Trong khi chạy SPSS để thực hiện phân tích số liệu cho bài luận của mình, chắc hẳn bạn sẽ phải thực hiện kiểm định Kruskal wallis. Nhưng có vẻ đây vẫn là một hàm kiểm định khá xa lạ với nhiều người. Thấu hiểu điều đó, trong bài viết dưới đây sẽ giúp bạn đọc hiểu rõ kiểm định Kruskal wallis là gì cũng như cách chạy kiểm định này trên SPSS. Tham khảo ngay!
1. Kiểm định Kruskal wallis là gì?
Kiểm định Kruskal wallis là một giải pháp kiểm định được sử dụng thay thế cho kiểm định one-way ANOVA nếu các giả định của phương pháp bị vi phạm.
Kiểm định Kruskal wallis là kiểm định chạy trong phần mềm SPSS để so sánh sự khác biệt về giá trị trung bình của một biến phụ thuộc theo hai hay nhiều chiều của biến độc lập, nhưng không bắt buộc biến phụ thuộc này phải phân phối chuẩn.
Ví dụ: Phân phối của biến thu nhập người lao động được biểu thị như dưới đây:
Phân phối thu nhập người lao động
Từ đồ thị trên, ta nhận thấy:
- Đồ thị 1: Thu nhập người lao động có dạng đồ thị phân phối chuẩn, trong trường hợp này dùng kiểm định One-way ANOVA
- Đồ thị 2: Thu nhập người lao động trong các lĩnh vực nông nghiệp, công nghiệp, dịch vụ không phân phối chuẩn và có dạng đồ thị khác nhau, trong trường hợp này dùng kiểm định Kruskal wallis
2. Điều kiện sử dụng kiểm định Kruskal wallis
Tuy nhiên, để sử dụng kiểm định Kruskal wallis, các biến phụ thuộc và độc lập trong tập dữ liệu phải đáp ứng những điều kiện sau:
Biến phụ thuộc:
- Phải là biến thứ tự hoặc biến liên tục
- Không yêu cầu phải có phân phối chuẩn trong từng nhóm.
Biến độc lập:
- Là biến phân loại 2 mức trở lên
- Ví dụ: Giới tính (nam/nữ), trình độ (trung học/đại học/sau đại học)…
Mẫu quan sát:
- Có tính độc lập
- Không có quan hệ quan sát trong cùng một nhóm hoặc giữa các nhóm
Có thể nói kiểm định Kruskal wallis là một trong những kiểm định khó và rất hiếm gặp, nhưng gần đây kiểm định kruskal wallis đang dần phổ biến và được ứng dụng nhiều hơn. Nếu bạn gặp khó khăn trong quá trình thực hiện kiểm định này, hãy tham khảo dịch vụ chạy SPSS chất lượng và uy tín của đơn vị Tri Thức Cộng Đồng.
3. Hướng dẫn cách chạy kiểm định Kruskal wallis trong SPSS
Nhằm giúp bạn đọc hiểu rõ hơn về cách chạy kiểm định Kruskal wallis trong SPSS, chúng tôi sẽ hướng dẫn thông qua ví dụ cụ thể sau.
Ví dụ: Bảng mô tả chứa dữ liệu dưới đây là kết quả của một thử nghiệm nhỏ liên quan đến thuốc bổ creatine. Những người tham gia được chia thành 3 nhóm:
- Nhóm không dùng bất kỳ thực phẩm chức năng về creatine nào
- Nhóm người sử dụng thuốc bổ creatine vào buổi sáng
- Nhóm người sử dụng thuốc bổ creatine vào buổi tối
Thí nghiệm được thực hiện và quan sát trong 1 tháng, mức tăng cân của họ cũng được ghi lại.
Câu hỏi của nghiên cứu là: Mức tăng cân trung bình có phụ thuộc vào số lượng creatine mà một người được chỉ định uốn không?
Trong trường hợp này, ta có thể dùng kiểm định Kruskal wallis để trả lời. Cụ thể, bước làm như sau.
3.1. Nhập dữ liệu cho kiểm định Kruskal wallis
Bước 1: Mở kiểm định Kruskal wallis bằng cách nhấn chọn theo thứ tự: Analyze → Nonparametric Tests → Legacy Dialogs → K Independent Samples…
Mở kiểm định Kruskal wallis
Sử dụng mẫu K Independent Samples vì ở đây chúng ta đang so sánh 3 trường hợp trở lên. Chúng “độc lập” (independent) vì chúng không trùng lặp (mỗi trường hợp chỉ thuộc một điều kiện creatine).
Bước 2: Kéo biến phụ thuộc (gain) sang vị trí ô 1 như trong ảnh. Chọn dữ liệu từ các nhóm đối tượng tham gia và chọn Define range. Sau đó nhập số lượng nhóm tham gia ít nhất và nhiều nhất, rồi bấm Continue.
Nhập dữ liệu cho kiểm định Kruskal wallis
3.2. Đọc kết quả
Sau thời gian phần mềm SPSS phân tích và biểu diễn kết quả, đây là màn hình kết quả được trả về:
Màn hình kết quả kiểm định
Lần lượt ý nghĩa các kết quả sẽ được giải thích tại đây:
- Chi Square: Giá trị này cho thấy sự khác biệt lớn hơn giữa các nhóm đang so sánh, cụ thể trong ví dụ này là 3,869. Chúng ta cần biết phân bố lấy mẫu của nó để đánh giá xem liệu điều này có lớn bất thường hay không.
- Exact Sig.: Là giá trị biểu hiện sự sử dụng phân phối lấy mẫu của giả thuyết H. Giá trị này bằng 4 trở lên, tức là phân phối lấy mẫu chính xác này gần giống với phân phối chi bình phương, và phải xem lại kết quả. Trong ví dụ này, giá trị đó bằng 1.46 nên được chấp nhận.
- df: Trong trường hợp giá trị p gần với phân phối chi bình phương. Nếu so sánh k nhóm, chúng ta có k-1 bậc tự do, ký hiệu là df trên kết quả.
- Asymp Sig.: Là giá trị p dựa trên phép xấp xỉ chi bình phương. Về cơ bản, giá trị 0,145 có nghĩa là có 14,5% cơ hội tìm thấy kết quả mẫu nếu creatine không có bất kỳ ảnh hưởng nào trong dân số nói chung.
Vì vậy, nếu creatine không ảnh hưởng, chúng ta có cơ hội công bằng (14,5%) để tìm thấy sự khác biệt tăng cân nhỏ như vậy chỉ vì lấy mẫu ngẫu nhiên. Nếu p> 0,05, chúng ta thường kết luận rằng sự khác biệt của chúng tôi không có ý nghĩa thống kê.
3.3. Kiểm tra và viết báo cáo từ kiểm định Kruskal wallis
Sau khi phân tích kết quả, kiểm tra lại lần cuối và rút ra kết luận bao gồm giá trị Chi Square, df và p như sau:
Nghiên cứu này không chứng minh bất cứ tác dụng nào từ thuốc creatine đến cân nặng của người sử dụng, với H(2) = 3,87 và p = 0.15
Kiểm định Kruskal wallis
Kiểm định Kruskal wallis là một trong những bước quan trọng để bạn thực hiện phân tích SPSS một cách chuyên nghiệp và cho kết quả chính xác nhất. Vì vậy, hãy tìm hiểu và thực hành các bước trên, kết hợp đọc thêm tài liệu tham khảo từ đơn vị Tri Thức Cộng Đồng để có được một bài làm ưng ý nhất.
Như vậy, khái niệm cũng như cách chạy kiểm định Kruskal wallis đã được chúng tôi chia sẻ đến bạn một cách chi tiết nhất thông qua bài viết trên đây. Hy vọng với những cách làm và ví dụ được nêu chi tiết như ở trên, bạn đã nắm được các bước thực hiện và có thể vận dụng trong bài làm của mình. Chúc bạn thành công! Nếu còn vướng mắc gì, bạn hãy liên lạc với Trung tâm để được hỗ trợ.