Phần kiểm tra giả định trong luận văn chỉ cần trả lời ba điều: giả định nào được kiểm, kiểm bằng cách nào, và kết quả có làm thay đổi kiểm định được dùng không; thường một hai câu trong chương kết quả là đủ, phần chi tiết như biểu đồ và bảng đưa vào phụ lục. Nhiều luận văn dành hai trang cho kiểm định phân phối chuẩn nhưng không nói kết quả đó dẫn tới quyết định gì, nên phần kiểm tra trở thành thủ tục trang trí.
Bài này tóm tắt giả định của các kiểm định thường dùng, cách viết câu báo cáo cho từng loại kiểm tra với số liệu giả định, những điều cần biết về độ nhạy của các kiểm định giả định, và cách viết khi giả định bị vi phạm.
Giả định nào đi với kiểm định nào
Mỗi kiểm định có một số giả định riêng. Bảng dưới liệt kê những giả định chính và cách kiểm thường dùng; không phải giả định nào cũng kiểm được bằng một con số.
| Kiểm định | Giả định chính | Cách kiểm thường dùng |
|---|---|---|
| t hai mẫu độc lập | Quan sát độc lập; phân phối gần chuẩn trong từng nhóm; phương sai đồng nhất (với bản Student) | Thiết kế; Q-Q, Shapiro-Wilk theo nhóm; Levene |
| t mẫu cặp | Các cặp độc lập với nhau; hiệu số phân phối gần chuẩn | Thiết kế; Q-Q, Shapiro-Wilk trên hiệu số |
| ANOVA một nhân tố | Như t độc lập, áp cho từng nhóm | Q-Q phần dư; Levene |
| ANOVA đo lặp | Phân phối gần chuẩn; giả định cầu | Q-Q; kiểm định Mauchly |
| Chi bình phương độc lập | Quan sát độc lập, mỗi người một ô; tần số kỳ vọng đủ lớn | Thiết kế; bảng tần số kỳ vọng |
| Mann-Whitney, Kruskal-Wallis | Quan sát độc lập; hình dạng phân phối tương tự nếu muốn diễn giải là so trung vị | Thiết kế; biểu đồ hộp hoặc tần suất |
Giả định độc lập luôn đứng đầu và không có kiểm định thống kê nào thay được việc xem thiết kế. Ví dụ, nếu bạn khảo sát học sinh của sáu lớp và các học sinh trong cùng lớp chịu ảnh hưởng của cùng một giáo viên, các quan sát không hoàn toàn độc lập. Khi đó nên nêu điều này ở phần hạn chế, hoặc trao đổi với người hướng dẫn về phương pháp phân tích phù hợp hơn cho dữ liệu nhiều cấp.
Phân phối chuẩn: kiểm cái gì, và viết câu báo cáo ra sao
Điểm hay bị hiểu nhầm nhất: giả định phân phối chuẩn của kiểm định t độc lập và ANOVA áp cho dữ liệu trong từng nhóm, hay tương đương là phần dư, không phải cho toàn bộ mẫu gộp lại. Hai nhóm có trung bình khác xa nhau, gộp lại có thể thành phân phối hai đỉnh, dù trong mỗi nhóm dữ liệu rất gần chuẩn. Với kiểm định t mẫu cặp, thứ cần gần chuẩn là hiệu số giữa hai lần đo.
Có hai cách kiểm thường dùng song song: nhìn biểu đồ Q-Q, và chạy kiểm định Shapiro-Wilk. Câu mẫu với số liệu giả định cho hai lớp ở ví dụ kiểm định t: "Biểu đồ Q-Q không cho thấy lệch đáng kể khỏi phân phối chuẩn ở cả hai nhóm; kiểm định Shapiro-Wilk cho W = 0,96; p = 0,27 ở lớp thực nghiệm và W = 0,95; p = 0,17 ở lớp đối chứng."
Cần hiểu đúng kết quả Shapiro-Wilk. p lớn hơn 0,05 không chứng minh dữ liệu chuẩn; nó chỉ nói dữ liệu không đủ bằng chứng cho thấy lệch khỏi chuẩn. Với mẫu nhỏ, kiểm định có lực thấp và dễ bỏ sót lệch thật. Với mẫu lớn, vài trăm quan sát trở lên, kiểm định lại phát hiện cả những lệch rất nhỏ không ảnh hưởng gì tới kiểm định t, vì khi mẫu lớn, phân phối của trung bình mẫu gần chuẩn theo định lý giới hạn trung tâm. Vì vậy nhiều tài liệu khuyên dựa chủ yếu vào biểu đồ và cỡ mẫu, dùng kiểm định Shapiro-Wilk như thông tin phụ.
