Wilcoxon là gì? Cách đọc kết quả và chạy trong SPSS
Wilcoxon là gì
Bạn mở file SPSS lên, có hai nhóm điểm đo trên cùng một người nhưng dữ liệu không thỏa điều kiện để chạy paired-samples t-test. Khi đó, Wilcoxon Signed-Rank Test thường là lựa chọn phù hợp để kiểm tra sự thay đổi giữa hai lần đo hoặc sự khác biệt giữa hai điều kiện có liên quan.
Wilcoxon là kiểm định phi tham số dành cho hai mẫu liên quan. “Liên quan” nghĩa là mỗi quan sát ở thời điểm hoặc điều kiện thứ nhất có một quan sát tương ứng ở thời điểm hoặc điều kiện thứ hai, chẳng hạn điểm trước và sau đào tạo của cùng 30 sinh viên. Kiểm định làm việc dựa trên thứ hạng của độ chênh lệch, thay vì giả định dữ liệu gốc phải phân phối chuẩn.
Với mỗi cặp quan sát, SPSS tính chênh lệch giữa hai lần đo, bỏ qua các cặp có chênh lệch bằng 0, xếp hạng độ lớn tuyệt đối của chênh lệch rồi cộng hạng theo dấu dương và âm. Kết quả thường được dùng để đánh giá liệu phân phối của hai lần đo có khác nhau một cách có ý nghĩa thống kê hay không.
Wilcoxon trong bài này là Wilcoxon Signed-Rank Test cho hai mẫu liên quan. Nó khác với Mann-Whitney U Test, vốn dùng cho hai nhóm độc lập. Nếu bạn đang so sánh điểm của hai nhóm sinh viên khác nhau, hãy xem hướng dẫn về kiểm định t test để xác định thiết kế phù hợp trước khi chọn kiểm định.
Tên Wilcoxon đôi khi được dùng để chỉ thủ tục so sánh cặp trong các phần mềm thống kê. Trong SPSS, bạn cần nhìn cả tên thủ tục, tên hai biến và số quan sát hợp lệ. Chỉ thấy chữ Wilcoxon trong một bảng chưa đủ để kết luận dữ liệu đã được ghép đúng. Một người trả lời phải xuất hiện ở cả hai lần đo, hoặc phải có mã ghép cặp rõ ràng.
Ý nghĩa của Wilcoxon trong nghiên cứu định lượng
Wilcoxon trả lời một câu hỏi cụ thể: kết quả đo ở điều kiện thứ nhất và điều kiện thứ hai có thay đổi đủ rõ để bạn bác bỏ giả thuyết không có sự khác biệt hay chưa. Ví dụ, bạn đo mức độ hài lòng trước và sau khi người tham gia sử dụng một ứng dụng. Hai điểm số đến từ cùng người, nên dữ liệu có tính cặp.
Giả thuyết H0 thường phát biểu rằng không có sự khác biệt có ý nghĩa thống kê giữa hai lần đo. H1 phát biểu rằng có sự khác biệt có ý nghĩa thống kê giữa hai lần đo. Nếu nghiên cứu có hướng rõ ràng, bạn có thể đặt H1 theo hướng tăng hoặc giảm, nhưng luận văn cần nêu cách chọn kiểm định và hướng giả thuyết từ trước.
Wilcoxon không tự cho bạn biết nguyên nhân của thay đổi. Nếu p-value nhỏ, bạn có bằng chứng thống kê về sự khác biệt giữa hai lần đo trong mẫu. Bạn vẫn phải nhìn vào Median, các hạng dương và âm, bối cảnh thu thập dữ liệu và cách đo biến để mô tả thay đổi theo hướng nào.
Bạn cũng không nên dùng Wilcoxon chỉ vì thấy dữ liệu có một vài giá trị lệch. Trước tiên, xác định hai biến có phải là dữ liệu ghép cặp hay không, kiểm tra kiểu biến, xem phân phối và cân nhắc paired-samples t-test nếu các điều kiện của kiểm định tham số phù hợp. Phần này cần được ghi nhất quán với thiết kế nghiên cứu, thay vì chọn kiểm định theo kết quả p-value mong muốn. Các nguyên tắc thao tác và kiểm tra giả định trong SPSS có thể đối chiếu thêm với chủ đề Thống kê.
