Paired Samples T Test trong SPSS: Cách Chạy và Đọc Kết Quả

Paired Samples T Test kiểm định điều gì

Paired Samples T Test, còn gọi là kiểm định t cho hai mẫu phụ thuộc, dùng để so sánh giá trị trung bình của hai lần đo trên cùng một đối tượng hoặc hai biến có quan hệ theo cặp. Ví dụ, bạn đo mức độ hài lòng của 120 khách hàng trước và sau khi cải tiến dịch vụ, hoặc đo điểm của cùng một nhóm sinh viên trước và sau khóa học.

Điểm quan trọng nằm ở chữ “paired”. Mỗi giá trị ở lần đo thứ nhất phải ghép được với đúng giá trị ở lần đo thứ hai. SPSS thực chất tính chênh lệch giữa từng cặp quan sát, sau đó kiểm định trung bình của các chênh lệch này có khác 0 hay không. Công thức có thể viết là:

[t = \frac{\bar{D}}{S_D / \sqrt{n}}]

Trong đó, (\bar{D}) là trung bình chênh lệch, (S_D) là độ lệch chuẩn của chênh lệch và (n) là số cặp quan sát hợp lệ.

Nếu bạn đang phân vân giữa các kiểm định t, hãy phân biệt rõ: independent samples t test trong SPSS dùng cho hai nhóm độc lập, còn Paired Samples T Test dùng cho hai lần đo có liên hệ theo cặp. Trường hợp có từ ba lần đo trở lên trên cùng nhóm có thể cần xem anova lặp lại trong SPSS.

Giả thuyết H0 và H1

Giả thuyết H0 phát biểu rằng trung bình của hai lần đo không khác nhau trong tổng thể. Với biến chênh lệch được tính bằng “sau trừ trước”, H0 tương đương với việc trung bình chênh lệch bằng 0.

Giả thuyết H1 phát biểu rằng trung bình của hai lần đo có khác nhau trong tổng thể. Đây là kiểm định hai phía nếu câu hỏi nghiên cứu chỉ hỏi “có khác biệt hay không”. Khi nghiên cứu đã xác định trước hướng thay đổi, chẳng hạn điểm sau đào tạo cao hơn điểm trước đào tạo, bạn vẫn cần trình bày cách đặt giả thuyết và quy tắc kết luận nhất quán với đề cương.

Trong SPSS, bạn thường dùng mức ý nghĩa 5%, tương ứng với việc so sánh cột Sig. (2-tailed) với 0.05. Nếu Sig. (2-tailed) nhỏ hơn 0.05, có bằng chứng thống kê để bác bỏ H0. Nếu Sig. lớn hơn hoặc bằng 0.05, bạn chưa có đủ bằng chứng để bác bỏ H0. Cách diễn đạt này thận trọng hơn câu “H0 đúng”, vì một kết quả không có ý nghĩa thống kê không chứng minh H0 đúng tuyệt đối.

Điều kiện áp dụng

Paired Samples T Test có một số điều kiện cần kiểm tra trước khi chạy. Bạn không cần biến hai lần đo thành hai nhóm độc lập. Việc tách sai cấu trúc dữ liệu là lỗi khiến kết quả không còn trả lời đúng câu hỏi nghiên cứu.

Bạn có thể tạo biến chênh lệch bằng Transform > Compute Variable. Đặt tên mới, chẳng hạn diff_sau_truoc, rồi nhập diem_sau - diem_truoc. Sau đó vào Analyze > Descriptive Statistics > Explore, đưa biến chênh lệch vào ô Dependent List và chọn biểu đồ cần xem.

Với mẫu vừa phải, biểu đồ và kiến thức về bối cảnh dữ liệu thường hữu ích hơn việc chỉ nhìn một p-value của kiểm định chuẩn. Nếu phân phối chênh lệch có vài điểm lệch nhẹ, hãy xem chúng có phải lỗi nhập liệu hay một nhóm người trả lời đặc biệt trước khi xóa. Không xóa outlier chỉ để làm Sig. nhỏ hơn.

