Hướng Dẫn 3 Cách Xử Lý Số Liệu Bảng Anova Trong SPSS Từ A – Z

Kiểm định Anova là so sánh giá trị trung bình về một chỉ tiêu nghiên cứu nào đó giữa 2 hay nhiều đối tượng. Vậy cách xử lý số liệu bảng Anova ra sao? Hãy cùng chúng tôi tìm hiểu thông qua bài viết dưới đây!

1. Cách xử lý số liệu bảng One- way Anova trong SPSS

1.1. Kiểm định One- way Anova là gì?

Kiểm định One – way Anova hay còn gọi phân tích phương sai một yếu tố. Đây là phương pháp kiểm định được dùng để kiểm định giả thuyết trung bình bằng nhau với các nhóm dữ liệu có độ sai số chỉ 5%.

1.2. Ví dụ về kiểm định One- way Anova

– Ví dụ 1: Một nhóm bệnh nhân tâm thần đang thử ba liệu pháp khác nhau: tư vấn, dùng thuốc và phản hồi sinh học. Bạn muốn xem liệu một liệu pháp tốt hơn những liệu pháp khác.

– Ví dụ 2: Một nhà nghiên cứu quan tâm đến việc xác định liệu có sự khác biệt về sức mạnh đôi chân chân giữa những người chơi bóng bầu dục nghiệp dư, bán chuyên nghiệp và chuyên nghiệp hay không. Lực/cường độ đo được trên máy isokinetic là biến phụ thuộc. Kiểu thiết kế nghiên cứu được minh họa dưới dạng sơ đồ trong hình dưới đây:

1.3. 5 bước xử lý số liệu bảng One- way Anova

Bước 1: Trên thanh menu của phần mềm SPSS, ta chọn Analyze > Compare Means > One-Way Anova.

Bước 2: Tại cửa sổ hiện ta, ta tiến hành chuyển biến phụ thuộc Time vào mục Dependent List và biến độc lập Course vào mục Factor. Dùng các nút mũi tên kéo thả các biến vào ô trống tương ứng.

Bước 3: Nhấp vào nút “Post hoc”… Sau đó tích vào ô Tukey rồi nhấn vào continue.

Bước 4: Nhấp vào tùy chọn, chọn kiểm tra tính đồng nhất của phương sai và nhấn Tiếp tục

Bước 5: Chọn Options tích vào ô Descriptive thuộc ô vuông Statistics và chọn continue, sau đó bấm OK. Kết quả output sẽ hiện ra.

1.4. Kết quả phân tích

Chúng ta sẽ tiến hành phân tích kết quả ở 3 bảng sau:

– Bảng mô tả Descriptive Table

• Trong bảng mô tả này sẽ cung cấp các số liệu thống kê hữu ích bao gồm giá trị trung bình, độ lệch chuẩn và độ tin cậy lên đến 95% cho các biến phụ thuộc Time trong từng nhóm riêng biệt (Beginner, Intermediate Advanced) cũng như nhóm được kết hợp (Total). 
• Thông tin số liệu này rất cần thiết cho bạn khi cần phải mô tả dữ liệu. 

– Bảng Anova

• Kết quả trong bảng Anova cho thấy sự khác biệt có ý nghĩa trong thống kê giữa các nhóm. Ví dụ, dựa vào bảng thống kê dưới đây,  có p=0,021 điều này có nghĩa là giá trị giữa các nhóm bằng 0,021, thấp hơn 0,5. 
• Sự khác biệt này có ý nghĩa thống kê về thời gian trung bình để hoàn thành bài toán bảng tính giữa các khóa học khác nhau được thực hiện. 

– Bảng Multiple Comparisons 

• Thông qua kết quả trong Multiple Comparisons, có thể nhận thấy được các nhóm có sự khác biệt với nhau. Bài kiểm tra Tukey bằng Post Hoc là một phương pháp được áp dụng trong one-way Anova áp dụng chung cho tất cả đối tượng, tuy nhiên, kết quả trả về lại có sự khác biệt. 
• Quan sát dưới bảng, có thể thấy được sự khác nhau giữa thời gian hoàn thành của đối tượng Beginner và Intermediate đều có p = 0,46 ,giữa Beginner và Advanced có p = 0,034. Tuy nhiên, giữa đối tượng Intermediate và Advanced lại không có sự khác biệt khi p = 0,989

Trong quá trình xử lý số liệu SPSS bạn còn gặp khó khăn hay thắc mắc gì, đừng ngần ngại hãy liên hệ Best4team để được hỗ trợ dịch vụ chạy SPSS đạt kết quả cao nhất, chuẩn nhất. Liên hệ tại đậy để được hỗ trợ tư vấn nhanh nhất!

