลองที่วิเคราะห์ผลโดยการวิเคราะห์ความแปรปรวน 5 การทดลองดังนี้ คือ
(1) แผนการทดลองแบบสุ่มสมบูรณ์ (Completely randomized design; CRD) หมายถึง แผนการ
ทดลองที่คาดว่ามีปัจจัยที่ก่อให้ เกิดความแปรปรวนเพียงปัจจัยเดียว คือ ทรีตเมนต์ โดยทรีตเมนต์ท่ใี ช้ อาจมี
ความแตกต่างกันตั้งแต่ 2 ระดับขึ้นไป และมีการสุ่มหน่วยทดลองเพื่อรับทรีตเมนต์อย่างทัว่ ถึงดังตัวอย่างใน
ภาพที่ 2.7 ในขณะที่มกี ารควบคุมสิ่งแวดล้ อมอื่นๆ ให้ มคี วามสม่าเสมอกัน
~ 49 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 50 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
a1 a2
b1 b3 b2 b2 b3 b1
a2 a1
b3 b1 b2 b3 b2 b1
a1 a2
b1 b3 b2 b2 b3 b1
a2 a1
b3 b1 b2 b3 b2 b1
2.2.2 การเปรียบเทียบค่าเฉลีย่
~ 51 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2MS E
LSD t ,df E … (2.2.1)
r
MSE
LSR DMR , p , df E … (2.2.2)
r
~ 52 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MSE
K SSR , p , df E … (2.2.3)
r
~ 53 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MSE = ค่าเฉลี่ยกาลังสองของความคลาดเคลื่อนจากตารางการวิเคราะห์
ความแปรปรวน
r = จานวนซา้ ของค่าเฉลี่ย
MSE
T( a ) SSR , p , df E … (2.2.4)
r
K T( a )
T(b) … (2.2.5)
2
~ 54 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2 MS E
S = dfTr ( F , df Tr , df E ) … (2.2.6)
r
2MS E
LSD t … (2.2.7)
S
,df E r
~ 55 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2MSE
D d , df Tr , df E … (2.2.8)
r
~ 56 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 57 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2.2.4 แผนการทดลองแบบสุ่มสมบูรณ์
แผนการทดลองแบบสุ่มสมบูรณ์ (Completely randomized design; CRD) เป็ นแผนการทดลองที่ใช้
เมื่อหน่วยทดลองมีความสม่าเสมอ คือ เป็ นหน่วยทดลองที่มคี วามคล้ ายคลึงกัน (Homogeneous) และมีการ
จัดทรีตเมนต์ให้ แก่หน่วยทดลองโดยวิธกี ารสุ่ม กล่าวคือ หน่วยทดลองแต่ละหน่วยจะมีโอกาสเท่าๆ กันที่จะ
ได้ รับทรีตเมนต์ใดทรีตเมนต์หนึ่ง แต่ละทรีตเมนต์จะต้ องมีจานวนซา้ อย่างน้ อยสองครั้งขึ้นไป แต่จานวนซา้
ของแต่ละทรีตเมนต์อาจจะเท่ากันหรือไม่กไ็ ด้ แต่โดยปกติมกั จะนิยมให้ ทุกทรีตเมนต์มจี านวนซา้ เท่ากัน เพื่อ
ความสะดวกในการวิเคราะห์ข้อมูล
Xij = + i + ij
ดังนั้นความแปรปรวนทั้งหมดที่เกิดขึ้นในแผนการทดลองแบบสุ่มสมบูรณ์ จึงสามารถแบ่งออกเป็ น
สองส่วน คือ ความแปรปรวนที่เกิดจากทรีตเมนต์ และ ความแปรปรวนที่เกิดจากความคลาดเคลื่อนของการ
ทดลอง (SST= SSTr + SSE )
การคานวณค่าต่างๆ ในการวิเคราะห์ความแปรปรวนสาหรับแผนการทดลองแบบสุ่มสมบูรณ์ มี
ดังนี้คอื
dfT = tr – 1
= ผลคูณของจานวนทรีตเมนต์และจานวนซา้ – 1
= จานวนข้ อมูลทั้งหมด – 1
dfTr = t -1
= จานวนทรีตเมนต์ – 1
dfE = t (r-1) หรือ dfT - dfTr
= ผลคูณของจานวนทรีตเมนต์และจานวนซา้ - 1 หรือ dfT - dfTr
2
t r
X ij
C.T. = i 1 j 1
tr
= กาลังสองของผลรวมของข้ อมูลทั้งหมด /
ผลคูณของจานวนทรีตเมนต์และจานวนซา้
~ 58 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ผลการวิเคราะห์ท่ไี ด้ นิยมเขียนในรูปของตารางการวิเคราะห์ความแปรปรวนดังต่อไปนี้
Sources of variation
df SS MS Fcal
Treatments t-1 SSTr MSTr = SSTr / t-1 MSTr/MSE
Error t(r-1) SSE MSE = SSE /t(r-1)
Total tr-1 SST
~ 59 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 2.4
การทดลองเพื่อศึกษาอิทธิพลของสารเจือปนอาหาร 3 ชนิดต่อเนื้อสัมผัส (ค่าแรงต้ านการตัด) ของ
ผลิตภัณฑ์ไส้ กรอกชนิดหนึ่ง โดยเติมสารเจือปนแต่ละชนิดในปริมาณที่เท่ากันในสูตร เพื่อเปรียบเทียบกับทรีต
เมนต์ท่ไี ม่มกี ารเติมสารเจือปน ทาการทดลอง 4 ซา้ โดยควบคุมปัจจัยอื่นๆ ให้ ใกล้ เคียงกันมากที่สดุ และ
ได้ ผลการทดลองดังต่อไปนี้ โดยสมมติว่าข้ อมูลเป็ นไปตามข้ อกาหนดเบื้องต้ นของการวิเคราะห์ความแปรปรวน
วิธีทา
สมมติฐานที่ใช้ ในการทดสอบ คือ
H0: 1 = 2 = 3 = 4 (ค่าเฉลี่ยของค่าแรงต้ านการตัดของทุกทรีตเมนต์มคี ่าไม่แตกต่างกัน)
H1: … …. (ค่าเฉลี่ยของค่าแรงต้ านการตัดอย่างน้ อยสองทรีตเมนต์แตกต่างกัน)
การวิเคราะห์ความแปรปรวน:
dfT = tr – 1 = (4)(4) – 1 = 15
dfTr = t -1 = 4–1 = 3
~ 60 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
= (52 + 42 + 62 + 52 + 62 + 62 + 82 + 82 + 92 + 72 + 92 + 82 + 122
+ 122 + 132 + 132) - 1,072.56
= 1203 – 1,072.56 = 130.44
2
t r
X ij
i 1 j 1
SSTr = C.T .
r
= ((5 + 4 + 6 + 5)2 + (6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8)2
+ (12 + 12 + 13 + 13)2 ) / 4 - 1,072.56
= (400 + 784 + 1089 + 2500) / 4 - 1,072.56
= 1,193.25 – 1,072.56 = 120.69
SSE = SST - SSTr
= 130.44 – 120.69 = 9.75
SS Tr
MSTr = = 120.69 / 3 = 40.23
df Tr
SS E
MSE = = 9.75 / 12 = 0.813
df E
MSTr
Fcal = = 40.23 / 0.813 = 49.48
MSE
ผลการวิเคราะห์ความแปรปรวนข้ างต้ น พบว่า Fcal > F0.05,3, 12 และ F0.01,3, 12 แสดงว่า ค่าเฉลี่ย
ของทรีตเมนต์อย่างน้ อย 1 คู่มคี วามแตกต่างกันอย่างมีนัยสาคัญยิ่งทางสถิติ (p<0.01) ดังนั้นจึงต้ องทาการ
~ 61 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- จากนั้นหาผลต่างของค่าเฉลี่ยแต่ละคู่ ดังต่อไปนี้
2 MS E
LSD t , df E
r
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = t 0.025, 12 =2.179
4 4
= 2.179 0.407 = 1.390
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.01 = t 0.01, 12 =3.055
4 4
= 3.055 0.407 = 1.949
~ 62 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MS E
LSR DMR p ,df E
r
~ 63 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MS E
K SSR p ,df E
r
~ 64 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MS E
T( a ) SSR p ,df E
r
~ 65 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
K T( a )
T(b )
2
(6) การทดสอบของเชฟเฟ
2MSE
S dfTr ( F , df Tr , df E )
r
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = 3(3.49) = 10.47
4 4
= 3.236 0.407 = 2.064
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.01 = 3(5.95) = 17.85
4 4
= 4.225 0.407 = 2.695
~ 66 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
(7) การทดสอบของเบอนเฟอร์โรนี
2MSE
LSD t
S
, df E r
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = t 0.05 =3.055
6
,12 4 4
= 3.055 0.407 = 1.949
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.01 = t 0.01 =3.930
6
,12 4 4
= 3.930 0.407 = 2.507
~ 67 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
(8) การทดสอบของดันเนทท์
2MSE
D d , df Tr , df E
r
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = d 0.05,3,12 = 2.50
4 4
= 2.50 0.407 = 1.595
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.01 = d 0.01,3,12 = 3.39
4 4
= 3.39 0.407 = 2.163
~ 68 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2.2.5 แผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก
แผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก (Randomized complete block design; RCBD) เป็ น
แผนการทดลองที่ใช้ เมื่อไม่สามารถจัดหาหน่วยทดลองที่มคี วามสม่าเสมอหรือคล้ ายคลึงกันมาใช้ สาหรับการ
ทดลองได้ ท้งั หมด จึงมีการพิจารณาแบ่งหน่วยทดลองออกเป็ นกลุ่มๆ โดยพยายามให้ หน่วยทดลองในแต่ละ
กลุ่มมีลักษณะใกล้ เคียงกันมากที่สดุ และนาหน่วยทดลองแต่ละกลุ่มนี้มาใช้ สาหรับการทาการทดลองแต่ละซา้
โดยเรียกกลุ่มของหน่วยทดลองในแต่ละซา้ ดังกล่าวนี้ว่า บล็อก (Block) จากนั้นจึงจัดทรีตเมนต์ในแต่ละซา้
ให้ แก่หน่วยทดลองในแต่ละกลุ่มโดยวิธกี ารสุ่ม
Xij = + i + j + ij
ดังนั้นความแปรปรวนทั้งหมดที่เกิดขึ้นในแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก จึงสามารถแบ่ง
ออกเป็ นสามส่วน คือ ความแปรปรวนที่เกิดจากทรีตเมนต์ ความแปรปรวนที่เกิดจากบล็อก และ ความ
แปรปรวนที่เกิดจากความคลาดเคลื่อนของการทดลอง (SST = SSTr + SSB + SSE )
การคานวณค่าต่างๆ ในการวิเคราะห์ความแปรปรวนสาหรับแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก
มีดงั นี้คอื
dfT = tr – 1
= ผลคูณของจานวนทรีตเมนต์และจานวนซา้ – 1
= จานวนข้ อมูลทั้งหมด – 1
~ 69 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
dfTr = t -1
= จานวนทรีตเมนต์ – 1
dfB = r -1
= จานวนบล็อกหรือจานวนซา้ – 1
dfE = (t -1) (r-1) หรือ dfT - dfTr - dfB
= ผลคูณของจานวนทรีตเมนต์และจานวนซา้ - 1 หรือ dfT - dfTr - dfB
2
t r
X ij
C.T. = i 1 j 1
tr
= กาลังสองของผลรวมของข้ อมูลทั้งหมด /
ผลคูณของจานวนทรีตเมนต์และจานวนซา้
= กาลังสองของผลรวมของข้ อมูลทั้งหมด / จานวนข้ อมูลทั้งหมด
t r
SST = X
i 1 j 1
2
ij C.T .
ผลการวิเคราะห์ท่ไี ด้ นิยมเขียนในรูปของตารางการวิเคราะห์ความแปรปรวนดังต่อไปนี้
~ 70 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Sources of variation
df SS MS Fcal
Treatments t-1 SSTr MSTr = SSTr / t-1 MSTr/MSE
Blocks r-1 SSB MSB = SSB / r-1 MSB/MSE
Error (t-1)(r-1) SSE MSE = SSE /(t-1)(r-1)
Total tr-1 SST
วัตถุประสงค์ของการวิเคราะห์ความแปรปรวนสาหรับแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก คือ
การเปรียบเทียบว่าการใช้ ทรีตเมนต์ท่แี ตกต่างกันและการจัดบล็อกมีผลทาให้ ค่าสังเกต (ค่าที่ตดิ ตาม) มีความ
แตกต่างกันหรือไม่ ดังนั้นสมมติฐานที่ใช้ ในการทดสอบ คือ
ตัวอย่างที่ 2.5
การทดลองเพื่อศึกษาอิทธิพลของสารเจือปนอาหาร 3 ชนิดต่อเนื้อสัมผัส (ค่าแรงต้ านการตัด) ของ
ผลิตภัณฑ์ไส้ กรอกชนิดหนึ่ง โดยเติมสารเจือปนแต่ละชนิดในปริมาณที่เท่ากันในสูตร เพื่อเปรียบเทียบกับทรีต
เมนต์ท่ไี ม่มกี ารเติมสารเจือปน ทาการทดลอง 4 ซา้ โดยแต่ละครั้งจาเป็ นต้ องใช้ เนื้อที่ได้ มาจากแหล่ง 4 แหล่ง
แต่มกี ารพยายามควบคุมปัจจัยอื่นๆ ให้ มลี ักษณะใกล้ เคียงกันมากที่สดุ พบว่าได้ ผลการทดลองดังต่อไปนี้
โดยสมมติว่าข้ อมูลเป็ นไปตามข้ อกาหนดเบื้องต้ นของการวิเคราะห์ความแปรปรวน
~ 71 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
สมมติฐานที่ใช้ ในการทดสอบ คือ
H0: 1 = 2 = 3 = 4 (ค่าเฉลี่ยของค่าแรงต้ านการตัดของทุกทรีตเมนต์ไม่แตกต่างกัน)
H 1: … … (ค่าเฉลี่ยของค่าแรงต้ านการตัดอย่างน้ อยสองทรีตเมนต์แตกต่างกัน)
และ
Ho: 1 = 2 = 3 = 4 (ค่าเฉลี่ยเมื่อใช้ เนื้อจากทุกแหล่งไม่แตกต่างกัน)
H1: … … (ค่าเฉลี่ยเมื่อใช้ เนื้อจากอย่างน้ อย 2 แหล่งแตกต่างกัน)
การวิเคราะห์ความแปรปรวน:
dfT = tr – 1 = (4)(4) – 1 = 15
dfTr = t -1 = 4–1 = 3
dfB = r-1 = 4–1 = 3
= (52 + 42 + 62 + 52 + 62 + 62 + 82 + 82 + 92 + 72 + 92 + 82 + 122
+ 122 + 132 + 132) - 1,072.56
= 1203 – 1,072.56 = 130.44
2
r
t
X ij
j 1 i 1 C.T .
SSTr =
r
= ((5 + 4 + 6 + 5)2 + (6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8)2
+ (12 + 12 + 13 + 13)2 ) / 4 - 1,072.56
= (400 + 784 + 1,089 + 2,500) / 4 - 1,072.56
= 1,193.25 – 1,072.56 = 120.69
2
r
t
X ij
j 1 i 1
SSB = C.T .
t
= ((5 + 6 + 9 + 12)2 + (4 + 6 + 7 + 12)2 + (6 + 8 + 9 + 13)2
~ 72 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
+ (5 + 8 + 8 + 13)2 ) / 4 - 1,072.56
= (1,024 + 841 + 1,296 + 1,156) / 4 - 1,072.56
= 1,079.25 – 1,072.56 = 6.69
SSE = SST - SSTr - SSB
= 130.44 – 120.69 – 6.69 = 3.06
SS Tr
MSTr = = 120.69 / 3 = 40.23
df Tr
SS B
MSB = = 6.69 / 3 = 2.23
df B
SS E
MSE = = 3.06 / 9 = 0.34
df E
MSTr
FT = = 40.23 / 0.34 = 118.3
MSE
MS B
FB = = 2.23 / 0.34 = 6.56
MS E
ผลการวิเคราะห์ความแปรปรวนข้ างต้ น พบว่า FTr > F0.05,3,9 และ F0.01,3,9 แสดงว่า ค่าเฉลี่ยของ
ทรีตเมนต์อย่างน้ อย 1 คู่มคี วามแตกต่างกันอย่างมีนัยสาคัญยิ่งทางสถิติ (p<0.01) และพบว่า FB > F0.05,3, 9
แต่ < F0.01,3,9 แสดงว่า ค่าเฉลี่ยของบล็อกอย่างน้ อย 1 คู่มคี วามแตกต่างกันอย่างมีนัยสาคัญทางสถิติ
(p<0.05) ดังนั้น จึงจาเป็ นต้ องทาการเปรียบเทียบค่าเฉลี่ยต่อไป เพื่อให้ ทราบว่ามีทรีตเมนต์ (และบล็อก
ในกรณีท่สี นใจความแตกต่างของบล็อกด้ วย) ใดบ้ างที่มคี วามแตกต่างกัน โดยใช้ วิธเี ปรียบเทียบค่าเฉลี่ยตาม
วิธขี องฟิ ชเชอร์และวิธขี องกูทยี ์แบบเอ ด้ วยการเริ่มต้ นจากการหาค่าเฉลี่ยของแต่ละทรีตเมนต์ หาผลต่างของ
ค่าเฉลี่ยแต่ละคู่ หาค่าวิกฤต และเปรียบเทียบผลต่างของค่าเฉลี่ยแต่ละคู่และค่าวิกฤต ดังต่อไปนี้
- การทดสอบของฟิ ชเชอร์
2 MS E
LSD t , df E
r
~ 73 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2(0.34) 0.68
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = t 0.025, 9 = 2.262
4 4
= 2.262 0.17 = 0.932
2(0.34) 0.68
ที่ระดับนัยสาคัญ เท่ากับ 0.01 = t 0.01, 9 = 3.250
4 4
= 3.250 0.17 = 1.340
- การทดสอบของทูกยี ์แบบเอ
MS E
T( a ) SSR p ,df E
r
- การเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์
~ 74 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การเปรียบเทียบค่าเฉลี่ยของบล็อก
ซา้ ที่ 2 (7.25) ซา้ ที่ 1 (8) ซา้ ที่ 4 (8.5) ซา้ ที่ 3 (9)
ซา้ ที่ 2 (7.25) - 8 – 7.25 = 0.75 8.5 – 7.25 = 9 – 7.25 = 1.75
1.25
ซา้ ที่ 1 (8) - 8.5 – 8 = 0.5 9 – 8 = 1.0
ซา้ ที่ 4 (8.5) - 9 – 8.5 = 0.5
ซา้ ที่ 3 (9) -
การทดสอบของฟิ ชเชอร์
p<0.05: 0.932 c bc ab a
การทดสอบของทูกยี ์ (เอ)
p<0.05: 1.289 b ab ab a
~ 75 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2.2.6 แผนการทดลองแบบลาตินสแควร์
แผนการทดลองแบบลาตินสแควร์ (Latin square design; LSD) เป็ นแผนการทดลองที่ใช้ เมื่อคาดว่า
จะมีปัจจัยที่อาจก่อให้ เกิดความแปรปรวนในตัวหน่วยทดลองเองอยู่ 2 ปัจจัย (ไม่รวมทรีตเมนต์) ทาให้ มี
ความจาเป็ นต้ องมีการจัดบล็อกในลักษณะสองทิศทาง คือ การจัดบล็อกในแนวสดมภ์ (แนวตั้ง) และจัดบล็อก
ในแนวแถว (แนวนอน) เพื่อแยกความคลาดเคลื่อนที่อาจเกิดจากปัจจัยทั้งสองออกจากความคลาดเคลื่อนของ
การทดลอง ซึ่งจะทาให้ ผลการทดลองมีความถูกต้ องมากยิ่งขึ้น แต่การที่จะทาเช่นนี้ได้ มคี วามจาเป็ นจะต้ อง
กาหนดให้ จานวนของสดมภ์ แถว และทรีตเมนต์มคี ่าเท่ากัน เพื่อให้ แต่ละทรีตเมนต์ปรากฏในแต่ละแถวและ
แต่ละสดมภ์เพียง 1 ครั้งเท่านั้น
แผนการทดลองแบบลาตินสแควร์ท่มี ขี นาดเล็กที่สดุ คือ ขนาด 2 x 2 หมายถึง แผนการทดลองที่มี
ปัจจัยที่อาจก่อให้ เกิดความแปรปรวนในหน่วยทดลอง 2 ปัจจัยๆ ละ 2 ระดับ และมีทรีตเมนต์ท่ตี ้ องการศึกษา
2 ระดับ ถ้ าเป็ นแผนการทดลองขนาด 3 x 3 หมายถึง แผนการทดลองที่มปี ัจจัยที่อาจก่อให้ เกิดความ
แปรปรวนในหน่วยทดลอง 2 ปัจจัยๆ ละ 3 ระดับ และมีทรีตเมนต์ท่ตี ้ องการศึกษา 3 ระดับ และถ้ าเป็ น
แผนการทดลองขนาด 4 x 4 หมายถึง แผนการทดลองที่มปี ัจจัยที่อาจก่อให้ เกิดความแปรปรวนในหน่วย
ทดลอง 2 ปัจจัยๆ ละ 4 ระดับ และมีทรีตเมนต์ท่ตี ้ องการศึกษา 4 ระดับ เป็ นต้ น ตัวอย่างจานวนผัง
มาตรฐานและจานวนผังที่เป็ นไปได้ ท้งั หมดของแผนกาทดลองแบบ r x r มีดงั นี้ คือ (สายชล, 2549)
แผนการทดลองขนาด 2 x 2 มีจานวนผังที่เป็ นไปได้ 2 ผัง (2 มาจาก 1 x 2! (2-1)!) แต่มผี งั
มาตรฐานเพียง 1 ผัง คือ
A B
B A
A B C
B C A
C A B
~ 76 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Xijk = + i + Rj + Ck + ijk
การคานวณค่าต่างๆ ในการวิเคราะห์ความแปรปรวนสาหรับแผนการทดลองแบบลาตินสแควร์ มี
ดังนี้คอื
dfT = t2 – 1
= ค่ากาลังสองของจานวนทรีตเมนต์ – 1
= จานวนข้ อมูลทั้งหมด – 1
dfTr = t -1
= จานวนทรีตเมนต์ – 1
dfR = r -1 หรือ t -1
= จานวนแถว – 1 หรือ จานวนทรีตเมนต์ – 1
dfC = c -1 หรือ t -1
= จานวนสดมภ์ – 1 หรือ จานวนทรีตเมนต์ – 1
dfE = (t -1) (t-2) หรือ dfT - dfTr - dfR - dfC
= ผลคูณของ (จานวนทรีตเมนต์ – 1) และ (จานวนทรีตเมนต์ – 2) หรือ
dfT - dfTr - dfR - dfC
2
t r c
X ijk
C.T. = i 1 j 1 k 1
t2
= กาลังสองของผลรวมของข้ อมูลทั้งหมด /
กาลังสองของจานวนทรีตเมนต์
= กาลังสองของผลรวมของข้ อมูลทั้งหมด / จานวนข้ อมูลทั้งหมด
~ 77 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
t r c
SST = X
i 1 j 1 k 1
2
ijk C.T .
~ 78 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ผลการวิเคราะห์ท่ไี ด้ นิยมเขียนในรูปของตารางการวิเคราะห์ความแปรปรวนดังต่อไปนี้
เนื่องจากวัตถุประสงค์ของการวิเคราะห์ความแปรปรวนสาหรับแผนการทดลองแบบลาตินสแควร์ คือ
การเปรียบเทียบว่า อิทธิพลที่เกิดจากการใช้ ทรีตเมนต์ แถว และสดมภ์ มีความแตกต่างกันหรือไม่ ดังนั้น
สมมติฐานที่ใช้ ในการทดสอบ คือ
Ho: 1 = 2 = … = i (ค่าเฉลี่ยของทรีตเมนต์ท้งั หมดไม่แตกต่างกัน)
H 1: … … (ค่าเฉลี่ยของทรีตเมนต์อย่างน้ อย 2 ทรีตเมนต์แตกต่างกัน)
และ
Ho: R1 = R2 = … = Rj (ค่าเฉลี่ยของแถวทั้งหมดไม่แตกต่างกัน)
H 1: R… R… (ค่าเฉลี่ยของแถวอย่างน้ อย 2 แถวแตกต่างกัน)
และ
Ho: C1 = C2 = … = Ck (ค่าเฉลี่ยของสดมภ์ท้งั หมดไม่แตกต่างกัน)
H 1: C… C… (ค่าเฉลี่ยของสดมภ์อย่างน้ อย 2 สดมภ์แตกต่างกัน)
ตัวอย่างที่ 2.6
การทดลองเพื่อศึกษาอิทธิพลของสารเจือปนอาหาร 3 ชนิดต่อเนื้อสัมผัส (ค่าแรงต้ านการตัด) ของ
ผลิตภัณฑ์ไส้ กรอกชนิดหนึ่ง โดยเติมสารเจือปนแต่ละชนิดในปริมาณที่เท่ากันในสูตร เพื่อเปรียบเทียบกับทรีต
เมนต์ท่ไี ม่มกี ารเติมสารเจือปน ทาการทดลอง 4 ซา้ โดยแต่ละซา้ จาเป็ นต้ องใช้ เนื้อที่ได้ มาจากแหล่ง 4 แหล่ง
และภายในการทดลองแต่ละซา้ จาเป็ นต้ องใช้ เครื่องสับผสม 4 เครื่อง โดยแต่ละเครื่องจะถูกใช้ ผลิตทรีตเมนต์ท่ี
แตกต่างกันในแต่ละครั้งที่ทาการทดลอง และมีการพยายามควบคุมปัจจัยอื่นๆ ให้ มลี ักษณะใกล้ เคียงกันมาก
ที่สดุ พบว่าได้ ผลการทดลองดังต่อไปนี้ โดยสมมติว่าข้ อมูลเป็ นไปตามข้ อกาหนดเบื้องต้ นของการวิเคราะห์
ความแปรปรวน
~ 79 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
สมมติฐานที่ใช้ ในการทดสอบ คือ
H0: 1 = 2 = 3 = 4 (ค่าเฉลี่ยของค่าแรงต้ านการตัดของทุกทรีตเมนต์ไม่แตกต่างกัน)
H1: … …. (ค่าเฉลี่ยของค่าแรงต้ านการตัดอย่างน้ อยสองทรีตเมนต์แตกต่างกัน)
และ
Ho: R1 = R2 = R3 = R4 (ค่าเฉลี่ยเมื่อใช้ เครื่องสับผสมทุกเครื่องไม่แตกต่างกัน)
H1: R… R… (ค่าเฉลี่ยเมื่อใช้ เครื่องสับผสมอย่างน้ อย 2 เครื่องแตกต่างกัน)
และ
Ho: C1 = C2 = C3 = C4 (ค่าเฉลี่ยเมื่อใช้ เนื้อจากทุกแหล่งไม่แตกต่างกัน)
H1: C… C… (ค่าเฉลี่ยเมื่อใช้ เนื้อจากอย่างน้ อย 2 แหล่งแตกต่างกัน)
การวิเคราะห์ความแปรปรวน:
dfT = t2 – 1 = 42 – 1 = 15
dfTr = t -1 = 4–1 =3
dfR = r-1 หรือ t-1 = 4–1 =3
dfC = c-1 หรือ t-1 = 4–1 =3
dfE = (t-1) (t-2) หรือ dfT - dfTr – dfR - dfC
= (4-1)(4-2) =6
2
t r c
X ijk
C.T. = i 1 j 1 k 1
t2
= (5 + 4 + 6 + 5 + 6 + 6 + 8 + 8 + 9 + 7 + 9 + 8
+ 12 + 12 + 13 + 13)2 / 42
= 1312 / 16 = 17,161 / 16 = 1,072.56
t r c
SST = X
i 1 j 1 k 1
2
ijk C.T .
