GiaThuyet.comGiả Thuyết
Kiểm định phi tham số

Kiểm định phi tham số là gì: khi nào dùng thay t-test, ANOVA và bảng chọn tương ứng

Kiểm định phi tham số là gì, dựa trên thứ hạng ra sao, khi nào nên dùng thay t-test hay ANOVA, cái giá phải trả và bảng chọn kiểm định tương ứng.

Graduate student in a Hanoi university library arranging small wooden blocks in a row by height on a desk, top-down view, warm afternoon light, notebook pages blank

Kiểm định phi tham số là nhóm kiểm định không đòi dữ liệu đi theo một dạng phân phối cụ thể (thường là phân phối chuẩn) và phần lớn làm việc trên thứ hạng của số liệu thay vì chính giá trị số. Bạn dùng chúng khi dữ liệu là thứ bậc (xếp loại, mức độ đồng ý từng câu), khi mẫu nhỏ mà phân bố lệch rõ, hoặc khi có giá trị ngoại lai mà bạn không có lý do chính đáng để loại bỏ.

Mỗi kiểm định tham số quen thuộc đều có một "người anh em" phi tham số: t-test hai mẫu độc lập đi với Mann-Whitney U, t-test mẫu cặp đi với Wilcoxon dấu hạng, ANOVA một nhân tố đi với Kruskal-Wallis, ANOVA đo lặp đi với Friedman. Bài này giải thích cơ chế chung, cái được và cái mất khi chuyển sang phi tham số, và một bảng để bạn chọn đúng loại cho thiết kế của mình. Các kiểm định cụ thể có bài tính tay riêng trong cùng danh mục.

Chữ "tham số" ở đây nghĩa là gì

Trong thống kê, tham số là một con số mô tả tổng thể, chẳng hạn trung bình tổng thể (ký hiệu muy) hay độ lệch chuẩn tổng thể (sigma). Kiểm định t, kiểm định F trong ANOVA được gọi là kiểm định tham số vì chúng giả định dữ liệu đến từ một họ phân phối xác định bởi vài tham số như vậy, rồi đặt giả thuyết trực tiếp lên các tham số đó, ví dụ H0: muy1 = muy2. Giá trị p của chúng được tính từ phân phối t hay F, mà hai phân phối này chỉ đúng chính xác khi các giả định về dạng phân phối được thoả mãn.

Kiểm định phi tham số bỏ bớt giả định về dạng phân phối. Tên tiếng Anh còn có cách gọi khác là kiểm định "không phụ thuộc phân phối" (distribution-free), dù gọi vậy cũng hơi quá: chúng vẫn có giả định, chỉ là ít và nhẹ hơn. Hầu hết vẫn đòi các quan sát độc lập với nhau, vẫn đòi biến được đo ít nhất ở mức thứ bậc, và một số đòi thêm điều kiện về hình dạng phân phối nếu bạn muốn diễn giải kết quả như so sánh trung vị.

Một hiểu lầm hay gặp là "phi tham số thì không có giả thuyết". Thực ra vẫn có H0 và H1 rõ ràng. Với Mann-Whitney, H0 phổ biến là hai tổng thể có cùng phân phối; H1 là một nhóm có xu hướng cho giá trị lớn hơn nhóm kia. Quy trình vẫn y hệt mọi kiểm định khác: tính thống kê kiểm định, đem so với phân phối của nó khi H0 đúng, ra giá trị p, rồi quyết định bác bỏ hay không bác bỏ H0 ở mức alpha đã chọn từ trước.

Thứ hạng hoạt động thế nào: một ví dụ năm con số

Cơ chế chung của đa số kiểm định phi tham số là xếp hạng. Bạn gộp các quan sát lại, xếp từ nhỏ đến lớn, gán hạng 1, 2, 3… rồi làm toán trên các hạng đó. Ví dụ giả định dưới đây cho thấy vì sao cách làm này chịu được giá trị ngoại lai.

Giá trị gốcHạngNếu giá trị lớn nhất bị gõ nhầm thành 200Hạng mới
3131
52,552,5
52,552,5
8484
2052005

Hai giá trị bằng nhau (cùng là 5) chiếm vị trí 2 và 3, nên mỗi giá trị nhận hạng trung bình là 2,5. Đây gọi là hạng trùng (ties), và phần mềm sẽ tự hiệu chỉnh công thức khi có nhiều hạng trùng.

Điểm đáng chú ý nằm ở hai cột bên phải. Trung bình của dãy gốc là 8,2; khi số 20 bị gõ thành 200, trung bình nhảy lên 44,2 và độ lệch chuẩn tăng vọt, kéo theo kết quả t-test thay đổi mạnh. Còn thứ hạng thì không đổi chút nào, vì 200 vẫn chỉ là số lớn nhất. Đó là lý do người ta nói kiểm định dựa trên hạng "bền" (robust) với ngoại lai. Mặt trái cũng nằm ngay đó: khoảng cách thật giữa 8 và 20 bị san phẳng thành một bậc hạng, tức là một phần thông tin bị bỏ đi.

