Cỡ mẫu cho ANOVA một nhân tố được tính từ chỉ số f của Cohen, còn cỡ mẫu cho kiểm định chi bình phương được tính từ chỉ số w; cả hai cùng cần alpha, lực mẫu mục tiêu và bậc tự do. Với ba nhóm, f = 0,25, alpha 0,05 và lực 80%, cần tổng cộng 159 người (53 mỗi nhóm). Với bảng 2x2 và w = 0,3, cần 88 người. Khi câu hỏi là so sánh hai tỷ lệ, chẳng hạn 30% so với 15%, công thức trực tiếp cho khoảng 121 người mỗi nhóm.
Bài này chỉ cách đổi những gì bạn dự kiến (trung bình các nhóm, tỷ lệ các ô) thành f và w, bảng tra nhanh cho các trường hợp hay gặp, công thức so sánh hai tỷ lệ tính tay được, và những bẫy khi lấy cỡ hiệu ứng từ nghiên cứu khác. Bài về cỡ mẫu cho t-test trong cùng danh mục là phần đi trước, nên đọc nếu bạn chưa quen với bốn đại lượng của lực mẫu.
Vì sao cần f và w thay cho d
Cohen’s d đo khoảng cách giữa hai trung bình. Khi có ba nhóm trở lên, không còn một khoảng cách duy nhất, nên Cohen đề xuất f: độ lệch chuẩn của các trung bình nhóm quanh trung bình chung, chia cho độ lệch chuẩn trong nhóm. Với hai nhóm bằng nhau, f đúng bằng d / 2. Mốc quy ước tham khảo của f là 0,10 (nhỏ), 0,25 (vừa), 0,40 (lớn); f liên hệ với eta bình phương qua f² = η² / (1 − η²).
Với dữ liệu tần số, Cohen dùng w: căn của tổng, trên mọi ô, bình phương độ lệch giữa tỷ lệ theo giả thuyết đối và tỷ lệ theo giả thuyết không, chia cho tỷ lệ theo giả thuyết không. Viết gọn: w = căn [ Σ (p1 − p0)² / p0 ]. Mốc quy ước tham khảo của w là 0,10, 0,30, 0,50. Với bảng 2x2, w trùng với hệ số phi; với bảng lớn hơn, w = Cramér V × căn (min(số hàng, số cột) − 1).
Cả hai phép kiểm đều dựa trên một tham số không trung tâm, ký hiệu λ, xấp xỉ bằng tổng cỡ mẫu nhân bình phương cỡ hiệu ứng: λ = N × f² cho ANOVA và λ = N × w² cho chi bình phương. Phần mềm tìm N nhỏ nhất sao cho với λ đó, xác suất thống kê kiểm định vượt giá trị tới hạn đạt mức lực mong muốn. Hiểu điều này giúp bạn tự ước lượng nhanh trước khi mở phần mềm.
Đổi trung bình dự kiến thành f: ví dụ giả định
Một nghiên cứu so sánh ba phương pháp ôn thi. Dựa trên tài liệu và ý kiến giáo viên, bạn dự kiến điểm trung bình 6,0; 6,5 và 7,0, độ lệch chuẩn trong mỗi nhóm khoảng 1,6. Các bước:
- Tính trung bình chung (nhóm bằng nhau): (6,0 + 6,5 + 7,0) / 3 = 6,5.
- Tính độ lệch của từng trung bình nhóm so với trung bình chung: −0,5; 0; +0,5.
- Tính độ lệch chuẩn của các trung bình nhóm, chia cho số nhóm k chứ không phải k − 1: căn [(0,25 + 0 + 0,25) / 3] = căn 0,1667 ≈ 0,408.
- Chia cho độ lệch chuẩn trong nhóm: f = 0,408 / 1,6 ≈ 0,255, xấp xỉ mốc 0,25.
- Ước lượng nhanh cỡ mẫu: với 2 bậc tự do, alpha 0,05, lực 80%, λ cần có khoảng 9,63. N ≈ 9,63 / 0,25² ≈ 154. Phép tính chính xác bằng phân phối F không trung tâm cho 159 với f = 0,25, tức 53 người mỗi nhóm; khoảng chênh đến từ việc phân phối F có bậc tự do mẫu số hữu hạn.
