GiaThuyet.comGiả Thuyết
Kiểm định phi tham số

Kiểm định Mann-Whitney U: tính tay từng bước, đọc kết quả và những hiểu lầm hay gặp

Kiểm định Mann-Whitney U so sánh hai nhóm độc lập khi dữ liệu không chuẩn: điều kiện, tính tay ví dụ 13 quan sát, xấp xỉ z, cỡ hiệu ứng và cách diễn giải đúng.

Two groups of Vietnamese nursing students in Can Tho sitting at separate tables in a bright training room, timers on the tables, shot from a high corner angle

Kiểm định Mann-Whitney U dùng để so sánh hai nhóm độc lập khi biến kết quả là thứ bậc hoặc là số liên tục nhưng phân bố lệch, mẫu nhỏ, có ngoại lai. Nó là lựa chọn phi tham số thường được đặt cạnh t-test hai mẫu độc lập. Thay vì so trung bình, kiểm định gộp hai nhóm, xếp hạng toàn bộ, rồi xem hạng của một nhóm có dồn về một phía hay không.

Bài này đi qua điều kiện áp dụng, tính tay đầy đủ một ví dụ giả định với 13 quan sát, cách ra giá trị p chính xác và bằng xấp xỉ z, chỉ số cỡ hiệu ứng nên kèm theo, và ba hiểu lầm phổ biến nhất khi viết kết quả vào luận văn. Tên gọi Wilcoxon tổng hạng (Wilcoxon rank-sum) bạn gặp trong một số phần mềm là cùng một kiểm định, chỉ khác cách tính thống kê.

Điều kiện để dùng Mann-Whitney U

Trước khi tính, hãy chắc thiết kế của bạn khớp với kiểm định. Mann-Whitney không phải công cụ cho mọi trường hợp "dữ liệu không chuẩn".

  • Hai nhóm độc lập: mỗi người chỉ thuộc một nhóm, không có cặp ghép. Nếu cùng một người đo hai lần, bạn cần Wilcoxon dấu hạng chứ không phải Mann-Whitney.
  • Các quan sát độc lập với nhau trong mỗi nhóm và giữa hai nhóm, ví dụ không lấy nhiều học sinh cùng một lớp rồi coi như độc lập hoàn toàn khi hiệu ứng lớp học mạnh.
  • Biến kết quả đo ít nhất ở mức thứ bậc, tức là so được lớn hơn hay nhỏ hơn.
  • Nếu muốn diễn giải kết quả là "trung vị hai nhóm khác nhau", hai phân phối cần có hình dạng và độ phân tán tương tự, chỉ lệch nhau về vị trí. Không thoả điều kiện này thì vẫn chạy được, nhưng phải diễn giải theo nghĩa rộng hơn (xem phần hiểu lầm).
  • Không đòi phân phối chuẩn, không đòi hai nhóm cùng cỡ mẫu.

Một lưu ý về giả thuyết: viết H0 và H1 bằng lời ngay trong phần phương pháp. Cách viết an toàn là H0: phân phối thời gian hoàn thành của hai nhóm như nhau; H1: một nhóm có xu hướng cho giá trị lớn hơn nhóm kia. Viết như vậy tránh được câu hỏi khó về trung vị khi hình dạng hai phân phối không giống nhau.

Tính tay từng bước với ví dụ giả định

Ví dụ giả định: một giảng viên điều dưỡng so sánh thời gian (phút) hoàn thành một quy trình thực hành giữa nhóm A học theo video mô phỏng (6 sinh viên) và nhóm B học theo cách truyền thống (7 sinh viên). Nhóm A: 12, 15, 9, 20, 14, 11. Nhóm B: 18, 22, 16, 25, 19, 30, 17. Bước đầu tiên là gộp 13 giá trị, xếp tăng dần và gán hạng.

Giá trị (phút)9111214151617181920222530
NhómAAAAABBBBABBB
Hạng12345678910111213

Tổng hạng nhóm A là R1 = 1 + 2 + 3 + 4 + 5 + 10 = 25. Tổng hạng nhóm B là R2 = 6 + 7 + 8 + 9 + 11 + 12 + 13 = 66. Kiểm tra nhanh: tổng mọi hạng phải bằng N(N + 1)/2 = 13 × 14 / 2 = 91, và 25 + 66 = 91, khớp.

Thống kê U của nhóm A tính bằng U1 = R1 − n1(n1 + 1)/2 = 25 − 6 × 7 / 2 = 25 − 21 = 4. Của nhóm B là U2 = n1 × n2 − U1 = 42 − 4 = 38. Thống kê kiểm định là giá trị nhỏ hơn, U = 4. Ý nghĩa trực quan của U1 = 4: trong 42 cặp có thể ghép một sinh viên A với một sinh viên B, chỉ có 4 cặp mà sinh viên A chậm hơn sinh viên B. Bạn có thể tự đếm để kiểm: chỉ giá trị 20 của nhóm A lớn hơn bốn giá trị 16, 17, 18, 19 của nhóm B.

