Ton_EasyStatisticAnalysis

Easy Statistic Analysis Tools v2.0.0

Professional Statistical Analysis Suite for Researchers
Developed by นายจรัญญู ทองเอนก (Jarunyoo Thonganek)

สารบัญ

วิธีติดตั้ง (Local)

สิ่งที่ต้องมี

ขั้นตอน

# 1. เปิด Terminal / Command Prompt

# 2. เข้าโฟลเดอร์โปรเจค
cd d:/python/EesyStatisticAnalysis/webapp

# 3. ติดตั้ง dependencies (ครั้งแรกครั้งเดียว)
npm install

# 4. รันแอป
npm start

เปิดเบราว์เซอร์ที่ http://localhost:3000

Login: thankyou / 1234

สำหรับ Windows

Double-click ไฟล์ run.bat ได้เลย

วิธีติดตั้งจาก GitHub

วิธีที่ 1: Git Clone

# 1. Clone โปรเจค
git clone https://github.com/Thonganek/EesyStatisticAnalysis.git

# 2. เข้าโฟลเดอร์
cd EesyStatisticAnalysis

# 3. ติดตั้ง dependencies
npm install

# 4. รัน
npm start

วิธีที่ 2: Download ZIP (ไม่ต้องใช้ Git)

  1. ไปที่ https://github.com/Thonganek/EesyStatisticAnalysis
  2. กดปุ่มเขียว Code → Download ZIP
  3. แตกไฟล์ ZIP
  4. เปิด Terminal ในโฟลเดอร์ที่แตกออกมา
  5. รัน:
npm install
npm start

วิธีเผยแพร่ออนไลน์ (Deploy)

ให้คนอื่นเข้าใช้ผ่านเว็บได้เลย ไม่ต้องติดตั้งอะไร

วิธีที่ 1: Render.com (แนะนำ, ฟรี)

ขั้นตอนที่ 1: สมัคร

  1. เปิด https://render.com
  2. กด Get Started for Free
  3. เลือก Sign up with GitHub
  4. อนุญาตให้ Render เข้าถึง GitHub

ขั้นตอนที่ 2: สร้าง Web Service

  1. กดปุ่ม New + (มุมขวาบน) → Web Service
  2. เลือก Build and deploy from a Git repository → Next
  3. เลือก repo Thonganek/EesyStatisticAnalysis → Connect

ขั้นตอนที่ 3: ตั้งค่า

ช่อง ใส่
Name eesy-stat
Region Singapore (Southeast Asia)
Branch main
Runtime Node
Build Command npm install
Start Command npm start
Instance Type Free

ขั้นตอนที่ 4: Deploy

  1. กด Create Web Service
  2. รอ 2-3 นาที จนขึ้น “Your service is live”
  3. ได้ลิงก์ เช่น https://eesy-stat.onrender.com
  4. แชร์ลิงก์นี้ให้ใครก็ได้!

วิธีที่ 2: Vercel (ฟรี, เร็วมาก)

  1. ไปที่ https://vercel.com → Sign up with GitHub
  2. กด Import Project → เลือก EesyStatisticAnalysis
  3. กด Deploy
  4. ได้ลิงก์ เช่น https://eesy-stat.vercel.app

วิธีที่ 3: Railway.app (ฟรี 500 ชม./เดือน)

  1. ไปที่ https://railway.app → Sign up with GitHub
  2. กด New Project → Deploy from GitHub repo
  3. เลือก EesyStatisticAnalysis
  4. Railway deploy อัตโนมัติ → ได้ลิงก์

เปรียบเทียบ

  Render Vercel Railway
ราคา ฟรี ฟรี ฟรี 500 ชม.
ความเร็ว ปานกลาง เร็วมาก เร็ว
หลับ (sleep) หลังไม่ใช้ 15 นาที ไม่หลับ ไม่หลับ
ง่าย ง่ายมาก ง่ายมาก ง่าย

