One factor ANOVA là gì? Cách đọc kết quả trong SPSS
One factor ANOVA là gì
One factor ANOVA, còn gọi là one-way ANOVA hoặc phân tích phương sai một yếu tố, là kiểm định dùng để so sánh giá trị trung bình của một biến định lượng giữa từ ba nhóm độc lập trở lên. Ví dụ, bạn muốn kiểm tra điểm hài lòng trung bình có khác nhau giữa ba nhóm độ tuổi, bốn nhóm thu nhập hoặc các nhóm trình độ học vấn hay không.
Yếu tố, hay factor, là biến dùng để chia mẫu thành các nhóm. Biến phụ thuộc là biến định lượng được đem ra so sánh, chẳng hạn điểm trung bình thang đo, mức chi tiêu hoặc ý định mua. One factor ANOVA phân rã tổng biến thiên của dữ liệu thành hai phần: biến thiên giữa các nhóm và biến thiên bên trong từng nhóm.
Về logic, kiểm định tính thống kê F theo công thức khái quát:
F = phương sai giữa các nhóm / phương sai trong nhóm
Nếu phần biến thiên giữa các nhóm lớn so với phần biến thiên trong từng nhóm, F có thể lớn và p-value có thể nhỏ. Tuy nhiên, ANOVA chỉ cho biết có ít nhất một cặp trung bình khác nhau. Nó chưa cho biết cụ thể nhóm nào khác nhóm nào. Muốn trả lời câu hỏi đó, bạn cần chạy kiểm định hậu nghiệm, chẳng hạn Tukey hoặc Games-Howell, tùy điều kiện dữ liệu.
Nếu đề tài của bạn chỉ có hai nhóm, kiểm định t test thường phù hợp hơn. Bạn có thể xem thêm phần tổng quan về anova và các bài trong chuyên mục Thống kê khi cần đối chiếu cách chọn kiểm định.
Ý nghĩa của one factor ANOVA trong nghiên cứu định lượng
Trong luận văn, one factor ANOVA thường trả lời một câu hỏi so sánh: mức trung bình của biến Y có thay đổi theo các nhóm của biến X hay không. Chẳng hạn, X là nhóm tuổi và Y là sự hài lòng. Nếu kết quả có ý nghĩa thống kê, bạn có cơ sở nói rằng sự hài lòng không giống nhau hoàn toàn giữa các nhóm tuổi trong mẫu nghiên cứu.
ANOVA kiểm định giả thuyết H0 rằng trung bình của tất cả các nhóm bằng nhau. H1 cho rằng có ít nhất một trung bình khác với các nhóm còn lại. Bạn không nên viết H1 theo cách quá mạnh như “tất cả các nhóm đều khác nhau”, vì kết quả ANOVA không đủ để kết luận như vậy.
Trong báo cáo, p-value là căn cứ chính để ra quyết định. Khi p-value nhỏ hơn mức ý nghĩa đã chọn, thường là 0.05, bạn bác bỏ H0. Khi p-value lớn hơn hoặc bằng 0.05, bạn chưa có đủ bằng chứng thống kê để bác bỏ H0. Cách viết này thận trọng hơn câu “H0 đúng”, vì một kết quả không có ý nghĩa thống kê không chứng minh các trung bình giống hệt nhau.
One factor ANOVA có thể được dùng để so sánh nhiều nhóm trong phân tích mô tả, kiểm định sự khác biệt hoặc kiểm tra một giả thuyết nghiên cứu. Nó không thay thế hồi quy, vì ANOVA cơ bản không cho bạn biết đồng thời ảnh hưởng của nhiều biến độc lập. Nó cũng không tự động chứng minh quan hệ nhân quả giữa yếu tố phân nhóm và biến phụ thuộc.
Bạn cần xác định rõ nhóm là độc lập hay liên quan. Nếu cùng một người được đo ở nhiều thời điểm, dữ liệu có cấu trúc lặp lại và one-way ANOVA cho các nhóm độc lập có thể không phù hợp. Nếu chỉ so sánh hai nhóm độc lập, bạn có thể đối chiếu với kiểm định t test hoặc t test để chọn thủ tục đúng với thiết kế nghiên cứu.
