ANOVA (Analysis of Variance, phân tích phương sai) là kiểm định thống kê giúp bạn so sánh trung bình của ba nhóm trở lên trong cùng một lần chạy, thay vì phải chạy nhiều lần kiểm định t cho từng cặp nhóm. Bài viết này giúp bạn quyết định khi nào luận văn của mình cần ANOVA thay cho kiểm định t, kiểm tra các giả định trước khi chạy, thao tác đúng trong SPSS, và đọc được bảng kết quả để viết vào chương kết quả mà không lúng túng trước câu hỏi của hội đồng.
Tác giả: Ban Biên tập MAAS
Cập nhật lần cuối: 2026-09-12
Chuyên mục: research-methods
ANOVA là gì và viết tắt của từ gì?
Trả lời thẳng: ANOVA là viết tắt của Analysis of Variance, tức phân tích phương sai, một kỹ thuật thống kê dùng để kiểm định giả thuyết rằng trung bình của nhiều nhóm bằng nhau. Kỹ thuật này mở rộng kiểm định t hai mẫu, cho phép bạn so sánh từ ba nhóm trở lên trong cùng một lần chạy, thay vì lặp lại kiểm định t cho từng cặp nhóm và làm tăng nguy cơ sai lầm loại I.
IBM Corporation (n.d.), trong tài liệu chính thức của phần mềm SPSS, gọi phân tích phương sai là phần mở rộng của kiểm định t hai mẫu, dùng để kiểm định giả thuyết rằng nhiều trung bình bằng nhau. Field (2018) dành hẳn một chương cho kiểm định này trong giáo trình Discovering Statistics Using IBM SPSS Statistics.
Lý do ANOVA tồn tại dễ thấy nhất qua một tình huống cụ thể. Giả sử luận văn của bạn so sánh điểm trung bình của sinh viên ở ba lớp học theo ba phương pháp giảng dạy khác nhau. Nếu chạy ba lần kiểm định t riêng cho từng cặp lớp, mỗi lần chạy lại cộng thêm một khả năng kết luận nhầm rằng có khác biệt trong khi thực tế không có, và cộng dồn qua ba lần thì khả năng tìm ra một khác biệt giả tăng lên đáng kể. Chạy một lần ANOVA cho cả ba nhóm cùng lúc giải quyết đúng vấn đề đó. Nếu bạn chưa quen với cách phần mềm tổ chức các bước phân tích, bài SPSS là gì và dùng để làm gì nên được đọc trước.
ANOVA khác kiểm định t (t-test) ở điểm nào, khi nào nên chọn ANOVA?
Trả lời thẳng: Kiểm định t chỉ so sánh được trung bình của hai nhóm, còn ANOVA cho phép so sánh trung bình của từ ba nhóm trở lên chỉ trong một lượt chạy. Nếu biến độc lập của bạn chỉ có hai nhóm, one-way ANOVA và kiểm định t mẫu độc lập cho ra kết luận tương đương nhau, nên khi đó bạn không cần chọn ANOVA mà dùng kiểm định t là đủ.
Kent State University Libraries (2026) mô tả one-way ANOVA là phép so sánh trung bình của một biến phụ thuộc định lượng theo các nhóm của một biến phân loại có từ hai nhóm trở lên. Theo hướng dẫn đó, khi biến phân loại chỉ chia thành hai nhóm thì bình phương của giá trị t trùng với giá trị F, nên hai phép tính dẫn tới cùng một kết luận thống kê. Nói cách khác, kiểm định t là một trường hợp riêng của ANOVA, và chọn phép nào khi chỉ có hai nhóm không làm thay đổi kết quả.
Sự khác nhau chỉ lộ ra khi số nhóm tăng lên. Với đề tài so sánh mức độ hài lòng giữa sinh viên học trực tuyến và sinh viên học trực tiếp, kiểm định t là đủ. Nhưng nếu luận văn thêm nhóm thứ ba học theo mô hình kết hợp, bạn cần chuyển sang ANOVA để so sánh cả ba nhóm cùng lúc, thay vì chạy nhiều lần kiểm định t riêng lẻ rồi ghép kết quả lại. Cách đọc bảng kết quả t-test trong SPSS, cũng như cách chọn giữa dạng independent-samples và paired-samples, cần một quy trình riêng mà bài đó trình bày đầy đủ.
