Kiểm định T Test là gì? Thực hành 3 Loại kiểm định T Test trong SPSS 

Trong thống kê, phương pháp T Test là một phương pháp so sánh thông qua kiểm định số liệu, hỗ trợ các nhà nghiên cứu khoa học đưa ra những kết luận có giá trị. Để tìm hiểu sâu hơn chúng ta cùng tìm hiểu kiểm định T Test là gì? Cách thực hiện & đọc kết quả kiểm định T Test trong SPSS.

Kiểm định T Test là gì?

Phương pháp kiểm định T-Test là phương pháp thường xuyên được sử dụng trong kiểm định sự khác biệt giá của trị trung bình của một biến đơn với một giá trị cho trước, hoặc của giá trị trung bình của hai tổng thể. Khi sử dụng phần mềm SPSS,  ta sử dụng mức ý nghĩa quan sát (sig) bác bỏ hoặc chấp nhận giả thuyết ban đầu khi  kiểm nghiệm cho ta chỉ số mức ý nghĩa quan sát  sig nhỏ hơn mức ý nghĩa  α = 5%.

Kiểm định T Test là gì?

Xem thêm:

Phân tích nhân tố khám phá EFA trong SPSS

Các dạng kiểm định T Test trong SPSS

Trong kiểm định T Test có ba dạng kiểm định được sử dụng cho những trường hợp khác nhau. Chúng ta sẽ tìm hiểu kĩ hơn cách sử dụng cho từng phương pháp dưới đây:

Kiểm định One-Sample T Test

Kiểm định One-Sample T Test được dùng nếu so sánh giá trị trung bình của tổng thể với một số cụ thể. Chẳng hạn kiểm tra xem độ tuổi trung bình kết hôn của nữ giới là cao hơn, thấp hơn hay bằng 20 tuổi,...

Sau đây, chúng ta sẽ đi vào ví dụ minh họa để làm rõ hơn cho phương pháp này:

Xem xét trong một lớp học, chúng tôi sẽ xác định xem số lượng trung bình của anh chị lớn hơn mà học sinh trong một lớp có lớn hơn 1 hay không?

Phát biểu giả thuyết thống kê: 

Ho:  trung bình anh chị lớn của học sinh  ≤ 1

H1:  trung bình anh chị lớn của học sinh > 1

Các bước thực hiện One-Sample T Test trong SPSS:

Bước 1: Trên thanh công cụ, chọn Analyze > Compare Means > One-Sample T Test.

Cửa sổ One-Sample T Test xuất hiện dạng

Bước 2:  Khi cửa sổ One-Sample T Test mở ra, bạn chọn các biến cần phải phân tích ở cột bên trái sang cột Test Variable(s) ở cột bên phải thông qua nút mũi tên. Ở mục Test Value, bạn điền giá trị 1

Bước 3: Nhấn Options để chuyển sang cửa sổ mới. Sau đó nhập độ tin cậy là 95% sau đó nhấn Continue để trở về cửa sổ trước

Bước 4: Đọc và phân tích kết quả

Từ số liệu bảng One-Sample Statistics ta có:

• Trung bình biến T1 là 1.26
• Độ lệch chuẩn là 1.255
• Giả thiết không "Test Value ≤ 1"
• Giá trị t = 1.410
• Khoảng tin cậy cho độ chênh lệch giữa trung bình tổng thể của Number of older Siblings và 1 là -0.11 và 0.63
• Giá trị p-value (Sig. (2-tailed)) là 0.165 > 5% 

=> Chấp nhận Ho, bác bỏ H1

Kết luận: Không đủ bằng chứng để kết luận rằng số lượng trung bình của anh chị lớn hơn mà học sinh trong một lớp có lớn hơn 1.

Kiểm định Independent-Samples T Test

Kiểm định Independent-Samples T Test dùng trong trường hợp so sánh hai giá trị trung bình của hai tổng thể độc lập. 

Trong phương pháp này chúng ta cùng xem xét so sánh số anh chị lớn hơn của học sinh trong được hỏi lúc 10h sáng và 11h sáng

Ho: Số anh chị lớn của hs lúc 10h = Số anh chị lớn của hs lúc 11h

H1: Số anh chị lớn của hs lúc 10h  ≠  Số anh chị lớn của hs lúc 11h

Các bước thực hiện kiểm định Independent-Samples T Test trong SPSS:

Bước 1: Trên thanh công cụ phần mềm SPSS, chọn Analyze > Compare Means > Independent-samples T Test

Cửa sổ Independent T Test dạng:

Bước 2:  Ở cửa sổ Independent-Samples T Test,  bạn chọn các biến cần phân tích ở cột bên trái dời sang cột Test Variable(s) hoặc Grouping Variable bằng dấu mũi tên, trong đó Grouping Variable là biến phụ thuộc.

Bước 3: Nhấn Options để chuyển sang cửa sổ mới. Sau đó nhập độ tin cậy là 95% sau đó nhấn Continue để trở về cửa sổ trước

Bước 4: Chọn Define Groups… để nhập mã số của 2 nhóm (nhập giá trị 0 và 1). Chọn Continue để trở lại hộp thoại chính > Ok để thực hiện lệnh.

