df trong SPSS là gì và cách đọc bậc tự do
df trong SPSS là gì
Bạn mở output SPSS và thấy cột df xuất hiện trong bảng ANOVA, Coefficients, Paired Samples Test, Independent Samples Test hoặc bảng kiểm định khác. df là viết tắt của degrees of freedom, tiếng Việt gọi là bậc tự do. Chỉ số này cho biết trong một phép tính thống kê còn bao nhiêu thông tin độc lập có thể thay đổi sau khi đã dùng dữ liệu để ước lượng một hoặc nhiều tham số.
df không phải là tỷ lệ phần trăm, không phải mức ý nghĩa và cũng không phải số biến trong mô hình. SPSS dùng df cùng với thống kê kiểm định, chẳng hạn t, F hoặc Chi-Square, để tính Sig., thường được đọc như p-value. Khi bạn muốn ôn riêng khái niệm, có thể xem bài df là gì và bài giải thích bậc tự do là gì.
Công thức của df thay đổi theo phép phân tích. Với một mẫu, df thường là n - 1, trong đó n là số quan sát hợp lệ. Với hồi quy tuyến tính có k biến độc lập, df của mô hình thường là k, df phần dư là n - k - 1, còn df tổng là n - 1. Với ANOVA một yếu tố có g nhóm và tổng cộng n quan sát, df giữa nhóm là g - 1, df trong nhóm là n - g, và df tổng là n - 1.
Bạn nên xem df như thông tin giúp xác định phân phối tham chiếu của kiểm định. Cùng một giá trị t hoặc F nhưng df khác nhau có thể dẫn đến p-value khác nhau.
Ý nghĩa của df trong nghiên cứu định lượng
Trong nghiên cứu định lượng, df cho biết phép kiểm định đang dựa trên lượng thông tin độc lập nào. Khi bạn ước lượng trung bình mẫu, một phần thông tin đã được dùng để xác định trung bình đó. Vì vậy, với n quan sát, còn n - 1 độ tự do để đánh giá mức dao động quanh trung bình.
Ý nghĩa cụ thể phụ thuộc vào bảng output. Trong kiểm định t một mẫu, df giúp SPSS đối chiếu giá trị t với phân phối t tương ứng. Trong kiểm định t hai mẫu độc lập, bạn thường thấy df ở hai dòng, một dòng Equal variances assumed và một dòng Equal variances not assumed. Dòng cần đọc phụ thuộc vào kết quả kiểm định phương sai và cách bạn thiết lập phân tích.
Trong ANOVA, df tách biến thiên tổng thành biến thiên giữa các nhóm và biến thiên trong nhóm. Tỷ số giữa bình phương trung bình giữa nhóm và bình phương trung bình trong nhóm tạo ra thống kê F. Vì vậy, df xuất hiện cạnh F là một phần của cơ sở để xác định ý nghĩa thống kê của khác biệt giữa các trung bình.
Trong hồi quy, df giúp phân tách phần biến thiên được mô hình giải thích và phần sai số. Tuy nhiên, khi kết luận một biến độc lập có tác động hay không, bạn không nhìn df một mình. Bạn cần đọc đồng thời cột B, Std. Error, t và Sig. trong bảng Coefficients, sau đó đối chiếu với giả thuyết nghiên cứu.
Bạn cũng cần phân biệt df với mức ý nghĩa. Mức ý nghĩa là gì sẽ giúp bạn hiểu ngưỡng alpha, còn df cho biết phân phối kiểm định được dùng để tính p-value. Hai khái niệm này liên quan trong quyết định thống kê nhưng không thay thế cho nhau.
df trong SPSS bao nhiêu là đạt
Df không có một ngưỡng chung kiểu df >= 5 hoặc df >= 10 để kết luận đạt. Giá trị df được tính từ thiết kế nghiên cứu, số quan sát hợp lệ, số nhóm, số biến và số tham số ước lượng. Vì vậy, câu hỏi đúng thường là df có phù hợp với công thức và bảng phân tích hay không, sau đó p-value có đáp ứng tiêu chí ra quyết định hay không.
