T-test SPSS: 3 loại kiểm định, 6 bước chạy và cách đọc kết quả

T-test SPSS là kiểm định được dùng nhiều nhất khi bạn muốn so sánh giá trị trung bình: giữa nam và nữ, giữa trước và sau một chương trình đào tạo, hay giữa điểm trung bình của mẫu với một giá trị chuẩn. Bài viết hướng dẫn chi tiết 3 loại T-test SPSS, 6 bước thực hiện, cách đọc kiểm định Levene, giá trị t, Sig. (2-tailed), cỡ hiệu ứng Cohen's d và cách báo cáo kết quả theo chuẩn APA.

T-test SPSS là gì?

T-test (kiểm định t) là kiểm định tham số dùng để đánh giá sự khác biệt giữa các giá trị trung bình có ý nghĩa thống kê hay không. Kiểm định do William Sealy Gosset công bố năm 1908 dưới bút danh "Student", nên còn được gọi là Student's t-test. Trong SPSS, T-test nằm trong menu Analyze > Compare Means.

Ý tưởng cơ bản của T-test SPSS: so sánh mức chênh lệch giữa các trung bình với mức dao động ngẫu nhiên của dữ liệu. Nếu chênh lệch lớn hơn nhiều so với dao động ngẫu nhiên, giá trị t lớn và giá trị p nhỏ, ta có bằng chứng để bác bỏ giả thuyết H0 "không có khác biệt".

3 loại T-test SPSS và khi nào dùng

1. One-Sample T Test

So sánh trung bình của một mẫu với một giá trị cố định. Ví dụ: mức hài lòng trung bình của sinh viên (thang Likert 5 mức) có khác mức trung lập 3 không; điểm IELTS trung bình của lớp có khác mục tiêu 6,5 không.

2. Independent-Samples T Test

So sánh trung bình giữa hai nhóm độc lập, mỗi đối tượng chỉ thuộc một nhóm. Ví dụ: so sánh mức hài lòng giữa nam và nữ, giữa nhân viên văn phòng và nhân viên kinh doanh. Đây là loại T-test SPSS phổ biến nhất trong luận văn.

3. Paired-Samples T Test

So sánh hai lần đo trên cùng một nhóm đối tượng, hoặc hai nhóm được ghép cặp. Ví dụ: điểm kiến thức trước và sau khóa đào tạo của cùng một nhóm học viên; mức căng thẳng của nhân viên trước và sau khi áp dụng làm việc linh hoạt.

Giả định của T-test SPSS

Trước khi chạy T-test SPSS, cần kiểm tra các giả định sau:

• Biến phụ thuộc định lượng: đo bằng thang khoảng hoặc tỷ lệ, hoặc điểm trung bình của nhiều câu Likert. Xem thêm 4 loại thang đo thống kê.
• Quan sát độc lập: câu trả lời của người này không ảnh hưởng người khác (trừ Paired T-test, nơi các cặp quan sát có liên hệ).
• Phân phối xấp xỉ chuẩn: của biến trong từng nhóm (Independent) hoặc của chênh lệch giữa hai lần đo (Paired). Với mẫu mỗi nhóm từ 30 trở lên, T-test khá vững với vi phạm nhẹ nhờ định lý giới hạn trung tâm.
• Phương sai đồng nhất (với Independent T-test): được kiểm tra bằng kiểm định Levene ngay trong output, và SPSS cung cấp sẵn kết quả điều chỉnh khi giả định này bị vi phạm.

Kiểm tra phân phối chuẩn bằng Analyze > Descriptive Statistics > Explore, xem Skewness, Kurtosis, biểu đồ Q-Q và kiểm định Shapiro-Wilk. Hướng dẫn chi tiết có trong bài thống kê mô tả SPSS.

6 bước chạy T-test SPSS

Bước 1. Xác định loại T-test

Dựa vào thiết kế nghiên cứu: so với một giá trị chuẩn (One-sample), hai nhóm khác nhau (Independent) hay hai lần đo trên cùng đối tượng (Paired).

Bước 2. Kiểm tra giả định

Kiểm tra biến phụ thuộc, tính độc lập và phân phối như mục trên. Nếu biến phụ thuộc là điểm nhân tố, hãy tạo biến đại diện bằng Transform > Compute Variable với hàm MEAN sau khi thang đo đã đạt Cronbach's Alpha.

