Shapiro Wilk là gì? Cách đọc và xử lý trong SPSS
Shapiro Wilk là gì
Bạn mở file SPSS, chạy kiểm định phân phối chuẩn và thấy bảng Tests of Normality với hai dòng Kolmogorov-Smirnov và Shapiro-Wilk. Cột Sig. có thể hiện 0.032, 0.118 hoặc một giá trị khác, nhưng nhìn vào đó bạn chưa biết dữ liệu của mình có đạt hay chưa. Shapiro Wilk là kiểm định dùng để đánh giá một biến định lượng có phù hợp với phân phối chuẩn hay không.
Trong SPSS, kết quả quan trọng nhất thường là cột Sig. của dòng Shapiro-Wilk. Giá trị này chính là p-value của kiểm định. Về mặt ý tưởng, Shapiro Wilk so sánh hình dạng phân phối quan sát được với hình dạng kỳ vọng của phân phối chuẩn. Nếu sự khác biệt đủ lớn về mặt thống kê, kiểm định cho p-value nhỏ và bạn có cơ sở nghi ngờ dữ liệu không phân phối chuẩn.
Giả thuyết của kiểm định được đặt như sau:
- H0: Dữ liệu trong biến đang xét có phân phối chuẩn.
- H1: Dữ liệu trong biến đang xét không có phân phối chuẩn.
Bạn không nên nhìn riêng vào con số Shapiro Wilk, thường nằm ở cột Statistic, rồi tự kết luận. Quyết định thường dựa vào Sig., đồng thời cần xem biểu đồ và bối cảnh phân tích. Shapiro Wilk là một phần của việc kiểm tra giả định, không phải giấy chứng nhận duy nhất cho toàn bộ mô hình.
Ý nghĩa của Shapiro Wilk trong nghiên cứu định lượng
Trong nghiên cứu định lượng, nhiều phép kiểm định tham số có giả định liên quan đến phân phối của dữ liệu hoặc phần dư. Ví dụ, khi bạn dùng t test, ANOVA hoặc hồi quy tuyến tính, việc kiểm tra phân phối và các giả định đi kèm giúp bạn giải thích kết quả có cơ sở hơn. Bạn có thể xem thêm hướng dẫn về kiểm định t test, t test và bảng ANOVA khi kết quả Shapiro Wilk xuất hiện trong quy trình phân tích của mình.
Điểm cần phân biệt là Shapiro Wilk thường kiểm tra một biến hoặc phần dư, tùy mục tiêu nghiên cứu. Nếu bạn so sánh hai nhóm bằng independent-samples t test, việc kiểm tra phân phối trong từng nhóm có ý nghĩa khác với việc kiểm tra phân phối của toàn bộ mẫu gộp lại. Nếu bạn chạy ANOVA, cần xem xét dữ liệu của biến phụ thuộc trong từng nhóm và các giả định khác như tính đồng nhất phương sai.
Một p-value nhỏ không tự động có nghĩa là bạn phải bỏ toàn bộ phân tích tham số. Với cỡ mẫu lớn, những lệch rất nhỏ khỏi phân phối chuẩn cũng có thể làm kiểm định cho kết quả có ý nghĩa. Ngược lại, với cỡ mẫu nhỏ, Shapiro Wilk có thể không phát hiện rõ một dạng lệch mà biểu đồ đã cho thấy. Vì vậy, hãy đọc Shapiro Wilk cùng histogram, Q-Q plot, outlier và thiết kế nghiên cứu.
Nếu bạn đang làm đề tài có nhiều nhóm so sánh, đừng gom các biến và các nhóm vào một kết luận chung. Ghi rõ biến nào, nhóm nào, cỡ mẫu bao nhiêu và p-value là bao nhiêu. Cách ghi này giúp người đọc biết bạn đã kiểm tra đúng đối tượng thay vì chỉ chạy một bảng tổng quát.
Shapiro Wilk bao nhiêu là đạt
Cách diễn giải phổ biến là dùng mức ý nghĩa 0.05. Khi Sig. > 0.05, bạn chưa có đủ bằng chứng thống kê để bác bỏ H0, nên có thể xem dữ liệu phù hợp với giả định phân phối chuẩn ở mức kiểm tra này. Khi Sig. < 0.05, bạn bác bỏ H0 và ghi nhận dữ liệu có dấu hiệu lệch khỏi phân phối chuẩn.
Bảng dưới đây tóm tắt quy tắc ra quyết định. Các ngưỡng p-value cần được đọc cùng nguồn và không nên trình bày như một quy luật tuyệt đối cho mọi cỡ mẫu.
| Kết quả Shapiro-Wilk trong SPSS | Cách diễn giải thống kê | Quyết định thường dùng | Nguồn |
|---|---|---|---|
Sig. > 0.05 | Chưa có bằng chứng bác bỏ giả thuyết dữ liệu phân phối chuẩn | Có thể tiếp tục kiểm tra các giả định của phân tích tham số | (Field, 2013) |
Sig. < 0.05 | Có bằng chứng dữ liệu lệch khỏi phân phối chuẩn | Kiểm tra histogram, Q-Q plot, outlier và cân nhắc phương án phù hợp | (Field, 2013) |
Sig. = 0.05 | Kết quả nằm đúng tại mức ý nghĩa đã chọn | Nêu rõ quy ước, không làm tròn số quá sớm | (Field, 2013) |
Mẫu rất lớn, Sig. < 0.05 nhưng biểu đồ gần chuẩn | Kiểm định có thể nhạy với sai lệch nhỏ | Đánh giá thêm hình dạng phân phối và mục tiêu phân tích | (Field, 2013) |
Vì vậy, câu hỏi “Shapiro Wilk bao nhiêu là tốt” thường được trả lời ngắn là Sig. > 0.05. Tuy nhiên, “tốt” ở đây chỉ có nghĩa là chưa phát hiện bằng chứng chống lại giả định chuẩn theo kiểm định, không có nghĩa dữ liệu hoàn hảo hoặc mô hình chắc chắn đúng.
Bạn cũng cần tránh viết rằng Sig. càng lớn thì dữ liệu càng chuẩn. Shapiro Wilk không tạo ra thang điểm chất lượng như Cronbach's Alpha. Một p-value bằng 0.700 không chứng minh dữ liệu chuẩn hơn một p-value bằng 0.080. Cả hai đều chưa bác bỏ H0 theo mức 0.05, nếu các điều kiện và cách lấy mẫu cho phép sử dụng quy tắc này.
Cách đọc Shapiro Wilk trên output
Để chạy Shapiro Wilk trong SPSS, bạn có thể dùng đường dẫn Analyze > Descriptive Statistics > Explore. Đưa biến định lượng cần kiểm tra vào ô Dependent List, chọn biến nhóm vào Factor List nếu muốn xem từng nhóm, sau đó bấm Plots. Trong hộp thoại tiếp theo, chọn Normality plots with tests rồi bấm Continue và OK.
SPSS sẽ tạo bảng Tests of Normality. Với mẫu phù hợp, bạn đọc dòng Shapiro-Wilk, sau đó đối chiếu cột Statistic, df và Sig.. Cột df thường phản ánh số quan sát được đưa vào kiểm định sau khi SPSS loại các giá trị missing theo cách xử lý đã chọn.
Số liệu minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được giữ theo cách SPSS thường hiển thị để bạn đối chiếu với file đang mở.
| Biến | Kolmogorov-Smirnov Statistic | df | Sig. | Shapiro-Wilk Statistic | df | Sig. |
|---|---|---|---|---|---|---|
| Hài lòng chung | 0.071 | 120 | 0.200 | 0.987 | 120 | 0.284 |
| Ý định tiếp tục | 0.094 | 120 | 0.010 | 0.976 | 120 | 0.031 |
| Chất lượng cảm nhận | 0.063 | 80 | 0.200 | 0.982 | 80 | 0.337 |
Với biến Hài lòng chung, Shapiro Wilk có Sig. = 0.284, lớn hơn 0.05. Theo quy tắc trên, bạn chưa có bằng chứng bác bỏ giả thuyết phân phối chuẩn. Với Ý định tiếp tục, Sig. = 0.031, nhỏ hơn 0.05, nên cần kiểm tra thêm biểu đồ và outlier trước khi quyết định có thay đổi phép phân tích hay không.
Đừng lấy kết quả Kolmogorov-Smirnov thay cho Shapiro Wilk một cách máy móc. Nếu đề cương hoặc giảng viên yêu cầu Shapiro Wilk, hãy đọc đúng dòng đó. Khi viết báo cáo, nêu rõ kiểm định nào được dùng, biến nào được kiểm tra, p-value bao nhiêu và bạn xử lý kết quả ra sao.
