Máy tính kiểm định Kruskal-Wallis
Thực hiện kiểm định Kruskal-Wallis H để so sánh nhiều nhóm độc lập. Nhận kết quả tính toán từng bước, phân tích thứ hạng, quy mô ảnh hưởng và biểu đồ trực quan tương tác cho phân tích thống kê phi tham số.
Trình chặn quảng cáo đang ngăn chúng tôi hiển thị quảng cáo
MiniWebtool miễn phí nhờ quảng cáo. Nếu công cụ này hữu ích, hãy ủng hộ bằng Premium (không quảng cáo + nhanh hơn) hoặc cho phép MiniWebtool.com rồi tải lại trang.
- Hoặc nâng cấp Premium (không quảng cáo)
- Cho phép quảng cáo cho MiniWebtool.com, rồi tải lại
Giới thiệu về Máy tính kiểm định Kruskal-Wallis
Chào mừng bạn đến với Máy tính kiểm định Kruskal-Wallis, một công cụ thống kê toàn diện để so sánh nhiều nhóm độc lập bằng kiểm định Kruskal-Wallis H phi tham số. Máy tính này cung cấp các tính toán từng bước, phân tích thứ hạng, đo lường quy mô ảnh hưởng và trực quan hóa tương tác để giúp bạn hiểu và diễn giải dữ liệu của mình.
Kiểm định Kruskal-Wallis là gì?
Kiểm định Kruskal-Wallis H (còn được gọi là phân tích phương sai một chiều Kruskal-Wallis) là một kiểm định phi tham số dựa trên thứ hạng được sử dụng để xác định xem có sự khác biệt có ý nghĩa thống kê giữa hai hoặc nhiều nhóm của một biến độc lập trên một biến phụ thuộc liên tục hoặc thứ tự hay không. Nó là tương đương phi tham số của ANOVA một chiều.
Được đặt theo tên của William Kruskal và W. Allen Wallis, những người đã phát triển nó vào năm 1952, kiểm định này mở rộng kiểm định Mann-Whitney U cho nhiều hơn hai nhóm. Không giống như ANOVA, kiểm định Kruskal-Wallis không giả định phân phối chuẩn của dữ liệu.
Công thức số liệu thống kê Kruskal-Wallis H
Trong đó:
- N = Tổng số quan sát trên tất cả các nhóm
- k = Số lượng nhóm
- nᵢ = Số lượng quan sát trong nhóm i
- Rᵢ = Tổng thứ hạng trong nhóm i
Khi nào nên sử dụng kiểm định Kruskal-Wallis
Sử dụng Kruskal-Wallis thay vì ANOVA một chiều khi:
- Dữ liệu không chuẩn: Dữ liệu của bạn không đáp ứng giả định về tính chuẩn cần thiết cho ANOVA
- Dữ liệu thứ tự: Bạn có dữ liệu thứ tự (xếp hạng) thay vì dữ liệu liên tục
- Mẫu nhỏ: Kích thước mẫu quá nhỏ để xác minh tính chuẩn
- Có giá trị ngoại lai: Dữ liệu của bạn có các giá trị ngoại lai có thể làm sai lệch kết quả ANOVA
- Phương sai không bằng nhau: Phương sai giữa các nhóm không bằng nhau (tính không đồng nhất của phương sai)
Giả định của kiểm định Kruskal-Wallis
- Biến phụ thuộc nên được đo lường ở mức thứ tự hoặc liên tục
- Biến độc lập nên bao gồm hai hoặc nhiều nhóm phân loại, độc lập
- Tính độc lập của các quan sát - không có mối quan hệ giữa các quan sát trong mỗi nhóm hoặc giữa các nhóm với nhau
- Hình dạng phân phối tương tự giữa các nhóm (không nhất thiết phải chuẩn, nhưng phải tương tự)
Cách sử dụng máy tính này
- Nhập dữ liệu của bạn: Nhập dữ liệu cho mỗi nhóm trên một dòng riêng biệt. Các giá trị trong mỗi dòng có thể được phân tách bằng dấu phẩy, khoảng trắng hoặc tab.
- Thiết lập mức ý nghĩa: Chọn giá trị alpha của bạn (0,01, 0,05 hoặc 0,10) dựa trên yêu cầu kiểm định.
- Thiết lập độ chính xác: Chọn số chữ số thập phân cho kết quả của bạn.
- Tính toán: Nhấp vào nút Tính toán để thực hiện phân tích.
