Kiểm định chi bình phương (viết χ², đọc là "khi bình phương", tiếng Anh chi-square) là phép kiểm định dùng cho dữ liệu đếm theo nhóm: nó so số trường hợp bạn thật sự quan sát được trong từng ô với số trường hợp lẽ ra phải có nếu giả thuyết không (H0) đúng. Khoảng cách giữa hai con số đó càng lớn, giá trị χ² càng lớn và giá trị p càng nhỏ.
Phép kiểm định này hợp với những câu hỏi kiểu "tỷ lệ sinh viên đạt môn có khác nhau giữa lớp học trực tiếp và lớp học trực tuyến không", "giới tính có liên hệ với lựa chọn chuyên ngành không", hay "khách hàng có chia đều cho bốn khung giờ không". Bài dưới đây đi từ loại dữ liệu phù hợp, ba dạng kiểm định, công thức, một ví dụ tính tay với số liệu giả định, tới điều kiện áp dụng và những lỗi đọc kết quả hay gặp trong luận văn.
Chi bình phương dùng cho loại dữ liệu nào
Điểm mấu chốt đầu tiên: chi bình phương làm việc với tần số, tức là số người, số phiếu, số sản phẩm rơi vào mỗi nhóm. Biến của bạn phải là biến phân loại: định danh (giới tính, ngành học, tỉnh thành, phương tiện đi học) hoặc thứ bậc được gom thành nhóm (mức hài lòng thấp – vừa – cao). Nếu biến là điểm số, thu nhập, chiều cao, thời gian, tức là biến định lượng liên tục, câu hỏi về khác biệt trung bình thuộc về kiểm định t hoặc ANOVA chứ không phải chi bình phương.
Điểm thứ hai: dữ liệu đưa vào công thức phải là số đếm thật, không phải phần trăm hay trung bình. Một lỗi rất hay gặp là lấy bảng tỷ lệ phần trăm trong báo cáo rồi tính χ² trên các con số 60, 40, 55, 45 như thể đó là số người. Khi làm vậy, cỡ mẫu bị ngầm đổi thành 100 cho mỗi nhóm và kết quả sai hẳn: cùng một tỷ lệ, 1.000 người cho χ² gấp mười lần 100 người.
Điểm thứ ba: mỗi đối tượng chỉ được đếm vào đúng một ô. Câu hỏi khảo sát cho phép chọn nhiều đáp án (ví dụ "bạn dùng những mạng xã hội nào") sinh ra tổng số lượt chọn lớn hơn số người, và bảng đó không đem thẳng vào chi bình phương độc lập được. Tương tự, nếu cùng một nhóm người được hỏi hai lần trước và sau một khoá học, hai lần đo không độc lập với nhau; tình huống đó cần kiểm định McNemar, một họ hàng gần của chi bình phương dành cho dữ liệu cặp.
Ba dạng kiểm định chi bình phương hay gặp
Cùng một công thức nhưng trả lời ba kiểu câu hỏi khác nhau. Gọi đúng tên dạng kiểm định giúp bạn viết giả thuyết và phần phương pháp cho khớp:
| Dạng | Câu hỏi nghiên cứu | Dữ liệu | H0 viết thế nào |
|---|---|---|---|
| Độc lập (independence) | Hai biến phân loại có liên hệ với nhau không? | Một mẫu, mỗi người được xếp theo hai biến, tạo bảng chéo | Hai biến độc lập với nhau |
| Đồng nhất (homogeneity) | Phân bố của một biến có giống nhau giữa các tổng thể không? | Nhiều mẫu lấy riêng từ từng tổng thể, cỡ mỗi mẫu định trước | Tỷ lệ các nhóm như nhau ở mọi tổng thể |
| Phù hợp (goodness of fit) | Phân bố quan sát có khớp với một phân bố lý thuyết không? | Một biến phân loại, so với tỷ lệ kỳ vọng cho trước | Tỷ lệ thật bằng tỷ lệ kỳ vọng |
Dạng độc lập và dạng đồng nhất có cách tính giống hệt nhau; khác biệt nằm ở cách lấy mẫu và cách phát biểu kết luận. Nếu bạn khảo sát 400 sinh viên rồi mới xếp họ theo khoa và theo mức hài lòng, đó là kiểm định độc lập. Nếu bạn chủ động lấy đúng 100 sinh viên từ mỗi khoa rồi so mức hài lòng, đó là kiểm định đồng nhất. Phần lớn luận văn ở bậc đại học dùng dạng độc lập, và phần mềm thống kê không phân biệt hai dạng này trong đầu ra.