Ngoài bảng số, mở thêm Graphs > Legacy Dialogs > Histogram để xem histogram. Trong Explore, bạn cũng có thể chọn biểu đồ kiểm tra normality plot. Q-Q plot giúp bạn quan sát các điểm dữ liệu có bám gần đường chéo hay không. Một vài điểm lệch nhẹ chưa đủ để bạn xóa dữ liệu ngay.
Khi Shapiro Wilk không đạt thì xử lý thế nào
Khi Sig. < 0.05, hãy xử lý theo thứ tự để tránh sửa dữ liệu chỉ nhằm làm đẹp output.
Kiểm tra dữ liệu nhập và giá trị missing
Xem lại mã hóa, dấu thập phân, giá trị ngoài thang đo và các ô trống. Một biến Likert đáng lẽ chỉ có giá trị từ 1 đến 5 nhưng lại có giá trị 55 hoặc 99 do mã hóa missing sẽ làm phân phối méo rõ rệt. Bạn có thể dùng Analyze > Descriptive Statistics > Frequencies để xem min, max và tần suất.
Kiểm tra outlier có lý do rõ ràng
Dùng boxplot, histogram hoặc z-score để tìm quan sát bất thường. Nếu outlier do lỗi nhập liệu, bạn sửa theo bảng hỏi gốc. Nếu đó là câu trả lời thật, không được xóa chỉ vì nó khiến Sig. nhỏ. Hãy ghi lại mã quan sát, lý do xử lý và kết quả trước, sau khi xử lý.
Xem biểu đồ và bản chất biến
Một biến có giới hạn tự nhiên, chẳng hạn điểm đánh giá hoặc số lần mua, có thể lệch phải. Với thang đo Likert, nhiều biến quan sát có thể không phân phối chuẩn riêng lẻ nhưng điểm tổng hợp hoặc điểm trung bình có hình dạng khác. Bạn cần xem mục tiêu phân tích đang yêu cầu kiểm tra biến quan sát, biến tổng hợp hay phần dư.
Chọn phương án phân tích phù hợp
Nếu giả định tham số bị vi phạm nghiêm trọng, bạn có thể trao đổi với giảng viên về kiểm định phi tham số tương ứng, biến đổi dữ liệu hoặc phương pháp ước lượng khác. Với hai nhóm độc lập, Mann-Whitney U thường được xem xét thay cho independent-samples t test. Với nhiều nhóm độc lập, Kruskal-Wallis có thể là phương án thay thế cho one-way ANOVA. Bạn có thể xem quy trình one factor ANOVA để phân biệt phần kiểm tra giả định và phần kiểm định chính.
Không nên log, căn bậc hai hoặc loại hàng loạt quan sát chỉ để đưa p-value vượt 0.05. Mỗi biến đổi phải có lý do thống kê và phải được ghi trong phương pháp nghiên cứu. Nếu dữ liệu không đạt do mẫu thu thập có vấn đề, phần mềm không thể sửa thay cho việc quay lại kiểm tra bảng hỏi và quy trình nhập liệu.
Phân biệt Shapiro Wilk với kiểm định Levene
Shapiro Wilk kiểm tra dạng phân phối của dữ liệu hoặc phần dư. Levene's test kiểm tra tính đồng nhất của phương sai giữa các nhóm. Hai kiểm định này có thể xuất hiện gần nhau trong quy trình t test hoặc ANOVA, nhưng chúng trả lời hai câu hỏi khác nhau.
Ví dụ, trong independent-samples t test, Shapiro Wilk giúp bạn xem phân phối trong từng nhóm có lệch đáng kể hay không. Levene's test giúp bạn xem phương sai của hai nhóm có thể xem là bằng nhau hay không. Bạn không thể dùng Sig. của Levene để kết luận dữ liệu có phân phối chuẩn.
Tương tự, Shapiro Wilk cũng không phải kiểm định độc lập, không phải kiểm định tương quan và không phải kiểm định phương sai. Nếu bạn đang đọc bảng ANOVA, hãy tách ba phần: kiểm tra giả định, bảng kiểm định hiệu ứng hoặc sự khác biệt, và các kiểm định sau ANOVA nếu cần.
Lỗi thường gặp
Lỗi đầu tiên là chỉ nhìn Statistic mà bỏ qua Sig.. Con số 0.981 hoặc 0.946 không tự nói lên dữ liệu đạt hay không đạt. Hãy đọc đúng cột p-value, thường được SPSS ghi là Sig..
