Định nghĩa Independent Samples T-Test
Independent Samples T-Test dùng để so sánh giá trị trung bình của hai nhóm. Ví dụ cần so sánh giữa hai biến: biến nhóm tuổi( <30 tuổi và >30 tuổi), và biến mức độ Hài Lòng. Ta cần biết giữa hai nhóm tuổi này, thì nhóm nào có mức độ hài lòng cao hơn. Thì ta sẽ dùng kiểm định này nhé.
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 hotrospss@gmail.com 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 menu Analyze -> Compare Means -> Independent-samples T-test
Chọn biến định lượng cần kiểm định trị trung bình đưa vào khung Test Variable(s). ( biến HAILONG)
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.( biến DoTuoi)
Chọn Define Groups… để nhập mã số của 2 nhóm( nhập giá trị 1 và 2 như trong hình). 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.
Cách phân tích kiểm định Levene:
- 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 dụ trên Sig. của kiểm định F = 0.494 > 0.05 nên chấp nhận giả thuyết H0: không có sự khác nhau về phương sai của 2 tổng thể => nên sử dụng kết quả ở dòng Equal variances assumed.
Cách phân tích Independent-samples T-test:
- Nếu Sig. của kiểm định t ≤ α (mức ý nghĩa) -> có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. Mức ý nghĩa thông thường là 0.05 nhé.
- 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 nên kết luận không có sự khác biệt có ý nghĩa về trung bình của 2 tổng thể. Nói cách khác, giữa hai nhóm tuổi khác nhau thì chưa có bằng chứng cho thấy có sự khác nhau về sự hài lòng. Cụ thể bằng mắt thường nhìn vào cột Mean trong bảng Group statistic ở trên. Ta thấy trung bình giá trị Hài Lòng của nhóm bé hơn 30 tuổi là 3.3434, của nhóm lớn hơn 30 tuổi là 3.2302. Và thực sự hai giá trị này không chênh lệnh nhau mấy, nên không có sự khác biệt là điều dễ hiểu.
Video hướng dẫn thao tác Independent-samples T-test:
Liên hệ nhóm thạc sĩ Hỗ trợ SPSS
– SMS, Zalo, Viber:
– Chat Facebook: http://facebook.com/hoidapSPSS/
– Email: hotrospss@gmail.com
Để được hướng dẫn:
– Xử lý/ hiệu chỉnh số liệu khảo sát để chạy ra kết quả phân tích nhân tố hội tụ,phân tích hồi quy hồi quy có ý nghĩa thống kê.
– Tư vấn mô hình/bảng câu hỏi/ traning trực tiếp về phân tích hồi quy, nhân tố, cronbach alpha… trong SPSS, và mô hình SEM, CFA, AMOS
- SmartPLS: thủ tục bootstrapping để kiểm định giả thiết thống kê
- Cần làm gì khi “Cronbach’s Alpha if Item Deleted” lớn hơn Cronbach’s Alpha hiện tại
- Hướng dẫn thực hành cách phân tích hồi quy đa biến
- Quan hệ giữa PCLOSE và RMSEA
- Chỉ số Odds ratio – OR và Confidence Interval – CI: định nghĩa, ý nghĩa và cách tính toán