T test một mẫu trong SPSS: Cách chạy và đọc kết quả
Bạn mở file dữ liệu lên, có một biến định lượng và muốn biết trung bình của mẫu có khác một giá trị chuẩn hay không. Đó là tình huống của t test một mẫu, còn được SPSS gọi là One-Sample T Test. Giá trị chuẩn có thể là 3 trên thang Likert 5 điểm, một mức điểm trung bình giả định, hoặc một mốc được đặt ra trong câu hỏi nghiên cứu.
Điểm dễ nhầm nằm ở chỗ kiểm định này chỉ so sánh một mẫu với một giá trị cố định. Nó không so sánh hai nhóm độc lập, cũng không so sánh cùng một nhóm ở hai thời điểm. Nếu bạn đang cần đối chiếu nam và nữ, hãy xem independent samples t test trong SPSS. Nếu cùng một nhóm được đo trước và sau, hướng phân tích sẽ khác.
T test một mẫu kiểm định điều gì
One-Sample T Test kiểm định xem trung bình của một biến trong mẫu có khác có ý nghĩa thống kê so với Test Value, tức giá trị kiểm định, hay không. Ví dụ, bạn đo cảm nhận của 180 sinh viên bằng thang Likert 5 điểm và đặt mốc trung lập là 3. Khi đó, kiểm định trả lời câu hỏi: điểm trung bình cảm nhận trong mẫu có khác 3 hay không.
Về mặt tính toán, thống kê t được hình thành từ chênh lệch giữa trung bình mẫu và giá trị kiểm định, sau đó chia cho sai số chuẩn của trung bình. Bạn không cần tự tính công thức khi chạy SPSS, nhưng cần hiểu ba thông tin: trung bình mẫu nằm ở phía nào so với Test Value, độ lớn của chênh lệch, và p-value có đủ nhỏ để bác bỏ H0 hay chưa.
T test một mẫu phù hợp với biến định lượng, chẳng hạn điểm tổng hợp của một thang đo, điểm hài lòng hoặc điểm ý định sử dụng. Với biến chỉ có hai nhóm như giới tính, bạn cần kiểm định khác. Với ba nhóm trở lên, có thể phải xem xét ANOVA. Chủ đề SPSS có thể giúp bạn đối chiếu thêm các tình huống chọn kiểm định trước khi mở hộp thoại phân tích.
Giả thuyết H0 và H1
Bạn cần viết giả thuyết bằng câu đầy đủ trước khi nhìn vào output. Cách này giúp tránh việc đổi giả thuyết sau khi thấy p-value.
Ví dụ, đề tài muốn kiểm tra mức độ hài lòng trung bình có khác 3 hay không:
- H0: Trung bình mức độ hài lòng của tổng thể bằng 3.
- H1: Trung bình mức độ hài lòng của tổng thể khác 3.
Đây là kiểm định hai phía, vì H1 chỉ nói “khác 3”, chưa khẳng định cao hơn hay thấp hơn. Nếu câu hỏi nghiên cứu của bạn đã xác định hướng, chẳng hạn mức hài lòng lớn hơn 3, H1 có thể được viết là trung bình lớn hơn 3. Tuy vậy, bạn cần thống nhất hướng kiểm định với giảng viên và cách báo cáo p-value trong luận văn.
Quy tắc quyết định thường dùng là so sánh Sig. với mức ý nghĩa 0,05. Nếu Sig. nhỏ hơn 0,05, bạn bác bỏ H0 và kết luận trung bình khác Test Value. Nếu Sig. lớn hơn hoặc bằng 0,05, bạn chưa có đủ bằng chứng để bác bỏ H0. Cách diễn đạt thứ hai chính xác hơn câu “chấp nhận H0”, vì một kết quả không có ý nghĩa không chứng minh H0 chắc chắn đúng.
Kết quả có ý nghĩa thống kê vẫn cần được đọc cùng Mean Difference và trung bình mẫu. Một chênh lệch rất nhỏ có thể đạt Sig. nhỏ khi cỡ mẫu lớn, nhưng chưa chắc có ý nghĩa thực tiễn đối với đề tài của bạn.
Điều kiện áp dụng
T test một mẫu có một số điều kiện cần kiểm tra trước khi diễn giải. Biến đưa vào phải là biến định lượng hoặc điểm tổng hợp có thể xem như định lượng. Các quan sát cần độc lập, nghĩa là mỗi người trả lời đóng góp một quan sát riêng và câu trả lời của người này không quyết định câu trả lời của người khác.
