Kiểm định dấu là kiểm định phi tham số đơn giản nhất: với mỗi cặp số, bạn chỉ ghi lại là tăng hay giảm, rồi hỏi số lần tăng có nhiều hơn mức chia đôi ngẫu nhiên hay không. Phép tính chỉ cần phân phối nhị thức với xác suất 0,5, làm tay được trong vài phút.
Vì bỏ qua độ lớn của thay đổi, kiểm định dấu kém lực hơn Wilcoxon dấu hạng và t-test mẫu cặp khi những kiểm định này dùng được. Đổi lại nó gần như không cần giả định gì ngoài tính độc lập, và là lựa chọn tự nhiên khi bạn chỉ biết hướng thay đổi. Bài này giải thích cơ chế, tính tay một ví dụ trước – sau và một ví dụ trung vị một mẫu, chỉ ra lúc nào kiểm định dấu là lựa chọn hợp lý, lúc nào nó lãng phí thông tin.
Ý tưởng: đồng xu cân bằng
Hãy hình dung bạn đo một thứ gì đó trên mười người trước và sau một thay đổi. Nếu thay đổi đó không có tác động gì, mỗi người tăng hay giảm giống như tung một đồng xu cân bằng: xác suất tăng là 0,5, xác suất giảm là 0,5. Khi đó số người tăng tuân theo phân phối nhị thức với n bằng số người có thay đổi và p = 0,5. Nếu thực tế bạn thấy 9 trên 10 người tăng, câu hỏi là: với đồng xu cân bằng, khả năng ra 9 mặt ngửa trở lên trong 10 lần tung là bao nhiêu?
Đó chính là giá trị p của kiểm định dấu. Phát biểu chính thức cho dữ liệu ghép cặp: H0 là trung vị của độ chênh bằng 0, hay tương đương xác suất một độ chênh dương bằng xác suất một độ chênh âm. H1 hai phía là hai xác suất đó khác nhau. Không cần biết độ chênh có phân phối chuẩn hay đối xứng; chỉ cần các cặp độc lập và xác định được dấu của mỗi độ chênh.
Cũng từ ý tưởng này mà kiểm định dấu dùng được cho một mẫu: muốn kiểm tra trung vị tổng thể có bằng một giá trị m0 hay không, bạn đếm số quan sát lớn hơn m0 và số quan sát nhỏ hơn m0. Nếu trung vị thật đúng bằng m0, mỗi quan sát có xác suất 0,5 nằm trên, 0,5 nằm dưới.
Ví dụ 1: mười lớp học trước và sau đổi cách giao bài tập
Ví dụ giả định: một tổ chuyên môn ghi tỷ lệ nộp bài tập đúng hạn của 10 lớp trong học kỳ trước và học kỳ sau khi đổi cách giao bài. Kết quả: 8 lớp tăng, 1 lớp giảm, 1 lớp giữ nguyên. Các bước tính:
- Bỏ các cặp có độ chênh bằng 0. Lớp giữ nguyên không cho thông tin về hướng, nên n = 10 − 1 = 9.
- Đếm số dấu dương S = 8 và số dấu âm = 1.
- Khi H0 đúng, S tuân theo nhị thức với n = 9, p = 0,5. Xác suất S lớn hơn hoặc bằng 8 là [C(9, 8) + C(9, 9)] / 2 mũ 9 = (9 + 1)/512 = 10/512 ≈ 0,0195.
- Giá trị p hai phía bằng hai lần số đó, khoảng 0,039, vì phân phối nhị thức với p = 0,5 đối xứng.
- So với alpha 0,05: 0,039 nhỏ hơn 0,05 nên bác bỏ H0. Kết luận: dữ liệu cho bằng chứng tỷ lệ nộp bài đúng hạn có xu hướng tăng sau khi đổi cách giao bài.
Hai lưu ý cho ví dụ này. Thứ nhất, kết luận chỉ nói về hướng, không nói tăng bao nhiêu; muốn nói độ lớn, bạn cần báo cáo trung vị độ chênh và khoảng tứ phân vị bên cạnh. Thứ hai, thiết kế trước – sau không có nhóm đối chứng: học kỳ sau có thể khác học kỳ trước vì nhiều lý do khác (độ khó chương trình, lịch thi), nên không quy toàn bộ thay đổi cho cách giao bài.
Nếu dùng xấp xỉ chuẩn có hiệu chỉnh liên tục, z = (|S − n/2| − 0,5) / (căn n / 2) = (3,5 − 0,5) / 1,5 = 2,0, cho p hai phía khoảng 0,046. Với n = 9 xấp xỉ này còn thô; p chính xác 0,039 mới là con số nên báo cáo.
