Kiểm định T-test trung bình hai mẫu

* Kiểm định t-test trung bình 2 mẫu độc lập bằng SPSS Syntax
* Tác giả: Thực hành kinh tế lượng
* Dữ liệu: hsb2.sav

* Mở file dữ liệu
GET FILE='/data/hsb2.sav'.

* Kiểm tra phân phối chuẩn bằng Kolmogorov-Smirnov
NPAR TESTS
  /K-S(NORMAL)=math
  /MISSING ANALYSIS.

* Thực hiện t-test trung bình 2 mẫu độc lập
T-TEST GROUPS=female(0 1)
  /MISSING=ANALYSIS
  /VARIABLES=math
  /CRITERIA=CI(.95).

* Thống kê mô tả theo nhóm
MEANS TABLES=math BY female
  /CELLS=MEAN STDDEV COUNT.

// Kiểm định t-test trung bình 2 mẫu độc lập bằng Stata
// Tác giả: Thực hành kinh tế lượng
// Dữ liệu: hsb2.dta

* Mở file dữ liệu
use "hsb2.dta", clear

* Mô tả dữ liệu
describe math female

* Thống kê mô tả theo nhóm
tabstat math, by(female) statistics(mean sd count)

* Kiểm tra phân phối chuẩn bằng Shapiro-Wilk test
by female, sort: swilk math

* Kiểm định t-test trung bình 2 mẫu độc lập
ttest math, by(female)

* Kiểm định đồng nhất phương sai (Levene's test)
robvar math, by(female)

* Thống kê mô tả chi tiết
by female: summarize math, detail

# Kiểm định t-test trung bình 2 mẫu độc lập bằng R
# Tác giả: Thực hành kinh tế lượng
# Dữ liệu: hsb2.csv

# Cài đặt và load các package cần thiết
if (!require(car)) install.packages("car")
if (!require(psych)) install.packages("psych")
library(car)
library(psych)

# Đọc dữ liệu
data <- read.csv("hsb2.csv")

# Kiểm tra cấu trúc dữ liệu
str(data)
head(data)

# Chuyển đổi biến female thành factor
data$female <- factor(data$female, levels = c(0, 1), labels = c("Nam", "Nữ"))

# Thống kê mô tả theo nhóm
describeBy(data$math, data$female)

# Kiểm tra phân phối chuẩn bằng Shapiro-Wilk test
by(data$math, data$female, shapiro.test)

# Kiểm định đồng nhất phương sai bằng Levene's test
leveneTest(math ~ female, data = data)

# Thực hiện t-test trung bình 2 mẫu độc lập
t_test_result <- t.test(math ~ female, data = data, var.equal = TRUE)
print(t_test_result)

# Thống kê mô tả chi tiết
aggregate(math ~ female, data = data, 
          FUN = function(x) c(mean = mean(x), sd = sd(x), n = length(x)))

# Vẽ boxplot để so sánh trực quan
boxplot(math ~ female, data = data,
        main = "So sánh điểm toán theo giới tính",
        xlab = "Giới tính", ylab = "Điểm toán",
        col = c("lightblue", "pink"))

# Kiểm định t-test trung bình 2 mẫu độc lập bằng Python
# Tác giả: Thực hành kinh tế lượng
# Dữ liệu: hsb2.csv

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 levene, shapiro, ttest_ind

# Đọc dữ liệu
data = pd.read_csv('hsb2.csv')

# Kiểm tra cấu trúc dữ liệu
print("Thông tin dữ liệu:")
print(data.info())
print("\n5 dòng đầu:")
print(data.head())

# Tạo biến nhóm
data['gender'] = data['female'].map({0: 'Nam', 1: 'Nữ'})

# Thống kê mô tả theo nhóm
print("\nThống kê mô tả theo giới tính:")
print(data.groupby('gender')['math'].describe())

# Tách dữ liệu theo nhóm
math_nam = data[data['female'] == 0]['math']
math_nu = data[data['female'] == 1]['math']

# Kiểm tra phân phối chuẩn bằng Shapiro-Wilk test
print("\nKiểm định phân phối chuẩn (Shapiro-Wilk):")
stat_nam, p_nam = shapiro(math_nam)
stat_nu, p_nu = shapiro(math_nu)
print(f"Nam: W = {stat_nam:.4f}, p-value = {p_nam:.4f}")
print(f"Nữ: W = {stat_nu:.4f}, p-value = {p_nu:.4f}")

# Kiểm định đồng nhất phương sai bằng Levene's test
print("\nKiểm định đồng nhất phương sai (Levene):")
stat_levene, p_levene = levene(math_nam, math_nu)
print(f"F = {stat_levene:.4f}, p-value = {p_levene:.4f}")

# Thực hiện t-test trung bình 2 mẫu độc lập
print("\nKết quả t-test trung bình 2 mẫu độc lập:")
stat_t, p_t = ttest_ind(math_nam, math_nu, equal_var=True)
print(f"t-statistic = {stat_t:.4f}")
print(f"p-value = {p_t:.4f}")

# Tính khoảng tin cậy cho hiệu số trung bình
mean_diff = np.mean(math_nam) - np.mean(math_nu)
n1, n2 = len(math_nam), len(math_nu)
pooled_std = np.sqrt(((n1-1)*np.var(math_nam, ddof=1) + (n2-1)*np.var(math_nu, ddof=1))/(n1+n2-2))
se_diff = pooled_std * np.sqrt(1/n1 + 1/n2)
df = n1 + n2 - 2
t_critical = stats.t.ppf(0.975, df)
ci_lower = mean_diff - t_critical * se_diff
ci_upper = mean_diff + t_critical * se_diff

print(f"\nChênh lệch trung bình: {mean_diff:.4f}")
print(f"95% Confidence Interval: [{ci_lower:.4f}, {ci_upper:.4f}]")

# Vẽ biểu đồ so sánh
plt.figure(figsize=(12, 5))

# Boxplot
plt.subplot(1, 2, 1)
sns.boxplot(x='gender', y='math', data=data)
plt.title('Boxplot điểm toán theo giới tính')
plt.ylabel('Điểm toán')

# Histogram
plt.subplot(1, 2, 2)
plt.hist(math_nam, alpha=0.7, label='Nam', bins=15)
plt.hist(math_nu, alpha=0.7, label='Nữ', bins=15)
plt.xlabel('Điểm toán')
plt.ylabel('Tần số')
plt.title('Phân phối điểm toán theo giới tính')
plt.legend()

plt.tight_layout()
plt.show()

# Kết luận
print(f"\nKết luận:")
if p_t < 0.05:
    print("Có sự khác biệt có ý nghĩa thống kê về điểm toán giữa nam và nữ (p < 0.05)")
else:
    print("Không có sự khác biệt có ý nghĩa thống kê về điểm toán giữa nam và nữ (p ≥ 0.05)")