Anova là gì? Cập nhật một số thông tin về Anova

Anova được ghi nhận có vai trò rất quan trọng trong nghiên cứu khoa học thống kê. Đây là một phương pháp phân tích, điểm định được nhiều người áp dụng khi so sánh giá trị các bộ dữ liệu. Vậy thực tế Anova là gì? Bạn hãy tìm hiểu chi tiết qua góc thông tin về Anova được chúng tôi cập nhật ngay sau đây.

Tìm hiểu Anova là gì?

Khi tiếp xúc với phương pháp phân tích thống kê bạn sẽ thấy Anova được đề cập đến rất nhiều. Tuy nhiên thực tế không phải ai cũng biết Anova là gì. Vậy nên nếu bạn mới tìm hiểu về Anova thì điều cơ bản là nắm bắt bản chất của phương pháp này. 

Tìm hiểu Anova là gì?

Theo đó bạn có thể gọi Anova là kiểm định Anova hay Anova test. Anova là viết tắt của cụm từ Analysis of Variance. Dịch sang tiếng Việt Anova là gì có thể hiểu nôm na là phương pháp phân tích phương sai. Bản chất của phương pháp là một kỹ thuật thống kê tham số. Phương pháp này được dùng trong phân tích sự khác biệt giữa giá trị trung bình của những biến phụ thuộc nhau.

Hiểu đơn giản, Anova là công cụ sẽ giúp xác định mức độ ảnh hưởng của biến độc lập đối với biến phụ thuộc trong nghiên cứu hồi quy. Tuy nhiên thay vì chỉ có tác dụng so sánh các đối tượng trong nhóm nghiên cứu thì, Anova mở rộng phạm vi hơn. Đó có thể là so sánh giữa 2 nhóm đối tượng trở lên.

Anova sẽ chia biến tổng hợp quan sát tìm thấy trong dữ liệu nghiên cứu thành 2 phần và phân tích. Bao gồm:

• Yếu tố hệ thống: Đây là phần chỉ gồm các yếu tố được ghi nhận có ảnh hưởng đến tập dữ liệu đã cho.
• Yếu tố ngẫu nhiên: Đây là chỉ các yếu tố không có tác động tới tập dữ liệu đã cho.

Các loại Anova phổ biến

Để hiểu hơn Anova là gì bạn hãy đi sâu phân tích các loại phân tích phương sai. Bởi vì những ghi nhận cho thấy hiện nay có nhiều hơn 1 loại Anova. Vì thế bạn cần tìm hiểu mỗi loại để chủ động khi áp dụng phương pháp. Vậy Anova có những loại nào? Ở đây bạn có thể điểm danh 3 loại phân tích Anova phổ biến nhất. Bao gồm:

Các loại Avona được sử dụng phổ biến hiện nay

Anova một chiều

Anova một chiều còn được biết đến với tên gọi là One way Anova. Đây là một loại thử nghiệm thống kê được thực hiện nhằm mục đích đánh giá các tác động của 1 biến độc lập lên biến phản hồi duy nhất. Phương pháp thử nghiệm, phân tích này giúp xác định liệu tất cả mẫu có giống nhau không.

Hiểu một cách đơn giản, Anova một chiều được dùng để xác định xem liệu có tồn tại bất kỳ sự khác biệt ý nghĩa nào giữa các đối tượng thuộc 3 hoặc nhiều nhóm độc lập với nhau không. Trong đó tất cả kết quả trả về của phương pháp đều dựa trên giả định khả năng sai số chỉ là 5%.

Ví dụ trong nghiên cứu hành vi mua hàng của khách hàng, nhóm nghiên cứu đã sử dụng phương pháp Anova một chiều. Mục đích của phương pháp là xác định xem liệu có sự phụ thuộc giữa độ tuổi khách hàng với hành vi mua hàng không. Trong đó độ tuổi của khách hàng sẽ được chia thành 3 nhóm.

• Khách hàng trẻ tuổi
• Khách hàng trung tuổi
• Khách hàng cao tuổi

Anova hai chiều

Anova hai chiều còn được gọi là Two Way Anova. Đây được xem là phương pháp phân tích phương sai mở rộng của Anova một chiều. Theo đó ở định nghĩa One way Anova là gì bạn đã thấy phương pháp này chỉ có thể áp dụng trong nghiên cứu ảnh hưởng của duy nhất 1 biến độc lập đến 1 biến phụ thuộc. Tuy nhiên, Anova hai nhiều sẽ cho phép áp dụng đối với mô hình nghiên cứu có 2 biến độc lập.

