ANCOVA là gì? Cách đọc kết quả và tiêu chí đánh giá

ANCOVA là gì

ANCOVA, viết đầy đủ là Analysis of Covariance, là phân tích hiệp phương sai dùng để so sánh giá trị trung bình của một biến phụ thuộc giữa từ hai nhóm trở lên, sau khi đã kiểm soát ảnh hưởng của một hoặc nhiều biến đồng biến, còn gọi là covariate. Bạn có thể hình dung tình huống như sau: muốn so sánh điểm kiểm tra cuối kỳ giữa ba phương pháp học, nhưng điểm đầu kỳ của sinh viên giữa các nhóm không giống nhau. ANCOVA cho phép so sánh điểm cuối kỳ sau khi điều chỉnh theo điểm đầu kỳ.

Mô hình ANCOVA thường có ba thành phần: biến phụ thuộc dạng định lượng, biến độc lập dạng nhóm và covariate dạng định lượng. Công thức khái quát có thể viết là:

Y = μ + τ + β(X - X̄) + ε

Trong đó, Y là biến phụ thuộc, τ là ảnh hưởng của nhóm, X là covariate, β là hệ số hồi quy của covariate và ε là sai số. Mục tiêu bạn cần đọc trong output là xem sau khi kiểm soát covariate, các nhóm còn khác nhau có ý nghĩa thống kê hay không.

ANCOVA gần với ANOVA, nhưng ANOVA chỉ so sánh trung bình giữa các nhóm mà không điều chỉnh thêm biến liên tục. Nếu bạn chỉ có hai nhóm, t test có thể phù hợp. Nếu có từ ba nhóm nhưng không có covariate cần kiểm soát, hãy xem thêm one factor ANOVA.

Ý nghĩa của ANCOVA trong nghiên cứu định lượng

ANCOVA giúp bạn trả lời câu hỏi có tính công bằng hơn khi các nhóm ban đầu khác nhau. Ví dụ, nhóm sử dụng phương pháp A có điểm cuối kỳ cao hơn nhóm B. Nếu nhóm A vốn đã có điểm đầu kỳ cao hơn, chênh lệch cuối kỳ có thể không hoàn toàn đến từ phương pháp học. Covariate điểm đầu kỳ giúp mô hình tách phần khác biệt có sẵn khỏi phần khác biệt liên quan đến biến độc lập.

Trong nghiên cứu định lượng, ANCOVA thường được dùng khi mô hình nghiên cứu có một biến phân loại làm biến độc lập và một biến định lượng làm kết quả. Biến nhóm có thể là phương pháp đào tạo, loại chương trình, khu vực hoặc nhóm khách hàng. Covariate có thể là điểm đo trước can thiệp, tuổi, thu nhập hoặc một chỉ số nền tảng có lý do lý thuyết để đưa vào mô hình.

Bạn không nên đưa một biến vào làm covariate chỉ vì nó có tương quan với biến phụ thuộc trong file dữ liệu. Cần có lập luận phương pháp và lý thuyết cho việc kiểm soát biến đó. Nếu covariate là một phần của cơ chế tác động mà giả thuyết muốn kiểm định, việc kiểm soát nó có thể làm thay đổi câu hỏi nghiên cứu.

ANCOVA cũng giúp giảm phần biến thiên sai số của biến phụ thuộc khi covariate có liên quan phù hợp với kết quả. Tuy nhiên, phân tích này không tự động chứng minh quan hệ nhân quả. Nếu dữ liệu của bạn là khảo sát cắt ngang, hãy diễn đạt kết quả ở mức khác biệt hoặc mối liên hệ theo thiết kế nghiên cứu, thay vì khẳng định chắc chắn rằng một nhóm gây ra kết quả cao hơn.

Để đặt ANCOVA đúng trong quy trình phân tích, bạn có thể xem chủ đề Thống kê, rồi xác định biến phụ thuộc, biến nhóm và covariate trước khi mở SPSS. Nếu bài của bạn chỉ cần so sánh hai nhóm, kiểm định t test có thể là lựa chọn gọn hơn.

ANCOVA bao nhiêu là đạt

Câu hỏi “ANCOVA bao nhiêu là tốt” thường xuất hiện khi bạn nhìn thấy các cột F, Sig., Partial Eta Squared hoặc Adjusted Mean. Không có một con số duy nhất gọi là ANCOVA đạt. Bạn phải đọc từng phần theo câu hỏi nghiên cứu và kiểm tra giả định trước khi kết luận.