Một số luận văn dùng hệ số bất đối xứng và hệ số nhọn, với ngưỡng như nằm trong khoảng −1 đến 1 hay −2 đến 2. Các ngưỡng này là quy tắc kinh nghiệm, khác nhau giữa các tài liệu; nếu dùng, nêu rõ ngưỡng đã chọn và nguồn.
Phương sai đồng nhất: câu báo cáo Levene
Với kiểm định t Student và ANOVA cổ điển, phương sai các nhóm cần xấp xỉ bằng nhau. Kiểm định Levene là cách kiểm thường thấy nhất. Câu mẫu với số liệu giả định: "Kiểm định Levene không cho thấy khác biệt về phương sai giữa hai lớp, F(1, 60) = 0,52; p = 0,474; vì vậy kết quả kiểm định t với giả định phương sai bằng nhau được báo cáo."
Có ba điều nên biết khi viết phần này. Thứ nhất, Levene có nhiều phiên bản: dựa trên trung bình, dựa trên trung vị (thường gọi là Brown-Forsythe), và phần mềm có thể in nhiều dòng. Ghi phiên bản bạn dùng. Thứ hai, giống Shapiro-Wilk, Levene chịu ảnh hưởng mạnh của cỡ mẫu. Thứ ba, khi các nhóm có cỡ mẫu bằng hoặc gần bằng nhau, kiểm định t và ANOVA khá vững trước phương sai không đồng nhất; vấn đề nghiêm trọng hơn khi nhóm nhỏ lại có phương sai lớn.
Vì những lý do đó, nhiều nhà phương pháp khuyên bỏ hẳn bước kiểm định Levene và dùng Welch làm mặc định cho cả kiểm định t lẫn ANOVA. Nếu bạn theo cách này, câu trong phương pháp sẽ là: kiểm định t Welch được dùng cho mọi so sánh hai nhóm, không phụ thuộc kết quả kiểm định phương sai. Cả hai cách đều được chấp nhận; chỉ cần nhất quán và nêu rõ.
Với ANOVA đo lặp, giả định tương ứng là giả định cầu, kiểm bằng Mauchly. Khi vi phạm, báo cáo kết quả có hiệu chỉnh Greenhouse-Geisser hoặc Huynh-Feldt, ghi rõ giá trị epsilon và bậc tự do đã hiệu chỉnh.
Tần số kỳ vọng cho chi bình phương: một câu là đủ
Với chi bình phương, giả định có thể kiểm bằng số là tần số kỳ vọng. Phần mềm như SPSS in dòng chú thích dưới bảng kết quả, cho biết bao nhiêu ô có tần số kỳ vọng nhỏ hơn 5 và tần số kỳ vọng nhỏ nhất là bao nhiêu. Bạn chỉ cần chép thông tin đó thành một câu.
Câu mẫu cho ví dụ giả định 200 sinh viên, bảng giới tính và việc làm thêm: "Tất cả các ô có tần số kỳ vọng lớn hơn 5 (nhỏ nhất là 44,1), đáp ứng điều kiện áp dụng kiểm định chi bình phương." Khi điều kiện không đạt: "Có 3 trên 4 ô có tần số kỳ vọng nhỏ hơn 5 (nhỏ nhất là 4,26); kiểm định chính xác Fisher được sử dụng thay cho chi bình phương."
Giả định độc lập của chi bình phương có một dạng vi phạm hay gặp: một người được đếm ở nhiều ô, chẳng hạn câu hỏi cho chọn nhiều đáp án rồi đưa cả vào một bảng chéo. Bảng như vậy không dùng được kiểm định chi bình phương thông thường. Một dạng khác là dữ liệu đo hai lần trên cùng người, ví dụ đạt hay không đạt trước và sau can thiệp; khi đó kiểm định phù hợp là McNemar, không phải chi bình phương độc lập.
Khi giả định bị vi phạm: viết thế nào cho trung thực
Nói rõ vi phạm và mức độ. Ví dụ: phân phối điểm ở nhóm đối chứng lệch phải rõ trên biểu đồ Q-Q, kiểm định Shapiro-Wilk có p nhỏ hơn 0,01, với cỡ mẫu 25. Mức độ và cỡ mẫu giúp người đọc đánh giá vi phạm đó có đáng lo không.
Nêu phương án đã định trước. Nếu phương pháp đã nói sẽ dùng Mann-Whitney khi vi phạm ở mẫu nhỏ, thì báo Mann-Whitney là kết quả chính. Có thể báo kết quả kiểm định t trong chú thích hoặc phụ lục để người đọc so sánh.
