Kruskal Wallis là gì? Cách đọc và kết luận trong SPSS

Kruskal Wallis là gì

Kruskal Wallis là kiểm định phi tham số dùng để so sánh từ ba nhóm độc lập trở lên. Bạn dùng kiểm định này khi biến kết quả là thứ bậc, dữ liệu không đáp ứng tốt giả định phân phối của One-way ANOVA, hoặc cỡ mẫu trong từng nhóm nhỏ khiến việc dựa vào trung bình và độ lệch chuẩn trở nên không phù hợp.

Trong SPSS, Kruskal Wallis thường được dùng để trả lời câu hỏi: mức độ hài lòng, ý định sử dụng hoặc một biến kết quả khác có khác nhau giữa các nhóm nghề nghiệp, thu nhập, độ tuổi hay trình độ học vấn hay không. Kiểm định làm việc trên thứ hạng của các quan sát thay vì so sánh trực tiếp trung bình. Vì vậy, kết quả chính thường được đọc qua giá trị Chi-Square, df và Asymp. Sig. trong bảng Test Statistics.

Về bản chất, kiểm định so sánh phân bố thứ hạng giữa các nhóm. Khi giả thuyết về phân phối giữa các nhóm được xem xét, thống kê kiểm định thường được ký hiệu là H và được đối chiếu với phân phối Chi-Square, với số bậc tự do bằng số nhóm trừ đi một. Bạn không cần tự tính H khi chạy SPSS, nhưng cần biết bảng nào chứa H và p-value để tránh đọc nhầm sang bảng mô tả.

Nếu chỉ có hai nhóm độc lập, bạn nên xem thêm kiểm định t test hoặc phương án phi tham số tương ứng. Kruskal Wallis phù hợp với tình huống có nhiều hơn hai nhóm độc lập, không phải với ba lần đo trên cùng một nhóm người.

Ý nghĩa của Kruskal Wallis trong nghiên cứu định lượng

Kruskal Wallis giúp bạn kiểm tra sự khác biệt tổng thể giữa các nhóm. Ví dụ, đề tài đo Ý định mua trên thang Likert và chia người trả lời thành ba nhóm thu nhập. Câu hỏi kiểm định là: các nhóm thu nhập có cùng xu hướng về thứ hạng Ý định mua hay có ít nhất một nhóm khác biệt.

Giả thuyết H0 thường được diễn đạt là phân bố của biến kết quả không khác biệt giữa các nhóm độc lập. H1 là có ít nhất một nhóm có phân bố khác biệt. H1 chưa cho biết nhóm nào khác nhóm nào. Đây là điểm nhiều bạn bỏ qua: một kết quả Kruskal Wallis có ý nghĩa chỉ cho thấy có sự khác biệt tổng thể, chưa đủ để kết luận nhóm dưới 5 triệu khác nhóm từ 10 triệu trở lên.

Trong output, Asymp. Sig. là p-value xấp xỉ. Bạn so sánh p-value với mức ý nghĩa alpha đã đặt trước trong phương pháp nghiên cứu. Nếu p-value nhỏ hơn alpha, bạn bác bỏ H0 và kết luận có sự khác biệt có ý nghĩa thống kê giữa các nhóm. Nếu p-value không nhỏ hơn alpha, bạn chưa có đủ bằng chứng để bác bỏ H0.

Kruskal Wallis không cho biết sự khác biệt có lớn về mặt thực tiễn hay không. Một mẫu lớn có thể tạo ra p-value nhỏ dù khác biệt giữa các nhóm không đáng kể đối với quyết định quản trị. Vì vậy, khi viết chương 4, bạn nên trình bày thêm kích thước nhóm, Mean Rank và nếu có thể, một chỉ số kích thước ảnh hưởng phù hợp với thiết kế của đề tài.

Bạn cũng cần phân biệt nhóm độc lập với nhóm ghép cặp. Nhóm độc lập nghĩa là mỗi người trả lời chỉ thuộc một nhóm và các quan sát giữa nhóm này với nhóm khác không lặp lại. Nếu bạn đang so sánh cùng một nhóm người trước và sau một chương trình, Kruskal Wallis không phải lựa chọn đúng.

