Hướng dẫn cách thực hiện kiểm định Kruskal- Wallis trong SPSS

Kiểm định kruskal-wallis hay kiểm định phi tham số kruskal-wallis SPSS là một dạng phân tích số liệu rất phổ biến và hay thường gặp khi chạy SPSS. Tuy nhiên, với nhiều bạn học viên, kiểm định kruskal-wallis còn khá lạ lẫm và mơ hồ. 

Vì vậy, trong bài viết này, Tri Thức Cộng Đồng đã tổng hợp những thông tin quan trọng và cốt lõi nhất cần biết về kiểm định kruskal-wallis trong SPSS để bạn đọc có thể hiểu rõ hơn cũng như có thể thao tác áp dụng trong bài làm của mình khi cần thiết. Mời bạn cùng tham khảo!

1. Khái niệm về kiểm định kruskal-wallis

Khái niệm về kiểm định kruskal-wallis

Về khái niệm, kiểm định kruskal-wallis trong SPSS được hiểu là một kiểm định phi tham số được sử dụng để so sánh sự khác biệt trong giá trị trung bình của một biến xem giá trị đó phụ thuộc theo hai hay nhiều chiều của biến độc lập.

Kiểm định kruskal-wallis này được coi là một phương pháp kiểm định thay thế phi tham số cho kiểm định one-way ANOVA.

Chính vì vậy, kiểm định kruskal-wallis sẽ được sử dụng khi dữ liệu không đạt tiêu chuẩn các giả định của  one-way ANOVA một chiều. Trường hợp thường gặp là khi dữ liệu không phân phối chuẩn hay biến phụ thuộc ở dạng thứ bậc.

Đọc thêm:

• Kiểm định tự tương quan durbin-watson
• Kiểm định phân phối chuẩn
• Cronbach alpha SPSS

2. Điều kiện áp dụng kiểm định kruskal-wallis

Để hiểu rõ hơn về trường hợp áp dụng kiểm định kruskal-wallis trong SPSS, dưới đây là những điều kiện áp dụng mà các biến phụ thuộc và độc lập trong tập dữ liệu phải đáp ứng:

Biến phụ thuộc: Là các biến có phân phối liên tục cơ bản, tuy nhiên biến phản hồi là một phép đo thứ hạng hoặc có thể chấp nhận mức độ liên tục.

• Phải đảm bảo là biến thứ tự hoặc biến liên tục
• Không yêu cầu biến phải phân phối chuẩn trong từng nhóm
• Ví dụ: thang đo Likert (thang điểm từ “rất đồng ý” đến “hoàn toàn không đồng ý), trí thông minh (dựa trên điểm IQ),...

Biến độc lập: Bao gồm hai hoặc nhiều nhóm phân loại, độc lập đã được chọn ngẫu nhiên từ trong một quần thể lớn vô hạn. 

• Phải đảm bảo là biến phân loại hai mức trở lên
• Ví dụ: giới tính (2 nhóm: nam, nữ), mức độ hoạt động thể chất (4 nhóm: ít vận động, thấp, trung bình, cao),...  

Mẫu quan sát: 

• Phải đảm bảo có tính độc lập, tức là không không có mối quan hệ giữa các quan sát trong cùng một nhóm hoặc giữa các nhóm với nhau.
• Ví dụ: So sánh lượng ferritin máu giữa 3 nhóm bệnh nhân (không uống rượu, có uống rượu và bệnh nhân viêm gan mãn tính)...

3. Hướng dẫn thực hiện kiểm định kruskal-wallis trong SPSS

Để có thể hiểu rõ hơn về cách thực hiện kiểm định kruskal-wallis trong SPSS, chúng ta cùng nghiên cứu và áp dụng thực thế vào một ví dụ cụ thể dưới đây.

Ví dụ: Nghiên cứu về mức tăng cân trung bình có phụ thuộc vào số lượng creatine mà một người được chỉ định uống hay không

Thí nghiệm này được thực hiện và quan sát trong vòng 1 tháng. Người tham gia được chia thành 3 nhóm như sau:

• Nhóm 1: Không dùng bất kỳ thực phẩm chức năng nào về creatine
• Nhóm 2: Sử dụng thuốc bổ creatine vào buổi sáng
• Nhóm 3: Sử dụng thuốc bổ creatine vào buổi tối

Mức tăng cân của từng nhóm được ghi lại đầy đủ trong thời gian 1 tháng thực hiện thí nghiệm này.

