Khi dữ liệu không đạt giả định chuẩn, bốn kiểm định phi tham số trong SPSS thay cho t-test và ANOVA, và chọn đúng loại khó hơn chạy nó.
Cập nhật lần cuối: 2026-09-22
Chuyên mục: research-methods
Kiểm định phi tham số trong SPSS là gì và khi nào nên dùng?
Trả lời thẳng: Kiểm định phi tham số là nhóm kiểm định không dựa vào ước lượng tham số hay giả định chính xác về phân phối của biến, nên dùng thay t-test hoặc ANOVA khi biến phụ thuộc đo ở thang thứ bậc, mẫu nhỏ chưa chắc chắn về tính chuẩn, dữ liệu lệch mạnh nhiều ngoại lệ, hoặc khi giả định chuẩn/đồng nhất phương sai bị vi phạm rõ.
Bằng chứng: Leerkes và Howell (n.d.) mở đầu chương thống kê phi tham số bằng đúng cách gọi tên nhóm kiểm định này: distribution-free tests, tức nhóm kiểm định không cần một dạng phân phối cụ thể nào để tính toán. Laerd Statistics (n.d.-a) liệt kê biến phụ thuộc đo ở mức thứ bậc hoặc liên tục là điều kiện đầu tiên cần xem trước khi chọn Kruskal-Wallis, còn Corder và Foreman (2014) minh hoạ một ca chọn Kruskal-Wallis vì dữ liệu đo trên thang thứ bậc 50 điểm.
Ví dụ: Khảo sát mức độ hài lòng bằng thang Likert 5 điểm là biến thứ bậc, nên phép so sánh nhóm cho biến này thường chạy kiểm định phi tham số thay vì t-test. Nếu bạn vừa nhận cảnh báo vi phạm giả định chuẩn khi chạy kiểm định t-test trong SPSS, bài này chỉ đúng bốn kiểm định thay thế và cách chạy từng loại.
Kiểm định phi tham số khác kiểm định tham số như thế nào?
Trả lời thẳng: Bốn kiểm định phi tham số thay thế bốn kiểm định tham số quen thuộc theo cùng cấu trúc dữ liệu: Mann-Whitney U thay independent-samples t-test, Wilcoxon signed-rank thay paired-samples t-test, Kruskal-Wallis H thay one-way ANOVA, và Friedman test thay repeated-measures ANOVA. Bảng dưới có thêm dòng thứ năm về hệ số tương quan Spearman, nằm ngoài bốn cặp chính. Đánh đổi là kiểm định phi tham số kém mạnh hơn khi dữ liệu thoả giả định chuẩn.
Bằng chứng: Bảng đối chiếu dưới đây tổng hợp từ Estrada (n.d.), Leerkes và Howell (n.d.), Laerd Statistics (n.d.-a) và Corder và Foreman (2014), khớp nhau ở cả bốn cặp kiểm định. Estrada (n.d.) viết rằng kiểm định Kruskal-Wallis không hiệu quả bằng kiểm định F, nên có thể cần khác biệt rõ rệt hơn để bác bỏ giả thuyết không.
Ví dụ: Nếu đề bài cần so sánh điểm hài lòng giữa ba cơ sở đào tạo và dữ liệu là thang Likert, kiểm định phù hợp là Kruskal-Wallis H chứ không phải One-Way ANOVA.
| Tình huống nghiên cứu | Kiểm định tham số | Kiểm định phi tham số thay thế |
|---|---|---|
| So sánh 2 nhóm độc lập | Independent-samples t-test | Mann-Whitney U |
| So sánh 2 lần đo liên hệ (trước, sau) | Paired-samples t-test | Wilcoxon signed-rank test |
| So sánh 3 nhóm độc lập trở lên | One-way ANOVA | Kruskal-Wallis H test |
| So sánh 3 lần đo liên hệ trở lên | Repeated-measures ANOVA | Friedman test |
| Mối liên hệ giữa 2 biến định lượng | Hệ số tương quan Pearson | Hệ số tương quan Spearman |
Mann-Whitney U dùng khi nào và chạy trong SPSS ra sao?
Trả lời thẳng: Mann-Whitney U so sánh hạng trung bình của hai nhóm độc lập bằng cách gộp toàn bộ quan sát rồi xếp hạng, và chỉ diễn giải là khác biệt trung vị khi phân phối hai nhóm cùng hình dạng. Trong SPSS, vào Analyze, chọn Nonparametric Tests, Legacy Dialogs, rồi 2 Independent Samples, đưa biến định lượng vào Test Variable List và biến phân nhóm vào Grouping Variable.
