Skip to content
MAAS EdTech, Academic Success Partner
Tư vấnTư vấn
Quay lại BlogResearch Methods

Kiểm định trung bình tổng thể là gì và làm sao chọn đúng phép kiểm?

14 phút đọc2,715 từNEW
Bảng so sánh ba dạng cặp giả thuyết hai đuôi, đuôi phải và đuôi trái trong kiểm định trung bình tổng thể

Kiểm định trung bình tổng thể so trung bình mẫu với một mốc cho trước, phép kiểm sinh viên Việt Nam hay gặp trong bài xác suất thống kê.

Cập nhật lần cuối: 2026-09-20
Chuyên mục: research-methods

Kiểm định trung bình tổng thể là gì?

Trả lời thẳng: Kiểm định trung bình tổng thể là phép kiểm định giả thuyết xem trung bình của một biến định lượng trong mẫu có khác một giá trị tham chiếu μ0 đã biết hoặc giả định hay không. Đây là dạng kiểm định một mẫu, khác với kiểm định so sánh hai nhóm hay nhiều nhóm.

Bằng chứng: Dunn (n.d.) mô tả kiểm định trung bình một mẫu là phép so trung bình mẫu quan sát được với một giá trị μ0 do người nghiên cứu đặt ra từ trước, dùng thống kê t để quyết định có bác bỏ giả thuyết gốc hay không. PennState Eberly College of Science (n.d.-a) trình bày quy trình năm bước cho kiểm định này, gồm đặt giả thuyết, kiểm tra điều kiện áp dụng, tính thống kê kiểm định, đối chiếu giá trị p với mức ý nghĩa, rồi kết luận theo đúng bối cảnh câu hỏi nghiên cứu ban đầu.

Ví dụ: Dunn (n.d.) chạy trọn phép kiểm này trên một bộ dữ liệu thân nhiệt người gồm 130 quan sát, thu thập năm 1992 và được tập hợp lại năm 1996. Mốc tham chiếu μ0 là 37,0 độ C, trung bình mẫu đo được 36,8052 với độ lệch chuẩn 0,4073 và sai số chuẩn 0,035724, nên t ra −5,453, tức trung bình mẫu nằm cách mốc giả định hơn năm lần sai số chuẩn. Một đề bài hỏi điểm trung bình của một lớp có khác 7 hay không, dựa trên điểm của 30 sinh viên, chạy theo đúng mạch đó. Nếu đề bài yêu cầu chạy trong phần mềm thay vì tính tay, kiểm định t trong SPSS trình bày đúng thao tác One-Sample T-Test cho tình huống này.

Khi nào dùng z-test, khi nào dùng t-test để kiểm định trung bình?

Trả lời thẳng: Dùng z-test khi đã biết trước độ lệch chuẩn của tổng thể, trường hợp hiếm gặp trong thực tế nghiên cứu. Dùng t-test khi chỉ có độ lệch chuẩn mẫu, tức gần như mọi bài tập và luận văn thực tế. Khi cỡ mẫu đủ lớn, hai phép kiểm định cho kết quả gần giống nhau.

Bằng chứng: PennState Eberly College of Science (n.d.-a) ghi rõ kiểm định z một mẫu chỉ là lựa chọn tuỳ chọn, chỉ dùng trong trường hợp đặc biệt đã biết σ của tổng thể, còn phần lớn tình huống thực tế dùng t-test vì độ lệch chuẩn tổng thể không xác định trước. Statistics Fundamentals (2026) tổng hợp cùng phân biệt này thành bảng so sánh, đồng thời cảnh báo một lỗi thường gặp là dùng z-test dù chưa biết σ, làm tăng sai số loại I của kết luận. Cùng nguồn cho biết khi bậc tự do lớn, ví dụ df bằng 120, phân phối t hội tụ gần với phân phối z nên khác biệt giữa hai kết quả trở nên nhỏ.

Ví dụ: Một đề bài ghi rõ "biết độ lệch chuẩn tổng thể σ = 5" là tín hiệu để dùng z-test, còn một khảo sát thực tế chỉ có số liệu mẫu thu thập được thì gần như luôn dùng t-test. Nhầm hai trường hợp này là một lỗi dễ mắc, vì đề bài không phải lúc nào cũng nói rõ độ lệch chuẩn đang có là của mẫu hay của tổng thể.

