ANCOVA trong SPSS: Cách chạy, đọc kết quả và viết luận văn

ANCOVA kiểm định điều gì

ANCOVA, viết đầy đủ là Analysis of Covariance, dùng để so sánh giá trị trung bình của một biến phụ thuộc giữa hai hoặc nhiều nhóm, sau khi đã kiểm soát ảnh hưởng của một hoặc nhiều biến đồng biến, gọi là covariate. Trong SPSS, bạn thường dùng ANCOVA khi biến phụ thuộc là biến định lượng, biến nhóm là biến phân loại, còn covariate là biến định lượng có thể ảnh hưởng đến kết quả.

Ví dụ, bạn muốn so sánh điểm thành tích học tập giữa nhóm học theo phương pháp A và B. Tuy nhiên, hai nhóm có thể khác nhau về điểm đầu vào. Khi đó, điểm đầu vào là covariate. ANCOVA giúp so sánh điểm đầu ra sau khi điều chỉnh theo điểm đầu vào, thay vì chỉ so sánh hai giá trị trung bình thô.

ANCOVA phù hợp với câu hỏi dạng: sau khi kiểm soát biến X, các nhóm có khác nhau về Y hay không. Nếu bạn chỉ có hai nhóm và không có covariate, independent samples t test trong SPSS thường phù hợp hơn. Nếu có nhiều nhóm nhưng không cần kiểm soát biến đồng biến, bạn có thể xem thêm ANOVA lặp lại trong SPSS khi dữ liệu được đo lặp theo thời gian.

Giả thuyết H0 và H1

Với ANCOVA, giả thuyết cần viết theo câu hỏi nghiên cứu cụ thể. Giả thuyết H0 thường phát biểu rằng sau khi kiểm soát ảnh hưởng của covariate, trung bình điều chỉnh của biến phụ thuộc giữa các nhóm không có sự khác biệt có ý nghĩa thống kê.

Giả thuyết H1 phát biểu rằng sau khi kiểm soát covariate, trung bình điều chỉnh của biến phụ thuộc giữa ít nhất hai nhóm có sự khác biệt có ý nghĩa thống kê. ANCOVA chỉ cho biết có sự khác biệt tổng thể giữa các nhóm. Nếu biến nhóm có từ ba mức trở lên và kiểm định có ý nghĩa, bạn cần thực hiện so sánh cặp hoặc kiểm tra estimated marginal means để biết nhóm nào khác nhóm nào.

Với mức ý nghĩa thường chọn là 5%, quy tắc quyết định là: nếu Sig. hoặc p-value nhỏ hơn 0.05, bác bỏ H0; nếu p-value từ 0.05 trở lên, chưa đủ bằng chứng để bác bỏ H0. Bạn không nên viết rằng H0 được chứng minh đúng khi p-value lớn hơn 0.05, vì kết quả chỉ cho thấy dữ liệu chưa cung cấp đủ bằng chứng về khác biệt.

Một ANCOVA có thể kiểm tra thêm tương tác giữa biến nhóm và covariate. Tương tác có ý nghĩa cho thấy mối quan hệ giữa covariate và biến phụ thuộc thay đổi theo từng nhóm. Khi đó, diễn giải một hiệu ứng nhóm chung có thể gây hiểu nhầm, nên cần xem xét simple effects hoặc phân tích theo từng mức phù hợp.

Điều kiện áp dụng

Bạn nên kiểm tra giả định trước khi diễn giải bảng kết quả. ANCOVA không chỉ là đưa biến vào ô Fixed Factor và Covariate rồi đọc p-value. Nếu các nhóm có phương sai quá khác nhau, quan hệ giữa covariate và biến phụ thuộc không tuyến tính, hoặc độ dốc hồi quy không đồng nhất, kết luận có thể không đáng tin cậy.

Đối với kiểm tra phân phối, bạn có thể dùng Explore để xem histogram, Q-Q plot và các chỉ số mô tả. ANCOVA tương đối bền vững với sai lệch nhẹ khi cỡ mẫu và kích thước nhóm hợp lý, nhưng bạn vẫn cần ghi nhận hình dạng dữ liệu. Nếu covariate có missing value, SPSS thường loại quan sát đó khỏi mô hình, vì vậy cỡ mẫu thực tế có thể nhỏ hơn số dòng ban đầu.

Các bước chạy ANCOVA trong SPSS

Chuẩn bị và mã hóa dữ liệu

Mỗi dòng dữ liệu nên đại diện cho một người hoặc một đơn vị quan sát. Tạo tối thiểu ba biến: biến phụ thuộc, biến nhóm và covariate. Ví dụ, post_score là điểm sau can thiệp, group có mã 1 và 2, còn pre_score là điểm trước can thiệp.