Cột quan trọng nhất để kết luận hiệu ứng của biến nhóm thường là Sig. trong bảng Tests of Between-Subjects Effects, tại đúng dòng của biến độc lập sau khi đã đưa covariate vào mô hình. Quy tắc p-value dưới 0.05 thường được dùng trong nhiều luận văn, nhưng ngưỡng này cần được đặt trước theo thiết kế nghiên cứu và quy ước của đề tài. Bảng dưới đây tách các chỉ số thường gặp để bạn không nhầm giữa ý nghĩa thống kê và độ lớn hiệu ứng.

Nếu Sig. của biến nhóm là 0.032, bạn có thể nói có khác biệt có ý nghĩa thống kê giữa các nhóm sau khi kiểm soát covariate ở mức ý nghĩa 5 phần trăm. Nếu Sig. là 0.214, dữ liệu chưa cung cấp đủ bằng chứng để kết luận các nhóm khác nhau. Cách viết này thận trọng hơn câu “các nhóm hoàn toàn giống nhau”.

Độ lớn hiệu ứng cho biết khác biệt có đáng kể về mặt thực tiễn hay không. Một p-value nhỏ có thể xuất hiện khi cỡ mẫu lớn, trong khi chênh lệch thực tế lại nhỏ. Vì vậy, hãy báo cáo cả Partial Eta Squared, trung bình điều chỉnh và chênh lệch giữa nhóm nếu có.

Cách đọc ANCOVA trên output

Trong SPSS, ANCOVA thường chạy qua Analyze > General Linear Model > Univariate. Giả sử bạn muốn xem ảnh hưởng của phương pháp học đến Diem_CuoiKy, kiểm soát Diem_DauKy. Đưa Diem_CuoiKy vào Dependent Variable, PhuongPhap vào Fixed Factor(s) và Diem_DauKy vào Covariate(s).

Trong nút Options, chọn Descriptive statistics, Estimates of effect size, Homogeneity tests và Parameter estimates. Nếu muốn so sánh cặp giữa các nhóm, đưa biến nhóm vào Display Means for rồi chọn Compare main effects, đồng thời chọn điều chỉnh phù hợp trong Confidence interval adjustment. Ở nút Plots, có thể đưa biến nhóm vào trục ngang để quan sát trung bình điều chỉnh, nhưng biểu đồ chỉ hỗ trợ diễn giải, không thay thế bảng kiểm định.

Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo các bảng SPSS thường xuất ra để bạn đối chiếu với file của mình.

Cách đọc ví dụ này gồm ba bước. Trước hết, covariate Diem_DauKy có Sig. = .000, nghĩa là biến này có liên hệ đáng kể với điểm cuối kỳ trong mô hình minh họa. Khi viết luận văn, nên ghi p < 0.001 thay vì diễn đạt rằng p bằng đúng 0, vì phần mềm làm tròn số hiển thị.

Tiếp theo, dòng PhuongPhap có F = 4.29, Sig. = .016. Với mức ý nghĩa 0.05 đã đặt trước, có bằng chứng rằng điểm cuối kỳ điều chỉnh khác nhau giữa các phương pháp sau khi kiểm soát điểm đầu kỳ. Partial Eta Squared = .071 mô tả độ lớn hiệu ứng trong mô hình, nhưng bạn cần trình bày theo quy ước của ngành và bối cảnh, không biến nó thành kết luận về chất lượng phương pháp.

Cuối cùng, bảng Estimated Marginal Means cho thấy trung bình điều chỉnh của A, B và C. Bảng này chưa nói cặp A và B khác nhau có ý nghĩa hay không. Nếu hiệu ứng tổng thể có ý nghĩa, hãy xem các so sánh cặp đã điều chỉnh trong phần Pairwise Comparisons hoặc Multiple Comparisons.

Một điểm cần chú ý là dòng Levene's Test of Equality of Error Variances. Nếu Sig. lớn hơn mức ý nghĩa đã chọn, giả định phương sai sai số giữa các nhóm phù hợp hơn với dữ liệu. Nếu kiểm định này có ý nghĩa, bạn cần xem xét mức độ vi phạm, cỡ mẫu từng nhóm và cách báo cáo, thay vì vẫn kết luận máy móc từ bảng chính.