Lưu ý rằng cách bố trí trung bình cũng ảnh hưởng tới f. Cùng khoảng cách 1 điểm giữa nhóm thấp nhất và cao nhất, nếu nhóm giữa nằm sát một đầu (6,0; 6,0; 7,0) thì f khác với khi nó nằm chính giữa. Hãy tính f từ đúng mẫu hình bạn dự kiến, đừng chỉ nhìn khoảng cách lớn nhất.
Bảng tra nhanh: tổng cỡ mẫu cho ANOVA một nhân tố
Alpha 0,05, lực 80%, các nhóm bằng nhau, tính bằng phân phối F không trung tâm. Số trong ngoặc là cỡ mỗi nhóm.
| Số nhóm | f = 0,10 | f = 0,25 | f = 0,40 |
|---|---|---|---|
| 3 | 969 (323) | 159 (53) | 66 (22) |
| 4 | trên 1.000 | 180 (45) | 76 (19) |
Hai điều rút ra. Thứ nhất, giống như t-test, cỡ hiệu ứng chi phối mạnh: f giảm từ 0,25 xuống 0,10 làm cỡ mẫu tăng khoảng sáu lần. Thứ hai, thêm nhóm làm tổng cỡ mẫu tăng nhưng cỡ mỗi nhóm giảm với cùng f, vì f đo độ phân tán chung của các trung bình.
Bảng này chỉ bảo đảm lực cho kiểm định F tổng thể. Nếu câu hỏi thật của bạn là một cặp so sánh cụ thể (chẳng hạn phương pháp mới so với phương pháp cũ), lực cho cặp đó sau hiệu chỉnh Tukey hay Bonferroni có thể thấp hơn nhiều. Khi giả thuyết chính là một phép so sánh cặp, tính cỡ mẫu cho chính phép so sánh đó với alpha đã hiệu chỉnh, thường dẫn tới con số lớn hơn.
Chi bình phương: đổi tỷ lệ dự kiến thành w
Ví dụ giả định cho kiểm định phù hợp: một trường muốn biết sinh viên có ưu tiên đều ba khung giờ học hay không. Giả thuyết không là mỗi khung chiếm một phần ba. Bạn dự kiến thực tế là 45%, 30% và 25%.
- Viết p0 và p1 cho từng ô: p0 = 0,333 cho cả ba; p1 = 0,45; 0,30; 0,25.
- Tính (p1 − p0)² / p0 cho từng ô: (0,117)² / 0,333 ≈ 0,0408; (−0,033)² / 0,333 ≈ 0,0033; (−0,083)² / 0,333 ≈ 0,0208.
- Cộng và lấy căn: căn (0,0408 + 0,0033 + 0,0208) = căn 0,0650 ≈ 0,255.
- Xác định bậc tự do: số khung trừ 1, tức 2.
- Tính cỡ mẫu: N ≈ 9,63 / 0,255² ≈ 148,3, làm tròn lên 149. Với chi bình phương, phép xấp xỉ bằng λ này trùng với cách tính chính xác của phần mềm.
Với bảng chéo kiểm định độc lập, p0 của mỗi ô là tích tỷ lệ hàng và tỷ lệ cột (điều xảy ra nếu hai biến độc lập), còn p1 là tỷ lệ ô bạn dự kiến. Với 1 bậc tự do, λ cần có cho lực 80% là khoảng 7,85, nên w = 0,3 cho N ≈ 7,85 / 0,09 ≈ 87,2, làm tròn 88; với 2 bậc tự do, w = 0,3 cho khoảng 108.
So sánh hai tỷ lệ: công thức tính tay trực tiếp
Trường hợp phổ biến nhất trong luận văn là bảng 2x2 với câu hỏi "tỷ lệ ở nhóm A có khác nhóm B không". Thay vì đổi sang w, bạn có thể dùng công thức trực tiếp cho hai tỷ lệ: n mỗi nhóm = [z_{1−α/2} × căn (2 × p̄ × q̄) + z_{1−β} × căn (p1 × q1 + p2 × q2)]² / (p1 − p2)², với q = 1 − p và p̄ là trung bình của p1 và p2.
