Kiểm định Tukey là gì? Cách đọc và chạy trong SPSS

Kiểm định Tukey là gì

Bạn thường gặp kiểm định Tukey sau khi chạy one-way ANOVA trong SPSS. ANOVA cho biết trung bình của nhiều nhóm có khác nhau tổng thể hay không, nhưng chưa chỉ ra cụ thể cặp nhóm nào khác nhau. Tukey HSD, viết đầy đủ là Tukey's Honestly Significant Difference, là một kiểm định Post Hoc dùng để so sánh từng cặp trung bình sau ANOVA.

Ví dụ, bạn khảo sát mức độ hài lòng của khách hàng theo ba nhóm độ tuổi: dưới 25, từ 25 đến 35 và trên 35. Kết quả ANOVA có thể cho thấy ít nhất một nhóm có trung bình khác nhóm còn lại. Khi đó, Tukey lần lượt so sánh nhóm dưới 25 với nhóm 25 đến 35, nhóm dưới 25 với nhóm trên 35, rồi nhóm 25 đến 35 với nhóm trên 35.

Về bản chất, Tukey so sánh chênh lệch giữa hai trung bình với một mức chênh lệch tới hạn. Cách làm này kiểm soát rủi ro sai lầm khi bạn thực hiện nhiều phép so sánh cùng lúc. Vì vậy, bạn đọc cột Sig. hoặc p-value trong bảng Multiple Comparisons, thay vì chỉ nhìn vào sự chênh lệch trung bình.

Tukey thường đi cùng one factor ANOVA, còn bối cảnh tổng quát của việc so sánh trung bình được giải thích trong bài ANOVA. Nếu nghiên cứu chỉ có hai nhóm, bạn thường xem xét kiểm định t test thay vì chạy Tukey.

Ý nghĩa của kiểm định Tukey trong nghiên cứu định lượng

Tukey trả lời câu hỏi cụ thể: sau khi phát hiện khác biệt tổng thể bằng ANOVA, khác biệt đó nằm giữa những nhóm nào. Đây là bước cần thiết khi biến độc lập có từ ba nhóm trở lên. Nếu bạn chỉ báo cáo Sig. của ANOVA, người đọc biết có sự khác biệt nhưng chưa biết nhóm nào có mức trung bình cao hơn hoặc thấp hơn.

Quy trình thường có dạng sau. Trước hết, bạn xác định biến phụ thuộc là biến định lượng, chẳng hạn điểm hài lòng hoặc ý định mua. Tiếp theo, biến phân nhóm có từ ba nhóm độc lập, chẳng hạn ba loại hình dịch vụ. Bạn chạy ANOVA, kiểm tra giả định về phương sai, rồi chọn Tukey hoặc một thủ tục phù hợp để so sánh cặp.

Tukey phù hợp nhất khi các nhóm độc lập, dữ liệu trong mỗi nhóm không vi phạm nghiêm trọng giả định phân phối, và phương sai giữa các nhóm tương đối đồng nhất. Kiểm định này thuộc nhóm kiểm định tham số. Nếu bạn đang tìm “kiểm định tham số là gì”, có thể hiểu đây là nhóm kiểm định dựa trên các tham số như trung bình và phương sai của tổng thể, với những điều kiện áp dụng nhất định.

Kết quả Tukey giúp bạn làm ba việc trong chương 4. Thứ nhất, xác định cặp nhóm có khác biệt thống kê. Thứ hai, xác định hướng khác biệt qua cột Mean Difference. Thứ ba, báo cáo khoảng tin cậy qua 95% Confidence Interval, gồm Lower Bound và Upper Bound.

Bạn cũng cần phân biệt ý nghĩa thống kê với ý nghĩa thực tiễn. Một chênh lệch có p-value nhỏ vẫn cần được xem cùng độ lớn chênh lệch, thang đo và bối cảnh nghiên cứu. Tukey không tự cho biết khác biệt đó có quan trọng về mặt quản trị hay không.

