Khi nghiên cứu mối quan hệ giữa một biến định lượng và một biến định tính chỉ gồm hai nhóm giá trị, các nhà nghiên cứu thường sử dụng kiểm định Independent Samples T-Test hoặc phương pháp One-way ANOVA. Bài viết này tập trung trình bày mục đích, quy trình thực hiện và cách diễn giải kết quả của kiểm định Independent Samples T-Test bằng phần mềm SPSS.
Việc áp dụng phân tích kiểm định sự khác biệt về giá trị trung bình trong nghiên cứu có ý nghĩa quan trọng trong việc xác định liệu giá trị trung bình của một biến định lượng có sự khác biệt đáng kể giữa các nhóm của một biến định tính hay không. Chẳng hạn, nghiên cứu có thể xem xét sự khác biệt về mức độ hài lòng trong công việc giữa các nhóm nhân viên có mức thu nhập khác nhau, hoặc sự khác biệt về ý định mua hàng giữa các nhóm khách hàng thuộc các độ tuổi khác nhau.
– Kiểm định Independent Samples T-Test được sử dụng trong trường hợp biến định tính chỉ bao gồm hai nhóm giá trị. Một số ví dụ điển hình của biến định tính hai giá trị bao gồm giới tính (nam và nữ), khu vực sinh sống (TP. Hồ Chí Minh và Hà Nội), hoặc vùng địa lý (miền Bắc và miền Nam). Trong trường hợp biến định tính có từ ba nhóm giá trị trở lên, việc sử dụng Independent Samples T-Test đòi hỏi phải tiến hành so sánh từng cặp nhóm riêng lẻ (1–2, 1–3, 2–3). Cách tiếp cận này trở nên kém hiệu quả và tốn nhiều thời gian khi số lượng nhóm tăng lên.
– Phương pháp One-way ANOVA được sử dụng để khắc phục hạn chế này của Independent Samples T-Test, cho phép so sánh giá trị trung bình của biến định lượng giữa ba nhóm trở lên trong cùng một mô hình phân tích.
1. Mục đích sử dụng kiểm định Independent Samples T-Test
Kiểm định Independent Samples T-Test được áp dụng trong trường hợp nhà nghiên cứu có nhu cầu so sánh giá trị trung bình của một biến định lượng giữa hai nhóm đối tượng độc lập. Phép kiểm định này bao gồm một hoặc nhiều biến định lượng cần phân tích giá trị trung bình và một biến định tính có đúng hai nhóm phân loại. Một số ví dụ minh họa có thể kể đến như sau:
– So sánh mức độ hài lòng trong công việc giữa nhóm nhân viên nam và nhóm nhân viên nữ. Trong đó, biến định lượng là mức độ hài lòng công việc, được đo lường bằng thang đo Likert 5 mức độ; biến định tính là giới tính với hai giá trị phân loại, trong đó 1 đại diện cho nam và 2 đại diện cho nữ.
– So sánh mức chi tiêu trung bình hàng tháng giữa các hộ gia đình chưa có con và các hộ gia đình có con dưới 6 tuổi. Trong trường hợp này, biến định lượng là số tiền chi tiêu hàng tháng, còn biến định tính gồm hai nhóm phân loại, với 1 là chưa có con và 2 là có con dưới 6 tuổi.
Quy trình thực hiện kiểm định Independent Samples T-Test trên phần mềm SPSS thường bao gồm hai bước chính như sau:
Bước 1: Kiểm định sự khác biệt phương sai giữa hai nhóm
Trước khi tiến hành đánh giá sự khác biệt về giá trị trung bình thông qua kiểm định t, cần kiểm tra giả định về sự đồng nhất phương sai giữa hai nhóm của biến định tính.
Để thực hiện, giả thuyết HF-0 được đặt ra là phương sai của hai nhóm không có sự khác biệt. Phép kiểm định F, hay còn gọi là kiểm định Levene, được sử dụng để kiểm định giả thuyết này. Trong SPSS, kết quả kiểm định F được trình bày tại mục Levene’s Test for Equality of Variances trong bảng Independent Samples Test. Cách diễn giải kết quả như sau:
– Nếu giá trị Sig nhỏ hơn 0.05, giả thuyết HF-0 bị bác bỏ, cho thấy phương sai giữa hai nhóm có sự khác biệt có ý nghĩa thống kê. Khi đó, kết quả kiểm định t cần được đọc tại dòng Equal variances not assumed.
– Nếu giá trị Sig lớn hơn 0.05, giả thuyết HF-0 được chấp nhận, tức là không có sự khác biệt phương sai có ý nghĩa thống kê giữa hai nhóm. Trong trường hợp này, kết quả kiểm định t được sử dụng tại dòng Equal variances assumed.
