Trong nghiên cứu khoa học, thống kê được coi là “ngôn ngữ thứ 2” cho phép người nghiên cứu đưa ra các kết luận có giá trị. Đảm bảo tính khách quan của nghiên cứu. Trong nghiên cứu khoa học ứng dụng, vai trò của thống kê được thể hiện qua mô tả, so sánh và liên hệ dữ liệu. Trong bài viết này, Luận Văn 2S xin được chia sẻ đến bạn đọc phương pháp so sánh dữ liệu thông qua kiểm định T-Test.
Mục lục bài viết
T-Test là gì?
Phương pháp kiểm định T-Test (kiểm định sự khác biệt) được sử dụng trong kiểm định sự khác biệt về giá trị trung bình của tổng thể với một giá trị cho trước, hoặc kiểm định sự khác biệt về giá trị trung bình giữa hai tổng thể. Khi sử dụng phần mềm thống kê, chúng ta sử dụng cách tiếp cận mức ý nghĩa quan sát (Sig) để chấp nhận hoặc bác bỏ giả thuyết ban đầu. Trong phần mềm SPSS, ta sẽ loại bỏ giả thuyết ban đầu khi kiểm nghiệm cho ta chỉ số Sig. nhỏ hơn mức ý nghĩa α = 5% (mặc định ở các phần mềm thống kê).
Trong thống kê, T-Test được chia thành 3 loại thông dụng, bao gồm:
- One-Sample T-Test
- Independent Samples T-Test
- Paired Sample T-Test
3 loại T-Test trong thống kê và mục đích sử dụng của từng loại
- One-Sample T-Test: Dùng để so sánh giá trị trung bình của một tổng thể với một giá trị cụ thể nào đó. Chẳng hạn như kiểm tra xem chiều cao trung bình của đội tuyển bóng đá nam U22 Việt Nam là cao hơn, thấp hơn hay bằng với mức 1,8 mét; Điểm trung bình môn Triết học của sinh viên trong lớp là cao hơn, thấp hơn hay bằng 7 điểm…
- Independent Samples T-Test: là một thử nghiệm thống kê kiểm định xem có sự khác biệt có ý nghĩa thống kê giữa các phương tiện trong hai nhóm thống kê không liên quan hay không. Ví dụ, ta có 2 nhóm giá trị là nhóm độ tuổi (dưới 30 tuổi; trên 30 tuổi) và biến mức độ hài lòng. Để biết được giữa hai nhóm này, nhóm nào có mức độ hài lòng cao hơn ta sẽ dùng phương pháp kiểm định Independent Samples T-Test.
- Paired Sample T-Test: Phương pháp paired samples t-test được sử dụng cho mục đích so sánh sự biến đổi từng cặp giá trị trước khi và sau khi có một tác động gì đó (so sánh xem trước và sau có sự khác biệt hay không). Một ví dụ minh họa cho kiểm định này là: Một công ty áp dụng mức KPI (chỉ số đo lường và đánh giá hiệu quả hoạt động) cho một bộ phận trong công ty để thử nghiệm sự khác biệt mức độ hài lòng của nhân viên giữa chính sách mới và chính sách cũ.
Kiểm định One-Sample T-Test
Trong phần này, chúng ta sẽ đi sâu vào thực hiện và phân tích kết quả kiểm định One-Sample T-Test dựa trên ví dụ cụ thể:
Ta có giả thiết, chiều cao trung bình của người trưởng thành từ 20 tuổi trở lên là khoảng 66,5 inch (69,3 inch đối với nam, 63,8 inch đối với nữ). Ta sẽ kiểm tra xem khẳng định này có phù hợp với mức ý nghĩa là 5% hay không?
Phát biểu giả thuyết thống kê:
Ho: 66,5 = Chiều cao trung bình (“chiều cao trung bình của người trưởng thành bằng 66,5inch)
H1: 66,5 ≠ Chiều cao trung bình (“chiều cao trung bình của người trưởng thành không bằng 66,5inch)
Các bước thực hiện kiểm định One-Sample T-Test trong SPSS
Bước 1: Trên thanh công cụ phần mềm SPSS, chọn Analyze > Compare Means > One-Sample T Test.
Bước 2: Cửa sổ One-Sample T Test mở ra, sau đó, bạn sẽ chỉ định các biến sử dụng trong phân tích ở cột phía bên trái và di chuyển đến khu vực Test Variable(s) bằng cách chọn và nhấn vào nút mũi tên. (Ở trong ví dụ này, chúng ta chọn chiều cao – Height). Tại Test Value điền giá trị 66,5.
Bước 3: Bấm vào nút Options để mở ra một cửa sổ mới, nhập vào độ tin cậy là 95, sau đó bấm Continue để tiếp tục trở về cửa sổ trước và bấm OK để nhận kết quả.
Bước 4: Đọc và phân tích kết quả
[external_link offset=1]Sau khi hoàn thành bước 3, ta sẽ được kết quả như sau:
Từ số liệu bảng One-Sample Statistic, ta có:
- Trung bình biến T1 là 68.032
- Độ lệch chuẩn là 5.326
- Giả thiết không “Test Value = 66,5”
- Giá trị t = 5.810.
- Khoảng tin cậy cho độ chênh lệch giữa trung bình tổng thể của Height và 66,5 là 1,0135 ; 2.0501.
- Giá trị p-value (Sig. (2-tailed)) là 0.000 < 5%
=> Bác bỏ giả thiết Ho ở mức ý nghĩa 5% và chấp nhận giả thiết H1
Kết luận: Vì p <0,001, chúng tôi bác bỏ giả thuyết khống rằng giá trị trung bình của mẫu bằng với trung bình dân số giả thuyết và kết luận rằng chiều cao trung bình của mẫu khác biệt đáng kể so với chiều cao trung bình của tổng thể người trưởng thành (cao hơn khoảng 1,5 inch so với trung bình dân số trưởng thành).
Kiểm định Independent-Samples T-Test
Ví dụ: Chúng ta đang có báo cáo từ các sinh viên về thời gian trung bình của họ để chạy một dặm, và liệu họ có phải là một vận động viên hay không. Giả sử chúng ta muốn biết liệu thời gian trung bình để chạy một dặm có khác nhau đối với vận động viên so với người không phải vận động viên hay không. Hãy sử dụng kiểm định Independent-Samples T-Test để so sánh thời gian chạy một dặm trung bình giữa các vận động viên và không phải vận động viên.
Chúng ta sẽ sử dụng 2 hai biến: Athlete và MileMinDur.
- Biến độc lập: Biến vận động viên (Athlete) có các giá trị là “0” (không phải vận động viên) hoặc “1” (vận động viên).
- Biến phụ thuộc: Biến thời gian (MileMinDur)
Dữ liệu biến Athlete và MileMinDur trong SPSS
Phát biểu giả thuyết thống kê:
Ho: Không phải vận động viên – Vận động viên thể thao = 0
H1 : Không phải vận động viên – Vận động viên ≠ 0
Các bước thực hiện kiểm định Independent-Samples T-Test trong SPSS
Bước 1: Trên thanh công cụ phần mềm SPSS, chọn Analyze > Compare Means > Independent-samples T-test
Bước 2: Cửa sổ Independent-Samples T Test mở ra, bạn sẽ chỉ định các biến sử dụng trong phân tích ở cột phía bên trái và di chuyển đến khu vực Grouping Variable hoặc Test Variable(s) bằng cách chọn và nhấn vào nút mũi tên. Trong đó Grouping Variable là biến phụ thuộc. Trong ví dụ này là biến thời gian – MileMinDur; Test Variable(s) là biến độc lập – Athlete.
Bước 3: Bấm vào nút Options để mở ra một cửa sổ mới, nhập vào độ tin cậy là 95, sau đó bấm Continue để tiếp tục trở về cửa sổ trước.
Bước 4: Chọn Define Groups… để nhập mã số của 2 nhóm (nhập giá trị 0 và 1). Click Continue để trở lại hộp thoại chính > Ok để thực hiện lệnh.
Bước 4: Đọc và phân tích kết quả
Ta sẽ được kết quả ở bảng sau:
- Phân tích kiểm định Levene: giá trị Sig. trong kiểm định Levene (kiểm định F) ở ví dụ này < 0.05 => phương sai của 2 tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances not assumed. (Ngược lại nếu Sig. > 0.05 ta sử dụng kết quả kiểm định t ở dòng Equal variances assumed) => bác bỏ giả thuyết Ho, kết luận rằng phương sai trong thời gian dặm của vận động viên khác biệt đáng kể so với người không phải vận động viên.
- Phân tích Independent-samples T-test: Ta có, chỉ số Sig. (2-tailed) < 0.001 nhỏ hơn mức ý nghĩa α = 0,05 => bác bỏ giả thuyết Ho, thời gian dặm trung bình của vận động viên và người không vận động viên là khác nhau đáng kể.
Kết luận:
[external_link offset=2]Có sự khác biệt đáng kể về thời gian dặm trung bình giữa người không phải vận động viên và vận động viên ( t 315.846 = 15.047, p <.001).
Thời gian dặm trung bình cho vận động viên là 2 phút và 14 giây nhanh hơn thời gian dặm trung bình cho người không phải vận động viên.
Kiểm định Paired-Samples T-Test
Giả sử ta có ví dụ: Hãy kiểm định giả thuyết “Đánh giá của người dùng về Tính thời sự cập nhật và tính xác thực thông tin của báo Sài Gòn tiếp thị là như nhau”.
Phát biểu giả thuyết thống kê:
Ho: “Trung bình tổng thể của Tính thời sự cập nhật và tính xác thực thông tin là như nhau”.
Các bước thực hiện kiểm định Paired-Samples T-Test trong SPSS
Bước 1: Trên thanh công cụ phần mềm SPSS, chọn Analyze > Compare Means > Paired Samples T-Test.
Bước 2: Cửa sổ Paired-Samples T Test mở ra, bạn sẽ chỉ định 2 biến muốn kiểm định trị trung bình ở cột phía bên trái và di chuyển đến khu vực Paired Variables bằng cách chọn và nhấn vào nút mũi tên.
Bước 3: Bấm vào nút Options để mở ra một cửa sổ mới, nhập vào độ tin cậy là 95, sau đó bấm Continue để tiếp tục trở về cửa sổ trước và bấm OK để nhận kết quả.
Bước 4: Đọc và phân tích kết quả
Dựa vào kết quả thu được tại các bảng:
Ta có Sig. (2-tailed) = 0.668 > α = 0.05 => chấpone nhận giả thuyết Ho, tức là Trung bình tổng thể của Tính thời sự cập nhật và tính xác thực thông tin là như nhau.
Trên đây, Luận Văn 2s đã chia sẻ đến bạn đọc tất cả các kiến thức liên quan đến T-Test cũng như hướng dẫn cách kiểm định 3 loại T-Test trong SPSS. Mong rằng bài viết này sẽ hữu ích đối với bạn. Ngoài ra, nếu trong thực hành gặp phải bất kì vấn đề gì, bạn hãy liên hệ ngay với dịch vụ Hỗ trợ phân tích định lượng, xử lý số liệu SPSS của chúng tôi nhé!