Bước 3. Mở hộp thoại

Vào Analyze > Compare Means > Independent-Samples T Test (hoặc One-Sample T Test, Paired-Samples T Test).

Bước 4. Khai báo biến

Với Independent T-test: đưa biến định lượng vào Test Variable(s), biến nhóm vào Grouping Variable, nhấn Define Groups và nhập mã hai nhóm (ví dụ 1 = Nam, 2 = Nữ). Với One-sample: nhập giá trị so sánh ở ô Test Value. Với Paired: chọn cặp biến (ví dụ TRUOC và SAU).

Bước 5. Đọc kiểm định Levene và giá trị t

Nhấn OK. SPSS xuất bảng Group Statistics (N, Mean, SD từng nhóm) và bảng Independent Samples Test. Cách đọc ở mục tiếp theo.

Bước 6. Báo cáo kết quả

Báo cáo t, bậc tự do, giá trị p, chênh lệch trung bình, khoảng tin cậy 95% và Cohen's d. Từ SPSS 27, bảng Effect Sizes được xuất tự động; với phiên bản cũ hơn, có thể tính Cohen's d theo công thức ở dưới.

Cách đọc kết quả T-test SPSS

Bước đọc 1: kiểm định Levene

Ở bảng Independent Samples Test, xem cột Sig. của Levene's Test for Equality of Variances:

• Sig. > 0,05: phương sai hai nhóm đồng nhất, đọc kết quả ở dòng Equal variances assumed.
• Sig. ≤ 0,05: phương sai khác nhau, đọc kết quả ở dòng Equal variances not assumed (kiểm định Welch).

Nhiều nhà thống kê khuyến nghị luôn dùng kết quả Welch vì nó vẫn chính xác khi phương sai bằng nhau (Delacre và cộng sự, 2017). Dù chọn cách nào, hãy nêu rõ trong bài.

Bước đọc 2: giá trị t và Sig. (2-tailed)

Trên dòng đã chọn, đọc t, df và Sig. (2-tailed). Nếu Sig. (2-tailed) < 0,05, có khác biệt có ý nghĩa thống kê về trung bình giữa hai nhóm ở mức ý nghĩa 5%. Từ SPSS 27, bảng còn có cột One-Sided p và Two-Sided p; hãy dùng kiểm định hai phía trừ khi giả thuyết có hướng được nêu trước khi thu thập dữ liệu.

Bước đọc 3: chênh lệch trung bình và khoảng tin cậy

Cột Mean Difference cho biết chênh lệch trung bình giữa hai nhóm; 95% Confidence Interval of the Difference cho biết khoảng ước lượng. Khoảng tin cậy không chứa 0 tương ứng với p < 0,05.

Bước đọc 4: cỡ hiệu ứng Cohen's d

Giá trị p chỉ cho biết có khác biệt hay không, còn Cohen's d cho biết khác biệt lớn đến đâu: d = (M1 - M2) / SD gộp. Theo Cohen (1988), d ≈ 0,2 là nhỏ, 0,5 là trung bình và 0,8 là lớn. Với mẫu rất lớn, một chênh lệch nhỏ vẫn có thể có ý nghĩa thống kê nhưng ít ý nghĩa thực tiễn.

Ví dụ T-test SPSS: mức hài lòng giữa nam và nữ

Giả sử một nghiên cứu khảo sát 280 sinh viên về mức hài lòng với dịch vụ thư viện (điểm trung bình của 5 câu Likert). Kết quả T-test SPSS (số liệu minh họa):

Nhóm	N	Mean	SD
Nam	124	3,58	0,66
Nữ	156	3,79	0,61

Levene: F = 1,42; Sig. = 0,234 > 0,05, đọc dòng Equal variances assumed: t(278) = -2,76; p = 0,006; chênh lệch trung bình -0,21; khoảng tin cậy 95% [-0,36; -0,06]; Cohen's d = 0,33.

Cách viết kết quả theo APA: "Mức hài lòng của sinh viên nữ (M = 3,79; SD = 0,61) cao hơn sinh viên nam (M = 3,58; SD = 0,66), khác biệt có ý nghĩa thống kê, t(278) = -2,76; p = 0,006; d = 0,33, tương ứng cỡ hiệu ứng nhỏ đến trung bình."

