Khi thực hiện các kiểm định so sánh trung bình như Independent Samples T-Test hay Paired Samples T-Test, rất nhiều bạn sinh viên và nhà nghiên cứu chỉ dừng lại ở việc đọc chỉ số p-value để kết luận có sự khác biệt hay không. Tuy nhiên, p-value chỉ cho biết sự khác biệt đó có ý nghĩa thống kê hay không, chứ không cho biết mức độ khác biệt đó lớn hay nhỏ trên thực tế. Đây chính là lúc Cohen’s d phát huy vai trò của mình.

Bài viết này sẽ giúp bạn hiểu rõ Cohen’s d là gì, công thức tính, cách thực hiện trong SPSS và cách diễn giải kết quả một cách chính xác nhất.

1. Cohen’s d là gì?

Cohen’s d là một chỉ số đo lường độ lớn ảnh hưởng (effect size), thể hiện mức độ chênh lệch giữa hai giá trị trung bình được chuẩn hóa theo độ lệch chuẩn. Nói cách khác, Cohen’s d cho biết sự khác biệt giữa hai nhóm lớn gấp bao nhiêu lần độ lệch chuẩn.

Chỉ số này được nhà thống kê học Jacob Cohen giới thiệu và ngày nay được sử dụng rộng rãi trong tâm lý học, giáo dục học, y học và khoa học xã hội, đặc biệt trong các nghiên cứu định lượng và phân tích tổng hợp (meta-analysis).

Vì sao cần dùng Cohen’s d thay vì chỉ dùng p-value?

• P-value phụ thuộc rất nhiều vào cỡ mẫu: mẫu càng lớn thì càng dễ có ý nghĩa thống kê, dù chênh lệch thực tế rất nhỏ.
• Cohen’s d không phụ thuộc vào cỡ mẫu, giúp đánh giá khách quan mức độ khác biệt thực sự giữa các nhóm.
• Nhiều tạp chí khoa học hiện nay yêu cầu báo cáo effect size song song với p-value.

2. Công thức tính Cohen’s d

Công thức tổng quát của Cohen’s d cho hai nhóm độc lập:

d = (M1 – M2) / SDpooled

Trong đó:

• M1, M2: giá trị trung bình của nhóm 1 và nhóm 2
• SDpooled: độ lệch chuẩn gộp (pooled standard deviation) của hai nhóm

Độ lệch chuẩn gộp được tính theo công thức:

SDpooled = căn bậc hai của [ ((n1-1)*SD1² + (n2-1)*SD2²) / (n1+n2-2) ]

Đối với kiểm định Paired Samples T-Test (mẫu phụ thuộc), công thức có điều chỉnh dựa trên độ lệch chuẩn của hiệu số giữa hai lần đo, hoặc dùng độ lệch chuẩn trung bình của hai nhóm tùy theo cách tiếp cận (Cohen’s dz hoặc dav).

3. Cách diễn giải chỉ số Cohen’s d

Theo tiêu chuẩn phân loại của Cohen (1988), mức độ ảnh hưởng được đánh giá như sau:

Lưu ý: đây chỉ là ngưỡng tham khảo chung, một số lĩnh vực nghiên cứu (như y học, tâm lý học lâm sàng) có thể có tiêu chuẩn diễn giải riêng phù hợp với đặc thù dữ liệu.

4. Cách tính Cohen’s d trong SPSS

Cách 1: Sử dụng tính năng Effect Size có sẵn (SPSS 27 trở lên)

Từ phiên bản SPSS Statistics 27, phần mềm đã tích hợp sẵn tùy chọn hiển thị effect size trực tiếp trong bảng kết quả T-Test.

Các bước thực hiện:

• Vào menu Analyze → Compare Means → chọn Independent-Samples T Test (hoặc Paired-Samples T Test tùy thiết kế nghiên cứu).
• Đưa biến định lượng cần so sánh vào ô Test Variable(s).
• Đưa biến phân nhóm vào ô Grouping Variable (đối với Independent Samples) và định nghĩa nhóm (Define Groups).
• Trong hộp thoại, chọn mục Options hoặc Effect Size (tùy phiên bản), đảm bảo tick chọn hiển thị Cohen’s d.
• Nhấn OK để xuất kết quả.

