GiaThuyet.comGiả Thuyết
Chạy kiểm định trên phần mềm

Kiểm định phi tham số trong SPSS: Mann-Whitney, Wilcoxon, Kruskal-Wallis từng bước

Chạy Mann-Whitney U, Wilcoxon và Kruskal-Wallis trong SPSS bằng hộp thoại cũ và mới, đọc Mean Rank, Z, Asymp. Sig., Exact Sig. với ví dụ giả định.

Psychology graduate student in Ho Chi Minh City sitting cross-legged on a dorm floor surrounded by sorted paper response sheets, laptop on a low stool, soft window light, high angle

SPSS chạy kiểm định phi tham số theo hai đường: hộp thoại cũ trong Analyze → Nonparametric Tests → Legacy Dialogs, cho bảng Ranks và Test Statistics quen thuộc, và hộp thoại kiểu mới Independent Samples hoặc Related Samples, cho bảng tóm tắt giả thuyết và so sánh từng cặp có hiệu chỉnh. Hai đường dùng cùng phép tính cơ bản; khác ở cách trình bày và vài tuỳ chọn.

Bài này chạy ba kiểm định hay dùng nhất, Mann-Whitney U, Wilcoxon dấu hạng và Kruskal-Wallis, với số liệu giả định đã tính lại bằng tay, và chỉ rõ đọc ô nào để báo cáo. Tên menu theo SPSS bản tiếng Anh phổ biến hiện nay; vị trí có thể khác giữa các bản, bạn kiểm lại trên máy mình.

Khi nào chuyển sang kiểm định phi tham số và cách kiểm phân phối trong SPSS

Kiểm định phi tham số dựa trên thứ hạng thay vì giá trị gốc, nên không cần giả định phân phối chuẩn. Chúng hợp với dữ liệu thứ bậc, với mẫu nhỏ mà phân phối lệch rõ, hoặc khi có giá trị ngoại lai mà bạn không có lý do chính đáng để loại. Cái giá là khi dữ liệu thật sự gần chuẩn, chúng kém nhạy hơn một chút so với t-test và ANOVA, và chúng kiểm một giả thuyết hơi khác: nói chung là về phân bố hay thứ hạng, chỉ trở thành giả thuyết về trung vị khi các nhóm có hình dạng phân bố giống nhau.

Để xem phân phối trong SPSS, vào Analyze → Descriptive Statistics → Explore, đưa biến kết quả vào Dependent List, biến nhóm vào Factor List, bấm Plots và đánh dấu Normality plots with tests. Bảng Tests of Normality cho Kolmogorov-Smirnov và Shapiro-Wilk theo từng nhóm, kèm biểu đồ Q-Q. Với mẫu nhỏ, kiểm định chuẩn kém nhạy nên p lớn chưa chứng minh dữ liệu chuẩn; với mẫu lớn, chúng báo lệch có ý nghĩa cho cả độ lệch không đáng kể.

Vì vậy nên quyết định dựa vào cả biểu đồ, cỡ mẫu và bản chất biến, và tốt nhất là đặt trước trong đề cương, không chạy cả hai loại rồi chọn bên cho p đẹp hơn. Với thang Likert, việc dùng phi tham số hay tham số còn nhiều quan điểm; bạn trình bày lựa chọn và lý do.

Mann-Whitney U cho hai nhóm độc lập

Ví dụ giả định: điểm tự tin khi thuyết trình (thang tổng 0–24) của sáu sinh viên đã học kỹ năng là 12, 15, 9, 20, 14, 18 và sáu sinh viên chưa học là 7, 10, 6, 11, 8, 13. Dữ liệu xếp dạng dài: biến nhom (1 = Đã học, 2 = Chưa học) và biến diem.

