GiaThuyet.comGiả Thuyết
Cỡ hiệu ứng, lực mẫu và khoảng tin cậy

Khoảng tin cậy cho tỷ lệ: công thức Wald, Wilson và vì sao mẫu nhỏ không dùng Wald

Cách tính khoảng tin cậy 95% cho một tỷ lệ bằng công thức Wald và Wilson, ví dụ tính tay, vì sao Wald hỏng khi mẫu nhỏ hoặc tỷ lệ sát 0, và các lựa chọn khác.

Wide shot of a student volunteer in Khanh Hoa interviewing a fisherman on a quiet beach at dawn, clipboard held low, both seen from behind, pastel sky

Công thức quen thuộc nhất cho khoảng tin cậy 95% của một tỷ lệ là công thức Wald: p ± 1,96 × căn [p × (1 − p) / n]; nó đơn giản nhưng cho kết quả kém khi mẫu nhỏ hoặc tỷ lệ gần 0 hay 1, có thể ra cận âm hoặc khoảng rộng bằng không. Công thức Wilson khắc phục được phần lớn các lỗi này và hiện được nhiều nhà thống kê khuyên dùng làm mặc định.

Với ví dụ giả định 18 trên 120 sinh viên trả lời "có" (15%), Wald cho khoảng (8,6%; 21,4%), Wilson cho (9,7%; 22,5%). Ở mẫu lớn hai cách gần như trùng nhau; ở mẫu 20 người với 2 câu trả lời "có", Wald cho cận dưới âm còn Wilson thì không. Bài này tính tay cả hai, chỉ ra khi nào khác biệt trở nên quan trọng, và giới thiệu các phương án Agresti–Coull, Clopper–Pearson, quy tắc số 3.

Khoảng tin cậy cho một tỷ lệ trả lời câu hỏi gì

Rất nhiều luận văn có ít nhất một con số dạng tỷ lệ: phần trăm sinh viên đi làm thêm, phần trăm khách hàng quay lại, phần trăm sản phẩm lỗi trong một lô. Tỷ lệ tính từ mẫu chỉ là ước lượng của tỷ lệ trong tổng thể, và khoảng tin cậy cho biết ước lượng đó dao động trong phạm vi nào. Báo cáo "15% sinh viên được hỏi đồng ý" mà không có khoảng tin cậy khiến người đọc không phân biệt được mẫu 20 người với mẫu 2.000 người.

Khoảng tin cậy cho tỷ lệ gắn chặt với kiểm định một tỷ lệ so với giá trị chuẩn, chẳng hạn kiểm xem tỷ lệ sinh viên đi làm thêm có khác 25% theo một khảo sát trước hay không. Như phần sau chỉ ra, khoảng Wilson chính là tập hợp các giá trị mà kiểm định điểm (score test) không bác bỏ, nên hai công cụ cho kết luận nhất quán.

Bài này không bàn chuyện tính trước cỡ mẫu để đạt một biên sai số cho trước khi khảo sát; đó là bài toán thiết kế, có trong nhiều tài liệu phương pháp nghiên cứu. Ở đây số liệu đã có, câu hỏi là tính và đọc khoảng tin cậy sao cho đúng. Mọi tỷ lệ trong bài là số liệu giả định.

Công thức Wald: tính tay từng bước

Ví dụ giả định: khảo sát 120 sinh viên một khoa ở Huế, 18 người cho biết đã từng bỏ một môn giữa chừng.

  1. Tỷ lệ mẫu: p = 18 / 120 = 0,15.
  2. Sai số chuẩn: căn [0,15 × 0,85 / 120] = căn 0,0010625 ≈ 0,0326.
  3. Biên sai số: 1,96 × 0,0326 ≈ 0,064.
  4. Khoảng tin cậy 95%: 0,15 ± 0,064, tức từ khoảng 0,086 đến 0,214 (8,6% đến 21,4%).

Công thức này dựa trên xấp xỉ chuẩn cho phân phối nhị thức và đặt khoảng đối xứng quanh p. Nó hoạt động tạm ổn khi cả n × p và n × (1 − p) đều đủ lớn; ngưỡng hay được nhắc trong sách giáo khoa là mỗi tích ít nhất 5 hoặc 10. Ở ví dụ này, 120 × 0,15 = 18, đủ điều kiện, và như phần sau cho thấy Wald vẫn lệch Wilson khoảng một điểm phần trăm.

Vấn đề là ngay cả khi điều kiện kinh nghiệm được thoả, tỷ lệ phủ thật của khoảng Wald (tức phần trăm số lần khoảng chứa giá trị thật nếu lặp lại nghiên cứu) thường thấp hơn 95% và dao động thất thường theo n và p. Brown, Cai và DasGupta (2001) phân tích kỹ hiện tượng này và khuyến nghị dùng Wilson hoặc các phương án khác thay cho Wald.