| Tình huống nghiên cứu | Kiểm định thường cân nhắc | Quan hệ giữa hai nhóm đo |
|---|---|---|
| Điểm trước và sau của cùng người | Wilcoxon Signed-Rank hoặc paired-samples t-test | Hai mẫu liên quan |
| Điểm của hai nhóm người khác nhau | Mann-Whitney U hoặc independent-samples t-test | Hai mẫu độc lập |
| Điểm của từ ba thời điểm trở lên trên cùng người | Friedman Test hoặc repeated-measures ANOVA | Nhiều mẫu liên quan |
| Điểm của từ ba nhóm độc lập trở lên | Kruskal-Wallis hoặc one-way ANOVA | Nhiều mẫu độc lập |
Nếu đề tài của bạn có ba nhóm độc lập, one factor anova sẽ gần với tình huống đó hơn. Còn anova và bảng anova không thay thế trực tiếp cho Wilcoxon vì chúng thuộc nhóm phân tích và cấu trúc dữ liệu khác.
Wilcoxon bao nhiêu là đạt
Câu hỏi “wilcoxon bao nhiêu là tốt” thường xuất hiện khi bạn nhìn thấy hai con số Z và Asymp. Sig. trong output. Với Wilcoxon, không có một giá trị Z cố định để kết luận là tốt hay xấu. Việc kết luận chủ yếu dựa vào p-value, thường được hiển thị trong SPSS dưới tên Asymp. Sig. (2-tailed) hoặc Exact Sig. (2-tailed), tùy cách bạn chạy kiểm định.
Bạn cần xác định mức ý nghĩa alpha trước khi đọc kết quả. Trong nhiều luận văn, alpha được đặt là 0.05. Khi p-value nhỏ hơn alpha, bạn bác bỏ H0 và kết luận có sự khác biệt có ý nghĩa thống kê. Khi p-value lớn hơn hoặc bằng alpha, bạn chưa có đủ bằng chứng để bác bỏ H0. Cách diễn đạt thứ hai chính xác hơn câu “H0 đúng”, vì một p-value lớn không chứng minh H0 đúng tuyệt đối.
Bảng dưới đây giúp bạn đọc kết quả theo quyết định thống kê. Đây là quy tắc diễn giải trong phạm vi kiểm định, không phải thang điểm chất lượng của mô hình hay của bảng hỏi.
| Kết quả cần xem | Cách quyết định với alpha = 0.05 | Cách diễn đạt thận trọng | Nguồn cho quy tắc |
|---|---|---|---|
| Asymp. Sig. (2-tailed) < 0.05 | Bác bỏ H0 | Có sự khác biệt có ý nghĩa thống kê giữa hai lần đo | (Field, 2013) |
| Asymp. Sig. (2-tailed) ≥ 0.05 | Chưa bác bỏ H0 | Chưa có bằng chứng về sự khác biệt có ý nghĩa thống kê | (Field, 2013) |
| Exact Sig. (2-tailed) < 0.05 | Bác bỏ H0 theo p-value exact | Kết quả exact cho thấy hai lần đo khác nhau có ý nghĩa thống kê | (Field, 2013) |
| Exact Sig. (2-tailed) ≥ 0.05 | Chưa bác bỏ H0 theo p-value exact | Kết quả exact chưa cho thấy sự khác biệt có ý nghĩa thống kê | (Field, 2013) |
Giá trị Z âm hay dương chỉ giúp bạn xem hướng mã hóa và thứ tự của hai biến. Đừng kết luận “Z càng lớn thì kết quả càng tốt”. Một kết quả có Z lớn về trị tuyệt đối có thể đi kèm p-value nhỏ, nhưng ý nghĩa thực tế còn phụ thuộc vào chênh lệch giữa hai lần đo và cách bạn đặt thứ tự biến.
Nếu cỡ mẫu nhỏ hoặc số Ties nhiều, hãy chú ý loại p-value mà SPSS cung cấp. Asymp. Sig. dựa trên xấp xỉ phân phối, còn Exact Sig. tính theo cách exact khi tùy chọn và điều kiện dữ liệu cho phép. Trong luận văn, ghi đúng tên cột giúp người đọc biết bạn đã dùng kết quả nào. Bạn cũng nên nêu alpha trong phần phương pháp, thay vì chỉ xuất hiện lần đầu ở chương kết quả.
Cách đọc Wilcoxon trên output
Trong SPSS, bạn thường gặp ba bảng sau: Ranks, Test Statistics và đôi khi là bảng Frequencies nếu bạn yêu cầu thêm thống kê mô tả. Bảng Ranks cho biết số cặp có chênh lệch dương, chênh lệch âm và bằng nhau. Bảng Test Statistics chứa Wilcoxon Signed-Rank Test, Z và p-value.
