จำนวนซ้ำ

จำนวนซ้ำ (Replication) ไม่ได้มีไว้แค่เพื่อให้ครบตามสูตรสถิติ แต่มีไว้เพื่อเพิ่มพลังในการทดสอบ (Statistical Power) ยิ่งทำซ้ำมาก ความคลาดเคลื่อนยิ่งลดลง และโอกาสในการตรวจพบผลสำเร็จของงานวิจัยยิ่งสูงขึ้น อย่างไรก็ตาม นักวิจัยต้องรักษาสมดุลระหว่าง ‘ความแม่นยำที่ต้องการ’ กับ ‘งบประมาณที่มี’ โดยยึดหลัก Error df ไม่น้อยกว่า 12 เป็นเกณฑ์เริ่มต้น

จำนวนครั้งที่ชุดทรีตเมนต์ทั้งหมดถูกทำซ้ำในการทดลองเรียกว่า จำนวนซ้ำ (Number of replications) การสุ่มตัวอย่างหลายจุด (quadrats) จากพื้นที่ขนาดใหญ่ที่ปลูกพันธุ์เดียว หรือการสังเกตหลายครั้งจากแปลงเดียว ไม่ถือเป็นจำนวนซ้ำที่แท้จริง สิ่งเหล่านี้คือตัวอย่างย่อย (subsamples) และความแปรปรวนของมันคือความคลาดเคลื่อนจากการสุ่มตัวอย่าง (sampling error) ไม่ใช่ความคลาดเคลื่อนจากการทดลอง (experimental error)

ผลของจำนวนซ้ำ (Effect of replication)

การทำซ้ำจำเป็นต้องมีเพื่อให้สามารถวัดความคลาดเคลื่อนจากการทดลองได้ นอกจากนี้ยังเป็นวิธีที่ง่ายที่สุดในการเพิ่มความแม่นยำ แต่เมื่อถึงจุดหนึ่ง การเพิ่มจำนวนซ้ำจะให้ความแม่นยำเพิ่มขึ้นเพียงเล็กน้อยจนไม่คุ้มกับค่าใช้จ่ายที่เพิ่มขึ้น

การกำหนดจำนวนซ้ำ

ขึ้นอยู่กับขนาดของความคลาดเคลื่อนจากการทดลองที่คาดว่าจะเกิดขึ้นและความแม่นยำที่ต้องการ โดยทั่วไปมักใช้ค่าสัมประสิทธิ์ความแปรปรวน (CV) ของผลผลิตเป็นเกณฑ์ ในแปลงทดลองของ IRRI ค่า CV เฉลี่ยของผลผลิตจะอยู่ที่ประมาณ 8% สำหรับการทดสอบพันธุ์ และ 10% สำหรับการทดลองอื่น ๆ แปลงทดลองคือพื้นที่ที่เราใช้ในการทดลองวิธีการต่างๆ อย่างเป็นระบบ

ดังนั้น ขนาดของแปลงจึงไม่ได้หมายถึงแค่พื้นที่ที่เราจะเก็บเกี่ยวผลผลิตเท่านั้น แต่รวมถึงพื้นที่ทั้งหมดที่ได้รับวิธีการทดลองนั้นๆ ด้วย รูปร่างของแปลงก็คืออัตราส่วนระหว่างความยาวและความกว้าง ส่วนการวางแนวของแปลงคือการเลือกทิศทางของความยาวแปลง ซึ่งแปลงรูปสี่เหลี่ยมจัตุรัสจะไม่สามารถกำหนดทิศทางการวางแนวได้

”กฎของ Error df”

หลักการ: เพื่อให้การทดสอบสถิติมีความเชื่อถือได้ ค่า Degrees of Freedom ของ Error (df error) ควรมีค่าอย่างน้อย 10 ถึง 12
สูตรสำหรับ RCBD: $df = (t-1)(r-1)$ (เมื่อ $t$ = จำนวนกรรมวิธี, $r$ = จำนวนซ้ำ)
ตัวอย่าง: หากคุณทดลองข้าว 4 สายพันธุ์ ( $t=4$ )
- ถ้าใช้ 3 ซ้ำ: $df = (4-1)(3-1) = 6$ (น้อยเกินไป ผลสถิติจะไม่เสถียร)
- ถ้าใช้ 5 ซ้ำ: $df = (4-1)(5-1) = 12$ (เหมาะสมตามเกณฑ์)
- ดังนั้น ถ้าจำนวนกรรมวิธีน้อย คุณยิ่งต้องเพิ่มจำนวนซ้ำให้มากขึ้น