Bảng dưới đây tóm tắt các trường hợp thường gặp. Các ngưỡng về alpha, kiểm định và cỡ mẫu được đặt cạnh nguồn tương ứng để bạn không biến một quy tắc của phép phân tích này thành quy tắc cho phép phân tích khác.
| Tình huống trong SPSS | Cách xác định df hoặc tiêu chí liên quan | Nguồn |
|---|---|---|
| Kiểm định t một mẫu | df = n - 1; cần kiểm tra p-value theo giả thuyết đã đặt | (Field, 2013) |
| Hồi quy tuyến tính | df phần dư thường là n - k - 1, với k là số biến độc lập | (Tabachnick và Fidell, 2013) |
| ANOVA một yếu tố | df giữa nhóm = g - 1, df trong nhóm = n - g, df tổng = n - 1 | (Field, 2013) |
| Cronbach's Alpha | Không có df chính để kết luận độ tin cậy; Alpha từ 0.7 thường được chấp nhận | (Nunnally, 1978) |
| EFA và KMO | df của Bartlett xuất hiện trong bảng KMO and Bartlett's Test; KMO từ 0.5 và Bartlett có ý nghĩa thống kê | (Kaiser, 1974) |
| Quyết định theo p-value | So sánh Sig. với alpha đã chọn trước, thường là 0.05 trong nhiều đề tài | (Field, 2013) |
| Kiểm định Durbin-Watson trong hồi quy | Đọc chỉ số Durbin-Watson, không dùng df để thay thế kiểm tra tự tương quan; khoảng 1 đến 3 thường được tham khảo | (Field, 2013) |
Nếu output cho df bằng 0, âm hoặc không khớp với công thức, đó thường là dấu hiệu dữ liệu hoặc mô hình có vấn đề. Bạn cần kiểm tra số dòng hợp lệ, số nhóm thực tế, biến bị loại do missing và số biến độc lập được đưa vào mô hình.
Đừng viết “df đạt 5” trong luận văn nếu tài liệu phương pháp của bạn không đưa ra tiêu chí đó. Cách viết an toàn là nêu df được tính theo thiết kế phân tích, rồi báo cáo thống kê kiểm định và p-value.
Cách đọc df trên output
Hãy bắt đầu bằng tên bảng, vì cùng một cột df nhưng ý nghĩa thay đổi theo phép phân tích. Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế.
| Bảng SPSS | Dòng hoặc cột cần đọc | df | Thống kê | Sig. | Cách hiểu minh họa |
|---|---|---|---|---|---|
| One-Sample Test | Test Value = 3 | 119 | t = 2.184 | .031 | Có 120 quan sát hợp lệ, nên df = 120 - 1 = 119; nếu alpha = 0.05, kết quả có ý nghĩa thống kê |
| Independent Samples Test | Equal variances assumed | 98 | t = 1.746 | .084 | Hai nhóm có tổng cộng 100 quan sát hợp lệ trong dòng minh họa; p-value lớn hơn 0.05 |
| ANOVA | Between Groups | 2 | F = 5.462 | .006 | Có 3 nhóm, nên df giữa nhóm bằng 3 - 1 = 2 |
| ANOVA | Within Groups | 117 | df trong nhóm bằng 120 - 3 = 117 | ||
| Regression, ANOVA | Regression | 4 | F = 8.931 | .000 | Mô hình có 4 biến độc lập; SPSS hiển thị .000, nên viết p < 0.001, không viết p = 0.000 |
| Regression, ANOVA | Residual | 145 | Với 150 quan sát và 4 biến độc lập, df phần dư bằng 150 - 4 - 1 = 145 |
Với kiểm định t một mẫu, nhìn vào bảng One-Sample Test. Cột df cho biết số bậc tự do, còn Sig. (2-tailed) cho biết p-value hai phía. Bạn so sánh p-value với alpha đã chọn trước. Nếu p < 0.05, có thể bác bỏ H0 ở mức ý nghĩa 5%, nhưng nội dung H0 phải được xác định từ câu hỏi nghiên cứu.
Với kiểm định t hai mẫu độc lập, đừng lấy dòng đầu tiên theo thói quen. Trước hết đọc bảng Levene's Test for Equality of Variances. Nếu cách xử lý phương sai của bạn dẫn đến dòng Equal variances assumed, đọc df và p-value ở dòng đó. Nếu dùng dòng Equal variances not assumed, đọc các giá trị ở dòng tương ứng. Việc chọn dòng cần được giải thích nhất quán trong chương phương pháp và chương kết quả.
