CÁCH THỨC TIẾN HÀNH LỆNH FREQUENCIES (Tính tần số) Sau khi mở file dữ liệu, vào menu Analyze Descriptive Statistics Frequencies Màn hình sẽ xuất hiện hộp thoại sau: Vẽ biểu đồ Chọn biến muốn tính tần số (biến Place V1) bằng cách click chuột vào tên biến rồi đưa sang khung Variable(s). Click Ok. Trường hợp muốn vẽ biểu đồ thực hiện thêm bước 4 trước khi click Ok. Để vẽ biểu đồ click chuột vào ô Charts…. Chọn dạng biểu đồ ở Chart type, chọn giá trị thể hiện trên biểu đồ là số đếm (frequencies) hay phần trăm (percentages). Click Continue để trở lại hộp thoại Frequencies Ok để thực hiện lệnh. TÍNH TRỊ TRUNG BÌNH (2 CÁCH) CÁCH 1. DÙNG LỆNH FREQUENCY Vào menu Analyze Descriptive Statistics Frequencies. Đưa biến cần tính trị trung bình vào ô variables như bước 1 và 2 ở phần trước. Click chọn thẻ Statistic, mở hộp thoại, và click chọn các thông số cần thiết: Ý nghĩa một số thông số thông dụng: Mean: trung bình cộng Sum: tổng cộng (cộng tất cả các giá tị trong tập dữ liệu quan sát) Std. Deviation: độ lệch chuẩn Minimum: giá trị nhỏ nhất Maximum: giá trị lớn nhất S.E. mean: sai số chuẩn khi ước lượng trị trung bình CÁCH 2. DÙNG LỆNH DESCRIPTIVES (Tính điểm trung bình) Vào menu Analyze Descriptive Statistics Descriptives…, xuất hiện hộp thoại Chọn 1 hay nhiều biến (định lượng) muốn tính điểm trung bình đưa vào khung Variable(s). Click vào ô Options… để xuất hiện hộp thoại Descriptive Options. Chọn các đại lượng thống kê muốn tính toán bằng cách click vào ô vuông cần thiết. Chọn cách sắp xếp kết quả tính toán theo thứ tự danh sách biến (Variable list), thứ tự Alphabetic của nhãn biến, thứ tự tăng dần (Ascending list), và thứ tự giảm dần (Descending list). Click Continue để trở về hộp thoại Descriptive Ok để thực hiện lệnh. CÁCH THỨC TIẾN HÀNH PHÂN TÍCH BẢNG CHÉO (CROSSTABULATION) Phân tích bảng chéo dùng để kiểm định mối quan hệ giữa các biến định tính với nhau bằng cách dùng kiểm định Chi – bình phương (Chi-square). Cách thức tiến hành với SPSS như sau: Vào menu Analyze Descriptive Statistics Crosstabs…, Xuất hiện hộp thoại sau: Chọn và đưa các biến vào khung Row(s) (dòng) và Column(s) (cột) và Layer 1 of 1 (đối với trường hợp trên 2 biến). Click vào ô Statistics, xuất hiện hộp thoại sau: Chọn các kiểm định cần thiết. Trong trường hợp này ta dùng kiểm định Chi – bình phương (Chi-square). Các kiểm định ở ô Norminal dùng để kiểm định mối liên hệ giữa các biến biểu danh. Các kiểm định ở ô Ordinal dùng để kiểm định mối liên hệ giữa các biến thứ tự. Click vào continue để trở lại hộp thoại Crosstabs Click vào ô Cells, hộp thoại sau xuất hiện: Ở ô Counts chọn Observed (thể hiện tần số quan sát). Trong trường hợp muốn thể hiện tần số mong đợi chọn Expected. Chọn cách thể hiện phần trăm theo dòng hay theo cột ở ô Percentages. Click Continue để trở lại hộp thoại Crosstabs Ok để thực hiện lệnh. CÁCH THỨC TIẾN HÀNH KIỂM ĐỊNH GIẢ THUYẾT VỀ TRỊ TRUNG BÌNH CỦA 2 TỔNG THỂ ĐỘC LẬP (Independent Samples T-test) Vào menu Analyze Compare Means Independent-samples T-test Chọn biến định lượng cần kiểm định trị trung bình đưa vào khung Test Variable(s). Chọn biến định tính chia số quan sát thành 2 nhóm mẫu để so sánh giữa 2 nhóm này với nhau đưa vào khung Grouping Variable. Chọn Define Groups… để nhập mã số của 2 nhóm. Click Continue để trở lại hộp thoại chính Click Ok để thực hiện lệnh CÁCH THỨC TIẾN HÀNH KIỂM ĐỊNH GIẢ THUYẾT VỀ TRỊ TRUNG BÌNH CỦA 2 TỔNG THỂ PHỤ THUỘC HAY PHỐI HỢP TỪNG CẶP (Paired-Samples T-test) Vào menu Analyze Compare means Paired-samples T-test Chọn cặp biến muốn so sánh (nhấn giữ phím ctrl để chọn 2 biến) đưa vào khung Paired Variable(s). Có thể chọn nhiều cặp để so sánh cùng 1 lúc. Có thể chỉnh lại độ tin cậy bằng cách click vào ô Option, nhập độ tin cậy vào khung Confidence Interval. Click Ok để thực hiện lệnh. Xem cách đọc kết quả kiểm định ở phần trên. Cũng dùng giá trị Sig. CÁCH THỨC TIẾN HÀNH PHÂN TÍCH PHƯƠNG SAI (ANOVA – Analysis of Variance) Phân tích phương sai ANOVA là phương pháp so sánh trị trung bình của 3 nhóm trở lên. Có 2 kỹ thuật phân tích phương sai: ANOVA 1 yếu tố (một biến yếu tố để phân loại các quan sát thành các nhóm khác nhau) và ANOVA nhiều yếu tố(2 hay nhiều biến để phân loại). Ở phần thực hành cơ bản chỉ đề cập đến phân tích phương sai 1 yếu tố (One-way ANOVA). Một số giả định đối với phân tích phương sai một yếu tố: Các nhóm so sánh phải độc lập và được chọn một cách ngẫu nhiên. Các nhóm so sánh phải có phân phối chuẩn hoặc cỡ mẫu phải đủ lớn để được xem như tiệm cận phân phối chuẩn. Phương sai của các nhóm so sánh phải đồng nhất. Từ menu Analyze Compare Means One-Way ANOVA, xuất hiện hộp thoại sau: 2 kỹ thuật dùng để kiểm định sâu ANOVA Đưa biến định lượng (trị trung bình) vào khung Dependent list. Đưa biến phân loại xác định các nhóm cần so sánh với nhau vào khung Factor. Click vào nút Option để mở hộp thoại One-Way ANOVA Options. Trong hộp thoại One-way ANOVA Options: Click chọn ô Descriptive để tính đại lượng thống kê mô tả (tính trị trung bình) theo từng nhóm so sánh. Click chọn ô Homogeneity of variance test để kiểm định sự bằng nhau của các phương sai nhóm (thực hiện kiểm định Levene). Click chọn Continue để trở lại hộp thoại ban đầu click Ok để thực hiện lệnh. Dựa vào kết quả kiểm định ANOVA, nếu H0 được chấp nhận thì kết luận không có sự khác biệt có ý nghĩa giữa các nhóm với nhau. Nếu H0 bị bác bỏ có sự khác biệt có ý nghĩa giữa các nhóm trở lại hộp thoại One – way ANOVA để thực hiện kiểm định sâu ANOVA nhằm xác định cụ thể trung bình của nhóm nào khác với nhóm nào, nghĩa là tìm xem sự khác biệt của các nhóm xảy ra ở đâu. Tuy nhiên có thể thực hiện kiểm định ANOVA và sâu ANOVA cùng lúc với nhau. Dựa vào sự chấp nhận hay bác bỏ giả thuyết H0 để quan tâm hay không quan tâm đến kết quả kiểm