  1. Vào Analyze → Nonparametric Tests → Legacy Dialogs → 2 Independent Samples.
  2. Đưa diem vào Test Variable List, nhom vào Grouping Variable, bấm Define Groups và nhập 1, 2.
  3. Ở Test Type, đánh dấu Mann-Whitney U. Bấm OK.
  4. Đọc bảng Ranks: nhóm đã học có Mean Rank 8,83, tổng hạng 53; nhóm chưa học Mean Rank 4,17, tổng hạng 25. Nhóm có hạng trung bình cao hơn là nhóm có điểm thường cao hơn.
  5. Đọc bảng Test Statistics: Mann-Whitney U bằng 4, Wilcoxon W bằng 25 (một tổng hạng, ở ví dụ là của nhóm chưa học), Z khoảng −2,24, Asymp. Sig. (2-tailed) khoảng 0,025. Với mẫu nhỏ, SPSS thêm dòng Exact Sig. [2*(1-tailed Sig.)], ở đây khoảng 0,026.
  6. Kết luận ở mức 0,05: bác bỏ giả thuyết không cho rằng hai nhóm có cùng phân bố điểm. Với mẫu rất nhỏ như ví dụ, nên báo cáo p chính xác thay vì p xấp xỉ.

Cỡ hiệu ứng hay dùng là r bằng trị tuyệt đối của Z chia căn tổng số quan sát: 2,24 chia căn 12, khoảng 0,65. SPSS không in sẵn r trong hộp thoại cũ, bạn tự tính. Một nhóm học kỹ năng tự chọn so với nhóm không học là so sánh quan sát; khác biệt có thể do chính việc ai chọn đi học, nên chỉ nói về liên hệ.

Wilcoxon dấu hạng cho dữ liệu cặp

Ví dụ giả định: tám học viên làm bài trước khoá học được 52, 48, 60, 55, 45, 58, 50, 62 và sau khoá 56, 50, 63, 59, 47, 60, 55, 64. Dữ liệu xếp dạng rộng, hai cột diem_truoc và diem_sau. Vào Legacy Dialogs → 2 Related Samples, đưa cặp biến vào Test Pairs, đánh dấu Wilcoxon. Kết quả:

Bảng, dòngGiá trịÝ nghĩa
Ranks: Negative RanksN = 0Số người có điểm sau thấp hơn điểm trước
Ranks: Positive RanksN = 8, Mean Rank 4,50, Sum 36Số người có điểm sau cao hơn
Ranks: TiesN = 0Số người không đổi điểm, bị loại khỏi phép xếp hạng
Test Statistics: Zkhoảng −2,56Dựa trên hạng âm, có hiệu chỉnh hạng trùng
Asymp. Sig. (2-tailed)khoảng 0,011Giá trị p xấp xỉ chuẩn

Chú ý thứ tự biến trong cặp: SPSS lấy biến thứ hai trừ biến thứ nhất để định nghĩa hạng âm và hạng dương. Đặt ngược, chữ âm dương trong bảng Ranks đổi chỗ nhưng p không đổi. Khi cả tám người đều tăng điểm, p chính xác hai phía với kiểm định không có hạng trùng là 2 chia 256, khoảng 0,008; SPSS chỉ cho p chính xác khi bạn yêu cầu qua nút Exact nếu bản của bạn có mô-đun này.

Với mẫu cặp, Wilcoxon giả định phân bố của các hiệu số đối xứng quanh trung vị. Nếu hiệu số lệch hẳn một phía, kiểm định dấu, có sẵn trong cùng hộp thoại với tên Sign, là lựa chọn ít giả định hơn nhưng kém nhạy. Một nhóm đo trước và sau mà không có nhóm đối chứng chỉ cho biết điểm thay đổi, chưa đủ để quy cho khoá học.

Kruskal-Wallis cho ba nhóm trở lên

Ví dụ giả định: điểm của ba nhóm học theo ba phương pháp, mỗi nhóm năm người. Nhóm 1: 7, 8, 6, 7, 9; nhóm 2: 5, 6, 6, 4, 5; nhóm 3: 8, 9, 7, 9, 8. Dữ liệu dạng dài với biến phuongphap (1, 2, 3) và diem.

