Mỗi phép kiểm định thống kê trả lời một kiểu câu hỏi nhất định, nên chỉ cần biết tên phép kiểm định là bạn đoán được tác giả đang so sánh cái gì: hai trung bình, nhiều trung bình, các tỷ lệ, hay mối liên hệ giữa các biến. Kiểm định t so hai trung bình, ANOVA so từ ba trung bình trở lên, chi bình phương so các tỷ lệ giữa những nhóm, còn tương quan và hồi quy đo mối liên hệ.
Bài này không dạy cách tự chạy các phép kiểm định, mà giúp bạn đọc phần phương pháp và phần kết quả của bài báo mà không bị ngợp bởi tên gọi. Bạn sẽ có một bảng tra nhanh, cách đọc một dòng kết quả kiểu "t(58) = 2,31; p = 0,02", và những câu hỏi để biết phép kiểm định có hợp với dữ liệu hay không. Các ví dụ đều là giả định.
Bảng tra nhanh: câu hỏi nào, phép kiểm định nào
Bảng dưới gom những phép kiểm định người mới gặp nhiều nhất. Cột cuối là ví dụ giả định về một câu hỏi nghiên cứu mà phép đó thường được dùng để trả lời.
| Phép kiểm định | Kiểu dữ liệu và câu hỏi | Ví dụ giả định |
|---|---|---|
| Kiểm định t độc lập | So trung bình một biến số giữa hai nhóm khác nhau | Điểm Toán của nhóm học theo nhóm và nhóm tự học |
| Kiểm định t ghép cặp | So trung bình trước và sau trên cùng một nhóm | Điểm của cùng học sinh trước và sau khoá ôn |
| ANOVA một yếu tố | So trung bình giữa ba nhóm trở lên | Chiều cao cây với ba loại phân bón |
| Chi bình phương | So tỷ lệ hoặc tần suất giữa các nhóm, dữ liệu dạng đếm | Tỷ lệ học sinh đạt yêu cầu ở hai trường |
| Mann–Whitney, Wilcoxon, Kruskal–Wallis | Bản phi tham số của các phép trên, dùng khi dữ liệu lệch hoặc dạng xếp hạng | Mức độ hài lòng theo thang 1 – 5 giữa hai lớp |
| Tương quan Pearson, Spearman | Đo mức liên hệ giữa hai biến số | Thời gian ngủ và điểm trung bình |
| Hồi quy tuyến tính | Dự đoán một biến số từ một hoặc nhiều biến, có kiểm soát yếu tố khác | Điểm thi theo giờ tự học, có tính đến điểm đầu vào |
| Hồi quy logistic | Như trên nhưng kết quả là có hoặc không | Khả năng đạt học bổng theo các yếu tố |
Nhìn bảng, bạn sẽ thấy hai câu hỏi đầu tiên quyết định gần như mọi thứ: biến kết quả là con số liên tục (điểm, chiều cao, thời gian) hay là nhóm, đếm (đạt hay không, chọn phương án nào)? Và có bao nhiêu nhóm, các nhóm là những người khác nhau hay cùng một nhóm đo nhiều lần? Trả lời hai câu đó, bạn đã đoán đúng phần lớn trường hợp.
Kiểm định t và ANOVA: so các trung bình
Kiểm định t ra đời đầu thế kỷ 20 từ công việc của William Sealy Gosset, một nhà hoá học làm việc cho một nhà máy bia ở Dublin, người công bố dưới bút danh "Student", nên phép này còn được gọi là kiểm định t của Student. Ý tưởng cốt lõi là so độ chênh giữa hai trung bình với độ dao động trong dữ liệu: chênh lệch càng lớn so với mức dao động, con số t càng lớn và giá trị p càng nhỏ.
Có hai dạng hay gặp. Kiểm định t độc lập dùng cho hai nhóm người khác nhau. Kiểm định t ghép cặp dùng khi mỗi giá trị ở nhóm này có một giá trị tương ứng ở nhóm kia, điển hình là đo trước và sau trên cùng một người. Dùng nhầm dạng là lỗi phổ biến trong dự án học sinh: dữ liệu trước – sau mà dùng kiểm định độc lập sẽ bỏ phí thông tin và thường cho p lớn hơn mức đáng có. Một biến thể bạn có thể thấy là kiểm định t của Welch, dùng khi hai nhóm có độ dao động khác nhau; nhiều người làm thống kê khuyên dùng nó làm mặc định.
Khi có từ ba nhóm trở lên, làm nhiều kiểm định t từng cặp sẽ gặp vấn đề so sánh bội, tức thử nhiều lần thì dễ có kết quả may rủi. ANOVA, viết tắt của phân tích phương sai, do Ronald Fisher phát triển, kiểm định một câu hỏi chung: các nhóm có cùng trung bình hay không. Nếu ANOVA cho thấy có khác biệt, tác giả thường làm thêm các phép so sánh sau kiểm định, như Tukey hay Bonferroni, để biết cụ thể nhóm nào khác nhóm nào. Khi đọc, hãy xem bài có làm bước này không, hay chỉ dừng ở "có khác biệt giữa các nhóm".
