Kruskal Wallis trong SPSS: Cách chạy, đọc kết quả và viết luận văn

Kruskal Wallis kiểm định điều gì

Kruskal Wallis là kiểm định phi tham số dùng để so sánh một biến định lượng hoặc biến thứ bậc giữa từ ba nhóm độc lập trở lên. Ví dụ, bạn muốn kiểm tra mức độ hài lòng của khách hàng có khác nhau giữa ba nhóm độ tuổi, hoặc điểm đánh giá có khác nhau giữa các nhóm thu nhập. Dữ liệu được xếp hạng rồi so sánh giữa các nhóm, thay vì sử dụng trực tiếp trung bình như trong one-way ANOVA.

Trong SPSS, kiểm định này thường xuất hiện với tên Kruskal-Wallis H. Bạn sẽ thấy hai bảng quan trọng là Ranks và Test Statistics. Bảng đầu cho biết thứ hạng trung bình của từng nhóm. Bảng sau cho biết giá trị kiểm định Chi-Square, bậc tự do df và Asymp. Sig., chính là p-value thường dùng để ra quyết định.

Kruskal Wallis phù hợp khi biến độc lập có ít nhất ba nhóm độc lập và biến phụ thuộc không đáp ứng tốt giả định phân phối chuẩn của one-way ANOVA, hoặc bản chất dữ liệu là ordinal. Nếu chỉ có hai nhóm độc lập, bạn có thể xem Mann Whitney trong SPSS. Nếu biến phụ thuộc đáp ứng các điều kiện của ANOVA, hãy cân nhắc cách phân tích khác thay vì mặc định dùng Kruskal Wallis cho mọi trường hợp.

Giả thuyết H0 và H1

Với Kruskal Wallis, giả thuyết H0 nói rằng phân phối, hoặc vị trí trung tâm theo cách diễn giải thông dụng, của biến phụ thuộc là như nhau giữa các nhóm. Nói dễ hiểu hơn, các nhóm không có sự khác biệt có ý nghĩa thống kê về biến bạn đang so sánh.

Giả thuyết H1 nói rằng có ít nhất một nhóm khác với nhóm còn lại. H1 không khẳng định tất cả các nhóm đều khác nhau. Đây là điểm nhiều bạn kết luận quá tay khi nhìn thấy p-value nhỏ.

Bạn đặt mức ý nghĩa trước khi chạy, thường là 5 phần trăm. Nếu Asymp. Sig. nhỏ hơn 0,05, bạn bác bỏ H0 và kết luận có sự khác biệt giữa ít nhất hai nhóm. Nếu p-value lớn hơn hoặc bằng 0,05, bạn chưa có đủ bằng chứng thống kê để bác bỏ H0. Cách diễn đạt này thận trọng hơn câu “H0 đúng”, vì một p-value lớn không chứng minh các nhóm hoàn toàn giống nhau.

Điều kiện áp dụng

Bạn cần kiểm tra thiết kế nghiên cứu trước khi mở hộp thoại trong SPSS. Kruskal Wallis không sửa được lỗi thiết kế như một người trả lời xuất hiện ở nhiều nhóm, hoặc biến nhóm bị nhập sai mã. Các nhóm phải độc lập, nghĩa là một quan sát chỉ thuộc một nhóm và dữ liệu của người này không tạo ra dữ liệu của người khác.

Bảng dưới đây tóm tắt các điều kiện cần kiểm tra. Cột nguồn chỉ được dùng cho ngưỡng có tài liệu trong danh mục cho phép. Với điều kiện độc lập và dạng biến, bạn kiểm tra từ thiết kế bảng hỏi và file dữ liệu, không gán một con số tùy ý.

Kruskal Wallis không yêu cầu bạn chứng minh dữ liệu chuẩn. Tuy nhiên, nếu các nhóm có hình dạng phân phối rất khác nhau, kết luận về “khác biệt trung vị” cần được diễn đạt cẩn thận. Khi các phân phối có hình dạng tương tự, khác biệt về thứ hạng thường dễ diễn giải gần với khác biệt vị trí trung tâm hơn.

Bạn cũng nên xem kích thước từng nhóm bằng bảng tần số. Một nhóm chỉ có vài quan sát có thể làm kết quả thiếu ổn định, dù phần mềm vẫn chạy được. Đừng xóa nhóm nhỏ chỉ để bảng đẹp hơn nếu không có lý do phương pháp rõ ràng.

Các bước chạy Kruskal Wallis trong SPSS

Đây là cách chạy Kruskal Wallis trong SPSS với giao diện phổ biến của SPSS Statistics. Tên một số nút có thể hơi khác giữa các phiên bản, nhưng luồng thao tác vẫn giữ nguyên.

