Bài giảng SPSS - Chương 6: Kiểm định

Chương 6 KIỂM ĐỊNH Chúng ta lập các bảng phân tích tìm bằng chứng để chứng minh các giả thuyết ở những phần trên đều dựa trên mẫu ( các phiếu điều tra ) chứ không phải trên tổng thể. Để xem kết quả của mẫu có đúng với tổng thể hay không chúng ta phải thực hiện các phép kiểm định. Kiểm định là bước thứ hai sau thống kê mô tả và cũng là bước quyết định ý nghĩa và giá trị của công trình nghiên cứu. Trong chương này, xin giới thiệu một số phép kiểm định đơn giản : I-Kiểm định mối quan hệ giữa hai biến định tính • 1- Kiểm định Chi-Square: được sử dụng phổ biến khi kiểm định mối liên hệ 2 biến định tính không thứ bậc, hoặc 1 thứ bậc với 1 biến không thứ bậc: • Cách thực hiện như mô tả bảng chéo trên, tại hộp Crosstabs ta chọn Chi-square. • Được sử dụng để kiểm định xem có tồn tại mối quan hệ giữa 2 yếu tố đang nghiên cứu trong tổng thể. • Muốn thực hiện kiểm định ta thực phải phát biểu giả thuyết: H0 là không tồn tại mối quan hệ giữa hai biến. Cách thực hiện kiểm định Chi - Square trên SPSS • Chọn Analyze -> Descriptive Statistics -> Crosstabs Biến phụ thuộc Biến độc lập 1 2 3 4 • Chọn mục Chi - -square: • Đưa biến giới tính vào cột, và biến mức sống vào dòng ta có 3 bảng kết quả, 2 bảng trên như của Bassi Table, bảng thứ 3 như sau: Chi-Square Tests 1.497a 3 .683 1.500 3 .682 .112 1 .738 288 Pearson Chi-Square Continuity Correction Likelihood Ratio Linear-by-Linear Association N of Valid Cases Value df Asymp. Sig. (2-sided) 2 cells (25.0%) have expected count less than 5. The minimum expected count is 1.96. a. • Tại cột Asymb Sig (2- sided ), ở dòng đầu tiên Pearson Chi – Square nếu: • Dấu Sig < 0.1 thì giả thuyết H0 bị bác bỏ với độ tin cậy trên 90%. • Dấu Sig < 0.05 thì giả thuyết H0 bị bác bỏ với độ tin cậy trên 95%. Khi đó kết luận là có tồn tại mối quan hệ giữa giới tính của chủ hộ và mức sống gia đình. • Trong ví dụ này Sig = 0.683 có nghĩa là giả thuyết H0 được chấp nhận, vì nếu ta bác bỏ giả thuyết thì sẽ phạm sai lầm rất lớn. • Khi kiểm định Chi – Square chú ý nếu có quá 20% số ô có tần suất kỳ vọng dưới 5 thì kiểm định Chi – Square không còn tin cậy. Trong ví dụ này có tới 25% số ô có tần suất kỳ vọng nhỏ hơn 5. • Chuù yù: thoáng keâ hiC -square khoâng phaûi laø soá ño möùc ñoä chaët cheõ cuûa moái quan heä. Ví duï khoâng theå keát luaän raèng moái quan heä giöõa giôùi tính vaø möùc soáng laø quan troïng, vì noù chæ coù yù nghóa thoáng keâ (töùc laø caùc thoáng keâ naøy khoâng theå hieän möùc ñoä chaët cheõ cuûa moái quan heä). Khi thaûo luaän caùc keát quaû caàn xem xeùt möùc ñoä quan heä trong maãu cuõng nhö yù nghóa cuûa noù (vaø phaàn traêm theo doøng vaø coät). Một số đại lượng khác về mối liên hệ 2 biến định danh • Do kiểm định Chi-square không cho biết mức độ chặt chẽ giữa 2 biến, ta có thể sử dụng Tables để mô tả mối liên hệ đó hoặc sử dụng các đại lượng thống kê do Pearson đề xuất như: • * Cramer V: Ký hiệu V có giá trị 0 <= V < 1 • Giá trị của V thể hiện mức độ quan hệ 2 biến • * Hệ số liên quan (Coefficient