Paired là gì? Cách đọc và chạy Paired Samples t-test trong SPSS
Paired là gì
Trong thống kê, paired nghĩa là hai giá trị được ghép cặp vì chúng đến từ cùng một đối tượng hoặc hai đối tượng có sự ghép đôi rõ ràng. Với dữ liệu nghiên cứu, trường hợp phổ biến nhất là bạn đo cùng một nhóm người ở hai thời điểm, chẳng hạn điểm đánh giá trước và sau một chương trình đào tạo. Khi đó, mỗi người có hai quan sát liên quan với nhau.
Paired Samples t-test là kiểm định dùng để xem trung bình của hai lần đo có khác nhau một cách có ý nghĩa thống kê hay không. SPSS thực hiện điều này bằng cách tính chênh lệch cho từng cặp:
Dᵢ = Xᵢ,sau - Xᵢ,trước
Sau đó, phần mềm kiểm định trung bình của các chênh lệch Dᵢ có khác 0 hay không. Vì vậy, bạn đang kiểm định sự thay đổi trong từng cặp trước, thay vì coi hai cột dữ liệu là hai nhóm độc lập. Đây là điểm cốt lõi để phân biệt paired với Independent-Samples t-test.
Một cặp hợp lệ cần có ba điều kiện dữ liệu cơ bản. Thứ nhất, hai giá trị phải thuộc cùng một đơn vị phân tích. Thứ hai, mỗi dòng phải giữ đúng mối liên hệ giữa hai lần đo. Thứ ba, biến được kiểm định phải ở dạng số và có ý nghĩa đo lường phù hợp. Nếu bạn có một người chỉ trả lời ở thời điểm trước nhưng không có dữ liệu ở thời điểm sau, trường hợp đó thường không được đưa vào phép tính paired đầy đủ.
Trong SPSS, paired không phải tên của một cột hay một loại thang đo. Đây là cách mô tả mối quan hệ giữa hai quan sát. Bạn có thể gặp các tên như Pre_Post, Before_After, T1_T2 hoặc Time 1_Time 2, nhưng phần mềm chỉ hiểu đúng khi hai biến được đưa vào cùng một cặp theo đúng thứ tự.
Ý nghĩa của paired trong nghiên cứu định lượng
Paired giúp bạn trả lời câu hỏi có cấu trúc như: “Sau tác động, điểm trung bình có thay đổi so với trước tác động không?” Tác động ở đây có thể là khóa học, một chính sách, một lần sử dụng sản phẩm, một phiên bản dịch vụ hoặc một điều kiện thực nghiệm khác. Dữ liệu vẫn phải có định danh để biết giá trị trước và sau thuộc cùng một người hoặc cùng một đơn vị.
Ví dụ, bạn khảo sát 120 sinh viên về mức độ tự tin trước và sau khi tham gia một học phần. Cột Tự tin_trước và Tự tin_sau phải nằm trên cùng một dòng cho cùng một sinh viên. Nếu bạn xáo trộn thứ tự dòng ở một cột, phần mềm vẫn có thể chạy nhưng kết quả paired sẽ mất ý nghĩa vì các cặp đã bị ghép sai.
Kiểm định này thường xuất hiện khi bạn có một biến định lượng được đo hai lần. Thang Likert tổng hợp hoặc điểm trung bình của nhiều biến quan sát thường được dùng trong nghiên cứu kinh doanh. Bạn có thể xem thêm scale là gì nếu đang phân vân giữa biến quan sát riêng lẻ và điểm đại diện cho một khái niệm.
Paired t-test không tự cho biết nguyên nhân của sự thay đổi. Nếu điểm sau cao hơn điểm trước và p-value nhỏ, bạn có bằng chứng về sự khác biệt trung bình trong mẫu theo thiết kế đang xét. Việc diễn giải rằng “chương trình chắc chắn gây ra thay đổi” còn phụ thuộc vào thiết kế nghiên cứu, nhóm đối chứng, thời gian đo và các yếu tố khác.
