GiaThuyet.comGiả Thuyết
Cỡ hiệu ứng, lực mẫu và khoảng tin cậy

Tính cỡ mẫu cho t-test: công thức, ví dụ tính tay cho hai nhóm độc lập và mẫu cặp

Công thức tính cỡ mẫu cho kiểm định t hai nhóm độc lập và mẫu cặp, ví dụ tính tay ra 64 và 34 người, bảng tra theo d, dự phòng bỏ cuộc và nhóm không đều.

Over-the-shoulder view of a master student in a Ho Chi Minh City cafe, pencil working on a blank sheet beside a scientific calculator and iced coffee, rainy window light

Với kiểm định t hai nhóm độc lập, cỡ mẫu mỗi nhóm xấp xỉ bằng 2 × (z của alpha + z của lực mẫu)² chia cho d², cộng thêm khoảng 1 để bù cho phân phối t. Ở mức alpha 0,05 hai phía, lực mẫu 80% và cỡ hiệu ứng d = 0,5, kết quả là 64 người mỗi nhóm. Với thiết kế mẫu cặp và d_z = 0,5, chỉ cần 34 người.

Bài này dành cho người cần tự tính và tự giải thích con số trong đề cương, không chỉ bấm phần mềm. Phần dưới có các bước tính tay, bảng tra nhanh cho các cỡ hiệu ứng thường gặp, cách chuyển từ thiết kế hai nhóm sang mẫu cặp, cách bù tỷ lệ bỏ cuộc và nhóm không bằng nhau. Bài không bàn công thức Cochran hay Yamane cho khảo sát ước lượng tỷ lệ, vốn trả lời một câu hỏi khác.

Bốn thông tin cần có trước khi tính

Cỡ mẫu cho kiểm định không có "con số chuẩn" như 30 hay 100. Nó là kết quả của bốn lựa chọn, và mỗi lựa chọn cần có lý do viết được thành câu:

  • Thiết kế và phép kiểm định: hai nhóm độc lập, mẫu cặp trước – sau, hay một mẫu so với một giá trị chuẩn. Ba thiết kế này cho cỡ mẫu rất khác nhau với cùng một hiệu ứng.
  • Mức ý nghĩa và số phía: thông lệ là 0,05 hai phía, ứng với z = 1,96. Nếu có hiệu chỉnh cho nhiều kiểm định, dùng alpha đã hiệu chỉnh.
  • Lực mẫu mục tiêu: 80% ứng với z = 0,842 (chính xác hơn là 0,8416); 90% ứng với z = 1,282.
  • Cỡ hiệu ứng giả định: d cho hai nhóm độc lập, d_z cho mẫu cặp. Đây là đầu vào khó nhất và ảnh hưởng mạnh nhất, vì cỡ mẫu tỷ lệ nghịch với bình phương của d: giảm d một nửa thì cỡ mẫu tăng gấp bốn.

Một lưu ý về phạm vi: công thức Cochran, Yamane dùng khi muốn ước lượng một tỷ lệ trong tổng thể với sai số cho trước, chẳng hạn khảo sát tỷ lệ sinh viên đi làm thêm. Khi mục tiêu là so sánh nhóm bằng kiểm định, bạn cần cách tính dựa trên lực mẫu như trong bài này. Dùng nhầm công thức là lỗi hay bị hội đồng hỏi.

Tính tay cho hai nhóm độc lập

Công thức xấp xỉ chuẩn: n mỗi nhóm = 2 × (z_{1−α/2} + z_{1−β})² / d². Ví dụ giả định: alpha 0,05 hai phía, lực 80%, d = 0,5.

  1. Cộng hai giá trị z: 1,96 + 0,8416 = 2,8016.
  2. Bình phương: 2,8016² ≈ 7,849.
  3. Nhân 2: 15,698.
  4. Chia cho d²: 15,698 / 0,25 ≈ 62,8.
  5. Bù cho phân phối t: công thức trên dùng phân phối chuẩn, hơi lạc quan với mẫu vừa và nhỏ. Một hiệu chỉnh hay dùng là cộng thêm z_{1−α/2}² / 4 ≈ 0,96 người mỗi nhóm: 62,8 + 0,96 ≈ 63,8.
  6. Làm tròn lên: 64 người mỗi nhóm, tổng 128. Luôn làm tròn lên, không làm tròn theo quy tắc thông thường.