định sâu ANOVA. MÔ HÌNH HỒI QUY TUYẾN TÍNH BỘI Từ menu Analyze Regression Linear… Xuất hiện hộp thoại sau: Đưa biến phụ thuộc vào khung Dependent(s). Đưa biến độc lập vào khung Independent(s). Chọn phương pháp đưa biến vào ở ô Method. Mặc định SPSS sẽ chọn phương pháp đưa biến vào là Enter. Đây là phương pháp mà SPSS sẽ xử lý tất cả các biến độc lập mà nhà nghiên cứu muốn đưa vào mô hình. Phương pháp đưa vào dần (forward selection). Biến độc lập đầu tiên được xem xét để đưa vào mô hình là biến có tương quan lớn nhất với biến phụ thuộc. Tiếp tục SPSS sẽ xét điều kiện để đưa các biến độc lập còn lại vào mô hình. Nếu biến đầu tiên không thoả điều kiện vào thì thủ tục này sẽ chấm dứt, không có biến nào được đưa vào mô hình. Phương pháp loại trừ dần (backward elimination). Đầu tiên tất cả các biến độc lập được đưa vào mô hình, biến có hệ số tương quan nhỏ nhất sẽ được kiểm tra đầu tiên, nếu không thoả điều kiện sẽ bị loại ra. Lúc này mô hình này sẽ được tính toán lại mà không có biến độc lập vừa loại. Tiếp theo SPSS sẽ lặp lại thủ tục trên cho đến khi nào giá trị F của biến có hệ số tương quan nhỏ nhất lớn hơn điều kiện thì quá trình này sẽ dừng lại. Tham khảo điều kiện để đưa vào và loại ra PIN, FIN, FOUT, POUT. Phương pháp chọn từng bước (stepwise selection) là sự kết hợp của phương pháp đưa vào dần vào loại trừ dần và là phương pháp được sử dụng thông thường nhất. Sử dụng phương pháp đưa biến vào nào phụ thuộc vào tính chất của cuộc nghiên cứu. Và phương pháp được sử dụng nhiều nhất là phương pháp chọn từng bước (stepwise selection). Click vào ô Statistics…, để mở hộp thoại sau: Click chọn ô Collinearity diagnostics để kiểm tra hiện tượng Đa cộng tuyến (Multicollinearity). Độ chấp nhận của biến (Tolerances) và hệ số phóng đại phương sai (Variance inflation factor – VIF) được dùng để phát hiện hiện tượng đa cộng tuyến. Quy tắc là khi VIF vượt quá 10 là dấu hiệu của đa cộng tuyến. Click Continue để trở lại hộp thoại Linear Regressions click Ok để thực hiện lệnh. HỒI QUY BINARY LOGISTIC Hồi quy Binary Logistic sử dụng biến phụ thuộc dạng nhị phân để ước lượng xác suất một sự kiện sẽ xảy ra với những thông tin của biến độc lập mà ta có được. Khi biến phụ thuộc ở dạng nhị phân ( hai biểu hiện 0 và 1) thì không thể phân tích với dạng hồi quy thông thường mà phải sử dụng hồi quy Binary Logistic. Cách thức tiến hành phân tích hồi quy Binary Logistic với SPSS Vào menu Analyze Regression Binary Logistic, xuất hiện hộp thoại sau: Đưa biến phụ thuộc Y dạng nhị phân vào ô dependent, và biến độc lập sang khung Covariate. Chọn phương pháp đưa biến vào (Method) tương tự như hồi quy tuyến tính thông thường. Tuy nhiên điều kiện căn cứ trên số thống kê likelihood-ratio (tỷ lệ thích hợp) hay số thống kê Wald. Enter: đưa vào bắt buộc, các biến trong khối biến độc lập được đưa vào trong một bước. Forward: Conditional là phương pháp