ANOVA SPSS: 7 bước chạy One-way ANOVA, Welch, Post Hoc và cách đọc kết quả

ANOVA SPSS (phân tích phương sai) là kiểm định dùng để so sánh giá trị trung bình giữa từ ba nhóm trở lên, ví dụ mức hài lòng theo độ tuổi, thu nhập hay khoa học. Bài viết hướng dẫn 7 bước chạy One-way ANOVA SPSS, cách đọc kiểm định Levene, bảng ANOVA, kiểm định Welch, kiểm định sau (Post Hoc), cỡ hiệu ứng η² và giới thiệu Two-way ANOVA, kèm ví dụ trình bày theo chuẩn APA.

ANOVA SPSS là gì?

ANOVA (Analysis of Variance) do Ronald Fisher phát triển, so sánh trung bình của nhiều nhóm bằng cách chia tổng biến thiên của dữ liệu thành hai phần: biến thiên giữa các nhóm và biến thiên trong từng nhóm. Tỷ số giữa hai phần này là giá trị F. Khi F lớn và giá trị p nhỏ, có bằng chứng cho thấy ít nhất một nhóm có trung bình khác các nhóm còn lại.

Vì sao không chạy nhiều T-test? Với 4 nhóm cần 6 cặp so sánh; nếu mỗi T-test dùng mức ý nghĩa 5%, xác suất mắc ít nhất một sai lầm loại I tăng lên khoảng 26%. ANOVA SPSS kiểm định đồng thời mọi nhóm trong một lần, giữ sai lầm loại I ở mức 5%. Nếu chỉ có hai nhóm, xem bài T-test SPSS.

Các loại ANOVA SPSS thường dùng

Loại	Thiết kế	Ví dụ	Menu SPSS
One-way ANOVA	1 biến nhóm, từ 3 nhóm	Hài lòng theo 4 nhóm tuổi	Compare Means > One-Way ANOVA
Two-way ANOVA	2 biến nhóm và tương tác	Hài lòng theo giới tính và khu vực	General Linear Model > Univariate
Repeated measures ANOVA	Đo lặp trên cùng đối tượng	Điểm qua 3 lần kiểm tra	General Linear Model > Repeated Measures
Welch ANOVA	Phương sai không đồng nhất	Nhóm có độ phân tán khác nhau	One-Way ANOVA > Options > Welch
Kruskal-Wallis	Vi phạm chuẩn nặng, mẫu nhỏ	Dữ liệu lệch mạnh	Nonparametric Tests

Giả định của ANOVA SPSS

• Biến phụ thuộc định lượng: thang khoảng, tỷ lệ hoặc điểm trung bình của nhiều câu Likert.
• Biến độc lập là biến phân loại: từ 3 nhóm trở lên, mỗi đối tượng thuộc một nhóm.
• Quan sát độc lập: giữa các nhóm và trong từng nhóm.
• Phân phối xấp xỉ chuẩn trong từng nhóm: kiểm tra bằng Explore với Factor List là biến nhóm.
• Phương sai đồng nhất: kiểm tra bằng kiểm định Levene; nếu vi phạm, dùng Welch ANOVA.

ANOVA khá vững với vi phạm nhẹ về phân phối chuẩn khi cỡ các nhóm tương đương nhau và đủ lớn. Phương sai không đồng nhất kết hợp với cỡ nhóm chênh lệch là tình huống nguy hiểm nhất, cần dùng Welch.

7 bước chạy One-way ANOVA SPSS

Bước 1. Xác định biến

Biến phụ thuộc (ví dụ HL_mean: mức hài lòng trung bình) và biến nhóm (ví dụ TUOI với 4 nhóm: 1 = dưới 22, 2 = 22-25, 3 = 26-30, 4 = trên 30). Nếu một nhóm có quá ít quan sát (dưới 10-15), cân nhắc gộp với nhóm lân cận dựa trên lý do nội dung, quyết định trước khi xem kết quả.

Bước 2. Kiểm tra giả định

Chạy Analyze > Descriptive Statistics > Explore, đưa HL_mean vào Dependent List, TUOI vào Factor List, chọn Normality plots with tests.

Bước 3. Mở hộp thoại

Vào Analyze > Compare Means > One-Way ANOVA. Đưa HL_mean vào Dependent List, TUOI vào Factor.

Bước 4. Chọn Options

Nhấn Options, chọn Descriptive, Homogeneity of variance test, Welch và Means plot. Ở Missing Values, giữ Exclude cases analysis by analysis.

