Tuần 9-10: Trình bày và Xử lý số liệu - nghiên cứu khoa học ď phan tich du lieu 2

Tuần 9-10: Trình bày và Xử lý số liệu - nghiên cứu khoa học ď phan tich du lieu 2 tài liệu, giáo án, bài giảng...

T-test: SO SÁNH GIÁ TRỊ TRUNG BÌNH

• One-sample test (phép kiểm nghiệm t 1 mẫu).

• Áp dụng: Nếu so sánh giá trị trung bình của mẫu với

một giá trị cố định nào đó

• Vd: có hay không sự khác biệt giữa chỉ số IQ trung

bình của một nhóm sinh viên với chỉ số cụ thể (100) ở

độ tin cậy 95%.

• Vd: Số lượng Anh Chị em mỗi SV có nhiều hơn hay ít hơn 1 người.

• Cú pháp: Compare mean/one sample T test Sau

đó chọn biến cần so sánh di chuyển sang hộp thoại

Test Variables Tiếp theo, nhập giá trị cần so sánh

vào hộp thoại Test Value.

• Nếu Sig nhỏ hơn 05, tức là có sư khác nhau.

Đọc KQ: phép kiểm nghiệm t 1 mẫu không tìm thấy sự khác nhau về số ACE mà

SV có 1 người (M = 1.26, sd = 1.26) và 1, t(45) = 1.410, p < 05, α = 05

Lưu ý: Bởi vì test này chỉ cần 1 đuôi (one-tailed test), nên check trong bảng critical t values, với df =45, α = 05 và one-tailed is 1.679

T-test: SO SÁNH GIÁ TRỊ TRUNG BÌNH

• Paired-samples T-test (phép kiểm nghiệm t theo

từng cặp mẫu)

• Áp dụng: dùng để so sánh giá trị trung bình của 2 lần quan sát trên cùng 1 nhóm đối tượng về 1

• VD: Có hay không sự khác nhau về “kiến thức quản

lý” của các học viên sau khi tham dự khóa học

HD Đọc kết quả

Phép kiểm nghiệm t theo từng cặp mẫu

được sử dụng để so sánh KTQL giữa 2

lần đo 1 và 2 Kết quả cho thấy khong có

sự khác nhau về KTQL giữa lần đo 1

( Mean = 2.4, SD =0.2) và lần đo 2 ( Mean

= 2.5, SD = 0.2) với t (11) = -2.171, p> 05.

T-test: SO SÁNH GIÁ TRỊ TRUNG BÌNH

• Independent sample t-test [phép kiểm nghiệm t

mẫu độc lập]

• Áp dụng: dùng để so sánh giá trị trung bình của 1

biến nào đó́ trên 2 nhóm đối tượng NC

• VD: Có hay không sự khác nhau về “chỉ số

cholesterol” của phương pháp điều trị A và và B

• Cú pháp: Compare mean/ Independent sample

t-test Sau đó, Chọn biến chính (chỉ số

cholesterol) bên cửa sổ tay trái và chuyển qua

khung test variables Chọn biến phụ và di chuyển vào khung grouping variable Kế đến là xác định nhóm define group (Group 1 nhap so 1; group 2

nhấp số 2), ok.

Nguyên tắc:

Paired-samples T-test

Independent sample t-test

– Biến chính (dependent variable): thang do scale

– Biến phụ (independent variable): thang do nominal – Biến chính phải phân phối chuẩn

Nếu sig cua Levene’s test >.05, sử dụng kết quả dòng 1 (equal variances assumed)

Nếu sig của Levene’s test < or = 05, sử dụng kết quả dòng 2 (equal variances not assumed)

• So sánh mean của 3 nhóm đối tượng trên 1 biến nào đó

• Vi du:

+ So sánh thể chất của ĐD tại 3 Khoa Nội, ngoại, Nhi

+ So sánh thể chất của Bé trong 3 nhóm tuổi (5-6, 7-8, 9-10)

+So sánh sự căng thẳng của ĐD ở 3 khoa (Nội, Ngoại, Nhi)

• Nguyên tắc;

– Biến chính: thang đo scale (sự căng thẳng )

– Biến phu: thang đo nominal (Khoa: 1 = nội, 2 = ngoai, 3= nhi) hoặc thang đo ordinal( 1= nhóm 5-6, 2= nhóm 7-8, 3=nhóm 9-10)

– Biến chính; phân phối chuẩn

Cú pháp:

• Analyze->compare mean->1way-anova

• Chọn biến chính bên cửa sổ tay trái và

chuyển qua khung dependent list

• Chọn biến phụ và di chuyển vào khung

factor

• Nhấp vào khung post hoct, dùng scheffe,

bonferroni, LSD, Turkey… để so sánh tìm cập khác nhau cụ thể.

Physical health symptoms

108.685 2 54.342 9.892 000 2537.952 462 5.493

-Nếu giá trị Sig nhỏ hơn.05, ta kết luận là có sự khác nhau

giữa 3 nhóm về 1 biến nào đó, sau đó đọc tiếp khung hoc để tìm sự khác biệt cụ thể từng cặp trong 3 nhóm

Post Nếu giá trị Sig lớn hơn.05, ta kết luận là không có sự khác

nhau giữa 3 nhóm về 1 biến nào đó.

Biến thiên

Tổng các chênh lệch bình phương Bậc tự do df

Trung bình chênh lệch

bình phương

Mean Square

Giá trị kiểm định

F Giá trị PSig.

