Trước khi thực hiện các kiểm định, chúng ta sẽ cần xác định được giả thiết Null H0 và giả thiết ngược H1 của kiểm định, để từ đó có kết luận chính xác từ kết quả kiểm định.
Các giả thiết này không phải chúng ta được tự ý gán mà nó được quy định và mặc định khi chúng ta thực hiện kiểm định đó thì sẽ dùng cặp giả thiết đó.
Dưới đây là danh sách giả thiết H0 của các kiểm định phổ biến trong phân tích định lượng:
1. Kiểm định One-Sample T Test
Phép kiểm định xem xét giá trị trung bình của một biến có khác một cách có ý nghĩa thống kê với một giá trị đã cho hay không.
Giả thiết H0: Giá trị trung bình của biến bằng với giá trị Test Value
Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thiết H0, nghĩa là trung bình khác một cách có ý nghĩa thống kê với giá trị Test Value
- Sig > = 0.05: Chấp nhận giả thiết H0, nghĩa là trung bình của biến bằng một cách có ý nghĩa thống kê với giá trị Test Value
2. Kiểm định Independent-Sample T Test
Phép kiểm định xem xét giá trị trung bình của 2 nhóm giá trị của 1 biến định tính có khác nhau một cách có ý nghĩa thống kê hay không.
Giả thiết H0: Không có sự khác biệt trung bình giữa 2 nhóm giá trị.
Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thiết H0, nghĩa là có khác biệt trung bình một cách có ý nghĩa thống kê giữa 2 nhóm giá trị
- Sig > = 0.05: Chấp nhận giả thiết H0, nghĩa là không có khác biệt trung bình một cách có ý nghĩa thống kê giữa 2 nhóm giá trị
3. Kiểm định Paired-Sample T Test
Phép kiểm định xem xét giá trị trung bình của 2 biến trên cùng 1 đối tượng khảo sát xem có sự khác nhau một cách có ý nghĩa thống kê hay không.
Giả thiết H0: Không có sự khác biệt trung bình giữa 2 nhóm giá trị.
Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thiết H0, nghĩa là có khác biệt trung bình một cách có ý nghĩa thống kê giữa 2 nhóm giá trị
- Sig > = 0.05: Chấp nhận giả thiết H0, nghĩa là không có khác biệt trung bình một cách có ý nghĩa thống kê giữa 2 nhóm giá trị
4. Kiểm định One-way ANOVA
Phép kiểm định xem xét giá trị trung bình của 2 nhóm giá trị trở lên của 1 biến định tính có khác nhau một cách có ý nghĩa thống kê hay không.
Giả thiết H0: Không có sự khác biệt trung bình giữa các nhóm giá trị.
Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thiết H0, nghĩa là có khác biệt trung bình một cách có ý nghĩa thống kê giữa các nhóm giá trị
- Sig > = 0.05: Chấp nhận giả thiết H0, nghĩa là không có khác biệt trung bình một cách có ý nghĩa thống kê giữa các nhóm giá trị
4. Kiểm định F trong hồi quy
Phép kiểm định đánh giá sự phù hợp của mô hình hồi quy.
Giả thiết H0: Tất cả các hệ số hồi quy (trừ hằng số) đều bằng 0.
Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thiết H0, nghĩa là ít nhất một trong các hệ số hồi quy khác 0 một cách có ý nghĩa thống kê, mô hình hồi quy là phù hợp.
- Sig > = 0.05: Chấp nhận giả thiết H0, nghĩa là tất cả các hệ số hồi quy đều bằng 0 một cách có ý nghĩa thống kê, mô hình hồi quy không phù hợp.
5. Kiểm định t trong hồi quy
Phép kiểm định đánh giá xem biến độc lập có sự tác động lên biến phụ thuộc một cách có ý nghĩa thống kê hay không.
Giả thiết H0: Hệ số hồi quy của biến độc lập X1 bằng 0.
Kết quả kiểm định:
- Sig < 0.05: Bác bỏ giả thiết H0, nghĩa là hệ số hồi quy của biến X1 khác 0 một cách có ý nghĩa thống kê, biến X1 có ảnh hưởng lên biến phụ thuộc.
- Sig > = 0.05: Chấp nhận giả thiết H0, nghĩa là hệ số hồi quy của biến X1 bằng 0 một cách có ý nghĩa thống kê, biến X1 không ảnh hưởng lên biến phụ thuộc..
Từ khóa: giả thuyết H0 trong spss, giả thuyết Null SPSS, giả thuyết H không, giả thuyết nghiên cứu