Trong Variable View, đặt nhãn biến và nhãn giá trị cho biến nhóm. Nếu biến nhóm được nhập dưới dạng chữ, bạn có thể dùng biến số đã mã hóa để giảm lỗi khi chỉ định Fixed Factor. Kiểm tra missing value, giá trị ngoài phạm vi và các dòng bị nhập trùng trước khi chạy. Không chuẩn hóa biến chỉ vì nghĩ rằng ANCOVA bắt buộc phải dùng z-score.

Kiểm tra sơ bộ covariate

Vào Analyze > Descriptive Statistics > Explore. Đưa biến phụ thuộc và covariate vào Dependent List, biến nhóm vào Factor List nếu cần xem theo nhóm. Chọn Plots để bật Boxplot và Normality plots with tests, sau đó kiểm tra dữ liệu cực đoan và số quan sát hợp lệ.

Bạn cũng có thể vào Graphs > Legacy Dialogs > Scatter/Dot để tạo scatterplot giữa covariate và biến phụ thuộc. Tạo biểu đồ riêng theo nhóm nếu mục tiêu là kiểm tra độ dốc hồi quy. Nếu có một điểm rất khác biệt, quay lại phiếu dữ liệu hoặc file gốc để xác minh trước khi quyết định xử lý.

Mở hộp thoại Univariate

Vào Analyze > General Linear Model > Univariate. Đưa biến phụ thuộc vào ô Dependent Variable. Đưa biến nhóm vào Fixed Factor(s), sau đó đưa covariate vào Covariate(s). Đây là vị trí dễ nhầm nhất: biến nhóm phải vào Fixed Factor(s), còn biến định lượng cần kiểm soát phải vào Covariate(s).

Nhấn Model. Với mô hình cơ bản, chọn Custom để chỉ định các hiệu ứng cần đưa vào. Thêm biến nhóm và covariate. Để kiểm tra giả định đồng nhất độ dốc hồi quy, thêm tương tác giữa nhóm và covariate, thường có dạng group*pre_score. Sau khi kiểm tra tương tác, nếu tương tác không có ý nghĩa và mô hình lý thuyết cho phép, bạn có thể chạy mô hình chính không chứa tương tác.

Chọn Options và Estimated Marginal Means

Nhấn Options. Đưa biến nhóm vào Display Means for. Chọn Descriptive statistics, Estimates of effect size và Homogeneity tests. Có thể chọn Compare main effects nếu muốn so sánh các mức của biến nhóm, sau đó chọn điều chỉnh như Bonferroni khi nhóm có từ ba mức trở lên.

Chọn Estimate of effect size để SPSS hiển thị Partial Eta Squared. Chọn Observed power chỉ khi trường hoặc người hướng dẫn yêu cầu, vì observed power không thay thế cho việc lập kế hoạch cỡ mẫu trước nghiên cứu.

Nhấn Plots nếu muốn tạo biểu đồ estimated marginal means. Đưa biến nhóm vào Horizontal Axis và nhấn Add. Nếu cần biểu diễn covariate, chọn một vài giá trị đại diện hoặc dùng bảng estimated marginal means do SPSS xuất ra. Sau đó nhấn Continue và OK để chạy.

Lưu syntax và kiểm tra lại mô hình

Ngay trước hoặc sau khi chạy, bạn nên lưu syntax bằng cách nhấn Paste thay vì chỉ nhấn OK. Syntax giúp bạn ghi lại biến nào đã đưa vào mô hình, đặc biệt khi phải loại một biến quan sát hoặc chạy lại với mẫu phân tích khác.

Kiểm tra số quan sát được phân tích trong bảng Descriptive Statistics và cảnh báo missing ở đầu output. Nếu cỡ mẫu giảm bất thường, tìm nguyên nhân trong covariate hoặc biến phụ thuộc. ANCOVA chạy được không có nghĩa là dữ liệu đã đáp ứng mọi điều kiện.

Đọc bảng kết quả và kết luận

Output ANCOVA thường có các bảng Descriptive Statistics, Levene's Test of Equality of Error Variances, Tests of Between-Subjects Effects, Estimated Marginal Means và Pairwise Comparisons nếu bạn yêu cầu so sánh cặp. Bảng Tests of Between-Subjects Effects là bảng trung tâm để đọc hiệu ứng của covariate và biến nhóm.

Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Tên cột được trình bày theo cách SPSS thường hiển thị trong bảng Tests of Between-Subjects Effects.