Giả định quan trọng tiếp theo là phân phối của biến gần chuẩn, đặc biệt khi cỡ mẫu nhỏ. Với cỡ mẫu đủ lớn, ảnh hưởng của lệch chuẩn thường giảm, nhưng bạn vẫn nên kiểm tra biểu đồ và outlier thay vì chỉ dựa vào một con số. (Field, 2013) trình bày cách kiểm tra các giả định và chẩn đoán dữ liệu trong SPSS.
| Điều kiện cần xem | Cách kiểm tra trong SPSS | Cách xử lý khi có vấn đề | Nguồn |
|---|---|---|---|
| Biến là định lượng hoặc điểm tổng hợp | Xem Variable View, bảng Descriptives và thang đo của biến | Kiểm tra lại cách mã hóa, không đưa biến định danh vào như biến liên tục | (Field, 2013) |
| Các quan sát độc lập | Kiểm tra thiết kế thu thập, mỗi người chỉ có một dòng dữ liệu | Loại bản ghi trùng, rà lại cách chọn mẫu | (Field, 2013) |
| Phân phối gần chuẩn | Analyze > Descriptive Statistics > Explore, xem Histogram, Q-Q Plot và Shapiro-Wilk | Xem thêm outlier và cân nhắc Wilcoxon Signed-Rank Test nếu mẫu nhỏ, lệch rõ | (Field, 2013) |
| Không có outlier chi phối trung bình | Explore, xem Boxplot và bảng Extreme Values | Kiểm tra dữ liệu gốc, chỉ loại khi có lý do phương pháp rõ ràng | (Tabachnick và Fidell, 2013) |
| Giá trị kiểm định được xác định trước | Đối chiếu Test Value với giả thuyết và thang đo | Không chọn mốc chỉ vì nó tạo ra p-value mong muốn | (Nguyễn Đình Thọ, 2011) |
Trong nghiên cứu dùng thang Likert, bạn có thể kiểm định điểm trung bình của một thang đo sau khi tính điểm tổng hợp hoặc điểm trung bình các biến quan sát. Trước đó, cần chắc rằng các biến đảo chiều đã được mã hóa đúng. Nếu một biến đảo chiều chưa được đổi mã, điểm tổng hợp có thể bị kéo xuống và làm cho kết luận về Test Value sai lệch.
Các bước chạy t test một mẫu trong SPSS
Bước 1: Kiểm tra biến và giá trị kiểm định
Trong Data View, xác định biến bạn muốn kiểm định. Ví dụ biến SAT_MEAN là điểm trung bình mức độ hài lòng. Mở Variable View để xem kiểu dữ liệu, nhãn biến và các mã giá trị thiếu. Test Value không phải là giá trị của một cột mới, mà là con số bạn nhập vào hộp thoại SPSS.
Nếu thang đo Likert từ 1 đến 5 và mốc trung lập là 3, Test Value sẽ là 3. Nếu đề tài có mốc lý thuyết khác, bạn phải ghi rõ lý do chọn mốc đó trong phần phương pháp.
Bước 2: Mở đúng menu One-Sample T Test
Chọn Analyze > Compare Means > One-Sample T Test. Trong hộp thoại, đưa biến cần kiểm định vào ô Test Variable(s). Nhập giá trị so sánh vào ô Test Value, chẳng hạn 3, rồi chọn OK.
Nếu muốn kiểm tra nhiều thang đo, bạn có thể đưa nhiều biến vào cùng một lần chạy. Tuy nhiên, nên đặt tên và ghi chú từng biến rõ ràng trong syntax hoặc Output Viewer để tránh nhầm bảng nào thuộc giả thuyết nào.
Bước 3: Lưu output và ghi lại Test Value
Trong cửa sổ Output, bạn sẽ thấy ít nhất hai bảng quan trọng là One-Sample Statistics và One-Sample Test. Lưu file output cùng với file dữ liệu, đồng thời ghi lại Test Value, cỡ mẫu và cách tạo biến tổng hợp.
Không nên chỉ chụp riêng dòng có dấu sao hoặc p-value. Khi bảo vệ, giảng viên có thể hỏi trung bình mẫu là bao nhiêu, chênh lệch so với mốc bao nhiêu và khoảng tin cậy nằm ở đâu. Bạn cần giữ toàn bộ bảng liên quan để trả lời được ba câu hỏi đó.
Bước 4: Đối chiếu với giả thuyết ban đầu
Đọc kết quả theo thứ tự: kiểm tra N và Mean trong One-Sample Statistics, sau đó xem t, df, Sig. (2-tailed), Mean Difference và khoảng tin cậy trong One-Sample Test. Cuối cùng mới quay về H0 và H1 để kết luận.
Nếu bạn cần kiểm định nhiều nhóm hoặc nhiều điều kiện đo, đừng cố dùng One-Sample T Test cho mọi trường hợp. Chẳng hạn, ANOVA lặp lại phù hợp hơn khi cùng đối tượng được đo qua nhiều thời điểm, bạn có thể xem thêm ANOVA lặp lại trong SPSS.
Đọc bảng kết quả và kết luận
Bảng One-Sample Statistics cho biết N, Mean, Standard Deviation và Standard Error Mean. Bảng One-Sample Test cho biết giá trị kiểm định, t, df, Sig. (2-tailed), Mean Difference và khoảng tin cậy của chênh lệch.
Số liệu minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Các con số được đặt để bạn nhận diện đúng vị trí và ý nghĩa của cột trong output SPSS.
| One-Sample Statistics | N | Mean | Std. Deviation | Std. Error Mean |
|---|---|---|---|---|
| SAT_MEAN | 180 | 3.42 | 0.68 | 0.051 |
| One-Sample Test, Test Value = 3 | t | df | Sig. (2-tailed) | Mean Difference | 95% Confidence Interval of the Difference, Lower | Upper |
|---|---|---|---|---|---|---|
| SAT_MEAN | 8.235 | 179 | .000 | 0.420 | 0.319 | 0.521 |
Trong ví dụ, Mean bằng 3,42, cao hơn Test Value là 3. Mean Difference bằng 0,42, đúng bằng 3,42 trừ 3. Sig. (2-tailed) hiển thị .000 vì p-value được làm tròn theo cách hiển thị của SPSS. Khi viết, nên ghi p < 0,001, không ghi p = 0.
Giá trị t bằng 8,235 và df bằng 179, thường bằng N trừ 1. Khoảng tin cậy 95% của chênh lệch từ 0,319 đến 0,521 không chứa 0. Kết quả này phù hợp với Sig. nhỏ hơn 0,05, nên bác bỏ H0 và kết luận trung bình SAT_MEAN khác 3, cụ thể cao hơn 3 trong mẫu minh họa.
Nếu Sig. bằng 0,120, bạn sẽ chưa bác bỏ H0 ở mức ý nghĩa 5%. Khi đó, hãy báo cáo trung bình và khoảng tin cậy, sau đó nói rằng chưa có bằng chứng thống kê cho thấy trung bình khác Test Value. Đừng viết rằng hai giá trị “hoàn toàn bằng nhau”, vì kiểm định chỉ cho biết bằng chứng trong dữ liệu hiện có chưa đủ mạnh.
Cách viết kết quả kiểm định vào luận văn
Cách viết vào luận văn: “Kết quả One-Sample T Test cho thấy điểm trung bình của [tên biến] là [Mean], so với giá trị kiểm định [Test Value]. Chênh lệch trung bình là [Mean Difference], t([df]) = [t], p [< hoặc =] [p-value]. Do [p-value] [nhỏ hơn hoặc lớn hơn bằng] 0,05, [bác bỏ hoặc chưa bác bỏ] H0. Vì trung bình mẫu [cao hơn hoặc thấp hơn] [Test Value], kết quả cho thấy [kết luận theo giả thuyết nghiên cứu].”
Với số liệu minh họa ở trên, có thể viết: “Điểm trung bình SAT_MEAN đạt 3,42, cao hơn giá trị kiểm định 3. Kết quả One-Sample T Test cho thấy chênh lệch này có ý nghĩa thống kê, t(179) = 8,235, p < 0,001, Mean Difference = 0,420, 95% CI [0,319; 0,521].” Đây chỉ là câu mẫu để bạn thay bằng số liệu trong file của mình.
Trong bảng kết quả của chương 4, nên ghi rõ Test Value và hướng so sánh. Nếu bạn kiểm định nhiều biến, mỗi dòng cần có tên biến, Mean, t, df, p-value và kết luận. Có thể trình bày thêm khoảng tin cậy khi đề tài cần diễn giải mức độ chênh lệch, thay vì chỉ báo cáo p-value.
Khi vi phạm giả định thì dùng gì thay thế
Nếu biến lệch mạnh, cỡ mẫu nhỏ và có outlier đáng kể, bạn không nên xóa dữ liệu chỉ để làm phân phối đẹp hơn. Trước tiên, kiểm tra lỗi nhập liệu, mã thiếu, biến đảo chiều và các bản ghi bất thường. Một outlier có thể là lỗi, nhưng cũng có thể là một quan sát hợp lệ trong tổng thể.
Khi điều kiện chuẩn không phù hợp, lựa chọn thường được cân nhắc là Wilcoxon Signed-Rank Test, đặc biệt khi bạn muốn so sánh trung vị của một mẫu với một giá trị chuẩn. Trong SPSS, chọn Analyze > Nonparametric Tests > Related Samples, sau đó chọn kiểm định phù hợp trong giao diện hiện ra. Bạn cần ghi rõ lý do chuyển sang kiểm định phi tham số và không trộn kết luận của Wilcoxon với bảng t test.