Khi ANCOVA không đạt thì xử lý thế nào

Nếu ANCOVA không cho kết quả như mong đợi, hãy xử lý theo thứ tự từ dữ liệu đến mô hình. Đầu tiên, kiểm tra mã hóa biến nhóm. Một biến nhóm nhập dạng chữ hoặc có mã bị thiếu có thể khiến số nhóm trong output khác với bảng dữ liệu. Kiểm tra tiếp missing values, giá trị cực đoan và kiểu đo của covariate.

Thứ hai, kiểm tra giả định tuyến tính giữa covariate và biến phụ thuộc. ANCOVA giả định mối quan hệ này phù hợp trong các nhóm. Bạn có thể tạo biểu đồ phân tán theo nhóm và xem mô hình hồi quy có hình dạng quá cong hay không. Cũng cần kiểm tra giả định đồng nhất độ dốc hồi quy, thường bằng cách đưa tương tác giữa biến nhóm và covariate vào mô hình. Nếu tương tác có ý nghĩa, tác động của covariate không giống nhau giữa các nhóm, nên cách diễn giải ANCOVA cơ bản sẽ không còn phù hợp.

Thứ ba, xem lại outlier và dữ liệu nhập sai. Không xóa một quan sát chỉ vì nó làm p-value thay đổi. Ghi lại mã quan sát, lý do kiểm tra, kết quả trước và sau khi xử lý. Nếu loại quan sát, cần có lý do liên quan đến dữ liệu hoặc thiết kế, không phải chỉ vì muốn bảng Sig. đẹp hơn.

Nếu phương sai giữa nhóm quá khác nhau, cỡ mẫu các nhóm mất cân đối hoặc giả định tuyến tính bị vi phạm nghiêm trọng, bạn nên trao đổi với giảng viên về mô hình thay thế. Tùy câu hỏi và dữ liệu, có thể cân nhắc hồi quy với biến giả, mô hình tổng quát hoặc phương pháp phi tham số. Bảng ANOVA chỉ là nơi giúp bạn nhận diện cấu trúc bảng, không phải phương án thay thế tự động cho ANCOVA.

Nếu covariate được đo sau biến độc lập hoặc bị ảnh hưởng bởi biến độc lập, việc kiểm soát nó có thể tạo ra diễn giải sai. Khi đó, quay lại thiết kế nghiên cứu và mô hình lý thuyết là bước cần thiết. Phần mềm không thể sửa một covariate được chọn sai về mặt logic.

Phân biệt ANCOVA với ANOVA

ANCOVA và ANOVA đều có thể so sánh trung bình giữa các nhóm, nhưng câu hỏi phân tích khác nhau. ANOVA kiểm tra khác biệt giữa các nhóm dựa trên biến phụ thuộc. ANCOVA kiểm tra khác biệt đó sau khi đã điều chỉnh ảnh hưởng của covariate.

Ví dụ, nếu bạn so sánh mức hài lòng giữa bốn chi nhánh và không có biến kiểm soát, ANOVA một yếu tố có thể phù hợp. Nếu bạn muốn so sánh mức hài lòng giữa bốn chi nhánh sau khi kiểm soát thời gian sử dụng dịch vụ, ANCOVA là hướng phân tích có thể xem xét, miễn là thời gian sử dụng đáp ứng điều kiện làm covariate.

Kết quả ANOVA thường tập trung vào F và Sig. của biến nhóm. Kết quả ANCOVA cần thêm kiểm tra covariate, đồng nhất độ dốc hồi quy, phương sai sai số và trung bình điều chỉnh. Vì vậy, bạn không nên lấy một bảng ANOVA chưa kiểm soát rồi gọi đó là kết quả ANCOVA.

Nếu chỉ có hai nhóm, ANCOVA có thể tương tự mở rộng của kiểm định t test khi cần kiểm soát biến liên tục. Nhưng việc chọn phương pháp vẫn phụ thuộc vào biến đo, thiết kế nghiên cứu và giả định. Hãy tránh chọn ANCOVA chỉ vì tên phương pháp nghe nâng cao hơn.

Lỗi thường gặp

Lỗi đầu tiên là nhìn Sig. của covariate rồi kết luận giả thuyết về biến nhóm. Dòng cần đọc cho giả thuyết nhóm là dòng của biến độc lập trong Tests of Between-Subjects Effects. Covariate có ý nghĩa hay không là một thông tin khác.

