Kiểm định t test: Cách chạy và đọc kết quả trong SPSS

Kiểm định t test kiểm định điều gì

Kiểm định t test dùng để so sánh giá trị trung bình. Tùy vào thiết kế dữ liệu, bạn có thể so sánh trung bình của một nhóm với giá trị chuẩn, trung bình của hai nhóm độc lập, hoặc trung bình của hai lần đo trên cùng đối tượng. Trong SPSS, ba dạng thường gặp là One-Sample t Test, Independent-Samples t Test và Paired-Samples t Test.

Bạn chọn loại kiểm định dựa trên câu hỏi nghiên cứu. Nếu chỉ có một nhóm và muốn biết Mean có khác một giá trị cố định hay không, dùng One-Sample t Test. Nếu so sánh hai nhóm người khác nhau, chẳng hạn nam và nữ, dùng Independent-Samples t Test. Nếu đo cùng một nhóm trước và sau một tác động, dùng Paired-Samples t Test.

T test trả lời hai câu hỏi: mức chênh lệch trung bình là bao nhiêu và chênh lệch đó có ý nghĩa thống kê hay không. Nếu biến phân nhóm có từ ba mức trở lên, bạn nên xem thêm ANOVA, vì thực hiện nhiều t test riêng lẻ có thể làm tăng rủi ro kết luận sai. Bạn cũng có thể xem các tài liệu thuộc chủ đề Thống kê để đối chiếu cách chọn kiểm định theo loại biến.

Giả thuyết H0 và H1

Với mọi kiểm định t test, bạn cần xác định H0 và H1 trước khi nhìn p-value. H0 thường phát biểu rằng không có sự khác biệt trung bình. H1 phát biểu rằng có sự khác biệt trung bình, hoặc có sự khác biệt theo một hướng đã xác định từ trước.

Với Independent-Samples t Test, H0 là trung bình của hai nhóm không khác nhau trong tổng thể. H1 là trung bình của hai nhóm có khác nhau. Ví dụ, nếu biến nhóm là giới tính và biến phụ thuộc là mức độ hài lòng, H0 nói rằng mức độ hài lòng trung bình của nam và nữ bằng nhau, còn H1 nói rằng hai mức trung bình này khác nhau.

Với Paired-Samples t Test, H0 là trung bình của hai lần đo trên cùng đối tượng không khác nhau. H1 là trung bình của hai lần đo có khác nhau. Ví dụ, H0 nói điểm đánh giá trước và sau chương trình đào tạo không thay đổi, còn H1 nói hai thời điểm có sự thay đổi.

Nếu đề tài có giả thuyết một phía, hướng kiểm định phải được xác định từ cơ sở lý thuyết và thiết kế nghiên cứu trước khi chạy. Trong nhiều luận văn, kết quả được đọc theo kiểm định hai phía ở mức ý nghĩa 5%. Bạn không nên đổi H1 thành “cao hơn” chỉ vì Mean trong output đang cao hơn, nếu giả thuyết ban đầu chỉ nói “có khác biệt”.

Điều kiện áp dụng kiểm định t test

Trước khi chạy, bạn kiểm tra loại biến, cấu trúc nhóm, tính độc lập và phân phối dữ liệu. Bảng dưới đây là checklist thực hành. Các ngưỡng có nguồn được ghi ngay trong bảng để bạn có thể giải trình khi được hỏi.

Với Independent-Samples t Test, Levene's Test chỉ giúp bạn chọn dòng kết quả phù hợp. Nó không cho biết hai nhóm có khác trung bình hay không. Với Paired-Samples t Test, hai biến phải là hai phép đo của cùng đối tượng. Khi kiểm tra phân phối, cần chú ý phân phối của chênh lệch giữa lần đo thứ nhất và lần đo thứ hai.

Các bước chạy kiểm định t test trong SPSS

Bước 1: Chuẩn bị dữ liệu và mã hóa nhóm

Trong Variable View, đặt biến kết quả ở dạng Numeric và kiểm tra Measure. Với Independent-Samples t Test, biến nhóm phải có đúng hai mã, chẳng hạn 1 và 2. Ghi Value Labels rõ ràng, ví dụ 1 là Nam và 2 là Nữ, để output dễ đọc.