= (52 + 42 + 62 + 52 + 62 + 62 + 82 + 82 + 92 + 72 + 92 + 82 + 122
+ 122 + 132 + 132) - 1,072.56
= 1203 – 1,072.56 = 130.44
2
t r c
X ijk
i 1 j 1 k 1
SSTr = C.T .
t
= ((4 + 5 + 6 +5)2 + (6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8)2
+ (12 + 12 + 13 + 13)2 ) / 4 - 1,072.56
~ 80 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 81 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การทดสอบแบบพิสยั เชิงพหุของดันแคน
MS E
LSR DMR p ,df E
r
~ 82 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การหาค่าวิกฤตของการทดสอบของเชฟเฟ
2MSE
S dfTr ( F , df Tr , df E )
r
2(0.145) 0.29
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = 3(4.76) = 14.28
4 4
= 3.779 0.073 = 1.021
2(0.145) 0.29
ที่ระดับนัยสาคัญ เท่ากับ 0.01 = 3(9.78) = 29.34
4 4
= 5.417 0.073 = 1.464
~ 83 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์
ตัวอย่างควบคุม สารเจือปน 1 สารเจือปน 2 สารเจือปน 3
(5) (7) (8.25) (12.5)
ตัวอย่างควบคุม (5) - 7-5 = 2 8.25-5 = 3.25 12.5-5 = 7.5
สารเจือปน 1(7) - 8.25-7 = 1.25 12.5-7 = 5.25
สารเจือปน 2 (8.25) - 12.5-8.25 = 4.25
สารเจือปน 3 (12.5) -
การทดสอบของดันแคน
p<0.05: 0.657, 0.681, 0.692 d c b a
p<0.01: 0.995, 1.032, 1.053 d c b a
การทดสอบของเชฟเฟ
p<0.05: 1.021 d c b a
p<0.01: 1.464 c b b a
- การเปรียบเทียบค่าเฉลี่ยของแถว (เครื่องสับผสม)
~ 84 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 85 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2.2.7 การทดลองแบบแฟคทอเรียล
การทดลองแบบแฟคทอเรียล (Factorial experiment) เป็ นการทดลองที่ถูกนามาใช้ เมื่อมีปัจจัยที่
ต้ องการศึกษาตั้งแต่ 2 ปัจจัยขึ้นไปประกอบกันเป็ นแต่ละทรีตเมนต์คอมบิเนชัน (Treatment combination)
และต้ องการศึกษาอิทธิพลร่วม (Interaction) ระหว่างปัจจัยดังกล่าวในทรีตเมนต์คอมบิเนชันนั้น การทดลอง
แบบแฟคทอเรียลมักจะมีช่ อื เรียกตามระดับของปัจจัยที่ใช้ ในแต่ละการทดลอง เช่น การทดลองที่มี 2 ปัจจัย
โดยปัจจัยที่ 1 มี 2 ระดับ และปัจจัยที่ 2 มี 2 ระดับ จะเรียกว่า การทดลองแบบ 2 x 2 แฟคทอเรียล เป็ นต้ น
ซึ่งแผนการทดลองแบบ 2 x 2 แฟคทอเรียลนี้จะมีจานวนทรีตเมนต์คอมบิเนชัน ที่เกิดจากการประกอบกันของ
ปัจจัยทั้งสองเท่ากับ 4 (4 มาจาก 2 x 2) ทรีตเมนต์คอมบิเนชัน ซึ่งประกอบด้ วย (1) ปัจจัยที่ 1 ระดับที่ 1
และ ปัจจัยที่ 2 ระดับที่ 1 (2) ปัจจัยที่ 1 ระดับที่ 1 และ ปัจจัยที่ 2 ระดับที่ 2 (3) ปัจจัยที่ 1 ระดับที่ 2
และ ปัจจัยที่ 2 ระดับที่ 1 และ (4) ปัจจัยที่ 1 ระดับที่ 2 และ ปัจจัยที่ 2 ระดับที่ 2 และจะต้ องนาทรีต
เมนต์คอมบิเนชันทั้งหมดนี้ไปทดลองโดยใช้ แผนการทดลองแบบสุ่มสมบูรณ์ หรือ แผนการทดลองแบบสุ่ม
สมบูรณ์ในบล็อกต่อไป จะเห็นได้ ว่า การทดลองแบบแฟคทอเรียลเป็ นเพียงการจัดรูปของทรีตเมนต์ท่ใี ช้ ใหม่
เท่านั้น ดังนั้นการเรียกชื่อการทดลองแบบแฟคทอเรียลที่สมบูรณ์จึงต้ องระบุแผนการทดลองที่ใช้ ประกอบด้ วย
เช่น 2 x 2 แฟคทอเรียลที่ใช้ แผนการทดลองแบบสุ่มสมบูรณ์ (2 x 2 Factorial experiment in CRD) หรือ
2 x 2 แฟคทอเรียลที่ใช้ แผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก (2 x 2 Factorial experiment in RCBD)
เป็ นต้ น
~ 86 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 87 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
k แทนอิทธิพลของปัจจัยที่ 3
()ij แทนอิทธิพลร่วมระหว่างปัจจัยที่ 1 และปัจจัยที่ 2
()ik แทนอิทธิพลร่วมระหว่างปัจจัยที่ 1 และปัจจัยที่ 3
()jk แทนอิทธิพลร่วมระหว่างปัจจัยที่ 2 และปัจจัยที่ 3
()ijkแทนอิทธิพลร่วมระหว่างปัจจัยที่ 1 ปัจจัยที่ 2 และปัจจัยที่ 3
ijk แทนความคลาดเคลื่อนของการทดลอง ซึ่งมีค่าเฉลี่ยเท่ากับ 0
~ 88 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ในกรณีวางแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก จะมีการทดสอบสมมติฐานของอิทธิพลของ
บล็อกเพิ่มขึ้นมาอีก 1 กรณี คือ
Ho: k = 0 (บล็อก ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: k 0 (บล็อกมีผลต่อหน่วยทดลองต่างกัน)
~ 89 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 90 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ผลการวิเคราะห์ท่ไี ด้ นิยมเขียนในรูปของตารางการวิเคราะห์ความแปรปรวนดังต่อไปนี้
สาหรับการคานวณค่าต่างๆ ในการวิเคราะห์ความแปรปรวนสาหรับการทดลองแบบ 2 x 2
แฟคทอเรียล และวางแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก มีดงั นี้คอื
dfT = abr – 1
= (จานวนระดับของปัจจัย A)(จานวนระดับของปัจจัย B)(จานวนซา้ ) – 1
= จานวนข้ อมูลทั้งหมด – 1
dfA = a -1
= จานวนระดับของปัจจัย A – 1
dfB = b-1
= จานวนระดับของปัจจัย B – 1
dfAB = (a-1)(b-1)
= (จานวนระดับของปัจจัย A-1)(จานวนระดับของปัจจัย B-1)
~ 91 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
dfBl = r-1
= จานวนซา้ – 1
dfE = (ab – 1)(r-1) หรือ dfT - dfA - dfB - dfAB - dfBl
= ผลคูณของ ((จานวนระดับของปัจจัย A)(จานวนระดับของปัจจัย B)-
1) (จานวนซา้ - 1)) หรือ dfT - dfA - dfB - dfAB - dfBl
2
a b r
X ijk
C.T. = i 1 j 1 k 1
abr
= กาลังสองของผลรวมของข้ อมูลทั้งหมด /
(จานวนระดับของปัจจัย A)(จานวนระดับของปัจจัย B)(จานวนซา้ )
= กาลังสองของผลรวมของข้ อมูลทั้งหมด / จานวนข้ อมูลทั้งหมด
a b r
SST = X
i 1 j 1 k 1
2
ijk C.T .
~ 92 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
SS A
MSA =
df A
SS B
MSB =
df B
SS AB
MSAB =
df AB
SS Bl
MSBl =
df Bl
SS E
MSE =
df E
MS AB
FAB =
MS E
MS A
FA =
MS E
MS B
FB =
MS E
MS Bl
FBl =
MS E
ผลการวิเคราะห์ท่ไี ด้ นิยมเขียนในรูปของตารางการวิเคราะห์ความแปรปรวนดังต่อไปนี้
Sources of variation
df SS MS Fcal
ตัวอย่างที่ 2.7
การทดลองเพื่อศึกษาอิทธิพลของสารเจือปนอาหาร 2 ชนิดต่อเนื้อสัมผัส (ค่าแรงต้ านการตัด) ของ
ผลิตภัณฑ์ไส้ กรอกชนิดหนึ่ง โดยใช้ สารเจือปน 1 และสารเจือปน 2 ชนิดใดชนิดหนึ่งในปริมาณร้ อยละ 0.1
และใช้ ท้งั สองชนิดร่วมกัน (ชนิดละ ร้ อยละ 0.1) เพื่อเปรียบเทียบกับทรีตเมนต์ท่ไี ม่มกี ารเติมสารเจือปน
ทาการทดลอง 4 ซา้ โดยมีการพยายามควบคุมปัจจัยอื่นๆ ให้ มลี ักษณะใกล้ เคียงกันมากที่สดุ พบว่าได้ ผลการ
ทดลองดังต่อไปนี้ โดยสมมติว่าข้ อมูลเป็ นไปตามข้ อกาหนดเบื้องต้ นของการวิเคราะห์ความแปรปรวน
~ 93 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
สมมติฐานที่ใช้ ในการทดสอบ คือ
Ho: ()ij = 0 (ปัจจัยทั้งสองไม่มอี ทิ ธิพลร่วมกัน คือ มีค่าเท่ากับ 0)
H 1: ()ij 0 (ปัจจัยทั้งสองมีอทิ ธิพลร่วมกัน)
และ
Ho: i = 0 (ระดับของปัจจัยที่ 1 ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: i 0 (ระดับของปัจจัยที่ 1 มีผลต่อหน่วยทดลอง)
และ
Ho: j = 0 (ระดับของปัจจัยที่ 2 ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: j 0 (ระดับของปัจจัยที่ 2 มีผลต่อหน่วยทดลอง)
การวิเคราะห์ความแปรปรวน:
dfT = abr – 1 = (2)(2)(4) – 1 = 15
dfA = a -1 = 2–1 =1
dfB = b-1 = 2–1 =1
dfAB = (a-1)(b-1) = (2-1)(2-1) =1
dfE = ab(r-1) หรือ dfT - dfA – dfB - dfAB
= (2)(2)(4-1) =12
2
a b r
X ijk
C.T. = i 1 j 1 k 1
abr
= (5 + 4 + 6 + 5 + 6 + 6 + 8 + 8 + 9 + 7 + 9 + 8
+ 12 + 12 + 13 + 13)2 / (2)(2)(4)
= 1312 / 16 = 17,161 / 16 =1,072.56
a b r
SST = X
i 1 j 1 k 1
2
ijk C.T .
~ 94 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
= (52 + 42 + 62 + 52 + 62 + 62 + 82 + 82 + 92 + 72 + 92 + 82 + 122
+ 122 + 132 + 132) - 1,072.56
= 1203 – 1,072.56 =130.44
2
a b
r
X ijk
i 1 j 1 k 1
SSTr = C.T .
r
= ((5 + 4 + 6 + 5)2 + (6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8)2
+ (12 + 12 + 13 + 13)2 ) / 4 - 1,072.56
= (400 + 784 + 1,089 + 2,500) / 4 - 1,072.56
= 1,193.25 – 1,072.56 =120.69
2
a b r
X ijk
i 1 j 1 k 1
SSA = C.T .
br
= ((5 + 4 + 6 + 5 + 9 + 7 + 9 + 8)2 + (6 + 6 + 8 + 8 + 12 + 12
+13 + 13)2 / (2)(4) - 1,072.56
= (2,809 + 6,084) / 8 - 1,072.56
= 1,111.63 – 1,072.56 =39.07
2
b
a r
X ijk
j 1 i 1 k 1
SSB = C.T .
ar
= ((5 + 4 + 6 + 5 + 6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8 + 12 + 12
+ 13 + 13)2 / (2)(4) - 1,072.56
= (2,304 + 6,889) / 8 - 1,072.56
= 1,149.13 – 1,072.56 =76.57
SSAB = SSTr - SSA – SSB
= 120.69 – 39.07 – 76.57 = 5.05
SSE = SST - SSTr
= 130.44 – 120.69 = 9.75
SS A
MSA = = 39.07 / 1 = 39.07
df A
SS B
MSB = = 76.57/ 1 = 76.57
df B
SS AB
MSAB = = 5.05 / 1 = 5.05
df AB
SS E
MSE = = 9.75 / 12 = 0.81
df E
MS AB
FAB = = 5.05 / 0.81 = 6.23
MS E
~ 95 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MS A
FA = = 39.07 / 0.81 = 48.23
MS E
MS B
FB = = 76.57 / 0.81 = 94.53
MS E
ผลการวิเคราะห์ความแปรปรวนข้ างต้ น พบว่า FAB > F0.05,1,12 แต่ < F0.01,1,12 แสดงว่าสารเจือปนทั้ง
สองชนิดมีอทิ ธิพลร่วมกันอย่างมีนัยสาคัญทางสถิติ (p<0.05) และพบว่า FA > F0.05,1,12 และ F0.01,1,12
แสดงว่า การใช้ สารเจือปนชนิดที่ 1 มีผลต่อค่าแรงต้ านการตัดอย่างมีนัยสาคัญยิ่งทางสถิติ (p<0.01) และ FB
> F0.05,1,12 และ F0.01,1,12 แสดงว่า การใช้ สารเจือปนชนิดที่ 2 มีผลต่อค่าแรงต้ านการตัด อย่างมีนัยสาคัญยิ่ง
ทางสถิติ (p<0.01) ดังนั้น จึงจาเป็ นต้ องทาการเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์คอมบิเนชันต่อไป เพื่อให้
ทราบว่ามีทรีตเมนต์คอมบิเนชันใดบ้ างที่มคี วามแตกต่างกันโดยใช้ วิธเี ปรียบเทียบค่าเฉลี่ยที่กาหนด (ส่วน
ค่าเฉลี่ยของสารเจือปนแต่ละชนิด (ปัจจัยหลัก) ในที่น้ ไี ม่ต้องทาการเปรียบเทียบ เนื่องจากมีเพียง 2 ระดับ
ทาให้ สามารถพิจารณาได้ จากผลการทดลองโดยตรงว่า ที่ระดับใดมีค่าสังเกตสูงกว่า)
- การทดสอบของดันเนทท์
2MSE
D d , df Tr , df E
r
2(0.813) 1.626
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = d 0.05,3,12 = 2.50
4 4
= 2.50 0.407 = 1.595
~ 96 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การเปรียบเทียบค่าเฉลี่ย
ตัวอย่างที่ 2.8
การทดลองเพื่อศึกษาอิทธิพลของสารเจือปนอาหาร 2 ชนิดต่อเนื้อสัมผัส (ค่าแรงต้ านการตัด) ของ
ผลิตภัณฑ์ไส้ กรอกชนิดหนึ่ง โดยใช้ สารเจือปน 1 และสารเจือปน 2 ชนิดใดชนิดหนึ่งในปริมาณร้ อยละ 0.1
และใช้ ท้งั สองชนิดร่วมกัน (ชนิดละ ร้ อยละ 0.1) เพื่อเปรียบเทียบกับทรีตเมนต์ท่ไี ม่มกี ารเติมสารเจือปน
ทาการทดลอง 4 ซา้ โดยแต่ละซา้ จาเป็ นต้ องใช้ เนื้อที่ได้ มาจากแหล่ง 4 แหล่ง แต่มกี ารพยายามควบคุมปัจจัย
อื่นๆ ให้ มลี ักษณะใกล้ เคียงกันมากที่สดุ พบว่าได้ ผลการทดลองดังต่อไปนี้ โดยสมมติว่าข้ อมูลเป็ นไปตาม
ข้ อกาหนดเบื้องต้ นของการวิเคราะห์ความแปรปรวน
วิธีทา
สมมติฐานที่ใช้ ในการทดสอบ คือ
Ho: ()ij = 0 (ปัจจัยทั้งสองไม่มอี ทิ ธิพลร่วมกัน คือ มีค่าเท่ากับ 0)
H 1: ()ij 0 (ปัจจัยทั้งสองมีอทิ ธิพลร่วมกัน)
และ
~ 97 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การวิเคราะห์ความแปรปรวน:
dfT = abr – 1 = (2)(2)(4) – 1 = 15
dfA = a -1 = 2–1 =1
dfB = b-1 = 2–1 =1
dfAB = (a-1)(b-1) = (2-1)(2-1) =1
dfBl = r–1 = 4–1 =3
dfE = (ab-1)(r-1) หรือ dfT - dfA – dfB - dfAB - dfBl
= ((2)(2)-1)(4-1) =9
2
a b r
X ijk
C.T. = i 1 j 1 k 1
abr
= (5 + 4 + 6 + 5 + 6 + 6 + 8 + 8 + 9 + 7 + 9 + 8
+ 12 + 12 + 13 + 13)2 / (2)(2)(4)
= 1312 / 16 = 17,161 / 16 =1,072.56
a b r
SST = X
i 1 j 1 k 1
2
ijk C.T .
= (52 + 42 + 62 + 52 + 62 + 62 + 82 + 82 + 92 + 72 + 92 + 82 + 122
+ 122 + 132 + 132) - 1,072.56
= 1203 – 1,072.56 = 130.44
2
a b
r
X ijk
i 1 j 1 k 1
SSTr = C.T .
r
= ((5 + 4 + 6 + 5)2 + (6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8)2
+ (12 + 12 + 13 + 13)2 ) / 4 - 1,072.56
= (400 + 784 + 1,089 + 2,500) / 4 - 1,072.56
= 1,193.25 – 1,072.56 = 120.69
2
a b r
X ijk
i 1 j 1 k 1
SSA = C.T .
br
~ 98 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
= ((5 + 4 + 6 + 5 + 9 + 7 + 9 + 8)2 + (6 + 6 + 8 + 8 + 12 + 12
+13 + 13)2 / (2)(4) - 1,072.56
= (2,809 + 6,084) / 8 - 1,072.56
= 1,111.63 – 1,072.56 = 39.07
2
b
a r
X ijk
j 1 i 1 k 1
SSB = C.T .
ar
= ((5 + 4 + 6 + 5 + 6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8 + 12 + 12
+ 13 + 13)2 / (2)(4) - 1,072.56
= (2,304 + 6,889) / 8 - 1,072.56
= 1,149.13 – 1,072.56 = 76.57
SSAB = SSTr - SSA – SSB
= 120.69 – 39.07 – 76.57 = 5.05
2
r a b
X ijk
k 1 i 1 j 1
SSBl = C.T .
ab
= ((5 + 6 + 9 + 12)2 + (4 + 6 + 7 + 12)2 + (6 + 8 + 9 + 13)2
+ (5 + 8 + 8 + 13)2 ) / (2)(2) - 1,072.56
= (1,024 + 841 + 1,296 + 1,156) / 4 - 1,072.56
= 1,079.25 – 1,072.56 = 6.69
SSE = SST - SSTr - SSBl
= 130.44 – 120.69 – 6.69 = 3.06
SS A
MSA = = 39.07 / 1 = 39.07
df A
SS B
MSB = = 76.57/ 1 = 76.57
df B
SS AB
MSAB = = 5.05 / 1 = 5.05
df AB
SS Bl
MSBl = = 6.69 / 3 = 2.23
df Bl
SS E
MSE = = 3.06 / 9 = 0.34
df E
MS AB
FAB = = 5.05 / 0.34 = 14.85
MS E
MS A
FA = = 39.07 / 0.34 = 114.91
MS E
MS B
FB = = 76.57 / 0.34 = 225.21
MS E
~ 99 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MSBl
FBl = = 2.23 / 0.34 = 6.56
MSE
- การทดสอบของเบอนเฟอร์โรนี
2MSE
LSD t
S
, df E r
2(0.34) 0.68
ที่ระดับนัยสาคัญ เท่ากับ 0.05 = t 0.05 = 3.250
6
,9 4 4
= 3.250 0.17 = 1.340
2(0.34) 0.68
ที่ระดับนัยสาคัญ เท่ากับ 0.01 = t 0.01 = 4.297
6
,9 4 4
= 4.297 0.17 = 1.772
~ 100 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์คอมบิเนชัน
- การเปรียบเทียบค่าเฉลี่ยของบล็อก
~ 101 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2.2.8 การทดลองแบบสปลิทพลอท
การทดลองแบบสปลิทพลอท (Split-plot design) เป็ นการทดลองที่ถูกนามาใช้ เมื่อมีปัจจัยที่ต้องการ
ศึกษาตั้งแต่ 2 ปัจจัยขึ้นไปประกอบกันเป็ นแต่ละทรีตเมนต์คอมบิเนชัน โดยแต่ละปัจจัยประกอบด้ วย 2 ระดับ
ขึ้นไปเช่นเดียวกันกับการทดลองแบบแฟคทอเรียล แต่แตกต่างกันที่แผนการทดลองแบบสปลิทพลอทจะใช้
หน่วยทดลองที่มขี นาดแตกต่างกัน โดยจะมีปัจจัยหนึ่งที่ใช้ หน่วยทดลองที่มขี นาดใหญ่กว่า เรียกว่า Main plot
หรือ Whole plot และปัจจัยที่เหลือจะใช้ หน่วยทดลองย่อยที่เกิดจากการแบ่งหน่วยทดลองใหญ่อกี ทีหนึ่ง ซึ่ง
เรียกว่า Sub plot โดยมีหลักการพิจารณาว่าปัจจัยใดควรเป็ น Main plot และปัจจัยใดควรเป็ น Sub plot ดังนี้
คือ (พิสมัย, 2550)
(1) ถ้ าทราบจากการทดลองครั้งก่อนๆ ว่า ระดับต่างๆ ของปัจจัยหนึ่งมีความแตกต่างกันมาก
ในขณะที่ระดับต่างๆ ของปัจจัยอื่นมีความแตกต่างกันน้ อยกว่า ควรจัดให้ ระดับต่างๆ ของปัจจัยที่มคี วาม
แตกต่างมากเป็ น Main plot และจัดให้ ระดับต่างๆ ของปัจจัยที่มคี วามแตกต่างกันน้ อยเป็ น Sub plot
(2) ถ้ าต้ องการศึกษาอิทธิพลของปัจจัยหนึ่งให้ ละเอียดกว่าปัจจัยอื่น ควรจัดให้ ปัจจัยที่ต้องการศึกษา
อย่างละเอียดเป็ น Sub plot เพราะในการวิเคราะห์แบบสปลิทพลอทนั้น Sub plot จะใช้ จานวนซา้ มากกว่า
Main plot ทาให้ มคี วามเที่ยงตรง (Precision) ในการเปรียบเทียบสูงกว่า Main plot
(3) ปัจจัยที่เปลี่ยนระดับได้ ยากกว่าจะจัดให้ เป็ น Main plot ส่วนปัจจัยที่เปลี่ยนระดับได้ ง่ายกว่าจัด
ให้ เป็ น Sub plot
และในหัวข้ อนี้จะขอกล่าวถึงเฉพาะการทดลองแบบสปลิทพลอทอย่างง่ายเท่านั้น
- การทดลองแบบสปลิท-พลอทอย่างง่าย เมื่อวางแผนการทดลองแบบสุ่มสมบูรณ์
~ 102 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เมื่อ Xijk แทนค่าสังเกตที่ได้ จาก Sub plot ที่ k ใน Main plot ที่ i
โดยที่ i = 1,2,…, a (a คือ ระดับของปัจจัยที่เป็ น Main plot )
j = 1,2,…, r (r คือ จานวนซา้ ของปัจจัยที่เป็ น Main plot)
k = 1,2,…,b (b คือ ระดับของปัจจัยที่เป็ น Sub plot))
แทนค่าเฉลี่ยของประชากรทั้งหมดเมื่อไม่มอี ทิ ธิพลของปัจจัยที่ศึกษา
i แทนอิทธิพลของปัจจัยที่เป็ น Main plot
ij แทนความคลาดเคลื่อนของ Main plot
k แทนอิทธิพลของปัจจัยที่เป็ น Sub plot
()ik แทนอิทธิพลร่วมระหว่างปัจจัยที่เป็ น Main plot และปัจจัยที่เป็ น Sub plot
ijk แทนความคลาดเคลื่อนของ Sub plot
- การทดลองแบบสปลิทพลอทอย่างง่าย เมื่อวางแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก
เมื่อ Xijk แทนค่าสังเกตที่ได้ จาก Sub plot ที่ k ใน Main plot ที่ i และบล็อกที่ j
โดยที่ i = 1,2,…, a (a คือ ระดับของปัจจัยที่เป็ น Main plot )
j = 1,2,…, r (r คือจานวนซา้ ของปัจจัยที่เป็ น Main plot, บล็อก)
k = 1,2,…,b (b คือ ระดับของปัจจัยที่เป็ น Sub plot))
แทนค่าเฉลี่ยของประชากรทั้งหมดเมื่อไม่มอี ทิ ธิพลของปัจจัยที่ศึกษา
i แทนอิทธิพลของปัจจัยที่เป็ น Main plot
j แทนอิทธิพลของบล็อก
ij แทนความคลาดเคลื่อนของ Main plot
k แทนอิทธิพลของปัจจัยที่เป็ น Sub plot
()ik แทนอิทธิพลร่วมระหว่างปัจจัยที่เป็ น Main plot และปัจจัยที่เป็ น Sub plot
ijk แทนความคลาดเคลื่อนของ Sub plot
~ 103 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ความแปรปรวนทั้งหมดที่เกิดขึ้นในการทดลองเมื่อวางแผนการทดลองแบบสุ่มสมบูรณ์ อาจแยก
ออกเป็ น ความแปรปรวนที่เกิดจาก Main plot (A) ความแปรปรวนที่เกิดจากความคลาดเคลื่อนของการ
ทดลองใน Main plot ความแปรปรวนที่เกิดจาก Sub plot (B) ความแปรปรวนที่เกิดจากอิทธิพลร่วมของ
ปัจจัยทั้งสอง (AB) และความแปรปรวนที่เกิดจากคลาดเคลื่อนของการทดลองใน Sub plot (SST = SSA +
SSE(a) + SSB + SSAB + SSE(b)) ในกรณีท่วี างแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก จะมีความ
แปรปรวนที่เกิดจากบล็อกเพิ่มขึ้นมาอีก 1 กรณี (SST = SSBl + SSA + SSE(a) + SSB + SSAB + SSE(b))
~ 104 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 105 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
MS A
FA =
MS E (a )
MS B
FB =
MS E (b )
ผลการวิเคราะห์ท่ไี ด้ นิยมเขียนในรูปของตารางการวิเคราะห์ความแปรปรวนดังต่อไปนี้
Sources of variation
df SS MS Fcal
Main plot:
A a -1 SSA MSA = SSA / dfA MSA/MSE(a)
Error(a) a(r-1) SSE(a) MSE(a) = SSE(a) / dfE(a)
Sub plot:
B b-1 SSB MSB = SSB / dfB MSB/MSE(b)
Interaction AB (a-1)(b-1) SSAB MSAB = SSAB / dfAB MSAB/MSE(b)
Error(b) a(r-1)(b-1) SSE(b) MSE(b) = SSE(b) /dfE(b)
Total abr-1 SST
~ 106 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2
a r b
X ijk
C.T. = i 1 j 1 k 1
abr
= กาลังสองของผลรวมของข้ อมูลทั้งหมด /
((จานวนระดับของ Main plot)(จานวนระดับของ Sub plot)
(จานวนซา้ ))
= กาลังสองของผลรวมของข้ อมูลทั้งหมด / จานวนข้ อมูลทั้งหมด
a r b
SST = X
i 1 j 1 k 1
2
ijk C.T .
~ 107 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
SS Bl
MSBl =
df Bl
SS A
MSA =
df A
SS E ( a )
MSE(a) =
df E ( a )
SS B
MSB =
df B
SS AB
MSAB =
df AB
SS E ( a )
MSE(b) =
df E (b )
MS Bl
FBl =
MS E (a )
MS AB
FAB =
MS E (b )
MS A
FA =
MS E (a )
MS B
FB =
MS E (b )
ผลการวิเคราะห์ท่ไี ด้ นิยมเขียนในรูปของตารางการวิเคราะห์ความแปรปรวนดังต่อไปนี้
Sources of variation
df SS MS Fcal
Main plot:
Blocks r -1 SSBl MSBl = SSBl / dfBl MSBl/MSE(a)
A a -1 SSA MSA = SSA / dfA MSA/MSE(a)
Error(a) (a-1)(r-1) SSE(a) MSE(a) = SSE(a) / dfE(a)
Sub plot:
B b-1 SSB MSB = SSB / dfB MSB/MSE(b)
Interaction AB (a-1)(b-1) SSAB MSAB = SSAB / dfAB MSAB/MSE(b)
Error(b) a(r-1)(b-1) SSE(b) MSE(b) = SSE(b) /dfE(b)
Total abr-1 SST
~ 108 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 2.9
การทดลองเพื่อศึกษาอิทธิพลของสารเจือปนอาหารชนิดหนึ่งต่อเนื้อสัมผัส (ค่าแรงต้ านการตัด) ของ
ผลิตภัณฑ์ไส้ กรอกชนิดหนึ่งของสองสายการผลิต เพื่อเปรียบเทียบผลที่เกิดจากสายการผลิต (สายการผลิต 1
และ สายการผลิต 2) และการไม่เติมและการเติมสารเจือปน (ปริมาณร้ อยละ 0.1) ทาการทดลอง 4 ซา้ โดย
มีการพยายามควบคุมปัจจัยอื่นๆ ให้ มลี ักษณะใกล้ เคียงกันมากที่สดุ พบว่าได้ ผลการทดลองดังต่อไปนี้ โดย
สมมติว่าข้ อมูลเป็ นไปตามข้ อกาหนดเบื้องต้ นของการวิเคราะห์ความแปรปรวน
วิธีทา
สมมติฐานที่ใช้ ในการทดสอบ คือ
Ho: ()ik = 0 (ปัจจัยทั้งสองไม่มอี ทิ ธิพลร่วมกัน คือ มีค่าเท่ากับ 0)
H 1: ()ik 0 (ปัจจัยทั้งสองมีอทิ ธิพลร่วมกัน)
และ
Ho: i = 0 (ระดับของปัจจัยที่ 1 ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: i 0 (ระดับของปัจจัยที่ 1 มีผลต่อหน่วยทดลอง)
และ
Ho: k = 0 (ระดับของปัจจัยที่ 2 ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: k 0 (ระดับของปัจจัยที่ 2 มีผลต่อหน่วยทดลอง)
การวิเคราะห์ความแปรปรวน:
dfT = abr – 1 = (2)(2)(4) – 1 = 15
dfA = a -1 = 2–1 =1
dfE(a) = a(r-1) = 2(4-1) =6
dfB = b-1 = 2–1 =1
dfAB = (a-1)(b-1) = (2-1)(2-1) =1
dfE = a(r-1)(b-1) หรือ dfT - dfA – dfE(a) - dfB - dfAB
= (2)(4-1)(2-1) =6
~ 109 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2
a b r
X ijk
C.T. = i 1 j 1 k 1
abr
= (5 + 4 + 6 + 5 + 6 + 6 + 8 + 8 + 9 + 7 + 9 + 8
+ 12 + 12 + 13 + 13)2 / (2)(2)(4)
= 1312 / 16 = 17,161 / 16 = 1,072.56
a b r
SST = X
i 1 j 1 k 1
2
ijk C.T .
= (52 + 42 + 62 + 52 + 62 + 62 + 82 + 82 + 92 + 72 + 92 + 82 + 122
+ 122 + 132 + 132) - 1,072.56
= 1203 – 1,072.56 = 130.44
2
a b r
X ijk
i 1 j 1 k 1
SSA = C.T .
br
= ((5 + 4 + 6 + 5 + 9 + 7 + 9 + 8)2 + (6 + 6 + 8 + 8 + 12 + 12
+13 + 13)2 / (2)(4) - 1,072.56
= (2,809 + 6,084) / 8 - 1,072.56
= 1,111.63 – 1,072.56 = 39.07
2
a r
b
i 1 j 1
X ijk
k 1 C.T . SS
SSE(a) = A
b
= ((5 + 9)2 + (6 + 12)2 + (4 + 7)2 + (6 + 12)2 + (6 + 9)2
+ (8 + 13)2 + (5 + 8)2 + (8 + 13)2)/2 – 1,072.56 – 39.07
= (196 + 324 + 121 + 324 + 225 + 441 + 169 + 441)/2
– 1,072.56 – 39.07
= 1,120.5 – 1,072.56 – 39.07 = 8.87
2
b
a r
X ijk
j 1 i 1 k 1
SSB = C.T .
ar
= ((5 + 4 + 6 + 5 + 6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8 + 12 + 12
+ 13 + 13)2 / (2)(4) - 1,072.56
= (2,304 + 6,889) / 8 - 1,072.56
= 1,149.13 – 1,072.56 = 76.57
2
a b r
X ijk
SSAB =
i 1 k 1 j 1 C.T . SS SS
A B
r
= ((5 + 4 + 6 + 5)2 + (6 + 6 + 8 + 8)2 + (9 + 7 + 9 + 8)2
+ (12 + 12 + 13 + 13)2 ) / 4 - 1,072.56 – 39.07 – 76.57
~ 110 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Main plot:
A 1 39.07 39.07 26.43** 5.987 13.74
Error(a) 6 8.87 1.478
Sub plot:
B 1 76.57 76.57 520.9** 5.987 13.74
Interaction AB 1 5.05 5.05 34.35** 5.987 13.74
Error(b) 6 0.88 0.147
Total 15 130.44
~ 111 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การทดสอบของสติวเดนท์นวิ แมนคูล
MS E
K SSR p ,df E
r
~ 112 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์คอมบิเนชัน
ตัวอย่างที่ 2.10
การทดลองเพื่อศึกษาอิทธิพลของสารเจือปนอาหารชนิดหนึ่งต่อเนื้อสัมผัส (ค่าแรงต้ านการตัด) ของ
ผลิตภัณฑ์ไส้ กรอกชนิดหนึ่งของสองสายการผลิต เพื่อเปรียบเทียบผลที่เกิดจากสายการผลิต (สายการผลิต 1
และ สายการผลิต 2) และการเติม (ในปริมาณร้ อยละ 0.1) และไม่เติมสารเจือปน ทาการทดลอง 4 ซา้ โดย
แต่ละซา้ จาเป็ นต้ องใช้ เนื้อที่ได้ มาจากแหล่ง 4 แหล่ง แต่มกี ารพยายามควบคุมปัจจัยอื่นๆ ให้ มลี กั ษณะใกล้ เคียง
กันมากที่สดุ พบว่าได้ ผลการทดลองดังต่อไปนี้ โดยสมมติว่าข้ อมูลเป็ นไปตามข้ อกาหนดเบื้องต้ นของการ
วิเคราะห์ความแปรปรวน
~ 113 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
สมมติฐานที่ใช้ ในการทดสอบ คือ
Ho: ()ik = 0 (ปัจจัยทั้งสองไม่มอี ทิ ธิพลร่วมกัน คือ มีค่าเท่ากับ 0)
H 1: ()ik 0 (ปัจจัยทั้งสองมีอทิ ธิพลร่วมกัน)
และ
Ho: i = 0 (ระดับของปัจจัยที่ 1 ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: i 0 (ระดับของปัจจัยที่ 1 มีผลต่อหน่วยทดลอง)
และ
Ho: k = 0 (ระดับของปัจจัยที่ 2 ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: k 0 (ระดับของปัจจัยที่ 2 มีผลต่อหน่วยทดลอง)
และ
Ho: j = 0 (บล็อก ไม่มผี ลต่อหน่วยทดลอง คือ มีค่าเท่ากับ 0)
H 1: j 0 (บล็อกมีผลต่อหน่วยทดลองต่างกัน)
การวิเคราะห์ความแปรปรวน:
dfT = abr – 1 = (2)(2)(4) – 1 = 15
dfBl = r–1 = 4–1 =3
dfA = a -1 = 2–1 =1
dfE(a) = (a – 1)(r-1) = (2 – 1)(4-1) =3
dfB = b-1 = 2–1 =1
dfAB = (a-1)(b-1) = (2-1)(2-1) =1
dfE = a(r-1)(b-1) หรือ dfT - dfBl - dfA – dfE(a) - dfB - dfAB
= (2)(4-1)(2-1) =6
2
a b r
X ijk
C.T. = i 1 j 1 k 1
abr
= (5 + 4 + 6 + 5 + 6 + 6 + 8 + 8 + 9 + 7 + 9 + 8
+ 12 + 12 + 13 + 13)2 / (2)(2)(4)
= 1312 / 16 = 17,161 / 16 =1,072.56
a b r
SST = X
i 1 j 1 k 1
2
ijk C.T .
