Kiểm định t một mẫu dùng khi bạn có một nhóm số đo và muốn biết trung bình của nhóm đó có khác một con số cho trước hay không — con số đó có thể là khối lượng in trên bao bì, một tiêu chuẩn kỹ thuật, điểm trung bình toàn quốc đã công bố hoặc mốc trung lập 3 trên thang 5 điểm. Thống kê kiểm định là t = (trung bình mẫu − giá trị so sánh) / (độ lệch chuẩn mẫu / căn bậc hai của n), so với phân phối t có n − 1 bậc tự do.
Bài này đi từ câu hỏi nghiên cứu tới kết luận, có một ví dụ giả định 10 quan sát được tính tay từng dòng để bạn tự kiểm lại bằng máy tính bỏ túi hay bảng tính. Cuối bài là những lỗi hay gặp khi sinh viên dùng phép kiểm định này trong luận văn.
Kiểm định t một mẫu trả lời câu hỏi gì
Mọi kiểm định t đều so sánh trung bình. Riêng loại một mẫu chỉ có một nhóm dữ liệu, và mốc so sánh không đến từ một nhóm khác mà đến từ bên ngoài: một con số được công bố, quy định hoặc được chọn trước vì có ý nghĩa lý thuyết. Câu hỏi nằm trong khuôn: trung bình thật của tổng thể mà mẫu này đại diện có bằng con số đó không.
Vài tình huống điển hình: một xưởng đóng gói ghi 250 g trên nhãn, bộ phận chất lượng cân ngẫu nhiên một số gói để xem khối lượng trung bình có lệch khỏi 250 g; một khoa muốn biết số giờ tự học mỗi tuần của sinh viên năm nhất có khác mức 15 giờ mà chương trình đào tạo giả định; một khảo sát dùng thang Likert 5 điểm và nhà nghiên cứu muốn biết điểm trung bình của một ý có khác mốc trung lập 3 hay không.
Cặp giả thuyết viết như sau. H0: trung bình tổng thể μ bằng μ0 (giá trị so sánh). H1 hai phía: μ khác μ0. Nếu trước khi thu số liệu bạn đã có lý do rõ ràng chỉ quan tâm một chiều, H1 có thể là μ nhỏ hơn μ0 hoặc μ lớn hơn μ0; lựa chọn này phải ghi ra từ đầu, không được đổi sau khi thấy dữ liệu.
Điều cần nhớ là giá trị μ0 phải có trước và độc lập với mẫu. Nếu bạn lấy trung bình của chính mẫu, hay của một mẫu khác nhỏ và cũng có sai số, để làm μ0, phép kiểm định một mẫu không còn đúng nghĩa; khi đó bài toán thật ra là so sánh hai nhóm.
Công thức và ý nghĩa từng thành phần
Công thức chỉ có bốn thành phần. Hiểu từng thành phần làm gì sẽ giúp bạn đoán được kết quả trước khi bấm máy.
| Ký hiệu | Tên gọi | Cách tính | Vai trò trong kiểm định |
|---|---|---|---|
| x̄ | Trung bình mẫu | Tổng các quan sát chia cho n | Điểm ước lượng của trung bình tổng thể |
| μ0 | Giá trị so sánh | Lấy từ tiêu chuẩn, nhãn, mốc lý thuyết | Giá trị mà H0 cho là đúng |
| s | Độ lệch chuẩn mẫu | Căn bậc hai của tổng bình phương độ lệch chia cho n − 1 | Đo mức phân tán của từng quan sát |
| SE = s / √n | Sai số chuẩn của trung bình | Lấy s chia cho căn bậc hai của n | Đo mức dao động của chính trung bình mẫu nếu lấy mẫu lại nhiều lần |
| t = (x̄ − μ0) / SE | Thống kê t | Chênh lệch chia cho sai số chuẩn | Cho biết chênh lệch bằng bao nhiêu lần sai số chuẩn |
| df = n − 1 | Bậc tự do | Cỡ mẫu trừ một | Chọn đúng đường phân phối t để tra giá trị tới hạn hoặc tính p |
Đọc công thức theo chiều trực giác: t lớn (về trị tuyệt đối) khi chênh lệch giữa x̄ và μ0 lớn, khi dữ liệu ít phân tán (s nhỏ) hoặc khi cỡ mẫu lớn. Vì n nằm dưới dấu căn, muốn sai số chuẩn giảm một nửa bạn phải tăng cỡ mẫu lên bốn lần chứ không phải hai lần.