Ví dụ 2: kiểm định trung vị một mẫu
Ví dụ giả định: một phòng khám công bố trung vị thời gian chờ là 30 phút. Một nhóm sinh viên y tế công cộng ghi lại thời gian chờ của 12 lượt khám chọn ngẫu nhiên trong nhiều buổi, thấy 10 lượt chờ lâu hơn 30 phút và 2 lượt chờ ngắn hơn, không lượt nào đúng 30 phút. Nếu trung vị thật là 30 phút, số lượt vượt 30 phút tuân theo nhị thức n = 12, p = 0,5.
Xác suất có từ 10 lượt trở lên vượt 30 phút là [C(12, 10) + C(12, 11) + C(12, 12)] / 2 mũ 12 = (66 + 12 + 1)/4.096 = 79/4.096 ≈ 0,019. Giá trị p hai phía khoảng 0,039, nhỏ hơn 0,05. Kết luận cho ví dụ: dữ liệu không ủng hộ mức trung vị 30 phút được công bố, thời gian chờ có xu hướng dài hơn. Lưu ý điều kiện "chọn ngẫu nhiên trong nhiều buổi" quan trọng hơn mọi công thức: nếu nhóm chỉ đo vào sáng thứ Hai đông khách, kết luận không đại diện cho cả tuần.
So với t-test một mẫu, kiểm định dấu có lợi thế là không bị vài lượt chờ cực dài kéo lệch, và trả lời trực tiếp câu hỏi về trung vị, vốn là đại lượng hợp lý cho thời gian chờ thường lệch phải. Đổi lại, nó không dùng thông tin một lượt chờ 31 phút khác một lượt chờ 90 phút thế nào.
Kiểm định dấu so với Wilcoxon dấu hạng và t-test mẫu cặp
Ba kiểm định khác nhau ở lượng thông tin được dùng từ mỗi độ chênh. Hiệu suất tương đối tiệm cận trong bảng là con số lý thuyết khi độ chênh thật sự có phân phối chuẩn, so với t-test.
| Kiểm định | Thông tin dùng từ mỗi độ chênh | Giả định thêm | Hiệu suất tương đối khi dữ liệu chuẩn |
|---|---|---|---|
| t-test mẫu cặp | Giá trị đầy đủ | Độ chênh xấp xỉ chuẩn | 1 (mốc so sánh) |
| Wilcoxon dấu hạng | Dấu và hạng độ lớn | Độ chênh đối xứng | Khoảng 0,955 |
| Kiểm định dấu | Chỉ dấu | Không thêm giả định về hình dạng | Khoảng 0,64 (bằng 2 chia pi) |
Con số 0,64 nghĩa là khi dữ liệu chuẩn, kiểm định dấu cần khoảng 1/0,64 ≈ 1,57 lần số cặp để đạt cùng lực với t-test. Đây là cái giá của việc bỏ đi độ lớn. Ngược lại, khi phân phối có đuôi rất nặng (nhiều giá trị cực đoan), kiểm định dấu có thể mạnh hơn cả t-test, vì những giá trị cực đoan làm phương sai phình to và kéo t-test xuống.
Vì vậy không có kiểm định nào "tốt nhất" trong mọi tình huống. Câu hỏi đúng là dữ liệu của bạn chứa thông tin gì đáng tin: nếu độ lớn đo chính xác và độ chênh khá đối xứng, đừng vứt nó đi; nếu độ lớn không đáng tin hoặc độ chênh lệch mạnh, kiểm định dấu trung thực hơn.
Khi nào kiểm định dấu là lựa chọn đúng
Những tình huống dưới đây là nơi kiểm định dấu phát huy, không chỉ là phương án dự phòng:
- Bạn chỉ có thông tin hướng: người tham gia nói "đỡ hơn", "như cũ" hay "tệ hơn", không có điểm số.
- Độ chênh lệch mạnh một phía nên giả định đối xứng của Wilcoxon không đứng vững, ví dụ phần lớn người thay đổi chút ít còn vài người thay đổi rất lớn.
- Thang đo thô, độ lớn khó tin cậy, ví dụ đánh giá theo ba mức mà khoảng cách giữa các mức không rõ ràng.
- Bạn cần một kiểm định trung vị một mẫu chịu được ngoại lai nặng.
- Bạn cần giải thích cho người không chuyên: "8 trên 9 lớp tăng, xác suất ngẫu nhiên ra kết quả lệch như vậy hoặc hơn là khoảng 4%" là câu mà ai cũng hiểu được.
