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

Kết quả kiểm định không có ý nghĩa: dùng khoảng tin cậy và lực mẫu để viết đúng mức

Viết kết quả t-test, chi bình phương không có ý nghĩa thống kê: câu mẫu không nói chấp nhận H0, dùng khoảng tin cậy, lực mẫu, kiểm định tương đương để nói đúng mức.

Female student sitting on stone steps outside a Quy Nhon university building at dusk, resting a closed folder on her knees and looking toward the sea, seen from behind

Khi kiểm định không có ý nghĩa thống kê, câu kết luận đúng là "dữ liệu không đủ bằng chứng để bác bỏ H0", không phải "hai nhóm như nhau" hay "chấp nhận H0"; để nói được nhiều hơn thế, bạn cần khoảng tin cậy của chênh lệch, và nếu muốn khẳng định hai nhóm tương đương thì cần một kiểm định tương đương với ngưỡng đặt trước. Đây là chỗ nhiều luận văn trượt, vì người viết hoặc bỏ qua kết quả không có ý nghĩa, hoặc diễn giải nó mạnh hơn mức dữ liệu cho phép.

Bài này đi qua hai ví dụ giả định, một kiểm định t và một chi bình phương, đều không có ý nghĩa. Với mỗi ví dụ, bài chỉ ra ba cách viết: cách viết sai, cách viết đúng tối thiểu, và cách viết đầy đủ có khoảng tin cậy, lực mẫu và, khi phù hợp, kiểm định tương đương.

Ví dụ kiểm định t không có ý nghĩa và ba cách viết

Ví dụ giả định: so sánh điểm kiểm tra của sinh viên dùng tài liệu tóm tắt do giảng viên soạn (n = 30; M = 6,90; SD = 1,10) và sinh viên không dùng (n = 30; M = 6,62; SD = 1,05). Chênh lệch 0,28 điểm. Độ lệch chuẩn gộp khoảng 1,075, sai số chuẩn của chênh lệch khoảng 0,278, nên t ≈ 1,01 với 58 bậc tự do, p = 0,317. Khoảng tin cậy 95% của chênh lệch từ −0,28 đến 0,84; Cohen d khoảng 0,26.

Cách viết sai: "Kết quả cho thấy tài liệu tóm tắt không ảnh hưởng đến điểm kiểm tra, H0 được chấp nhận." Câu này biến việc không tìm thấy bằng chứng thành bằng chứng của sự không có.

Cách viết đúng tối thiểu: "Điểm kiểm tra của nhóm dùng tài liệu tóm tắt (M = 6,90; SD = 1,10) không khác có ý nghĩa thống kê so với nhóm không dùng (M = 6,62; SD = 1,05), t(58) = 1,01; p = 0,317; d = 0,26."

Cách viết đầy đủ: thêm khoảng tin cậy và một câu diễn giải. "Chênh lệch trung bình là 0,28 điểm, KTC 95% [−0,28; 0,84]. Khoảng tin cậy chứa 0 nhưng cũng chứa những chênh lệch khoảng 0,8 điểm, nên dữ liệu không đủ để kết luận tài liệu tóm tắt không có tác dụng, cũng không đủ để kết luận là có." Câu này nói đúng điều dữ liệu cho phép, và cho người đọc thấy vấn đề nằm ở độ chính xác của ước lượng.

Vì sao "không bác bỏ H0" khác "H0 đúng"

Kiểm định được thiết kế để bác bỏ, không để xác nhận. Giá trị p đo mức dữ liệu trái với H0. P lớn chỉ nói dữ liệu không trái nhiều với H0, nhưng dữ liệu đó có thể cũng không trái nhiều với nhiều giả thuyết khác, kể cả những giả thuyết có chênh lệch đáng kể.

Mẫu nhỏ thì khó bác bỏ, dù có khác biệt thật. Với 30 người mỗi nhóm, kiểm định có lực thấp với hiệu ứng nhỏ và vừa. Không tìm thấy khác biệt trong điều kiện đó là kết quả rất dễ xảy ra ngay cả khi khác biệt thật tồn tại.

Khoảng tin cậy cho biết những giá trị nào còn tương thích với dữ liệu. Trong ví dụ trên, mọi chênh lệch từ khoảng −0,28 đến 0,84 điểm đều tương thích với dữ liệu ở mức 95%. Nói "không khác biệt" là chọn riêng giá trị 0 trong cả một dải giá trị.

Ngôn ngữ trong luận văn nên phản ánh điều đó. Dùng các cụm như "không có ý nghĩa thống kê", "không đủ bằng chứng", "giả thuyết không được ủng hộ". Tránh "không có ảnh hưởng", "như nhau", "chấp nhận H0".