Nếu vấn đề nằm ở việc bạn có hai nhóm độc lập, dùng t test một mẫu là sai câu hỏi. Hãy xem kiểm định Levene trong SPSS khi cần kiểm tra phương sai giữa hai nhóm, hoặc đọc hướng dẫn independent samples t test trong SPSS. Với nhiều hơn hai nhóm, ANOVA hoặc một phương án phi tham số tương ứng có thể phù hợp hơn. Kruskal Wallis trong SPSS là hướng tham khảo khi bạn so sánh nhiều nhóm độc lập nhưng dữ liệu không đáp ứng điều kiện của ANOVA.
Bạn cũng cần phân biệt vi phạm giả định với kết quả không có ý nghĩa. Sig. lớn hơn 0,05 không phải là lỗi phần mềm. Nó chỉ cho thấy dữ liệu hiện tại chưa cung cấp đủ bằng chứng để khẳng định trung bình khác Test Value.
Lỗi thường gặp
Nhập sai Test Value
Đây là lỗi làm thay đổi toàn bộ câu hỏi kiểm định. Với thang Likert 1 đến 5, mốc 3 thường là mốc trung lập, nhưng không phải đề tài nào cũng mặc nhiên dùng 3. Hãy đối chiếu Test Value với mô hình, thang đo và cách đặt giả thuyết.
Đọc nhầm Sig. (2-tailed)
Nếu bạn chạy kiểm định hai phía, dùng cột Sig. (2-tailed). Không lấy nhầm Std. Error, t hoặc Mean Difference làm p-value. Khi SPSS hiển thị .000, hãy viết p < 0,001.
Chỉ nhìn p-value mà bỏ qua Mean
p-value cho biết bằng chứng thống kê, còn Mean và Mean Difference cho biết hướng và mức chênh lệch. Kết luận cần có cả hai. Một kết quả p nhỏ nhưng chênh lệch rất nhỏ vẫn cần được thảo luận về ý nghĩa thực tiễn.
Xóa dữ liệu sau khi thấy kết quả không đẹp
Không nên loại người trả lời chỉ vì kết quả không ủng hộ giả thuyết. Nếu loại một bản ghi, bạn cần căn cứ vào lỗi nhập, câu trả lời không hợp lệ hoặc tiêu chí làm sạch đã đặt ra trước đó, rồi lưu lại số lượng và lý do loại.
Viết “chấp nhận H0” trong mọi trường hợp
Cách an toàn hơn là “chưa bác bỏ H0” hoặc “chưa có đủ bằng chứng để bác bỏ H0”. Cách viết này phản ánh đúng giới hạn của kiểm định và tránh khẳng định quá mức.
Câu hỏi thường gặp
T test một mẫu trong SPSS dùng cho thang Likert được không
Bạn có thể dùng cho điểm trung bình hoặc điểm tổng hợp của thang đo khi cách xử lý biến phù hợp với thiết kế nghiên cứu. Cần kiểm tra mã hóa biến, biến đảo chiều, dữ liệu thiếu và điều kiện phân phối trước khi kết luận.
Test Value trong One-Sample T Test nên nhập bao nhiêu
Test Value là mốc mà giả thuyết của bạn muốn so sánh, không phải một con số chọn sau khi xem output. Với thang Likert 1 đến 5, mốc trung lập có thể là 3 nếu phù hợp với cách xây dựng thang đo. Bạn cần giải thích mốc này trong phần phương pháp.
Sig. trong SPSS bằng .000 thì có phải p bằng 0 không
Không. .000 là cách SPSS hiển thị một p-value rất nhỏ sau khi làm tròn. Khi viết luận văn, ghi p < 0,001 sẽ đúng hơn ghi p = 0.
Sig. lớn hơn 0,05 thì có phải dữ liệu bị lỗi không
Không nhất thiết. Kết quả đó cho thấy chưa có đủ bằng chứng thống kê để bác bỏ H0 ở mức ý nghĩa 5%. Bạn vẫn cần xem N, Mean, độ lệch chuẩn, khoảng tin cậy và chất lượng dữ liệu trước khi giải thích.
Có cần kiểm tra chuẩn trước khi chạy t test một mẫu không
Bạn nên kiểm tra biểu đồ, outlier và mức độ lệch, đặc biệt khi cỡ mẫu nhỏ. Nếu phân phối lệch mạnh và điều kiện của t test không phù hợp, hãy cân nhắc Wilcoxon Signed-Rank Test và trình bày rõ lý do lựa chọn.
Bây giờ bạn hãy mở Analyze > Compare Means > One-Sample T Test, ghi lại biến, Test Value và toàn bộ bảng output trước khi viết kết luận; nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể xem M4 phân tích dữ liệu của DoThesis.