Standard Error of Mean (SE) กับ จำนวนซ้ำ

ค่าความคลาดเคลื่อนมาตรฐานของค่าเฉลี่ยคำนวณจากสูตร: $SE = \frac{CV}{\sqrt{r}}$

จุดเปลี่ยน (Diminishing Returns): เมื่อเราเพิ่มจำนวนซ้ำจาก 2 เป็น 4 ค่า SE จะลดลงอย่างรวดเร็ว (เพราะหารด้วย $\sqrt{2}$ ไปเป็น $\sqrt{4}$ ) แต่ถ้าเพิ่มจาก 8 เป็น 10 ความแม่นยำที่ได้เพิ่มขึ้นจะน้อยมากจนไม่คุ้มค่าแรงงาน
ข้อแนะนำ: สำหรับงานทดลองข้าวทั่วไป 3-4 ซ้ำ คือจุดที่คุ้มค่าที่สุด (Optimal point)

Estimated standard error of a treatment mean as a percentage of the mean for varying number of replications and coefficients of variation (cv).

การตรวจหาความแตกต่าง (Sensitivity/Detection Power)

“ต้องใช้กี่ซ้ำ ถึงจะเห็นว่าพันธุ์ A ดีกว่าพันธุ์ B จริงๆ”

ถ้าดินมีความแปรปรวนสูง (CV 15%) และคุณต้องการตรวจหาความแตกต่างที่ระดับ 10% ของค่าเฉลี่ย คุณอาจต้องใช้ถึง 10-12 ซ้ำ ซึ่งในทางปฏิบัติทำไม่ได้
ทางเลือก: หากเพิ่มซ้ำไม่ได้ ต้องกลับไปคุมความสม่ำเสมอของดินในแปลง หรือปรับปรุงเทคนิคการเก็บข้อมูลเพื่อให้ค่า CV ลดลงแทน

ค่าสัมประสิทธิ์ของความแปรปรวน

ค่าสัมประสิทธิ์ของความแปรปรวน (Coefficient of Variation: C.V.) เป็นค่าทางสถิติที่ใช้เป็นดัชนีบ่งชี้ถึงคุณภาพของการทดลองและความน่าเชื่อถือของผลการทดลองนั้นๆ โดยเป็นการวัดความแปรปรวนของงานทดลองในเชิงสัมพัทธ์เพื่อเปรียบเทียบกับค่าเฉลี่ย

เกณฑ์ความน่าเชื่อถือของค่า C.V. มีรายละเอียดดังนี้

1. เกณฑ์มาตรฐานทั่วไปตามประเภทงานทดลอง

งานทดลองเปรียบเทียบพันธุ์ข้าว: ในสถานีทดลองมักมีค่าเฉลี่ยอยู่ที่ประมาณ 8% หรืออยู่ในช่วง 10% ± 3
งานทดลองทางปฐพีวิทยาหรือพืชไร่อื่นๆ: มักมีค่าเฉลี่ยอยู่ที่ประมาณ 10%
งานทดลองด้านเขตกรรม (Cultural practices): ค่ามาตรฐานที่น่าเชื่อถือจะอยู่ที่ประมาณ 12% ± 6

2. เกณฑ์ตามสภาพแวดล้อมและพืชที่ศึกษา

ในนาเกษตรกร: ความน่าเชื่อถือจะลดลงตามสภาพแวดล้อมที่ควบคุมยาก ค่า C.V. ที่ยอมรับได้จะสูงขึ้นเป็นประมาณ 13% ± 5 สำหรับงานเปรียบเทียบพันธุ์
พืชต่างชนิดกัน: เช่น งานทดลองถั่วเหลือง ค่า C.V. ของผลผลิตอาจสูงถึง 19% ± 6 แต่สำหรับลักษณะที่แปรปรวนน้อยอย่างน้ำหนัก 100 เมล็ด ค่า C.V. ควรจะต่ำเพียง 6% ± 2 ถึงจะน่าเชื่อถือ
งานด้านแมลงศัตรูพืช: มักมีความแปรปรวนสูงกว่างานด้านพันธุ์หรือปุ๋ย โดยค่า C.V. อาจสูงได้ถึง 16% - 29% ขึ้นอยู่กับชนิดของแมลง

ปัจจัยที่ส่งผลต่อค่า C.V.

ความไม่สม่ำเสมอของดิน (Soil Heterogeneity): ดินที่มีความแตกต่างกันมากในพื้นที่เดียวกันจะทำให้ค่า C.V. สูงขึ้น
เทคนิคปฏิบัติ: การใช้เทคนิคการวางแผนทดลองที่ไม่เหมาะสม หรือขนาดแปลงย่อยที่เล็กเกินไป
ความคลาดเคลื่อนจากการทดลอง (Experimental Error): หากการจัดการในแต่ละซ้ำไม่สม่ำเสมอ จะส่งผลโดยตรงต่อค่า C.V.