Lực mẫu: dùng để giải thích, không dùng để bào chữa

Lực mẫu (power) là xác suất kiểm định phát hiện được một hiệu ứng có độ lớn cho trước, nếu hiệu ứng đó thật sự tồn tại. Với ví dụ trên, kiểm định t hai phía, alpha 0,05, 30 người mỗi nhóm, các con số tính lại như sau:

Cỡ hiệu ứng giả định (Cohen d)Lực mẫu với 30 người mỗi nhómĐọc thế nào
0,26 (bằng cỡ hiệu ứng quan sát)Khoảng 0,17Nếu hiệu ứng thật cỡ này, phần lớn các nghiên cứu như vậy sẽ không tìm thấy
0,50Khoảng 0,48Gần như tung đồng xu: một nửa số lần sẽ bỏ sót
0,74Khoảng 0,80Cỡ hiệu ứng nhỏ nhất mà thiết kế này phát hiện được với lực 80%

Dòng cuối là cách dùng lực mẫu có ích nhất trong luận văn: nêu cỡ hiệu ứng nhỏ nhất mà nghiên cứu có thể phát hiện với lực 80%. Câu mẫu: "Với 30 người mỗi nhóm, nghiên cứu có lực 80% để phát hiện chênh lệch từ khoảng d = 0,74 trở lên; những chênh lệch nhỏ hơn mức này có thể tồn tại mà nghiên cứu không phát hiện được."

Cần tránh một cách dùng phổ biến nhưng ít thông tin: tính "lực mẫu quan sát" từ chính cỡ hiệu ứng vừa thu được rồi báo là lực thấp. Con số đó gần như chỉ là một cách viết lại giá trị p, nên không thêm hiểu biết gì. Tốt nhất là tính lực mẫu từ trước, trong đề cương, dựa trên cỡ hiệu ứng có ý nghĩa thực tiễn hoặc từ nghiên cứu trước.

Kiểm định tương đương: khi bạn thật sự muốn nói hai nhóm như nhau

Có những câu hỏi nghiên cứu mà kết luận mong đợi chính là "không khác biệt", chẳng hạn hình thức học trực tuyến có cho kết quả không kém trực tiếp hay không. Với những câu hỏi đó, kiểm định thông thường là công cụ sai. Công cụ phù hợp là kiểm định tương đương, phổ biến nhất là thủ tục hai kiểm định một phía (TOST).

Ý tưởng như sau: trước khi thu dữ liệu, bạn đặt một ngưỡng chênh lệch mà dưới mức đó coi là không đáng kể trong thực tế, ví dụ 0,5 điểm trên thang 10. Sau đó kiểm định xem chênh lệch có nằm trọn trong khoảng từ −0,5 đến 0,5 hay không. Một cách tương đương là xem khoảng tin cậy 90% của chênh lệch có nằm trọn trong ngưỡng không.

Với ví dụ giả định ở trên, khoảng tin cậy 90% của chênh lệch là từ −0,18 đến 0,74. Cận trên 0,74 vượt ngưỡng 0,5, nên không thể kết luận hai nhóm tương đương; kiểm định một phía ở cận trên cho p khoảng 0,22. Câu mẫu: "Với ngưỡng tương đương ±0,5 điểm đặt trước, kiểm định TOST không cho phép kết luận tương đương (KTC 90% [−0,18; 0,74]). Kết hợp với kiểm định t không có ý nghĩa, kết quả này cho thấy dữ liệu chưa đủ để kết luận theo hướng nào."

Lưu ý khoảng tin cậy dùng ở đây là 90% chứ không phải 95%, vì TOST gồm hai kiểm định một phía, mỗi kiểm định ở mức 0,05. Đây là chi tiết hay làm người đọc thắc mắc, nên ghi rõ trong câu báo cáo hoặc chú thích. Kiểm định tương đương có thể làm trên nhiều phần mềm, bằng gói hoặc mô-đun bổ sung; tên thủ tục và vị trí menu thay đổi theo phiên bản, nên kiểm tài liệu của phiên bản bạn đang dùng.

Ngưỡng tương đương phải có lý do từ chuyên môn và được đặt trước khi xem dữ liệu. Đặt ngưỡng sau khi thấy khoảng tin cậy, chọn ngưỡng vừa đủ rộng để bao khoảng đó, là cách làm không trung thực. Nếu chưa quen thủ tục này, hãy trao đổi với người hướng dẫn trước khi đưa vào luận văn.

Ví dụ chi bình phương không có ý nghĩa

Ví dụ giả định thứ hai: tỷ lệ sinh viên đạt chuẩn đầu ra ngoại ngữ ở nhóm có tham gia câu lạc bộ ngoại ngữ là 33 trên 60 (55,0%), ở nhóm không tham gia là 24 trên 60 (40,0%). Kiểm định chi bình phương cho χ²(1, N = 120) = 2,71; p = 0,100; φ = 0,15. Chênh lệch tỷ lệ là 15,0 điểm phần trăm, khoảng tin cậy 95% tính theo xấp xỉ chuẩn từ khoảng −2,7 đến 32,7 điểm phần trăm.

