Bg thuc tap cong dong 2 2022 phan 2 0367

Thống kê mô tả cho biến định lượng Mô tả giá trị cho khuynh hướng trung tâm và độ phân tán Trước khi thực hiện thống kê mô tả cho bất kỳ định lượng nào, dù cho toàn mẫu hay cho nhóm, ta

CHƯƠNG 4

SỬ DỤNG SPSS TRONG PHÂN TÍCH SỐ LIỆU

4.1 Thông tin chung

4.1.1 Giới thiệu tóm tắt nội dung bài học

Bài học cung cấp kỹ năng tổng quát về sử dụng phần mềm SPSS trong phân tích số liệu nghiên cứu khoa học

4.1.2 Mục tiêu học tập

1 Thực hiện được các thao tác quản lý và biên tập dữ liệu

2 Thực hiện được các thống kê mô tả cho biến định lượng và biến định tính

3 Thực hiện được các thống kê phân tích cho biến định lượng và biến định tính

4.1.3 Chuẩn đầu ra

Thực hiện được các thảo tác thống kê và xử lý số liệu bằng phần mềm

4.1.4 Tài liệu giảng dạy

Giáo trình

1 Nguyễn Ngọc Rạng (2012) Nghiên cứu khoa học và Thống kê y học NXB Y học

Tài liệu tham khảo

1 Nguyễn Ngọc Rạng (2012) Nghiên cứu khoa học và Thống kê y học NXB Y học

2 Hoàng Văn Minh (2014) Thiết kế nghiên cứu và Thống kê y học NXB Y học

4.1.5 Yêu cầu cần thực hiện trước, trong và sau khi học tập

Sinh viên đọc trước bài giảng, tìm hiểu các nội dung liên quan đến bài học, tích cực tham gia thảo luận và xây dựng bài học, ôn tập, trả lời các câu hỏi, trình bày

các nội dung cần giải đáp và tìm đọc các tài liệu tham khảo

4.2 Nội dung chính

Hiện nay, có rất nhiều phần mêm thống kê đang được sử dụng như: Epi Data, Stata, Medcalc, SPSS… Trong đó phần mềm SPSS là một phần mêm cho phép người dùng thực hiện nhiều phân tích thống kê một cách dễ dàng Chỉ cần nhấp chuột vài lần là bạn có thể tạo ra các bảng tần suất, phần trăm, giá trị trung bình và độ lệch chuẩn, biểu

đồ tần suất, kiểm định thống kê Ngoài việc tạo ra những số thống kê thông thường, chúng ta có thể tạo ra các thống kê đặc biệt mà chúng ta cần, tuỳ theo trường hợp và giải thích chúng

4.2.1 Quản Lý Số Liệu

4.2.1.1 Tạo biến số liệu

Để tạo ra các biến cho việc nhập liệu theo các bộ câu hỏi trên, bạn thực hiện theo

các bước sau: Vào Data Window & Variable View

Mở cửa sổ số liệu trong SPSS, chọn Variable View ở góc dưới trái màn hình

Bạn sẽ thấy toàn bộ các tên cột từ trái qua phải ở phía trên màn hình gồm có: Name (tên biến), Type (kiểu biến), Width (Độ rộng của biến), Decimals (số thập phân), Label (nhãn biến), Values (các giá trị), Missing (giá trị khuyết), Columns (độ rộng của cột),

Align (canh lề), Measure (kiểu đo lường)

4.2.1.2 Nhập số liệu

Sau khi tạo biến số liệu nhập liệu ở thanh Variable View Chúng ta sẽ nhập số liệu từ từng bộ câu hỏi ở thanh Data View

4.2.1.3 Tạo biến mới

Đôi khi bạn muốn tính toán một biến mới dựa trên các biến hiện có trong bộ số liệu Ví dụ, chúng ta cần biết sự khác nhau giữa điểm chất lượng cuộc sau chấn thương với trước chấn thương ở từng đối tượng Chúng ta có thể tính được bằng tay nhưng tính cho tất cả các đối tượng sẽ tốn rất nhiều thời gian Thay vì tính bằng tay chúng ta có thể

Bạn đặt biến mới và tính toán cho biến đó, bạn có thể dùng các hàm tính toán ở danh sách bên dưới Function và kết hợp với các toán tử

