One-Sample t-test: so sánh một mức trung bình với giá trị chuẩn như thế nào?

One-Sample t-test: so sánh một mức trung bình với giá trị chuẩn như thế nào? là Bài 25 của chuyên đề SPSS trong phân tích dữ liệu BĐS. Dùng One-Sample t-test để so trung bình một biến định lượng với giá trị chuẩn/hypothesized value; đọc t, df, p, mean difference, CI và effect size.

Biên soạn: ThS. Nguyễn Mạnh Hùng
GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn

Cập nhật 01/10/2026: Nội dung kỹ thuật đối chiếu với IBM SPSS Statistics 31. Tên menu và một số cột Output có thể khác nhẹ theo build/ngôn ngữ giao diện; khi khác, đối chiếu tài liệu chính thức của phiên bản đang sử dụng.

Lưu ý: dữ liệu BĐS, ngưỡng, giá trị chuẩn và tình huống trong bài nếu không ghi nguồn cụ thể đều là giả lập phục vụ giảng dạy. Kết quả kiểm định thống kê không tự chứng minh quan hệ nhân quả hoặc thay thế đánh giá nghiệp vụ/thị trường.

Mục tiêu học tập

Hiểu đúng bản chất thống kê của công cụ trong bài trước khi thao tác.
Biết điều kiện dữ liệu và thiết kế nghiên cứu phù hợp.
Thao tác được trên SPSS và lưu lại Syntax để tái lập.
Đọc đúng Output, gồm N, thống kê mô tả, khoảng tin cậy và p-value khi có.
Diễn giải trong bối cảnh BĐS mà không vượt quá bằng chứng.

Vị trí của bài trong mạch học

Bài thuộc Chương 4 – Kiểm định khác biệt giữa các nhóm. Từ đây sinh viên không chỉ mô tả mẫu mà bắt đầu suy luận về chênh lệch trung bình. Trình tự chuẩn là: thiết kế → dữ liệu → giả định → ước lượng → kiểm định → độ lớn hiệu ứng → diễn giải.

Câu hỏi của one-sample t-test

Kiểm định xem mean quần thể có khác một giá trị μ0 hay không, ví dụ đơn giá trung bình có khác 60 triệu/m².

Test Value phải có căn cứ trước khi nhìn dữ liệu.

Câu hỏi phản biện: nếu một người khác chỉ có file dữ liệu, Syntax và Output, họ có thể tái hiện quyết định này không? Nếu không, cần ghi thêm điều kiện, nhóm, đơn vị, hướng chênh lệch hoặc lý do chọn phương pháp.

Viết H0/H1 trước

H0: μ=μ0; kiểm định hai phía H1: μ≠μ0.

Không đổi sang one-tailed sau khi thấy dấu chênh.

Điểm kiểm thực hành: trước khi chuyển bước, kiểm N, missing, Filter/Split File/Weight Cases và ít nhất một bảng hoặc đồ thị mô tả phù hợp. Nếu trạng thái dữ liệu không đúng thì kết quả ở bước sau không còn đáng tin, dù SPSS vẫn chạy.

Thiết kế và mức đo

Mỗi case độc lập, biến định lượng phù hợp; cùng người đo hai lần không dùng one-sample.

Mã nominal 1/2/3 không trở thành biến định lượng chỉ vì lưu bằng số.

Kiểm phân bố/outlier

Với N nhỏ và lệch/outlier mạnh, mean/t-test có thể nhạy; dùng Explore/boxplot trước.

Không dùng normality p-value như nút pass/fail duy nhất.

Thao tác SPSS

Analyze > Compare Means and Proportions > One-Sample T Test; đưa biến vào Test Variable(s), nhập Test Value và chọn CI/effect sizes nếu cần.

SPSS 31 hỗ trợ ước lượng effect size cho t-test.

One-Sample Statistics

Đọc N, Mean, SD, SE trước bảng kiểm định.

N sai thường liên quan Missing/Filter/Split/Weight.

