ANOVA là gì? Cách đọc và chạy kiểm định ANOVA trong SPSS

ANOVA là gì

Bạn mở file dữ liệu lên và muốn biết điểm trung bình của ba nhóm hoặc nhiều nhóm có khác nhau hay không. ANOVA, viết đầy đủ là Analysis of Variance, là phương pháp kiểm định sự khác biệt giữa các giá trị trung bình của từ ba nhóm trở lên. Ví dụ, bạn có thể so sánh mức độ hài lòng của khách hàng theo ba nhóm độ tuổi, hoặc so sánh ý định mua theo bốn mức thu nhập.

ANOVA không chỉ nhìn vào chênh lệch giữa các trung bình. Phương pháp này so sánh biến thiên giữa các nhóm với biến thiên bên trong từng nhóm. Tỷ số thường được biểu diễn bằng thống kê F:

F = phương sai giữa các nhóm / phương sai trong các nhóm

Nếu biến thiên giữa các nhóm lớn hơn đáng kể so với biến thiên bên trong nhóm, F sẽ lớn và p-value có thể nhỏ. Khi đó, bạn có cơ sở bác bỏ giả thuyết rằng các nhóm có cùng trung bình. Trong SPSS, loại thường gặp nhất là One-Way ANOVA, dùng khi bạn có một biến phân nhóm độc lập và một biến định lượng cần so sánh.

Bạn có thể xem hướng dẫn chuyên biệt về One-Factor ANOVA nếu mô hình của bạn chỉ có một yếu tố phân nhóm. Còn bài bảng ANOVA phù hợp khi bạn đang cần giải thích riêng các dòng Sum of Squares, df, Mean Square, F và Sig. trong output.

Ý nghĩa của ANOVA trong nghiên cứu định lượng

Trong luận văn định lượng, ANOVA trả lời một câu hỏi cụ thể: trung bình của biến phụ thuộc có giống nhau giữa các nhóm của biến độc lập hay không. Biến độc lập ở đây thường là biến phân loại, chẳng hạn giới tính, nhóm tuổi, trình độ học vấn hoặc khu vực. Biến phụ thuộc thường là điểm trung bình của một thang đo, điểm đánh giá hoặc một chỉ số định lượng.

Giả thuyết H0 phát biểu rằng các nhóm có cùng giá trị trung bình trong tổng thể. Giả thuyết H1 phát biểu rằng có ít nhất một cặp nhóm có giá trị trung bình khác nhau. ANOVA chỉ cho biết có sự khác biệt ở đâu đó giữa các nhóm. Nó chưa nói ngay nhóm nào khác nhóm nào.

Đây là điểm nhiều bạn bỏ qua. Nếu kiểm định ANOVA có p-value nhỏ, bạn cần chạy thêm Post Hoc Tests, thường là Tukey hoặc một lựa chọn phù hợp với giả định phương sai, để xác định từng cặp nhóm khác nhau. Nếu chỉ ghi “nhóm 1 khác nhóm 2” dựa trên bảng ANOVA tổng thể, kết luận đó chưa đủ căn cứ.

ANOVA cũng giúp bạn kiểm tra một giả thuyết nghiên cứu dạng: “Có sự khác biệt về Y giữa các nhóm X”. Nó không kiểm tra quan hệ tuyến tính như hồi quy, không đo mức độ liên quan như tương quan và không thay thế cho kiểm định chi bình phương khi cả hai biến đều là biến phân loại. Khi nghiên cứu của bạn cần kiểm tra mối liên hệ giữa hai biến phân loại, hãy xem kiểm định Chi bình phương là gì.

ANOVA bao nhiêu là đạt

Cụm “ANOVA bao nhiêu là tốt” thường khiến bạn tìm một ngưỡng cho chỉ số F. Thực tế, bạn không đánh giá ANOVA bằng việc F phải vượt một con số cố định. Quyết định chính thường dựa vào p-value, trong output SPSS được in ở cột Sig.. Ngưỡng ý nghĩa cần được xác định trước, phổ biến là 0.05, theo thiết kế nghiên cứu và quy ước của đề tài.

