Independent Samples T Test trong SPSS: Cách chạy và đọc kết quả
Independent Samples T Test kiểm định điều gì
Independent Samples T Test trong SPSS dùng để so sánh giá trị trung bình của một biến định lượng giữa hai nhóm độc lập. Ví dụ, bạn muốn biết điểm hài lòng trung bình của nhóm nam và nhóm nữ có khác nhau không, hoặc điểm ý định mua giữa nhóm đã từng mua và chưa từng mua có chênh lệch không.
Trong phép kiểm định này, biến cần so sánh phải là biến định lượng, chẳng hạn SAT_AVG, INTENTION hoặc điểm trung bình của một thang đo. Biến phân nhóm phải có đúng hai nhóm, chẳng hạn giới tính gồm Nam và Nữ, hoặc kinh nghiệm sử dụng gồm Có và Không. Hai nhóm được gọi là độc lập khi một người trả lời chỉ thuộc một nhóm trong phép so sánh.
SPSS tính chênh lệch giữa hai trung bình mẫu, sau đó xem chênh lệch này có đủ lớn so với sai số chuẩn để suy luận về tổng thể hay không. Kết quả chính bạn cần đọc gồm Levene's Test for Equality of Variances, cột Sig. (2-tailed), Mean Difference và khoảng tin cậy của chênh lệch trung bình.
Nếu đề tài của bạn có hơn hai nhóm, Independent Samples T Test không còn phù hợp cho toàn bộ phép so sánh. Bạn có thể xem hướng xử lý với ANCOVA trong SPSS, hoặc kiểm tra các thủ tục khác trong chủ đề SPSS.
Giả thuyết H0 và H1
Bạn cần viết giả thuyết theo đúng biến và hai nhóm trong đề tài, thay vì chỉ ghi H0 và H1 bằng ký hiệu. Với ví dụ so sánh mức độ hài lòng giữa nam và nữ, giả thuyết có thể trình bày như sau:
- H0: Giá trị trung bình mức độ hài lòng của nhóm nam và nhóm nữ không khác nhau trong tổng thể.
- H1: Giá trị trung bình mức độ hài lòng của nhóm nam và nhóm nữ khác nhau trong tổng thể.
H0 thường được kiểm tra thông qua Sig. (2-tailed). Khi p-value nhỏ hơn mức ý nghĩa bạn đã chọn, thường là 0.05, bạn bác bỏ H0 và kết luận có bằng chứng thống kê về sự khác biệt giữa hai trung bình. Khi p-value từ 0.05 trở lên, bạn chưa có đủ bằng chứng để bác bỏ H0.
Cách diễn đạt này chỉ kết luận về sự khác biệt thống kê. Nó chưa cho biết nhóm nào có điểm trung bình cao hơn. Để biết hướng chênh lệch, bạn phải xem bảng Group Statistics và cột Mean Difference trong bảng Independent Samples Test.
Điều kiện áp dụng
Trước khi chạy, bạn kiểm tra bốn điểm. Nếu bỏ qua, bạn có thể vẫn nhận được một bảng output nhưng phần giải thích trong chương 4 sẽ thiếu cơ sở.
| Điều kiện | Cách kiểm tra trong SPSS | Cách xử lý khi có vấn đề | Nguồn tham khảo |
|---|---|---|---|
| Biến phụ thuộc là định lượng và có hai nhóm độc lập | Xem Variable View, Measure, mã hóa nhóm trong Data View | Kiểm tra lại mã nhóm và cách tính điểm trung bình | (Field, 2013) |
| Hai nhóm thực sự độc lập | Đối chiếu thiết kế bảng hỏi, mỗi dòng là một người trả lời | Nếu đo cùng người ở hai thời điểm, dùng kiểm định phù hợp cho mẫu ghép cặp | (Field, 2013) |
| Biến phụ thuộc không có outlier nghiêm trọng | Analyze > Descriptive Statistics > Explore, xem boxplot | Kiểm tra dữ liệu gốc, không xóa chỉ vì một điểm khác biệt | (Tabachnick và Fidell, 2013) |
| Phương sai hai nhóm có thể được xem là bằng nhau hoặc không bằng nhau | Đọc Levene's Test for Equality of Variances | Chọn đúng dòng Equal variances assumed hoặc not assumed | (Field, 2013) |
Independent Samples T Test có mức nhạy nhất định với phân phối lệch và outlier. Bạn không cần biến dữ liệu thành “đẹp” bằng cách xóa tùy ý. Trước tiên hãy kiểm tra lỗi nhập liệu, giá trị thiếu, mã hóa ngược và các trường hợp trả lời bất thường. Nếu có lý do phương pháp rõ ràng, ghi lại số dòng đã loại và lý do loại.