วิธีแก้ไขและอัปเดต

ขั้นตอน

# 1. แก้ไขโค้ดตามต้องการ

# 2. เข้าโฟลเดอร์โปรเจค
cd d:/python/EesyStatisticAnalysis/webapp

# 3. Add + Commit + Push
git add .
git commit -m "อธิบายสิ่งที่แก้ไข"
git push

Render / Vercel / Railway จะ auto deploy ภายใน 2-3 นาที

ถ้า git push แล้ว error เรื่อง token

  1. สร้าง Personal Access Token ใหม่:
    • ไปที่ https://github.com/settings/tokens/new
    • Note: EesyStat
    • ติ๊ก repo
    • กด Generate token
    • คัดลอก token (ghp_…)
  2. อัปเดต remote URL:
git remote set-url origin https://Thonganek:TOKEN_ใหม่@github.com/Thonganek/EesyStatisticAnalysis.git
git push

วิธีอัปขึ้น GitHub ครั้งแรก (กรณีเริ่มใหม่)

cd d:/python/EesyStatisticAnalysis/webapp
git init
git add .
git commit -m "Initial commit"
git remote add origin https://github.com/Thonganek/EesyStatisticAnalysis.git
git branch -M main
git push -u origin main

วิธีตั้งค่า AI

แอปใช้ Google Gemini API สำหรับ AI วิเคราะห์ผลและ AI Chat

ขั้นตอน

  1. ไปที่ https://aistudio.google.com/apikey
  2. Login ด้วย Google Account
  3. กด Create API Key (ฟรี)
  4. คัดลอก API Key

ตั้งค่าในแอป

  1. เข้าแอป → เมนู AI Settings
  2. วาง API Key ในช่อง
  3. เลือก Model:
    • gemini-2.5-flash-lite — เร็ว ประหยัด
    • gemini-2.5-flash — สมดุล (แนะนำ)
    • gemini-2.5-pro — แม่นยำสูง
  4. กด Save Settings
  5. กด Test Connection เพื่อทดสอบ

การใช้งาน AI

คุณสมบัติทั้งหมด

Data Analysis (วิเคราะห์ข้อมูลเบื้องต้น)

เครื่องมือ รายละเอียด
Descriptive Mean, S.D., S.E., 95% CI, Skewness, Kurtosis
Numeric วิเคราะห์ตัวแปรเชิงปริมาณ
Nominal ความถี่ ร้อยละ Cumulative%
Likert Scale 5/3 ระดับ ตั้งค่าเกณฑ์แปลผลได้ จัดอันดับ
Interval จัดกลุ่มช่วงต่อเนื่อง หลายตัวแปร ตั้งค่า popup
Outlier ตรวจค่าผิดปกติด้วย IQR
Normality Shapiro-Wilk, Kolmogorov-Smirnov

Parametric Tests (สถิติ Parametric)

สถิติ ใช้เมื่อ ผลลัพธ์
Independent t-test เปรียบเทียบ 2 กลุ่มอิสระ t, df, Mean Diff, p, 95% CI, Cohen’s d
Paired t-test เปรียบเทียบก่อน-หลัง t, df, Mean Diff, p, 95% CI, Cohen’s d
One-way ANOVA เปรียบเทียบ 3+ กลุ่ม F, p, eta-squared, Post-hoc
Two-way ANOVA 2 ปัจจัย + ปฏิสัมพันธ์ F, p, eta-squared
RM-ANOVA วัดซ้ำ 3+ ครั้ง F, p, Pairwise
ANCOVA ควบคุมตัวแปรร่วม F, p, Adjusted Means

Non-Parametric Tests (สถิติ Non-Parametric)

สถิติ ใช้แทน ผลลัพธ์
Mann-Whitney U Independent t-test U, Z, p, r, Mean Rank
Wilcoxon Paired t-test W, Z, p, r, Ranks
Kruskal-Wallis One-way ANOVA H, p, eta-squared, Post-hoc
Friedman RM-ANOVA Chi-square, p, Kendall’s W
Chi-Square ความสัมพันธ์ตัวแปรกลุ่ม Chi-square, p, Cramer’s V

