Mann Whitney là gì? Cách đọc kết quả và kết luận trong SPSS
Mann Whitney là gì
Mann Whitney, thường xuất hiện trong SPSS với tên Mann-Whitney U test, là kiểm định phi tham số dùng để so sánh hai nhóm độc lập. Bạn dùng kiểm định này khi muốn xem phân phối hoặc vị trí trung tâm của biến kết quả có khác nhau giữa hai nhóm hay không, nhưng dữ liệu không phù hợp với independent samples t-test.
Ví dụ, bạn muốn so sánh mức độ hài lòng giữa nhóm khách hàng nam và nữ, hoặc so sánh ý định mua giữa người đã từng mua và chưa từng mua. Biến dùng để chia nhóm phải có đúng hai nhóm độc lập. Biến kết quả thường là biến thứ bậc, chẳng hạn mức độ hài lòng từ 1 đến 5, hoặc biến định lượng nhưng không đáp ứng tốt giả định phân phối chuẩn.
Mann Whitney không tính trung bình của hai nhóm rồi so sánh trực tiếp như t-test. Kiểm định này xếp hạng toàn bộ quan sát từ nhỏ đến lớn, sau đó xem một nhóm có thường nhận được thứ hạng cao hơn nhóm còn lại hay không. Về mặt tính toán, thống kê U được xây dựng từ tổng thứ hạng của từng nhóm. SPSS sẽ chuyển U thành giá trị Z và p-value để bạn ra quyết định.
Nếu hai nhóm có các giá trị giống nhau, SPSS xử lý đây là các tied ranks. Vì vậy, bạn nên đọc cả bảng Ranks và Test Statistics, thay vì chỉ nhìn một con số U.
Ý nghĩa của Mann Whitney trong nghiên cứu định lượng
Câu hỏi mà Mann Whitney trả lời là: kết quả quan sát ở hai nhóm độc lập có khác nhau đủ rõ để bác bỏ giả thuyết không có khác biệt hay chưa. Kiểm định này phù hợp với thiết kế có một biến phân nhóm gồm hai mức và một biến kết quả cần so sánh.
Giả thuyết H0 thường được viết là phân phối của biến kết quả ở hai nhóm không khác nhau. H1 là phân phối của biến kết quả ở hai nhóm có khác nhau. Với kiểm định hai phía, bạn không đặt trước nhóm nào phải cao hơn. Nếu p-value nhỏ hơn mức ý nghĩa đã chọn, thường là 0,05, bạn bác bỏ H0 và kết luận có bằng chứng thống kê về sự khác biệt.
Mann Whitney không thay thế mọi trường hợp của t-test. Nếu dữ liệu liên tục, hai nhóm độc lập, các giả định phù hợp và cách trình bày của đề tài dựa trên trung bình, kiểm định t test có thể dễ diễn giải hơn. Nếu dữ liệu lệch mạnh, có outlier, là thang đo thứ bậc hoặc cỡ mẫu nhỏ, Mann Whitney thường là lựa chọn thận trọng hơn.
Bạn cũng cần phân biệt hai nhóm độc lập với hai lần đo trên cùng một người. Nếu bạn đo mức hài lòng của cùng một nhóm trước và sau khi áp dụng một chính sách, dữ liệu là cặp phụ thuộc. Mann Whitney không dành cho tình huống đó.
Trong một luận văn định lượng, kết quả Mann Whitney thường hỗ trợ một câu hỏi so sánh hoặc một giả thuyết dạng: “Mức độ hài lòng của nhóm A khác nhóm B”. Nó không cho biết nguyên nhân của khác biệt và cũng không chứng minh rằng biến phân nhóm gây ra thay đổi ở biến kết quả.
Mann Whitney bao nhiêu là đạt
Với Mann Whitney, không có một ngưỡng riêng cho giá trị U mà bạn có thể dùng cho mọi bộ dữ liệu. U phụ thuộc vào cỡ mẫu và tổng thứ hạng, nên cùng một giá trị U có thể dẫn đến kết luận khác nhau ở hai nghiên cứu. Con số bạn cần tập trung là Asymp. Sig. (2-tailed) hoặc p-value trong bảng Test Statistics.