Chia cho n − 1 chứ không chia cho n khi tính phương sai mẫu là để phương sai mẫu không ước lượng thấp một cách hệ thống phương sai của tổng thể. Excel phân biệt hai hàm STDEV.S (chia n − 1) và STDEV.P (chia n); trong kiểm định bạn dùng loại chia n − 1.
Ví dụ giả định: cân 10 gói cà phê ghi nhãn 250 g
Ví dụ giả định: bộ phận chất lượng của một xưởng nhỏ chọn ngẫu nhiên 10 gói cà phê trong một ca và cân được các khối lượng (gam) như cột thứ hai. Cột thứ ba là độ lệch của từng gói so với trung bình mẫu, cột thứ tư là bình phương độ lệch.
| Gói | Khối lượng (g) | Độ lệch so với 248 | Bình phương độ lệch |
|---|---|---|---|
| 1 | 246 | −2 | 4 |
| 2 | 251 | 3 | 9 |
| 3 | 248 | 0 | 0 |
| 4 | 244 | −4 | 16 |
| 5 | 249 | 1 | 1 |
| 6 | 252 | 4 | 16 |
| 7 | 245 | −3 | 9 |
| 8 | 247 | −1 | 1 |
| 9 | 250 | 2 | 4 |
| 10 | 248 | 0 | 0 |
| Tổng | 2.480 | 0 | 60 |
Trung bình mẫu là 2.480 / 10 = 248 g. Tổng các độ lệch luôn bằng 0, đây là cách tự kiểm nhanh xem bạn đã tính trung bình đúng chưa. Tổng bình phương độ lệch là 60, nên phương sai mẫu là 60 / 9 ≈ 6,667 và độ lệch chuẩn mẫu s ≈ 2,582 g.
Lưu ý rằng chưa có gói nào bị coi là "lỗi" ở bước này: gói 251 g và gói 244 g đều chỉ là biến động tự nhiên của máy chiết rót. Kiểm định không xét từng gói, nó xét xem trung bình của cả ca có lệch khỏi 250 g hay không.
Tính t, tra bảng và tính giá trị p từng bước
Tiếp tục với số liệu trên, giả thuyết hai phía: H0 là μ = 250 g, H1 là μ ≠ 250 g, mức ý nghĩa α = 0,05 được chọn trước.
- Sai số chuẩn: SE = s / √n = 2,582 / √10 = 2,582 / 3,162 ≈ 0,816 g.
- Thống kê t: t = (248 − 250) / 0,816 ≈ −2,449. Trung bình mẫu thấp hơn mốc 250 g khoảng 2,45 lần sai số chuẩn.
- Bậc tự do: df = 10 − 1 = 9.
- Giá trị tới hạn hai phía với α = 0,05 và df = 9 là 2,262. Vì |t| = 2,449 lớn hơn 2,262, t rơi vào vùng bác bỏ.
- Giá trị p hai phía (tính bằng phần mềm) xấp xỉ 0,037, nhỏ hơn 0,05, khớp với kết luận ở bước trước.
- Khoảng tin cậy 95% của trung bình: 248 ± 2,262 × 0,816, tức khoảng từ 246,15 đến 249,85 g. Khoảng này không chứa 250, cũng khớp với quyết định bác bỏ H0.
Ba cách đi tới kết luận — so t với giá trị tới hạn, so p với α, xem khoảng tin cậy có chứa μ0 hay không — luôn cho cùng một quyết định khi dùng cùng α và cùng loại kiểm định hai phía. Nếu ba cách cho kết quả khác nhau, gần như chắc chắn có một phép tính bị nhầm, thường là nhầm STDEV.P với STDEV.S hoặc quên lấy căn của n.
Trong Excel, bạn có thể kiểm lại giá trị p bằng hàm T.DIST.2T với đối số là trị tuyệt đối của t và bậc tự do; giá trị tới hạn lấy bằng T.INV.2T(0,05; 9). Tên và cách đặt dấu phân cách đối số tuỳ phiên bản và cài đặt vùng, bạn nên kiểm trong máy của mình.
