Kiểm định chi bình phương SPSS cho biết hai biến định tính có liên hệ với nhau hay không, và chiều đọc dòng Sig. là chỗ nhiều bài viết kết luận ngược.
Cập nhật lần cuối: 2026-09-22
Chuyên mục: research-methods
Kiểm định chi bình phương SPSS là gì, dùng khi nào?
Trả lời thẳng: Kiểm định chi bình phương SPSS thường được hiểu là kiểm định Chi bình phương độc lập (Pearson's chi-square test), dùng để phát hiện có hay không mối liên hệ giữa hai biến định tính. Trong SPSS, kiểm định này nằm trong thủ tục Crosstabs, khác với kiểm định Chi bình phương một mẫu dùng cho một biến duy nhất.
Bằng chứng: Kent State University Libraries (n.d.) gọi đây là kiểm định phi tham số, và xác nhận kiểm định này chạy dữ liệu dưới dạng bảng chéo, với một biến xếp theo hàng và biến kia xếp theo cột, mỗi ô là tần số quan sát của một tổ hợp. Laerd Statistics (n.d.) mô tả kiểm định Chi bình phương độc lập dùng để phát hiện mối liên hệ giữa hai biến định tính.
Ví dụ: Muốn biết giới tính có liên quan đến việc chọn ngành học hay không, đó là bài toán cho kiểm định Chi bình phương độc lập chạy qua Crosstabs, không phải kiểm định một mẫu. Nếu chưa quen với giao diện SPSS, SPSS là gì và dùng để làm gì giúp hình dung cách phần mềm tổ chức các nhóm lệnh phân tích.
Kiểm định chi bình phương độc lập cần thoả những giả định nào?
Trả lời thẳng: Ba giả định cần kiểm gồm: hai biến phải là biến định tính (đo ở mức danh định hoặc thứ bậc), các quan sát phải độc lập với nhau, và tần số kỳ vọng trong bảng chéo không được quá nhỏ. Quy tắc phổ biến là không quá 20% số ô có tần số kỳ vọng dưới 5, không ô nào dưới 1, và với bảng 2×2 nên siết ngưỡng đó lên từ 5 trở lên.
Bằng chứng: Laerd Statistics (n.d.) liệt kê hai giả định đầu về loại biến và tính độc lập của quan sát. Kent State University Libraries (n.d.) nêu quy tắc không quá 20% số ô dưới 5 và không ô nào dưới 1, còn Newcastle University (n.d.) xác nhận cùng ngưỡng 20% và ngưỡng không ô nào có tần số kỳ vọng bằng 0.
Ví dụ: Nếu một trong hai biến là điểm số liên tục, biến đó cần được nhóm lại thành các khoảng trước khi đưa vào kiểm định chi bình phương, vì kiểm định này chỉ chạy trên biến định tính.
Các bước chạy kiểm định chi bình phương trong SPSS?
Trả lời thẳng: Vào Analyze, chọn Descriptive Statistics, rồi chọn Crosstabs. Đưa một biến vào ô Row(s), biến còn lại vào ô Column(s), bấm nút Statistics và đánh dấu Chi-square, bấm nút Cells và đánh dấu Expected để SPSS xuất tần số kỳ vọng bên cạnh tần số quan sát, rồi bấm OK để xem cả hai bảng Crosstabulation và Chi-Square Tests trong cửa sổ Output.
Bằng chứng: Kent State University Libraries (n.d.) mô tả đường dẫn Analyze > Descriptive Statistics > Crosstabs, cùng thao tác đánh dấu Chi-square trong hộp thoại Statistics. Laerd Statistics (n.d.) hướng dẫn cùng các bước đưa biến vào Row(s) và Column(s) trước khi chạy kiểm định.
Ví dụ: Đưa biến giới tính vào Row(s), biến ngành học vào Column(s), đánh dấu Chi-square trong Statistics, đánh dấu Expected trong Cells, rồi bấm OK để SPSS xuất cả bảng Crosstabulation lẫn bảng Chi-Square Tests.
Đọc bảng Chi-Square Tests trong SPSS output như thế nào?