Các bước chạy Paired Samples T Test trong SPSS

Bước 1: Kiểm tra cấu trúc file dữ liệu

Mở file .sav và xác định hai cột cần so sánh. Ví dụ, score_before là điểm trước can thiệp và score_after là điểm sau can thiệp. Mỗi hàng phải đại diện cho một người hoặc một đơn vị quan sát, và hai cột phải nằm trên cùng hàng khi chúng thuộc cùng một cặp.

Bạn nên kiểm tra nhãn biến, đơn vị đo, giá trị missing và các mã đặc biệt như 99 hoặc 999. Nếu các mã này đang được tính như điểm thật, hãy khai báo chúng là missing trong Variable View hoặc làm sạch trước khi chạy.

Bước 2: Kiểm tra mô tả và biến chênh lệch

Vào Transform > Compute Variable nếu bạn muốn xem trực tiếp mức thay đổi của từng trường hợp. Ví dụ, đặt Target Variable là change_score, nhập score_after - score_before, rồi bấm OK.

Tiếp theo, vào Analyze > Descriptive Statistics > Explore. Đưa change_score vào Dependent List. Trong Plots, chọn Histogram và Normality plots with tests nếu cần kiểm tra thêm. Hãy ghi lại Mean, Std. Deviation, Minimum, Maximum và số quan sát hợp lệ.

Bước 3: Mở hộp thoại Paired-Samples T Test

Chọn Analyze > Compare Means > Paired-Samples T Test. Trong giao diện mới của một số phiên bản SPSS, tên mục vẫn là Paired-Samples T Test trong nhóm Compare Means. Chọn biến lần đo thứ nhất và biến lần đo thứ hai, sau đó đưa chúng vào cùng một dòng trong vùng Paired Variables.

Thứ tự biến quyết định cách SPSS tính chênh lệch trong bảng mô tả. Nếu bạn đặt score_before trước score_after, chênh lệch thường được hiểu theo thứ tự trước trừ sau trong phần kết quả liên quan. Vì vậy, cần ghi rõ thứ tự này khi diễn giải chiều thay đổi.

Bước 4: Chạy kiểm định và lưu output

Bấm OK để SPSS tạo các bảng Paired Samples Statistics, Paired Samples Correlations và Paired Samples Test. Bạn nên lưu file output .spv với tên có ngày chạy, chẳng hạn paired_ttest_vong1.spv.

Nếu cần khoảng tin cậy khác 95%, bấm Options trong hộp thoại và thay Confidence Interval Percentage. Trong luận văn, hãy báo cáo mức tin cậy hoặc mức ý nghĩa đúng với thiết lập đã dùng. Đừng chụp riêng một con số rồi bỏ qua N, Mean Difference và khoảng tin cậy.

Đọc bảng kết quả và kết luận

Bảng Paired Samples Statistics cho biết Mean, N, Std. Deviation và Std. Error Mean của từng biến. Bảng này giúp bạn mô tả điểm trung bình trước và sau, nhưng chưa trả lời trực tiếp câu hỏi hai trung bình có khác nhau trong tổng thể hay không.

Bảng Paired Samples Correlations cho biết tương quan giữa hai lần đo. Tương quan cao không đồng nghĩa với việc hai trung bình bằng nhau. Vì vậy, bạn không dùng Sig. trong bảng tương quan để kết luận về sự khác biệt trung bình.

Bảng quan trọng nhất là Paired Samples Test. Cột cần đọc thường gồm Mean, Std. Deviation, Std. Error Mean, 95% Confidence Interval of the Difference, t, df và Sig. (2-tailed).

Số liệu minh họa, không phải kết quả của một nghiên cứu thực tế:

Ở bảng minh họa, Mean Difference bằng -0.42 vì cặp được đặt theo thứ tự “trước đào tạo - sau đào tạo”. Giá trị âm cho thấy điểm sau cao hơn điểm trước trung bình 0.42 đơn vị, nếu thang đo và cách mã hóa được giữ đúng.

Sig. (2-tailed) nhỏ hơn 0.05, vì vậy bác bỏ H0 ở mức ý nghĩa 5%. Kết luận phù hợp là có sự khác biệt có ý nghĩa thống kê giữa điểm trước và sau đào tạo. Bạn vẫn nên báo cáo cả hai Mean ở bảng Paired Samples Statistics, vì chỉ nhìn vào chênh lệch âm chưa đủ để người đọc biết mức điểm thực tế.