Bước 5. Chọn Post Hoc

Nhấn Post Hoc. Ở phần Equal Variances Assumed chọn Tukey; ở phần Equal Variances Not Assumed chọn Games-Howell. Chọn cả hai giúp bạn không phải chạy lại sau khi xem Levene.

Bước 6. Đọc kết quả

Nhấn OK và đọc theo thứ tự: Descriptives, Test of Homogeneity of Variances, ANOVA (hoặc Robust Tests of Equality of Means), Multiple Comparisons.

Bước 7. Báo cáo

Báo cáo F, bậc tự do, giá trị p, η² và kết quả so sánh cặp có ý nghĩa.

Cách đọc kết quả ANOVA SPSS

Bảng Descriptives

Cho N, Mean, Std. Deviation và khoảng tin cậy của từng nhóm. Đây là bảng giúp bạn biết nhóm nào cao, nhóm nào thấp.

Bảng Test of Homogeneity of Variances

Xem dòng Based on Mean. Sig. > 0,05: phương sai đồng nhất, đọc bảng ANOVA và Post Hoc Tukey. Sig. ≤ 0,05: phương sai không đồng nhất, đọc bảng Robust Tests (Welch) và Post Hoc Games-Howell.

Bảng ANOVA

Gồm Sum of Squares, df, Mean Square, F và Sig. cho hai dòng Between Groups và Within Groups. Sig. < 0,05: có khác biệt có ý nghĩa thống kê về trung bình giữa ít nhất hai nhóm.

Cỡ hiệu ứng η² (eta bình phương)

η² = Sum of Squares Between / Sum of Squares Total, cho biết tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi biến nhóm. Theo Cohen (1988), η² ≈ 0,01 là nhỏ, 0,06 là trung bình và 0,14 là lớn. Từ SPSS 27, có thể chọn Estimate effect size trong Options để SPSS tính sẵn.

Kiểm định sau (Post Hoc) trong ANOVA SPSS

ANOVA chỉ cho biết có khác biệt, không cho biết khác biệt nằm giữa những nhóm nào. Bảng Multiple Comparisons so sánh từng cặp nhóm, với cột Mean Difference (I-J) và Sig.; dấu * cạnh chênh lệch cho biết cặp đó khác biệt có ý nghĩa ở mức 5%.

• Tukey HSD: phổ biến nhất khi phương sai đồng nhất và cỡ nhóm tương đương.
• Gabriel, Hochberg GT2: khi cỡ nhóm chênh lệch nhiều.
• Games-Howell: khi phương sai không đồng nhất.
• Dunnett: khi chỉ so sánh các nhóm với một nhóm đối chứng.
• Bonferroni: thận trọng, phù hợp khi số cặp so sánh ít.

Chỉ diễn giải Post Hoc khi kiểm định tổng thể (F hoặc Welch) có ý nghĩa. Nếu bạn có giả thuyết cụ thể về một số cặp từ trước, hãy dùng phép so sánh định trước (Contrasts) thay vì Post Hoc.

Ví dụ ANOVA SPSS: mức hài lòng theo nhóm tuổi

Khảo sát 320 khách hàng về mức hài lòng với ứng dụng ngân hàng số theo 4 nhóm tuổi (số liệu minh họa):

Nhóm tuổi	N	Mean	SD
Dưới 22	78	3,92	0,58
22-25	96	3,85	0,61
26-30	84	3,64	0,66
Trên 30	62	3,41	0,72

Levene: Sig. = 0,118 > 0,05, phương sai đồng nhất. Bảng ANOVA: F(3, 316) = 8,74; p < 0,001; η² = 0,077. Post Hoc Tukey: nhóm trên 30 tuổi có mức hài lòng thấp hơn nhóm dưới 22 (chênh lệch 0,51; p < 0,001) và nhóm 22-25 (chênh lệch 0,44; p < 0,001); các cặp còn lại không khác biệt có ý nghĩa.

Viết theo APA: "Kết quả One-way ANOVA cho thấy mức hài lòng khác nhau có ý nghĩa thống kê giữa các nhóm tuổi, F(3, 316) = 8,74; p < 0,001; η² = 0,08. Kiểm định Tukey cho thấy khách hàng trên 30 tuổi hài lòng thấp hơn nhóm dưới 22 tuổi và nhóm 22-25 tuổi."