Bảng dưới đây tách các chỉ số để bạn không nhầm giữa điều kiện áp dụng và kết luận kiểm định. Các ngưỡng được nêu kèm nguồn canonical tương ứng.

Trong bảng ANOVA, Sig. < 0.05 thường được diễn giải là có sự khác biệt có ý nghĩa thống kê giữa ít nhất hai nhóm. Cụm “ít nhất hai nhóm” rất quan trọng, vì ANOVA không xác định nhóm nào nếu bạn chưa xem Post Hoc.

Nếu Sig. >= 0.05, bạn chưa có đủ bằng chứng thống kê để bác bỏ H0. Cách viết thận trọng là “chưa ghi nhận sự khác biệt có ý nghĩa thống kê giữa các nhóm”, thay vì khẳng định tuyệt đối rằng các nhóm hoàn toàn giống nhau.

Một p-value nhỏ cũng không cho biết khác biệt có lớn về mặt thực tiễn hay không. Bạn nên xem thêm trung bình từng nhóm, độ lệch chuẩn và kích thước khác biệt. Với nhóm có cỡ mẫu rất lớn, chênh lệch nhỏ vẫn có thể cho p-value nhỏ.

Cách đọc ANOVA trên output

Trong SPSS, output One-Way ANOVA thường có các bảng Descriptives, Test of Homogeneity of Variances, ANOVA và, nếu bạn chọn, Multiple Comparisons. Hãy đọc theo thứ tự, đừng nhảy ngay đến cột Sig. rồi bỏ qua điều kiện áp dụng.

Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Giả sử biến phụ thuộc là điểm hài lòng, còn biến nhóm là ba nhóm tuổi. Bảng được rút gọn theo cách SPSS thường hiển thị.

Với số liệu minh họa này, F = 5.184 và Sig. = 0.007. Vì 0.007 nhỏ hơn 0.05, kết quả cho thấy điểm hài lòng trung bình khác nhau giữa ít nhất hai trong ba nhóm tuổi. Kết quả này chưa cho phép bạn chỉ đích danh cặp nhóm nào khác nhau.

Giả sử bảng Test of Homogeneity of Variances có Levene Statistic = 1.263, df1 = 2, df2 = 87, Sig. = 0.288. Vì Sig. lớn hơn 0.05, giả định phương sai bằng nhau được xem là phù hợp ở mức kiểm tra này. Bạn có thể đọc bảng Post Hoc với lựa chọn Tukey nếu các nhóm đáp ứng điều kiện liên quan.

Ví dụ, bảng Multiple Comparisons có thể cho kết quả minh họa như sau:

Trong ví dụ này, chỉ cặp 18 đến 25 và 26 đến 35 có Sig. nhỏ hơn 0.05. Dấu âm của Mean Difference cho biết trung bình nhóm 18 đến 25 thấp hơn nhóm 26 đến 35 theo cách tính I trừ J. Bạn cần đối chiếu thêm bảng Descriptives để ghi đúng trung bình và độ lệch chuẩn của từng nhóm.

Khi ANOVA không đạt thì xử lý thế nào

Nếu bảng ANOVA có Sig. >= 0.05, trước hết kiểm tra bạn đã chọn đúng biến và đúng mã nhóm chưa. Một lỗi nhập dữ liệu, chẳng hạn nhóm “Nam” được mã hóa thành 1 ở một số dòng và 3 ở dòng khác, có thể làm kết quả vô nghĩa. Kiểm tra Variable View, Value Labels, số lượng quan sát và bảng tần số trước khi chạy lại.

Nếu kết quả không có ý nghĩa thống kê sau khi dữ liệu và mô hình đã đúng, bạn nên giữ kết quả đó. Không nên loại ngẫu nhiên một nhóm, đổi thang đo hoặc thử nhiều cách cho đến khi p-value nhỏ chỉ để “đạt”. Hội đồng có thể hỏi vì sao quyết định xử lý dữ liệu không được nêu trong phương pháp.