Kruskal Wallis bao nhiêu là đạt

Cụm tìm kiếm “kruskal wallis bao nhiêu là tốt” thường khiến người đọc đi tìm một con số cố định. Kiểm định này không có một ngưỡng H được xem là tốt cho mọi đề tài. Giá trị H phụ thuộc vào số nhóm, cỡ mẫu và mức độ tách biệt về thứ hạng. Con số cần dùng để ra quyết định là p-value, được so với alpha đã xác định trước, chứ không phải H càng lớn thì kết quả càng tốt.

Bảng dưới đây tóm tắt cách đọc các mốc thường gặp trong quy trình kiểm định trên SPSS. Mỗi dòng chỉ nên được sử dụng cùng với bối cảnh nghiên cứu và nguồn tương ứng.

Trong thực hành luận văn, bạn nên đặt alpha trước khi nhìn kết quả. Nếu khoa hoặc giảng viên đã yêu cầu một mức alpha cụ thể, hãy dùng đúng mức đó và ghi rõ trong chương phương pháp. Đừng đổi alpha sau khi thấy p-value để biến một kết quả không đạt thành đạt.

Kruskal Wallis bao nhiêu là tốt cũng không thể trả lời bằng việc chỉ nhìn Mean Rank. Mean Rank cao hơn cho thấy nhóm có vị trí thứ hạng cao hơn trong mẫu, nhưng để kết luận khác biệt có ý nghĩa thống kê, bạn vẫn phải đọc p-value của kiểm định tổng thể và kiểm tra hậu kiểm khi cần.

Cách đọc Kruskal Wallis trên output

Trong SPSS, bạn có thể chạy kiểm định theo đường dẫn Analyze > Nonparametric Tests > Independent Samples. Chọn biến kết quả vào Test Fields, biến phân nhóm vào Groups, sau đó mở phần Settings và chọn Customize tests để đánh dấu Kruskal-Wallis 1-way ANOVA (k samples). Tên menu có thể thay đổi nhẹ giữa các phiên bản SPSS, nhưng bạn cần tìm đúng kiểm định cho các mẫu độc lập.

Sau khi chạy, hãy đọc ít nhất hai bảng. Bảng Ranks cho biết số quan sát và Mean Rank của từng nhóm. Bảng Test Statistics hoặc phần kết quả tương ứng cho biết Chi-Square, df và Asymp. Sig.. Bảng Ranks giúp mô tả hướng khác biệt, còn bảng Test Statistics giúp quyết định về H0.

Số liệu minh họa: Bảng dưới đây là output giả lập để minh họa cách đọc, không phải kết quả của một nghiên cứu thật.

Với số liệu minh họa này, df = 2 phù hợp với ba nhóm thu nhập. Asymp. Sig. = 0.020 là p-value của kiểm định tổng thể. Nếu alpha trong đề tài là 0.05, bạn bác bỏ H0 và kết luận mức độ Ý định mua khác nhau giữa ít nhất hai nhóm thu nhập. Kết luận này chưa cho phép bạn viết rằng cả ba nhóm đều khác nhau.

Mean Rank cao nhất thuộc về nhóm từ 10 triệu trở lên. Bạn có thể mô tả nhóm này có thứ hạng Ý định mua cao hơn trong mẫu minh họa, nhưng không nên biến mô tả đó thành kết luận nhân quả. Kruskal Wallis chỉ kiểm tra sự khác biệt giữa các nhóm, không chứng minh thu nhập gây ra thay đổi trong Ý định mua.

Nếu dùng giao diện Legacy Dialogs, đường dẫn thường là Analyze > Nonparametric Tests > Legacy Dialogs > K Independent Samples. Đưa biến kết quả vào Test Variable List, đưa biến nhóm vào Grouping Variable, bấm Define Range để khai báo mã thấp nhất và cao nhất, rồi chọn Kruskal-Wallis H. Nếu mã nhóm là 1, 2 và 3, bạn cần kiểm tra chúng đã được khai báo đúng trước khi chạy.