One factor ANOVA bao nhiêu là đạt
Không có một con số F cố định áp dụng cho mọi bộ dữ liệu. Bạn cần xem p-value trong bảng ANOVA, đồng thời kiểm tra điều kiện áp dụng và cách chạy post-hoc. Ngưỡng 0.05 là mức ra quyết định thường dùng trong luận văn, nhưng bạn nên ghi rõ mức ý nghĩa trong phương pháp nghiên cứu trước khi xem kết quả.
Bảng dưới đây tách các tiêu chí cần kiểm tra. Các ngưỡng được ghi kèm nguồn để bạn có thể giải trình khi giảng viên hỏi cơ sở lựa chọn.
| Nội dung cần xem | Cách diễn giải hoặc ngưỡng tham khảo | Nguồn |
|---|---|---|
| Mức ý nghĩa của kiểm định | p-value nhỏ hơn 0.05, bác bỏ H0 về sự bằng nhau của các trung bình | (Field, 2013) |
| Levene's Test | p-value lớn hơn hoặc bằng 0.05, chưa có bằng chứng phương sai các nhóm khác nhau | (Field, 2013) |
| Levene's Test không đạt | Chọn Games-Howell hoặc thủ tục không giả định phương sai bằng nhau, tùy thiết kế và phần mềm | (Field, 2013) |
| Durbin-Watson khi mô hình có hồi quy liên quan | Giá trị trong khoảng từ 1 đến 3 thường được xem là phù hợp để kiểm tra tự tương quan phần dư | (Field, 2013) |
| Cỡ mẫu cho phân tích nhân tố, nếu biến được tạo từ thang đo | Từ 5 đến 10 quan sát cho một biến quan sát | (Hair và cộng sự, 2010) |
Dòng p-value trong bảng ANOVA là tiêu chí ra quyết định cho câu hỏi chính. F càng lớn chưa chắc tự động có ý nghĩa, vì kết luận còn phụ thuộc vào bậc tự do và phân phối của F. Bạn cần đọc cả df, F và Sig. thay vì chỉ nhìn một con số.
Nếu Levene's Test có Sig. nhỏ hơn 0.05, giả định phương sai bằng nhau bị nghi ngờ. Khi đó, đừng cố dùng một bảng post-hoc yêu cầu phương sai bằng nhau chỉ vì nó cho ra kết quả đẹp. Hãy ghi nhận vi phạm, chọn thủ tục phù hợp và giải thích lựa chọn trong chương phương pháp hoặc chương kết quả.
Cách đọc one factor ANOVA trên output
Bạn mở SPSS, chọn Analyze > Compare Means > One-Way ANOVA. Đưa biến định lượng vào ô Dependent List, đưa biến phân nhóm vào ô Factor. Trong Options, chọn Descriptive và Homogeneity of variance test. Trong Post Hoc, chọn Tukey nếu phương sai các nhóm có thể xem là bằng nhau. Nếu phương sai không đồng nhất, Games-Howell thường là lựa chọn cần xem xét.
Ví dụ dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Biến phụ thuộc là điểm hài lòng, chia thành ba nhóm tuổi. Các con số chỉ giúp bạn nhận diện vị trí cần đọc trên output SPSS.
Bảng Descriptives
| Nhóm tuổi | N | Mean | Std. Deviation | Std. Error |
|---|---|---|---|---|
| Dưới 25 | 82 | 3.42 | 0.61 | 0.067 |
| 25 đến 34 | 96 | 3.68 | 0.58 | 0.059 |
| Từ 35 trở lên | 72 | 3.51 | 0.64 | 0.075 |
| Total | 250 | 3.55 | 0.61 | 0.039 |
Bảng Descriptives cho bạn thấy trung bình mẫu của từng nhóm. Trong minh họa này, nhóm 25 đến 34 có Mean cao nhất. Nhưng chênh lệch giữa các Mean chưa đủ để kết luận có ý nghĩa thống kê. Bạn phải xem Levene's Test và bảng ANOVA.