= (52 + 42 + 62 + 52 + 62 + 62 + 82 + 82 + 92 + 72 + 92 + 82 + 122
+ 122 + 132 + 132) - 1,072.56
= 1203 – 1,072.56 = 130.44
2
r a b
X ijk
k 1 i 1 j 1
SSBl = C.T .
ab
~ 114 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 115 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
SS Bl
MSBl = = 6.69 / 3 = 2.23
df Bl
SS A
MSA = = 39.07 / 1 = 39.07
df A
SS E ( a )
MSE(a) = = 2.18/3 = 0.727
df E ( a )
SS B
MSB = = 76.57/ 1 = 76.57
df B
SS AB
MSAB = = 5.05 / 1 = 5.05
df AB
SS E ( b )
MSE(b) = = 0.88 / 6 = 0.147
df E ( b )
MS Bl
FBl = = 2.23 / 0.727 = 3.067
MS E (a )
MS AB
FAB = = 5.05 / 0.147 = 34.35
MS E (b )
MS A
FA = = 39.07 / 0.727 = 53.74
MS E (a )
MS B
FB = = 76.57 / 0.147 = 520.9
MS E (b )
Main plot:
Block 3 6.69 2.23 3.067 9.277 29.45
A 1 39.07 39.07 53.74** 10.12 34.11
Error(a) 3 2.18 0.727
Sub plot:
B 1 76.57 76.57 520.9** 5.987 13.74
Interaction AB 1 5.05 5.05 34.35** 5.987 13.74
Error(b) 6 0.88 0.147
Total 15 130.44
ผลการวิเคราะห์ความแปรปรวนข้ างต้ น พบว่า FBl < F0.05,1,3 และ F0.01,1,3 แสดงว่าการใช้ เนื้อจาก
แหล่งที่ต่างกันมีผลต่อค่าแรงต้ านการตัดอย่างไม่มนี ัยสาคัญทางสถิติ (p>0.05) หรือไม่แตกต่างกัน FAB >
F0.05,1,6 และ F0.01,1,6 แสดงว่าสายการผลิตและการเติมสารเจือปนมีอทิ ธิพลร่วมกันอย่างมีนัยสาคัญทางสถิติ
~ 116 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การทดสอบของทูกยี ์แบบบี
K T( a )
T(b )
2
- การเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์คอมบิเนชัน
~ 117 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 118 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การวิเคราะห์ความแปรปรวน
~ 119 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การวิเคราะห์ความแปรปรวน (ต่อ)
~ 120 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การวิเคราะห์ความแปรปรวน (ต่อ)
~ 121 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E
1 Treatment 1 Treatment 2 Treatment 3 Treatment 4
2 Rep 1 5 4 6 5
3 Rep 2 6 6 8 8
4 Rep 3 9 7 9 8
5 Rep 4 12 12 13 13
~ 122 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C A B C D
1 Treatment Rep Shear_Force 1 Treatment Rep Shear_Force Chopper
2 T1 R1 5 2 T1 R1 5 B
3 T2 R1 6 3 T2 R1 6 C
4 T3 R1 9 4 T3 R1 9 D
5 T4 R1 12 5 T4 R1 12 A
6 T1 R2 4 6 T1 R2 4 A
7 T2 R2 6 7 T2 R2 6 B
8 T3 R2 7 8 T3 R2 7 C
9 T4 R2 12 9 T4 R2 12 D
10 T1 R3 6 10 T1 R3 6 D
11 T2 R3 8 11 T2 R3 8 A
12 T3 R3 9 12 T3 R3 9 B
13 T4 R3 13 13 T4 R3 13 C
14 T1 R4 5 14 T1 R4 5 C
15 T2 R4 8 15 T2 R4 8 D
16 T3 R4 8 16 T3 R4 8 A
17 T4 R4 13 17 T4 R4 13 B
(ก) (ข)
~ 123 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E
1 Treatment A B Rep Shear_Force
2 T1 A- B- R1 5
3 T2 A+ B- R1 6
4 T3 A- B+ R1 9
5 T4 A+ B+ R1 12
6 T1 A- B- R2 4
7 T2 A+ B- R2 6
8 T3 A- B+ R2 7
9 T4 A+ B+ R2 12
10 T1 A- B- R3 6
11 T2 A+ B- R3 8
12 T3 A- B+ R3 9
13 T4 A+ B+ R3 13
14 T1 A- B- R4 5
15 T2 A+ B- R4 8
16 T3 A- B+ R4 8
17 T4 A+ B+ R4 13
2.2.9.1 โปรแกรมไมโครซอฟท์เอกซ์เซล
การใช้ โปรแกรมไมโครซอฟท์เอกซ์เซล สาหรับการวิเคราะห์ข้อมูลโดยการวิเคราะห์ความแปรปรวนเมื่อ
ใช้ แผนการทดลองแบบสุ่มสมบูรณ์และแบบสุ่มสมบูรณ์ในบล็อก สามารถทาได้ 2 กรณี คือ (1) การใช้ คาสัง่
“Data Analysis” และ (2) การใช้ แมโครในไฟล์ DSAASTAT.XLS ส่วนแผนการทดลองแบบลาตินสแควร์
การทดลองแบบแฟคทอเรียล และ การทดลองแบบสปลิทพลอท จะต้ องใช้ แมโครในไฟล์ DSAASTAT.XLS
ในการวิเคราะห์ข้อมูล นอกจากนี้แมโครในไฟล์ DSAASTAT.XLS ยังสามารถใช้ สาหรับการเปรียบเทียบ
ค่าเฉลี่ยของทรีตเมนต์ได้ อกี ด้ วย
~ 124 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
4. กล่อง “Anova: Single Factor” จะปรากฏขึ้น คลิก ช่อง “Input Range:” เลือกช่วงของข้ อมูลที่
ต้ องการวิเคราะห์ (ตัวอย่างที่ 2.4 คือ B2:E5)
5. คลิกเลือกว่า จะวิเคราะห์ข้อมูลในแนวสดมภ์หรือแถว สาหรับการพิมพ์ข้อมูลดังภาพที่ 2.12
ต้ องคลิกเลือก “Columns”
6. คลิกช่อง “Alpha:” และพิมพ์ “0.05” (ในกรณีท่ตี ้ องการทดสอบสมมติฐานที่ระดับนัยสาคัญ
ทางสถิติ (p<0.05) ซึ่งปกติโปรแกรมจะพิมพ์ไว้ ให้ อยู่แล้ ว)
7. คลิกเลือก “Output Range:”
8. คลิกช่อง “Output Range:” เลือกเซลล์ท่ตี ้ องการให้ เป็ นจุดเริ่มต้ นของผลการคานวณ
9. คลิก “OK”
10. ตาราง Anova: Single Factor จะปรากฏขึ้น โดยเริ่มต้ นที่เซลล์ท่เี ลือกไว้ ในข้ อ 8 ดังภาพที่ 2.15
หมายเหตุ - กรณีน้ ไี ม่มคี าสั่งสาหรับการเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์
SUMMARY
Groups Count Sum Average Variance
Column 1 4 20 5 0.67
Column 2 4 28 7 1.33
Column 3 4 33 8.25 0.92
Column 4 4 50 12.5 0.33
ANOVA
Source of Variation SS df MS F P-value F crit
Between Groups 120.69 3 40.23 49.51 0.00 3.49
Within Groups 9.75 12 0.81
Total 130.44 15
~ 125 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ANOVA
Source of Variation SS df MS F P-value F crit
Rows 6.69 3 2.23 6.55 0.01 3.86
Columns 120.69 3 40.23 118.22 0.00 3.86
Error 3.06 9 0.34
Total 130.44 15
~ 126 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 127 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
17. คลิกช่อง “Num. of replications” พิมพ์จานวนซา้ (ตัวอย่างที่ 2.4 และ 2.5 คือ “4”) และ
คลิก “OK”
18. กล่อง “Microsoft Excel” ” จะปรากฏขึ้น คลิก “Yes”
19. ผลการเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์จะแสดงในแผ่นงานใหม่ ดังภาพที่ 2.18 และ 2.20
(ก) สาหรับตัวอย่างที่ 2.4 และ 2.5 ตามลาดับ
หมายเหตุ - กรณีแผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก หากต้ องการเปรียบเทียบค่าเฉลี่ยของ
บล็อกเพิ่มเติม สามารถทาได้ โดยเริ่มต้ นทาตามขั้นตอนที่ข้อ 13 แต่ในข้ อ 14 คลิก
เลือกช่วงของค่าเฉลี่ยในตาราง MEAN เป็ น “B11:E11” แทน จากนั้นทาขั้นตอน
ต่อไปจนเสร็จ จะได้ ผลการเปรียบเทียบค่าเฉลี่ยของบล็อกในแผ่นงานใหม่ ดังภาพที่
2.20 (ข)
~ 128 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G
1 ANALYSIS OF VARIANCE
2 VARIABLE: Shear_Force
3
4
5 Means of Shear_Force
6 Treatment MEAN
7 T1 5
8 T2 7
9 T3 8.25
10 T4 12.5
11 GRAND MEAN 8.1875
12
13
14 ANOVA TABLE
15
16 EFFECT SS DF MS F ProbF
17 Treatment 120.69 3 40.23 49.51 0.00 **
18 Residual 9.75 12 0.81
19 Total 130.44 15 8.70
20 C.V. (%): 11.0093168716458
21 S.E.M.: .450693909432999
22 S.E.D.: .637377439199098
23 LSD (p<0.05): 1.38872614186744
24 LSD (p<0.01): 1.94689462141951
A B C
1 MULTIPLE COMPARISON TEST
2 Procedure: LSD (p= .05)
3 S.E.D.: .637377439199098
4 LSD = 1.38872614186744
5
6 4 12.5 a
7 3 8.25 b
8 2 7 b
9 1 5 c
~ 129 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G
1 ANALYSIS OF VARIANCE
2 VARIABLE: Shear_Force
3
4
5 Means of Shear_Force Rep
6 Treatment R1 R2 R3 R4 MEAN
7 T1 5 4 6 5 5
8 T2 6 6 8 8 7
9 T3 9 7 9 8 8.25
10 T4 12 12 13 13 12.5
11 GRAND MEAN 8 7.25 9 8.5 8.1875
12
13
14 ANOVA TABLE
15
16 EFFECT SS DF MS F ProbF
17 Blocks 6.69 3 2.23 6.55
18 Treatment 120.69 3 40.23 118.22 0.00 **
19 Residual 3.06 9 0.34
20 Total 130.44 15 8.70
21 C.V. (%): 7.12468193384224
22 S.E.M.: .291666666666667
23 S.E.D.: .412478955692153
24 LSD (p<0.05): .933092224122527
25 LSD (p<0.01): 1.34048877036716
~ 130 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C
1 MULTIPLE COMPARISON TEST
2 Procedure: LSD (p= .05)
3 S.E.D.: .412478955692153
4 LSD = .933092224122527
5
6 4 12.5 a
7 3 8.25 b
8 2 7 c
9 1 5 d
(ก)
A B C
1 MULTIPLE COMPARISON TEST
2 Procedure: LSD (p= .05)
3 S.E.D.: .412478955692153
4 LSD = .933092224122527
5
6 3 9 a
7 4 8.5 ab
8 1 8 bc
9 2 7.25 c
(ข)
ภาพที่ 2.20 ผลการเปรียบเทียบค่าเฉลี่ยของ Treatment (ก) และ Rep (ข) ตัวอย่างที่ 2.5
โดยแมโครในไฟล์ DSAASTAT.XLS
การใช้ โปรแกรมไมโครซอฟท์เอกซ์เซลสาหรับการวิเคราะห์ข้อมูลโดยการวิเคราะห์ความแปรปรวนเมื่อ
ใช้ แผนการทดลองแบบลาตินสแควร์ โดยใช้ ข้อมูลจากตัวอย่างที่ 2.6 และใช้ แมโคร “DSAASTAT.XLS” มี
ขั้นตอนดังต่อไปนี้
1. พิมพ์หรือเปิ ดไฟล์ข้อมูล (ANOVA data.xlsx แผ่นงาน 3) ดังภาพที่ 2.13 (ข)
2. คลิกเปิ ดไฟล์ “DSAASTAT.XLS”
3. หากมีกล่องเตือนจากไมโครซอฟท์ปรากฏขึ้น คลิก “เปิ ดใช้ งานแมโคร” หรือ “Macro Enable”
4. กล่อง “Info” จะปรากฏขึ้น คลิก “OK”
5. เลือกคาสั่ง “Add-In” และตามด้ วย “ANOVA”
6. กล่องป้ อนค่าจะปรากฏขึ้น คลิกเลือกช่วงของข้ อมูลที่ต้องการวิเคราะห์รวมหัวตาราง
(ตัวอย่างที่ 2.6 คือ “A1:D17”) และคลิก “OK”
~ 131 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 132 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G
1 ANALYSIS OF VARIANCE
2 VARIABLE: Shear_Force
3
4
5 Means of Shear_Force Treatment
6 Rep T1 T2 T3 T4 MEAN
7 1 5 6 9 12 8
8 2 4 6 7 12 7.25
9 3 6 8 9 13 9
10 4 5 8 8 13 8.5
11 GRAND MEAN 5 7 8.25 12.5 8.1875
12
13
14 ANOVA TABLE
15
16 EFFECT SS DF MS F ProbF Sign.
17 Rep 6.69 3 2.23
18 Chopper 2.19 3 0.73
19 Treatment 120.69 3 40.23 275.86 0.00 **
20 Residual 0.88 6 0.15
21 Total 130.44 15 8.70
22 C.V. (%): 4.664199
23 S.E.M.: .190941
24 S.E.D.: .270031
25 LSD (p<0.05): .660742
26 LSD (p<0.01): 1.00112
~ 133 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C
1 MULTIPLE COMPARISON TEST
2 Procedure: Duncan's multiple range test (p= .05)
3 S.E.M.: .190940653956493; DF: 6
4 Critical range; 0; .661; .684; .695
5
6 4 12.5 a
7 3 8.25 b
8 2 7 c
9 1 5 d
(ก)
A B C
1 MULTIPLE COMPARISON TEST
2 Procedure: Duncan's multiple range test (p= .05)
3 S.E.M.: .190940653956493; DF: 6
4 Critical range; 0; .661; .684; .695
5
6 3 9 a
7 4 8.5 ab
8 1 8 b
9 2 7.25 c
(ข)
A B C
1 MULTIPLE COMPARISON TEST
2 Procedure: Duncan's multiple range test (p= .05)
3 S.E.M.: .190940653956493; DF: 6
4 Critical range; 0; .661; .684; .695
5
6 4 8.75 a
7 2 8.25 ab
8 1 8 b
9 3 7.75 b
(ค)
ภาพที่ 2.22 ผลการเปรียบเทียบค่าเฉลี่ยของ Treatment (ก) Rep (ข) และ Chopper (ค) ตัวอย่างที่ 2.6
โดยแมโครในไฟล์ DSAASTAT.XLS
~ 134 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การใช้ โปรแกรมไมโครซอฟท์เอกซ์เซลสาหรับการวิเคราะห์ข้อมูลโดยการวิเคราะห์ความแปรปรวนของ
การทดลองแบบแฟคทอเรียลและสปลิทพลอท โดยใช้ ข้อมูลจากตัวอย่างที่ 2.7–2.10 และใช้ แมโคร
“DSAASTAT.XLS” มีข้นั ตอนดังต่อไปนี้
1. พิมพ์หรือเปิ ดไฟล์ข้อมูล (ANOVA data.xlsx แผ่นงาน 4) ดังภาพที่ 2.14
2. ดับเบิลคลิกเปิ ดไฟล์ “DSAASTAT.XLS”
3. หากมีกล่องเตือนจากไมโครซอฟท์ปรากฏขึ้น คลิก “เปิ ดใช้ งานแมโคร” หรือ “Macro Enable”
4. กล่อง “Info” จะปรากฏขึ้น คลิก “OK”
5. เลือกแถบคาสั่ง “Add-In” และตามด้ วย “ANOVA”
6. กล่องป้ อนค่าจะปรากฏขึ้น คลิกเลือกช่วงของข้ อมูลที่ต้องการวิเคราะห์รวมหัวตาราง
(ตัวอย่างที่ 2.7–2.10 คือ “A1:E17”) และคลิก “OK”
7. กล่อง “Experimental design” จะปรากฏขึ้น คลิกเลือกจานวนปัจจัยที่ศึกษา
(ตัวอย่างที่ 2.7–2.10 คลิก “Two factor”)
8. คลิกเลือกแผนการทดลองที่ใช้
(ตัวอย่างที่ 2.7 และ 2.9 คือ แผนการทดลองแบบสุ่มสมบูรณ์ คลิก “Completely randomised”
ตัวอย่างที่ 2.8 และ 2.10 คือ แผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก คลิก “Randomised
blocks”)
9. คลิกเลือก “One year and location” ใน ช่อง “Multi-year and multi-location experiment” ซึ่ง
ปกติโปรแกรมจะเลือกให้ อยู่แล้ ว คลิก “OK”
10. กล่อง “Choice of design” จะปรากฏขึ้น เลือกการทดลองที่ใช้
(ตัวอย่างที่ 2.7 และ 2.9 คลิกเลือก ช่อง “Factorial” และคลิก “OK”
ตัวอย่างที่ 2.8 และ 2.10 คลิกเลือก ช่อง “Split-plot” และคลิก “OK” )
11. กล่อง “Choice of Variables” จะปรากฏขึ้น เลือกตัวแปรที่ต้องการวิเคราะห์
(ตัวอย่างที่ 2.7 และ 2.9 คลิกเลือกช่อง “First factor” เป็ น “A”
คลิกเลือกช่อง “Second factor” เป็ น “B” คลิกเลือก “Shear_Force” ในช่อง “To be
analysed” และคลิก “OK”
ตัวอย่างที่ 2.8 และ 2.10 คลิกเลือกช่อง “Block” เป็ น “Rep”
คลิกเลือกช่อง “First factor” เป็ น “A” คลิกเลือกช่อง “Second factor” เป็ น “B”
คลิกเลือก “Shear_Force” ในช่อง “To be analysed” และคลิก “OK”)
12. ตารางผลการวิเคราะห์ความแปรปรวนจะปรากฏขึ้นในแผ่นงานใหม่ ดังภาพที่ 2.23 – 2.26
หมายเหตุ - กรณีการทดลองแบบแฟคทอเรียลและสปลิทพลอท ในส่วนของค่าเฉลี่ย โปรแกรมจะ
แสดงผลเป็ นค่าเฉลี่ยของปัจจัยแต่ละปัจจัย (ไม่ใช่ค่าเฉลี่ยของทรีตเมนต์คอมบิเนชัน)
หากต้ องการเปรียบเทียบค่าเฉลี่ยของปัจจัยแต่ละปัจจัย สามารถทาได้ ตามขั้นตอนใน
ลักษณะเดียวกับที่กล่าวมาแล้ วในกรณีแผนการทดลองแบบสุ่มสมบูรณ์ และสุ่มสมบูรณ์
ในบล็อก โดยเริ่มต้ นจากข้ อ 12 และเลือกช่วงของค่าเฉลี่ยในตาราง MEAN และพิมพ์
ข้ อมูลในช่อง “SED (Stand. Error of a Difference)” และ “Degrees of freedom
(RSS)” ให้ ถูกต้ อง ส่วน “Num. of replications” ให้ พิมพ์ จานวนซา้ เป็ นครึ่งหนึ่ง
ของจานวนซา้ ของทรีตเมนต์คอมบิเนชัน
- กรณีท่ตี ้ องการเปรียบเทียบค่าเฉลี่ยของทรีตเมนต์คอมบิเนชัน ต้ องพิมพ์ค่าเฉลี่ย
ของทรีตเมนต์คอมบิเนชันเพิ่มลงไปในแผ่นงานที่แสดงตารางผลการวิเคราะห์ความ
~ 135 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G
ANALYSIS OF
1 VARIANCE
2 VARIABLE: Shear_Force
3
4
5 Means of Shear_Force B
6 A -1 1 MEAN
7 -1 5 8.25 6.625
8 1 7 12.5 9.75
9 MEAN 6 10.375 8.1875
10
11
12 ANOVA TABLE
13
14 EFFECT SS DF MS F ProbF Sign.
15 A 39.06 1 39.06 48.08 0.00 **
16 B 76.56 1 76.56 94.23 0.00 **
17 A x B 5.06 1 5.06 6.23 0.03 *
18 Residual 9.75 12 0.81
19 Total 130.44 15
~ 136 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G
ANALYSIS OF
1 VARIANCE
2 VARIABLE: Shear_Force
3
4
5 Means of Shear_Force B
6 A -1 1 MEAN
7 -1 5 8.25 6.625
8 1 7 12.5 9.75
9 MEAN 6 10.375 8.1875
10
11
12 ANOVA TABLE
13
14 EFFECT SS DF MS F ProbF Sign.
15 Rep 6.69 3 2.23 6.55 0.01 *
16 A 39.06 1 39.06 114.80 0.00 **
17 B 76.56 1 76.56 225.00 0.00 **
18 A x B 5.06 1 5.06 14.88 0.00 **
19 Residual 3.06 9 0.34
20 Total 130.44 15 8.70
21 C.V. (%) = 7.12
~ 137 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G
ANALYSIS OF
1 VARIANCE
2 VARIABLE: Shear_Force
3
4
5 Means of Shear_Force B
6 A -1 1 MEAN
7 -1 5 8.25 6.625
8 1 7 12.5 9.75
9 MEAN 6 10.375 8.1875
10
11
12 ANOVA TABLE
13
14 EFFECT SS DF MS F ProbF Sign.
15 A 39.06 1 39.06 26.41 0.00 **
16 Error A 8.88 6 1.48
17 B 76.56 1 76.56 525.00 0.00 **
18 A x B 5.06 1 5.06 34.71 0.00 **
19 Residual 0.88 6 0.15
20 Total 130.44 15 8.70
~ 138 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G
ANALYSIS OF
1 VARIANCE
2 VARIABLE: Shear_Force
3
4
5 Means of Shear_Force B
6 A -1 1 MEAN
7 -1 5 8.25 6.625
8 1 7 12.5 9.75
9 MEAN 6 10.375 8.1875
10
11
12 ANOVA TABLE
13
14 EFFECT SS DF MS F ProbF Sign.
15 Rep 6.69 3 2.23 3.06 0.19
16 A 39.06 1 39.06 53.57 0.01 **
17 Error A 2.19 3 0.73
18 B 76.56 1 76.56 525.00 0.00 **
19 A x B 5.06 1 5.06 34.71 0.00 **
20 Residual 0.88 6 0.15
21 Total 130.44 15 8.70
~ 139 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 140 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ANOVA
Shear_Force
Sum of Squares df Mean Square F Sig.
Between Groups 120.688 3 40.229 49.513 .000
Within Groups 9.750 12 .812
Total 130.438 15
Multiple Comparisons
Dependent Variable:Shear_Force
(I) (J) Mean Difference Std. 95% Confidence Interval
Treatment Treatment (I-J) Error Sig. Lower Bound Upper Bound
LSD T1 T2 -2.000* .637 .009 -3.39 -.61
T3 -3.250* .637 .000 -4.64 -1.86
T4 -7.500* .637 .000 -8.89 -6.11
T2 T1 2.000* .637 .009 .61 3.39
T3 -1.250 .637 .073 -2.64 .14
T4 -5.500* .637 .000 -6.89 -4.11
T3 T1 3.250* .637 .000 1.86 4.64
T2 1.250 .637 .073 -.14 2.64
T4 -4.250* .637 .000 -5.64 -2.86
T4 T1 7.500* .637 .000 6.11 8.89
T2 5.500* .637 .000 4.11 6.89
T3 4.250* .637 .000 2.86 5.64
*. The mean difference is significant at the 0.05 level.
Shear_Force
Subset for alpha = 0.05
Treatment N 1 2 3
a
Duncan T1 4 5.00
T2 4 7.00
T3 4 8.25
T4 4 12.50
Sig. 1.000 .073 1.000
Means for groups in homogeneous subsets are displayed.
~ 141 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 142 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 143 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ภาพที่ 2.28 ผลการวิเคราะห์ข้อมูลตัวอย่างที่ 2.4 (ก) และตัวอย่างที่ 2.5 (ข) โดยใช้ คาสั่ง
“General Linear Model” โปรแกรมเอสพีเอสเอส
~ 144 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 145 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 146 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 147 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 148 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
> local({
+ .Pairs <- glht(AnovaModel.1, linfct = mcp(Treatment = "Tukey"))
+ print(summary(.Pairs)) # pairwise tests
+ print(confint(.Pairs)) # confidence intervals
+ print(cld(.Pairs)) # compact letter display
+ old.oma <- par(oma=c(0,5,0,0))
+ plot(confint(.Pairs))
+ par(old.oma)
+ })
Linear Hypotheses:
Estimate lwr upr
T2 - T1 == 0 2.0000 0.1097 3.8903
T3 - T1 == 0 3.2500 1.3597 5.1403
T4 - T1 == 0 7.5000 5.6097 9.3903
T3 - T2 == 0 1.2500 -0.6403 3.1403
T4 - T2 == 0 5.5000 3.6097 7.3903
T4 - T3 == 0 4.2500 2.3597 6.1403
T1 T2 T3 T4
"a" "b" "b" "c"
~ 149 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 150 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 151 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 152 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 153 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2. กล่อง “Import Excel Data Set” จะปรากฏขึ้น พิมพ์ช่ อื ไฟล์ข้อมูล (ระบบจะพิมพ์ช่ ือ “Dataset”
ไว้ ให้ ) และคลิก “OK”(กรณีไม่ต้องการพิมพ์ช่ อื ไฟล์ข้อมูลเป็ นชื่ออื่น หากกล่อง “Data set
Dataset already exist. Overwrite data set?” ปรากฏขึ้น คลิก “Yes”)
3. กล่อง “Open” จะปรากฏขึ้น คลิกเลือกไฟล์ข้อมูลในโปรแกรมไมโครซอฟท์เอกซ์เซลที่บนั ทึกไว้
(ในที่น้ ใี ช้ ช่ อื ไฟล์ ANOVA data.xlsx) และคลิก “Open”
4. กล่อง “Select One Table” จะปรากฏขึ้น คลิกเลือกแผ่นงานที่พิมพ์ตารางข้ อมูล (ตัวอย่างที่
2.8 เลือก Sheet 4) ไว้ และคลิก “OK”
5. คลิก “View Data Set” หากต้ องการตรวจสอบตารางข้ อมูล
6. พิมพ์คาสั่งต่อไปนี้ในหน้ าต่าง R Console
> aov5=aov(Shear_Force ~ A + B + A*B + Rep, data = Dataset)
> summary(aov5)
แล้ ว Enter
หมายเหตุ - กรณีพิมพ์ช่ อื ไฟล์ข้อมูลเป็ นชื่ออื่น ไม่ใช้ Dataset ในคาสั่งข้ างต้ น ต้ องเปลี่ยนจาก
Dataset เป็ น ชื่อไฟล์ดงั กล่าว
~ 154 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 155 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การวิเคราะห์ความแปรปรวน
EFFECT SS DF MS F ProbF
Week 0.0456 3 0.01519 59.83 0.000
Residual 0.0020 8 0.00025
Total 0.0476 11 0.00433
c
สัปดาห์ท่ี 0 0.120
c
สัปดาห์ท่ี 1 0.142
b
สัปดาห์ท่ี 2 0.194
a
สัปดาห์ท่ี 3 0.280
2. การทดลองเพื่อศึกษาปริมาณโปรตีนในผลิตภัณฑ์ข้าวเกรียบปลาของผู้ผลิต 5 ราย
แผนการทดลองที่เหมาะสม คือ แผนการทดลองแบบสุ่มสมบูรณ์ในบล็อก เนื่องจากมี
ปัจจัยที่ส่งผลต่อความแปรปรวนสองปัจจัย คือ ผู้ผลิต และ ห้ องปฏิบตั กิ าร และมีผล
การวิเคราะห์ความแปรปรวนดังต่อไปนี้
EFFECT SS DF MS F ProbF
Blocks 0.201 2 0.101 17.76 0.001
Product 1.171 4 0.293 51.65 0.000
Residual 0.045 8 0.006
Total 1.417 14 0.1
~ 156 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การวิเคราะห์ความแปรปรวน (ต่อ)
EFFECT SS DF MS F ProbF
Product 30265.04 4 7566.26 220.63 0.000
Thickening agent 7672.64 4 1918.16 55.93 0.000
Analyser 1784.64 4 446.16 13.01 0.000
Residual 411.52 12 34.29
Total 40133.84 24 1672.24
~ 157 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การวิเคราะห์ความแปรปรวน (ต่อ)
EFFECT SS DF MS F ProbF
Rep. 7.5 3 2.5 7.5 0.008
Temp. 56.25 1 56.25 168.75 0.000
Time 0.25 1 0.25 0.75 0.408
Temp. x Time 9 1 9 27 0.000
Residual 3 9 0.33
Total 76 15 5.07
~ 158 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การวิเคราะห์ความแปรปรวน (ต่อ)
EFFECT SS DF MS F ProbF
Machine 2146.30 2 1073.15 37.39 0.000
Error Machine 172.22 6 28.70
Recipe 868.52 2 434.26 3.53 0.062
Machine x Recipe 3.70 4 0.93 0.01 0.999
Residual 1477.78 12 123.15
Total 4668.52 26 179.56
a
เครื่องปั่น 1 96.67
เครื่องปั่น 2 b
80.00
เครื่องปั่น 3 a
100.56
~ 159 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เอกสารอ้างอิง
จรัญ จันทลักขณา และ กษิดศิ อื้อเชี่ยวชาญกิจ. คัมภีร์การวิจยั และการเผยแพร่ส่นู านาชาติ. กรุงเทพฯ:
นิตธิ รรมการพิมพ์; 2551, 262 หน้ า.
จรัญ จันทลักขณา และ อนันตชัย เขื่อนธรรม. 2529. สถิติเบื้ องต้นแบบประยุกต์. กรุงเทพฯ:
ไทยวัฒนาพานิช; 2529, 364 หน้ า.
พิสมัย หาญมงคลพิพัฒน์. สถิติและการวางแผนการทดลองทางเกษตร. พิมพ์ครั้งที่ 3. กรุงเทพฯ:
สานักพิมพ์มหาวิทยาลัยเกษตรศาสตร์; 2550, 314 หน้ า.