contigency): ký hiệu C: 0<=C<=1 • * Lambda: ký hiệu L cho biết các trị số của biến khảo sát có tập trung quanh biến kia không, hay nói các khác nếu biết giá trị biến độc lập cho biết khả năng dự đoán giá trị biến phụ thuộc là bao nhiêu % 2- Kiểm định mối quan hệ 2 biến định tính thức bậc • Đối với 2 biến đều sắp theo thứ bậc chúng ta không dùng kiểm định Chi – Square mà dùng kiểm định tau-b, tautau-c, gamma cũng trong bảng Cosstabs. • Nếu cột Approx Sig có kết quả <0.05 của dòng Gamma thì giả thuyết H0 bị bác bỏ tức là có mối quan hệ giữa 2 biến. II- Kiểm định mức độ mối quan hệ 2 biến định tính Kiểm định Chi – Square chỉ khẳng định có mối quan hệ giữa 2 biến hay không, chứ không cho biết mức độ mối quan hệ đó như thế nào. Muốn thực hiện kiểm định mức độ mối quan hệ ta dùng kiểm định Crammér’s V, hoặx Kiểm định Lambda nằm trong cùng hộp kiểm định Chi – Square. Giá trị kiểm định biến thiên từ 0 -> 1 thể hiện mức độ của quan hệ. III- Kiểm định giả thuyết về trị trung bình của 1 tổng thể Phần này sẽ nói đến việc kiểm định trung bình của tổng thể trong trường hợp mẫu lớn và mẫu nhỏ, với điều kiện đã biết hoặc chưa biết phương sai tổng thể . Để tiến hành kiểm định thống kê cho một giả thuyết nào đó, cần thiết phải đưa ra những giả định nào đó về dữ liệu quan sát • Ví dụ: Một trường A, muốn đánh giá xem hệ số thông minh của học sinh trường có hơn hệ số thông minh trung bình của các trường toàn quận (105). Trường A đã chọn ngẫu nhiên 30 học sinh để đánh giá. Hệ số thông minh trung bình của học sinh trường A có khác biệt so với toàn quận ? • Giả thuyết là: • “H0 là hệ số thông minh của học sinh trường A không có sự khác biệt với hệ số thông minh trung bình các trường trong quận ( hệ số IQ trung bình học sinh toàn quận = 105 ). Thöïc hieän kieåm ñònh T moät maãu treân SPSS: Hộp thoại kiểm định T một mẫu: Biến kiểm định Giá trị kiểm định Bảng kết quả kiểm định One-Sample Statistics 30 110.73 8.05 1.47Heä soá thoâng minh N Mean Std. Deviation Std. Error Mean One-Sample Test 3.900 29 .001 5.73 2.73 8.74Heä soá thoâng minh t df Sig. (2-tailed) Mean Difference Lower Upper 95% Confidence Interval of the Difference Test Value = 105 • Bảng kết quả của kiểm định trung bình một mẫu, cho ta thấy: • Sự khác biệt trung bình = Trung bình mẫu quan sát - Trung bình giả thuyết. 110.73 – 105 = 5.73 ( bảng trên ) • Khoảng tin cậy đã chọn là 95% cho sự khác biệt giữa các trung bình từ 2.73 -> 8.74 • Giá trị kiểm định T = 3.900, với bậc tự do là 29. Giá trị p = 0.001 nhỏ hơn mức ý nghĩa ∽ (0.05 nên giả thuyết Ho hệ số thông minh học sinh trường A = 105 bị bác bỏ. Nghĩa là có sự khác biệt về hệ số thống minh của Trường A với các trường trong quận. II -Kieåm Trung bình hai tổng thể • II.1 Kiểm định T với các mẫu độc lập Hoäp thoaïi kieåm ñònh T hai maãu ñoäc laäp : Xác định nhóm • Chọn biến định lượng kiểm định dưa vào hộp test Variable(s) • Chọn biến định tính chia số quan sát thành 2 nhóm để so sánh 2 nhóm đưa vào Groupping Variable, chọn Define Groups đánh tên nhóm. • Mặc định là 2 nhóm • Options