Dạng phù hợp chỉ có một biến. Ví dụ bạn muốn biết tỷ lệ khách hàng theo ba vùng trong mẫu có khớp với tỷ lệ dân số đã biết hay không. Bài riêng về kiểm định phù hợp trên trang này đi chi tiết hơn với hai ví dụ tính tay.
Công thức chi bình phương và ý nghĩa từng thành phần
Công thức chung viết bằng chữ như sau: χ² = tổng của (O − E)² / E, cộng trên tất cả các ô. Trong đó O (observed) là tần số quan sát trong ô, E (expected) là tần số kỳ vọng của ô đó nếu H0 đúng. Với bảng chéo, tần số kỳ vọng của một ô bằng tổng hàng nhân tổng cột, chia cho cỡ mẫu n. Bậc tự do của bảng có r hàng và c cột là df = (r − 1) × (c − 1); bảng 2x2 có df bằng 1, bảng 2x3 có df bằng 2, bảng 3x4 có df bằng 6.
Vì sao lại bình phương độ lệch? Vì tổng các độ lệch O − E trong một hàng hay một cột luôn bằng không, ô dư bù ô thiếu; bình phương giúp mọi độ lệch đều mang dấu dương và được cộng dồn. Vì sao lại chia cho E? Vì lệch 10 người ở một ô kỳ vọng 20 người là lệch đáng kể, còn lệch 10 người ở một ô kỳ vọng 500 người thì gần như không đáng kể. Chia cho E biến độ lệch tuyệt đối thành độ lệch tương đối so với quy mô của ô.
Khi H0 đúng và tần số kỳ vọng đủ lớn, đại lượng tính ra xấp xỉ phân phối chi bình phương với df bậc tự do. Phân phối này lệch phải, giá trị trung bình bằng chính df. Vì vậy một con số χ² chỉ có nghĩa khi đặt cạnh bậc tự do của nó: χ² bằng 6 là lớn với df bằng 1 nhưng hoàn toàn bình thường với df bằng 6. Kiểm định chi bình phương độc lập luôn là kiểm định một đuôi bên phải, vì chỉ giá trị lớn mới cho thấy dữ liệu lệch khỏi H0.
Ví dụ giả định: tính tay một bảng 2x2
Ví dụ giả định: một khoa theo dõi 200 sinh viên học cùng một học phần, 100 người học lớp trực tiếp và 100 người học lớp trực tuyến. Kết quả cuối kỳ được ghi là đạt hoặc chưa đạt. H0: hình thức học và kết quả đạt môn độc lập với nhau. Mức ý nghĩa chọn trước là 0,05.
| Ô | Quan sát O | Kỳ vọng E = hàng × cột / n | (O − E)² / E |
|---|---|---|---|
| Trực tiếp – đạt | 72 | 100 × 130 / 200 = 65 | 49 / 65 ≈ 0,754 |
| Trực tiếp – chưa đạt | 28 | 100 × 70 / 200 = 35 | 49 / 35 = 1,400 |
| Trực tuyến – đạt | 58 | 100 × 130 / 200 = 65 | 49 / 65 ≈ 0,754 |
| Trực tuyến – chưa đạt | 42 | 100 × 70 / 200 = 35 | 49 / 35 = 1,400 |
| Tổng | 200 | 200 | χ² ≈ 4,308 |
Tổng hàng là 100 và 100, tổng cột là 130 người đạt và 70 người chưa đạt. Mỗi ô lệch đúng 7 người so với kỳ vọng, nên tử số của cả bốn ô đều là 49. Cộng lại được χ² xấp xỉ 4,31 với df = (2 − 1) × (2 − 1) = 1. Giá trị tới hạn của phân phối chi bình phương ở df bằng 1 và mức 0,05 là 3,841. Vì 4,31 lớn hơn 3,841, ta bác bỏ H0; tính chính xác bằng phần mềm cho p xấp xỉ 0,038.
