Kiểm định t-test với giá trị trung bình SPSS

Kiểm định t-test với giá trị trung bình SPSS, đây là một trường hơp trong kiểm định t-test kiểm định trung bình khác biệt của 2 mẫu thử, đây là một kiểm định phổ biến được ứng dụng nhiều trong thực tế, hôm nay chúng ta cùng thực hiện trên phần mềm SPSS.

Kiểm định t-test với giá trị trung bình

Kiểm định t-test với mẫu thử trước

Phép thử t một mẫu được sử dụng để xác định xem một mẫu có đến từ một tổng thể có giá trị trung bình cụ thể hay không. Trung bình dân số này không phải lúc nào cũng được biết đến, nhưng đôi khi được đưa ra giả thuyết. Ví dụ: bạn muốn chứng minh rằng một phương pháp giảng dạy mới dành cho những học sinh đang gặp khó khăn trong việc học ngữ pháp tiếng Anh có thể cải thiện kỹ năng ngữ pháp của họ lên mức trung bình trên toàn quốc.

Mẫu của bạn sẽ là những học sinh tiếp nhận phương pháp giảng dạy mới và trung bình dân số của bạn sẽ là điểm trung bình quốc gia. Mặt khác, bạn tin rằng các bác sĩ làm việc trong khoa Tai nạn và Cấp cứu (A & E) làm việc 100 giờ mỗi tuần bất chấp những nguy hiểm (ví dụ: mệt mỏi) khi làm việc nhiều giờ như vậy. Bạn lấy mẫu 1000 bác sĩ ở các khoa A & E và xem giờ của họ có khác 100 giờ hay không.

Các giả định thống kê

Khi bạn chọn phân tích dữ liệu của mình bằng thử nghiệm t một mẫu, một phần của quy trình bao gồm việc kiểm tra để đảm bảo rằng dữ liệu bạn muốn phân tích thực sự có thể được phân tích bằng thử nghiệm t một mẫu. Bạn cần phải làm điều này vì chỉ thích hợp sử dụng thử nghiệm t một mẫu nếu dữ liệu của bạn “vượt qua” bốn giả định được yêu cầu đối với thử nghiệm t một mẫu để cung cấp cho bạn kết quả hợp lệ. Trên thực tế, việc kiểm tra bốn giả định này chỉ làm tăng thêm một chút thời gian cho phân tích của bạn, yêu cầu bạn nhấp thêm một vài nút trong phần mềm SPSS khi thực hiện phân tích, cũng như suy nghĩ thêm một chút về dữ liệu của bạn, nhưng nó là không phải là một nhiệm vụ khó khăn.

4 giả định thử nghiệm t một mẫu

Trước khi chúng tôi giới thiệu cho bạn bốn giả định này, đừng ngạc nhiên nếu khi phân tích dữ liệu của chính bạn bằng phần mềm SPSS, một hoặc nhiều giả định này bị vi phạm (tức là không được đáp ứng). Điều này không có gì lạ khi làm việc với dữ liệu trong thế giới thực hơn là các ví dụ trong sách giáo khoa, thường chỉ cho bạn cách thực hiện kiểm tra t một mẫu khi mọi thứ diễn ra tốt đẹp! Tuy nhiên, đừng lo lắng. Ngay cả khi dữ liệu của bạn không đạt được các giả định nhất định, thường có một giải pháp để khắc phục điều này. Đầu tiên, chúng ta hãy xem xét bốn giả định sau:

• Giả định số 1: Biến phụ thuộc của bạn nên được đo lường ở mức khoảng hoặc mức tỷ lệ (tức là liên tục ). Ví dụ về các biến đáp ứng tiêu chí này bao gồm thời gian ôn tập (đo bằng giờ), trí thông minh (đo bằng điểm IQ), thành tích thi (đo từ 0 đến 100), cân nặng (đo bằng kg), v.v.
• Giả định số 2: Dữ liệu là độc lập (tức là không tương quan / liên quan ), có nghĩa là không có mối quan hệ nào giữa các quan sát. Đây là vấn đề thiết kế nghiên cứu nhiều hơn là vấn đề bạn có thể kiểm tra, nhưng nó là một giả định quan trọng của kiểm định t một mẫu.
• Giả định số 3: Không có ngoại lệ đáng kể nào. Điểm khác biệt là các điểm dữ liệu trong dữ liệu của bạn không tuân theo mô hình thông thường (ví dụ: trong một nghiên cứu về điểm IQ của 100 sinh viên, trong đó điểm trung bình là 108 với chỉ một sự khác biệt nhỏ giữa các sinh viên, một sinh viên có điểm là 156, là rất bất thường, và thậm chí có thể đưa cô ấy vào top 1% điểm IQ trên toàn cầu). Vấn đề với các giá trị ngoại lai là chúng có thể có ảnh hưởng tiêu cực đến phép thử t một mẫu, làm giảm độ chính xác của kết quả của bạn. May mắn thay, khi sử dụng Thống kê SPSS để chạy thử nghiệm t một mẫu trên dữ liệu của mình, bạn có thể dễ dàng phát hiện ra các ngoại lệ có thể có. Trong hướng dẫn kiểm tra t một mẫu nâng cao của chúng tôi, chúng tôi: (a) chỉ cho bạn cách phát hiện những điểm bất thường bằng cách sử dụng Thống kê SPSS; và (b) thảo luận về một số lựa chọn bạn có để đối phó với những trường hợp ngoại lệ.
• Giả định # 4: Biến phụ thuộc của bạn phải được phân phối gần đúng chuẩn không . Chúng ta nói về thử nghiệm t một mẫu chỉ yêu cầu dữ liệu gần đúng bình thường vì nó khá “mạnh” đối với các vi phạm quy chuẩn, có nghĩa là giả định có thể bị vi phạm một chút và vẫn cung cấp kết quả hợp lệ. Bạn có thể kiểm tra tính chuẩn mực bằng cách sử dụng bài kiểm tra Shapiro-Wilk về tính chuẩn mực, dễ dàng kiểm tra bằng cách sử dụng Thống kê SPSS. Ngoài việc chỉ cho bạn cách thực hiện điều này trong hướng dẫn kiểm tra t một mẫu nâng cao của chúng tôi, chúng tôi cũng giải thích những gì bạn có thể làm nếu dữ liệu của bạn không đạt giả định này (tức là nếu nó không thành công hơn một chút).