Có những loại kiểm định ANOVA nào?
Trả lời thẳng: Bài này tập trung vào one-way ANOVA, tức ANOVA một yếu tố, dùng để so sánh trung bình giữa các nhóm của đúng một biến độc lập khi biến đó chia thành từ ba nhóm trở lên. Ngoài ra còn có two-way ANOVA khi đề tài có hai biến độc lập, và MANOVA khi mô hình có nhiều biến phụ thuộc cùng lúc.
One-way ANOVA thường là dạng học viên gặp trong luận văn, vì nhiều câu hỏi so sánh nhóm chỉ xoay quanh một biến phân loại như ngành học, khối lớp hay loại hình doanh nghiệp. IBM Corporation (n.d.) và Kent State University Libraries (2026) cùng xác nhận đường dẫn Analyze, Compare Means, rồi One-Way ANOVA cho kiểm định này trong SPSS. Pallant (2020) dành riêng một chương của SPSS Survival Manual cho one-way ANOVA, và cuốn sách được viết cho đúng đối tượng sinh viên đang phải chọn kỹ thuật phân tích cho luận văn của mình.
Ví dụ, khi so sánh điểm trung bình theo ba nhóm ngành học khác nhau, bạn dùng one-way ANOVA vì chỉ có một biến độc lập chia thành ba nhóm. Nếu đề tài còn thêm biến giới tính và bạn muốn xem ngành học và giới tính cùng tác động ra sao, đó là lúc cân nhắc two-way ANOVA. Còn nếu bạn chưa chốt được đề tài nên đi theo hướng định lượng hay định tính, bài định tính, định lượng hay hỗn hợp, chọn thế nào giúp xác định hướng đi trước khi nghĩ tới chuyện chọn kiểm định.
Trước khi chạy ANOVA cần kiểm tra những giả định (điều kiện) nào?
Trả lời thẳng: Bốn điều kiện cần kiểm là các nhóm phải độc lập với nhau, biến phụ thuộc có phân phối xấp xỉ chuẩn trong từng nhóm, phương sai giữa các nhóm xấp xỉ bằng nhau, kiểm bằng Levene's Test với ngưỡng Sig. 0,05, và dữ liệu không có giá trị ngoại lai. ANOVA vẫn khá vững (robust) trước việc dữ liệu lệch khỏi phân phối chuẩn, miễn dữ liệu không quá lệch.
Bốn điều kiện trên nằm trong danh sách tám yêu cầu dữ liệu của one-way ANOVA mà Kent State University Libraries (2026) liệt kê. Về điều kiện phân phối chuẩn, tài liệu của IBM viết: "Analysis of variance is robust to departures from normality, although the data should be symmetric" (IBM Corporation, n.d.), nghĩa là phân tích phương sai chịu được việc dữ liệu lệch khỏi phân phối chuẩn, miễn là dữ liệu tương đối đối xứng. Field (2018) cũng dành một mục riêng bàn về các giả định này, trong đó có tính đồng nhất phương sai, và kết quả kiểm tra giả định này quyết định bạn sẽ đọc bảng nào ở bước sau.
Giả định phương sai đồng nhất là chỗ đáng chuẩn bị kỹ trước buổi bảo vệ. Nếu Levene's Test cho Sig. nhỏ hơn 0,05, giả định này bị vi phạm, và bạn phải chuyển sang đọc một bảng kiểm định khác thay cho bảng ANOVA F thông thường, như phần đọc kết quả bên dưới trình bày. Bỏ qua bước này rồi vẫn báo cáo bảng ANOVA gốc là lỗi mà người phản biện có thể chỉ ra. Nếu bạn đang viết chương phương pháp, bài cách viết chương phương pháp hướng dẫn thêm cách lập luận vì sao chọn kiểm định này và đã kiểm tra những điều kiện nào.
