Trong thống kê, có 3 loại T-Test thông dụng đó là: One-Sample T-Test, Independent Samples T-Test và Pair Sample T-Test. Trong bài viết này, Luận Văn Việt sẽ chia sẻ với bạn cách sử dụng của từng loại T-Test này. Trong trường hợp bạn gặp khó khăn khi sử dụng phần mềm SPSS, hãy liên hệ với chúng tôi để được hỗ trợ với dịch vụ xử lý số liệu SPSS. Show
Tổng hợp những kiến thức về T – Test trong SPSS 1. Các trường hợp sử dụng đối với từng loại T-Test– Nếu muốn so sánh hai giá trị trung bình của hai nhóm tổng thể, ta thực hiện phép kiểm định giả thiết về sự bằng nhau của hai trung bình tổng thể bằng cách sử dụng Independent Samples T-Test – Nếu muốn so sánh giá trị trung bình của tổng thể với một số cụ thể, ta thực hiện One-Sample T-Test – Nếu muốn so sánh hai giá trị trung bình của hai nhóm tổng thể riêng biệt với đặc điểm là mỗi phần tử trong tổng thể này có quan hệ tương đồng theo cặp với một phần tử trong tổng thể kia. Một ví dụ đơn giản là ta cho mỗi khách hàng dùng thử hai sản phẩm, sản phẩm trước và sản phẩm sau khi cải tiến, xong yêu cầu họ đánh giá điểm của từng sản phẩm. Mục đích là ta xem xét xem trước và sau khi cải tiến sản phẩm khách hàng có đánh giá tốt hơn không. Để làm được điều này cần sử dụng Pair Sample T-Test. 2. Kiểm định Independent Sample T – Test trong SPSSKiểm định sự khác biệt trung bình bằng phương pháp Independent Sample T – Test Ảnh 1- Ví dụ điển hình Trên hình ảnh, các bạn có thể thấy biến giới tính có 2 value, như vậy như câu nói ban đầu của mình, 2 value thì sẽ dùng Independent Sample T – Test. Để dễ dàng cho việc trình bày, mình sẽ sử dụng biến Gioi_tinh (giới tính) là biến định tính và biến SHL (sự hài lòng) là biến định lượng. Cách thực hiện kiểm định như sau. Vào Analyze > Compare Means > Independent Sample T-Test… Ảnh 2 – Cách thực hiện kiểm định Ở giao diện được mở ra, các bạn đưa biến định lượng vào mục Test Variable (s), đưa biến định tính vào mục Grouping Variable. Sau đó nhấn vào mục Define Groups… ngay bên dưới. Ảnh 3 – Grouping Variable Tại đây, các bạn sẽ phân nhóm giá trị ra. Biến giới tính của chúng ta có 2 value: 1 là nam, 2 là nữ, do vậy các bạn sẽ điền 2 số này vào 2 ô trống, không cần phải sắp xếp 1 đến 2, có thể điền 2, 1 cũng được, không sao cả nhé. Sau đó nhấn vào Continue. Ảnh 4 – Phân nhóm giá trị Trở lại giao diện ban đầu, nhấn OK để xuất kết quả ra Output. Ảnh 5 – Output Chúng ta sẽ quan tâm tới bảng Independent Samples Test. Giá trị đầu tiên là sig của Levene’s Test (điểm màu vàng). Ảnh 6 – Independent Samples Test Trường hợp sig nhỏ hơn 0.05 Nếu sig Levene’s Test nhỏ hơn 0.05 thì phương sai giữa 2 giới tính là khác nhau, chúng ta sẽ sử dụng giá trị sig T-Test màu hồng ở hàng Equal variances not assumed. – Giá trị sig T-Test < 0.05 chúng ta kết luận: Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau. – Giá trị sig T-Test >= 0.05 chúng ta kết luận: Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau. Trường hợp sig lớn hơn hoặc bằng 0.05 Nếu sig Levene’s Test lớn hơn hoặc bằng 0.05 thì phương sai giữa 2 giới tính là không