2. Cách xử lý số liệu bảng Two-way ANOVA trong SPSS

2.1. Kiểm định Two- way Anova là gì?

• Kiểm định Two-way ANOVA là nghiên cứu mở rộng hơn việc xem xét khác biệt một biến định lượng ở hai biến định tính cùng lúc, One-way ANOVA sẽ không thể thực hiện được, chúng ta sẽ cần dùng đến nó.
• Giả sử kết quả phân tích One-way ANOVA đã chứng minh quyết định mua hàng có khác biệt giữa các khách hàng có độ tuổi khác nhau. Bạn cũng nhận ra rằng giới tính khác nhau có khả năng ảnh hưởng lên độ tuổi và quyết định mua hàng. Lúc này, phân tích Two-way Anova sẽ là một lựa chọn phù hợp để bạn xem xét sự khác biệt quyết định mua hàng ở các độ tuổi khác nhau có đúng cho cả hai nhóm giới tính là nam và nữ hay không?

2.2. Ví dụ về kiểm định Two- way Anova

• Ví dụ để so sánh giữa các nhóm tuổi khác nhau có sự khác biệt đối với sự hài lòng hay không? Giả sử chúng ta đã có sự khác biệt giữa các nhóm tuổi đối với sự hài lòng thì câu hỏi đặt ra tiếp theo là sự khác biệt đó có đúng cho cả hai nhóm giới tính là nam và nữ hay không?
• Sự ưu việt của phân tích two-way Anova như sau: Ví dụ trường hợp chúng ta có thể tìm ra là ảnh hưởng của độ tuổi tới sự hài lòng khác nhau giữa Nam và Nữ. Đối với Nam sự hài lòng tăng theo độ tuổi trong khi đối với Nữ lại giảm theo độ tuổi, trường hợp này gọi là hiệu ứng tương tác interaction effect.

2.3. 5 bước xử lý số liệu bảng Two- way Anova

Bước 1: Vào menu Analyze —> General Linear Model —> Univariate.

Bước 2:  Nhấn vào biến phụ thuộc sự hài lòng “HAILONG” ,Đưa vào ô Dependent variable. Tiếp theo là hai biến độc lập dạng phân loại, categorical GIOITINH,NHOMTUOI Và đưa vào ô Fixed Factors.

Bước 3: Nhấn vào nút Options. Nhấn vào Descriptive Statistics, Estimates of effect size and Homogeneity tests, Chọn Continue.

Bước 4: Nhấn nút Post Hoc. Từ danh sách Factors bên trái, chọn biến NHOMTUOI ( nhóm này phải có 3 nhóm trở lên) và đưa vào ô bên phải Post Hoc Tests. Chọn loại kiểm định (Tukey).

Bước 5: Nhấn Continue, sau đó chọn OK. Kết quả sẽ được hiển thị ở phần Output.

2.4. Kết quả phân tích

– Bảng thống kê mô tả

• Hệ thống kiểm định Anova trong SPSS sẽ trả kết quả về bằng một bảng thống kê khi áp dụng two-way Anova. Trong bảng này bạn có thể quan sát thông số để dùng làm báo cáo kết quả. 
• Thông tin tổng hợp trong bảng Descriptive Statistics rất hữu ích vì nó cung cấp giá trị trung bình và độ lệch chuẩn cho mỗi tổ hợp trong biến độc lập. Đồng thời, bạn còn được cung cấp thêm kết quả tổng số, cho phép người dùng biết được phương tiện và độ lệch chuẩn của các nhóm bằng cách phân tách bởi một biến độc lập hoặc không có ý nghĩa. 

– Bảng kiểm định phương sai Anova

Bảng kiểm định phương sai này sẽ cung cấp và kiểm định kết quả bằng nhau của phương sai. Khi hệ số Significant > 5% thì không có ý nghĩa trong thống kê. Lúc này chúng ta có thể kết luận “phương sai các nhóm biến bằng nhau”. 