Trong ví dụ này, dòng pre_score có Sig. nhỏ hơn 0.001, cho thấy covariate có liên hệ có ý nghĩa với post_score sau khi các thành phần khác được đưa vào mô hình. Dòng group có Sig. bằng 0.016, nhỏ hơn 0.05. Vì vậy, sau khi kiểm soát pre_score, có bằng chứng về sự khác biệt giữa hai nhóm đối với post_score.

Nếu Levene's Test có Sig. lớn hơn hoặc bằng 0.05, giả định đồng nhất phương sai chưa bị xem là vi phạm theo quy tắc bạn đã chọn. Nếu Levene's Test có Sig. nhỏ hơn 0.05, đừng chỉ nhìn tiếp vào p-value của group rồi kết luận. Bạn cần xem xét mức độ mất cân bằng nhóm, outlier, cách mô hình hóa và khả năng dùng phương án phân tích khác.

Partial Eta Squared mô tả kích thước hiệu ứng trong mô hình. Bạn nên báo cáo chỉ số này cùng với F, bậc tự do và p-value, nhưng không nên tự gán nhãn nhỏ, vừa hoặc lớn nếu chưa có quy ước được người hướng dẫn chấp nhận. Estimated Marginal Means mới là các trung bình đã điều chỉnh theo covariate, nên phù hợp hơn với việc mô tả nhóm sau ANCOVA.

Nếu biến nhóm có ba mức trở lên, hãy xem Pairwise Comparisons. Đọc cột Mean Difference, Std. Error, Sig. và khoảng tin cậy. Khi thực hiện nhiều so sánh, cần ghi rõ phương pháp điều chỉnh. Với dữ liệu không đáp ứng điều kiện phân phối hoặc phương sai, Kruskal Wallis trong SPSS có thể là lựa chọn thay thế khi câu hỏi chỉ yêu cầu so sánh nhiều nhóm độc lập, nhưng nó không thay thế trực tiếp cho ANCOVA có covariate.

Cách viết kết quả kiểm định ANCOVA vào luận văn

Cách viết vào luận văn: “Kết quả ANCOVA cho thấy sau khi kiểm soát ảnh hưởng của [tên covariate], sự khác biệt về [tên biến phụ thuộc] giữa [nhóm 1] và [nhóm 2] có ý nghĩa thống kê, F([df1], [df2]) = [giá trị F], p = [p-value], Partial Eta Squared = [giá trị]. Trung bình điều chỉnh của [nhóm 1] là [M1], trong khi của [nhóm 2] là [M2]. Do đó, giả thuyết H[ ] được [chấp nhận theo cách diễn đạt của trường hoặc bác bỏ H0].”

Bạn cần thay toàn bộ phần trong ngoặc vuông bằng số liệu thật trong output. Nếu p-value lớn hơn hoặc bằng 0.05, viết rằng kết quả chưa cho thấy sự khác biệt có ý nghĩa thống kê sau khi kiểm soát covariate. Không viết “hai nhóm hoàn toàn giống nhau”, vì kiểm định không chứng minh sự giống nhau tuyệt đối.

Trong chương kết quả, nên trình bày theo thứ tự: mô tả mẫu, kết quả kiểm tra giả định, bảng ANCOVA, estimated marginal means và kết luận giả thuyết. Bảng luận văn có thể rút gọn, nhưng bạn nên giữ file output và syntax để giải trình khi được hỏi. Nếu cần phân tích các mô hình khác trong SPSS, bạn có thể xem chủ đề SPSS hoặc đối chiếu với kiểm định Levene trong SPSS để thống nhất cách báo cáo giả định.

Khi vi phạm giả định thì dùng gì thay thế

Nếu quan hệ giữa covariate và biến phụ thuộc không tuyến tính, bạn có thể xem xét biến đổi biến, thêm thành phần phi tuyến nếu có cơ sở lý thuyết, hoặc chọn mô hình hồi quy phù hợp hơn. Không nên cố ép ANCOVA chỉ vì đề cương đã ghi tên kiểm định.

Nếu độ dốc hồi quy khác nhau giữa các nhóm, hãy giữ tương tác Group*Covariate trong mô hình và diễn giải tương tác. Khi tương tác có ý nghĩa, kết luận về một hiệu ứng nhóm trung bình có thể che khuất sự khác biệt theo mức covariate.

Nếu phương sai không đồng nhất hoặc nhóm quá mất cân bằng, kiểm tra outlier và lỗi nhập liệu trước. Khi câu hỏi chỉ là so sánh hai nhóm độc lập, Mann Whitney trong SPSS có thể phù hợp hơn nếu biến phụ thuộc là thứ bậc hoặc phân phối lệch mạnh. Tuy nhiên, Mann Whitney không kiểm soát covariate theo cách ANCOVA làm được.