khác nhau, chúng ta sẽ sử dụng giá trị sig T-Test màu xanh ở hàng Equal variances assumed. – Giá trị sig T-Test < 0.05 chúng ta kết luận: Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau. – Giá trị sig T-Test >= 0.05 chúng ta kết luận: Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau. 3. Kiểm định One Sample T – Test trong SPSSKiểm định One-Sample T-Test nhằm mục đích so sánh trung bình (mean) của tổng thể với một giá trị cụ thể nào đó. Chẳng hạn như kiểm tra xem điểm trung bình kỳ thi cuối kỳ của học sinh trong lớp là cao hơn, thấp hơn hay bằng 8 điểm; kiểm tra xem chiều cao trung bình của các ứng viên tham dự cuộc thi Hoa hậu Hoàn Vũ là cao hơn, thấp hơn hay bằng 1,7 mét,..v…v… Cụ thể trong bài viết này, chúng ta sẽ so sánh trung bình điểm đánh giá mức độ đồng ý các tiêu chí trong nhân tố Lương, thưởng, phúc lợi của nhân viên tại một công ty với giá trị 3. Thang đo được sử dụng để đo lường sự đồng ý trong trường hợp này là Likert 1-5. Và như các bạn biết, trong 5 mức độ của Likert, điểm 1 và 2 đại diện cho ý kiến là không đồng ý, điểm 4 và 5 đại diện cho ý kiến là đồng ý, điểm 3 là điểm trung gian ngăn cách giữa 2 bên không đồng ý và đồng ý. Mình muốn kiểm tra xem nhân viên có sự đồng ý trên mức trung lập hay không. Đây là bảng đánh giá các tiêu chí trong nhóm Lương, thưởng, phúc lợi: Ảnh 7 – Bảng đánh giá các tiêu chí Giả thuyết H0 đặt ra cho kiểm định One-Sample T-Test là: Điểm đánh giá trung bình của nhân viên đối với các tiêu chí của nhân tố Lương, thưởng, phúc lợi là 3. Chúng ta sẽ thực hiện kiểm định để xem thử sẽ bác bỏ hay chấp nhận giả thuyết Ho (độ tin cậy được sử dụng là 95%). Thực hiện trên SPSS 20, các bạn vào Analyze > Compare Means > One-Sample T Test… Ảnh 8 – Kiểm định One-Sample T-Test Giao diện cửa sổ One-Sample T-Test xuất hiện, các bạn đưa các biến cần kiểm định vào mục Test Variable(s), cụ thể trong trường hợp này là TN1 đến TN5. Tiếp đến, nhập giá trị muốn so sánh trung bình vào mục Test Value, cụ thể ở đây là 3. Ảnh 9 – Giao diện cửa sổ One-Sample T-Test Sau đó nhấp OK, các bạn sẽ thấy 2 bảng xuất hiện ở file Output. Một bảng là One-Sample Statistics thống kê giá trị trung bình, độ lệch chuẩn các biến; bảng còn lại là One-Sample Test cho biết kết quả kiểm định vừa thực hiện. Ảnh 10 – Bảng One-Sample Statistics và bảng One-Sample Test Chúng ta sẽ nhìn vào giá trị sig kiểm định t trong bảng One-Sample Test trước. Có thể thấy tất cả các giá trị sig đều nhỏ hơn 0.05. Như vậy, chúng ta bác bỏ giả thuyết Ho ban đầu, nghĩa là điểm đánh giá trung bình của nhân viên đối với các tiêu chí của nhân tố Lương, thưởng, phúc lợi là khác 3. Khi này chúng ta sẽ sử dụng bảng One-Sample Statistics để nhận xét tiếp. Kết quả từ bảng One-Sample Statistics cho thấy rằng, giá trị trung bình các tiêu chí đưa vào kiểm định dao động từ 3.62 đến 3.67, tất cả đều lớn hơn 3. Như vậy, nhân viên tại công ty đang có mức độ đồng ý với các tiêu chí trong nhóm Lương, thưởng, phúc lợi trên mức trung lập 3. Tới đây, có bạn nào thắc mắc rằng: Chỉ là so sánh trung bình với một con số thôi mà, cần gì phải làm kiểm định, cứ chạy thống kê trung bình rồi nhìn con số đánh giá là xong mà. Ví dụ, bảng kết quả ở trên khi chạy thống kê thì điểm trung bình các tiêu chí đều lớn hơn 3, vậy thì kết luận luôn chứ cần gì dùng đến kiểm định t ở bảng One-Sample Test? Để trả lời thắc mắc này, mình sẽ thực hiện tiếp một kiểm định One-Sample T-Test nữa cho TN1 đến TN5 với giá trị cần so sánh là 3.5. Và dưới đây là bảng kết quả One-Sample T-Test mới (bảng One-Sample Statistics luôn không bị thay đổi dù giá trị cần so sánh thay đổi). Ảnh 11 – Bảng One-Sample T-Test Các bạn dễ dàng thấy được sig kiểm định t của tiêu chí TN1 là 0.099 > 0.05, điều này đồng nghĩa chúng ta sẽ chấp nhận giả thuyết Ho đối với TN1 (các tiêu chí TN2 đến TN5 vẫn bác bỏ giả thuyết do sig kiểm định t nhỏ hơn 0.05). Nói cách khác:
Quay ngược lại kết quả bảng One-Sample Statistics, tiêu chí TN1 có mean = 3.62, giá trị này lớn hơn 3.5 cơ mà, sao kết quả kiểm định lại cho rằng mean của TN1 bằng với 3.5? Ảnh 12 – Bảng One-Sample Statistics Các bạn cần lưu ý rằng, kiểm định One-Sample T-Test so sánh trung bình tổng thể với một giá trị nào đó còn dựa vào nhiều yếu tố khác tác động lên giá trị mean nữa như kích thước mẫu, độ lệch chuẩn,… chứ không phải chỉ dùng tới mỗi giá trị mean. Chính vì vậy, khi muốn so sánh trung bình của một biến với một giá trị nào đó, bạn cần thực hiện kiểm định One-Sample T Test chứ không nên chỉ chạy thống kê mean và đi đến kết luận. 4. Kiểm định Paired-Sample T Test trong SPSS4.1. Khái niệmNếu muốn so sánh hai trị trung bình của 2 nhóm tổng thể riêng biệt có đặc điểm là mỗi phần tử quan sát trong tổng thể này có sự tương đồng theo cặp với một phần tử ở tổng thể bên kia ta thực hiện phép kiểm định giả thuyết về sự bằng nhau của 2 trung bình tổng thể dựa trên dữ liệu mẫu rút ra từ 2 tổng thể theo cách phối hợp từng cặp: Paired-Sample T-Test. 4.2. Khi nào sử dụng Paired-Sample T-TestPhương pháp kiểm định này rất thích hợp với dạng thử nghiệm trước và sau. Các ví dụ cụ thể:
4.3. Điều kiện áp dụngĐiều kiện để áp dụng Paired-Samples T-Test là kích cỡ 2 mẫu so sánh phải bằng nhau và chênh lệch giữa các giá trị của 2 mẫu phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để xem như xấp xỉ phân phối chuẩn. Dữ liệu của mẫu thu thập ở dạng thang đo định lượng Ordinal hoặc Scale. Quá trình kiểm định sẽ bắt đầu với việc tính toán chênh lệch giá trị trên từng cặp quan sát bằng phép trừ sau đó kiểm nghiệm xem chênh lệch trung bình của tổng thể có = 0 không, nếu = 0 tức là không có khác biệt. Lợi thế của phép kiểm định mẫu phối hợp từng cặp là loại trừ được những yếu tố tác động bên ngoài vào nhóm thử. 4.4. Lý thuyết kiểm định Paired-Samples T-TestCác bước khi thực hiện phân tích Paired-Samples T-Test bao gồm:
4.5. Kiểm định Paired-Samples T-Test trong SPSSTình huống: Công ty muốn kiểm tra mức độ hài lòng của 250 nhân viên bán hàng của công ty về sự thay đổi của chính sách phân chia hoa hồng trước và sau. Thang đo mức độ hài lòng là 10 điểm tối đa và 1 điểm tối thiểu, càng hài lòng cho điểm càng cao.
Sau khi thu thập phiếu khảo sát về, mã hóa và nhập liệu, ta có file data bên dưới. Cột NhanVien là số thứ tự 250 nhân viên tham gia khảo sát. Cột KhaoSat1 và KhaoSat2 lần lượt là kết quả 2 lần khảo sát. Ảnh 13 – File data Thực hiện kiểm định Paired-Samples T Test bằng cách vào Analyze > Compare Means > Paired-Samples T Test. Ảnh 14 – kiểm định Paired-Samples Xuất hiện hộp thoại Paired-Samples T Test, đưa 2 biến muốn kiểm định trị trung bình vào khung Paired Variables. Ảnh 15 – Hộp thoại Paired-Samples T Test Ảnh 16 – Đưa biến vào khung Tại tùy chọn Options, mặc định phần mềm chọn độ tin cậy là 95% (tương ứng mức ý nghĩa 5%). Nếu bạn thực hiện kiểm định với độ tin cậy khác 93%, 97%, 99%,… hãy thay đổi con số ở đây. Sau khi đã nhập độ tin cậy, chọn Continue, quay lại cửa sổ ban dầu, chọn OK. Ảnh 17 – Paired-Samples T Test Kết quả Output sẽ có 3 bảng. Bảng cần quan tâm đầu tiên là Paired Samples Test. Chúng ta cần chú ý đến giá trị sig kiểm định t ở cuối bảng. Giá trị sig = 0.000 < 0.05, ta bác bỏ giả thuyết Ho. Như vậy, có sự khác biệt trung bình mức điểm đánh giá sự hài lòng của nhân viên giữa 2 lần khảo sát. Ảnh 18 – Kết quả Output Bảng tiếp theo là Paired Samples Statistics cho ta thấy sự khác biệt trung bình cụ thể như thế nào. Cột Mean trong bảng thể hiện trung bình mức điểm đánh giá của 2 lần khảo sát. Có thể thấy được rằng, ở lần khảo sát 2, nhân viên hài lòng hơn về chính sách phân chia hoa hồng. Lần 2 điểm trung bình đánh giá là 6.17 cao hơn 5.48 là điểm trung bình của lần 1. (Nếu lấy Mean lần 1 làm phép trừ cho Mean lần 2 sẽ là 5.48 – 6.417 = -0.69 chính là mức chênh lệch Mean màu xanh -0.688 ở bảng Paired Samples Test) Ảnh 19 – Bảng Paired Samples Statistics Tới đây, chúng ta đã có thể kết luận rằng: Có sự khác biệt sự hài lòng của nhân viên đối với việc áp dụng chính sách phân chia hoa hồng mới. Việc áp dụng chính sách mới làm nhân viên hài lòng hơn chính sách cũ. Bảng cuối cùng là Paired Sample Correlations. Bảng này cho biết có mối tương quan về dữ liệu giữa 2 lần khảo sát hay không. Việc tương quan hay không tương quan của dữ liệu ở 2 lần khảo sát không có mối quan hệ nhân quả với kết quả kiểm định Paired Sample T-Test. Ảnh 20 – Bảng Paired Sample Correlations Giá trị sig < 0.05 nghĩa là dữ liệu có tương quan. Nếu sig > 0.05, dữ liệu 2 lần khảo sát không có sự tương quan với nhau. Luận Văn Việt hỗ trợ SPSS, nhận chạy SPSS thuê với kinh nghiệm hơn 15 năm, nếu bạn gặp quá nhiều khó khăn trong quá trình sử dụng phần mềm SPSS, hãy liên hệ với chúng tôi để được hỗ trợ nhanh nhất. luan_van_viet ,luận_văn_việt ,xử_lý_số_liệu_spss ,dịch_vụ_chạy_spss ,nhan_chay_spss ,dịch_vụ_spss ,chạy_spss_thuê ,LVV |