Kết quả Cohen’s d sẽ xuất hiện trực tiếp trong bảng Independent Samples Effect Sizes, kèm theo khoảng tin cậy 95% (Confidence Interval).

Cách 2: Tính thủ công bằng Compute Variable (áp dụng cho mọi phiên bản SPSS)

Nếu bạn đang dùng phiên bản SPSS cũ hơn (chưa có mục Effect Size), có thể tính Cohen’s d thủ công dựa trên kết quả xuất ra từ bảng Group Statistics và Independent Samples Test:

• Chạy T-Test như bình thường để lấy các giá trị: Mean, Std. Deviation, N của từng nhóm.
• Ghi lại: M1, M2, SD1, SD2, n1, n2.
• Áp dụng công thức SDpooled và Cohen’s d ở mục 2 phía trên để tính toán (có thể tính tay, dùng Excel, hoặc dùng chức năng Compute Variable trong SPSS với công thức tương ứng).

Cách 3: Sử dụng cú pháp Syntax trong SPSS

Đối với người dùng quen thuộc với Syntax, có thể viết đoạn lệnh để tự động hóa việc tính Cohen’s d thay vì tính tay, giúp tiết kiệm thời gian khi phân tích nhiều biến cùng lúc.

5. Ví dụ minh họa

Giả sử một nghiên cứu so sánh điểm số bài kiểm tra giữa hai nhóm sinh viên: nhóm học theo phương pháp truyền thống và nhóm học theo phương pháp mới.

Kết quả từ SPSS:

• Nhóm A (truyền thống): M1 = 7.2, SD1 = 1.1, n1 = 40
• Nhóm B (phương pháp mới): M2 = 7.9, SD2 = 1.0, n2 = 40

Sau khi tính toán, giả sử Cohen’s d = 0.65. Kết quả này cho thấy mức độ ảnh hưởng ở mức trung bình đến khá lớn, nghĩa là phương pháp học mới tạo ra sự khác biệt có ý nghĩa thực tiễn đáng kể, chứ không chỉ đơn thuần có ý nghĩa thống kê.

6. Một số lưu ý quan trọng khi báo cáo Cohen’s d

• Luôn báo cáo Cohen’s d song song với kết quả kiểm định t và p-value, không thay thế hoàn toàn cho nhau.
• Nên trình bày kèm khoảng tin cậy 95% (CI) của Cohen’s d nếu có, để tăng độ tin cậy của kết quả.
• Với thiết kế mẫu phụ thuộc (paired sample), cần lưu ý phân biệt rõ giữa các biến thể Cohen’s dz và Cohen’s dav để tránh sai sót khi diễn giải.
• Cỡ mẫu nhỏ có thể khiến ước lượng Cohen’s d kém ổn định; trong trường hợp này có thể cân nhắc dùng Hedges’ g (một biến thể hiệu chỉnh của Cohen’s d cho mẫu nhỏ).

7. Kết luận

Cohen’s d là một chỉ số quan trọng giúp đánh giá mức độ ảnh hưởng thực tế bên cạnh ý nghĩa thống kê từ p-value. Việc tính toán Cohen’s d trong SPSS hiện nay đã trở nên đơn giản hơn rất nhiều nhờ tính năng Effect Size tích hợp sẵn từ phiên bản 27 trở đi. Tuy nhiên, việc hiểu rõ bản chất, công thức và cách diễn giải chỉ số này vẫn là điều cần thiết để đảm bảo kết quả nghiên cứu được trình bày chính xác và có giá trị khoa học.

Nếu bạn cần hỗ trợ chạy và diễn giải kết quả SPSS cho đề tài nghiên cứu, luận văn của mình, hãy liên hệ với đội ngũ phantichspss.com để được tư vấn chi tiết.