đưa dần vào theo điều kiện. Nó kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên những ước lượng thông số có điều kiện. Forward: LR là phương pháp đưa dần vào kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng khả năng xảy ra tối đa (maximum-likelihood estimates). Forward: Wald là phương pháp đưa dần vào kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Wald. Backward: Conditional là phương pháp loại trừ dần theo điều kiện. Nó kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên những ước lượng thông số có điều kiện. Backward: LR là phương pháp loại trừ dần vào kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Likelihood-ratio dựa trên ước lượng khả năng xảy ra tối đa. Backward: Wald là phương pháp đưa dần vào kiểm tra việc loại biến căn cứ trên xác suất của số thống kê Wald. Stepwise: hồi quy từng bước, số thống kê được sử dụng cho các biến được đưa vào và loại ra căn cứ trên số thống kê Likelihood-ratio, hay số thống kê Wald. Để hiện đồ thị phân loại giá trị thật và giá trị dự báo của biến phụ thuộc, chọn Option, chọn Classification plots trong phần Statistics and plots. Click Continue trở về hộp thoại đầu tiên. Muốn tính được giá trị dự đoán, là xác suất mà một đối tượng sẽ … (biến phụ thuộc Y), ta chọn Predict value trong hộp thoại Save. Chọn Continue Ok để thực hiện lệnh. CÁCH THỨC TIẾN HÀNH PHÂN TÍCH NHÂN TỐ Từ menu Analyze Data Reduction Factor Xuất hiện hộp thoại sau: Chọn tất cả các biến cần gom nhóm vào ô Variables. Click chọn ô Descriptives…, xuất hiện hộp thoại sau: Chọn các tham số thống kê mô tả. Chọn tính các ma trận hệ số tương quan. Chọn kiểm định Bartlett. Trong phân tích nhân tố, cần kiểm định mối tương quan của các biến với nhau (H0: các biến không có tương quan với nhau trong tổng thể). Nếu giả thuyết H0 không được bác bỏ thì phân tích nhân tố có khả năng không thích hợp. Click continue để trở lại hộp thoại Factor analysis Click chọn ô Extraction để mở hộp thoại sau: Chọn phương pháp rút trích nhân tố, phương pháp mặc định là rút các thành phần chính – Principal components. Phân tích ma trận tương quan hay hiệp phương sai ở ô Analyze. Thể hiện phương án nhân tố chưa xoay và vẽ biểu đồ dốc ở ô Display. Xác định tiêu chuẩn rút trích nhân tố hay số lượng nhân tố cần rút trích. Có 2 cách để xác định tiêu chuẩn này ở ô Extract: Xác định từ trước dựa vào ý đồ của nhà nghiên cứu và kết quả của các cuộc nghiên cứu trước. Nhà nghiên cứu xác định số nhân tố ở ô Number of factors. Xác định dựa vào Eigenvalue (Determination based on eigenvalue. Chỉ có những nhân tố nào lớn hơn 1 mới được giữ lại trong mô hình phân tích. Click Continue để trở lại hộp thoại Factor Analysis. Click chọn ô Rotation (Xoay nhân tố) để mở hộp thoại sau: Xoay nhân tố là thủ tục giúp ma trận nhân tố trở nên đơn giản và dễ giải thích hơn. Có nhiều phương pháp xoay khác nhau trong đó được sử dụng rộng rãi