Kết luận thế nào cho đúng, và đừng quên ý nghĩa thực tế
Với ví dụ trên, câu kết luận đúng là: ở mức ý nghĩa 5%, dữ liệu cho bằng chứng rằng khối lượng trung bình của các gói trong ca này khác 250 g; trung bình mẫu là 248 g, khoảng tin cậy 95% từ khoảng 246,2 đến 249,8 g. Câu này nói được ba điều: có khác biệt, khác theo chiều nào, và lớn cỡ nào.
Giá trị p 0,037 không có nghĩa là "xác suất H0 đúng là 3,7%". Nó có nghĩa là nếu trung bình thật đúng là 250 g và các giả định được thoả, thì khả năng thu được một mẫu 10 gói có trung bình lệch khỏi 250 g ít nhất cỡ 2 g như thế này (về cả hai phía) là khoảng 3,7%.
Có ý nghĩa thống kê cũng không tự động là đáng lo. Chênh 2 g trên 250 g là chưa tới 1%; có đáng hiệu chỉnh máy hay không phụ thuộc quy định đo lường áp dụng cho hàng đóng gói sẵn, dung sai mà khách hàng chấp nhận và chi phí điều chỉnh. Kiểm định chỉ trả lời câu hỏi về độ tin cậy của chênh lệch; câu hỏi chênh lệch đó có quan trọng hay không thuộc về chuyên môn của ngành.
Ngược lại, giả sử một ca khác cho p = 0,20. Khi đó bạn viết "chưa đủ bằng chứng để kết luận khối lượng trung bình khác 250 g", không viết "đã chứng minh khối lượng trung bình đúng 250 g". Với 10 gói, phép kiểm định có thể không đủ nhạy để phát hiện một độ lệch nhỏ nhưng có thật. Nếu mục tiêu của bạn là chứng minh trung bình nằm trong một dung sai, có một cách làm riêng gọi là kiểm định tương đương.
Điều kiện để kiểm định t một mẫu cho kết quả đáng tin
Các quan sát độc lập với nhau. Mười gói phải được chọn ngẫu nhiên trong ca, không lấy liền mười gói từ cùng một lần chiết rót. Mười lần cân lại cùng một gói cũng không phải mười quan sát độc lập. Vi phạm điều kiện này làm sai số chuẩn bị ước lượng sai và không có phép hiệu chỉnh đơn giản nào cứu được.
Biến đo là biến định lượng. Khối lượng, thời gian, điểm số trên thang liên tục là phù hợp. Với thang Likert một câu hỏi (chỉ 5 mức), việc dùng trung bình còn có tranh luận; nhiều nhà nghiên cứu chấp nhận khi dùng điểm tổng hay điểm trung bình của nhiều câu, nhưng bạn nên nêu rõ quan điểm mình theo.
Trung bình mẫu có phân phối xấp xỉ chuẩn. Điều kiện thật nằm ở phân phối của trung bình mẫu, không phải của từng quan sát. Khi n nhỏ (dưới khoảng 15 – 20), dữ liệu cần gần đối xứng và không có giá trị ngoại lai lớn. Khi n lớn hơn, định lý giới hạn trung tâm giúp kiểm định chịu được lệch vừa phải. Biểu đồ hộp hoặc biểu đồ Q–Q nói được nhiều hơn một kiểm định chuẩn đơn lẻ.
Giá trị so sánh không lấy từ chính dữ liệu. Như đã nói ở trên, μ0 phải có nguồn gốc độc lập. Nếu bạn so với trung bình của một nhóm khác, hãy dùng kiểm định t hai mẫu hoặc mẫu cặp tuỳ thiết kế.
Dữ liệu lệch mạnh hay có ngoại lai thì có phương án thay. Kiểm định dấu hạng Wilcoxon một mẫu so trung vị thay vì trung bình, ít nhạy với ngoại lai. Đổi phép kiểm định cũng là đổi câu hỏi (trung vị thay cho trung bình), vì vậy phải ghi rõ trong phần phương pháp.
Những lỗi hay gặp khi dùng kiểm định t một mẫu trong luận văn
Phần lớn lỗi không nằm ở phép tính mà ở cách đặt bài toán và cách viết kết luận. Đây là những lỗi người hướng dẫn hay khoanh đỏ nhất.
- Dùng kiểm định t một mẫu cho từng câu Likert rồi viết "người trả lời đồng ý" chỉ vì trung bình lớn hơn 3 một cách có ý nghĩa. Trung bình 3,2 có ý nghĩa thống kê với mẫu lớn vẫn chỉ là mức hơi nghiêng về đồng ý.