Wald hỏng ở đâu: so sánh trên bốn tình huống

Bảng dưới so sánh khoảng 95% của hai công thức trên bốn bộ số liệu giả định:

Số liệuTỷ lệ mẫuWaldWilsonNhận xét
18 / 12015%(8,6%; 21,4%)(9,7%; 22,5%)Khác nhau khoảng một điểm phần trăm; Wilson lệch về phía 50%
57 / 30019%(14,6%; 23,4%)(15,0%; 23,8%)Mẫu lớn, hai cách gần trùng
2 / 2010%(−3,2%; 23,2%)(2,8%; 30,1%)Wald cho cận dưới âm, vô nghĩa với tỷ lệ
0 / 300%(0%; 0%)(0%; 11,4%)Wald cho khoảng rộng bằng không, như thể chắc chắn tỷ lệ bằng 0

Hai dòng cuối là lỗi không thể chấp nhận trong luận văn. Một cận âm cho thấy công thức đang áp sai chỗ; còn khoảng rộng bằng không từ việc "không quan sát thấy trường hợp nào trong 30 người" thì phóng đại mức chắc chắn một cách nguy hiểm, nhất là khi tỷ lệ đó là tỷ lệ sự cố hay tác dụng không mong muốn.

Cũng để ý rằng khoảng Wilson không đối xứng quanh tỷ lệ mẫu khi tỷ lệ xa 50%: với 2 trên 20, khoảng kéo dài lên tới hơn 30% nhưng chỉ xuống tới gần 3%. Đó là đặc điểm đúng, vì tỷ lệ bị chặn ở 0 và phân phối của nó lệch.

Công thức Wilson: tính tay từng bước

Công thức Wilson trông dài hơn nhưng tính tay được trong vài phút. Ký hiệu z = 1,96, nên z² ≈ 3,8416. Dùng lại ví dụ 18 trên 120:

  1. Tính mẫu số chung: 1 + z² / n = 1 + 3,8416 / 120 ≈ 1,0320.
  2. Tính tâm của khoảng: (p + z² / (2n)) / (1 + z² / n) = (0,15 + 3,8416 / 240) / 1,0320 = (0,15 + 0,0160) / 1,0320 ≈ 0,1609. Tâm bị kéo từ 0,15 về phía 0,5 một chút.
  3. Tính phần trong căn: p × (1 − p) / n + z² / (4n²) = 0,0010625 + 3,8416 / 57.600 ≈ 0,0010625 + 0,0000667 = 0,0011292; căn bằng khoảng 0,0336.
  4. Tính nửa độ rộng: z / (1 + z² / n) × 0,0336 = (1,96 / 1,0320) × 0,0336 ≈ 1,899 × 0,0336 ≈ 0,0638.
  5. Khoảng tin cậy 95%: 0,1609 ± 0,0638, tức từ khoảng 0,097 đến 0,225.

Nếu dùng bảng tính, bạn đặt từng bước vào một ô, kiểm lại một lần bằng ví dụ trên, rồi dùng lại cho mọi tỷ lệ trong luận văn. Nhiều phần mềm thống kê có sẵn tuỳ chọn khoảng Wilson (đôi khi gọi là khoảng score); tên tuỳ chọn khác nhau theo phần mềm và phiên bản.

Các lựa chọn khác: Agresti–Coull, Clopper–Pearson, Jeffreys và quy tắc số 3

Agresti–Coull: "cộng hai thành công, cộng hai thất bại". Phương án này cộng z²/2 (xấp xỉ 2) vào số "có" và z² (xấp xỉ 4) vào cỡ mẫu, rồi áp công thức Wald lên tỷ lệ đã điều chỉnh. Với 2 trên 20: tỷ lệ điều chỉnh khoảng (2 + 1,92) / 23,84 ≈ 0,164, khoảng tin cậy khoảng (1,6%; 31,3%). Dễ nhớ, dễ giảng, kết quả gần Wilson và thường rộng hơn một chút.

Clopper–Pearson: khoảng "chính xác". Dựa trực tiếp trên phân phối nhị thức thay vì xấp xỉ chuẩn. Tên "chính xác" dễ gây hiểu nhầm: nó bảo đảm tỷ lệ phủ không dưới 95%, nhưng vì thế thường rộng hơn cần thiết, tức thận trọng quá mức. Hay được dùng trong các báo cáo cần độ an toàn cao hoặc khi cơ quan quản lý yêu cầu.

Jeffreys: khoảng dựa trên cách tiếp cận Bayes với tiên nghiệm không thông tin. Có tính chất tần suất tốt, được Brown và cộng sự đánh giá cao cùng với Wilson. Cần phần mềm để tính vì dùng phân phối beta.

Quy tắc số 3 khi không quan sát thấy trường hợp nào. Nếu 0 trên n, cận trên của khoảng tin cậy 95% một phía xấp xỉ 3 / n. Với 0 trên 30, cận trên khoảng 10%. Quy tắc này giúp trả lời nhanh câu hỏi "không thấy lỗi nào trong 30 lần thử thì tỷ lệ lỗi có thể cao tới đâu", và nhắc rằng "không thấy" không có nghĩa là "bằng 0".

