- Kiểm định Mann-Whitney U (Wilcoxon-Mann-Whitney)
- Kiểm định dấu-hạng Wilcoxon (signed-rank test)
- Kiểm định dấu Sign test
- Kiểm định Kruskal-Wallis
- Kiểm định Friedman và Kendall’s W
- Kiểm định nhị thức Binomial Test
- Kiểm định Khi-bình phương (Chi-square)
- Kiểm định tỷ lệ một mẫu (Chi-square)
- Kiểm định tính độc lập của 2 biến định danh (Kiểm định Chi-square)
- Bài kiểm tra chính xác của Fisher về tính độc lập của 2 biến định danh (Exact Test)
Kiểm tra Kruskal-Wallis thường được coi là phương pháp thay thế phi tham số cho One-way ANOVA , có thể được sử dụng khi dữ liệu của bạn không đạt các giả định của One-way ANOVA một chiều; ví dụ như dữ liệu không phân phối chuẩn; hoặc biến phụ thuộc dạng thứ bậc (mà không phải là liên tục).
Bài kiểm tra sử dụng thống kê H, nên đôi khi các bạn còn nghe kiểm định này tên là Kruskal-Wallis H Test
Nội dung chính (Nếu bạn chưa đăng nhập, nhiều nội dung có thể đã bị ẩn đi)
Các giải định
GIả định 1: Biến phụ thuộc dạng liên tục hoặc thứ bậc
Giả định 2: Biến độc lập (phân loại) chia thành 2 hoặc nhiều nhóm độc lập
Giả định 3: Các quan sát là độc lâp
Giả định 4: Biến phụ thuộc phân bố cùng hình dạng giữa các nhóm với nhau
Kiểm định cặp giả thuyết
Lấy mức ý nghĩa 5%.
+ Nếu sig <0.05 ta bác bỏ H0, tác là giữa các nhóm có sự khác biệt về việc phân bổ giá trị
+ Nếu sig > 0.05 thì xem như không có sự khác biệt
Thực hành trên SPSS
Bài viết minh hoạ kết quả trên phiên bản SPSS 26 (Các phiên bản khác tương tự)
Thao tác trên phần mềm
Thao tác như hình
Tại tab Fields ta đưa biến phụ thuộc và biến phân loại vào, tương tự như One way ANOVA.
Chuyển qua tab Settings và cài đặt như hình rồi nhấn Run
Đọc kết quả
Ở đây giá trị sig =0.000<0.05, như vậy ta bác bỏ H0 và có thể thấy sự hài lòng tháng 6 của các nhóm khách hàng có tuổi khác nhau là khác nhau.
Tuy nhiên để kiểm định này thực sự hiệu quả thì ta cần xem xát giả định 4 bằng đồ thị phía dưới trước
Nhìn chung nếu dạng phân phói của các nhóm là giống nhau (dưới 25- 30-35 và 35-40) thì có thể dùng kiểm định này. Đáng tiếc ở đây có nhóm 25-30 không cùng phân bố, tuy nhiên đây chỉ là ví dụ mình hoạ nên cũng không quan trọng điều này. Các bạn có thể xem lại kết quả bài test khi bỏ nhóm tuổi 25-30 đi ở cuối bài này
Bảng tiếp theo cho ta kiểm định so sánh từng đối một (như kiểm định sâu Post Hoc trong One-way ANOVA
còn nữa ...