Các bước tính kiểm định trung bình tổng thể theo công thức là gì?

Trả lời thẳng: Bốn bước gồm đặt cặp giả thuyết H0 và H1, tính thống kê kiểm định t bằng công thức (x̄ − μ0) chia cho (s chia căn n), xác định bậc tự do df bằng n trừ 1, rồi so giá trị p với mức ý nghĩa α để quyết định bác bỏ hay không bác bỏ H0.

Bằng chứng: LibreTexts Statistics (2024), cập nhật ngày 22 tháng 10 năm 2024, trình bày công thức t = (x̄ − μ0) / (s/√n) cho kiểm định t một mẫu, cùng quy trình bảy bước từ đặt giả thuyết tới báo cáo kết quả theo chuẩn APA, với df tính bằng n trừ 1, dùng mức ý nghĩa 5% làm mốc quyết định trong ví dụ minh hoạ của mình, cho t = 3,4294 so với giá trị tới hạn 2,064 ở df = 24. PennState Eberly College of Science (n.d.-b) minh hoạ bằng ví dụ huyết áp tâm thu của 100 người tham gia Honolulu Heart Study, trung bình mẫu 130,1 mmHg, độ lệch chuẩn mẫu 21,21, so với mốc tham chiếu 120 mmHg, cho t bằng 4,762 với 99 bậc tự do, lớn hơn giá trị tới hạn 1,9842 nên dẫn tới kết luận bác bỏ H0 ở mức ý nghĩa 5%. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cũng trình bày kiểm định trung bình một mẫu theo hướng tương tự trong giáo trình phân tích dữ liệu SPSS tiếng Việt được nhiều trường đại học Việt Nam sử dụng.

Ví dụ: Nếu một mẫu 25 sinh viên có điểm trung bình 7,4 và độ lệch chuẩn 1,2, muốn kiểm định trung bình đó có khác mốc 7 hay không ở mức ý nghĩa 5%, bạn thay trực tiếp các số vào công thức trên, tính ra t xấp xỉ 1,67 với df bằng 24, rồi tra bảng t hai đuôi để so sánh, đúng cách LibreTexts Statistics (2024) trình bày trong ví dụ minh hoạ của mình. Một mẫu khác với 40 quan sát, trung bình 6,8 và độ lệch chuẩn 1,5, so với mốc 7, sẽ cho t âm và cần đọc dấu âm đó theo đúng hướng giả thuyết đang kiểm định.

Kiểm định một đuôi và hai đuôi khác nhau thế nào?

Trả lời thẳng: Kiểm định hai đuôi hỏi trung bình có khác μ0 hay không, không quan tâm hướng lệch. Kiểm định đuôi phải hỏi trung bình có lớn hơn μ0 hay không. Kiểm định đuôi trái hỏi trung bình có nhỏ hơn μ0 hay không. Chọn sai loại làm sai lệch cách đọc giá trị p trong bảng kết quả.

Bảng so sánh ba dạng cặp giả thuyết hai đuôi, đuôi phải và đuôi trái trong kiểm định trung bình tổng thể

Bằng chứng: PennState Eberly College of Science (n.d.-a) trình bày bảng ba dạng cặp giả thuyết theo câu hỏi nghiên cứu, ứng với H1 là μ khác μ0 cho hai đuôi, μ lớn hơn μ0 cho đuôi phải, và μ nhỏ hơn μ0 cho đuôi trái. Statistics Fundamentals (2026) lưu ý một lỗi thường gặp là quên rằng giá trị p một đuôi bằng giá trị p hai đuôi chia đôi, khi hướng chênh lệch đúng với chiều giả thuyết đã đặt ra. Ở mức ý nghĩa 5%, kiểm định hai đuôi tương đương với việc xét khoảng tin cậy 95% của trung bình có chứa μ0 hay không, nên hai cách trình bày cho cùng một kết luận. Hai mức ý nghĩa khác hay gặp trong đề bài là 1% và 10%. Áp vào phần mềm, cột Sig. (2-tailed) trong bảng Output của SPSS chỉ áp dụng trực tiếp cho kiểm định hai đuôi, còn kiểm định một đuôi cần tự chia đôi giá trị p đó rồi xét dấu của thống kê t theo đúng hướng giả thuyết trước khi kết luận.

