(https://www.phamlocblog.com/2020/08/kiem-dinh-chi-binh-phuong-spss.

html)

Kiểm định Chi bình phương trong SPSS

Kiểm định Chi bình phương được sử dụng khi chúng ta muốn đánh giá xem liệu có mối
quan hệ giữa hai biến định tính hay biến phân loại (categorical variables) trong một tập dữ
liệu hay không. Ví dụ, chúng ta cần đánh giá xem độ tuổi và thâm niên của nhân viên trong
công ty có quan hệ với nhau không, giới tính và tình trạng hôn nhân của khách hàng có sự
liên kết nào hay không...
Để cụ thể hơn, chúng ta cùng đi vào một ví dụ thực tế với một tập dữ liệu mẫu gồm 350
quan sát nghiên cứu về sự hài lòng của nhân viên trong một công ty. Chúng ta sẽ đánh giá
xem Thâm niên và Thu nhập của các nhân viên có sự liên kết nhau hay không.

Biến Thâm niên được chia làm các mức giá trị:
Dưới 1 năm
Từ 1 - 3 năm
Từ 3 - 5 năm
Trên 5 năm
Biến Thu nhập được chia làm các mức giá trị:
Dưới 10 triệu
Từ 10 – dưới 15 triệu
Từ 15 – dưới 20 triệu
Từ 20 triệu trở lên
Giả thuyết Ho: Thâm niên và Thu nhập không có mối quan hệ với nhau (độc lập nhau)
Thực hiện kiểm định Chi bình phương mối quan hệ giữa Thâm niên và Thu nhập trên SPSS
26. Chúng ta vào Analyze > Descriptives Statistics > Crosstabs.
Tại cửa sổ Crosstabs đưa biến Thâm niên vào ô Row(s) và biến Thu nhập vào ô Column(s),
có thể đưa một trong hai biến vào bất kỳ mục Rows hay Column đều được, không ảnh
hưởng đến kết quả kiểm định. Bạn có thể chọn vào Display clustered bar charts để hiển thị
đồ thị mối quan hệ hai biến.
Nhấp vào tùy chọn Statistics, tích chọn vào Chi-square và Cramer’s V, sau đó nhấp
vào Continue.
Nhấp vào tùy chọn Cells, trong mục Percentages tích chọn vào Rows, Columns. Tiếp tục
nhấp vào Continue, sau đó chọn OK để tiến hành kiểm định.
Trong kết quả ở Output, bảng Crosstabulation cho chúng ta cái nhìn sơ bộ về mối quan hệ
giữa hai biến này về mặt thống kê tần số.

Tiếp đến, chúng ta sẽ đọc bảng quan trọng nhất là Chi-Square Tests. Nếu giá trị Asymptotic
Significance (2-sided) hàng Pearson Chi-Square nhỏ hơn 0.05. Chúng ta bác bỏ giả thuyết
Ho, nghĩa là 2 biến Thâm niên và Thu nhập có mối quan hệ với nhau. Nếu giá trị Sig này
lớn hơn 0.05, chúng ta chấp nhận giả thuyết Ho, tương đương rằng Thâm niên và Thu nhập
không có mối quan hệ với nhau.

Cuối bảng Chi-Square Tests luôn có một dòng thông báo dạng: X cells (Z%) have expected
count less than 5. The minimum expected count is Y. Khi chạy không ra được kết quả kiểm
định, các bạn cần để ý đến dòng này. Kiểm định Chi bình phương chỉ có ý nghĩa khi số
quan sát đủ lớn, nếu có quá 20% số ô trong bảng Crosstabulation có tần số nhỏ hơn 5 thì
Chi-Square không còn mang ý nghĩa chính xác hoặc có thể kết quả kiểm định không thực
hiện được và báo lỗi. Khi xảy ra trường hợp này, các bạn cần tăng số lượng đáp viên ở các
nhóm đáp án có dưới 5 người trả lời hoặc mã hóa lại biến để tăng số lượng người ở mỗi đáp
án lên đủ lớn. Ví dụ nhóm Thâm niên chỉ có 3 người chọn vào Trên 5 năm, chúng ta phải
khảo sát thêm để số lượng trên 5 người.
Kết quả Sig từ Chi-Square Test chỉ nói lên được 2 biến có mối quan hệ hay không. Nếu 2
biến này có sự liên kết với nhau thì chúng ta sẽ cần đánh giá mức độ liên kết giữa 2 biến qua
giá trị Value của kiểm định Phi và Cramer's V. Kiểm định Phi chỉ phù hợp khi xem xét mối
quan hệ giữa 2 biến mà mỗi biến chỉ có 2 giá trị, nếu một trong hai biến có từ 3 giá trị trở
lên chúng ta sẽ dùng kết quả của Cramer's V. Cụ thể trong bảng kết quả ở trên, chúng ta đọc
chỉ số Value của Cramer' V, hệ số này là 0.429 = 42.9%, như vậy 2 biến này có sự tương
quan khá cao.

Đồ thị cột biểu diễn tần số người trả lời (số đáp viên) của mỗi giá trị của biến này khi so với
biến còn lại, đây là đồ thị biểu diễn kết quả bảng Crosstablulation. Ví dụ, thâm niên Dưới 1
năm, thì màu xanh dương và màu hồng có số lượng người trên 20 người, màu xanh lá có số
lượng tầm dưới 10 người.