Cohen’s d là chênh lệch giữa hai trung bình chia cho một độ lệch chuẩn, nên nó cho biết hai nhóm cách nhau bao nhiêu "độ lệch chuẩn" chứ không phải bao nhiêu điểm. Với hai nhóm độc lập, mẫu số thường là độ lệch chuẩn gộp; với thiết kế trước – sau, mẫu số có thể là độ lệch chuẩn của hiệu số hoặc trung bình hai độ lệch chuẩn, và mỗi lựa chọn cho ra một con số khác nhau. Vì thế khi báo cáo d, bạn luôn phải nói rõ đã chia cho cái gì.
Bài này đi qua một ví dụ giả định tính tay đầy đủ: hai lớp 30 sinh viên, chênh nhau 0,6 điểm, cho d khoảng 0,46. Sau đó là phiên bản hiệu chỉnh Hedges g, các biến thể cho mẫu cặp, cách đổi qua lại giữa t và d, và cách tính khoảng tin cậy cho d — phần mà luận văn hay bỏ quên nhất.
Cohen’s d đo cái gì và vì sao phải chia cho độ lệch chuẩn
Giả sử hai lớp chênh nhau 0,6 điểm trên thang 10. Con số 0,6 có lớn không thì chưa nói được, vì nó phụ thuộc vào việc điểm trong mỗi lớp dao động rộng hay hẹp. Nếu hầu hết sinh viên trong lớp chỉ chênh nhau vài phần mười điểm, thì 0,6 là khoảng cách rất rõ; nếu điểm trải từ 2 đến 10, thì 0,6 chìm trong sự dao động tự nhiên. Chia chênh lệch cho độ lệch chuẩn là cách đặt khoảng cách giữa hai nhóm lên cùng một thước đo với độ phân tán bên trong nhóm.
Nhờ đơn vị chung đó, d cho phép so sánh các nghiên cứu dùng thang đo khác nhau: một nghiên cứu chấm điểm thang 10, một nghiên cứu dùng thang Likert 5 mức, một nghiên cứu đo thời gian phản ứng tính bằng mili giây. Đây cũng là lý do d là nguyên liệu chính của phân tích gộp (meta-analysis) và của việc tính cỡ mẫu trước khi thu số liệu.
Cần phân biệt d với giá trị p. Giá trị p phụ thuộc mạnh vào cỡ mẫu: cùng một chênh lệch 0,6 điểm, mẫu 30 người mỗi nhóm có thể cho p khoảng 0,08, mẫu 300 người mỗi nhóm cho p rất nhỏ. Còn d gần như không đổi khi cỡ mẫu tăng, vì nó ước lượng độ lớn của hiệu ứng chứ không đo mức chắc chắn của kết luận. Hai thông tin này bổ sung cho nhau, không thay thế nhau, và chuẩn báo cáo APA khuyến nghị đưa cả hai.
Jacob Cohen giới thiệu chỉ số này trong cuốn sách về phân tích lực mẫu cho khoa học hành vi (bản thường được trích là ấn bản 1988). Tên gọi "d" giữ nguyên trong tiếng Việt; nhiều tài liệu dịch là "chỉ số d của Cohen" hoặc "hệ số Cohen d".
Tính tay cho hai nhóm độc lập: ví dụ giả định từng bước
Ví dụ giả định: lớp A học theo cách mới, 30 sinh viên, điểm trung bình 7,4, độ lệch chuẩn 1,2; lớp B học theo cách cũ, 30 sinh viên, trung bình 6,8, độ lệch chuẩn 1,4. Các bước:
- Tính chênh lệch trung bình: 7,4 − 6,8 = 0,6 điểm. Quy ước dấu: lấy nhóm can thiệp trừ nhóm so sánh, để d dương nghĩa là nhóm can thiệp cao hơn.
- Bình phương hai độ lệch chuẩn để có phương sai: 1,2² = 1,44 và 1,4² = 1,96.
- Tính phương sai gộp theo công thức s²gộp = [(n1 − 1)·s1² + (n2 − 1)·s2²] / (n1 + n2 − 2): (29 × 1,44 + 29 × 1,96) / 58 = (41,76 + 56,84) / 58 = 98,60 / 58 = 1,70. Vì hai nhóm bằng nhau nên kết quả đúng bằng trung bình cộng của hai phương sai.
- Lấy căn để có độ lệch chuẩn gộp: căn của 1,70 ≈ 1,304.
- Chia: d = 0,6 / 1,304 ≈ 0,46. Hai lớp cách nhau gần nửa độ lệch chuẩn.