Chi bình phương và các phép phi tham số
Kiểm định chi bình phương, gắn với tên nhà thống kê Karl Pearson, dùng cho dữ liệu dạng đếm. Ví dụ giả định: ở trường A có 70 trên 100 học sinh đạt yêu cầu, ở trường B có 55 trên 100. Chi bình phương so số đếm thực tế với số đếm "kỳ vọng" nếu tỷ lệ đạt ở hai trường như nhau, rồi cho biết độ chênh có lớn hơn mức may rủi thường thấy không. Với bảng nhỏ, khi có ô có số đếm kỳ vọng quá ít, thường dưới 5, tác giả nên dùng kiểm định chính xác Fisher thay thế. Nếu bài dùng chi bình phương cho một bảng có những ô chỉ 1 hay 2 trường hợp, đó là điểm cần đọc kỹ.
Các phép phi tham số như Mann–Whitney, Wilcoxon và Kruskal–Wallis không giả định dữ liệu có hình chuông. Chúng làm việc trên thứ hạng thay vì giá trị gốc, nên ít bị ảnh hưởng bởi vài giá trị rất lớn. Dữ liệu dạng thang Likert, như mức độ đồng ý từ 1 đến 5, hay dữ liệu lệch mạnh như số giờ chơi điện tử, thường hợp với nhóm phép này. Đổi lại, kết quả của chúng nói về sự khác biệt trong phân bố hay thứ hạng, không hẳn về trung bình, nên bài báo thường báo cáo trung vị kèm theo.
Một quy tắc đọc nhanh: nếu bảng mô tả dùng trung vị và khoảng tứ phân vị cho một biến, phép so sánh biến đó thường nên là phi tham số. Nếu bảng ghi trung bình và độ lệch chuẩn nhưng độ lệch chuẩn lớn bất thường so với trung bình, mà tác giả vẫn dùng kiểm định t với mẫu nhỏ, hãy ghi nhận đó là một điểm yếu có thể có.
Đọc một dòng kết quả kiểm định từng phần
Bài báo thường viết kết quả theo một khuôn rút gọn. Lấy ví dụ giả định: "Nhóm học theo nhóm có điểm cao hơn nhóm tự học, t(58) = 2,31; p = 0,02; d = 0,60." Đọc lần lượt như sau:
- Chữ cái đầu là tên thống kê: t cho kiểm định t, F cho ANOVA, χ² (chi bình phương) cho dữ liệu đếm, U cho Mann–Whitney, r cho tương quan.
- Số trong ngoặc là bậc tự do: với kiểm định t độc lập, bậc tự do thường bằng tổng cỡ mẫu trừ 2, nên t(58) gợi ý có khoảng 60 người. Đây là cách nhanh để kiểm cỡ mẫu thật sự được dùng trong phép tính. ANOVA có hai con số bậc tự do, như F(2, 87).
- Con số sau dấu bằng là giá trị thống kê: 2,31. Càng xa 0 (với t) hoặc càng lớn (với F, χ²), bằng chứng chống lại giả thuyết không càng mạnh, nhưng phải đọc cùng bậc tự do.
- Giá trị p: 0,02. Đọc theo nghĩa đúng: nếu hai nhóm không khác nhau thật, chênh lệch như vậy hoặc hơn sẽ hiếm gặp.
- Cỡ hiệu ứng nếu có: d = 0,60 cho biết độ lớn của khác biệt, phần quan trọng mà nhiều bản tin bỏ qua.
Nếu bậc tự do không khớp với cỡ mẫu được nêu trong bảng mô tả, chẳng hạn bảng ghi 120 học sinh mà t(58), hãy tìm lời giải thích. Có thể một số người bị loại vì thiếu dữ liệu, hoặc chỉ một phân nhóm được phân tích. Sự không khớp không có lời giải thích là một dấu hiệu cần dè dặt.
Ba câu hỏi để biết phép kiểm định có hợp với dữ liệu không
Kiểu biến kết quả có khớp với phép không? Dữ liệu dạng có hoặc không mà dùng kiểm định t, hay thang điểm 1 đến 5 với rất ít người mà dùng các phép giả định phân bố chuẩn, là những chỗ đáng chú ý. Bạn không cần tính lại; chỉ cần ghi nhận và xem tác giả có giải thích không.
Các quan sát có độc lập với nhau không? Hầu hết phép kiểm định cơ bản giả định mỗi quan sát độc lập. Nếu một nghiên cứu đo 30 học sinh, mỗi em 5 lần, rồi phân tích như thể có 150 người độc lập, kết quả sẽ trông chắc chắn hơn thực tế. Tương tự, học sinh trong cùng một lớp thường giống nhau hơn học sinh khác lớp; nghiên cứu chia nhóm theo lớp nên tính đến điều đó.