Nếu bạn có dữ liệu đo trước và sau trên cùng người, cần xác định thiết kế trước khi chọn kiểm định. ANCOVA với điểm trước làm covariate là một cách tiếp cận thường gặp, còn dữ liệu nhiều thời điểm có thể cần mô hình khác. Bạn nên ghi rõ lý do chọn phương án và không đổi kiểm định chỉ để tìm p-value nhỏ hơn.

Lỗi thường gặp

Lỗi đầu tiên là đưa covariate vào Fixed Factor(s). Khi đó SPSS xử lý nó như biến phân loại, khiến mô hình và bậc tự do không còn đúng với câu hỏi nghiên cứu. Hãy kiểm tra lại tên biến và vị trí trong hộp thoại Univariate.

Lỗi thứ hai là bỏ qua tương tác giữa nhóm và covariate. Nếu nghiên cứu cần giả định đồng nhất độ dốc hồi quy, bạn phải kiểm tra Group*Covariate trước khi đọc hiệu ứng chính của group. Một p-value đẹp trong bảng cuối không bù được việc mô hình chưa được kiểm tra.

Lỗi thứ ba là đọc Descriptive Statistics rồi kết luận thay cho Estimated Marginal Means. ANCOVA điều chỉnh trung bình theo covariate, vì vậy chênh lệch trung bình thô có thể khác chênh lệch sau điều chỉnh.

Lỗi thứ tư là xóa outlier đến khi kết quả có ý nghĩa. Mọi loại bỏ quan sát phải có lý do từ dữ liệu hoặc thiết kế, được ghi lại bằng syntax và báo cáo minh bạch. Nếu kết quả thay đổi sau khi xử lý, trình bày phân tích chính và phân tích kiểm tra độ bền khi phù hợp.

Lỗi cuối là viết “Sig. = 0.000”. SPSS hiển thị .000 do làm tròn, không có nghĩa p-value bằng đúng 0. Hãy viết p < 0.001. Đồng thời, báo cáo F, bậc tự do, Partial Eta Squared và trung bình điều chỉnh thay vì chỉ ghi đạt hoặc không đạt.

Câu hỏi thường gặp

ANCOVA trong SPSS khác ANOVA ở điểm nào?

ANOVA so sánh trung bình giữa các nhóm mà không điều chỉnh theo biến định lượng bên ngoài mô hình. ANCOVA bổ sung covariate để kiểm soát ảnh hưởng của biến đó trước khi so sánh các nhóm. Vì vậy, bạn chỉ nên dùng ANCOVA khi covariate có cơ sở lý thuyết và được đo phù hợp.

ANCOVA có dùng được khi chỉ có hai nhóm không?

Có. ANCOVA có thể so sánh hai nhóm sau khi kiểm soát một covariate. Nếu không có covariate, independent samples t test thường gọn hơn. Khi có hai nhóm, kết quả hiệu ứng nhóm trong ANCOVA vẫn cần được đọc cùng Levene's Test, kiểm tra độ dốc hồi quy và estimated marginal means.

Nếu Sig. của Levene nhỏ hơn 0.05 thì phải làm sao?

Trước tiên, kiểm tra outlier, lỗi nhập liệu và mức mất cân bằng giữa các nhóm. Sau đó xem xét độ bền của kết quả, báo cáo rõ vi phạm và hỏi người hướng dẫn về mô hình thay thế. Không nên tự động xóa nhóm hoặc đổi kiểm định mà không ghi lại lý do.

Có cần kiểm tra Shapiro-Wilk trước khi chạy ANCOVA không?

Bạn nên xem phân phối và outlier bằng Explore, histogram và Q-Q plot. Shapiro-Wilk chỉ là một thông tin hỗ trợ, đặc biệt vì p-value của nó nhạy với cỡ mẫu. Quyết định cuối cần dựa trên thiết kế, biểu đồ, kích thước nhóm và mức độ lệch của dữ liệu.

Có thể dùng ANCOVA khi covariate là biến Likert không?

Điều này phụ thuộc vào cách bạn xây dựng biến và lập luận phương pháp. Một item Likert đơn lẻ là biến thứ bậc, còn điểm tổng hoặc điểm trung bình của nhiều biến quan sát thường được xử lý như biến định lượng trong nhiều nghiên cứu định lượng. Bạn cần mô tả cách tạo biến và bảo vệ lựa chọn bằng tài liệu phương pháp phù hợp.

Mở file .sav, kiểm tra lại vị trí của group, covariate và biến phụ thuộc, sau đó chạy mô hình có lưu syntax trước khi viết kết luận. Nếu bạn muốn chạy phân tích trên chính file .sav hoặc .csv và giữ lại bảng kết quả, M4 phân tích của DoThesis hỗ trợ bước này.