So sánh trung bình 2 mẫu độc lập thủ công năm 2024

Trong bài viết trước mình đã hướng dẫn các bạn thực hiện kiểm định sự khác biệt trung bình trên SPSS bằng phương pháp One-way ANOVA đối với biến định tính từ 3 giá trị trở lên, nếu bạn chưa xem, có thể click vào đây. Bài viết này mình sẽ hướng dẫn các bạn thực hiện kiểm định Independent Samples Test đối với các biến định tính có 2 giá trị.

Ý nghĩa của việc kiểm định sự khác biệt trung bình trong bài luận văn đó là giúp chúng ta xác định xem có sự khác biệt trung bình biến định lượng đối với các giá trị khác nhau của một biến định tính hay không. Ví dụ có sự khác nhau về sự hài lòng công việc giữa các nhân viên có mức lương khác nhau tại công ty hay không; có sự khác nhau về ý định mua hàng đối với những khách hàng có độ tuổi khác nhau hay không...

• Independent Sample T-Test chúng ta sẽ áp dụng kiểm định sự khác biệt trung bình với trường hợp biến định tính có 2 giá trị. Ví dụ như biến giới tính (nam, nữ), biến thành phố (TPHCM, Hà Nội), biến vùng miền (Miền Bắc, Miền Nam)… Trường hợp biến định tính có 3 giá trị, chúng ta sẽ thực hiện 3 cặp so sánh (1-2, 1-3, 2-3). Tuy nhiên, việc so sánh từng cặp giá trị như vậy khá bất tiện và mất thời gian nếu số giá trị tăng lên 4, 5, 6…
• ANOVA giúp chúng ta giải quyết trở ngại của Independent Sample T-Test. Phương pháp này giúp chúng ta so sánh trị trung bình của 3 nhóm trở lên. ANOVA có 3 phương pháp: ANOVA 1 chiều, ANOVA 2 chiều và MANOVA. Tuy nhiên, trong phạm vi tài liệu này chúng ta chỉ nói tới phương pháp ANOVA 1 chiều (One-Way ANOVA).

Thực hiện kiểm định Independent-Samples T Test để xem xét mức độ hài lòng công việc có khác nhau giữa nhân viên nam và nhân viên nữ không. Biến định lượng được sử dụng là F_HL, biến định tính là GioiTinh có 2 giá trị Nam/Nữ. Vào Analyze > Compare Means > Independent-Samples T Test...

Cửa sổ Independent-Samples T Test xuất hiện, đưa biến định lượng vào mục Test Variable (s), cụ thể là biến F_HL. Chúng ta có thể đưa nhiều biến định lượng vào mục này để đánh giá trung bình cùng lúc với biến Giới tính. Tiếp tục đưa biến định tính vào mục Grouping Variable, cụ thể trong trường hợp này là biến GioiTinh. Nhấp chuột chọn vào biến GioiTinh trong Grouping Variable để nền biến này tô vàng, lúc này mục Define Groups... sẽ sáng lên, chúng ta nhấp vào mục này.

Biến Giới tính có hai giá trị đã được mã hóa gồm 1 là nam và 2 là nữ, chúng ta sẽ điền hai số này vào hai ô trống Group 1 và Group 2 (không cần phải sắp xếp 1 đến 2, có thể điền ngược lại 2, 1). Tiếp tục nhấp vào Continue để quay về cửa sổ ban đầu. Sau đó nhấp OK để xuất kết quả ra output.

Kết quả kiểm định gồm hai bảng là Group Statistics và Independent Samples Test. Chúng ta sẽ đọc kết quả ở bảng Independent Samples Test trước.

Sig kiểm định F bằng 0.144 > 0.05, không có sự khác biệt phương sai giữa hai nhóm nam và nữ, chúng ta sẽ sử dụng kết quả kiểm định t ở hàng Equal variances assumed. Sig kiểm định t bằng 0.491 > 0.05, chấp nhận giả thuyết H0, nghĩa là không có sự khác biệt trung bình F_HL giữa các giới tính khác nhau. Như vậy, không có khác biệt sự hài lòng công việc giữa nhân viên nam và nhân viên nữ trong công ty.

Bảng Group Statistics cho chúng ta các thông số mô tả của từng nhóm giới tính. Giá trị trung bình ở hai nhóm đều nằm trong đoạn 3.41 – 4.20 (ý kiến đồng ý - dựa theo giá trị khoảng cách đã giới thiệu trong bài viết Thống kê mô tả trên SPSS: Thống kê trung bình, min, max, độ lệch chuẩn), nghĩa là nhân viên nam và nữ đều cảm thấy hài lòng về công việc. Giá trị trung bình của hai nhóm nam/nữ bằng 3.5012 và 3.4523, không có sự chênh lệch nhiều.