Nếu ANOVA có ý nghĩa nhưng kiểm định Levene cho thấy phương sai giữa các nhóm không đồng nhất, hãy cân nhắc kiểm định Welch ANOVA trong SPSS. Khi chạy Post Hoc, có thể dùng Games-Howell nếu lựa chọn này phù hợp với tình trạng phương sai và cỡ mẫu. Bạn cần ghi rõ lựa chọn đã dùng và lý do.

Nếu dữ liệu lệch mạnh, có outlier nghiêm trọng hoặc nhóm có cỡ mẫu quá chênh lệch, hãy kiểm tra biểu đồ, thống kê mô tả và hồ sơ dữ liệu gốc. Việc xóa outlier chỉ vì nó làm p-value thay đổi là cách giải trình yếu. Chỉ loại một quan sát khi có tiêu chí dữ liệu hoặc lý do đo lường rõ ràng, đồng thời lưu lại số dòng đã loại.

Với hai nhóm, kiểm định t test thường phù hợp hơn ANOVA một yếu tố. Bạn có thể xem t test để phân biệt trường hợp so sánh hai trung bình, hoặc đọc kiểm định t test nếu đang cần kiểm tra giả thuyết và cách đọc Sig. của bảng Independent Samples Test.

Phân biệt ANOVA với t test

ANOVA và t test đều có thể dùng để so sánh trung bình, nhưng số nhóm và câu hỏi nghiên cứu khác nhau. Independent-samples t test thường dùng khi có hai nhóm độc lập. One-Way ANOVA dùng khi có từ ba nhóm độc lập trở lên và một biến phụ thuộc định lượng.

Bạn không nên chia một bài toán ba nhóm thành nhiều lần t test theo từng cặp mà không kiểm soát vấn đề kiểm định lặp. Mỗi lần kiểm định tạo thêm nguy cơ kết luận dương tính giả. ANOVA cho phép kiểm tra tổng thể trước, sau đó mới dùng Post Hoc để xác định cặp khác biệt.

ANOVA cũng khác MANOVA, ANCOVA và hồi quy. MANOVA xử lý nhiều biến phụ thuộc cùng lúc. ANCOVA đưa thêm biến đồng biến vào mô hình. Hồi quy tập trung vào mức thay đổi của biến phụ thuộc theo biến dự báo, thường là biến liên tục hoặc biến đã mã hóa theo mô hình.

Nếu biến kết quả là phân loại, bạn không nên ép nó thành một điểm trung bình chỉ để chạy ANOVA. Hãy xác định loại biến, số nhóm, tính độc lập của quan sát và mục tiêu giả thuyết trước khi chọn thủ tục.

Lỗi thường gặp

Chỉ nhìn vào F mà bỏ qua Sig. F lớn hay nhỏ không có ý nghĩa diễn giải độc lập nếu bạn chưa xem p-value, bậc tự do và bối cảnh cỡ mẫu. Hãy đọc Sig. trong bảng ANOVA rồi đối chiếu với mức ý nghĩa đã chọn.

Kết luận nhóm nào khác nhau từ bảng ANOVA tổng thể. Bảng ANOVA chỉ cho biết có ít nhất một khác biệt. Muốn xác định cặp nhóm, bạn phải xem Multiple Comparisons hoặc thủ tục Post Hoc phù hợp.

Dùng ANOVA cho hai biến phân loại. Nếu cả biến nhóm và biến kết quả đều là biến phân loại, ANOVA không phải lựa chọn tự nhiên. Nếu câu hỏi là hai biến có liên quan hay không, xem xét kiểm định Chi bình phương.

Không kiểm tra giả định. Bạn cần xem phương sai giữa nhóm, outlier và cách đo biến phụ thuộc. Với các giả định quan trọng bị vi phạm, hãy cân nhắc Welch ANOVA hoặc phương án thay thế có lý do rõ ràng.