One-Sample Test

Mean Difference=Mean−Test Value; dấu dương/âm cho hướng; t và df dùng kiểm định H0.

Đừng bỏ chênh lệch gốc chỉ để đọc p.

Confidence Interval

CI của mean difference cho khoảng chênh phù hợp với dữ liệu; CI 95% không chứa 0 thường phù hợp p hai phía<0,05.

CI giúp đọc độ chính xác.

Effect size

Cohen's d/Hedges correction chuẩn hóa chênh lệch; sample lớn có thể p nhỏ nhưng effect nhỏ.

Không áp ngưỡng d như luật cứng, phải đọc theo BĐS.

P-value không là xác suất H0 đúng

P cho mức dữ liệu cực đoan dưới H0, không nói H0 đúng 3% hay sai 97%.

Viết 'có bằng chứng về khác biệt'.

Benchmark phải cùng định nghĩa

Không so giá rao 2026 với giá giao dịch 2023 rồi gọi cùng chuẩn.

Statistical test không sửa benchmark sai.

Báo cáo đầy đủ

N, Mean, SD, Test Value, Mean Difference, CI, t(df), p và effect size nếu dùng.

Kết thúc bằng ý nghĩa thực tiễn.

Bộ dữ liệu thực hành xuyên suốt

Các bài 21–30 dùng một bộ dữ liệu BĐS thống nhất để người học thấy quan hệ giữa làm sạch, mô tả và kiểm định. Trong dữ liệu thật, tên biến có thể khác nhưng phải giữ đúng bản chất mức đo, đơn vị và đơn vị quan sát.

Tên biến	Kiểu	Ý nghĩa	Mã/đơn vị	Lưu ý
ma_bds	String	Mã tài sản/quan sát	—	Dùng truy vết case; không tính trung bình
khu_vuc	Numeric	Khu vực	1=Trung tâm; 2=Cận trung tâm; 3=Ngoại vi	Nominal
loai_bds	Numeric	Loại BĐS	1=Căn hộ; 2=Nhà phố; 3=Đất ở	Nominal
dien_tich	Numeric	Diện tích	m²	Scale
gia_rao	Numeric	Giá rao	triệu đồng	Scale
gia_m2	Numeric	Đơn giá rao	triệu đồng/m²	Scale
khoang_cach_tam	Numeric	Khoảng cách tới trung tâm	km	Scale
muc_hai_long	Numeric	Mức hài lòng	1–5; missing theo codebook	Ordinal
y_dinh_mua	Numeric	Ý định mua	1–5; missing theo codebook	Ordinal
nhom_khach	Numeric	Nhóm khách	1=Đã mua; 2=Chưa mua	Nominal
diem_truoc	Numeric	Điểm đánh giá trước	0–100	Scale
diem_sau	Numeric	Điểm đánh giá sau	0–100	Scale

Cú pháp tham khảo

Có thể thao tác bằng menu; tuy nhiên nên dùng Paste để lưu Syntax. Từ Chương 4, Test Value, mã nhóm, Confidence Interval và Post Hoc method phải được lưu để tránh tình trạng chạy lại nhưng không biết đã chọn tùy chọn nào.

T-TEST /TESTVAL=60 /MISSING=ANALYSIS /VARIABLES=gia_m2 /CRITERIA=CI(.95).

Tình huống thực hành BĐS

Mẫu 240 căn hộ có đơn giá trung bình 62,3 triệu/m², benchmark 60 triệu/m² xác định trước. Kiểm định cho biết dữ liệu có hỗ trợ chênh lệch hay không; CI/effect size cho biết chênh 2,3 triệu/m² đáng kể tới đâu.

Tình huống cần xử lý theo bốn lớp: (1) mô tả dữ liệu; (2) kiểm điều kiện và giả định; (3) chọn thủ tục; (4) diễn giải độ lớn và bất định. Không nhảy thẳng vào cột Sig. rồi kết luận. Nếu dữ liệu có lỗi nghiệp vụ, sửa lỗi trước; nếu dữ liệu thật nhưng không phù hợp giả định, thay cách phân tích chứ không sửa dữ liệu để đạt giả định.