Bạn cũng nên xác định trước câu hỏi nghiên cứu và chiều diễn giải. Nếu giả thuyết dự kiến điểm sau cao hơn điểm trước, hãy đặt thứ tự biến nhất quán và ghi lại trong phương pháp nghiên cứu. Việc này giúp bạn đọc dấu âm hoặc dương của Mean Difference mà không nhầm rằng dấu âm luôn là kết quả bất lợi.
Paired t-test thường phù hợp với thiết kế trước và sau trên cùng mẫu. Nếu bạn khảo sát hai nhóm người khác nhau, dù hai nhóm có cùng cỡ mẫu, dữ liệu vẫn không tự động trở thành paired. Khi đó, câu hỏi thống kê và công thức sai số chuẩn đã khác.
Bạn có thể xem các nội dung liên quan trong chủ đề Thống kê để phân biệt paired t-test với các kiểm định khác trước khi chọn menu trong SPSS.
Paired bao nhiêu là đạt
Với Paired Samples t-test, “đạt” không phải là một ngưỡng duy nhất áp dụng cho mọi bảng. Bạn cần nhìn ít nhất vào p-value, mean difference, khoảng tin cậy và điều kiện phân phối của biến chênh lệch. Trong nhiều luận văn, mức ý nghĩa được chọn trước là 5%, tương ứng với quy tắc p-value nhỏ hơn 0.05 thì bác bỏ H0. Mức 0.05 ở đây là quy ước thiết kế kiểm định, không phải kết luận rằng mọi kết quả sát ngưỡng đều có ý nghĩa thực tiễn như nhau.
| Thành phần cần xem | Cách đọc hoặc ngưỡng thường dùng | Nguồn trong danh mục tài liệu |
|---|---|---|
| p-value của kiểm định hai phía | Nếu Sig. (2-tailed) < 0.05, bác bỏ H0 về trung bình chênh lệch bằng 0 | (Field, 2013) |
| Mean Difference | Dương nghĩa là giá trị ở cột thứ nhất cao hơn cột thứ hai, âm nghĩa là thấp hơn | (Field, 2013) |
| 95% Confidence Interval of the Difference | Khoảng không chứa 0 phù hợp với kết luận có khác biệt ở mức 5% | (Field, 2013) |
| Shapiro-Wilk của biến chênh lệch | Dùng để xem xét phân phối của chênh lệch trước khi quyết định cách kiểm định | (Field, 2013) |
| Cỡ mẫu cho hồi quy, khi paired nằm trong mô hình rộng hơn | Với m biến giải thích, có thể tham khảo n từ 50 + 8m trở lên | (Tabachnick và Fidell, 2013) |
Bảng trên là hướng dẫn ra quyết định, không phải lý do để sửa dữ liệu cho p-value nhỏ hơn 0.05. Nếu p-value lớn hơn hoặc bằng 0.05, cách viết phù hợp là chưa có đủ bằng chứng thống kê để kết luận hai trung bình khác nhau. Bạn không nên viết “H0 được chứng minh là đúng”, vì kiểm định chỉ cung cấp bằng chứng chống lại hoặc chưa đủ chống lại H0.
Paired t-test phù hợp khi biến chênh lệch gần với phân phối chuẩn, đặc biệt khi cỡ mẫu nhỏ. Khi cỡ mẫu lớn hơn, ảnh hưởng của lệch phân phối có thể khác, nhưng bạn vẫn cần kiểm tra biểu đồ, outlier và cách thu thập dữ liệu. Xem outliers trong dữ liệu nếu một vài chênh lệch quá lớn đang kéo trung bình theo một hướng.
Bạn không nên dùng bảng ngưỡng để biến một kết quả mô tả thành kết luận nhân quả. Chẳng hạn, Mean Difference là 0.20 điểm có thể có ý nghĩa thống kê nhưng chưa chắc có ý nghĩa thực tiễn đối với người sử dụng dịch vụ. Ngược lại, một thay đổi có ý nghĩa thực tiễn có thể không đạt p-value nhỏ hơn 0.05 nếu mẫu nhỏ hoặc dữ liệu phân tán mạnh. Vì vậy, nên báo cáo đồng thời trung bình, độ lệch chuẩn, chênh lệch, khoảng tin cậy và p-value.