Khi Kruskal Wallis không đạt thì xử lý thế nào

Trước hết, xác định “không đạt” là không đạt ở đâu. Nếu p-value không nhỏ hơn alpha, kết luận đúng là chưa có bằng chứng về khác biệt tổng thể. Bạn không nên tự động loại một nhóm, đổi cách mã hóa hoặc chuyển sang One-way ANOVA chỉ vì muốn có p-value nhỏ hơn.

Nếu kết quả không có ý nghĩa, hãy kiểm tra theo thứ tự sau:

1. Kiểm tra biến nhóm có đúng là biến phân loại hay không. Các mã 1, 2, 3 phải đại diện cho các nhóm có ý nghĩa, không phải những giá trị liên tục bị cắt tùy ý.
2. Kiểm tra dữ liệu thiếu, mã ngoài phạm vi và các bản ghi trùng. Một nhóm có quá ít quan sát có thể làm kết quả thiếu ổn định.
3. Xem lại bảng Ranks và phân phối dữ liệu. Mean Rank gần nhau thường đi cùng với khác biệt tổng thể nhỏ, nhưng bạn vẫn cần dựa vào kiểm định chứ không phán đoán bằng mắt.
4. Kiểm tra biến kết quả có đúng với câu hỏi nghiên cứu không. Nếu giả thuyết nói về sự khác biệt trung bình của một biến liên tục và các điều kiện mô hình phù hợp, one factor ANOVA có thể là thủ tục phù hợp hơn.
5. Nếu cơ sở lý thuyết thực sự dự đoán một khác biệt nhưng mẫu hiện tại chưa cho thấy điều đó, báo cáo kết quả không có ý nghĩa và nêu giới hạn của dữ liệu. Không được xóa các quan sát chỉ vì chúng làm p-value tăng.

Nếu kiểm định tổng thể có ý nghĩa, hãy chạy so sánh từng cặp bằng thủ tục hậu kiểm phù hợp với phần mềm và thiết kế dữ liệu. Ghi lại phương pháp bạn dùng, số cặp so sánh và cách kiểm soát rủi ro do thực hiện nhiều phép kiểm định. Khi chỉ có hai nhóm, bạn có thể tham khảo t test, nhưng phải bảo đảm thiết kế và điều kiện áp dụng phù hợp.

Phân biệt Kruskal Wallis với One-way ANOVA

Kruskal Wallis và One-way ANOVA đều có thể được dùng khi so sánh nhiều nhóm độc lập, nhưng chúng không trả lời bằng cùng một cách. One-way ANOVA thường được trình bày khi biến kết quả liên tục và các giả định của mô hình được xem xét phù hợp. Kruskal Wallis dựa trên thứ hạng và thường được chọn khi dữ liệu thứ bậc hoặc các giả định tham số không phù hợp.

Bạn không nên chọn kiểm định chỉ vì kết quả của một kiểm định “đẹp” hơn. Hãy bắt đầu từ loại biến, thiết kế nhóm, câu hỏi nghiên cứu và cách dữ liệu được thu thập. Nếu cần đối chiếu bảng kết quả của ANOVA, xem bảng ANOVA để phân biệt F, Sig. và bảng so sánh hậu kiểm với Chi-Square, df, Asymp. Sig. của Kruskal Wallis.

Một lỗi khác là nhầm Kruskal Wallis với kiểm định cho dữ liệu lặp lại. Nếu cùng một người trả lời được đo ở nhiều thời điểm, cấu trúc dữ liệu là phụ thuộc. Khi đó, bạn cần xem một thủ tục dành cho mẫu liên quan, không dùng Kruskal Wallis như thể mỗi thời điểm là một nhóm độc lập.

Lỗi thường gặp

Đọc Chi-Square như p-value. Trong bảng Test Statistics, Chi-Square là giá trị thống kê kiểm định. Cột cần so sánh với alpha là Asymp. Sig..

Kết luận cả ba nhóm đều khác nhau. Kruskal Wallis chỉ cho biết có ít nhất một khác biệt khi kiểm định tổng thể có ý nghĩa. Bạn cần so sánh từng cặp để xác định vị trí khác biệt.