Kiểm định Levene không trả lời câu hỏi trung bình hai nhóm có khác nhau hay không. Nó chỉ hỗ trợ lựa chọn dòng kết quả về phương sai. Bạn có thể xem riêng hướng dẫn kiểm định Levene trong SPSS nếu đang nhầm giữa hai kiểm định này.
Các bước chạy Independent Samples T Test trong SPSS
Bước 1: Kiểm tra và chuẩn bị biến
Mở file .sav, kiểm tra tên biến trong Variable View. Biến định lượng có thể là điểm trung bình của thang đo, được tính từ các biến quan sát sau khi bạn đã xử lý độ tin cậy. Biến nhóm nên có hai mã rõ ràng, chẳng hạn 1 = Nam và 2 = Nữ.
Nếu biến nhóm đang là chữ như Nam và Nữ, SPSS vẫn có thể dùng trong một số thao tác, nhưng mã số giúp bạn kiểm tra và trình bày dễ hơn. Trong Values, khai báo nhãn cho từng mã. Xem thêm hướng dẫn về ANOVA lặp lại trong SPSS nếu dữ liệu của bạn là các lần đo trên cùng đối tượng, vì trường hợp đó không phải hai nhóm độc lập.
Bước 2: Mở đúng hộp thoại
Chọn Analyze > Compare Means > Independent-Samples T Test. Trong hộp thoại, đưa biến định lượng cần so sánh vào ô Test Variable(s). Đưa biến phân nhóm vào ô Grouping Variable.
Nhấn Define Groups. Nhập đúng hai mã nhóm, chẳng hạn 1 ở Group 1 và 2 ở Group 2, rồi chọn Continue. Nếu bạn để sai mã hoặc chọn một biến có nhiều hơn hai giá trị, kết quả có thể thiếu nhóm hoặc không chạy theo mục tiêu ban đầu.
Bước 3: Chạy và lưu output
Nhấn OK. SPSS thường tạo hai bảng chính là Group Statistics và Independent Samples Test. Lưu file output bằng một tên có ngày chạy, chẳng hạn Ttest_gioitinh_2026-09-08.spv.
Bạn nên giữ lại bản output trước và sau mỗi lần chỉnh dữ liệu. Việc này giúp giải trình khi giảng viên hỏi vì sao cỡ mẫu hoặc trung bình trong bảng cuối khác với lần chạy đầu.
Bước 4: Kiểm tra hướng nhóm và biến phân tích
Đọc lại nhãn nhóm trong Group Statistics. Nếu Group 1 là Nữ và Group 2 là Nam, thì Mean Difference được tính theo thứ tự Nữ trừ Nam. Đổi thứ tự nhóm không làm thay đổi p-value của kiểm định hai phía, nhưng làm thay đổi dấu của chênh lệch trung bình.
Đọc bảng kết quả và kết luận
Bảng Group Statistics cho bạn biết số quan sát, trung bình và độ phân tán của từng nhóm. Bảng Independent Samples Test có hai dòng kết quả vì SPSS đưa ra phương án khi phương sai bằng nhau và khi phương sai không bằng nhau.
Số liệu minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được giữ theo cách SPSS thường in trong output để bạn đối chiếu với file của mình.
| Bảng SPSS | Group 1: Nam | Group 2: Nữ | Levene's Sig. | t | df | Sig. (2-tailed) | Mean Difference |
|---|---|---|---|---|---|---|---|
Group Statistics, N | 118 | 132 | |||||
Group Statistics, Mean | 3.82 | 4.06 | |||||
| Independent Samples Test, Equal variances assumed | 0.318 | -2.041 | 248 | 0.042 | -0.24 | ||
| Independent Samples Test, Equal variances not assumed | -2.048 | 241.77 | 0.042 | -0.24 |
Đầu tiên, xem Levene's Test for Equality of Variances. Trong ví dụ, Sig. = 0.318, lớn hơn 0.05. Bạn đọc dòng Equal variances assumed. Nếu Levene có Sig. < 0.05, bạn đọc dòng Equal variances not assumed. Đây là điểm thường bị chọn sai khi sinh viên chỉ nhìn dòng đầu tiên.