Ví dụ dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Giả sử diem_sau được so sánh với diem_truoc trên 28 sinh viên. Thứ tự cặp trong SPSS là diem_sau - diem_truoc.
Bảng Ranks, số liệu minh họa
| Ranks | N | Mean Rank | Sum of Ranks |
|---|---|---|---|
| Negative Ranks | 5 | 7.80 | 39.00 |
| Positive Ranks | 19 | 13.26 | 252.00 |
| Ties | 4 | ||
| Total | 28 |
Positive Ranks có nghĩa là giá trị ở biến đứng trước trong cặp lớn hơn biến đứng sau theo cách SPSS đã tính. Trong ví dụ này, nhiều người có điểm sau cao hơn điểm trước. Tuy nhiên, Ranks chỉ mô tả hướng của các cặp và tổng hạng, chưa phải nơi bạn quyết định ý nghĩa thống kê.
Bảng Test Statistics, số liệu minh họa
| Test Statisticsᵃ | Diem_sau - Diem_truoc |
|---|---|
| Z | -2.874 |
| Asymp. Sig. (2-tailed) | .004 |
| a. Wilcoxon Signed-Rank Test |
Với p-value bằng .004 và alpha bằng 0.05, bạn bác bỏ H0. Trong ví dụ minh họa, điểm sau khác điểm trước có ý nghĩa thống kê. Vì Positive Ranks nhiều hơn Negative Ranks, bạn có thể mô tả dữ liệu theo hướng điểm sau có xu hướng cao hơn điểm trước, nhưng nên kiểm tra Median hoặc các thống kê mô tả để viết chắc chắn hơn.
Khi đọc output thật, hãy kiểm tra tên cặp biến trong dòng tiêu đề. Một lỗi thường gặp là đọc nhầm truoc - sau thành sau - truoc, sau đó mô tả ngược hướng thay đổi. Bạn cũng cần phân biệt .004 với 0.04 và 0.400. SPSS thường bỏ số 0 ở đầu phần thập phân, nên .004 nghĩa là 0.004.
Muốn chạy thủ tục, mở Analyze > Nonparametric Tests > Related Samples. Trong hộp thoại, đưa hai biến đo liên quan vào vùng Test Pairs, giữ Wilcoxon được chọn trong phần Test Type, rồi bấm Run hoặc OK tùy phiên bản SPSS. Trước khi chạy, đặt tên biến dễ nhận biết như truoc và sau, đồng thời kiểm tra hai biến có cùng đơn vị đo.
Nếu cần xem thêm thống kê mô tả, bạn có thể mở Analyze > Descriptive Statistics > Frequencies hoặc Analyze > Descriptive Statistics > Explore. Mục tiêu của bước này là lấy Median, minimum, maximum và số quan sát hợp lệ để bổ sung cho kết luận. Output kiểm định chỉ nói về bằng chứng thống kê, chưa mô tả đầy đủ mức thay đổi trong dữ liệu.
Khi Wilcoxon không đạt thì xử lý thế nào
Nếu p-value lớn hơn hoặc bằng 0.05, trước tiên giữ nguyên kết luận thống kê: chưa có bằng chứng về sự khác biệt có ý nghĩa thống kê. Đừng đổi chiều biến, xóa vài dòng dữ liệu hoặc chạy lại nhiều lần chỉ để tìm p-value nhỏ. Những thay đổi như vậy cần có lý do phương pháp được ghi trước hoặc được giải trình rõ.
Bước tiếp theo là kiểm tra dữ liệu đầu vào. Mở Data View và xem các cặp có bị nhập sai, mã thiếu dữ liệu có được khai báo đúng, hai biến có thực sự đo cùng một đối tượng hay không. Nếu một người có nhiều dòng nhưng mã người trả lời không nhất quán, việc ghép cặp có thể sai từ trước khi chạy kiểm định.
Sau đó xem Median, Ranks và kích thước chênh lệch. Một p-value không đạt có thể đi cùng thay đổi nhỏ, mẫu ít, hoặc dữ liệu có nhiều Ties. Bạn có thể báo cáo kết quả không có ý nghĩa thống kê thay vì cố sửa cho đạt. Hội đồng thường hỏi cách bạn xử lý kết quả không ủng hộ giả thuyết, nên việc giữ nguyên quy trình và giải thích minh bạch có giá trị hơn một kết quả được chọn lại.