4.2.1.4 Mã hóa lại các biến

Trong phiếu điều tra về cân nặng sơ sinh có các biến về trình độ học vấn, tuổi thai phụ, tuần tuổi thai, cân nặng sơ sinh, cân nặng mẹ… Trong phân tích của mình các nhà nghiên cứu không muốn có quá nhiều phân loại trình độ học vấn (5 nhóm) và họ chỉ quan tâm đến tỷ lệ sinh con nhẹ cân ở các bà mẹ có trình độ học vấn thuộc 3 nhóm: từ cấp 1 trở xuống, từ hết cấp 1 đến hết cấp 2 và trên cấp 2 Họ muốn tạo ra các biến mới

mà có ít phân loại hơn Để làm được điều này họ có thể tạo nên các biến mới bằng cách gộp các phân loại hiện tại, và kết hợp một số phân loại với nhau, tạo ra một biến trình độ

học vấn hvan_gr với 3 loại, và một biến nhecan (gồm 2 nhóm là nhẹ cân và không nhẹ

cân)

Dùng menu lệnh: Transform/Recode:

Nếu chọn Into same variables…: mã hóa lại giá trị của một biến và kết quả mới

sẽ được lưu đè lên chính biến đó Khi đó, cửa sổ sau hiện ra, bạn chọn biến cần nhóm

- Nhấn nút Old and New Values… để chọn giá trị nhóm, cửa sổ sau hiện ra:

- Bên phần Old Value, chọn những giá trị sẽ được phân vào một nhóm

- Sau đó nhập giá trị mới, đại diện cho cả nhóm đó vào ô Value ở phần New

Value

- Chọn biến cần mã hóa từ danh sách các biến và kích mũi tên, ở đây chẳng hạn

chỉ biến « tuoi »

- Nhập tên biến mới vào hộp Name và nhấn nút Change

- Nhấn nút Old and New Values… để thực hiện mã hóa (phân nhóm) cho các giá

trị Quá trình này cũng được thực hiện giống như phần trên

- Hộp Old -> New sẽ lưu danh sách các phân nhóm mà bạn vừa làm, từ danh sách

này, bạn có thể kiểm tra xem mình đã phân nhóm đúng chưa Bạn cũng có thể sửa lại

bằng cách chọn nhóm trong danh sách đó và kích vào nút Chang, kích vào nút Remove

nếu bạn muốn xóa bỏ

- Nhấn Continue để khẳng định việc mã hóa bạn vừa làm rồi ấn OK để thực hiện

Bước 1: Từ Menu dọc chọn: Analyse /Descriptive Statistics/Frequencies

Bước 2: Từ danh sách các biến, chọn biến hocvan (trinh độ học vấn), vànghe

(nghề nghiệp) và chuyển chúng vào hộp Variable(s) bằng cách nhấp chuột lên phím mũi

tên

Lập bảng liên quan (mô tả mối liên quan 2 biến định tính)

Mô tả về nhẹ cân sơ sinh theo giới tính thai nhi

Bước 1: Từ Menu dọc chọn: Analyse/Descriptive Statistics /Crosstabs

Bước 2:Từ danh sách biến, chọn biến gtinhtre và chuyển vào hộp Row(s) bằng

cách nhấp chuột lên nút mũi tên

Bước 3:Chọn biến nhecan và chuyển vào hộp Column(s)

Bước 4: Nhấp chuột lên nút Cells và chọn nút Row để yêu cầu đưa kết quả tỷ lệ

theo hàng (nhẹ cân theo giới tính)

Bước 5: Nhấp chuột lên Continue sau đó OK để hoàn thành lệnh

Kết quả trong SPSS có dạng:

4.2.2.2 Thống kê mô tả cho biến định lượng

Mô tả giá trị cho khuynh hướng trung tâm và độ phân tán

Trước khi thực hiện thống kê mô tả cho bất kỳ định lượng nào, dù cho toàn mẫu hay cho nhóm, ta đều phải kiểm tra xem dữ liệu đó có tuân theo phân phối chuẩn (normal distribution) cho toàn mẫu hoặc cho mỗi nhóm hay không?