Các bước chạy kiểm định ANOVA trong SPSS như thế nào?
Trả lời thẳng: Vào Analyze, chọn Compare Means, rồi chọn One-Way ANOVA. Đưa biến định lượng vào ô Dependent List và biến phân loại từ ba nhóm trở lên vào ô Factor. Bấm Options để bật kiểm định Levene, thống kê mô tả, cùng Welch và Brown-Forsythe, bấm Post Hoc để chọn kiểm định hậu định, rồi bấm OK để chạy.
Kent State University Libraries (2026) mô tả cách đưa biến vào hai ô Dependent List và Factor, còn IBM Corporation (n.d.) xác nhận cùng đường dẫn Analyze, Compare Means, One-Way ANOVA. Cũng theo IBM Corporation (n.d.), nút Options cho phép bật Homogeneity of variance test, Descriptive, Welch và Brown-Forsythe, còn nút Post Hoc liệt kê đầy đủ các kiểm định hậu định mà phần mềm hỗ trợ.
Với dữ liệu so sánh điểm trung bình theo ba nhóm ngành học, trình tự cụ thể là đưa biến điểm vào Dependent List, đưa biến ngành học vào Factor, đánh dấu Homogeneity of variance test cùng Welch và Brown-Forsythe trong Options, rồi chọn Tukey trong Post Hoc trước khi bấm OK. Bật sẵn Welch và Brown-Forsythe ngay từ lần chạy đầu giúp bạn khỏi phải chạy lại khi Levene's Test cho kết quả không như mong đợi.
Đọc bảng kết quả kiểm định ANOVA trong SPSS ra sao?
Trả lời thẳng: Đọc bảng Levene's Test trước để biết dùng bảng nào tiếp theo. Nếu Sig. lớn hơn 0,05, đọc bảng ANOVA gốc với các hàng Between Groups, Within Groups và Total, cùng các cột Sum of Squares, df, Mean Square, F và Sig. Nếu Sig. nhỏ hơn 0,05, chuyển sang đọc bảng Robust Tests of Equality of Means.
Theo cách trình bày của Kent State University Libraries (2026), giá trị F bằng Mean Square giữa các nhóm chia cho Mean Square trong nhóm, nên F càng lớn thì phần khác biệt giữa các nhóm càng lấn át phần dao động bên trong từng nhóm. Khi Levene's Test cho Sig. nhỏ hơn 0,05 và cỡ mẫu giữa các nhóm chênh lệch nhau, Kent State University Libraries (2026) khuyến nghị đọc Welch hoặc Brown-Forsythe thay cho bảng ANOVA F thông thường, và IBM Corporation (n.d.) gọi bảng kết quả đó là Robust Tests of Equality of Means.
Hai nghiên cứu mô phỏng giải thích vì sao trình tự này hợp lý. Nguyen và cộng sự (2020), qua mô phỏng Monte Carlo trên 82.080 điều kiện, cho thấy kiểm định F thông thường hoặc Brown-Forsythe kiểm soát sai lầm loại I tốt nhất khi phương sai đồng nhất. Lix, Keselman và Keselman (1996), trong một tổng hợp định lượng, cho thấy kiểm định Welch thường tốt hơn khi giả định đó bị vi phạm. Trước khi so trung bình giữa các nhóm, đọc độ lệch chuẩn của từng nhóm cũng giúp bạn đoán trước dữ liệu có đồng nhất hay không, xem bài độ lệch chuẩn là gì.
Một điểm hay bị hiểu sai là ý nghĩa của Sig. trong bảng ANOVA gốc. Nếu Sig. nhỏ hơn 0,05, bạn kết luận trung bình giữa các nhóm có khác biệt, nhưng bảng đó chưa cho biết cụ thể nhóm nào khác nhóm nào. Bước tiếp theo là đọc bảng Multiple Comparisons của kiểm định hậu định đã chọn khi chạy, để xác định chính xác cặp nhóm nào khác nhau.
