ANOVA một nhân tố dựa trên ba giả định: các quan sát độc lập với nhau, phần dư trong mỗi nhóm xấp xỉ phân phối chuẩn, và phương sai các nhóm xấp xỉ bằng nhau. Ba giả định không nặng như nhau. Vi phạm tính độc lập gần như luôn làm hỏng kết quả; lệch chuẩn vừa phải thường ít ảnh hưởng khi cỡ nhóm đủ lớn và bằng nhau; phương sai chênh lệch đáng lo nhất khi cỡ nhóm cũng lệch.
Nhiều luận văn chạy một loạt kiểm định giả định rồi dán kết quả vào mà không rút ra quyết định gì. Bài này đi theo hướng ngược lại: với mỗi giả định, bạn kiểm bằng cách nào, đọc kết quả ra sao, và nếu vi phạm thì làm gì tiếp. Ví dụ đều là giả định, không dựa trên nghiên cứu cụ thể nào.
Tính độc lập: giả định quan trọng nhất và không kiểm được bằng một con số
Độc lập nghĩa là giá trị của một quan sát không cho biết gì thêm về giá trị của quan sát khác, ngoài thông tin về nhóm. Giả định này đến từ thiết kế nghiên cứu chứ không đến từ số liệu, nên không có phép kiểm định nào trong menu ANOVA trả lời được. Bạn phải tự hỏi: mỗi người chỉ đo một lần chứ? Các nhóm có phải những người khác nhau không? Có đơn vị nào gom người lại khiến họ giống nhau hơn bình thường không?
Tình huống vi phạm hay gặp nhất trong luận văn giáo dục là chọn mẫu theo lớp. Ví dụ giả định: so sánh ba phương pháp dạy, mỗi phương pháp dạy ở hai lớp, rồi phân tích như thể mọi học sinh độc lập. Học sinh cùng lớp chia sẻ giáo viên, giờ học, không khí lớp, nên điểm của họ tương quan với nhau. Phân tích bỏ qua điều đó làm sai số chuẩn bị ước lượng nhỏ hơn thực tế và giá trị p nhỏ quá mức. Cách xử lý đúng là mô hình đa cấp hoặc phân tích ở cấp lớp, nên trao đổi với chuyên gia thống kê.
Vi phạm thứ hai là đo lặp trên cùng một người, ví dụ đo ba lần trước, giữa và sau can thiệp rồi coi ba lần đo như ba nhóm độc lập. Đó không phải ANOVA một nhân tố mà là ANOVA đo lặp lại, có cách tính và giả định riêng. Vi phạm thứ ba là dữ liệu theo thời gian, như doanh thu theo ngày, nơi ngày hôm nay thường giống hôm qua. Với cả ba trường hợp, không có thao tác "sửa" nào sau khi đã thu dữ liệu ngoài việc chọn đúng mô hình phân tích.
Phân phối chuẩn: kiểm trên phần dư, ưu tiên biểu đồ
Giả định chuẩn trong ANOVA nói về phần dư, tức mỗi quan sát trừ trung bình nhóm của nó, chứ không nói về toàn bộ biến phụ thuộc gộp chung. Dữ liệu gộp có thể có hai đỉnh chỉ vì các nhóm có trung bình khác nhau, đó chính là điều ANOVA muốn phát hiện.
- Tính phần dư. Ví dụ giả định: một người trong nhóm có trung bình 7 được 8 điểm thì phần dư là 1. Phần lớn phần mềm lưu được cột phần dư khi chạy mô hình; nếu không, tự tính bằng một cột công thức.
- Vẽ biểu đồ Q-Q của phần dư. Các điểm bám gần đường chéo là dấu hiệu tốt. Đuôi cong lên hoặc cong xuống ở hai đầu cho thấy phân phối lệch hoặc đuôi dày. Một hai điểm xa hẳn đường chéo là ứng viên ngoại lai cần xem lại nguồn gốc.