Lỗi thứ hai là viết “ANCOVA đạt khi Sig. < 0.05” mà không nói Sig. của dòng nào. Câu này thiếu phần quan trọng nhất của kết luận. Bạn cần ghi rõ biến nhóm, giá trị F, bậc tự do, p-value, chỉ số độ lớn hiệu ứng và hướng khác biệt từ trung bình điều chỉnh.

Lỗi thứ ba là bỏ qua Levene's Test và giả định đồng nhất độ dốc hồi quy. Một bảng kết quả đẹp không đủ để chứng minh mô hình phù hợp. Trong chương phương pháp hoặc chương kết quả, nên ghi ngắn gọn các kiểm tra đã thực hiện và cách xử lý khi phát hiện vi phạm.

Lỗi thứ tư là dùng trung bình thô thay cho Estimated Marginal Means. Khi covariate được đưa vào mô hình, trung bình điều chỉnh mới là con số phù hợp để mô tả sự khác biệt theo mô hình ANCOVA.

Lỗi cuối là xóa biến hoặc đổi mô hình nhiều lần cho đến khi p-value nhỏ. Hãy lưu từng phiên bản file output, nêu lý do thay đổi và giữ mô hình gắn với câu hỏi nghiên cứu. Người đọc luận văn có thể hỏi vì sao covariate được chọn, vì sao một quan sát bị loại và vì sao dùng ANCOVA thay vì ANOVA.

Câu hỏi thường gặp

ANCOVA là gì và dùng khi nào?

ANCOVA là phân tích so sánh trung bình giữa các nhóm sau khi kiểm soát một hoặc nhiều covariate. Bạn dùng nó khi có biến phụ thuộc định lượng, biến độc lập dạng nhóm và một biến định lượng có lý do phù hợp để kiểm soát.

ANCOVA bao nhiêu là tốt?

Không có một con số duy nhất để trả lời ANCOVA bao nhiêu là tốt. Bạn cần xem p-value của dòng biến nhóm, Partial Eta Squared, trung bình điều chỉnh và các giả định của mô hình. p-value nhỏ chỉ nói về bằng chứng thống kê, không tự nói rằng hiệu ứng có ý nghĩa thực tiễn lớn.

ANCOVA có cần kiểm tra giả định không?

Có. Bạn nên kiểm tra kiểu đo và dữ liệu thiếu, quan hệ giữa covariate với biến phụ thuộc, phương sai sai số giữa nhóm, đồng nhất độ dốc hồi quy và outlier. Nếu bỏ qua các điều kiện này, kết luận từ bảng Tests of Between-Subjects Effects có thể bị diễn giải quá mức.

Sig. của ANCOVA lớn hơn 0.05 thì kết luận thế nào?

Nếu Sig. của biến nhóm lớn hơn 0.05, bạn chưa có đủ bằng chứng để kết luận các nhóm khác nhau về biến phụ thuộc sau khi kiểm soát covariate ở mức ý nghĩa đã chọn. Không nên viết rằng các nhóm chắc chắn giống hệt nhau, vì kết quả không có ý nghĩa thống kê không chứng minh sự bằng nhau tuyệt đối.

ANCOVA khác ANOVA ở điểm nào?

ANOVA so sánh trung bình giữa các nhóm mà không đưa covariate vào mô hình. ANCOVA thực hiện so sánh sau khi điều chỉnh ảnh hưởng của covariate. Vì vậy, ANCOVA có thêm yêu cầu kiểm tra mối quan hệ giữa covariate và biến phụ thuộc, cũng như giả định đồng nhất độ dốc hồi quy.

Cách viết kết quả ANCOVA vào luận văn thế nào?

Bạn có thể viết: “Sau khi kiểm soát [tên covariate], kết quả ANCOVA cho thấy [tên biến nhóm] có [khác biệt hoặc chưa có khác biệt] đối với [tên biến phụ thuộc], F([df1], [df2]) = [F], p = [p], Partial Eta Squared = [η²p]. Trung bình điều chỉnh của [nhóm A] là [M1], cao hơn hoặc thấp hơn [nhóm B] là [M2].” Hãy thay toàn bộ phần trong ngoặc vuông bằng số liệu thật từ output của bạn và chỉ nêu so sánh cặp khi bảng hậu kiểm hỗ trợ.

Mở file SPSS của bạn, xác định đúng dòng biến nhóm trong Tests of Between-Subjects Effects, kiểm tra các giả định và lưu lại output trước khi viết đoạn kết quả. Nếu bạn cần chạy ANCOVA trên file .sav hoặc .csv của mình, M4 phân tích hỗ trợ bước này.