Phép kiểm định quen thuộc nhất của xã hội học là chi bình phương trên bảng chéo: ý kiến có khác nhau giữa thành thị và nông thôn không, giữa các nhóm tuổi không. Phần mềm cho ra con số trong vài giây. Điều ít được nhắc là công thức chi bình phương trong giáo trình giả định mẫu ngẫu nhiên đơn giản, trong khi hầu hết các cuộc điều tra hộ gia đình chọn mẫu theo cụm, nhiều giai đoạn, có khi kèm trọng số.
Bài này tính tay một bảng chéo giả định, đọc phần dư để biết ô nào tạo ra khác biệt, rồi chỉ ra vì sao cùng một bảng đó, khi tính đúng thiết kế mẫu cụm, giá trị p có thể tăng lên đáng kể. Phần cuối bàn cách dùng trọng số và những lỗi hay gặp khi xử lý bảng chéo trong luận văn xã hội học.
Mẫu điều tra xã hội học khác mẫu trong giáo trình thế nào
Giáo trình thống kê thường giả định mỗi người trong tổng thể có cùng cơ hội được chọn và được chọn độc lập với nhau. Ngoài thực địa, không ai có danh sách mọi hộ trong một tỉnh để bốc thăm. Cách làm phổ biến là chọn mẫu nhiều giai đoạn: chọn ngẫu nhiên một số xã, phường, rồi trong mỗi nơi chọn một số thôn hay tổ dân phố, rồi trong mỗi thôn chọn một số hộ. Các thôn được gọi là cụm.
Ví dụ giả định: một đề tài ở Thanh Hóa khảo sát mức độ sẵn sàng phân loại rác tại nguồn của hộ gia đình. Nhóm nghiên cứu chọn 30 cụm, 15 cụm ở khu vực thành thị và 15 ở nông thôn, mỗi cụm phỏng vấn 20 hộ, tổng cộng 600 hộ. Câu hỏi có ba mức trả lời: sẵn sàng, còn phân vân, chưa sẵn sàng. Câu hỏi nghiên cứu: mức độ sẵn sàng có liên quan đến khu vực không. Toàn bộ số liệu là giả định.
Chọn mẫu cụm tiết kiệm đi lại rất nhiều, nhưng có giá phải trả: các hộ trong cùng thôn giống nhau hơn so với các hộ chọn ngẫu nhiên trên cả tỉnh. Họ cùng được thôn tuyên truyền, cùng một điểm tập kết rác, nói chuyện với nhau hằng ngày. Hai mươi hộ trong một thôn mang ít thông tin hơn hai mươi hộ rải rác. Chi bình phương tính theo công thức thường coi 600 hộ là 600 quan sát độc lập, nên đánh giá quá cao lượng thông tin thật sự có trong mẫu.
Bảng chéo giả định: tần số quan sát và kỳ vọng
Bảng dưới gồm tần số quan sát, trong ngoặc là tần số kỳ vọng nếu khu vực và mức độ sẵn sàng độc lập với nhau. Tần số kỳ vọng = tổng hàng × tổng cột / tổng chung.
| Khu vực | Sẵn sàng | Còn phân vân | Chưa sẵn sàng | Tổng |
|---|---|---|---|---|
| Thành thị | 150 (130) | 90 (105) | 60 (65) | 300 |
| Nông thôn | 110 (130) | 120 (105) | 70 (65) | 300 |
| Tổng | 260 | 210 | 130 | 600 |
Vì hai khu vực có cùng 300 hộ, tần số kỳ vọng của hai hàng giống nhau: 300 × 260 / 600 = 130, 300 × 210 / 600 = 105, 300 × 130 / 600 = 65. Mọi ô kỳ vọng đều lớn hơn 5 rất nhiều, nên điều kiện xấp xỉ của chi bình phương được thoả.
Đọc nhanh bằng tỷ lệ hàng: ở thành thị 50% hộ sẵn sàng, 30% còn phân vân, 20% chưa sẵn sàng; ở nông thôn lần lượt khoảng 36,7%, 40% và 23,3%. Khác biệt lớn nhất nằm ở hai cột đầu. Trình bày tỷ lệ hàng cạnh tần số giúp người đọc hiểu bảng mà không phải tự chia.
Tính tay chi bình phương, bậc tự do và Cramér V
Thống kê chi bình phương là tổng của (quan sát − kỳ vọng)² / kỳ vọng trên mọi ô.
- Hàng thành thị: (150 − 130)² / 130 ≈ 3,077; (90 − 105)² / 105 ≈ 2,143; (60 − 65)² / 65 ≈ 0,385. Cộng lại ≈ 5,604.
- Hàng nông thôn có chênh lệch cùng độ lớn, ngược dấu, và cùng kỳ vọng, nên đóng góp cũng ≈ 5,604.
- Chi bình phương ≈ 11,21. Bậc tự do = (số hàng − 1) × (số cột − 1) = 1 × 2 = 2.