Có so sánh nhiều lần mà không nói không? Bảng kết quả có hàng chục giá trị p, và vài cái nhỏ hơn 0,05 được nhấn mạnh trong phần tóm tắt, là tình huống cần đọc với hoài nghi. Xem tác giả có nêu cách xử lý so sánh bội hay xác định trước đâu là kết quả chính không.
Nhờ AI giải nghĩa phần phương pháp, rồi tự kiểm
Phần phương pháp thống kê của bài báo tiếng Anh thường dày đặc thuật ngữ. Bạn có thể chép đoạn đó vào chatbot và yêu cầu: "Hãy giải thích đoạn phương pháp thống kê dưới đây cho sinh viên năm nhất: mỗi phép kiểm định được dùng để trả lời câu hỏi gì, giả định chính của nó là gì, và có chỗ nào cần kiểm thêm trong dữ liệu để biết phép đó phù hợp. Không đánh giá kết quả nghiên cứu, chỉ giải thích phương pháp."
Với một dòng kết quả, có thể hỏi: "Dòng kết quả t(58) = 2,31; p = 0,02 nghĩa là gì? Bậc tự do 58 gợi ý cỡ mẫu khoảng bao nhiêu với kiểm định t độc lập? Ghi rõ cách suy ra." Sau đó tự đối chiếu với bảng mô tả. Chatbot có thể nhầm giữa các biến thể, chẳng hạn cách tính bậc tự do của kiểm định Welch không phải là số nguyên tròn, nên coi câu trả lời là gợi ý cần kiểm, không phải kết luận.
Khi tự làm dự án, đừng hỏi AI "nên dùng phép kiểm định nào" rồi làm theo một cách máy móc. Hãy mô tả rõ kiểu biến, số nhóm, cách thu dữ liệu, và yêu cầu AI giải thích các lựa chọn cùng lý do; sau đó trao đổi với giáo viên hướng dẫn. Nếu dán dữ liệu vào, chỉ dán số đã ẩn danh, không kèm tên hay thông tin nhận dạng học sinh.
Câu hỏi thường gặp
Kiểm định tham số và phi tham số khác nhau thế nào?
Kiểm định tham số như t hay ANOVA giả định dữ liệu có dạng phân bố nhất định, thường là gần chuẩn, và so trung bình. Kiểm định phi tham số không cần giả định đó, thường làm việc trên thứ hạng. Phép tham số mạnh hơn khi giả định đúng; phép phi tham số an toàn hơn khi dữ liệu lệch hoặc mẫu rất nhỏ.
Vì sao không làm nhiều kiểm định t thay cho ANOVA?
Mỗi kiểm định t có khoảng 5% khả năng báo khác biệt do may rủi. Với ba nhóm cần ba cặp so sánh, năm nhóm cần mười cặp, nên khả năng có ít nhất một kết quả may rủi tăng lên nhiều. ANOVA kiểm một câu hỏi chung trước, rồi các phép so sánh sau kiểm định có hiệu chỉnh mới đi vào từng cặp.
Bậc tự do là gì, nói dễ hiểu?
Bậc tự do là số lượng thông tin độc lập còn lại để ước lượng độ dao động, sau khi đã dùng dữ liệu để tính những thứ khác như trung bình. Với người đọc, điều hữu ích nhất là bậc tự do cho phép đoán cỡ mẫu thật sự được dùng trong phân tích, để đối chiếu với con số tác giả công bố.
Kết quả hồi quy có đọc giống kiểm định t không?
Mỗi hệ số trong bảng hồi quy thường đi kèm sai số chuẩn, một giá trị t hoặc z, và một giá trị p, nên cách đọc từng dòng khá giống. Khác biệt là hệ số hồi quy cho biết biến kết quả thay đổi bao nhiêu khi biến đó tăng một đơn vị, giữ các biến khác cố định. Đọc kỹ đơn vị của từng biến.
Dự án học sinh nên dùng phép kiểm định nào?
Phụ thuộc vào câu hỏi và dữ liệu, nên không có câu trả lời chung. Với nhiều dự án nhỏ, mô tả rõ số liệu và vẽ biểu đồ trung thực đã đủ, kèm một phép đơn giản như kiểm định t hay chi bình phương nếu giáo viên hướng dẫn đồng ý. Quan trọng là chọn phép trước khi xem kết quả.
Phần mềm thống kê có tự chọn đúng phép kiểm định không?
Không. Phần mềm chỉ tính theo phép bạn chọn, kể cả khi phép đó không hợp với dữ liệu. Một số công cụ có trợ lý gợi ý, nhưng chúng không biết dữ liệu được thu thập thế nào, các quan sát có độc lập không. Hiểu câu hỏi và cách thu dữ liệu vẫn là việc của người làm nghiên cứu.