CHƯƠNG 2 PHÂN TÍCH DỮ LIỆU SƠ CẤP VỚI PHẦN MỀM SPSS
2.3. KIỂM ĐỊNH GIẢ THUYẾT
2.3.3. Phân tích phương sai (ANOVA)
Kiểm định T – Test dành cho kiểm định 2 mẫu, nếu trường hợp biến có 3 mẫu vẫn có thể thực hiện Independent-Sample T-Test với 3 cặp so sánh (1-2),(1-3),(2-3), vậy nếu có k mẫu thì số cặp cần so sánh là = k!/[2!(k-2)!]
Tuy nhiên, mỗi lần kiểm định sẽ chấp nhận phạm sai lầm là 5% nghĩa là khả năng phạm sai lầm sẽ tăng theo số lần làm kiểm định (bất hợp lý).
Trong trường hợp này, sử dụng phân tích phương sai Anova sẽ tối ưu hơn vì dù có tiến hành kiểm định trên N mẫu nhưng cũng chỉ với khả năng sai phạm là 5%, do đó có thể nói Anova chính là kiểm định T – Test mở rộng.
- Phương sai 1 yếu tố (One – Way Anova): sử dụng 1 biến yếu tố để phân loại các quan sát thành nhiều nhóm khác nhau.
- Phương sai nhiều yếu tố: sử dụng 2 hay nhiều biến yếu tố để phân loại quan sát thành nhiều nhóm.
Tình huống
Với phát biểu như sau: “có sự khác nhau về việc đánh giá tầm quan trọng giữa yếu tố giới tính đến yếu tố mua sắm của người trả lời”
Từ đó, cần nghiên cứu xem “giới tính” có tác động đến sự quan tâm việc “mua sắm” (C19.2) hay không. Để xác định giả thuyết trên đúng hay sai, thực hiện việc
“Kiểm định” giả thuyết:
H0: “không có sự khác nhau về sự đánh giá giữa yếu tố giới tính và việc quan tâm mua sắm”
H1: “có sự khác nhau về sự đánh giá giữa yếu tố giới tính và việc quan tâm mua sắm”
2.3.3.2. Thực hiện
- Chọn menu Analyze chọn Compare Means chọn lệnh One – Way Anova.
Hình 2-42: Hộp thoại One-Way ANOVA Ý nghĩa hộp thoại One-Way ANOVA
Khung Dependent list: chọn biến phụ thuộc.
Khung Factor: chọn biến nhân tố cần phân loại đối tượng, sử dụng biến có số biểu hiện không dưới 3 và không quá 4.
Chọn nút Options hộp thoại One – Way Anova:Options hiển thị
Hình 2-43: Hộp thoại One-Way ANOVA: Options Ý nghĩa hộp thoại One-Way ANOVA:Options
o Tùy chọn Descriptive: tính đại lượng thống kê mô tả chi tiết cho từng nhóm
o Tùy chọn Homogeneity of variance test: kiểm định sự bằng nhau của các nhóm phương sai.
- Chọn OK.
- Xuất ra cửa sổ output
Hình 2-44: Kết quả kiểm định ANOVA
Giá trị Sig. = 0.038 (3.8%) < α = 0.05 (5%): bác bỏ giả thiết H0 và chấp nhận H1
- Nhận xét kết quả: có sự khác biệt về sự đánh giá giữa tầm quan trọng của yếu tố giới tính và việc quan tâm mua sắm của người trả lời.
Lưu ý: khi bác bỏ H0, phải thực hiện thêm việc phân tích sâu (Post Hoc) để giải quyết cụ thể giả thuyết vừa phân tích trên xảy ra ở nhóm nào và sự khác biệt xảy ra ở đâu.
2.3.3.3. Phân tích sâu Mục đích
Nhằm xác định sự khác nhau về việc đánh giá tại đâu trong các biểu hiện của biến mua sắm, có 2 phương pháp để xác định vị trí sự khác biệt:
- Kiểm định trước (chọn Contrasts…): kiểm định các giả định về sự khác nhau của các trung bình nhóm trước khi thực hiện phân tích Anova.
- Kiểm định sau (chọn Post hoc…): kiểm định các giả định về sự khác nhau của các trung bình nhóm sau khi thực hiện phân tích Anova.
Trong trường hợp này, thực hiện bằng phương pháp kiểm định sau (vì đã thực hiện phân tích Anova) đồng thời phương pháp này tiếp cận gần với phương pháp nghiên cứu thực hơn so với phương pháp kiểm định trước.
Thực hiện phân tích sâu
Trở lại cửa sổ giao diện phân tích Anova chọn nút Post Hoc… hộp thoại One-Way ANOVA: Post Hoc Multiple Comparisons hiển thị.
Hình 2-45: Hộp thoại One-Way ANOVA: Post Hoc Multiple Comparisons Chọn phương pháp kiểm định
- LSD: phương pháp kiểm định T lần lượt cho từng cặp nhóm, có nhược điểm là độ tin cậy sẽ không cao vì nó sẽ gia tăng mức độ phạm sai lầm tương ứng với việc so sánh nhiều nhóm cùng lúc.
- Bonferroni: như phương pháp kiểm định LSD nhưng điều chỉnh được mức ý nghĩa khi tiến hành so sánh bội dựa trên số lần tiến hành so sánh (là thủ tục kiểm định đơn giản nhất và hay được sử dụng).
- Tukey: cũng được sử dụng phổ biến cho việc tìm kiếm các trung bình nhóm, giống như phương pháp kiểm định Bonferroni nhưng hiệu quả hơn khi có thể so sánh số lượng các cặp trung bình khá nhiều.
- Sheffe: kém nhạy hơn trong việc so sánh vì đòi hỏi phải có sự khác biệt lớn giữa các trị trung bình. Và vì thế luôn đưa ra một kết quả kiểm định thận trọng hơn.
- R-E-G-W: thực hiện 2 bước
o Kiểm định lại toàn bộ trị trung bình nhóm xem có bằng nhau hay không.
o Nếu không bằng sẽ kiểm định để tìm các nhóm nào khác biệt thật sự về trị trung bình.
- Dunnett: chọn và so sánh các trị trung bình các nhóm mẫu còn lại với một trị trung bình của một nhóm mẫu cụ thể nào đó (nhóm điều khiển), SPSS thường chọn là nhóm cuối (Last).
Xuất ra cửa sổ output
Hình 2-46: Kết quả kiểm định Post Hoc Tests Nhận xét kết quả
- Dòng Mean Difference: chọn giá trị có dấu (*), dấu (*) xuất hiện trên giá trị 0.277*: nằm trên cột quan tâm nhất và quan tâm ba.
- Giá trị Sig.: có 2 giá trị là 0.026 và 0.207, ta chọn giá trị nhỏ là 0.026 (0.026 < α = 0.05)
Kết luận: cột chứa cặp “quan tâm nhất” và “quan tâm ba” thể hiện khác biệt lớn nhất giữa các cặp nhóm trong phân tích Post hoc.
Nếu tiến hành kiểm định này trên các thủ tục kiểm định khác (Bonfferoni hoặc Tukey) bảng sẽ không xuất hiện dấu (*)