Mới Đặt phân tích định lượng theo đề tài của bạn, nhận báo giá miễn phí trong ngày →

Kiểm định phi tham số là nhóm phương pháp so sánh và đo liên hệ dựa trên thứ hạng (rank) thay vì giá trị trung bình, nên không đòi hỏi dữ liệu phân phối chuẩn. Đây là lựa chọn an toàn khi mẫu nhỏ, dữ liệu lệch mạnh, có ngoại lai hoặc biến chỉ ở mức thứ bậc như thang Likert một câu hỏi. Nắm vững nhóm kiểm định này giúp bạn không phải "ép" dữ liệu vào t-test hay ANOVA khi giả định đã bị vi phạm rõ ràng.

Kiểm định phi tham số: 5 phép kiểm định trên SPSS kèm effect size
Kiểm định phi tham số: 5 phép kiểm định trên SPSS kèm effect size

Bài viết hướng dẫn chi tiết cách chọn đúng kiểm định phi tham số cho từng tình huống, cách chạy Mann-Whitney U, Wilcoxon, Kruskal-Wallis, Friedman và tương quan Spearman trên SPSS 26-29 (cả hộp thoại mới lẫn Legacy Dialogs), cách đọc bảng kết quả, tính hệ số ảnh hưởng \(r\) và viết kết quả theo chuẩn APA 7 cho luận văn.

Điểm chính của bài

  • Kiểm định phi tham số so sánh thứ hạng, phù hợp khi vi phạm giả định phân phối chuẩn hoặc biến ở thang thứ bậc.
  • Mỗi kiểm định tham số đều có "bản tương ứng": t-test độc lập ứng với Mann-Whitney U, t-test cặp ứng với Wilcoxon, ANOVA ứng với Kruskal-Wallis.
  • Trên SPSS có hai đường chạy: Analyze > Nonparametric Tests > Independent Samples (hộp thoại mới) và Legacy Dialogs (bảng kết quả quen thuộc).
  • Luôn báo cáo hệ số ảnh hưởng, phổ biến nhất là \(r = Z/\sqrt{N}\), bên cạnh giá trị \(p\).
  • Khi báo cáo, dùng trung vị (Mdn) và khoảng tứ phân vị (IQR) thay vì trung bình và độ lệch chuẩn.
Nội dung bài viết
  1. Kiểm định phi tham số là gì và khác gì kiểm định tham số?
  2. Bảng chọn kiểm định phi tham số tương ứng
  3. Giả định của kiểm định phi tham số
  4. Chạy Mann-Whitney U trên SPSS
  5. Đọc kết quả và tính hệ số ảnh hưởng r
  6. Wilcoxon, Kruskal-Wallis và Friedman trên SPSS
  7. Tương quan Spearman: kiểm định phi tham số cho mối liên hệ
  8. Viết kết quả kiểm định phi tham số theo chuẩn APA
  9. Lỗi thường gặp khi dùng kiểm định phi tham số
  10. Checklist trước khi nộp phần kiểm định phi tham số
  11. Câu hỏi thường gặp về kiểm định phi tham số
  12. Tài liệu tham khảo

Kiểm định phi tham số là gì và khác gì kiểm định tham số?

Kiểm định tham số như t-test hay ANOVA giả định dữ liệu đến từ một phân phối có dạng xác định (thường là phân phối chuẩn) và so sánh trực tiếp các tham số như trung bình. Ngược lại, kiểm định phi tham số chuyển dữ liệu gốc thành thứ hạng rồi so sánh phân phối thứ hạng giữa các nhóm. Nhờ vậy, một vài giá trị cực đoan không kéo lệch kết quả như khi tính trung bình.

Khi dữ liệu thực sự chuẩn, kiểm định phi tham số có hiệu lực (power) thấp hơn một chút; khi dữ liệu lệch nặng, nó có thể mạnh hơn bản tham số. Ý tưởng dùng thứ hạng cho hai mẫu độc lập được Mann và Whitney trình bày từ năm 1947 (Mann & Whitney, 1947), sau đó Kruskal và Wallis mở rộng cho nhiều nhóm.

