GiaThuyet.comGiả Thuyết
Viết kết quả kiểm định vào luận văn

Báo cáo kiểm định phi tham số: viết Mann-Whitney, Wilcoxon, Kruskal-Wallis cho đúng

Câu mẫu báo cáo Mann-Whitney U, Wilcoxon dấu hạng và Kruskal-Wallis trong luận văn: ghi trung vị, khoảng tứ phân vị, U, z, H, p và cỡ hiệu ứng r.

Young lecturer and student in a Thai Nguyen university corridor reviewing paper questionnaires on a bench, both seen in profile and out of focus, green trees behind

Khi báo cáo kiểm định phi tham số, phần mô tả nên dùng trung vị và khoảng tứ phân vị thay cho trung bình và độ lệch chuẩn, thống kê kiểm định ghi đúng tên (U cho Mann-Whitney, T hoặc W cho Wilcoxon, H cho Kruskal-Wallis), kèm z hoặc bậc tự do, giá trị p và cỡ hiệu ứng r hoặc epsilon bình phương. Lỗi phổ biến nhất là chạy kiểm định phi tham số nhưng lại mô tả bằng trung bình, khiến phần mô tả và phần kiểm định nói hai thứ khác nhau.

Bài này có ba ví dụ giả định với số liệu đã tính lại, mỗi ví dụ một câu mẫu: hai nhóm độc lập, hai lần đo trên cùng người, và ba nhóm trở lên. Mỗi phần có phép tự kiểm đơn giản để bạn bắt lỗi chép số trước khi nộp bản thảo.

Mô tả dữ liệu cho kiểm định phi tham số

Trung vị và khoảng tứ phân vị. Kiểm định phi tham số dựa trên thứ hạng, nên trung vị và khoảng tứ phân vị (từ phân vị 25 đến phân vị 75) mô tả dữ liệu khớp hơn. Ghi theo dạng Mdn = 4,0 (IQR 4,0–5,0) hoặc trung vị 4,0, khoảng tứ phân vị 4,0 đến 5,0.

Phân vị khác nhau giữa các phần mềm. Có nhiều cách tính phân vị, nên khoảng tứ phân vị trên SPSS, Excel và R có thể lệch nhau một chút với mẫu nhỏ. Không phải lỗi; chỉ cần dùng một phần mềm cho toàn bộ bảng mô tả.

Hạng trung bình là thông tin bổ sung. SPSS in hạng trung bình của từng nhóm. Có thể ghi thêm để người đọc thấy nhóm nào xếp hạng cao hơn, nhưng hạng trung bình không thay được trung vị trong phần mô tả vì nó không có đơn vị đo.

Có thể ghi thêm trung bình, nhưng nói rõ. Một số ngành quen đọc trung bình, kể cả với thang Likert. Nếu thêm trung bình, đặt cạnh trung vị và đừng dùng trung bình để diễn giải kết quả kiểm định phi tham số.

Mann-Whitney U: hai nhóm độc lập

Ví dụ giả định: so sánh mức căng thẳng tự đánh giá trước kỳ thi (thang 1 đến 10) giữa nhóm ôn tập đều đặn suốt học kỳ (n = 15) và nhóm ôn dồn vào tuần cuối (n = 14). Nhóm thứ nhất có trung vị 4,0 (khoảng tứ phân vị 4,0–5,0), nhóm thứ hai trung vị 5,5 (5,0–6,0). Tổng hạng của nhóm thứ nhất là 177,5, nhóm thứ hai 257,5. Từ đó U của nhóm thứ nhất là 177,5 trừ 15 × 16 / 2, bằng 57,5; U của nhóm thứ hai là 15 × 14 trừ 57,5, bằng 152,5. Xấp xỉ chuẩn có hiệu chỉnh hạng bằng nhau cho z = −2,13, p = 0,033.

Cỡ hiệu ứng r bằng giá trị tuyệt đối của z chia căn tổng cỡ mẫu: 2,13 chia căn 29, khoảng 0,40. Một lựa chọn khác là tương quan hạng hai chuỗi (rank-biserial), ở ví dụ này có độ lớn khoảng 0,45. Chọn một chỉ số và ghi rõ tên.

Câu mẫu: "Mức căng thẳng trước kỳ thi của nhóm ôn tập đều đặn (Mdn = 4,0; IQR 4,0–5,0) thấp hơn nhóm ôn dồn vào tuần cuối (Mdn = 5,5; IQR 5,0–6,0), kiểm định Mann-Whitney U = 57,5; z = −2,13; p = 0,033; r = 0,40."

Phép tự kiểm: hai giá trị U của hai nhóm luôn cộng lại bằng n1 nhân n2, ở đây 57,5 + 152,5 = 210 = 15 × 14. Phần mềm có thể in U của nhóm này hoặc nhóm kia tuỳ cách mã hoá, nên con số khác nhau giữa hai người chạy cùng dữ liệu không có nghĩa là có người sai. Với mẫu nhỏ, phần mềm có thể in thêm p chính xác bên cạnh p xấp xỉ; nếu bạn báo p chính xác thì ghi rõ. Cuối cùng, vì đây là nghiên cứu quan sát, câu kết luận chỉ nói hai nhóm khác nhau về mức căng thẳng, không nói cách ôn tập gây ra mức căng thẳng đó.

