Phân tích Crosstab và kiểm định Chi-Bình phương

Phân tích Crosstab và kiểm định Chi-Bình phương trong SPSS là phương pháp dùng để xác định liệu có mối quan hệ giữa hai biến định tính hay không, thông qua bảng tần số chéo và giá trị ý nghĩa thống kê (Sig.). Phương pháp này thường được áp dụng khi nghiên cứu các đặc điểm nhân khẩu học, hành vi hoặc thái độ của đối tượng khảo sát, giúp người nghiên cứu đưa ra kết luận dựa trên dữ liệu thay vì cảm tính.

1. Crosstab và kiểm định Chi-Bình phương là gì? Dùng trong trường hợp nào?

Crosstab (bảng chéo) là bảng thống kê thể hiện tần số xuất hiện đồng thời của hai biến phân loại, giúp người nghiên cứu quan sát cách các nhóm giá trị của hai biến phân bố và liên hệ với nhau.

Kiểm định Chi-Bình phương (Chi-Square Test) là phép kiểm thống kê được sử dụng trên bảng Crosstab nhằm kiểm tra giả thuyết độc lập, tức là xác định xem hai biến có mối quan hệ thống kê hay hoàn toàn độc lập với nhau.

Nói cách khác, Crosstab giúp bạn nhìn thấy dữ liệu, còn Chi-Bình phương giúp bạn kết luận dữ liệu đó có ý nghĩa hay không.

Phân tích này thường được sử dụng khi:

• Cả hai biến đều là biến định tính (nominal, ordinal)

• Mục tiêu nghiên cứu là kiểm tra mối liên hệ, không phải đo mức độ ảnh hưởng hay dự đoán

2. Vai trò của Crosstab và kiểm định Chi-Bình phương trong nghiên cứu

Trong quy trình nghiên cứu định lượng, Crosstab và Chi-Bình phương đóng vai trò là bước phân tích định hướng cực kỳ quan trọng. Đây thường là một trong những phép kiểm đầu tiên được thực hiện sau thống kê mô tả, trước khi tiến hành các phân tích chuyên sâu hơn.

Trước hết, Crosstab giúp người nghiên cứu hiểu cấu trúc dữ liệu một cách trực quan, nhận diện sự khác biệt giữa các nhóm đối tượng, cũng như phát hiện các xu hướng tiềm ẩn mà các thống kê đơn lẻ không thể hiện rõ.

Tiếp theo, kiểm định Chi-Bình phương đóng vai trò xác nhận mối liên hệ quan sát được có ý nghĩa thống kê hay không. Điều này giúp người nghiên cứu:

• Tránh đưa ra kết luận dựa trên cảm nhận chủ quan

• Đảm bảo rằng mối quan hệ tồn tại trong mẫu có khả năng phản ánh tổng thể

Về mặt ứng dụng, Crosstab và Chi-Bình phương thường được dùng để:

• Kiểm tra các giả thuyết nghiên cứu liên quan đến biến định tính

• Phân tích đặc điểm nhân khẩu học, hành vi người tiêu dùng, thói quen sử dụng dịch vụ

• Sàng lọc biến trước khi đưa vào các mô hình phân tích nâng cao như hồi quy logistic

Nếu bỏ qua bước này, nghiên cứu có thể:

• Đưa các biến không có liên hệ thực sự vào mô hình

• Làm giảm tính logic và độ tin cậy của kết luận

• Khiến kết quả nghiên cứu thiếu thuyết phục về mặt khoa học

Vì vậy, Crosstab và Chi-Bình phương không chỉ là phép kiểm mô tả, mà là nền tảng quan trọng cho toàn bộ quá trình phân tích dữ liệu.

3. Điều kiện để thực hiện Crosstab và kiểm định Chi-Bình phương trong SPSS

Để kết quả kiểm định Chi-Bình phương có giá trị, dữ liệu cần thỏa mãn các điều kiện sau:

• Dạng biến

  • Cả hai biến đều là biến định tính (giới tính, nhóm tuổi, mức độ hài lòng, phân loại…)

• Tần số kỳ vọng (Expected Count)

  • Ít nhất 80% số ô có Expected Count ≥ 5

  • Không có ô nào có Expected Count = 0

• Cỡ mẫu

  • Cỡ mẫu càng lớn → kết quả càng ổn định

  • Mẫu quá nhỏ dễ làm sai lệch kết luận

• Tính độc lập của quan sát

  • Mỗi quan sát chỉ thuộc một nhóm duy nhất

Nếu điều kiện Expected Count không đạt, người nghiên cứu nên:

• Gộp các nhóm có tần số nhỏ

• Hoặc sử dụng Fisher’s Exact Test (đối với bảng 2×2)

4. Tiêu chuẩn đánh giá kết quả kiểm định Chi-Bình phương

Khi đọc kết quả trong SPSS, cần tập trung vào bảng Chi-Square Tests.

