Thanh sai số là đoạn thẳng nhỏ vẽ quanh một điểm hay một cột trong biểu đồ để thể hiện mức không chắc chắn hoặc mức dao động, nhưng nó có thể biểu diễn ba thứ khác nhau: độ lệch chuẩn, sai số chuẩn hoặc khoảng tin cậy. Cùng một dữ liệu, ba loại thanh này có độ dài khác hẳn nhau, nên đọc hình mà không biết thanh là loại gì thì rất dễ hiểu sai.
Biểu đồ rừng là kiểu hình phổ biến trong các bài tổng hợp nhiều nghiên cứu, nơi mỗi nghiên cứu là một dòng với một ô vuông và một đường ngang, và một hình thoi ở cuối thể hiện kết quả gộp. Bài này giúp bạn đọc cả hai loại hình: phân biệt các loại thanh sai số, hiểu quy tắc "chồng nhau" hay bị dùng sai, và đọc biểu đồ rừng từ trên xuống dưới. Mọi con số trong bài là ví dụ giả định.
Ba loại thanh sai số và mỗi loại nói gì
Chú thích hình, thường nằm ngay dưới biểu đồ, phải cho biết thanh sai số là loại nào. Nếu chú thích không ghi, đó là thiếu sót của bài. Bảng dưới so ba loại, giả định cùng một nhóm 25 học sinh có điểm trung bình 7,0 và độ lệch chuẩn 1,5.
| Loại thanh | Đo cái gì | Độ dài mỗi phía trong ví dụ | Thay đổi khi tăng cỡ mẫu |
|---|---|---|---|
| Độ lệch chuẩn (SD) | Các cá nhân khác nhau bao nhiêu | 1,5 điểm | Gần như không đổi |
| Sai số chuẩn (SE) | Trung bình của mẫu dao động bao nhiêu | 1,5 chia 5 = 0,3 điểm | Ngắn lại |
| Khoảng tin cậy 95% | Khoảng hợp lý cho trung bình thật | khoảng 2 lần SE, tức 0,6 điểm | Ngắn lại |
Cùng một nhóm học sinh, thanh có thể dài 1,5 điểm hoặc chỉ 0,3 điểm mỗi phía, tuỳ tác giả chọn vẽ gì. Thanh sai số chuẩn ngắn nhất, nên làm dữ liệu trông "gọn" và các nhóm trông khác nhau rõ hơn. Đó là lý do một số người khuyên dùng khoảng tin cậy khi mục đích là so sánh trung bình giữa các nhóm, và dùng độ lệch chuẩn khi mục đích là cho thấy các cá nhân đa dạng ra sao.
Với mẫu nhỏ, hệ số nhân để đổi từ sai số chuẩn sang khoảng tin cậy 95% lớn hơn 2 một chút; với 25 người, hệ số khoảng 2,06. Điều đó không thay đổi cách đọc tổng thể, chỉ nhắc rằng con số 2 là xấp xỉ.
Quy tắc "hai thanh chồng nhau" và vì sao hay bị dùng sai
Nhiều người đọc hình theo một quy tắc ngầm: nếu thanh sai số của hai nhóm chồng lên nhau thì khác biệt không có ý nghĩa, nếu tách rời thì có ý nghĩa. Quy tắc này sai theo những cách khác nhau tuỳ loại thanh. Với thanh sai số chuẩn, hai thanh vừa chạm nhau tương ứng với một giá trị p khá lớn, vào khoảng 0,15 khi hai nhóm có cỡ mẫu tương đương; tức là hai thanh SE tách rời nhau một chút vẫn chưa chắc đã có ý nghĩa thống kê.
Với thanh khoảng tin cậy 95%, chuyện ngược lại. Hai khoảng tin cậy có thể chồng lên nhau một phần mà khác biệt vẫn có ý nghĩa ở mức 0,05. Các nhà thống kê như Geoff Cumming đã đưa ra quy tắc gần đúng cho hai nhóm độc lập có cỡ mẫu không quá nhỏ: khi hai khoảng tin cậy 95% chồng lên nhau khoảng một nửa chiều dài một cánh tay thanh, giá trị p vào khoảng 0,05; khi vừa chạm nhau, p nhỏ hơn đáng kể, quanh 0,01.
Và với thanh độ lệch chuẩn, chuyện chồng nhau gần như không nói gì về ý nghĩa thống kê, vì độ lệch chuẩn không phụ thuộc cỡ mẫu. Hai nhóm 1.000 người có thể có thanh SD chồng lên nhau gần hết mà trung bình vẫn khác nhau rất chắc chắn. Quy tắc gọn để nhớ: đừng dùng mắt để phán ý nghĩa thống kê từ thanh sai số; dùng thanh để hình dung độ lớn và độ không chắc chắn, còn kết luận thì tìm trong phần kết quả. Thêm nữa, các quy tắc trên chỉ đúng cho hai nhóm độc lập; với dữ liệu trước – sau trên cùng người, thanh sai số của từng thời điểm hầu như không cho biết thay đổi có ý nghĩa hay không.