Với ANOVA, kiểm tra ba dòng Between Groups, Within Groups và Total trong bảng ANOVA. Hai df ở cột df của dòng giữa nhóm và trong nhóm được dùng cùng với F. Nếu ANOVA có ý nghĩa, bạn còn cần xem kiểm định hậu nghiệm để biết cặp nhóm nào khác nhau, thay vì chỉ kết luận chung rằng các nhóm có khác biệt.
Với hồi quy, bảng ANOVA cho df của Regression, Residual và Total. Bảng Coefficients thường không đặt df cạnh từng biến theo cách dễ thấy như một số phần mềm khác, nhưng kiểm định t của từng hệ số vẫn dựa trên bậc tự do phần dư. Khi diễn giải tác động, bạn nên đọc B, t, Sig. và khoảng tin cậy nếu đã yêu cầu SPSS xuất ra.
Khi df trong SPSS không đạt thì xử lý thế nào
Trước tiên, xác định “không đạt” đang nói về điều gì. Df không có ngưỡng đạt cố định, nên vấn đề thường là df không khớp công thức, df giảm mạnh do missing, nhóm có quá ít quan sát hoặc p-value không đạt mức ý nghĩa.
Kiểm tra số quan sát hợp lệ
Mở Analyze > Descriptive Statistics > Frequencies hoặc Analyze > Descriptive Statistics > Descriptives để kiểm tra số quan sát được SPSS sử dụng. So sánh số này với số bảng hỏi bạn đã thu. Nếu một biến có nhiều giá trị thiếu, df trong phép phân tích có thể thấp hơn dự kiến do SPSS loại dòng theo từng phân tích.
Kiểm tra cách mã hóa và giá trị thiếu
Vào Variable View, xem cột Missing, Measure và các mã giá trị. Một mã như 99 hoặc 999 chỉ được xem là missing nếu bạn khai báo đúng. Nếu mã này vẫn được tính như một giá trị thật, trung bình, phương sai và kết quả kiểm định có thể bị sai.
Kiểm tra số nhóm và biến đưa vào mô hình
Trong ANOVA, xác nhận số nhóm thực tế của biến phân loại. Trong hồi quy, kiểm tra danh sách biến độc lập trong hộp thoại Linear Regression. Việc thêm biến, loại biến hoặc dùng Enter thay cho phương pháp lựa chọn khác đều có thể làm df thay đổi.
Không chỉnh dữ liệu chỉ để làm df đẹp
Bạn có thể loại một biến quan sát hoặc một dòng dữ liệu nếu có căn cứ phương pháp rõ ràng, chẳng hạn dữ liệu thiếu theo quy tắc đã định trước hoặc câu trả lời không hợp lệ theo tiêu chí làm sạch. Hãy lưu lại file gốc, ghi rõ số dòng bị loại và lý do. Xóa tùy ý để p-value nhỏ hơn sẽ tạo rủi ro lớn khi hội đồng hỏi lại.
Nếu cỡ mẫu thực tế quá nhỏ, df có thể vẫn đúng công thức nhưng kiểm định thiếu sức mạnh. Bạn nên báo cáo giới hạn này và cân nhắc thu thêm dữ liệu nếu còn thời gian, thay vì đổi phép kiểm định chỉ để có kết quả có ý nghĩa. Với hồi quy, yêu cầu cỡ mẫu cần được đối chiếu với số biến độc lập, chẳng hạn quy tắc 50 + 8m được nêu trong (Tabachnick và Fidell, 2013).
Phân biệt df trong SPSS với p-value
Df là bậc tự do, còn p-value là xác suất được tính từ thống kê kiểm định, giả thuyết H0 và phân phối có liên quan. Df tham gia vào phép tính p-value nhưng không cho biết kết quả có ý nghĩa hay không nếu đứng riêng.
Ví dụ, trong bảng One-Sample Test, bạn có thể thấy df = 119, t = 2.184 và Sig. (2-tailed) = .031. Df cho biết phân phối t được xác định với 119 bậc tự do. Giá trị .031 mới là thông tin bạn đối chiếu với alpha để đưa ra quyết định thống kê.
