Đề 11 – Bài tập, đề thi trắc nghiệm online SPSS

Chức năng `Analyze > Descriptive Statistics > Descriptives′ trong SPSS được thiết kế chuyên biệt để cung cấp các thống kê mô tả cơ bản cho biến số, bao gồm trung bình, trung vị, độ lệch chuẩn, giá trị nhỏ nhất, lớn nhất, phương sai và độ lệch chuẩn.

Kiểm định Independent-Samples T Test được sử dụng để so sánh trung bình của một biến định lượng giữa hai nhóm độc lập. Các lựa chọn khác không phù hợp: Paired-Samples T Test dùng cho nhóm phụ thuộc, One-Way ANOVA cho nhiều hơn hai nhóm, và Chi-Square Test cho biến định tính.

`Variable View′ trong SPSS là nơi người dùng định nghĩa và chỉnh sửa các thuộc tính của biến, bao gồm tên biến, loại biến (numeric, string,…), nhãn biến, định dạng hiển thị, giá trị nhãn, giá trị thiếu, cột, căn chỉnh và mức độ đo lường. `Data View′ để nhập∕chỉnh sửa dữ liệu, Output viewer xem kết quả, Chart builder tạo biểu đồ.

Trong One-Way ANOVA, biến yếu tố (factor) là biến độc lập, đóng vai trò phân nhóm và phải là biến định tính hoặc biến phân loại (categorical). ANOVA so sánh trung bình của biến phụ thuộc (định lượng) giữa các nhóm được xác định bởi biến yếu tố này. Biến phụ thuộc là biến định lượng, không phải biến yếu tố.

Kiểm định Mann-Whitney U là một kiểm định phi tham số, được sử dụng khi các giả định của Independent-Samples T Test không được đáp ứng, đặc biệt là giả định về phân phối chuẩn của dữ liệu. Nó phù hợp khi dữ liệu không chuẩn hoặc cỡ mẫu nhỏ. T-test cho nhóm độc lập, ANOVA cho nhiều nhóm, Chi-Square cho biến định tính.

Chức năng `Recode into Different Variables′ (Transform > Recode into Different Variables) trong SPSS được sử dụng khi bạn muốn tạo một biến mới bằng cách mã hóa lại giá trị của một biến hiện có, đồng thời giữ nguyên biến gốc ban đầu. Điều này hữu ích khi bạn muốn tạo các nhóm mới từ biến liên tục hoặc thay đổi cách mã hóa biến định tính mà không làm mất dữ liệu gốc. `Recode into Same Variables′ thì thay đổi trực tiếp biến gốc.

Hệ số VIF (Variance Inflation Factor) trong phân tích hồi quy đa biến được sử dụng để phát hiện và đánh giá mức độ đa cộng tuyến giữa các biến độc lập. Đa cộng tuyến xảy ra khi các biến độc lập có tương quan cao với nhau, gây khó khăn trong việc ước lượng hệ số hồi quy chính xác. VIF > 10 thường được coi là dấu hiệu của đa cộng tuyến đáng kể.

Trong phân tích hồi quy logistic nhị phân, biến phụ thuộc phải là biến định tính nhị phân, tức là biến có hai mức giá trị (ví dụ: 0∕1, Có∕Không, Thành công∕Thất bại). Hồi quy logistic nhị phân được sử dụng để mô hình hóa xác suất của một sự kiện nhị phân dựa trên các biến độc lập. Hồi quy tuyến tính cho biến phụ thuộc liên tục.

Biểu đồ Histogram là lựa chọn phù hợp nhất để biểu diễn phân phối tần số của biến định lượng liên tục, hiển thị tần số xuất hiện của các giá trị trong các khoảng (bins) liên tiếp. Biểu đồ cột và tròn thích hợp cho biến định tính hoặc rời rạc, biểu đồ đường thường dùng cho xu hướng theo thời gian.

Giá trị `Sig.` (Significance) trong bảng ANOVA của phân tích hồi quy tuyến tính chính là giá trị p (p-value) của kiểm định F. Kiểm định F này đánh giá xem mô hình hồi quy có phù hợp tổng thể hay không, tức là có ít nhất một biến độc lập có tác động đáng kể đến biến phụ thuộc. Giá trị p nhỏ (thường < 0.05) cho thấy mô hình phù hợp.

