Kiểm định Independent Sample T-Test
Phân tích và đo lường sự khác biệt về giá trị trung bình (Mean) của một biến định lượng giữa hai nhóm đối tượng độc lập. Đây là phương pháp nền tảng bắt buộc để kiểm chứng các giả thuyết so sánh đặc điểm nhân khẩu học (như Giới tính, Khu vực, Trạng thái...) trước khi tối ưu hóa mô hình hồi quy tuyến tính hoặc cấu trúc SEM trên SPSS.
Trong thực tế nghiên cứu, khi chúng ta muốn tìm hiểu xem liệu có sự khác biệt có ý nghĩa thống kê về trị trung bình của một biến định lượng (ví dụ: Sự hài lòng, Chi tiêu, Điểm số...) đối với các nhóm phân loại của một biến định tính hay không, chúng ta cần áp dụng phép kiểm định sai biệt. Lựa chọn công cụ kiểm định sẽ phụ thuộc trực tiếp vào **số lượng nhóm giá trị** của biến định tính đó.
Bản đồ Quyết định: Khi nào dùng T-Test và One-way ANOVA?
Áp dụng khi biến định tính có đúng 2 giá trị phân loại (ví dụ: Giới tính Nam/Nữ, Địa bàn Thành thị/Nông thôn, Vùng miền Bắc/Nam).
Giải quyết trở ngại của T-Test khi biến định tính có từ 3 nhóm trở lên (ví dụ: Độ tuổi, Học vấn, Thu nhập, Phòng ban làm việc).
| Thành phần kiểm định | Biến phụ thuộc (Dependent Variable) | Biến phân nhóm (Grouping Variable) |
|---|---|---|
| Loại dữ liệu yêu cầu | Biến định lượng (Scale), đo lường bằng thang đo Likert hoặc tỷ lệ/khoảng. | Biến định tính (Nominal/Ordinal), chỉ chứa đúng **2 giá trị đại diện**. |
| Ví dụ cụ thể | Điểm số ý định mua hàng, mức độ trung thành thương hiệu, thu nhập thực tế. | Giới tính (1: Nam, 2: Nữ); Địa lý (1: Hà Nội, 2: TP.HCM); Tình trạng (1: Đã kết hôn, 2: Độc thân). |
Để đưa ra kết luận chính xác về sự khác biệt, nhà nghiên cứu bắt buộc phải thực hiện phân tích theo trình tự khoa học nghiêm ngặt qua **2 bước kiểm định** dưới đây:
Bước 1 — Kiểm định sự đồng nhất phương sai (Levene's Test)
Trước khi so sánh trị trung bình, ta phải kiểm tra xem phương sai của biến định lượng ở hai nhóm có đồng nhất hay không. Giả thuyết gốc $H_{F0}$: Không có sự khác biệt về phương sai giữa hai nhóm. Ta dựa vào giá trị **Sig. của Levene's Test** trong SPSS:
Bước 2 — Kiểm định sự khác biệt trị trung bình (T-Test)
Sau khi xác định đúng dòng dữ liệu cần đọc ở Bước 1, ta tiến hành kiểm tra sự khác biệt trị trung bình giữa hai nhóm. Giả thuyết gốc $H_0$: Không có sự khác biệt về trị trung bình giữa hai nhóm giá trị. Ta dựa vào trị số **Sig. (2-tailed)** của cột t-test:
| Sig. (2-tailed) < 0.05 | CÓ KHÁC BIỆT Ý NGHĨA |
| Sig. (2-tailed) ≥ 0.05 | KHÔNG CÓ KHÁC BIỆT |
* Lưu ý: Nếu có khác biệt, hãy đối chiếu giá trị Mean (Trung bình) của từng nhóm trong bảng Group Statistics để xác định nhóm nào có điểm đánh giá cao hơn.
Dưới đây là một ví dụ thực tế về việc so sánh mức độ hài lòng chung đối với công việc (SAT_Mean) giữa hai nhóm Giới tính: Nam (Male) và Nữ (Female).
Bảng 1: Thống kê mô tả nhóm (Group Statistics)
| Biến kiểm định | Giới tính (Gender) | Cỡ mẫu (N) | Điểm trung bình (Mean) | Độ lệch chuẩn (Std. Deviation) | Sai số chuẩn (Std. Error Mean) |
|---|---|---|---|---|---|
| SAT_Mean | Nam (Male) | 159 | 2.7610 | .82138 | .06514 |
| Nữ (Female) | 191 | 3.5906 | .89025 | .06442 |
Bảng 2: Kiểm định các mẫu độc lập (Independent Samples Test)
| SAT_Mean | Kiểm định Levene về tính đồng nhất phương sai | Kiểm định t về sự bằng nhau của các trị trung bình | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| F | Sig. | t | df | Sig. (2-tailed) | Chênh lệch trung bình | Sai số chênh lệch | Khoảng tin cậy 95% (Lower - Upper) | |||
| Đọc dòng này ➜ | Equal variances assumed | 1.663 | .198 | -8.989 | 348 | .000 | -.82957 | .09229 | -1.01108 | -.64806 |
| Bỏ qua ➜ | Equal variances not assumed | -9.055 | 344.307 | .000 | -.82957 | .09161 | -1.00976 | -.64938 | ||
Phân tích chi tiết kết quả kiểm định mẫu
Bước 1 (Đọc kiểm định Levene): Giá trị hệ số Levene đạt $Sig. = 0.198 \ge 0.05$. Do đó, chấp nhận giả thuyết phương sai đồng nhất.