Nếu biến phụ thuộc là một khái niệm được đo bằng nhiều biến quan sát, hãy tính điểm đại diện theo phương pháp đã nêu trong chương phương pháp. Thông thường, đó là điểm trung bình của các biến quan sát đạt yêu cầu. Không tự ý dùng một biến quan sát duy nhất thay cho thang đo tổng hợp.

Bước 2: Chạy Independent-Samples t Test

Chọn Analyze > Compare Means > Independent-Samples T Test. Đưa biến định lượng vào Test Variable(s). Đưa biến nhóm vào Grouping Variable, bấm Define Groups, rồi nhập đúng hai mã nhóm. Bấm Continue và OK.

SPSS thường xuất hai bảng chính là Group Statistics và Independent Samples Test. Group Statistics cho biết N, Mean, độ lệch chuẩn và sai số chuẩn của từng nhóm. Independent Samples Test chứa Levene's Test và kết quả t test.

Bước 3: Chạy Paired-Samples t Test

Chọn Analyze > Compare Means > Paired-Samples T Test. Chọn biến đo lần một và biến đo lần hai thành một cặp. Bấm OK để tạo các bảng Paired Samples Statistics, Paired Samples Correlations và Paired Samples Test.

Bảng quyết định chính là Paired Samples Test. Bạn đọc Mean của chênh lệch, khoảng tin cậy, giá trị t, df và Sig. 2-tailed. Nếu có nhiều cặp biến, nên chạy và trình bày theo từng giả thuyết để chương 4 dễ theo dõi.

Bước 4: Chạy One-Sample t Test

Chọn Analyze > Compare Means > One-Sample T Test. Đưa biến cần kiểm định vào Test Variable(s) và nhập giá trị chuẩn vào Test Value. Chỉ dùng giá trị này khi nó phù hợp với cách mã hóa và câu hỏi nghiên cứu, chẳng hạn kiểm tra Mean có khác mức giữa của thang đo hay không.

One-Sample t Test không thay thế cho kiểm định so sánh hai nhóm. Nếu câu hỏi là nam và nữ có khác nhau hay không, bạn phải dùng Independent-Samples t Test.

Bước 5: Lưu output và ghi lại lựa chọn

Lưu file Output Viewer cùng với file dữ liệu .sav. Ghi lại loại t test, biến phụ thuộc, biến nhóm, mã nhóm và dòng kết quả đã chọn. Nếu chạy lại sau khi làm sạch dữ liệu, đặt tên phiên bản rõ ràng để không trích nhầm bảng cũ vào chương 4.

Đọc bảng kết quả và kết luận

Đọc output theo thứ tự từ mô tả đến kiểm định. Trước hết, nhìn N và Mean trong Group Statistics hoặc Paired Samples Statistics. Mean cho biết hướng chênh lệch, còn Sig. (2-tailed) cho biết chênh lệch có ý nghĩa thống kê theo alpha đã chọn hay không.

Dưới đây là bảng số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được giữ theo cách SPSS in trong output.

Với Independent-Samples t Test, bắt đầu ở Levene's Test for Equality of Variances. Nếu Sig. lớn hơn hoặc bằng 0.05, đọc dòng Equal variances assumed. Nếu Sig. nhỏ hơn 0.05, đọc dòng Equal variances not assumed. Sau đó lấy Sig. (2-tailed) ở đúng dòng đó.

Với Paired-Samples t Test, đọc trực tiếp bảng Paired Samples Test. Nếu Sig. (2-tailed) nhỏ hơn 0.05, bác bỏ H0 ở mức ý nghĩa 5% và kết luận hai lần đo có khác biệt thống kê. Nếu Sig. lớn hơn hoặc bằng 0.05, chưa có đủ bằng chứng thống kê để bác bỏ H0. Cách viết này thận trọng hơn câu “H0 đúng”.