Giữa các nhóm

(Between

Groups) 108.685 2 54.342 9.892 .000Trong cùng 1

nhóm

(Within Groups) 2537.952 462 5.493

Tổng cộng

Total 2646.637 464

Ket luan; sử dụng ANOVA để so sánh biến “thể chất” giữa ĐD tại 3 khoa Nội,

Ngoại, Nhi Kết quả cho thấy có sự khác nhau về biến “thể chất” giữa 3 nhóm

- Muốn xác định có sự liên quan giữa Biến X và Y

-Ví dụ: xác định mối liên quan giữa hút thuốc lá (1=

không bao giờ hút, 2 = 1 ít, 3 = khá,4 = nhiều và

K(1= có và 0= không)

-Nguyên tắc:

Biến X và Y: thang nominal hoặc ordinal

Biến X và Y: không cần phân phối chuẩn

Đối với biến có trên 2 nhóm, mỗi ô (cell) không nên có

n < 5 quá 20% của tất cả các ô

• Cú pháp: Analyze->desciptive statistic->crosstabs

• Bảng crosstab hiện lên

• Chọn biến X vào hàng dòng (row)

• Chọn biến Y vào hàng cột(column)

• Nhấp vào statistic, chọn Chi-square

• Nhấp Cell, chọn khung percentage (row, column, total)

• Đọc kết quả chổ Pearson chi-square, nếu nhỏ

hơn 05, kết luận có mối liên hệ giữa X và Y

1=không bao giờ hút,

TƯƠNG QUAN TUYẾN TÍNH

PEARSON R

• Trường hợp áp dụng:

Tìm mối liên quan (liên hệ/tương quan) giữa 2 biến X và Y

• Ví dụ: Tìm mối liên hệ giữa tuổi và đường huyết

• Nguyên tắc

• Độ mạnh cuả mối liên quan được xét dưạ vào giá trị r

– r nằm vào khoảng -1 đến +1

– r bằng 0: không có mối liên hệ

• R mối liên hệ

>.7 mạnh

.3-.7 trung bình

<.3 yếu

TƯƠNG QUAN TUYẾN TÍNH

PEARSON R

• Cùng chiều (positive, +): người có điểm cao

(thấp) ở biến X sẻ có khuynh hướng cao (thấp)

điểm cao ở biến y

• Nghịch chiều (negative, -): có có điểm cao ở

biến X sẽ có khuynh hướng thấp điểm ở biến Y

• + và - : chỉ chiếu quan hệ

• r : chỉ độ mạnh cuả mối quan hệ

• Biến X và Y: phân phối chuẩn (+/-1.96) và thuộc thang đo scale

TƯƠNG QUAN TUYẾN TÍNH

PEARSON R

• Cú pháp:

• Analyze –correlate-bivariate

• Màn hình hiện ra Bivariate

• Chọn 2 biến X và Y từ cửa sổ bên trái qua bên phải

• Nhấn pearson trong hộp correlation coefficient

• Nhấp 2 đuôi 2 tailed

• Nhấp hộp Flag significant correlations

• Nhấp option, chọn mean và SD, exclude pairwise

• Continue

• ok

N Pearson Correlation Sig (2-tailed)

Nếu sig <.05, có mối liên hệ giưã biến X và Y

Nếu Sig>.05, không có mối liên hệ giữa biến X và Y

Kết luận: Pearson r được dùng để kiểm tra mối liên hệ giữa tuổi và chán nản Không có ý nghiã thống kê trong mối liên hệ giữa 2 biến, (r =-.155, p>.05)

Spearman (rho)

• TH áp dụng: tìm mối liên hệ giưã X và Y

• Nguyên tắc làm giống pearson, tuy nhiên:

• Biến X và Y có thể là:

– ordinal, interval và ratio

– Không cần phân phối chuẩn

N Correlation Coefficient Sig (2-tailed)

N

tuoi trinh do nghe nghiep

Spearman's rho

tuoi

trinh do nghe nghiep

Nếu sig <.05, có mối liên hệ giưã biến X và Y

Nếu Sig>.05, không có mối liên hệ giữa biến X và Y

Kết luận: spearman (rho) được dùng để kiểm tra mối liên hệ giữa tuổi và trình độ nghề nghiệp

Không có ý nghiã thống kê trong mối liên hệ giữa

2 biến, (rho =.001, p>.05)

Cronbach’s alpha

• Mục đích: xem bộ câu hỏi có đủ giá trị tin cậy không.

• Cú pháp:Analyze-scale-reliability analysis

• Chọn các item của 1 bộ câu hỏi (VD: Bộ câu hỏi có 10

items để đo lường stress) từ cửa sổ bên trái qua bên phải.

• Nhấp statistic, chọn item, scale, scale if item deleted

• Đọc giá trị cronbach’s alpha: nếu trên 7(cho bộ tự phát

triển) va 8 (bộ mượn từ người khác)

• Đọc bảng ”item total statistic” corrected item-total xem

các item có thấp không, nếu thấp quá thì xem lại bộ gốc có

dễ hiểu không? Nếu khó hiểu thì chỉnh lại, sau đó test lại cronbach.

• (Cao nhat – thap nhat)/muc do

• (4-1)/3 =1

• 1->2: thap

• 2.1 ->3.1 tb

• >3.1 ->4 cao