Bảng chọn: kiểm định tham số và kiểm định phi tham số tương ứng

Cách nhanh nhất để chọn là xác định thiết kế trước (bao nhiêu nhóm, các nhóm độc lập hay là cùng một người đo nhiều lần), rồi mới nhìn tới dữ liệu.

Thiết kế nghiên cứuKiểm định tham sốKiểm định phi tham số tương ứng
Một mẫu so với một giá trị cho trướct-test một mẫuWilcoxon dấu hạng một mẫu; kiểm định dấu
Hai nhóm độc lậpt-test hai mẫu độc lập (hoặc Welch)Mann-Whitney U (còn gọi Wilcoxon tổng hạng)
Hai lần đo trên cùng người (trước – sau)t-test mẫu cặpWilcoxon dấu hạng; kiểm định dấu
Ba nhóm độc lập trở lênANOVA một nhân tố (hoặc Welch ANOVA)Kruskal-Wallis, sau đó so sánh cặp kiểu Dunn
Ba lần đo trở lên trên cùng ngườiANOVA đo lặpFriedman, sau đó so sánh cặp có hiệu chỉnh
Hai biến định danh (bảng chéo)Không áp dụngChi bình phương, Fisher chính xác (bài ở danh mục riêng)

Bảng không có dòng cho thiết kế nhiều nhân tố, ví dụ ANOVA hai nhân tố có tương tác. Phi tham số cổ điển không có phiên bản tương đương gọn gàng cho trường hợp này; người ta thường chuyển sang các phương pháp khác như biến đổi hạng có hiệu chỉnh (aligned rank transform) hoặc mô hình hồi quy thứ bậc, và đây là chỗ nên hỏi người hướng dẫn hoặc chuyên gia thống kê thay vì tự chọn đại.

Khi nào nên dùng phi tham số

Biến kết quả là thứ bậc thật sự. Ví dụ xếp loại học lực theo bậc, mức độ đau tự báo cáo theo nấc, một câu hỏi Likert đứng riêng. Khoảng cách giữa các nấc không chắc bằng nhau nên tính trung bình gây tranh cãi; xếp hạng thì luôn hợp lệ. Riêng dữ liệu Likert có nhiều quan điểm khác nhau, có bài riêng trong danh mục này.

Mẫu nhỏ và phân bố lệch rõ. Khi mỗi nhóm chỉ có khoảng mươi quan sát, định lý giới hạn trung tâm chưa đủ sức "cứu" trung bình mẫu, và một vài giá trị lệch có thể chi phối kết quả t-test. Phi tham số an toàn hơn trong tình huống này.

Có ngoại lai thật mà không được phép loại. Một bệnh nhân nằm viện lâu bất thường là dữ liệu thật, xoá đi là sai. Kiểm định trên hạng giữ lại người đó nhưng không để họ kéo lệch cả kết quả.

Dữ liệu bị chặn hoặc có giá trị ngoài ngưỡng đo. Ví dụ thời gian hoàn thành ghi "hơn 60 phút" cho người bỏ dở. Bạn không biết con số chính xác nhưng biết người đó xếp sau tất cả những người hoàn thành, nên vẫn xếp hạng được.

Cái giá phải trả: lực kiểm định và câu hỏi khác đi

Nhiều người nghĩ phi tham số "luôn an toàn hơn" nên cứ dùng cho chắc. Lập luận này chỉ đúng một nửa. Về lực kiểm định, khi dữ liệu thật sự chuẩn, Mann-Whitney và Wilcoxon dấu hạng mất rất ít: hiệu suất tương đối tiệm cận của chúng so với t-test là khoảng 0,955, nghĩa là cần nhiều hơn chừng 5% quan sát để đạt cùng lực. Khi phân phối có đuôi nặng, chúng còn có thể mạnh hơn t-test. Ngược lại, kiểm định dấu chỉ dùng chiều tăng hay giảm nên hiệu suất tương đối khi dữ liệu chuẩn chỉ khoảng 0,64, mất nhiều lực hơn hẳn.

Cái giá lớn hơn nằm ở câu hỏi nghiên cứu. T-test trả lời "trung bình hai nhóm có khác nhau không" và cho bạn một khoảng tin cậy cho hiệu hai trung bình, một con số dễ diễn giải theo đơn vị gốc như điểm, phút, kilôgam. Mann-Whitney trả lời câu khác: một người lấy ngẫu nhiên từ nhóm này có xu hướng cho giá trị cao hơn một người lấy ngẫu nhiên từ nhóm kia hay không. Chỉ khi hai phân phối có cùng hình dạng và chỉ lệch nhau về vị trí, kết quả mới đọc được như so sánh trung vị. Nếu đề cương của bạn viết "so sánh điểm trung bình" mà phần kết quả lại chạy Mann-Whitney, hội đồng có quyền hỏi vì sao câu hỏi và công cụ không khớp nhau.