nhất là Varimax procedure (xoay nguyên góc các nhân tố để tối thiểu hoá số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố). Click Continue để trở lại hộp thoại chính. Click chọn ô Factor Score để tính điểm các nhân tố Nếu nhà nghiên cứu muốn xác định tập hợp nhân tố ít hơn để sử dụng trong các phương pháp phân tích đa biến tiếp theo (phân tích ANOVA, hồi quy…), ta có thể tính toán ra các nhân số (trị số của các biến tổng hợp) cho từng trường hợp quan sát một. Nhân số của nhân tố thứ i bằng: Fi = Wi1X1 + Wi2X2 + Wi3X3 + … + WikXk Máy tính sẽ tính các nhân số này và tự động save vào file dữ liệu những biến mới này. Mặc định của chương trình là phương pháp tính nhân số Regression (theo đơn vị đo lường độ lệch chuẩn). Chọn thể hiện bảng trọng số nhân tố bằng cách click vào ô Display factor … Click Continue để trở lại hộp thoại ban đầu click Ok để thực hiện lệnh. XỬ LÝ CÂU HỎI NHIỀU LỰA CHỌN MÃ HOÁ Trong quá trình nghiên cứu, có những câu hỏi cho phép người trả lời chọn nhiều hơn 1 lựa chọn. Số thứ tự Tên phẫu thuật Đánh dấu và ghi chú (nếu có) Cắt viêm ruột thừa Mổ lấy thai Cắt tử cung Phẫu thuật u buồng trứng Viêm túi mật Phẫu thuật khác Đối với câu hỏi nhiều lựa chọn, mỗi một lựa chọn sẽ được mã hoá thành 1 biến. Theo ví dụ trên ta sẽ mã hoá thành 6 biến. Cách thức khai báo Value: có 2 cách thức Cách 1: dùng dạng câu hỏi phân đôi Có – Không (Dạng biến Dichotomy) Cách 2: dùng chính số thứ tự của biến để mã hoá. Nếu bệnh nhân nào có tiền sử cắt viêm ruột thừa sẽ nhập vào số 1, có tiền sử mổ lấy thai sẽ nhập vào số 2. (Dạng biến Category) CÁCH THỨC XỬ LÝ Đối với câu hỏi nhiều lựa chọn, khi cần phân tích tần số chúng ta không sử dụng công cụ thống kê mô tả tính Frequency thông thường. Công cụ dùng xử lý câu hỏi nhiều lựa chọn là Multiple Response. Định dạng biến tổng hợp Từ menu Analyze Multiple Response Define Variable Sets… để mở hộp thoại sau: Chọn tất cả các biến thuộc câu nhiều lựa chọn đưa vào khung Variables in Set. Khai báo cách mã hoá ở khung Variables Are Coded As: Nếu dùng cách mã hoá 1: dùng dạng câu hỏi phân đôi Có – Không, ta sẽ khai báo biến ở dòng Dichotomies. Và sẽ đếm giá trị “Có” ở ô Counted value. Đối với ví dụ trên, do ta khai báo 1. Không, 2. Có, nên ở ô này ta sẽ nhập giá trị cần đếm là “2” Nếu dùng cách mã hoá 2, ta sẽ khai báo ở dòng Categories, và đếm các số thứ tự của biến. Trong ví dụ trên có 6 biến, ta sẽ đếm từ giá trị 1 đến 6 tại ô Range: 1 through: 6. Khai báo tên và nhãn biến ở khung Name và Label. Click vào Add để xác nhận biến tổng hợp đã được tạo Click chọn Close để hoàn tất quá trình định dạng biến tổng hợp. Phân tích tần số (Frequency) Từ menu Analyze Multiple Response Frequency, xuất hiện hộp thoại sau: Đưa biến tổng hợp vừa tạo ở phần trên vào ô Tables for Click chọn Ok để hoàn tất thao tác. Kết quả hiện ra ở cửa sổ Output như sau: $TSPHAUTHUATTH Frequencies Responses