CHƯƠNG 2 PHÂN TÍCH DỮ LIỆU SƠ CẤP VỚI PHẦN MỀM SPSS
2.3. KIỂM ĐỊNH GIẢ THUYẾT
2.3.2. Kiểm định về trị trung bình (T – Test)
2.3.2.2. Kiểm định trên hai tổng thể
Áp dụng cho 2 mẫu độc lập: biến định lượng và biến định tính.
Áp dụng cho 2 mẫu phụ thuộc: 2 biến định lượng.
- Giả thiết
H0: không có sự khác biệt có ý nghĩa giữa các trị trung bình của 2 mẫu.
H1: có sự khác biệt có ý nghĩa giữa các trị trung bình của 2 mẫu.
So sánh số Sig. (2-tailed) với giá trị α.
Nếu Sig.(2-tailed) > α : chọn H0 Nếu Sig.(2-tailed) ≤ α : bác bỏ H0
Trên 2 mẫu độc lập
- Mục đích: so sánh trị trung bình về một chỉ tiêu nghiên cứu nào đó giữa 2 đối tượng quan tâm.
One-Sample Test
3.900 29 .001 5.73 2.73 8.74
Heọ soỏ thoõng minh
t df
Sig.
(2-tailed)
Mean
Difference Lower Upper
95% Confidence Interval of the
Difference Test Value = 105
- Đối tượng: sử dụng 1 biến định lượng dạng khoảng cách hay tỷ lệ để tính trung bình và 1 biến định tính để chia nhóm so sánh.
- Tình huống: so sánh hai trị trung bình của số lượng người đọc báo SGTT trong gia đình theo hai Thành phố Hà Nội và Thành phố Hồ Chí Minh.
- Thao tác thực hiện
Chọn menu Analyze chọn Compare Means chọn lệnh Independent – Samples T test hộp thoại Independent – Samples T Test hiển thị.
Hình 2-38: Hộp thoại Independent – samples T Test Ý nghĩa hộp thoại Independent – samples T Test
o Khung Test Variables: chọn biến định lượng.
o Khung Grouping Variable: chọn biến định tính.
o Chọn nút lệnh Define Groups…
hộp thoại Define Groups hiển thị qui định ký hiệu mã hóa cho 2 thành phố trong biến TP tại ô Group 1 và Group 2
chọn Continue hộp thoại Independent – Samples T Test hiển thị.
Chọn nút Options để quy định tỉ lệ tin cậy (như trong phần kiểm định trên một mẫu) chọn OK.
Lưu ý: trường hợp biến định tính phân lọai mẫu độc lập ra nhiều hơn 2 nhóm (như biến học vấn phân thành 5 nhóm), ta có 2 phương pháp thực hiện tùy theo yêu cầu:
Hoặc lần lượt so sánh từng cặp nhóm với nhau cho đến khi không còn cặp nào.
Ví dụ so sánh nhóm cấp 1 với cấp 2, cấp 2 với cấp 3, cấp 3 với đại học…
Hoặc chia mẫu thành 2 nhóm lớn: nhóm “Trình độ phổ thông” và nhóm “Trên phổ thông” bằng cách dùng Cut Point trong Define Group. Mã số nhập vào Cut Point là mã số dùng để chia mẫu thành 2 nhóm lớn. (trong ví dụ trên, số 4 sẽ được nhập vào ô Cut Point)
- Xuất ra cửa sổ output: bảng Independent Samples T-Test
Hình 2-39: Kết quả kiểm định T- Test trên hai mẫu độc lập
Kiểm tra giá trị Sig.(2- Tailed): có 2 giá trị Sig.(2-tailed) trên 2 cột Equal Variances Assumed và Equal Variances Not assumed, để xác định sử dụng giá trị Sig.(2-tailed) trên cột nào, cần quan sát số Sig. ở dòng “Levene’s Test for Equality of Variances”
Nếu Sig. trong kiểm định Levene >= 0.05 (tỉ lệ phạm sai lầm): sử dụng kết quả kiểm định T-Test ở cột Equal Variances Assumed.
Nếu Sig. trong kiểm định Levene < 0.05 (tỉ lệ phạm sai lầm): sử dụng kết quả kiểm định T-Test ở cột Equal Variances Not assumed.
Do Sig. của Levene = 0.001 <0.05 do đó sẽ sử dụng kết quả kiểm định T ở cột Equal Variances Not Assumed.
Nếu giá trị Sig. (2-tailed) trên cột Equal Variances Not Assumed >= 0.05: kết luận không có sự khác biệt có ý nghĩa về trung bình số lượng người đọc báo SGTT giữa 2 thành phố.
Nếu giá trị Sig. (2-tailed) trên cột Equal Variances Not Assumed < 0.05: kết luận có sự khác biệt có ý nghĩa về trung bình số lượng người đọc báo SGTT giữa 2 thành phố.
Bảng Group Statistics
- Nhận xét kết quả
Từ kiểm định trên cho thấy giá trị Sig. (2-tailed) trên cột Equal Variances Not Assumed 0.000 < 0.05: nên bác bỏ giả thuyết H0
Có sự khác biệt về trung bình số lượng người đọc báo SGTT trong hộ gia đình ở thành phố Hà Nội (2.33) lớn hơn so với Hồ Chí Minh (3.53): có ý nghĩa thống kê.
Trên 2 mẫu phụ thuộc - Mục đích
Thuộc loại kiểm định dùng cho 2 mẫu có mối quan hệ với nhau, dữ liệu thuộc thang đo khoảng cách hoặc tỷ lệ, phù hợp với dạng thử nghiệm trước và sau.
Dạng thử nghiệm này thường gặp trong các đợt nghiên cứu.
Quá trình kiểm định sẽ bắt đầu với việc tính toán chênh lệch giá trị trên từng cặp quan sát bằng phép trừ sau đó kiểm nghiệm xem chênh lệch trung bình có khác 0 hay không, nếu không khác 0 nghĩa là không có sự khác biệt.
- Đối tượng
Sử dụng 2 biến định lượng liên quan cùng chỉ tiêu nghiên cứu trên 2 mẫu được thu thập phụ thuộc nhau.
- Tình huống
Công ty chế biến thực phẩm cần tiến hành khảo sát và đánh giá thử nghiệm sự khác biệt về 2 loại dầu phộng đã cải tiến và loại chưa cải tiến. Nếu cả 2 có cùng mức đánh giá như nhau nghĩa là phương pháp cải tiến không đạt yêu cầu.
Tình huống này sử dụng file “Thử nghiệm dầu phộng”
- Giả thuyết
H0: “Không khác biệt giữa 2 sản phẩm đã và chưa cải tiến”.
H1: “Có khác biệt giữa 2 sản phẩm đã và chưa cải tiến”.
- Thao tác thực hiện
Chọn menu Analyze chọn Compare Means chọn lệnh Paired – Samples T Test hộp thoại Paired – Ssamples T Test hiển thị chuyển 2 biến định lượng cần so sánh vào khung Paired Variables chọn Option để quy định tỉ lệ tin cậy.
Hình 2-40: Hộp thoại Paired – Samples T Test - Xuất ra cửa sổ output
Hình 2-41: Kết quả kiểm định T- Test trên hai mẫu phụ thuộc
- Nhật xét kết quả
Với số cặp quan sát là N = 20, giá trị kiểm định Sig. (2 – tailed) = 0.036 <
mức ý nghĩa quan sát α (0.05)
Từ đó, có thể bác bỏ giả thuyết H0 và kết luận có sự khác biệt có ý nghĩa giữa sản phẩm chưa cải tiến và sản phẩm đã cải tiến và sự chênh lệch giữa 2 loại sản phẩm trên là 0.6 điểm (7.80 – 7.20).