- Giá trị p với 2 bậc tự do: khoảng 0,0037. Giá trị tới hạn ở mức 0,05 là 5,99; 11,21 lớn hơn nhiều, nên nếu mẫu là ngẫu nhiên đơn giản thì bác bỏ H0 rằng khu vực và mức độ sẵn sàng độc lập.
- Cramér V = căn của [chi bình phương / (n × (k − 1))], với k là số nhỏ hơn giữa số hàng và số cột, ở đây k = 2: căn của (11,21 / 600) ≈ 0,14. Mức liên hệ yếu theo các mốc tham khảo thường dùng.
V nhỏ cạnh p rất nhỏ là chuyện bình thường với mẫu vài trăm người trở lên: cỡ mẫu lớn giúp phát hiện cả những liên hệ yếu. Viết “có mối liên hệ rất chặt” chỉ vì p nhỏ hơn 0,01 là đọc nhầm; p đo độ chắc chắn rằng có liên hệ, V mới đo độ mạnh.
Ô nào tạo ra khác biệt: đọc phần dư hiệu chỉnh
Chi bình phương có ý nghĩa chỉ nói rằng bảng có khác biệt ở đâu đó. Để biết ở đâu, dùng phần dư chuẩn hoá hiệu chỉnh của từng ô, mà nhiều phần mềm có thể in kèm. Phần dư này xấp xỉ phân phối chuẩn tắc dưới H0, nên ô nào có giá trị tuyệt đối lớn hơn khoảng 1,96 là ô lệch đáng kể so với kỳ vọng ở mức 0,05 nếu xét riêng ô đó.
Với bảng giả định, phần dư hiệu chỉnh ở hàng thành thị là khoảng 3,30 cho cột sẵn sàng, −2,57 cho cột còn phân vân và −0,99 cho cột chưa sẵn sàng; hàng nông thôn có cùng độ lớn, ngược dấu. Đọc bằng lời: thành thị có nhiều hộ sẵn sàng hơn kỳ vọng, nông thôn có nhiều hộ còn phân vân hơn; tỷ lệ chưa sẵn sàng của hai khu vực không khác nhau rõ.
Đây là kết luận có ích hơn hẳn câu “có mối liên hệ giữa khu vực và mức độ sẵn sàng”. Nó gợi ý chỗ cần đi sâu: nhóm còn phân vân ở nông thôn phân vân vì điều gì, có phải vì chưa có điểm tập kết riêng hay vì chưa được hướng dẫn. Phần định tính của đề tài, nếu có, nên đi vào đúng chỗ đó. Lưu ý khi soi nhiều ô cùng lúc, nên thận trọng với những ô chỉ vượt ngưỡng sát nút, vì đang thực hiện nhiều phép so sánh.
Mẫu cụm và hệ số thiết kế: vì sao p thật lớn hơn
Mức độ giống nhau của các hộ trong cùng cụm được đo bằng hệ số tương quan nội cụm, ký hiệu ρ. Hệ số thiết kế, thường viết là deff, cho biết phương sai của ước lượng theo mẫu cụm lớn gấp bao nhiêu lần so với mẫu ngẫu nhiên đơn giản cùng cỡ. Công thức xấp xỉ cho cụm cùng cỡ là deff = 1 + (m − 1) × ρ, với m là số người mỗi cụm. Với m = 20 và một ρ giả định khá khiêm tốn là 0,04, deff = 1 + 19 × 0,04 = 1,76, làm tròn là khoảng 1,8.
Ý nghĩa thực tế: 600 hộ theo mẫu cụm này chỉ mang lượng thông tin tương đương khoảng 600 / 1,8 ≈ 333 hộ chọn ngẫu nhiên đơn giản. Một cách hiệu chỉnh gần đúng, dễ hiểu, là chia chi bình phương cho hệ số thiết kế: 11,21 / 1,8 ≈ 6,23, với 2 bậc tự do cho p ≈ 0,044. Vẫn có ý nghĩa ở mức 0,05, nhưng sát ngưỡng hơn nhiều so với 0,0037. Nếu deff là 2,5, điều dễ xảy ra với những câu hỏi mà cả thôn chịu ảnh hưởng chung, chi bình phương hiệu chỉnh còn khoảng 4,48, p ≈ 0,11, không còn ý nghĩa.
Cách chia đơn giản này chỉ là xấp xỉ để hiểu cơ chế. Phương pháp chuẩn cho bảng chéo trong điều tra phức hợp là hiệu chỉnh Rao–Scott, được tích hợp trong các mô-đun phân tích mẫu phức hợp của nhiều phần mềm thống kê. Để dùng, bộ dữ liệu cần có biến cụm, biến tầng nếu có, và biến trọng số. Đó là lý do khi nhập dữ liệu điều tra, phải giữ lại mã cụm của từng phiếu, đừng xoá vì nghĩ không cần.