Con số 64 trùng với kết quả của các phần mềm tính cỡ mẫu dựa trên phân phối t không trung tâm. Cách hiệu chỉnh cộng thêm khoảng 1 người này cho kết quả khớp phần mềm với các cỡ hiệu ứng thường gặp, nhưng khi d rất lớn và cỡ mẫu dưới mười người mỗi nhóm, bạn nên dùng phần mềm.

Bảng tra nhanh cỡ mẫu mỗi nhóm cho hai nhóm độc lập

Alpha 0,05 hai phía, hai nhóm bằng nhau, tính theo phân phối t không trung tâm. Cột cuối là tổng số người cho lực 80%.

Cỡ hiệu ứng dLực 80%Lực 90%Tổng hai nhóm (lực 80%)
0,2394527788
0,3176235352
0,56486128
0,8263452

Bảng cho thấy vì sao lựa chọn d quyết định gần như toàn bộ con số. Một luận văn giả định d = 0,8 sẽ dự kiến 26 người mỗi nhóm; nếu hiệu ứng thật chỉ khoảng 0,5, lực mẫu của nghiên cứu đó rơi xuống dưới 50%. Giả định quá lạc quan về cỡ hiệu ứng là nguyên nhân phổ biến nhất khiến luận văn "không ra kết quả".

Bạn tự tạo bảng tương tự trong bảng tính bằng hàm NORM.S.INV để lấy giá trị z (ví dụ NORM.S.INV(0,975) cho 1,96 và NORM.S.INV(0,8) cho 0,8416), rồi áp công thức ở mục trên. Tên hàm có thể khác theo ngôn ngữ và phiên bản phần mềm bảng tính.

Mẫu cặp và một mẫu: công thức khác, cỡ mẫu nhỏ hơn nhiều

Với kiểm định t mẫu cặp (đo trước – sau trên cùng người) và kiểm định t một mẫu, công thức xấp xỉ là n = (z_{1−α/2} + z_{1−β})² / d_z² + z_{1−α/2}² / 2, trong đó d_z là trung bình hiệu số chia cho độ lệch chuẩn của hiệu số. Với d_z = 0,5: 7,849 / 0,25 = 31,4; cộng 1,92 được 33,3; làm tròn lên 34 người. Không có hệ số 2 ở đầu vì chỉ có một dãy số (dãy hiệu số) chứ không phải hai nhóm.

Bẫy thường gặp là lấy d từ một nghiên cứu hai nhóm rồi đưa thẳng vào công thức mẫu cặp. d_z phụ thuộc vào tương quan r giữa hai lần đo: khi hai lần đo có cùng độ lệch chuẩn, d_z = d / căn [2 × (1 − r)]. Nếu r = 0,5 thì d_z = d. Nếu r = 0,7 thì với d = 0,5, d_z = 0,5 / căn 0,6 ≈ 0,645, và cỡ mẫu cần chỉ còn khoảng 21 người. Nếu r thấp, chẳng hạn 0,3, thì d_z nhỏ hơn d và mẫu cặp mất phần lợi thế.

Vì vậy trong đề cương, bạn nên nêu rõ giá trị r giả định và nguồn của nó (nghiên cứu thử, nghiên cứu trước dùng cùng thang đo, hoặc giá trị thận trọng). Với thang đo có độ ổn định qua thời gian cao, r giữa hai lần đo cách nhau vài tuần thường khá lớn, nhưng đừng giả định cao chỉ để thu nhỏ cỡ mẫu.

Chọn d từ đâu, và những bẫy của từng nguồn

Nghiên cứu trước cùng chủ đề. Nguồn tự nhiên nhất, nhưng các nghiên cứu đã công bố có xu hướng báo cáo hiệu ứng lớn hơn thực tế. Khi chỉ có một hai nghiên cứu nhỏ, nhiều người hướng dẫn khuyên giảm d đi, ví dụ lấy khoảng một nửa đến hai phần ba con số công bố, hoặc dùng cận dưới của khoảng tin cậy.

Phân tích gộp. Nếu có phân tích gộp về can thiệp tương tự, cỡ hiệu ứng gộp đáng tin hơn nhiều so với một nghiên cứu lẻ. Nên ưu tiên con số đã hiệu chỉnh cho thiên lệch công bố nếu tác giả có báo cáo.

Nghiên cứu thử (pilot). Nghiên cứu thử rất có ích để kiểm quy trình và ước lượng độ lệch chuẩn, nhưng cỡ hiệu ứng từ pilot 10 – 15 người dao động quá mạnh để làm căn cứ. Cách thận trọng hơn là chỉ lấy độ lệch chuẩn từ pilot, còn chênh lệch trung bình thì lấy theo ngưỡng thực tiễn.

Ngưỡng khác biệt nhỏ nhất có ý nghĩa thực tiễn. Nếu bạn đặt được khác biệt tối thiểu đáng quan tâm theo đơn vị gốc (ví dụ 0,5 điểm trên thang có độ lệch chuẩn khoảng 1,25, tức d = 0,4), cỡ mẫu tính theo đó trả lời đúng câu hỏi "nghiên cứu có đủ sức phát hiện khác biệt mà người ta quan tâm không".

Mốc quy ước của Cohen. Dùng được khi không còn nguồn nào khác, kèm câu nói rõ đây là quy ước tham khảo. Mặc định chọn d = 0,5 cho mọi luận văn là thói quen nên tránh.

Một ví dụ trọn vẹn: từ ngưỡng thực tiễn đến số người cần tuyển

Ví dụ giả định: một học viên cao học ở Nghệ An muốn so sánh điểm kỹ năng đọc hiểu giữa lớp học theo nhóm nhỏ và lớp học truyền thống. Tổ bộ môn cho biết họ chỉ cân nhắc đổi cách dạy nếu điểm trung bình tăng ít nhất 0,5 điểm trên thang 10. Một nghiên cứu thử với hai lớp cho độ lệch chuẩn khoảng 1,25 điểm. Học viên không lấy chênh lệch trung bình của nghiên cứu thử (vì quá dao động), chỉ lấy độ lệch chuẩn.

Cỡ hiệu ứng cần phát hiện: d = 0,5 / 1,25 = 0,4. Áp công thức: 15,698 / 0,16 ≈ 98,1; cộng 0,96 được khoảng 99,1; làm tròn lên 100 người mỗi nhóm. Phần mềm tính theo phân phối t cũng cho 100. Dự kiến 10% phiếu không hợp lệ hoặc học viên vắng buổi kiểm tra cuối, số cần tuyển là 100 / 0,9 ≈ 111,1, làm tròn 112 người mỗi nhóm.

Nếu điều kiện thực tế chỉ cho phép khoảng 60 người mỗi nhóm, học viên không nên âm thầm đổi d thành 0,5 cho khớp. Cách trung thực là giữ nguyên ngưỡng, báo cáo rằng với 60 người mỗi nhóm nghiên cứu chỉ đủ lực 80% để phát hiện khác biệt từ khoảng d = 0,52 trở lên, tức khoảng 0,65 điểm thay vì 0,5 điểm như tổ bộ môn quan tâm, và thừa nhận đây là giới hạn của đề tài.

Dự phòng bỏ cuộc, nhóm không đều và kiểm lại bằng phần mềm

Con số từ công thức là số người cần có trong phân tích cuối cùng, chưa phải số người cần tuyển. Các bước hoàn thiện:

  1. Bù tỷ lệ bỏ cuộc hoặc phiếu không hợp lệ: chia, đừng nhân. Với 64 người mỗi nhóm và dự kiến mất 15%, số cần tuyển là 64 / 0,85 ≈ 75,3, làm tròn 76. Nếu chỉ nhân 64 × 1,15 = 73,6, sau khi mất 15% bạn còn khoảng 62 người, thiếu so với mục tiêu.
  2. Hiểu cái giá của việc không bù: nếu tuyển đúng 64 mỗi nhóm và mất 15%, còn khoảng 54 người mỗi nhóm, lực mẫu cho d = 0,5 tụt từ 80% xuống khoảng 73%.
  3. Khi hai nhóm không bằng nhau: nếu nhóm đối chứng gấp k lần nhóm can thiệp, cỡ nhóm can thiệp xấp xỉ (1 + 1/k) × (z_{1−α/2} + z_{1−β})² / d². Với k = 2 và d = 0,5: 1,5 × 31,4 ≈ 47,1, làm tròn và hiệu chỉnh nhỏ ra khoảng 48 và 96 người, tổng 144, nhiều hơn 128 của thiết kế cân bằng.
  4. Khi nhóm là lớp học hay cụm: nếu phân ngẫu nhiên theo lớp chứ không theo từng sinh viên, cỡ mẫu phải nhân thêm hệ số thiết kế, phụ thuộc số người mỗi lớp và tương quan trong lớp. Phần này nên tính cùng người hướng dẫn hoặc chuyên gia thống kê.
  5. Kiểm lại bằng phần mềm: G*Power, các gói tính lực mẫu trong R, hoặc mô-đun tương ứng trong JASP, Jamovi, các phiên bản SPSS mới. Kết quả có thể lệch một hai người so với tính tay do cách làm tròn; ghi con số của phần mềm và phiên bản.

Trong đề cương, viết đủ cả chuỗi: công thức hoặc phần mềm, đầu vào, kết quả trước dự phòng, tỷ lệ dự phòng và căn cứ, số cần tuyển. Hội đồng có thể kiểm lại từng bước, và đó chính là điều làm phần cỡ mẫu thuyết phục.

Câu hỏi thường gặp

Cỡ mẫu 30 người mỗi nhóm có đủ cho t-test không?

Con số 30 xuất phát từ quy tắc kinh nghiệm về định lý giới hạn trung tâm, không phải từ lực mẫu. Với 30 người mỗi nhóm, lực mẫu chỉ khoảng 48% cho d = 0,5 và khoảng 86% cho d = 0,8. Đủ hay không phụ thuộc cỡ hiệu ứng bạn muốn phát hiện, nên cần tính chứ không mặc định.

Không có nghiên cứu nào trước đó thì chọn d thế nào?

Bạn có thể đặt khác biệt tối thiểu có ý nghĩa thực tiễn theo đơn vị gốc rồi chia cho độ lệch chuẩn ước lượng từ nghiên cứu thử hoặc từ thang đo tương tự. Nếu vẫn không có căn cứ, dùng mốc quy ước của Cohen và nói rõ đây là quy ước tham khảo, đồng thời báo cáo phân tích độ nhạy.

Kiểm định một phía có giảm cỡ mẫu không?

Có. Với alpha 0,05 một phía, z giảm từ 1,96 xuống 1,645, nên cỡ mẫu giảm khoảng 20%. Nhưng kiểm định một phía chỉ hợp lệ khi đã quyết định và ghi lại trước khi thu số liệu, và khi kết quả theo hướng ngược lại thật sự không có ý nghĩa với câu hỏi nghiên cứu.

Dữ liệu có thể không chuẩn thì có cần tăng cỡ mẫu không?

Nếu dự kiến dùng kiểm định phi tham số như Mann-Whitney thay cho t-test, một cách làm thận trọng thường gặp là chia cỡ mẫu của t-test cho 0,864, tức tăng khoảng 15%; 0,864 là cận dưới của hiệu quả tương đối tiệm cận giữa Mann-Whitney và t-test. Nếu dữ liệu gần chuẩn, hiệu quả này khoảng 0,955 nên chỉ cần thêm chừng 5%. Một số phần mềm có tuỳ chọn tính trực tiếp.

Đã thu xong số liệu mà cỡ mẫu ít hơn dự kiến thì làm sao?

Bạn không thu thêm dần cho đến khi có ý nghĩa, vì cách làm đó làm hỏng mức alpha. Hãy báo cáo đúng cỡ mẫu thực có, tính phân tích độ nhạy để cho biết cỡ hiệu ứng nhỏ nhất phát hiện được với lực 80%, và nhấn mạnh khoảng tin cậy khi diễn giải kết quả.

So sánh ba nhóm trở lên thì có dùng công thức này được không?

Không trực tiếp. Với ba nhóm trở lên, cỡ mẫu được tính cho ANOVA dựa trên chỉ số f của Cohen, hoặc tính cho phép so sánh cặp quan trọng nhất với alpha đã hiệu chỉnh. Bài về cỡ mẫu cho ANOVA và chi bình phương trong danh mục này trình bày cách làm.

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