Nếu cặp dữ liệu vốn không liên quan, Wilcoxon là lựa chọn sai từ thiết kế. Khi đó, hãy quay lại câu hỏi nghiên cứu và cân nhắc Mann-Whitney hoặc independent-samples t-test. Nếu bạn có ba thời điểm đo trên cùng người, hãy xem Friedman thay vì chạy nhiều Wilcoxon từng cặp mà không kiểm soát vấn đề do thực hiện nhiều kiểm định.
Một trường hợp cần thận trọng là p-value không đạt nhưng Median thay đổi theo hướng bạn dự đoán. Hai thông tin này không mâu thuẫn. Median mô tả dữ liệu quan sát được, còn p-value đánh giá bằng chứng thống kê trong mẫu. Bạn có thể viết rằng Median có xu hướng tăng nhưng sự khác biệt chưa đạt ý nghĩa thống kê ở mức alpha đã chọn.
Phân biệt Wilcoxon với paired-samples t-test
Wilcoxon và paired-samples t-test đều dùng cho hai lần đo liên quan, nhưng cách xử lý dữ liệu khác nhau. Paired-samples t-test phân tích chênh lệch số học giữa hai lần đo và thường yêu cầu chênh lệch có phân phối phù hợp. Wilcoxon chuyển chênh lệch thành thứ hạng, nên phù hợp hơn khi dữ liệu thứ bậc, lệch mạnh hoặc không đáp ứng giả định của kiểm định tham số.
Bạn không nên viết rằng Wilcoxon luôn tốt hơn t-test. Lựa chọn phụ thuộc vào thang đo, phân phối, cỡ mẫu, thiết kế cặp và mục tiêu phân tích. Nếu biến là điểm tổng hợp từ nhiều biến quan sát, bạn cần mô tả cách tạo điểm trước khi chọn kiểm định.
| Tiêu chí | Wilcoxon Signed-Rank | Paired-samples t-test |
|---|---|---|
| Loại kiểm định | Phi tham số | Tham số |
| Đối tượng | Hai mẫu liên quan | Hai mẫu liên quan |
| Thông tin chính | Thứ hạng của chênh lệch | Trung bình của chênh lệch |
| Nhạy với outlier | Thường ít nhạy hơn | Có thể nhạy hơn |
| Kết quả SPSS thường đọc | Z và Asymp. Sig. | t, df và Sig. (2-tailed) |
| Diễn giải hướng thay đổi | Dựa vào Ranks và thống kê mô tả | Dựa vào Mean Difference và Mean |
Bạn có thể xem thêm t test để đối chiếu tên bảng output và cách viết kết luận. Hướng dẫn kiểm định t test cũng hữu ích khi bạn đang phân vân giữa kiểm định tham số và phi tham số. Đừng đưa kết quả Wilcoxon vào bảng ANOVA chỉ vì cả hai đều có p-value. Tên kiểm định, thống kê kiểm định và cấu trúc báo cáo phải khớp với phân tích bạn thực sự chạy.
Lỗi thường gặp khi chạy Wilcoxon
Lỗi đầu tiên là chọn hai biến độc lập nhưng vẫn chạy Related-Samples. Trước khi mở hộp thoại, hãy xác định mỗi dòng là một người hay một quan sát riêng biệt. Nếu hai cột là điểm của hai nhóm người khác nhau, bạn không có dữ liệu cặp theo nghĩa của Wilcoxon.
Lỗi thứ hai là nhập mã thiếu dữ liệu như một giá trị thật. Ví dụ, mã 99 được dùng cho “không trả lời” nhưng vẫn nằm trong cột điểm. Khi đó, chênh lệch và thứ hạng bị méo. Hãy khai báo Missing trong Variable View hoặc lọc dữ liệu theo quy tắc đã viết trong phương pháp nghiên cứu.
Lỗi thứ ba là chỉ chụp bảng Test Statistics mà không báo cáo số cặp, Ranks và thống kê mô tả. Người đọc không biết còn bao nhiêu cặp hợp lệ, có bao nhiêu Ties và hướng thay đổi là gì. Một bảng kết quả ngắn nhưng đủ thông tin thường thuyết phục hơn ảnh output nguyên trang.
Lỗi thứ tư là ghi “Wilcoxon đạt” hoặc “Wilcoxon không đạt”. Kiểm định không phải thang đo có mức đạt. Bạn nên viết “kết quả kiểm định có ý nghĩa thống kê” hoặc “chưa có bằng chứng về sự khác biệt có ý nghĩa thống kê”, rồi nêu p-value và hướng thay đổi.