Bạn có thể kiểm tra các giả định # 3 và # 4 bằng Thống kê SPSS. Trước khi thực hiện việc này, bạn nên đảm bảo rằng dữ liệu của mình đáp ứng các giả định # 1 và # 2, mặc dù bạn không cần Thống kê SPSS để thực hiện việc này. Khi chuyển sang các giả định # 3 và # 4, chúng tôi khuyên bạn nên thử nghiệm chúng theo thứ tự này vì nó đại diện cho một thứ tự mà nếu vi phạm giả định là không thể sửa được, bạn sẽ không thể sử dụng thử nghiệm t một mẫu nữa .

Chỉ cần nhớ rằng nếu bạn không chạy thử nghiệm thống kê trên những giả định này một cách chính xác, kết quả bạn nhận được khi chạy thử nghiệm t một mẫu có thể không hợp lệ. Đây là lý do tại sao chúng tôi dành một số phần trong hướng dẫn kiểm tra t một mẫu nâng cao của chúng tôi để giúp bạn thực hiện đúng điều này.

Ví dụ thực tế

Một nhà nghiên cứu đang lên kế hoạch cho một nghiên cứu can thiệp tâm lý, nhưng trước khi tiến hành, anh ta muốn mô tả đặc điểm mức độ trầm cảm của những người tham gia. Ông kiểm tra từng người tham gia trên một chỉ số trầm cảm cụ thể, trong đó bất kỳ ai đạt được điểm số 4,0 được coi là có mức độ trầm cảm ‘bình thường’. Điểm thấp hơn cho thấy ít trầm cảm hơn và điểm cao hơn cho thấy trầm cảm nhiều hơn. Ông đã tuyển chọn 40 người tham gia nghiên cứu. Điểm số trầm cảm được ghi lại trong biến dep_score . Anh ta muốn biết liệu mẫu của anh ta có đại diện cho dân số bình thường hay không (tức là họ có điểm số khác biệt đáng kể về mặt thống kê so với 4,0).

Thực hiện kiểm định t-test

Chúng ta kích hoạt chương trình theo đường dẫn

Analyze> Compare Means> One-Sample T-Test …

và cấu hình như trong hình

Để cấu thình t-test với mẫu thử cho trước thì nó rất đơn giản, nhưng có một vấn đề quan trọng là kết quả output ra có như  mong đợi của chúng ta không.

Diễn giải output

SPSS Statistics tạo ra hai bảng kết quả chính cho phép thử t một mẫu chứa tất cả thông tin bạn yêu cầu để diễn giải kết quả của phép thử t một mẫu.

Nếu dữ liệu của bạn vượt qua giả định # 3 (tức là không có ngoại lệ đáng kể) và giả định # 4 (tức là, biến phụ thuộc của bạn được phân phối chuẩn  cho mỗi danh mục của biến độc lập), mà chúng tôi đã giải thích trước đó trong phần Giả định, bạn sẽ chỉ cần giải thích hai bảng chính này. Tuy nhiên, vì lẽ ra bạn phải kiểm tra dữ liệu của mình cho những giả định này, bạn cũng sẽ cần phải diễn giải kết quả phần mềm  SPSS được tạo ra khi bạn kiểm tra chúng (tức là, bạn sẽ phải giải thích:

• (a) các ô trống bạn đã sử dụng để kiểm tra xem có bất kỳ giá trị ngoại lệ đáng kể nào; và
• (b) đầu ra SPSS Statistics tạo ra cho thử nghiệm Shapiro-Wilk của bạn về tính bình thường để xác định tính bình thường).

Nếu bạn không biết cách thực hiện việc này, chúng tôi sẽ chỉ cho bạn trong hướng dẫn kiểm tra t một mẫu nâng cao của chúng tôi. Hãy nhớ rằng nếu dữ liệu của bạn không đạt bất kỳ giả định nào trong số này, kết quả đầu ra mà bạn nhận được từ quy trình thử nghiệm t một mẫu (tức là, các bảng chúng ta thảo luận bên dưới), sẽ không còn phù hợp nữa và bạn sẽ cần phải diễn giải các bảng này theo cách khác .

Ta có giá trị P-value < 0.05, tức là nhóm người khảo sát có chỉ số trầm cảm khác biệt với trung bình còn lại với khác biệt này âm nên chỉ số trầm cảm trung bình thấp hơn với chỉ số trung bình trầm cả, sự khác biệt này là có ý nghĩa thống kê.