Advanced Analysis

เครื่องมือ รายละเอียด
Correlation Pearson, Spearman, Kendall + Heatmap
Linear Regression R, R-squared, Durbin-Watson, VIF, Beta
Logistic Regression OR, Wald, AIC, Classification Table
Assumption Tests Normality, Levene, VIF
Reliability Cronbach’s Alpha, Item-Total, Alpha if Deleted
Effect Size Cohen’s d, Hedges’ g, OR, RR + 95% CI

AI Features

ฟีเจอร์ รายละเอียด
AI วิเคราะห์ผล สรุปผลวิจัย 5 รูปแบบ (บทที่ 4, บทคัดย่อ, ฯลฯ)
AI Chat ถาม-ตอบเรื่องสถิติ แนะนำการใช้สถิติ
Assumption Check ตรวจข้อตกลงอัตโนมัติทุกสถิติ พร้อมคำแนะนำ
คำแนะนำ ทุกหน้ามี “เมื่อไหร่ควรใช้” พร้อมตัวอย่าง

Export & Templates

ฟีเจอร์ รายละเอียด
Export Excel ดาวน์โหลดผลวิเคราะห์เป็น .xlsx
Export Word ดาวน์โหลดเป็น .doc พร้อมผล AI
Sample Templates ข้อมูลตัวอย่าง + กรณีศึกษา ทุกสถิติ

โครงสร้างโปรเจค

EesyStatisticAnalysis/
├── package.json          # npm dependencies
├── server.js             # Express server + AI proxy + Template API
├── run.bat               # Windows launcher (double-click)
├── README.md             # ไฟล์นี้
├── .gitignore            # ไฟล์ที่ไม่อัปขึ้น GitHub
├── public/
│   ├── index.html        # หน้าเว็บหลัก (Single Page App)
│   ├── qrcode.jpg        # QR Code LINE
│   ├── developer.png     # รูปผู้พัฒนา
│   ├── css/
│   │   └── style.css     # Stylesheet (Pastel Blue Theme)
│   └── js/
│       ├── app.js        # Logic หลัก (navigation, AI, export)
│       └── stats.js      # คำนวณสถิติทั้งหมด (client-side)
└── resources/
    ├── qrcode.jpg
    └── developer.png

Tech Stack

ส่วน เทคโนโลยี
Backend Node.js + Express
Frontend HTML + CSS + JavaScript (SPA)
Statistics jStat + Custom implementations
Excel I/O SheetJS (xlsx)
AI Google Gemini API

การใช้งานเบื้องต้น

1. Login

2. Upload ข้อมูล

3. เลือกการวิเคราะห์

4. ดูผลลัพธ์

5. เลือกตัวแปร (Popup)

แก้ปัญหาที่พบบ่อย

npm start แล้วไม่ขึ้น

# ตรวจสอบว่าติดตั้ง Node.js แล้ว
node --version

# ถ้ายังไม่ติดตั้ง ไปดาวน์โหลดที่ nodejs.org

# ติดตั้ง dependencies ใหม่
npm install
npm start

Port 3000 ถูกใช้งานอยู่

# Windows: หา process ที่ใช้ port 3000
netstat -ano | findstr :3000

# Kill process (แทน PID ด้วยเลขที่เจอ)
taskkill /PID เลข /F

# รันใหม่
npm start

AI ใช้งานไม่ได้

  1. ตรวจสอบว่าใส่ API Key แล้ว (AI Settings)
  2. กด Test Connection
  3. ถ้า error: สร้าง API Key ใหม่ที่ https://aistudio.google.com/apikey
  4. ตรวจสอบ internet connection

git push error

# สร้าง token ใหม่ที่ github.com/settings/tokens/new (ติ๊ก repo)
git remote set-url origin https://Thonganek:TOKEN_ใหม่@github.com/Thonganek/EesyStatisticAnalysis.git
git push

License

Copyright (c) 2023-2026 นายจรัญญู ทองเอนก (Jarunyoo Thonganek)
All Rights Reserved