คำอธิบายง่ายๆ เกี่ยวกับความถูกต้องของเกณฑ์
ความถูกต้องตามเกณฑ์ หมายถึงความสามารถในการวัดตัวแปรหนึ่งเพื่อทำนายการตอบสนองของตัวแปรอีกตัวหนึ่ง
ตัวแปรหนึ่งเรียกว่า ตัวแปรอธิบาย ในขณะที่ตัวแปรอื่นเรียกว่า ตัวแปรเกณฑ์
ตัวอย่างเช่น เราอาจต้องการทราบว่าการสอบเข้าวิทยาลัยบางประเภทสามารถทำนายคะแนนเฉลี่ยเกรดเฉลี่ยภาคเรียนแรกของนักเรียนได้ดีเพียงใด
การสอบเข้าจะเป็นตัวแปรอธิบายและตัวแปรเกณฑ์จะเป็นเกรดเฉลี่ยภาคการศึกษาแรก
เราต้องการทราบว่าการใช้ตัวแปรอธิบายเฉพาะนี้เป็นวิธีการทำนายตัวแปรเกณฑ์นั้น ถูกต้องหรือไม่
วิธีวัดความถูกต้องของเกณฑ์
โดยทั่วไป เราจะวัดความถูกต้องของเกณฑ์โดยใช้หน่วยเมตริก เช่น ค่าสัมประสิทธิ์สหสัมพันธ์ของ Pearson ซึ่งรับค่าระหว่าง -1 ถึง 1 โดยที่:
- -1 บ่งชี้ถึงความสัมพันธ์เชิงเส้นเชิงลบอย่างสมบูรณ์ระหว่างตัวแปรสองตัว
- 0 บ่งชี้ว่าไม่มีความสัมพันธ์เชิงเส้นระหว่างตัวแปรสองตัว
- 1 บ่งชี้ความสัมพันธ์เชิงเส้นเชิงบวกอย่างสมบูรณ์ระหว่างตัวแปรสองตัว
ยิ่งค่าสัมประสิทธิ์สหสัมพันธ์จากศูนย์มากเท่าใด ความสัมพันธ์ระหว่างตัวแปรทั้งสองก็จะยิ่งแข็งแกร่งขึ้นเท่านั้น
เช่น ถ้าเรารวบรวมข้อมูลคะแนนสอบเข้าและเกรดเฉลี่ยภาคเรียนแรกจำนวน 1,000 คน และพบว่าตัวแปรทั้งสองมีความสัมพันธ์กันเท่ากับ 0.843 แสดงว่าตัวแปรทั้งสองมีความสัมพันธ์กันสูง
กล่าวอีกนัยหนึ่ง นักเรียนที่ได้คะแนนสูงในการสอบเข้าก็มีแนวโน้มที่จะได้คะแนนสูงในภาคการศึกษาแรกเช่นกัน ในทางกลับกัน นักเรียนที่ได้คะแนนสอบเข้าต่ำมักจะมีเกรดเฉลี่ยต่ำในช่วงภาคการศึกษาแรก
ประเภทของความถูกต้องของเกณฑ์
ความถูกต้องของเกณฑ์มีสองประเภทหลัก:
ความถูกต้องของเกณฑ์ประเภทแรกเรียกว่าความถูกต้องเชิงคาดการณ์ ซึ่งกำหนดว่าการวัดตัวแปรสามารถทำนายการวัดตัวแปรในอนาคตได้อย่างแม่นยำหรือไม่
ตัวอย่างก่อนหน้านี้ของการวัดคะแนนสอบเข้าวิทยาลัยของนักเรียนและเกรดเฉลี่ยภาคการศึกษาแรกคือตัวอย่างของการวัดความถูกต้องเชิงคาดการณ์ เนื่องจากเรากำลังวัดตัวแปรสองตัวในเวลาที่ต่างกัน
กล่าวอีกนัยหนึ่งคือเราพยายามพิจารณาว่าคะแนนสอบเข้าสามารถ ทำนาย เกรดเฉลี่ยภาคการศึกษาแรกได้ดีหรือไม่
ความถูกต้องของเกณฑ์ประเภทที่สองเรียกว่าความถูกต้องที่เกิดขึ้นพร้อมกัน ซึ่งวัดตัวแปรสองตัว พร้อมกัน (เช่น ในเวลาเดียวกัน) เพื่อดูว่าตัวแปรตัวหนึ่งมีความเกี่ยวข้องอย่างมีนัยสำคัญกับอีกตัวหนึ่งหรือไม่
ตัวอย่างนี้คือหากบริษัทจัดการทดสอบบางประเภทเพื่อดูว่าผลการทดสอบมีความสัมพันธ์กับประสิทธิภาพการทำงานของพนักงานหรือไม่
ข้อดีของแนวทางนี้คือเราไม่จำเป็นต้องรอเวลาในอนาคตเพื่อทำการวัดเกณฑ์ตัวแปรที่น่าสนใจ