- Vẽ histogram hoặc biểu đồ hộp theo nhóm. Nhìn độ lệch, số đỉnh và ngoại lai. Với nhóm chỉ năm sáu người, hình dạng nào trông cũng thất thường, nên đừng kết luận quá mạnh từ biểu đồ của nhóm nhỏ.
- Chạy Shapiro-Wilk nếu cần một con số. H0 của kiểm định này là phần dư đến từ phân phối chuẩn. Nhưng nhớ rằng với mẫu nhỏ, nó ít khi bác bỏ dù dữ liệu lệch rõ; với mẫu lớn, nó bác bỏ cả những lệch rất nhỏ không gây hại gì cho ANOVA.
- Ra quyết định. Lệch vừa phải với cỡ nhóm bằng nhau và không quá nhỏ: tiếp tục ANOVA. Lệch nặng, nhiều ngoại lai, nhóm nhỏ: cân nhắc biến đổi dữ liệu có cơ sở hoặc chuyển sang kiểm định phi tham số như Kruskal-Wallis.
Lý do ANOVA chịu được lệch chuẩn vừa phải là định lý giới hạn trung tâm: phân phối mẫu của trung bình nhóm gần chuẩn hơn phân phối của từng quan sát khi cỡ nhóm tăng. Ngưỡng "đủ lớn" không có con số chung cho mọi trường hợp; nó phụ thuộc mức lệch, nên đừng trích một con số như luật cứng.
Đồng nhất phương sai: Levene, Brown-Forsythe và tỷ số phương sai
Giả định này nói rằng phương sai của phần dư bằng nhau giữa các nhóm. Kiểm định Levene làm một việc khá trực quan: lấy độ lệch tuyệt đối của mỗi quan sát so với trung bình nhóm, rồi chạy ANOVA trên các độ lệch đó. Nếu một nhóm tản ra nhiều hơn, độ lệch tuyệt đối trung bình của nhóm đó sẽ lớn hơn.
| Công cụ | Đo gì | Lưu ý khi đọc |
|---|---|---|
| Levene (theo trung bình) | ANOVA trên độ lệch tuyệt đối so với trung bình nhóm | H0: phương sai bằng nhau; p nhỏ là dấu hiệu không đồng nhất |
| Brown-Forsythe (theo trung vị) | Như Levene nhưng lệch so với trung vị nhóm | Ổn định hơn khi dữ liệu lệch; một số phần mềm gọi là Levene theo trung vị |
| Tỷ số phương sai lớn nhất trên nhỏ nhất | Mức chênh thực tế | Không có ngưỡng thống nhất; chênh càng lớn và cỡ nhóm càng lệch càng đáng lo |
| Biểu đồ phần dư theo nhóm | Độ rộng của đám điểm mỗi nhóm | Nhìn được nhóm nào tản rộng bất thường |
Ví dụ giả định: ba nhóm có độ lệch chuẩn 2,1; 2,4 và 5,0. Phương sai tương ứng là 4,41; 5,76 và 25. Tỷ số phương sai lớn nhất trên nhỏ nhất là 25 chia 4,41, khoảng 5,7. Dù Levene ra kết quả thế nào, mức chênh này đủ lớn để bạn nên dùng Welch ANOVA thay ANOVA cổ điển, nhất là nếu nhóm có phương sai 25 cũng là nhóm có ít người nhất.
Kiểm định Levene có cùng nhược điểm với Shapiro-Wilk: mẫu lớn thì nhạy, mẫu nhỏ thì kém nhạy. Vì vậy nhiều người làm thống kê khuyên đừng dùng nó làm "cổng" bật tắt; hãy nhìn mức chênh thực tế, cân nhắc thiết kế, và nếu nghi ngờ thì báo cáo cả ANOVA cổ điển lẫn Welch để người đọc thấy kết luận có vững không.
Giả định nào nặng, giả định nào nhẹ
Độc lập. Nặng nhất. Vi phạm làm sai giá trị p theo cách khó đoán, và không thể sửa bằng biến đổi dữ liệu hay đổi kiểm định trong cùng họ ANOVA một nhân tố. Phải chọn mô hình phản ánh đúng cấu trúc dữ liệu.
