Khi dữ liệu không phân phối chuẩn, chuyển ngay sang kiểm định phi tham số chỉ là một trong nhiều lựa chọn, và không phải lúc nào cũng là lựa chọn tốt nhất. Trước hết bạn cần biết lệch có đủ lớn để gây hại không; sau đó mới chọn giữa giữ nguyên kiểm định tham số, biến đổi dữ liệu, dùng Welch, bootstrap, phương pháp bền, mô hình hợp với dạng dữ liệu, hoặc phi tham số.
Mỗi hướng trả lời một câu hỏi hơi khác nhau và có cái giá riêng. Bài này đi qua sáu hướng theo thứ tự nên cân nhắc, kèm ví dụ giả định cho phép biến đổi logarit, và một bảng so sánh để bạn chọn hướng hợp với câu hỏi nghiên cứu. Điểm xuyên suốt: chọn trước, ghi lý do, không thử lần lượt từng cách rồi giữ cách cho p đẹp nhất.
Bước 0: lệch có thật sự là vấn đề không
Câu hỏi đầu tiên không phải "dùng cách nào thay thế" mà là "giả định nào bị vi phạm, đặt lên đại lượng nào, và mức độ ra sao". Với t-test hai nhóm hay ANOVA, giả định chuẩn đặt lên phân phối trong từng nhóm hoặc phần dư, không phải biến gộp chung. Với t-test mẫu cặp, nó đặt lên độ chênh. Rất nhiều trường hợp "không chuẩn" trong luận văn thật ra là kiểm tra sai đại lượng.
Tiếp theo là cỡ mẫu. Định lý giới hạn trung tâm nói rằng trung bình mẫu có phân phối gần chuẩn khi cỡ mẫu đủ lớn, ngay cả khi dữ liệu gốc lệch. Vì t-test và ANOVA làm việc với trung bình, chúng khá bền với lệch vừa phải khi mỗi nhóm có vài chục quan sát trở lên. "Đủ lớn" không có con số cố định: dữ liệu càng lệch, đuôi càng nặng thì cần càng nhiều. Mốc 30 hay được nhắc chỉ là quy tắc kinh nghiệm thô.
Cuối cùng là nguồn gốc của lệch. Một hai giá trị bất thường có thể là lỗi nhập (gõ 250 thay vì 25), lỗi đơn vị (ghi giờ thay vì phút) hay lỗi mã hoá giá trị thiếu (99 nghĩa là "không trả lời" bị tính như số thật). Những lỗi này sửa theo phiếu gốc và ghi chép lại. Còn nếu giá trị lớn là thật, nó là một phần của hiện tượng bạn nghiên cứu và phải được giữ lại.
Hướng 1 và 2: giữ kiểm định tham số, thêm Welch khi cần
Giữ nguyên khi lệch nhẹ và mẫu đủ lớn. Nếu biểu đồ Q-Q chỉ cong nhẹ, độ lệch nhỏ, mỗi nhóm có cỡ mẫu khá, giữ t-test hay ANOVA là lựa chọn hợp lý và dễ diễn giải nhất. Bạn ghi lại lý do trong phần phương pháp, kèm thông tin biểu đồ và cỡ mẫu.
Welch khi phương sai các nhóm chênh nhau. Lệch chuẩn thường đi kèm phương sai không bằng nhau, và vi phạm phương sai bằng nhau, đặc biệt khi cỡ mẫu các nhóm chênh lệch, gây hại nhiều hơn vi phạm tính chuẩn. T-test Welch và Welch ANOVA không đòi phương sai bằng nhau, nên nhiều tác giả khuyên dùng Welch làm mặc định cho hai nhóm độc lập.
Câu hỏi vẫn là trung bình. Ưu điểm lớn của hai hướng này là câu hỏi nghiên cứu không đổi: bạn vẫn so sánh trung bình và có khoảng tin cậy theo đơn vị gốc. Nếu trung bình là đại lượng có ý nghĩa với người đọc (chi phí trung bình, thời gian trung bình), đây thường là hướng nên thử đầu tiên.
Hướng 3: biến đổi dữ liệu, với ví dụ logarit
Với dữ liệu dương lệch phải như thời gian, chi phí, nồng độ, phép biến đổi logarit thường làm phân phối đối xứng hơn và phương sai các nhóm đồng đều hơn. Logarit biến tỷ lệ thành khoảng cách: các giá trị 1, 10, 100 sau khi lấy logarit cơ số 10 thành 0, 1, 2, cách đều nhau. Căn bậc hai là phép biến đổi nhẹ hơn, hay dùng cho số đếm; nghịch đảo là phép mạnh hơn. Logarit chỉ dùng được cho giá trị dương; với dữ liệu có số 0, cách cộng thêm một hằng số trước khi lấy logarit làm kết quả phụ thuộc vào hằng số được chọn, nên cần cân nhắc và ghi rõ.