Ví dụ giả định: dự kiến tỷ lệ hoàn thành khoá học trực tuyến là 30% ở nhóm có nhắc nhở và 15% ở nhóm không nhắc nhở. Ta có p̄ = 0,225 và q̄ = 0,775. Vế đầu: 1,96 × căn (2 × 0,225 × 0,775) = 1,96 × căn 0,34875 ≈ 1,96 × 0,5906 ≈ 1,158. Vế sau: 0,8416 × căn (0,21 + 0,1275) = 0,8416 × 0,5809 ≈ 0,489. Tổng 1,647, bình phương được khoảng 2,711, chia cho 0,15² = 0,0225 ra khoảng 120,5. Làm tròn lên: 121 người mỗi nhóm.
Nếu tính qua w: bảng tỷ lệ ô dự kiến là 0,15; 0,35; 0,075; 0,425 (mỗi nhóm chiếm một nửa), hệ số phi khoảng 0,18, và N ≈ 7,85 / 0,18² ra tổng 244, tức 122 mỗi nhóm, gần như trùng. Một số phần mềm mặc định dùng hiệu chỉnh liên tục (công thức của Fleiss), cho khoảng 134 người mỗi nhóm. Hai con số khác nhau vì giả định khác nhau, không vì sai; bạn chọn cách nào thì ghi rõ cách đó.
Để ý mẫu số là bình phương chênh lệch tỷ lệ: muốn phát hiện chênh lệch 5 điểm phần trăm thay vì 15, cỡ mẫu tăng khoảng bảy đến chín lần tuỳ tỷ lệ nền. Các nghiên cứu về tỷ lệ thường cần mẫu lớn hơn nhiều so với cảm nhận ban đầu.
Viết phần cỡ mẫu cho ANOVA và chi bình phương trong đề cương
Hội đồng thường hỏi ba câu: cỡ hiệu ứng lấy từ đâu, tính bằng gì, và nếu thiếu người thì sao. Đoạn cỡ mẫu nên trả lời trước cả ba:
- Nêu phép kiểm định chính và cấu trúc thiết kế: ANOVA một nhân tố với ba nhóm, hay chi bình phương độc lập với bảng 2x3 (bậc tự do bằng 2).
- Nêu số liệu dự kiến chứ không chỉ nêu f hay w: "dự kiến trung bình 6,0; 6,5; 7,0, độ lệch chuẩn trong nhóm 1,6, tương ứng f ≈ 0,25". Người đọc kiểm lại được, và thấy bạn không chọn mốc vừa một cách máy móc.
- Nêu nguồn của số liệu dự kiến: nghiên cứu trước, thống kê chính thức, nghiên cứu thử, hay ý kiến chuyên gia về khác biệt tối thiểu đáng quan tâm.
- Nêu alpha, lực mẫu, phần mềm và phiên bản (hoặc công thức), kết quả trước dự phòng, tỷ lệ dự phòng và số cần tuyển cho từng nhóm.
- Nếu giả thuyết chính là một so sánh cặp sau ANOVA, nói rõ đã tính cỡ mẫu cho chính so sánh đó với alpha hiệu chỉnh.
- Nếu cỡ mẫu bị giới hạn, thêm phân tích độ nhạy: với số người hiện có, f hoặc w nhỏ nhất phát hiện được ở lực 80% là bao nhiêu, rồi đổi ngược ra đơn vị gốc (điểm chênh lệch, điểm phần trăm) để hội đồng dễ hình dung.
Câu mẫu với số liệu giả định: "Với alpha 0,05, lực mẫu 80% và f = 0,25 (tính từ trung bình dự kiến 6,0; 6,5; 7,0 và độ lệch chuẩn 1,6 theo nghiên cứu thử), ANOVA một nhân tố ba nhóm cần 159 người, tức 53 người mỗi nhóm; dự phòng 10% phiếu không hợp lệ, mỗi nhóm tuyển 59 người."