Trả lời thẳng: Dòng cần đọc là "Pearson Chi-Square", gồm χ², bậc tự do (df) và Asymptotic Significance, đây chính là giá trị p. Sig. dưới 0,05 nghĩa là bác bỏ giả thuyết hai biến độc lập, kết luận có mối liên hệ có ý nghĩa thống kê, còn Sig. từ 0,05 trở lên nghĩa là chưa đủ bằng chứng kết luận có mối liên hệ, đọc ngược hai chiều này là lỗi thường gặp khi viết kết quả.
Bằng chứng: Kent State University Libraries (n.d.) hướng dẫn đọc dòng Pearson Chi-Square cùng giá trị χ², df và Sig. Bậc tự do tính theo công thức df bằng (số hàng trừ 1) nhân (số cột trừ 1), ví dụ bảng 2×2 có df bằng 1.
Ví dụ: Khi SPSS hiển thị Sig. bằng 0,000, cách viết đúng vào báo cáo là p nhỏ hơn 0,001, không viết p bằng 0,000, vì giá trị p không bao giờ chính xác bằng 0.
Khi vi phạm giả định tần số kỳ vọng thì làm sao?
Trả lời thẳng: SPSS tự kiểm tra và báo giả định này bằng một dòng ghi chú dưới bảng Chi-Square Tests, dạng "X cells (Y%) have expected count less than 5". Khi vi phạm, hai hướng xử lý phổ biến là gộp các nhóm có tần số nhỏ lại với nhau để tăng tần số kỳ vọng, hoặc chuyển sang Fisher's Exact Test, đặc biệt với bảng 2×2 cỡ mẫu nhỏ.
Bằng chứng: Kent State University Libraries (n.d.) viết rằng SPSS báo dòng ghi chú "X cells (Y%) have expected count less than 5. The minimum expected count is Z." ngay dưới bảng Chi-Square Tests, và trong bảng output mẫu có in dòng Fisher's Exact Test. Newcastle University (n.d.) khuyên khi vi phạm nên chạy lại phân tích bằng Fisher's Exact Test. Ngưỡng 20% và 5 làm cơ sở phát hiện vi phạm đã nêu ở phần giả định trên.
Ví dụ: Một bảng 2×2 với cỡ mẫu 30 dễ có ô tần số kỳ vọng dưới 5, nên trước khi kết luận từ Pearson Chi-Square, cần đọc dòng ghi chú này để biết có cần chuyển sang Fisher's Exact Test hay không.
Làm sao biết mối liên hệ mạnh hay yếu?
Trả lời thẳng: Giá trị Sig. chỉ cho biết có hay không có mối liên hệ, không cho biết mối liên hệ đó mạnh hay yếu. Bảng 2×2 dùng hệ số Phi, bảng lớn hơn dùng Cramer's V. Cohen (1988) đề xuất ngưỡng diễn giải Cramer's V phụ thuộc vào bậc tự do df* (số hàng trừ 1, hoặc số cột trừ 1, lấy giá trị nhỏ hơn), không phải một mốc cố định cho mọi bảng.
Bằng chứng: Cohen (1988) đặt ba mức nhỏ, trung bình và lớn cho hệ số w lần lượt ở 0,10, 0,30 và 0,50, và ngưỡng Cramer's V trong bảng dưới đây suy ra từ đó bằng cách chia w cho căn bậc hai của df*, nên ngưỡng thay đổi theo kích thước bảng chứ không cố định.
| df* | Nhỏ | Trung bình | Lớn |
|---|---|---|---|
| 1 (bảng 2×2) | 0,10 | 0,30 | 0,50 |
| 2 | 0,07 | 0,21 | 0,35 |
| 3 | 0,06 | 0,17 | 0,29 |
| 4 | 0,05 | 0,15 | 0,25 |
| 5 | 0,04 | 0,13 | 0,22 |
Ví dụ: Một bảng 3×3 có df* bằng 2, nên Cramer's V bằng 0,25 ở bảng này đã thuộc mức trung bình đến lớn, trong khi cùng giá trị 0,25 ở bảng 2×2 (df* bằng 1) mới chỉ ở mức nhỏ đến trung bình, vì ngưỡng trung bình của df* bằng 1 là 0,30. Áp dụng một ngưỡng cố định 0,3 cho mọi bảng sẽ đọc sai độ mạnh của mối liên hệ. Với hai biến định tính khác cấu trúc, biến độc lập và biến phụ thuộc trong SPSS giúp xác định đúng biến nào đưa vào ô nào trước khi chạy Crosstabs.