- Kiểm chéo bằng thống kê t: với hai nhóm độc lập, t = d × căn của [n1·n2 / (n1 + n2)] = 0,46 × căn 15 ≈ 0,46 × 3,873 ≈ 1,78, với 58 bậc tự do, cho p hai phía khoảng 0,08. Nếu phần mềm của bạn ra t lệch nhiều so với con số tính ngược từ d, hãy xem lại mình đã dùng đúng độ lệch chuẩn chưa.
Chú ý: nhóm này có d gần 0,5 nhưng p khoảng 0,08, tức là không đạt mức 0,05. Điều đó không có nghĩa là "không có hiệu ứng", mà là mẫu 30 người mỗi nhóm chưa đủ để phân biệt chắc chắn một hiệu ứng cỡ này với dao động ngẫu nhiên. Phần khoảng tin cậy bên dưới cho thấy rõ hơn mức không chắc chắn đó.
Hedges g và Glass delta: khi nào hiệu chỉnh hoặc đổi mẫu số
Hedges g sửa độ chệch của d ở mẫu nhỏ. Cohen’s d tính từ mẫu có xu hướng hơi lớn hơn giá trị thật của tổng thể, nhất là khi tổng cỡ mẫu dưới vài chục. Larry Hedges đề xuất nhân d với một hệ số hiệu chỉnh, thường viết gần đúng là J = 1 − 3 / (4·(n1 + n2) − 9). Với ví dụ trên, J = 1 − 3 / 231 ≈ 0,987, nên g ≈ 0,46 × 0,987 ≈ 0,454. Khác biệt chỉ ở chữ số thứ hai vì mẫu đã có 60 người; với hai nhóm 8 người, mức hiệu chỉnh vào khoảng 5%.
Tên gọi không thống nhất giữa các phần mềm. Một số tài liệu gọi chính độ lệch chuẩn gộp chia theo n1 + n2 − 2 là "Hedges g" và gọi bản đã nhân J là "g hiệu chỉnh". Một số phần mềm in "Cohen’s d" nhưng thực chất đã hiệu chỉnh. Khi chép số vào luận văn, bạn đọc phần chú thích của bảng kết quả, kiểm phiên bản phần mềm đang dùng, và ghi rõ công thức trong phần phương pháp.
Glass delta chỉ chia cho độ lệch chuẩn của nhóm đối chứng. Khi can thiệp có thể làm thay đổi cả độ phân tán (ví dụ một phương pháp dạy giúp sinh viên yếu tiến bộ nhiều hơn sinh viên giỏi), gộp hai độ lệch chuẩn sẽ trộn ảnh hưởng của can thiệp vào mẫu số. Glass đề xuất chỉ dùng độ lệch chuẩn của nhóm không can thiệp: trong ví dụ, 0,6 / 1,4 ≈ 0,43.
Chọn một chỉ số và giữ nhất quán. Không có chỉ số nào "đúng" cho mọi trường hợp. Điều quan trọng là chọn trước khi xem kết quả, giải thích lý do bằng một câu, và không chuyển sang chỉ số khác chỉ vì nó cho con số đẹp hơn.
Mẫu cặp: d_z, d_av và vì sao hai con số khác nhau
Với thiết kế trước – sau trên cùng người, có ít nhất hai cách tính phổ biến. Ví dụ giả định: 25 học viên, điểm trước khoá học trung bình 6,1 (độ lệch chuẩn 1,9), sau khoá 6,9 (độ lệch chuẩn 2,1). Hiệu số sau trừ trước có trung bình 0,8 và độ lệch chuẩn 1,6.
| Chỉ số | Công thức | Kết quả ví dụ | Trả lời câu hỏi gì |
|---|---|---|---|
| d_z | Trung bình hiệu số / độ lệch chuẩn của hiệu số | 0,8 / 1,6 = 0,50 | Thay đổi của mỗi người ổn định đến mức nào; gắn trực tiếp với t mẫu cặp (t = d_z × căn n = 0,5 × 5 = 2,5) |
| d_av | Trung bình hiệu số / trung bình hai độ lệch chuẩn | 0,8 / 2,0 = 0,40 | Thay đổi lớn cỡ nào so với độ phân tán giữa người với người; dễ so với nghiên cứu hai nhóm độc lập |
| d_rm | d_z × căn [2·(1 − r)], r là tương quan trước – sau | khoảng 0,40 với r ≈ 0,68 | Gần với d_av, có tính đến tương quan giữa hai lần đo |
Hai con số 0,50 và 0,40 khác nhau không phải vì tính sai. Khi điểm trước và sau tương quan chặt (trong ví dụ, độ lệch chuẩn hiệu số chỉ 1,6 trong khi mỗi lần đo dao động khoảng 2, ứng với hệ số tương quan khoảng 0,68), độ lệch chuẩn của hiệu số nhỏ lại và d_z phình to. Lấy d_z của thiết kế mẫu cặp đặt cạnh d của thiết kế hai nhóm rồi kết luận "can thiệp này mạnh hơn" là so sánh khập khiễng.
Với t = 2,5 và 24 bậc tự do, p hai phía vào khoảng 0,02. Khi viết, bạn ghi rõ: "cỡ hiệu ứng d_z = 0,50 (tính trên hiệu số)" hoặc "d_av = 0,40", không chỉ ghi "d = 0,5".
Đổi qua lại giữa t và d, và tính khoảng tin cậy cho d
Nhiều bài báo cũ chỉ in t và cỡ mẫu, không in d. Với hai nhóm độc lập, bạn tính ngược bằng d = t × căn (1/n1 + 1/n2). Lấy lại ví dụ: 1,78 × căn (1/30 + 1/30) = 1,78 × 0,258 ≈ 0,46, khớp với kết quả tính từ trung bình. Với mẫu cặp, công thức tương ứng là d_z = t / căn n. Cách đổi này rất tiện khi làm phần tổng quan tài liệu hoặc khi lấy cỡ hiệu ứng từ nghiên cứu trước để tính cỡ mẫu.
Một con số d đơn lẻ dễ tạo cảm giác chắc chắn giả. Sai số chuẩn gần đúng của d cho hai nhóm độc lập là SE(d) = căn [ (n1 + n2) / (n1·n2) + d² / (2·(n1 + n2)) ]. Thay số: (60 / 900) + (0,46² / 120) ≈ 0,0667 + 0,0018 = 0,0685; căn bằng khoảng 0,262. Khoảng tin cậy 95% gần đúng là 0,46 ± 1,96 × 0,262, tức từ khoảng −0,05 đến 0,97.
Khoảng này đọc ra hai điều. Thứ nhất, nó chứa 0, khớp với việc p lớn hơn 0,05. Thứ hai, nó rất rộng: số liệu tương thích với cả một hiệu ứng gần như bằng không lẫn một hiệu ứng gần một độ lệch chuẩn. Viết "phương pháp mới có hiệu ứng trung bình (d = 0,46)" mà bỏ qua khoảng tin cậy là đang nói chắc hơn số liệu cho phép. Các phần mềm thống kê hiện nay (một số gói trong R, JASP, Jamovi, các phiên bản SPSS mới) có thể tính khoảng tin cậy chính xác hơn dựa trên phân phối t không trung tâm; kết quả sẽ hơi khác cách gần đúng ở trên, và bạn nên dùng con số của phần mềm khi có.
Đọc d: mốc 0,2 – 0,5 – 0,8 là quy ước tham khảo
Cohen đề xuất mốc 0,2 là nhỏ, 0,5 là vừa, 0,8 là lớn, nhưng chính ông nói rõ các mốc này chỉ dùng khi không có căn cứ nào tốt hơn trong lĩnh vực. Vài điều nên nhớ khi diễn giải:
- Mốc là quy ước tham khảo, không phải ngưỡng đạt hay trượt. Viết "d = 0,46, gần mức quy ước là vừa theo Cohen" an toàn hơn "hiệu ứng vừa".
- Ở nhiều lĩnh vực, hiệu ứng điển hình nhỏ hơn mốc của Cohen. Một can thiệp giáo dục trên diện rộng với d khoảng 0,2 có thể đáng giá nếu chi phí thấp và áp dụng cho hàng nghìn học sinh.
- So với nghiên cứu cùng chủ đề, cùng loại đo lường thì có nghĩa hơn so với mốc chung. Nếu tổng quan tài liệu cho thấy các can thiệp tương tự thường cho d quanh 0,3, thì 0,46 là đáng chú ý.
- Có thể diễn giải thêm bằng phần trăm chồng lấn hoặc xác suất ưu thế: với giả định phân phối chuẩn, d = 0,5 tương ứng xác suất khoảng 64% một người chọn ngẫu nhiên từ nhóm cao có điểm cao hơn một người chọn ngẫu nhiên từ nhóm thấp. Cách nói này dễ hiểu với hội đồng không chuyên thống kê.
- Cỡ hiệu ứng lớn không đồng nghĩa với quan trọng về thực tiễn, và cỡ hiệu ứng nhỏ không đồng nghĩa với vô ích. Câu hỏi "đáng quan tâm hay không" cần kiến thức chuyên ngành, không chỉ con số.
