Kiểm định One Way ANOVA, Two Way ANOVA, Chi bình phương, tau-b, d, gamma
}}Kiểm định One Way ANOVA}}

Analyze → Compare Means → One way ANOVA



Bảng Descriptives xem sau cùng sau khi đánh giá hệ số sig có ý nghĩa để xác nhận giả thuyết H0 hay H1.
Bảng Test of Homogeneity of Variances: xem hệ số sig so sánh vs mức ý nghĩa.
Bảng ANOVA: Hệ số sig so sánh với mức ý nghĩa alpha. → Chiếu lên bảng Descriptives xem người ta đánh giá trình độ nào là cao nhất (xem Mean).
}}Kiểm định Two Way ANOVA: Kiểm định phương sai 2 yếu tố (khá ít dùng)}}

Ví dụ:
H0: Điểm đánh giá trung bình của biến A1 không có sự khác bieệt khi xét về giới tính (Nam, Nữ)
Điểm đánh giá trung bình của biến A1 không có sự khác biệt khi xét về trình độ học vấn (Trung học phổ thông, Trung cấp & Cao đẳng, Đại học, Sau Đại học)
Không có sự khác biệt về việc đánh giá biến A1 khi xét đến sự tương tác giữa Giới tính và Trình độ học vấn.
Analyze → General Linear Model → Univariate




Sau khi xem kết quả và xác định được biến nào có sự khác biệt → Tiếp tục kiểm định sự khác biệt của biến đó ntn (của biến Trình độ học vấn đối với A1)
Analyze → General Linear Model → Univariate



Trong bảng kết quả các kết quả có Sig <0.05 là có sự khác biệt khi xét sự ảnh hưởng của biến được chọn tới A1.
Để cụ thể hơn nữa cho sự khác biệt đó nta thường vẽ đồ thị: Graphs → Legacy Dialogs → Line


}}Kiểm định Chi square (Chi bình phương)}}

Thường chỉ kết hợp 2 biến định danh/định tính với nhau (không có biến định lượng). Chỉ cho thấy có/không có sự khác biệt, còn khác biệt như thế nào thì Kiểm định Chi square không thể hiện.
Analyze → Descriptive Statistics → Crosstabs




}}Kiểm định tau-b, d, gamma}}

Kiểm định tau -b đã được bao gồm trong kiểm định chi - square rồi.





Kết luận rằng không có sự khác biệt khi Sig > 0.05. Tuy nhiên khi làm kiểm định Chi-square thì đã biết được rằng Sig > 0.05 thì khi làm kiểm định Tau-b,d, gamma thì Sig cũng sẽ > 0.05.