Hướng dẫn sử dụng phần mềm SPSS 16.0 để phân tích, xử lý dữ liệu trong nghiên cứu Marketing

Phần mềm SPSS (nguyên gốc là từ viết tắt của Statistical Package for Social Sciences) được dùng để phân tích các kết quả điều tra trong nhiều lĩnh vực từ xã hội, giáo dục, kinh tế, dịch vụ, marketing, nông nghiệp, y khoa… Ngày nay SPSS for Windows đã trở thành một trong những phần mềm phân tích số liệu thống kê hiệu quả, phổ biến nhất và được nhiều nhà nghiên cứu sử dụng đểphân tích dữ liệu trong nghiên cứu khoa học.Phần mềm SPSS dễ dàng cài đặt cho mọi cấu hình của máy vi tính, với dung lượng thấp người sử dụng không cần đến một máy vi tính có cấu hình thật mạnh. Việc cài đặt SPSS đơn giản và tương tự như một số phần mềm ứng dụng khác.Nhà nghiên cứu sử dụng chương trình SPSS trong máy vi tính để thực hiện các kỹ thuật thống kê, nhưng việc làm cho các con số thống kê có ý nghĩa lại phụ thuộc vào cách diễn giải kết quả, suy diễn và dự đoán để giải quyết mục tiêu của vấn đề nghiên cứu.

GIỚI THIỆU VÀ THIẾT KẾ BẢNG CÂU HỎI

Phần mềm SPSS (nguyên gốc là từ viết tắt của Statistical Package for Social Sciences) được dùng

để phân tích các kết quả điều tra trong nhiều lĩnh vực từ xã hội, giáo dục, kinh tế, dịch vụ, marketing, nông nghiệp, y khoa… Ngày nay SPSS for Windows đã trở thành một trong những phần mềm phân tích số liệu thống kê hiệu quả, phổ biến nhất và được nhiều nhà nghiên cứu sử dụng để phân tích dữ liệu trong nghiên cứu khoa học

Phần mềm SPSS dễ dàng cài đặt cho mọi cấu hình của máy vi tính, với dung lượng thấp người sử dụng không cần đến một máy vi tính có cấu hình thật mạnh Việc cài đặt SPSS đơn giản và tương tự như một số phần mềm ứng dụng khác

Nhà nghiên cứu sử dụng chương trình SPSS trong máy vi tính để thực hiện các kỹ thuật thống kê, nhưng việc làm cho các con số thống kê có ý nghĩa lại phụ thuộc vào cách diễn giải kết quả, suy diễn và dự đoán để giải quyết mục tiêu của vấn đề nghiên cứu

1 LÀM QUEN VỚI SPSS

Khởi động SPSS từ biểu tượng của chương trình trên Desktop hoặc từ Star/Program/SPSS

SPSS có 2 cửa sổ làm việc: Cửa sổ dữ liệu (Dataset) và Cửa sổ kết quả xử lý (Output)

- Cửa sổ dữ liệu có 2 giao diện: Giao diện mã hoá dữ liệu (Variable View) và Giao diện nhập liệu

(Data View) Thay đổi giao diện bằng cách nhấp chuột chọn ở gốc trái bên dưới màn hình, hoặc bấm tổ hợp phím Ctrl+T

Thành phần Menu của cửa sổ dữ liệu bao gồm:

File: giúp tạo tập tin SPSS mới, mở tập tin có sẵn, lưu, thoát …

Edit: xác lập các mặc định của chương trình (Option), cắt, dán, tìm kiếm, thay thế…

View: cho hiện dòng trạng thái, thanh công cụ, font chữ, giá trị nhập vào hay nhãn ý nghĩa

Data: bao gồm các lựa chọn chèn thêm biến, tìm nhanh một quan sát, sắp xếp thứ tự quan sát, chia

và ghép tập tin…

Transform: gồm các lệnh tính toán, chuyển đổi và mã hoá lại biến …

Analyze: chứa các công cụ phân tích số liệu như: thống kê mô tả, phân tích bảng chéo, các kiểm định tham số và phi tham số, phân tích tương quan và hồi quy …