Những lỗi hay gặp khi báo cáo Cohen’s d
Không nói rõ mẫu số. Đây là lỗi phổ biến nhất ở thiết kế trước – sau. Thêm một câu trong phần phương pháp: "cỡ hiệu ứng được tính bằng trung bình hiệu số chia cho độ lệch chuẩn của hiệu số (d_z)".
Dùng độ lệch chuẩn của toàn mẫu thay cho độ lệch chuẩn gộp. Độ lệch chuẩn tính chung cả hai nhóm như một nhóm đã bao gồm phần chênh lệch giữa hai nhóm, nên nó lớn hơn độ lệch chuẩn gộp và làm d nhỏ đi.
Nhầm sai số chuẩn với độ lệch chuẩn. Bảng mô tả của một số phần mềm in cả "Std. Deviation" và "Std. Error Mean". Chia chênh lệch cho sai số chuẩn sẽ cho con số lớn gấp nhiều lần, một dấu hiệu dễ nhận ra là d vượt quá 2 hoặc 3 trong khi hai nhóm trông khá giống nhau.
Báo cáo d mà bỏ dấu. Dấu cho biết nhóm nào cao hơn. Nếu bỏ dấu, ghi rõ hướng bằng lời: "nhóm thực nghiệm cao hơn nhóm đối chứng, d = 0,46".
Chỉ báo cáo d khi p nhỏ. Cỡ hiệu ứng nên được báo cáo cho mọi phép so sánh chính, kể cả khi không có ý nghĩa thống kê. Một d quanh 0,4 với khoảng tin cậy rộng cho người đọc biết nghiên cứu thiếu lực mẫu, khác hẳn một d quanh 0,02 với khoảng tin cậy hẹp.
Câu hỏi thường gặp
Cohen’s d có thể lớn hơn 1 không?
Có. d không bị chặn ở 1 như hệ số tương quan. d bằng 1,2 nghĩa là hai trung bình cách nhau 1,2 độ lệch chuẩn. Trong nghiên cứu hành vi, giá trị trên 1 khá hiếm nên khi gặp bạn nên kiểm lại xem có nhầm sai số chuẩn với độ lệch chuẩn, hay mẫu có điều gì đặc biệt.
Hai nhóm có cỡ mẫu chênh nhau nhiều thì tính d thế nào?
Công thức độ lệch chuẩn gộp đã tính trọng số theo bậc tự do của từng nhóm, nên bạn vẫn dùng nó bình thường. Nếu hai phương sai khác nhau rõ rệt, nhiều tác giả khuyên cân nhắc Glass delta hoặc dùng căn của trung bình hai phương sai, và ghi rõ lựa chọn trong luận văn.
Kiểm định Welch thì có Cohen’s d tương ứng không?
Welch thay đổi cách tính sai số chuẩn và bậc tự do cho kiểm định, nhưng cỡ hiệu ứng vẫn cần một độ lệch chuẩn chuẩn hoá. Cách hay dùng là chia chênh lệch cho căn của trung bình hai phương sai. Khi đó không đổi ngược từ t Welch sang d bằng công thức hai nhóm thông thường được.
Dữ liệu không chuẩn, dùng Mann-Whitney thì có dùng Cohen’s d được không?
Cohen’s d dựa trên trung bình và độ lệch chuẩn nên phù hợp nhất với dữ liệu gần chuẩn. Với Mann-Whitney, cỡ hiệu ứng thường báo cáo là tương quan hạng song phân hoặc xác suất ưu thế. Bạn có thể đưa thêm d để tham khảo nhưng nên nói rõ giới hạn.
Có nên làm tròn d đến mấy chữ số?
Hai chữ số thập phân là đủ cho hầu hết luận văn, ví dụ d = 0,46. Ghi ba chữ số tạo cảm giác chính xác giả, vì khoảng tin cậy của d thường rộng vài phần mười. Giữ đủ chữ số trong lúc tính trung gian rồi mới làm tròn ở kết quả cuối.
Lấy Cohen’s d từ một nghiên cứu trước để tính cỡ mẫu có ổn không?
Được, nhưng nên thận trọng vì các nghiên cứu đã công bố thường có hiệu ứng lớn hơn thực tế do xu hướng ưu tiên đăng kết quả có ý nghĩa. Nhiều người hướng dẫn khuyên dùng giá trị nhỏ hơn con số đã công bố, hoặc dựa vào mức hiệu ứng nhỏ nhất còn có ý nghĩa thực tiễn.