thống kê II phân tích số liệu định lượng phần 9

của các phương sai là 1 (không có sự khác nhau). Tham khảo thống kê sinh y tế I để có thêm thông tin về kiểm định F. Không giống như giả định về phân bố chuẩn ở phần 4.5.1.2, giả định mà chỉ cần phân bố xấp xỉ chuẩn, tính đồng nhất của phương sai giữa các nhóm so sánh rất quan trọng. Các kiểm định thực hiện rất nhạy cảm với việc không thoả mãn giả định này, bạn có thể có những kết ...
Nội dung trích xuất từ tài liệu:
thống kê II phân tích số liệu định lượng phần 9của các phương sai là 1 (không có sự khác nhau). Tham khảo thống kê sinh y tế I để cóthêm thông tin về kiểm định F. Không giống như giả định về phân bố chuẩn ở phần 4.5.1.2, giả định mà chỉ cầnphân bố xấp xỉ chuẩn, tính đồng nhất của phương sai giữa các nhóm so sánh rất quantrọng. Các kiểm định thực hiện rất nhạy cảm với việc không thoả mãn giả định này, bạncó thể có những kết luận sai lầm khi phân tích nếu bạn vi phạm giả định này.Sử dụng SPSS đánh giá tính đồng nhất của phương sai Giả định bạn nghĩ đến giả thuyết rằng giá trị trung bình điểm QoL khác nhautheo loại phương tiện giao thông có liên quan đến chấn thương. Bạn có 5 nhóm phươngtiện giao thông: xe ô tô, xe đạp, xe máy, người đi bộ, và loại phương tiện khác. Trước hếtbạn cần đưa ra các giá trị trung bình và phương sai của điểm QoL trong từng nhómphương tiện. Để làm được điều này thực hiện theo các bước sau: 1. Từ thực đơn dọc chọn: Analyse → Reports →Case Summaries 2. Từ danh sách biến, nhấp chuột vào biến qol_bef (chất lượng chung của cuộc sống trước khi chấn thương) và chuyển vào hộp biến bằng cách nhấp chuột vào biểu tượng 3. Từ danh sách biến, chọn nhóm biến, ví dụ chọn nhóm education, trantype, và chuyển vào hộp nhóm biến bằng cách nhấp chuột vào biểu tượng 4. Kích chuột vào ‘Display cases’, SPSS đã đánh dấu mặc định, chuyển biến đã đánh dấu vào hộp 5. Nhấp chuột vào nút Statistics, chuyển lựa chọn Mean và Variance vào hộp Cell Statistics – kích vào Continue/OK. Màn hình sẽ tương tư như hình dưới đây: 138http://www.ebook.edu.vn Kết quả sẽ xuất hiện riêng rẽ trong cửa sổ như quả dưới đây. Case Summaries General quality of life before injury Type of transportation in N Mean Variance motorised vehicle 68 59.0882 66.470 Bicycle 325 57.8769 62.880 Motorised bike 885 58.2169 60.014 Pedestrian 165 58.0909 56.912 Other 67 57.0448 51.498 Total 1510 58.1172 60.159 Chúng ta có thể thấy rằng phương sai của các loại là gần giống nhau. Tỷ số thốngkê F được tính toán và trình bày rõ ràng hơn một chút. Không có tỷ suất nào có ý nghĩathống kê với mức p < 0.05.Xe ô tô so sánh với xe đạp = 66.5/62.9 = 1.06 Xe máy = 66.5/60.0 = 1.10 Người đi bộ = 66.5/56.9 = 1.17 Loại khác = 66.5/51.5 = 1.29Xe đạp so sánh với xe máy = 62.9/60.0 = 1.05 Người đi bộ = 62.9/56.9 = 1.11 Loại khác = 62.9/51.5 = 1.22Xe máy so sánh với người đi bộ = 60.0/56.9 = 1.05 Loại khác = 60.0/51.5 = 1.17Người đi bộ so sánh với loại khác = 56.9/51.5 = 1.10 139http://www.ebook.edu.vn Tương tự như các kiểm định thống kê thông thường cho tính chuẩn, kiểm định Fcũng chịu ảnh hưởng của cỡ mẫu, thậm chí đôi khi với tỷ suất tương đối nhỏ (dưới 1.5)cũng có thể có ý nghĩa thống kê. Chỉ cần giá trị thống kê F là 1.5 hoặc nhỏ hơn, bạn cũngcó thể cho là giả định về tính đồng nhất của phương sai đã được thoả mãn.4.8.4. Cộng tuyến Khi sử dụng kiểm định thống kê để định lượng về độ mạnh của mối liên quangiữa hai biến, sẽ có lần chúng ta gặp phải hai biến có mối liên quan rất chặt chẽ đến nỗitừ giá trị của biến này chúng ta có thể biết được giá trị của biến kia. Ví dụ, số ngày mưavà số ngày nắng trong một tháng có thể dùng để dự đoán cho những tháng khác. Rấthiếm khi thấy nắng khi trời đang mưa, vì vậy tương quan giữa nắng và mưa là một tươngquan nghịch rất mạnh. Khi các mối tương quan giữa hai biến mạnh đến mức 0.9 hoặc caohơn nữa bạn nên xem xét xem liệu hai biến này trên thực tế có cùng lượng giá cho mộthiện tượng không. Nếu chúng cùng lượng giá cho một hiện tượng thì chúng ta đã sai khiđưa chúng vào cùng một phân tích thống kê. Nếu chúng ta cứ phân tích chúng thì ta sẽmắc phải một vấn đề là sự cộng tuyến trong việc phân tích. Để kiểm tra sự cộng tuyến, chúng ta cần tính toán mối tương quan giữa hai biếnmà ta nghi ngờ. Nếu hệ số tương quan là 0.9 hoặc cao hơn, không được tiếp tục dùng cảhai biến trong phân tích của bạn. Hãy chọn một trong hai biến đó, thường chọn biến dễdàng lượng giá hơn và tiến hành phân tích chỉ với một biến này. Lưu ý rằng với những nghiên cứu đo lường nhắc lại, bạn sẽ có những tương quancao hơn giữa những đo lường nhắc lại của cùng một biến đã được một người đo rất nhiềulần. Những tương quan này tương đối được chấp nhận trong nghiên cứu đo lường nhắclại.Sử dụng SPSS đánh giá tính đa tuyến tính Giả sử rằng bạn đang nghi ngờ về khả năng có sự cộng tuyến giữa tuổi và trìnhđộ học vấn (trình độ học vấn thường được tính dựa vào số năm học ở trường, tuy nhiêncũng có thể đo lường biến này bằng một đơn vị khác ví dụ là thời gian). Bạn cần phải chỉra mối tương quan của tuổi và trình độ học vấn. Tuổi là một biến liên tục và trình độhọc vấn là biến thứ hạng với các giá trị như Trẻ nhỏ/mù chữ, Cấp 1, Cấp 2, Cấp 3. Hệ sốtương quan Spearman’s là hệ số tương quan thích hợp cho các dạng biến loại này (xemmodule 3). Để thực hiện được điều này trong chương trình SPSS bạn cần thực hiện theonhững bước sau. 1. Từ thực đơn dọc chọn: Analyse Correlate Bivariate 2. Từ danh sách biến, chọn biến ageround (tuổi) và edgrp (trình độ học vấn ...