สายชล สินสมบูรณ์ทอง. สถิติกับการวางแผนการทดลองทางการเกษตร. พิมพ์ครั้งที่ 4. กรุงเทพฯ:
จามจุรีโปรดักท์; 2549, 554 หน้ า.
Excel Easy. Analysis Toolpak.
URL http://www.excel-easy.com/data-analysis/analysis-toolpak.html; (n.d.)
Meilgaard M, Civille GV and Carr BT. Sensory evaluation techniques. 3rd Edn. Boca Raton: CRC
press; 1999, 387 p.
Onofri A. Routine statistical analyses of field experiments by using an Excel extension. Proceedings 6th
National Conference Italian Biometric Society: "La statistica nelle scienze della vita e
dell’ambiente", Pisa, 20-22 June 2007, 93-96.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical
Computing, Vienna, Austria. URL https://www.R-project.org; 2017.
SPSS Inc. SPSS Statistics Base 17.0 User’s Guide.
URL http://www.jou.ufl.edu/archive/researchlab/SPSS-Statistcs-Base-Users-Guide-17.0.pdf;
(n.d.)
Stone H and Sidel JL. Sensory evaluation practices. 2ndEdn. San Diego: Academic Press; 1993, 338 p.
~ 160 ~
บทที่ 3
แผนการทดลองสาหรับการคัดเลือกปั จจัย
3.1 แผนการทดลองแบบแพลกเกตต์แอนด์เบอร์แมน
แผนการทดลองแบบแพลกเกตต์แอนด์เบอร์แมน (Plackett and Burman Designs) ถูกพัฒนาขึ้นโดย
Plackett and Burman (1946) เพื่อเป็ นทางเลือกหนึ่งของแผนการทดลองสาหรับการคัดเลือกปัจจัย เนื่องจาก
เป็ นแผนการทดลองที่ใช้ จานวนทรีตเมนต์ (Treatment, N) มากกว่าจานวนปัจจัยที่ต้องการศึกษาในแผนการ
ทดลองเพียง 1 ทรีตเมนต์เท่านั้น แต่ผลการทดลองที่ได้ จะทาให้ สามารถตัดสินใจเกี่ยวกับการเลือกใช้ ปัจจัย
บางปัจจัยได้ อย่างมีเหตุผลมากขึ้น เหลือจานวนปัจจัยที่ยังไม่สามารถตัดสินใจได้ น้อยลง และสามารถนา
ปัจจัยดังกล่าวไปศึกษารายละเอียดเพิ่มเติมต่อไปได้
แต่ในที่น้ จี ะขอกล่าวถึงเฉพาะแผนการทดลองแบบแพลกเกตต์แอนด์เบอร์แมนสาหรับปัจจัยที่มี 2
ระดับ(ระดับสูง และ ระดับต่า) เท่านั้น ซึ่งแผนการทดลองดังกล่าวนี้ สามารถทาได้ หลายแบบ แตกต่างกัน
ตามจานวนทรีตเมนต์หรือจานวนปัจจัยที่ต้องการศึกษา โดยมีการกาหนดระดับของปัจจัยแต่ละตัวในทรีต
เมนต์ท่ี 1 ด้ วยเครื่องหมายบวก (+ หมายถึงใช้ ปัจจัยในระดับสูง) และเครื่องหมายลบ ( - หมายถึงใช้
ปัจจัยในระดับต่า) ตัวอย่าง เช่น (Giesbreelrt, 1996)
จานวนทรีตเมนต์ (N) เท่ากับ 8 + + + - + - -
จานวนทรีตเมนต์ (N) เท่ากับ 12 + + - + + + - - - + -
จานวนทรีตเมนต์ (N) เท่ากับ 16 + + + + - + - + + - - + - - -
จานวนทรีตเมนต์ (N) เท่ากับ 20 + + - - + + + + - + - + - - - - + + -
จานวนทรีตเมนต์ (N) เท่ากับ 24 + + + + + - + - + + - - + + - - + - + - - - -
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ทรีตเมนต์ ปัจจัย
A B C D E F G H I J K
1 + + - + + + - - - + -
2 + - + + + - - - + - +
3 - + + + - - - + - + +
4 + + + - - - + - + + -
5 + + - - - + - + + - +
6 + - - - + - + + - + +
7 - - - + - + + - + + +
8 - - + - + + - + + + -
9 - + - + + - + + + - -
10 + - + + - + + + - - -
11 - + + - + + + - - - +
12 - - - - - - - - - - -
~ 162 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การวิเคราะห์ขอ้ มูล
การวิเคราะห์ผลการทดลองสาหรับแผนการทดลองแบบแพลกเกตต์แอนด์เบอร์แมน สามารถทาได้
โดยการทดสอบค่าที (t-test) ของแต่ละปัจจัย ตามขั้นตอนดังต่อไปนี้
(1) (2) (4) (5) (6) (10) (3) (7) (8) (9) (11) (12) …(3.1)
E A
6 6
(Edi)
i 1
2
S .E. …(3.2)
n
~ 163 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Effecti ( Ei )
t …(3.3)
S.E.
ตัวอย่างที่ 3.1
ผู้ผลิตอาหารแห้ งรายหนึ่ง ต้ องการศึกษาการผลิตนา้ ผลไม้ ชนิดผงโดยการอบแห้ งด้ วยเครื่องอบแห้ ง
แบบลูกกลิ้ง และมีปัจจัยที่สนใจศึกษาทั้งหมดจานวน 7 ปัจจัยดังต่อไปนี้
A : อัตราส่วนนา้ ต่อของแข็ง 1.5 - 2.0
B : ระยะเวลาที่แช่สว่ นผสมไว้ ด้วยกันก่อนทาแห้ ง 30 - 75 นาที
C : อุณหภูมขิ ณะแช่ส่วนผสม 15 - 65 ซ
D : ความดันไอนา้ ของเครื่องอบแห้ ง 230 - 350 กิโลปาสคัล
E : ความลึกของส่วนผสมระหว่างลูกกลิ้ง 2 - 4 เซนติเมตร
F : ระยะห่างระหว่างลูกกลิ้ง 20 - 35 มิลลิเมตร
G : ความเร็วของลูกกลิ้ง 1.4 - 2.8 รอบต่อนาที
โดยติดตามผลการทดลองจากความชื้นของผลิตภัณฑ์ผง ความหนืดและการกระจายตัวของ
ผลิตภัณฑ์หลังจากชงและทิ้งไว้ 15 นาที และการทดสอบทางประสาทสัมผัส พบว่าได้ ผลการทดลองดัง
ตารางที่ 3.2
~ 164 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตารางที่ 3.2 ผลการทดลองตัวอย่างที่ 3.1 (ดัดแปลงจาก Edwardson and Mac Cormac, 1984)
ทรีตเมนต์ ความชื้น ความหนืด การกระจายตัว การทดสอบทาง
1
(ร้ อยละ) (เซนติพอยส์) (ร้ อยละ) ประสาทสัมผัส2
1 2.32 15.0 64 5.8
2 1.65 29.0 88 5.0
3 2.02 10.5 54 7.0
4 3.30 20.0 59 7.0
5 3.57 16.5 78 5.3
6 3.25 31.0 83 5.0
7 2.94 26.0 58 6.5
8 4.27 12.5 38 6.8
9 2.22 32.5 74 6.4
10 5.93 27.5 69 5.5
11 5.69 16.0 41 5.5
12 2.18 37.5 66 6.2
1
การกระจายตัวแสดงค่าเป็ นร้ อยละ โดย 100 หมายถึงอนุภาคมีการกระจายตัวอย่างสมบูรณ์
2
การทดสอบทางประสาทสัมผัสแสดงเป็ นค่าเฉลี่ยคะแนนจากมาตรา 1-10 (1 = คุณภาพไม่ดี
และ 10 = คุณภาพดี) โดยผู้ทดสอบที่ผ่านการฝึ กฝนจานวน 5 ท่าน
วิธีทา
1. การตั้งสมมติฐาน
H0: การใช้ ระดับที่แตกต่างกันของปัจจัย i ไม่มผี ลทาให้ ค่าที่ตดิ ตามเปลี่ยนแปลง (Ei = 0)
Ha: การใช้ ระดับที่แตกต่างกันของปัจจัย i มีผลทาให้ ค่าที่ตดิ ตามเปลี่ยนแปลง (Ei ≠ 0)
2. การวิเคราะห์ข้อมูลเพื่อทดสอบสมมติฐาน
- คานวณอิทธิพลของปัจจัย A ถึง K (ปัจจัยหลอก 4 ตัว คือ H, I, J และ K)
- คานวณความคลาดเคลื่อนมาตรฐานของการทดลอง (S.E.) จากอิทธิพลของปัจจัยหลอก
- คานวณค่าทีของปัจจัยที่ต้องการศึกษา (A ถึง G)
- เปรียบเทียบค่าทีกบั ค่าวิกฤตที่ระดับความเชื่อมั่นตั้งแต่ร้อยละ 80 ขึ้นไป
~ 165 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 166 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 167 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
แผนการทดลองแบบแพลกเกตต์แอนด์เบอร์แมน
ทรีตเมนต์ 1 2 3 4 5 6 7 8
ปริมาณกรด 0.8 0.7 0.9 0.5 1.0 0.6 0.5 0.5
(ร้ อยละ)
- กรุณ าแสดงรายละเอีย ดของทรี ต เมนต์ แ ต่ ล ะทรี ต เมนต์ (ระบุ ว่ า ใช้ ปั จ จั ย แต่ ล ะตัว ใน
ระดับสูงหรือต่า)
- กรุณาวิเคราะห์ ข้อมูลและสรุปผลการทดลองข้ างต้ นว่ า มีปัจจัยใดบ้ างที่มีอิทธิพลต่ อ
ปริมาณกรดในโยเกริ์ตนา้ นมถั่วเหลือง ถ้ ามี ปัจจัยเหล่านั้นมีอทิ ธิพลอย่างไร
~ 168 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G H I J K L M N O
1 A B C D E F G H I J K MC VIS DIS LIKE
2 1 1 -1 1 1 1 -1 -1 -1 1 -1 2.32 15 64 5.8
3 1 -1 1 1 1 -1 -1 -1 1 -1 1 1.65 29 88 5
4 -1 1 1 1 -1 -1 -1 1 -1 1 1 2.02 10.5 54 7
5 1 1 1 -1 -1 -1 1 -1 1 1 -1 3.3 20 59 7
6 1 1 -1 -1 -1 1 -1 1 1 -1 1 3.57 16.5 78 5.3
7 1 -1 -1 -1 1 -1 1 1 -1 1 1 3.25 31 83 5
8 -1 -1 -1 1 -1 1 1 -1 1 1 1 2.94 26 58 6.5
9 -1 -1 1 -1 1 1 -1 1 1 1 -1 4.27 12.5 38 6.8
10 -1 1 -1 1 1 -1 1 1 1 -1 -1 2.22 32.5 74 6.4
11 1 -1 1 1 -1 1 1 1 -1 -1 -1 5.93 27.5 69 5.5
12 -1 1 1 -1 1 1 1 -1 -1 -1 1 5.69 16 41 5.5
13 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 2.18 37.5 66 6.2
~ 169 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 170 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 171 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เมื่อต้ องการวิเคราะห์ข้อมูลให้ ทาตามขั้นตอนดังต่อไปนี้ ที่หน้ าต่าง Data Set ที่มขี ้ อมูลอยู่ (ต้ อง
คานวณผลการทดลองครั้งละ 1 ตัว)
1. คลิกคาสั่ง “Analyze” (ด้ านบนซ้ ายของหน้ าจอ) เลื่อน Cursor มาที่ “Regression” แล้ วคลิก
“Linear..”
2. กล่อง “Linear Regression” จะปรากฏขึ้น เลือกผลการทดลองที่ต้องการวิเคราะห์ 1 ตัวแปร
(เช่น MC ในตัวอย่างที่ 3.1) ใส่ในช่อง “Dependent:” (โดยคลิกที่ตวั แปรดังกล่าว และคลิก
เครื่องหมายลูกศรใส่ในช่อง “Dependent:”)
3. เลือกปัจจัยที่ต้องการศึกษา (ในตัวอย่างที่ 3.1 นี้ มี 7 ตัวแปร คือ A-G) ใส่ในช่อง
“Independent (s):” (โดยคลิกที่ตวั แปรแรก และกด Ctrl ค้ างไว้ ก่อนคลิกเลือกตัวแปรตัวถัดไป
จนครบ แล้ วจึงคลิกเครื่องหมายลูกศรใส่ในช่อง “Independent (s):”)
4. คลิก “OK”
~ 172 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Unstandardized Standardized
Model Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 3.278 0.239 13.69 0.00
A 0.058 0.239 0.044 0.24 0.82
B -0.092 0.239 -0.068 -0.38 0.72
C 0.532 0.239 0.397 2.22 0.09
D -0.432 0.239 -0.322 -1.80 0.15
E -0.045 0.239 -0.034 -0.19 0.86
F 0.842 0.239 0.629 3.52 0.02
G 0.610 0.239 0.456 2.55 0.06
Dependent Variable: MC
Unstandardized Standardized
Model Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 22.833 2.025 11.28 0.00
A 0.333 2.025 0.039 0.16 0.88
B -4.417 2.025 -0.522 -2.18 0.09
C -3.583 2.025 -0.423 -1.77 0.15
D 0.583 2.025 0.069 0.29 0.79
E -0.167 2.025 -0.020 -0.08 0.94
F -3.917 2.025 -0.463 -1.93 0.13
G 2.667 2.025 0.315 1.32 0.26
Dependent Variable: VIS
~ 173 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Unstandardized Standardized
Model Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 64.333 3.047 21.11 0.00
A 9.167 3.047 0.620 3.01 0.04
B -2.667 3.047 -0.180 -0.88 0.43
C -6.167 3.047 -0.417 -2.02 0.11
D 3.500 3.047 0.237 1.15 0.31
E 0.333 3.047 0.023 0.11 0.92
F -6.333 3.047 -0.428 -2.08 0.11
G -0.333 3.047 -0.023 -0.11 0.92
Dependent Variable: DIS
Unstandardized Standardized
Model Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 6.000 0.240 24.99 0.00
A -0.400 0.240 -0.560 -1.67 0.17
B 0.167 0.240 0.233 0.69 0.53
C 0.133 0.240 0.187 0.56 0.61
D 0.033 0.240 0.047 0.14 0.90
E -0.250 0.240 -0.350 -1.04 0.36
F -0.100 0.240 -0.140 -0.42 0.70
G -0.017 0.240 -0.023 -0.07 0.95
Dependent Variable: LIKE
~ 174 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 175 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
แผนการทดลองแบบแพลกเกตต์แอนด์เบอร์แมน
A B C D E F G ACID
1 1 1 -1 1 -1 -1 0.8
1 1 -1 1 -1 -1 1 0.7
1 -1 1 -1 -1 1 1 0.9
-1 1 -1 -1 1 1 1 0.5
1 -1 -1 1 1 1 -1 1.0
-1 -1 1 1 1 -1 1 0.6
-1 1 1 1 -1 1 -1 0.5
-1 -1 -1 -1 -1 -1 -1 0.5
เมื่อ -1 = ใช้ ปัจจัยในระดับต่า 1 = ใช้ ปัจจัยในระดับสูง
- ผลการวิเคราะห์ข้อมูลและการสรุปผลการทดลอง
~ 176 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เอกสารอ้างอิง
Edwardson W and Mac Cormac CW. Improving small- scale food industries in developing countries.
Ottawa: International development research centre; 1984, 167 p.
Giesbreelrt F. Planning and design of experiments. A workshop at Faculty of Technology, Khon Kaen
University; 20-24 May 1996, 20.10 p.
Onofri A. Routine statistical analyses of field experiments by using an Excel extension. Proceedings 6th
National Conference Italian Biometric Society: "La statistica nelle scienze della vita e
dell’ambiente", Pisa, 20-22 June 2007, 93-96.
Plackett RL and Burman JP. The design of optimum multifactorial experiments. Biometrika 1946; 33
(4): 305-325.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical
Computing, Vienna, Austria. URL https://www.R-project.org; 2017.
SPSS Inc. SPSS Statistics Base 17.0 User’s Guide.
URL http://www.jou.ufl.edu/archive/researchlab/SPSS-Statistcs-Base-Users-Guide-17.0.pdf;
(n.d.)
~ 177 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 178 ~
บทที่ 4
การทดลองและมาตราสาหรับการปรับปรุงสูตร
และตัวแปรของกระบวนการผลิต
4.1.1 การทดลองแบบซิมเพลกซ์แลกทิซ
การทดลองแบบซิมเพลกซ์แลกทิซ เป็ นการทดลองเมื่อมีส่วนประกอบที่สนใจศึกษา q ชนิด และ
พิจารณาแบ่งส่วนประกอบแต่ละชนิดออกเป็ น m ส่วนเท่าๆ กัน ทาให้ เกิดจุดที่ส่วนประกอบแต่ละชนิดสามารถ
ถูกเลือกใช้ ในสูตรของส่วนผสมได้ m + 1 จุด คือ 0 1/m 2/m …. 1 ตัวอย่างเช่น ในกรณีท่มี กี ารแบ่ง
ส่วนประกอบแต่ละชนิดออกเป็ น 2 ส่วนๆ ละ 0.5 จะเกิดจุดที่สว่ นประกอบแต่ละชนิดสามารถถูกเลือกใช้ ได้ 3
จุด คือ 0 1/2 และ 1 (หรือ 2/2 ) เป็ นต้ น ซึ่งจะทาให้ เกิดจานวนทรีตเมนต์ (Tr) หรือจุดในการทดลอง
ทั้งหมดเท่ากับสมการ 4.1.1
~ 180 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
4.1.2 การทดลองแบบซิมเพลกซ์เซนทรอยด์
การทดลองแบบซิมเพลกซ์เซนทรอยด์ เป็ นการทดลองเมื่อมีส่วนประกอบที่สนใจศึกษา q ชนิด และ
พิจารณาให้ มกี ารใช้ ส่วนประกอบที่ปริมาณเท่ากันอย่างน้ อย 1 คู่ในสูตร ทาให้ เกิดจานวนทรีตเมนต์ (Tr) หรือ
จุดในการทดลองทั้งหมดเท่ากับสมการ 4.1.2 ตัวอย่างเช่น เมื่อ q = 3 จานวนทรีตเมนต์ในการทดลองแบบ
ซิมเพลกซ์เซนทรอยด์เท่ากับ 23-1 = 7 ดังภาพที่ 4.3
Tr 2 q 1 ...(4.1.2)
~ 181 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
4.1.3 การทดลองแบบซิมเพลกซ์แอคเซียล
การทดลองแบบซิมเพลกซ์แอคเซียล เป็ นการทดลองเมื่อมีส่วนประกอบที่สนใจ q ชนิด และพิจารณา
ให้ มกี ารใช้ ส่วนประกอบที่ปริมาณเท่ากันอย่างน้ อย 1 คู่เช่นเดียวกับแบบซิมเพลกซ์เซนทรอยด์ในเบื้องต้ นก่อน
แล้ วจึงพิจารณาเพิ่มจุดที่อยู่ตรงบริเวณ 2 ใน 3 ของส่วนสูงของสามเหลี่ยมแต่ละด้ านเป็ นสูตรที่ใช้ ในการทดลอง
ร่วมด้ วย ทาให้ มจี านวนทรีตเมนต์ เมื่อ q = 3 รวมเป็ น 10 ทรีตเมนต์ดงั ภาพที่ 4.4
4.1.4 การทดลองแบบเอกซ์ทรีมเวอร์ทสิ
การทดลองแบบเอกซ์ทรีมเวอร์ทสิ เป็ นการทดลองที่ถูกนามาใช้ เมื่อสูตรของส่วนผสมมีส่วนประกอบ
q ชนิด แต่การพิจารณาส่วนประกอบแต่ละชนิดมีข้อกาหนดต่างๆ ซึ่งมักพบในการพัฒนาสูตรอาหาร
ตัวอย่างเช่น การพัฒนาสูตรข้ าวเกรียบปลาโปรตีนสูง โดยแปรปริมาณแป้ งมันสาปะหลัง แป้ งถั่วเหลือง และ
ปลาป่ น (ส่วนผสมอื่นใช้ ในปริมาณคงที่) จาเป็ นต้ องใช้ แป้ งมันสาปะหลังเป็ นส่วนประกอบหลัก ใช้ แป้ งถั่ว
เหลืองเป็ นแหล่งโปรตีน และใช้ ปลาป่ นเป็ นส่วนประกอบที่ทาหน้ าที่ให้ กลิ่นรสเพียงเล็กน้ อยเท่านั้น เป็ นต้ น
ในกรณีเช่นนี้พ้ ืนที่ๆ สามารถถูกใช้ ในการทดลอง จะไม่ใช่พ้ นื ที่ท้งั หมดที่มโี อกาสเป็ นไปได้ เหมือนใน 3 แบบที่
กล่าวมาแล้ ว แต่จะใช้ พ้ นื ที่เฉพาะในส่วนที่สอดคล้ องกับข้ อกาหนดเท่านั้น เช่น การผลิตข้ าวเกรียบปลา
โปรตีนสูงโดยแปรแป้ งมันสาปะหลัง แป้ งถั่วเหลือง และ ปลาป่ น ร้ อยละ 50-80 20-40 และ 5–10
ตามลาดับ จะได้ พ้ ืนที่ๆ สามารถใช้ ในการทดลองได้ เฉพาะในส่วนที่สอดคล้ องกับข้ อกาหนด ดังภาพที่ 4.5
และมักพิจารณาเลือกใช้ จุดกึ่งกลางและจุดบริเวณมุมต่างๆ ของพื้นที่ๆ สอดคล้ องกับข้ อกาหนดเป็ นทรีตเมนต์
~ 182 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การวิเคราะห์ขอ้ มูล
การวิเคราะห์ผลการทดลองแบบส่วนผสม คือ การประเมินความสัมพันธ์ขององค์ประกอบ
(Components) ของส่วนผสมต่างๆ และค่าที่ใช้ ในการติดตามผล (ค่าสังเกต) ในลักษณะของแบบจาลอง ซึ่ง
จาเป็ นต้ องใช้ โปรแกรมสาเร็จรูปช่วยในการคานวณ โดยรูปแบบของแบบจาลองที่ใช้ มดี งั ต่อไปนี้
1) แบบจาลองเส้ นตรง (Linear model)
…(4.1.3)
…(4.1.4)
~ 183 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
…(4.1.5)
4) แบบจาลองกาลังสามแบบเต็ม (Full cubic model)
…(4.1.6)
~ 184 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 4.1
การพัฒนาข้ าวเกรียบปลาโปรตีนสูง ด้ วยการทดลองแบบส่วนผสม โดยใช้ การทดลองแบบเอกซ์ทรีม
เวอร์ทสิ แปรปริมาณแป้ งมันสาปะหลัง แป้ งถั่วเหลือง และปลาป่ น ร้ อยละ 50-80 20-40 และ 5–10
ตามลาดับ ในขณะที่ใช้ สว่ นผสมอื่นๆ ในปริมาณคงที่ พบว่ามีพ้ นื ที่ๆ สามารถใช้ ในแผนการทดลองได้ ดงั ภาพที่
4.5 และพิจารณาเลือกใช้ จุดกึ่งกลาง จุดด้ านข้ าง และจุดบริเวณมุม ของพื้นที่ๆ สอดคล้ องกับข้ อกาหนด
เป็ นทรีตเมนต์ดงั ภาพที่ 4.6 ซึ่งปะกอบด้ วย
ทรีตเมนต์ 1 แป้ งมันสาปะหลัง แป้ งถั่วเหลือง ปลาป่ น เท่ากับ ร้ อยละ 50, 40 และ 10
ทรีตเมนต์ 2 แป้ งมันสาปะหลัง แป้ งถั่วเหลือง ปลาป่ น เท่ากับ ร้ อยละ 60, 30 และ 10
ทรีตเมนต์ 3 แป้ งมันสาปะหลัง แป้ งถั่วเหลือง ปลาป่ น เท่ากับ ร้ อยละ 70, 20 และ 10
ทรีตเมนต์ 4 แป้ งมันสาปะหลัง แป้ งถั่วเหลือง ปลาป่ น เท่ากับ ร้ อยละ 75, 20 และ 5
ทรีตเมนต์ 5 แป้ งมันสาปะหลัง แป้ งถั่วเหลือง ปลาป่ น เท่ากับ ร้ อยละ 65, 30 และ 5
ทรีตเมนต์ 6 แป้ งมันสาปะหลัง แป้ งถั่วเหลือง ปลาป่ น เท่ากับ ร้ อยละ 55, 40 และ 5
ทรีตเมนต์ 7 แป้ งมันสาปะหลัง แป้ งถั่วเหลือง ปลาป่ น เท่ากับ ร้ อยละ 62.5, 30 และ 7.5
ติดตามผลโดยการทดสอบทางประสาทสัมผัสแบบมาตรา 1-10 (1= คุณภาพไม่ดี และ 10 =
คุณภาพดี) โดยใช้ ผ้ ทู ดสอบที่ผ่านการฝึ กฝนจานวน 5 คน ได้ ผลการทดลองดังตารางที่ 4.1
~ 185 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ผู้ทดสอบ ทรีตเมนต์
1 2 3 4 5 6 7
1 5 7 8 8 6 4 7
2 6 7 8 7 6 5 6
3 6 7 7 8 6 5 6
4 5 6 7 8 6 4 6
5 6 7 7 8 6 5 7
รวม 28 34 37 39 30 23 32
1= คุณภาพไม่ดี และ 10 = คุณภาพดี
วิธีทา
1. การตั้งสมมติฐาน
H0: การเปลี่ยนแปลงปริมาณของส่วนผสม i ไม่มผี ลทาให้ ค่าที่ตดิ ตามเปลี่ยนแปลง (Ei = 0)
Ha: การเปลี่ยนแปลงปริมาณของส่วนผสม i มีผลทาให้ ค่าที่ตดิ ตามเปลี่ยนแปลง (Ei ≠ 0)
(โดยทั่วไปการทดสอบสมมติฐาน จะทาได้ โดยใช้ โปรแกรมสาเร็จรูปในหัวข้ อ 4.1.5)
2. การวิเคราะห์ผลการทดลองด้ วยวิธกี ารคานวณอย่างง่าย (โดยไม่ใช้ โปรแกรมสาเร็จรูป)
เริ่มต้ นจากการพิจารณาทรีตเมนต์ท่ใี ช้ ส่วนผสมแต่ละรายการที่ระดับสูงและระดับต่า ดังนี้
- ทรีตเมนต์ท่ใี ช้ แป้ งมันสาปะหลังที่ระดับสูง คือ ทรีตเมนต์ 3 (ร่อยละ 70) และ ทรีตเมนต์ 4
(ร้ อยละ 75) ส่วนทรีตเมนต์ท่ใี ช้ แป้ งมันสาปะหลงที่ระดับต่า คือ ทรีตเมนต์ 1 (ร้ อยละ 50)
และ ทรีตเมนต์ 6 (ร้ อยละ 55)
- ทรีตเมนต์ท่ใี ช้ แป้ งถั่วเหลืองที่ระดับสูง (ร้ อยละ 40) คือ ทรีตเมนต์ 1 และ ทรีตเมนต์ 6
ส่วนทรีตเมนต์ท่ใี ช้ แป้ งถั่วเหลืองที่ระดับต่า (ร้ อยละ 20) คือ ทรีตเมนต์ 3 และ ทรีตเมนต์ 4
- ทรีตเมนต์ท่ใี ช้ ปลาป่ นที่ระดับสูง (ร้ อยละ 10) คือ ทรีตเมนต์ 1 ทรีตเมนต์ 2 และ ทรีตเมนต์ 3
ส่วนทรีตเมนต์ท่ใี ช้ ปลาป่ นที่ระดับต่า (ร้ อยละ 5) คือ ทรีตเมนต์ 4 ทรีตเมนต์ 5 และ
ทรีตเมนต์ 6
จากนั้นจึงพิจารณาเปรียบเทียบผลรวมของผลการทดลองที่ระดับสูงและระดับต่าของแต่ละ
ส่วนผสม ดังนี้
- ผลของแป้ งมันสาปะหลัง
ที่ระดับสูง ผลรวมทั้งหมดเท่ากับ 37 + 39 = 76
ที่ระดับต่า ผลรวมทั้งหมดเท่ากับ 28 + 23 = 51
พบว่า การใช้ แป้ งมันสาปะหลังที่ระดับสูงมีค่ามากกว่า แสดงว่า การเพิ่มปริมาณแป้ งมันสาปะหลัง
จะทาให้ ผลการทดลองมีค่ามากขึ้น (Positive effect)
- ผลของแป้ งถั่วเหลือง
ที่ระดับสูง ผลรวมทั้งหมดเท่ากับ 28 + 23 = 51
ที่ระดับต่า ผลรวมทั้งหมดเท่ากับ 37 + 39 = 76
~ 186 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 187 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G H I
1 Panel Treatment Tapioca (T) Soy (S) Fish(F) SCORE TS TF SF
2 1 1 0.5 0.4 0.1 5 0.2 0.05 0.04
3 1 2 0.6 0.3 0.1 7 0.18 0.06 0.03
4 1 3 0.7 0.2 0.1 8 0.14 0.07 0.02
5 1 4 0.75 0.2 0.05 8 0.15 0.0375 0.01
6 1 5 0.65 0.3 0.05 6 0.195 0.0325 0.015
7 1 6 0.55 0.4 0.05 4 0.22 0.0275 0.02
8 1 7 0.625 0.3 0.075 7 0.1875 0.046875 0.0225
9 2 1 0.5 0.4 0.1 6 0.2 0.05 0.04
10 2 2 0.6 0.3 0.1 7 0.18 0.06 0.03
11 2 3 0.7 0.2 0.1 8 0.14 0.07 0.02
12 2 4 0.75 0.2 0.05 7 0.15 0.0375 0.01
13 2 5 0.65 0.3 0.05 6 0.195 0.0325 0.015
14 2 6 0.55 0.4 0.05 5 0.22 0.0275 0.02
15 2 7 0.625 0.3 0.075 6 0.1875 0.046875 0.0225
16 3 1 0.5 0.4 0.1 6 0.2 0.05 0.04
17 3 2 0.6 0.3 0.1 7 0.18 0.06 0.03
18 3 3 0.7 0.2 0.1 7 0.14 0.07 0.02
19 3 4 0.75 0.2 0.05 8 0.15 0.0375 0.01
20 3 5 0.65 0.3 0.05 6 0.195 0.0325 0.015
21 3 6 0.55 0.4 0.05 5 0.22 0.0275 0.02
22 3 7 0.625 0.3 0.075 6 0.1875 0.046875 0.0225
23 4 1 0.5 0.4 0.1 5 0.2 0.05 0.04
24 4 2 0.6 0.3 0.1 6 0.18 0.06 0.03
25 4 3 0.7 0.2 0.1 7 0.14 0.07 0.02
26 4 4 0.75 0.2 0.05 8 0.15 0.0375 0.01
27 4 5 0.65 0.3 0.05 6 0.195 0.0325 0.015
28 4 6 0.55 0.4 0.05 4 0.22 0.0275 0.02
29 4 7 0.625 0.3 0.075 6 0.1875 0.046875 0.0225
30 5 1 0.5 0.4 0.1 6 0.2 0.05 0.04
31 5 2 0.6 0.3 0.1 7 0.18 0.06 0.03
32 5 3 0.7 0.2 0.1 7 0.14 0.07 0.02
33 5 4 0.75 0.2 0.05 8 0.15 0.0375 0.01
34 5 5 0.65 0.3 0.05 6 0.195 0.0325 0.015
35 5 6 0.55 0.4 0.05 5 0.22 0.0275 0.02
36 5 7 0.625 0.3 0.075 7 0.1875 0.046875 0.0225
~ 188 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 189 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Unstandardized Standardized
Model Coefficients Coefficients
B Std. Error Beta t Sig.