Nếu Sig. (2-tailed) lớn hơn hoặc bằng 0.05, bạn viết rằng chưa ghi nhận sự khác biệt có ý nghĩa thống kê giữa hai lần đo. Khi đó, không nên viết “sau can thiệp không thay đổi” nếu dữ liệu mô tả vẫn có chênh lệch. Chênh lệch mô tả và ý nghĩa thống kê là hai thông tin khác nhau.

Cách viết kết quả kiểm định vào luận văn

Bạn có thể dùng đoạn mẫu sau và thay toàn bộ phần trong ngoặc vuông bằng kết quả thật của mình:

Cách viết vào luận văn: “Kết quả Paired Samples T Test cho thấy điểm trung bình của [biến lần đo 1] là [Mean 1] và của [biến lần đo 2] là [Mean 2]. Chênh lệch trung bình giữa hai lần đo là [Mean Difference], với t([df]) = [giá trị t], p = [Sig. (2-tailed)]. Do p [nhỏ hơn/lớn hơn hoặc bằng] 0.05, nghiên cứu [bác bỏ/chưa có đủ bằng chứng để bác bỏ] H0. Vì vậy, [kết luận về sự khác biệt theo đúng chiều của Mean Difference].”

Ví dụ với số liệu minh họa: “Điểm trung bình sau đào tạo cao hơn điểm trung bình trước đào tạo. Kết quả Paired Samples T Test cho thấy sự khác biệt có ý nghĩa thống kê, t(99) = -4.62, p < 0.001. Do đó, H0 bị bác bỏ và có thể kết luận rằng điểm sau đào tạo khác điểm trước đào tạo trong mẫu nghiên cứu.”

Nếu bạn kiểm định một giả thuyết nghiên cứu, hãy nối kết quả với mã giả thuyết, chẳng hạn H1. Không nên tự động ghi “H1 được chấp nhận” chỉ vì p nhỏ hơn 0.05 nếu giả thuyết còn quy định cả hướng tác động. Hãy đối chiếu Mean Difference và nội dung H1 trước khi kết luận.

Khi vi phạm giả định thì dùng gì thay thế

Nếu biến chênh lệch lệch mạnh khỏi phân phối chuẩn, có outlier nghiêm trọng hoặc thang đo phù hợp hơn với dữ liệu thứ bậc, bạn có thể cân nhắc Wilcoxon Signed-Rank Test. Đây là lựa chọn cho hai phép đo phụ thuộc khi Paired Samples T Test không còn phù hợp với cấu trúc dữ liệu.

Trong SPSS, chạy bằng Analyze > Nonparametric Tests > Related Samples. Chọn hai biến liên quan, mở phần Settings nếu cần chọn kiểm định tùy chỉnh, rồi chọn Wilcoxon. Khi báo cáo, dùng trung vị hoặc mô tả phù hợp với dữ liệu, kèm thống kê kiểm định và p-value mà SPSS cung cấp.

Nếu bạn có ba thời điểm đo trên cùng nhóm, xem xét anova lặp lại trong SPSS. Nếu có hai nhóm và nhiều lần đo, mô hình có thể cần cách xử lý khác. ANCOVA trong SPSS cũng không phải lựa chọn mặc định cho mọi tình huống trước và sau, vì còn phụ thuộc biến hiệp biến và thiết kế nghiên cứu.

Nếu vấn đề là phương sai giữa hai nhóm độc lập, Paired Samples T Test không giải quyết được. Bạn cần quay lại xác định cấu trúc mẫu và xem hướng dẫn về kiểm định Levene trong SPSS hoặc kiểm định dành cho nhóm độc lập. Trường hợp so sánh từ ba nhóm độc lập có thể liên quan đến Kruskal-Wallis trong SPSS, nhưng đó là câu hỏi khác với hai lần đo trên cùng đối tượng.