ตัวอย่างการคำนวณจำนวนซ้ำที่เหมาะสม

ตัวอย่างที่ 1: การทดลองเปรียบเทียบพันธุ์ข้าว

สถานการณ์: คุณกำลังวางแผนการทดลองเพื่อเปรียบเทียบผลผลิตของพันธุ์ข้าว 4 พันธุ์:

ข้าวหอมมะลิ 105
เจ๊กกอว่าน
ขาวดอกสีชมพู 90
ข้าวพื้นเมือง (Local variety)

ข้อมูลเบื้องต้น: จากงานก่อนหน้า ค่า CV ของผลผลิตในสถานที่คล้ายคือ 10%

วิธีการคำนวณจำนวนซ้ำที่เหมาะสม:

ขั้นตอนที่ 1: คำนวณ Error df ตามกฎของ Error df

สูตรสำหรับ RCBD: $df = (t-1)(r-1)$

เมื่อ $t$ = จำนวนกรรมวิธี = 4 เมื่อ $r$ = จำนวนซ้ำ (ยังไม่ทราบ)

ทดลองค่า $r$ ต่างๆ:

จำนวนซ้ำ (r)	df = (4-1)(r-1)	ตรวจสอบ
3 ซ้ำ	(3)(2) = 6	❌ น้อยเกินไป
4 ซ้ำ	(3)(3) = 9	❌ ยังน้อย
5 ซ้ำ	(3)(4) = 12	✅ ตรงเกณฑ์
6 ซ้ำ	(3)(5) = 15	✅ เกินเกณฑ์

ขั้นตอนที่ 2: คำนวณความแม่นยำที่จะได้ (SE)

สูตร: $SE = \frac{CV}{\sqrt{r}}$

เมื่อ CV = 10% (จากงานก่อนหน้า)

จำนวนซ้ำ (r)	√r	SE (เมื่อ CV = 10%)
4 ซ้ำ	2.00	5.0%
5 ซ้ำ	2.24	4.5%
6 ซ้ำ	2.45	4.1%

ขั้นตอนที่ 3: พิจารณาคุ้มค่า

จากขั้นตอนที่ 1 เราพบว่า 4 ซ้ำให้ df = 9 ซึ่งยังน้อยกว่าเกณฑ์ขั้นต่ำสุด (10-12) จากขั้นตอนที่ 2 เราพบว่า 5 ซ้ำให้ SE = 4.5% และ 6 ซ้ำให้ SE = 4.1%

คำแนะนำ: ใช้ 5 ซ้ำ เพราะ:

ตรงตามเกณฑ์ Error df (df = 12)
ให้ความแม่นยำ SE = 4.5% ซึ่งดีพอ
ไม่ใช้ทรัพยากรมากเกินไป

ตัวอย่างที่ 2: การทดลองในนาเกษตรกร

สถานการณ์: คุณต้องการทดลองเทคโนโลยีปุ๋ยระหว่างนาเกษตรกร 10 คนในพื้นที่ที่แตกต่างกัน

ข้อจำกัด:

พื้นที่ของแต่ละเกษตรกรจำกัด
ต้องทำการทดลองซ้ำเดียว (no replication per farmer)
แต่ละเกษตรกรคือ “replication” หนึ่ง

การกำหนดจำนวนซ้ำ:

ในกรณีนี้ จำนวนซ้ำ = จำนวนเกษตรกร = 10

คำนวณความถูกต้อง:

ปัจจัย	ค่า
จำนวนกรรมวิธี (t)	2 (เทคโนโลยีเก่า, เทคโนโลยีใหม่)
จำนวนซ้ำ (r)	10
df = (2-1)(10-1) = 9	❌ อาจน้อยเกินไป

แนวทางแก้ไข:

เพิ่มจำนวนเกษตรกรเป็น 12-15 คน
หรือใช้ RCBD โดยทำซ้ำ 2 ครั้งในแต่ละนาเกษตรกร (ถ้าพื้นที่อนุญาต)

คำแนะนำสำหรับการกำหนดจำนวนซ้ำ

เริ่มจากเกณฑ์ Error df: คำนวณ df ก่อน ควรให้มีค่าอย่างน้อย 10-12
ตรวจสอบความแม่นยำ: คำนวณ SE จาก CV ที่คาดหวั ดูว่าจุดเปลี่ยนอยู่ที่ไหน
พิจารณาทรัพยากร: ให้แน่ใจว่าพื้นที่ งบประมาณ และแรงงาน เพียงพอหรือไม่
อ้างอิงมาตรฐาน: ใช้ค่าที่แนะนำโดยกรมวิชาการเกษตร (DOA) หรือสถาบันวิจัยข้าว

บทถัดไป: อ่านเพิ่มเติมเกี่ยวกับ การออกแบบการทดลอง ในบทที่ 3 ซึ่งจะอธิบายถึงหลักการพื้นฐานของการออกแบบการทดลอง