Từ U ra giá trị p: tra bảng, tính chính xác và xấp xỉ z

Với mẫu nhỏ như ví dụ, cách chuẩn là dùng phân phối chính xác của U. Có tất cả 1.716 cách chia 13 hạng thành một nhóm 6 hạng và một nhóm 7 hạng, mỗi cách đồng khả năng khi H0 đúng. Đếm số cách cho U từ 4 trở xuống thì được 12 cách, nên giá trị p một phía là 12/1.716, xấp xỉ 0,007, và giá trị p hai phía xấp xỉ 0,014. Theo bảng giá trị tới hạn thông dụng cho n1 = 6, n2 = 7, mức alpha 0,05 hai phía, giá trị tới hạn của U là 6; U = 4 nhỏ hơn 6 nên bác bỏ H0, khớp với cách tính chính xác.

Với mẫu lớn hơn, phần mềm thường dùng xấp xỉ chuẩn. Khi H0 đúng, U có trung bình n1 × n2 / 2 = 21 và độ lệch chuẩn bằng căn bậc hai của n1 × n2 × (N + 1)/12 = căn của 42 × 14 / 12 = căn của 49 = 7. Do đó z = (4 − 21)/7 ≈ −2,43, ứng với p hai phía khoảng 0,015. Nếu dùng hiệu chỉnh liên tục (cộng 0,5 vào U trước khi trừ), z ≈ −2,36 và p khoảng 0,018. Ba con số 0,014, 0,015 và 0,018 lệch nhau chút ít nhưng cùng một kết luận ở mức 0,05.

Đây cũng là lý do bạn thấy hai phần mềm cho p hơi khác nhau trên cùng một bộ số: một bên tính chính xác, bên kia dùng xấp xỉ có hoặc không hiệu chỉnh liên tục, hoặc hiệu chỉnh hạng trùng theo cách khác. Khi báo cáo, hãy ghi rõ loại p (chính xác hay tiệm cận) theo đúng đầu ra phần mềm của bạn; tên tuỳ chọn và vị trí trong menu đổi theo phiên bản, nên tra tài liệu của bản bạn đang dùng.

Kết luận viết thế nào cho đúng

Viết về xu hướng, không viết về "chứng minh". Với p ≈ 0,014 nhỏ hơn alpha 0,05, ta bác bỏ H0 và kết luận rằng dữ liệu cho bằng chứng thời gian hoàn thành của nhóm học video mô phỏng có xu hướng ngắn hơn nhóm truyền thống. Đây là kết luận trên một mẫu nhỏ giả định, không phải chứng minh phương pháp nào tốt hơn.

Kèm thống kê mô tả hợp với kiểm định. Trung vị nhóm A là 13 phút (giữa 12 và 14), trung vị nhóm B là 19 phút. Nên báo thêm khoảng tứ phân vị để người đọc thấy độ phân tán; cách tính tứ phân vị khác nhau đôi chút giữa các phần mềm.

Kèm cỡ hiệu ứng. Hai chỉ số hay dùng. Thứ nhất là r = |z| / căn N = 2,43 / căn 13 ≈ 0,67. Thứ hai, dễ hiểu hơn với người không chuyên, là xác suất ưu thế (probability of superiority): U1 / (n1 × n2) = 4/42 ≈ 0,10, tức là chỉ khoảng 10% số cặp có sinh viên A chậm hơn sinh viên B, hay khoảng 90% số cặp sinh viên A nhanh hơn. Mốc nhỏ, vừa, lớn cho r chỉ là quy ước tham khảo, đọc cùng bối cảnh ngành.

Nếu p lớn hơn alpha, đừng viết "hai nhóm như nhau". Không bác bỏ H0 chỉ có nghĩa là dữ liệu chưa đủ bằng chứng để nói hai phân phối khác nhau, đặc biệt với mẫu nhỏ như sáu, bảy người mỗi nhóm, lực kiểm định rất thấp.

Ba hiểu lầm phổ biến về Mann-Whitney

"Mann-Whitney là kiểm định so sánh trung vị." Chỉ đúng khi hai phân phối cùng hình dạng, chỉ dịch chuyển vị trí. Trong trường hợp tổng quát, kiểm định nhạy với việc xác suất một quan sát nhóm này lớn hơn quan sát nhóm kia có khác 0,5 hay không. Có thể dựng ví dụ hai nhóm cùng trung vị mà Mann-Whitney vẫn cho p nhỏ vì một nhóm lệch hẳn về một phía ở phần đuôi, và ngược lại.