Ma trận lựa chọn nhanh

Tình huống	Cách hiểu/công cụ	Mục tiêu	Điểm phải kiểm
Test Value	μ0	Mốc so sánh	Cùng đơn vị/thời kỳ
Mean Difference	Mean−μ0	Độ lớn	Có đơn vị
t/df/p	Kiểm H0	Bằng chứng	Không là P(H0)
95% CI	Khoảng chênh	Độ chính xác	Xem 0
Effect size	Chuẩn hóa chênh	Ý nghĩa thực tiễn	Đọc bối cảnh

Quy trình 12 bước áp dụng

Xác định câu hỏi và đơn vị quan sát.
Kiểm Type, Values, Missing, Measure và đơn vị.
Kiểm Filter, Split File và Weight Cases đang ON hay OFF.
Chạy Frequencies/Descriptives/Explore phù hợp.
Kiểm ID của các case bất thường và xác minh nguồn.
Viết H0/H1 hoặc mục tiêu mô tả trước khi chạy thủ tục.
Chọn đúng menu, nhóm và tùy chọn; dùng Paste để lưu Syntax.
Đọc bảng mô tả trước bảng kiểm định.
Đọc Confidence Interval cùng p-value.
Báo effect size hoặc chênh lệch có đơn vị khi phù hợp.
Thực hiện một kiểm tra độ nhạy nếu dữ liệu có điểm bất thường hoặc giả định đáng lo.
Lưu dữ liệu, Syntax, Output và biên bản quyết định theo version.

Cách đọc Output theo thứ tự

Kiểm N: số case có khớp dữ liệu dự kiến không?
Kiểm mean/median/SD/IQR hoặc count/%: dữ liệu có hợp lý về mặt nghiệp vụ không?
Kiểm các bảng/đồ thị giả định đúng với thủ tục.
Nếu có nhiều dòng kết quả, xác định trước dòng nào phù hợp và vì sao.
Đọc độ lớn chênh lệch và Confidence Interval.
Sau cùng mới đọc p-value như một phần của bằng chứng.
Đối chiếu effect size với ý nghĩa thực tế trong BĐS.
Viết kết luận giới hạn đúng thiết kế; không dùng từ nhân quả nếu chỉ là dữ liệu quan sát.

Bài thực hành

Chọn một biến Scale và benchmark có căn cứ, chạy one-sample t-test và viết báo cáo có CI/effect size.

Sản phẩm phải nộp

Output
Nguồn Test Value
Bảng t/df/p/CI/chênh
Effect size
Diễn giải thực tiễn

Những lỗi thường gặp

Chọn Test Value sau khi nhìn mean
Dùng one-sample cho hai nhóm
Đổi one-tailed sau kết quả
Chỉ nhìn p
Bỏ CI
Gọi p là xác suất H0
Không kiểm N/status
Benchmark khác định nghĩa

Phản biện chéo tại lớp

Nhóm phản biện không hỏi trước “p bao nhiêu” mà hỏi: đây là thiết kế độc lập hay ghép cặp? Biến nào là Scale/Factor? N từng nhóm là bao nhiêu? Có missing/outlier không? Giả định variance/normality được xem ở đâu? Độ lớn chênh và Confidence Interval thế nào? Nếu đổi phương pháp, lý do là dữ liệu hay vì muốn significance?

Người trình bày phải chỉ đúng bảng Output và đúng dòng/cột làm căn cứ. Nếu không giải thích được mẫu số, hướng Mean Difference, cách tính difference, hoặc trạng thái Split/Weight, bài chưa đạt dù SPSS chạy thành công.

Tình huống kiểm tra cuối bài

Giảng viên giao tệp 300–900 case có ít nhất một bẫy liên quan trực tiếp đến One-Sample t-test: so sánh một mức trung bình với giá trị chuẩn như thế nào?: missing, mã nhóm sai, outlier, variance không đều, trạng thái Split/Weight hoặc chênh rất nhỏ nhưng N lớn. Sinh viên phải phát hiện bẫy trước khi kết luận và ghi rõ bằng chứng đã dùng.