Biến đổi dữ liệu thì nói rõ đơn vị mới. Lấy logarit hay căn bậc hai có thể làm phân phối gần chuẩn hơn, nhưng kết quả khi đó nói về biến đã biến đổi. Câu kết luận phải diễn giải lại cho đúng đơn vị, ví dụ chênh lệch theo tỷ lệ chứ không theo đơn vị gốc.
Không loại dữ liệu để đạt giả định. Bỏ dần các giá trị xa cho tới khi Shapiro-Wilk có p lớn hơn 0,05 là cách làm sai lệch dữ liệu. Giá trị ngoại lai chỉ được xử lý theo quy tắc đã nêu trong phương pháp, không theo kết quả kiểm định giả định.
Khi các cách cho kết luận giống nhau, nói ngắn. Một câu như "kết quả của kiểm định Welch và Mann-Whitney cho kết luận tương tự" là đủ, kèm con số trong phụ lục. Điều này làm kết quả chính đáng tin hơn.
Viết bao nhiêu là đủ: chương kết quả và phụ lục
Một nguyên tắc dễ áp dụng: trong chương kết quả, phần kiểm tra giả định cho mỗi giả thuyết thường không quá hai câu, đặt ngay trước câu báo cáo kiểm định chính. Bảng kết quả Shapiro-Wilk cho từng nhóm, biểu đồ Q-Q, biểu đồ hộp, bảng tần số kỳ vọng đầy đủ thì đưa vào phụ lục, và câu trong chương kết quả dẫn tới phụ lục đó.
Ví dụ đoạn hoàn chỉnh cho giả thuyết H1 của luận văn giả định: "Kiểm tra giả định cho thấy điểm cuối kỳ phân phối gần chuẩn trong cả hai lớp (biểu đồ Q-Q và kiểm định Shapiro-Wilk ở Phụ lục 3) và phương sai không khác nhau, Levene F(1, 60) = 0,52; p = 0,474. Kết quả kiểm định t hai mẫu độc lập cho thấy..." Phần còn lại của đoạn là câu báo cáo kiểm định t theo khuôn thông thường.
Hội đồng hiếm khi đánh giá cao một chương kết quả dày đặc bảng kiểm tra giả định. Điều họ muốn thấy là bạn biết giả định nào quan trọng với kiểm định nào, đã kiểm, và quyết định dựa trên kết quả kiểm một cách nhất quán. Nếu được hỏi tại sao không chạy thêm kiểm định này hay kiểm định kia, câu trả lời tốt nhất là chỉ vào quy tắc đã nêu trong phần phương pháp.
Câu hỏi thường gặp
Kiểm định phân phối chuẩn cho t-test độc lập thì kiểm trên toàn mẫu hay từng nhóm?
Kiểm trên từng nhóm, hoặc trên phần dư. Gộp hai nhóm có trung bình khác nhau lại có thể tạo phân phối hai đỉnh dù từng nhóm rất gần chuẩn. Với t-test mẫu cặp, thứ cần gần chuẩn là hiệu số giữa hai lần đo.
Shapiro-Wilk có p lớn hơn 0,05 có nghĩa là dữ liệu chuẩn không?
Không hẳn. Kết quả đó chỉ cho biết dữ liệu chưa đủ bằng chứng để nói là lệch khỏi chuẩn. Với mẫu nhỏ, kiểm định có lực thấp nên dễ bỏ sót lệch thật. Nên xem cùng biểu đồ Q-Q.
Mẫu lớn mà Shapiro-Wilk vẫn có ý nghĩa thì có phải bỏ t-test không?
Thường không cần. Với mẫu lớn, kiểm định phát hiện cả lệch rất nhỏ, trong khi t-test khá vững nhờ phân phối của trung bình mẫu gần chuẩn. Hãy xem mức độ lệch trên biểu đồ và nêu lập luận này trong luận văn.
Có bắt buộc chạy kiểm định Levene không?
Không bắt buộc nếu bạn dùng Welch làm mặc định cho mọi so sánh, cách mà nhiều tài liệu phương pháp khuyên dùng. Nếu chọn theo Levene, nêu quy tắc trong phương pháp và áp dụng nhất quán cho mọi biến.
Giả định bị vi phạm có được loại bớt dữ liệu cho đạt không?
Không. Loại dữ liệu để đạt giả định làm sai lệch kết quả. Hãy dùng phương án đã định trước như Welch, kiểm định phi tham số hoặc biến đổi dữ liệu, và nêu rõ trong luận văn.
Biểu đồ kiểm tra giả định nên để trong chương kết quả hay phụ lục?
Thường để ở phụ lục. Trong chương kết quả chỉ cần một hai câu nêu giả định đã kiểm, kết quả chính và quyết định kéo theo, kèm lời dẫn tới phụ lục chứa biểu đồ và bảng chi tiết.