– Kiểm tra giữa hiệu ứng chủ đề hoặc các đối tượng

Để tránh tình trạng hiểu lầm khi báo cáo, bạn có thể kiểm tra giữa hiệu ứng của các đối tượng đơn giản. Trường hợp ví dụ trên, kết quả kiểm tra sẽ liên quan đến sự khác biệt trung bình giữa hai nhóm đối tượng là GIỚI TÍNH và NHÓM TUỔI. Bạn có thể thực hiện phân tích hiệu ứng giữa các đối tượng bằng giao diện người dùng đồ họa trong hộp thoại của SPSS. 

3. Cách xử lý số liệu bảng MANOVA trong SPSS 

3.1. Kiểm định MANOVA là gì?

• Một kiểm định MANOVA có thể có hai hoặc nhiều biến độc lập, và tương tự với biến phụ thuộc.
• Trong thống kê, MANOVA không chỉ so sánh sự khác biệt về điểm trung bình giữa các nhóm mà còn giúp giả định mối quan hệ nhân – quả giữa các biến trong kiểm định. Theo đó, một học nhiều biến độc lập sẽ gây ra sự khác biệt đáng kể của một hoặc nhiều đặc điểm lên biến phụ thuộc.

3.2. Ví dụ về kiểm định MANOVA

Ví dụ minh họa: Các học sinh tại một trường trung học đến từ ba trường tiểu học khác nhau. Hiệu trưởng muốn biết liệu có sự khác biệt về học tập giữa các học sinh của ba trường tiểu học khác nhau hay không? 

Cô đã chọn ngẫu nhiên 20 học sinh từ Trường A, 20 học sinh từ Trường B và 20 học sinh từ Trường C, và đo kết quả học tập của các em được đánh giá bằng điểm các em nhận được cho kỳ thi Toán và Tiếng Anh cuối năm:

• Hai biến phụ thuộc là “Điểm tiếng Anh” và “Điểm Toán”
• Biến độc lập là “Trường học”, 
• Ba nhóm biến độc lập: “Trường A”, “Trường B” và “Trường C”

3.3. 5 bước xử lý số liệu bảng MANOVA

Bước 1: Trên thanh menu trong phần mềm SPSS, chọn Analyze > General Linear Model > Multivariate…

Bước 2: Nhấn vào biến phụ thuộc “Điểm tiếng Anh” và “Điểm Toán” . Đưa vào ô Dependent variables.

Bước 3: Chuyển biến độc lập “trường học” vào ô Factor(s) như hình bên dưới:

Bước 4: Nhấn vào nút Options, tích vào Descriptive Statistics và Estimates of effect size. 

Bước 5: Sau đó nhấp vào chọn Continue > OK để chạy kết quả.

3.4. Kết quả phân tích

– Bảng Descriptive:

Bảng này rất hữu ích vì nó cung cấp giá trị trung bình và độ lệch chuẩn cho hai biến phụ thuộc khác nhau, đã được tách bởi biến độc lập. Ngoài ra, bảng cung cấp các hàng “Tổng số”, cho phép biết phương tiện và độ lệch chuẩn cho các nhóm chỉ được phân tách theo biến phụ thuộc.

– Bảng Multivariate:

Chúng ta có thể thấy từ bảng rằng chúng ta có giá trị “Sig. = 0.000”, có nghĩa là p <.0005. Do đó, chúng ta có thể kết luận rằng kết quả học tập của học sinh trường này phụ thuộc đáng kể vào trường trước đó mà các em đã theo học (p < 0.0005).

– Báo cáo kết quả: 

Có sự khác biệt có ý nghĩa thống kê về kết quả học tập dựa trên trường học trước đó của học sinh, (4,112) = 13,74, p < 0.0005; Wilk’s Λ = 0.450, một phần η^2 = 0.33.

Để xử lý được số liệu cho kết quả tốt bằng kiểm định anova trong SPSS thì đòi hỏi người dùng cần có kinh nghiệm, kiến thức cũng như độ thành thạo thao tác xử lý số liệu. Sau đây Best4team sẽ chia sẻ cho các bạn những kiến thức bổ ích về khái niệm kiểm định anova, phân loại và cách chạy chi tiết nhất. Hãy tham khảo ngay!

Bài viết trên đã hướng dẫn 3 cách xử lý số liệu bảng anova trong SPSS chi tiết từ A-Z, các khái niệm, ví dụ cụ thể và các bước chạy có hình ảnh minh họa dễ hiểu. Hy vọng sẽ giúp ích được cho các bạn. Chúc các bạn đạt kết quả cao!

Tìm hiểu thêm tại: Gfxtoolkit.com