• Sig. (Asymp. Sig. 2-sided)

  • Sig. < 0.05 → Có mối quan hệ giữa hai biến

  • Sig. ≥ 0.05 → Không đủ bằng chứng kết luận có mối quan hệ

Ngoài ra, để đánh giá độ mạnh của mối liên hệ, có thể sử dụng:

• Phi: dùng cho bảng 2×2

• Cramer’s V: dùng khi một hoặc cả hai biến có nhiều hơn 2 mức

  • Giá trị càng gần 1 → mối liên hệ càng mạnh

  • Giá trị gần 0 → mối liên hệ yếu

5. Hướng dẫn thực hiện Crosstab và kiểm định Chi-Bình phương trong SPSS

Để cụ thể hơn, chúng ta cùng đi vào một ví dụ thực tế với một tập dữ liệu mẫu nghiên cứu về sự hài lòng của khách hàng đối với dịch vụ Internet Banking MB BANK. Chúng ta sẽ đánh giá xem Tuần suất sử dụng và Thu nhập của các khách hàng có sự liên kết nhau hay không.

Biến Thâm niên được chia làm các mức giá trị:

• ít hơn 3 lần/tuần
• 3-5 lần/tuần
• nhiều hơn 5 lần/tuần

Biến Thu nhập được chia làm các mức giá trị:

• Dưới 5 triệu
• Từ 5 – dưới 10 triệu
• Từ 10 – dưới 20 triệu
• Từ 20 triệu trở lên

Giả thuyết Ho: Tuần suất sử dụng 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 Thunhap vào ô Row(s) và biến Tuansuatsd 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.

6. Kết quả và nhận xét

6.1. Phân tích bảng Crosstab (Bảng chéo)

Bảng Crosstab thể hiện mối quan hệ giữa thu nhập (THUNHAP) và tần suất sử dụng dịch vụ (TANSUATSD) của 200 đối tượng khảo sát.

Xét theo từng nhóm thu nhập, có thể nhận thấy sự khác biệt rõ rệt về tần suất sử dụng:

• Nhóm thu nhập dưới 5 triệu đồng:
  Phần lớn người thuộc nhóm này sử dụng dịch vụ ít hơn 3 lần/tuần (76,9%), chỉ 23,1% sử dụng nhiều hơn 5 lần/tuần. Điều này cho thấy khả năng chi tiêu hạn chế khiến tần suất sử dụng dịch vụ không cao.

• Nhóm thu nhập từ 5 – dưới 10 triệu đồng:
  Đa số người khảo sát sử dụng dịch vụ từ 3–5 lần/tuần (83,3%), rất ít người sử dụng với tần suất thấp hoặc cao hơn. Nhóm này có xu hướng sử dụng ổn định và mang tính duy trì.

• Nhóm thu nhập từ 10 – 20 triệu đồng:
  Tần suất sử dụng dịch vụ tăng mạnh, với 62,5% người khảo sát sử dụng nhiều hơn 5 lần/tuần. Điều này phản ánh mức thu nhập cao hơn đi kèm với nhu cầu và khả năng chi tiêu lớn hơn.

• Nhóm thu nhập trên 20 triệu đồng:
  100% người khảo sát trong nhóm này sử dụng dịch vụ nhiều hơn 5 lần/tuần, cho thấy hành vi tiêu dùng rất rõ ràng và nhất quán.

-> Thu nhập càng cao thì tần suất sử dụng dịch vụ càng tăng, cho thấy có dấu hiệu tồn tại mối liên hệ giữa hai biến.

