in

Chỉ số Skewness và Kurtosis trong SPSS [từ A-Z]

Ở bài viết này thì Proskills.vn sẽ hướng dẫn cho Bạn cách tính chỉ số skewness và kurtosis trong SPSS một cách đơn giản nhất.

Chỉ số Skewness và Kurtosis trong SPSS [từ A-Z]
Chỉ số Skewness và Kurtosis trong SPSS [từ A-Z]

Skewness trong SPSS là gì?

Skewness trong thống kê thường được gọi với những cái tên khác như là độ xiên, độ lệch. Chúng được sử dụng để chỉ độ bất đối xứng của một phân phối. Nếu một phân phối có độ lệch = 0, thì chúng được gọi là đối xứng. Ngược lại, nếu chúng có độ lệch dương thì chúng sẽ có xu hướng lệch sang phải, và độ lệch âm thì có xu hướng lệch sang trái.

Một ví dụ về độ lệch dương (độ xiên phải, độ lêch phải...)
Một ví dụ về độ lệch dương (độ xiên phải, độ lêch phải…)

Kurtosis trong SPSS là gì?

Kurtosis trong thống kê thường gọi là độ gù, độ nhọn. Nó thường sử dụng trong thống kê mô tả nhằm mục đích đo mức độ tập trung của một phân phối (biến ngẫu nhiên).

Kurtosis là thước đo xem dữ liệu có đuôi nặng hay đuôi nhẹ hơn so với phân phối chuẩn. Có nghĩa là, các tập dữ liệu có kurtosis cao có xu hướng có nhiều đuôi hoặc phần ngoại lai. Các tập dữ liệu có hệ số kurtosis thấp có xu hướng có đuôi nhạt hoặc thiếu các giá trị ngoại lai.

Nếu một phân phối có kurtosis âm, nó được gọi là thú mỏ vịt, có nghĩa là nó có đỉnh phẳng hơn và đuôi mỏng hơn so với phân phối chuẩn. Điều này chỉ đơn giản có nghĩa là nhiều giá trị dữ liệu hơn nằm gần giá trị trung bình và ít giá trị dữ liệu hơn nằm trên đuôi.

Cách tính chỉ số Skewness và Kurtosis trong SPSS

Dữ liệu data Skewness và Kurtosis

Để tính chỉ số Skewness và Kurtosis , chúng ta sẽ bắt đầu bằng cách giả định rằng bạn đã nhập dữ liệu của mình vào SPSS và chế độ xem dữ liệu của bạn trông giống như thế này:

Ví dụ về Dữ liệu data Skewness và Kurtosis
Ví dụ bạn có 1 data như hình. Đây là Bảng dữ liệu người ném đĩa đã thống kê.

Chúng ta sẽ tính toán độ xiên và độ nhọn của dữ liệu đại diện cho biến: khoảng cách ném đĩa (xem ở trên). Mục đích tính hai giá trị này là để biết liệu dữ liệu có được phân phối bình thường hay không.

Cách tính

Có một số cách khác nhau để tính toán chỉ số Skewness và Kurtosis trong SPSS. Chúng tôi sẽ sử dụng thanh công cụ: Descriptive Statistics .

Để bắt đầu tính toán, hãy nhấp vào Analyze -> Descriptive Statistics -> Descriptives.

Analyze -> Descriptive Statistics -> Descriptives
Analyze -> Descriptive Statistics -> Descriptives

Sau khi thao tác như hướng dẫn, màn hình sẽ làm xuất hiện hộp thoại Descriptive Statistics ra như hình bên dưới. Điều Bạn cần làm bây giờ là lấy biến mà bạn muốn tính toán 2 chỉ số Skewness và Kurtosis sang hộp bên phải. Bạn có thể kéo và thả hoặc sử dụng nút mũi tên, như hình dưới đây để chuyển dữ liệu cần để tính toán.

Sau Khi đã đưa biến của mình vào cột bên phải, hãy nhấp vào nút Options. Thao tác này sẽ xuất hiện hộp thoại Descriptives: Options , trong đó có thể chọn một số biện pháp mô tả để tính là Skewness hoặc Kurtosis như hình bên dưới.

Để tính toán Skewness và Kurtosis, chỉ cần tick vào các tùy chọn (như hình phía trên). Bạn sẽ nhận thấy rằng chúng tôi cũng đã hướng dẫn SPSS cách tính giá trị trung bình và độ lệch chuẩn ở những bài viết trước đó.

Khi bạn đã lựa chọn xong, hãy nhấp vào Continue, sau đó nhấp vào OK trong hộp thoại Descriptives để yêu cầu SPSS thực hiện phép tính.

Kết quả

Kết quả sẽ bật lên trong trình xem đầu ra SPSS. Nó sẽ trông giống như thế này.

Điều này khá dễ hiểu. Thống kê độ lệch là 0,719 và độ nhọn là -,125 (chỉ số bạn xem hình ở trên). Bạn cũng có thể thấy rằng SPSS đã tính toán giá trị trung bình (46,93 mét) và độ lệch chuẩn (21,122 mét). N đại diện cho số lần quan sát.

Kết: bài viết vừa rồi giới thiệu đến bạn cách tính 2 chỉ số skewness và kurtosis trong SPSS. Nó nằm trong chuỗi bài viết hướng dẫn học spss căn bản mà Proskills.vn cung cấp. Bây giờ bạn có thể tính toán chúng như cách chúng tôi hướng dẫn.

0 0 votes
Article Rating
Subscribe
Notify of
guest
0 Comments
Inline Feedbacks
View all comments