Chúng ta xác định chính xác sẽ đọc số liệu kiểm định $t$ ở hàng thứ nhất: Equal variances assumed.
Bước 2 (Đọc kiểm định t): Ở hàng thứ nhất, giá trị kiểm định $t$ đạt $Sig. (2\text{-tailed}) = 0.000 < 0.05$.
Vì vậy, bác bỏ giả thuyết $H_0$. Điều này chứng minh rằng **có sự khác biệt mang ý nghĩa thống kê** về mức độ hài lòng chung giữa Nam và Nữ.
Kết luận thực tế từ dữ liệu
Khi đối chiếu ngược lại bảng Group Statistics: Điểm trung bình hài lòng của Nữ là $Mean = 3.5906$, trong khi của Nam là $Mean = 2.7610$. Như vậy, chúng ta có đủ căn cứ khoa học để kết luận: Nhân viên Nữ có mức độ hài lòng với công việc cao hơn một cách rõ rệt so với nhân viên Nam trong tổ chức này (sai lệch trung bình là $-0.83$ điểm).
Sai lầm kinh điển cần tránh
Rất nhiều sinh viên và người làm nghiên cứu thường bỏ qua hoàn toàn Bước 1 (Levene's Test) và nhảy thẳng vào đọc kết quả t-test, hoặc nhầm lẫn cột **Sig. của kiểm định Levene (cột số 4)** với cột **Sig. (2-tailed) của kiểm định t (cột số 7)**. Hãy luôn nhớ rằng: Cột Sig. đầu tiên chỉ dùng để chọn dòng, cột Sig. thứ hai mới dùng để kết luận sự khác biệt trị trung bình.
Để tính toán kiểm định Independent Sample T-Test chuẩn xác trên phần mềm SPSS, hãy thực hiện tuần tự theo quy trình 7 bước sau:
Mở hộp thoại kiểm định t độc lập
Trên thanh công cụ chính của SPSS, truy cập chính xác theo đường dẫn: Analyze > Compare Means > Independent-Samples T Test...
Đưa biến định lượng vào phân tích
Chọn biến định lượng cần so sánh giá trị trung bình (ví dụ: SAT_Mean) từ danh sách bên trái, nhấn mũi tên để đưa vào khung Test Variable(s) ở phía trên.
Thiết lập biến phân nhóm định tính
Chọn biến định tính chứa 2 nhóm cần so sánh (ví dụ: Gender) và nhấn mũi tên để đưa vào khung Grouping Variable ở bên dưới. Lúc này, biến sẽ hiển thị dạng: Gender(? ?).
Định nghĩa giá trị cho hai nhóm
Nhấn chọn nút Define Groups... ngay dưới khung. Hộp thoại hiện ra, bạn nhập đúng các mã hóa số của 2 nhóm vào khung **Group 1** (ví dụ nhập 1 cho Nam) và **Group 2** (ví dụ nhập 2 cho Nữ). Nhấn Continue.
Cấu hình khoảng tin cậy (Tùy chọn Options)
Click chọn nút Options... ở góc phải. Tại mục Confidence Interval Percentage, đảm bảo hệ thống thiết lập mặc định là 95% (tương ứng với mức ý nghĩa kiểm định $5\%$). Nhấn Continue.
Xuất kết quả kiểm định
Nhấn chọn nút OK trên màn hình chính để SPSS xử lý dữ liệu và tự động hiển thị hai bảng kết quả phân tích trong cửa sổ Output.
Đối chiếu và giải thích kết quả (Pro-tip)
Tiến hành thực hiện tuần tự 2 bước đọc bảng như đã hướng dẫn ở Mục 2 & 3 để kết luận giả thuyết. Mẹo nhỏ: Có thể đưa nhiều biến phụ thuộc định lượng vào khung Test Variable(s) cùng một lúc để chạy song song nhiều phép T-Test giúp tiết kiệm thời gian.
Lưu đồ dưới đây tóm tắt toàn bộ quy trình logic ra quyết định và xử lý các tình huống thực tiễn khi thực hiện phân tích T-Test: