Sai lầm loại 1 là bác bỏ H0 trong khi H0 thực ra đúng — kết luận có khác biệt khi thật ra không có. Sai lầm loại 2 là không bác bỏ H0 trong khi H0 thực ra sai — bỏ sót một khác biệt có thật. Xác suất mắc sai lầm loại 1 là alpha, do bạn chọn trước; xác suất mắc sai lầm loại 2 là beta, phụ thuộc cỡ mẫu, độ lớn hiệu ứng và chính alpha. Lực mẫu, hay power, bằng 1 − beta.
Hai loại sai lầm này là lý do kiểm định không bao giờ "chứng minh" được điều gì: mọi kết luận đều đi kèm một rủi ro sai. Bài này cho bạn cách nhớ không lẫn, một ví dụ tính tay để thấy beta thay đổi ra sao khi tăng cỡ mẫu, và những điểm cần viết vào luận văn.
Bảng bốn ô: quyết định và sự thật
Cách nhớ chắc nhất là kẻ một bảng hai hàng hai cột. Hàng là quyết định bạn đưa ra từ số liệu, cột là sự thật về tổng thể mà bạn không quan sát được trực tiếp.
| Quyết định từ số liệu | Sự thật: H0 đúng | Sự thật: H0 sai |
|---|---|---|
| Bác bỏ H0 | Sai lầm loại 1, xác suất alpha (báo động giả) | Quyết định đúng, xác suất 1 − beta (lực mẫu) |
| Không bác bỏ H0 | Quyết định đúng, xác suất 1 − alpha | Sai lầm loại 2, xác suất beta (bỏ sót) |
Chú ý rằng alpha và beta là xác suất có điều kiện theo hai "thế giới" khác nhau. Alpha tính trong thế giới H0 đúng, beta tính trong thế giới H0 sai với một độ lớn hiệu ứng cụ thể. Vì thế alpha + beta không nhất thiết bằng 1, và cũng không có quy luật nào buộc chúng cộng lại thành một con số cố định.
Một cách nhớ thông dụng là liên tưởng tới xét nghiệm: sai lầm loại 1 giống kết quả dương tính giả (báo có bệnh khi không có), sai lầm loại 2 giống âm tính giả (báo không bệnh khi thật ra có). Với H0 là "không có bệnh, không có khác biệt", dương tính tương ứng bác bỏ H0.
Hai ví dụ đời thường để không bao giờ lẫn
Ví dụ phiên toà: H0 là bị cáo vô tội. Kết án oan một người vô tội là sai lầm loại 1. Tha bổng một người thực sự có tội vì không đủ chứng cứ là sai lầm loại 2. Nguyên tắc suy đoán vô tội là lựa chọn đặt sai lầm loại 1 ở mức rất thấp, chấp nhận rằng sai lầm loại 2 sẽ cao hơn. Thống kê làm điều tương tự khi đặt alpha nhỏ: ưu tiên không báo động giả, chấp nhận bỏ sót một phần.
Ví dụ kiểm tra chất lượng: một xưởng ở Bình Dương lấy mẫu để kiểm lô hàng, H0 là lô đạt chuẩn. Loại nhầm một lô đạt chuẩn là sai lầm loại 1, gây thiệt hại cho xưởng sản xuất. Cho qua một lô không đạt là sai lầm loại 2, gây thiệt hại cho người mua. Trong thương mại, hai bên thường thoả thuận cả hai mức rủi ro này khi thiết kế phương án lấy mẫu, gọi là rủi ro nhà sản xuất và rủi ro người tiêu dùng.
Từ hai ví dụ, rút ra một quy tắc: loại sai lầm nào nặng hơn tuỳ bối cảnh, không có câu trả lời chung. Trong sàng lọc bệnh nguy hiểm, bỏ sót người bệnh có thể nặng hơn báo động giả; trong việc kết luận một thuốc có hiệu quả để đưa ra thị trường, báo động giả lại đáng sợ hơn. Lựa chọn alpha và cỡ mẫu nên phản ánh điều đó.
Ví dụ tính tay: beta và lực mẫu thay đổi theo cỡ mẫu
Ví dụ giả định: một bài kiểm tra kỹ năng đọc đã chuẩn hoá có điểm trung bình 100 và độ lệch chuẩn 15 trên học sinh nói chung. Một trường thử chương trình đọc mới và muốn biết điểm trung bình có tăng không. Giả thuyết: H0: μ ≤ 100, H1: μ > 100, kiểm một phía với alpha 0,05, coi độ lệch chuẩn 15 là đã biết để dùng kiểm định z cho dễ tính.
Với 36 học sinh, sai số chuẩn của trung bình là 15 chia căn bậc hai của 36, tức 15/6 = 2,5. Ngưỡng z một phía ở alpha 0,05 là 1,645, nên trường sẽ bác bỏ H0 khi trung bình mẫu lớn hơn 100 + 1,645 × 2,5 ≈ 104,11. Đó là vùng bác bỏ.
Giờ giả sử sự thật là chương trình nâng trung bình lên 105. Beta là xác suất trung bình mẫu vẫn rơi dưới 104,11 dù trung bình thật là 105. Quy đổi: z = (104,11 − 105)/2,5 ≈ −0,36, và xác suất dưới phân phối chuẩn bên trái −0,36 xấp xỉ 0,36. Vậy beta khoảng 0,36 và lực mẫu khoảng 0,64: cứ mười trường làm đúng nghiên cứu này thì gần bốn trường sẽ bỏ sót một cải thiện có thật 5 điểm.
Nếu tăng lên 100 học sinh, sai số chuẩn còn 15/10 = 1,5, ngưỡng bác bỏ còn 100 + 1,645 × 1,5 ≈ 102,47. Khi trung bình thật là 105: z = (102,47 − 105)/1,5 ≈ −1,69, beta xấp xỉ 0,05, lực mẫu khoảng 0,95. Alpha giữ nguyên 0,05, nhưng nhờ thêm số liệu mà rủi ro bỏ sót giảm từ khoảng 36% xuống khoảng 5%.
Beta phụ thuộc vào những gì
Bảng tóm tắt các con số tính theo cùng ví dụ trên (độ lệch chuẩn 15, kiểm một phía). Các giá trị làm tròn hai chữ số, để bạn thấy từng yếu tố kéo beta lên hay xuống.
| Kịch bản | Alpha | Cỡ mẫu | Trung bình thật | Beta xấp xỉ | Lực mẫu xấp xỉ |
|---|---|---|---|---|---|
| Gốc | 0,05 | 36 | 105 | 0,36 | 0,64 |
| Tăng cỡ mẫu | 0,05 | 100 | 105 | 0,05 | 0,95 |
| Siết alpha | 0,01 | 36 | 105 | 0,63 | 0,37 |
| Hiệu ứng lớn hơn | 0,05 | 36 | 110 | 0,01 | 0,99 |
| Hiệu ứng nhỏ hơn | 0,05 | 36 | 102 | 0,80 | 0,20 |
Đọc theo hàng: siết alpha từ 0,05 xuống 0,01 (giữ 36 học sinh) đẩy beta từ khoảng 0,36 lên khoảng 0,63, vì ngưỡng bác bỏ lùi lên 100 + 2,326 × 2,5 ≈ 105,82. Hiệu ứng thật càng lớn thì càng dễ phát hiện; hiệu ứng chỉ 2 điểm thì với 36 học sinh, khả năng bỏ sót tới khoảng 80%.
Bốn yếu tố quyết định beta vì vậy là: alpha, cỡ mẫu, độ lớn hiệu ứng thật và độ biến thiên của số liệu. Bạn kiểm soát được alpha và cỡ mẫu; độ biến thiên có thể giảm phần nào bằng đo lường cẩn thận hơn; còn độ lớn hiệu ứng thật thì không ai biết trước, nên khi tính cỡ mẫu người ta phải chọn một mức hiệu ứng "nhỏ nhất đáng quan tâm".
Bốn cách giảm sai lầm loại 2 mà không phải nới alpha
Khi lực mẫu thấp, phản xạ sai là nới alpha lên 0,10. Có những cách khác giữ nguyên rủi ro báo động giả mà vẫn tăng khả năng phát hiện hiệu ứng có thật; nên cân nhắc chúng ngay ở khâu thiết kế.
- Tăng cỡ mẫu. Sai số chuẩn tỷ lệ nghịch với căn bậc hai của cỡ mẫu, nên muốn giảm sai số chuẩn một nửa phải tăng mẫu gấp bốn. Tốn kém, nhưng là cách trực tiếp nhất, như ví dụ 36 so với 100 học sinh ở trên.
- Giảm nhiễu trong đo lường. Thang đo có độ tin cậy kém, người đo không thống nhất, điều kiện đo thay đổi đều làm độ lệch chuẩn phình ra và kéo lực mẫu xuống. Tập huấn người thu số liệu, dùng công cụ đo ổn định, thử nghiệm bảng hỏi trước là những việc rẻ mà hiệu quả.
- Dùng thiết kế đo lặp hoặc ghép cặp. So sánh trước và sau trên cùng một người loại bỏ được khác biệt giữa các cá nhân, nên độ biến thiên của hiệu thường nhỏ hơn nhiều so với khi so hai nhóm người khác nhau. Cùng số người tham gia, kiểm định t mẫu cặp thường mạnh hơn t hai mẫu độc lập, với điều kiện thiết kế trước – sau phù hợp với câu hỏi.
- Chọn đúng kiểm định và biến kiểm soát. Khi giả định của kiểm định tham số được thoả, nó thường có lực cao hơn phiên bản phi tham số tương ứng. Đưa một biến đo trước có liên quan chặt với kết quả vào mô hình, như điểm đầu vào khi so sánh điểm cuối kỳ, cũng giúp giảm phần biến thiên không giải thích được.
Điểm chung của bốn cách: chúng tăng lượng thông tin có ích trong số liệu, thay vì hạ chuẩn bằng chứng. Đó là hướng đúng để đối phó với sai lầm loại 2.
Những hiểu lầm phổ biến về hai loại sai lầm
"Alpha 0,05 nghĩa là kết luận của mình có 5% khả năng sai." Không chính xác. Alpha là xác suất bác bỏ nhầm với điều kiện H0 đúng. Khi bạn đã bác bỏ H0, xác suất kết luận đó sai còn phụ thuộc vào lực mẫu và vào việc giả thuyết bạn kiểm có hợp lý từ đầu hay không; nó có thể cao hơn 5% nhiều.
"Không bác bỏ H0 thì không mắc sai lầm gì." Không bác bỏ H0 vẫn có thể là sai lầm loại 2. Với mẫu nhỏ, lực mẫu thấp, khả năng này không hề nhỏ. Đó là lý do câu "không có khác biệt" phải được viết thận trọng.
"Có thể giảm cả hai sai lầm bằng cách chọn alpha khéo." Với cỡ mẫu cố định, giảm alpha làm tăng beta và ngược lại. Cách duy nhất giảm đồng thời cả hai là tăng lượng thông tin: thêm mẫu, đo chính xác hơn, hoặc dùng thiết kế hiệu quả hơn như đo lặp trên cùng đối tượng.
"Lực mẫu tính sau khi có kết quả cho biết nghiên cứu có đủ mạnh không." Lực mẫu tính ngược từ chính hiệu ứng quan sát được, thường gọi là lực mẫu hậu kiểm, gần như chỉ là cách viết lại giá trị p và bị nhiều nhà thống kê khuyên tránh. Lực mẫu có ích nhất khi tính trước, lúc lập kế hoạch cỡ mẫu.
Viết về hai loại sai lầm trong luận văn
Hội đồng hay hỏi về sai lầm loại 1 và loại 2 ở phần phương pháp và phần hạn chế. Bạn có thể chuẩn bị sẵn các điểm sau, viết ngắn gọn bằng lời của mình.