Dạng kiểm định Giả thuyết đối H1 Câu hỏi nghiên cứu tương ứng
Hai đuôi μ ≠ μ0 Trung bình có khác giá trị tham chiếu hay không
Đuôi phải μ > μ0 Trung bình có lớn hơn giá trị tham chiếu hay không
Đuôi trái μ < μ0 Trung bình có nhỏ hơn giá trị tham chiếu hay không

Ví dụ: Câu hỏi "điểm trung bình có khác 7 hay không" dùng kiểm định hai đuôi ở mức ý nghĩa 5%, còn câu hỏi "điểm trung bình có cao hơn 7 hay không" dùng kiểm định đuôi phải, và hai câu hỏi này đòi hai cách đọc bảng Sig. khác nhau trong SPSS dù chạy trên cùng một bộ dữ liệu. Mức ý nghĩa phổ biến trong nghiên cứu khoa học xã hội là 5%, và một số đề tài đòi hỏi chặt hơn thì dùng mức 1%.

Những lỗi thường gặp khi làm kiểm định trung bình tổng thể là gì?

Trả lời thẳng: Bốn lỗi thường gặp gồm nhầm z-test với t-test, bỏ qua điều kiện phân phối chuẩn của dữ liệu, đọc sai giá trị p ở kiểm định một đuôi, và coi việc không bác bỏ H0 là bằng chứng H0 đúng. Cả bốn lỗi đều làm sai kết luận dù công thức tính đúng.

Bằng chứng: Một ngộ nhận phổ biến là coi p-value nhỏ nghĩa là hiệu ứng lớn, trong khi p-value phản ánh cả cỡ mẫu chứ không riêng độ lớn hiệu ứng. Một lỗi khác thường gặp không kém là coi việc không bác bỏ H0 là bằng chứng cho thấy H0 đúng, đây là suy luận sai theo logic thống kê, và PennState Eberly College of Science (n.d.-c) nói thẳng rằng không bác bỏ H0 không có nghĩa là H0 đúng, chỉ có nghĩa là chưa đủ bằng chứng để kết luận H0 nhiều khả năng sai. PennState Eberly College of Science (n.d.-a) yêu cầu kiểm tra điều kiện cỡ mẫu đủ lớn, từ 30 trở lên, hoặc tổng thể có phân phối gần chuẩn, trước khi tin vào kết quả kiểm định t. Một trang hướng dẫn SPSS tiếng Việt viết thẳng: "Tuy nhiên các bài nghiên cứu thường bỏ qua điều này, nên các bạn cứ chạy bình thường nhé!" (Hoc Nghiên Cứu, 2026), và lời khuyên bỏ qua bước kiểm tra đó không đứng vững về mặt thống kê, vì nó bỏ qua đúng điều kiện mà PennState Eberly College of Science và Dunn đều yêu cầu kiểm tra trước khi tin kết quả.

Ví dụ: Một bài luận văn kết luận "giá trị Sig. là 0,084 nên trung bình bằng đúng mốc so sánh" đang mắc lỗi diễn giải, vì Sig. 0,084 lớn hơn mức 0,05 chỉ có nghĩa là chưa đủ bằng chứng để bác bỏ H0, không có nghĩa là H0 đúng theo logic thống kê. Một bài khác chạy z-test cho mẫu 18 quan sát dù chưa biết độ lệch chuẩn tổng thể cũng mắc đúng lỗi đầu tiên trong bốn lỗi kể trên.

Nên làm gì khi dữ liệu không thỏa điều kiện của kiểm định t?

Trả lời thẳng: Khi cỡ mẫu nhỏ và dữ liệu lệch rõ hoặc có ngoại lệ, cân nhắc chuyển sang kiểm định phi tham số như kiểm định hạng có dấu Wilcoxon thay vì ép chạy kiểm định t. Với cỡ mẫu trung bình trở lên, kiểm tra biểu đồ phân phối và bảng thống kê mô tả trước khi quyết định.

Bằng chứng: Dunn (n.d.) đặt điều kiện hiệu lực thống kê là cỡ mẫu từ 25 trở lên nói chung, hoặc cỡ mẫu nhỏ hơn nhưng tổng thể có phân phối chuẩn, và khuyến nghị xem lại lựa chọn kiểm định khi không đáp ứng điều kiện này. Ngưỡng quen thuộc trong giáo trình tiếng Anh là cỡ mẫu 25 tới 30 quan sát, và đây là quy ước thực hành chứ không phải ranh giới toán học.

