MANOVA trong SPSS: Cách chạy, đọc kết quả và kết luận
Bạn mở SPSS lên, có một biến nhóm và từ hai biến phụ thuộc trở lên, nhưng chưa biết nên chạy nhiều ANOVA riêng hay MANOVA. Điểm cần quyết định trước tiên là các biến phụ thuộc có liên quan về mặt lý thuyết hay không. MANOVA kiểm tra sự khác biệt của các nhóm trên một tổ hợp nhiều biến phụ thuộc trong cùng một mô hình.
Bài viết này đi theo đúng quy trình bạn có thể làm trên file .sav: xác định giả thuyết, kiểm tra điều kiện, chạy MANOVA, đọc bảng Multivariate Tests, xem tiếp các kiểm định đơn biến và trình bày kết quả. Nếu bạn cần xem thêm các phân tích trong cùng nhóm SPSS, có thể mở chủ đề SPSS để đối chiếu cách chọn kiểm định.
MANOVA kiểm định điều gì
MANOVA, viết đầy đủ là Multivariate Analysis of Variance, dùng để kiểm tra liệu các nhóm độc lập có khác nhau trên một tập hợp biến phụ thuộc hay không. Ví dụ, bạn muốn so sánh ba phương pháp đào tạo theo đồng thời hai kết quả: điểm kiến thức và mức độ tự tin. Khi đó, phương pháp đào tạo là biến độc lập dạng nhóm, còn điểm kiến thức và mức độ tự tin là các biến phụ thuộc.
Nếu chỉ có một biến phụ thuộc, ANOVA một yếu tố thường phù hợp hơn. Nếu có nhiều biến phụ thuộc có liên hệ, chạy nhiều ANOVA riêng sẽ làm tăng số lần kiểm định và có thể làm tăng nguy cơ kết luận dương tính giả. MANOVA xử lý các biến phụ thuộc trong một kiểm định đa biến trước, sau đó bạn mới xem các kết quả đơn biến để biết khác biệt nằm ở biến nào.
MANOVA khác với ANOVA lặp lại ở cấu trúc dữ liệu. ANOVA lặp lại phù hợp khi cùng một người được đo ở nhiều thời điểm hoặc nhiều điều kiện. Bạn có thể xem thêm ANOVA lặp lại trong SPSS nếu dữ liệu của bạn có các lần đo lặp trên cùng đối tượng.
Giả thuyết H0 và H1
Giả thuyết H0 của MANOVA là vector trung bình của các biến phụ thuộc không khác nhau giữa các nhóm. Nói theo cách dễ đưa vào đề cương, các nhóm có cùng tổ hợp trung bình trên toàn bộ biến phụ thuộc được phân tích.
Giả thuyết H1 là có ít nhất một nhóm có vector trung bình khác với nhóm còn lại. Kết quả MANOVA có ý nghĩa chỉ cho biết sự khác biệt tồn tại ở cấp độ đa biến. Bạn chưa được kết luận ngay biến phụ thuộc nào khác biệt, cũng chưa được khẳng định mọi cặp nhóm đều khác nhau.
Với mức ý nghĩa chọn trước là 0.05, nếu Sig. của kiểm định đa biến nhỏ hơn 0.05, bạn bác bỏ H0. Nếu Sig. lớn hơn hoặc bằng 0.05, bạn chưa có đủ bằng chứng thống kê để bác bỏ H0. Cách diễn đạt này quan trọng hơn việc viết rằng H0 “đúng”, vì một p-value lớn không chứng minh các nhóm hoàn toàn giống nhau.
Điều kiện áp dụng
Trước khi chạy, hãy kiểm tra bốn nhóm điều kiện. Biến độc lập phải là biến phân loại, thường có từ hai nhóm trở lên. Các biến phụ thuộc cần ở dạng định lượng và mỗi dòng dữ liệu phải đại diện cho một đối tượng độc lập.
| Điều kiện cần kiểm tra | Cách kiểm tra trong SPSS | Cách đọc hoặc tiêu chí | Nguồn |
|---|---|---|---|
| Độc lập giữa các quan sát | Xem thiết kế thu thập dữ liệu và cấu trúc file | Mỗi người chỉ xuất hiện đúng một dòng trong MANOVA giữa các nhóm | (Field, 2013) |
| Phân phối gần chuẩn theo nhóm | Analyze > Descriptive Statistics > Explore, xem biểu đồ và bảng mô tả | Đánh giá hình dạng dữ liệu, không chỉ dựa vào một p-value | (Field, 2013) |
| Đồng nhất ma trận hiệp phương sai | Trong hộp thoại GLM, chọn Homogeneity tests | Xem Box's Test of Equality of Covariance Matrices, diễn giải thận trọng nếu Sig. nhỏ | (Field, 2013) |
| Đồng nhất phương sai từng biến | Trong output xem Levene's Test of Equality of Error Variances | Sig. lớn hơn hoặc bằng 0.05 cho thấy chưa có bằng chứng vi phạm ở biến đó | (Field, 2013) |
| Không có tương quan quá cao giữa biến phụ thuộc | Analyze > Correlate > Bivariate | Các biến nên có liên hệ vừa phải, nhưng không trùng lặp gần như hoàn toàn | (Tabachnick và Fidell, 2013) |
Box's Test khá nhạy với cỡ mẫu và độ lệch chuẩn. Nếu kiểm định này có ý nghĩa, bạn không nên tự động xóa dữ liệu. Hãy xem thêm kích thước nhóm, mô tả phân phối và chọn thống kê đa biến phù hợp. Khi các nhóm có cỡ mẫu tương đối cân bằng, MANOVA thường bền vững hơn trước một số vi phạm.
Levene's Test là kiểm định riêng cho từng biến phụ thuộc. Bạn có thể đọc hướng dẫn chi tiết tại kiểm định Levene trong SPSS. Đừng dùng một bảng Levene để kết luận thay cho toàn bộ điều kiện của MANOVA.
Các bước chạy MANOVA trong SPSS
Bước 1: Kiểm tra và khai báo biến
Trong Variable View, đặt biến nhóm ở dạng số và tạo nhãn giá trị, chẳng hạn 1 = Phương pháp A, 2 = Phương pháp B, 3 = Phương pháp C. Các biến phụ thuộc cần được nhập dưới dạng Scale. Kiểm tra missing value, giá trị ngoài phạm vi và trường hợp một người có nhiều dòng không đúng thiết kế.
Bạn nên ghi lại số quan sát của từng nhóm trước khi chạy. Một nhóm có quá ít quan sát có thể làm kết quả thiếu ổn định, đồng thời khiến kiểm định giả định khó diễn giải. Nếu biến nhóm chỉ có hai mức và chỉ có một biến phụ thuộc, hãy cân nhắc independent samples t test trong SPSS.
Bước 2: Mở hộp thoại General Linear Model
Chọn Analyze > General Linear Model > Multivariate. Đưa các biến kết quả vào ô Dependent Variables. Đưa biến phân nhóm vào ô Fixed Factor(s). Nếu có biến kiểm soát liên tục, bạn đang chuyển sang ANCOVA, không còn là MANOVA thuần túy. Trường hợp đó có thể xem ANCOVA trong SPSS.
Nhấn Options. Đưa Descriptive statistics, Estimates of effect size và Homogeneity tests vào phần hiển thị kết quả. Chọn Observed power nếu giảng viên yêu cầu, nhưng không dùng nó thay cho p-value để quyết định giả thuyết.
Bước 3: Chọn bảng so sánh và biểu đồ
Trong Options, đưa biến nhóm vào Display Means for. Có thể chọn Compare main effects và điều chỉnh khoảng tin cậy nếu cần so sánh trung bình giữa các nhóm. Với MANOVA một yếu tố, phần này giúp bạn đọc trung bình biên ước lượng sau khi kiểm định đa biến.
Bạn cũng có thể nhấn Plots, đưa biến nhóm vào trục ngang rồi chọn Add. Biểu đồ giúp nhìn hướng khác biệt, nhưng không thay thế bảng kiểm định. Nếu mô hình có nhiều yếu tố, cần cân nhắc cả hiệu ứng tương tác trước khi diễn giải hiệu ứng chính.
Bước 4: Chạy lệnh và lưu syntax
Nhấn Continue, sau đó OK. Hãy lưu syntax bằng cách bấm Paste thay vì chỉ bấm OK nếu bạn muốn tái lập phân tích. Syntax giúp bạn ghi lại chính xác biến nào đã đưa vào mô hình và các tùy chọn đã chọn.
Sau khi chạy, lưu output ở định dạng .spv. Đặt tên theo vòng phân tích, chẳng hạn MANOVA_v1.spv. Nếu có loại một biến hoặc sửa mã nhóm, tạo phiên bản mới thay vì ghi đè file cũ.
Đọc bảng kết quả và kết luận
Output thường có các bảng Descriptive Statistics, Box's Test of Equality of Covariance Matrices, Levene's Test of Equality of Error Variances, Multivariate Tests, Tests of Between-Subjects Effects và Estimated Marginal Means.
Trong bảng Multivariate Tests, SPSS thường hiển thị bốn thống kê: Pillai's Trace, Wilks' Lambda, Hotelling's Trace và Roy's Largest Root. Với bài nghiên cứu thông thường, nhiều luận văn báo cáo Wilks' Lambda. Tuy nhiên, bạn cần nhìn cả thiết kế và giả định, không chọn chỉ số vì nó cho p-value thuận lợi hơn.
Dưới đây là bảng số liệu minh họa. Các con số chỉ mô phỏng hình dạng output SPSS, không phải kết quả của một nghiên cứu thật.
| Multivariate Test | Value | F | Hypothesis df | Error df | Sig. | Partial Eta Squared |
|---|---|---|---|---|---|---|
| Wilks' Lambda | 0.842 | 4.126 | 4 | 188 | 0.003 | 0.081 |
| Pillai's Trace | 0.161 | 4.091 | 4 | 189 | 0.003 | 0.080 |
| Hotelling's Trace | 0.184 | 4.218 | 4 | 187 | 0.003 | 0.083 |
| Roy's Largest Root | 0.181 | 8.596 | 2 | 95 | 0.000 | 0.154 |
Trong ví dụ này, dòng Wilks' Lambda có Sig. = 0.003, nhỏ hơn 0.05. Bạn có thể kết luận có sự khác biệt đa biến giữa các nhóm trên tổ hợp hai biến phụ thuộc. Partial Eta Squared = 0.081 là kích thước hiệu ứng được SPSS báo cáo, nhưng việc diễn giải lớn hay nhỏ cần gắn với bối cảnh nghiên cứu và quy ước bạn đã chọn.
Tiếp theo, đọc bảng Tests of Between-Subjects Effects. Bảng này cho biết từng biến phụ thuộc có khác biệt giữa các nhóm hay không. Nếu một biến có Sig. < 0.05, hãy xem trung bình nhóm và kiểm định hậu nghiệm để xác định nhóm nào khác nhóm nào. MANOVA có ý nghĩa không tự động làm cho mọi biến phụ thuộc đều có ý nghĩa.
Nếu biến phụ thuộc có hơn hai nhóm, bạn có thể dùng Post Hoc trong hộp thoại Options hoặc EM Means, tùy thiết kế. Cần chọn phương pháp hậu nghiệm phù hợp và báo cáo rõ nó trong chương kết quả. Đừng chạy hàng loạt kiểm định cặp rồi chỉ giữ cặp có p-value nhỏ.
Cách viết kết quả MANOVA vào luận văn
Cách viết vào luận văn: “Kết quả MANOVA cho thấy có sự khác biệt có ý nghĩa thống kê giữa [các nhóm nghiên cứu] trên tổ hợp các biến phụ thuộc [tên biến 1] và [tên biến 2], Wilks' Lambda = [giá trị], F([df1], [df2]) = [giá trị], p = [giá trị], partial η² = [giá trị]. Phân tích tiếp theo cho thấy sự khác biệt có ý nghĩa ở [tên biến phụ thuộc], F([df1], [df2]) = [giá trị], p = [giá trị], trong khi [tên biến còn lại] không có sự khác biệt có ý nghĩa, p = [giá trị].”
Thay toàn bộ phần trong ngoặc vuông bằng số liệu từ file của bạn. Nếu SPSS hiển thị 0.000, khi viết luận văn nên ghi p < 0.001 thay vì diễn đạt p bằng đúng 0. Kiểm tra lại Hypothesis df và Error df trong đúng dòng Wilks' Lambda, vì lấy nhầm bậc tự do từ dòng khác sẽ làm câu báo cáo sai.
Bạn cũng nên trình bày bảng trung bình và độ lệch chuẩn theo nhóm. Kết quả kiểm định cho biết có khác biệt, còn trung bình giúp người đọc hiểu hướng khác biệt. Nếu có hậu nghiệm, thêm khoảng tin cậy hoặc p-value của các cặp so sánh cần thiết.
Khi vi phạm giả định thì dùng gì thay thế
Nếu dữ liệu lệch nhẹ nhưng các nhóm có cỡ mẫu gần nhau, trước hết hãy kiểm tra biểu đồ, outlier và độ cân bằng nhóm. Việc xóa một quan sát chỉ vì nó làm p-value thay đổi là khó giải trình. Bạn cần có lý do dữ liệu rõ ràng, chẳng hạn nhập sai hoặc không đáp ứng tiêu chí mẫu.
Nếu ma trận hiệp phương sai không đồng nhất, có thể ưu tiên Pillai's Trace trong diễn giải vì chỉ số này thường được xem là thận trọng hơn trong một số tình huống vi phạm. Dù vậy, lựa chọn phải được ghi rõ và không nên dùng như cách né một kết quả không mong muốn.