Bước 2: Kiểm định sự khác biệt về giá trị trung bình giữa hai nhóm
Sau khi hoàn tất việc đánh giá giả định về phương sai, bước tiếp theo là kiểm định sự khác biệt về giá trị trung bình. Giả thuyết Ho được đặt ra là không tồn tại sự khác biệt về giá trị trung bình giữa hai nhóm đối tượng. Phép kiểm định t được sử dụng để kiểm định giả thuyết này. Trong SPSS, các chỉ số liên quan được trình bày tại mục t-test for Equality of Means trong bảng Independent Samples Test. Việc diễn giải kết quả được thực hiện như sau:
- Nếu giá trị Sig nhỏ hơn 0.05, giả thuyết Ho bị bác bỏ, cho thấy tồn tại sự khác biệt về giá trị trung bình giữa hai nhóm với ý nghĩa thống kê.
- Nếu giá trị Sig lớn hơn 0.05, giả thuyết Ho được chấp nhận, tức là không có sự khác biệt về giá trị trung bình giữa hai nhóm một cách có ý nghĩa thống kê.
Tóm lại, việc đọc và diễn giải kết quả của kiểm định Independent Samples T-Test có thể được hệ thống hóa thành hai bước cơ bản nêu trên.
2. Kiểm định Independent-Samples T Test trên phần mềm SPSS 26
Nghiên cứu tiến hành kiểm định Independent-Samples T Test nhằm đánh giá sự khác biệt về mức độ hài lòng công việc giữa nhóm nhân viên nam và nhóm nhân viên nữ. Trong mô hình kiểm định, biến phụ thuộc dạng định lượng là F_HL, trong khi biến độc lập dạng định tính là GioiTinh với hai nhóm giá trị Nam và Nữ. Trên giao diện SPSS, thao tác được thực hiện theo đường dẫn Analyze > Compare Means > Independent-Samples T Test.
Sau khi lựa chọn lệnh kiểm định, hộp thoại Independent-Samples T Test xuất hiện. Biến định lượng F_HL được đưa vào ô Test Variable(s). Trên thực tế, có thể đưa đồng thời nhiều biến định lượng vào ô này để so sánh giá trị trung bình giữa các nhóm giới tính. Tiếp theo, biến GioiTinh được đưa vào ô Grouping Variable. Khi chọn biến GioiTinh, nút Define Groups… được kích hoạt và tiến hành thiết lập nhóm.
Biến GioiTinh trong bộ dữ liệu đã được mã hóa với giá trị 1 đại diện cho nam và 2 đại diện cho nữ. Hai giá trị này lần lượt được nhập vào hai ô Group 1 và Group 2, không yêu cầu thứ tự cụ thể. Sau khi hoàn tất, nhấn Continue để quay lại hộp thoại chính và chọn OK để xuất kết quả phân tích.
Kết quả kiểm định bao gồm hai bảng chính là Group Statistics và Independent Samples Test. Trong phân tích, bảng Independent Samples Test được xem xét trước để đưa ra kết luận thống kê.
Ở bước đầu tiên, giá trị Sig. của kiểm định Levene đối với phương sai bằng 0.144, lớn hơn mức ý nghĩa 0.05, cho thấy phương sai của hai nhóm giới tính không có sự khác biệt có ý nghĩa thống kê. Do đó, kết quả kiểm định t được sử dụng ở dòng Equal variances assumed.
Tiếp theo, giá trị Sig. của kiểm định t bằng 0.491, lớn hơn 0.05, cho thấy không tồn tại sự khác biệt có ý nghĩa thống kê về giá trị trung bình mức độ hài lòng công việc giữa các nhân viên có giới tính khác nhau. Từ đó có thể kết luận rằng mức độ hài lòng công việc của nhân viên nam và nhân viên nữ trong công ty không có sự khác biệt đáng kể. Trong trường hợp giá trị Sig. của kiểm định t nhỏ hơn 0.05, khi đó có thể kết luận rằng tồn tại sự khác biệt về giá trị trung bình F_HL giữa hai nhóm giới tính.
Bảng Group Statistics cung cấp các chỉ tiêu thống kê mô tả cho từng nhóm giới tính. Kết quả cho thấy giá trị trung bình của biến F_HL đối với nhóm nhân viên nam là 3.5012 và đối với nhóm nhân viên nữ là 3.4523. Sự chênh lệch giữa hai giá trị trung bình này là không đáng kể, phù hợp với kết luận rút ra từ kiểm định thống kê.
