Kiểm định Trung vị (Median Test): Lý thuyết, Ứng dụng và Thực hành trên SPSS

Trong thống kê, trung vị (median) là một chỉ số đo lường xu hướng trung tâm ít bị ảnh hưởng bởi các giá trị ngoại lai hơn so với trung bình. Khi dữ liệu của bạn có các giá trị ngoại lai đáng kể, hoặc khi phân phối của dữ liệu quá lệch và không tuân theo giả định chuẩn, việc so sánh trung vị giữa các nhóm có thể phù hợp hơn là so sánh trung bình. **Kiểm định Trung vị (Median Test)** là một kiểm định phi tham số được thiết kế để thực hiện điều này. Bài viết này sẽ đi sâu vào lý thuyết, các ứng dụng thực tế và hướng dẫn chi tiết cách thực hiện kiểm định Trung vị trên phần mềm SPSS.

1. Lý thuyết cơ bản về Kiểm định Trung vị (Median Test)

Kiểm định Trung vị (Median Test) là một kiểm định phi tham số được sử dụng để xác định xem hai hoặc nhiều nhóm độc lập có đến từ các quần thể với cùng một trung vị hay không.

1.1. Khi nào sử dụng Median Test?

• **So sánh hai hoặc nhiều nhóm độc lập:** Tương tự như Mann-Whitney U Test hoặc Kruskal-Wallis H Test, nhưng tập trung vào trung vị.
• **Biến phụ thuộc:** Là biến định lượng (Scale) hoặc thứ bậc (Ordinal).
• **Khi dữ liệu không phân phối chuẩn và có giá trị ngoại lai:** Đặc biệt hữu ích khi các kiểm định phi tham số khác như Mann-Whitney U hoặc Kruskal-Wallis H (vốn dựa trên hạng của dữ liệu) cũng có thể bị ảnh hưởng bởi sự lệch lạc cực đoan hoặc khi bạn muốn một kiểm định tập trung trực tiếp vào trung vị.
• **Thay thế cho ANOVA hoặc T-test:** Khi các giả định của chúng (đặc biệt là tính chuẩn và phương sai đồng nhất) bị vi phạm nghiêm trọng và bạn muốn so sánh trung vị.

1.2. Nguyên lý hoạt động

Kiểm định Trung vị hoạt động bằng cách:

1. Tính toán **trung vị chung (overall median)** của tất cả các quan sát trong tất cả các nhóm kết hợp lại.
2. Phân loại mỗi quan sát vào một trong hai nhóm: “lớn hơn trung vị chung” hoặc “nhỏ hơn/bằng trung vị chung”.
3. Lập bảng tần số hai chiều (Contingency Table) hiển thị số lượng quan sát của mỗi nhóm nằm trên hoặc dưới trung vị chung.
4. Sử dụng kiểm định **Chi-square ($ \chi^2 $)** để xác định xem có sự khác biệt có ý nghĩa thống kê về tỷ lệ quan sát trên/dưới trung vị chung giữa các nhóm hay không.

1.3. Giả thuyết thống kê

• Giả thuyết Null ($H_0$): Trung vị của tất cả các quần thể là như nhau.
• Giả thuyết Đối ($H_1$): Ít nhất một quần thể có trung vị khác với các quần thể còn lại.

Tương tự như Kruskal-Wallis H Test, nếu kiểm định Trung vị cho kết quả có ý nghĩa thống kê, bạn sẽ cần thực hiện các phân tích hậu nghiệm (post-hoc) để xác định cụ thể cặp nhóm nào khác biệt.

—

2. Ứng dụng của Kiểm định Trung vị (Median Test)

Kiểm định Trung vị hữu ích trong các tình huống mà sự so sánh trung bình có thể không phản ánh đúng bản chất dữ liệu:

• **Kinh tế học:** So sánh thu nhập giữa các nhóm nghề nghiệp khác nhau. Dữ liệu thu nhập thường rất lệch (có nhiều người có thu nhập thấp và một số ít người có thu nhập rất cao), làm cho trung vị trở thành chỉ số đại diện tốt hơn trung bình.
• **Y học:** So sánh thời gian phục hồi (tính bằng ngày) sau phẫu thuật giữa bệnh nhân sử dụng các phương pháp điều trị khác nhau. Thời gian phục hồi có thể có một vài trường hợp rất dài, ảnh hưởng đến trung bình.
• **Xã hội học:** So sánh số giờ xem TV mỗi ngày giữa các nhóm tuổi khác nhau. Một số cá nhân có thể xem rất ít hoặc rất nhiều, làm lệch trung bình.
• **Nghiên cứu thị trường:** So sánh mức độ chi tiêu hàng tháng cho một loại sản phẩm giữa các nhóm thu nhập khác nhau.

—

3. Hướng dẫn thực hành trên SPSS: Kiểm định Trung vị (Median Test)

Chúng ta sẽ thực hiện một ví dụ cụ thể để minh họa cách chạy Kiểm định Trung vị trên SPSS.

Ví dụ minh họa: So sánh thời gian phản ứng theo phương pháp huấn luyện

Bạn là nhà nghiên cứu muốn kiểm tra xem liệu có sự khác biệt về **thời gian phản ứng** (tính bằng mili giây) của các vận động viên được huấn luyện bằng ba phương pháp khác nhau: **Phương pháp A**, **Phương pháp B**, và **Phương pháp C**. Bạn thu thập dữ liệu từ 45 vận động viên (15 vận động viên mỗi phương pháp). Bạn nghi ngờ rằng thời gian phản ứng có thể có một vài trường hợp ngoại lệ (cực nhanh hoặc cực chậm) làm cho dữ liệu không phân phối chuẩn, vì vậy bạn quyết định sử dụng Kiểm định Trung vị.