1 Tapioca 9.421 0.475 0.918 19.819 0.000
Soy -3.079 0.898 -0.147 -3.428 0.002
Fish 18.755 3.658 0.228 5.126 0.000
Dependent Variable: SCORE
Linear Regression through the Origin
Unstandardized Standardized
Model Coefficients Coefficients
B Std. Error Beta t Sig.
1 Tapioca 12.228 1.750 1.192 6.988 0.000
Soy -12.964 8.261 -0.620 -1.569 0.127
TS 5.497 16.319 0.156 0.377 0.739
TF -24.014 14.456 -0.180 -1.661 0.107
SF 121.401 32.767 0.456 3.705 0.001
Dependent Variable: SCORE
Linear Regression through the Origin
~ 190 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 191 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การทดลองแบบส่วนผสม
~ 192 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ข้ อกาหนด
เมื่อ i = 1, 2, 3, . . . , m
X1, X2, X3,. . . , Xn > 0
X1, X2, X3,. . . , Xn = ตัวแปรที่สามารถควบคุมได้
C1, C2, C3,. . . , Cn = สัมประสิทธิ์ของสมการเป้ าหมายหลัก
ai = ค่าสัมประสิทธิ์ของสมการข้ อกาหนด
bi = ค่าคงที่ซ่งึ เป็ นข้ อกาหนดหรือขอบเขตของสมการ
การวิเคราะห์ขอ้ มูล
การวิเคราะห์ข้อมูลของโปรแกรมเส้ นตรงเพื่อหาผลลัพธ์ท่ตี ้ องการ อาจสามารถทาได้ หลายวิธี แต่ใน
ที่น้ จี ะขอกล่าวถึงเพียงวิธเี ดียว คือ การสร้ างแผนภูมิ (Graphical solution) ดังตัวอย่างที่ 4.2 และ 4.3
ตัวอย่างที่ 4.2
การทดลองผลิตเครื่องดื่มนา้ ผักผสมนา้ ผลไม้ จากผักและผลไม้ จานวน X และ Y หน่วย ตามลาดับ
เมื่อต้ องการให้ ผลิตภัณฑ์ท่ผี ลิตได้ มรี าคาต้ นทุนการผลิตต่าสุด ในขณะที่มคี ุณค่าทางโภชนาการในด้ านของ
วิตามินดังนี้ คือ วิตามินเอ 40 กรัม วิตามินบี 50 กรัม วิตามินซี 70 กรัม วิตามินดี 10 กรัม และวิตามินอี
60 กรัม เมื่อผักที่ใช้ เป็ นวัตถุดบิ มีวิตามินเอ บี ซี ดี และอี เท่ากับ 0.1 0.2 0.04 0.1 และ 0.06 กรัม
ต่อหน่วย ตามลาดับ และผลไม้ ท่ใี ช้ เป็ นวัตถุดบิ มีวิตามินเอ บี ซี ดี และอี เท่ากับ 0.05 0.15 0.2 0.1
และ 0.1 กรัมต่อหน่วย ตามลาดับ ราคาของผักและผลไม้ ท่ใี ช้ เท่ากับ 20 และ 30 สตางค์ต่อหน่วย ตามลาดับ
กรุณาใช้ โปรแกรมเส้นตรง เพื่อหาปริมาณที่ควรเลือกใช้ ของผักและผลไม้ ดงั กล่าว
~ 193 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตารางที่ 4.5 ผลการคานวณจุดตัดแกน X และ Y ของแต่ละข้ อกาหนด ของตัวอย่างที่ 4.2 (ไพโรจน์, 2536)
~ 194 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 195 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 196 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 4.3
การทดลองผลิตแป้ งผสมที่ต้องการให้ มปี ริมาณโปรตีนไม่น้อยกว่าร้ อยละ 25 ไขมันไม่น้อยกว่าร้ อย
ละ 10 และปริมาณใยอาหารและเถ้ าไม่เกินร้ อยละ 20 และมีราคาต้ นทุนการผลิตต่าสุด จากแป้ ง 3 ชนิด
ซึ่งมีคุณค่าทางโภชนาการแตกต่างกันดังตารางที่ 4.6 กรุณาใช้ โปรแกรมเส้ นตรง เพื่อหาปริมาณที่ควรเลือกใช้
ของแป้ งทั้ง 3 ชนิด
~ 197 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2. การวิเคราะห์ข้อมูลเพื่อหาผลลัพธ์ท่ตี ้ องการ
จากแบบจาลองเส้ นตรงข้ างต้ น สามารถนามาสร้ างแผนภูมเิ ส้นตรงของแต่ละข้ อกาหนดได้
โดยคานวณหาจุดตัดแกน X และ Y ซึ่งมีค่าแสดงในตารางที่ 4.7 นาค่าที่ได้ มาสร้ างแผนภูมแิ ละพิจารณา
พื้นที่ๆ สอดคล้ องกับข้ อกาหนดทั้งหมดดังภาพที่ 4.10
~ 198 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ภาพที่ 4.11 แผนภูมเิ ส้ นตรงของแต่ละข้ อกาหนด พื้นที่ๆ สอดคล้ องกับข้ อกาหนดทั้งหมด Isocost line
และจุดที่มตี ้ นทุนต่าสุด ของตัวอย่างที่ 4.3 (ดัดแปลงจาก Edwardson and Mac Cormac, 1984
โดยสร้ างแผนภูมดิ ้ วยเวบไซด์ www.phpsimplex.com) )
~ 199 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 200 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 201 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
19. ที่ช่อง “Cell Reference:” จะมี $D$4 ปรากฏขึ้น คลิกเปลี่ยนเครื่องหมายเป็ น > และพิมพ์
70 ในช่อง “Constraint:” และคลิก “Add”
20. คลิกปุ่ มท้ ายช่องหรือในช่อง “Cell Reference:” แล้ วเลื่อน Cursor มาไว้ ท่เี ซลล์ D5
21. ที่ช่อง “Cell Reference:” จะมี $D$5 ปรากฏขึ้น คลิกเปลี่ยนเครื่องหมายเป็ น > และพิมพ์
10 ในช่อง “Constraint:” และคลิก “Add”
22. คลิกปุ่ มท้ ายช่องหรือในช่อง “Cell Reference:” แล้ วเลื่อน Cursor มาไว้ ท่เี ซลล์ D6
23. ที่ช่อง “Cell Reference:” จะมี $D$6 ปรากฏขึ้น คลิกเปลี่ยนเครื่องหมายเป็ น > และพิมพ์
60 ในช่อง “Constraint:” และคลิก “OK”
24. ที่ช่อง “Subject to Constraints:” จะมี $A$1 > 0, $B$1 > 0, $D$2 > 40, $D$3 > 50,
$D$4 > 70, $D$5 > 10 และ $D$6 > 60 ปรากฏขึ้น
25. คลิกเลือก Select a Solving Method: เป็ น “Simplex LP”
26. คลิก “Solve”
27. จะได้ คาตอบของ X, Y และ ต้ นทุนต่าสุด ปรากฏขึ้นที่เซลล์ A1, B1 และ D1 ตามลาดับ พร้ อม
กับกล่อง “Solver Results” ซึ่งให้ เลือกว่าต้ องการเก็บผลลัพธ์ท่ไี ด้ ไว้ บนแผ่นงานหรือกลับไปที่
ข้ อมูลที่พิมพ์ไว้ เดิม โดยโปรแกรมจะเลือกให้ เก็บผลลัพธ์ท่ไี ด้ ไว้ หากไม่ต้องการเปลี่ยนแปลง
คลิก “OK” กล่อง “Solver Results” จะหายไป
A B C D
1 1 1 Cost = 0.2*A1 + 0.3*B1
2 (X) (Y) a = 0.1*A1 + 0.05*B1
3 b = 0.2*A1 + 0.15*B1
4 c = 0.04*A1 + 0.2*B1
5 d = 0.1*A1 + 0.1*B1
6 e = 0.06*A1 + 0.1*B1
~ 202 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D
1 142.86 514.29 Cost 182.86
2 (X) (Y) a 40
3 b 105.7
4 c 108.6
5 d 65.7
6 e 60
~ 203 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
20. คลิกปุ่ มท้ ายช่องหรือในช่อง “Cell Reference:” แล้ วเลื่อน Cursor มาไว้ ท่เี ซลล์ D5
21. ที่ช่อง “Cell Reference:” จะมี $D$5 ปรากฏขึ้น คลิกเปลี่ยนเครื่องหมายเป็ น < และพิมพ์
0.33 ในช่อง “Constraint:” และคลิก “OK”
22. ที่ช่อง “Subject to Constraints:” จะมี $A$1 > 0, $B$1 > 0, $D$2 < 1, $D$3 > 0.5,
$D$4 > 1 และ $D$5 < 0.33 ปรากฏขึ้น
23. คลิกเลือก Select a Solving Method: เป็ น “Simplex LP”
24. คลิก “Solve”
25. จะได้ คาตอบของ X, Y และ ต้ นทุนต่าสุด ปรากฏขึ้นที่เซลล์ A1, B1 และ D1 ตามลาดับ พร้ อม
กับกล่อง Solver Results ซึ่งให้ เลือกว่าต้ องการเก็บผลลัพธ์ท่ไี ด้ ไว้ บนแผ่นงานหรือกลับไปที่
ข้ อมูลที่พิมพ์ไว้ เดิม โดยโปรแกรมจะเลือกให้ เก็บผลลัพธ์ท่ไี ด้ ไว้ หากไม่ต้องการเปลี่ยนแปลง
คลิก “OK” กล่อง “Solver Results” จะหายไป
ผลการวิเคราะห์ท่ไี ด้ จะแสดงดังภาพที่ 4.15 ซึ่งพบว่า จุดที่ต้นทุนต่าสุดคือ X = 0.333, Y = 0.167
และต้ นทุนต่าสุด คือ 48.33 บาท
A B C D
1 1 1 Cost = 20*A1+10*B1+40
2 (X) (Y) X+Y = A1+B1
3 Protein = A1+B1
4 Fat = 2.5*A1+B1
5 Fiber + Ash = B1
A B C D
1 0.333 0.167 Cost 48.33
2 (X) (Y) X+Y 0.5
3 Protein 0.5
4 Fat 1
5 Fiber + Ash 0.167
~ 204 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 205 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Point X coordinate (X1) Y coordinate (X2) Value of the objective function (Z)
O 0 0 0
A 0 800 240
B 400 0 80
C 250 300 140
D 142.86 514.29 182.86
E 0 333.33 100
F 250 0 50
G 0 350 105
H 1750 0 350
I 625 225 192.5
J 0 100 30
K 100 0 20
L 0 600 180
M 1000 0 200
~ 206 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 207 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Point X coordinate (X1) Y coordinate (X2) Value of the objective function (Z)
O 0 0 0
A 0 1 10
B 1 0 20
C 0.67 0.33 16.7
D 0 0.5 5
E 0.5 0 10
F 0.333333 0.166667 8.333333
G 0.17 0.33 6.7
H 0.4 0 8
I 0.268 0.33 8.66
J 0 0.33 3.3
~ 208 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 209 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 4.4
การทดลองผลิตผลิตภัณฑ์ชนิดหนึ่งโดยการแปรส่วนผสม 3 ชนิด คือ X1, X2, X3 และนาผลิตภัณฑ์ท่ี
ได้ มาทดสอบคุณภาพและภาพลักษณ์ด้านต่างๆ ได้ ผลดังตารางที่ 4.10
วิธีทา
ขั้นตอนที่ 1 การสร้ างแบบจาลองแสดงความสัมพันธ์ระหว่างตัวแปรต้ น (ส่วนผสม 3 ชนิด) และคุณภาพหรือ
ภาพลักษณ์ต่างๆ ของผลิตภัณฑ์ด้วยโปรแกรมไมโครซอฟท์เอกซ์เซลโดยใช้ แมโคร DSAASTAT ใน
ไฟล์ DSAASTAT.XLS (กรณีไม่มไี ฟล์ดงั กล่าว กรุณาดูช่ อื เวบไซด์สาหรับการดาวน์โหลดฟรี ใน
บทที่ 2 หัวข้ อ 2.2.9.1 หน้ า 127)
~ 210 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 211 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 212 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
19. ที่ช่อง “Cell Reference:” จะมี $C$1 ปรากฏขึ้น คลิกเปลี่ยนเครื่องหมายเป็ น < และพิมพ์ 1
ในช่อง “Constraint:” และคลิก “Add”
20. คลิกปุ่ มท้ ายช่องหรือในช่อง “Cell Reference:” แล้ วเลื่อน Cursor มาไว้ ท่เี ซลล์ C1
21. ที่ช่อง “Cell Reference:” จะมี $C$1 ปรากฏขึ้น คลิกเปลี่ยนเครื่องหมายเป็ น > และพิมพ์
-1 ในช่อง “Constraint:” และคลิก “Add”
22. คลิกปุ่ มท้ ายช่องหรือในช่อง “Cell Reference:” แล้ วเลื่อน Cursor มาไว้ ท่เี ซลล์ E6 (เซลล์ท่ี
พิมพ์แบบจาลองดีต่อสุขภาพ)
23. ที่ช่อง “Cell Reference:” จะมี $E$6 ปรากฏขึ้น คลิกเปลี่ยนเครื่องหมายเป็ น > และพิมพ์
60 ในช่อง “Constraint:” และคลิก “OK”
24. ที่ช่อง “Subject to Constraints:” จะมี $A$1 < 1, $A$1 > -1, $B$1 < 1, $B$1 > -1,
$C$1 < 1, $C$1 > -1 และ $E$6 > 60 ปรากฏขึ้น
25. คลิกเลือก Select a Solving Method: เป็ น “Simplex LP”
26. คลิก “Solve”
27. จะได้ คาตอบของ X1, X2, X3 และคุณภาพหรือภาพลักษณ์ต่างๆ ปรากฏขึ้นที่เซลล์ A1, B1, C1
และ E1:E8 ตามลาดับ พร้ อมกับกล่อง “Solver Results” ซึ่งให้ เลือกว่าต้ องการเก็บผลลัพธ์ท่ไี ด้
ไว้ บนแผ่นงานหรือกลับไปที่ข้อมูลที่พิมพ์ไว้ เดิม โดยโปรแกรมจะเลือกให้ เก็บผลลัพธ์ท่ไี ด้ ไว้
หากไม่ต้องการเปลี่ยนแปลง กด OK กล่อง Solver Results จะหายไป และผลการวิเคราะห์
ข้ อมูลที่ได้ แสดงดังภาพที่ 4.19
A B C D E
1 1 1 1 ความชอบ = 47.75 + (4*A1) + (5.5*B1) + (2.75*C1)
2 (X1) (X2) (X3) ความเข้ มาของสี = 46.25 + (-7.5*A1) + (-2.75*C1)
3 ความเข้ มของกลิ่นรส = 56.31 + (5.56*A1) + (12.13*B1) + (-19.88*C1)
4 ความแน่นเนื้อ = 48.3 + (-5.5*A1) + (10*B1) + (-13.3*C1)
5 ความมัน = 28.06 + (3.81*A1) + (19.88*B1)
6 ดีต่อสุขภาพ = 46 + (5.75*A1) + (-10.5*B1) + (2.75*C1)
7 ปริมาณแคลอรี = 44.5 + (-7.75*A1) + (20.25*B1)
8 ความตั้งใจซื้อ = 22.88 + (3.63*A1) + (-10*B1)
~ 213 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E
1 1 -0.52 1 ความชอบ 51.6
2 (X1) (X2) (X3) ความเข้ มาของสี 36.0
3 ความเข้ มของกลิ่นรส 35.6
4 ความแน่นเนื้อ 24.3
5 ความมัน 21.5
6 ดีต่อสุขภาพ 60.0
7 ปริมาณแคลอรี 26.1
8 ความตั้งใจซื้อ 31.7
A B C D E
1 1 -0.82 1 ความชอบ 50.0
2 (X1) (X2) (X3) ความเข้ มาของสี 36.0
3 ความเข้ มของกลิ่นรส 32.1
4 ความแน่นเนื้อ 21.3
5 ความมัน 15.6
6 ดีต่อสุขภาพ 63.1
7 ปริมาณแคลอรี 20.2
8 ความตั้งใจซื้อ 34.7
~ 214 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E
1 1 -1 -0.52 ความชอบ 44.8
2 (X1) (X2) (X3) ความเข้ มาของสี 40.2
3 ความเข้ มของกลิ่นรส 60.0
4 ความแน่นเนื้อ 39.7
5 ความมัน 12.0
6 ดีต่อสุขภาพ 60.8
7 ปริมาณแคลอรี 16.5
8 ความตั้งใจซื้อ 36.5
~ 215 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
แบบราลองวิศวกรรมส่วนกลับ
~ 216 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
มาตรา 3 ระดับ
(3 point scale) อ่อนหรือน้ อยไป พอดี เข้ มหรือมากไป
(Too weak) (Just-right) (Too strong)
มาตรา 5 ระดับ
(5 point scale) สว่างไป พอดี มืดไป
(Too light) (Just-right) (Too dark)
มาตรา 7 ระดับ
(7 point scale) อ่อนเกินไปมาก พอดี เข้ มเกินไปมาก
(Much too weak) (Just-right) (Much too strong)
มาตรา 9 ระดับ
(9 point scale) ไม่หวานเลย พอดี หวานเกินไปมาก
(Not at all sweet enough) (Just-right) (Much too sweet)
~ 217 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
( Mean )
t ...(4.3.1)
S .D.
N
ตัวอย่างที่ 4.5
การวิเคราะห์ข้อมูลการใช้ มาตราพอดี 9 ระดับโดยแปลงข้ อมูลของลักษณะทางประสาทสัมผัสที่สนใจ
3 ลักษณะ เป็ น 1–9 เมื่อ 1 = ความเข้ มน้ อยเกินไปมาก 5 = ความเข้ มพอดี และ 9 = ความเข้ มมากเกินไป
มาก และนามาสร้ างแผนภูมแิ สดงความถี่ พบว่า มีลักษณะของแผนภูมดิ งั ภาพที่ 4.23
~ 218 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 219 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
1. การตั้งสมมติฐาน
H0: ค่าเฉลี่ยระดับความเข้ มของลักษณะทางประสาทสัมผัสที่สนใจมีค่าเท่ากับระดับความเข้ มที่
พอดี (Mean = 5)
Ha: ค่าเฉลี่ยระดับความเข้ มของลักษณะทางประสาทสัมผัสที่สนใจมีค่าไม่เท่ากับระดับความเข้ มที่
พอดี (Mean 5)
2. การวิเคราะห์ข้อมูลโดยการทดสอบค่าที
- ลักษณะทางประสาทสัมผัสที่ 1
(5.39 5)
t1 = 2.61
1.38
85
- ลักษณะทางประสาทสัมผัสที่ 3
(4.85 5)
t3 = -1.21
1.14
85
- ลักษณะทางประสาทสัมผัสที่ 2
กลุ่มที่ 1 (คะแนน 3–6)
(4.80 5)
t 2,1 = -1.57
0.90
50
~ 220 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- วิธีที่ 2 นาความถี่ของตัวเลือกพอดีมาเปรียบเทียบกับค่าวิกฤตที่ระดับความเชื่อมั่นที่ต้องการ
(ส่วนใหญ่ ใช้ ร้อยละ 95 หรือ =0.05) จากตารางภาคผนวกที่ 6 เมื่อจานวนผู้ทดสอบ (N) เท่ากับผู้
ทดสอบทั้งหมด ถ้ าไม่สามารถสรุปว่ า ลักษณะดังกล่ าวมีความเข้ มในระดับพอดี จึง พิ จารณาเปรียบเทียบ
ความถี่ของตัวเลือกน้ อยไปหรือมากไป โดยใช้ จานวนผู้ทดสอบ (N) เท่ากับผลรวมความถี่ของตัวเลือกน้ อยไป
และมากไป และใช้ ค่าความถี่ท่มี ากกว่ า เป็ นค่าเปรียบเทียบกับค่าวิกฤตที่ระดับความเชื่อมั่นที่ต้องการจาก
~ 221 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
ขั้นตอนที่ 1 การทดสอบความแตกต่างของสองตัวอย่าง
- การเติมข้ อมูลจานวนผู้ทดสอบลงในตาราง
ตัวอย่าง A
เข้ มไป พอดี อ่อนไป
(a1) (b1) (c1) (T1)
เข้ มไป
13 35 12 60
ตัวอย่าง B (a2) (b2) (c2) (T2)
พอดี
10 10 8 28
(a3) (b3) (c3) (T3)
อ่อนไป
2 5 5 12
25 50 25
(TA) (TB) (TC)
~ 222 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การคานวณค่าที่ต้องใช้ สาหรับการคานวณค่าไคสแควร์ของสจ๊วต-แมกซ์เวลล์
pair 1,2 = (b1 + a2) / 2 = (35 + 10 ) / 2 = 22.5
pair 1,3 = (c1 + a3) / 2 = (12 + 2 ) / 2 =7
pair 2,3 = (c2 + b3) / 2 = ( 8 + 5) / 2 = 6.5
- การคานวณค่าไคสแควร์ของสจ๊วต-แมกซ์เวลล์
2 = [ (pair 2,3)(T1 - TA)2 + (pair 1,3)(T2 - TB)2 + (pair 1,2)(T3 - TC)2 ]
2[(pair1,2)(pair1,3) + (pair1,2)(pair2,3) + (pair1,3)(pair2,3)]
= [ (6.5)(1225) + (7)(484) + (22.5)(169) ]
2 [ (22.5)(7) + (22.5)(6.5) + (6.5)(7) ]
= 21.7
- การคานวณค่าไคสแควร์ของแมคนีมาร์
มุม A เข้ มไป-B เข้ มไป (บนซ้ าย)
2 = [ (b - c) – 1 ]2 / (b + c)
= [ (47 - 12) - 1]2 / (47 + 12) = 1156 / 59 = 19.59
~ 223 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
4.3.1 การวิเคราะห์พีนอลตี
การวิเคราะห์พีนอลตี หมายถึง วิธกี ารวิเคราะห์ข้อมูลเพื่อพิจารณาความสาคัญของระดับความเข้ มของ
ลักษณะทางประสาทสัมผัสที่สนใจต่อการยอมรับรวมของผลิตภัณฑ์ โดยการเก็บข้ อมูล 2 ส่วนจากผู้ทดสอบแต่
ละคน คือ (1) ข้ อมูลความเข้ มของลักษณะทางประสาทสัมผัสที่สนใจโดยใช้ มาตราพอดี 3 ระดับ และ (2)
ข้ อมูลการยอมรับรวมของผลิตภัณฑ์โดยใช้ มาตราความชอบ 9 ระดับ โดยทั่วไปการวิเคราะห์พีนอลตีน้ จี ะถูก
นามาใช้ เมื่อมีผ้ ทู ดสอบระบุว่า ความเข้ มของลักษณะทางประสาทสัมผัสที่สนใจนั้นอยู่ในระดับไม่พอดี (อ่อนหรือ
น้ อยไป / เข้ มหรือมากไป) ตั้งแต่ร้อยละ 20 ขึ้นไป แต่หากเป็ นการทดสอบที่มผี ้ เู ข้ าร่วมจานวนมากๆ อาจมี
การพิจารณาวิเคราะห์ ในกรณีท่คี วามเข้ มของลักษณะทางประสาทสัมผัสที่สนใจอยู่ในระดับไม่พอดีน้อยกว่าร้ อย
ละ 20 ได้ ขึ้นอยู่กบั ดุลยพินิจของผู้ทดลอง
เมื่อต้ องการวิเคราะห์พีนอลตี คะแนนการยอมรับรวมจากมาตราความชอบ 9 ระดับของผู้ทดสอบที่
ระบุว่า ลักษณะทางประสาทสัมผัสที่สนใจอ่อนหรือน้ อยเกินไป พอดี และเข้ มหรือมากเกินไป จะถูกนามาหา
ค่าเฉลี่ย เพื่อนามาใช้ ในการคานวณค่าเฉลี่ยที่ลดลง (Mean drop value) และ ค่าพีนอลตีท้งั หมด (Total
penalty value) ดังสมการ 4.3.2 และ 4.3.3 ตามลาดับ
~ 224 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ผลลัพธ์ ความหมาย
ค่าเฉลี่ยที่ลดลง
0.0 ถึง -0.99 ความเข้ มของลักษณะที่สนใจมีความสัมพันธ์กบั การยอมรับรวมน้ อยมาก
-1.0 ถึง -1.49 ความเข้ มของลักษณะที่สนใจมีความสัมพันธ์กบั การยอมรับรวมน้ อย
-1.5 ถึง -1.99 ความเข้ มของลักษณะที่สนใจมีความสัมพันธ์ต่อการยอมรับรวมปานกลาง
-2.0 ขึ้นไป ความเข้ มของลักษณะที่สนใจมีความสัมพันธ์ต่อการยอมรับรวมมาก
ค่าพีนอลตีท้งั หมด
> 0.25 ความเข้ มของลักษณะที่สนใจมีผลต่อการยอมรับรวม
> 0.5 ความเข้ มของลักษณะที่สนใจมีผลต่อการยอมรับรวมอย่างมาก
~ 225 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
4.3.2 การวิเคราะห์โอกาส
การวิเคราะห์โอกาส หมายถึง วิธกี ารวิเคราะห์ว่าควรมีการพิจารณาปรับเปลี่ยนลักษณะที่สนใจของ
ผลิตภัณฑ์หรือไม่ เนื่องจากการปรับเปลี่ยนลักษณะหนึ่งๆ ของผลิตภัณฑ์ตามความต้ องการของผู้ทดสอบ
บางส่วน (ตามผลการวิเคราะห์ข้อมูลโดยใช้ มาตราพอดี หรือ การวิเคราะห์พีนอลตี) อาจมีผลทาให้ ผ้ ทู ดสอบ
ที่ชอบหรือพอใจในลักษณะนั้นๆ ของผลิตภัณฑ์อยู่แล้ ว เปลี่ยนมาไม่ชอบหรือไม่ยอมรับผลิตภัณฑ์ท่มี กี าร
ปรับเปลี่ยนลักษณะดังกล่าวได้ ดังนั้นการวิเคราะห์โอกาสจึงถือเป็ นอีกหนึ่งเครื่องมือที่ช่วยนักพัฒนา
ผลิตภัณฑ์ในการตัดสินใจปรับเปลี่ยนสูตรอาหารในกรณีท่ตี ้ องการปรับปรุงผลิตภัณฑ์ การสร้ างจุดเด่นให้
ผลิตภัณฑ์ หรือ การลดต้ นทุนการผลิต ได้ (Nufer Marketing Research, 2006) โดยการนาข้ อมูล 2 ส่วนจาก
ผู้ทดสอบแต่ละคน คือ (1) ข้ อมูลความเข้ มของลักษณะที่สนใจโดยใช้ มาตราพอดี 3 ระดับ คือ อ่อนหรือน้ อย
ไป พอดี และ เข้ มหรือมากไป และ (2) ข้ อมูลความชอบ/การยอมรับโดยรวมของผลิตภัณฑ์โดยใช้ มาตรา
ความชอบ 9 ระดับ มาพิจารณาแบ่งผู้ทดสอบออกเป็ น 4 กลุ่ม คือ (ตารางที่ 4.13 และ ภาพที่ 4.25)
ผู้ทดสอบที่ชอบผลิตภัณฑ์ ผู้ทดสอบที่ไม่ชอบผลิตภัณฑ์
ผู้ทดสอบที่ชอบลักษณะที่สนใจ B C
ผู้ทดสอบที่ไม่ชอบลักษณะที่สนใจ A D
รวม B+A C+D
~ 226 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 4.7
ผลการทดสอบทางประสาทสัมผัสผลิตภัณฑ์เครื่องดื่มชนิดเจลจากสารสกัดสาหร่ายเตากลิ่นมะนาวโดย
ใช้ มาตราพอดี 3 ระดับ และ มาตราความชอบ 9 ระดับ จานวนผู้ทดสอบ 100 คน แสดงดังตารางที่ 4.14
กรุณาวิเคราะห์ข้อมูล โดยใช้ วิธกี ารวิเคราะห์ข้อมูลสาหรับมาตราพอดี 3 ระดับโดย วิธีที่ 1 และ วิธีที่ 2 การ
วิเคราะห์พีนอลตี และ การวิเคราะห์โอกาส
~ 227 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 228 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
1. การวิเคราะห์ข้อมูลสาหรับมาตราพอดี 3 ระดับ
1.1 วิธีที่ 1 การกาหนดเกณฑ์ท่จี ะยอมรับว่าผลิตภัณฑ์น้นั มีความเข้ มของลักษณะที่สนใจอยู่ในระดับ
พอดีท่รี ้ อยละ 70 พบว่า มีเพียง 2 ลักษณะ คือ สีเขียวและความแข็งของเจลที่อยู่ในระดับพอดี
(ความถี่ของตัวเลือกพอดีเท่ากับ 71 และ 70 (จากทั้งหมด 100 คน) ตามลาดับ) ส่วนลักษณะ
อื่นจะต้ องรวมความถี่ของตัวเลือกน้ อยไปและมากไป หรือ มีเล็กน้ อยและมีมาก เข้ าด้ วยกันเพื่อ
เป็ นจานวนผู้ทดสอบ (N) และนาค่าที่มากกว่ามาเปรียบเทียบกับค่าวิกฤตจากตารางภาคผนวกที่
6 เมื่อ = 0.05 ซึ่งพบว่า ผลิตภัณฑ์มกี ลิ่นรสสาหร่ายน้ อยไป กลิ่นมะนาวมากไป ความ
หวานน้ อยไป ความเปรี้ยวมากไป และมีกลิ่นรสผิดปกติเล็กน้ อย ดังตารางที่ 4.15
1.2 วิธีที่ 2 การนาความถี่ของผู้ทดสอบที่ระบุว่าพอดี เปรียบเทียบกับค่าวิกฤตจากตารางภาคผนวกที่
6 เมื่อ N = 100 และ = 0.05 ซึ่งมีค่าเท่ากับ 61 พบว่ามี 4 ลักษณะ คือ สีเขียว กลิ่นมะนาว
ความเปรี้ยว และ ความแข็งของเจล ที่มคี วามเข้ มอยู่ในระดับพอดี เนื่องจากความถี่ของตัวเลือก
พอดีมคี ่ามากกว่าค่าวิกฤต (ความถี่ของตัวเลือกพอดี เท่ากับ 71 65 62 และ 70 ตามลาดับ)
ส่วนลักษณะที่เหลือต้ องทาการเปรียบเทียบความถี่ท่มี ากกว่ากับค่าวิกฤตจากตารางภาคผนวกที่ 2
เมื่อ = 0.05 และ จานวนผู้ทดสอบ (N) เท่ากับผลรวมความถี่ของตัวเลือกน้ อยไปและมาก
ไป หรือ มีเล็กน้ อยและมีมาก ซึ่งพบว่า ผลิตภัณฑ์มกี ลิ่นรสสาหร่ายน้ อยไป ความหวานน้ อยไป
และมีกลิ่นรสผิดปกติเล็กน้ อย ดังตารางที่ 4.16
~ 229 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ลักษณะทาง การเปรียบเทียบความถี่ของ N
ประสาทสัมผัส ตัวเลือกพอดี และค่าวิกฤต (น้ อยไป + มากไป) ค่า ผลการวิเคราะห์
เมื่อ N =100 วิกฤต
สีเขียว 71 > 61 - พอดี
กลิ่นรสสาหร่าย 50 < 61 49 +1 = 50 33 น้ อยไป (49 > 33)
กลิ่นมะนาว 65 > 61 - พอดี
ความหวาน 59 < 61 39 + 2 = 41 28 น้ อยไป (39 > 28)
ความเปรี้ยว 62 > 61 - พอดี
กลิ่นรสผิดปกติ 51 < 61 46 + 3 = 49 32 มีเล็กน้ อย (46 > 32)
ความแข็งของเจล 70 > 61 - พอดี
2. การวิเคราะห์พีนอลตี
การคานวณค่าเฉลี่ยที่ลดลง และ ค่าพีนอลตีท้งั หมด จะถูกนามาใช้ ในกรณีท่คี วามถี่ของ
ตัวเลือกไม่พอดีมคี ่าตั้งแต่ร้อยละ 20 ขึ้นไปเท่านั้น ผลการคานวณพบว่า ค่าเฉลี่ยที่ลดลงที่
คานวณได้ อยู่ในช่วง -0.5 ถึง 0.2 ซึ่งถือว่าความเข้ มของลักษณะที่สนใจมีความสัมพันธ์กบั การ
ยอมรับรวมน้ อยมาก สาหรับค่าพีนอลตีท้งั หมดส่วนใหญ่มคี ่าน้ อยกว่า 0.25 ซึ่งถือว่ายังไม่มผี ล
ต่อการยอมรับรวม ยกเว้ นกลิ่นรสสาหร่ายน้ อยไปและหวานน้ อยไปที่มคี ่า 0.234 และ 0.245 ซึ่ง
ใกล้ เคียงกับ 0.25 กล่าวคือ อาจมีผลต่อการยอมรับรวมของผลิตภัณฑ์ ดังตารางที่ 4.17 และ
เมื่อนาค่าพีนอลตีท้งั หมดและสัดส่วนของผู้ทดสอบที่ระบุไม่พอดี (% Non JAR) มาสร้ างแผนภูมิ
จะทาให้ สามารถพิจารณาเปรียบเทียบความสาคัญของแต่ละลักษณะที่สนใจได้ ชัดเจนขึ้นดังภาพที่
4.26 โดยลักษณะทางประสาทสัมผัสที่บริเวณมุมบนด้ านขวาของแผนภูมจิ ะเป็ นลักษณะที่มผี ลต่อ
การยอมรับรวมมากกว่า กล่าวคือ กลิ่นรสสาหร่ายน้ อยไปและหวานน้ อยไปมีผลต่อการยอมรับรวม
มากกว่าลักษณะอื่นๆ
~ 230 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
3. การวิเคราะห์โอกาส
เนื่องจากผลการวิเคราะห์พีนอลตีแสดงให้ เห็นว่า กลิ่นรสสาหร่ ายน้ อยไปและหวานน้ อยไป
เป็ นลักษณะที่มผี ลต่อการยอมรับรวมมากว่าลักษณะอื่นๆ จึงพิจารณานาลักษณะทั้งสองนี้มา
วิเคราะห์โอกาสต่อไป โดยการวิเคราะห์โอกาสจะต้ องเริ่มจากการแจกแจงข้ อมูลดังตารางที่
4.18 และสรุปเป็ นกลุ่มผู้ทดสอบสาหรับการวิเคราะห์โอกาสดังตารางที่ 4.19
~ 231 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ผู้ทดสอบที่ชอบผลิตภัณฑ์ ผู้ทดสอบที่ไม่ชอบผลิตภัณฑ์
ผู้ทดสอบที่ชอบกลิ่นรสสาหร่าย 47 3
ผู้ทดสอบที่ไม่ชอบกลิ่นรสสาหร่าย 41 8
รวม 47 + 41 3+8
ผู้ทดสอบที่ชอบความหวาน 54 5
ผู้ทดสอบที่ไม่ชอบความหวาน 33 6
รวม 54 + 33 5+6
ผลการวิเคราะห์โอกาสในกรณีกลิ่นรสสาหร่าย พบว่า
กลุ่มเสี่ยง (Risk; %) = [47 / (47+41)] x 100 = 53.4
กลุ่มโอกาส (Opportunity; %) = [8 / (3+8)] x 100 = 72.7
ผลการวิเคราะห์โอกาสในกรณีความหวาน พบว่า
กลุ่มเสี่ยง (Risk; %) = [54 / (54+33)] x 100 = 62.1
กลุ่มโอกาส (Opportunity; %) = [6 / (5+6)] x 100 = 54.5
~ 232 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การใช้ คาสั่งใน Data Analysis ในการสร้ างแผนภูมแิ สดงความถี่ของข้ อมูล มีข้นั ตอนดังต่อไปนี้
1. พิมพ์ข้อมูลดังภาพที่ 4.27
2. เลือกแถบคาสั่ง “ข้ อมูล” ตามด้ วยคาสั่ง “Data Analysis”
3. กล่อง “Data Analysis” จะปรากฏขึ้น คลิก “Histogram” และคลิก “OK”
4. กล่อง “Histogram” จะปรากฏขึ้น คลิก ช่อง “Input Range:” และเลือกช่วงของข้ อมูลของแต่ละ
ตัวแปร ซึ่งในตัวอย่างที่ 4.5 นี้ ได้ แก่ Attribute 1, Attribute 2 และ Attribute 3 โดยต้ องทา
ครั้งละตัวแปร ตัวอย่างเช่น หากต้ องการสร้ างแผนภูมแิ สงความถี่ของ Attribute 1 ช่วงของข้ อมูล
ที่ต้องเลือก คือ A2:A86
5. คลิก ช่อง “Bin Range:” เลือกช่วงของข้ อมูลที่ต้องการนับความถี่ ซึ่งในตัวอย่างที่ 4.5 นี้ คือ
E2:E10
6. คลิกช่อง “Chart Output” ด้ านล่าง
7. คลิกเลือก “Output Range:”
8. คลิกช่อง “Output Range:” เลือกเซลล์ท่ตี ้ องการให้ เป็ นจุดเริ่มต้ นของผลการวิเคราะห์
9. คลิก “OK”
10. ตารางและแผนภูมแิ สดงความถี่ จะปรากฏขึ้น โดยเริ่มต้ นที่เซลล์ท่เี ลือกไว้ ในข้ อ 8
~ 233 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E
Attr. Attr. Attr.