Bốn điều cần kiểm khi nhìn biểu đồ cột có thanh sai số
Chú thích ghi loại thanh gì. Tìm các chữ SD, SE, SEM, 95% CI trong chú thích. Không có thì ghi nhận là thiếu, và đừng suy diễn từ độ dài thanh.
Mỗi nhóm có bao nhiêu điểm dữ liệu. Biểu đồ cột với thanh sai số có thể giấu đi hình dạng dữ liệu. Ba điểm dữ liệu và ba trăm điểm có thể cho cùng một cột và cùng một thanh. Nhiều tạp chí hiện khuyến khích vẽ thêm từng điểm dữ liệu chồng lên cột hoặc dùng kiểu biểu đồ hộp, để người đọc thấy dữ liệu thật. Nếu số n rất nhỏ, như 3 lần lặp thí nghiệm, thanh sai số gần như không đáng tin.
Thanh có đối xứng hợp lý không. Với dữ liệu không thể âm, như thời gian hay nồng độ, một thanh SD kéo xuống dưới 0 là dấu hiệu dữ liệu lệch và trung bình kèm độ lệch chuẩn không phải cách mô tả tốt.
Trục bắt đầu từ đâu. Biểu đồ cột có trục tung không bắt đầu từ 0 phóng đại chênh lệch giữa các cột. Với biểu đồ điểm có thanh sai số, trục không nhất thiết bắt đầu từ 0, nhưng bạn vẫn nên nhìn các con số trên trục trước khi cảm nhận độ lớn.
Biểu đồ rừng: mỗi nghiên cứu là một dòng
Biểu đồ rừng xuất hiện chủ yếu trong các bài tổng quan hệ thống có phân tích gộp, tức là bài gom kết quả của nhiều nghiên cứu cùng câu hỏi lại để có một ước lượng chung. Mỗi dòng của biểu đồ là một nghiên cứu, thường ghi tên tác giả đầu và năm ở cột bên trái. Ô vuông là ước lượng của nghiên cứu đó, đường ngang xuyên qua ô vuông là khoảng tin cậy 95%. Kích thước ô vuông thể hiện trọng số: nghiên cứu càng lớn, càng chính xác, ô càng to và đóng góp càng nhiều vào kết quả gộp.
Ở giữa biểu đồ có một đường dọc gọi là đường không hiệu ứng. Với các thước đo dạng tỷ số như tỷ số nguy cơ hay tỷ số chênh, đường này nằm ở số 1; với các thước đo dạng hiệu số như chênh lệch trung bình, nó nằm ở số 0. Một khoảng tin cậy cắt qua đường không hiệu ứng nghĩa là nghiên cứu đó, riêng nó, chưa loại trừ được khả năng không có hiệu ứng. Hai phía của đường thường được ghi chú, chẳng hạn "nghiêng về can thiệp" và "nghiêng về đối chứng"; hãy đọc chú thích này, vì không phải biểu đồ nào cũng đặt phía có lợi ở bên trái.
Ở cuối biểu đồ là một hình thoi. Tâm hình thoi là ước lượng gộp, hai đầu nhọn là khoảng tin cậy của ước lượng gộp. Vì gộp nhiều dữ liệu, hình thoi thường hẹp hơn đường ngang của từng nghiên cứu. Với các thước đo tỷ số, trục ngang thường dùng thang logarit, để tỷ số 0,5 và tỷ số 2, tức giảm một nửa và tăng gấp đôi, nằm cách đều số 1. Nếu trục ngang ghi 0,1, 1, 10 với khoảng cách bằng nhau, đó là thang logarit.
Đọc một biểu đồ rừng theo năm bước
Khi gặp biểu đồ rừng trong một bài tổng quan, bạn có thể đi theo năm bước sau. Mỗi bước chỉ mất vài chục giây nhưng giúp tránh những kết luận vội.
- Đọc tiêu đề và chú thích: thước đo là gì (tỷ số hay hiệu số), đường không hiệu ứng nằm ở đâu, phía nào nghĩa là có lợi cho nhóm nào.
- Nhìn hình thoi trước: tâm nằm ở phía nào, hai đầu có cắt đường không hiệu ứng không. Đây là kết luận chính của phân tích gộp.
- Nhìn sự phân tán của các ô vuông: các nghiên cứu có cùng chiều không, hay nằm rải rác hai phía. Phân tán nhiều gợi ý các nghiên cứu khác nhau đáng kể về đối tượng, cách làm hay chất lượng.
- Tìm chỉ số không đồng nhất, thường ký hiệu I² ở góc dưới. Con số này cao, chẳng hạn trên 50%, nghĩa là phần lớn chênh lệch giữa các nghiên cứu không phải do may rủi, và một ước lượng gộp duy nhất cần được đọc thận trọng.
- Xem các ô vuông lớn nhất nói gì: nếu vài nghiên cứu lớn nằm sát đường không hiệu ứng, còn nhiều nghiên cứu nhỏ cho hiệu ứng lớn, kết quả gộp có thể đang bị kéo bởi các nghiên cứu nhỏ.
Một biểu đồ rừng đẹp không bảo đảm kết luận đúng. Phân tích gộp chỉ tốt bằng các nghiên cứu được đưa vào; nếu những nghiên cứu không có kết quả ít được công bố, hình thoi có thể nghiêng về phía có hiệu ứng hơn thực tế. Bài tổng quan tốt sẽ bàn về điều này, thường kèm một biểu đồ phễu.
Nhờ AI mô tả hình, nhưng tự đọc số trên trục
Nhiều chatbot hiện đọc được hình ảnh, nên bạn có thể chụp một biểu đồ trong bài báo và hỏi. Câu lệnh mẫu: "Đây là một biểu đồ rừng trong bài tổng quan. Hãy mô tả thước đo, vị trí đường không hiệu ứng, kết quả gộp và khoảng tin cậy của nó, mức độ phân tán giữa các nghiên cứu, rồi liệt kê các con số đọc được từ hình. Nếu chữ hay số nào mờ, nói rõ là không đọc được thay vì đoán."
Phần dễ sai nhất là AI đọc số từ hình: đọc nhầm trục logarit thành trục thường, lẫn tỷ số với hiệu số, hoặc bịa con số khi chữ quá nhỏ. Vì vậy hãy luôn đối chiếu với bảng số liệu đi kèm, thường nằm ngay cạnh biểu đồ rừng hoặc trong phần phụ lục. Với biểu đồ cột có thanh sai số, hỏi AI "chú thích ghi thanh sai số là loại nào" trước khi hỏi bất cứ điều gì khác; nếu AI trả lời mà chú thích không hề ghi, đó là dấu hiệu nó đang đoán.
Một bài tập tốt để tự luyện: che phần kết luận của bài tổng quan, tự đọc biểu đồ rừng và viết một câu kết luận, rồi so với kết luận của tác giả và với mô tả của AI. Khi dùng hình từ bài báo trong báo cáo của bạn, ghi rõ nguồn theo đúng quy định trích dẫn.
Câu hỏi thường gặp
Khoảng tin cậy cắt qua số 1 trong biểu đồ rừng nghĩa là gì?
Với các thước đo tỷ số, khoảng tin cậy chứa số 1 nghĩa là dữ liệu của nghiên cứu đó vẫn tương thích với khả năng không có khác biệt giữa hai nhóm. Điều đó không chứng minh là không có hiệu ứng; nó cho biết nghiên cứu chưa đủ chính xác để loại trừ khả năng ấy.
Vì sao gọi là biểu đồ rừng?
Tên gọi thường được giải thích là vì nhiều đường ngang xếp chồng trông như một rừng cây. Có nhiều giả thuyết về nguồn gốc tên gọi và không có câu trả lời thống nhất. Điều quan trọng với người đọc là cấu trúc của nó: mỗi dòng một nghiên cứu, cuối cùng là kết quả gộp.
Thanh sai số có thể không đối xứng không?
Có. Với tỷ số hay tỷ lệ gần 0 hoặc 100%, khoảng tin cậy thường không đối xứng quanh ước lượng. Trên thang logarit, khoảng tin cậy của tỷ số trông đối xứng, nhưng trên thang thường thì phía trên dài hơn. Đây là điều bình thường, không phải lỗi vẽ.
Dự án học sinh nên vẽ loại thanh sai số nào?
Nếu muốn cho thấy các mẫu khác nhau ra sao, dùng độ lệch chuẩn; nếu muốn so trung bình các nhóm, khoảng tin cậy dễ đọc hơn. Dù chọn loại nào, ghi rõ trong chú thích và cân nhắc vẽ thêm từng điểm dữ liệu khi số mẫu ít, để người xem thấy dữ liệu thật.
Chỉ số I² bao nhiêu là cao?
Một mốc tham khảo thường được nhắc là khoảng 25% thấp, 50% vừa, 75% cao, nhưng các hướng dẫn về tổng quan hệ thống khuyên không áp dụng cứng nhắc. I² cần được đọc cùng hướng và độ lớn của các hiệu ứng, cũng như lý do có thể giải thích sự khác biệt giữa các nghiên cứu.
Có nên tin một phân tích gộp hơn một nghiên cứu lớn?
Không phải lúc nào cũng vậy. Phân tích gộp từ nhiều nghiên cứu nhỏ, chất lượng thấp có thể kém tin cậy hơn một thử nghiệm lớn được làm cẩn thận. Chất lượng các nghiên cứu thành phần, cách chọn nghiên cứu và mức độ đồng nhất quan trọng hơn việc bài thuộc loại nào.