Dùng Mean Rank thay cho kiểm định. Mean Rank cao hơn chỉ mô tả thứ hạng tương đối. Nó không tự tạo ra bằng chứng thống kê.

Mã hóa nhóm sai. Nếu biến nhóm có nhãn 1, 2, 3 nhưng bạn nhập sai khoảng trong Legacy Dialogs, SPSS có thể bỏ qua một số quan sát. Hãy kiểm tra Frequencies trước khi chạy.

Gộp hoặc tách nhóm sau khi xem output. Việc thay đổi nhóm chỉ để đạt p-value làm sai logic phân tích. Nếu có cơ sở lý thuyết cho việc gộp nhóm, nêu quyết định đó trước khi kiểm định hoặc giải thích rõ trong luận văn.

Cách viết vào luận văn

Bạn có thể điều chỉnh đoạn sau với số liệu thật: “Kết quả kiểm định Kruskal Wallis cho thấy [biến kết quả] có [khác biệt/không có khác biệt] giữa các nhóm [tên biến nhóm], với Chi-Square = [giá trị H], df = [số bậc tự do] và Asymp. Sig. = [p-value]. Khi p-value [nhỏ hơn/không nhỏ hơn] alpha = [mức alpha], nghiên cứu [bác bỏ/chưa bác bỏ] giả thuyết H0. Phân tích thứ hạng cho thấy nhóm [tên nhóm] có Mean Rank [cao hơn/thấp hơn], tuy nhiên cần dùng kiểm định từng cặp để xác định cụ thể các nhóm khác biệt.”

Đọc thêm: anova, chủ đề thong ke.

Câu hỏi thường gặp

Kruskal Wallis dùng cho mấy nhóm?

Kiểm định thường dùng cho từ ba nhóm độc lập trở lên. Nếu chỉ có hai nhóm độc lập, hãy xem xét kiểm định phù hợp với loại biến và điều kiện dữ liệu, chẳng hạn t test hoặc một kiểm định phi tham số dành cho hai nhóm.

Kruskal Wallis có phải là ANOVA không?

SPSS có thể mô tả Kruskal Wallis như một dạng so sánh nhiều nhóm, nhưng đây là kiểm định phi tham số dựa trên thứ hạng. One-way ANOVA là thủ tục tham số dựa trên trung bình và phương sai, vì vậy bạn không nên thay tên hai kiểm định cho nhau khi viết luận văn.

p-value Kruskal Wallis bao nhiêu là đạt?

Không có một giá trị H cố định được xem là đạt. Bạn so sánh Asymp. Sig. với alpha đã đặt trong đề tài. Nếu p-value nhỏ hơn alpha, kiểm định tổng thể có ý nghĩa thống kê. Bạn vẫn cần xem Mean Rank và kiểm định từng cặp để giải thích nhóm nào khác nhau.

Kruskal Wallis không đạt thì có cần chạy tiếp không?

Nếu kiểm định tổng thể không có ý nghĩa, thông thường bạn không chạy hậu kiểm để săn tìm một cặp có p-value nhỏ. Hãy kiểm tra mã nhóm, dữ liệu thiếu, cỡ mẫu và sự phù hợp giữa biến kết quả với câu hỏi nghiên cứu, sau đó báo cáo trung thực kết quả.

Có thể dùng Kruskal Wallis cho thang Likert không?

Có thể cân nhắc khi biến kết quả được xem là dữ liệu thứ bậc hoặc khi lựa chọn kiểm định phi tham số phù hợp với thiết kế. Bạn cần mô tả cách tạo biến, số nhóm và cách xử lý các biến quan sát trong chương phương pháp, thay vì chỉ ghi rằng dữ liệu Likert nên luôn dùng Kruskal Wallis.

Bạn hãy mở lại file .sav, kiểm tra Frequencies của biến nhóm, chạy đúng K Independent Samples, lưu cả bảng Ranks và Test Statistics, rồi thay các placeholder trong đoạn viết bằng số liệu thật. Nếu cần chạy phân tích trên chính file của bạn và đối chiếu từng bảng output, M4 phân tích dữ liệu SPSS và SmartPLS là module phù hợp.