"Mann-Whitney giải quyết được chuyện phương sai không bằng nhau." Không hẳn. Khi hai nhóm khác nhau nhiều về độ phân tán, nhất là khi cỡ mẫu chênh lệch, tỷ lệ sai lầm loại I của Mann-Whitney có thể lệch khỏi mức alpha danh nghĩa. Nếu câu hỏi của bạn là so trung bình và vấn đề chính là phương sai chênh, t-test Welch thường hợp hơn; nếu muốn phi tham số, có phương án như kiểm định Brunner-Munzel, nên bàn với người hướng dẫn.

"Không chuẩn thì bắt buộc phải dùng Mann-Whitney." Như bài tổng quan về kiểm định phi tham số đã nói, với mẫu đủ lớn và lệch vừa phải, t-test thường vẫn ổn. Lựa chọn phụ thuộc câu hỏi nghiên cứu (trung bình hay xu hướng thứ hạng), cỡ mẫu và mức lệch, không chỉ vào một giá trị p của kiểm định chuẩn.

Chạy trên phần mềm và đối chiếu với tính tay

Khi tự tính tay một ví dụ nhỏ rồi đối chiếu với phần mềm, bạn sẽ hiểu đầu ra nhanh hơn nhiều so với chỉ đọc bảng kết quả. Các bước gợi ý:

  1. Nhập dữ liệu dạng dọc: một cột chứa giá trị thời gian, một cột mã nhóm (ví dụ 1 là A, 2 là B), không nhập hai nhóm thành hai cột cạnh nhau nếu phần mềm yêu cầu dạng dọc.
  2. Tìm mục kiểm định phi tham số cho hai mẫu độc lập (trong nhiều chương trình nằm ở nhóm Nonparametric Tests), chọn Mann-Whitney U, khai báo biến kết quả và biến nhóm.
  3. Đối chiếu tổng hạng hoặc hạng trung bình mỗi nhóm với bảng tính tay: hạng trung bình nhóm A là 25/6 ≈ 4,17, nhóm B là 66/7 ≈ 9,43.
  4. Đối chiếu U: có phần mềm báo U = 4, có phần mềm báo W là tổng hạng của một nhóm (25 hoặc 66), có phần mềm báo U của nhóm thứ hai (38). Cả ba cùng chứa một thông tin.
  5. Xem p là chính xác hay tiệm cận, có hiệu chỉnh liên tục hay không, rồi ghi đúng loại vào báo cáo.

Một câu báo cáo mẫu cho ví dụ giả định: "Thời gian hoàn thành của nhóm học bằng video mô phỏng (trung vị 13 phút) ngắn hơn nhóm học truyền thống (trung vị 19 phút); kiểm định Mann-Whitney U cho U = 4, p chính xác hai phía = 0,014, r = 0,67." Chi tiết định dạng theo chuẩn APA tiếng Việt có ở danh mục viết kết quả luận văn.

Câu hỏi thường gặp

Mann-Whitney U và Wilcoxon tổng hạng khác nhau thế nào?

Về bản chất là một kiểm định, cho cùng giá trị p. Khác biệt chỉ ở thống kê báo cáo: Wilcoxon dùng tổng hạng W của một nhóm, Mann-Whitney dùng U = W trừ n(n + 1)/2. Vì vậy R báo W, SPSS báo cả U lẫn W, và bạn nên ghi rõ mình báo thống kê nào.

Hai nhóm có cỡ mẫu chênh nhau nhiều có dùng được không?

Dùng được, kiểm định không đòi cỡ mẫu bằng nhau. Tuy vậy khi cỡ mẫu chênh lệch lớn đi kèm độ phân tán khác nhau nhiều giữa hai nhóm, tỷ lệ sai lầm loại I có thể lệch khỏi alpha; khi đó nên xem xét phương án khác như Brunner-Munzel hoặc Welch tuỳ câu hỏi.

Có nhiều giá trị trùng nhau thì sao?

Các giá trị trùng nhận hạng trung bình, và phần mềm hiệu chỉnh phương sai của U cho hạng trùng. Nếu biến chỉ có ba, bốn nấc mà phần lớn quan sát dồn vào vài nấc, kiểm định vẫn chạy được nhưng p chính xác cần thuật toán xử lý hạng trùng, hoặc bạn cân nhắc mô hình thứ bậc.

Mẫu bao nhiêu thì dùng xấp xỉ z thay vì p chính xác?

Không có ngưỡng cứng. Nhiều giáo trình coi xấp xỉ chuẩn chấp nhận được khi mỗi nhóm có khoảng trên 20 quan sát. Ngày nay phần mềm tính p chính xác cho mẫu nhỏ rất nhanh, nên với mẫu nhỏ bạn cứ ưu tiên p chính xác nếu có.

Mann-Whitney một phía hay hai phía?

Mặc định nên dùng hai phía. Kiểm định một phía chỉ hợp lý khi hướng khác biệt được nêu trước trong đề cương và chiều ngược lại không có ý nghĩa với câu hỏi. Đổi sang một phía sau khi thấy p hai phía hơi lớn là hành vi làm sai lệch kết quả.

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