Phiếu tự kiểm

Tôi có biết mỗi dòng đại diện cho gì không?
Biến kết quả và biến nhóm có đúng mức đo không?
Filter/Split/Weight hiện đang ON hay OFF?
N hợp lệ từng biến/nhóm có khớp dự kiến không?
Tôi đã xem outlier/phân bố trước kiểm định chưa?
H0/H1 hoặc mục tiêu mô tả có được viết trước không?
Tôi có đang đọc đúng bảng và đúng dòng Output không?
Mean Difference đang tính theo hướng nào?
Confidence Interval cho biết độ lớn và precision thế nào?
Effect size hoặc chênh gốc có được xem không?
Kết luận có vượt quá thiết kế dữ liệu không?
Syntax và version có đủ để người khác tái lập không?

Ghi nhớ trong 30 giây

One-sample so mean với hằng số
Benchmark phải định trước
Mean Difference có đơn vị
CI/effect size bổ sung p
Ý nghĩa thống kê không tự là ý nghĩa kinh tế

Nguồn tham khảo

Nguồn kỹ thuật chính là IBM SPSS Statistics 31. Các khuyến nghị phương pháp được trình bày ở mức nhập môn ứng dụng; khi làm nghiên cứu chính thức cần kết hợp thiết kế nghiên cứu, lý thuyết lĩnh vực và tài liệu thống kê chuyên sâu.

https://www.ibm.com/docs/en/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Base.pdf
https://www.ibm.com/support/pages/release-notes-ibm-spss-statistics-subscription

Bài tiếp theo

Independent-Samples t-test: hai nhóm khách hàng hoặc hai khu vực có khác nhau không?.

Bài luyện tập mở rộng

Luyện tập 1

Thử ba test values chỉ để học kỹ thuật và giải thích vì sao nghiên cứu thật không chọn hậu nghiệm.

Yêu cầu nộp: Output hoặc Syntax cần thiết, một đoạn giải thích 100–150 từ, và ít nhất một phép kiểm đối chứng. Nếu có p-value, phải kèm thống kê mô tả và độ lớn chênh phù hợp.

Luyện tập 2

Tạo N lớn với chênh rất nhỏ và so p/effect size.

Luyện tập 3

Thêm một outlier rồi xem độ nhạy.

Luyện tập 4

Sửa một câu diễn giải p-value sai.

Phòng kiểm chứng: thay đổi một điều kiện và chạy lại

Tạo một phiên bản thứ hai của dữ liệu bằng cách thay đổi có kiểm soát một yếu tố: cỡ mẫu, tỷ lệ missing, một outlier, độ chênh mean, độ phân tán hoặc cách phân nhóm. Trước khi chạy, ghi dự đoán bảng nào sẽ thay đổi. Sau khi chạy, so với dự đoán để kiểm tra người học hiểu cơ chế thay vì chỉ nhớ menu.

Ở các bài kiểm định, nên tạo hai tình huống đối nghịch: chênh rất nhỏ nhưng N lớn và chênh lớn nhưng N nhỏ. So p-value, Confidence Interval và effect size để thấy “có ý nghĩa thống kê” không đồng nghĩa “quan trọng về thực tiễn”.

Biên bản QA tối thiểu

Mục	Trước phân tích	Sau phân tích	Quyết định
N	Ghi tổng và từng nhóm	Đối chiếu Output	Khớp/không khớp
Missing	Ghi mã và tỷ lệ	Kiểm N hợp lệ	Không bù tùy tiện
Outlier	Danh sách ID	Xác minh nguồn	Giữ/sửa/gắn cờ
Giả định	Đồ thị/test liên quan	Ghi bằng chứng	Chọn thủ tục
Hiệu ứng	Mean difference/effect size	CI/p	Diễn giải thực tiễn
Version	Tên file trước	Tên file sau	Có thể quay lại