1 Mean Bin 31 6 7 5 5 61 5 5 4 5
1 2 3
2 8 9 7 5 1 32 6 7 5 5 62 5 5 4 5
3 8 9 7 5 2 33 6 7 5 5 63 5 5 4 5
4 8 9 7 5 3 34 6 7 5 5 64 5 5 4 5
5 8 9 7 5 4 35 6 7 5 5 65 5 5 4 5
6 7 9 7 5 5 36 6 7 5 5 66 4 5 4 5
7 7 8 6 5 6 37 6 6 5 5 67 4 5 4 5
8 7 8 6 5 7 38 6 6 5 5 68 4 5 4 5
9 7 8 6 5 8 39 6 6 5 5 69 4 5 4 5
10 7 8 6 5 9 40 6 6 5 5 70 4 5 4 5
11 7 8 6 5 41 6 6 5 5 71 4 5 4 5
12 7 8 6 5 42 6 6 5 5 72 4 5 4 5
13 7 8 6 5 43 6 6 5 5 73 4 4 4 5
14 7 8 6 5 44 6 6 5 5 74 4 4 4 5
15 7 7 6 5 45 6 6 5 5 75 4 4 4 5
16 6 7 6 5 46 6 6 5 5 76 4 4 4 5
17 6 7 6 5 47 6 5 5 5 77 4 4 3 5
18 6 7 6 5 48 6 5 5 5 78 3 4 3 5
19 6 7 6 5 49 6 5 5 5 79 3 4 3 5
20 6 7 6 5 50 5 5 5 5 80 3 4 3 5
21 6 7 6 5 51 5 5 5 5 81 3 3 3 5
22 6 7 6 5 52 5 5 5 5 82 3 3 3 5
23 6 7 6 5 53 5 5 5 5 83 3 3 3 5
24 6 7 6 5 54 5 5 5 5 84 2 3 3 5
25 6 7 6 5 55 5 5 5 5 85 2 3 2 5
26 6 7 5 5 56 5 5 4 5 86 2 3 2 5
27 6 7 5 5 57 5 5 4 5
28 6 7 5 5 58 5 5 4 5
29 6 7 5 5 59 5 5 4 5
30 6 7 5 5 60 5 5 4 5
~ 234 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 235 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การทดสอบค่าที
1. คลิก “Analyze” เลื่อน Cursor มาที่ “Compares” แล้ วคลิก “One-Sample T-Test…”
2. กล่อง “One-Sample T-Test” จะปรากฏขึ้น เลือกข้ อมูลของตัวแปรที่ต้องการทดสอบ(Attribute
1, Attribute2 หรือ Attribute 3) ใส่ในช่อง “Test Variable (s):” (โดยคลิกที่ตวั แปรดังกล่าว
และคลิกเครื่องหมายลูกศรใส่ในช่อง “Test Variable (s):” หากต้ องการทดสอบพร้ อมกันหลาย
ตัวแปร หลังจากคลิกที่ตวั แปรแรกแล้ ว กด Ctrl ค้ างไว้ และคลิกที่ตวั แปรถัดไปจนครบ ก่อน
คลิกเครื่องหมายลูกศร)
3. พิมพ์ค่าที่ต้องการทดสอบ ซึ่งในที่น้ ี คือ 5 (ระดับพอดี) ในช่อง “Test Value”
4. คลิก “OK”
5. ตารางค่าทีจะแสดงในหน้ าต่าง Output (ดูค่าทีท่ี t และระดับนัยสาคัญที่ Sig. (2-tailed))
ในกรณีของ Attribute 2 ซึ่งควรพิจารณาแบ่งข้ อมูลออกเป็ น 2 กลุ่ม คือ 3-6 และ 6-9 นั้น ก่อนการ
ทดสอบค่าที จาเป็ นต้ องเลือกช่วงของข้ อมูลในแต่ละกลุ่มที่จะนามาทดสอบก่อน ตามขั้นตอนต่อไปนี้
1. คลิก “Data” เลื่อน Cursor มาแล้ วคลิกที่ “Select Cases…”
2. กล่อง “Select Cases” จะปรากฏขึ้น คลิกช่อง “If condition is satisfied” ในกรอบ “Select”
แล้ วคลิกปุ่ ม “If”
3. กล่อง “Select Cases: if” จะปรากฏขึ้น เลือกข้ อมูลของตัวแปรที่ต้องการทดสอบ(ในที่น้ ี คือ
Attribute 2) ใส่ในช่องทางด้ านขวาบน (โดยคลิกที่ตวั แปรดังกล่าว และคลิกเครื่องหมายลูกศรใส่
ในช่องด้ านขวาบน” ตัวแปรดังกล่าว (ในที่น้ ี คือ Attribute 2) จะปรากฏขึ้นในช่องด้ านขวาบน
4. คลิกเพิ่มข้ อกาหนดตามต้ องการ (ในที่น้ ี คือ <= 6 หรือ >=6 (ทาได้ ครั้งละคาสัง่ )) แล้ วคลิก
“Continue”
5. กล่อง “Select Cases” จะปรากฏขึ้น พร้ อมข้ อกาหนดที่ต้องการท้ ายปุ่ ม “If”
6. คลิก “OK”
7. จะปรากฏขีดคาดบนแถวของข้ อมูลที่ไม่ตรงกับข้ อกาหนดในหน้ าต่าง Data set จากนั้นจึงทาการ
ทดสอบค่าทีต่อไป
~ 236 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การทดสอบค่าที
1. คลิก “Statistics” เลื่อน Cursor มาที่ “Mean” แล้ วคลิก “Single sample t-test..”
2. กล่อง “Single Sample T-Test” จะปรากฏขึ้น คลิกเลือกตัวแปรที่ต้องการทดสอบ
3. พิมพ์ 5 (ระดับพอดี) ในช่อง “Null hypothesis mu =”
4. คลิก “OK” หรือ “Apply”
5. ค่าทีจะปรากฏในส่วน Output ของหน้ าต่าง R Commander (ดูค่าทีท่ี t และระดับนัยสาคัญที่
p-value)
ในกรณีของ Attribute 2 ซึ่งควรพิจารณาแบ่งข้ อมูลออกเป็ น 2 กลุ่ม คือ 3-6 และ 6-9 นั้น ก่อนการ
ทดสอบค่าที ในส่วนของโปรแกรมอาร์ ไม่สามารถทาได้ โดยใช้ ไฟล์ข้อมูลชุดเดิมนี้ จาเป็ นต้ องสร้ างไฟล์ข้อมูล
ใหม่โดยแบ่ง Attribute 2 ออกเป็ น 2 ตัวแปร เช่น Attribute 2.1 และ Attribute 2.2 เป็ นต้ น แล้ วจึงทาการ
ทดสอบค่าทีต่อไป
~ 237 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
การวิเคราะห์ขอ้ มูล
การวิเคราะห์ผลการทดลองสาหรับแผนการทดลองแบบ 22 EVOP สามารถทาได้ โดยการคานวณ
อิทธิพลของปัจจัย อิทธิพลของปัจจัยรวม และ การเปลี่ยนแปลงค่าเฉลี่ยของผลการทดลอง ดังต่อไปนี้ (หรือ
พิจารณาตามแบบฟอร์มการวิเคราะห์ผลการทดลองของตัวอย่างที่ 4.8 ดังภาพที่ 4.29–4.31)
- การคานวณอิทธิพลของปัจจัยแต่ละปัจจัย โดยการหาผลต่างของค่าเฉลี่ยของทรีตเมนต์ท่ใี ช้
ปัจจัยนั้นในระดับสูงและค่าเฉลี่ยของทรีตเมนต์ท่ใี ช้ ปัจจัยนั้นในระดับต่า เช่น ในตัวอย่างที่ 4.8
ทรีตเมนต์ 3 และ 4 ใช้ เวลาในระดับสูง และทรีตเมนต์ 2 และ 5 ใช้ เวลาในระดับต่า ดังนั้น
อิทธิพลของเวลาจึงมีค่าเท่ากับ ค่าเฉลี่ยของทรีตเมนต์ 3 และ 4 ลบด้ วย ค่าเฉลี่ยของทรีตเมนต์
2 และ 5 หรือ 1/2(Y3+ Y4) - 1/2(Y2+Y5) ในขณะที่ทรีตเมนต์ 3 และ 5 ใช้ สารละลาย
ซัลไฟท์ในระดับสูง และทรีตเมนต์ 2 และ 4 ใช้ สารละลายซัลไฟท์ในระดับต่า ดังนั้นอิทธิพลของ
สารละลายซัลไฟท์จึงมีค่าเท่ากับ ค่าเฉลี่ยของทรีตเมนต์ 3 และ 5 ลบด้ วย ค่าเฉลี่ยของทรีตเมนต์
2 และ 4 หรือ 1/2(Y3+ Y5) - 1/2(Y2+Y4) เป็ นต้ น
ถ้ าอิทธิพลของปัจจัยมีค่าเป็ นบวก หมายถึง การใช้ ปัจจัยที่ระดับสูงขึ้นจะมีผลทาให้ ค่าที่ใช้
ติดตามผล (ค่าสังเกต) มีค่ามากขึ้น ในทางตรงกันข้ ามหากมีค่าเป็ นลบ หมายถึง การใช้
ปัจจัยที่ระดับสูงจะมีผลทาให้ ค่าที่ใช้ ตดิ ตามผล (ค่าสังเกต) มีค่าลดลง โดยอิทธิพลดังกล่าวจะ
ถูกนามาพิจารณา ก็ต่อเมื่อมีค่ามากกว่าหรือเท่ากับ 2 เท่าของความคลาดเคลื่อนมาตรฐานของ
การทดลอง (>2S/√n) หรือ error limit ของ effects ซึ่งหมายความว่า อิทธิพลดังกล่าวมีผลต่อ
ค่าที่ใช้ ในการติดตามผลอย่างมีนยั สาคัญทางสถิติ (p<0.05)
~ 238 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- การเปลี่ยนแปลงค่าเฉลี่ยของผลการทดลอง โดยการหาผลต่างของค่าเฉลี่ยของทรีตเมนต์ท่แี ปร
ระดับของตัวแปรทั้ง 4 ทรีตเมนต์และค่าเฉลี่ยของทรีตเมนต์ควบคุมแล้ วนามาหารด้ วย 5
ตัวอย่างเช่น ในตัวอย่างที่ 4.8 การเปลี่ยนแปลงค่าเฉลี่ยของผลการทดลอง จึงมีค่าเท่ากับ
ผลรวมของผลต่างระหว่างทรีตเมนต์ 2 และ 1 3 และ 1 4 และ 1 5 และ 1 หารด้ วย 5
หรือ 1/5 ((Y2 –Y1) + (Y3 – Y1) + (Y4 – Y1) + (Y5 –Y1)) หรือ 1/5 (Y2 + Y3 + Y4 +
Y5 – 4Y1) เป็ นต้ น
- การคานวณความคลาดเคลื่อนมาตรฐานของการทดลอง (S/√n)
เริ่มจากการหาส่วนเบี่ยงเบนมาตรฐานของการทดลอง 2 ครั้งแรก โดยหาผลคูณของค่าพิสยั ของ
ผลต่างของการทดลองครั้งที่ 1 และ 2 และ ค่าคงที่ (fk,n ซึ่งมีค่าเท่ากับ 3.0 ในกรณีทาการ
ทดลอง 2 ซา้ โดยมี 5 ทรีตเมนต์) และการหาส่วนเบี่ยงเบนมาตรฐานของการทดลอง 3 ครั้ง
โดยหาผลคูณของค่าพิสยั ของผลต่างของค่าเฉลี่ยของการทดลอง 2 ครั้งแรกและการทดลองครั้งที่
3 และ ค่าคงที่ (fk,n ซึ่งมีค่าเท่ากับ 3.4 ในกรณีทาการทดลอง 3 ซา้ โดยมี 5 ทรีตเมนต์) จากนั้น
นาส่วนเบี่ยงเบนมาตรฐานทั้งสองค่ามาหาค่าเฉลี่ย แล้ วนาค่าเฉลี่ยมาหารด้ วยรากที่สองของ
จานวนซา้ ของการทดลอง (3) เพื่อใช้ เป็ นความคลาดเคลื่อนของการทดลองในการทดสอบระดับ
นัยสาคัญทางสถิตขิ องอิทธิพลของปัจจัย อิทธิพลของปัจจัยร่วม และการเปลี่ยนแปลงค่าเฉลี่ย
ของผลการทดลองดังที่ได้ กล่าวมาแล้ วข้ างต้ น
~ 239 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 4.8
โรงงาผลิตภัณฑ์ปลาบรรจุกระป๋ องแห่งหนึ่ง ต้ องการปรับปรุงสีของเนื้อปลาโดยทดลองปรับปรุง
2
กระบวนการฟอกสีด้วยการทดลองแบบ 2 EVOP โดยให้ กระบวนการปัจจุบนั คือ สารละลายซัลไฟท์เข้ มข้ น
200 ppm เวลา 60 นาที เป็ นทรีตเมนต์ควบคุม และพิจารณาปรับเปลี่ยนความเข้ มข้ นของสารละลายซัลไฟท์
และเวลาที่ใช้ ไปจากเดิม 50 ppm และ 10 นาที ตามลาดับดังภาพที่ 4.28 ติดตามผลโดยการสุ่มตัวอย่างเนื้อ
ปลาที่ฟอกสีแล้ วมาพิจารณาสีด้วยวิธใี ห้ คะแนนในช่วงตั้งแต่ 1 (สีนา้ ตาลเข้ ม) จนถึง 10 (สีนา้ ตาลอ่อน) โดย
ผู้เชียวชาญ ทาการทดลอง 3 ซา้ และได้ ผลการทดลองดังตารางที่ 4.20
250 5 3
200 1
150 2 4
50 60 70 เวลา (นาที)
~ 240 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
5 3
1 Cycle n =1
2 4 ----------
Response – Color
Calculation of averages Calculation of “S”
fk,n* found in standard tables for each value of range and number of values in range
~ 241 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
5 3
1 Cycle n = 2
2 4 ----------
Response – Color
Calculation of averages Calculation of “S”
fk,n* found in standard tables for each value of range and number of values in range
~ 242 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
5 3
1 Cycle n = 3
2 4 ----------
Response – Color
Calculation of averages Calculation of “S”
~ 243 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 244 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 245 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
X1 X2 X3
-1 -1 0
1 -1 0
-1 1 0
1 1 0
-1 0 -1
1 0 -1
-1 0 1
1 0 1
0 -1 -1
0 1 -1
0 -1 1
0 1 1
0 0 0
-1, 0, 1 คือ ระดับของตัวแปร X1, X2 และ X3
~ 246 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
1. สร้ างความสัมพันธ์ระหว่างตัวแปรต้ นและตัวแปรตามด้ วยแบบจาลองควอดราติก ดังนี้
~ 247 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 248 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G H I J
1 X1 X2 X3 Z-score
X 12 X 22 X 32 X1X2 X1X3 X2X3
(Salt) (Garlic) (Pepper) mean
2 -1 -1 0 0.441 1 1 0 1 0 0
3 1 -1 0 -0.428 1 1 0 -1 0 0
4 -1 1 0 0.219 1 1 0 -1 0 0
5 1 1 0 0.147 1 1 0 1 0 0
6 -1 0 -1 0.281 1 0 1 0 1 0
7 1 0 -1 -0.138 1 0 1 0 -1 0
8 -1 0 1 -0.158 1 0 1 0 -1 0
9 1 0 1 -0.236 1 0 1 0 1 0
10 0 -1 -1 0.049 0 1 1 0 0 1
11 0 1 -1 0.382 0 1 1 0 0 -1
12 0 -1 1 -0.593 0 1 1 0 0 -1
13 0 1 1 -0.236 0 1 1 0 0 1
14 0 0 0 0.121 0 0 0 0 0 0
15 0 0 0 0.162 0 0 0 0 0 0
16 0 0 0 0.004 0 0 0 0 0 0
~ 249 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 250 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 251 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Unstandardized Standardized
Model Coefficients Coefficients
B Std. Error Beta t Sig.
1 (Constant) 0.096 0.089 1.080 0.329
X1 -0.180 0.054 -0.460 -3.315 0.021
X2 0.130 0.054 0.334 2.404 0.061
X3 -0.225 0.054 -0.575 -4.142 0.009
X1X1 0.018 0.080 0.031 0.224 0.831
X2X2 -0.019 0.080 -0.033 -0.236 0.823
X3X3 -0.176 0.080 -0.308 -2.209 0.078
X1X2 0.199 0.077 0.360 2.598 0.048
X1X3 0.085 0.077 0.154 1.112 0.317
X2X3 0.006 0.077 0.011 0.078 0.941
Dependent Variable: Z score mean
~ 252 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 253 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 254 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G H I J K L
1 X1 \ X2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
2 -1 = 0.072 - 0.180*$A2 + 0.130*B$1 + 0.199*$A2*B$1
3 -0.8
4 -0.6
5 -0.4
6 -0.2
7 0
8 0.2
9 0.4
10 0.6
11 0.8
12 1
(ก)
A B C D E F G H I J K L
1 X1 \ X2 -1 -0.8 -0.6 -0.4 -0.2 0 0.2 0.4 0.6 0.8 1
2 -1 0.321 0.307 0.293 0.280 0.266 0.252 0.238 0.224 0.211 0.197 0.183
3 -0.8 0.245 0.239 0.234 0.228 0.222 0.216 0.210 0.204 0.198 0.193 0.187
4 -0.6 0.169 0.172 0.174 0.176 0.178 0.180 0.182 0.184 0.186 0.188 0.191
5 -0.4 0.094 0.104 0.114 0.124 0.134 0.144 0.154 0.164 0.174 0.184 0.194
6 -0.2 0.018 0.036 0.054 0.072 0.090 0.108 0.126 0.144 0.162 0.180 0.198
7 0 -0.058 -0.032 -0.006 0.020 0.046 0.072 0.098 0.124 0.150 0.176 0.202
8 0.2 -0.134 -0.100 -0.066 -0.032 0.002 0.036 0.070 0.104 0.138 0.172 0.206
9 0.4 -0.210 -0.168 -0.126 -0.084 -0.042 0.000 0.042 0.084 0.126 0.168 0.210
10 0.6 -0.285 -0.236 -0.186 -0.136 -0.086 -0.036 0.014 0.064 0.114 0.164 0.213
11 0.8 -0.361 -0.303 -0.246 -0.188 -0.130 -0.072 -0.014 0.044 0.102 0.159 0.217
12 1 -0.437 -0.371 -0.305 -0.240 -0.174 -0.108 -0.042 0.024 0.089 0.155 0.221
(ข)
~ 255 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การทดลองแบบส่วนผสม
~ 256 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
แบบราลองวิศวกรรมส่วนกลับ
A B C D E F
1 1 1 1 1 ความชอบ =49.13+(7.88*C1)+(2.88*D1)
2 (X1) (X2) (X3) (X4) ความใส =44.13 + (13*A1)+(-13.13*B1)
3 ความเปรี้ยว = 61.69 + (10.06*A1)+(-3.81*B1)
+ (-4.81*C1)+(4.06*D1)
4 ความหวาน =65+(6.88*B1)+(7.38*C1)+(4.88*D1)
5 ความหนืด =71.63+(8.25*B1)+(10*C1)
A B C D E F
1 -1 -1 1 1 ความชอบ 59.89
2 (X1) (X2) (X3) (X4) ความใส 44.26
3 ความเปรี้ยว 54.69
4 ความหวาน 70.38
5 ความหนืด 73.38
A B C D E F
1 0.98 -1 1 1 ความชอบ 59.89
2 (X1) (X2) (X3) (X4) ความใส 70
3 ความเปรี้ยว 74.60
4 ความหวาน 70.38
5 ความหนืด 73.38
~ 257 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เอกสารอ้างอิง
ั น์ หวังเจริญ, สุดาพร ตงศิริ, เกรียงศักดิ์ เม่งอาพัน, ดวงพร อมรเลิศพิศาล.
ธัณย์สติ า กุลศิริเมธานนท์, วิวฒ
การพัฒนาเครื่องดืม่ ชนิดเจลจากสารสกัดสาหร่ายเตา. The 2nd Annual Meeting of Thailand
Sensory Science and Consumer Research Network 2014; 17-18 July 2014, p. 87-93.
สุจินดา ศรีวัฒนะ. แบบหุ่นจาลองและสูตรอาหารที่เหมาะสม. อาหาร 2548; 35(3): 168-176.
ASTM. Just-about-right (JAR) scales: design, usage, benefits and risks. Rothman, L. and Parker, M.
J. (Eds.). ASTM international manual series; MNL63; 2009, 120 p.
Box GEP and Draper NR. Empirical Model Building and Response Surfaces. New York: John Wiley and
Sons; 1987, 669 p.
Cornell JA. Experiments with Mixtures: Designs, Models, and the Analysis of Mixture Data. 3rd Edn. New
York: .John Wiley & Sons; 2002, 680 p.
Edwardson W and Mac Cormac CW. Improving small-scale food industries in developing countries.
Ottawa: International development research centre; 1984, 167 p.
Excel Easy. Analysis Toolpak.
URL http://www.excel-easy.com/data-analysis/analysis-toolpak.html; (n.d.)
Granja DI and Ruiz JJR. PHPSimplex Version 0.81. English translation by: Tobaria LM.
URL http://www.phpsimplex.com/en/. (n.d.)
Lawless HT and Heymann H. Sensory evaluation of food: principles and practices. New York:
Chapman & Hall; 1998, 827 p.
Moskowitz HR. Food concepts and products: just-in-time development. Connecticut: Food & Nutrition
Press; 1994, 502 p.
NIST/SEMATECH. e-Handbook of Statistical Methods.
URL http://www.itl.nist.gov/div898/handbook/pri/section3/pri33.htm#Response
Surface(method); (n.d.)
Onofri A. Routine statistical analyses of field experiments by using an Excel extension. Proceedings 6th
National Conference Italian Biometric Society: "La statistica nelle scienze della vita e
dell’ambiente", Pisa, 20-22 June 2007, 93-96.
Plaehn D, Horne J and Stucky G. Understanding penalty analysis.
URL http://www.marketresearchworld.net/content/view/3233/74/; (n.d.)
Prinyawiwatkul W and Waimaleongora-EK P. A 3-days workshop: sensory characterization of salt
substitutes and its food applications. Bangkok: Ministry of Science and Technology & Kasetsart
Agricultural and Agro-Industrial Product Improvement Institute (KAPI); 2010.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical
Computing, Vienna, Austria. URL https://www.R-project.org; 2017.
SPSS Inc. SPSS Statistics Base 17.0 User’s Guide.
URL http://www.jou.ufl.edu/archive/researchlab/SPSS-Statistcs-Base-Users-Guide-17.0.pdf;
(n.d.)
~ 258 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Stone H and Sidel JL. Sensory evaluation practices. 2ndEdn. San Diego: Academic Press; 1993, 338 p.
Wangcharoen W, Ngarmsak T and Wilkinson BH. Formula optimization for garlic and pepper-flavoured
puffed snacks. Songklanakarin Journal of Sciences and Technology 2006; 28 (Suppl.1):
63-70.
~ 259 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 260 ~
บทที่ 5
ผังแสดงความชอบ
5.1 การสร้างผังจากคะแนนความชอบหรือการยอมรับผลิตภัณฑ์
การสร้ างผังแสดงตาแหน่งผลิตภัณฑ์จากคะแนนความชอบหรือการยอมรับผลิตภัณฑ์ สามารถทาได้
โดยเริ่ มต้ นที่การน าข้ อมู ลคะแนนความชอบหรือการยอมรับของแต่ ละผลิ ตภัณฑ์ของผู้ บริโภคแต่ ล ะคนมา
วิเคราะห์องค์ประกอบหลัก (Principal component analysis) เพื่อรวมข้ อมูลคะแนนความชอบหรือการยอมรับ
ของผู้ บริโ ภคที่มีลั กษณะใกล้ เ คียงหรื อสัมพั น ธ์กันเข้ า ด้ วยกัน และสร้ า งเป็ นองค์ป ระกอบหลั ก (Principal
component; PC) ขึ้นมาใหม่ ด้ วยการวิเคราะห์ความถดถอยเชิงพหุท่มี ีความสัมพันธ์ในลักษณะแบบจาลอง
เส้ นตรง (Linear combination) ( เช่น PC1 = a11X1 + a21X2 + a31X3 + … + e1; PC2 = a12X1 + a22X2 +
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างงานวิจัยที่แสดงทิศทางความชอบหรือการยอมรับของผู้บริโภคแต่ละกลุ่มบนผังแสดงตาแหน่ง
ผลิตภัณฑ์จากคะแนนความชอบหรือการยอมรับผลิตภัณฑ์ ได้ แก่ งานวิจัยที่ศึกษาความชอบหรือการยอมรับ
ของผู้บริโภคที่มตี ่อผลิตภัณฑ์นา้ ใบข้ าวพร้ อมดื่ม 5 ชนิดของ Wangcharoen and Phimphilai (2016) ที่พบ
ความแตกต่างด้ านความชอบหรือการยอมรับของผู้บริโภคที่แตกต่างกัน 2 ทิศทางดังตัวอย่างที่ 5.2
~ 262 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 5.1
จากข้ อมูลในตารางที่ 5.1 กรุณาสร้ างผังแสดงความชอบผลิตภัณฑ์จากคะแนนความชอบหรือการ
ยอมรับ (Internal analysis) และระบุทศิ ทางของลักษณะทางประสาทสัมผัสต่างๆ ของผลิตภัณฑ์บนผัง
คะแนนความชอบ ลักษณะทางประสาทสัมผัส
ผู้ชิม 1 ผู้ชิม 2 ผู้ชิม 3 ผู้ชิม 4 ผู้ชิม 5 1 2 3 4
ผลิตภัณฑ์ A 9 6 2 6 2 80 60 40 60
ผลิตภัณฑ์ B 6 9 9 2 6 60 80 60 40
ผลิตภัณฑ์ C 2 6 9 6 9 40 60 80 60
ผลิตภัณฑ์ D 6 2 2 9 6 60 40 60 80
ผลิตภัณฑ์ E 6 6 6 6 6 60 60 60 60
วิธีทา
ก. การสร้างผังแสดงตาแหน่งผลิตภัณฑ์จากคะแนนความชอบหรือการยอมรับ
โดยใช้โปรแกรมเอสพีเอสเอส มีข้นั ตอนดังต่อไปนี้
2. เมื่อต้ องการวิเคราะห์ข้อมูล คลิก “Analyze” เลื่อน Cursor มาที่ “Data Reduction” แล้ วคลิก
“Factor..”