Anova hai chiều cho phép nghiên cứu 2 biến độc lập cùng lúc

Cụ thể, phân tích Anova hai chiều được dùng để quan sát tương tác giữa hai yếu tố. Đồng thời phương pháp còn giúp kiểm tra ảnh hưởng của 2 yếu tố đó đối với biến phụ thuộc cùng một lúc. Ở đây Anova hai chiều cũng giống Anova 1 chiều về giả định khả năng phạm lỗi. Tức là Anova hai chiều sẽ được tiến hành với giả định sai số 5%.

 Để dễ hiểu hơn về Anova hai chiều bạn hãy xem xét ví dụ. Giả sử bạn có thể áp dụng phân tích Two Way Anova để tìm hiểu xem có sự tương tác giữa yếu tố giới tính, trình độ học vấn với mức độ lo lắng kiểm tra giữa sinh viên đại học. Trong đó 2 biến độc lập trong mô hình nghiên cứu của bạn là giới tính và trình độ học vấn. Bạn có thể chia giới tính thành nam và nữ. Còn trình độ học vấn sẽ là đại học và sau đại học. Đặc biệt biến phụ thuộc ở đây chính là kiểm tra mức độ lo lắng của các sinh viên đại học.

Anova đa biến

Khi tìm hiểu các loại phân tích Anova là gì bạn sẽ thấy thuật ngữ Anova đa biến xuất hiện. Đây là loại phân tích phương sai còn được nhiều người gọi là MANOVA. Bản chất của Anova đa biến là kiểm định, phân tích 2 hay nhiều biến độc lập đối với 2 hay nhiều biến phụ thuộc.

Như ghi nhận, trong thống kê Anova đa biến sẽ được sử dụng để so sánh sự khác nhau về điểm trung bình giữa các nhóm. Đồng thời phân tích Anova đa biến còn giúp xác định quan hệ nhân quả giữa các biến tham gia trong kiểm định.

Anova đa biến còn được gọi là MANOVA

Cách chạy Anova trong SPSS

Sử dụng Anova trong nghiên cứu thống kê là điều cần thiết, quan trọng. Tuy nhiên mỗi người khi sử dụng Anova cần biết cách chạy Anova trong SPSS. Vậy nên sau khi hiểu rõ Anova là gì bạn hãy học cách chạy Anova trong SPSS chi tiết. Cụ thể bạn làm như sau:

Bước 1:

Đầu tiên sẽ là bước nhập dữ liệu thống kê vào phần mềm SPSS. Tiếp theo, truy cập vào mục Analyze trên thanh công cụ SPSS. Ngay lập tức một loạt tính năng sẽ xổ xuống. Lúc này bạn nhấn Compare Means. Rồi chọn loại phân tích Anova, giả sử bạn chọn One Way Anova.

Nhấn chọn One Way Anova

Bước 2:

Sau khi hoàn thành bước 1, hộp thoại One – Way ANOVA sẽ hiện ra. Tại đây bạn chú ý đến ô biến phụ thuộc là Dependent List. Cụ thể hơn bạn hãy chọn Time tại ô Dependent List. Đồng thời bạn kéo thả biến Course vào mục nhân tố tác động Factor.

Nhấn chọn biến phụ thuộc và tác động

Bước 3:

Tiếp tục, tại giao diện hộp thoại mới mở ra bạn chọn Post Hoc. Sau đó, click ô Tukey và nhấn Continue.

Nhấn Tukey tại cửa số Post Hoc

Tại hộp thoại ANOVA, bạn nhấn chọn Options. Đồng thời sau đó tick vào Descriptive ở mục Statistic và nhấn Continue. Cuối cùng bạn quay lại hộp thoại ANOVA để nhấn OK. Như vậy là toàn bộ quá trình chạy phân tích phương sai Anova đã hoàn thành. Giờ thì bạn cần chờ đợi kết quả phân tích chạy ra để đọc, phân tích.