  1. Vào Legacy Dialogs → K Independent Samples.
  2. Đưa diem vào Test Variable List, phuongphap vào Grouping Variable, bấm Define Range, nhập Minimum 1, Maximum 3.
  3. Đánh dấu Kruskal-Wallis H, bấm OK.
  4. Bảng Ranks: Mean Rank lần lượt 9,2; 3,2; 11,6. Có nhiều điểm trùng nhau nên các điểm trùng nhận hạng trung bình.
  5. Bảng Test Statistics: Kruskal-Wallis H khoảng 9,65 (bản cũ có thể ghi nhãn Chi-Square), df bằng 2, Asymp. Sig. khoảng 0,008. Giá trị này đã hiệu chỉnh cho hạng trùng; tính không hiệu chỉnh ra khoảng 9,36.
  6. Kết luận ở mức 0,05: bác bỏ giả thuyết ba nhóm có cùng phân bố. Như ANOVA, kết quả chưa nói nhóm nào khác nhóm nào.

Hộp thoại cũ không có so sánh từng cặp sau Kruskal-Wallis. Cách thô là chạy Mann-Whitney cho từng cặp với hiệu chỉnh Bonferroni; cách gọn hơn là dùng hộp thoại kiểu mới ở phần dưới, nơi SPSS tự làm so sánh cặp kiểu Dunn với giá trị p đã hiệu chỉnh.

Hộp thoại kiểu mới: Independent Samples và Related Samples

Đường vào. Vào Analyze → Nonparametric Tests → Independent Samples cho các nhóm độc lập, hoặc Related Samples cho dữ liệu cặp và đo lặp. Thẻ Objective để mặc định hoặc chọn tuỳ chỉnh, thẻ Fields đưa biến kết quả và biến nhóm vào, thẻ Settings chọn kiểm định cụ thể như Mann-Whitney U hay Kruskal-Wallis.

Thang đo phải khai đúng. Hộp thoại kiểu mới đọc cột Measure trong Variable View. Biến kết quả khai Nominal sẽ bị coi là định danh và SPSS chọn kiểm định khác; biến nhóm khai Scale có thể không đưa được vào ô nhóm. Đây là lý do nên khai thang đo cẩn thận ngay khi nhập liệu.

Bảng Hypothesis Test Summary. Kết quả đầu tiên là một bảng tóm tắt ghi giả thuyết không, tên kiểm định, Sig. và quyết định giữ hay bác bỏ. Câu "Retain the null hypothesis" nên hiểu là không bác bỏ, không phải đã chứng minh giả thuyết không đúng.

So sánh từng cặp. Với Kruskal-Wallis có ý nghĩa, SPSS cho bảng Pairwise Comparisons gồm Test Statistic, Std. Error, Sig. và Adj. Sig.. Cột Adj. Sig. đã hiệu chỉnh Bonferroni cho số cặp; đó là cột dùng để kết luận. Ở một số bản, bảng này nằm trong cửa sổ xem mô hình, phải nháy đúp vào kết quả mới thấy.

Chọn đường nào. Hộp thoại cũ cho bảng quen thuộc, dễ đối chiếu với tài liệu; hộp thoại mới cho so sánh cặp có hiệu chỉnh. Nhiều người chạy Kruskal-Wallis bằng hộp thoại mới để lấy so sánh cặp, và dùng hộp thoại cũ cho Mann-Whitney, Wilcoxon để lấy bảng Ranks.

Báo cáo và những lỗi hay gặp

Kết quả phi tham số nên báo cáo bằng thống kê kiểm định, giá trị p, cỡ mẫu từng nhóm, trung vị và khoảng tứ phân vị của từng nhóm, kèm cỡ hiệu ứng. Trung bình hạng giúp thấy hướng nhưng ít ý nghĩa với người đọc. Những lỗi cần tránh:

  • Báo cáo trung bình và độ lệch chuẩn khi đã chọn phi tham số vì dữ liệu lệch. Dùng Analyze → Descriptive Statistics → Explore để lấy trung vị và khoảng tứ phân vị theo nhóm.
  • Nhập nhóm sai mã ở Define Groups: nhập 0 và 1 trong khi dữ liệu mã 1 và 2 làm SPSS chỉ thấy một nhóm hoặc báo không có quan sát.
  • Dùng Mann-Whitney cho dữ liệu cặp hoặc Wilcoxon cho hai nhóm độc lập. Cách xếp dữ liệu, dạng dài hay dạng rộng, thường cho biết ngay bạn đang ở trường hợp nào.
  • Chạy cả t-test và Mann-Whitney rồi báo cáo bên có ý nghĩa. Quyết định loại kiểm định cần dựa trên thiết kế và dữ liệu, nêu trong phần phương pháp.
  • Bỏ qua dòng Exact Sig. với mẫu nhỏ. Khi mỗi nhóm chỉ vài người, xấp xỉ chuẩn kém chính xác; p chính xác đáng tin hơn.
  • Diễn giải là "trung vị khác nhau" khi hình dạng phân bố hai nhóm khác hẳn nhau. Lúc đó nói hai nhóm khác nhau về phân bố, nhóm này có xu hướng nhận giá trị cao hơn nhóm kia.

Câu hỏi thường gặp

Mann-Whitney U và Wilcoxon W trong bảng SPSS có phải hai kiểm định khác nhau không?

Không. Đó là hai cách biểu diễn tương đương của cùng một kiểm định tổng hạng cho hai nhóm độc lập, cho cùng giá trị Z và p. Phần lớn luận văn báo cáo U. Đừng nhầm với kiểm định Wilcoxon dấu hạng dành cho dữ liệu cặp, chạy ở hộp thoại khác.

Asymp. Sig. và Exact Sig. khác nhau, nên báo cáo cái nào?

Asymp. Sig. dựa trên xấp xỉ chuẩn, tốt khi mẫu đủ lớn. Exact Sig. tính chính xác từ phân phối của thống kê hạng, đáng tin hơn với mẫu nhỏ. Nếu SPSS cho cả hai và mẫu mỗi nhóm nhỏ, báo cáo Exact Sig. và ghi rõ loại p đã dùng.

Dữ liệu có nhiều điểm trùng nhau có làm hỏng kiểm định phi tham số không?

Không hỏng, nhưng ảnh hưởng. SPSS gán hạng trung bình cho các giá trị trùng và hiệu chỉnh thống kê. Khi tỷ lệ trùng rất cao, ví dụ một câu Likert năm mức với vài trăm người, p chính xác khó tính và kiểm định kém nhạy hơn; bạn nên nêu điều này khi bàn luận.

Kruskal-Wallis có ý nghĩa nhưng không cặp nào có Adj. Sig. nhỏ hơn 0,05 thì hiểu thế nào?

Chuyện này có thể xảy ra vì so sánh cặp có hiệu chỉnh bảo thủ hơn kiểm định tổng. Bạn báo cáo trung thực cả hai kết quả: có bằng chứng các nhóm không cùng phân bố, nhưng dữ liệu chưa đủ để chỉ ra cặp cụ thể nào khác nhau sau khi hiệu chỉnh.

Friedman trong SPSS chạy ở đâu?

Friedman dành cho ba lần đo trở lên trên cùng người, dữ liệu dạng rộng. Trong hộp thoại cũ, chọn mục K Related Samples và đánh dấu Friedman; trong hộp thoại mới, chọn Related Samples. Bảng kết quả cho Mean Rank từng lần đo, thống kê chi bình phương, bậc tự do và Sig.

Có cần kiểm định phân phối chuẩn trước khi chọn Mann-Whitney không?

Kiểm định chuẩn là một nguồn thông tin, không phải công tắc tự động. Bạn xem biểu đồ, cỡ mẫu, bản chất biến và giá trị ngoại lai. Quyết định nên đặt trước khi xem kết quả chính và ghi rõ căn cứ trong phần phương pháp.

Cần tư vấn cụ thể cho trường hợp của bạn?

Chúng tôi sẽ liên hệ trong vòng 24 giờ.

Đăng ký tư vấn ngay

Bài viết liên quan

Bạn cần hỗ trợ thêm?

Để lại thông tin, chúng tôi sẽ liên hệ trong 24 giờ.

hoặc
Gọi ngay 0926 138 138