Graphs: bao gồm các công cụ liên quan đến biểu đồ và đồ thị

Utilities: tìm hiểu thông tin về các biến, tập tin…

Windows: sắp xếp và di chuyển giữa các cửa sổ làm việc của SPSS

- Cửa sổ kết quả (Output): chứa các kết quả xử lý số liệu, biểu đồ …

2 THIẾT KẾ BẢNG CÂU HỎI

2.1 Số đo và thang đo

Đánh dấu bằng số hay các ký hiệu để mô tả đặc điểm của đối tượng nghiên cứu (sự chấp nhận, thái

độ, thị hiếu) theo một qui luật cụ thể nào đó Mô tả bằng số cho phép phân tích dữ liệu bằng phương pháp thống kê và truyền đạt kết quả một cách dễ dàng Có 4 loại thang đo chính được sử dụng trong nghiên cứu Marketing: thang đo biểu danh, thang đo tỷ lệ, thang đo thứ tự và thang đo khoảng

Thang đo biểu danh (danh nghĩa) (Nominal scale)

Là thang đo sử dụng các con số đánh dấu (mã số) để phân loại đối tượng hoặc sử dụng như ký hiệu

để phân biệt và nhận dạng đối tượng Thang đo biểu danh hay thang đo danh nghĩa không có ý nghĩa về mặt lượng mặc dù nó được ký hiệu bằng các con số

Trong nghiên cứu Marketing, thang đo biểu danh dùng để nhận dạng, xếp loại đối tượng được phỏng vấn (giới tính, nghề nghiệp, tôn giáo,…), tên sản phẩm, phẩm chất, và các đối tượng khác

Ví dụ:Vui lòng cho biết hiện gia đình anh (chị) đang sử dụng loại chất đốt nào?

(1) Củi (2) Than đá (3) Dầu (4) Gas

Thang đo thứ tự (Ordinal scale)

Là thang đo thể hiện sự xếp hạng, thể hiện mối quan hệ so sánh thứ tự giữa các loại đối tượng để chỉ ra phạm vi liên hệ đến một đặc tính nào đó Thang đo này cũng không có ý nghĩa về mặt lượng (không cho biết nhiều hơn hay ít hơn bao nhiêu, chỉ cho biết cấp độ chênh lệch) Ví dụ: Vui lòng xếp thứ tự các loại chất đốt mà anh (chị) ưa thích?

Là thang đo cũng có thể dùng để xếp hạng các đối tượng nghiên cứu nhưng khoảng cách bằng nhau trên thang đo đại diện cho khoảng cách bằng nhau trong đặc điểm của đối tượng Một thang đo khoảng chứa đựng tất cả thông tin trong thang đo thứ tự nhưng nó cũng cho phép só sánh sự khác biệt giữa các đối tượng Ví dụ: sự khác biệt giữa “3” và “4” thì bằng sự khác biệt giữa “1” và “2”, hoặc sự khác biệt giữa “2” và “4” thì gấp đôi sự khác biệt giữa “1” và “2”

Thang đo tỷ lệ (Ratio scale)

Là loại thang đo cao nhất, nó chứa đựng tất cả nội dung của thang đo biểu danh, thang đo thứ tự và thang đo khoảng Trong thang đo tỷ lệ, ta có thể nhận dạng hoặc phân loại đối tượng, xếp hạng đối tượng và so sánh sự khác biệt Thang đo tỷ lệ không chỉ cho biết sự khác biệt giữa 2 và 5 thì bằng

sự khác biệt giữa giữa 14 và 17 mà nó còn cho biết thêm 14 thì gấp 7 lấn của 2

2.2 Tiến trình thiết kế bảng câu hỏi

Thiết kế bảng câu hỏi là một kỹ năng đòi hỏi thông qua kinh nghiệm, và nó còn là một nghệ thuật Thiết kế bảng câu hỏi là một quá trình bao gồm 10 bước:

Bước 1: Xác định những thông tin cần thiết

Bước 2: Xác định hình thức phỏng vấn, thu dữ liệu

Bước 3: Xác định nội dung các câu hỏi cần thiết

Bước 4: Thiết kế câu hỏi để khắc phục trường hợp đáp viên không sẵn lòng trả lời

Bước 5: Quyết định cấu trúc câu hỏi (đóng, mở)

Bước 6: Quyết định từ ngữ sử dụng trong câu hỏi

Bước 7: Sắp xếp câu hỏi theo thứ tự hợp lý

Bước 8: Xác định hình thức bảng câu hỏi

Bước 9: Hoàn chỉnh bảng câu hỏi

Bước 10: Điều tra thử bảng câu hỏi

Các thuộc tính của biến bao gồm:

- Tên biến (Name): ngắn gọn cho biết đang đề cập đến câu hỏi nào trong bảng câu hỏi Độ dài tối đa là 8 ký tự, không sử dụng dấu cách hoặc các ký hiệu đặc biệt (như !, ?, *, và ‘) Tên biến không được trùng lặp

- Loại dữ liệu (Type): mặc định là dạng số, có thể thay đổi định dạng biến ở phần Variable Type

- Số lượng con số hoặc chữ (With) tối đa có thể nhập vào, có thể thay đổi trong hộp Variable Type ở trên

- Số lượng chữ số thập phân (Decimals), có thể thay đổi trong hộp Variable Type ở trên

- Nhãn biến (Lable): mô tả chi tiết cho tên biến, có thể dài đến 256 ký tự, có thể dùng ký hiệu đặc biệt

- Nhãn trị số của biến (Value): dùng để mô tả cho từng trị số của biến (ví dụ mã số 1 đại diện cho nhóm nam và 2 đại diện cho nữ)

- Trị số khuyết thiếu (Missing): định nghĩa các trị số như là khuyết thiếu của người sử dụng để giúp phân biệt trị số khuyết thiếu do đáp viên từ chối trả lời hay do câu hỏi đó không áp dụng đối với người này Các trị số được chỉ định là khuyết thiếu của người sử dụng được đánh dấu để SPSS có thể nhận ra trong các phép tính toán

4 MỘT SỐ XỬ LÝ TRÊN BIẾN

4.1 Mã hóa lại biến

Trong quá trình phân tích dữ liệu người làm nghiên cứu đôi khi sẽ phải mã hoá lại biến để sử dụng cho nhiều mục đích khác nhau, và trường hợp đơn cử nhất là:

Khi nhà nghiên cứu muốn chuyển một biến định lượng (thang đo tỷ lệ) sang một biến định tính (thang đo biểu danh hay thứ tự)

Ví dụ: Khi thu thập thông tin về độ tuổi của bệnh nhân, chúng ta sử dụng thang đo tỷ lệ (dùng chính xác số tuổi của bệnh nhân: 52, 67, hay 81 tuổi…) Đến khi xử lý số liệu, nhà nghiên cứu lại muốn sử dụng nhóm tuổi để phân tích và viết báo cáo:

1 Vào menu Transform  Recode into Different Variables…

Nếu chúng ta chọn Recode into Same Variables… thì biến cũ (số tuổi chính xác) sẽ mất đi

và được thay thế bằng một biến mới với các biểu hiện mới (là nhóm tuổi)

Thông thường ta sẽ chọn Recode into Different Variables… để tạo ra biến mới mà vẫn giữ

lại biến cũ

2 Xuất hiện hộp thoại sau:

3 Đưa biến cần mã hoá lại từ khung chứa bộ biến sang khung Numeric Variable -> Output Variable

4 Tại khung Output Variable, khai báo tên và nhãn cho biến mới  Click chọn Change để thực hiện thay biến

5 Tiếp tục thay đổi giá trị của biến bằng cách click chọn Old and New Values…, mở hộp thoại sau:

6 Ta lần lượt khai báo giá trị cũ bên tay trái (Old Value) thành giá trị mới bên tay phải (New

Value)  Click chọn Add sau mỗi lần khai báo Với giá trị cũ có các dạng sau đây:

- Value: từng giá trị cũ rời rạc

- System-missing: giá trị khuyết hệ thống

- System or user missing: giá trị khuyết của hệ thống hoặc do người sử dụng định nghĩa

- Range: một khoảng giá trị (từ … đến … / range: … through: …)

- Range, LOWEST through value: một khoảng giá trị từ giá trị nhỏ nhất đến một giá trị được nhập vào

- Range, value through HIGHEST: một khoảng giá trị từ giá trị nhập vào đến giá trị lớn nhất

7 Chọn Continue trở về hộp thoại trước, và chọn OK để hoàn tất kệnh

8 Khai báo value cho biến vừa tạo tại ô Value của cửa sổ Variable View như hình sau:

Tiếp tục thực hiện các phép thống kê mô tả hay kiểm định dựa trên biến mới vừa tạo nhằm phục vụ

cho mục tiêu nghiên cứu

4.2 Làm sạch dữ liệu

Dữ liệu sau khi nhập xong có thể có sai sót do trong quá trình nhập liệu, nên việc làm sạch dữ liệu

là rất cần thiết Có nhiều phương thức để làm sạch dữ liệu như: tìm ngay trên cửa sổ Data View, dùng bảng tần số đơn giản, hay bảng phối hợp 2 hay 3 biến… Trong những cách trên, việc lập bảng tần số để phát hiện lỗi trong quá trình nhập liệu là đơn giản nhất và hiệu quả cao

Khi tiến hành lập bảng tần số (bằng lệnh Frequency – xem them phần tính tần số), có bảng kết quả như sau:

Nhập giá trị 12 vào ô Find rồi click chọn Find next thì vị trí chứa giá trị lỗi 12 xuất hiện trên màn hình Truy ngược lại số thứ tự bảng câu hỏi để chỉnh sửa lại cho đúng

4.3 Tính toán giá trị biến mới từ biến có sẵn

Có thể sử dụng SPSS để cộng, trừ, nhân chia các biến đã có sẵn để trở thành 1 biến mới (thủ tục TransformCompute) Tuy nhiên biến mới được tính toán này không tự động thay đổi nếu ta thay đổi các biến thành phần như công cụ tính toán trong Excel Vì vậy, thủ tục tính toán này thường được tiến hành sau khi đã chỉnh lý dữ liệu

Thủ tục tính toán này được sử dụng khá nhiều trong phân tích số liệu Đặc biệt đối với những đề tài

có sử dụng phân tích nhân tố để gom nhóm

CÁCH THỨC TIẾN HÀNH LỆNH FREQUENCIES

TÍNH TẦN SỐ

Tính tần số được áp dụng cho những câu hỏi sử dụng thang đo biểu danh hoặc thứ tự (biến định tính) để đếm số lần và tính tỷ lệ xuất hiện của các biểu hiện Thao tác thực hiện trong SPSS như sau:

1 Sau khi mở file dữ liệu, vào menu Analyze  Descriptive Statistics  Frequencies

Màn hình sẽ xuất hiện hộp thoại sau:

2 Chọn biến muốn tính tần số (biến Place V1) bằng cách click chuột vào tên biến rồi đưa sang khung Variable(s)

3 Click Ok Trường hợp muốn vẽ biểu đồ thực hiện thêm bước 4 trước khi click Ok

Vẽ biểu đồ

4 Để vẽ biểu đồ click chuột vào ô Charts… Chọn dạng biểu đồ ở Chart type, chọn giá trị thể hiện trên biểu đồ là số đếm (frequencies) hay phần trăm (percentages) Click Continue để trở lại hộp thoại Frequencies  Ok để thực hiện lệnh

TÍNH TRỊ TRUNG BÌNH (2 CÁCH)

CÁCH 1 DÙNG LỆNH FREQUENCY

1 Vào menu Analyze  Descriptive Statistics  Frequencies Đưa biến cần tính trị trung bình vào ô variables như bước 1 và 2 ở phần trước

2 Click chọn thẻ Statistic, mở hộp thoại, và click chọn các thông số cần thiết:

3 Ý nghĩa một số thông số thông dụng:

CÁCH 2 DÙNG LỆNH DESCRIPTIVES

1 Vào menu Analyze  Descriptive Statistics  Descriptives…, xuất hiện hộp thoại

2 Chọn 1 hay nhiều biến (định lượng) muốn tính điểm trung bình đưa vào khung Variable(s)

3 Click vào ô Options… để xuất hiện hộp thoại Descriptive Options Chọn các đại lượng thống kê muốn tính toán bằng cách click vào ô vuông cần thiết

4 Chọn cách sắp xếp kết quả tính toán theo thứ tự danh sách biến (Variable list), thứ tự Alphabetic của nhãn biến, thứ tự tăng dần (Ascending list), và thứ tự giảm dần (Descending list)

5 Click Continue để trở về hộp thoại Descriptive  Ok để thực hiện lệnh

CÁCH THỨC TIẾN HÀNH PHÂN TÍCH BẢNG CHÉO

(CROSSTABULATION)

Phân tích bảng chéo dùng để kiểm định mối quan hệ giữa các biến định tính với nhau bằng cách dùng kiểm định Chi – bình phương (Chi-square) Cách thức tiến hành với SPSS như sau:

1 Vào menu Analyze  Descriptive Statistics  Crosstabs…,

2 Xuất hiện hộp thoại sau:

3 Chọn và đưa các biến vào khung Row(s) (dòng) và Column(s) (cột) và Layer 1 of 1 (đối với trường hợp trên 2 biến)

4 Click vào ô Statistics, xuất hiện hộp thoại sau:

5 Chọn các kiểm định cần thiết Trong trường hợp này ta dùng kiểm định Chi – bình phương (Chi-square)

- Các kiểm định ở ô Norminal dùng để kiểm định mối liên hệ giữa các biến biểu danh

- Các kiểm định ở ô Ordinal dùng để kiểm định mối liên hệ giữa các biến thứ tự

6 Click vào continue để trở lại hộp thoại Crosstabs  Click vào ô Cells, hộp thoại sau xuất hiện:

7 Ở ô Counts chọn Observed (thể hiện tần số quan sát) Trong trường hợp muốn thể hiện tần số mong đợi chọn Expected

8 Chọn cách thể hiện phần trăm theo dòng hay theo cột ở ô Percentages

9 Click Continue để trở lại hộp thoại Crosstabs  Ok để thực hiện lệnh

CÁCH ĐỌC KẾT QUẢ KIỂM ĐỊNH

Khi thực hiện kiểm định, ta có 2 giả thuyết

H0: không có mối quan hệ giữa các biến

H1: có mối quan hệ giữa các biến

Để kết luận là chấp nhận hay bác bỏ giả thuyết H0, ta sẽ dùng các kiểm định phù hợp

Dựa vào giá trị P (p-value) (SPSS viết tắt p-value là sig.) để kết luận là chấp nhận hay bác

bỏ giả thuyết H0

p-value (sig.) ≤ α (mức ý nghĩa)  bác bỏ giả thuyết H0 Có nghĩa là có mối quan hệ

có ý nghĩa giữa các biến cần kiểm định

p-value (sig.) > α (mức ý nghĩa)  chấp nhận H0 Không có mối quan hệ giữa các biến cần kiểm định

ĐỐI VỚI KIỂM ĐỊNH CHI – BÌNH PHƯƠNG

Hàng đầu tiên của bảng Chi-square tests thể hiện giá trị P

a 8 cells (44.4%) have expected count less than 5 The minimum expected count is 1.69

Cuối bảng Chi-Square tests SPSS sẽ đưa ra dòng thông báo cho biết % số ô có tần suất mong đợi dưới 5 Kiểm định Chi-bình phương chỉ có ý nghĩa khi số quan sát đủ lớn, nếu có quá 20% số ô trong bảng chéo có tần số lý thuyết nhỏ hơn 5 thì giá trị chi-bình phương không còn đáng tin cậy