Kiểm định Tukey bao nhiêu là đạt

Cụm “kiểm định Tukey bao nhiêu là tốt” thường làm người đọc nhầm rằng Tukey có một điểm cắt riêng giống Cronbach's Alpha. Trong thực hành, tiêu chí quyết định chính là Sig. của từng cặp so sánh. Với mức ý nghĩa 5%, cặp nhóm được xem là khác biệt có ý nghĩa thống kê khi Sig. nhỏ hơn 0.05. Quy tắc p-value này cần được đặt cùng giả thuyết và thiết kế nghiên cứu, không nên tách khỏi bảng ANOVA.

Bảng dưới đây tóm tắt các con số bạn thường nhìn thấy. Mỗi dòng nêu rõ nguồn của ngưỡng, vì một ngưỡng không có nguồn rất khó giải trình khi bị hỏi trong buổi bảo vệ.

Nguồn trong bảng trên được dùng cho cách đọc output SPSS và quyết định theo p-value. Với Tukey, bạn không tìm một giá trị “Tukey càng cao càng tốt”. Cần xem từng dòng cặp nhóm, dấu của Mean Difference, p-value và khoảng tin cậy.

Nếu Sig. bằng 0.000 trong SPSS, bạn nên viết là p < 0.001, không viết p bằng 0. SPSS làm tròn đến ba chữ số thập phân, nên giá trị đó vẫn là một p-value dương rất nhỏ.

Cách đọc kiểm định Tukey trên output

Sau khi chạy, bảng quan trọng nhất là Multiple Comparisons. Giả sử bạn đo điểm hài lòng theo ba nhóm kênh mua hàng. Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Tên cột được giữ theo cách SPSS hiển thị để bạn đối chiếu trực tiếp với file của mình.

Dòng Cửa hàng so với Website có Mean Difference bằng 0.42. Vì SPSS tính trung bình nhóm I trừ trung bình nhóm J, dấu dương cho thấy điểm trung bình của nhóm Cửa hàng cao hơn Website 0.42 điểm. Sig. bằng 0.028, nhỏ hơn 0.05, nên cặp này khác biệt có ý nghĩa thống kê trong ví dụ.

Dòng Cửa hàng so với Ứng dụng có p-value 0.462. Khoảng tin cậy từ -0.18 đến 0.54 cũng chứa 0. Bạn chưa có cơ sở kết luận hai nhóm này khác nhau về điểm hài lòng. Tương tự, Website và Ứng dụng có p-value 0.214, nên không được xem là khác biệt có ý nghĩa ở mức 5%.

Bạn nên đối chiếu bảng Descriptives để biết trung bình và độ lệch chuẩn của từng nhóm. Multiple Comparisons cho biết cặp nào khác nhau, còn Descriptives giúp bạn mô tả nhóm nào có điểm trung bình cao hơn. Bảng bảng ANOVA giúp bạn kiểm tra kết quả tổng thể trước khi diễn giải Tukey.

Trong SPSS, bạn có thể gặp thêm bảng Homogeneous Subsets. Các nhóm cùng nằm trong một subset thường không khác biệt có ý nghĩa theo thủ tục đã chọn. Tuy nhiên, khi viết luận văn, Multiple Comparisons thường rõ hơn vì hiển thị từng cặp, chênh lệch, p-value và khoảng tin cậy.

Khi kiểm định Tukey không đạt thì xử lý thế nào

Bạn xử lý theo thứ tự từ thiết kế đến lựa chọn kiểm định, không xóa ngẫu nhiên các dòng có p-value lớn. Trước hết, kiểm tra ANOVA tổng thể. Nếu ANOVA không có ý nghĩa thống kê, bạn cần thận trọng khi tiếp tục diễn giải nhiều cặp Tukey. Một vài cặp có thể cho kết quả khác do đặc điểm của nhiều phép so sánh, nhưng kết luận phải bám vào kế hoạch phân tích và giả thuyết đã nêu.

Kiểm tra lại biến nhóm và dữ liệu

Mở Analyze > Descriptive Statistics > Frequencies để kiểm tra mã nhóm. Một lỗi thường gặp là nhóm 1, 2, 3 bị nhập thành biến chuỗi không nhất quán, hoặc một nhóm có quá ít quan sát. Kiểm tra cả missing value và những dòng bị loại khỏi phân tích.