Bằng chứng: Van den Berg (n.d.-a) viết rằng "the Mann-Whitney test basically replaces all scores with their rank numbers," nghĩa là nếu biến phân nhóm không ảnh hưởng đến kết quả thì hạng trung bình của hai nhóm sẽ gần bằng nhau. Estrada (n.d.) viết trong tài liệu giảng dạy rằng kiểm định này không đòi hỏi giả định nào, nhưng cách nói đó chỉ đúng với giả định về dạng phân phối, vì kiểm định vẫn cần các quan sát độc lập và vẫn cần hai nhóm cùng hình dạng phân phối nếu bạn muốn diễn giải kết quả là khác biệt trung vị. Van den Berg (n.d.-a) khuyến nghị đọc dòng Exact Sig. thay vì Asymptotic Sig. khi mẫu bằng 40 hoặc ít hơn, vì giá trị xấp xỉ dựa trên phân phối chuẩn kém chính xác với mẫu nhỏ.
Ví dụ: So sánh điểm căng thẳng giữa nhóm sinh viên năm nhất và năm cuối với cỡ mẫu mỗi nhóm dưới 25 quan sát nên đọc dòng Exact Sig. (2-tailed) thay vì dòng Asymptotic Sig. mặc định trong bảng kết quả.
Wilcoxon signed-rank khác gì Mann-Whitney U?
Trả lời thẳng: Wilcoxon signed-rank dùng khi hai giá trị so sánh đến từ cùng một đối tượng, ví dụ đo trước và sau một can thiệp, còn Mann-Whitney U dùng cho hai nhóm độc lập hoàn toàn khác nhau. Đây là lỗi hay nhầm nhất vì cả hai đều mang tên Wilcoxon: Mann-Whitney U còn được gọi là Wilcoxon rank-sum test cho mẫu độc lập, khác với Wilcoxon signed-rank test cho mẫu liên hệ.
Bằng chứng: Van den Berg (n.d.-a) cảnh báo trực tiếp rằng kiểm định Wilcoxon cho mẫu độc lập không nên nhầm với kiểm định Wilcoxon signed-rank cho mẫu liên hệ. Leerkes và Howell (n.d.) minh hoạ Wilcoxon signed-rank bằng ví dụ so sánh thể tích hồi hải mã trái giữa hai anh em sinh đôi, một người mắc tâm thần phân liệt và một người bình thường, tức đúng cấu trúc cặp ghép đôi chứ không phải hai nhóm rời nhau.
Ví dụ: Đo mức độ lo âu của cùng một nhóm sinh viên trước và sau một khoá học là dữ liệu liên hệ nên dùng Wilcoxon signed-rank, còn so sánh mức độ lo âu giữa nhóm học online và nhóm học trực tiếp là hai nhóm độc lập nên dùng Mann-Whitney U.
Kruskal-Wallis H test là gì và vì sao kết quả có ý nghĩa vẫn cần làm thêm bước nữa?
Trả lời thẳng: Kruskal-Wallis H so sánh ba nhóm độc lập trở lên khi giả định chuẩn hoặc đồng nhất phương sai của ANOVA bị vi phạm. Bảng Test Statistics trong SPSS in thống kê này dưới nhãn khác tên gọi kiểm định, dễ gây nhầm khi đọc lần đầu, và kết quả có ý nghĩa chỉ cho biết có khác biệt tồn tại, chưa chỉ rõ nhóm nào khác nhóm nào.
Bằng chứng: Laerd Statistics (n.d.-a) liệt kê bốn giả định của Kruskal-Wallis, trong đó giả định thứ tư yêu cầu kiểm tra hình dạng phân phối của các nhóm có giống nhau hay không để biết nên diễn giải kết quả là khác biệt trung vị hay chỉ là khác biệt hạng trung bình. Corder và Foreman (2014) ghi cụ thể rằng SPSS gọi giá trị này là "Chi-Square" ngay trong dòng tiêu đề bảng kết quả. Statistics How To (n.d.) viết rằng kiểm định này chỉ trả lời câu hỏi "có khác biệt hay không", và muốn biết khác biệt cụ thể ở đâu thì phải chạy thêm một bước riêng gọi là Post Hoc test. Corder và Foreman (2014) minh hoạ bước đó bằng cách chạy nhiều lần Mann-Whitney U theo từng cặp nhóm kèm hiệu chỉnh Bonferroni, ví dụ với ba nhóm dùng mức ý nghĩa hiệu chỉnh 0,0167 thay vì 0,05 gốc để tránh tăng lỗi loại I do so sánh nhiều lần.