Diễn đạt bằng lời: nếu thật sự hình thức học không liên quan gì tới kết quả, thì chỉ khoảng 3,8% số lần lấy mẫu ngẫu nhiên cỡ này mới cho chênh lệch lớn như vậy hoặc lớn hơn. Tỷ lệ đạt của lớp trực tiếp là 72%, của lớp trực tuyến là 58%. Lưu ý đây là số liệu giả định và một nghiên cứu quan sát như vậy không chứng minh hình thức học là nguyên nhân: hai nhóm sinh viên có thể khác nhau từ đầu về năng lực, thời gian rảnh hay động cơ học.
Điều kiện áp dụng cần kiểm trước khi chạy
Các quan sát độc lập. Mỗi người hoặc mỗi đơn vị chỉ góp mặt một lần, và lựa chọn của người này không chi phối người kia. Dữ liệu lấy theo cụm (cả lớp, cả hộ gia đình trả lời giống nhau) vi phạm điều kiện này và làm p nhỏ giả tạo.
Dữ liệu là tần số, các nhóm loại trừ nhau. Mỗi đối tượng rơi vào đúng một ô của bảng. Không dùng phần trăm, không dùng câu hỏi chọn nhiều đáp án như một biến duy nhất.
Tần số kỳ vọng đủ lớn. Quy tắc thường dùng, gắn với Cochran: không quá 20% số ô có tần số kỳ vọng nhỏ hơn 5 và không ô nào có tần số kỳ vọng nhỏ hơn 1. Điều kiện này xét trên E chứ không phải trên O; một ô quan sát bằng 0 vẫn có thể ổn nếu E của nó đủ lớn.
Mẫu được chọn hợp lý. Chi bình phương giả định mẫu ngẫu nhiên hoặc ít ra là đại diện. Mẫu thuận tiện vẫn tính được, nhưng phần bàn luận phải nói rõ giới hạn khi suy rộng.
Khi điều kiện tần số kỳ vọng không đạt. Với bảng 2x2 nhỏ, dùng kiểm định chính xác Fisher. Với bảng lớn hơn, cân nhắc gộp các nhóm có ý nghĩa gần nhau trước khi phân tích, hoặc dùng kiểm định chính xác nếu phần mềm hỗ trợ. Việc gộp nhóm nên dựa trên lý do nội dung và ghi rõ trong luận văn, không gộp đi gộp lại để tìm kết quả đẹp.
Đọc kết quả cho đúng: năm lỗi hay gặp
Giá trị p không phải xác suất H0 đúng. p là xác suất thu được dữ liệu lệch như vậy hoặc hơn, với giả định H0 đúng. p bằng 0,038 không có nghĩa là "chỉ 3,8% khả năng hai biến độc lập".
Không bác bỏ H0 không có nghĩa là chấp nhận H0. Nếu p lớn hơn 0,05, cách nói đúng là "chưa đủ bằng chứng để kết luận có liên hệ". Mẫu nhỏ có thể bỏ sót một liên hệ có thật.
Có ý nghĩa thống kê chưa chắc là liên hệ mạnh. Với mẫu vài nghìn người, một chênh lệch rất nhỏ cũng cho p nhỏ. Hãy báo cáo thêm cỡ hiệu ứng: hệ số phi cho bảng 2x2, Cramér V cho bảng lớn hơn. Trong ví dụ trên, phi bằng căn bậc hai của 4,308 chia 200, xấp xỉ 0,15.
Chi bình phương không cho biết chiều và vị trí của khác biệt. Con số χ² chỉ nói bảng lệch khỏi độc lập. Muốn biết nhóm nào cao hơn, nhìn tỷ lệ phần trăm theo hàng; muốn biết ô nào đóng góp nhiều, xem phần dư chuẩn hoá điều chỉnh.
Liên hệ không phải nhân quả. Kiểm định độc lập trên dữ liệu khảo sát chỉ cho thấy hai biến đi cùng nhau. Kết luận nhân quả cần thiết kế thực nghiệm hoặc lập luận chặt chẽ hơn nhiều.