+ Nếu biến định lượng có phân phối chuẩn, thì mô tả khuynh hướng tập trung bằng giá trị trung bình (Mean) và độ phân tán bằng độ lệch chuẩn (Standard deviation)

+ Nếu biến định lượng có phân phối không chuẩn, thì mô tả khuynh hướng tập trung bằng giá trị trung vị (Median) và độ phân tán bằng giá trị nhỏ nhất (min), lớn nhất (max), hoặc bằng khoảng (range), hoặc bằng khoảng tứ vị (IQR)

Có 2 cách để kiểm tra một biến định lượng:

Cách 1: Vẽ hình chuông phân phối cho biến định lượng đó bằng cách vào Graph

-> Legacy Dialogs -> Histogram như hình sau:

Kết quả: Nếu như biểu đồ có dạng hình chuông úp ngược đối xứng hai bên, như kết quả

sau, có thể có phân phối chuẩn hoặc gần chuẩn

Cách 2: Có thể dùng kiểm định One-Sample Kolmogorov-Smirnov để kiểm định tính

chuẩn của số liệu Bằng cách vào Analyze -> Nonparametric Tests -> Legacy Dialogs

-> 1-Sample K-S

Sau đó đưa biến cần kiểm định phân phối chuẩn (chiều cao thai phụ) vào ô Test Variable List, Test Distribution chọn Normal, sau đó click OK

Kết quả như sau:

Nếu P (Asymp Sig.) > 0,05 Biến đó có phân phối chuẩn (Ví dụ trên biến không

có phân phối chuẩn)

Trong trường hợp không có phân phối chuẩn, nhưng nếu biến đó xấp xỉ có phân phối chuẩn, ta vẫn có thể mô tả và thực hiện thống kê suy luận theo qui luật của biến phân phối chuẩn Một biến được xem là xấp xỉ chuẩn nếu thỏa mãn các điều kiện sau:

- Giá trị trung bình có nằm trong +10% so với trung vị

- Giá trị trung bình +3SD xấp xỉ cực đại và cực tiểu

- Hệ số Skewness và Kurtorsis nằm trong +3?

- Biểu đồ Histogram có dạng hình chuông

Mô tả biến định lượng có phân phối chuẩn: giá trị trung bình và độ lệch chuẩn

Giả định biến cnss là phân bố chuẩn, và bạn muốn sử dụng giá trị trung bình và

độ lệch chuẩn để mô tả phân bố của biến này

Bước 1: Từ Menu dọc chọn Analyse/Descriptive Statistics/Frequencies

Bước 2: Từ danh sách biến, chọn biến (tuổi) và chuyển vào hộp Variable(s) bằng

cách nhấp chuột vào dấu mũi tên

Bước 3: Nhấp chuột lên Statistics, chọn Mean và Std deviation

Trường hợp biến định lượng không có phân phối chuẩn: Giá trị trung vị và min/ max/ range/ khoảng tứ vị

Giả định biến tuổi không là phân bố chuẩn, và bạn cần có giá trị trung vị và một

số giá trị lượng giá độ phân tán để mô tả phân bố của biến này

Bước 1: Nhấp chuột lên Statistics, chọn Median, Minimum, Maximum, và Range và Quartiles (tứ vị)

Bước 2: Nhấp chuột lên Continue/OK để hoàn thành lệnh Phần kết quả thống kê của

SPSS đưa ra như sau:

4.2.2.3 Thống kê mô tả theo các nhóm

Ví dụ mô tả trọng lượng sơ sinh theo nhóm tuổi của mẹ

Tính tính giá trị trung bình và độ lệch chuẩn trong từng phân nhóm

Bước 1: Từ Menu chọn: Analyse/Reports/Case Summaries

Bước 2: Từ danh sách biến, chọn biến cnss và chuyển vào hộp biến, sau đó chọn nhomtuoi và chuyển vào hộp Grouping Variable(s) bằng cách nhấp chuột lên dấu mũi

tên

Bước 3: Bỏ đánh dấu ở Display Cases – bạn không muốn điều này

Bước 5: Nhấp chuột lên nút Continue, sau đó là nút OK để hoàn thành lệnh

Kết quả trong SPSS có dạng như hình dưới đây

4.2.2.4 Tính giá trị trung vị trong các phân nhóm

Lặp lại bước 1 đến 3 ở trên, sau đó:

Bước 4 Nhấp chuột lên nút Statistics, bôi đen Median, Minimum, Maximum, và Range, rồi chuyển vào hộp Cell Statistics

Bước 5: Nhấp chuột lên nút Continue, sau đó chọn OK để hoàn thành lệnh

Kết quả trong SPSS có dạng như dưới đây

4.2.3 Thống kê phân tích – kiểm định giả thuyết

4.2.3.1 Kiểm định Chi-Square

Kiểm định 1 tỷ lệ

Chúng ta sử dụng kiểm định khi bình phương một mẫu để so sánh tỷ lệ sơ sinh nhẹ cân trong nghiên cứu cân nặng sơ sinh với tỷ lệ sơ sinh nhẹ cân trong một nghiên cứu khoa học khác, như ví dụ ở đây là 7%