Trong ví dụ minh họa, Independent-Samples t Test có Sig. bằng 0.046. Nếu đó là dòng phương sai phù hợp, kết quả có ý nghĩa thống kê ở mức 5%. Mean của Group 1 cao hơn Group 2 khoảng 0.24 điểm. Với Paired-Samples t Test, Sig. bằng 0.002, nên hai lần đo có khác biệt thống kê trong mẫu minh họa, với Mean sau cao hơn Mean trước.

Cách viết kết quả kiểm định t test vào luận văn

Bạn cần trình bày cả thống kê mô tả và kết quả kiểm định. Một câu chỉ ghi “Sig. nhỏ hơn 0.05 nên giả thuyết được chấp nhận” là chưa đủ, vì người đọc cần biết nhóm nào có Mean cao hơn, chênh lệch bao nhiêu và bạn đã đọc dòng nào.

Bạn có thể điều chỉnh đoạn sau theo số liệu thật: “Kết quả Independent-Samples t Test cho thấy Mean của nhóm [tên nhóm 1] là [Mean 1], trong khi Mean của nhóm [tên nhóm 2] là [Mean 2]. Levene's Test có Sig. = [giá trị], do đó kết quả được đọc tại dòng [Equal variances assumed/Equal variances not assumed]. Giá trị Sig. (2-tailed) bằng [p-value], [nhỏ hơn/lớn hơn hoặc bằng] 0.05, cho thấy [có/chưa có] sự khác biệt có ý nghĩa thống kê về [tên biến] giữa hai nhóm.”

Với Paired-Samples t Test, có thể viết: “Mean của [lần đo 1] là [Mean 1] và Mean của [lần đo 2] là [Mean 2]. Kết quả Paired-Samples t Test cho thấy t([df]) = [t], 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, kết luận [có/chưa có] sự thay đổi có ý nghĩa thống kê về [biến].”

Nếu đây là kiểm định cho giả thuyết trong mô hình, ghi rõ H1 được ủng hộ hoặc không được ủng hộ theo quy ước của khoa. Dùng “có sự khác biệt trong mẫu nghiên cứu” khi dữ liệu chỉ đến từ một mẫu khảo sát.

Khi vi phạm giả định thì dùng gì thay thế

Nếu dữ liệu có phân phối lệch mạnh, nhiều outlier hoặc cỡ mẫu nhỏ, hãy xem nguyên nhân trước khi đổi kiểm định. Kiểm tra histogram, Q-Q Plot, boxplot và bản ghi bất thường tại Analyze > Descriptive Statistics > Explore. Một outlier có thể là lỗi nhập liệu, nhưng cũng có thể là câu trả lời hợp lệ cần được giữ lại và giải trình.

Với hai nhóm độc lập, lựa chọn phi tham số thường dùng là Mann-Whitney U Test. Trong SPSS, vào Analyze > Nonparametric Tests > Legacy Dialogs > 2 Independent Samples. Kiểm định này không kiểm tra chênh lệch Mean theo cùng cách t test, nên khi báo cáo cần nói rõ bạn so sánh phân phối hoặc thứ hạng giữa hai nhóm.

Với hai lần đo ghép cặp, có thể dùng Wilcoxon Signed-Rank Test tại Analyze > Nonparametric Tests > Legacy Dialogs > 2 Related Samples. Đây là lựa chọn phù hợp hơn khi chênh lệch giữa hai lần đo không đáp ứng giả định cần thiết của Paired-Samples t Test.

Nếu có từ ba nhóm, hãy cân nhắc One-Factor ANOVA thay vì chạy nhiều Independent-Samples t Test. Nếu biến phân loại và câu hỏi hỏi về mối liên hệ giữa các tần số, kiểm định Chi bình phương có thể phù hợp hơn. Bạn cũng có thể xem bảng ANOVA khi biến phân nhóm có nhiều hơn hai mức.

Lỗi thường gặp

Chọn sai loại t test. Hai nhóm người khác nhau cần Independent-Samples t Test. Hai lần đo trên cùng người cần Paired-Samples t Test. Dùng Paired-Samples t Test cho nam và nữ sẽ tạo ra các cặp dữ liệu không có ý nghĩa.