Câu hỏi thường gặp
Chi bình phương SPSS khác gì kiểm định t-test hay ANOVA?
Chi bình phương kiểm định mối liên hệ giữa hai biến định tính, còn t-test và ANOVA so sánh trung bình của một biến định lượng giữa các nhóm. Nếu biến cần so sánh là điểm số hay số đo liên tục, kiểm định t-test trong SPSS là lựa chọn đúng hơn.
Cỡ mẫu bao nhiêu thì đủ để chạy chi bình phương?
Không có một con số cỡ mẫu cố định, điều kiện thật sự là tần số kỳ vọng trong bảng chéo, cụ thể không quá 20% số ô dưới 5 và không ô nào dưới 1. Cỡ mẫu càng lớn thì càng dễ thoả điều kiện này, nhưng một mẫu lớn với nhiều nhóm nhỏ vẫn có thể vi phạm.
Sig. bằng 0,000 trong SPSS có nghĩa là gì, viết vào báo cáo như thế nào?
SPSS chỉ làm tròn đến ba chữ số thập phân nên hiển thị 0,000, không phải giá trị p bằng 0 tuyệt đối. Cách viết đúng vào báo cáo hoặc luận văn là p nhỏ hơn 0,001.
Khi nào dùng hệ số Phi, khi nào dùng Cramer's V?
Hệ số Phi chỉ dùng khi cả hai biến đều có đúng hai giá trị, tức bảng 2×2. Khi một trong hai biến có từ ba giá trị trở lên, dùng Cramer's V, và đọc ngưỡng diễn giải theo df* của bảng đó thay vì một mốc cố định.
Kiểm định chi bình phương một mẫu khác gì kiểm định độc lập?
Kiểm định một mẫu (goodness-of-fit) so tần số quan sát của một biến với một phân phối lý thuyết định trước, chạy qua Nonparametric Tests. Kiểm định độc lập xét mối liên hệ giữa hai biến, chạy qua Crosstabs, và đây là loại phổ biến hơn trong luận văn và báo cáo.
Quên đánh dấu Expected trong Cells thì có ảnh hưởng gì không?
Kết quả kiểm định Pearson Chi-Square vẫn xuất ra bình thường, nhưng thiếu thao tác đánh dấu Expected thì SPSS không xuất bảng tần số kỳ vọng, nên không thể tự kiểm tra giả định tần số kỳ vọng có bị vi phạm hay không.
Nên làm gì tiếp theo
Chọn sai loại chi bình phương hoặc đọc ngược chiều Sig. là lỗi dễ mắc nhất ở phần này. Nếu bạn muốn có người soát lại từng dòng trong bảng Output cùng cách bạn đang diễn giải Sig. và hệ số Cramer's V, dịch vụ Dự án Dữ liệu & Lập trình của MAAS có chuyên gia đồng hành từ lúc chọn kiểm định tới khi bạn tự trình bày được kết quả. Đặt buổi tư vấn miễn phí 15 phút để bắt đầu.
References
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
- Kent State University Libraries. (n.d.). SPSS tutorials: Chi-square test of independence. Retrieved September 22, 2026, from https://libguides.library.kent.edu/SPSS/ChiSquare
- Laerd Statistics. (n.d.). Chi-square test for association using SPSS Statistics. Retrieved September 22, 2026, from https://statistics.laerd.com/spss-tutorials/chi-square-test-for-association-using-spss-statistics.php
- Newcastle University. (n.d.). Cross tabulation (chi-square test) [IT Service guide]. Retrieved September 22, 2026, from https://services.ncl.ac.uk/itservice/research/dataanalysis/simpletests/crosstabulationchi-squaretest/