Khi kiểm định một tỷ lệ so với giá trị chuẩn

Giả sử một khảo sát trước cho thấy 25% sinh viên từng bỏ môn giữa chừng, và bạn muốn biết khoa mình có khác không. Kiểm định z cho một tỷ lệ dùng sai số chuẩn tính theo giá trị giả thuyết: z = (p − p0) / căn [p0 × (1 − p0) / n] = (0,15 − 0,25) / căn (0,25 × 0,75 / 120) = −0,10 / 0,0395 ≈ −2,53. Giá trị p hai phía khoảng 0,011.

Đối chiếu với khoảng Wilson (9,7%; 22,5%): giá trị 25% nằm ngoài khoảng, khớp với việc bác bỏ H0 ở mức 0,05. Sự khớp này không phải ngẫu nhiên: khoảng Wilson được xây dựng bằng cách đảo ngược đúng kiểm định z này, nên nó chứa đúng những giá trị p0 mà kiểm định không bác bỏ. Khoảng Wald thì dùng sai số chuẩn tính theo p mẫu, nên ở sát ngưỡng đôi khi cho kết luận lệch với kiểm định.

Với mẫu nhỏ, kiểm định nhị thức chính xác thay cho kiểm định z, và tương ứng là khoảng Clopper–Pearson. Với chênh lệch giữa hai tỷ lệ độc lập, cũng có những phương án tốt hơn công thức Wald đơn giản, chẳng hạn phương pháp của Newcombe dựa trên hai khoảng Wilson; nhiều phần mềm có sẵn. Dù chọn cách nào, nguyên tắc vẫn là ghi rõ phương pháp cạnh con số.

Báo cáo khoảng tin cậy cho tỷ lệ trong luận văn

Một vài quy ước giúp phần mô tả mẫu và kết quả khảo sát chặt chẽ hơn:

  • Ghi cả tử số và mẫu số cạnh phần trăm: "18/120 (15,0%; KTC 95% Wilson: 9,7% – 22,5%)". Người đọc thấy ngay cỡ mẫu.
  • Nói rõ phương pháp ở phần phương pháp phân tích số liệu: "khoảng tin cậy 95% cho tỷ lệ được tính theo phương pháp Wilson".
  • Với nhiều tỷ lệ cùng lúc (ví dụ phần trăm chọn từng phương án trong một câu hỏi nhiều lựa chọn), dùng cùng một phương pháp cho tất cả.
  • Không làm tròn phần trăm quá thô khi mẫu nhỏ; một chữ số thập phân là hợp lý. Nhưng cũng đừng ghi hai chữ số thập phân với mẫu 30 người, vì nó tạo cảm giác chính xác giả.
  • Khi tỷ lệ bằng 0 hoặc 100%, luôn báo cáo khoảng tin cậy (Wilson, Clopper–Pearson hoặc quy tắc số 3), không bao giờ để trống.
  • Nếu mẫu được chọn theo cụm hoặc có trọng số, khoảng tin cậy phải tính có xét thiết kế mẫu; các công thức trong bài giả định mẫu ngẫu nhiên đơn giản.

Câu hỏi thường gặp

Có phải lúc nào cũng phải dùng Wilson thay cho Wald không?

Không bắt buộc. Với mẫu lớn và tỷ lệ không quá gần 0 hay 1, hai cách cho kết quả gần như nhau. Nhưng Wilson không có nhược điểm đáng kể nào so với Wald, nên nhiều nhà thống kê khuyên dùng làm mặc định để khỏi phải cân nhắc từng trường hợp.

Excel có hàm tính khoảng tin cậy Wilson không?

Excel không có một hàm riêng mang tên Wilson, nhưng bạn có thể tự dựng công thức bằng các bước trong bài, dùng NORM.S.INV(0,975) để lấy 1,96. Hàm CONFIDENCE.NORM trong Excel dành cho trung bình, không nên dùng trực tiếp cho tỷ lệ. Tên hàm có thể khác theo ngôn ngữ và phiên bản.

Mẫu lớn thế nào thì Wald đủ dùng?

Quy tắc kinh nghiệm thường nêu là n × p và n × (1 − p) cùng lớn hơn 5 hoặc 10. Nghiên cứu về tỷ lệ phủ cho thấy ngay cả khi điều kiện này thoả, Wald vẫn có thể phủ thấp hơn 95%. Nếu không có lý do đặc biệt, dùng Wilson sẽ đỡ phải bận tâm về ngưỡng.

Khoảng tin cậy 95% cho tỷ lệ 15% có nghĩa là gì?

Nó có nghĩa là nếu lặp lại việc chọn mẫu và tính khoảng theo cùng phương pháp rất nhiều lần, khoảng 95% số khoảng thu được sẽ chứa tỷ lệ thật trong tổng thể. Với một khoảng cụ thể như 9,7% đến 22,5%, đó là phạm vi các giá trị tỷ lệ tương thích với số liệu.

Tỷ lệ tính trên câu hỏi nhiều lựa chọn có tổng vượt 100% thì tính khoảng tin cậy thế nào?

Mỗi phương án được coi là một biến có hoặc không riêng, nên bạn tính khoảng tin cậy cho từng phương án độc lập với cùng mẫu số là số người trả lời câu hỏi. Khi so sánh các phương án với nhau, chúng không độc lập, nên cần phương pháp riêng cho tỷ lệ phụ thuộc.

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