So sánh hai giá trị trung bình trong SPSS

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 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 giới thiệu cách thức làm bằng thao tác hình ảnh minh họa, và bằng video.

Tổ hợp các kiểm định so sánh giá trị trung bình là một trong số các tổ hợp kiểm định được dùng nhiều nhất trên SPSS

Chắc chắn các bạn đã nghe nhiều và dùng đến One-way anova hay Independent sample T Test. Đó là 2 trong số các tổ hợp kiểm định này.

Trên mạng có rất nhiều bài viết về các kiểm định này, tuy nhiên thiên nhiều đến kỹ thuật chạy trên SPSS- thực hành. Hỗ trợ nghiên cứu cũng đã sưu tầm và copy 1 số bài về vấn đề này để các bạn tham khảo.

Tuy nhiên để các bạn thực sự dễ hiểu và không làm máy móc các kiểm định nảy, Hỗ trợ nghiên cứu sẽ có một loạt bài viết về chủ đề này để các bạn thực sự hiểu về cách làm- áp dụng linh hoạt để gải quyết các vẫn đề về số liệu

Mời các bạn theo dõi toàn bộ loạt bài viết này tại link sau://www.hotronghiencuu.com/search/label/So%20s%C3%A1nh%20gi%C3%A1%20tr%E1%BB%8B%20trung%20b%C3%ACnh-%20compare%20means

Do để viết 1 loạt bài viết sẽ cần kha khá thời gian nên ban đầu các bạn vào có thể sẽ chưa nhận được các bài viết đầy đủ.

Bài tiếp:Kiểm định One Sample T Test trên SPSS

Share on Facebook Share on Twitter Share on Google Plus

Trung tâm Hỗ trợ nghiên cứu

Email: /
Phone 24/7: 086 978 6862 [Mr Hùng]
Viết luận văn thuê trọn gói 0924 04 03 88 [Ms. Bông] Email:
Từ khóa: dịch vụ spss | phân tích spss | hỗ trợ spss | dịch vụ dữ liệu

KIỂM ĐỊNH SỰ KHÁC BIỆT TRUNG BÌNH BẰNG PHƯƠNG PHÁP INDEPENDENT SAMPLE T-TEST

VIDEO

Ví dụ điển hình:

Trên hình ảnh, các bạn có thể thấy biến giới tínhcó 2 value, như vậy như câu nói ban đầu của mình, 2 value thì sẽ dùng Independent Sample T - Test. Để dễ dàng cho việc trình bày, mình sẽ sử dụng biếnGioi_tinh [giới tính]là biến định tính và biếnSHL [sự hài lòng]là biến định lượng.

Cách thực hiện kiểm định như sau. VàoAnalyze > Compare Means > Independent Sample T-Test...

Ở giao diện được mở ra, các bạn đưa biến định lượng vào mụcTest Variable [s], đưa biến định tính vào mụcGrouping Variable. Sau đó nhấn vào mụcDefine Groups...ngay bên dưới.

Tại đây, các bạn sẽ phân nhóm giá trị ra. Biến giới tính của chúng ta có 2 value: 1 là nam, 2 là nữ, do vậy các bạn sẽ điền 2 số này vào 2 ô trống, không cần phải sắp xếp 1 đến 2, có thể điền 2, 1 cũng được, không sao cả nhé. Sau đó nhấn vàoContinue.

Trở lại giao diện ban đầu, nhấn OK để xuất kết quả ra Output.

Chúng ta sẽ quan tâm tới bảngIndependent Samples Test. Giá trị đầu tiên là sig củaLevene's Test[điểm màu vàng].

1/ Trường hợp sig nhỏ hơn 0.05

Nếusig Levene's Testnhỏ hơn 0.05 thì phương sai giữa 2 giới tính là khác nhau, chúng ta sẽ sử dụng giá trị sig T-Test màu hồng ở hàngEqual variances not assumed.

- Giá trị sig T-Test < 0.05 chúng ta kết luận:Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau.

- Giá trị sig T-Test >= 0.05 chúng ta kết luận:Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viêncó giới tínhkhác nhau.

2/ Trường hợp sig lớn hơn hoặc bằng 0.05

Nếusig Levene's Testlớn hơn hoặc bằng 0.05 thì phương sai giữa 2 giới tính là không khác nhau, chúng ta sẽ sử dụng giá trị sig T-Test màu xanh ở hàngEqual variances assumed.

- Giá trị sig T-Test < 0.05 chúng ta kết luận:Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau.

- Giá trị sig T-Test >= 0.05 chúng ta kết luận:Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viêncó giới tínhkhác nhau.

Xem thêm:Phân tích khác biệt trung bình One-Way ANOVA trong SPSS
Xem thêm:Dịch Tiếng Việt kết quả SPSS trình bày vào luận văn

Trên đây là bài hướng dẫn chi tiếtkiểm địnhIndependent Sample T-Test. Nếu bạn gặp khó khăn khi thực hiện phân tích Independent Sample T-Test, bạn có thể tham khảodịch vụ chạy thuê SPSScủa Phạm Lộc Blog hoặc liên hệ trực tiếp email. Dịch vụ mình cung cấp giúp bạn có được kết quả sự khác biệt ở Independent Sample Test phù hợp với đặc tính môi trường khảo sát.

Từ khóa:kiểm định khác biệt trung bình, phân tích independent sample t-test, kiểm định t-test trong spss.

Kiểm định T-Test trong SPSS và tất cả kiến thức bạn cần biết

Trong nghiên cứu khoa học, thống kê được coi là “ngôn ngữ thứ 2” cho phép người nghiên cứu đưa ra các kết luận có giá trị. Đảm bảo tính khách quan của nghiên cứu. Trong nghiên cứu khoa học ứng dụng, vai trò của thống kê được thể hiện qua mô tả, so sánh và liên hệ dữ liệu. Trong bài viết này, Luận Văn 2S xin được chia sẻ đến bạn đọc phương pháp so sánh dữ liệu thông qua kiểm định T-Test.

1. Các trường hợp sử dụng đối với từng loại T-Test

Nếu muốn so sánh hai giá trị trung bình của hai nhóm tổng thể, ta thực hiện phép kiểm định giả thiết về sự bằng nhau của hai trung bình tổng thể bằng cách sử dụng Independent Samples T-Test.

• Nếu muốn so sánh giá trị trung bình của tổng thể với một số cụ thể ta thực hiện One-Sample T-Test
• Nếu muốn so sánh hai giá trị trung bình của hai nhóm tổng thể riêng biệt với đặc điểm là mỗi phần tử trong tổng thể này có quan hệ tương đồng theo cặp với một phần tử trong tổng thể kia.

Ví dụ:

Cho mỗi khách hàng dùng thử hai sản phẩm, sản phẩm trước và sản phẩm sau khi cải tiến. Xong yêu cầu họ đánh giá điểm của từng sản phẩm. Mục đích là xem xét xem trước, sau khi cải tiến sản phẩm khách hàng có đánh giá tốt hơn không. Để làm được điều này cần sử dụng Pair Sample T-Test.

2. Kiểm định Independent Sample T – Test trong SPSS

Kiểm định sự khác biệt trung bình bằng phương pháp Independent Sample T – Test.

Ảnh 1- Ví dụ điển hình

Trên hình ảnh, các bạn có thể thấy biến giới tính có 2 value. Hai value thì sẽ dùng Independent Sample T – Test. Để dễ dàng cho việc trình bày, mình sẽ sử dụng biến Gioi_tinh [giới tính] là biến định tính. Biến SHL [sự hài lòng] là biến định lượng. Cách thực hiện kiểm định như sau. Vào Analyze > Compare Means > Independent Sample T-Test…

Ảnh 2 – Cách thực hiện kiểm định

Ở giao diện được mở ra, các bạn đưa biến định lượng vào mục Test Variable [s], đưa biến định tính vào mục Grouping Variable. Sau đó nhấn vào mục Define Groups… ngay bên dưới.

Ảnh 3 – Grouping Variable

Tại đây, các bạn sẽ phân nhóm giá trị ra. Biến giới tính của chúng ta có 2 value: 1 là nam, 2 là nữ. Do vậy các bạn sẽ điền 2 số này vào 2 ô trống, không cần phải sắp xếp 1 đến 2, có thể điền 2, 1 cũng được, không sao cả nhé. Sau đó nhấn vào Continue.

Ảnh 4 – Phân nhóm giá trị

Trở lại giao diện ban đầu, nhấn OK để xuất kết quả ra Output.

Ảnh 5 – Output

Chúng ta sẽ quan tâm tới bảng Independent Samples Test. Giá trị đầu tiên là sig của Levene’s Test [điểm màu vàng].

Ảnh 6 – Independent Samples Test

2.1 Trường hợp sig nhỏ hơn 0.05

Nếu sig Levene’s Test nhỏ hơn 0.05 thì phương sai giữa 2 giới tính là khác nhau. Chúng ta sẽ sử dụng giá trị sig T-Test màu hồng ở hàng Equal variances not assumed.

Giá trị sig T-Test < 0.05 có thể kết luận:

• Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau.

Giá trị sig T-Test >= 0.05 kết luận rằng:

• Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau.

2.2 Trường hợp sig lớn hơn hoặc bằng 0.05

Nếu sig Levene’s Test lớn hơn hoặc bằng 0.05 thì phương sai giữa 2 giới tính là không khác nhau. Chúng ta sẽ sử dụng giá trị sig T-Test màu xanh ở hàng Equal variances assumed.

• Giá trị sig T-Test < 0.05 chúng ta kết luận: Có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau.
• Giá trị sig T-Test >= 0.05 kết luận là: Không có sự khác biệt có ý nghĩa thống kê về mức độ hài lòng của những đáp viên có giới tính khác nhau.