Ví dụ: Một mẫu 12 quan sát với vài giá trị vượt trội bất thường không nên chạy thẳng kiểm định t một mẫu mà chưa kiểm tra phân phối, và trong nhiều trường hợp như vậy chuyên gia thống kê sẽ đề nghị đổi sang kiểm định phi tham số để tránh kết luận sai từ một mẫu không đáp ứng điều kiện.

Nên làm gì tiếp theo

Chọn sai phép kiểm hoặc đọc sai bảng Output là lỗi dễ mắc nhất ở phần này. Chuyên gia MAAS đọc cùng bạn câu hỏi nghiên cứu để chọn đúng phép kiểm cho chính bộ dữ liệu của bạn, hướng dẫn bạn tự chạy phép kiểm đó, rồi soát lại từng dòng trong bảng Output tới khi bạn tự trình bày và bảo vệ được kết quả. Buổi tư vấn đầu tiên kéo dài 15 phút và không tính phí. Xem thêm tại dịch vụ hướng dẫn chạy SPSS và Python, hoặc đặt lịch tư vấn tại đây.

Câu hỏi thường gặp

Kiểm định trung bình tổng thể khác gì so sánh hai trung bình?
Kiểm định trung bình tổng thể so trung bình của một mẫu với một giá trị μ0 cố định do người nghiên cứu đặt ra, còn so sánh hai trung bình là so trung bình của hai nhóm hoặc hai lần đo với nhau, dùng kiểm định t hai mẫu chứ không phải kiểm định một mẫu.

Cỡ mẫu bao nhiêu thì đủ để chạy kiểm định trung bình tổng thể?
Điều kiện phổ biến là cỡ mẫu từ 25 đến 30 trở lên để dựa vào định lý giới hạn trung tâm, còn với cỡ mẫu nhỏ hơn mức đó, tổng thể cần có phân phối gần chuẩn thì kết quả kiểm định mới đáng tin.

SPSS có tự tính kiểm định một đuôi không?
SPSS mặc định xuất giá trị Sig. (2-tailed) cho kiểm định hai đuôi. Muốn đọc kết quả cho kiểm định một đuôi, người dùng cần tự chia đôi giá trị p đó rồi đối chiếu dấu của thống kê t với hướng giả thuyết đã đặt ra từ đầu.

Kiểm định trung bình tổng thể có cần dữ liệu phân phối chuẩn không?
Cần khi cỡ mẫu nhỏ. Khi cỡ mẫu đủ lớn, định lý giới hạn trung tâm (CLT) giúp phân phối của trung bình mẫu gần chuẩn dù dữ liệu gốc không hoàn toàn chuẩn, nhưng với mẫu nhỏ và dữ liệu lệch rõ, cần cân nhắc kiểm định phi tham số Wilcoxon thay thế.

Kiểm định trung bình tổng thể có cần báo cáo thêm gì ngoài giá trị Sig. không?
Nên báo cáo thêm khoảng tin cậy của chênh lệch trung bình bên cạnh giá trị Sig., vì chỉ nêu Sig. không cho người đọc thấy độ lớn thực tế của chênh lệch đó.

MAAS có thể giúp sinh viên chọn và chạy đúng kiểm định trung bình tổng thể không?
Có. Chuyên gia MAAS xác định cùng bạn dạng kiểm định phù hợp với câu hỏi nghiên cứu, sau đó hướng dẫn bạn chạy phép kiểm đó trên dữ liệu thật của bạn trong SPSS hoặc Python và giải thích từng dòng kết quả, để phần phương pháp và kết quả trong bài là thứ chính bạn trình bày lại được.

References

Chia sẻ bài viếtFacebookLinkedInZaloEmail
Xem tất cả bài viếtHỏi chuyên gia MAAS ▸
Muốn được đồng hành như vậy?

Từ bài viết này
đến luận án của bạn.

Một buổi tư vấn khám phá 15 phút, chuyên gia Tiến sĩ và Thạc sĩ của MAAS sẽ chuyển khung phương pháp này vào đúng đề tài của bạn và kỳ vọng của giảng viên hướng dẫn.

Đặt buổi tư vấn miễn phí ▸Nhắn Zalo ▸Gặp đội ngũ chuyên gia →