Để mô tả một biến định lượng liên tục có phân phối chuẩn ta dùng giá trị nào sau đây để mô tả?

Đường cong phân phối chuẩn là một đường cong đối xứng hình chuông. Đỉnh của chuông biểu thị giá trị trung bình, và độ rộng của chuông biểu thị độ lệch chuẩn. Các lựa chọn khác như hình elip, parabol và đa giác tần số không phải là dạng của đường cong phân phối chuẩn.

Câu hỏi yêu cầu tìm thực đơn lệnh để mô tả mối liên quan giữa biến nghề nghiệp (biến định tính) và tuổi (biến định lượng liên tục). * **Analyse/ descriptive statistics/ crosstabs:** Crosstabs (bảng chéo) thường được sử dụng để phân tích mối quan hệ giữa hai biến định tính. Trong trường hợp này, một biến là định tính (nghề nghiệp) và một biến là định lượng (tuổi). Tuy nhiên, crosstabs không phải là lựa chọn phù hợp nhất để thể hiện mối quan hệ giữa biến định tính và biến định lượng liên tục. Để sử dụng crosstabs, cần phải chia biến tuổi thành các khoảng (ví dụ: 20-30, 31-40, v.v.), điều này có thể làm mất thông tin. Mặc dù không hoàn toàn sai, nhưng có các phương pháp tốt hơn. * **Analyse/ descriptive statistics/ frequencies:** Frequencies (tần số) chủ yếu dùng để mô tả phân bố của một biến đơn lẻ, chứ không phải mối quan hệ giữa hai biến. * **Analyse/ report/ frequencies:** Tương tự như trên, frequencies không phù hợp để phân tích mối quan hệ giữa hai biến. * **Analyse/ report/ case summeries:** Case summaries liệt kê các trường hợp và giá trị của các biến, nhưng không cung cấp một cách tổng quan hoặc thống kê để đánh giá mối quan hệ giữa các biến. Vì không có đáp án nào thực sự phù hợp, cần tìm một phương pháp khác. Để mô tả mối liên quan giữa biến định tính và biến định lượng, ta thường sử dụng các thống kê mô tả (ví dụ: trung bình, độ lệch chuẩn) của biến định lượng (tuổi) cho từng nhóm của biến định tính (nghề nghiệp). Trong SPSS, ta có thể sử dụng "Analyse/Compare Means/Means". Tuy nhiên, do không có đáp án nào đề xuất phương pháp này, và "Analyse/ descriptive statistics/ crosstabs" là lựa chọn gần đúng nhất nếu ta chia biến tuổi thành các khoảng, nên ta sẽ chọn nó với lưu ý rằng đây không phải là phương pháp tối ưu.

Câu hỏi yêu cầu xác định hệ số tương quan phù hợp để mô tả mối tương quan giữa hai biến định lượng liên tục, với một biến có phân phối chuẩn. Trong trường hợp này, hệ số tương quan Pearson là phù hợp nhất khi một trong hai biến có phân phối chuẩn (hoặc cả hai). Hệ số Spearman được sử dụng khi dữ liệu không tuân theo phân phối chuẩn hoặc khi mối quan hệ không tuyến tính. Kendall's Tau cũng là một lựa chọn khi dữ liệu không tuân theo phân phối chuẩn, nhưng Pearson thích hợp hơn khi một biến tuân theo phân phối chuẩn. Ô "flag significant correlation" chỉ đơn thuần là để đánh dấu mức ý nghĩa thống kê của tương quan, chứ không phải là hệ số tương quan.

Câu hỏi này kiểm tra kiến thức về cách thực hiện kiểm định Chi-square trong phần mềm thống kê (có thể là SPSS hoặc các phần mềm tương tự) để so sánh một tỷ lệ mẫu với một tỷ lệ quần thể hoặc tỷ lệ lý thuyết. Phương án 1 là đáp án chính xác vì kiểm định Chi-square được sử dụng để so sánh tần số quan sát được với tần số mong đợi. Trong menu của phần mềm thống kê, đường dẫn "Analyse -> Nonparametric Tests -> Chi-Square" thường dẫn đến chức năng thực hiện kiểm định Chi-square. Phương án 2 sử dụng "Crosstabs" chủ yếu dùng để phân tích mối quan hệ giữa các biến định tính, không trực tiếp so sánh tỷ lệ với một giá trị cụ thể. Phương án 3 cũng sử dụng "Crosstabs", tương tự như phương án 2, không phù hợp với mục đích so sánh một tỷ lệ với một giá trị lý thuyết. Phương án 4 dùng "Case Summaries" để tóm tắt các trường hợp, không liên quan đến kiểm định giả thuyết về tỷ lệ.