Trong bài viết trước “Phân tích thống kê mô tả bằng SPSS – Phần 1: Thống kê trung bình”, chúng ta đã tìm hiểu khái niệm thống kê mô tả, các loại thống kê mô tả và cách thức thực hiện phân tích thống kê trung bình [một trong hai loại thống kê mô tả]. Bài viết này sẽ tiếp tục chia sẻ về cách thức thực hiện phân tính loại thống kê mô tả thứ hai - thống kê tần số - để đánh giá cơ cấu của từng biến định tính và xuất biểu đồ tự động theo bảng tần số trên phần mềm SPSS.
Cách thức thực hiện thống kê tần số bằng SPSS
Thống kê tần số thường được áp dụng cho các biến định tính như độ tuổi, giới tính, nghề nghiệp..., dùng để cung cấp thông tin mức độ [tần số] các chỉ số xuất hiện trong tập mẫu.
Ở đây, chúng ta sẽ thực hiện phân tích thống kê tần số các biến định tính [giới tính, độ tuổi, học vấn, thời gian công tác] của một file dữ liệu SPSS như hình 1, theo tuần tự các bước:
Hình 1. Các biến quan sát được sử dụng để phân tích thống kê trung bình
Bước 1: Để phân tích thống kê tần số trên SPSS, chúng ta truy cập vào Analyze -> Descriptive Statistics -> Frequencies.
Hình 2. Các bước truy cập vào chức năng thống kê tần số trên phần mềm SPSS
Bước 2: Giao diện cửa sổ sẽ hiện như Hình 3. Đưa các biến cần chạy thống kê tần số từ mục bên trái sang mục bên phải Variable[s].
Hình 3. Đưa các biến cần chạy thống kê tần số vào ô Variable[s].
Bước 3: Tiếp tục, nhấp vào tùy chọn Charts ở bên phải
Tại Chart Type, chúng ta sẽ chọn loại biểu đồ hiển thị cho các biến định tính [Bar charts - biểu đồ cột, Pie charts - biểu đồ tròn, Histograms - biểu đồ phân phối chuẩn].
Tại Chart Values, chúng ta sẽ chọn hiển thị tần số [Frequencies] hay phần trăm tỷ lệ [Percentages]. Nếu vẽ biểu đồ cột [Bar charts] nên chọn Frequencies, nếu vẽ biểu đồ tròn [Pie charts] nên chọn Percentages. Cụ thể ở ví dụ này, chúng ta sẽ chọn biểu đồ tròn và hiển thị phần trăm Percentages.
Hình 4. Chọn loại biểu đồ và giá trị hiển thị trên biểu đồ
Bước 4: Nhấp vào Continue, sau đó nhấn OK. Kết quả hiển thị sẽ gồm bảng thống kê tần số và biểu đồ tương ứng của các biến.
Hình 5. Kết quả bảng tần số của biến Giới tính
- Cột Frequency: Thể hiện tần số của từng nhóm giới tính.
- Cột Percent: Tỷ lệ phần trăm của từng nhóm giới tính.
- Cột Valid Percent: Tỷ lệ phần trăm hợp lệ của từng nhóm giới tính.
- Cột Cumulative Percent: Phần trăm cộng dồn.
Ví dụ cụ thể ở biến Giới tính, đối tượng khảo sát chủ yếu là nữ với 118/190 người, chiếm tỷ lệ 62,1%. Còn lại là nam với 72/190 người, chiếm tỷ lệ 37,9%.
Kèm với bảng tần số là biểu đồ tròn thể hiện cơ cấu, để hiện ra tỷ lệ phần trăm, chúng ta click đôi vào hình vẽ biểu đồ trong file output của SPSS. Tiếp tục nhấp vào biểu tượng được khoanh tròn màu đỏ, biểu đồ sẽ hiển thị con số tỷ lệ phần trăm của các nhóm giới tính.
Hình 6. Biểu đồ thể hiện cơ cấu của biến Giới tính
Tương tự chúng ta có kết quả phân tích thống kê tần số [bao gồm bảng tần số và biểu đồ] cho các biến Độ tuổi, Học vấn và Thời gian công tác.
Hình 7. Bảng thống kê tần số của các biến định tính Độ tuổi, Học vấn và Thời gian công tác
Hình 8. Biểu đồ cơ cấu của các biến định tính Độ tuổi, Học vấn và Thời gian công tác
Lưu ý:
Trước khi thực hiện thống kê tần số, chúng ta cần đảm bảo trong quá trình nhập liệu các nhãn [label] cho giá trị của các biến định tính đã được nhập đầy đủ. Nếu không nhập label, khi chạy ra các bảng tần số, chúng ta sẽ rất khó đọc kết quả, không hiểu được những con số 1,2,3,… có ý nghĩa gì.
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.