Câu 1: Lập bảng mô tả tần suất và mô tả dữ liệu

Ví dụ:
Bảng 1: Các nguồn thông tin biết về luật người cao tuổi của NTL
Các nguồn thông tin Tần số Tỉ lệ %
( Lấy cột Frequency (Lấy cột
trong bảng) Valid percent)
Biết luật qua nghe đài 539 57,2
…..
…….

Kết luận: Qua bảng dữ liệu trên, ta biết ( nêu cái chiếm tỉ lệ cao nhất và cái
chiếm tỉ lệ thấp nhất).

Câu 2: Lập bảng và diễn giải dữ liệu mối quan hệ giữa 2 biến (hi – square)
Ví dụ: Cho biết có mối liên hệ (có ý nghĩa thống kê) giữa trình độ học vấn và đào
tạo chuyên môn của người trả lời không? Hãy lập bảng số liệu mô tả và diễn giải
về sự khác biệt đó?
Ta có công thức: X2(df, N)= giá trị của X2; p = giá trị của p.
Diễn giải dữ liệu bao gồm các bước sau:
B1: Mô tả dữ liệu
B2: Đặt giả thuyết H0 => Kiểm định giả thuyết H0
Lưu ý: Để kiểm định giả thuyết H0
+ Nếu p <0,05 thì Bác bỏ giả thuyết H0 => Khẳng định có mối quan hệ giữa 2
biến có ý nghĩa thông kê.
+ Nếu p > 0,05 thì Chấp nhận giả thuyết H0 => Khẳng định không có mối
quan hệ giữa 2 biến không có ý nghĩa thông kê.
B3: Kết luận

[Type here]
 Giá trị df
Giá trị X2
Giá trị Φ và p

Giá trị N

Bảng 2: Mối liên hệ giữa trình độ học vấn và đào tạo chuyên môn của người trả lời

Trình độ học vấn Đào tạo chuyên môn X2

Φ
Không được Có chuyên
đào tạo môn
Không Count 250 2 54,410 0,000
biết chữ
Expected count 212,0 40,0
% within đào tạo 25,0% 1,1%
chuyên môn
Có trình Count 752 187
độ VH
Expected count 790,0 149,0
% within % đào tạo 75,0% 98,9%
chuyên môn

[Type here]
 Total Count 1002 189
Expected count 1002,0 189,0
% within % đào tạo 100,0% 100,0%
chuyên môn

Dựa vào bảng số liệu, ta thấy có 250 người không được đào tạo, chiếm 212,0%
tổng số người tham gia khảo sát không biết chữ; có 2 người có chuyên môn chiếm
40,0% tổng số người tham gia khảo sát không biết chữ. Có 752 người không được
đào tạo, chiếm 790,0% tổng số người tham gia khảo sát có trình độ văn hóa nhưng
không biết chữ, 187 người có chuyên môn chiểm tỉ lệ 149,0% tổng số người tham
gia khảo sát có trình độ văn hóa nhưng không biết chữ.
Đặt giả thuyết H0: Không có mối liên hệ giữa hai biến trình độ học vấn và đào tạo
chuyên môn.
(X2(1, N= 1191)= 54,410; p = 0,000 < 0.001).  Bác bỏ giả thuyết H0  Có mối
liên hệ có ý nghĩa thống kê giữa 2 biến trình độ học vấn và đào tạo chuyên môn.
Kết luận: Kiểm định Chi – Square đã thực hiện để xem xét mối quan hệ giữa hai
biến là trình độ học vấn và đào tạo chuyên môn. Mối quan hệ giữa 2 biến này có ý
nghĩa thống kê (X2(1, N= 1191)= 54,410; p = 0,000 < 0.001). Như vậy, có đủ cơ sở
để kết luận về mối quan hệ giữa hai biến số.
Câu 3: Diễn giải dữ liệu của kiểm định T – test
Lưu ý: Để xác định được t, df, p:
Nhìn vào Sig:
• Nếu sig <0,05 thì đọc t, df, p ở dưới
• Nếu sig >0,05 thì đọc t, df, p ở trên.
Giá trị p là lấy ở cột Sig (2 - tailed).
Công thức: Giá trị trung bình của biến thứ nhất (Giá trị Mean của biến thứ nhất, Giá trị
Std.Deviation của biến thứ nhất) và giá trị trung bình của biến thứ hai (Giá trị Mean của
biến thứ nhất, Giá trị Std.Deviation của biến thứ nhất), t (df) = giá trị t, p = giá trị p.

Ví dụ:
Giá trị SE
Giá trị SD

[Type here]
 Giá trị t
Giá trị p quyết định xem có
ý nghĩa thống kê hay không.

Giá trị quyết định lấy t, df, p

ở hàng nào. Giá trị df

Trình học Khu vực cư trú Mean SD SE t p

độ vấn
Nông thôn 2,8500 0,61885 0,02188 -1,845 0,068
(N=800)
Đô thị(100) 4,6200 9,59038 0,95904

Kiểm định t-test với hai mẫu độc lập được thực hiện để so sánh trình độ học vấn và khu
vực cư trú. Kết quả cho thấy sự khác biệt có ý nghĩa thống kê giữa giá trị trung bình của
nông thôn (M =2,8500, SD=0,61885) và giá trị trung bình của đô thị
(M=4,6200,SD=9,59038), t (99,103) =-1,845, p = 0,068.

Câu 4: Diễn giải dữ liệu của kiểm định Anova

Lưu ý kiểm định Levene – test:
+ Nếu p >0,05 thì phương sai không bằng nhau => mới đủ điều kiện phân tích
Anova .
+ Nếu p <0,05 thì phương sai bằng nhau => không đủ điều kiện phân tích
Anova
Lưu ý: Muốn pit có ý nghĩa thống kê ở phân tích Anova hay không mình sẽ
dựa vào giá trị Sig của bảng Anova.
+ Nếu p >0,05 thì không có ý nghĩa thống kê.
+ Nếu p <0,05 thì có ý nghĩa thống kê.
[Type here]
Công thức: F(df 1, df 2) = giá trị của F, p = giá trị sig (của bảng Anova)
Ví dụ: Diễn giải dữ liệu phép kiểm định One-way Anova cho sự khác biệt về tổng
số hành vi bạo lực gia đình và địa bàn khảo sát.

Giá trị P
Kiểm định
Leven - test

df1 Giá trị F

P trong kiểm định Anova

df2

Phép kiểm định One - way Anova được thực hiện để so sánh sự khác biệt
tổng số hành vi bạo lực gia đình với địa bàn khảo sát.
Kết quả kiểm định Levene test kiểm định phương sai không bằng nhau
p=0,545 > 0,05. Do vậy đủ điều kiện phân tích Anova về sự khác biệt của tổng số
hành vi bạo lực với địa bàn khảo sát.
Kết quả phân tích one way anova cho thấy sự khác biệt của tổng số hành vi
bạo lực với địa bàn khảo sát có ý nghĩa F(2,897)= 50,955 , p=0,000. (p<0,001).

[Type here]