Đọc nhầm Levene's Test. Sig. của Levene chỉ quyết định đọc dòng nào trong Independent Samples Test. Nó không phải p-value của giả thuyết về sự khác biệt trung bình.

Chỉ nhìn Mean mà bỏ qua Sig. (2-tailed). Mean cao hơn chưa đủ để kết luận có khác biệt thống kê. Bạn phải đối chiếu p-value với alpha đã chọn.

Dùng mã nhóm sai. Nếu Grouping Variable có mã 0 và 1 nhưng bạn nhập Group 1 là 1 và Group 2 là 2, SPSS có thể loại nhóm mã 0. Hãy chạy Frequencies trước khi chạy t test.

Xóa outlier chỉ để p-value nhỏ hơn. Mọi bản ghi bị loại phải có lý do phương pháp rõ ràng, chẳng hạn trả lời không hợp lệ hoặc lỗi nhập liệu. Không loại quan sát chỉ vì kết quả kém thuận lợi.

Gọi kết quả không có ý nghĩa là H0 đúng. Cách diễn đạt phù hợp là “chưa có đủ bằng chứng bác bỏ H0”.

Câu hỏi thường gặp

Kiểm định t test là gì?

Kiểm định t test là nhóm kiểm định dùng để so sánh trung bình. Trong SPSS, bạn chọn One-Sample, Independent-Samples hoặc Paired-Samples tùy vào việc so sánh một nhóm với giá trị chuẩn, hai nhóm độc lập hay hai lần đo của cùng đối tượng.

Kiểm định independent sample t test trong SPSS chọn dòng nào?

Bạn xem Levene's Test for Equality of Variances trước. Sig. lớn hơn hoặc bằng 0.05 thì đọc dòng Equal variances assumed. Sig. nhỏ hơn 0.05 thì đọc dòng Equal variances not assumed, sau đó dùng Sig. (2-tailed) ở dòng đã chọn.

Kiểm định paired samples t test trên SPSS 26 chạy ở đâu?

Trong SPSS 26, chọn Analyze > Compare Means > Paired-Samples T Test. Chọn hai biến đo của cùng đối tượng thành một cặp, rồi đọc bảng Paired Samples Test. Giao diện có thể thay đổi nhỏ giữa các phiên bản, nhưng đường dẫn và logic vẫn tương tự.

p-value bao nhiêu thì kiểm định t test đạt?

Với mức ý nghĩa 5%, p-value nhỏ hơn 0.05 thường được dùng để bác bỏ H0 và kết luận có khác biệt thống kê. Nếu p-value lớn hơn hoặc bằng 0.05, bạn chưa có đủ bằng chứng bác bỏ H0. Cần đặt p-value cạnh Mean, cỡ mẫu và thiết kế nghiên cứu.

Dữ liệu không chuẩn thì có chạy t test được không?

Bạn cần xem mức độ lệch, outlier, cỡ mẫu và phân phối của chênh lệch thay vì kết luận chỉ từ một kiểm tra. Nếu giả định không phù hợp, có thể dùng Mann-Whitney U Test cho hai nhóm độc lập hoặc Wilcoxon Signed-Rank Test cho hai lần đo ghép cặp, rồi giải thích lựa chọn trong luận văn.

T test khác ANOVA như thế nào?

T test thường dùng khi so sánh một giá trị chuẩn, hai nhóm độc lập hoặc hai lần đo ghép cặp. ANOVA phù hợp khi so sánh trung bình từ ba nhóm trở lên. Khi biến nhóm có nhiều hơn hai mức, hãy kiểm tra thêm bảng ANOVA và các kiểm định hậu nghiệm phù hợp.

Bạn hãy mở lại file .sav, kiểm tra mã nhóm, chạy đúng loại t test và lưu bảng Group Statistics, Independent Samples Test hoặc Paired Samples Test cùng phiên bản dữ liệu đã dùng. Nếu cần chạy phân tích trên chính file của bạn và theo dõi từng bước từ output đến kết luận, xem M4 phân tích dữ liệu SPSS và SmartPLS của DoThesis.