- Ở phần phương pháp: nêu alpha đã chọn và lý do, nêu mức lực mẫu mục tiêu (thường 0,80) cùng độ lớn hiệu ứng đã dùng để tính cỡ mẫu nếu có.
- Nếu có nhiều phép kiểm: nêu cách kiểm soát sai lầm loại 1 cho cả họ phép kiểm, ví dụ hiệu chỉnh Bonferroni hay Holm.
- Ở phần kết quả không có ý nghĩa: tránh viết "không có khác biệt"; viết "không đủ bằng chứng về khác biệt", kèm khoảng tin cậy để người đọc thấy mức độ chưa chắc chắn.
- Ở phần hạn chế: nếu cỡ mẫu nhỏ do điều kiện thực tế, thừa nhận rằng nghiên cứu có thể không đủ lực để phát hiện hiệu ứng nhỏ, và nói rõ hiệu ứng cỡ nào thì nghiên cứu đủ sức phát hiện.
- Khi được hỏi miệng: trả lời bằng bảng bốn ô, rồi gắn vào nghiên cứu của chính bạn — báo động giả ở đây nghĩa là gì, bỏ sót ở đây nghĩa là gì.
Phần tính cỡ mẫu và lực mẫu chi tiết cho từng loại kiểm định có trong danh mục cỡ hiệu ứng và lực mẫu của trang; bài này chỉ dừng ở khái niệm và trực giác.
Câu hỏi thường gặp
Sai lầm loại 1 và loại 2, loại nào nghiêm trọng hơn?
Không có câu trả lời chung. Tuỳ hậu quả trong từng bối cảnh: kết luận nhầm một thuốc có hiệu quả có thể gây hại cho người bệnh, còn bỏ sót một tín hiệu ở giai đoạn sàng lọc chỉ làm mất cơ hội nghiên cứu tiếp. Nên cân nhắc hậu quả rồi chọn alpha và cỡ mẫu tương ứng.
Beta thường được chọn bằng bao nhiêu?
Quy ước phổ biến là beta 0,20, tương ứng lực mẫu 0,80, theo gợi ý của Jacob Cohen. Một số lĩnh vực đòi lực mẫu 0,90. Đây là quy ước tham khảo, không phải chuẩn bắt buộc; lực mẫu cao hơn đòi hỏi cỡ mẫu lớn hơn.
Vì sao không đặt alpha thật nhỏ cho chắc?
Alpha càng nhỏ thì vùng bác bỏ càng hẹp, nên với cùng cỡ mẫu, khả năng bỏ sót hiệu ứng có thật tăng lên. Nghiên cứu khi đó có thể tốn công mà gần như không thể ra kết quả có ý nghĩa, trừ khi tăng mẫu tương ứng.
Có tính được beta khi không biết hiệu ứng thật không?
Beta luôn tính theo một giá trị giả định của hiệu ứng thật. Vì không biết hiệu ứng thật, người ta chọn mức hiệu ứng nhỏ nhất có ý nghĩa thực tiễn, hoặc dựa vào nghiên cứu trước, rồi tính beta và cỡ mẫu theo mức đó.
Sai lầm loại 3 là gì?
Một số tác giả dùng cụm "sai lầm loại 3" cho tình huống trả lời đúng một câu hỏi sai, hoặc bác bỏ H0 đúng nhưng kết luận sai chiều khác biệt. Cách dùng không thống nhất giữa các sách, nên khi gặp cần đọc định nghĩa của chính tác giả đó.
Kiểm định nhiều lần ảnh hưởng thế nào đến sai lầm loại 1?
Mỗi lần kiểm ở alpha 0,05 mang 5% rủi ro báo động giả khi H0 đúng; làm nhiều lần, xác suất có ít nhất một báo động giả tăng nhanh. Với 10 phép kiểm độc lập, con số đó khoảng 40%. Vì vậy cần hiệu chỉnh khi có nhiều phép kiểm cùng họ.