Bài 3. Phân tích hiệp phương sai một chiều (One-way ANCOVA)

3. Kiểm tra ANCOVA trong SPSS

Ví dụ, bạn có thể sử dụng ANCOVA một chiều để xác định xem thành tích thi Toán có khác nhau hay không dựa trên mức độ lo lắng trong bài kiểm tra giữa các học sinh, đồng thời kiểm soát thời gian ôn tập (tức là, các biến phụ thuộc của bạn sẽ là “thành tích thi Toán” (Diemtoan), tất cả được đo từ 0-100, biến độc lập của bạn sẽ là “mức độ lo lắng khi kiểm tra” (Loau), có ba nhóm – “0 = sinh viên lo âu thấp” , “1 = sinh viên lo âu trung bình” và “2 = sinh viên lo âu cao” – và hiệp biến của bạn sẽ là “thời gian ôn tập” (Gioontap), tính bằng giờ). Tổng số 21 học sinh được lựa chọn tham gia nghiên cứu. Họ đã được phát một bảng câu hỏi để xác định mức độ lo lắng khi làm bài kiểm tra của họ. Tiếp theo, điểm thi của học sinh đã được ghi lại. Cuối cùng, lượng thời gian mỗi học sinh dành cho việc ôn tập đã được ghi lại. Mức ý nghĩa Alpha được chọn là 5%.

3.1. Kiểm tra giả định

Trước khi thực hiện bài kiểm tra ANCOVA, chúng ta cần tiến hành các bài kiểm tra một số giả định cơ bản. Một số giả định kiểm tra được giải thích trong kết quả của ANCOVA, trong khi dưới đây là các giả định phải kiểm tra độc lập.

3.1.1. Giả định về mối quan hệ tuyến tính giữa hiệp biến và biến phụ thuộc ở mỗi cấp độ biến độc lập (giả định 7)

– Bước 1: Nhấp vào Graphs > Legacy Dialogs > Scatter/Dot. Sau đó chọn Matrix Scatter và nhấp vào Define.

– Bước 2: Chuyển hiệp biến ‘Gioontap’ và biến phụ thuộc ‘Diemtoan’ vào ô Matrix Variables. Chuyển biến độc lập ‘Loau’ vào ô Rows hoặc Columns.

– Bước 3: Nhấp OK để chạy kết quả như hình dưới đây:

Nhận xét: Nói chung, với 7 điểm dữ liệu quan sát cho mỗi ô là quá ít để nhận thấy một mối liên hệ tuyến tính thực sự rõ ràng giữa một hiệp biến ‘Gioontap’ và biến phụ thuộc ‘Diemtoan’. Tại cấp độ lo âu trung bình, chúng ta chưa thấy một mối quan hệ tuyến tính này. Điều này có thể được cải thiện khi tăng cỡ mẫu. Nhưng với tính chất minh họa (và có thể do số điểm dữ liệu quá ít), chúng ta tạm chấp nhận giả định số 7 được đáp ứng.

3.1.2. Sự đồng nhất của độ dốc hồi quy, tức là không có sự tương tác giữa hiệp biến và biến độc lập (giả định 9)

– Bước 1: Nhấp vào Analyze > General Linear Model > Univariate…

– Bước 2: Trong hội thoại Univariate, bạn chuyển biến phụ thuộc ‘Diemtoan’ vào ô Dependent Variables; chuyển biến độc lập ‘Loau’ vào ô Fixed Factor(s); chuyển hiệp biến ‘Gioontap’ vào ô Covariate.

– Bước 3: Nhấp vào nút Model để mở hộp thoại Univariate: Model. Nhấp vào lựa chọn Build terms, bạn chọn yếu tố ‘Loau’ từ vào ô Factors&Covariates chuyển vào ô Model. Tiếp theo, chọn yếu tố ‘Gioontap’ từ vào ô Factors&Covariates chuyển vào ô Model. Cuối cùng, chọn cả hai biến ‘Loau’ và ‘Gioontap’ để tạo ra hiệu ứng tương tác ‘Gioontap*Loau’ trong ô Model. Sau đó nhấp vào Continue.

– Bước 4: Nhấp OK để chạy kết quả.

Kết quả trong bảng Test of Between-Subjects Effects cho thấy giá trị tại hàng ‘Loau*Gioontap’ và cột ‘Sig.’ có giá trị p = 0.106 > 0.05 cho thấy chúng ta chấp nhận giả thuyết vô hiệu – giả thuyết đáp ứng điều kiện không có sự tương tác giữa hiệp biến và biến độc lập.

Các giả định khác được kiểm tra trong kết quả đầu ra của ANCOVA.