Ghi kết quả chi bình phương trong luận văn
Một câu báo cáo đầy đủ theo thói quen trình bày kiểu APA gồm tên kiểm định, bậc tự do, cỡ mẫu, giá trị χ², giá trị p và cỡ hiệu ứng, kèm tỷ lệ của các nhóm để người đọc thấy chiều khác biệt. Với ví dụ trên, bạn có thể viết: "Kiểm định chi bình phương độc lập cho thấy hình thức học có liên hệ với kết quả đạt môn, χ²(1, N = 200) = 4,31, p = 0,038, phi = 0,15; tỷ lệ đạt ở lớp trực tiếp là 72% so với 58% ở lớp trực tuyến." Số liệu này là giả định, chỉ để minh hoạ cấu trúc câu.
Nếu kết quả không có ý nghĩa, vẫn báo cáo đủ các con số như trên và viết theo hướng "không tìm thấy bằng chứng về liên hệ" thay vì "hai biến không liên quan". Kèm theo bảng chéo có cả tần số và phần trăm, ghi chú rõ phần trăm tính theo hàng hay theo cột. Nếu có ô tần số kỳ vọng nhỏ hơn 5, nói rõ bạn đã kiểm điều kiện này và xử lý ra sao, chẳng hạn dùng Fisher thay cho chi bình phương.
Trước khi nộp, đối chiếu lại các con số trong câu với bảng xuất của phần mềm, vì lỗi chép sai bậc tự do hay nhầm cột "Asymptotic Significance" với cột "Exact Significance" rất hay gặp. Nếu người hướng dẫn hay hội đồng hỏi vì sao chọn chi bình phương, câu trả lời gọn nhất là: hai biến đều phân loại, các quan sát độc lập, và điều kiện tần số kỳ vọng đã được kiểm.
Câu hỏi thường gặp
Chi bình phương và khi bình phương có phải là một không?
Là một. Ký hiệu χ là chữ cái Hy Lạp chi, nhiều giáo trình tiếng Việt phiên là "khi bình phương", số khác giữ "chi bình phương". Tiếng Anh viết chi-square hoặc chi-squared. Khi viết luận văn, chọn một cách gọi và dùng thống nhất từ đầu đến cuối.
Có dùng chi bình phương cho thang Likert năm mức được không?
Được nếu bạn coi mỗi mức là một nhóm và đếm số người chọn, nhưng làm vậy bỏ qua thứ tự giữa các mức. Nếu câu hỏi là so mức độ giữa hai nhóm, kiểm định Mann-Whitney hoặc kiểm định xu hướng thường tận dụng thông tin thứ bậc tốt hơn. Ngoài ra năm mức chia cho vài nhóm dễ sinh ô có tần số kỳ vọng nhỏ.
Cỡ mẫu tối thiểu cho chi bình phương là bao nhiêu?
Không có một con số cố định. Điều kiện cần là tần số kỳ vọng của các ô đủ lớn theo quy tắc không quá 20% ô dưới 5. Bảng càng nhiều ô thì cần mẫu càng lớn. Muốn đủ lực để phát hiện một liên hệ cỡ vừa, nên tính cỡ mẫu theo cỡ hiệu ứng w trước khi thu dữ liệu.
Kết quả chi bình phương có cho biết nhóm nào khác nhóm nào không?
Không trực tiếp. Với bảng 2x2, nhìn tỷ lệ là đủ biết chiều. Với bảng lớn hơn, sau khi bác bỏ H0 bạn xem phần dư chuẩn hoá điều chỉnh từng ô hoặc tách bảng thành các so sánh nhỏ, có hiệu chỉnh cho việc so sánh nhiều lần.
Tại sao phần mềm báo nhiều dòng như Pearson, Likelihood Ratio, Linear-by-Linear?
Pearson Chi-Square là kiểm định chi bình phương theo công thức trong bài. Likelihood Ratio là một thống kê khác cho kết quả gần giống khi mẫu lớn. Linear-by-Linear Association chỉ có nghĩa khi cả hai biến là thứ bậc. Luận văn thông thường báo cáo dòng Pearson, trừ khi bạn có lý do rõ ràng để chọn dòng khác.
Giá trị χ² âm có xảy ra không?
Không. Mỗi số hạng là một bình phương chia cho một số dương nên luôn lớn hơn hoặc bằng không. χ² bằng 0 chỉ khi mọi tần số quan sát trùng khít với tần số kỳ vọng. Nếu thấy giá trị âm, gần như chắc chắn có lỗi nhập công thức trong bảng tính.