Bảng dưới đây tóm tắt quy tắc ra quyết định. Mỗi ngưỡng được gắn với nguồn để bạn có thể giải trình khi viết phương pháp và kết quả.
| Nội dung cần đọc | Quy tắc thực hành | Nguồn |
|---|---|---|
| Mức ý nghĩa | Chọn alpha = 0,05 trước khi kiểm định, trừ khi đề cương quy định mức khác | (Field, 2013) |
| p-value nhỏ hơn alpha | Bác bỏ H0, có bằng chứng về sự khác biệt giữa hai nhóm | (Field, 2013) |
| p-value bằng hoặc lớn hơn alpha | Chưa đủ bằng chứng bác bỏ H0 | (Field, 2013) |
| Hai nhóm độc lập | Mỗi quan sát chỉ thuộc một nhóm và các quan sát không tạo thành cặp | (Field, 2013) |
| Biến kết quả dạng thứ bậc hoặc không chuẩn | Có thể cân nhắc kiểm định phi tham số thay cho t-test | (Field, 2013) |
| Kết luận về độ lớn khác biệt | Không chỉ dựa vào p-value, cần xem Median, Mean Rank và bối cảnh nghiên cứu | (Cohen, 1988) |
Cụm “Mann Whitney bao nhiêu là tốt” thường gây nhầm. U càng lớn không đồng nghĩa kết quả càng tốt, U càng nhỏ cũng không tự động có ý nghĩa. U phải được đọc cùng với cỡ mẫu, Z và p-value. Một p-value nhỏ cho thấy bằng chứng về khác biệt, nhưng chưa nói khác biệt có lớn về mặt thực tiễn hay đáng kể với người sử dụng hay không.
Bạn cũng không nên dùng quy tắc “p phải bằng 0”. SPSS có thể hiển thị 0.000, nhưng đây là cách làm tròn của phần mềm. Khi báo cáo, nên viết p < 0,001 thay vì p = 0,000.
Cách đọc Mann Whitney trên output
Trong SPSS, kết quả thường có hai bảng quan trọng là Ranks và Test Statistics. Bảng Ranks cho biết số quan sát, Mean Rank và Sum of Ranks của từng nhóm. Mean Rank cao hơn cho thấy nhóm đó có xu hướng nhận giá trị kết quả cao hơn, nhưng bạn vẫn cần xem p-value để biết khác biệt có ý nghĩa thống kê hay không.
Bảng sau là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Giả sử biến SAT đo mức độ hài lòng và biến GROUP chia người trả lời thành nhóm đã mua và chưa mua.
| Ranks | N | Mean Rank | Sum of Ranks |
|---|---|---|---|
| Chưa mua | 82 | 70,34 | 5.767,88 |
| Đã mua | 78 | 91,08 | 7.104,24 |
| Total | 160 |
Trong ví dụ này, nhóm đã mua có Mean Rank cao hơn nhóm chưa mua. Điều đó gợi ý nhóm đã mua có mức SAT cao hơn theo thứ hạng. Tuy nhiên, riêng bảng Ranks chưa đủ để kết luận. Bạn phải chuyển sang bảng Test Statistics.
| Test Statisticsa | SAT |
|---|---|
| Mann-Whitney U | 2.364,000 |
| Wilcoxon W | 5.767,000 |
| Z | -2,781 |
| Asymp. Sig. (2-tailed) | 0,005 |
| a. Grouping Variable: GROUP |
Đây cũng là số liệu minh họa. Với p-value bằng 0,005 và alpha bằng 0,05, bạn bác bỏ H0. Cách diễn giải phù hợp là mức độ hài lòng của hai nhóm có sự khác biệt có ý nghĩa thống kê. Mean Rank của nhóm đã mua cao hơn, nên trong mẫu minh họa, nhóm đã mua có xu hướng hài lòng cao hơn.
Dấu âm của Z không phải là “kết quả xấu”. Dấu này phụ thuộc vào thứ tự nhóm và cách SPSS tính thứ hạng. Khi trình bày, bạn có thể báo cáo U, Z và p-value, sau đó dùng Mean Rank hoặc Median để giải thích hướng khác biệt.
Nếu p-value là 0,214, bạn chưa bác bỏ H0. Câu viết cần là “chưa ghi nhận sự khác biệt có ý nghĩa thống kê giữa hai nhóm”, thay vì khẳng định hai nhóm hoàn toàn giống nhau. Kiểm định không có ý nghĩa có thể đến từ khác biệt thật sự nhỏ, cỡ mẫu chưa đủ hoặc dữ liệu biến động lớn.