Nếu giảng viên hỏi “paired bao nhiêu là đạt”, câu trả lời nên gắn với thiết kế kiểm định: Sig. (2-tailed) được so với mức ý nghĩa đã chọn, thường là 0.05, sau đó xem chiều chênh lệch và điều kiện áp dụng. Không có một giá trị Mean Difference cố định dùng cho mọi đề tài.
Cách đọc paired trên output
Sau khi chạy, SPSS thường hiển thị bốn bảng: Paired Samples Statistics, Paired Samples Correlations, Paired Samples Test và đôi khi là bảng kiểm tra trước đó nếu bạn đã yêu cầu thêm thống kê. Bảng Correlations cho biết hai lần đo có tương quan với nhau hay không. Nó không phải là kết quả chính để kết luận hai trung bình có khác nhau.
Để chạy kiểm định, bạn vào Analyze > Compare Means > Paired-Samples T Test. Trong hộp thoại, chọn biến thứ nhất vào ô Variable 1, biến thứ hai vào ô Variable 2, rồi bấm OK. Hãy kiểm tra lại nhãn của từng biến trước khi chạy. Nếu bạn đặt Sau ở Variable 1 và Trước ở Variable 2, dấu của Mean Difference sẽ ngược với trường hợp đặt Trước trước Sau.
Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Giả sử 80 người được đo điểm Dịch vụ_trước và Dịch vụ_sau trên cùng một thang điểm.
| SPSS output | Mean | N | Std. Deviation | Std. Error Mean |
|---|---|---|---|---|
| Pair 1 Dịch vụ_trước | 3.42 | 80 | 0.61 | 0.068 |
| Pair 1 Dịch vụ_sau | 3.68 | 80 | 0.57 | 0.064 |
Bảng Paired Samples Statistics cho thấy trung bình sau cao hơn trước 0.26 điểm. Đây mới là mô tả ban đầu. Bạn chưa thể kết luận sự khác biệt này có ý nghĩa thống kê nếu chưa đọc bảng kiểm định.
| Paired Samples Test | Mean Difference | Std. Deviation | Std. Error Mean | 95% CI Lower | 95% CI Upper | t | df | Sig. (2-tailed) |
|---|---|---|---|---|---|---|---|---|
| Pair 1 Trước - Sau | -0.260 | 0.492 | 0.055 | -0.370 | -0.150 | -4.73 | 79 | <0.001 |
Vì SPSS tính theo thứ tự Trước - Sau, Mean Difference bằng -0.260. Dấu âm cho biết điểm trước thấp hơn điểm sau. Khoảng tin cậy từ -0.370 đến -0.150 không chứa 0 và Sig. (2-tailed) nhỏ hơn 0.05. Với số liệu minh họa này, có sự khác biệt có ý nghĩa thống kê giữa hai lần đo. Khi trình bày, bạn nên nói rõ thứ tự phép trừ để người đọc hiểu dấu của chênh lệch.
Nếu bảng Paired Samples Correlations có Correlation = 0.62 và Sig. = 0.001, điều đó chỉ cho thấy hai lần đo có tương quan trong mẫu. Tương quan cao không đồng nghĩa với trung bình bằng nhau, còn tương quan thấp cũng không tự động chứng minh hai trung bình khác nhau. Kết luận về khác biệt phải dựa vào Paired Samples Test.
Trong bảng Paired Samples Test, df thường bằng số cặp hợp lệ trừ 1. Nếu ban đầu bạn có 80 người nhưng một số người thiếu một trong hai lần đo, N thực tế của phép kiểm định có thể thấp hơn 80. Vì vậy, hãy đối chiếu N trong bảng Paired Samples Statistics với số dòng ban đầu trong Data View.
Khi paired không đạt thì xử lý thế nào
Nếu kết quả không đạt theo tiêu chí bạn đã định trước, hãy xử lý theo thứ tự sau.
Kiểm tra cách ghép cặp
Mở Data View và kiểm tra ID của từng người. Hai biến trước và sau phải nằm cùng một dòng, không bị lệch do sắp xếp riêng một cột. Kiểm tra thêm các giá trị missing, mã 99 hoặc 999, và các trường hợp chỉ có một trong hai lần đo.
Nếu file được ghép từ hai nguồn, hãy kiểm tra cả mã định danh trước khi copy dữ liệu. Một lỗi thường gặp là sắp xếp file trước theo họ tên nhưng file sau theo mã số, sau đó dán hai cột cạnh nhau. SPSS không biết dòng nào thuộc cùng người nếu bạn không tự bảo đảm thứ tự hoặc ID.
Kiểm tra biến đang được đưa vào kiểm định
Bạn có thể đang dùng điểm của một biến quan sát ở lần đầu và điểm tổng hợp của cả thang đo ở lần sau. Hãy thống nhất cách tính, hướng mã hóa và các item đảo chiều trước khi tạo điểm trung bình. Nếu một item bị mã hóa ngược mà chưa recode, chênh lệch có thể phản ánh lỗi xử lý thay vì thay đổi thật.
Nếu hai lần đo dùng hai thang điểm khác nhau, chẳng hạn một lần từ 1 đến 5 và một lần từ 1 đến 7, Mean Difference sẽ khó diễn giải trực tiếp. Trước khi chạy, hãy kiểm tra bảng câu hỏi, nhãn giá trị và công thức tạo biến tổng hợp. Ghi lại những thay đổi đã thực hiện để có thể giải trình với giảng viên.
Xem phân phối của biến chênh lệch
Tạo biến chênh lệch bằng Transform > Compute Variable, chẳng hạn sau - trước, rồi kiểm tra histogram, Q-Q plot và outlier. Nếu biến chênh lệch lệch mạnh hoặc có giá trị bất thường, ghi nhận nguyên nhân trước khi loại trường hợp. Không nên xóa một người chỉ vì dòng đó làm p-value lớn hơn.
Bạn có thể vào Analyze > Descriptive Statistics > Explore, đưa biến chênh lệch vào Dependent List, sau đó chọn biểu đồ và kiểm tra phân phối. Nếu có outlier, cần xem đó là lỗi nhập liệu, người trả lời bất thường hay một trường hợp hợp lệ. Mỗi quyết định loại dữ liệu phải có lý do gắn với chất lượng dữ liệu, không gắn với việc kết quả có đạt hay không.
Cân nhắc kiểm định thay thế
Nếu điều kiện của t-test không phù hợp, Wilcoxon Signed-Rank Test là lựa chọn thường được cân nhắc cho hai lần đo liên quan khi biến chênh lệch không đáp ứng giả định cần thiết. Bạn cần nêu lý do chọn kiểm định thay thế và báo cáo trung vị hoặc cách mô tả phù hợp với phương pháp, thay vì chạy cả hai rồi chọn bảng có kết quả “đẹp”.
Trong SPSS, bạn có thể vào Analyze > Nonparametric Tests > Related Samples, chọn hai biến liên quan và đánh dấu Wilcoxon. Menu có thể khác đôi chút theo phiên bản SPSS, nhưng nguyên tắc vẫn là chọn đúng hai biến thuộc cùng một cặp. Không nên gọi Wilcoxon là phiên bản chắc chắn tốt hơn của paired t-test. Đây là lựa chọn phù hợp hơn khi câu hỏi, thang đo hoặc phân phối dữ liệu yêu cầu.
Nếu không đạt vì p-value lớn, bạn giữ kết quả và diễn giải đúng mức. Có thể sự thay đổi trung bình nhỏ, dữ liệu phân tán, cỡ mẫu chưa đủ hoặc tác động không đồng đều giữa các cá nhân. Không được đổi sang kiểm định khác chỉ để tìm một kết luận có ý nghĩa.
Phân biệt paired với Independent-Samples t-test
Paired dùng cho hai quan sát có liên hệ theo từng cặp. Independent-Samples t-test dùng cho hai nhóm độc lập, chẳng hạn điểm của nhóm đã tham gia khóa học so với nhóm chưa tham gia. Nếu một sinh viên xuất hiện ở cả hai nhóm, hai nhóm đó không còn độc lập theo nghĩa thông thường.
Bạn cũng cần phân biệt paired với correlation. Correlation đo mức độ hai biến thay đổi cùng nhau, còn paired t-test kiểm tra trung bình của chênh lệch. Một nghiên cứu có thể báo cáo cả hai, nhưng mỗi kết quả trả lời một câu hỏi khác nhau.
Paired cũng khác với moderator và mediator. Moderator và mediator là vai trò của biến trong mô hình quan hệ, còn paired mô tả cấu trúc ghép cặp của hai lần đo. Đừng gọi biến “trước” hoặc “sau” là moderator chỉ vì chúng xuất hiện trong cùng một phân tích. Nội dung về moderating sẽ phù hợp hơn khi bạn đang kiểm tra biến làm thay đổi cường độ hoặc chiều của một mối quan hệ.
Nếu bạn có ba thời điểm trở lên, chạy nhiều paired t-test từng cặp sẽ làm tăng số lần kiểm định và khó trình bày. Khi đó, cần xem xét phương pháp phù hợp với thiết kế đo lặp và mục tiêu nghiên cứu, thay vì lặp lại cùng một kiểm định mà không điều chỉnh cách diễn giải.
Một cách kiểm tra nhanh là viết câu mô tả dữ liệu trước khi chọn kiểm định. Nếu câu là “cùng 80 người được đo hai lần”, paired có thể phù hợp. Nếu câu là “80 người ở nhóm A và 80 người khác ở nhóm B”, independent thường là hướng cần xem xét. Nếu câu là “mối liên hệ giữa mức độ hài lòng và ý định mua”, bạn đang đặt câu hỏi về tương quan hoặc mô hình hồi quy, không phải paired.
Lỗi thường gặp
Lỗi đầu tiên là dùng Paired Samples t-test cho hai nhóm độc lập. Hãy hỏi: mỗi giá trị ở cột A có một giá trị tương ứng ở cột B của cùng người hay không. Nếu câu trả lời là không, paired không phải lựa chọn phù hợp.
Lỗi thứ hai là chỉ nhìn vào bảng Paired Samples Statistics. Bảng này chỉ có mean, độ lệch chuẩn và cỡ mẫu. Kết luận thống kê nằm ở Paired Samples Test, đặc biệt là t, df, Sig. (2-tailed) và khoảng tin cậy.
Lỗi thứ ba là nhầm dấu âm với kết quả xấu. Dấu của Mean Difference phụ thuộc thứ tự biến trong mục Paired Variables. Bạn cần nói rõ đang tính trước trừ sau hay sau trừ trước. Dấu âm có thể chỉ đơn giản là giá trị thứ nhất thấp hơn giá trị thứ hai.
Lỗi thứ tư là gọi Sig. = 0.000. SPSS làm tròn cách hiển thị, vì vậy nên viết p < 0.001 thay vì khẳng định p bằng đúng 0. Cuối cùng, không nên bỏ qua missing, outlier và các trường hợp không có đủ hai lần đo.
Một lỗi khác là chạy kiểm định nhiều lần sau khi đổi cách tính biến nhưng không lưu phiên bản dữ liệu. Bạn nên giữ syntax hoặc ghi lại tên biến, công thức, số quan sát bị loại và kết quả của từng lần chạy. Việc này giúp bạn biết bảng nào là kết quả cuối cùng và tránh chép nhầm output cũ vào chương 4.
Bạn có thể viết vào luận văn theo mẫu sau: “Kết quả Paired Samples t-test cho thấy điểm [tên biến] ở thời điểm [sau] cao hơn/thấp hơn thời điểm [trước] (M = [giá trị] so với [giá trị]), chênh lệch trung bình là [Mean Difference], t([df]) = [t], p [< hoặc =] [p-value]. Do đó, giả thuyết [H...] được [chấp nhận/ủng hộ hoặc không được ủng hộ] theo tiêu chí đã đặt ra.” Hãy thay toàn bộ phần trong ngoặc vuông bằng số liệu thật trong file của bạn.