Tùy chọn để hoàn tất việc phân tích Anova

Cách phân tích kết quả kiểm định Anova trong SPSS

Sau khi chạy phân tích phương sai Anova trong SPSS thì sẽ có các bảng kết quả xuất hiện. Lúc này bạn cần hiểu rõ các con số để xác định kết quả nghiên cứu thống kê. Vậy cách đọc kết quả Anova là gì? Ở đây bạn hãy chú ý hướng dẫn cách đọc kết quả tại các bảng dữ liệu được xuất ra. Bao gồm:

Bảng Descriptives

Đây là bảng mô tả: Bảng này cung cấp một loạt các con số về các giá trị liên quan đến nội dung đang nghiên cứu, phân tích dữ liệu. Cụ thể:

• Time: Biến phụ thuộc
• Mean: Giá trị trung bình
• Deviation: Độ lệch chuẩn
• Error: Sai số
• 95% Confidence Interval for Mean: Độ tin cậy 95% đối với biến phụ thuộc
• …

Bảng mô tả Descriptives

Dựa vào ví dụ trong hình bạn thấy có 3 biến phụ thuộc tham gia trong nghiên cứu. Bao gồm Beginner, Intermediate và Advanced

Bảng Anova

Đây là bảng dữ liệu cho biết rất nhiều điều khi sử dụng kiểm định Anova trong SPSS đối với thống kê nghiên cứu. Vậy bảng  Anova là gì? Về cơ bản, bảng này sẽ giúp đánh giá liệu có sự khác biệt có nghĩa ở các nhóm đối tượng thống kê không. Bảng Anova sẽ hiển thị nhiều yếu tố. Chẳng hạn như:

• Time
• Sum of Squares
• df
• Mean Square
• F
•  

Trong đó, bạn hãy đặc biệt quan tâm đến hệ số Sig. hiển thị. Bởi vì bạn sẽ dựa vào hệ số để khẳng định liệu có tồn tại khác biệt có ý nghĩa giữa các nhóm đối tượng thống kê không. Cụ thể sẽ có 2 trường hợp:

• Nếu hệ số Sig. < 0,05: Trong trường hợp này bạn kết luật có sự khác biệt có ý nghĩa giữa các đối tượng
• Nếu hệ số Sig. > 0.05: Trong trường hợp này bạn có thể khẳng định là không có sự khác biệt có ý nghĩa giữa các đối tượng.

Bảng Anova

Bảng Multiple Comparisons

Nếu bảng Anova là căn cứ cho bạn kết luật giữa các nhóm đối tượng thống kê có khác biệt có ý nghĩa không thì bảng này chuyên sâu hơn. Vì thế bạn không nên chỉ dừng lại ở việc tìm hiểu bảng Anova là gì. Thay vào đó bạn hãy phân tích các chỉ số trong bảng Multiple Comparisons. Đây là bảng kết quả giúp bạn phân tích rõ ràng hơn về sự khác biệt giữa các nhóm đối tượng thống kê.

Ở đây bạn cũng cần chú ý đến giá trị Sig. hiển thị trong bảng Multiple Comparisons. Nếu bạn thấy giá trị Sig. nào < 0.05, kết luận có sự khác biệt giá trị trung bình giữa các đối tượng so sánh. Còn ngược lại, có giá trị Sig. > 0.05 thì kết luận rằng không có sự khác biệt.

Bảng Multiple Comparisons

Dựa vào ví dụ trong hình ảnh minh họa bạn thấy giá Sig. của hai đối tượng thống kê Beginner và Intermediate đạt 0.046. Đây là giá trị Sig. < 0.05. Điều này có nghĩa có sự khác biệt giữa  Beginner và Intermediate. Tương tự khi so sánh 2 đối tượng là Beginner và Advanced bạn sẽ có giá trị Sig. là 0.034 < 0.05. Lúc này bạn có thể kết luận là có khác biệt giữa Beginner và Advanced. Riêng nhóm so sánh giữa Intermediate và Advanced có giá trị Sig. là 0.989 > 0.05. Tức là không có sự khác biệt giữa Intermediate và Advanced.

Kết luận

Trên đây là góc thông tin cần biết về phân tích phương sai Anova. Hy vọng giờ đây bạn đã hiểu rõ Anova là gì và cách chạy, phân tích kết quả Anova trong SPSS. Như vậy bạn sẽ có thể chủ động áp dụng trong nghiên cứu thống kê, làm tiểu luận hay luận văn. Riêng trường hợp bạn cần tư vấn thêm hãy gửi câu hỏi về cho chúng tôi qua thông tin được cập nhật tại website https://marinamuinecity.vn/.