Tiếp theo loạt bài về so sánh giữa các nhóm đối tượng, bài viết này trình bày cách so sánh khi trường hợp các nhóm này hơi phức tạp hơn một chút. Ví dụ cụ thể như sau:
Tôi sử dụng cùng một giáo trình để giảng dạy tiếng Anh cho sinh viên ngành Business, Humanities, và Biotechology với thời lượng như sau. Kết thúc khóa học, tôi muốn biết điểm số học tập môn tiếng Anh của những sinh viên này có khác biệt hay không. Đồng thời tôi cũng muốn biết điểm số của nam sinh viên và nữ sinh viên có khác biệt hay không nữa. Do đó, tôi cấu trúc bảng số liệu như sau:
Chuyên ngành (Major): Business (1), Humanities (2), Biotechnology (3)
Giới tính (Gender): Male (1), Female (2)
Điểm (Score): Poor (1), Average (2), Good (3), Excellent (4)
File data trên SPSS có dạng như sau:
Nếu làm từng bước để so sánh thì ta có thể so sánh điểm số theo nhóm sinh viên thuộc 3 chuyên ngành khác nhau, dùng ANOVA. Sau đó ta so sánh điểm số giữa Nam và Nữ, dùng t-test. Tuy nhiên, ở đây tôi muốn chia nhóm ở mức chi tiết hơn nữa, như là nhóm Nam trong ngành Business, nhóm Nữ trong ngành Biotechnology. Để thực hiện điều này, tôi dùng Univariate test. Phép tính này cho phép tôi hiểu được ảnh hưởng của cả chuyên ngành và giới tính lên kết quả học tập môn tiếng Anh. Thao tác như sau:
Từ menu chính của SPSS, tôi chọn Analyze - General Linear Model - Univariate...
Một khung hội thoại hiện ra và tôi lần lượt di chuyển các biến vào các ô tương ứng. Sau đó tôi click vào nút Model và chọn như hình bên dưới. Click Continue rồi OK để thực hiện test.
Sau khi thực hiện test, tôi được 2 bảng kết quả như sau:
Bảng đầu tiên chỉ là các số liệu thống kê tổng hợp. Bảng thứ hai là kết quả so sánh. Tôi quan tâm đến dòng Major*Gender, vì dòng này nói đến ảnh hưởng của cả chuyên ngành và giới tính đối (interaction) với điểm số tiếng Anh. Đối chiếu dòng này qua cột Sig, tôi thấy giá trị p là .000. Như vậy tôi kết luận rằng tổ hợp giữa Chuyên ngành và Giới tính có ảnh hưởng đến điểm số của môn tiếng Anh. Còn để biết nhóm nào cao hơn nhóm nào, tôi sẽ cho hiển thị thêm các chi tiết khác có liên quan trong nút Options khi thực hiện test này. Những nút khác để dành cho mỗi chúng ta tự khám phá.
Note:
- Để thực hiện test này, dĩ nhiên sample phải thỏa mãn các điều kiện về distribution.
- Ở ví dụ này sử dụng 2 biến ở phần phân nhóm, nhưng đương nhiên có thể sử dụng số lượng biến nhiều hơn nữa.
- 5273 views