Khi nào nên dùng kiểm định phi tham số?

Hãy cân nhắc kiểm định phi tham số khi:

  • Biến phụ thuộc ở thang thứ bậc, ví dụ một câu hỏi hài lòng từ 1 đến 5.
  • Mẫu nhỏ (mỗi nhóm dưới khoảng 30 quan sát) và kiểm tra Shapiro-Wilk cho thấy phân phối lệch rõ.
  • Có ngoại lai thật (không phải lỗi nhập liệu) mà bạn không có lý do loại bỏ.
  • Biến định lượng lệch nặng như thu nhập, thời gian chờ.

Nếu mẫu lớn và chỉ hơi lệch, t-test và ANOVA vẫn khá vững nhờ định lý giới hạn trung tâm; khi đó kiểm định phi tham số có thể đóng vai trò phân tích độ vững (robustness check).

Bảng chọn kiểm định phi tham số tương ứng với t-test, ANOVA và Pearson
Mỗi kiểm định tham số đều có một kiểm định phi tham số tương ứng.

Bảng chọn kiểm định phi tham số tương ứng

Để chọn đúng kiểm định phi tham số, hãy xác định ba điều: số nhóm, các nhóm độc lập hay lặp lại trên cùng đối tượng, và mục tiêu là so sánh hay đo liên hệ.

Tình huống Kiểm định tham số Kiểm định phi tham số Hệ số ảnh hưởng gợi ý
2 nhóm độc lập Independent t-test Mann-Whitney U \(r = Z/\sqrt{N}\)
2 lần đo trên cùng đối tượng Paired t-test Wilcoxon signed-rank \(r = Z/\sqrt{N}\)
3 nhóm độc lập trở lên One-way ANOVA Kruskal-Wallis H \(\eta^2_H\) hoặc \(\varepsilon^2\)
3 lần đo lặp lại trở lên Repeated measures ANOVA Friedman Kendall's W
Liên hệ giữa 2 biến Tương quan Pearson Spearman rho Chính hệ số rho

Với hai biến định danh (ví dụ giới tính và lựa chọn sản phẩm), bạn dùng kiểm định Chi-square; về bản chất đây cũng là một kiểm định phi tham số nhưng làm việc với tần số chứ không phải thứ hạng.

Giả định của kiểm định phi tham số

"Phi tham số" không có nghĩa là "không có giả định". Các kiểm định dựa trên thứ hạng vẫn yêu cầu:

  • Quan sát độc lập giữa các đối tượng (riêng Wilcoxon và Friedman cho phép phụ thuộc trong cùng đối tượng).
  • Biến phụ thuộc ít nhất ở thang thứ bậc, tức là sắp xếp được từ thấp đến cao.
  • Hình dạng phân phối tương tự giữa các nhóm nếu bạn muốn diễn giải kết quả là khác biệt về trung vị. Nếu hình dạng khác nhau, kết luận chính xác hơn là "phân phối khác nhau" hoặc "một nhóm có xu hướng nhận giá trị cao hơn".

Lưu ý: Nhiều luận văn kết luận "trung vị hai nhóm khác nhau" mà không xem hình dạng phân phối. Hãy xem boxplot từng nhóm trước khi diễn giải kết quả kiểm định phi tham số.

Kiểm tra phân phối chuẩn trước khi chọn kiểm định phi tham số

Vào Analyze > Descriptive Statistics > Explore, đưa biến phụ thuộc vào Dependent List, biến nhóm vào Factor List, bấm Plots và tích Normality plots with tests. SPSS trả về bảng Tests of Normality gồm Kolmogorov-Smirnov và Shapiro-Wilk cho từng nhóm. Với mẫu nhỏ, Shapiro-Wilk thường được ưu tiên. Xem thêm cách đọc độ lệch, độ nhọn trong bài thống kê mô tả SPSS.