Trong ví dụ này, ta có thể dùng kiểm định kruskal-wallis để trả lời cho câu hỏi được đặt ra. Các bước tiến hành cụ thể như sau: 

3.1. Nhập dữ liệu kiểm định

• Bước 1: Thao tác mở kiểm định kruskal-wallis theo thứ tự như sau: Trên thanh công cụ, click chọn Analyze> Nonparametric Tests> Legacy Dialogs> K Independent Samples…

Đối với ví dụ chúng ta đang thực hiện, lựa chọn sử dụng mẫu K Independent Samples… vì ở đây chúng ta thực hiện so sánh 3 trường hợp trở lên. 

Thao tác mở kiểm định kruskal-wallis

• Bước 2: Lúc này, màn hình hiển thị hộp thoại Test for Several Independent Samples. Ta thực hiện thao tác kéo biến phụ thuộc vào Test Variable List, nhấn Define Range rồi nhập số lượng nhóm tham gia ít nhất vào ô Minimum và nhiều nhất vào ô Maximum. Sau đó ấn chọn Continue.

Trong ví dụ này, chúng ta kéo biến phụ thuộc “gain” vào ô Test Variable List.

Thao tác trong hộp thoại Test for Several Independent Samples

3.2. Đọc kết quả

Sau khi thao tác các bước như ở trên, SPSS sẽ phân tích dữ liệu và biểu diễn kết quả. Kết quả được trả về sẽ hiển thị trên màn hình như sau:

Kết quả hiển thị

Theo như bảng kết quả trên, ta thấy có các yếu tố khác nhau của kiểm định kruskal-wallis được hiển thị. Các yếu tố trên có ý nghĩa như sau:

• Chi Square: giá trị Chi Square biểu hiện sự khác biệt lớn hơn giữa các nhóm đang so sánh. Tùy theo dữ liệu, ta cần biết phân bố lấy mẫu của nó để từ đó đánh giá dược liệu điều này có lớn bất thường hay không.
• Exact Sig: chỉ số exact sig biểu hiện sự sử dụng phân phối lấy mẫu của giả thuyết H. Nếu Exact Sig lớn hơn hoặc bằng 4 có nghĩa là phân phối lấy mẫu chính xác này gần giống với phân phối chi bình phương. Trong trường hợp này cần xem lại kết quả.

Như ví dụ trên , Exact Sig = 1.46 là kết quả được chấp nhận.

• DF: Trường hợp giá trị P gần với phân phối chi bình phương, nếu ta so sánh k nhóm, ta có k-1 bậc tự do, được ký hiệu là DF trên kết quả.
• Asymp Sig: đây là giá trị p được tính dựa trên phép xấp xỉ chi bình phương. Asymp Sig = 0,145 có nghĩa là có 14,5% cơ hội tìm thấy kết quả mẫu nếu creatine không có bất kỳ một ảnh hưởng nào trong dân số nói chung.

Với kết quả vừa chạy trên đây của kiểm định phi tham số kruskal-wallis trong SPSS, có thể thấy nếu creatine không ảnh hưởng, ta có cơ hội công bằng (14,5%) tìm thấy sự khác biệt trong việc tăng cân chỉ vì lấy mẫu ngẫu nhiên.

Nếu p>0,05 nghĩa là sự khác biệt này không có ý nghĩa thống kê.

Đội ngũ của Tri Thức Cộng Đồng luôn lắng nghe, tư vấn tận tình cho từng khách hàng về dịch vụ nhận xử lý số liệu spss, giảm bớt nỗi lo về thời gian, chi phí mà vẫn hoàn thành bài đúng thời hạn.

Như vậy, Tri Thức Cộng Đồng đã chia sẻ đến bạn về khái niệm, trường hợp sử dụng, điều kiện áp dụng cũng như các bước thực hiện kiểm định phi tham số kruskal-wallis SPSS một cách chi tiết. Hy vọng những thông tin và ví dụ trên đây hữu ích cho bạn, giúp bạn có thể vận dụng trong bài làm của mình.

Chúc bạn làm bài tốt và thành công!