Test of Homogeneity of Variances
| Levene Statistic | df1 | df2 | Sig. |
|---|---|---|---|
| 0.842 | 2 | 247 | 0.432 |
Vì Sig. bằng 0.432, lớn hơn 0.05, dữ liệu minh họa chưa cho thấy phương sai giữa ba nhóm khác nhau có ý nghĩa thống kê. Bạn có thể đọc dòng Equal variances assumed trong bảng post-hoc phù hợp với thủ tục đã chọn.
ANOVA
| Sum of Squares | df | Mean Square | F | Sig. |
|---|---|---|---|---|
| Between Groups | 3.214 | 2 | 1.607 | 4.421 |
| Within Groups | 89.820 | 247 | 0.364 | |
| Total | 93.034 | 249 |
Trong bảng minh họa, Sig. bằng 0.013, nhỏ hơn 0.05. Bạn bác bỏ H0 và kết luận có sự khác biệt về điểm hài lòng trung bình giữa ít nhất hai nhóm tuổi. Kết luận này chưa chỉ ra cặp nhóm nào khác nhau.
Multiple Comparisons
| (I) Nhóm tuổi | (J) Nhóm tuổi | Mean Difference (I-J) | Std. Error | Sig. | 95% Confidence Interval |
|---|---|---|---|---|---|
| Dưới 25 | 25 đến 34 | -0.260 | 0.091 | 0.015 | -0.48 đến -0.04 |
| Dưới 25 | Từ 35 trở lên | -0.090 | 0.098 | 0.629 | -0.33 đến 0.15 |
| 25 đến 34 | Từ 35 trở lên | 0.170 | 0.094 | 0.175 | -0.06 đến 0.40 |
Bảng Multiple Comparisons cho thấy cặp Dưới 25 và 25 đến 34 có Sig. bằng 0.015, nhỏ hơn 0.05. Hai cặp còn lại chưa có khác biệt có ý nghĩa thống kê trong ví dụ. Khi viết, bạn nên nêu cả hướng chênh lệch. Mean Difference âm ở dòng Dưới 25 so với 25 đến 34 cho biết trung bình nhóm Dưới 25 thấp hơn nhóm 25 đến 34 khoảng 0.260 điểm.
Nếu bạn chạy bảng ANOVA nhưng không thấy Multiple Comparisons, có thể bạn chưa chọn post-hoc trong hộp thoại One-Way ANOVA, hoặc biến phân nhóm chỉ có hai mức. Hãy kiểm tra lại số nhóm và thiết lập trước khi chạy lại.
Khi one factor ANOVA không đạt thì xử lý thế nào
Trước hết, xác định “không đạt” đang nói đến phần nào. Có thể p-value của ANOVA lớn hơn hoặc bằng 0.05, Levene's Test có p-value nhỏ hơn 0.05, dữ liệu có ngoại lệ mạnh, hoặc bạn chọn sai loại biến. Mỗi tình huống cần cách xử lý khác nhau.
Khi p-value của ANOVA lớn hơn hoặc bằng 0.05
Bạn giữ H0 theo cách diễn đạt phù hợp, hoặc chính xác hơn là chưa bác bỏ H0. Không nên loại bớt nhóm chỉ vì nhóm đó làm p-value không nhỏ. Hãy kiểm tra cỡ mẫu từng nhóm, Mean, độ lệch chuẩn và khoảng tin cậy để xem chênh lệch có thực sự nhỏ hay dữ liệu quá phân tán.
Nếu giả thuyết của bạn dự đoán sự khác biệt nhưng kết quả không có ý nghĩa, hãy báo cáo kết quả không đạt. Việc đổi cách chia nhóm sau khi xem p-value làm tăng rủi ro thiên lệch và thường khó giải trình khi bảo vệ.
Khi Levene's Test không đạt
Bạn không nên tự động xóa nhóm hoặc sửa dữ liệu gốc. Kiểm tra biểu đồ, outlier, số quan sát mỗi nhóm và cách mã hóa biến. Nếu phương sai không đồng nhất, cân nhắc Games-Howell trong phần post-hoc. Trong một số thiết kế, Welch ANOVA có thể phù hợp hơn ANOVA thông thường, nhưng bạn cần xác nhận thủ tục và cách báo cáo mà đề tài cho phép.
Khi phát hiện outlier hoặc dữ liệu nhập sai
Nếu một giá trị nằm ngoài khoảng hợp lý do nhập nhầm, sửa theo bảng hỏi hoặc nguồn dữ liệu gốc và lưu lại lịch sử chỉnh sửa. Nếu đó là câu trả lời hợp lệ, không xóa chỉ để làm p-value đẹp hơn. Bạn có thể chạy phân tích kiểm tra độ nhạy, so sánh kết quả trước và sau khi xử lý, rồi ghi rõ tiêu chí loại quan sát.
Khi biến phụ thuộc không phù hợp
One factor ANOVA cần một biến phụ thuộc có ý nghĩa định lượng và các nhóm phân loại rõ ràng. Nếu bạn đưa mã nhóm, mã tỉnh hoặc mã giới tính vào ô Dependent List, kết quả sẽ không trả lời câu hỏi cần nghiên cứu. Kiểm tra Variable View, nhãn giá trị và cách nhập dữ liệu trước khi chạy lại.
Phân biệt one factor ANOVA với kiểm định dễ nhầm
One factor ANOVA và t-test độc lập đều có thể so sánh trung bình, nhưng t-test độc lập thường dùng cho hai nhóm, còn one factor ANOVA dùng cho từ ba nhóm trở lên. Nếu bạn dùng ANOVA cho đúng hai nhóm, kết quả có thể liên hệ với t-test trong điều kiện tương đương, nhưng cách trình bày và lựa chọn kiểm định vẫn nên nhất quán với thiết kế nghiên cứu.
One factor ANOVA cũng khác kiểm định chi bình phương là gì. Chi-square thường kiểm tra mối liên hệ hoặc sự khác biệt về tần số giữa các biến phân loại. ANOVA so sánh trung bình của một biến định lượng giữa các nhóm phân loại.
ANOVA khác hồi quy tuyến tính ở mục tiêu phân tích. ANOVA cơ bản tập trung vào sự khác biệt trung bình giữa nhóm. Hồi quy ước lượng hệ số của biến độc lập và thường cho phép đưa nhiều biến giải thích, biến kiểm soát, biến trung gian hoặc biến điều tiết vào cùng mô hình.
One factor ANOVA cũng không phải repeated-measures ANOVA. Nếu cùng một đối tượng được đo ở nhiều thời điểm, các quan sát có liên hệ với nhau. Bạn cần thủ tục dành cho dữ liệu đo lặp, không nên coi mỗi thời điểm là một nhóm độc lập.
Lỗi thường gặp
Chỉ nhìn Mean và bỏ qua Sig.
Hai nhóm có Mean khác nhau chưa có nghĩa là khác biệt đó có ý nghĩa thống kê. Luôn đọc Sig. của Levene's Test, Sig. trong bảng ANOVA và bảng post-hoc khi ANOVA có ý nghĩa.
Kết luận nhóm nào khác nhau chỉ từ bảng ANOVA
Bảng ANOVA chỉ trả lời có ít nhất một cặp khác nhau. Muốn biết cặp nào, bạn cần đọc Multiple Comparisons hoặc thủ tục hậu nghiệm tương ứng. Nếu không chạy post-hoc, hãy giới hạn kết luận ở mức “có sự khác biệt giữa ít nhất hai nhóm”.
Dùng Tukey khi phương sai không đồng nhất
Tukey không phải lựa chọn mặc định cho mọi bộ dữ liệu. Hãy kiểm tra Levene's Test trước, sau đó chọn post-hoc tương ứng. Trong luận văn, ghi rõ tiêu chí chọn thủ tục giúp người đọc hiểu bạn không chọn bảng có kết quả thuận lợi nhất.
Gộp hoặc tách nhóm sau khi xem kết quả
Việc thay đổi ngưỡng tuổi, thu nhập hoặc thâm niên sau khi nhìn p-value có thể làm kết quả mất tính nhất quán với phương pháp đã đăng ký. Nếu có cơ sở lý thuyết hoặc thực tiễn để chia lại nhóm, hãy nêu cơ sở đó và báo cáo cách phân nhóm trước khi diễn giải kết quả.