Welch ANOVA SPSS khi phương sai không đồng nhất

Khi Levene có Sig. ≤ 0,05, bảng ANOVA thông thường có thể cho kết quả sai lệch, nhất là khi cỡ nhóm chênh lệch. Đọc bảng Robust Tests of Equality of Means, dòng Welch: báo cáo dạng F(df1, df2) với df2 thường là số lẻ, ví dụ F(3, 162,4) = 6,21; p < 0,001. Sau đó dùng Games-Howell cho so sánh cặp. Một số tác giả khuyến nghị dùng Welch ANOVA làm mặc định vì nó vẫn chính xác khi phương sai bằng nhau (Delacre và cộng sự, 2019).

Two-way ANOVA SPSS: hai yếu tố và tương tác

Khi muốn xem đồng thời ảnh hưởng của hai biến nhóm (ví dụ giới tính và khu vực) cùng tác động tương tác giữa chúng, dùng Analyze > General Linear Model > Univariate:

1. Đưa biến định lượng vào Dependent Variable, hai biến nhóm vào Fixed Factor(s).
2. Trong Plots, đưa một biến vào Horizontal Axis, biến còn lại vào Separate Lines, nhấn Add.
3. Trong Options (hoặc EM Means), chọn Descriptive statistics, Estimates of effect size, Homogeneity tests.
4. Đọc bảng Tests of Between-Subjects Effects: tác động chính của từng yếu tố và dòng tương tác (A * B), kèm Partial Eta Squared.

Nếu tương tác có ý nghĩa, không nên diễn giải tác động chính một cách riêng lẻ; hãy phân tích tác động đơn (simple effects) và dùng biểu đồ để mô tả.

Lỗi thường gặp khi chạy ANOVA SPSS

• Bỏ qua Levene: luôn đọc bảng ANOVA và Tukey dù phương sai không đồng nhất.
• Diễn giải Post Hoc khi F không có ý nghĩa: rồi chọn ra cặp "đẹp" để báo cáo.
• Gộp nhóm sau khi xem kết quả: để khác biệt trở nên có ý nghĩa, đây là một dạng p-hacking.
• Không báo cáo cỡ hiệu ứng: khiến người đọc không biết khác biệt lớn hay nhỏ.
• Dùng ANOVA cho biến phụ thuộc phân loại: trường hợp này cần Chi-square hoặc hồi quy logistic.
• Viết "p = 0,000": nên viết p < 0,001.

Chạy ANOVA SPSS bằng cú pháp

Lưu cú pháp giúp tái lập kết quả và minh bạch quy trình:

ONEWAY HL_mean BY TUOI
  /ES=OVERALL
  /STATISTICS DESCRIPTIVES HOMOGENEITY WELCH
  /PLOT MEANS
  /MISSING ANALYSIS
  /POSTHOC=TUKEY GH ALPHA(0.05).

Khi kiểm định nhiều biến phụ thuộc theo cùng một biến nhóm, chỉ cần thêm tên biến vào sau ONEWAY. Hãy trình bày kết quả của các biến trong một bảng gồm Mean (SD) từng nhóm, F, p và η², kèm chú thích các cặp khác biệt.

ANOVA SPSS trong luận văn: kiểm định khác biệt theo đặc điểm cá nhân

Trong nhiều luận văn kinh tế, quản trị, giáo dục, ANOVA SPSS thường xuất hiện ở cuối chương kết quả để kiểm định khác biệt về biến phụ thuộc theo đặc điểm nhân khẩu học như độ tuổi, thu nhập, trình độ học vấn, thâm niên. Cách làm chuẩn:

1. Xác định trước trong chương phương pháp những đặc điểm sẽ được kiểm định.
2. Dùng T-test cho biến hai nhóm (giới tính), ANOVA cho biến từ ba nhóm.
3. Trình bày bảng tổng hợp, sau đó diễn giải các khác biệt có ý nghĩa và gắn với hàm ý quản trị.
4. Báo cáo cả các đặc điểm không có khác biệt; đây cũng là thông tin hữu ích.

Kruskal-Wallis: lựa chọn thay thế ANOVA SPSS

Khi dữ liệu lệch chuẩn nặng, có giá trị ngoại lai đáng kể hoặc biến phụ thuộc là thang thứ bậc (ví dụ một câu Likert), kiểm định phi tham số Kruskal-Wallis là lựa chọn thay thế cho One-way ANOVA SPSS. Kiểm định so sánh phân phối hạng giữa các nhóm thay vì so sánh trung bình.

1. Vào Analyze > Nonparametric Tests > Independent Samples.
2. Ở thẻ Fields, đưa biến phụ thuộc vào Test Fields, biến nhóm vào Groups.
3. Ở thẻ Settings, chọn Customize tests và Kruskal-Wallis 1-way ANOVA (k samples), Multiple comparisons: All pairwise.
4. Đọc giá trị H (Independent-Samples Kruskal-Wallis Test Statistic), df và Sig.; mở Model Viewer để xem so sánh cặp đã hiệu chỉnh.