Khi Mann Whitney không đạt thì xử lý thế nào
Trước hết, xác định “không đạt” đang nói về điều gì. Nếu p-value lớn hơn 0,05, đó là kết quả kiểm định không có ý nghĩa thống kê, không phải lỗi phần mềm. Bạn không nên loại bớt một cách tùy ý các phiếu trả lời chỉ để p-value giảm xuống.
Nếu dữ liệu không phù hợp với Mann Whitney vì hai nhóm không độc lập, hãy quay lại thiết kế nghiên cứu. Hai lần đo trên cùng đối tượng cần một kiểm định cho dữ liệu phụ thuộc. Nếu bạn có nhiều hơn hai nhóm, Mann Whitney không còn là lựa chọn chính cho một lần so sánh tổng thể. Bạn có thể xem hướng tiếp cận ANOVA trong bài anova là gì hoặc one factor anova, tùy loại dữ liệu và giả định.
Nếu hai nhóm độc lập nhưng có nhiều tied ranks, đó chưa chắc là lý do phải bỏ kiểm định. Hãy kiểm tra cách mã hóa biến, phạm vi giá trị và việc nhập dữ liệu. Một biến Likert từ 1 đến 5 có nhiều tied ranks là điều dễ xảy ra.
Nếu p-value không đạt, bạn có thể báo cáo kết quả trung thực và bổ sung Median, Mean Rank, khoảng biến thiên hoặc biểu đồ phù hợp. Những thông tin này giúp người đọc hiểu hướng dữ liệu, nhưng không biến một kết quả không có ý nghĩa thành có ý nghĩa.
Nếu kết quả bị ảnh hưởng bởi outlier hoặc phiếu trả lời bất thường, bạn cần đặt tiêu chí làm sạch dữ liệu trước khi loại. Ghi lại mã phiếu, lý do loại và số lượng quan sát còn lại. Việc loại dữ liệu sau khi xem p-value thường khó giải trình hơn khi bảo vệ.
Phân biệt Mann Whitney với t-test
Mann Whitney và independent samples t-test đều có thể dùng để so sánh hai nhóm độc lập, nhưng chúng trả lời câu hỏi theo cách khác nhau. T-test tập trung vào sự khác biệt giữa trung bình, trong khi Mann Whitney dựa trên thứ hạng của các quan sát.
| Tiêu chí | Mann Whitney U | Independent samples t-test |
|---|---|---|
| Loại kiểm định | Phi tham số | Tham số |
| Số nhóm | Hai nhóm độc lập | Hai nhóm độc lập |
| Biến kết quả | Thứ bậc hoặc định lượng không phù hợp giả định | Thường là định lượng với giả định phù hợp |
| Đại lượng thường báo cáo | Mean Rank, Median, U, Z, p-value | Mean, Mean Difference, t, df, p-value |
| Giả định chính | Quan sát độc lập, nhóm xác định rõ | Quan sát độc lập, kiểm tra phân phối và phương sai |
| Cách đọc hướng khác biệt | Nhóm có Mean Rank hoặc Median cao hơn | Nhóm có Mean cao hơn |
Bạn có thể đọc thêm t test để xem cách t-test dùng trung bình và kiểm tra phương sai. Không nên chạy cả hai rồi chọn kết quả có p-value nhỏ hơn. Hãy chọn kiểm định dựa trên câu hỏi nghiên cứu, dạng biến và giả định đã kiểm tra.
Mann Whitney cũng khác với one-way ANOVA. Khi biến phân nhóm có từ ba nhóm trở lên, bạn cần một phương pháp phù hợp cho nhiều nhóm, chẳng hạn ANOVA nếu điều kiện đáp ứng. Bảng tổng hợp cách đọc kết quả ANOVA có thể xem tại bảng anova.
Lỗi thường gặp
Lỗi đầu tiên là đưa biến phân nhóm có hơn hai giá trị vào Mann Whitney mà không kiểm tra. SPSS có thể yêu cầu bạn xác định khoảng nhóm, nhưng đó không phải cách thay thế cho việc thiết kế biến đúng từ đầu. Hãy kiểm tra Define Groups và bảo đảm hai mã nhóm có ý nghĩa rõ ràng.
