[T-TEST] Kiểm định trung bình 2 nhóm khác biệt SPSS

Giả định kiểm định trung bình

Sự cần thiết của giả định

Khi bạn chọn phân tích dữ liệu của mình bằng cách sử dụng thử nghiệm t độc lập, một phần của quy trình bao gồm việc kiểm tra để đảm bảo rằng dữ liệu bạn muốn phân tích thực sự có thể được phân tích bằng thử nghiệm t độc lập. Bạn cần phải làm điều này vì chỉ thích hợp sử dụng kiểm định t độc lập nếu dữ liệu của bạn “vượt qua” sáu giả định cần thiết cho kiểm tra t độc lập để cung cấp cho bạn kết quả hợp lệ. Trên thực tế, việc kiểm tra sáu giả định này chỉ làm tăng thêm một chút thời gian cho phân tích của bạn, yêu cầu bạn nhấp thêm một vài nút trong phần mềm SPSS khi thực hiện phân tích, cũng như suy nghĩ thêm một chút về dữ liệu của bạn, nhưng nó là không phải là một nhiệm vụ khó khăn.

Trước khi chúng tôi giới thiệu cho bạn sáu giả định này, đừng ngạc nhiên nếu khi phân tích dữ liệu của riêng bạn bằng phần mềm SPSS, một hoặc nhiều giả định này bị vi phạm (tức là không được đáp ứng). Điều này không có gì lạ khi làm việc với dữ liệu trong thế giới thực hơn là các ví dụ trong sách giáo khoa, thường chỉ cho bạn cách thực hiện kiểm tra t độc lập khi mọi thứ diễn ra tốt đẹp! Tuy nhiên, đừng lo lắng. Ngay cả khi dữ liệu của bạn không đạt được các giả định nhất định, thường có một giải pháp để khắc phục điều này. 

Chi tiết các giả định

Đầu tiên, chúng ta hãy xem xét sáu giả định sau:

• Giả định số 1: Biến phụ thuộc của bạn nên được đo trên thang đo liên tục (tức là nó được đo ở mức khoảng hoặc mức tỷ lệ ). Ví dụ về các biến đáp ứng tiêu chí này bao gồm thời gian ôn tập (đo bằng giờ), trí thông minh (đo bằng điểm IQ), thành tích thi (đo từ 0 đến 100), cân nặng (đo bằng kg), v.v. Bạn có thể tìm hiểu thêm về các biến liên tục trong bài viết của chúng tôi: Các loại biến .

• Giả định số 2: Biến độc lập của bạn nên bao gồm hai nhóm phân loại , độc lập . Ví dụ các biến độc lập đáp ứng tiêu chí này bao gồm giới tính (2 nhóm: nam hoặc nữ), tình trạng việc làm (2 nhóm: có việc làm hoặc thất nghiệp), người hút thuốc (2 nhóm: có hoặc không), v.v.

• Giả định số 3: Bạn nên có sự độc lập của các quan sát , có nghĩa là không có mối quan hệ nào giữa các quan sát trong mỗi nhóm hoặc giữa các nhóm với nhau. Ví dụ, phải có nhiều người tham gia khác nhau trong mỗi nhóm và không có người tham gia nào ở nhiều hơn một nhóm. Đây là vấn đề thiết kế nghiên cứu nhiều hơn là vấn đề bạn có thể kiểm tra, nhưng nó là một giả định quan trọng của kiểm định t-test độc lập. Nếu nghiên cứu của bạn không đạt được giả định này, bạn sẽ cần sử dụng một thử nghiệm thống kê khác thay vì thử nghiệm t-test độc lập (ví dụ: thử nghiệm t-mẫu được ghép nối). Nếu bạn không chắc liệu nghiên cứu của mình có đáp ứng giả định này hay không, bạn có thể sử dụng Bộ chọn Kiểm tra Thống kê , là một phần của nội dung nâng cao của chúng tôi.

• Giả định số 4: Không có ngoại lệ đáng kể nào. Các điểm ngoại lai chỉ đơn giản là các điểm dữ liệu đơn lẻ trong dữ liệu của bạn không tuân theo mô hình thông thường (ví dụ: trong một nghiên cứu về điểm IQ của 100 sinh viên, trong đó điểm trung bình là 108 chỉ với một sự khác biệt nhỏ giữa các sinh viên, một sinh viên có điểm 156 , một điều rất bất thường và thậm chí có thể đưa cô ấy vào top 1% điểm IQ trên toàn cầu). Vấn đề với các giá trị ngoại lai là chúng có thể có tác động tiêu cực đến phép thử t độc lập, làm giảm tính hợp lệ của kết quả của bạn. May mắn thay, khi sử dụng Thống kê SPSS để chạy thử nghiệm t độc lập trên dữ liệu của mình, bạn có thể dễ dàng phát hiện ra các ngoại lệ có thể có. Trong hướng dẫn kiểm tra t độc lập nâng cao của chúng tôi, chúng tôi:
• (a) chỉ cho bạn cách phát hiện các ngoại lệ bằng cách sử dụng Thống kê SPSS; và
• (b) thảo luận về một số lựa chọn bạn có để đối phó với những trường hợp ngoại lệ. 