Giả thuyết H0: tỷ lệ sơ sinh nhẹ cân là bằng với tỷ lệ quần thể là 7%

Bước 1: Từ thanh Menu chọn: Analyse - Nonparametric Tests - Chi-Square

Bạn sẽ có hộp thoại giống như sau:

Bước 2: Từ danh sách các biến, đánh dấu biến mà bạn muốn phân tích, trong ví dụ này

là nhecan và chuyển biến đó sang ô Test Variable List bằng cách kích vào mũi tên

Bước 3: Bây giờ bạn phải chỉ cho SPSS biết tỷ lệ nào mà bạn mong muốn trên cơ sở giá

trị quần thể mà bạn muốn sử dụng Để thực hiện điều này bạn phải đưa giá trị vào ô

Expected Values Giá trị này phải nhỏ hơn 1 Trong ví dụ này giá trị kỳ vọng là 0.07

của tất cả các trẻ sinh ra bị nhẹ cân Cho nên, chúng ta mong 0.93 tất cả các trẻ sinh ra không bị nhẹ cân

Bước 4: Thêm tỷ lệ này vào ô Expected Values, bạn nhập số trong ô nhỏ bên cạnh vào

từ Values, sau đó kích vào Add và giá trị này sẽ được chuyển sang ô lớn phía dưới

Lưu ý: bạn phải nhập tỷ lệ kỳ vọng tương ứng với các giá trị theo đúng các giá trị đã được mã hóa

Bước 5: click OK để chạy số liệu

Sơ sinh nhẹ cân

Observed N Expected N Residual

Kiểm định tỷ lệ của hai nhóm và >2 nhóm

Giả thuyết H0: tỷ lệ sơ sinh nhẹ cân của trẻ gái tương đương với trẻ trai khi trẻ mới sinh ra

Chúng ta sử dụng kiểm định khi bình phương để kiểm tra giả thuyết là tỷ lệ sơ sinh gái nhẹ cân tương đương với là tỷ lệ sơ sinh trai nhẹ cân

Bước 1: Từ thanh Menu chọn : Analyse → Descriptive Statistics → Crosstabs

Một hộp thoại sẽ hiện ra

Bước 2: Từ danh sách các biến, đánh dấu vào biến phụ thuộc mà bạn muốn phân tích

Trong ví dụ này là nhecan (<2500gram hoặc >=2500gram), và kích vào mũi tên để chuyển biến đó sang ô Column(s)

Bước 3: Từ danh sách các biến, đánh dấu vào biến độc lập mà bạn muốn phân tích,

trong ví dụ này là gtinhtre (trai hoặc gái), và kích vào mũi tên để chuyển sang ô Row(s)

Bước 4: Để tính kiểm định square, kích vào Statistics sau đó đánh dấu vào square

Chi-Nếu chúng ta muốn tính chỉ số OR (giả sử trong nghiên cứu bệnh chứng), hoặc

tính chỉ số RR (trong nghiên cứu đoàn hệ) thì click và Risk Sau đó kích vào Continue

Bước 5: Nếu hiện thi tỷ lệ phần trăm tỷ lệ trẻ nhẹ cân thì kích vào Cells và một

hộp thoại mới xuất hiện

Đánh dấu vào ô hàng (Row) nếu bạn chọn tỷ lệ phần trăm tính theo hàng và đánh dấu vào ô cột (Column) nếu bạn chọn tỷ lệ phần trăm tính theo cột Sau đó kích

Continue

Bước 6: Bây giờ click OK và đọc kết quả

Case Processing Summary

Cases

Case Processing Summary

Cases

Giới tính trẻ * Sơ sinh nhẹ

cân

Giới tính trẻ * Sơ sinh nhẹ cân Crosstabulation

Sơ sinh nhẹ cân

Exact Sig sided)

(2-Exact Sig sided)

a 0 cells (,0%) have expected count less than 5 The minimum expected count is 20,06

b Computed only for a 2x2 table

T-Test Cho Kiểm Định Trung Bình

Phép kiểm t là phép kiểm được dùng nhiều nhất trong thống kê để xử lý các biến

số liên tục Trong các phần mềm thống kê thông dụng như Epi-info, SPSS, Strata chúng ta chỉ thấy phép kiểm T mà không thấy phép kiểm Z (dựa trên phân phối chuẩn) Thực ra phép kiểm hay phân phối T được suy diễn từ phân phối chuẩn, với mẫu nhỏ (n=5, 10,15 ) chúng ta chỉ cần hiệu chỉnh Zα=1,96 ra Tα Nếu mẫu càng nhỏ (bậc tự

do nhỏ), Tα càng lớn

Test T 1 mẫu (One sample T-Test)