Lỗi thứ hai là đọc nhầm dấu thập phân. 0.032 nhỏ hơn 0.05, còn 0.320 lớn hơn 0.05. Khi copy bảng sang Word, giữ đủ chữ số cần thiết và không biến 0.000 thành p-value bằng 0. SPSS thường hiển thị 0.000 khi giá trị rất nhỏ, cách viết phù hợp là p < 0.001 nếu output và quy ước báo cáo cho phép.
Lỗi thứ ba là kiểm tra toàn bộ mẫu trong khi phân tích được thực hiện theo nhóm. Nếu mô hình hoặc phép so sánh yêu cầu xem từng nhóm, hãy đưa biến nhóm vào Factor List và đọc kết quả theo từng nhóm.
Lỗi thứ tư là xóa outlier không có hồ sơ xử lý. Hội đồng có thể hỏi vì sao một số phiếu bị loại. Bạn cần có tiêu chí trước, lý do cụ thể và số lượng quan sát bị ảnh hưởng.
Lỗi cuối là coi Shapiro Wilk như điều kiện duy nhất. Với hồi quy, bạn còn phải kiểm tra phần dư, tuyến tính, phương sai không đổi và đa cộng tuyến. Với ANOVA, cần xem thêm tính đồng nhất phương sai. Hãy xem các bài thuộc nhóm Thống kê để đặt kiểm định này đúng vào toàn bộ quy trình.
Cách viết vào luận văn: “Kết quả kiểm định Shapiro Wilk cho biến [tên biến] cho thấy giá trị Sig. = [p-value]. Do [p-value] [lớn hơn/nhỏ hơn] 0.05, dữ liệu [chưa có bằng chứng lệch khỏi/có dấu hiệu lệch khỏi] phân phối chuẩn. Kết quả này được xem xét cùng với [histogram/Q-Q plot/outlier] trước khi thực hiện [tên phân tích].”
Câu hỏi thường gặp
Shapiro Wilk có bắt buộc trong mọi đề tài không?
Không phải mọi đề tài đều cần trình bày Shapiro Wilk theo cùng một cách. Bạn cần căn cứ vào phép phân tích, yêu cầu của khoa và hướng dẫn của giảng viên. Với các kiểm định tham số, kiểm tra giả định thường cần được giải thích, nhưng không nên tách một con số khỏi bối cảnh mô hình.
Shapiro Wilk Sig. bằng 0.000 có nghĩa gì?
Sig. = 0.000 trên bảng SPSS thường có nghĩa p-value rất nhỏ và phần mềm làm tròn ở số chữ số đang hiển thị. Bạn không nên viết p-value bằng 0. Hãy ghi rằng p-value nhỏ hơn 0.001 nếu đó là cách báo cáo được chấp nhận trong luận văn của bạn.
Mẫu bao nhiêu thì dùng Shapiro Wilk?
Bạn không nên quyết định chỉ bằng một con số cỡ mẫu. Hãy xem hướng dẫn của môn học, thiết kế nghiên cứu, số nhóm và loại phân tích. Khi mẫu lớn, kiểm định có thể phát hiện sai lệch nhỏ; khi mẫu nhỏ, biểu đồ và kiến thức về dữ liệu trở nên cần thiết hơn khi diễn giải.
Shapiro Wilk không đạt thì có phải bỏ dữ liệu không?
Không. Trước hết kiểm tra lỗi nhập liệu, missing và outlier. Nếu giá trị bất thường là câu trả lời hợp lệ, cần cân nhắc phương án phân tích hoặc biến đổi có lý do, đồng thời ghi rõ cách xử lý. Xóa dữ liệu chỉ vì p-value không đẹp là cách giải trình yếu.
Shapiro Wilk khác Kolmogorov-Smirnov như thế nào?
Cả hai đều có thể được dùng để đánh giá phân phối chuẩn, nhưng chúng có cách tính và độ nhạy khác nhau. Trong SPSS, bạn thường thấy cả hai trong bảng Tests of Normality. Nếu đề tài yêu cầu Shapiro Wilk, hãy dựa vào dòng Shapiro-Wilk và cột Sig., sau đó dùng biểu đồ để kiểm tra thêm.
Bạn hãy mở lại Analyze > Descriptive Statistics > Explore, chạy Shapiro Wilk cho đúng biến hoặc đúng nhóm, lưu bảng Tests of Normality cùng histogram và ghi lại quyết định xử lý trong file phân tích. Nếu cần chạy toàn bộ phân tích trên file .sav hoặc .csv và chuyển output thành kết quả luận văn, bạn có thể dùng M4 phân tích của DoThesis.