Kiểm định hai đuôi là gì? Cách đọc p-value trong SPSS
Bạn mở output SPSS và thấy cột Sig. (2-tailed) nhưng chưa biết con số đó dùng để kết luận thế nào. Kiểm định hai đuôi là cách kiểm định một giả thuyết theo cả hai hướng: giá trị có thể lớn hơn hoặc nhỏ hơn giá trị giả định. Vì vậy, bạn quan tâm đến việc có sự khác biệt hay mối quan hệ hay không, thay vì chỉ kiểm tra một hướng đã định trước.
Kiểm định hai đuôi là gì
Kiểm định hai đuôi, tiếng Anh là two-tailed test hoặc two-sided test, được dùng khi giả thuyết đối lập cho phép kết quả lệch về cả hai phía. Chẳng hạn, bạn muốn biết điểm trung bình của một nhóm có khác 3 hay không. Điểm trung bình có thể cao hơn 3 hoặc thấp hơn 3, và cả hai khả năng đều cần được xem xét.
Trong kiểm định giả thuyết, bạn thường bắt đầu với hai phát biểu:
- H0: Không có sự khác biệt, không có mối quan hệ hoặc tham số bằng giá trị giả định.
- H1: Có sự khác biệt, có mối quan hệ hoặc tham số khác giá trị giả định.
Với kiểm định hai đuôi, H1 thường chứa ý “khác”, không xác định trước là “lớn hơn” hay “nhỏ hơn”. Nếu kiểm định trung bình tổng thể bằng 3, có thể viết H0: μ = 3 và H1: μ ≠ 3. Giá trị kiểm định nằm ở phía dương hoặc phía âm của phân phối đều có thể dẫn đến bác bỏ H0.
Kết quả thường được diễn giải thông qua p-value. Trong SPSS, p-value thường xuất hiện dưới tên Sig. (2-tailed) đối với nhiều thủ tục như One-Sample Test, Paired Samples Test, Independent Samples Test hoặc bảng tương quan. Bạn cũng cần chọn trước mức ý nghĩa α, thường là 0,05, để có quy tắc ra quyết định. Khái niệm mức ý nghĩa được giải thích kỹ hơn trong bài mức ý nghĩa là gì.
Ý nghĩa của kiểm định hai đuôi trong nghiên cứu định lượng
Kiểm định hai đuôi giúp bạn trả lời câu hỏi nghiên cứu về sự tồn tại của khác biệt hoặc tác động. Ví dụ, trong kiểm định t hai mẫu độc lập, bạn có thể kiểm tra điểm hài lòng trung bình của nam và nữ có khác nhau hay không. Trong hồi quy, kiểm định hệ số cũng thường bắt đầu từ H0: hệ số bằng 0 và H1: hệ số khác 0.
Nếu p-value nhỏ hơn hoặc bằng α, dữ liệu cung cấp đủ bằng chứng thống kê để bác bỏ H0. Nếu p-value lớn hơn α, bạn chưa có đủ bằng chứng để bác bỏ H0. Cách viết cẩn trọng là “chưa bác bỏ H0”, thay vì khẳng định H0 chắc chắn đúng.
Kiểm định hai đuôi không cho biết riêng mức độ lớn của khác biệt. Một p-value nhỏ chỉ nói rằng kết quả quan sát khó phù hợp với H0 ở mức ý nghĩa đã chọn. Bạn vẫn cần xem Mean Difference, hệ số hồi quy, khoảng tin cậy và độ lớn ảnh hưởng để biết khác biệt đi theo hướng nào và có đáng kể về mặt thực tiễn hay không. Khi cần diễn giải khoảng ước lượng, bạn có thể xem thêm bài khoảng tin cậy.
Trong một báo cáo định lượng, bạn nên ghi đủ bốn thành phần: loại kiểm định, thống kê kiểm định, bậc tự do nếu có, p-value và kết luận. Bậc tự do không phải p-value. Nếu đang nhầm hai khái niệm này, hãy xem bậc tự do là gì và df trong SPSS.
Kiểm định hai đuôi bao nhiêu là tốt
Câu hỏi “kiểm định hai đuôi bao nhiêu là tốt” thường đang nói đến Sig. (2-tailed). Không có một p-value càng nhỏ càng tốt cho mọi nghiên cứu. Bạn cần so sánh p-value với mức ý nghĩa đã quy định trong phương pháp nghiên cứu, thường là 0,05.
Bảng dưới đây tóm tắt cách ra quyết định. Các ngưỡng được nêu cùng nguồn để bạn có thể giải trình khi viết luận văn.
| Kết quả trên output | Quy tắc quyết định ở α = 0,05 | Cách kết luận | Nguồn nền tảng |
|---|---|---|---|
Sig. (2-tailed) ≤ 0,05 | Bác bỏ H0 | Có bằng chứng thống kê về khác biệt hoặc mối quan hệ theo kiểm định | (Field, 2013) |
Sig. (2-tailed) > 0,05 | Chưa bác bỏ H0 | Chưa có đủ bằng chứng thống kê ở mức ý nghĩa 5% | (Field, 2013) |
p-value ≤ 0,01 | Bác bỏ H0 ở mức 1% | Kết quả đạt mức ý nghĩa nghiêm ngặt hơn | (Field, 2013) |
p-value > 0,10 | Chưa bác bỏ H0 ở mức 10% | Bằng chứng thống kê yếu theo ngưỡng đang xét | (Field, 2013) |
Mức 0,05 là quy ước phân tích phổ biến, nhưng bạn cần dùng đúng mức đã nêu trong đề cương hoặc quy trình nghiên cứu. Nếu chọn α = 0,01, bạn phải so sánh p-value với 0,01, không đổi ngưỡng sau khi đã nhìn thấy kết quả.
Một điểm thường bị hiểu sai là p-value không phải xác suất H0 đúng. Nó thể hiện mức độ phù hợp của dữ liệu với H0 theo mô hình và các giả định của phép kiểm định. Bạn cũng không nên viết “p-value bằng 0”. SPSS có thể hiển thị 0.000, nhưng cách báo cáo phù hợp thường là p < 0,001.
Cách đọc kiểm định hai đuôi trên output SPSS
Đường đi trong SPSS phụ thuộc vào loại kiểm định. Với kiểm định trung bình một mẫu, bạn chọn Analyze > Compare Means > One-Sample T Test. Với hai nhóm độc lập, chọn Analyze > Compare Means > Independent-Samples T Test. Với dữ liệu trước và sau trên cùng đối tượng, chọn Analyze > Compare Means > Paired-Samples T Test.
Sau khi chạy, đừng chỉ nhìn một con số rồi kết luận. Trước tiên xác định đúng bảng, đúng dòng và đúng cột. Với kiểm định hai mẫu độc lập, bảng Independent Samples Test có hai phần kết quả theo giả định phương sai bằng nhau hoặc không bằng nhau. Bạn cần dùng kiểm định Levene để chọn dòng phù hợp trước khi đọc Sig. (2-tailed).
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng SPSS để bạn đối chiếu với file đang mở.
| Bảng SPSS | Dòng hoặc cột cần đọc | Số liệu minh họa | Diễn giải |
|---|---|---|---|
| Independent Samples Test | Levene's Test Sig. | 0,214 | Lớn hơn 0,05, có thể đọc dòng Equal variances assumed theo quy ước đang dùng |
| Independent Samples Test | t | 2,318 | Giá trị thống kê t của phép kiểm định |
| Independent Samples Test | df | 198 | Bậc tự do của phép kiểm định |
| Independent Samples Test | Sig. (2-tailed) | 0,021 | Nhỏ hơn 0,05, có bằng chứng về khác biệt trung bình |
| Independent Samples Test | Mean Difference | 0,284 | Chênh lệch trung bình giữa hai nhóm, cần xem thứ tự nhóm |
| Independent Samples Test | 95% Confidence Interval of the Difference | 0,042 đến 0,526 | Khoảng không chứa 0, phù hợp với kết luận có khác biệt |
Với số liệu minh họa này, p-value là 0,021. Vì 0,021 nhỏ hơn 0,05, bạn bác bỏ H0 ở mức ý nghĩa 5%. Dấu của Mean Difference cho biết hướng chênh lệch, nhưng cần kiểm tra thứ tự hai nhóm trong bảng Group Statistics. Kết luận “nhóm 1 cao hơn nhóm 2” chỉ đúng nếu SPSS thực sự tính nhóm 1 trừ nhóm 2 và giá trị chênh lệch dương.
Nếu bạn chạy tương quan, bảng thường có tên Correlations, trong đó cột Sig. (2-tailed) cho biết kiểm định H0: hệ số tương quan bằng 0. Nếu chạy hồi quy, bảng Coefficients thường có cột Sig. thay vì ghi rõ (2-tailed). Logic so sánh p-value với α vẫn cần gắn với loại kiểm định và giả thuyết cụ thể.