Khi báo cáo, trình bày trung vị (Median) và khoảng tứ phân vị của từng nhóm thay vì Mean và SD, ví dụ: H(3) = 14,62; p = 0,002.

Repeated Measures ANOVA SPSS: đo lặp trên cùng đối tượng

Khi cùng một nhóm được đo từ ba lần trở lên (trước, giữa và sau can thiệp), dùng Repeated Measures ANOVA SPSS qua Analyze > General Linear Model > Repeated Measures. Khai báo tên yếu tố (ví dụ THOIDIEM) và số mức (3), sau đó gán ba biến đo lường tương ứng.

Giả định đặc thù là tính cầu (sphericity), kiểm tra bằng kiểm định Mauchly. Nếu Sig. của Mauchly < 0,05, đọc kết quả đã hiệu chỉnh Greenhouse-Geisser (thận trọng) hoặc Huynh-Feldt trong bảng Tests of Within-Subjects Effects. So sánh cặp giữa các thời điểm có thể chọn ở mục EM Means với hiệu chỉnh Bonferroni.

ANOVA SPSS hay hồi quy với biến giả?

One-way ANOVA SPSS tương đương với hồi quy tuyến tính có biến nhóm được mã hóa thành các biến giả (k - 1 biến giả cho k nhóm). Khi chỉ cần so sánh trung bình giữa các nhóm, ANOVA trình bày dễ hiểu hơn. Khi cần kiểm soát thêm biến khác (ví dụ so sánh mức hài lòng theo nhóm tuổi nhưng kiểm soát thu nhập), hãy dùng ANCOVA (General Linear Model > Univariate, đưa biến kiểm soát vào Covariate) hoặc hồi quy với biến giả. Cả hai cách đều cho kết quả nhất quán nếu mã hóa đúng, và lựa chọn nên dựa vào câu hỏi nghiên cứu.

Checklist hoàn thành ANOVA SPSS

1. Biến phụ thuộc định lượng, biến nhóm có từ 3 nhóm, mỗi nhóm đủ quan sát.
2. Đã kiểm tra phân phối từng nhóm và kiểm định Levene.
3. Đã chọn đúng bảng kết quả (ANOVA hoặc Welch) và kiểm định sau phù hợp (Tukey hoặc Games-Howell).
4. Đã báo cáo F, df, p, η² và Mean, SD của từng nhóm.
5. Chỉ diễn giải Post Hoc khi kiểm định tổng thể có ý nghĩa.
6. Đã lưu file cú pháp để tái lập kết quả.

Câu hỏi thường gặp về ANOVA SPSS

Cỡ mẫu mỗi nhóm tối thiểu là bao nhiêu?

Không có ngưỡng cứng; với cỡ hiệu ứng trung bình (f = 0,25), 4 nhóm, lực kiểm định 0,80 và α = 0,05, cần khoảng 45 quan sát mỗi nhóm theo G*Power. Xem cách tính cỡ mẫu.

F có ý nghĩa nhưng Post Hoc không cặp nào có ý nghĩa?

Có thể xảy ra vì Post Hoc thận trọng hơn. Hãy báo cáo đúng cả hai kết quả và xem xét các so sánh định trước nếu có giả thuyết cụ thể.

Biến nhóm có thứ tự (như thu nhập) có nên dùng ANOVA?

Có thể dùng ANOVA; ngoài ra có thể kiểm định xu hướng tuyến tính (Polynomial trong Contrasts) để xem trung bình có tăng hoặc giảm đều theo các nhóm hay không.

ANOVA SPSS khác ANOVA trong bảng hồi quy thế nào?

Bảng ANOVA trong hồi quy kiểm định sự phù hợp của toàn mô hình; còn One-way ANOVA so sánh trung bình giữa các nhóm. Cả hai đều dựa trên phân tích phương sai. Xem hồi quy tuyến tính bội.

Tài liệu tham khảo

• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum.
• Delacre, M., Leys, C., Mora, Y. L., & Lakens, D. (2019). Taking parametric assumptions seriously: Arguments for the use of Welch's F-test instead of the classical F-test in one-way ANOVA. International Review of Social Psychology, 32(1), 13. doi:10.5334/irsp.198
• Field, A. (2018). Discovering Statistics Using IBM SPSS Statistics (5th ed.). SAGE.