CHƯƠNG 4 KẾ HOẠCH PHÂN TÍCH SỐ LIỆU THỐNG KÊ SUY LUẬN
4.6 Sử dụng SPSS để kiểm định giả thuyết
4.6.12. So sánh một tỷ lệ mẫu với một tỷ lệ quần thể hay tỷ lệ lý thuyết
LẬP KẾ HOẠCH PHÂN TÍCH – MỘT TỶ LỆ
Xét giả thuyết thống kê sau.
H0: tỷ lệ chấn thường ở xương sống cột sống và ở đầu là 37%.
Kế hoạch phân tích của bạn bao gồm những bước sau:
• Khơng có biến độc lập chỉ là một giá trị quần thể
Mô tả mối tương quan
• nếu biến phụ thuộc là danh mục, số đếm và thể hiện phần trăm • khơng cần bảng tóm tắt.
Xác định các kiểm định thống kê
• sử dụng các kiểm định trong bảng 3.2 là kiểm định Khi bình phương một mẫu
Chọn kiểm định thống kê cuối cùng
• các giả định được kiểm tra theo từng phần 4.8. • các đơn vị quan sát độc lập.
• thực hiện kiểm định khi bình phương một mẫu
Viết báo cáo phương pháp
phần các phương pháp của bạn cho kiểm định thống kê này có dạng sau:
Chúng ta sử dụng kiểm định khi bình phương một mẫu để so sánh tỷ lệ chấn thương ở đầu/xương sống, cột sống trong năm 2001 và tỷ lệ chấn thương năm 1997.
SỬ DỤNG SPSS ĐỂ KIỂM ĐỊNH THỐNG KÊ – KIỂM ĐỊNH KHI BÌNH PHƯƠNG MỘT MẪU
1. Từ thanh thực đơn chọn: Analyse - Nonparametric Tests - Chi-Square. Bạn sẽ có
một hộp thoại giống sau:
2. Từ danh sách các biến, đánh dấu biến mà bạn muốn phân tích, trong ví dụ này là
headspin (chấn thương xương sống/cột sống hoặc ở đầu) và chuyển biến đó sang ơ Test Variable List bằng cách kích vào mũi tên.
3. Bây giờ bạn phải chỉ cho SPSS biết tỷ lệ nào mà bạn mong muốn trên cơ sở giá trị quần thể mà bạn muốn sử dụng. Để thực hiện điều này bạn phải đưa giá trị vào ô Expected Values. Giá trị này phải nhỏ hơn 1. Trong ví dụ này giá trị kỳ vọng là 0.37
của tất cả các chấn thương giao thông bao gồm chấn thương đầu và chấn thương
xương sống cột sống. Cho nên, chúng ta mong 0.63 tất cả các chấn thương không bao gồm chấn thương ở đầu và chấn thương cột sống.
4. Thêm tỷ lệ này vào ô Expected Values, bạn nhập số trong ô nhỏ bên cạnh vào từ
Values, sau đó kích vào Add và giá trị này sẽ được chuyển sang ơ lớn phía dưới.
Lưu ý: bạn phải nhập tỷ lệ kỳ vọng tương ứng với các giá trị theo đúng các giá trị
đã được mã. Ví dụ biến headspin đã được mã là 0 nếu không bị chấn thương ở đầu/cột
sống; 1 nếu chấn thương ở đầu/cột sống . Do đó tỷ lệ kỳ vọng phải đuợc nhập là 0.63 là giá trị đầu tiên và 0.37 là giá trị thứ hai. Nếu bạn nhập chúng vào theo chiều ngược lại thì bạn sẽ tiến hành kiểm định giả thuyết sau:
5. Kích OK.
Kết qủa bạn sẽ xuất hiện ở một cửa sổ riêng biệt _ cửa sổ kết qủa. Có dạng giống như sau
KẾT QUẢ
PHIÊN GIẢI
Kiểm định Khi bình phương một mẫu (được biết là kiểm định khi bình phương
cho tính phù hợp) tính toán sự khác nhau giữa giá trị quan sát và giá trị kỳ vọng cho mỗi ô trong bảng và gia quyền theo giá trị kỳ vọng. Giá thống kê là 0.623 và khơng có ý
nghĩa thống kê tại mức ý nghĩa 5% (p < 0.05). Cho nên, kết quả phân tích này sẽ được trình bày như sau:
Tỷ lệ chấn thương ở đầu/cột sống xấp xỉ 36% trong nghiên cứu chấn thương giao thông năm 2001. Tỷ lệ này cũng tương tự như tỷ lệ báo cáo chấn thương giao thông quốc gia năm 1997, trong đó 37% chấn thương ở đầu/ cột sống (χ21 = 0.2, p = 0.623).
Cũng lưu ý rằng giá trị kì vọng của các ô lớn hơn 5. Các giả định cho kiểm định khi bình phương chỉ chấp nhận nếu tất cả giá trị kì vọng của các ơ đều lớn hơn 5 (chú ý, giá trị kì vọng chứ khơng phải giá trị quan sát, vì giá trị quan sát có thể nhỏ tới không).
Điều này cũng không phải lúc nào cũng đúng vì trong thực tế kiểm định khi bình phương
có thể có giá trị khi giá trị kỳ vọng nhận giá trị nhỏ tới mức bằng 2 (với một điều là khơng có nhiều ơ nhỏ hơn 5).
Kiểm định khi bình phương cho tính phù hợp cũng có thể áp dụng cho biến phân loại mà có nhiều hơn hai loại. Ví dụ tỷ lệ (tỷ lệ phần trăm) số nạn nhân tai nạn giao thơng mà có điểm chất lượng sau khi chấn thương là kém, trung bình, và tốt. Rất hiếm khi tìm thấy hai kết quả khác nhau phụ thuộc vào biến đầu ra được phân loại như thế
nào, như ví dụ này là điểm chất lượng cuộc sống. Cần phải biết rằng tất cả các phân
tích của bạn sẽ nhạy cảm với cách mà bạn phân loại biến đầu ra. Bạn phải nắm rõ
các các phân loại trước khi bạn bắt đầu phân tích. Sẽ là không phù hợp nếu như bạn cố gắn tìm ra một điểm nào đó để tạo ra nâng khả năng kiểm định thống kê có ý nghĩa. Do vậy bạn nên định nghĩa và định nghĩa lại các phân loại trong kế hoạch phân tích của mình.