Kiểm định Friedman – SPSS

* Kiểm định Friedman trong SPSS
* Tác giả: Thực hành kinh tế lượng
* Mô tả: So sánh hiệu quả 3 chương trình bán hàng

* Mở file dữ liệu
GET FILE='/data/friedman.sav'.

* Kiểm tra phân phối chuẩn trước khi quyết định sử dụng kiểm định phi tham số
EXAMINE VARIABLES=none discount gift
  /PLOT BOXPLOT STEMLEAF NPPLOT
  /COMPARE GROUP
  /STATISTICS DESCRIPTIVES
  /CINTERVAL 95
  /MISSING LISTWISE
  /NOTOTAL.

* Thực hiện kiểm định Friedman
NPAR TESTS
  /FRIEDMAN = none discount gift
  /STATISTICS DESCRIPTIVES QUARTILES
  /MISSING LISTWISE.

* Kiểm định so sánh cặp (post-hoc) nếu cần
NPAR TESTS
  /WILCOXON = none WITH discount (PAIRED)
  /WILCOXON = none WITH gift (PAIRED)
  /WILCOXON = discount WITH gift (PAIRED)
  /MISSING ANALYSIS.

* Kiểm định Friedman trong Stata
* Tác giả: Thực hành kinh tế lượng
* Mô tả: So sánh hiệu quả 3 chương trình bán hàng

* Mở file dữ liệu
use "/data/friedman.dta", clear

* Kiểm tra phân phối chuẩn
swilk none discount gift
sktest none discount gift

* Thống kê mô tả
summarize none discount gift
tabstat none discount gift, statistics(mean sd min max p25 p50 p75) columns(statistics)

* Chuyển đổi dữ liệu từ wide sang long format cho kiểm định Friedman
reshape long, i(id) j(program) string
rename _value sales

* Thực hiện kiểm định Friedman
friedman sales, by(program) blocks(id)

* Kiểm định so sánh cặp Wilcoxon signed-rank
use "/data/friedman.dta", clear
signrank none = discount
signrank none = gift  
signrank discount = gift

# Kiểm định Friedman trong R
# Tác giả: Thực hành kinh tế lượng
# Mô tả: So sánh hiệu quả 3 chương trình bán hàng

# Cài đặt và load thư viện cần thiết
if (!require(foreign)) install.packages("foreign")
if (!require(reshape2)) install.packages("reshape2")
if (!require(ggplot2)) install.packages("ggplot2")

library(foreign)
library(reshape2)
library(ggplot2)

# Đọc dữ liệu từ file SPSS
data <- read.spss("/data/friedman.sav", to.data.frame = TRUE)

# Kiểm tra phân phối chuẩn
shapiro.test(data$none)
shapiro.test(data$discount)
shapiro.test(data$gift)

# Thống kê mô tả
summary(data[c("none", "discount", "gift")])
apply(data[c("none", "discount", "gift")], 2, 
      function(x) c(mean=mean(x), sd=sd(x), 
                    min=min(x), max=max(x),
                    q25=quantile(x, 0.25), 
                    median=median(x), 
                    q75=quantile(x, 0.75)))

# Chuyển đổi dữ liệu sang long format
data_long <- melt(data, 
                  measure.vars = c("none", "discount", "gift"),
                  variable.name = "program", 
                  value.name = "sales")

# Thực hiện kiểm định Friedman
friedman_result <- friedman.test(sales ~ program | Var1, data = data_long)
print(friedman_result)

# Kiểm định so sánh cặp Wilcoxon
wilcox.test(data$none, data$discount, paired = TRUE)
wilcox.test(data$none, data$gift, paired = TRUE)
wilcox.test(data$discount, data$gift, paired = TRUE)

# Tạo boxplot cho trực quan hóa
ggplot(data_long, aes(x = program, y = sales)) +
  geom_boxplot() +
  labs(title = "So sánh hiệu quả các chương trình bán hàng",
       x = "Chương trình", y = "Số lượng bán ra") +
  theme_minimal()

# Kiểm định Friedman trong Python
# Tác giả: Thực hành kinh tế lượng
# Mô tả: So sánh hiệu quả 3 chương trình bán hàng

import pandas as pd
import numpy as np
from scipy import stats
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import friedmanchisquare, wilcoxon, shapiro

# Đọc dữ liệu
data = pd.read_spss('/data/friedman.sav')

# Kiểm tra phân phối chuẩn
print("Kiểm định Shapiro-Wilk:")
print(f"None: {shapiro(data['none'])}")
print(f"Discount: {shapiro(data['discount'])}")
print(f"Gift: {shapiro(data['gift'])}")

# Thống kê mô tả
print("\nThống kê mô tả:")
print(data[['none', 'discount', 'gift']].describe())

# Thực hiện kiểm định Friedman
friedman_stat, friedman_p = friedmanchisquare(data['none'], 
                                              data['discount'], 
                                              data['gift'])

print(f"\nKiểm định Friedman:")
print(f"Chi-square statistic: {friedman_stat:.3f}")
print(f"P-value: {friedman_p:.3f}")

# Kiểm định so sánh cặp Wilcoxon
print("\nKiểm định so sánh cặp Wilcoxon:")
wilcox_none_discount = wilcoxon(data['none'], data['discount'])
wilcox_none_gift = wilcoxon(data['none'], data['gift'])
wilcox_discount_gift = wilcoxon(data['discount'], data['gift'])

print(f"None vs Discount: statistic={wilcox_none_discount.statistic:.3f}, p-value={wilcox_none_discount.pvalue:.3f}")
print(f"None vs Gift: statistic={wilcox_none_gift.statistic:.3f}, p-value={wilcox_none_gift.pvalue:.3f}")
print(f"Discount vs Gift: statistic={wilcox_discount_gift.statistic:.3f}, p-value={wilcox_discount_gift.pvalue:.3f}")

# Tạo visualization
plt.figure(figsize=(10, 6))
data_melted = pd.melt(data, value_vars=['none', 'discount', 'gift'], 
                      var_name='program', value_name='sales')

sns.boxplot(data=data_melted, x='program', y='sales')
plt.title('So sánh hiệu quả các chương trình bán hàng')
plt.xlabel('Chương trình')
plt.ylabel('Số lượng bán ra')
plt.show()

# Tính toán rank trung bình (như SPSS)
def calculate_friedman_ranks(data):
    ranks = data.rank(axis=1)
    return ranks.mean()

ranks_mean = calculate_friedman_ranks(data[['none', 'discount', 'gift']])
print(f"\nRank trung bình:")
print(ranks_mean)