Bước 5: Đọc và phân tích kết quả

Ta có được bản phân tích như sau

• Phân tích kiểm định Levene: giá trị Sig. trong kiểm định Levene (kiểm định F) ở ví dụ này < 0.05 => phương sai của 2 tổng thể khác nhau, ta sử dụng kết quả kiểm định t ở dòng Equal variances not assumed. (Ngược lại nếu Sig. > 0.05 ta sử dụng kết quả kiểm định t ở dòng Equal variances assumed) => bác bỏ giả thuyết Ho, kết luận rằng phương sai trong thời gian dặm của vận động viên khác biệt đáng kể so với người không phải vận động viên.
• Phân tích Independent-samples T-test: Ta có, chỉ số Sig. (2-tailed)  ≤ mức ý nghĩa α = 0.05 => bác bỏ giả thuyết Ho, trong ví dụ này chỉ số Sig. (2-tailed)> 0.05 => chấp nhận giả thuyết Ho.

Kết luận: 

Kiểm định cho thấy sự khác biệt đáng tin cậy về mặt thống kê giữa số anh chị em trung bình mà khảo sát lúc 10h có (M = 0,86, s = 1,027) và lúc 11h có (M = 1,44, s = 1.318), t (44) = 1.461, p = .151, α = .05.

Phân tích trên đã chỉ ra rằng, đã không quan sát thấy sự khác biệt về số lượng anh chị lớn tuổi giữa hai phần của lớp này.

Kiểm định Paired-sample T Test

Kiểm định Paired-sample T test dùng để so sánh hai giá trị trung bình của hai tổng thể riêng biệt, có các phần tử của tổng thể này tương đồng theo cặp với một phần tử của tổng thể kia. Chẳng hạn trung tâm tiếng anh test đầu ra 4 kỹ năng sau sáu tháng dạy và so sánh với lần test đầu vào của học sinh để xem xét sự khác biệt.

Điều kiện áp dụng phương pháp kiểm định này là kích cỡ hai mẫu ngang nhau và chênh lệch giá trị giữa 2 mẫu phải có phân phối chuẩn hoặc kích cỡ mẫu phải đủ lớn để xem như xấp xỉ phân phối chuẩn.

Thực hiện Kiểm định Paired-sample T Test trong SPSS:

Chúng ta sẽ thực hiện kiểm định này qua ví dụ: Bạn muốn biết có sự khác biệt nào ở những học sinh có số lượng anh chị khác nhau, giữa hai nhóm học sinh có tổng điểm trung bình cao hơn và những học sinh có tổng điểm trung bình thấp hơn. Chúng ta muốn kiểm tra những học sinh có tổng điểm trung bình cao hơn hoặc thấp hơn có số anh chị lớn hơn khác nhau không?

Ho: Trung bình điểm của học sinh cao hơn và học sinh thấp hơn có số anh chị em giống nhau

H1: Trung bình điểm của học sinh cao hơn và học sinh thấp hơn có số anh chị em khác nhau

Bước 1: Trên thanh công cụ, chọn Analyze > Compare Means > Paired Samples T-Test.

Cửa sổ Paired-sample T test dạng:

Bước 2: Tại cửa số Paired-Samples T Test, bạn sẽ chọn bến muốn kiểm định ở cột bên trái vào cột bên phải Paired Variables bằng cách nhấn vào nút mũi tên. Phần Group Variable là phần biến phụ thuộc.

Bước 3: Nhấn Options, tại cửa sổ mới chọn độ tin cậy 95 sau đó nhấn OK để trở về cửa sổ trước

Bước 4: Chọn Define Groups, sau đó tick vào cut point nhập giá trị chia biến thành hai nhóm. Nhóm một được định nghĩa là tất cả các điểm lớn hơn hoặc bằng điểm cắt. Nhóm hai được định nghĩa là tất cả các điểm nhỏ hơn điểm cắt. Trong ví dụ này, sử dụng 3.007 (trung bình của biến GPA) làm giá trị điểm cắt:

Bước 5: Đọc kết quả và phân tích

Ta có được kết quả sau:

• Ở bảng Group Statistics mô tả cho từng nhóm trong hai nhóm, có 23 người có tổng điểm trung bình lớn hơn hoặc bằng 3,01 (N) và trung bình họ có 1,04 anh chị hơn tuổi, với độ lệch chuẩn là 1.186 anh chị lớn hơn. Có 23 người có tổng điểm trung bình dưới 3,01 (N) và trung bình họ có 1,48 anh chị hơn tuổi, với độ lệch chuẩn là 1.310 anh chị lớn hơn. Cột cuối cùng đưa ra lỗi tiêu chuẩn của giá trị trung bình cho mỗi trong hai nhóm.
• Sig > α (0.383 > 0.05) nên ta sử dụng kết quả dòng Equal Variances assumed, Sig (2-tailed) > α (0.244 > 0.05), chấp nhận Ho, Trung bình điểm của học sinh cao hơn và học sinh thấp hơn có số anh chị em giống nhau

Kết luận:  Không có bằng chứng chứng minh học sinh có tổng điểm trung bình thấp hơn hoặc cao hơn có số anh chị khác nhau.

Qua bài tổng hợp trên, mình hy vọng bạn đã giải đáp được những thắc mắc về kiểm định T Test và những cách vận dụng các dạng của kiểm định T Test trong thống kê.