Khi muốn phân tích khác biệt một biến định lượng với một biến định tính chỉ có 2 giá trị, chúng ta sử dụng kiểm định Independent Sample T Test hoặc One-way ANOVA. Bài viết này sẽ đi sâu vào mục đích, cách thực hiện và đọc kết quả kiểm định Independent Sample T Test trên SPSS.
Ý nghĩa của việc ứng dụng phân tích kiểm định sự khác biệt trung bình trong bài nghiên cứu đó là giúp chúng ta xác định xem có sự khác biệt trung bình biến định lượng đối với các giá trị khác nhau của một biến định tính hay không. Ví dụ có sự khác nhau về sự hài lòng công việc giữa các nhân viên có mức lương khác nhau tại công ty hay không; có sự khác nhau về ý định mua hàng đối với những khách hàng có độ tuổi khác nhau hay không…
- Independent-Samples T Test chúng ta sẽ áp dụng kiểm định sự khác biệt trung bình với trường hợp biến định tính có 2 giá trị. Ví dụ như biến giới tính (nam, nữ), biến thành phố (TPHCM, Hà Nội), biến vùng miền (Miền Bắc, Miền Nam)… Trường hợp biến định tính có 3 giá trị, chúng ta sẽ thực hiện 3 cặp so sánh (1-2, 1-3, 2-3). Tuy nhiên, việc so sánh từng cặp giá trị như vậy khá bất tiện và mất thời gian nếu số giá trị tăng lên 4, 5, 6…
- One-way ANOVA giúp chúng ta giải quyết trở ngại của Independent Sample T-Test. Phương pháp này giúp chúng ta so sánh trị trung bình của 3 nhóm trở lên.
1. Mục đích sử dụng Independent Sample T-Test
- So sánh trung bình mức độ hài lòng công việc giữa nhân viên nam và nhân viên nữ. Biến định lượng sự hài lòng công việc được đo bằng thước đo Likert 5 mức độ, biến định tính giới tính gồm hai giá trị phân loại với 1 là nam và 2 là nữ.
- So sánh trung bình số tiền chi tiêu hàng tháng giữa các gia đình chưa có con và có con dưới 6 tuổi. Biến định lượng là số tiền chi tiêu mỗi tháng, biến định tính gồm hai giá trị phân loại với 1 là chưa có con và 2 là có con dưới 6 tuổi.
Quy trình thực hiện kiểm định Independent Sample T-Test trong SPSS sẽ đi qua 2 bước:
Bước 1: Kiểm tra khác biệt phương sai giữa 2 nhóm giá trị
Trước khi đánh giá có hay không sự khác biệt về trung bình thông qua kiểm định t, chúng ta cần kiểm định sự đồng nhất phương sai (không khác biệt phương sai) của hai nhóm giá trị biến định tính.
Để thực hiện điều này, chúng ta đặt giả thuyết HF-0: Không có sự khác biệt phương sai giữa hai nhóm giá trị. Phép kiểm định F được sử dụng để kiểm định giả thuyết này. Trong SPSS, các số liệu của kiểm định F được lấy từ mục Levene’s Test for Equality of Variances trong bảng Independent Samples Test. Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thuyết HF-0, nghĩa là có sự khác biệt phương sai một cách có ý nghĩa thống kê giữa hai nhóm giá trị. Chúng ta sử dụng kết quả kiểm định t ở hàng Equal variances not assumed.
- Sig > 0.05: Chấp nhận giả thuyết HF-0, nghĩa là không có sự khác biệt phương sai một cách có ý nghĩa thống kê giữa hai nhóm giá trị. Chúng ta sử dụng kết quả kiểm định t ở hàng Equal variances assumed.
Bước 2: Kiểm tra khác biệt trung bình giữa 2 nhóm giá trị
Sau bước đánh giá khác biệt phương sai, chúng ta đi tới phần đánh giá khác biệt trung bình. Đặt giả thuyết Ho: Không có sự khác biệt trung bình giữa hai nhóm giá trị. Phép kiểm định t được sử dụng để kiểm định giả thuyết này. Trong SPSS, các số liệu của kiểm định t được lấy từ mục t-test for Equality of Means trong bảng Independent Samples Test. Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thuyết Ho, nghĩa là có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa hai nhóm giá trị.
- Sig > 0.05: Chấp nhận giả thuyết Ho, nghĩa là không có sự khác biệt trung bình một cách có ý nghĩa thống kê giữa hai nhóm giá trị.
Tóm lại, quy trình đọc kết quả Independent Sample T-Test được tóm gọn trong hai bước như sau:
2. Kiểm định Independent-Samples T Test trên SPSS 26
Thực hiện kiểm định Independent-Samples T Test để xem xét mức độ hài lòng công việc có khác nhau giữa nhân viên nam và nhân viên nữ không. Biến định lượng được sử dụng là F_HL, biến định tính là GioiTinh có 2 giá trị Nam/Nữ. Vào Analyze > Compare Means > Independent-Samples T Test…
Cửa sổ Independent-Samples T Test xuất hiện, đưa biến định lượng vào mục Test Variable (s), cụ thể là biến F_HL. Chúng ta có thể đưa nhiều biến định lượng vào mục này để đánh giá trung bình cùng lúc với biến Giới tính. Tiếp tục đưa biến định tính vào mục Grouping Variable, cụ thể trong trường hợp này là biến GioiTinh. Nhấp chuột chọn vào biến GioiTinh trong Grouping Variable để nền biến này tô vàng, lúc này mục Define Groups… sẽ sáng lên, chúng ta nhấp vào mục này.
Biến Giới tính có hai giá trị đã được mã hóa gồm 1 là nam và 2 là nữ, chúng ta sẽ điền hai số này vào hai ô trống Group 1 và Group 2 (không cần phải sắp xếp 1 đến 2, có thể điền ngược lại 2, 1). Tiếp tục nhấp vào Continue để quay về cửa sổ ban đầu. Sau đó nhấp OK để xuất kết quả ra output.
Kết quả kiểm định gồm hai bảng là Group Statistics và Independent Samples Test. Chúng ta sẽ đọc kết quả ở bảng Independent Samples Test trước.
Bước 1: Sig kiểm định F bằng 0.144 > 0.05, không có sự khác biệt phương sai giữa hai nhóm nam và nữ, chúng ta sẽ sử dụng kết quả kiểm định t ở hàng Equal variances assumed.
Bước 2: Sig kiểm định t bằng 0.491 > 0.05, như vậy không có sự khác biệt trung bình F_HL giữa các đáp viên có giới tính khác nhau. Kết luận, không có khác biệt sự hài lòng công việc giữa nhân viên nam và nhân viên nữ trong công ty. Giả sử trường hợp sig kiểm định t nhỏ hơn 0.05, chúng ta kết luận có khác biệt trung bình F_HL giữa các đáp viên có giới tính khác nhau.
Bảng Group Statistics cho chúng ta các thông số mô tả của từng nhóm giới tính. Giá trị trung bình biến F_HL của hai nhóm nam/nữ bằng 3.5012 và 3.4523, không có sự chênh lệch đáng kể.