Đừng chỉ dựa vào \(p\) của Shapiro-Wilk: mẫu rất lớn thì chênh lệch nhỏ cũng có ý nghĩa, mẫu nhỏ thì kiểm định thiếu nhạy. Hãy kết hợp Q-Q plot, histogram và skewness trước khi quyết định dùng kiểm định phi tham số.

Chạy Mann-Whitney U trên SPSS

Mann-Whitney U so sánh hai nhóm độc lập. Ví dụ (số liệu minh họa): một học viên muốn so sánh điểm "ý định sử dụng ví điện tử" (thang 1 đến 7, lệch phải mạnh) giữa sinh viên năm nhất (n = 40) và năm cuối (n = 45).

Cách 1: Legacy Dialogs (bảng kết quả quen thuộc)

  1. Mở hộp thoại. Chọn Analyze > Nonparametric Tests > Legacy Dialogs > 2 Independent Samples.
  2. Khai báo biến. Đưa biến điểm vào Test Variable List, biến nhóm vào Grouping Variable, bấm Define Groups và nhập mã hai nhóm (ví dụ 1 và 2).
  3. Chọn kiểm định. Trong Test Type, giữ dấu tích ở Mann-Whitney U.
  4. Thêm thống kê mô tả. Bấm Options, tích Quartiles để có trung vị và tứ phân vị.
  5. Chạy. Bấm OK, SPSS xuất hai bảng Ranks và Test Statistics.

Cú pháp tương đương, có thể dán vào Syntax Editor để lưu lại quy trình:

NPAR TESTS
  /M-W= ydinh BY nhom(1 2)
  /STATISTICS=QUARTILES
  /MISSING ANALYSIS.

Cách 2: Hộp thoại Independent Samples mới

Vào Analyze > Nonparametric Tests > Independent Samples. Tab Objective chọn Customize analysis, tab Fields đưa biến vào Test Fields và Groups, tab Settings chọn Customize tests rồi tích Mann-Whitney U (2 samples). SPSS trả về bảng Hypothesis Test Summary; bấm đúp để xem U, Z và biểu đồ hai nhóm.

Mẹo: Hộp thoại mới chọn kiểm định theo cột Measure. Nếu SPSS báo lỗi, đặt biến phụ thuộc là Scale hoặc Ordinal, biến nhóm là Nominal (xem bài nhập liệu SPSS).

Kết quả kiểm định phi tham số Mann-Whitney U trong SPSS với bảng Ranks và Test Statistics
Bảng Ranks và Test Statistics của Mann-Whitney U (số liệu minh họa).

Đọc kết quả và tính hệ số ảnh hưởng r

Bảng Ranks cho biết hạng trung bình (Mean Rank) của mỗi nhóm; nhóm có hạng cao hơn có xu hướng nhận giá trị cao hơn. Bảng Test Statistics có Mann-Whitney U, Wilcoxon W, Z và Asymp. Sig. (2-tailed). Với số liệu minh họa ở trên, kết quả là \(U = 596\), \(Z = -2{,}68\), \(p = 0{,}007\); hạng trung bình nhóm năm cuối là 49,8 so với 35,4 của năm nhất.

Giá trị \(p\) không cho biết khác biệt lớn hay nhỏ, nên APA 7 khuyến nghị báo cáo thêm hệ số ảnh hưởng. Với Mann-Whitney và Wilcoxon, cách phổ biến (Field, 2024) là:

\[ r = \frac{Z}{\sqrt{N}} \]

Trong đó \(N\) là tổng số quan sát của cả hai nhóm. Ở ví dụ: \(r = 2{,}68/\sqrt{85} = 0{,}29\), tức mức ảnh hưởng nhỏ đến trung bình. SPSS không tự in \(r\), bạn tính tay hoặc bằng Excel. Dấu của \(r\) thường bỏ qua và người viết diễn giải chiều khác biệt qua hạng trung bình.

Hệ số Nhỏ Trung bình Lớn
\(r\) (Mann-Whitney, Wilcoxon) 0,10 0,30 0,50
\(\eta^2_H\) (Kruskal-Wallis) 0,01 0,06 0,14
Kendall's W (Friedman) 0,10 0,30 0,50
Spearman rho 0,10 0,30 0,50

Các mốc trên theo quy ước của Cohen được Field (2024) tổng hợp, chỉ là điểm tham chiếu chứ không phải ngưỡng cứng; hãy diễn giải trong bối cảnh lĩnh vực.

Wilcoxon, Kruskal-Wallis và Friedman trên SPSS

Wilcoxon signed-rank cho hai lần đo

Dùng khi đo cùng một nhóm hai lần, ví dụ điểm kỹ năng trước và sau khóa đào tạo. Chọn Analyze > Nonparametric Tests > Legacy Dialogs > 2 Related Samples, đưa cặp biến (truoc, sau) vào Test Pairs, giữ tích Wilcoxon. Hộp thoại mới tương ứng là Analyze > Nonparametric Tests > Related Samples.

NPAR TESTS
  /WILCOXON=truoc WITH sau (PAIRED)
  /STATISTICS=QUARTILES
  /MISSING ANALYSIS.

Số liệu minh họa: 30 học viên, \(Z = -3{,}12\), \(p = 0{,}002\), \(r = 3{,}12/\sqrt{30} = 0{,}57\). Một số tác giả lấy \(N\) là tổng số lần quan sát (60) và cho \(r = 0{,}40\); hãy ghi rõ cách bạn chọn trong luận văn.

Kruskal-Wallis cho ba nhóm trở lên

Chọn Analyze > Nonparametric Tests > Legacy Dialogs > K Independent Samples, đưa biến vào Test Variable List, biến nhóm vào Grouping Variable, bấm Define Range nhập giá trị nhỏ nhất và lớn nhất (ví dụ 1 và 3), tích Kruskal-Wallis H. Phương pháp này do Kruskal và Wallis đề xuất (Kruskal & Wallis, 1952).

NPAR TESTS
  /K-W=hailong BY khoa(1 3)
  /MISSING ANALYSIS.

Số liệu minh họa: so sánh mức hài lòng của sinh viên ba khoa (mỗi khoa 50 người), \(H(2) = 9{,}84\), \(p = 0{,}007\). Hệ số ảnh hưởng:

\[ \eta^2_H = \frac{H - k + 1}{N - k} = \frac{9{,}84 - 3 + 1}{150 - 3} = 0{,}053 \]

Kruskal-Wallis có ý nghĩa chỉ cho biết ít nhất một cặp khác nhau. Để biết cặp nào, dùng Analyze > Nonparametric Tests > Independent Samples, chọn Kruskal-Wallis và ở mục Multiple comparisons chọn All pairwise. SPSS trả về bảng so sánh cặp theo Dunn với cột Adj. Sig. đã hiệu chỉnh Bonferroni.

Friedman cho ba lần đo lặp lại

Chọn Analyze > Nonparametric Tests > Legacy Dialogs > K Related Samples, đưa các biến lần đo vào Test Variables, tích Friedman và có thể tích thêm Kendall's W. Số liệu minh họa: 25 bệnh nhân đo mức đau ở ba thời điểm, \(\chi^2(2) = 12{,}40\), \(p = 0{,}002\), \(W = 0{,}25\).

NPAR TESTS
  /FRIEDMAN=t1 t2 t3
  /KENDALL=t1 t2 t3
  /MISSING LISTWISE.

Tương quan Spearman: kiểm định phi tham số cho mối liên hệ

Khi một hoặc cả hai biến ở thang thứ bậc, hoặc quan hệ đơn điệu nhưng không tuyến tính, hệ số Spearman rho là lựa chọn thay cho Pearson. Vào Analyze > Correlate > Bivariate, đưa các biến vào Variables, bỏ tích Pearson, tích Spearman, chọn Two-tailed.

NONPAR CORR
  /VARIABLES=ydinh hailong
  /PRINT=SPEARMAN TWOTAIL NOSIG
  /MISSING=PAIRWISE.

Số liệu minh họa: với 120 người trả lời, \(r_s = 0{,}34\), \(p < 0{,}001\), tương quan thuận mức trung bình. Spearman là Pearson tính trên thứ hạng, chỉ phản ánh liên hệ, không chứng minh nhân quả.

Ví dụ: Mức thu nhập (5 khoảng) và mức sẵn lòng chi trả (thang 1 đến 5) đều là biến thứ bậc, nên Spearman hợp lý hơn Pearson.

Nên và không nên khi báo cáo kiểm định phi tham số trong luận văn
Những điều nên và không nên khi viết kết quả theo APA 7.

Viết kết quả kiểm định phi tham số theo chuẩn APA

Khi trình bày kết quả kiểm định phi tham số trong chương 4, bạn nên báo cáo: tên kiểm định, trung vị (Mdn) và IQR hoặc hạng trung bình của từng nhóm, giá trị thống kê (U, Z, H, \(\chi^2\)), bậc tự do nếu có, \(p\) chính xác (ba chữ số thập phân, trừ khi nhỏ hơn 0,001) và hệ số ảnh hưởng. Các mẫu câu dưới đây dùng số liệu minh họa:

Kiểm định Mẫu câu báo cáo (số liệu minh họa)
Mann-Whitney U Ý định sử dụng của sinh viên năm cuối (Mdn = 5,0) cao hơn năm nhất (Mdn = 4,0), U = 596, Z = -2,68, p = 0,007, r = 0,29.
Wilcoxon Điểm kỹ năng sau đào tạo (Mdn = 7,5) cao hơn trước đào tạo (Mdn = 6,0), Z = -3,12, p = 0,002, r = 0,57.
Kruskal-Wallis Mức hài lòng khác nhau giữa ba khoa, H(2) = 9,84, p = 0,007, \(\eta^2_H\) = 0,053.
Friedman Mức đau thay đổi qua ba thời điểm, \(\chi^2\)(2) = 12,40, p = 0,002, W = 0,25.
Spearman Ý định sử dụng tương quan thuận với mức hài lòng, \(r_s\)(118) = 0,34, p < 0,001.

Dấu thập phân (phẩy hay chấm) theo quy định của trường, miễn nhất quán toàn bài. Cách sắp xếp các bảng này vào cấu trúc chương kết quả được trình bày trong bài chương 4 luận văn.

Lỗi thường gặp khi dùng kiểm định phi tham số

  • Báo cáo trung bình thay vì trung vị. Kiểm định phi tham số dựa trên thứ hạng, nên mô tả bằng Mdn và IQR.
  • Bỏ qua hệ số ảnh hưởng. Chỉ ghi \(p\) khiến người đọc không biết khác biệt có ý nghĩa thực tiễn hay không.
  • Chạy nhiều Mann-Whitney rời rạc thay cho Kruskal-Wallis. Làm vậy tăng sai lầm loại I; hãy chạy Kruskal-Wallis trước rồi so sánh cặp có hiệu chỉnh.
  • Dùng kiểm định độc lập cho dữ liệu lặp lại. Trước và sau trên cùng người phải dùng Wilcoxon, không dùng Mann-Whitney.
  • Chọn kiểm định sau khi xem kết quả. Chạy cả t-test và kiểm định phi tham số rồi chỉ báo cáo cái có \(p\) nhỏ hơn là vi phạm liêm chính. Quyết định trước dựa trên giả định; nếu chạy cả hai thì báo cáo cả hai.

Lưu ý: Kiểm định phi tham số không "chữa" được mẫu quá nhỏ. Với mỗi nhóm chỉ vài quan sát, hiệu lực rất thấp và kết quả không có ý nghĩa chưa chắc là "không có khác biệt". Hãy tính cỡ mẫu từ khâu thiết kế, xem bài cách tính cỡ mẫu.

Checklist trước khi nộp phần kiểm định phi tham số

  • Đã nêu lý do chọn kiểm định phi tham số (thang đo, Shapiro-Wilk, đồ thị, cỡ mẫu).
  • Đã chọn đúng loại: độc lập hay lặp lại, hai nhóm hay nhiều nhóm.
  • Đã báo cáo Mdn và IQR (hoặc hạng trung bình) cho từng nhóm.
  • Đã ghi giá trị thống kê, \(p\) chính xác và hệ số ảnh hưởng kèm cách tính.
  • Với Kruskal-Wallis, Friedman có ý nghĩa: đã có so sánh cặp với \(p\) hiệu chỉnh.
  • Đã lưu file syntax để có thể chạy lại và đối chiếu khi hội đồng hỏi.

Câu hỏi thường gặp về kiểm định phi tham số

Mẫu trên 30 thì có cần kiểm định phi tham số không?

Không bắt buộc. Với mẫu lớn và chỉ hơi lệch, t-test và ANOVA thường vẫn vững. Kiểm định phi tham số nên ưu tiên khi biến thứ bậc, lệch rất mạnh hoặc có ngoại lai thật.

Thang Likert 5 điểm có phải dùng kiểm định phi tham số?

Với một câu hỏi Likert đơn lẻ, đó là biến thứ bậc nên kiểm định phi tham số phù hợp hơn. Với điểm trung bình của một thang đo nhiều biến quan sát đã đạt độ tin cậy, đa số nghiên cứu xem như biến định lượng và dùng kiểm định tham số.

Vì sao SPSS hộp thoại mới không hiện giá trị U?

Bảng Hypothesis Test Summary chỉ hiện kết luận và Sig. Bấm đúp để mở Model Viewer xem U, Z, hoặc dùng Legacy Dialogs để có bảng quen thuộc.

Exact Sig. và Asymp. Sig. khác nhau thế nào?

Asymp. Sig. dựa trên xấp xỉ phân phối chuẩn, phù hợp mẫu vừa và lớn. Với mẫu rất nhỏ, nút Exact trong Legacy Dialogs (cần module Exact Tests) cho \(p\) chính xác hơn. Hãy ghi rõ bạn báo cáo loại nào.

Kiểm định phi tham số có dùng được cho hồi quy không?

Các kiểm định phi tham số ở bài này dùng để so sánh và đo liên hệ, không thay hồi quy. Với biến phụ thuộc thứ bậc có hồi quy thứ tự; biến nhị phân thì dùng hồi quy logistic.

Cần người kèm khi chạy SPSS?

Kaas.vn hướng dẫn chọn kiểm định, chạy và giải thích kết quả qua dịch vụ hỗ trợ SPSS, kèm bộ dữ liệu thực hành để bạn luyện tập. Chúng tôi bàn giao file syntax và output để bạn tự chạy lại; không viết thay, không chỉnh số liệu.

Tài liệu tham khảo

  • American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
  • Field, A. (2024). Discovering statistics using IBM SPSS Statistics (6th ed.). Sage.
  • Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583-621. doi:10.1080/01621459.1952.10483441
  • Mann, H. B., & Whitney, D. R. (1947). On a test of whether one of two random variables is stochastically larger than the other. Annals of Mathematical Statistics, 18(1), 50-60. doi:10.1214/aoms/1177730491
Đánh giá bài post
Bạn có đề tài và mô hình riêng?

Gửi mô hình (ảnh, Word, PDF) và chọn SPSS, AMOS, SmartPLS, Stata, Eviews hoặc R. Kaas.vn đề xuất phương án và báo giá miễn phí.

Đặt phân tích theo yêu cầu

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

0947 971 630