Khi viết, tránh dùng từ “tác động” nếu thiết kế của bạn chỉ có một nhóm đo trước và sau mà không có nhóm đối chứng hoặc kiểm soát phù hợp. Bạn có thể viết “điểm trung bình sau đo cao hơn trước đo” và nêu rõ đây là khác biệt quan sát được trong mẫu. Cách viết này sát với output và an toàn hơn khi hội đồng hỏi về suy luận nhân quả.
Câu hỏi thường gặp
Paired là gì trong thống kê?
Paired là dữ liệu được ghép thành từng cặp có liên hệ, thường là hai lần đo trên cùng một người. Paired Samples t-test kiểm tra trung bình của chênh lệch giữa hai giá trị trong mỗi cặp có khác 0 hay không.
Tên paired mô tả quan hệ giữa các quan sát, không mô tả tên biến hay tên thang đo. Vì vậy, bạn cần kiểm tra cả thiết kế thu thập dữ liệu và cách sắp xếp các dòng trong file.
Khi nào dùng Paired Samples t-test?
Bạn dùng kiểm định này khi có đúng hai lần đo định lượng liên quan theo từng cặp, chẳng hạn trước và sau cùng một tác động. Hai cột phải được ghép đúng theo ID hoặc thứ tự của cùng đối tượng.
Nếu hai nhóm gồm những người khác nhau, hãy xem xét Independent-Samples t-test. Nếu cùng người nhưng có ba thời điểm trở lên, không nên tự động chạy nhiều paired t-test mà không xem xét vấn đề số lần kiểm định.
Paired Samples t-test bao nhiêu là đạt?
Thông thường, nếu Sig. (2-tailed) < 0.05, bạn kết luận có khác biệt trung bình có ý nghĩa thống kê ở mức 5%. Tuy nhiên, cần báo cáo thêm mean, Mean Difference, khoảng tin cậy và cách kiểm tra điều kiện, không chỉ chép p-value.
Nếu p-value lớn hơn hoặc bằng 0.05, hãy viết rằng chưa có đủ bằng chứng thống kê về sự khác biệt trung bình. Không nên viết H0 chắc chắn đúng và cũng không nên tự ý sửa dữ liệu để đưa p-value xuống dưới ngưỡng.
Paired t-test và Independent t-test khác nhau thế nào?
Paired dành cho hai lần đo liên quan trong cùng cặp. Independent dành cho hai nhóm độc lập. Chọn sai loại kiểm định có thể làm sai cả sai số chuẩn, bậc tự do và kết luận.
Cỡ mẫu bằng nhau không làm cho hai nhóm trở thành paired. Điểm quyết định là mối liên hệ giữa từng quan sát, không phải số lượng người ở mỗi nhóm.
Paired không có ý nghĩa thống kê thì phải làm sao?
Bạn kiểm tra lại ghép cặp, missing, mã hóa, biến chênh lệch và outlier. Nếu dữ liệu không phù hợp với t-test, có thể cân nhắc Wilcoxon Signed-Rank Test. Nếu mọi thứ hợp lệ mà p-value vẫn lớn, hãy báo cáo kết quả đó và tránh điều chỉnh dữ liệu để ép ý nghĩa thống kê.
Bạn cũng nên xem độ lớn chênh lệch và khoảng tin cậy. Kết quả không có ý nghĩa thống kê không có nghĩa là dữ liệu vô giá trị, mà chỉ cho biết mẫu hiện tại chưa cung cấp đủ bằng chứng theo mức ý nghĩa đã chọn.
Mở ngay file SPSS của bạn, kiểm tra ID và thứ tự hai biến trước khi vào Analyze > Compare Means > Paired-Samples T Test, sau đó đối chiếu từng con số trong bảng Paired Samples Test với mẫu viết của mình. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể xem M4 phân tích dữ liệu của DoThesis.