Nếu các biến phụ thuộc có tương quan quá cao, MANOVA có thể không thêm nhiều thông tin so với một biến tổng hợp. Bạn cần quay lại mô hình lý thuyết, kiểm tra nội dung đo lường và cân nhắc có nên giữ cả hai biến hay không. Nếu chỉ còn một biến phụ thuộc, ANOVA hoặc t-test phù hợp hơn.
Nếu dữ liệu vi phạm mạnh điều kiện chuẩn hoặc có outlier nghiêm trọng, bạn có thể cân nhắc phương án hoán vị hoặc phương pháp robust nếu phần mềm, thiết kế và hướng dẫn của khoa cho phép. Kruskal-Wallis chỉ thay thế cho so sánh một biến phụ thuộc giữa các nhóm độc lập, không phải bản thay thế trực tiếp cho toàn bộ MANOVA. Xem Kruskal-Wallis trong SPSS để tránh dùng sai phạm vi của kiểm định.
Lỗi thường gặp
Lỗi đầu tiên là đưa biến định danh như mã sinh viên vào Dependent Variables. SPSS vẫn có thể chạy nếu dữ liệu là số, nhưng kết quả không có ý nghĩa vì mã định danh không phải đại lượng cần so sánh.
Lỗi thứ hai là chỉ đọc Multivariate Tests rồi kết luận tất cả biến phụ thuộc đều khác biệt. Bạn phải đọc thêm Tests of Between-Subjects Effects và bảng trung bình nhóm.
Lỗi thứ ba là nhầm Box's Test với Levene's Test. Box's Test kiểm tra ma trận hiệp phương sai chung, còn Levene's Test kiểm tra phương sai của từng biến phụ thuộc. Hai bảng này trả lời hai câu hỏi khác nhau.
Lỗi thứ tư là chạy nhiều ANOVA riêng mà không nói lý do. Nếu chọn MANOVA, hãy giải thích mối liên hệ giữa các biến phụ thuộc và báo cáo kết quả đa biến trước kết quả đơn biến.
Lỗi cuối là sao chép toàn bộ output vào luận văn. Hãy chọn bảng cần thiết, đặt tiêu đề, nêu số liệu chính và đưa output đầy đủ vào phụ lục nếu giảng viên yêu cầu.
Câu hỏi thường gặp
MANOVA trong SPSS cần bao nhiêu biến phụ thuộc
MANOVA dùng từ hai biến phụ thuộc trở lên. Các biến này cần có cơ sở lý thuyết để được xem xét cùng nhau, không nên gom nhiều biến chỉ vì SPSS cho phép đưa vào cùng một hộp thoại.
MANOVA khác ANOVA ở điểm nào
ANOVA kiểm tra khác biệt giữa các nhóm trên một biến phụ thuộc. MANOVA kiểm tra khác biệt trên tổ hợp nhiều biến phụ thuộc trong một mô hình, sau đó mới xem từng biến riêng lẻ.
Wilks' Lambda bao nhiêu là đạt
Không có một ngưỡng cố định kiểu “Wilks' Lambda lớn hơn bao nhiêu là đạt”. Bạn đọc Sig. đi kèm thống kê kiểm định. Nếu p-value nhỏ hơn mức ý nghĩa đã chọn, thường là 0.05, kết quả đa biến có ý nghĩa thống kê.
Box's Test có Sig. nhỏ hơn 0.05 thì có được chạy MANOVA không
Bạn vẫn có thể xem xét kết quả, nhưng cần đánh giá mức độ mất cân bằng giữa các nhóm, phân phối và outlier. Có thể báo cáo thêm Pillai's Trace, giải thích lựa chọn và tránh kết luận mạnh hơn dữ liệu cho phép.
MANOVA có cần chạy kiểm định hậu nghiệm không
Nếu yếu tố nhóm có từ ba mức trở lên và MANOVA hoặc kiểm định đơn biến cho thấy có khác biệt, hậu nghiệm giúp xác định cặp nhóm nào khác nhau. Bạn cần báo cáo phương pháp đã chọn và điều chỉnh cách diễn giải theo kết quả đó.
Có thể dùng MANOVA khi các biến phụ thuộc không liên quan nhau không
Nếu các biến hoàn toàn không liên quan, lợi ích của phân tích đa biến có thể thấp. Bạn nên xem tương quan, cơ sở lý thuyết và mục tiêu nghiên cứu trước khi quyết định giữ MANOVA hay phân tích từng biến riêng.
Bạn hãy mở lại file .sav, kiểm tra mã biến và số quan sát từng nhóm trước khi chạy phiên bản MANOVA đầu tiên, sau đó lưu cả syntax, output và bảng kết quả đã chọn. Nếu cần chạy phân tích trên dữ liệu thật và rà lại cách đọc output SPSS, bạn có thể dùng module M4 phân tích dữ liệu.