Ví dụ: Laerd Statistics (n.d.-a) đưa mẫu câu báo cáo kết quả theo chuẩn APA: một kiểm định Kruskal-Wallis H cho thấy khác biệt có ý nghĩa thống kê về điểm đau giữa các nhóm thuốc, với χ²(2) = 8,520, p = 0,014, kèm hạng trung bình của từng nhóm thay vì trung bình cộng thông thường. Nếu SPSS báo Chi-Square trong bảng kết quả Kruskal-Wallis nhưng bạn cần kiểm định liên hệ giữa hai biến định tính, đó là câu hỏi khác, xem kiểm định chi bình phương trong SPSS.
Friedman test dùng cho trường hợp nào?
Trả lời thẳng: Friedman test dùng khi so sánh ba lần đo liên hệ trở lên trên cùng một nhóm đối tượng, thay thế repeated-measures ANOVA khi dữ liệu không đạt giả định chuẩn hoặc là biến thứ bậc. Giống Kruskal-Wallis, Friedman xếp hạng dữ liệu trong từng đối tượng rồi so sánh tổng hạng giữa các lần đo. Trong SPSS, vào Analyze, chọn Nonparametric Tests, Legacy Dialogs, rồi K Related Samples.
Bằng chứng: Leerkes và Howell (n.d.) trình bày Friedman test ở cuối chương thống kê phi tham số với ví dụ đo thời gian đọc khi người tham gia gặp đại từ không khớp giới tính rập khuôn xã hội thường gặp, đo lặp lại trên cùng một nhóm người tham gia qua nhiều câu.
Ví dụ: Đo mức độ hài lòng của cùng một nhóm nhân viên ở ba thời điểm khác nhau trong năm là dữ liệu đo lặp ba lần trở lên nên dùng Friedman test, không phải Kruskal-Wallis H vốn chỉ dùng cho nhóm độc lập.
Cách chọn đúng kiểm định phi tham số cho dữ liệu của bạn?
Trả lời thẳng: Quy trình thường gặp là kiểm tra tính chuẩn bằng Shapiro-Wilk cho mẫu nhỏ hoặc Kolmogorov-Smirnov cho mẫu lớn hơn, sau đó nếu so sánh nhóm thì kiểm thêm đồng nhất phương sai bằng Levene's Test, rồi mới chọn giữa kiểm định tham số và kiểm định phi tham số tương ứng ở bảng phía trên. Đây là quy trình nền tảng phổ biến, không phải bước bắt buộc duy nhất.
Bằng chứng: Estrada (n.d., mục Homogeneity of variance) đưa Levene's Test vào quy trình như bước kiểm tra giả định đồng nhất phương sai trước khi chọn kiểm định. Statistics How To (n.d.) và Van den Berg (n.d.-b) cùng đặt bước kiểm tra phân phối trước khi chọn giữa kiểm định tham số và Kruskal-Wallis.
Ví dụ: Nếu Shapiro-Wilk cho kết quả có ý nghĩa thống kê (p nhỏ hơn 0,05) trên biến điểm số của bạn, bước tiếp theo là xem lại bảng đối chiếu ở trên để chọn đúng kiểm định phi tham số tương ứng thay vì cố chạy t-test hoặc ANOVA như dự định ban đầu. Trong thống kê ứng dụng, kết quả Levene's Test có ý nghĩa thường dẫn tới cân nhắc kiểm định Welch (một kiểm định tham số điều chỉnh cho phương sai không đồng nhất) hoặc chuyển sang kiểm định phi tham số.
Chọn đúng kiểm định phi tham số cho đề bài của bạn, chạy nó trong SPSS và hiểu đúng bảng kết quả là bước chuyên gia MAAS đồng hành cùng bạn qua Dự án Dữ liệu & Lập trình, thay vì để bạn tự đoán giữa bốn kiểm định. Đặt buổi tư vấn miễn phí 15 phút, support@maasedtech.com hoặc +84 979 422 393 (Zalo / WhatsApp), để chuyên gia xem qua dữ liệu và câu hỏi nghiên cứu của bạn trước khi chạy kiểm định.
Câu hỏi thường gặp
Kiểm định phi tham số có cần kiểm tra Shapiro-Wilk trước không?
Đây là bước khuyến nghị phổ biến trong quy trình phân tích chứ không phải điều kiện bắt buộc duy nhất, và nhiều đề bài chọn kiểm định phi tham số ngay từ đầu nếu biến vốn đã là thang thứ bậc như thang Likert.