Df cũng khác với khoảng tin cậy. Khoảng tin cậy cho biết một khoảng ước lượng quanh tham số, còn df là thông tin cấu thành phân phối dùng trong kiểm định hoặc ước lượng. Bạn có thể đọc thêm về khoảng tin cậy và độ tin cậy 95 để phân biệt ba khái niệm này.
Một nhầm lẫn khác là xem df như số biến trong mọi phân tích. Trong hồi quy, df hồi quy thường gắn với số biến độc lập, nhưng df phần dư còn phụ thuộc vào cỡ mẫu và số tham số. Trong ANOVA, df giữa nhóm gắn với số nhóm, còn df trong nhóm gắn với tổng số quan sát và số nhóm.
Lỗi thường gặp
Lỗi đầu tiên là chép df mà không ghi tên bảng. Câu “df bằng 119” quá ngắn để người đọc biết đó là kiểm định nào, dòng nào và vì sao có giá trị đó. Hãy ghi tên kiểm định, thống kê, df và p-value trong cùng một đoạn.
Lỗi thứ hai là viết Sig. = 0.000. SPSS làm tròn giá trị rất nhỏ thành .000 trên màn hình. Trong luận văn, nên viết p < 0.001, đồng thời giữ nguyên df và thống kê kiểm định.
Lỗi thứ ba là đọc nhầm dòng trong Independent Samples Test. Bạn cần căn cứ vào lựa chọn xử lý phương sai và trình bày nhất quán. Nếu chưa chắc, kiểm tra lại giả định, cách mã hóa nhóm và hướng dẫn của giảng viên.
Lỗi thứ tư là dùng df để kết luận thang đo đạt hay không. Cronbach's Alpha, Corrected Item-Total Correlation, KMO, factor loading và tổng phương sai trích là các chỉ số khác. Chẳng hạn, Alpha từ 0.7 được Nunnally đề xuất là mức thường được chấp nhận (Nunnally, 1978), còn tương quan biến tổng hiệu chỉnh từ 0.3 trở lên được tham khảo theo (Nunnally và Bernstein, 1994).
Lỗi cuối là sửa cỡ mẫu hoặc xóa dòng sau khi xem p-value. Bạn cần quyết định quy tắc làm sạch trước hoặc ghi nhận minh bạch từng thay đổi. Hội đồng thường hỏi quy trình tạo ra con số, không chỉ hỏi con số cuối cùng.
Câu hỏi thường gặp
df trong SPSS đọc là gì?
df đọc là degrees of freedom, tiếng Việt là bậc tự do. Nó cho biết số lượng thông tin độc lập còn lại trong một phép ước lượng hoặc kiểm định sau khi đã dùng dữ liệu để ước lượng tham số.
df bao nhiêu là đạt trong SPSS?
Df không có một mức đạt chung. Bạn cần kiểm tra df có đúng công thức của phép phân tích hay không, sau đó đọc thống kê kiểm định và Sig. theo giả thuyết, alpha và phương pháp đã chọn.
Vì sao df trong SPSS bị giảm?
Nguyên nhân thường gặp là số quan sát hợp lệ giảm do missing, SPSS loại dòng theo từng phân tích, nhóm có dữ liệu thiếu hoặc mô hình có thêm biến ước lượng. Hãy so sánh số dòng hợp lệ trong output với số quan sát ban đầu.
df bằng 0 trong SPSS phải làm sao?
Kiểm tra lại số quan sát, số nhóm, biến phân loại và các giá trị missing. Df bằng 0 thường cho thấy phép phân tích không còn đủ thông tin độc lập để ước lượng hoặc kiểm định, nên cần sửa dữ liệu hoặc thiết kế phân tích trước khi chạy lại.
df có phải là p-value không?
Không. Df là bậc tự do, còn p-value là xác suất được tính từ thống kê kiểm định, df và giả thuyết H0. Khi báo cáo, bạn nên nêu cả thống kê, df và p-value, chẳng hạn t(119) = 2.184, p = .031 trong trường hợp minh họa phù hợp.
Bạn hãy mở lại đúng bảng output trong file của mình, ghi số quan sát hợp lệ, xác định công thức df của phép phân tích và kiểm tra Sig. trước khi viết kết quả. Nếu cần chạy và diễn giải trực tiếp trên file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.