Khi ANOVA có ý nghĩa thống kê, làm sao biết nhóm nào khác nhóm nào (Post Hoc)?
Trả lời thẳng: Bạn cần chạy thêm một kiểm định hậu định phù hợp với dữ liệu của mình. Khi giả định phương sai đồng nhất được thoả, dùng Tukey's HSD hoặc Bonferroni. Khi giả định phương sai không đồng nhất, dùng Games-Howell hoặc Tamhane's T2. Bảng Multiple Comparisons sau đó cho biết chính xác cặp nhóm nào khác nhau có ý nghĩa thống kê.
IBM Corporation (n.d.) chia các kiểm định hậu định trong SPSS thành hai nhóm. Nhóm thứ nhất giả định phương sai đồng nhất, gồm Tukey và Bonferroni, còn nhóm thứ hai không đặt giả định đó, gồm Games-Howell và Tamhane's T2. Vì vậy kết quả Levene's Test ở bước trước không chỉ quyết định bạn đọc bảng ANOVA nào, mà còn quyết định bạn chọn kiểm định hậu định thuộc nhóm nào.
Khi viết vào luận văn, câu kết luận phải đi đúng phạm vi của bảng Multiple Comparisons. Nếu kiểm định Tukey cho thấy nhóm A khác nhóm B có ý nghĩa thống kê nhưng nhóm A và nhóm C thì không, bạn viết rằng khác biệt trung bình chỉ được xác nhận giữa nhóm A và nhóm B, chứ không viết rằng cả ba nhóm đều khác nhau.
Nên chọn kiểm định nào cho từng tình huống?
Trả lời thẳng: Lựa chọn phụ thuộc vào số nhóm cần so sánh và kết quả Levene's Test. Hai nhóm độc lập thì dùng kiểm định t. Từ ba nhóm trở lên thì dùng one-way ANOVA nếu phương sai đồng nhất, hoặc Welch và Brown-Forsythe nếu phương sai không đồng nhất. Khi ANOVA có ý nghĩa, chọn kiểm định hậu định theo cùng điều kiện phương sai đó.
| Tình huống dữ liệu | Kiểm định nên dùng | Vì sao |
|---|---|---|
| So sánh trung bình của 2 nhóm độc lập | Independent-samples t-test | Tương đương ANOVA khi chỉ có 2 nhóm |
| 3 nhóm trở lên, Levene's Test Sig. > 0,05 | One-way ANOVA, đọc bảng ANOVA gốc | Giả định phương sai đồng nhất được thoả |
| 3 nhóm trở lên, Levene's Test Sig. < 0,05 | Welch (ưu tiên), hoặc Brown-Forsythe | Bảng ANOVA gốc không còn đáng tin |
| ANOVA có ý nghĩa, phương sai đồng nhất | Post Hoc Tukey's HSD hoặc Bonferroni | Dùng khi giả định phương sai đồng nhất được thoả |
| ANOVA có ý nghĩa, phương sai không đồng nhất | Post Hoc Games-Howell hoặc Tamhane's T2 | Không giả định phương sai bằng nhau |
Bảng trên chỉ áp dụng khi câu hỏi nghiên cứu là so sánh trung bình giữa các nhóm. Khi câu hỏi là về mối quan hệ tuyến tính giữa hai biến định lượng, tương quan Pearson mới là kiểm định phù hợp, và dùng ANOVA cho loại câu hỏi đó có thể bị hội đồng hỏi lại.
Câu hỏi thường gặp
Kiểm định ANOVA trong SPSS nằm ở menu nào?
Vào Analyze, chọn Compare Means, rồi chọn One-Way ANOVA. Đây là đường dẫn mà cả IBM lẫn Kent State University Libraries đều xác nhận.
ANOVA và kiểm định Chi-square khác nhau thế nào?
ANOVA so sánh trung bình của một biến định lượng giữa các nhóm. Chi-square kiểm tra mối liên hệ giữa hai biến định tính và không so sánh trung bình nào cả. Hai kiểm định trả lời hai câu hỏi khác nhau, nên không thay thế được cho nhau.