Paired T-test SPSS: ví dụ trước và sau đào tạo

Một doanh nghiệp đo điểm kiến thức an toàn lao động của 45 nhân viên trước và sau khóa đào tạo. Paired T-test SPSS cho kết quả (minh họa): trung bình trước 6,12, sau 7,05; chênh lệch 0,93; t(44) = 5,41; p < 0,001; d_z = 0,81.

Kết luận: điểm kiến thức sau đào tạo cao hơn trước đào tạo có ý nghĩa thống kê, với cỡ hiệu ứng lớn. Lưu ý, thiết kế trước - sau không có nhóm đối chứng chưa đủ để khẳng định khóa đào tạo là nguyên nhân duy nhất; hãy nêu giới hạn này trong phần thảo luận.

One-Sample T-test SPSS: ví dụ so với mức trung lập

Trong nhiều luận văn, tác giả muốn biết đáp viên có thực sự đồng ý với một nhận định hay chỉ ở mức trung lập. Ví dụ, với thang Likert 5 mức, mức hài lòng trung bình của 280 sinh viên là 3,70 (SD = 0,64). Chạy One-Sample T Test với Test Value = 3 cho kết quả (minh họa): t(279) = 18,30; p < 0,001; chênh lệch trung bình 0,70; khoảng tin cậy 95% [0,62; 0,78].

Diễn giải: mức hài lòng trung bình cao hơn mức trung lập có ý nghĩa thống kê. Cách làm này có cơ sở hơn so với chỉ nhìn Mean rồi kết luận "đồng ý", vì nó tính đến độ phân tán và cỡ mẫu. Bạn cũng có thể chọn Test Value khác, ví dụ 3,41 (ngưỡng "đồng ý" theo cách chia khoảng đều) để kiểm định chặt chẽ hơn.

T-test SPSS một phía hay hai phía?

Kiểm định hai phía (two-tailed) kiểm tra có khác biệt hay không, theo bất kỳ hướng nào. Kiểm định một phía (one-tailed) chỉ kiểm tra một hướng cụ thể, ví dụ "nhóm nữ cao hơn nhóm nam".

• Mặc định nên dùng hai phía; đây là chuẩn mực trong hầu hết các tạp chí và luận văn.
• Chỉ dùng một phía khi giả thuyết có hướng được nêu rõ trong đề cương trước khi thu thập dữ liệu, và khác biệt theo hướng ngược lại không có ý nghĩa với nghiên cứu.
• Không chuyển sang một phía sau khi thấy p hai phía lớn hơn 0,05; đây là một dạng p-hacking.

Chạy T-test SPSS bằng cú pháp (syntax)

Nhấn nút Paste trong hộp thoại để SPSS tạo cú pháp, lưu vào file .sps để chạy lại khi cần. Ví dụ cú pháp Independent T-test SPSS:

T-TEST GROUPS=GT(1 2)
  /MISSING=ANALYSIS
  /VARIABLES=HL_mean
  /ES DISPLAY(TRUE)
  /CRITERIA=CI(.95).

Lệnh /ES DISPLAY(TRUE) (SPSS 27 trở lên) yêu cầu xuất bảng cỡ hiệu ứng. Lưu file cú pháp cùng dữ liệu giúp giảng viên hướng dẫn hoặc hội đồng kiểm tra lại toàn bộ quá trình, và giúp bạn tái lập kết quả chỉ với một lần chạy.

T-test SPSS và hồi quy với biến giả

Independent T-test cho kết quả tương đương hồi quy tuyến tính đơn với một biến giả (0/1): hệ số của biến giả chính là chênh lệch trung bình giữa hai nhóm, và giá trị t của hệ số bằng giá trị t của T-test (khi giả định phương sai bằng nhau). Điều này hữu ích khi bạn muốn so sánh hai nhóm nhưng vẫn kiểm soát thêm các biến khác như tuổi, thu nhập: khi đó hãy chuyển sang hồi quy tuyến tính bội với biến giả và các biến kiểm soát.

Ngược lại, khi biến phụ thuộc là biến nhị phân (có/không), T-test không phù hợp; hãy dùng hồi quy logistic hoặc kiểm định Chi-square.