Sau đó xem Descriptives để phát hiện trung bình bất thường, độ lệch chuẩn quá lớn hoặc nhóm có cỡ mẫu chênh lệch mạnh. Những dấu hiệu này không tự động chứng minh dữ liệu sai, nhưng cho bạn biết cần quay lại kiểm tra file gốc.

Xem lại Levene và chọn Tukey đúng điều kiện

“Kiểm định Levene là gì” là câu hỏi liên quan trực tiếp đến lựa chọn Tukey. Levene kiểm tra giả thuyết phương sai của các nhóm bằng nhau. Nếu Sig. lớn hơn hoặc bằng 0.05, giả định đồng nhất phương sai chưa bị bác bỏ, Tukey có thể là lựa chọn phù hợp trong thiết kế thông thường.

Nếu Levene có Sig. nhỏ hơn 0.05, phương sai giữa các nhóm có dấu hiệu không đồng nhất. Khi đó, đừng cố dùng Tukey chỉ vì bảng có sẵn trong SPSS. Bạn có thể báo cáo Welch cho kiểm định tổng thể và cân nhắc Games-Howell cho so sánh cặp, tùy yêu cầu phương pháp của đề tài.

Cân nhắc Welch và Games-Howell

“Kiểm định Welch là gì” có thể hiểu ngắn gọn là một biến thể ANOVA ít phụ thuộc hơn vào giả định phương sai bằng nhau. Trong SPSS, bạn vào Analyze > Compare Means > One-Way ANOVA, đưa biến phụ thuộc và biến nhóm vào đúng ô, sau đó chọn phần Options để xem Welch và phần Post Hoc để chọn thủ tục phù hợp.

Nếu phương sai không đồng nhất, Games-Howell thường được cân nhắc cho so sánh từng cặp vì không yêu cầu phương sai bằng nhau như Tukey. Bạn cần ghi rõ lý do chuyển thủ tục trong luận văn. Reviewer thường chấp nhận một lựa chọn thay thế có căn cứ hơn việc giữ Tukey rồi bỏ qua kết quả Levene.

Kiểm tra cỡ mẫu và phân phối

Nếu một nhóm có quá ít quan sát hoặc dữ liệu lệch mạnh, hãy xem lại điều kiện áp dụng trước khi kết luận. Bạn có thể kiểm tra biểu đồ, boxplot và thống kê mô tả trong SPSS. Việc loại outlier chỉ vì nó làm p-value đẹp hơn là khó giải trình, trừ khi bạn có tiêu chí loại được xác định trước và ghi chép rõ.

EFA, hồi quy và các phân tích khác có tiêu chí riêng. Đừng dùng một kết quả Tukey để trả lời câu hỏi vốn thuộc về t test, hồi quy hoặc mô hình nhân tố.

Phân biệt kiểm định Tukey với Levene và Welch

Ba tên này xuất hiện gần nhau trong output ANOVA nhưng chúng trả lời ba câu hỏi khác nhau. Levene tập trung vào phương sai. Welch kiểm tra khác biệt trung bình tổng thể trong bối cảnh phương sai không đồng nhất. Tukey so sánh từng cặp trung bình sau khi bạn đã có lý do thực hiện Post Hoc.

Vì vậy, câu “kiểm định Levene bao nhiêu là tốt” cần được trả lời bằng việc xem Sig. theo giả thuyết phương sai, không phải tìm một giá trị càng lớn càng tốt. Tương tự, “kiểm định Welch bao nhiêu là tốt” cũng không có điểm số cố định. Bạn đọc Sig. của Welch để quyết định có khác biệt trung bình tổng thể hay không.

Trong bài toán có hai nhóm, bạn có thể đọc thêm kiểm định t test để tránh dùng sai thủ tục. Trong bài toán có ba nhóm trở lên, hãy xác định trước ANOVA, Levene, Welch hoặc Tukey đang giữ vai trò nào trong chuỗi phân tích.