Khi kiểm định hai đuôi không đạt thì xử lý thế nào
Khi Sig. (2-tailed) lớn hơn mức ý nghĩa, bạn nên xử lý theo thứ tự sau.
Kiểm tra lại giả thuyết và loại kiểm định
Xem H0, H1 có đúng với câu hỏi nghiên cứu không. Kiểm định hai đuôi phù hợp khi bạn chỉ đặt câu hỏi có khác biệt hoặc có mối quan hệ. Nếu đề tài thực sự dự đoán trước một hướng dựa trên cơ sở lý thuyết, bạn cần xem lại thiết kế kiểm định, nhưng không được đổi từ hai đuôi sang một đuôi chỉ vì kết quả hai đuôi không đạt.
Kiểm tra dữ liệu và mã hóa biến
Mở Variable View và Data View để kiểm tra kiểu biến, mã hóa nhóm, giá trị thiếu, biến đảo chiều và các trường hợp nhập sai. Một biến nhóm bị mã hóa ngược hoặc một giá trị ngoại lệ có thể làm thay đổi trung bình và p-value. Bạn cần ghi lại mọi chỉnh sửa, không xóa dòng dữ liệu chỉ để làm p-value nhỏ hơn.
Kiểm tra giả định của phép kiểm định
Xem dữ liệu có đáp ứng các giả định cần thiết hay không, chẳng hạn tính độc lập, dạng phân phối hoặc phương sai giữa các nhóm. Nếu giả định bị vi phạm, cân nhắc phép kiểm định phù hợp hơn và giải thích lý do. Có thể dùng kiểm định phi tham số trong trường hợp phù hợp, nhưng lựa chọn đó phải xuất phát từ đặc điểm dữ liệu, không phải từ mong muốn đạt ý nghĩa thống kê.
Báo cáo kết quả không có ý nghĩa thống kê
Kết quả không đạt vẫn là một kết quả hợp lệ. Bạn có thể báo cáo p-value, chênh lệch trung bình hoặc hệ số ước lượng, khoảng tin cậy và diễn giải rằng dữ liệu chưa cung cấp đủ bằng chứng thống kê. Không tự ý tăng cỡ mẫu, đổi thang đo hoặc loại quan sát sau khi xem kết quả nếu không có tiêu chí phương pháp được xác định trước.
Phân biệt kiểm định hai đuôi với kiểm định một đuôi
Kiểm định một đuôi, hay one-tailed test, chỉ tập trung vào một hướng. H1 có thể là μ > μ0 hoặc μ < μ0. Ví dụ, bạn có giả thuyết rằng chương trình đào tạo làm tăng điểm trung bình, khi đó hướng tăng đã được nêu trước. Kiểm định hai đuôi dùng H1: μ ≠ μ0 và chấp nhận cả hướng tăng lẫn giảm.
| Nội dung | Kiểm định hai đuôi | Kiểm định một đuôi |
|---|---|---|
| H1 điển hình | Tham số khác giá trị giả định | Tham số lớn hơn hoặc nhỏ hơn giá trị giả định |
| Hướng ảnh hưởng | Hai hướng | Một hướng đã xác định |
| Vùng bác bỏ H0 | Chia ở hai phía phân phối | Nằm ở một phía phân phối |
| SPSS hiển thị phổ biến | Sig. (2-tailed) | Thường cần diễn giải p-value theo hướng giả thuyết |
| Điều kiện sử dụng | Khi chưa có dự đoán hướng đủ rõ | Khi hướng đã được xác định trước và có cơ sở lý thuyết |
Câu hỏi “kiểm định một đuôi bao nhiêu là tốt” cũng được trả lời bằng cách so sánh p-value với α, nhưng p-value một đuôi không nên được tạo ra bằng cách tự động chia p-value hai đuôi cho 2. Việc chia chỉ có thể phù hợp khi hiệu ứng quan sát đúng hướng đã định trước và cách kiểm định một đuôi đã được xác định trước.
Trong SPSS, nhiều bảng mặc định hiển thị Sig. (2-tailed). Bạn có thể bắt gặp truy vấn “kiểm định một đuôi trong SPSS”, nhưng phần mềm không phải lúc nào cũng có một ô riêng mang tên Sig. (1-tailed). Bạn cần dựa vào giả thuyết, hướng của thống kê kiểm định và quy tắc báo cáo đã nêu trong phương pháp.