Phương sai không đồng nhất kèm cỡ nhóm lệch. Nặng. Khi nhóm nhỏ có phương sai lớn, ANOVA cổ điển báo động giả nhiều hơn mức alpha; khi nhóm lớn có phương sai lớn, nó lại trở nên quá bảo thủ. Welch ANOVA được thiết kế cho đúng tình huống này.
Phương sai không đồng nhất nhưng cỡ nhóm bằng nhau. Nhẹ hơn nhiều. ANOVA cổ điển khá vững trong trường hợp này, trừ khi chênh lệch rất lớn. Đây là lý do nên thiết kế cỡ nhóm cân bằng ngay từ đầu.
Lệch chuẩn vừa phải. Thường nhẹ khi cỡ nhóm không quá nhỏ. Lệch nặng kèm ngoại lai thì đáng lo hơn, vì trung bình và phương sai đều bị kéo bởi vài giá trị.
Ngoại lai. Không phải giả định chính thức nhưng ảnh hưởng mạnh. Một giá trị bất thường có thể đẩy F lên hoặc kéo xuống. Kiểm tra lỗi nhập liệu trước; nếu giá trị là thật, không được xoá tuỳ tiện, hãy báo cáo phân tích có và không có nó.
Khi vi phạm thì chọn đường nào
Mỗi lựa chọn dưới đây trả lời một kiểu vi phạm. Không nên chạy thử tất cả rồi giữ cái cho p nhỏ nhất; chọn theo bản chất dữ liệu và ghi lý do.
- Phương sai không đồng nhất: Welch ANOVA cho kiểm định tổng thể, Games-Howell cho so sánh từng cặp. Đây là sự thay thế gần như không tốn gì và nhiều phần mềm có sẵn.
- Lệch nặng có lý do rõ: biến đổi logarit cho dữ liệu dương lệch phải như thời gian, thu nhập, nồng độ; căn bậc hai cho dữ liệu đếm. Khi đó kết luận nói về thang đã biến đổi, cần diễn giải cẩn thận.
- Dữ liệu thứ bậc hoặc lệch nặng với nhóm nhỏ: Kruskal-Wallis. Lưu ý kiểm định này không hẳn so trung bình, cách diễn giải được bàn ở danh mục phi tham số của trang.
- Không độc lập vì đo lặp: ANOVA đo lặp lại hoặc mô hình hỗn hợp tuyến tính.
- Không độc lập vì phân cụm theo lớp, trường, xã: mô hình đa cấp. Đây là chỗ nên nhờ người hướng dẫn hoặc chuyên gia thống kê hỗ trợ.
- Ngoại lai do nhập sai: sửa theo phiếu gốc và ghi lại việc sửa. Ngoại lai thật: giữ, báo cáo phân tích nhạy cảm.
Trong phần phương pháp, một đoạn ngắn là đủ: bạn đã kiểm những giả định nào, bằng cách nào, thấy gì, và quyết định ra sao. Hội đồng đánh giá cao một quyết định có lý do hơn là ba trang bảng Levene và Shapiro-Wilk không đi kèm nhận xét.
Một ví dụ giả định đọc trọn bộ kết quả kiểm giả định
Ví dụ giả định: một học viên cao học so sánh thời gian hoàn thành thủ tục (phút) ở ba điểm tiếp nhận hồ sơ, mỗi điểm ghi nhận khoảng ba mươi lượt, mỗi lượt là một người dân khác nhau, ghi trong cùng một tuần. Về tính độc lập, mỗi người chỉ được tính một lần và các lượt không gom theo nhóm nào, nên giả định có vẻ hợp lý; điểm cần ghi chú là các lượt trong cùng một buổi có thể chịu chung tình trạng đông người, một yếu tố nên nêu ở phần hạn chế.
