So sánh T-Test
T test và anova có cùng mục đích là kiểm định sự khác biệt về giá trị trung bình giữa các nhóm được test. Cụ thể ở đây là Independent sample t test và Oneway anova. Ví dụ cần sử dụng t test và anova để kiểm định Ví dụ 1 :Cần kiểm định về sự Hài Lòng trong công việc giữa hai nhóm giới tính Nam/Nữ. Mục đích là xem nhóm giới tính nào hài lòng trong công việc hơn, nghĩa là nhóm đó có điểm trung bình về Hài Lòng cao hơn nhóm còn lại Sự khác nhau giữa t test và anova: T test chỉ kiểm định được cho biến có hai nhóm quan sát, còn anova kiểm định được cho biến có từ 2 biến quan sát trở lên, ví dụ 2 3 4 5 nhóm Sự giống nhau giữa t test và anova: Cả hai loại thống kê này đều dùng để kiểm định giá trị trung bình. Nếu biến cần kiểm định chỉ có hai nhóm quan sát thì có thể áp dụng t test hoặc anova để kiểm định, giá trị kết quả hiển thị sẽ giống y hệt nhau. Independent Samples T-Test dùng tương tự như phân tích ANOVA, tuy nhiên hạn chế là chỉ so sánh được 2 nhóm với nhau. Ví dụ dùng so sánh có sự khác biệt giữa các nhóm giới tính( nam, nữ) với sự hài lòng(thang đo likert 5 điểm) hay không. Nhóm MBA giới thiệu cách thức làm bằng thao tác hình ảnh minh họa, và bằng video. CÁCH THỨC TIẾN HÀNH KIỂM ĐỊNH GIẢ THUYẾT VỀ TRỊ TRUNG BÌNH CỦA 2 TỔNG THỂ ĐỘC LẬP (Independent Samples T-test) Ví dụ này so sánh có sự khác biệt về sự Hài Lòng giữa hai nhóm Tuổi ( <30 , >30) hay không. Ta có hai biến là biến HAILONG và biến DOTUOI Vào menuAnalyze -> Compare Means -> Independent-samples T-test 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. 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. Nếu giá trị Sig. trong kiểm định Levene (kiểm định F) < 0.05 thì phương sai của 2 tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances not assumed. Nếu Sig. 0.05 thì phương sai của 2 tổng thể không khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances assumed. Trong ví dụtrên Sig. của kiểm định F = 0.494 > 0.05 ->chấp nhận giả thuyết H0: không có sự khác nhau về phương sai của 2 tổng thể -> sử dụng kết quả ở dòng Equal variances assumed. Nếu Sig. của kiểm định t α (mức ý nghĩa) -> có sự khác 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 ví dụ trên sig. = 0.291 > 0.05 -> không có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. Video hướng dẫn thao tác: https://youtu.be/mEtQnWiyuIA One way anova là gì? Phân tích phương sai một yếu tố ( còn gọi là oneway anova) dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%. Bài này sẽ đề cập về lý thuyết, thực hành từng bước phân tích phương sai một yếu tố anova, cách diễn giải kết quả, ý nghĩa các chỉ số trong anova. Một số giả định khi phân tích ANOVA: Lý thuyết Kết quả kiểm định gồm hai phần: Phần 1: Levene test: dùng kiểm định phương sai bằng nhau hay không giữa các nhóm Ho: Phương sai bằng nhau Sig <= 0.05: bác bỏ Ho Sig >0.05: chấp nhận Ho ->đủ điều kiện để phân tích tiếp anova Phần 2: ANOVA test:Kiểm định anova Ho: Trung bình bằng nhau Sig <=0.05: bác bỏ Ho -> đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc Sig >0.05: chấp nhận Ho -> chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc Khi có sự khác biệt thì có thể phân tích sâu hơn để tìm ra sự khác biệt như thế nào giữa các nhóm quan sát bằng các kiểm định Tukey, LSD, Bonferroni, Duncan như hình dưới. Kiểm định sâu anova gọi là kiểm định Post-Hoc Cách thực hiện Phân tích anova : vào menu Analyze -> Compare Means -> One-Way ANOVA Bấm vào option chọn Homegenety of variance test để kiểm định phương sai đồng nhất. Nếu muốn kiểm định Post hoc thì ấn vào nút Post hoc để kiểm định sâu sau anova, bảng sau xuất hiện và chọn một trong những kiểm định posthoc:Tukey, LSD, Bonferroni, Duncan Kết quả ANOVA ra như sau Cách phân tích kết quả anova Viết tắt: F_BI Buying Intention:dự định mua hàng, Age:nhóm tuổi. Kết quả này cho biết phương sai củadự định mua hàngcó sự khác biệt giữa cácnhóm tuổihay không. Nghĩa là phương sai củadự định mua hàngcủa nhóm tuổi này có khác phương sai củadự định mua hàngcủa nhóm tuổi kia hay không? Sig của thống kê Levene = 0.207 (>0.05) nên ở độ tin cậy 95% giả thuyết H0: Phương sai bằng nhau được chấp nhận, và bác bỏ giả thuyết H1: Phương sai khác nhau. Và do đó kết quả phân tích ANOVA có thể sử dụng. Kết quả phân tích ANOVA với mức ý nghĩa0.239> 0.05, như vậy với dữ liệu quan sát chưa đủ điều kiện để khẳng định có sự khác biệt về dự định mua hàng giữa các nhóm tuổi. |