Trọng số mẫu và những lỗi hay gặp với bảng chéo
Trọng số khi các nhóm có xác suất chọn khác nhau. Ví dụ giả định này chọn 300 hộ thành thị và 300 hộ nông thôn, trong khi tổng thể có thể có tỷ lệ hộ nông thôn cao hơn nhiều. Muốn ước lượng tỷ lệ sẵn sàng chung của cả tỉnh thì phải gắn trọng số cho từng hộ theo nghịch đảo xác suất được chọn; không có trọng số, con số chung bị kéo về phía thành thị.
Đừng dùng trọng số như tần số. Nếu khai báo trọng số theo kiểu nhân bản phiếu, phần mềm sẽ hiểu là mẫu có hàng nghìn hoặc hàng chục nghìn quan sát và cho giá trị p cực nhỏ. Trọng số điều tra phải được xử lý bằng mô-đun mẫu phức hợp, không phải bằng tuỳ chọn nhân bản tần số.
Đừng gộp nhóm sau khi xem kết quả. Gộp “còn phân vân” với “chưa sẵn sàng” để bảng thành 2x2 có thể hợp lý về chuyên môn, nhưng phải quyết định trước. Gộp thử nhiều kiểu rồi chọn kiểu cho p nhỏ nhất là kiểm định nhiều lần trá hình.
Đừng bỏ “không biết, không trả lời” một cách lặng lẽ. Nếu tỷ lệ này khác nhau giữa hai khu vực, bỏ đi làm méo kết quả. Báo cáo số lượng và cân nhắc giữ thành một cột riêng.
Mức trả lời có thứ bậc thì có lựa chọn tốt hơn. Ba mức sẵn sàng có thứ tự tự nhiên; chi bình phương thông thường bỏ qua thứ tự này. Các kiểm định xu hướng hoặc mô hình cho biến thứ bậc tận dụng thông tin đó tốt hơn; nên hỏi người hướng dẫn khi chọn.
Báo cáo đủ để người đọc kiểm lại. Một câu kết quả gọn cho ví dụ có thể viết: mức độ sẵn sàng phân loại rác khác nhau giữa hai khu vực, chi bình phương hiệu chỉnh theo thiết kế mẫu với 2 bậc tự do, giá trị p, Cramér V khoảng 0,14; kèm bảng tỷ lệ hàng và ghi rõ phương pháp hiệu chỉnh đã dùng.
Câu hỏi thường gặp
Chi bình phương có dùng được cho dữ liệu điều tra chọn mẫu cụm không?
Dùng công thức thông thường sẽ cho giá trị p nhỏ hơn thực tế vì coi các hộ trong cùng cụm là độc lập. Nên dùng phiên bản hiệu chỉnh cho thiết kế mẫu như Rao–Scott trong mô-đun mẫu phức hợp, hoặc ít nhất nêu rõ hạn chế và ước lượng hệ số thiết kế.
Hệ số thiết kế lấy ở đâu ra?
Có thể ước lượng từ chính dữ liệu nếu có biến cụm, các mô-đun mẫu phức hợp tính sẵn. Khi lập kế hoạch, người ta dùng giá trị từ các cuộc điều tra tương tự. Hệ số thiết kế khác nhau theo từng biến, nên không có một con số dùng chung cho mọi câu hỏi.
Cramér V bao nhiêu thì là liên hệ mạnh?
Các mốc thường gặp chỉ để tham khảo và phụ thuộc số hàng, số cột của bảng. Với bảng hai hàng, V khoảng 0,1 thường được coi là yếu, khoảng 0,3 là vừa, khoảng 0,5 là mạnh. Quan trọng hơn là đọc tỷ lệ hàng để thấy chênh lệch thực tế.
Phần dư chuẩn hoá hiệu chỉnh khác phần dư thường thế nào?
Phần dư thường chia chênh lệch cho căn của tần số kỳ vọng, không có phân phối chuẩn tắc chính xác. Phần dư hiệu chỉnh chia thêm cho phần phụ thuộc tổng hàng và tổng cột, nên xấp xỉ chuẩn tắc dưới H0 và có thể so với ngưỡng khoảng 1,96.
Có cần dùng trọng số khi chỉ so sánh hai khu vực không?
Nếu trong mỗi khu vực các hộ có cùng xác suất được chọn, phép so sánh giữa hai khu vực ít bị ảnh hưởng bởi trọng số. Nhưng khi ước lượng tỷ lệ chung hoặc khi xác suất chọn khác nhau bên trong mỗi khu vực, trọng số là cần thiết.
Cỡ mẫu 600 hộ có lớn không?
Lớn hay nhỏ còn tuỳ thiết kế. Với mẫu cụm, cỡ mẫu hiệu dụng là cỡ mẫu chia cho hệ số thiết kế, nên 600 hộ có thể chỉ tương đương vài trăm hộ chọn ngẫu nhiên. Khi lập kế hoạch, nên tính cỡ mẫu có nhân thêm hệ số thiết kế dự kiến.