• Giả định số 5: Biến phụ thuộc của bạn phải được phân phối gần đúng chuẩn cho mỗi nhóm của biến độc lập . Chúng tôi nói về kiểm định t độc lập chỉ yêu cầu dữ liệu gần đúng thông thường vì nó khá “mạnh” đối với các vi phạm quy chuẩn, có nghĩa là giả định này có thể bị vi phạm một chút và vẫn cung cấp kết quả hợp lệ. Bạn có thể kiểm tra tính chuẩn mực bằng cách sử dụng bài kiểm tra Shapiro-Wilk về tính chuẩn mực, dễ dàng kiểm tra bằng cách sử dụng Thống kê SPSS. Ngoài việc chỉ cho bạn cách thực hiện điều này trong hướng dẫn kiểm tra t độc lập nâng cao của chúng tôi, chúng tôi cũng giải thích những gì bạn có thể làm nếu dữ liệu của bạn không đạt giả định này (tức là nếu nó không thành công hơn một chút). 

• Giả định số 6: Cần có sự đồng nhất của các phương sai . Bạn có thể kiểm tra giả định này trong phần mềm SPSS bằng cách sử dụng thử nghiệm của Levene về tính đồng nhất của các phương sai. Trong hướng dẫn kiểm tra t độc lập nâng cao của chúng tôi, chúng tôi (a) chỉ cho bạn cách thực hiện kiểm tra của Levene về tính đồng nhất của các phương sai trong Thống kê SPSS, (b) giải thích một số điều bạn sẽ cần xem xét khi giải thích dữ liệu của mình và (c) trình bày các cách có thể để tiếp tục phân tích nếu dữ liệu của bạn không đáp ứng được giả định này.

Các giả định cần thiết của kiểm định trung bình 2 nhóm khác biệt

Bạn có thể kiểm tra các giả định # 4, # 5 và # 6 bằng cách sử dụng phần mềm SPSS. Trước khi thực hiện việc này, bạn nên đảm bảo rằng dữ liệu của mình đáp ứng các giả định # 1, # 2 và # 3, mặc dù bạn không cần phần mềm SPSS để thực hiện việc này. Khi chuyển sang các giả định # 4, # 5 và # 6, chúng tôi khuyên bạn nên thử nghiệm chúng theo thứ tự này vì nó đại diện cho một thứ tự mà nếu vi phạm giả định là không thể sửa chữa, bạn sẽ không thể sử dụng t- độc lập nữa kiểm tra (mặc dù thay vào đó bạn có thể chạy một kiểm tra thống kê khác trên dữ liệu của mình). Chỉ cần nhớ rằng nếu bạn không chạy thử nghiệm thống kê trên các giả định này một cách chính xác, kết quả bạn nhận được khi chạy thử nghiệm t độc lập có thể không hợp lệ. Đây là lý do tại sao chúng tôi dành một số phần trong hướng dẫn kiểm tra t độc lập nâng cao của chúng tôi để giúp bạn thực hiện đúng điều này.

Trong phần Quy trình kiểm tra trong phần mềm SPSS , chúng tôi minh họa quy trình phần mềm SPSS cần thiết để thực hiện kiểm tra t độc lập với giả định rằng không có giả định nào bị vi phạm. Đầu tiên, chúng tôi đưa ra ví dụ mà chúng tôi sử dụng để giải thích quy trình kiểm tra t độc lập trong phần mềm SPSS.

Một ví dụ kiểm định t-test thực tế

Nồng độ cholesterol (một loại chất béo) trong máu có liên quan đến nguy cơ phát triển bệnh tim, vì vậy nồng độ cholesterol cao hơn cho thấy mức độ rủi ro cao hơn và nồng độ thấp hơn cho thấy mức độ rủi ro thấp hơn. Nếu bạn giảm nồng độ cholesterol trong máu, nguy cơ phát triển bệnh tim của bạn có thể giảm. Thừa cân và / hoặc không hoạt động thể chất làm tăng nồng độ cholesterol trong máu của bạn. Cả tập thể dục và giảm cân đều có thể làm giảm nồng độ cholesterol. 

Tuy nhiên, người ta không biết liệu tập thể dục hoặc giảm cân là tốt nhất để giảm nồng độ cholesterol. Do đó, một nhà nghiên cứu đã quyết định điều tra xem liệu một bài tập thể dục hoặc can thiệp giảm cân có hiệu quả hơn trong việc giảm mức cholesterol hay không. Cuối cùng, nhà nghiên cứu đã tuyển chọn một mẫu ngẫu nhiên gồm những con đực không hoạt động được phân loại là thừa cân. Mẫu này sau đó được chia ngẫu nhiên thành hai nhóm: Nhóm 1 thực hiện chế độ ăn kiêng kiểm soát calo và Nhóm 2 thực hiện chương trình luyện tập-luyện tập. Để xác định chương trình điều trị nào hiệu quả hơn, nồng độ cholesterol trung bình được so sánh giữa hai nhóm vào cuối chương trình điều trị.

Thực hành kiểm định 2 nhóm khác biệt trên SPSS

Để kích hoạt chương trình ta theo đường dẫn sau:

Analyze> Compare Means> Independen t -Samples T Test …