Viết “ANOVA tác động đến” biến phụ thuộc
ANOVA trong thiết kế quan sát thường cho thấy sự khác biệt giữa các nhóm trong mẫu, không tự động chứng minh tác động nhân quả. Câu viết an toàn hơn là “điểm trung bình của Y khác biệt theo nhóm X” hoặc “kết quả cho thấy có sự khác biệt có ý nghĩa thống kê”.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau theo số liệu thật: “Kết quả One-Way ANOVA cho thấy có sự khác biệt có ý nghĩa thống kê về [tên biến phụ thuộc] giữa các nhóm [tên biến phân nhóm], F([df giữa], [df trong]) = [F], p = [p-value]. Kết quả kiểm định hậu nghiệm [tên post-hoc] cho thấy sự khác biệt nằm giữa nhóm [nhóm 1] và [nhóm 2], trong khi các cặp nhóm còn lại không có sự khác biệt có ý nghĩa thống kê.”
Nếu ANOVA không có ý nghĩa, thay bằng: “Kết quả One-Way ANOVA không cho thấy sự khác biệt có ý nghĩa thống kê về [tên biến phụ thuộc] giữa các nhóm [tên biến phân nhóm], F([df giữa], [df trong]) = [F], p = [p-value].” Bạn chỉ điền số sau khi kiểm tra đúng bảng output và thủ tục post-hoc.
Câu hỏi thường gặp
One factor ANOVA là gì và dùng khi nào?
Đây là kiểm định so sánh trung bình của một biến định lượng giữa từ ba nhóm độc lập trở lên. Bạn dùng nó khi câu hỏi nghiên cứu có dạng: trung bình Y có khác nhau theo các nhóm của X hay không.
One factor ANOVA bao nhiêu là đạt?
Thông thường, p-value trong bảng ANOVA nhỏ hơn 0.05 được xem là có sự khác biệt có ý nghĩa thống kê ở mức 5%. Tuy nhiên, bạn còn phải kiểm tra điều kiện áp dụng, Levene's Test và post-hoc. Không có một giá trị F cố định gọi là đạt cho mọi mẫu.
Nếu Sig. của ANOVA lớn hơn 0.05 thì phải làm sao?
Bạn chưa có đủ bằng chứng để bác bỏ giả thuyết các nhóm có cùng trung bình. Hãy báo cáo kết quả đó, kiểm tra dữ liệu, cỡ mẫu, outlier và điều kiện áp dụng. Không nên tự ý xóa nhóm hoặc đổi cách chia nhóm chỉ để làm p-value nhỏ hơn.
Levene's Test nhỏ hơn 0.05 có chạy ANOVA được không?
Bạn vẫn cần đánh giá mục tiêu và dữ liệu, nhưng không nên đọc kết quả như thể phương sai các nhóm bằng nhau. Có thể cân nhắc Welch ANOVA hoặc Games-Howell, đồng thời ghi rõ phương sai không đồng nhất và lý do chọn thủ tục thay thế.
ANOVA có cho biết nhóm nào khác nhóm nào không?
Chưa. ANOVA chỉ cho biết có ít nhất một cặp trung bình khác nhau. Bạn cần đọc bảng Multiple Comparisons sau khi chạy post-hoc. Chọn Tukey, Games-Howell hoặc thủ tục khác dựa trên điều kiện phương sai và thiết kế dữ liệu.
Có thể dùng one factor ANOVA cho hai nhóm không?
Về mặt tính toán có thể có liên hệ với t-test trong một số điều kiện, nhưng t-test thường dễ diễn giải hơn khi chỉ có hai nhóm. Hãy chọn kiểm định theo số nhóm và cấu trúc dữ liệu đã nêu trong phương pháp nghiên cứu.
Mở file .sav của bạn, kiểm tra lại biến phụ thuộc, biến phân nhóm, số mức nhóm và bảng Test of Homogeneity of Variances, sau đó đọc ANOVA rồi mới xem Multiple Comparisons; nếu cần chạy phân tích trên chính dữ liệu của bạn bằng SPSS hoặc SmartPLS, xem M4 phân tích của DoThesis.