Bước 1: Kiểm tra biến trong file dữ liệu

Mở Variable View và xác định một biến phụ thuộc, chẳng hạn SAT_SCORE, cùng một biến nhóm, chẳng hạn AGE_GROUP. Biến nhóm cần có mã rõ ràng như 1, 2, 3 và có Value Labels để bảng output hiển thị được tên nhóm. Nếu bạn nhập 1 là “dưới 25 tuổi”, 2 là “25 đến 34 tuổi”, hãy kiểm tra lại nhãn trước khi phân tích.

Trong Data View, lọc nhanh các giá trị thiếu bằng Analyze > Descriptive Statistics > Frequencies. Nếu biến phụ thuộc đang là chuỗi như “Đồng ý”, “Bình thường”, “Không đồng ý”, bạn cần xử lý việc mã hóa trước. Không kéo trực tiếp một biến chữ vào hộp thoại Kruskal Wallis rồi kỳ vọng SPSS tự hiểu thứ bậc.

Bước 2: Mở đúng hộp thoại Nonparametric Tests

Chọn Analyze > Nonparametric Tests > Independent Samples. Trong cửa sổ Objective, bạn có thể để Automatically compare distributions across groups nếu muốn SPSS tự chọn kiểm định, nhưng để kiểm soát kết quả, hãy chuyển sang Fields và chọn biến thủ công.

Đưa biến kết quả, ví dụ SAT_SCORE, vào ô Test Fields. Đưa biến phân nhóm, ví dụ AGE_GROUP, vào ô Groups. Sang tab Settings, chọn Customize tests, sau đó đánh dấu Kruskal-Wallis 1-way ANOVA (k samples).

Ở một số phiên bản SPSS cũ, đường dẫn là Analyze > Nonparametric Tests > Legacy Dialogs > K Independent Samples. Đưa biến phụ thuộc vào Test Variable List, biến nhóm vào Grouping Variable, bấm Define Range để nhập giá trị nhỏ nhất và lớn nhất của nhóm, rồi đánh dấu Kruskal-Wallis H.

Bước 3: Chạy kiểm định và lưu syntax

Bấm Run hoặc OK để tạo output. Trước đó, nếu bạn đang làm luận văn, hãy lưu syntax bằng cách bấm Paste thay vì chỉ bấm OK. SPSS sẽ mở cửa sổ Syntax với lệnh tương ứng. Lưu file .sps cùng thư mục với file .sav để sau này có thể chạy lại đúng phân tích.

Nếu dùng hộp thoại cũ, syntax có dạng tương tự:

NPAR TESTS
  /K-W=SAT_SCORE BY AGE_GROUP(1 3).

Không sửa khoảng giá trị 1 3 nếu nhóm của bạn dùng mã khác. Ví dụ nhóm được mã hóa từ 0 đến 2 thì phải khai báo đúng khoảng đó. Sau khi chạy, ghi lại biến đã dùng, số nhóm và số quan sát hợp lệ.

Bước 4: Chạy kiểm định hậu nghiệm khi p-value có ý nghĩa

Kruskal Wallis chỉ cho biết có ít nhất một cặp nhóm khác nhau. Nếu p-value nhỏ hơn 0,05, bạn cần phân tích tiếp các cặp nhóm, thường bằng nhiều kiểm định Mann Whitney U theo từng cặp. Khi làm vậy, hãy kiểm soát vấn đề nhiều lần so sánh, chẳng hạn điều chỉnh mức ý nghĩa theo kế hoạch phân tích của bạn.

SPSS ở một số phiên bản mới có tùy chọn so sánh cặp trong phần Settings. Nếu phiên bản của bạn không hiển thị tùy chọn này, bạn có thể chạy từng cặp bằng Mann Whitney trong SPSS, nhưng phải ghi rõ các cặp đã kiểm tra và cách điều chỉnh p-value. Đừng chạy hàng loạt cặp rồi chỉ báo cáo cặp có p-value nhỏ nhất.

Đọc bảng kết quả và kết luận

Bảng Ranks cho biết số quan sát N, Mean Rank và đôi khi có Sum of Ranks của từng nhóm. Mean Rank cao hơn nghĩa là các giá trị trong nhóm có xu hướng được xếp hạng cao hơn trong toàn bộ mẫu. Nó không tự động có nghĩa nhóm đó có trung bình số học cao hơn theo cách diễn giải của ANOVA.

Bảng Test Statistics thường có các cột hoặc dòng Kruskal-Wallis H, df và Asymp. Sig.. df thường bằng số nhóm trừ một. Bạn tập trung vào Asymp. Sig. để so sánh với mức ý nghĩa đã chọn.