Mann-Whitney U và Wilcoxon có phải cùng một kiểm định không?
Mann-Whitney U và Wilcoxon rank-sum test cho hai nhóm độc lập là cùng một kiểm định với hai tên gọi, nhưng khác với Wilcoxon signed-rank test dùng cho hai lần đo liên hệ trên cùng đối tượng.
Kết quả Kruskal-Wallis có ý nghĩa thì kết luận ngay được không?
Chưa nên dừng ở đó. Con số p nhỏ hơn 0,05 mới xác nhận có sự khác biệt tồn tại đâu đó trong ba nhóm trở lên, còn muốn biết cặp nhóm nào tạo ra khác biệt thì phải chạy tiếp nhiều lần Mann-Whitney U kèm hiệu chỉnh Bonferroni.
SPSS báo Chi-Square trong kết quả Kruskal-Wallis, vậy có phải kiểm định chi bình phương không?
Không, đây là hai kiểm định khác nhau. SPSS chỉ dùng chung nhãn Chi-Square vì thống kê H của Kruskal-Wallis được so sánh với phân phối chi bình phương, còn kiểm định chi bình phương độc lập là một kiểm định riêng cho hai biến định tính, xem kiểm định chi bình phương trong SPSS.
Nên báo cáo trung bình hay trung vị khi dùng kiểm định phi tham số?
Nên báo cáo trung vị và khoảng tứ phân vị của từng nhóm thay vì trung bình và độ lệch chuẩn, vì kiểm định phi tham số dựa trên hạng của dữ liệu chứ không phải giá trị gốc.
Có thể dùng kiểm định phi tham số cho mọi cỡ mẫu không?
Có thể dùng ở mọi cỡ mẫu, nhưng giá trị thực tiễn rõ nhất là với mẫu nhỏ hoặc dữ liệu lệch mạnh, vì mẫu lớn thường đã đủ để kiểm định tham số vẫn cho kết quả đáng tin nhờ định lý giới hạn trung tâm.
Nên làm gì tiếp theo
Chưa chắc dữ liệu của bạn nên chạy Mann-Whitney U, Kruskal-Wallis hay Friedman, hoặc phân vân sau kiểm định có ý nghĩa thì bước tiếp theo là gì? Đây đúng là câu hỏi buổi tư vấn miễn phí 15 phút tại Dự án Dữ liệu & Lập trình của MAAS xử lý: chuyên gia cùng bạn đối chiếu dữ liệu với bốn kiểm định phi tham số ở bảng trên, chạy đúng loại trong SPSS, còn phần diễn giải kết quả do bạn tự viết sẽ được soát lại trước khi bạn nộp bài.
References
- Corder, G. W., & Foreman, D. I. (2014). Nonparametric statistics: A step-by-step approach (2nd ed.). John Wiley & Sons.
- Estrada, S. (n.d.). Non-parametric methods in SPSS. University of Texas at Tyler, Office of Research & Sponsored Programs, Research Design & Data Analysis Lab. Retrieved September 22, 2026, from https://www.uttyler.edu/research/office/ors-research-design-data-analysis-lab/files/sestrada-non-parametric-methods-in-spss-01272023.pdf
- Leerkes, E., & Howell, D. C. (n.d.). 12. Nonparametric statistics [SPSS manual chapter]. University of Vermont, Department of Psychological Science. Retrieved September 22, 2026, from https://www.uvm.edu/~statdhtx/fundamentals9/SPSSManual/SPSSLongerManual/SPSSChapter12.pdf
- Laerd Statistics. (n.d.-a). Kruskal-Wallis H test using SPSS Statistics. Retrieved September 22, 2026, from https://statistics.laerd.com/spss-tutorials/kruskal-wallis-h-test-using-spss-statistics.php
- Statistics How To. (n.d.). Kruskal Wallis H test: Definition, examples, assumptions, SPSS. Retrieved September 22, 2026, from https://www.statisticshowto.com/kruskal-wallis/
- Van den Berg, R. G. (n.d.-a). SPSS Mann-Whitney test: The ultimate guide. SPSS Tutorials. Retrieved September 22, 2026, from https://www.spss-tutorials.com/spss-mann-whitney-test/
- Van den Berg, R. G. (n.d.-b). Kruskal-Wallis test (statistics): The ultimate guide. SPSS Tutorials. Retrieved September 22, 2026, from https://www.spss-tutorials.com/kruskal-wallis-test/