Tiếp theo, xem Sig. (2-tailed) ở dòng đã chọn. Giá trị minh họa là 0.042, nhỏ hơn 0.05, nên H0 bị bác bỏ ở mức ý nghĩa 5%. Kết quả cho thấy trung bình hai nhóm có sự khác biệt thống kê. Trong Group Statistics, nữ có trung bình 4.06, cao hơn nam với trung bình 3.82. Mean Difference = -0.24 vì SPSS tính theo thứ tự Nam trừ Nữ.
Nếu Sig. (2-tailed) lớn hơn hoặc bằng 0.05, bạn viết rằng chưa có đủ bằng chứng thống kê để kết luận hai trung bình khác nhau. Tránh viết “hai nhóm hoàn toàn giống nhau”, vì một p-value lớn không chứng minh sự giống nhau tuyệt đối.
Cách viết kết quả kiểm định vào luận văn
Bạn có thể dùng cấu trúc sau và thay bằng số liệu thật trong output của mình:
Cách viết vào luận văn: “Kết quả Independent Samples T Test cho thấy mức độ [tên biến] của nhóm [nhóm 1] có giá trị trung bình là [Mean 1], trong khi nhóm [nhóm 2] có giá trị trung bình là [Mean 2]. Kiểm định Levene có Sig. = [giá trị Levene], do đó kết quả được đọc tại dòng [Equal variances assumed/Equal variances not assumed]. Giá trị Sig. (2-tailed) = [p-value]. Vì [p-value] [nhỏ hơn/lớn hơn hoặc bằng] 0.05, [bác bỏ/chưa đủ cơ sở bác bỏ] H0. Như vậy, [có/chưa có] sự khác biệt có ý nghĩa thống kê về [tên biến] giữa hai nhóm.”
Trong bảng kết quả, nên trình bày N, Mean của hai nhóm, t, df, p-value và hướng chênh lệch. Nếu luận văn có bảng giả thuyết, ghi rõ giả thuyết nào được chấp nhận hoặc bác bỏ theo quy ước của khoa. Một số khoa dùng cách viết “ủng hộ giả thuyết nghiên cứu” thay cho “chấp nhận H1”, bạn nên thống nhất với quy định trình bày của luận văn.
Không suy ra nguyên nhân từ kiểm định này. Kết quả chỉ cho biết sự khác biệt giữa hai nhóm trong biến được đo. Muốn giải thích vì sao có khác biệt, bạn cần dựa vào mô hình lý thuyết, đặc điểm mẫu và phần thảo luận có căn cứ.
Khi vi phạm giả định thì dùng gì thay thế
Nếu hai nhóm vẫn độc lập nhưng biến phụ thuộc có outlier nghiêm trọng hoặc phân phối lệch mạnh, bạn có thể cân nhắc Mann-Whitney U Test. Đây là lựa chọn phi tham số cho so sánh hai nhóm độc lập, nhưng cách diễn giải tập trung vào phân phối hoặc thứ hạng, không đơn giản là thay chữ “trung bình” bằng “trung vị” trong mọi trường hợp. Xem Mann-Whitney trong SPSS trước khi quyết định.
Nếu bạn đang so sánh cùng một nhóm người ở hai thời điểm, chẳng hạn điểm trước và sau đào tạo, dữ liệu là mẫu ghép cặp. Khi đó Independent Samples T Test không phù hợp vì hai quan sát có liên hệ với nhau. Bạn cần chọn kiểm định cho mẫu ghép cặp theo thiết kế nghiên cứu.
Nếu biến phân nhóm có hơn hai nhóm, chẳng hạn ba nhóm thu nhập, không nên chạy nhiều cặp Independent Samples T Test mà không kiểm soát vấn đề kiểm định lặp. Hãy xem xét ANOVA hoặc thủ tục phù hợp với câu hỏi nghiên cứu. Khi dữ liệu có thêm biến kiểm soát liên tục, ANCOVA có thể phù hợp hơn, nhưng phải kiểm tra thêm điều kiện của mô hình.
Lỗi thường gặp
Chọn nhầm Paired-Samples T Test: Paired-Samples T Test dành cho hai phép đo có liên hệ, còn Independent Samples T Test dành cho hai nhóm độc lập. Hãy quay lại cách thu thập dữ liệu trước khi chọn menu.
Đưa biến định tính vào Test Variable: Giới tính, nhóm tuổi hoặc tình trạng sử dụng là biến phân nhóm. Biến đưa vào Test Variable(s) phải là điểm số hoặc đại lượng định lượng cần so sánh.
Đọc sai dòng Levene: Bạn không mặc định đọc dòng đầu. Hãy xem Sig. của Levene trước, rồi chọn dòng tương ứng trong Independent Samples Test.
Kết luận theo trung bình mà bỏ qua p-value: Nhóm A có Mean cao hơn nhóm B chưa đủ để kết luận khác biệt có ý nghĩa thống kê. Cần đọc đồng thời p-value và chênh lệch trung bình.
Xóa dữ liệu để p-value đạt 0.05: Đây là cách xử lý khó bảo vệ. Chỉ loại trường hợp khi có tiêu chí làm sạch đã định trước hoặc xác định được lỗi dữ liệu, đồng thời ghi lại quy trình.
Dùng hai phía khi giả thuyết chỉ nói một phía: Trong SPSS, Sig. (2-tailed) là kết quả kiểm định hai phía. Nếu nghiên cứu có giả thuyết định hướng, bạn cần nêu rõ cách xử lý với người hướng dẫn, không tự ý chia p-value sau khi đã xem kết quả.
Câu hỏi thường gặp
Independent Samples T Test dùng cho mấy nhóm?
Kiểm định này dùng để so sánh một biến định lượng giữa hai nhóm độc lập. Nếu biến nhóm có ba nhóm trở lên, bạn cần cân nhắc ANOVA hoặc phương pháp khác phù hợp với thiết kế và giả định dữ liệu.
Sig. của Levene bao nhiêu là đạt?
Levene không có ý nghĩa “đạt” theo kiểu thang đo. Bạn dùng nó để chọn dòng kết quả. Khi Sig. > 0.05, đọc dòng Equal variances assumed. Khi Sig. < 0.05, đọc dòng Equal variances not assumed. Cách kiểm tra này được trình bày trong tài liệu SPSS của Field (Field, 2013).
Sig. (2-tailed) bằng 0.000 thì viết thế nào?
SPSS hiển thị 0.000 do làm tròn, không nên viết p = 0.000. Bạn có thể viết p < 0.001, nếu bảng output hiển thị Sig. (2-tailed) = .000. Sau đó kết luận theo mức ý nghĩa đã chọn, thường là 0.05.
Có cần kiểm tra normality trước khi chạy không?
Bạn nên xem outlier, biểu đồ và đặc điểm phân phối, đặc biệt khi cỡ mẫu nhỏ hoặc hai nhóm mất cân đối mạnh. Không nên chỉ dựa vào một kiểm định normality để quyết định tự động. Hãy kết hợp bằng chứng từ dữ liệu, thiết kế nghiên cứu và độ bền của phép kiểm định.
Nếu hai nhóm có cỡ mẫu rất khác nhau thì có chạy được không?
Có thể chạy, nhưng cần thận trọng hơn khi phương sai cũng khác nhau hoặc có outlier. Trong trường hợp Levene không đạt, đọc dòng Equal variances not assumed. Nếu dữ liệu lệch mạnh, cân nhắc Mann-Whitney U Test và ghi rõ lý do chọn phương án thay thế.
Mở lại file SPSS của bạn, ghi rõ biến định lượng, hai mã nhóm và bảng Group Statistics trước khi chạy lại kiểm định; nếu cần hỗ trợ chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng module M4 phân tích dữ liệu của DoThesis.