- Chọn kiểm định một phía sau khi đã thấy dữ liệu nghiêng về một chiều để p nhỏ đi một nửa. Đây là một dạng điều chỉnh phân tích theo kết quả, làm sai mức ý nghĩa thật.
- Lấy μ0 là một con số không có nguồn, ví dụ "mức trung bình ngành" không ghi xuất xứ. Hội đồng sẽ hỏi con số đó từ đâu ra, và nếu không trả lời được thì cả phép kiểm định mất nền.
- Báo cáo mỗi giá trị p mà không có trung bình, độ lệch chuẩn, t, bậc tự do và khoảng tin cậy. Người đọc cần những con số đó để biết chênh lệch lớn cỡ nào.
- Viết "p = 0,000" theo nguyên văn bảng xuất của phần mềm. Giá trị p không bao giờ bằng đúng 0; nên ghi "p < 0,001".
- Gộp số liệu nhiều ca, nhiều lớp, nhiều cơ sở vào một mẫu rồi coi như các quan sát độc lập, trong khi các quan sát cùng ca hoặc cùng lớp giống nhau hơn bình thường.
Nếu luận văn có nhiều phép kiểm định một mẫu cho nhiều chỉ tiêu, bạn còn phải tính tới vấn đề kiểm định nhiều lần: càng thực hiện nhiều phép kiểm định, khả năng có ít nhất một kết quả "có ý nghĩa" do ngẫu nhiên càng lớn. Hãy bàn với người hướng dẫn trước về cách hiệu chỉnh hoặc chọn chỉ tiêu chính.
Câu hỏi thường gặp
Kiểm định t một mẫu khác kiểm định z một mẫu ở điểm nào?
Kiểm định z dùng khi độ lệch chuẩn của tổng thể đã biết từ trước, còn kiểm định t dùng độ lệch chuẩn ước lượng từ chính mẫu nên phải tra phân phối t có đuôi dày hơn. Trong nghiên cứu thực tế hiếm khi biết độ lệch chuẩn tổng thể, vì vậy kiểm định t là lựa chọn mặc định cho trung bình.
Cỡ mẫu tối thiểu cho kiểm định t một mẫu là bao nhiêu?
Về mặt tính toán chỉ cần hai quan sát, nhưng mẫu quá nhỏ cho lực kiểm định rất thấp và khó kiểm được giả định phân phối. Cỡ mẫu nên được tính trước dựa trên chênh lệch nhỏ nhất bạn muốn phát hiện, độ lệch chuẩn dự kiến, mức ý nghĩa và lực mẫu mong muốn, không có một con số chung cho mọi trường hợp.
Kết quả t âm có nghĩa là sai không?
Không. Dấu của t chỉ cho biết chiều chênh lệch: t âm nghĩa là trung bình mẫu nhỏ hơn giá trị so sánh, t dương là lớn hơn. Với kiểm định hai phía, bạn so trị tuyệt đối của t với giá trị tới hạn; với kiểm định một phía, chiều của t phải khớp với chiều của giả thuyết đối đã đặt trước.
Có thể dùng kiểm định t một mẫu để so điểm Likert với mốc 3 không?
Có thể, và cách này khá phổ biến, nhưng nên dùng cho điểm trung bình của một thang đo nhiều câu hơn là cho từng câu riêng lẻ. Bạn cũng nên báo cáo cả phân bố câu trả lời theo từng mức, vì trung bình 3 có thể đến từ một nhóm đồng ý và một nhóm phản đối gần ngang nhau.
Nếu p đúng bằng 0,05 thì kết luận thế nào?
Theo quy ước bác bỏ khi p nhỏ hơn hoặc bằng α, về hình thức là bác bỏ H0. Tuy vậy chênh lệch giữa p = 0,049 và p = 0,051 gần như không có ý nghĩa về bằng chứng, nên bạn nên báo cáo giá trị p chính xác cùng khoảng tin cậy và tránh viết kết luận quá mạnh theo bất kỳ chiều nào.
Trong SPSS và R kiểm định t một mẫu nằm ở đâu?
Trong SPSS thường nằm trong nhóm so sánh trung bình, mục kiểm định t một mẫu, nơi bạn nhập giá trị so sánh vào ô giá trị kiểm định. Trong R dùng hàm t.test với đối số mu bằng giá trị so sánh. Tên menu có thể đổi theo phiên bản, nên đối chiếu tài liệu đi kèm bản bạn đang dùng.