Cái giá của biến đổi là diễn giải. Khi bạn so sánh trung bình của logarit, bạn đang so sánh trung bình nhân (geometric mean) chứ không phải trung bình cộng. Ví dụ giả định: chênh lệch trung bình của logarit tự nhiên số ngày nằm viện giữa hai nhóm là 0,30. Lấy e mũ 0,30 ≈ 1,35, nghĩa là trung bình nhân số ngày nằm viện của nhóm thứ hai cao hơn nhóm thứ nhất khoảng 35%. Khoảng tin cậy cũng được biến đổi ngược theo cách này để ra tỷ số. Diễn giải như vậy hợp lý và thường dễ hiểu, nhưng bạn phải viết đúng là tỷ số trung bình nhân, không phải "trung bình chênh 0,30 ngày".
Biến đổi nên được chọn dựa trên bản chất biến (thời gian, chi phí thường lệch phải theo kiểu nhân) và ghi vào kế hoạch phân tích, không thử lần lượt logarit, căn, nghịch đảo rồi chọn cái cho p nhỏ nhất. Sau khi biến đổi, vẽ lại biểu đồ Q-Q để xem có cải thiện thật không.
Hướng 4, 5 và 6: bootstrap, phương pháp bền, mô hình phù hợp và phi tham số
Ba hướng còn lại đòi thêm công cụ hoặc kiến thức nhưng giải quyết được những trường hợp khó hơn. Bảng dưới so sánh chúng với các hướng đã nêu.
| Hướng | Ý tưởng | So sánh đại lượng gì | Hợp khi | Lưu ý |
|---|---|---|---|---|
| Giữ tham số, Welch | Dựa vào độ bền và định lý giới hạn trung tâm | Trung bình | Lệch vừa, mẫu khá | Mẫu nhỏ, lệch mạnh thì rủi ro |
| Biến đổi | Đưa dữ liệu về thang đối xứng hơn | Trung bình trên thang mới (với logarit là trung bình nhân) | Dữ liệu dương lệch phải | Diễn giải phải đổi theo |
| Bootstrap | Lấy mẫu lặp có hoàn lại từ chính dữ liệu hàng nghìn lần để ước lượng phân phối của thống kê | Trung bình, trung vị hoặc đại lượng khác tuỳ chọn | Muốn khoảng tin cậy không dựa vào giả định chuẩn | Mẫu quá nhỏ thì bootstrap cũng kém tin cậy |
| Phương pháp bền | Dùng trung bình cắt tỉa (bỏ một tỷ lệ cố định ở hai đầu, ví dụ 20%), kiểm định Yuen | Trung bình cắt tỉa | Đuôi nặng, ngoại lai thật | Cần giải thích đại lượng mới cho người đọc |
| Mô hình hợp dạng dữ liệu | Chọn phân phối phù hợp như Poisson cho số đếm, gamma cho dữ liệu dương lệch, mô hình logistic cho kết quả có/không | Tham số của mô hình đó | Dạng dữ liệu rõ ràng | Cần kiến thức mô hình, nên có người hướng dẫn |
| Phi tham số | Làm việc trên thứ hạng | Xu hướng thứ hạng; trung vị nếu các phân phối cùng hình dạng | Dữ liệu thứ bậc, mẫu nhỏ lệch mạnh | Câu hỏi nghiên cứu đổi theo |
Phương pháp bền được trình bày có hệ thống trong các sách của Wilcox; trung bình cắt tỉa 20% là lựa chọn mặc định hay gặp trong các tài liệu đó. Bootstrap có nhiều biến thể khoảng tin cậy (phân vị, hiệu chỉnh lệch), và kết quả hơi thay đổi giữa các lần chạy do tính ngẫu nhiên, nên ghi số lần lặp và đặt hạt giống ngẫu nhiên để người khác chạy lại ra cùng kết quả.
Chú ý cột "so sánh đại lượng gì": mỗi hướng trả lời một câu hỏi hơi khác. Chọn hướng là chọn câu hỏi, nên câu hỏi nghiên cứu trong chương một và kiểm định trong chương ba phải khớp nhau.
Ba tình huống giả định và hướng hợp lý
Chi phí điều trị của 200 bệnh nhân ở hai khoa, lệch phải mạnh. Nếu bệnh viện cần biết tổng ngân sách, trung bình cộng là đại lượng có ý nghĩa, vì tổng chi phí bằng trung bình cộng nhân với số bệnh nhân. Hướng hợp lý là so sánh trung bình bằng Welch kèm khoảng tin cậy bootstrap. Chuyển sang trung vị hay logarit sẽ trả lời một câu khác với câu ngân sách cần.