Chúng ta sử dụng Test T 1 mẫu để so sánh giá trị trung bình của bộ số liệu với một giá trị tham khảo từ quần thể, ở đây ví dụ là 2500g

Giả thuyết H0: Cân nặng sơ sinh của trẻ bằng 2500g

THỰC HIỆN:

Bước 1: Vào menu: Analyze>Compare Means>One-Sample T test

Bước 2: chuyển biến định lượng cần phân tích (cnss) vào ô Test Variable Sau đó nhập

giá trị cần kiểm định (3000g) vào ô Test Value

Bước 3: Click OK và đọc kết quả

Phiên giải: Giá trị trung bình cân nặng sơ sinh trong mẫu nghiên cứu khác

2500g và sự khác biệt này có ý nghĩa thống kê (P<0,001)

Test T 2 mẫu độc lập trong SPSS (Independent – Sample T-Test)

Giả thuyết H0: Cân nặng sơ sinh trung bình ở trẻ trái và trẻ gái là như nhau

Chúng ta sử dụng Test t 2 mẫu độc lập để so sánh 2 giá trị trung bình độc lập có phân phối chuẩn, ở ví dụ này, chúng ta sẽ so sánh giá trị trung bình cân nặng của trẻ trai

và trẻ gái trong bộ số liệu, xem chúng có khác biệt nhau không

THỰC HIỆN:

Bước 1: Vào menu: Analyze>Compare Means>Independent-Samples T Test

Bước 2: chuyển biến định lượng cần phân tích (cnss) vào Test Variable (s) và biến phân

nhóm nhị phân (gtinhtre) vào Grouping Variable Sau đó chọn Define Groups nhập 2 nhóm cần so sánh vào Group 1 và Group 2 (ở đây 1:Nam & 2: Nữ)

Bước 3: Click vào OK và đọc kết quả

Phiên giải: Cân nặng sơ sinh trung bình ở trẻ trai và trẻ gái có sự khác biệt, trung bình khác biệt là 126,368g và sự khác biệt có ý nghĩa thống kê (p<0,005)

* Lưu ý: ở kết quả này, Levene’s Test cho p=0,204 > 0,05  Đồng nhất phương

sai, đọc kết quả ở dòng Equal Variances Assumed

Test T ghép cặp (Paired Samples T-Test)

Test t ghép cặp sử dụng để đo lường sự thay đổi của một đại lượng theo đơn vị thời gian, sự ảnh hưởng của một can thiệp, sự biến đổi của cùng một đại lượng ở 2 điều kiện khác nhau Ở ví dụ lần này là cân nặng sơ sinh của cùng 1 nhóm trẻ trước và sau 10 ngày

Giả thuyết H0: Cân nặng của trẻ 10 ngày sau sinh và cân nặng lúc mới sinh không có sự khác biệt

THỰC HIỆN:

Bước 1: Analyze>Compare Means>Paired-Samples T Test

Bước 3: Click OK và đọc kết quả

Phiên giải: Có sự khác biệt cân nặng sơ sinh của trẻ lúc sinh và sau 10 ngày, sự khác biệt có ý nghĩa thống kê (P<0,001)

Phân tích phương sai một chiều (one-way ANOVA) trong SPSS

Phân tích phương sai 1 yếu tố (One way ANOVA) cho phép bạn so sánh giá trị trung bình của một biến số định lượng giữa nhiều nhóm không có liên hệ với nhau Biến số định lượng này được khảo sát 1 lần duy nhất và trên các đối tượng khác nhau giữa các phân nhóm

Giả thuyết H0 của ANOVA: Giá trị trung bình của biến số khảo sát là như nhau ở tất cả các phân nhóm H0: µ1 = µ2 = µ3 = = µk (k= số nhóm so sánh)

Để kiểm tra giả thuyết 0 này, ANOVA sẽ tính tỉ số F = tỉ lệ sự sai biệt giữa các nhóm (do thí nghiệm gây ra) so với sự sai biệt nội tại (ngẫu nhiên) trong cùng một nhóm Tỉ dựa vào phân phối Fisher cho phép ta xác định giá trị P = xác suất có được một giá trị F cao như thế nếu giả thuyết H0 là đúng Ta loại bỏ giả thuyết H0 nếu p<0,05; đồng nghĩa với việc chấp nhận giả thuyết ngược lại: Có ít nhất một phân nhóm có giá trị khác với những phân nhóm còn lại