Lỗi thường gặp khi đọc kiểm định hai đuôi
Nhầm Sig. (2-tailed) với Sig. của Levene
Trong bảng Independent Samples Test, có thể có một Sig. ở phần Levene's Test for Equality of Variances và một Sig. (2-tailed) ở phần kiểm định trung bình. Hai giá trị này trả lời hai câu hỏi khác nhau. Giá trị thứ nhất liên quan đến phương sai, còn giá trị thứ hai liên quan đến khác biệt trung bình.
Viết H0 đúng nhưng kết luận sai
Một lỗi phổ biến là thấy p-value = 0,214 rồi viết “có sự khác biệt vì p-value lớn hơn 0,05”. Với α = 0,05, p-value lớn hơn ngưỡng dẫn đến kết luận chưa bác bỏ H0. Bạn nên viết cả p-value cụ thể để người đọc kiểm tra được phép suy luận.
Gọi kết quả không đạt là không có tác động tuyệt đối
Kết quả không có ý nghĩa thống kê không chứng minh rằng tác động chắc chắn bằng 0 trong mọi bối cảnh. Nó chỉ cho thấy mẫu và mô hình hiện tại chưa cung cấp đủ bằng chứng theo ngưỡng đã chọn. Hãy xem thêm khoảng tin cậy, độ lớn hiệu ứng, cỡ mẫu và chất lượng đo lường.
Dùng kiểm định một đuôi sau khi đã xem output
Chuyển sang kiểm định một đuôi vì p-value hai đuôi vừa lớn hơn 0,05 là một cách báo cáo thiếu thuyết phục. Nếu dùng kiểm định một đuôi, hướng giả thuyết phải được xác định trước và phải có căn cứ từ mô hình nghiên cứu, tài liệu hoặc lập luận phương pháp.
Câu hỏi thường gặp
Kiểm định giả thuyết là gì?
Kiểm định giả thuyết là quy trình dùng dữ liệu mẫu để đánh giá mức độ phù hợp của H0, sau đó đưa ra quyết định thống kê ở một mức ý nghĩa đã chọn. Trong SPSS, quyết định thường dựa trên p-value, thống kê kiểm định và các giả định của phép kiểm định.
Kiểm định giả thuyết bao nhiêu là tốt?
Nếu bạn đang hỏi p-value bao nhiêu là đạt, câu trả lời phụ thuộc vào α. Với α = 0,05, p-value nhỏ hơn hoặc bằng 0,05 thường được xem là có ý nghĩa thống kê. Tuy nhiên, p-value nhỏ không tự động chứng minh mô hình tốt hoặc tác động có ý nghĩa thực tiễn.
Kiểm định hai đuôi có phải lúc nào cũng dùng 0,05 không?
Không. 0,05 là mức thường gặp, nhưng nghiên cứu có thể đặt α = 0,01 hoặc 0,10 tùy thiết kế và quy ước phương pháp. Bạn cần nêu mức α trước khi chạy hoặc ít nhất trước khi đưa ra kết luận, rồi giữ nhất quán trong toàn bộ chương kết quả.
Kiểm định hai đuôi trong SPSS đọc cột nào?
Tùy thủ tục, bạn đọc cột Sig. (2-tailed) trong bảng tương ứng. Với kiểm định hai mẫu độc lập, cần xem thêm Levene's Test để chọn dòng Equal variances assumed hoặc Equal variances not assumed, sau đó mới đọc p-value ở dòng đã chọn.
Kiểm định một đuôi là gì và có nên dùng không?
Kiểm định một đuôi kiểm tra một hướng cụ thể, chẳng hạn chỉ kiểm tra tham số có lớn hơn giá trị giả định hay không. Bạn chỉ nên dùng khi hướng tác động được xác định trước bằng lập luận nghiên cứu phù hợp. Không nên đổi sang một đuôi chỉ để biến kết quả chưa đạt thành đạt.
Bạn hãy mở lại bảng output, xác định đúng loại kiểm định, ghi H0 và H1, sau đó đối chiếu Sig. (2-tailed) với α trước khi viết kết luận. Nếu cần chạy kiểm định trên chính file .sav hoặc .csv và diễn giải kết quả theo đề tài, bạn có thể dùng module M4 phân tích của DoThesis.