Ngoài ra, phi tham số cổ điển khó mở rộng: khó đưa thêm biến kiểm soát, khó xét tương tác, khoảng tin cậy không phải lúc nào phần mềm cũng xuất sẵn. Vì vậy với mẫu lớn và phân bố chỉ hơi lệch, nhiều nhà thống kê vẫn ưu tiên phương pháp tham số có điều chỉnh (như Welch) hoặc phương pháp bền, và coi phi tham số là một lựa chọn trong số nhiều lựa chọn chứ không phải phao cứu sinh mặc định.

Quy trình quyết định gợi ý cho luận văn

Quy trình dưới đây giúp bạn chọn có lý do và ghi được lý do đó vào phần phương pháp. Điều quan trọng nhất: quyết định nên dựa vào thiết kế và bản chất biến, đặt ra trước khi nhìn kết quả, không đổi qua lại giữa t-test và phi tham số tuỳ cái nào cho p nhỏ hơn.

  1. Xác định thiết kế: số nhóm, nhóm độc lập hay đo lặp, biến kết quả là liên tục, thứ bậc hay định danh.
  2. Nếu biến là định danh, chuyển sang nhóm kiểm định chi bình phương; nếu là thứ bậc ít nấc, nghiêng về phi tham số hoặc mô hình thứ bậc.
  3. Nếu biến liên tục, xem phân bố trong từng nhóm bằng biểu đồ (histogram, hộp, Q-Q) kết hợp cỡ mẫu, không chỉ dựa vào một giá trị p của kiểm định chuẩn.
  4. Mẫu đủ lớn và phân bố chỉ hơi lệch: kiểm định tham số (thêm Welch khi phương sai chênh) thường vẫn ổn. Mẫu nhỏ, lệch mạnh hoặc ngoại lai thật: chọn phi tham số.
  5. Ghi lựa chọn và lý do vào đề cương hoặc kế hoạch phân tích trước khi chạy số liệu chính thức.
  6. Báo cáo kèm thống kê mô tả hợp với kiểm định: trung vị và khoảng tứ phân vị cho phi tham số, trung bình và độ lệch chuẩn cho tham số, cộng một chỉ số cỡ hiệu ứng.

Nếu bạn chạy cả hai loại như một phân tích độ nhạy và chúng cho kết luận giống nhau, cứ báo cáo cả hai, điều đó làm kết quả đáng tin hơn. Nếu chúng cho kết luận khác nhau, hãy báo cáo trung thực cả hai và bàn về lý do, thay vì chỉ giữ lại kết quả "đẹp" — đó là một dạng chọn lọc kết quả mà các danh mục về sai lầm và đạo đức số liệu của trang bàn kỹ hơn.

Câu hỏi thường gặp

Phi tham số có phải là kiểm định không cần giả định gì không?

Không. Phần lớn vẫn đòi các quan sát độc lập, biến ít nhất ở mức thứ bậc, và với một số kiểm định là phân phối các nhóm có hình dạng tương tự nếu muốn diễn giải như so sánh trung vị. Chúng chỉ bỏ giả định về một dạng phân phối cụ thể như phân phối chuẩn.

Mẫu lớn có cần dùng phi tham số khi dữ liệu không chuẩn không?

Không nhất thiết. Với mẫu lớn, trung bình mẫu có phân phối xấp xỉ chuẩn nhờ định lý giới hạn trung tâm, nên t-test và ANOVA khá bền với lệch vừa phải. Phi tham số vẫn đáng cân nhắc khi lệch rất mạnh, đuôi rất nặng hoặc khi trung vị mới là đại lượng bạn thật sự quan tâm.

Dùng phi tham số có bị hội đồng đánh giá thấp không?

Không có lý do để bị đánh giá thấp nếu lựa chọn hợp với thiết kế và bạn giải thích được vì sao. Điều hội đồng hay bắt lỗi là chọn kiểm định không khớp câu hỏi, báo cáo trung bình trong khi chạy kiểm định trên hạng, hoặc không trình bày cỡ hiệu ứng.

Phi tham số có cho khoảng tin cậy không?

Có, nhưng không phải phần mềm nào cũng xuất sẵn. Ví dụ đi kèm Mann-Whitney có khoảng tin cậy Hodges-Lehmann cho độ dịch chuyển vị trí, đi kèm Wilcoxon có khoảng tin cậy cho trung vị độ chênh. Một số chương trình cần bật tuỳ chọn riêng, nên bạn kiểm tra tài liệu của phiên bản đang dùng.

Nên báo cáo trung bình hay trung vị khi dùng kiểm định phi tham số?

Thông lệ là trung vị kèm khoảng tứ phân vị cho từng nhóm, vì chúng khớp với tinh thần dựa trên thứ hạng. Bạn vẫn có thể thêm trung bình và độ lệch chuẩn để người đọc dễ so với nghiên cứu khác, miễn là không diễn giải kết quả kiểm định như một phép so sánh trung bình.

Kiểm định chi bình phương có phải là phi tham số không?

Nhiều giáo trình xếp chi bình phương vào nhóm phi tham số vì nó làm việc với tần số của biến định danh và không giả định phân phối chuẩn của biến gốc. Tuy vậy nó dùng xấp xỉ phân phối chi bình phương và có điều kiện riêng về tần số kỳ vọng, được bàn ở danh mục chi bình phương của trang.

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