Giả thuyết H0: Không có sự khác biệt về cân nặng sơ sinh của những đứa trẻ sinh

ra bởi các bà mẹ có phân loại chỉ số BMI khác nhau (gầy, bình thường, thừa cân – béo phì)

THỰC HIỆN:

Bước 1: Vào menu: Analyze> Compare means > One-way ANOVA

Bước 2: chuyển biến định lượng cần phân tích (cnss) vào Test Variable (s) và biến phân

nhóm (tuoiPL) vào Grouping Variable

Bước 3: Click vào ô Post Hoc để làm phân tích hậu kiểm, ở đây ta chọn 1 test cho

trường hợp đồng nhất phương sai (Tukey) và 1 test cho trường hợp khác biệt phương sai (Dunnett’s T3)

Bước 4: Vảo Options tick vào 2 ô Decriptive và Homogeinety of varriance test Sau đó

click continue

Bước 5: Click OK và đọc kết quả

Phiên giải: Kết quả ANOVA cho thấy có sự khác biệt về cân nặng sơ sinh của trẻ

sinh ra ở các bà mẹ có độ tuổi khác nhau, sự khác biệt có ý nghĩa thống kê (p=0,011) Phân tích hậu kiểm (Post Hoc Test) cho thấy, có khác biệt giữa nhóm tuổi <25 và nhóm tuổi 25-35 và sự khác biệt này có ý nghĩa thống kê (p=0,028)

* Lưu ý: ở Test này, kiểm định Levene cho p=0,166 > 0,05  Đồng nhất phương sai, đọc kết quả ở test hậu kiểm Tukey HSD

4.2.4 Kiểm định phi tham số

Các kiểm định thống kê như phép kiểm t, ANOVA đều đòi hỏi những giả định khá chặt chẽ về phân phối chuẩn hoặc các phương sai của các mẫu so sánh phải gần bằng nhau

Trong những trường hợp dữ liệu không có phân phối chuẩn, đặc biệt khi mẫu nghiên cứu nhỏ, bắt buộc phải sử dụng kiểm định phi tham số (Nonparametric Tests)

Kiểm định phi tham số cũng được dùng cho các dữ liệu định danh (nominal), dữ liệu thứ bậc (ordinal) hoặc dữ liệu khoảng cách (interval) không có phân phối chuẩn

Nhược điểm của kiểm định phi tham số là khả năng tìm ra được sự sai biệt kém, không mạnh như các phép kiểm có tham số (t-Student, phân tích phương sai…)

Sau đây là các kiểm định phi tham số được dùng tương đương với các kiểm định

có tham số:

So sánh kiểm định phi tham số và kiểm định có tham số

Mẫu bắt cặp Kiểm định dấu (Sign test)

hoặc kiểm định dấu và hạng Wilcoxon (Wilcoxon test)

Phép kiểm t với mẫu phối hợp từng cặp (Paired-Samples t test)

Hai mẫu độc lập Kiểm định Mann- Whitney Phép kiểm T với 2 mẫu độc

lập (Independent- Samples t test)

Nhiều hơn 2 mẫu độc lập Kiểm định Kruskal-Wallis ANOVA một chiều

Kiểm định dấu (Sign test), Dấu và hạng (Wilcoxon)

Kiểm định Wilcoxon là một phương pháp kiểm định 2 biến định lượng ghép cặp

có phân phối không chuẩn (thay thế cho t-test ghép cặp)

Bước 1: Vào menu: Analyze>Nonparametric Tests> 2 Related Samples

Bước 2: Đưa biến định lượng phân phối không chuẩn cần phân tích vào Test Pair (như

t-test ghép cặp) và đọc KQ

Kiểm định Mann-Whiney

Được dùng để kiểm định các giả thuyết về 2 mẫu độc lập không có phân phối chuẩn

Cách thực hiện Kiểm định Mann-Whitney trong SPSS

Bước 1: Vào menu: Analyze>Nonparametric Tests>2 Independent Samples

Bước 2: Đưa biến định lượng phân phối không chuẩn cần phân tích vào Test Variable

List và biến phân nhóm vào Grouping Variable, Define Group (như t-test) và đọc KQ