~ 263 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
3. กล่อง “Factor Analysis” จะปรากฏขึ้น เลือกผู้ชิม (ตัวอย่างที่ 5.1 คือ p1- p5) ใส่ในช่อง
“Variables:” (โดยคลิกที่ตวั แปรแรก และกด Ctrl ค้ างไว้ ก่อนคลิกเลือกตัวแปรตัวถัดไปจน
ครบ แล้ วจึงคลิกเครื่องหมายลูกศรใส่ในช่อง “Variables:”) จากนั้นคลิก “Extraction”
4. กล่อง “Factor Analysis: Extraction” จะปรากฏขึ้น เลือก “Method:” เป็ น “Principal
components” (ซึ่งปกติโปรแกรมจะเลือกไว้ ให้ อยู่แล้ ว) จากนั้นคลิก “Continue”
5. คลิก “Scores…” ในกล่อง “Factor Analysis”
6. กล่อง “Factor Analysis: Factor Scores” จะปรากฏขึ้น คลิกเติมเครื่องหมาย ในช่อง
Save as variables จากนั้นคลิก “Continue”
7. คลิก “OK”
~ 264 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Component Matrixa
Component
1 2
A -.702 .703
B .704 .703
C .999 7.499E-16
D -.702 -.703
E .704 -.703
Extraction Method: Principal Component Analysis.
a. 2 components extracted.
~ 265 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 266 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Correlations
REGR factor REGR factor
score 1 for score 2 for
attribute1 attribute2 attribute3 attribute4 analysis 1 analysis 1
attribute1 Pearson Correlation 1 .000 -1.000** .000 -.707 .707
Sig. (2-tailed) 1.000 .000 1.000 .182 .182
N 5 5 5 5 5 5
attribute2 Pearson Correlation .000 1 .000 -1.000** .707 .707
Sig. (2-tailed) 1.000 1.000 .000 .182 .182
N 5 5 5 5 5 5
attribute3 Pearson Correlation -1.000** .000 1 .000 .707 -.707
Sig. (2-tailed) .000 1.000 1.000 .182 .182
N 5 5 5 5 5 5
attribute4 Pearson Correlation .000 -1.000** .000 1 -.707 -.707
Sig. (2-tailed) 1.000 .000 1.000 .182 .182
N 5 5 5 5 5 5
REGR factor score 1 Pearson Correlation -.707 .707 .707 -.707 1 .000
for analysis 1 Sig. (2-tailed) .182 .182 .182 .182 1.000
N 5 5 5 5 5 5
REGR factor score 2 Pearson Correlation .707 .707 -.707 -.707 .000 1
for analysis 1 Sig. (2-tailed) .182 .182 .182 .182 1.000
N 5 5 5 5 5 5
**. Correlation is significant at the 0.01 level (2-tailed).
~ 267 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 268 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ข. การสร้างผังแสดงตาแหน่งผลิตภัณฑ์จากคะแนนความชอบหรือการยอมรับ
โดยใช้โปรแกรมอาร์ มีข้นั ตอนดังต่อไปนี้
1. พิมพ์ข้อมูลดังภาพที่ 5.1 โดยคลิก “Data” และคลิก “New data set..” ที่หน้ าต่าง R
Commander
2. กล่อง “New Data Set” จะปรากฏขึ้น โปรแกรมจะพิมพ์ช่ อื ชุดข้ อมูลเป็ น Dataset ไว้ ให้ (แต่
สามารถเปลี่ยนแปลงได้ ตามต้ องการ) และคลิก “OK”
3. กล่อง “Data Editor: Dataset” จะปรากฏขึ้น คลิก “Add row” และ “Add column” ตาม
ต้ องการ และพิมพ์ข้อมูลลงไปจนครบ และคลิก “OK”
(กรณีมไี ฟล์ข้อมูลในโปรแกรมไมโครซอฟท์เอกซ์เซล กรุณาดูรายละเอียดวิธกี ารดึงไฟล์ข้อมูล
ในบทที่ 2 หัวข้ อ 2.1.3.3 หน้ า 43 ข้ อ 1-5)
4. เมื่อต้ องการวิเคราะห์ข้อมูล คลิก “Statistics” เลื่อน Cursor มาที่ “Dimensional analysis”
แล้ วคลิก “Principal-components analysis…..”
~ 269 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 270 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Component loadings:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
panel1 -0.4069489 5.000000e-01 5.000000e-01 -0.5782669 0.000000e+00
panel2 0.4080679 5.000000e-01 -5.000000e-01 -0.2871733 5.010111e-01
panel3 0.5794363 2.139012e-15 3.243896e-15 -0.4077719 -7.056739e-01
panel4 -0.4069489 -5.000000e-01 -5.000000e-01 -0.5782669 -6.613419e-15
panel5 0.4080679 -5.000000e-01 5.000000e-01 -0.2871733 5.010111e-01
Component variances:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
2.97310870 1.97580645 0.04032258 0.01076227 0.00000000
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4 Comp.5
Standard deviation 1.7242705 1.4056338 0.200804832 0.103741347 0
Proportion of Variance 0.5946217 0.3951613 0.008064516 0.002152453 0
Cumulative Proportion 0.5946217 0.9897830 0.997847547 1.000000000 1
~ 271 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 272 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 273 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 5.2
จากข้ อมูลตาแหน่งผลิตภัณฑ์ของนา้ ใบข้ าวพร้ อมดื่ม 5 ชนิด บนผังแสดงตาแหน่งผลิตภัณฑ์ท่สี ร้ าง
จากคะแนนความชอบหรือการยอมรับของผู้บริโภค และคะแนนความชอบเฉลี่ยของผู้บริโภค 2 กลุ่ม ในตารางที่
5.2 กรุณาสร้ างผังแสดงตาแหน่งผลิตภัณฑ์ดงั กล่าว พร้ อมระบุทศิ ทางความชอบหรือการยอมรับของผู้บริโภค
ทั้ง 2 กลุ่ม (ดัดแปลงจาก Wangcharoen and Phimphilai, 2016)
~ 274 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
วิธีทา
ก. การระบุทิศทางความชอบของผูบ้ ริโภคโดยใช้โปรแกรมเอสพีเอสเอส
มีข้นั ตอนดังต่อไปนี้
~ 275 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 1.000a 1.000 .999 .05085
a. Predictors: (Constant), PC1, PC2
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 11.222 2 5.611 2.170E3 .000a
Residual .005 2 .003
Total 11.227 4
a. Predictors: (Constant), PC1, PC2
b. Dependent Variable: Liking1
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.992 .023 219.530 .000
PC1 1.285 .025 .767 50.550 .000
PC2 1.074 .025 .641 42.253 .001
a. Dependent Variable: Liking1
~ 276 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .998a .996 .993 .17191
a. Predictors: (Constant), PC1, PC2
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 16.062 2 8.031 271.772 .004a
Residual .059 2 .030
Total 16.122 4
a. Predictors: (Constant), PC1, PC2
b. Dependent Variable: Liking2
Coefficientsa
Standardized
Unstandardized Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 4.870 .077 63.347 .000
PC1 1.733 .086 .863 20.162 .002
PC2 -1.006 .086 -.501 -11.706 .007
a. Dependent Variable: Liking2
~ 277 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 278 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ข. การระบุทิศทางความชอบของผูบ้ ริโภคโดยใช้โปรแกรมอาร์
มีข้นั ตอนดังต่อไปนี้
1. พิมพ์ข้อมูลดังภาพที่ 5.15 โดยคลิก “Data” และคลิก “New data set..” ที่หน้ าต่าง R
Commander
2. กล่อง “New Data Set” จะปรากฏขึ้น โปรแกรมจะพิมพ์ช่ อื ชุดข้ อมูลเป็ น Dataset ไว้ ให้ (แต่
สามารถเปลี่ยนแปลงได้ ตามต้ องการ) และคลิก “OK”
3. กล่อง “Data Editor: Dataset” จะปรากฏขึ้น คลิก “Add row” และ “Add column” ตาม
ต้ องการ และพิมพ์ข้อมูลลงไปจนครบ และคลิก “OK”
(กรณีมไี ฟล์ข้อมูลในโปรแกรมไมโครซอฟท์เอกซ์เซล กรุณาดูรายละเอียดวิธกี ารดึงไฟล์ข้อมูล
ในบทที่ 2 หัวข้ อ 2.1.3.3 หน้ า 43 ข้ อ 1-5)
4. เมื่อต้ องการวิเคราะห์ข้อมูลเพื่อหาทิศทางความชอบของผู้บริโภค คลิก “Statistics” เลื่อน
Cursor มาที่ “Fit models” แล้ วคลิก “Linear regression…..”
~ 279 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Call:
lm(formula = Liking1 ~ PC1 + PC2, data = Dataset)
Residuals:
1 2 3 4 5
-0.03023 0.04005 0.02145 -0.04244 0.01116
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.99285 0.02214 225.47 1.97e-05 ***
PC1 1.28602 0.02477 51.93 0.000371 ***
PC2 1.07393 0.02475 43.38 0.000531 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
~ 280 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Call:
lm(formula = Liking2 ~ PC1 + PC2, data = Dataset)
Residuals:
1 2 3 4 5
0.03166 -0.12934 -0.02952 0.19095 -0.06376
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.87009 0.07690 63.33 0.000249 ***
PC1 1.73305 0.08600 20.15 0.002453 **
PC2 -1.00623 0.08596 -11.71 0.007219 **
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
~ 281 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 282 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
5.2 การสร้างผังจากลักษณะหรือสมบัติของผลิตภัณฑ์
การสร้ างผังแสดงตาแหน่งผลิตภัณฑ์จากลักษณะหรือสมบัติของผลิตภัณฑ์ สามารถทาได้ โดยเริ่มต้ น
ที่การนาข้ อมูลลักษณะหรือสมบัติของผลิตภัณฑ์ต่างๆ (เช่ น ลักษณะทางประสาทสัมผัส สมบัติทางกายภาพ
สมบัตทิ างเคมี เป็ นต้ น) มาวิเคราะห์องค์ประกอบหลัก เพื่อรวมข้ อมูลของลักษณะหรือสมบัติท่มี ีความสัมพันธ์
กันเข้ าด้ วยกันและสร้ างเป็ นองค์ประกอบหลักขึ้นมาใหม่ ทาให้ สามารถใช้ องค์ประกอบหลักที่สร้ างขึ้นมาใหม่
เพียงไม่ก่อี งค์ประกอบ เพื่ออธิบายความแตกต่างของผลิตภัณฑ์ท้งั หมดที่สนใจได้
ในกรณีท่อี งค์ประกอบหลักที่สร้ างขึ้น 2 องค์ประกอบแรกสามารถที่จะอธิบายความแปรปรวนของ
ข้ อมูลได้ ในระดับที่น่าพอใจ จะนาองค์ประกอบหลักดังกล่าวมาสร้ างเป็ นผังแสดงตาแหน่งผลิตภัณฑ์แบบ 2
มิติ โดยใช้ ค่าองค์ประกอบหลักที่ 1 และ 2 เป็ นแกนนอนและแกนตั้งของผัง และใช้ ค่าองค์ประกอบหลักที่ 1
และ 2 ของผลิตภัณฑ์แต่ละรายการเพื่อแสดงตาแหน่งของผลิตภัณฑ์แต่ละรายการบนผัง จากนั้นนาค่า
คะแนนความชอบหรือการยอมรับของผู้บริโภคแต่ละกลุ่มมาสร้ างความสัมพันธ์กบั ตาแหน่งของผลิตภัณฑ์ โดย
ความสัมพันธ์ดงั กล่าวอาจจะอยู่ในรูปแบบต่างๆ ดังต่อไปนี้ (Williams, 1988; MacFie and Thomson,
1994; Moskowitz, 1994; Anonymous, n.d.)
ตัวอย่างที่ 5.3
จากข้ อมูลในตารางที่ 5.3 กรุณาสร้ างผังแสดงความชอบผลิตภัณฑ์จากลักษณะทางประสาทสัมผัสของ
ผลิตภัณฑ์ (External preference analysis; Prefmap) และระบุทศิ ทางความชอบของผู้บริโภคแต่ละกลุ่มบนผัง
~ 283 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
คะแนนความชอบเฉลี่ย ลักษณะทางประสาทสัมผัส
ผู้บริโภค ผู้บริโภค ผู้บริโภค ผู้บริโภค ผู้บริโภค 1 2 3 4
กลุ่ม 1 กลุ่ม 2 กลุ่ม 3 กลุ่ม 4 กลุ่ม 5
ผลิตภัณฑ์ A 9 6 2 9 2 100 100 50 0
ผลิตภัณฑ์ B 6 9 2 9 5 50 0 0 100
ผลิตภัณฑ์ C 2 6 2 9 2 0 0 50 100
ผลิตภัณฑ์ D 6 2 2 9 5 50 80 100 0
ผลิตภัณฑ์ E 6 6 9 2 9 50 50 50 50
ผลิตภัณฑ์ F 7.5 6 6 6 4 75 75 50 25
ผลิตภัณฑ์ G 6 7.5 6 6 7 50 25 25 75
ผลิตภัณฑ์ H 4 6 6 6 4 25 25 50 75
ผลิตภัณฑ์ I 6 4 6 6 7 50 75 75 25
วิธีทา
ก. การสร้างผังแสดงตาแหน่งผลิตภัณฑ์จากลักษณะทางประสาทสัมผัสของผลิตภัณฑ์
โดยใช้โปรแกรมเอสพีเอสเอส มีข้นั ตอนดังต่อไปนี้
product con1 con2 con3 con4 con5 attribute1 attribute2 attribute3 attribute4
1 A 9 6 2 9 2 100 100 50 0
2 B 6 9 2 9 5 50 0 0 100
3 C 2 6 2 9 2 0 0 50 100
4 D 6 2 2 9 5 50 80 100 0
5 E 6 6 9 2 9 50 50 50 50
6 F 7.5 6 6 6 4 75 75 50 25
7 G 6 7.5 6 6 7 50 25 25 75
8 H 4 6 6 6 4 25 25 50 75
9 I 6 4 6 6 7 50 75 75 25
~ 284 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
2. เมื่อต้ องการวิเคราะห์ข้อมูล คลิก “Analyze” เลื่อน Cursor มาที่ “Data Reduction” แล้ วคลิก
“Factor..”
3. กล่อง “Factor Analysis” จะปรากฏขึ้น เลือกลักษณะทางประสาทสัมผัส (ตัวอย่างที่ 5.3 คือ
attribute1–attribute4) ใส่ในช่อง “Variables:” (โดยคลิกที่ตวั แปรแรก และกด Ctrl ค้ างไว้
ก่อนคลิกเลือกตัวแปรตัวถัดไปจนครบ แล้ วจึงคลิกเครื่องหมายลูกศรใส่ในช่อง “Variables:”)
จากนั้นคลิก “Extraction”
4. กล่อง “Factor Analysis: Extraction” จะปรากฏขึ้น เลือก “Method:” เป็ น “Principal
components” (ซึ่งปกติโปรแกรมจะเลือกไว้ ให้ อยู่แล้ ว) จากนั้นคลิก “Continue”
5. คลิก “Scores…” ในกล่อง “Factor Analysis”
6. กล่อง “Factor Analysis: Factor Scores” จะปรากฏขึ้น คลิกเติมเครื่องหมาย ในช่อง
Save as variables จากนั้นคลิก “Continue”
7. คลิก “OK”
~ 285 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Component Matrixa
Component
1 2
attribute1 .736 .676
attribute2 .995 .044
attribute3 .675 -.737
attribute4 -.998 .043
Extraction Method: Principal Component Analysis.
a. 2 components extracted.
~ 286 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 287 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 288 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 289 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .992a .983 .978 .29269
a. Predictors: (Constant), REGR factor score 2 for analysis 1,
REGR factor score 1 for analysis 1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 30.486 2 15.243 177.929 .000a
Residual .514 6 .086
Total 31.000 8
a. Predictors: (Constant), REGR factor score 2 for analysis 1, REGR factor score 1 for analysis 1
b. Dependent Variable: con1
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 5.833 .098 59.790 .000
REGR factor score 1
1.437 .103 .730 13.883 .000
for analysis 1
REGR factor score 2
1.322 .103 .671 12.772 .000
for analysis 1
a. Dependent Variable: con1
~ 290 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .991a .983 .977 .29773
a. Predictors: (Constant), REGR factor score 2 for analysis 1,
REGR factor score 1 for analysis 1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 30.468 2 15.234 171.863 .000a
Residual .532 6 .089
Total 31.000 8
a. Predictors: (Constant), REGR factor score 2 for analysis 1, REGR factor score 1 for analysis 1
b. Dependent Variable: con2
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 5.833 .099 58.779 .000
REGR factor score 1
-1.314 .105 -.667 -12.481 .000
for analysis 1
REGR factor score 2
1.443 .105 .733 13.710 .000
for analysis 1
a. Dependent Variable: con2
~ 291 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
25. เมื่อต้ องการเพิ่มตัวแปร ที่หน้ าต่าง DataSet คลิก “Transform” เลื่อน Cursor มาที่ “Compute
Variable…”
26. กล่อง “Compute Variable” จะปรากฏขึ้น พิมพ์ช่ อื ตัวแปรที่ต้องการเพิ่มในช่อง “Target
Variable:” และพิมพ์สตู รที่ใช้ คานวณตัวแปรที่ต้องการในช่อง “Numeric Expression:” ดังนี้
- กรณีรปู แบบวงกลม
พิมพ์ “X2PLUSY2” ในช่อง “Target Variable:” และพิมพ์ “FAC1_1**2+ FAC2_1**2”
ในช่อง “Numeric Expression:” และคลิก “OK” จะมีสดมภ์ของ “X2PLUSY2” ปรากฏขึ้น
~ 292 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- กรณีรปู แบบวงรี
พิมพ์ “X2” ในช่อง “Target Variable:” และพิมพ์ “FAC1_1**2”
ในช่อง “Numeric Expression:” และคลิก “OK” จะมีสดมภ์ของ “X2” ปรากฏขึ้น
พิมพ์ “Y2” ในช่อง “Target Variable:” และพิมพ์ “FAC2_1**2”
ในช่อง “Numeric Expression:” และคลิก “OK” จะมีสดมภ์ของ “Y2” ปรากฏขึ้น
พิมพ์ “XY” ในช่อง “Target Variable:” และพิมพ์ “FAC1_1*FAC2_1”
ในช่อง “Numeric Expression:” และคลิก “OK” จะมีสดมภ์ของ “XY” ปรากฏขึ้น
27. คลิก “Analyze” เลื่อน Cursor มาที่ “Regression” แล้ วคลิก “Linear..”
28. กล่อง “Linear Regression” จะปรากฏขึ้น เลือกตัวแปรตาม (ตัวอย่างที่ 5.3 คือ con3, con4
หรือ con5 เลือกตัวใดตัวหนึ่ง เนื่องจากต้ องวิเคราะห์ครั้งละหนึ่งตัวเปร) ใส่ในช่อง
“Dependent:” จากนั้นเลือกตัวเปรต้ น (กรณีรปู แบบวงกลม คือ FAC1_1, FAC2_1 และ
X2PLUSY2 ส่วนกรณีรปู แบบวงรี คือ FAC1_1, FAC2_1, X2, Y2 และ XY) ใส่ในช่อง
“Independent(s):” (โดยคลิกที่ตวั แปรแรก และกด Ctrl ค้ างไว้ ก่อนคลิกเลือกตัวแปรตัว
ถัดไป แล้ วจึงคลิกเครื่องหมายลูกศรใส่ในช่อง “Independent(s):”)
29. คลิก “OK”
~ 293 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .983a .967 .946 .60241
a. Predictors: (Constant), X2PLUSY2, REGR factor score 1 for
analysis 1, REGR factor score 2 for analysis 1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 52.408 3 17.469 48.138 .000a
Residual 1.815 5 .363
Total 54.222 8
a. Predictors: (Constant), X2PLUSY2, REGR factor score 1 for analysis 1, REGR factor score
2 for analysis 1
b. Dependent Variable: con3
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 7.910 .344 23.000 .000
REGR factor score 1
-.029 .213 -.011 -.136 .897
for analysis 1
REGR factor score 2
.124 .213 .048 .584 .585
for analysis 1
X2PLUSY2 -1.887 .157 -.984 -12.014 .000
a. Dependent Variable: con3
~ 294 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .931a .867 .788 1.09097
a. Predictors: (Constant), X2PLUSY2, REGR factor score 1 for
analysis 1, REGR factor score 2 for analysis 1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 38.938 3 12.979 10.905 .012a
Residual 5.951 5 1.190
Total 44.889 8
a. Predictors: (Constant), X2PLUSY2, REGR factor score 1 for analysis 1, REGR factor score
2 for analysis 1
b. Dependent Variable: con4
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 3.998 .623 6.419 .001
REGR factor score 1
.027 .386 .011 .070 .947
for analysis 1
REGR factor score 2
-.107 .386 -.045 -.277 .793
for analysis 1
X2PLUSY2 1.626 .284 .933 5.718 .002
a. Dependent Variable: con4
~ 295 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Model Summary
Adjusted R Std. Error of the
Model R R Square Square Estimate
1 .685a .469 .150 2.16256
a. Predictors: (Constant), X2PLUSY2, REGR factor score 1 for
analysis 1, REGR factor score 2 for analysis 1
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 20.617 3 6.872 1.469 .329a
Residual 23.383 5 4.677
Total 44.000 8
a. Predictors: (Constant), X2PLUSY2, REGR factor score 1 for analysis 1, REGR factor score
2 for analysis 1
b. Dependent Variable: con5
Coefficientsa
Unstandardized Standardized
Coefficients Coefficients
Model B Std. Error Beta t Sig.
1 (Constant) 7.104 1.235 5.755 .002
REGR factor score 1
-.054 .765 -.023 -.071 .946
for analysis 1
REGR factor score 2
.073 .765 .031 .096 .927
for analysis 1
X2PLUSY2 -1.184 .564 -.686 -2.100 .090
a. Dependent Variable: con5
~ 296 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B C D E F G H I G K L
1 -1.5 -1.2 -0.9 -0.6 -0.3 0 0.3 0.6 0.9 1.2 1.5
2 -1.5 = 7.910 – 1.887*(B$1^2 + $A2^2)
3 -1.2
4 -0.9
5 -0.6
6 -0.3
7 0
8 0.3
9 0.6
10 0.9
11 1.2
12 1.5
(ก)
A B C D E F G H I G K L
1 -1.5 -1.2 -0.9 -0.6 -0.3 0 0.3 0.6 0.9 1.2 1.5
2 -1.5 -0.58 0.95 2.14 2.98 3.49 3.66 3.49 2.98 2.14 0.95 -0.58
3 -1.2 0.95 2.48 3.66 4.51 5.02 5.19 5.02 4.51 3.66 2.48 0.95
4 -0.9 2.14 3.66 4.85 5.70 6.21 6.38 6.21 5.70 4.85 3.66 2.14
5 -0.6 2.98 4.51 5.70 6.55 7.06 7.23 7.06 6.55 5.70 4.51 2.98
6 -0.3 3.49 5.02 6.21 7.06 7.57 7.74 7.57 7.06 6.21 5.02 3.49
7 0 3.66 5.19 6.38 7.23 7.74 7.91 7.74 7.23 6.38 5.19 3.66
8 0.3 3.49 5.02 6.21 7.06 7.57 7.74 7.57 7.06 6.21 5.02 3.49
9 0.6 2.98 4.51 5.70 6.55 7.06 7.23 7.06 6.55 5.70 4.51 2.98
10 0.9 2.14 3.66 4.85 5.70 6.21 6.38 6.21 5.70 4.85 3.66 2.14
11 1.2 0.95 2.48 3.66 4.51 5.02 5.19 5.02 4.51 3.66 2.48 0.95
12 1.5 -0.58 0.95 2.14 2.98 3.49 3.66 3.49 2.98 2.14 0.95 -0.58
(ข)
~ 297 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
6.00-8.00
4.00-6.00
2.00-4.00
0.00-2.00
-
-2.00-0.00
-
-
- - - - -
ข. การสร้างผังแสดงตาแหน่งผลิตภัณฑ์จากลักษณะทางประสาทสัมผัสของผลิตภัณฑ์
โดยใช้โปรแกรมอาร์ มีข้นั ตอนดังต่อไปนี้
1. พิมพ์ข้อมูลดังภาพที่ 5.24 โดยคลิก “Data” และคลิก “New data set..” ที่หน้ าต่าง R
Commander
2. กล่อง “New Data Set” จะปรากฏขึ้น โปรแกรมจะพิมพ์ช่ อื ชุดข้ อมูลเป็ น Dataset ไว้ ให้ (แต่
สามารถเปลี่ยนแปลงได้ ตามต้ องการ) และคลิก “OK”
3. กล่อง “Data Editor: Dataset” จะปรากฏขึ้น คลิก “Add row” และ “Add column” ตาม
ต้ องการ และพิมพ์ข้อมูลลงไปจนครบ และคลิก “OK”
~ 298 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 299 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Component loadings:
Comp.1 Comp.2 Comp.3 Comp.4
attribute1 -0.4261579 0.67450777 -0.3367918 5.000000e-01
attribute2 -0.5759946 0.04366719 0.8162864 9.639370e-16
attribute3 -0.3909156 -0.73570373 -0.2364846 5.000000e-01
attribute4 0.5777583 0.04327208 0.4053676 7.071068e-01
Component variances:
Comp.1 Comp.2 Comp.3 Comp.4
2.984213e+00 1.003759e+00 1.202787e-02 2.562425e-16
Importance of components:
Comp.1 Comp.2 Comp.3 Comp.4
Standard deviation 1.7274874 1.0018779 0.109671647 1.600758e-08
Proportion of Variance 0.7460532 0.2509398 0.003006968 6.406062e-17
Cumulative Proportion 0.7460532 0.9969930 1.000000000 1.000000e+00
~ 300 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 301 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 302 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Call:
lm(formula = con1 ~ PC1 + PC2, data = Dataset)
Residuals:
Min 1Q Median 3Q Max
-0.37598 -0.12008 0.07978 0.18904 0.31594
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 5.83347 0.09747 59.85 1.46e-09 ***
PC1 -0.78406 0.05642 -13.90 8.65e-06 ***
PC2 1.24381 0.09729 12.78 1.41e-05 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.2924 on 6 degrees of freedom
(4 observations deleted due to missingness)
Multiple R-squared: 0.9835, Adjusted R-squared: 0.9779
F-statistic: 178.3 on 2 and 6 DF, p-value: 4.532e-06
Call:
lm(formula = con2 ~ PC1 + PC2, data = Dataset)
Residuals:
Min 1Q Median 3Q Max
-0.44373 -0.09605 0.17535 0.18897 0.20395
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 5.83348 0.09933 58.73 1.64e-09 ***
PC1 0.71705 0.05750 12.47 1.63e-05 ***
PC2 1.35816 0.09915 13.70 9.41e-06 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.298 on 6 degrees of freedom
(4 observations deleted due to missingness)
Multiple R-squared: 0.9828, Adjusted R-squared: 0.9771
F-statistic: 171.5 on 2 and 6 DF, p-value: 5.077e-06
~ 303 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 304 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 305 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Residuals:
1 2 3 4 5 6 7 8 9
0.3659 -0.1160 0.3894 -0.3704 1.0918 -0.3434 -0.5769 -0.3295 -0.1107
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7.90993 0.37959 20.838 4.71e-06 ***
PC1 0.02920 0.12811 0.228 0.828734
PC2 0.18515 0.22130 0.837 0.440941
X2PLUSY2 -0.84119 0.07738 -10.871 0.000114 ***
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 0.6633 on 5 degrees of freedom
(4 observations deleted due to missingness)
Multiple R-squared: 0.9594, Adjusted R-squared: 0.9351
F-statistic: 39.42 on 3 and 5 DF, p-value: 0.0006655
Residuals:
1 2 3 4 5 6 7 8 9
-0.41257 0.00866 -0.42683 0.22366 -1.99622 0.65213 0.85634 0.64317 0.45165
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 3.99473 0.63540 6.287 0.0015 **
PC1 -0.02634 0.21445 -0.123 0.9070
PC2 -0.15955 0.37044 -0.431 0.6846
X2PLUSY2 0.72578 0.12952 5.603 0.0025 **
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 1.11 on 5 degrees of freedom
(4 observations deleted due to missingness)
Multiple R-squared: 0.8627, Adjusted R-squared: 0.7803
F-statistic: 10.47 on 3 and 5 DF, p-value: 0.01351
~ 306 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
Residuals:
1 2 3 4 5 6 7 8 9
-0.9988 1.5813 -1.0957 1.4908 1.7697 -2.1608 0.6341 -2.2079 0.9873
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7.23223 1.17211 6.170 0.00163 **
PC1 0.04038 0.39559 0.102 0.92266
PC2 0.11875 0.68334 0.174 0.86885
X2PLUSY2 -0.55978 0.23893 -2.343 0.06614 .
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
Residual standard error: 2.048 on 5 degrees of freedom
(4 observations deleted due to missingness)
Multiple R-squared: 0.5233, Adjusted R-squared: 0.2373
F-statistic: 1.83 on 3 and 5 DF, p-value: 0.2588
~ 307 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
ผังแสดงความชอบ
ผู้บริโภค
กลุ่ม กลุ่ม กลุ่ม กลุ่ม กลุ่ม ความ ความ กลิ่น ความ ความ
ผลิตภัณฑ์ 1 2 3 4 5 หวาน เปรี้ยว ผลไม้ หนืด ใส
A 8 7 6 7 4 80 50 40 50 50
B 7 5 7 8 8 55 40 30 30 75
C 7 8 7 6 5 75 60 55 45 60
D 5 6 8 7 9 40 45 40 25 90
E 6 9 8 5 6 50 70 60 20 70
F 5 8 8 6 7 45 65 55 35 80
~ 308 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
ผังแสดงความชอบ
- การสร้ างผังแสดงตาแหน่งผลิตภัณฑ์
กรณีการสร้ างผังจากลักษณะทางประสาทสัมผัส
สมการทิศทางความชอบของผู้บริโภคกลุ่ม 1 คือ Y = 6.333 + 1.059PC1 – 0.310PC2
สมการทิศทางความชอบของผู้บริโภคกลุ่ม 2 คือ Y = 7.167 + 0.169PC1 + 1.452PC2
สมการทิศทางความชอบของผู้บริโภคกลุ่ม 3 คือ Y = 7.333 - 0.737PC1 + 0.323PC2
สมการทิศทางความชอบของผู้บริโภคกลุ่ม 4 คือ Y = 6.500 + 0.100PC1 - 1.028PC2
สมการทิศทางความชอบของผู้บริโภคกลุ่ม 5 คือ Y = 7.167 – 1.644PC1 – 0.806PC2
- ผลิตภัณฑ์ท่อี าจจะเป็ นผลิตภัณฑ์ค่แู ข่งของกันและกัน คือ A และ C, B และ D, E และ F
- ผู้บริโภคที่ชอบผลิตภัณฑ์ท่มี รี สหวานและความหนืดมาก คือ ผู้บริโภคกลุ่ม 1
- ผู้บริโภคที่ชอบผลิตภัณฑ์ท่มี รี สเปรี้ยวและกลิ่นรสผลไม้ น้อย คือ ผู้บริโภคกลุ่ม 4
~ 309 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เอกสารอ้างอิง
Anonymous. Preference mapping.
URL:http://www.personal.rdg.ac.uk/~aes02mm/Teaching/Archive/ 2003-4/Docs/MRM-
week6.ppt ; (n.d.)
MacFie HJH and Thomson DMH. Measurement of food preferences. Glasgow: Blackie Academic &
Professional; 1994, 301 p.
Moskowitz HR. Product testing 2: modeling versus mapping and their integration. Journal of Sensory
Studies 1994; 9: 323-336.
R Core Team. R: A language and environment for statistical computing. R Foundation for Statistical
Computing, Vienna, Austria. URL https://www.R-project.org; 2016.
SPSS Inc. SPSS Statistics Base 17.0 User’s Guide.
URL:http://www.jou.ufl.edu/archive/researchlab/SPSS-Statistcs-Base-Users-Guide-
17.0.pdf; (n.d.)
SurveySite. Perceptual/brand maps.
URL:http://www.surveysite.com/newsite/docs/brandmap.htm; (n.d.)
Wangcharoen W and Phimphilai S. Chlorophyll and total phenolic contents, antioxidant activities and
consumer acceptance test of processed grass drinks. Journal of Food Science and Technology
2016; 53(12): 4135-4140.
Williams AA. Procedures and problems in optimizing sensory and attitudinal characteristics in food and
beverage. In: Thomson DMH, editor. Food acceptability. Essex: Elsevier Science Publishers;
1988, p. 297-309.
~ 310 ~
บทที่ 6
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหาร
6.2 การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารจากอัตราเร็วของปฏิกิริยา
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารจากอัตราเร็วของปฏิกริ ิยา มีข้นั ตอนดังต่อไปนี้
(1) เลือกปฏิกริ ิยาหรือการเปลี่ยนแปลงที่จะใช้ เป็ นตัวบ่งชี้การเสื่อมคุณภาพของผลิตภัณฑ์
(2) ศึกษาอันดับและอัตราเร็วของปฏิกริ ิยาหรือการเปลี่ยนแปลงที่เลือก
(3) กาหนดคุณภาพต่าสุดของผลิตภัณฑ์ท่ยี ังสามารถยอมรับได้
(4) หาระยะเวลาที่ใช้ สาหรับการเปลี่ยนแปลงที่เกิดขึ้น ตั้งแต่เริ่มต้ นจนถึงจุดที่กาหนดไว้
~ 312 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 313 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
- ปฏิกริ ิยาอันดับศูนย์
-dC/dt = kC0
หรือ -dC/dt = k
หรือ -dC = k dt
เมื่ออินทิกรัลจะได้
- ปฏิกริ ิยาอันดับหนึ่ง
-dC/dt = kC1
เมื่ออินทิกรัลจะได้
หรือ Ct = C0 e – k (t – to)
~ 314 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
120
100
ตัวอย่างที่ 6.1
ผลิตภัณฑ์นา้ ส้ มพร้ อมดื่มที่ผ่านกระบวนการผลิตแบบปลอดเชื้อชนิดหนึ่ง เมื่อเก็บไว้ ท่อี ณ
ุ หภูมิ 25ซ
พบว่ามีการเกิดปฏิกริ ิยาสีนา้ ตาลเพิ่มขึ้นตลอดระยะเวลาที่เก็บ โดยสามารถติดตามผลได้ จากการวัดค่าการ
ดูดกลืนแสงที่ความยาวคลื่น 420 นาโนเมตรดังตารางที่ 6.3 กรุณาประมาณอายุการเก็บของผลิตภัณฑ์
ถ้ าหากผลิตภัณฑ์จะไม่ได้ รับการยอมรับ เมื่อค่าการดูดกลืนแสงมีค่าเกิน 0.25
วิธีทา
เมื่อนาข้ อมูลมาสร้ างแผนภูมิ พบว่าได้ แผนภูมใิ นลักษณะแบบจาลองเส้นตรงดังภาพที่ 6.2 แสดงว่า
การเกิดปฏิกริ ิยาสีนา้ ตาลของผลิตภัณฑ์นา้ ส้ มพร้ อมดื่มที่อณ
ุ หภูมิ 25ซ เป็ นปฏิกริ ิยาอันดับศูนย์ ซึ่ง
สามารถคานวณหาค่าอัตราเร็วของปฏิกริ ิยาได้ ดงั นี้
~ 315 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
จาก Ct = C0 - k (t – t0)
k = (Ct - C0) / (t – t0)
= (0.155 – 0.100) / (40 – 0)
= 0.0014
ดังนั้น 0.25 = 0.10 + 0.0014 (t - 0)
t = (0.25 – 0.10) / 0.0014
= 107 วัน
~ 316 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตัวอย่างที่ 6.2
การทดลองเก็บสตรอเบอร์รีท่อี ุณหภูมิ 5.5 และ 23ซ พบว่ามีการเปลี่ยนแปลงนา้ หนักดังตารางที่
6.4 นอกจากนี้ยังพบว่าสตรอเบอร์รีมอี ายุการเก็บเป็ นเวลา 7 วันที่อณ ุ หภูมิ 5.5ซ และ 3 วันที่อณ ุ หภูมิ
23ซ ซึ่งสตรอเบอร์รีมกี ารสูญเสียนา้ หนักไปประมาณร้ อยละ 15 จากนา้ หนักเริ่มต้ น จากข้ อมูลดังกล่าว
กรุณาหาค่าต่างๆ ดังนี้
- อัตราเร็วของการเปลี่ยนแปลงนา้ หนักสตรอเบอร์รีท่อี ณ ุ หภูมิ 5.5 และ 23ซ
- ค่าพลังงานกระตุ้น (Ea) และ ค่าคงที่ๆ ไม่ข้ นึ กับอุณหภูมิ (k0) ของการเปลี่ยนแปลงนา้ หนัก
สตรอเบอร์รี
- อัตราเร็วของการเปลี่ยนแปลงนา้ หนักสตรอเบอร์รีท่อี ณ ุ หภูมิ 0 10 20 30 และ 40ซ
- อายุการเก็บสตรอเบอร์รีท่อี ณ ุ หภูมิ 0 10 20 30 และ 40ซ
~ 317 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เวลา (วัน) 0 1 3 5 7 9 11 13
นา้ หนักเฉลี่ย 5.5ซ 92.5 89.7 85.1 81.0 78.5 75.8 71.9 70.4
(กรัม) 23ซ 94.5 89.2 80.7 75 72.8
วิธีทา
เมื่อนาข้ อมูลมาสร้ างแผนภูมิ พบว่าได้ แผนภูมใิ นลักษณะเอกซ์โพเนนเชียล ดังภาพที่ 6.4 แสดงว่า
การเปลี่ยนแปลงนา้ หนักของสตรอเบอร์รีน้ เี ป็ นปฏิกริ ิยาอันดับหนึ่ง ซึ่งสามารถคานวณหาค่าอัตราเร็ว
ของปฏิกริ ิยาที่อณ
ุ หภูมิ 5.5 และ 23ซ ได้ โดยเลือกศึกษาการเปลี่ยนแปลงเฉพาะในช่วงทีส่ ตรอ
เบอร์รียังถือว่ามีคุณภาพดี คือ 7 วันที่อณ
ุ หภูมิ 5.5ซ และ 3 วันที่อณ ุ หภูมิ 23ซ
100
95
90
85
น้าหนักเฉลี่ย
80 .5°ซ
กรัม
75 °ซ
70
65
60
0 5 10 15 เวลา วัน
~ 318 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ที่อณ
ุ หภูมิ 23ซ log (80.7 / 94.5) = (k / 2.303) (3 – 0)
log (0.85) = (k / 2.303) (3)
-0.07 = (k / 2.303) (3)
k 23 = (-0.07 / 3) (2.303)
= -0.054
จาก k = ko e –Ea/RT
ที่อณ
ุ หภูมิ 5.5ซ -0.023 = ko e –Ea/R(273.15+5.5) . . . (1)
–Ea/R(273.15+23)
ที่อณุ หภูมิ 23ซ -0.054 = ko e . . . (2)
–[ Ea / R ] [ (1/278.65) – (1/ 296.15) ]
(1) / (2) 0.426 = e
log (0.426) = [ 1/ 2.303] [-Ea/8.314] [2.121x10-4]
Ea = 33,467.2 J mole-1
~ 319 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารจากอัตราเร็วของปฏิกิริยา
~ 320 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ในกรณีท่ใี ช้ อณ
ุ หภูมเิ ป็ นองศาฟาเรนไฮต์ (ฟ) สัดส่วนของอัตราเร็วของปฏิกริ ิยาการเสื่อมเสียของ
ผลิตภัณฑ์อาหารที่เกิดขึ้นเมื่ออุณหภูมมิ คี วามแตกต่างกันทุกๆ 10ฟ (q10) มีความสัมพันธ์กบั อัตราเร็วของ
ปฏิกริ ิยาการเสื่อมเสียของผลิตภัณฑ์อาหารที่เกิดขึ้นเมื่ออุณหภูมมิ คี วามแตกต่างกันทุกๆ 10ซ (Q10) ดัง
สมการ 6.6 (Vanee, 1996)
~ 321 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารโ ยวิธีคิวเทน
~ 322 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 323 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
dmi/dt = [K / ] [ me - mi ]
mc tc
[ 1 / me - mi ] dmi = [K / ] dt
m0 t0
~ 324 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ดังนั้น t = t1 + t 2
ตัวอย่างที่ 6.3
กรุณาประมาณอายุการเก็บที่อณ
ุ หภูมิ 30C ของผลิตภัณฑ์ขนมขบเคี้ยวชนิดหนึ่ง ซึ่งบรรจุในภาชนะ
บรรจุท่มี คี ่าการซึมผ่านของความชื้น (P/x) 0.3 g water / m2 mmHg day พื้นที่ผิวของภาชนะบรรจุ 0.150
m2 ปริมาณบรรจุ 500 กรัม ความชื้นเริ่มต้ นของผลิตภัณฑ์ร้อยละ 2 (โดยนา้ หนักแห้ ง) ความชื้นที่
ภาวะสมดุลของผลิตภัณฑ์เท่ากับร้ อยละ 8 แต่ผลิตภัณฑ์จะไม่เป็ นที่ยอมรับเมื่อมีความชื้นเกินร้ อยละ 6
ค่ากิจกรรมของนา้ และความชื้น โดยนา้ หนักแห้ ง ในช่ วงที่สนใจของผลิตภัณฑ์มีความสัมพันธ์กันแบบเส้ นตรง
m = aw + เมื่อ = 0.06 g water / g of solid และกาหนดให้ ความชื้นเป็ นปั จจัยหลักเพี ยงอย่าง
เดียวที่มีผลต่อการเปลี่ยนแปลงที่เกิดขึ้น และค่าการซึมผ่านของภาชนะบรรจุ มีค่าคงที่ตลอดการเก็บรักษา
จากนั้นกรุณาประมาณอายุการเก็บของผลิตภัณฑ์น้ ี เมื่อเปลี่ยนวัสดุท่ใี ช้ ทาภาชนะบรรจุเป็ นวัสดุท่มี ีการซึมผ่าน
ของความชื้นเท่ากับ 0.05 0.1 และ 0.2 g water / m2 mmHg day ตามลาดับ
จาก K = [ P/x] P0 A / Ws
K = [0.3] [32][0.150] / [500]
K = 2.88 x 10-3
~ 325 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
กรณีศึกษา
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารแห้ง
อาหารความชื้ นปานกลาง และอาหารขบเคี้ ยว
60
50
ความชื้น 40
โดยนา้ หนักแห้ ง
30
( Moisture y = 91.64x - 45.57
content 20 R² = 0.8228
(dry basis))
10
0
0 0.2 0.4 0.6 0.8 1
~ 326 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 327 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
A B A B C
1 วันที่ OD ที่ 420 nm 1 วันที่ 5.5°ซ 23°ซ
2 0 0.1 2 0 92.5 94.5
3 10 0.114 3 1 89.7 89.2
4 20 0.127 4 3 85.1 80.7
5 30 0.141 5 5 81
6 40 0.155 6 7 78.5
(ก) (ข)
ภาพที่ 6.6 การพิมพ์ข้อมูลเพื่อสร้ างแผนภูมสิ าหรับ (ก) ตัวอย่างที่ 6.1 และ (ข) ตัวอย่างที่ 6.2
(ก)
(ข)
ภาพที่ 6.7 แผนภูมกิ ระจายที่มแี ต่เครื่องหมายของ (ก) ตัวอย่างที่ 6.1 และ (ข) ตัวอย่างที่ 6.2
~ 328 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
(ก)
(ข)
~ 329 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารจากอัตราเร็วของปฏิกิริยา
~ 330 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เฉลยกรณีศึกษา
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารโ ยวิธีคิวเทน
เฉลยกรณีศึกษา
การศึกษาอายุการเก็บของผลิตภัณฑ์อาหารแห้ง
อาหารความชื้ นปานกลาง และอาหารขบเคี้ ยว
~ 331 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
เอกสารอ้างอิง
Pavinee Chinachoti. Workshop on Food products shelf-life stability. 26-28 November 1996.
Organized by Department of Product Development, Faculty of Agro-Industry, Kasetsart
University, Bangkok; 1996, 148 p.
Robertson GL and Huges HA. Food packaging : principles and practice. New York: Marcel Dekker;
1993, 676 p.
Robertson GL. Food packaging and shelf life. In: Robertson GL, editor. Food packaging and shelf life:
a practical guide. Boca Raton, FL: CRC Press; 2009, p.1-16.
Singh RP. Scientific principles of shelf life evaluation. In: Man CMD and Jones AA, editors. Shelf life
evaluation of food. Glasgow: Chapman & Hall; 1994, p. 3-26.
Vanee Komolprasert. Workshop on Food packaging. 2-13 December 1996. Organized by Department
of Food Science, Thammasart University Rungsit, Pathumthani; 1996, 143 p.
Wangcharoen W. Development of dried chewy longan arils. Maejo International Journal of Science and
Technology 2013; 7(03): 467-477.
~ 332 ~
ภาคผนวก
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 334 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 335 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 336 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตารางภาคผนวกที่ 2 ค่าวิกฤตสาหรับการทดสอบค่าที
/2 (2-tailed) 0.8 0.5 0.2 0.1 0.05 0.02 0.01 0.002 0.001
df \ (1-tailed) 0.4 0.25 0.1 0.05 0.025 0.01 0.005 0.001 0.0005
1 0.325 1.000 3.078 6.314 12.706 31.821 63.657 318.31 636.6
2 0.289 0.817 1.886 2.920 4.303 6.965 9.925 22.327 31.599
3 0.277 0.765 1.638 2.353 3.183 4.541 5.841 10.214 12.924
4 0.271 0.741 1.533 2.132 2.777 3.747 4.604 7.173 8.610
5 0.267 0.727 1.476 2.015 2.571 3.365 4.032 5.893 6.869
6 0.265 0.718 1.440 1.943 2.447 3.143 3.707 5.208 5.959
7 0.263 0.711 1.415 1.895 2.365 2.998 3.500 4.785 5.408
8 0.262 0.706 1.397 1.860 2.306 2.897 3.355 4.501 5.041
9 0.261 0.703 1.383 1.833 2.262 2.821 3.250 4.297 4.781
10 0.260 0.700 1.372 1.813 2.228 2.764 3.169 4.144 4.587
11 0.260 0.697 1.363 1.796 2.201 2.718 3.106 4.025 4.437
12 0.259 0.696 1.356 1.782 2.179 2.681 3.055 3.930 4.318
13 0.259 0.694 1.350 1.771 2.160 2.650 3.012 3.852 4.221
14 0.258 0.692 1.345 1.761 2.145 2.625 2.977 3.787 4.141
15 0.258 0.691 1.341 1.753 2.132 2.603 2.947 3.733 4.073
16 0.258 0.690 1.337 1.746 2.120 2.584 2.921 3.686 4.015
17 0.257 0.689 1.333 1.740 2.110 2.567 2.898 3.646 3.965
18 0.257 0.688 1.330 1.734 2.101 2.552 2.878 3.610 3.922
19 0.257 0.688 1.328 1.729 2.093 2.540 2.861 3.579 3.883
20 0.257 0.687 1.325 1.725 2.086 2.528 2.845 3.552 3.850
21 0.257 0.686 1.323 1.721 2.080 2.518 2.831 3.527 3.819
22 0.256 0.686 1.321 1.717 2.074 2.508 2.819 3.505 3.792
23 0.256 0.685 1.320 1.714 2.069 2.500 2.807 3.485 3.768
24 0.256 0.685 1.318 1.711 2.064 2.492 2.797 3.467 3.745
25 0.256 0.684 1.316 1.708 2.060 2.485 2.787 3.450 3.725
26 0.256 0.684 1.315 1.706 2.056 2.479 2.779 3.435 3.707
27 0.256 0.684 1.314 1.703 2.052 2.473 2.771 3.421 3.690
28 0.256 0.683 1.313 1.701 2.048 2.467 2.763 3.408 3.674
29 0.256 0.683 1.311 1.699 2.045 2.462 2.756 3.396 3.659
30 0.256 0.683 1.310 1.697 2.042 2.457 2.750 3.385 3.646
inf 0.253 0.675 1.282 1.645 1.960 2.326 2.576 3.090 3.291
(ดัดแปลงจาก http://www.statsoftinc.com/textbook/sttable.html#t)
~ 337 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 338 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 339 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 340 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
dfTr
dfE 2 3 4 5 6 7 8 9 10
5 0.05 2.57 3.03 3.29 3.48 3.62 3.73 3.82 3.90 3.97
0.01 4.03 4.63 4.98 5.22 5.41 5.56 5.69 5.80 5.89
6 0.05 2.45 2.86 3.10 3.26 3.39 3.49 3.57 3.64 3.71
0.01 3.71 4.21 4.51 4.71 4.87 5.00 5.10 5.20 5.28
7 0.05 2.36 2.75 2.97 3.12 3.24 3.33 3.41 3.47 3.53
0.01 3.50 3.95 4.21 4.39 4.53 4.64 4.74 4.82 4.89
8 0.05 2.31 2.67 2.88 3.02 3.13 3.22 3.29 3.35 3.41
0.01 3.36 3.77 4.00 4.17 4.29 4.40 4.48 4.56 4.62
9 0.05 2.26 2.61 2.81 2.95 3.05 3.14 3.20 3.26 3.32
0.01 3.25 3.63 3.85 4.01 4.12 4.22 4.30 4.37 4.43
10 0.05 2.23 2.57 2.76 2.89 2.99 3.07 3.14 3.19 3.24
0.01 3.17 3.53 3.74 3.88 3.99 4.08 4.16 4.22 4.28
11 0.05 2.2 2.53 2.72 2.84 2.94 3.02 3.08 3.14 3.19
0.01 3.11 3.45 3.65 3.79 3.89 3.98 4.05 4.11 4.16
12 0.05 2.18 2.5 2.68 2.81 2.90 2.98 3.04 3.09 3.14
0.01 3.05 3.39 3.58 3.71 3.81 3.89 3.96 4.02 4.07
13 0.05 2.16 2.48 2.65 2.78 2.87 2.94 3.00 3.06 3.1
0.01 3.01 3.33 3.52 3.65 3.74 3.82 3.89 3.94 3.99
14 0.05 2.14 2.46 2.63 2.75 2.84 2.91 2.97 3.02 3.07
0.01 2.98 3.29 3.47 3.59 3.69 3.76 3.83 3.88 3.93
15 0.05 2.13 2.44 2.61 2.73 2.82 2.89 2.95 3.00 3.04
0.01 2.95 3.25 3.43 3.55 3.64 3.71 3.78 3.83 3.88
16 0.05 2.12 2.42 2.59 2.71 2.80 2.87 2.92 2.97 3.02
0.01 2.92 3.22 3.39 3.51 3.60 3.67 3.73 3.78 3.83
17 0.05 2.11 2.41 2.58 2.69 2.78 2.85 2.90 2.95 3.00
0.01 2.90 3.19 3.36 3.47 3.56 3.63 3.69 3.74 3.79
18 0.05 2.10 2.40 2.56 2.68 2.76 2.83 2.89 2.94 2.98
0.01 2.88 3.17 3.33 3.44 3.53 3.60 3.66 3.71 3.75
19 0.05 2.09 2.39 2.55 2.66 2.75 2.81 2.87 2.92 2.96
0.01 2.86 3.15 3.31 3.42 3.50 3.57 3.63 3.68 3.72
20 0.05 2.09 2.38 2.54 2.65 2.73 2.8 2.86 2.90 2.95
0.01 2.85 3.13 3.29 3.40 3.48 3.55 3.60 3.65 3.69
24 0.05 2.06 2.35 2.51 2.61 2.70 2.76 2.81 2.86 2.90
0.01 2.80 3.07 3.22 3.32 3.40 3.47 3.52 3.57 3.61
30 0.05 2.04 2.32 2.47 2.58 2.66 2.72 2.77 2.82 2.86
0.01 2.75 3.01 3.15 3.25 3.33 3.39 3.44 3.49 3.52
40 0.05 2.02 2.29 2.44 2.54 2.62 2.68 2.73 2.77 2.81
0.01 2.70 2.95 3.09 3.19 3.26 3.32 3.37 3.41 3.44
60 0.05 2.00 2.27 2.41 2.51 2.58 2.64 2.69 2.73 2.77
0.01 2.66 2.90 3.03 3.12 3.19 3.25 3.29 3.33 3.37
(ดัดแปลงจาก http://davidmlane.com/hyperstat/table_Dunnett.html)
~ 341 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
N N
0.10 0.05 0.01 0.10 0.05 0.01
2 - - - 31 21 22 24
3 - - - 32 22 23 24
4 - - - 33 22 23 25
5 5 - - 34 23 24 25
6 6 6 - 35 23 24 26
7 7 7 - 36 24 25 27
8 7 8 8 40 26 27 29
9 8 8 9 44 28 29 31
10 9 9 10 48 31 32 34
11 9 10 11 52 33 34 36
12 10 10 11 56 35 36 39
13 10 11 12 60 37 39 41
14 11 12 13 64 40 41 43
15 12 12 13 68 42 43 46
16 12 13 14 72 44 45 48
17 13 13 15 76 46 48 50
18 13 14 15 80 48 50 52
19 14 15 16 84 51 52 55
20 15 15 17 88 53 54 57
21 15 16 17 92 55 56 59
22 16 17 18 96 57 59 62
23 16 17 19 100 59 61 64
24 17 18 19 104 61 63 66
25 18 18 20 108 64 65 68
26 18 19 20 112 66 67 71
27 19 20 21 116 68 70 73
28 19 20 22 122 71 73 76
29 20 21 22 128 74 76 80
30 20 21 23 140 81 83 86
สาหรับค่าที่ไม่พบในตารางสามารถคานวณได้ จากสูตร k Z ( 0.25 N ) 0.5 N เมื่อ k คือ จานวนผู้
ทดสอบที่ต้องการในการะบุความแตกต่าง Z คือ ค่ามาตรฐานที่ระดับความเชื่อมั่นที่ต้องการ เมื่อทดสอบ
สมมติฐานสองทาง ( =0.10, 0.05 และ 0.01 มีค่าเท่ากับ 1.645, 1.960 และ 2.576 ตามลาดับ) และ
N คือ จานวนผู้ทดสอบทั้งหมด
(ดัดแปลงจาก Meilgaard et al., 1999)
~ 342 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
ตารางภาคผนวกที่ 7 ค่าวิกฤตสาหรับการทดสอบไคสแควร์
df \ 1.00 0.99 0.98 0.95 0.90 0.75 0.50 0.25 0.10 0.05 0.025 0.01 0.01
1 0.00 0.00 0.00 0.00 0.02 0.10 0.45 1.32 2.71 3.84 5.02 6.63 7.88
2 0.01 0.02 0.05 0.10 0.21 0.58 1.39 2.77 4.61 5.99 7.38 9.21 10.60
3 0.07 0.11 0.22 0.35 0.58 1.21 2.37 4.11 6.25 7.81 9.35 11.34 12.84
4 0.21 0.30 0.48 0.71 1.06 1.92 3.36 5.39 7.78 9.49 11.14 13.28 14.86
5 0.41 0.55 0.83 1.15 1.61 2.67 4.35 6.63 9.24 11.07 12.83 15.09 16.75
6 0.68 0.87 1.24 1.64 2.20 3.45 5.35 7.84 10.64 12.59 14.45 16.81 18.55
7 0.99 1.24 1.69 2.17 2.83 4.25 6.35 9.04 12.02 14.07 16.01 18.48 20.28
8 1.34 1.65 2.18 2.73 3.49 5.07 7.34 10.22 13.36 15.51 17.53 20.09 21.95
9 1.73 2.09 2.70 3.33 4.17 5.90 8.34 11.39 14.68 16.92 19.02 21.67 23.59
10 2.16 2.56 3.25 3.94 4.87 6.74 9.34 12.55 15.99 18.31 20.48 23.21 25.19
11 2.60 3.05 3.82 4.57 5.58 7.58 10.34 13.70 17.28 19.68 21.92 24.72 26.76
12 3.07 3.57 4.40 5.23 6.30 8.44 11.34 14.85 18.55 21.03 23.34 26.22 28.30
13 3.57 4.11 5.01 5.89 7.04 9.30 12.34 15.98 19.81 22.36 24.74 27.69 29.82
14 4.07 4.66 5.63 6.57 7.79 10.17 13.34 17.12 21.06 23.68 26.12 29.14 31.32
15 4.60 5.23 6.26 7.26 8.55 11.04 14.34 18.25 22.31 25.00 27.49 30.58 32.80
16 5.14 5.81 6.91 7.96 9.31 11.91 15.34 19.37 23.54 26.30 28.85 32.00 34.27
17 5.70 6.41 7.56 8.67 10.09 12.79 16.34 20.49 24.77 27.59 30.19 33.41 35.72
18 6.26 7.01 8.23 9.39 10.86 13.68 17.34 21.60 25.99 28.87 31.53 34.81 37.16
19 6.84 7.63 8.91 10.12 11.65 14.56 18.34 22.72 27.20 30.14 32.85 36.19 38.58
20 7.43 8.26 9.59 10.85 12.44 15.45 19.34 23.83 28.41 31.41 34.17 37.57 40.00
21 8.03 8.90 10.28 11.59 13.24 16.34 20.34 24.93 29.62 32.67 35.48 38.93 41.40
22 8.64 9.54 10.98 12.34 14.04 17.24 21.34 26.04 30.81 33.92 36.78 40.29 42.80
23 9.26 10.20 11.69 13.09 14.85 18.14 22.34 27.14 32.01 35.17 38.08 41.64 44.18
24 9.89 10.86 12.40 13.85 15.66 19.04 23.34 28.24 33.20 36.42 39.36 42.98 45.56
25 10.52 11.52 13.12 14.61 16.47 19.94 24.34 29.34 34.38 37.65 40.65 44.31 46.93
26 11.16 12.20 13.84 15.38 17.29 20.84 25.34 30.43 35.56 38.89 41.92 45.64 48.29
27 11.81 12.88 14.57 16.15 18.11 21.75 26.34 31.53 36.74 40.11 43.19 46.96 49.64
28 12.46 13.56 15.31 16.93 18.94 22.66 27.34 32.62 37.92 41.34 44.46 48.28 50.99
29 13.12 14.26 16.05 17.71 19.77 23.57 28.34 33.71 39.09 42.56 45.72 49.59 52.34
30 13.79 14.95 16.79 18.49 20.60 24.48 29.34 34.80 40.26 43.77 46.98 50.89 53.67
(คัดลอกจาก http://www.statsoftinc.com/textbook/sttable.html#Chi)
~ 343 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 344 ~
ดัชนี
การกระจายหน้ าที่เชิงคุณภาพ 12 การสร้ างแผนภูมแิ สดงความถี่ 236
การใช้ โปรแกรมไมโครซอฟท์เอกซ์เซล แผนการทดลอง
การทดลอง แบบแพลกเกตต์แอนด์เบอร์แมน 175
แบบแฟคทอเรียล 135 แบบลาตินสแควร์ 151
แบบสปลิทพลอท 135 แบบสุ่มสมบูรณ์ 148
การออกแบบพื้นที่การตอบสนอง 250 แบบสุ่มสมบูรณ์ในบล็อก 150
การทดสอบค่าที 34, 235 การใช้ โปรแกรมเอสพีเอสเอส
การทดสอบค่าเอฟ 35 การทดลอง
การสร้ างแผนภูมเิ พื่อหาอัตราเร็ว แบบแฟคทอเรียล 142
ของปฏิกริ ิยา 327 แบบสปลิทพลอท 142
การสร้ างแผนภูมเิ ส้นชั้น แบบส่วนผสม 189
แบบโครงลวด 253, 293 การออกแบบพื้นที่การตอบสนอง 251
การสร้ างแผนภูมแิ สดงความถี่ 233 การทดสอบค่าที 39, 236
การสร้ างภาพทิศทางความชอบ การระบุทศิ ทางความชอบในผัง
รูปแบบวงกลมหรือวงรี 293 แสดงตาแหน่งผลิตภัณฑ์ 275, 289
แบบจาลองวิศวกรรมส่วนกลับ 210 การสร้ างผังแสดงตาแหน่งผลิตภัณฑ์
โปรแกรมเส้นตรง 201 จากคะแนนความชอบ 263
แผนการทดลอง จากสมบัตขิ องผลิตภัณฑ์ 284
แบบแพลกเกตต์แอนด์เบอร์แมน 170 การสร้ างแผนภูมแิ สดงความถี่ 235
แบบลาตินสแควร์ 131 แผนการทดลอง
แบบสุ่มสมบูรณ์ 124, 127 แบบแพลกเกตต์แอนด์เบอร์แมน 172
แบบสุ่มสมบูรณ์ในบล็อก 126, 127 แบบลาตินสแควร์ 142
การใช้ โปรแกรมอาร์ แบบสุ่มสมบูรณ์ 140, 142
การทดลอง แบบสุ่มสมบูรณ์ในบล็อก 142
แบบแฟคทอเรียล 153 การทดลอง
แบบสปลิทพลอท 154 แบบแฟคทอเรียล 50, 86
แบบส่วนผสม 191 แบบสปลิทพลอท 51, 102
การออกแบบพื้นที่ การตอบสนอง 252 แบบส่วนผสม 179
การทดสอบค่าที 42, 237 แบบอีโวลูชันนารี โอเปอเรชัน 237
การระบุทศิ ทางความชอบในผัง การออกแบบพื้นที่การตอบสนอง 244
แสดงตาแหน่งผลิตภัณฑ์ 279, 302 การทดสอบค่าที 22
การสร้ างผังแสดงตาแหน่งผลิตภัณฑ์ กรณีความแปรปรวนไม่แตกต่างกัน 23
จากคะแนนความชอบ 269 กรณีความแปรปรวนแตกต่างกัน 28
จากสมบัตขิ องผลิตภัณฑ์ 298 โดยโปรแกรมไมโครซอฟท์เอกซ์เซล 34
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 346 ~
สถิติและการใช้ โปรแกรมสาเร็จรูปในการพัฒนาผลิตภัณฑ์อาหาร
~ 347 ~