Lỗi thường gặp

Ghép sai cặp quan sát

Bạn nhập dữ liệu trước và sau theo hai file hoặc sắp xếp khác nhau rồi ghép theo vị trí dòng. Khi đó, SPSS vẫn chạy nhưng mỗi cặp có thể thuộc về hai người khác nhau. Hãy dùng mã định danh để kiểm tra trước khi phân tích.

Chọn Independent-Samples T Test

Hai lần đo trên cùng người không phải hai nhóm độc lập. Nếu chọn sai menu, bạn đang dùng sai sai số chuẩn và sai bậc tự do. Hãy đọc lại thiết kế nghiên cứu trước khi nhìn p-value.

Đọc nhầm bảng Correlations

Sig. trong Paired Samples Correlations trả lời câu hỏi về tương quan giữa hai lần đo. Kết luận khác biệt trung bình phải dựa trên Paired Samples Test.

Bỏ qua chiều của chênh lệch

Mean Difference âm hay dương phụ thuộc thứ tự hai biến trong cặp. Hãy ghi rõ “lần đo 1 trừ lần đo 2”, rồi đối chiếu với hai Mean. Đừng viết tăng khi bảng cho thấy chiều ngược lại.

Xóa outlier chỉ vì p-value chưa đạt

Outlier có thể là lỗi nhập liệu, nhưng cũng có thể là một quan sát hợp lệ. Bạn cần kiểm tra nguồn dữ liệu và ghi lại lý do loại trường hợp. Nếu dữ liệu hợp lệ nhưng giả định không phù hợp, cân nhắc Wilcoxon thay vì sửa dữ liệu tùy ý.

Báo cáo mỗi Sig.

Một đoạn kết quả chỉ có “Sig. < 0.05” thiếu Mean, độ chênh lệch, t và df. Người đọc cần biết khác biệt có ý nghĩa theo hướng nào và có độ lớn ra sao. Hãy lưu cả output gốc để có thể giải trình khi được hỏi.

Câu hỏi thường gặp

Paired Samples T Test trong SPSS là gì?

Đây là kiểm định so sánh trung bình của hai phép đo có liên hệ theo cặp, thường là trước và sau trên cùng đối tượng. SPSS tính chênh lệch của từng cặp rồi kiểm định trung bình chênh lệch có khác 0 hay không.

Paired Samples T Test bao nhiêu là đạt?

Thông thường, bạn so sánh Sig. (2-tailed) với mức ý nghĩa 0.05. Sig. nhỏ hơn 0.05 cho thấy sự khác biệt có ý nghĩa thống kê trong bối cảnh kiểm định hai phía. Tuy nhiên, “đạt” còn phụ thuộc giả thuyết, điều kiện áp dụng, chiều chênh lệch và cách thiết kế nghiên cứu.

Nếu Sig. (2-tailed) lớn hơn 0.05 thì xử lý thế nào?

Bạn chưa có đủ bằng chứng để bác bỏ H0. Hãy kiểm tra lại việc nhập dữ liệu, ghép cặp, biến chênh lệch và giả định. Không nên xóa biến hoặc đổi kiểm định chỉ để tạo ra p-value nhỏ hơn 0.05.

Có cần kiểm định chuẩn cho từng biến trước và sau không?

Trọng tâm là phân phối của chênh lệch giữa hai lần đo. Bạn có thể kiểm tra cả hai biến để hiểu dữ liệu, nhưng quyết định về điều kiện của Paired Samples T Test nên dựa vào biến chênh lệch và các outlier của nó.

Khi nào dùng Wilcoxon thay cho Paired Samples T Test?

Wilcoxon Signed-Rank Test thường được cân nhắc khi chênh lệch không phù hợp với giả định phân phối chuẩn, có outlier nghiêm trọng hoặc dữ liệu có tính thứ bậc. Hãy nêu lý do chọn kiểm định thay thế và báo cáo đúng chỉ số do SPSS xuất ra.

Bạn hãy mở lại file .sav, xác nhận hai cột đang được ghép đúng người, tạo biến chênh lệch, lưu output và điền các số vào đoạn mẫu trước khi viết chương kết quả; nếu cần chạy phân tích trên dữ liệu thật bằng SPSS hoặc SmartPLS, xem M4 phân tích dữ liệu của DoThesis.