- Dữ liệu cặp ở dạng nhị phân (có/không trước và sau): khi đó kiểm định dấu trên các cặp có thay đổi chính là dạng chính xác của McNemar, bàn kỹ ở danh mục chi bình phương.
Ngược lại, nếu bạn có điểm số đo cẩn thận và độ chênh tương đối đối xứng, dùng kiểm định dấu là bỏ phí dữ liệu đã tốn công thu thập. Và nhớ rằng với mẫu rất nhỏ, kiểm định dấu khó đạt ý nghĩa: với 5 cặp cùng chiều, p hai phía chính xác là 2/32 ≈ 0,0625, vẫn chưa dưới 0,05.
Báo cáo kết quả và những lỗi hay gặp
Ghi đủ ba con số đếm. Người đọc cần biết bao nhiêu cặp tăng, bao nhiêu giảm, bao nhiêu không đổi, vì đó là toàn bộ dữ liệu mà kiểm định dùng. Với ví dụ mười lớp: 8 tăng, 1 giảm, 1 không đổi, kiểm định dấu chính xác hai phía, p = 0,039. Thiếu con số "không đổi", người đọc không biết n = 9 từ đâu ra.
Ghi rõ p chính xác hay xấp xỉ. Phần mềm có thể in cả hai, hoặc chuyển sang xấp xỉ chuẩn khi n vượt một ngưỡng nào đó do nhà phát triển chọn. Tên cột và ngưỡng khác nhau giữa các chương trình và phiên bản, nên đối chiếu với tài liệu thay vì đoán.
Không nhân đôi hai lần. Lỗi tính tay hay gặp là lấy p một phía rồi quên nhân hai khi kiểm định hai phía, hoặc ngược lại, nhân hai một giá trị phần mềm đã báo là hai phía. Đọc kỹ nhãn trước khi chép số.
Không viết "tất cả đều cải thiện" khi p nhỏ. Giá trị p nhỏ chỉ nói rằng tỷ lệ tăng khó là kết quả của chia đôi ngẫu nhiên. Vẫn có lớp giảm, và kết luận nên giữ đúng mức: có xu hướng tăng ở phần lớn các lớp trong mẫu.
Không bỏ cặp bất lợi. Một lớp giảm mạnh có thể khiến người viết muốn tìm lý do loại nó ra. Loại quan sát chỉ được phép theo tiêu chí đặt từ trước và áp dụng như nhau cho mọi cặp, kèm ghi chép minh bạch trong báo cáo.
Câu hỏi thường gặp
Có nhiều cặp không thay đổi thì có ảnh hưởng không?
Theo cách làm thông thường, các cặp bằng 0 bị loại nên n giảm và lực kiểm định giảm theo. Nếu số cặp không đổi chiếm tỷ lệ lớn, bạn nên báo cáo con số này vì bản thân nó là kết quả đáng chú ý: thay đổi, nếu có, chỉ xảy ra ở một phần nhỏ đối tượng.
Kiểm định dấu có cho khoảng tin cậy không?
Có. Khoảng tin cậy cho trung vị dựa trên kiểm định dấu được tạo bằng cách lấy hai quan sát ở các vị trí thứ tự xác định từ phân phối nhị thức. Một số phần mềm xuất sẵn, số khác cần tính thủ công hoặc dùng gói lệnh bổ sung, nên tra tài liệu phiên bản bạn dùng.
Kiểm định dấu khác kiểm định nhị thức thế nào?
Kiểm định dấu là một trường hợp đặc biệt của kiểm định nhị thức với xác suất 0,5, áp dụng lên dấu của độ chênh hoặc vị trí so với trung vị giả thuyết. Kiểm định nhị thức tổng quát cho phép xác suất giả thuyết khác 0,5, ví dụ kiểm tra tỷ lệ đạt có bằng 70% hay không.
Dùng kiểm định dấu một phía có được không?
Được nếu hướng thay đổi được nêu trước trong đề cương và chiều ngược lại không có ý nghĩa với câu hỏi. Với ví dụ mười lớp, p một phía khoảng 0,0195. Chuyển sang một phía chỉ vì p hai phía chưa đạt ngưỡng là làm sai lệch kết quả.
Kiểm định dấu có dùng cho hai nhóm độc lập không?
Không. Kiểm định dấu cần các cặp ghép hoặc một mẫu so với giá trị cho trước. Với hai nhóm độc lập, lựa chọn phi tham số là Mann-Whitney U, còn kiểm định trung vị Mood là một phương án dựa trên ý tưởng đếm trên và dưới trung vị chung.