Biểu đồ Q-Q của phần dư cho thấy đuôi phải cong lên: vài lượt kéo dài bất thường. Đây là hình dạng quen thuộc của dữ liệu thời gian, vốn không âm và lệch phải. Shapiro-Wilk cho p rất nhỏ, nhưng như đã nói, với gần chín mươi quan sát kiểm định này nhạy với mọi lệch. Điều đáng quan tâm hơn là phương sai: độ lệch chuẩn của điểm thứ ba gấp khoảng hai lần hai điểm còn lại, tức phương sai gấp khoảng bốn lần, trong khi cỡ ba nhóm xấp xỉ nhau.
Quyết định hợp lý trong tình huống này có thể là: lấy logarit thời gian vì dữ liệu thời gian lệch phải là chuyện có cơ sở, kiểm lại biểu đồ trên thang logarit, và dùng Welch ANOVA để không phụ thuộc giả định phương sai bằng nhau. Một lựa chọn khác cũng bảo vệ được là giữ thang gốc, dùng Welch ANOVA và báo cáo thêm Kruskal-Wallis như phân tích kiểm tra độ vững. Điều không nên làm là thử cả năm cách rồi chỉ báo cáo cách cho p nhỏ nhất.
Đoạn viết trong luận văn có thể ngắn như sau: thời gian hoàn thành lệch phải nên được biến đổi logarit trước khi phân tích; do phương sai giữa các điểm không đồng nhất, khác biệt được kiểm định bằng Welch ANOVA và so sánh từng cặp bằng Games-Howell. Ba câu như vậy cho người đọc biết bạn đã nhìn dữ liệu, thấy vấn đề và xử lý có chủ đích.
Câu hỏi thường gặp
Shapiro-Wilk cho p nhỏ hơn 0,05 thì có phải bỏ ANOVA không?
Không nhất thiết. Với mẫu lớn, Shapiro-Wilk phát hiện cả những lệch rất nhỏ không ảnh hưởng đáng kể đến ANOVA. Hãy nhìn biểu đồ Q-Q của phần dư, mức lệch, cỡ nhóm và ngoại lai trước khi quyết định. Lệch vừa phải với nhóm cân bằng thường vẫn chấp nhận được.
Kiểm tra chuẩn trên toàn bộ dữ liệu hay từng nhóm?
Giả định nói về phần dư, tức độ lệch của mỗi quan sát so với trung bình nhóm. Bạn có thể kiểm phần dư gộp của cả mô hình hoặc kiểm từng nhóm. Không nên kiểm biến phụ thuộc gộp tất cả các nhóm lại, vì nếu các nhóm khác trung bình, dữ liệu gộp có thể không chuẩn dù từng nhóm đều chuẩn.
Levene có ý nghĩa nhưng cỡ các nhóm bằng nhau thì sao?
Khi cỡ nhóm bằng nhau, ANOVA cổ điển khá vững với phương sai không đồng nhất ở mức vừa phải. Dù vậy, cách an toàn là chạy thêm Welch ANOVA và báo cáo; nếu hai kết quả cùng kết luận, bạn có thêm bằng chứng kết luận vững; nếu khác, ưu tiên Welch và dùng Games-Howell cho so sánh cặp.
Có được xoá ngoại lai để dữ liệu chuẩn hơn không?
Chỉ được sửa khi xác định đó là lỗi nhập liệu hoặc lỗi đo có bằng chứng. Xoá giá trị thật chỉ vì nó làm kết quả xấu là sai về đạo đức nghiên cứu. Cách đúng là giữ, báo cáo phân tích có và không có giá trị đó, và giải thích nếu kết luận thay đổi.
Có cần kiểm giả định nếu đã dùng Welch ANOVA ngay từ đầu không?
Welch ANOVA bỏ được giả định phương sai bằng nhau nhưng vẫn cần quan sát độc lập và phần dư không lệch quá nặng. Vì vậy vẫn nên kiểm tính độc lập qua thiết kế và nhìn biểu đồ phần dư. Nhiều người chọn Welch làm mặc định vì nó mất rất ít lực khi phương sai thật sự bằng nhau.