Các bước thực hiện trên SPSS:

3.1. Chuẩn bị dữ liệu trong SPSS

1. **Tạo biến:** Mở SPSS, vào tab **Variable View**.
   • Tạo biến `Phuong_Phap` (biến nhóm):
     • **Name:** `Phuong_Phap`
     • **Type:** Numeric
     • **Decimals:** 0
     • **Label:** Phương pháp huấn luyện
     • **Values:** 1 = Phương pháp A, 2 = Phương pháp B, 3 = Phương pháp C
     • **Measure:** Nominal
   • Tạo biến `Thoi_Gian_Phan_Ung` (biến kiểm định):
     • **Name:** `Thoi_Gian_Phan_Ung`
     • **Type:** Numeric
     • **Decimals:** 0 (hoặc số thập phân nếu thời gian có thể là lẻ).
     • **Label:** Thời gian phản ứng (ms)
     • **Measure:** Scale
2. **Nhập dữ liệu:** Chuyển sang tab **Data View**. Nhập thời gian phản ứng vào cột `Thoi_Gian_Phan_Ung` và phương pháp huấn luyện tương ứng vào cột `Phuong_Phap` cho tất cả 45 vận động viên.

3.2. Chạy Kiểm định Trung vị (Median Test)

1. Vào menu: **Analyze > Nonparametric Tests > Legacy Dialogs > K Independent Samples…**
2. Hộp thoại **Tests for Several Independent Samples** sẽ xuất hiện.
3. Chuyển biến `Thoi_Gian_Phan_Ung` sang ô **Test Variable List:**.
4. Chuyển biến `Phuong_Phap` sang ô **Grouping Variable:**.
5. Nhấp vào nút **Define Range…**.
   • Trong hộp thoại **Define Range**, nhập giá trị nhỏ nhất của nhóm vào **Minimum:** (ví dụ: `1`) và giá trị lớn nhất vào **Maximum:** (ví dụ: `3`).
   • Nhấp **Continue**.
6. Trong phần **Test Type**, **bỏ chọn Kruskal-Wallis H** (nếu nó được tích mặc định) và **tích chọn Median**.
7. Nhấp **OK**.

3.3. Diễn giải kết quả Output của SPSS

Cửa sổ Output của SPSS sẽ hiển thị các bảng kết quả:

Bảng 1: Frequencies (Tần số)

Bảng này hiển thị số lượng quan sát của mỗi nhóm nằm trên hoặc dưới trung vị chung. Đây là bảng tần số hai chiều mà kiểm định Trung vị sử dụng.

	Phương pháp huấn luyện			Total
	Phương pháp A	Phương pháp B	Phương pháp C
<= Median	8	4	6	18
> Median	7	11	9	27
Total	15	15	15	45

Diễn giải:

• Trung vị chung của toàn bộ 45 quan sát đã được tính toán bởi SPSS (giả sử là 200ms).
• Bảng này cho thấy phân bố số lượng vận động viên trong mỗi nhóm có thời gian phản ứng nhỏ hơn/bằng trung vị chung hoặc lớn hơn trung vị chung. Ví dụ: Trong Phương pháp A, có 8 người có thời gian phản ứng <= trung vị và 7 người có thời gian phản ứng > trung vị.

Bảng 2: Test Statistics (Thống kê kiểm định Trung vị)

	Thoi_Gian_Phan_Ung
N	45
Median	200.00
Chi-Square	5.143
df	2
Asymp. Sig.	.076

Diễn giải các giá trị quan trọng:

• **N:** Tổng số quan sát (45).
• **Median:** Trung vị chung của tất cả các quan sát (ví dụ: 200.00 ms).
• **Chi-Square:** Giá trị thống kê Chi-Square của kiểm định (5.143).
• **df:** Bậc tự do, bằng số nhóm trừ đi 1 (3 – 1 = 2).
• **Asymp. Sig.:** Đây là giá trị p (p-value) của kiểm định.
  • Trong ví dụ này, **p-value = 0.076**.

Kết luận:

Với mức ý nghĩa thông thường là **0.05** ($\alpha = 0.05$):

• Nếu **p-value < 0.05**: Bác bỏ $H_0$. Có sự khác biệt có ý nghĩa thống kê về trung vị giữa ít nhất một cặp nhóm.
• Nếu **p-value $ \ge $ 0.05**: Không bác bỏ $H_0$. Không có đủ bằng chứng để kết luận có sự khác biệt có ý nghĩa thống kê về trung vị giữa các nhóm.

Trong ví dụ này, p-value = 0.076, lớn hơn 0.05. Do đó, chúng ta **không bác bỏ giả thuyết Null ($H_0$)**. Điều này có nghĩa là, dựa trên kiểm định Trung vị, không có đủ bằng chứng thống kê để kết luận rằng có sự khác biệt có ý nghĩa thống kê về trung vị thời gian phản ứng giữa ba phương pháp huấn luyện (A, B, C). Hay nói cách khác, trung vị thời gian phản ứng của ba nhóm này có thể được xem là tương đương nhau.

—

Kiểm định Trung vị là một lựa chọn tuyệt vời khi bạn làm việc với dữ liệu có xu hướng lệch hoặc có các giá trị ngoại lai, và bạn muốn tập trung vào việc so sánh trung vị hơn là trung bình. Mặc dù ít mạnh mẽ hơn Kruskal-Wallis H Test trong nhiều trường hợp, nó vẫn là một công cụ có giá trị để bổ sung cho phân tích của bạn, đặc biệt khi các giả định phân phối bị vi phạm nghiêm trọng.