Lỗi thứ năm là chỉ dựa vào số dấu âm của Z. Dấu của Z phụ thuộc vào thứ tự cặp và cách SPSS quy ước hạng. Nếu đổi vị trí hai biến, dấu có thể đổi nhưng kết luận hai phía về p-value vẫn không tự động thay đổi. Vì vậy, hãy ghi rõ cặp biến trong tiêu đề bảng và trong câu diễn giải.
Lỗi thứ sáu là báo cáo p = 0.000. SPSS hiển thị ba chữ số thập phân nên .000 có thể là giá trị đã được làm tròn. Khi số hiển thị là .000, hãy viết p < 0.001, không viết p = 0.000. Với .004, có thể ghi p = 0.004 theo đúng output.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau theo output thật: “Kiểm định Wilcoxon Signed-Rank được sử dụng để so sánh [tên biến ở thời điểm/điều kiện 1] và [tên biến ở thời điểm/điều kiện 2] trên [số lượng] quan sát liên quan. Kết quả cho thấy [có/chưa có] sự khác biệt có ý nghĩa thống kê, Z = [giá trị Z], p = [p-value]. Dựa trên [Median/Ranks], [mô tả hướng thay đổi phù hợp với dữ liệu].”
Nếu p-value lớn, thay phần kết luận bằng: “Kết quả chưa cung cấp đủ bằng chứng để kết luận [biến 1] khác [biến 2] trong tổng thể nghiên cứu ở mức ý nghĩa alpha = [mức alpha].” Câu này tránh khẳng định quá mức rằng hai lần đo hoàn toàn giống nhau.
Nếu p-value nhỏ, bạn có thể viết: “Kết quả kiểm định Wilcoxon cho thấy sự khác biệt giữa [biến 1] và [biến 2] có ý nghĩa thống kê, Z = [giá trị Z], p = [p-value]. Các hạng dương và thống kê mô tả cho thấy [biến nào có xu hướng cao hơn].” Chỉ điền hướng thay đổi sau khi kiểm tra đúng thứ tự biến trong bảng Test Statistics.
Câu hỏi thường gặp
Wilcoxon dùng cho hai nhóm độc lập có được không
Không. Wilcoxon Signed-Rank dùng cho hai mẫu liên quan, thường là hai lần đo trên cùng người hoặc hai quan sát được ghép cặp có chủ đích. Với hai nhóm độc lập, bạn cần cân nhắc Mann-Whitney U hoặc independent-samples t-test.
Wilcoxon bao nhiêu là tốt
Không có một mức Z hoặc một “điểm Wilcoxon” để đánh giá tốt. Bạn đặt alpha trước, sau đó đọc p-value trong Asymp. Sig. (2-tailed) hoặc Exact Sig. (2-tailed). p-value nhỏ hơn alpha cho phép bác bỏ H0, còn p-value lớn hơn hoặc bằng alpha nghĩa là chưa đủ bằng chứng bác bỏ H0.
p-value bằng 0.000 trong SPSS thì viết thế nào
SPSS thường hiển thị .000 do số thập phân được làm tròn. Khi viết luận văn, bạn nên ghi p < 0.001 thay vì p = 0.000. Đồng thời, kiểm tra dòng p-value đang dùng là Asymp. Sig. hay Exact Sig. và ghi đúng tên trong bảng kết quả.
Có cần kiểm tra phân phối chuẩn trước khi chạy Wilcoxon không
Bạn vẫn nên xem dữ liệu, outlier, mã thiếu và cấu trúc cặp. Wilcoxon không yêu cầu bạn chứng minh dữ liệu gốc phân phối chuẩn như paired-samples t-test, nhưng điều đó không có nghĩa mọi lỗi nhập liệu đều được bỏ qua. Việc chọn Wilcoxon cần dựa trên thiết kế và đặc điểm biến, không chỉ dựa vào một kiểm định chuẩn hóa.
Có thể chạy nhiều Wilcoxon cho nhiều thời điểm không
Có thể có lý do nghiên cứu để so sánh từng cặp, nhưng chạy nhiều kiểm định làm tăng rủi ro xuất hiện kết quả có ý nghĩa do ngẫu nhiên. Nếu bạn có từ ba thời điểm đo trở lên, hãy cân nhắc Friedman trước, sau đó chỉ thực hiện so sánh cặp khi kế hoạch phân tích cho phép và bạn có cách giải thích rõ.
Mở lại file SPSS, xác nhận hai biến đang được ghép đúng người, chạy Analyze > Nonparametric Tests > Related Samples, lưu bảng Ranks và Test Statistics, rồi điền các giá trị thật vào đoạn mẫu trước khi viết chương kết quả. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.