Lỗi thường gặp khi đọc kiểm định Tukey

Lỗi đầu tiên là chạy Tukey nhưng không chạy ANOVA hoặc không báo cáo ANOVA. Tukey là bước so sánh sau, nên người đọc cần thấy căn cứ để bạn đi tiếp. Nếu phần tổng thể không được trình bày, lập luận trong chương 4 sẽ bị đứt.

Lỗi thứ hai là chỉ nhìn Mean Difference rồi kết luận có khác biệt. Chênh lệch 0.42 trong ví dụ chỉ có ý nghĩa thống kê vì p-value đi kèm nhỏ hơn 0.05. Một chênh lệch lớn về mặt số học vẫn có thể không đạt ý nghĩa thống kê nếu sai số chuẩn lớn.

Lỗi thứ ba là viết “Tukey đạt” hoặc “Tukey không đạt”. Cách viết này quá chung. Bạn nên nêu cặp nhóm, chênh lệch trung bình, p-value và hướng khác biệt. Cũng cần ghi thủ tục đã dùng và mức ý nghĩa.

Lỗi thứ tư là nhầm Sig. trong bảng Levene với Sig. trong bảng Multiple Comparisons. Hai p-value này phục vụ hai quyết định khác nhau. Một cái liên quan đến phương sai, một cái liên quan đến từng cặp trung bình.

Lỗi thứ năm là dùng các chỉ số CFI, TLI hoặc RMSEA để đánh giá ANOVA hay Tukey. Các chỉ số đó thuộc nhóm đánh giá mô hình CB-SEM, không phải tiêu chí của Tukey trong SPSS.

Câu hỏi thường gặp

Kiểm định Tukey trong SPSS nằm ở đâu

Bạn vào Analyze > Compare Means > One-Way ANOVA. Đưa biến định lượng vào Dependent List, biến phân nhóm vào Factor, chọn Post Hoc, đánh dấu Tukey, rồi chạy lệnh. Nếu muốn kiểm tra phương sai, mở Options và chọn Homogeneity of variance test.

Kiểm định Tukey bao nhiêu là tốt

Bạn đọc cột Sig. của từng cặp trong bảng Multiple Comparisons. Ở mức ý nghĩa 5%, Sig. nhỏ hơn 0.05 cho thấy cặp nhóm có khác biệt có ý nghĩa thống kê. Không có một chỉ số tổng hợp gọi là “điểm Tukey tốt”.

Khi nào dùng Tukey và khi nào dùng Welch

Dùng Tukey khi bạn cần so sánh từng cặp và điều kiện đồng nhất phương sai phù hợp. Khi Levene cho thấy phương sai không đồng nhất, bạn có thể cân nhắc Welch cho kiểm định tổng thể và Games-Howell cho so sánh cặp.

Levene có p-value lớn thì có dùng Tukey được không

Levene có Sig. lớn hơn hoặc bằng 0.05 nghĩa là bạn chưa có bằng chứng thống kê để bác bỏ giả định phương sai bằng nhau. Bạn vẫn cần xem cỡ mẫu, dữ liệu và bối cảnh nghiên cứu trước khi chọn Tukey, thay vì chỉ dựa vào một con số.

Tukey không có cặp nào đạt thì viết kết quả thế nào

Bạn báo cáo rằng kiểm định Post Hoc không phát hiện khác biệt có ý nghĩa giữa các cặp ở mức 5%, nếu đó đúng là kết quả của file. Đừng đổi thủ tục nhiều lần chỉ để tìm p-value nhỏ. Hãy kiểm tra điều kiện, cỡ mẫu và kế hoạch phân tích, sau đó giải trình lựa chọn của bạn.

Bạn có thể mở file SPSS ngay bây giờ, kiểm tra bảng ANOVA, Test of Homogeneity of Variances và Multiple Comparisons theo đúng thứ tự, rồi ghi riêng p-value của từng cặp vào bảng kết quả. Nếu cần chạy phân tích trên chính file .sav hoặc .csv và chuyển output thành kết quả có thể giải trình, xem module M4 phân tích của DoThesis.