Những bẫy khi lấy cỡ hiệu ứng từ nghiên cứu khác
Đưa η² riêng phần của thiết kế đo lặp vào phép tính cho thiết kế giữa nhóm. η²p của thiết kế đo lặp thường lớn hơn nhiều vì đã loại biến thiên giữa người với người. Đổi nó sang f rồi dùng cho ANOVA giữa các nhóm sẽ cho cỡ mẫu quá nhỏ.
Nhầm Cramér V với w ở bảng lớn. Với bảng 3x4, w = V × căn 2. Dùng thẳng V làm w sẽ đánh giá thấp cỡ hiệu ứng, cho cỡ mẫu lớn hơn cần thiết; ngược lại khi đổi chiều sẽ thiếu mẫu.
Quên điều kiện tần số kỳ vọng. Cỡ mẫu đủ lực theo công thức vẫn có thể cho ô có tần số kỳ vọng nhỏ hơn 5 nếu một nhóm hay một kết cục rất hiếm. Kiểm tra bằng cách nhân N với tỷ lệ ô nhỏ nhất dự kiến; nếu thấp, cân nhắc gộp nhóm theo kế hoạch hoặc dự kiến dùng kiểm định chính xác.
Dùng mốc vừa cho mọi đề tài. f = 0,25 và w = 0,3 xuất hiện trong rất nhiều đề cương vì là mốc vừa, nhưng chúng chỉ là quy ước tham khảo. Một khảo sát xã hội học về khác biệt tỷ lệ giữa các vùng thường có w nhỏ hơn nhiều.
Bỏ qua thiết kế chọn mẫu theo cụm. Khảo sát theo lớp, theo thôn, theo cơ sở cần nhân cỡ mẫu với hệ số thiết kế. Công thức trên giả định mỗi người được chọn độc lập.
Câu hỏi thường gặp
Có thể dùng G*Power để tính cỡ mẫu ANOVA không?
Có, G*Power có mục cho ANOVA một nhân tố, nhiều nhân tố và đo lặp, cùng mục cho chi bình phương. Bạn chọn đúng họ kiểm định và loại phân tích tiên nghiệm, nhập f hoặc w, alpha, lực mẫu và số nhóm hoặc bậc tự do. Tên mục có thể khác giữa các phiên bản, nên đối chiếu với hướng dẫn kèm theo.
ANOVA hai nhân tố thì tính cỡ mẫu cho hiệu ứng nào?
Bạn tính cho hiệu ứng quan trọng nhất với giả thuyết. Nếu đó là tương tác, cần lưu ý tương tác thường nhỏ hơn hiệu ứng chính và cần mẫu lớn hơn nhiều. Bậc tự do tử số của tương tác là tích bậc tự do của hai nhân tố, và phần mềm cần thông tin này.
Kiểm định chi bình phương với cỡ mẫu rất lớn thì có vấn đề gì?
Khi mẫu vài nghìn người, kiểm định có lực rất cao và gần như mọi khác biệt nhỏ đều có ý nghĩa thống kê. Lúc đó cỡ hiệu ứng như chênh lệch tỷ lệ, phi hay Cramér V quan trọng hơn giá trị p khi diễn giải.
Tỷ lệ dự kiến không biết lấy đâu ra thì làm sao?
Nguồn thường dùng là số liệu thống kê chính thức, khảo sát trước trên nhóm tương tự, hoặc nghiên cứu thử. Nếu tỷ lệ nền không chắc, tính cỡ mẫu cho vài kịch bản và chọn con số thận trọng; với hai tỷ lệ, chênh lệch nhỏ nhất đáng quan tâm là đầu vào quan trọng nhất.
Có quy tắc kinh nghiệm nào như "mỗi nhóm ít nhất 30 người" cho ANOVA không?
Quy tắc đó có xuất hiện trong nhiều tài liệu nhưng không dựa trên lực mẫu. Với ba nhóm 30 người, lực mẫu cho f = 0,25 chỉ khoảng một nửa. Tính theo cỡ hiệu ứng dự kiến vẫn là cách duy nhất cho câu trả lời có căn cứ.