Percent of Cases N Percent TIEN SU PHAU THUAT TONG HOPa tien su cat viem ruot thua 38 69.1% 76.0% tien su mo lay thai 3 5.5% 6.0% tien su mo cat tu cung 2 3.6% 4.0% tien su phau thuat u buong trung 3 5.5% 6.0% ts mo do benh khac 9 16.4% 18.0% Total 55 100.0% 110.0% a. Dichotomy group tabulated at value 2. Percent of Cases: phần trăm trên tổng số bệnh nhân được quan sát (50 bệnh nhân) Percent of Responses: phần trăm trên tổng sự trả lời (vì mỗi bệnh nhân có thể có nhiều tiền sử phẩu thuật nên tổng sự trả lời = 55 > cỡ mẫu quan sát = 50) MÃ HOÁ LẠI BIẾN Trong quá trình phân tích dữ liệu người làm nghiên cứu đôi khi sẽ phải mã hoá lại biến để sử dụng cho nhiều mục đích khác nhau, và trường hợp đơn cử nhất là: Khi nhà nghiên cứu muốn chuyển một biến định lượng (thang đo tỷ lệ) sang một biến định tính (thang đo biểu danh hay thứ tự). Ví dụ: Khi thu thập thông tin về độ tuổi của bệnh nhân, chúng ta sử dụng thang đo tỷ lệ (dùng chính xác số tuổi của bệnh nhân: 52, 67, hay 81 tuổi…). Đến khi xử lý số liệu, nhà nghiên cứu lại muốn sử dụng nhóm tuổi để phân tích và viết báo cáo: < 30 tuổi 30 – 39 tuổi 40 – 49 tuổi 50 – 59 tuổi ≥ 60 tuổi Quy trình mã hoá lại biến như sau: Vào menu Transform Recode into Different Variables… Nếu chúng ta chọn Recode into Same Variables… thì biến cũ (số tuổi chính xác) sẽ mất đi và được thay thế bằng một biến mới với các biểu hiện mới (là nhóm tuổi). Thông thường ta sẽ chọn Recode into Different Variables… để tạo ra biến mới mà vẫn giữ lại biến cũ. Xuất hiện hộp thoại sau: Đưa biến cần mã hoá lại từ khung chứa bộ biến sang khung Numeric Variable -> Output Variable. Tại khung Output Variable, khai báo tên và nhãn cho biến mới Click chọn Change để thực hiện thay biến. Tiếp tục thay đổi giá trị của biến bằng cách click chọn Old and New Values…, mở hộp thoại sau: Ta lần lượt khai báo giá trị cũ bên tay trái (Old Value) thành giá trị mới bên tay phải (New Value) Click chọn Add sau mỗi lần khai báo. Với giá trị cũ có các dạng sau đây: Value: từng giá trị cũ rời rạc System-missing: giá trị khuyết hệ thống System or user missing: giá trị khuyết của hệ thống hoặc do người sử dụng định nghĩa Range: một khoảng giá trị (từ … đến … / range: … through: …) Range, LOWEST through value: một khoảng giá trị từ giá trị nhỏ nhất đến một giá trị được nhập vào Range, value through HIGHEST: một khoảng giá trị từ giá trị nhập vào đến giá trị lớn nhất Chọn Continue trở về hộp thoại trước, và chọn OK để hoàn tất kệnh. Khai báo value cho biến vừa tạo tại ô Value của cửa sổ Variable View như hình sau: Tiếp tục thực hiện các phép thống kê mô tả hay kiểm định dựa trên biến mới vừa tạo nhằm phục vụ cho mục tiêu nghiên cứu. CÁCH TÍNH TOÁN GIÁ TRỊ BIẾN MỚI TỪ BIẾN CÓ SẴN Có thể sử dụng SPSS để cộng, trừ, nhân chia các biến đã có sẵn để trở thành 1 biến mới (thủ tục TransformCompute). Tuy nhiên biến mới được tính toán này không