6.2. Kiểm định Chi-square (Chi-bình phương)

Kết quả kiểm định Chi-square cho thấy:

• Pearson Chi-Square = 182,090

• Sig. (Asymp. Sig. 2-sided) < 0,001

Với mức ý nghĩa Sig. < 0,05, ta bác bỏ giả thuyết H₀ (giả thuyết cho rằng thu nhập và tần suất sử dụng là độc lập).

-> Có mối quan hệ có ý nghĩa thống kê giữa thu nhập và tần suất sử dụng dịch vụ.

6.3. Đánh giá mức độ ảnh hưởng (Symmetric Measures)

Để đánh giá mức độ chặt chẽ của mối quan hệ, ta xét các chỉ số:

• Cramer’s V = 0,675

• Sig. < 0,001

Theo quy ước:

• 0,1 → ảnh hưởng yếu

• 0,3 → ảnh hưởng trung bình

• ≥ 0,5 → ảnh hưởng mạnh

Với Cramer’s V = 0,675, có thể kết luận rằng thu nhập có ảnh hưởng mạnh đến tần suất sử dụng dịch vụ.

Điều này không chỉ có ý nghĩa thống kê mà còn có ý nghĩa thực tiễn cao, đặc biệt trong các nghiên cứu về hành vi tiêu dùng, marketing hoặc hoạch định chiến lược khách hàng.

6.4. Phân tích biểu đồ minh họa

Biểu đồ cột cho thấy xu hướng rất rõ ràng:

• Khi mức thu nhập tăng, cột biểu thị nhóm “nhiều hơn 5 lần/tuần” ngày càng cao.

• Ngược lại, nhóm “ít hơn 3 lần/tuần” chủ yếu tập trung ở nhóm thu nhập thấp.

Biểu đồ trực quan giúp khẳng định lại kết quả kiểm định Chi-square và làm cho kết luận trở nên dễ hiểu hơn đối với người đọc không chuyên.

Kết quả phân tích Crosstab kết hợp kiểm định Chi-square cho thấy thu nhập và tần suất sử dụng dịch vụ có mối quan hệ chặt chẽ và có ý nghĩa thống kê (Sig. < 0,001), do đó có thể bác bỏ giả thuyết hai biến độc lập. Bảng chéo và biểu đồ minh họa đều chỉ ra xu hướng nhất quán rằng mức thu nhập càng cao thì tần suất sử dụng dịch vụ càng lớn, phản ánh sự khác biệt rõ rệt trong hành vi tiêu dùng giữa các nhóm thu nhập. Đồng thời, chỉ số Cramer’s V đạt 0,675 cho thấy mức độ ảnh hưởng mạnh, khẳng định thu nhập không chỉ liên quan về mặt thống kê mà còn có ý nghĩa thực tiễn trong việc giải thích và dự báo hành vi sử dụng dịch vụ. Kết quả này có thể được sử dụng làm cơ sở cho các phân tích sâu hơn và đề xuất các giải pháp quản trị, marketing hoặc phân khúc khách hàng phù hợp theo từng nhóm thu nhập.

--------------------------

Resdata hỗ trợ bạn những gì?

✅ Tư vấn & định hướng toàn bộ quy trình xử lý dữ liệu SPSS: Rà soát thang đo, phát hiện và xử lý các biến không phù hợp, đồng thời định hướng từng bước phân tích (Cronbach’s Alpha, EFA, hồi quy/SEM…) theo đúng bản chất dữ liệu, bối cảnh nghiên cứu và mục tiêu đề tài, giúp kết quả phản ánh thực tế nghiên cứu và đáp ứng yêu cầu học thuật.

✅ Hỗ trợ SPSS 1 kèm 1 qua ultraview: Hướng dẫn chi tiết từng bước thực hành và cách viết nhận xét chuẩn học thuật.

✅ Xử lý nhanh – đúng chuẩn: Xử lý kết quả trong ngày Phù hợp cho khóa luận, luận văn, luận án và bài báo khoa học.

✅ Cam kết chỉnh sửa theo góp ý của giảng viên/hội đồng cho đến khi đạt yêu cầu.

Nếu bạn đang gặp phải các tình huống trên và chưa tìm được hướng xử lý phù hợp, đừng ngần ngại liên hệ ngay: Hotline: 0907 786 895.

Resdata luôn sẵn sàng đồng hành cùng bạn với phương châm Nhanh chóng – Tin cậy – Bảo mật – Chi phí hợp lý.