Câu mẫu: "Tỷ lệ đạt chuẩn đầu ra ở nhóm tham gia câu lạc bộ (55,0%) cao hơn nhóm không tham gia (40,0%), nhưng khác biệt không có ý nghĩa thống kê, χ²(1, N = 120) = 2,71; p = 0,100; φ = 0,15. Chênh lệch 15,0 điểm phần trăm có khoảng tin cậy 95% từ −2,7 đến 32,7 điểm phần trăm."

Chênh lệch 15 điểm phần trăm, nếu là thật, khá đáng kể trong thực tế giáo dục. Phần bàn luận nên nói thẳng: kết quả chưa đủ để kết luận về vai trò của câu lạc bộ, chênh lệch quan sát được theo hướng giả thuyết, và một mẫu lớn hơn sẽ cho ước lượng chính xác hơn. Viết như vậy không phải bào chữa; đó là mô tả trung thực những gì 120 quan sát có thể cho biết.

Không giấu, không làm nhẹ: những việc cần làm với kết quả không có ý nghĩa

Kết quả không có ý nghĩa là kết quả, và có giá trị cho người làm nghiên cứu sau. Một số nguyên tắc khi đưa chúng vào luận văn:

  • Báo cáo đủ như kết quả có ý nghĩa: thống kê mô tả, giá trị thống kê kiểm định, bậc tự do, p, cỡ hiệu ứng và khoảng tin cậy.
  • Không bỏ những giả thuyết không được ủng hộ khỏi chương kết quả, cũng không âm thầm sửa giả thuyết trong chương tổng quan cho khớp với kết quả.
  • Không dùng các cụm như "gần có ý nghĩa", "có xu hướng ý nghĩa" với p bằng 0,06 hay 0,08 như thể đó là nửa kết quả.
  • Không đổi kiểm định, loại bớt dữ liệu hay thêm biến kiểm soát cho tới khi kết quả có ý nghĩa.
  • Trong phần bàn luận, nêu các giải thích có thể: cỡ mẫu, cách đo, đặc điểm mẫu, hoặc giả thuyết ban đầu chưa đúng. Đừng chỉ đổ cho cỡ mẫu.
  • Nếu kết quả trái với nghiên cứu trước, so sánh khác biệt về bối cảnh và phương pháp thay vì cho rằng nghiên cứu của mình sai.

Hội đồng có kinh nghiệm đánh giá cao một chương kết quả trung thực, có cả giả thuyết được ủng hộ lẫn không. Một luận văn mà mọi giả thuyết đều có ý nghĩa với cỡ mẫu nhỏ đôi khi lại khiến người đọc đặt câu hỏi nhiều hơn.

Câu hỏi thường gặp

Kiểm định không có ý nghĩa thì có được viết là chấp nhận H0 không?

Không nên. Kiểm định chỉ cho phép bác bỏ hoặc không bác bỏ H0. Không bác bỏ nghĩa là dữ liệu không đủ bằng chứng chống lại H0, không phải bằng chứng cho thấy H0 đúng. Nên viết là giả thuyết không được ủng hộ.

Kết quả không có ý nghĩa có cần báo cáo cỡ hiệu ứng không?

Cần. Cỡ hiệu ứng và khoảng tin cậy cho biết chênh lệch quan sát lớn hay nhỏ và ước lượng chính xác đến đâu. Thiếu chúng, người đọc không phân biệt được kết quả không có ý nghĩa vì hiệu ứng nhỏ hay vì mẫu nhỏ.

Có nên tính lực mẫu sau khi có kết quả không có ý nghĩa?

Lực mẫu tính từ chính cỡ hiệu ứng quan sát gần như chỉ lặp lại thông tin của giá trị p. Có ích hơn là nêu cỡ hiệu ứng nhỏ nhất mà thiết kế phát hiện được với lực 80%, hoặc báo lực mẫu đã tính trong đề cương.

Muốn kết luận hai phương pháp hiệu quả như nhau thì làm thế nào?

Cần kiểm định tương đương, chẳng hạn thủ tục hai kiểm định một phía, với ngưỡng chênh lệch không đáng kể được đặt trước dựa trên chuyên môn. Kiểm định thông thường không có ý nghĩa không đủ để kết luận tương đương.

Giá trị p bằng 0,06 có được gọi là gần có ý nghĩa không?

Không nên. Ngưỡng alpha đã nêu trong phương pháp; p bằng 0,06 là không có ý nghĩa thống kê ở mức đó. Hãy báo đúng con số, kèm cỡ hiệu ứng và khoảng tin cậy, và bàn về độ chính xác của ước lượng trong phần bàn luận.

Luận văn có nhiều giả thuyết không được ủng hộ có bị đánh giá thấp không?

Không nhất thiết. Hội đồng đánh giá cách bạn thiết kế, phân tích và diễn giải. Một luận văn báo cáo trung thực các giả thuyết không được ủng hộ, kèm lập luận rõ ràng về nguyên nhân có thể, thường được đánh giá tốt hơn một luận văn có kết quả đẹp nhưng diễn giải gượng ép.

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