vào thay đổi mức giới hạn khoảng tin cậy ( mặc nhiên 95%, tức mức ý nghĩa 5%). III- Kiểm định trung bình 02 mẫu phụ thuộc ( hay mẫu cặp ) • Kiểm định được dùng cho 2 mẫu có liên hệ với nhau. Quá trình kiểm định bắt đầu từ việc tính toán chênh lệch trên từng cặp quan sát theo phép tính trừ. • Thường ta kiểm định cho việc tiến hành các thí nghiệm xem sự khác biệt trung bình của lô thí nghiệm và lô không thí nghiệm. • Giả thuyết Ho là: Không có sự khác biệt giữa sản phẩm trước và sau thí nghiệm. Thao tác trên SPSS • Từ Analyze -> Compare Means -> Paired – Samples T Test. Chọn cặp biến Ví dụ: Lấy máu của 12 người cho máu, mỗi mẫu máu lại được chia làm hai, một bảo quản tại nơi không có ánh sáng và một để ở nơi có ánh sáng bình thường. Bốn tuần sau, tiến hành định lượng methemoglobin và so sánh nồng độ MetHb ở hai mẫu (bảo quản tốt: ít MetHb). Kết quả như sau: Tối: 5.4 2.7 7.4 6.2 8.8 7.9 9.9 5.3 6.8 10.1 5.2 6.5 Sáng: 8.9 6.3 14.2 7.4 6.4 11.3 6.8 9.4 10.5 8.9 7.1 9.4 Kết quả kiểm định Paired Samples Statistics 6.850 12 2.133 .616 8.883 12 2.332 .673 Nôi toái Nôi saùng Pair 1 Mean N Std. Deviation Std. Error Mean Paired Samples Correlations 12 .144 .656Nôi toái & Nôi saùngPair 1 N Correlation Sig. Paired Samples Test -2.033 2.926 .845 -3.892 -.174 -2.407 11 .035Nôi toái - Nôi saùng Pair 1 Mean Std. Deviation Std. Error Mean Lower Upper 95% Confidence Interval of the Difference Paired Differences t df Sig. (2-tailed) • Ta có có thể khẳng định rằng máu bảo quản nơi sáng kém chất lượng vì tăng nhiều MetHb (độ tin cậy trên 95%). • Hệ số tương quan (Correlation) giữa nồng độ MetHb đặt trong tối và nơi sáng bằng 0.144. Hệ số này có giá trị dương có nghĩa là quan sát theo cặp sẽ làm giảm sự biến thiên của các trị trung bình. Hệ số tương quan càng lớn, quan sát cặp càng có ý nghĩa khi nghiên cứu. Kiểm định trung bình nhiều tổng thể (hay gọi phần tích phương sai) • - Khi kiểm định T với 2 mẫu độc lập, nhưng nhiều khi biến phân loại có trên 2 nhóm, nếu chúng ta thực hiện bằng kiểm định Independent – Sample T-Text, chúng ta sẽ phải phân thành nhiều cặp kiểm định lần lượt như vậy vừa mất thời gian, nhưng cơ bản là mỗi lần kiểm định ta chịu sai số 5%, tổ hợp các cặp ta chịu sai lầm rất lớn. • - Để Tránh sai lầm đó trong thống kê người ta sử dụng phương pháp kiểm định trung bình nhiều tổng thể ( phân tích phương sai ) là ta kiểm định cùng một lúc các nhóm và cũng chỉ chịu sai lầm 1 lần là 5%. Thao tác trên máy Dưa biến định lượng vào Chọn phân nhóm (một biến độc lập) Giải thích từ: • * Contrasts:Kiểm định trước • * Post Hoc : Kiểm định sau • * Descriptive: Tính các đại lượng thống kê • * Homogeneity-of-variance: Kiểm định sự bằng nhau các phương sai nhóm • Chúng ta thực hiện kiểm định sau nghĩa là kiểm định khác nhau trung bình các nhóm sau khi thực hiện phân tích Anova, bằng cách Click vào Post Hoc ta có hộp thoại: Ý nghĩa các mục kiểm định • * LSD: Chính là kiểm định t lần lược các cặp như kiểm định trung bình 2 tổng thể nên sai số cao. • * Bonferroni: loại kiểm định này là