- Diễn giải kết quả: Xem xét số liệu thống kê H, giá trị p, quy mô ảnh hưởng và trực quan hóa để đưa ra kết luận.
Diễn giải kết quả
Ý nghĩa thống kê
- Nếu giá trị p ≤ alpha: Bác bỏ giả thuyết không. Có sự khác biệt có ý nghĩa thống kê giữa ít nhất một cặp nhóm.
- Nếu giá trị p > alpha: Không thể bác bỏ giả thuyết không. Không có đủ bằng chứng về sự khác biệt giữa các nhóm.
Quy mô ảnh hưởng (Epsilon-bình phương)
Quy mô ảnh hưởng đo lường ý nghĩa thực tiễn của các phát hiện của bạn:
| Epsilon-bình phương | Quy mô ảnh hưởng | Diễn giải |
|---|---|---|
| < 0,01 | Không đáng kể | Ảnh hưởng thực tiễn rất nhỏ hoặc không có |
| 0,01 - 0,06 | Nhỏ | Ý nghĩa thực tiễn nhỏ |
| 0,06 - 0,14 | Trung bình | Ý nghĩa thực tiễn vừa phải |
| > 0,14 | Lớn | Ý nghĩa thực tiễn lớn |
Kiểm định hậu định (Post-Hoc)
Khi kiểm định Kruskal-Wallis có ý nghĩa, bạn cần các kiểm định hậu định để xác định nhóm cụ thể nào khác biệt. Các lựa chọn phổ biến bao gồm:
- Kiểm định Dunn: Kiểm định hậu định phổ biến nhất cho Kruskal-Wallis
- Kiểm định Mann-Whitney U từng cặp: Với hiệu chỉnh Bonferroni hoặc hiệu chỉnh khác cho nhiều so sánh
- Kiểm định Conover-Iman: Dựa trên phân phối t của các thứ hạng
- Kiểm định Nemenyi: Tương đương phi tham số của Tukey's HSD
So sánh Kruskal-Wallis và ANOVA
| Tính năng | Kruskal-Wallis | ANOVA một chiều |
|---|---|---|
| Loại dữ liệu | Thứ tự hoặc liên tục | Chỉ liên tục |
| Tính chuẩn | Không yêu cầu | Yêu cầu |
| Phương sai bằng nhau | Không yêu cầu | Yêu cầu (có thể dùng Welch's ANOVA nếu vi phạm) |
| Sức mạnh thống kê | Thấp hơn (dùng thứ hạng) | Cao hơn (dùng giá trị thực tế) |
| Độ nhạy ngoại lai | Ít nhạy hơn | Nhạy hơn |
| Kích thước mẫu | Hoạt động tốt với mẫu nhỏ | Cần mẫu lớn hơn để đảm bảo tính chuẩn |
Câu hỏi thường gặp
Kiểm định Kruskal-Wallis là gì?
Kiểm định Kruskal-Wallis là một kiểm định phi tham số dựa trên thứ hạng được sử dụng để xác định xem có sự khác biệt có ý nghĩa thống kê giữa hai hoặc nhiều nhóm của một biến độc lập trên một biến phụ thuộc liên tục hoặc thứ tự hay không. Nó là tương đương phi tham số của ANOVA một chiều và là phần mở rộng của kiểm định Mann-Whitney U cho nhiều hơn hai nhóm.
Khi nào tôi nên sử dụng kiểm định Kruskal-Wallis thay vì ANOVA?
Sử dụng kiểm định Kruskal-Wallis khi: (1) Dữ liệu của bạn không đáp ứng giả định về tính chuẩn của ANOVA, (2) Bạn có dữ liệu thứ tự thay vì dữ liệu liên tục, (3) Kích thước mẫu nhỏ và bạn không thể xác minh tính chuẩn, (4) Dữ liệu có các giá trị ngoại lai có thể làm sai lệch kết quả ANOVA, hoặc (5) Phương sai giữa các nhóm không bằng nhau.
Làm thế nào để diễn giải giá trị p của Kruskal-Wallis?
Nếu giá trị p nhỏ hơn hoặc bằng mức ý nghĩa đã chọn (thường là 0,05), bạn bác bỏ giả thuyết không và kết luận rằng có sự khác biệt có ý nghĩa thống kê giữa ít nhất một cặp nhóm. Nếu p > alpha, bạn không thể bác bỏ giả thuyết không, nghĩa là không có đủ bằng chứng về sự khác biệt giữa các nhóm.
Quy mô ảnh hưởng trong kiểm định Kruskal-Wallis là gì?
Epsilon-bình phương được sử dụng làm thước đo quy mô ảnh hưởng cho kiểm định Kruskal-Wallis. Nó dao động từ 0 đến 1 và cho biết ý nghĩa thực tiễn: các giá trị dưới 0,01 là không đáng kể, 0,01-0,06 là nhỏ, 0,06-0,14 là trung bình và các giá trị trên 0,14 cho thấy ảnh hưởng lớn. Quy mô ảnh hưởng bổ sung cho ý nghĩa thống kê bằng cách hiển thị mức độ khác biệt.
Kích thước mẫu tối thiểu cho kiểm định Kruskal-Wallis là bao nhiêu?
Mỗi nhóm nên có ít nhất 5 quan sát để có kết quả đáng tin cậy, mặc dù về mặt kỹ thuật, kiểm định yêu cầu ít nhất 2 quan sát cho mỗi nhóm. Đối với các mẫu rất nhỏ, phép xấp xỉ chi bình phương được sử dụng để tính giá trị p có thể không chính xác và nên xem xét các kiểm định hoán vị chính xác.
Những kiểm định hậu định nào sau kết quả Kruskal-Wallis có ý nghĩa?
Khi kiểm định Kruskal-Wallis có ý nghĩa, các kiểm định hậu định sẽ xác định nhóm cụ thể nào khác biệt. Các lựa chọn phổ biến bao gồm: kiểm định Dunn (phổ biến nhất), kiểm định Mann-Whitney U từng cặp với hiệu chỉnh Bonferroni, kiểm định Conover-Iman hoặc kiểm định Nemenyi. Các kiểm định này kiểm soát lỗi Loại I khi thực hiện nhiều so sánh.
Tài nguyên bổ sung
Tham khảo nội dung, trang hoặc công cụ này như sau:
"Máy tính kiểm định Kruskal-Wallis" tại https://MiniWebtool.com/vi/máy-tính-kiểm-định-kruskal-wallis/ từ MiniWebtool, https://MiniWebtool.com/
bởi đội ngũ miniwebtool. Cập nhật: 27 tháng 1, 2026
Bạn cũng có thể thử AI Giải Toán GPT của chúng tôi để giải quyết các vấn đề toán học của bạn thông qua câu hỏi và trả lời bằng ngôn ngữ tự nhiên.
Các công cụ liên quan khác:
Thống kê và phân tích dữ liệu:
- Máy tính ANOVA
- Máy tính trung bình số học
- Máy Tính Trung Bình - Độ Chính Xác Cao
- Máy tính độ lệch trung bình
- Trình tạo biểu đồ hộp và râu
- Máy Tính Kiểm Định Chi-Square
- Máy tính Hệ số Biến đổi
- Máy tính Cohen
- Máy tính tỷ lệ tăng trưởng kép
- Máy tính khoảng tin cậy
- Máy Tính Khoảng Tin Cậy cho Tỷ lệ Mới
- Máy Tính Hệ Số Tương Quan
- Máy tính Trung bình Hình học
- Máy tính Trung bình Hài hòa
- Trình tạo Histogram
- Máy tính Phạm vi Liên vùng
- Máy tính kiểm định Kruskal-Wallis
- Máy Tính Hồi Quy Tuyến Tính
- Máy tính Tăng trưởng Logarit
- Máy tính kiểm định Mann-Whitney U
- Máy tính Độ lệch Tuyệt đối Trung bình
- Máy tính trung bình
- Máy tính Số trung bình, Trung vị, Yếu vị
- Máy tính độ lệch tuyệt đối trung vị
- Máy tính Trung vị
- Máy tính Midrange
- Máy tính Chế độ
- Máy tính Giá trị ngoại lệ
- Máy tính độ lệch chuẩn dân số-độ chính xác cao
- Máy tính tứ phân vị
- Máy tính Độ lệch Tứ phân vị
- Máy tính Phạm vi
- Máy Tính Độ Lệch Chuẩn Tương Đối Nổi bật
- Máy tính RMS
- Máy tính trung bình mẫu Nổi bật
- máy tính kích thước mẫu
- Máy tính độ lệch chuẩn mẫu
- Trình Tạo Biểu Đồ Phân Tán
- Máy tính độ lệch chuẩn - Độ chính xác cao Nổi bật
- Máy Tính Lỗi Tiêu Chuẩn
- Máy tính Thống kê
- Máy Tính Kiểm Định t
- máy tính phương sai (Độ chính xác cao)
- Trình tính Z-Score Mới