SPSS- Thống kê và Nghiên cứu khoa học

Trong nghiên cứu, việc phân tích sự thay đổi của một biến nhị phân (ví dụ: Có/Không, Đạt/Không đạt, Thích/Không thích) qua ba hoặc nhiều hơn hai thời điểm hoặc điều kiện trên cùng một nhóm đối tượng là một tình huống phổ biến. Ví dụ, bạn có thể muốn biết liệu tỷ lệ người tán thành một chính sách có thay đổi sau khi xem ba đoạn phim thông tin khác nhau, hay liệu tỷ lệ bệnh nhân có triệu chứng cụ thể có khác nhau tại ba thời điểm sau điều trị. Khi dữ liệu của bạn có tính chất **nhị phân** và được thu thập từ **mẫu phụ thuộc (dependent samples)**, **Kiểm định Q của Cochran (Cochran’s Q Test)** là công cụ thống kê phi tham số phù hợp và mạnh mẽ. Nó là phần mở rộng của Kiểm định McNemar khi bạn có nhiều hơn hai phép đo. Bài viết này sẽ đi sâu vào lý thuyết, các ứng dụng thực tế và hướng dẫn chi tiết cách thực hiện kiểm định Cochran’s Q trên phần mềm SPSS.

Trong nghiên cứu khoa học, chúng ta thường xuyên cần so sánh các phép đo được thực hiện nhiều lần trên cùng một nhóm đối tượng hoặc trên các đối tượng được ghép cặp. Ví dụ, bạn muốn đánh giá hiệu quả của một liệu pháp qua ba giai đoạn điều trị khác nhau, hoặc so sánh phản ứng của cùng một người trước ba loại kích thích khác nhau. Khi dữ liệu của bạn không đáp ứng các giả định của kiểm định tham số tương ứng như **Repeated-Measures ANOVA** (đặc biệt là giả định về phân phối chuẩn của các sai số hoặc giả định hình cầu), **Kiểm định Friedman (Friedman Test)** là một công cụ phi tham số lý tưởng. Nó cho phép bạn so sánh ba hoặc nhiều hơn hai phép đo liên quan mà không đòi hỏi những ràng buộc chặt chẽ về phân phối dữ liệu. Bài viết này sẽ đi sâu vào lý thuyết, các ứng dụng thực tế và hướng dẫn chi tiết cách thực hiện kiểm định Friedman trên phần mềm SPSS.

Trong các nghiên cứu khoa học xã hội, y tế, hoặc tiếp thị, chúng ta thường quan tâm đến sự thay đổi trong phản hồi nhị phân (binary response) của cùng một nhóm đối tượng qua hai thời điểm hoặc dưới hai điều kiện khác nhau. Ví dụ, liệu một người có thay đổi quan điểm từ “đồng ý” sang “không đồng ý” sau khi xem một đoạn phim? Hay liệu tình trạng bệnh của một người có thay đổi từ “có” sang “không” sau khi điều trị? Khi dữ liệu của bạn có dạng **nhị phân (dichotomous)** và được thu thập từ **mẫu phụ thuộc (dependent samples)**, **Kiểm định McNemar** là công cụ thống kê phi tham số lý tưởng để phân tích sự thay đổi 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 McNemar trên phần mềm SPSS.

Trong nghiên cứu, việc so sánh hai phép đo từ cùng một đối tượng hoặc các cặp đối tượng liên quan (ví dụ: đo lường trước và sau can thiệp, so sánh hiệu quả của hai sản phẩm A và B trên cùng một cá nhân) là rất phổ biến. Khi dữ liệu của bạn là thứ bậc (ordinal) hoặc định lượng nhưng không tuân theo phân phối chuẩn, và đặc biệt khi bạn chỉ quan tâm đến **hướng thay đổi** (tăng hay giảm) chứ không phải mức độ thay đổi, **Kiểm định Dấu (Sign Test)** là một công cụ phi tham số đơn giản nhưng hữu ích. Nó là một trong những kiểm định phi tham số cơ bản nhất cho các mẫu phụ thuộc. Bài viết này sẽ đi sâu vào lý thuyết, các ứng dụng thực tế và hướng dẫn chi tiết cách thực hiện kiểm định Dấu trên phần mềm SPSS.

Trong các nghiên cứu y tế, xã hội học, hay kinh doanh, chúng ta thường cần so sánh hai phép đo được thực hiện trên cùng một nhóm đối tượng, hoặc trên các cặp đối tượng có mối liên hệ (ví dụ: đo trước và sau một can thiệp, so sánh hiệu suất của hai sản phẩm trên cùng một người dùng). Khi dữ liệu từ những phép đo này không tuân theo phân phối chuẩn (đặc biệt là phân phối của hiệu số giữa hai phép đo), hoặc khi biến của bạn là thứ bậc (ordinal), **Kiểm định Dấu hạng Wilcoxon (Wilcoxon Signed-Rank Test)** trở thành một công cụ phi tham số mạnh mẽ và phù hợp. Nó là lựa chọn thay thế cho Paired-Samples T-test (Kiểm định T mẫu cặp). Bài viết này sẽ đi sâu vào lý thuyết, các ứng dụng thực tế và hướng dẫn chi tiết cách thực hiện kiểm định Wilcoxon Signed-Rank trên phần mềm SPSS.

Khi bạn muốn so sánh hai phép đo từ cùng một đối tượng hoặc hai đối tượng được ghép cặp với nhau (ví dụ: đo lường trước và sau can thiệp, so sánh chồng và vợ), bạn đang làm việc với **mẫu phụ thuộc (Paired/Related Samples)**. Nếu dữ liệu của bạn không đáp ứng các giả định của kiểm định tham số tương ứng như **Paired-Samples T-test** (đặc biệt là giả định về phân phối chuẩn của hiệu số), các **kiểm định phi tham số cho hai mẫu phụ thuộc** trở thành công cụ không thể thiếu. Chúng không yêu cầu giả định nghiêm ngặt về phân phối dữ liệu, làm cho chúng trở nên linh hoạt và mạnh mẽ hơn trong nhiều tình huống thực tế. Bài viết này sẽ giới thiệu các kiểm định phi tham số phổ biến nhất cho hai mẫu phụ thuộc, cách chúng hoạt động, các ứng dụng và hướng dẫn chi tiết cách thực hiện trên phần mềm 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.

Khi bạn muốn so sánh giá trị trung bình của một biến định lượng giữa ba hoặc nhiều hơn hai nhóm độc lập, công cụ thống kê phổ biến nhất là **Phân tích phương sai một yếu tố (One-Way ANOVA)**. Tuy nhiên, ANOVA có một giả định quan trọng là dữ liệu phải tuân theo phân phối chuẩn trong mỗi nhóm và phương sai giữa các nhóm phải đồng nhất. Nếu dữ liệu của bạn không đáp ứng được các giả định này (ví dụ: dữ liệu lệch, biến thứ bậc), thì **Kiểm định Kruskal-Wallis H Test** là một giải pháp thay thế phi tham số mạnh mẽ và phù hợp. Bài viết này sẽ đi sâu vào lý thuyết, các ứng dụng thực tế và hướng dẫn chi tiết cách thực hiện kiểm định Kruskal-Wallis H trên phần mềm SPSS.