Trong ví dụ trên có đến 44.4% số ô có tần số mong đợi dưới 5, biện pháp cho trường hợp này là ta sẽ gom các biểu hiện trên các biến lại để tăng số quan sát trong mỗi nhóm

p-value

KIỂM ĐỊNH CHI – BÌNH PHƯƠNG MỘT MẪU

(KIỂM ĐỊNH PHI THAM SỐ)

Ví dụ: nhà nghiên cứu muốn xem xét lý do vào viện của bệnh nhân có như nhau hay không Với những lý do như sau:

1 Đau hạ vị

2 Ra huyết âm đạo bất thường

3 Tự sờ thấy u

4 Siêu âm phát hiện

Ta giả định rằng, nếu xác suất lý do vào viện là như nhau thì xác suất xảy ra của mỗi

lý do vào viện bằng 1/4 Với tổng số quan sát là 88 bệnh nhân, thì xác suất xảy ra của mỗi lý

do = 1/4 x 88 = 22 trường hợp nhập viện

Với giả thuyết H0: xác suất lý do vào viện của bệnh nhân là như nhau, ta sẽ thực hiện kiểm định Chi – bình phương 1 mẫu

1 Từ menu Analyze  Nonparametric Tests  Chi-square…, mở hộp thoại sau:

2 Đưa biến cần kiểm định sang khung Test Variable List  Click chọn OK để hoàn tất lệnh

3 Kết quả xuất hiện ở cửa sổ Output như sau:

Asymp Sig .000

a 0 cells (.0%) have expected frequencies less than 5 The minimum expected cell frequency

is 22.0

Không sử dụng bảng số liệu từ cửa sổ kết quả SPSS để trình bày báo cáo, nhà nghiên cứu sẽ lập lại bảng theo mục đích và cách thức trình bày báo cáo như sau:

Kết hợp với kết quả phân tích tần số thông thường, ta có bảng kết quả sau

Kết quả cho thấy giá trị p < α, nên ta bác bỏ giả thuyết H0 Ta kết luận rằng lý do nhập viện của bệnh nhân là khác nhau và phần lớn bệnh nhân vào viện là do đau hạ vị (78.4%), tiếp theo là do ra huyết âm đạo (14.8%), trong khi số bệnh nhân vào viện do tự sờ thấy khối u hay do siêu âm phát hiện là ít nhất (3.4%)

p-value

CÁCH THỨC TIẾN HÀNH KIỂM ĐỊNH GIẢ THUYẾT VỀ TRỊ TRUNG BÌNH

CỦA 2 TỔNG THỂ ĐỘC LẬP (Independent Samples T-test)

1 Vào menu Analyze  Compare Means  Independent-samples T-test

2 Chọn biến định lượng cần kiểm định trị trung bình đưa vào khung Test Variable(s) Chọn biến định tính chia số quan sát thành 2 nhóm mẫu để so sánh giữa 2 nhóm này với nhau đưa vào khung Grouping Variable

3 Chọn Define Groups… để nhập mã số của 2 nhóm Click Continue để trở lại hộp thoại chính  Click Ok để thực hiện lệnh

Trong kiểm định Independent-samples T-test, ta cần dựa vào kết quả kiểm định sự bằng nhau của 2 phương sai tổng thể (kiểm định Levene) Phương sai diễn tả mức độ đồng đều hoặc không đồng đều (độ phân tán) của dữ liệu quan sát

Independent Samples Test

A.Cleanliness and comfort of

room Equal

variances assumed

Equal variances not assumed

Levene's Test for Equality of

Nếu Sig của kiểm định t ≤ α (mức ý nghĩa)  có sự phác biệt có ý nghĩa về trung bình của 2 tổng thể

Nếu Sig > α (mức ý nghĩa)  không có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể

Trong VD trên sig = 0.002 < 0.05  có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể

ỨNG DỤNG TRONG Y HỌC

NHAU HAY KHÔNG

CÁCH THỨC TIẾN HÀNH KIỂM ĐỊNH GIẢ THUYẾT VỀ TRỊ TRUNG BÌNH

CỦA 2 TỔNG THỂ PHỤ THUỘC HAY PHỐI HỢP TỪNG CẶP

(Paired-Samples T-test)

1 Vào menu Analyze  Compare means  Paired-samples T-test

2 Chọn cặp biến muốn so sánh (nhấn giữ phím ctrl để chọn 2 biến) đưa vào khung Paired Variable(s) Có thể chọn nhiều cặp để so sánh cùng 1 lúc

3 Có thể chỉnh lại độ tin cậy bằng cách click vào ô Option, nhập độ tin cậy vào khung Confidence Interval

4 Click Ok để thực hiện lệnh

5 Xem cách đọc kết quả kiểm định ở phần trên Cũng dùng giá trị Sig

ỨNG DỤNG TRONG Y HỌC

KHÁC NHAU HAY KHÔNG

CÁCH THỨC TIẾN HÀNH PHÂN TÍCH PHƯƠNG SAI

(ANOVA – Analysis of Variance)

Phân tích phương sai ANOVA là phương pháp so sánh trị trung bình của 3 nhóm trở lên Có 2 kỹ thuật phân tích phương sai: ANOVA 1 yếu tố (một biến yếu tố để phân loại các quan sát thành các nhóm khác nhau) và ANOVA nhiều yếu tố(2 hay nhiều biến để phân loại) Ở phần thực hành cơ bản chỉ đề cập đến phân tích phương sai 1 yếu tố (One-way ANOVA)

Một số giả định đối với phân tích phương sai một yếu tố:

- Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên

- Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn

- Phương sai của các nhóm so sánh phải đồng nhất

1 Từ menu Analyze  Compare Means  One-Way ANOVA, xuất hiện hộp thoại sau:

2 Đưa biến định lượng (trị trung bình) vào khung Dependent list

Đưa biến phân loại xác định các nhóm cần so sánh với nhau vào khung Factor

3 Click vào nút Option để mở hộp thoại One-Way ANOVA Options

Trong hộp thoại One-way ANOVA Options:

- Click chọn ô Descriptive để tính đại lượng thống kê mô tả (tính trị trung bình) theo từng nhóm so sánh

- Click chọn ô Homogeneity of variance test để kiểm định sự bằng nhau của các phương sai nhóm (thực hiện kiểm định Levene)

2 kỹ thuật dùng để kiểm định sâu ANOVA

4 Click chọn Continue để trở lại hộp thoại ban đầu  click Ok để thực hiện lệnh

5 Dựa vào kết quả kiểm định ANOVA, nếu H0 được chấp nhận thì kết luận không có

sự khác biệt có ý nghĩa giữa các nhóm với nhau Nếu H0 bị bác bỏ  có sự khác biệt

có ý nghĩa giữa các nhóm  trở lại hộp thoại One – way ANOVA để thực hiện kiểm định sâu ANOVA nhằm xác định cụ thể trung bình của nhóm nào khác với nhóm nào, nghĩa là tìm xem sự khác biệt của các nhóm xảy ra ở đâu

6 Tuy nhiên có thể thực hiện kiểm định ANOVA và sâu ANOVA cùng lúc với nhau Dựa vào sự chấp nhận hay bác bỏ giả thuyết H0 để quan tâm hay không quan tâm đến kết quả kiểm định sâu ANOVA

Phân tích sâu ANOVA – Xác định chỗ khác biệt

Có 2 phương pháp để phân tích sâu ANOVA, đó là kiểm định “trước” (kiểm định Priori Contrasts) và kiểm định “sau” (kiểm định Post-Hoc test) Phương pháp kiểm định gần với phương pháp nghiên cứu thực là Post-Hoc test Nên trong phần này ta sẽ sử dụng Post-Hoc test để thực hiện kiểm định sâu ANOVA nhằm tìm ra chỗ khác biệt

Các phương pháp kiểm định thống kê của Post-Hoc test thường được sử dụng:

- LSD: đây là phép kiểm định dùng kiểm định t lần lượt cho từng cặp trung bình

nhóm, do vậy nhược điểm của nó là độ tin cậy không cao vì làm gia tăng mức độ phạm sai lầm tương ứng với việc so sánh nhiều nhóm cùng một lúc

- Bonferroni: giống quy tắc của LSD nhưng điều chỉnh được mức ý nghĩa khi tiến

hành so sánh bội dựa trên số lần tiến hành so sánh Đây là một trong những thủ

tục kiểm định đơn giản nhất và hay được sử dụng cho mục tiêu này

- Tukey: cũng được sử dụng phổ biến cho việc tìm kiếm các trung bình các nhóm

khác biệt Nó sử dụng bảng phân phối Studentizze range distribution Tukey hiệu

quả hơn Bonferroni khi số lượng các cặp trung bình cần so sánh khá nhiều

- R-E-G-W: thực hiện 2 bước kiểm định, đầu tiên tiến hành kiểm định lại toàn bộ

các giá trị trung bình nhóm xem có bằng nhau không; nếu không bằng thì bước kế tiếp nó sẽ kiểm định để tìm các nhóm nào khác biệt thật sự với nhau về trị trung

bình Nhưng kiểm định này không phù hợp khi kích cỡ các nhóm mẫu không

bằng nhau

- Dunnett: là thủ tục cho phép chọn so sánh các trị trung bình của các nhóm mẫu

còn lại với trị trung bình của một nhóm mẫu cụ thể nào đó được chọn ra so sánh

(nhóm điều khiển), SPSS mặc định chọn nhóm cuối (last) để làm nhóm điều

khiển

Sử dụng kiểm định nào là tuỳ thuộc vào mục đích của nhà nghiên cứu và tình hình thực tế nghiên cứu

Đọc kết quả phân tích phương sai

1 Bảng đầu tiên thể hiện các đại lượng thống kê mô tả

Minimum Maximum

Lower Bound

Upper Bound

Test of Homogeneity of Variances

Willingness to introduce

Levene Statistic df1 df2 Sig

3 Bảng thứ 3 thể hiện kết quả kiểm định ANOVA Trong VD này sig = 0.089 < mức ý nghĩa 0.1  bác bỏ giả thuyết H0  có sự khác biệt có ý nghĩa về giá trị trung bình của mức độ sẵn lòng giới thiệu của các nhóm tình trạng hôn nhân

95% Confidence Interval Lower Bound Upper Bound Single Married/Living with partner -.167* .068 015 -.30 -.03

* The mean difference is significant at the 0.05 level

Dựa vào kết quả kiểm định LSD này, ta có thể kết luận chỉ có hai nhóm đã kết hôn và độc thân là có sự khác nhau về mức độ sẵn lòng giới thiệu Trong VD này nhóm đã kết hôn

sẽ sẵn lòng giới thiệu hơn nhóm độc thân (xem bảng thống kê mô tả)

XỬ LÝ CÂU HỎI NHIỀU LỰA CHỌN

1 MÃ HOÁ

Trong quá trình nghiên cứu, có những câu hỏi cho phép người trả lời chọn nhiều hơn

1 lựa chọn Ví dụ: câu hỏi về tiền sử phẫu thuật, bệnh nhân có thể cùng một lúc có nhiều phẩu thuật trước đây Đây được gọi là câu hỏi nhiều lựa chọn

1 Cắt viêm ruột thừa

Đối với câu hỏi nhiều lựa chọn, mỗi một lựa chọn sẽ được mã hoá thành 1 biến Theo

ví dụ trên ta sẽ mã hoá thành 6 biến

Cách thức khai báo Value: có 2 cách thức

- Cách 1: dùng dạng câu hỏi phân đôi Có – Không (Dạng biến Dichotomy)

- Cách 2: dùng chính số thứ tự của biến để mã hoá Nếu bệnh nhân nào có tiền sử cắt viêm ruột thừa sẽ nhập vào số 1, có tiền sử mổ lấy thai sẽ nhập vào số 2 (Dạng biến Category)