Thời gian phản ứng của 12 người trong hai điều kiện, có hai giá trị rất lớn do mất tập trung. Mẫu nhỏ, đuôi nặng, giá trị lớn là thật nhưng không phản ánh hiện tượng chính. Phương pháp bền với trung bình cắt tỉa, hoặc Wilcoxon dấu hạng cho thiết kế cặp, là lựa chọn thận trọng. Ghi rõ tiêu chí xử lý trong kế hoạch phân tích.
Nồng độ một chất trong mẫu nước ở ba khu vực, lệch phải theo kiểu nhân. Các chênh lệch có ý nghĩa dưới dạng tỷ số ("cao gấp mấy lần"), nên biến đổi logarit rồi dùng ANOVA (hoặc Welch ANOVA) là hướng tự nhiên, kết quả diễn giải theo tỷ số trung bình nhân.
Chọn hướng nào: trình tự gợi ý
Không có trình tự duy nhất đúng cho mọi nghiên cứu, nhưng trình tự dưới đây giúp bạn ra quyết định có lý và giải thích được trước hội đồng.
- Xác định đại lượng bạn thật sự quan tâm: trung bình (tổng chi phí, tổng thời gian), trung vị (giá trị điển hình) hay xu hướng thứ hạng.
- Kiểm tra đúng đại lượng cần chuẩn, tìm và xử lý lỗi dữ liệu theo nguồn gốc, đánh giá mức lệch bằng biểu đồ kết hợp cỡ mẫu.
- Nếu quan tâm trung bình và lệch vừa phải: giữ kiểm định tham số, dùng Welch khi phương sai chênh, có thể bổ sung khoảng tin cậy bootstrap.
- Nếu dữ liệu dương lệch phải theo kiểu nhân và tỷ số có ý nghĩa: cân nhắc biến đổi logarit và diễn giải theo trung bình nhân.
- Nếu đuôi nặng với ngoại lai thật: cân nhắc phương pháp bền hoặc phi tham số.
- Nếu biến là số đếm, tỷ lệ hay có/không: cân nhắc mô hình hợp với dạng dữ liệu, cùng người hướng dẫn hoặc chuyên gia thống kê.
- Ghi lựa chọn và lý do vào kế hoạch phân tích trước khi chạy chính thức; nếu chạy thêm cách khác để đối chiếu, báo cáo cả hai.
Chạy nhiều cách rồi chỉ báo cáo cách cho p nhỏ nhất là một dạng p-hacking, dù từng cách riêng lẻ đều hợp lệ. Danh mục về sai lầm và đạo đức số liệu của trang giải thích vì sao cách làm này làm tăng tỷ lệ dương tính giả. Nếu các cách cho kết luận khác nhau, đó là thông tin quan trọng về độ vững của kết quả và nên được bàn trong phần thảo luận.
Câu hỏi thường gặp
Có được loại ngoại lai để dữ liệu chuẩn hơn không?
Chỉ được loại theo tiêu chí đặt trước, có lý do thực chất (lỗi đo, đối tượng không thuộc tổng thể nghiên cứu), áp dụng như nhau cho mọi quan sát và báo cáo minh bạch số bị loại. Loại một giá trị thật chỉ để dữ liệu trông chuẩn hơn hoặc để p nhỏ hơn là làm sai lệch kết quả.
Biến đổi logarit rồi mà vẫn không chuẩn thì sao?
Không cần cố đạt chuẩn tuyệt đối. Nếu biến đổi đã cải thiện đáng kể và mẫu không quá nhỏ, kiểm định tham số trên thang logarit thường chấp nhận được. Nếu vẫn lệch mạnh, cân nhắc phương pháp bền, bootstrap hoặc phi tham số thay vì thử thêm các phép biến đổi khác.
Bootstrap có dùng được với mẫu 15 quan sát không?
Về kỹ thuật thì chạy được, nhưng bootstrap dựa vào việc mẫu đại diện cho tổng thể, nên với mẫu rất nhỏ, khoảng tin cậy bootstrap có thể hẹp hơn thực tế. Với mẫu nhỏ, kiểm định chính xác hoặc phi tham số với p chính xác thường thận trọng hơn.
Có cần báo cáo đã xử lý dữ liệu không chuẩn như thế nào không?
Cần. Phần phương pháp nên ghi bạn đánh giá tính chuẩn bằng cách nào, phát hiện gì, chọn hướng xử lý nào và vì sao. Nếu có biến đổi, ghi rõ phép biến đổi và cách diễn giải ngược. Sự minh bạch này giúp người đọc đánh giá và lặp lại được nghiên cứu.
Dữ liệu là số đếm như số lần đi khám thì nên làm gì?
Số đếm thường lệch phải, có nhiều số 0 và phương sai tăng theo trung bình. Mô hình Poisson hoặc nhị thức âm được thiết kế cho dạng dữ liệu này. Nếu chưa quen mô hình, phi tham số là phương án đơn giản hơn, nhưng nên trao đổi với người hướng dẫn hoặc chuyên gia thống kê trước khi chọn.