Số liệu minh họa: Bảng trên được dựng để mô phỏng hình dạng output SPSS, không phải kết quả của một nghiên cứu thật. Với p-value bằng 0,012, nhỏ hơn 0,05, bạn bác bỏ H0 và kết luận có sự khác biệt có ý nghĩa thống kê giữa ít nhất hai nhóm tuổi về SAT_SCORE. Mean Rank cao nhất thuộc nhóm từ 35 tuổi, nhưng bảng này chưa cho biết nhóm nào khác nhóm nào. Bạn cần kiểm định hậu nghiệm để trả lời câu hỏi đó.

Nếu Asymp. Sig. bằng 0,218, p-value lớn hơn 0,05, bạn chưa bác bỏ H0. Câu viết phù hợp là “Chưa ghi nhận sự khác biệt có ý nghĩa thống kê về SAT_SCORE giữa các nhóm tuổi”. Tránh viết “các nhóm không khác nhau” như một kết luận tuyệt đối.

Một số output có p-value hiển thị 0.000. Bạn không nên ghi p = 0,000, vì p-value không thực sự bằng 0 chỉ do SPSS làm tròn. Hãy ghi p < 0,001 nếu bảng hiển thị 0.000 theo quy ước báo cáo của bạn.

Nếu bạn đang so sánh nhiều biến phụ thuộc, hãy ghi rõ mỗi biến đã chạy một kiểm định riêng. Việc một biến có p-value nhỏ không làm cho các biến còn lại tự động có ý nghĩa. Lưu ảnh hoặc xuất bảng output trước khi chỉnh định dạng để giữ lại bằng chứng phân tích.

Cách viết kết quả kiểm định vào luận văn

Cách viết vào luận văn: “Kết quả kiểm định Kruskal Wallis cho thấy có/không có sự khác biệt có ý nghĩa thống kê về [tên biến phụ thuộc] giữa [số nhóm] nhóm [tên biến nhóm], H([df]) = [giá trị H], p = [p-value]. Nhóm [tên nhóm] có Mean Rank cao nhất/thấp nhất là [giá trị]. Khi kiểm định có ý nghĩa, các so sánh hậu nghiệm cho thấy [cặp nhóm có khác biệt].”

Với số liệu minh họa ở trên, có thể viết: “Kết quả kiểm định Kruskal Wallis cho thấy có sự khác biệt có ý nghĩa thống kê về SAT_SCORE giữa các nhóm tuổi, H(2) = 8,742, p = 0,012. Nhóm từ 35 tuổi có Mean Rank cao nhất, tuy nhiên cần xem kết quả so sánh hậu nghiệm để xác định các cặp nhóm khác biệt.” Đây chỉ là câu mẫu dựa trên số liệu minh họa, bạn phải thay toàn bộ giá trị bằng output của mình.

Trong chương kết quả, nên trình bày số quan sát của từng nhóm, p-value và hướng chênh lệch qua Mean Rank. Nếu có hậu nghiệm, báo cáo cặp nhóm và p-value sau điều chỉnh. Trong chương phương pháp, mô tả lý do chọn Kruskal Wallis, biến sử dụng và mức ý nghĩa. Đừng đưa ảnh chụp toàn bộ cửa sổ SPSS vào luận văn nếu một bảng tóm tắt đã đủ thông tin.

Khi vi phạm giả định thì dùng gì thay thế

Nếu chỉ có hai nhóm độc lập, dùng Mann Whitney U thay cho Kruskal Wallis. Nếu hai nhóm là các đo lặp trên cùng người, cần một kiểm định khác với thiết kế độc lập. Bạn có thể xem ANOVA lặp lại trong SPSS khi biến kết quả được đo nhiều lần trên cùng đối tượng, nhưng hãy kiểm tra xem dữ liệu của bạn có đúng thiết kế đó không.

Nếu bạn có từ ba nhóm độc lập và biến phụ thuộc gần chuẩn, phương sai phù hợp, one-way ANOVA có thể dễ diễn giải hơn. Khi phương sai không đồng nhất, có thể cân nhắc ANOVA điều chỉnh hoặc phương án phù hợp với thiết kế. Nếu có thêm biến kiểm soát liên tục hoặc biến kiểm soát phân loại, ANCOVA trong SPSS có thể liên quan, nhưng đây không phải bản nâng cấp tự động của Kruskal Wallis.

Nếu dữ liệu có thứ tự thời gian hoặc cùng người trả lời ở nhiều thời điểm, đừng ép dữ liệu vào kiểm định nhóm độc lập. Sai lầm thường gặp là chọn kiểm định chỉ vì tên biến có ba nhóm, trong khi cấu trúc quan sát mới là yếu tố quyết định.

