One way anova là gì?
Phân tích phương sai một yếu tố (còn gọi là oneway anova) dùng để kiểm định giả thuyết trung bình bằng nhau của các nhóm mẫu với khả năng phạm sai lầm chỉ là 5%.
Ví dụ: Phân tích sự khác biệt giữa các thuộc tính khách hàng (giới tính, tuổi, nghề nghiệp, thu nhập…) đối với 1 vấn đề nào đó (thường chọn là nhân tố phụ thuộc, vd: sự hài lòng). Như trường hợp giữa Nam và Nữ thì đối tượng nào có điểm Hài Lòng cao hơn khi mua một sản phẩm nào đó. Đó chính là trường hợp dùng phân tích anova nhé.
Bài này sẽ đề cập về lý thuyết, thực hành từng bước phân tích phương sai một yếu tố anova, cách diễn giải kết quả, ý nghĩa các chỉ số trong anova.
Một số giả định khi phân tích ANOVA:
– Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên.
– Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn.
– Phương sai của các nhóm so sánh phải đồng nhất.
Lưu ý: nếu giả định tổng thể có phân phối chuẩn với phương sai bằng nhau không đáp ứng được thì bạn có thể dùng kiểm định phi tham số Kruskal-Wallis sẽ để thay thế cho ANOVA.
Lý thuyết phân tích phương sai một yếu tố one-way anova
Kết quả kiểm định gồm hai phần:
Phần 1: Kiểm định phương sai đồng nhất
Levene test: dùng kiểm định phương sai bằng nhau hay không giữa các nhóm
Giả thiết Ho: “Phương sai bằng nhau”
Sig <= 0.05: bác bỏ Ho
Sig >0.05: chấp nhận Ho -> đủ điều kiện để phân tích tiếp anova
Phần 2: Kiểm định anova
ANOVA test: Kiểm định anova
Ho: “Trung bình bằng nhau”
Sig <=0.05: bác bỏ Ho -> đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc
Sig >0.05: chấp nhận Ho -> chưa đủ điều kiện để khẳng định có sự khác biệt giữa các nhóm đối với biến phụ thuộc
Khi có sự khác biệt thì có thể phân tích sâu hơn để tìm ra sự khác biệt như thế nào giữa các nhóm quan sát bằng các kiểm định Tukey, LSD, Bonferroni, Duncan như hình dưới. Kiểm định sâu anova gọi là kiểm định Post-Hoc
Cách thực hiện thực hành phân tích anova một yếu tố
Phân tích anova bằng SPSS : vào menu Analyze -> Compare Means -> One-Way ANOVA
Bấm vào option chọn Homegenety of variance test để kiểm định phương sai đồng nhất.
Nếu muốn kiểm định Post hoc thì ấn vào nút Post hoc để kiểm định sâu sau anova, bảng sau xuất hiện và chọn một trong những kiểm định posthoc:Tukey, LSD, Bonferroni, Duncan
Kết quả ANOVA ra như sau:
Cách phân tích kết quả anova
Viết tắt: F_BI Buying Intention: dự định mua hàng, Age: các nhóm tuổi.
Kết quả này cho biết phương sai của dự định mua hàng có sự khác biệt giữa các nhóm tuổi hay không. Nghĩa là phương sai của dự định mua hàng của nhóm tuổi này có khác phương sai của dự định mua hàng của nhóm tuổi kia hay không?
Sig của thống kê Levene = 0.207 (>0.05) nên ở độ tin cậy 95% giả thuyết H0: “Phương sai bằng nhau” được chấp nhận, và bác bỏ giả thuyết H1: “Phương sai khác nhau”. Và do đó kết quả phân tích ANOVA có thể sử dụng.
Kết quả phân tích ANOVA với mức ý nghĩa 0.239> 0.05, như vậy với dữ liệu quan sát chưa đủ điều kiện để khẳng định có sự khác biệt về dự định mua hàng giữa các nhóm tuổi.
Giả sử Sig. <0.05 thì kết luận có sự khác biệt giữa các nhóm tuổi. Tuy nhiên muốn biết nhóm nào khác với nhóm nào thì phải xem phân tích sâu anova tại https://phantichspss.com/phan-tich-sau-anova-mot-yeu-post-hoc-one-way-anova.html
Liên hệ Nhóm Thạc Sĩ QTKD:
– SMS, Zalo, Viber:
– Facebook: http://facebook.com/hoidapSPSS/
– Email: hotrospss@gmail.com
Để được hướng dẫn:
– Khảo sát thị trường/ 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.
- Giá trị Communalities trong phân tích nhân tố EFA
- Mô hình nghiên cứu và các vấn đề liên quan
- Chỉ số Odds ratio – OR và Confidence Interval – CI: định nghĩa, ý nghĩa và cách tính toán
- Tiêu chuẩn Fornell-Larcker để đánh giá giá trị phân biệt Discriminant Validity
- Cách hiển thị giá trị Direct Effects,Indirect Effects,Total Effects trong AMOS