Khi giả định T-test SPSS bị vi phạm

Tình huống	Giải pháp	Menu SPSS
Phương sai không đồng nhất	Dùng kết quả Welch (Equal variances not assumed)	Có sẵn trong output
Hai nhóm độc lập, lệch chuẩn nặng, mẫu nhỏ	Mann-Whitney U	Nonparametric Tests > Independent Samples
Hai lần đo, chênh lệch lệch chuẩn nặng	Wilcoxon Signed-Rank	Nonparametric Tests > Related Samples
Từ 3 nhóm trở lên	One-way ANOVA	Compare Means > One-Way ANOVA

Không nên chạy nhiều T-test SPSS cho từng cặp khi có từ 3 nhóm, vì xác suất sai lầm loại I tăng lên đáng kể. Với 3 nhóm, chạy 3 T-test ở mức 5% làm xác suất mắc ít nhất một sai lầm loại I lên khoảng 14%. Hãy dùng ANOVA và kiểm định sau.

Lỗi thường gặp khi chạy T-test SPSS

• Đọc nhầm dòng kết quả: bỏ qua Levene và luôn đọc dòng đầu tiên.
• Viết "p = 0,000": SPSS làm tròn, nên viết p < 0,001.
• Kết luận "chấp nhận H0": khi p > 0,05, cách viết đúng là "chưa đủ bằng chứng để kết luận có khác biệt".
• Không báo cáo Mean, SD từng nhóm: người đọc không biết nhóm nào cao hơn.
• Dùng Independent thay cho Paired: với dữ liệu trước - sau trên cùng người, dùng sai loại làm giảm lực kiểm định.
• Loại quan sát để có p < 0,05: đây là hành vi làm sai lệch dữ liệu, vi phạm liêm chính học thuật.

Trình bày nhiều T-test SPSS trong một bảng

Khi so sánh nhiều biến theo giới tính, gộp vào một bảng gồm các cột: biến, Mean (SD) nhóm 1, Mean (SD) nhóm 2, t, df, p, Cohen's d. Ghi chú dưới bảng cho biết dòng kết quả được dùng (giả định phương sai bằng nhau hay Welch). Cách trình bày này gọn hơn nhiều so với chụp từng bảng output.

Nếu so sánh nhiều biến cùng lúc, cân nhắc hiệu chỉnh mức ý nghĩa (ví dụ Bonferroni hoặc Holm) và nêu rõ trong chương phương pháp.

Checklist trước khi nộp kết quả T-test SPSS

1. Đã chọn đúng loại T-test theo thiết kế nghiên cứu.
2. Đã kiểm tra phân phối và báo cáo cách xử lý nếu có vi phạm.
3. Đã đọc kiểm định Levene và nêu rõ dòng kết quả được sử dụng.
4. Bảng kết quả có N, Mean, SD từng nhóm, t, df, p, khoảng tin cậy và Cohen's d.
5. Kết luận dùng ngôn ngữ thận trọng, không khẳng định quan hệ nhân quả khi thiết kế không cho phép.
6. Đã lưu file dữ liệu và file cú pháp để có thể tái lập kết quả.

Câu hỏi thường gặp về T-test SPSS

Cỡ mẫu tối thiểu cho T-test SPSS là bao nhiêu?

Không có con số cố định. Để phát hiện cỡ hiệu ứng trung bình (d = 0,5) với lực kiểm định 0,80 và α = 0,05, Independent T-test cần khoảng 64 quan sát mỗi nhóm. Có thể tính bằng phần mềm G*Power. Xem thêm cách tính cỡ mẫu.

Hai nhóm có cỡ mẫu chênh lệch nhiều có sao không?

T-test vẫn dùng được, nhưng khi cỡ nhóm chênh lệch nhiều và phương sai khác nhau, kết quả Welch đáng tin cậy hơn.

Biến Likert một câu có dùng T-test được không?

Một câu Likert là thang thứ bậc; nhiều tác giả khuyến nghị dùng Mann-Whitney. Với điểm trung bình của nhiều câu cùng đo một khái niệm, T-test được chấp nhận rộng rãi.

T-test và ANOVA khác nhau thế nào?

T-test so sánh hai trung bình; ANOVA so sánh từ ba nhóm trở lên. Với đúng hai nhóm, One-way ANOVA cho kết quả tương đương Independent T-test (F = t²). Xem ANOVA SPSS.

Tài liệu tham khảo

• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum.
• Delacre, M., Lakens, D., & Leys, C. (2017). Why psychologists should by default use Welch's t-test instead of Student's t-test. International Review of Social Psychology, 30(1), 92-101. doi:10.5334/irsp.82
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE.