Tìm hiểu khái niệm hệ số Sig trong SPSS

Tìm hiểu khái niệm hệ số Sig trong SPSS

Trong bài viết này chúng tôi sẽ giới thiệu tới bạn hệ số Sig, một hệ số vô cùng quan trọng trong kiểm định, thống kê. Để hiểu được Sig là gì? Cách chạy trong spss ra sao? Cách đọc thế nào? Các bạn cùng đọc nhé. 

Bạn đang đọc: Tìm hiểu khái niệm hệ số Sig trong SPSS

1. Khái niệm về hệ số sig trong spss

Khái niệm

Hệ số Sig là cách viết tắt của từ tiếng anh significance level. Ngoài ra trong các phần mềm khác như Stata nó còn được gọi là p-value (probability value). 

Sig trong đầu ra cho những mẫu độc lập là giá trị P hai phía, đối với giả thuyết rỗng hai nhóm này sẽ có cùng phương sai. 

Trong các kiểm định, thường thì mọi người sẽ muốn sig nhỏ hơn 5% để kiểm định có ý nghĩa thống kê. 

Ý nghĩa của hệ số Sig

Ý nghĩa của Sig chính là xác suất của của dữ liệu sẽ xảy ra khi giả thiết H0 vô hiệu là đúng. Hoặc có thể hiểu là có bao nhiêu phần trăm dữ liệu thỏa mãn giá trị P. 

Ví dụ: P = 2% tức là có 2% dữ liệu của bộ số liệu đang nghiên cứu sẽ thỏa mãn điều kiện nào đó. Không thể hiểu rằng xác suất giả thiết vô hiệu H0 bằng 2% mà phải hiểu là xác suất của dữ liệu xảy ra. 

Bên cạnh hệ số Sig thì efa là một bước rất quan trọng để thu gọn biến quan sát, hỗ trợ trong quá trình kiểm định được dễ dàng hơn. Bạn hãy tìm hiểu thêm về nhân tố efa spss để có thể nghiên cứu dữ liệu một cách trọn vẹn hơn. 

2. Quy trình kiểm định hệ số sig trong spss

  • Bước 1: Phát biểu giả thiết vô hiệu( null hypothesis H0). Người nghiên cứu sẽ phải đưa ra một giả thuyết đảo, ngược lại với những gì bản thân đang cho là đúng. 
  • Bước 2: Nhà nghiên cứu cần phải định nghĩa một giả thuyết phụ (alternative hypothesis). Tức là người nghiên cứu nghĩ một giả thiết nào đó là sự thật và chứng minh nó bằng số liệu. 
  • Bước 3: Kiểm tra xem trong hai giả thuyết trên. Sau khi thu thập đủ các dữ liệu liên quan, người nghiên cứu sẽ dùng các phương pháp thống kê để kiểm định xem hai giả thuyết trên, cái nào đúng. Việc này giúp trả lời câu hỏi nếu giả thuyết ngược lại đúng thì xác suất các dữ liệu đã thu thập phù hợp với giả thuyết này là bao nhiêu. 
  • Bước 4: Quyết định chấp nhận hay loại bỏ giả thuyết đảo của người nghiên cứu sẽ dựa vào giá trị xác suất trong bước 3. Ví dụ nếu xác suất nhỏ hơn 5% thì người nghiên cứu sẽ sẵn sàng loại bỏ giả thuyết đảo. Nhưng nếu xác suất lớn hơn 5%, người nghiên cứu chỉ có thể nói rằng chưa đủ bằng chứng để bác bỏ giả thuyết ngược lại chứ không thể công nhận giả thuyết đảo là đúng. 
  • Bước 5: Nếu giả thuyết đảo bị bác bỏ, thì nhà nghiên cứu mặc nhiên thừa nhận giả thuyết phụ. Theo quy ước khoa học, tất cả các trị số P nhỏ hơn 5% được xem là có ý nghĩa thống kê. 

3. Cách chạy hệ số sig trong spss để kiểm định giả thuyết

  • Bước 1: Tại thanh công cụ ta nhấp chọn: Analyze > Regression > Linear

Tìm hiểu khái niệm hệ số Sig trong SPSS

Bước 2: Chuyển biến phụ thuộc VO2max vào ô Dependent
  • Bước 3: Chọn Collinearity diagnostics (để tính ra hệ số VIF – hệ số phóng đại phương sai) để đánh giá hiện tượng đa cộng tuyến. Sau đó nhấn vào ô Continue để trở lại hộp thoại Linear Regression

Tìm hiểu thêm: Cách làm bún riêu cua đậm đà ngon gật gù

Tìm hiểu khái niệm hệ số Sig trong SPSS
Bước 3: Chọn Collinearity diagnostics
  • Bước 4: Nhấn OK để output kết quả

Tìm hiểu khái niệm hệ số Sig trong SPSS

>>>>>Xem thêm: Bệnh viêm màng hoạt dịch và cách điều trị

B4: Nhấn OK để output kết quả

B4: Nhấn OK để output kết quả

4. Đọc kết quả để đánh giá kiểm định 2 giả thuyết

Sau khi đã có được kết quả bạn cần nắm rõ cách đánh giá kết quả với từng loại kiểm định. 

4.1. Bảng Model Summary

Các điểm dữ liệu luôn không tập trung và có xu hướng tạo thành đường thẳng chứ không bao giờ là một đường thẳng. Vì vậy hầu như không có đường thẳng nào đi qua được toàn bộ các điểm dữ liệu, luôn có sự sai lệch giữa giá trị thực tế và giá trị ước tính.

Bảng này sẽ giúp chúng ta đánh giá được mức độ sai lệch cũng như mức độ phù hợp của mô hình hồi quy tuyến tính so với tập dữ liệu. 

4.2. Bảng ANOVA

Bảng ANOVA cho biết kết quả kiểm định F giúp đánh giá giả thuyết về sự phù hợp của mô hình hồi quy. Giá trị Sig của kiểm định F nhỏ hơn 5% là mô hình hồi quy phù hợp. 

4.3. Bảng Coefficients

Chúng ta sẽ phân tích hệ số hồi quy của từng biến độc lập có ý nghĩa trong mô hình hay không dựa vào kiểm định t-student với giả thuyết: hệ số hồi quy của biến độc lập xi = 0. 

  • Sig 0.
  • Sig > 5%: Chấp nhận giả thuyết H0

Nếu bạn đang cần hoàn thiện việc xử lý số liệu nhưng gặp nhiều khó khăn trong sử dụng phần mềm spss thì hãy để dịch vụ hỗ trợ spss của Tri Thức Cộng Đồng giúp bạn hoàn thành deadline. Đơn vị cam kết hoàn thành đúng hạn, dữ liệu của bạn là độc nhất, không trùng lặp, sao chép.

Bài viết trên đã cung cấp cho các bạn Sig là gì và các áp dụng ra sao. Hy vọng các kiến thức bổ ích này sẽ hỗ trợ nhiều cho bạn trong quá trình học tập, công tác. 

Leave a Reply

Your email address will not be published. Required fields are marked *