Lỗi thứ hai là dùng Mean Rank để kết luận mà không đọc p-value. Mean Rank chỉ mô tả hướng và thứ hạng tương đối. Kết luận về ý nghĩa thống kê phải dựa trên p-value cùng mức alpha đã chọn.
Lỗi thứ ba là viết “hai nhóm không có sự khác biệt” khi p-value lớn hơn 0,05. Cách viết chính xác hơn là “chưa có đủ bằng chứng thống kê để kết luận hai nhóm khác nhau”. Câu này phản ánh đúng giới hạn của mẫu và kiểm định.
Lỗi thứ tư là báo cáo Asymp. Sig. (2-tailed) nhưng lại dùng giả thuyết một phía trong phần phương pháp. Bạn cần thống nhất hướng kiểm định trước khi chạy. Nếu đề tài không nêu dự đoán hướng rõ ràng, kiểm định hai phía thường dễ giải trình hơn.
Lỗi cuối là chỉ chụp bảng output mà không nêu nhóm nào cao hơn. Một đoạn kết quả tốt cần có tên biến, tên hai nhóm, U, Z, p-value và thông tin mô tả hướng khác biệt. Bạn có thể đặt bảng đầy đủ ở phụ lục, còn chương kết quả giữ lại các chỉ số cần thiết.
Câu hỏi thường gặp
Mann Whitney có dùng cho hai nhóm phụ thuộc không?
Không. Mann Whitney dùng cho hai nhóm độc lập, trong đó một người trả lời không đồng thời tạo thành cặp với người ở nhóm kia. Nếu bạn đo cùng người trước và sau, cần kiểm định dành cho dữ liệu phụ thuộc. Hãy kiểm tra thiết kế dữ liệu trước khi chọn menu trong SPSS.
p-value của Mann Whitney bao nhiêu là đạt?
Nếu bạn chọn alpha bằng 0,05, p-value nhỏ hơn 0,05 thường được dùng để bác bỏ H0 và kết luận có sự khác biệt có ý nghĩa thống kê. p-value bằng hoặc lớn hơn 0,05 nghĩa là chưa đủ bằng chứng bác bỏ H0. “Đạt” ở đây chỉ nói về quyết định thống kê, không nói nhóm nào tốt hơn hay tác động lớn đến mức nào.
Mann Whitney có cần kiểm tra Cronbach's Alpha không?
Mann Whitney không yêu cầu Cronbach's Alpha cho mọi biến kết quả. Alpha liên quan đến độ tin cậy của một thang đo gồm nhiều biến quan sát. Nếu biến SAT được tạo bằng cách tổng hợp nhiều biến quan sát, bạn cần xử lý độ tin cậy và cách tính điểm thang đo theo quy trình của đề tài trước khi chạy kiểm định.
Khi nào dùng Mann Whitney thay cho t-test?
Bạn có thể cân nhắc Mann Whitney khi biến kết quả là thứ bậc, dữ liệu lệch mạnh, có outlier hoặc giả định của t-test không phù hợp. Nếu dữ liệu định lượng có phân phối và phương sai phù hợp, t-test có lợi thế ở cách diễn giải trung bình. Quyết định cuối cùng cần bám vào thiết kế, dạng biến và cách bạn đã nêu trong chương phương pháp.
Có cần báo cáo cả Mann-Whitney U và Wilcoxon W không?
Nên báo cáo Mann-Whitney U, Z và p-value vì đây là các chỉ số người đọc thường cần để kiểm tra kết luận. Wilcoxon W là tổng thứ hạng của nhóm được SPSS dùng trong phép tính, có thể đưa vào bảng nếu mẫu luận văn hoặc giảng viên yêu cầu. Quan trọng nhất là bạn giải thích đúng nhóm, hướng khác biệt và mức ý nghĩa.
Bạn hãy mở lại file .sav, kiểm tra biến nhóm chỉ có hai mã độc lập, đọc bảng Ranks rồi mới kết luận từ Asymp. Sig. (2-tailed). Nếu cần chạy kiểm định trên chính dữ liệu của mình và chuyển output thành đoạn kết quả, bạn có thể dùng module M4 phân tích dữ liệu.