Wilcoxon dấu hạng: hai lần đo trên cùng một người

Ví dụ giả định: 16 người tham gia một chương trình rèn kỹ năng thuyết trình, tự đánh giá mức tự tin (thang 1 đến 10) trước và sau chương trình. Trung vị trước là 5,0 (khoảng tứ phân vị 5,0–6,0), sau là 6,0 (5,75–7,0). Có 3 người cho điểm không đổi, nên chỉ 13 hiệu số khác 0 đi vào kiểm định. Tổng hạng của các hiệu dương (tăng) là 81, của các hiệu âm (giảm) là 10. Thống kê T là tổng nhỏ hơn, tức 10. Xấp xỉ chuẩn cho z = −2,59, p = 0,010.

Phép tự kiểm: tổng hạng dương và âm phải bằng n(n + 1)/2 với n là số hiệu khác 0, ở đây 13 × 14 / 2 = 91, và 81 + 10 = 91. Nếu không khớp, có thể bạn đang lấy nhầm n.

Cỡ hiệu ứng r = |z| chia căn N. Có hai cách chọn N: tổng số người (16) cho r = 0,65, hoặc số hiệu khác 0 (13) cho r = 0,72. Tài liệu không thống nhất; hãy ghi rõ cách bạn dùng.

Câu mẫu: "Mức tự tin khi thuyết trình sau chương trình (Mdn = 6,0) cao hơn trước chương trình (Mdn = 5,0), kiểm định Wilcoxon dấu hạng T = 10; z = −2,59; p = 0,010; r = 0,65 (tính theo N = 16). Có 13 người tăng hoặc giảm điểm, 3 người không đổi." Ghi số người không đổi là chi tiết nhỏ nhưng giúp người đọc hiểu vì sao n trong phép tính khác cỡ mẫu. Như mọi thiết kế trước – sau không có nhóm đối chứng, sự tăng điểm chưa đủ để quy hoàn toàn cho chương trình.

Kruskal-Wallis và so sánh từng cặp bằng Dunn

Ví dụ giả định: ba nhóm sinh viên, mỗi nhóm 12 người, theo ba hình thức học (học trực tuyến hoàn toàn, kết hợp, trực tiếp hoàn toàn), tự đánh giá mức gắn kết với lớp học trên thang 1 đến 7. Trung vị ba nhóm lần lượt 4,0; 5,0 và 6,0. Kiểm định Kruskal-Wallis cho H(2) = 16,76; p < 0,001. Cỡ hiệu ứng epsilon bình phương bằng H chia (N − 1), tức 16,76 chia 35, khoảng 0,48. So sánh từng cặp bằng kiểm định Dunn với hiệu chỉnh Bonferroni cho kết quả:

Cặp so sánhHạng trung bìnhzp hiệu chỉnh Bonferroni
Trực tuyến – Kết hợp9,6 và 19,4−2,360,055
Trực tuyến – Trực tiếp9,6 và 26,5−4,08< 0,001
Kết hợp – Trực tiếp19,4 và 26,5−1,720,255

Câu mẫu: "Mức gắn kết với lớp học khác nhau giữa ba hình thức học, kiểm định Kruskal-Wallis H(2) = 16,76; p < 0,001; ε² = 0,48. So sánh từng cặp bằng kiểm định Dunn hiệu chỉnh Bonferroni cho thấy nhóm học trực tiếp (Mdn = 6,0) có mức gắn kết cao hơn nhóm học trực tuyến (Mdn = 4,0), p < 0,001; chênh lệch giữa nhóm kết hợp với hai nhóm còn lại không có ý nghĩa thống kê (p = 0,055 và p = 0,255)."

Lưu ý cặp trực tuyến – kết hợp có p hiệu chỉnh 0,055: không viết "gần có ý nghĩa" như thể đó là nửa kết quả. Viết đúng con số và để phần bàn luận nói về cỡ mẫu nhỏ. Ngoài ra, với nhóm chỉ 12 người và dữ liệu nhiều hạng bằng nhau, nên ghi rõ phần mềm có hiệu chỉnh cho hạng bằng nhau hay không.

Những lỗi hay gặp khi viết kết quả phi tham số

Phần lớn lỗi không nằm ở phép tính mà ở cách diễn đạt. Rà bản thảo của bạn theo danh sách sau:

  • Nói "trung bình nhóm A cao hơn nhóm B" sau một kiểm định Mann-Whitney. Mann-Whitney so sánh phân phối thứ hạng. Chỉ khi hai phân phối có hình dạng tương tự mới có thể diễn giải gọn là so sánh trung vị; trong trường hợp chung, nói "nhóm A có xu hướng nhận giá trị cao hơn" là chính xác hơn.
  • Ghi "Asymp. Sig." thay cho p. Trong luận văn chỉ cần ghi p, và nếu dùng p chính xác thì ghi thêm chữ "chính xác".
  • Không nêu lý do chọn phi tham số. Phần phương pháp cần một câu: dữ liệu thứ bậc, phân phối lệch rõ, hoặc mẫu nhỏ. Lý do cần dựa trên đặc điểm dữ liệu, không phải "vì kiểm định t không ra kết quả".
  • Bỏ qua cỡ hiệu ứng. APA khuyến khích báo cỡ hiệu ứng cho mọi kiểm định chính, kể cả phi tham số.
  • Chạy nhiều cặp Mann-Whitney thay cho Kruskal-Wallis. Giống lý do không chạy nhiều t-test thay ANOVA: tỷ lệ sai lầm loại I tăng lên khi số lần so sánh tăng.
  • Viết z mà không nói đó là xấp xỉ. Với mẫu rất nhỏ, xấp xỉ chuẩn kém chính xác; khi đó báo thống kê gốc và p chính xác.

Một bản thảo tránh được sáu lỗi này thường qua vòng phản biện về phần thống kê khá nhẹ nhàng, vì người đọc thấy rõ bạn hiểu mình đang báo cáo cái gì.

Friedman cho ba lần đo trở lên trên cùng người

Khi cùng một nhóm được đo từ ba lần trở lên và dữ liệu là thứ bậc hoặc lệch rõ, kiểm định Friedman là bản phi tham số tương ứng với ANOVA đo lặp. Ví dụ giả định: 12 học viên tự đánh giá mức hiểu bài (thang 1 đến 7) ở đầu, giữa và cuối một học phần. Trung vị ba lần đo là 3,0; 4,0 và 5,0. Tổng hạng trong từng người của ba lần đo là 14,0; 23,5 và 34,5. Kiểm định Friedman có hiệu chỉnh hạng bằng nhau cho χ²(2) = 19,58; p < 0,001. Cỡ hiệu ứng thường dùng là hệ số Kendall W, bằng χ² chia N nhân (k − 1), tức 19,58 chia 24, khoảng 0,82.

Câu mẫu: "Mức hiểu bài tự đánh giá thay đổi qua ba thời điểm, kiểm định Friedman χ²(2, N = 12) = 19,58; p < 0,001; Kendall W = 0,82. Trung vị tăng từ 3,0 ở đầu học phần lên 4,0 ở giữa và 5,0 ở cuối học phần." So sánh từng cặp thời điểm sau đó thường dùng Wilcoxon dấu hạng có hiệu chỉnh Bonferroni, báo theo khuôn ở mục Wilcoxon.

Phép tự kiểm: tổng hạng của ba lần đo phải bằng N nhân k(k + 1)/2, ở đây 12 × 6 = 72, và 14,0 + 23,5 + 34,5 = 72. Nếu phần mềm của bạn không hiệu chỉnh hạng bằng nhau, giá trị χ² sẽ nhỏ hơn một chút (ở ví dụ này khoảng 17,54); ghi rõ phiên bản đã dùng để người đọc đối chiếu được.

Câu hỏi thường gặp

Báo cáo kiểm định Mann-Whitney U cần những con số nào?

Cần trung vị và khoảng tứ phân vị của hai nhóm, giá trị U, giá trị z nếu dùng xấp xỉ chuẩn, giá trị p và một chỉ số cỡ hiệu ứng như r hoặc tương quan hạng hai chuỗi. Kèm theo một câu nói rõ nhóm nào có xu hướng cao hơn.

Vì sao U của mình khác U của bạn cùng nhóm dù chạy cùng dữ liệu?

Mỗi nhóm có một giá trị U và hai giá trị cộng lại bằng tích hai cỡ mẫu. Phần mềm có thể in U của nhóm này hoặc nhóm kia tuỳ cách mã hoá. Giá trị z và p sẽ giống nhau, chỉ khác dấu z.

Cỡ hiệu ứng r cho Wilcoxon tính theo N nào?

Có hai cách: dùng tổng số người hoặc chỉ số người có hiệu khác 0. Cách thứ hai cho r lớn hơn. Tài liệu không thống nhất, vì vậy hãy ghi rõ N đã dùng trong câu báo cáo hoặc chú thích bảng.

Kruskal-Wallis có ý nghĩa thì so sánh từng cặp bằng gì?

Kiểm định Dunn là lựa chọn phổ biến, kèm hiệu chỉnh Bonferroni hoặc Holm cho nhiều lần so sánh. Một số người dùng nhiều cặp Mann-Whitney có hiệu chỉnh; cách nào cũng cần nêu trong phần phương pháp.

Có được mô tả bằng trung bình khi dùng kiểm định phi tham số không?

Được, nếu ngành của bạn quen đọc trung bình, nhưng nên ghi kèm trung vị và khoảng tứ phân vị. Diễn giải kết quả kiểm định nên dựa vào trung vị hoặc thứ hạng, không dựa vào trung bình.

Cần tư vấn cụ thể cho trường hợp của bạn?

Chúng tôi sẽ liên hệ trong vòng 24 giờ.

Đăng ký tư vấn ngay

Bài viết liên quan

Bạn cần hỗ trợ thêm?

Để lại thông tin, chúng tôi sẽ liên hệ trong 24 giờ.

hoặc
Gọi ngay 0926 138 138