Để thay đổi kiểu dữ liệu của một biến (ví dụ từ String sang Numeric hoặc ngược lại), bạn cần thao tác trong `Variable View′ của SPSS. Trong Variable View, cột `Type′ cho phép bạn chọn và thay đổi kiểu dữ liệu của từng biến. Data View để xem∕nhập dữ liệu, Output Viewer xem kết quả, Syntax Editor viết lệnh.

Chức năng `Analyze > Descriptive Statistics > Frequencies′ trong SPSS được sử dụng để tạo bảng tần số, thống kê tần số, phần trăm, phần trăm hợp lệ và phần trăm tích lũy cho cả biến định tính và định lượng (thường dùng cho định tính hoặc biến định lượng rời rạc). `Descriptives′ cho thống kê mô tả biến định lượng, `Custom Tables′ cho bảng phức tạp, `Means′ cho so sánh trung bình.

Hệ số tương quan Pearson (r) chỉ đo lường mức độ và chiều hướng của mối quan hệ tuyến tính giữa hai biến định lượng. Nó không phù hợp để đo lường quan hệ phi tuyến tính, khác biệt trung bình nhóm, hay độ phù hợp mô hình hồi quy. Các hệ số khác và kiểm định khác được dùng cho mục đích đó.

Kiểm định Kruskal-Wallis là một kiểm định phi tham số, tương đương với One-Way ANOVA nhưng được sử dụng khi giả định về phân phối chuẩn của ANOVA không được đáp ứng, đặc biệt khi dữ liệu không chuẩn hoặc cỡ mẫu nhỏ và có từ ba nhóm trở lên. ANOVA cho dữ liệu chuẩn, t-test cho hai nhóm, Chi-Square cho biến định tính.

Biểu đồ Boxplot (hộp-râu) đặc biệt hữu ích trong việc xác định các giá trị ngoại lệ (outliers) trong phân phối của một biến số. Ngoài ra, nó cũng cung cấp thông tin về trung vị, khoảng tứ phân vị (IQR), và phạm vi phân phối, nhưng điểm mạnh nhất là phát hiện ngoại lệ. Histogram tốt hơn cho dạng phân phối, thống kê mô tả cho trung tâm và phân tán.

Để thực hiện phân tích tương quan Spearman′s rho, bạn sử dụng đường dẫn menu `Analyze > Correlate > Bivariate′ trong SPSS. Trong hộp thoại Bivariate Correlations, bạn chọn biến cần tương quan và đảm bảo chọn `Spearman′ trong phần `Correlation Coefficients′. Các lựa chọn khác không liên quan đến tương quan Spearman.

Trong Paired-Samples T Test, giả định quan trọng nhất là sự khác biệt giữa các cặp giá trị (điểm số trước và sau can thiệp, ví dụ) phải tuân theo phân phối chuẩn. Các giả định khác như độc lập nhóm và bằng nhau phương sai không áp dụng cho t-test cặp đôi (mà áp dụng cho t-test độc lập). Cỡ mẫu bằng nhau không bắt buộc.

`Output Viewer′ trong SPSS là cửa sổ hiển thị tất cả kết quả của các phân tích thống kê, bao gồm bảng biểu, đồ thị, kết quả kiểm định, hệ số, giá trị p, và các thông tin khác liên quan đến phân tích. Data Editor hiển thị dữ liệu, Variable View hiển thị thuộc tính biến, Syntax Editor hiển thị lệnh syntax.

Lệnh `Split File′ trong SPSS (Data > Split File) dùng để chia tập dữ liệu thành các nhóm con dựa trên giá trị của một hoặc nhiều biến phân loại. Sau khi bật Split File, các phân tích tiếp theo sẽ được thực hiện riêng biệt cho từng nhóm, cho phép so sánh kết quả giữa các nhóm. `Select Cases′ để lọc trường hợp, không phải chia dữ liệu để phân tích riêng.

Trong kiểm định One-Sample T Test, giả thuyết H0 (giả thuyết không) phát biểu rằng trung bình của mẫu bằng với một giá trị trung bình tổng thể đã biết hoặc giá trị lý thuyết được đưa ra để so sánh. Kiểm định này nhằm xác định xem trung bình mẫu có khác biệt đáng kể so với giá trị trung bình tổng thể giả định hay không.