loại kiểm định LSD cải tiến. Dùng kiểm định để thực hiện tất cả các so sánh cặp giữa các trung bình nhóm, nhưng có sự kiểm tra tất cả các tỷ lệ sai số bằng cách cho trước sai số tỷ lệ cho mỗi kiểm định( đây là kiểm định đơn gian thường dùng). • Tukey: dùng thống kê Studentized range statistic để tiến hành các so sánh cặp giữa các nhóm dùng để kiểm định khi có nhiều cặp trung bình cần so sánh. • * Scheffé: thực hiện so sánh cặp cùng một lúc cho tất cả các kết hợp theo cặp có thể có của các trị trung bình. Kiểm định này thì kém nhạy trong việc so sánh trung bình của các cặp biến,nhưng chính vì thế mà kết quả nó đưa ra lại thận trọng hơn so. • * R-E-G-F: Thực hiện 2 bước kiểm định, bước 1 là kiểm toàn bộ các trị trung bình xem có bằng nhau không, sau đó kiểm định sự khác biệt ở nhóm nào. • * Dunnett: Là so sánh các trị trung của các nhóm với trị trung bình của 1 nhóm cụ thể. SPSS mặc định chọn nhóm cuối để làm nhóm điều khiển. • * Trong trường hợp phương sai các nhóm khác nhau ta chọn kiểm định Tamhane’s T2. • * ta chọn kiểm định 2-sided (kiểm định 2 phía). • * Dấu * chỉ sự khác biệt được phát hiện 2 nhóm tương ứng dòng và cột ô chứa dấu *, nếu không có dấu * thì kiểm định không phát hiện khác biệt các nhóm. • * Sig cho độ tin cậy khi bác bỏ giả thuyết trị trung bình bằng nhau của các nhóm. Ví dụ ANOVA Toång dieän tích ôû chính (m2) 147829.275 5 29565.855 29.316 .000 621257.064 616 1008.534 769086.339 621 Between Groups Within Groups Total Sum of Squares df Mean Square F Sig. Post Hoc Tests Multiple Comparisons Dependent Variable: Toång dieän tích ôû chính (m2) Dunnett t (2-sided)a -60.515* 8.6747 .000 -81.106 -39.923 -54.282* 8.7900 .000 -75.147 -33.416 -40.262* 9.8006 .000 -63.526 -16.998 -1.505 10.2260 1.000 -25.779 22.769 -44.929* 10.3951 .000 -69.604 -20.253 (J) Daân toäc cuûa gia ñình Khaùc Khaùc Khaùc Khaùc Khaùc (I) Daân toäc cuûa gia ñình Raglay Kôho Chaêm Nuøng Kinh Mean Difference (I-J) Std. Error Sig. Lower BoundUpper Bound 95% Confidence Interval The mean difference is significant at the .05 level.*. Dunnett t-tests treat one group as a control, and compare all other groups against it.a. Đọc kết quả • Tại cột Mean Difference (I-J): Sự khác biệt trung bình từng cặp nhóm nếu có dấu * là có sự khác biệt trung bình của các cặp tương đương khi đó Sig tương ứng sẽ < mức ý nghĩa kiểm định trong ví dụ này là <0.05, dòng nào không có dấu * thì dấu sig >0.05. • Kết quả âm tại Mean Difference (I-J): là J>I, ví dụ diện tích Trung bình dân tộc khác > diện tích trung bình dân tộc Raglay. Kiểm định Chi- Bình phương 1 mẫu • Mục đích: Kiểm định xem sự phân phối của mẫu có phù với giả thuyết phân phối của tổng thể: • Giả thuyết là không có sự khác biệt trong phân phối của tổng thể. Thực hiện kiểm định Trình ñoä chuyeân moân 44 38.3 5.7 54 38.3 15.7 17 38.3 -21.3 115 Cöû nhaân Thaïc syõ Tieán syõ Total Observed NExpected NResidual Test Statistics 19.113 2 .000 Chi-Squarea df Asymp. Sig. Trình ñoä chuyeân moân 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 38.3. a.