Cỡ mẫu mỗi nhóm bao nhiêu thì đủ để chạy ANOVA?
Không có một con số cố định cho mọi đề tài. Cỡ mẫu phù hợp phụ thuộc vào mức khác biệt bạn muốn phát hiện và độ biến thiên của dữ liệu, nên cách chặt chẽ hơn là tính cỡ mẫu trước khi thu thập dữ liệu, thay vì chọn tuỳ ý rồi mới đi kiểm định.
Nếu Sig. của Levene's Test nhỏ hơn 0,05 thì phải làm gì tiếp?
Bạn chuyển sang đọc bảng Robust Tests of Equality of Means, ưu tiên kết quả Welch, hoặc Brown-Forsythe nếu Welch không phù hợp, thay cho bảng ANOVA F thông thường, vì bảng gốc không còn đáng tin khi phương sai không đồng nhất.
ANOVA có cho biết mức khác biệt giữa các nhóm lớn hay nhỏ không?
Không hẳn. ANOVA chỉ trả lời câu hỏi có hay không có khác biệt trung bình giữa các nhóm. Muốn biết mức khác biệt đó lớn hay nhỏ, bạn cần tính thêm một chỉ số kích thước hiệu ứng như eta-squared.
Kết quả ANOVA nên viết vào chương kết quả luận văn như thế nào?
Cách viết chuẩn học thuật trình bày theo dạng F(bậc tự do giữa nhóm, bậc tự do trong nhóm) = giá trị, p = giá trị, kèm một chỉ số kích thước hiệu ứng như eta-squared. Giá trị F và p cho hội đồng biết trung bình các nhóm có khác nhau hơn mức ngẫu nhiên hay không, còn chỉ số kích thước hiệu ứng mới cho biết mức khác biệt đó lớn hay nhỏ.
Nếu bạn đang phân vân giữa kiểm định t và ANOVA, hoặc chưa chắc nên đọc bảng nào sau Levene's Test, người nên hỏi đầu tiên là giảng viên hướng dẫn, vì phương pháp của luận văn phải được thầy cô chấp thuận. Để có người ngồi cùng bạn qua từng bảng kết quả ANOVA, dịch vụ Hỗ trợ xử lý số liệu luận văn của MAAS ghép bạn với một chuyên gia đúng chuyên ngành để cùng chọn kiểm định, kiểm tra giả định và giải thích từng bước chạy trên dữ liệu của bạn. Chương kết quả vẫn do bạn viết và diễn giải, chuyên gia đọc và góp ý. Bạn có thể hẹn buổi tư vấn miễn phí 15 phút để trao đổi trước.
References
- Field, A. (2018). Discovering statistics using IBM SPSS statistics (5th ed.). SAGE Publications.
- IBM Corporation. (n.d.). One-way ANOVA [SPSS Statistics 32.0.0 documentation]. Retrieved September 12, 2026, from https://www.ibm.com/docs/en/spss-statistics/32.0.0?topic=features-one-way-anova
- Kent State University Libraries. (2026). SPSS tutorials: One-way ANOVA. https://libguides.library.kent.edu/spss/onewayanova
- Lix, L. M., Keselman, J. C., & Keselman, H. J. (1996). Consequences of assumption violations revisited: A quantitative review of alternatives to the one-way analysis of variance F test. Review of Educational Research, 66(4), 579-619. https://doi.org/10.3102/00346543066004579
- Nguyen, D., Kim, E., Wang, Y., Pham, T. V., Chen, Y.-H., & Kromrey, J. D. (2020). Empirical comparison of tests for one-factor ANOVA under heterogeneity and non-normality: A Monte Carlo study. Journal of Modern Applied Statistical Methods, 18(2), eP2906. https://doi.org/10.22237/jmasm/1604190000
- Pallant, J. (2020). SPSS survival manual: A step by step guide to data analysis using IBM SPSS (7th ed.). Routledge. https://doi.org/10.4324/9781003117452