Để tạo bảng tần số chéo (Crosstabulation) và thực hiện kiểm định Chi-Square về tính độc lập giữa các biến định tính, bạn sử dụng đường dẫn menu `Analyze > Descriptive Statistics > Crosstabs′ trong SPSS. Trong hộp thoại Crosstabs, bạn chọn biến hàng và biến cột, và có thể chọn kiểm định Chi-Square trong phần `Statistics′.

Khi `Weight Cases′ trong SPSS, bạn không thực sự thay đổi dữ liệu gốc. Thay vào đó, SPSS sẽ điều chỉnh các phân tích thống kê để các trường hợp có trọng số cao hơn đóng góp nhiều hơn vào kết quả, và các trường hợp có trọng số thấp hơn đóng góp ít hơn. Nó không nhân bản trường hợp hay loại trường hợp, chỉ điều chỉnh ảnh hưởng của chúng trong phân tích.

Trong kiểm định Chi-Square (kiểm định tính độc lập), giả thuyết H0 (giả thuyết không) phát biểu rằng không có mối quan hệ (tính liên kết) giữa các biến định tính đang xét trong bảng tần số chéo (crosstabulation). Giả thuyết đối H1 là có mối quan hệ.

Chức năng `Select Cases′ trong menu Data của SPSS cho phép người dùng chọn lọc các trường hợp dựa trên điều kiện cụ thể, giúp tập trung phân tích vào một nhóm dữ liệu con mong muốn. `Split File′ chia dữ liệu để phân tích riêng theo nhóm, `Weight Cases′ điều chỉnh trọng số, `Compute Variable′ tạo biến mới.

Chức năng `Compute Variable′ trong menu Transform của SPSS cho phép tạo biến mới thông qua các phép toán số học, logic, hoặc các hàm trên các biến đã có. `Recode′ dùng để mã hóa lại giá trị của biến, `Automatic Recode′ để mã hóa lại biến chuỗi thành số.

Post Hoc Tests (kiểm định hậu nghiệm) được sử dụng sau khi kiểm định ANOVA cho thấy có sự khác biệt đáng kể về trung bình giữa các nhóm (giá trị p của ANOVA nhỏ hơn mức ý nghĩa). Post Hoc Tests giúp xác định cụ thể cặp nhóm nào có sự khác biệt đáng kể với nhau. Nếu ANOVA không có ý nghĩa, không cần Post Hoc Tests.

Để đánh giá tính phân phối chuẩn của dữ liệu, Histogram và Q-Q plot (Quantile-Quantile plot) là hai loại biểu đồ thường được sử dụng trong SPSS. Histogram cho thấy hình dạng phân phối, Q-Q plot so sánh phân phối dữ liệu với phân phối chuẩn lý thuyết. Scatter plot cho quan hệ giữa biến, Box plot cho phân bố và ngoại lệ, Pie chart cho tỷ lệ phần trăm.

Để tính hệ số Cronbach′s Alpha, đánh giá độ tin cậy nội tại của một thang đo (tập hợp các mục đo lường cùng một khái niệm), thao tác chính xác trong SPSS là `Analyze > Scale > Reliability Analysis′. Các lựa chọn khác không liên quan đến phân tích độ tin cậy.

`Syntax Editor′ trong SPSS là một trình soạn thảo văn bản cho phép người dùng viết và thực thi các lệnh SPSS (syntax). Sử dụng syntax giúp tự động hóa các quy trình phân tích, ghi lại chính xác các bước phân tích, và thực hiện các phân tích phức tạp mà giao diện đồ họa có thể không hỗ trợ đầy đủ. Output viewer xem kết quả, Data Editor nhập∕chỉnh sửa dữ liệu, Chart Builder tạo biểu đồ.

Trong SPSS, `Missing Values′ được định nghĩa để chỉ định các giá trị cụ thể trong dữ liệu được coi là giá trị thiếu (ví dụ, mã số 99, 999, hoặc ký hiệu `NA′). Việc định nghĩa này giúp SPSS nhận biết và xử lý các giá trị thiếu một cách thích hợp trong quá trình phân tích, thay vì coi chúng là giá trị hợp lệ. Không phải để xóa trường hợp hay mã hóa ngoại lệ.