tự động thay đổi nếu ta thay đổi các biến thành phần như công cụ tính toán trong Excel. Vì vậy, thủ tục tính toán này thường được tiến hành sau khi đã chỉnh lý dữ liệu. Thủ tục tính toán này được sử dụng khá nhiều trong phân tích số liệu. Đặc biệt đối với những đề tài có sử dụng phân tích nhân tố để gom nhóm. Sau khi tiến hành gom nhóm các yếu tố có cùng tính chất, ta sẽ tính toán giá trị của nhóm bằng thủ tục Compute này. Ví dụ: kết quả sau khi tiến hành phân tích nhân tố như sau KẾT QUẢ SAU KHI COMPUTE VÀ THỐNG KÊ MÔ TẢ KẾT QUẢ PHÂN TÍCH NHÂN TỐ KẾT QUẢ SAU KHI COMPUTE VÀ THỐNG KÊ MÔ TẢ KẾT QUẢ PHÂN TÍCH NHÂN TỐ Với N1, N2, N3 là ký hiệu mã hoá cho 3 nhóm được gom từ 12 biến đánh giá chất lượng dịch vụ. Nếu những bước tiếp theo của đề tài cần thực hiện kiểm định t, ANOVA hay phân tích hồi quy liên quan đến các tiêu chí đánh giá chất lượng dịch vụ này, chúng ta sẽ không dùng 12 biến để thực hiện mà dùng nhóm lớn (3 nhóm). Để tính được giá trị cho các nhóm lớn (bằng trị trung bình của các biến trong nhóm) nhằm phục vụ cho mục đích kiểm định t, ANOVA hay phân tích hồi quy, chúng ta sẽ thao tác trong SPSS theo trình tự như sau Mã hoá biến mới (nhóm lớn) Đối với ví dụ trên, sau khi phân tích nhân tố ta có được 3 nhóm, vậy ta sẽ tiến hành mã hoá 3 biến mới (đại diện cho 3 nhóm) trong bộ số liệu đã có tại cửa sổ Variable View. Tiến hành tính toán cho nhóm Vào menu Transform Compute Variables, xuất hiện hộp thoại sau: PHÍM CÔNG CỤ CHO CÁC PHÉP TÍNH MŨI TÊN ĐƯA BIẾN VÀO Ô CÔNG THỨC Tại ô Target Variable, ta nhập vào tên biến mới sẽ chứa giá trị tính toán (tên biến của nhóm). Chú ý cần nhập đúng tên đã khai báo ở bước 1. Tại ô Numberic Expression, ta nhập công thức tính toán cho biến mới. Trong ví dụ trên, nhóm 1 gồm 5 biến 5.1, 5.6, 5.7, 5.8 và 5.9. Như vậy biến mới (N1) sẽ bằng trung bình của 5 biến. Cách nhập công thức tại ô này như sau: ta chọn biến từ khung chứa các biến rồi dùng dấu mũi tên đưa biến vào ô công thức, và sử dụng các phím công cụ cho phép tính trong cửa sổ này hoặc trên bàn phím máy vi tính. Sau đó chọn nút OK để hoàn tất lệnh, một hộp thoại xuất hiện để xác định quá trình tính toán biến, ta tiếp tục chọn OK. Đến đây thao tác tính toán biến đã hoàn thành. Trong ví dụ này, ta tính trị trung bình. Thao tác tương tự nếu chúng ta cần các phép tính nhân, chia, hiệu số, hay kết hợp nhiều phép tính. Kết quả sau khi compute sẽ thể hiện rõ tại cửa sổ Data View. Lệnh compute đã giúp ta tính toán được nhóm lớn (3 nhóm) cho từng quan sát (từng đối tượng nghiên cứu một) GIÁ TRỊ CỦA BIẾN N1, N2, VÀ N3 CHO QUAN SÁT 1 Chúng ta có thể thực hiện lệnh thống kê mô tả (tính trị trung bình của các nhóm trên tổng mẫu quan sát – kết quả 2 cột cuối cùng ở VD trang 1), kiểm định t, ANOVA hay phân tích hồi quy (đối với nhà nghiên cứu thuộc trường phái đồng ý trị trung bình làm biến độc lập X) trên 3 biến N1, N2, và N3 này.