Ghi “ANOVA đạt” mà không nêu số liệu. Một đoạn kết quả nên có trung bình hoặc độ lệch chuẩn theo nhóm, F, bậc tự do, p-value và kết luận gắn với giả thuyết. Nếu có Post Hoc, ghi cặp nhóm khác biệt và hướng chênh lệch.

Cách viết vào luận văn: “Kết quả One-Way ANOVA cho thấy có sự khác biệt về [tên biến phụ thuộc] giữa các nhóm [tên biến phân nhóm], F([df giữa], [df trong]) = [F], p = [p]. Phân tích Post Hoc cho thấy [nhóm A] có điểm trung bình [cao hơn/thấp hơn] [nhóm B], trong khi [cặp nhóm khác] không khác biệt có ý nghĩa thống kê.” Bạn thay toàn bộ phần trong ngoặc vuông bằng số liệu thật trong output của mình.

Câu hỏi thường gặp

ANOVA là gì và dùng khi nào?

ANOVA là kiểm định dùng để so sánh trung bình của từ ba nhóm trở lên. Bạn dùng One-Way ANOVA khi có một biến phân nhóm độc lập và một biến phụ thuộc định lượng, chẳng hạn điểm hài lòng giữa ba nhóm tuổi.

Nếu chỉ có hai nhóm, kiểm định t test độc lập thường là lựa chọn trực tiếp hơn. Nếu có nhiều biến phụ thuộc hoặc thiết kế phức tạp, bạn cần xem lại mô hình trước khi chọn thủ tục.

ANOVA bao nhiêu là tốt?

Trong cách đọc phổ biến, Sig. < 0.05 cho thấy có sự khác biệt có ý nghĩa thống kê giữa ít nhất hai nhóm. Sig. >= 0.05 nghĩa là chưa đủ bằng chứng bác bỏ giả thuyết các nhóm có cùng trung bình.

Không có một giá trị F cố định được xem là “tốt” cho mọi nghiên cứu. F phải được đọc cùng bậc tự do, p-value, cỡ mẫu và thống kê mô tả.

Kiểm định ANOVA trong SPSS chạy ở đâu?

Bạn vào Analyze > Compare Means > One-Way ANOVA. Đưa biến phụ thuộc vào ô Dependent List, đưa biến phân nhóm vào Factor, sau đó mở Options để chọn Descriptive và Homogeneity of variance test. Trong Post Hoc, chọn thủ tục phù hợp nếu cần so sánh từng cặp.

Tên menu có thể hơi khác tùy phiên bản SPSS, nhưng các bảng chính vẫn thường là Descriptives, Test of Homogeneity of Variances, ANOVA và Multiple Comparisons.

ANOVA có Sig. bằng 0.000 thì viết thế nào?

Bạn không nên viết p bằng 0 tuyệt đối. SPSS hiển thị 0.000 do p-value nhỏ hơn giới hạn hiển thị, vì vậy có thể viết p < 0.001 nếu output thể hiện như vậy. Sau đó nêu kết luận theo giả thuyết và kiểm tra Post Hoc để xác định cặp nhóm khác biệt.

Levene Sig. nhỏ hơn 0.05 thì phải làm sao?

Kết quả này cho thấy giả định phương sai bằng nhau có thể bị vi phạm. Bạn có thể xem dòng Welch trong bảng Robust Tests of Equality of Means và chọn Post Hoc như Games-Howell nếu phù hợp với dữ liệu.

Hãy ghi rõ cách xử lý trong luận văn, thay vì dùng bảng ANOVA thông thường mà không giải thích. Nếu vi phạm đi kèm outlier hoặc cỡ mẫu cực kỳ lệch, kiểm tra lại dữ liệu gốc trước khi quyết định.

Mở file SPSS của bạn, xác định biến nhóm và biến phụ thuộc, chạy Analyze > Compare Means > One-Way ANOVA, rồi lưu lại bốn bảng output cùng thống kê mô tả trước khi viết kết luận; nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích của DoThesis.