Lỗi thường gặp

Lỗi đầu tiên là chọn sai biến nhóm. Bạn cần đặt biến mã nhóm vào Grouping Variable, không đặt biến phụ thuộc hoặc mã người trả lời vào vị trí này. Sau khi chạy, nhìn lại Ranks để chắc chắn tên nhóm và số quan sát khớp với bảng mô tả mẫu.

Lỗi thứ hai là dùng Mean Rank như trung bình mô tả. Mean Rank chỉ là thứ hạng trung bình trong kiểm định. Nếu muốn báo cáo mức điểm thực tế, hãy trình bày thêm median, khoảng tứ phân vị hoặc thống kê mô tả phù hợp.

Lỗi thứ ba là thấy p-value nhỏ rồi kết luận tất cả nhóm đều khác nhau. Kết quả tổng thể chỉ nói có ít nhất một khác biệt. Bạn cần hậu nghiệm và điều chỉnh nhiều lần so sánh để xác định vị trí khác biệt.

Lỗi thứ tư là đổi kiểm định sau khi đã thấy kết quả. Chạy ANOVA, Kruskal Wallis và nhiều biến thể rồi chọn p-value nhỏ nhất làm tăng rủi ro kết luận sai. Hãy ghi lý do chọn kiểm định trước khi chạy, lưu syntax và giữ lại các bước xử lý dữ liệu.

Lỗi thứ năm là xóa nhóm có ít quan sát mà không giải thích. Trước khi xóa, kiểm tra mã hóa, dữ liệu thiếu và tiêu chí chọn mẫu. Nếu nhóm thực sự nhỏ, nêu hạn chế này trong phần thảo luận thay vì che đi bằng cách chỉnh file.

Bạn có thể xem thêm các hướng dẫn trong chủ đề SPSS để đối chiếu đường dẫn menu, cách lưu syntax và cách đọc các bảng output khác. Independent Samples T Test trong SPSS cũng hữu ích khi bạn đang phân vân giữa thiết kế hai nhóm và từ ba nhóm.

Câu hỏi thường gặp

Kruskal Wallis trong SPSS dùng cho mấy nhóm

Kiểm định này dùng cho từ ba nhóm độc lập trở lên. Nếu chỉ có hai nhóm độc lập, Mann Whitney U thường là lựa chọn tương ứng. Số nhóm phải được xác định từ thiết kế nghiên cứu, không phải từ số cột biến phụ thuộc.

P-value Kruskal Wallis bao nhiêu là có ý nghĩa

Với mức ý nghĩa 0,05, p-value nhỏ hơn 0,05 thường được dùng để bác bỏ H0. Bạn cần ghi rõ mức ý nghĩa trong phương pháp. Nếu p-value lớn hơn hoặc bằng 0,05, hãy viết rằng chưa có đủ bằng chứng về khác biệt có ý nghĩa thống kê.

Kruskal Wallis có cần kiểm tra phân phối chuẩn không

Bạn không cần chứng minh biến phụ thuộc phân phối chuẩn để chạy Kruskal Wallis. Tuy vậy, bạn vẫn nên xem dữ liệu, outlier, số quan sát mỗi nhóm và tính độc lập của quan sát. Việc kiểm tra này giúp bạn giải thích vì sao chọn kiểm định phi tham số và tránh dùng sai thiết kế.

Kruskal Wallis có cần chạy hậu nghiệm không

Chỉ cần chạy hậu nghiệm khi kiểm định tổng thể có ý nghĩa và bạn muốn biết cặp nhóm nào khác nhau. Nếu p-value tổng thể không có ý nghĩa, việc chạy hàng loạt so sánh cặp thường không giúp trả lời câu hỏi nghiên cứu ban đầu.

Có thể dùng Kruskal Wallis cho thang Likert không

Có thể cân nhắc khi biến kết quả là dữ liệu thứ bậc hoặc khi cách xử lý thang đo trong đề tài phù hợp với kiểm định phi tham số. Nếu bạn dùng điểm trung bình của nhiều biến quan sát, hãy mô tả rõ cách tạo biến và lý do chọn kiểm định. Không nên chỉ dựa vào việc dữ liệu có thang Likert để bỏ qua thiết kế nhóm và mục tiêu nghiên cứu.

Mở file .sav, kiểm tra lại biến nhóm và biến kết quả, sau đó chạy một lần bằng syntax có lưu lệnh, đối chiếu Ranks với Test Statistics rồi điền các giá trị thật vào câu mẫu. Nếu bạn cần chạy phân tích trên chính file .sav hoặc .csv và giữ lại quy trình không bịa số, xem module M4 phân tích dữ liệu của DoThesis.