Kiểm định t dựa trên bốn giả định: các quan sát độc lập, biến đo là định lượng, trung bình mẫu có phân phối xấp xỉ chuẩn, và với phiên bản Student hai mẫu thì hai nhóm có phương sai bằng nhau. Trong bốn điều đó, độc lập là quan trọng nhất và cũng là điều duy nhất không kiểm được bằng một con số; phân phối chuẩn thì kiểm định t chịu đựng khá tốt khi mẫu không quá nhỏ; phương sai bằng nhau có thể bỏ qua bằng cách dùng Welch.
Bài này đi qua từng giả định: nó thật ra đòi hỏi gì, kiểm ra sao, có một ví dụ kiểm định Levene tính tay, và một bảng các phương án khi giả định bị vi phạm. Phần cuối là gợi ý cách viết đoạn kiểm tra giả định trong luận văn cho gọn và đúng.
Bốn giả định và mức độ nghiêm trọng khi bị vi phạm
Không phải giả định nào cũng ngang nhau. Bảng dưới xếp theo mức độ ảnh hưởng tới độ tin cậy của kết luận.
| Giả định | Áp dụng cho | Hậu quả khi vi phạm | Cách kiểm chính |
|---|---|---|---|
| Quan sát độc lập | Mọi loại kiểm định t (với mẫu cặp: các cặp độc lập) | Nghiêm trọng: sai số chuẩn sai, p không còn ý nghĩa danh nghĩa | Xem lại thiết kế và cách thu thập dữ liệu |
| Biến định lượng | Mọi loại | Trung bình khó diễn giải với dữ liệu thứ bậc ít mức | Xem bản chất thang đo |
| Trung bình mẫu xấp xỉ chuẩn | Mọi loại (với mẫu cặp: xét cột hiệu số) | Với mẫu nhỏ và lệch mạnh: p sai lệch; với mẫu vừa và lớn: thường nhẹ | Biểu đồ hộp, Q–Q, có thể tham khảo Shapiro–Wilk |
| Phương sai bằng nhau | Chỉ Student hai mẫu độc lập | Đáng kể khi cỡ mẫu hai nhóm chênh lệch | So độ lệch chuẩn, kiểm định Levene; hoặc dùng Welch luôn |
Một điểm dễ nhầm là đối tượng của giả định chuẩn. Kiểm định t không đòi hỏi từng quan sát phải theo phân phối chuẩn; nó cần trung bình mẫu (hay hiệu số trung bình, chênh lệch hai trung bình) có phân phối gần chuẩn. Khi dữ liệu gốc chuẩn, điều đó đúng với mọi cỡ mẫu; khi dữ liệu gốc không chuẩn, định lý giới hạn trung tâm làm cho trung bình mẫu gần chuẩn dần khi n tăng.
Với kiểm định mẫu cặp, mọi giả định đặt lên cột hiệu số. Với kiểm định hai mẫu độc lập, giả định chuẩn xét riêng trong từng nhóm, không gộp hai nhóm vào một biểu đồ, vì hai nhóm có trung bình khác nhau gộp lại có thể tạo ra phân phối hai đỉnh dù mỗi nhóm đều chuẩn.
Độc lập: giả định quan trọng nhất nhưng không có kiểm định nào thay được
Độc lập nghĩa là biết giá trị của một quan sát không cho bạn thêm thông tin gì về giá trị của quan sát khác, ngoài những gì đã biết qua nhóm của nó. Giả định này bị phá theo những cách rất đời thường: khảo sát cả lớp trong một buổi và học sinh bàn đáp án với nhau; đo nhiều lần trên cùng một người rồi coi mỗi lần là một người; lấy mẫu ở vài xã rồi coi hộ ở cùng xã như độc lập dù họ chung điều kiện tưới tiêu, chung cán bộ khuyến nông.
Khi các quan sát trong cùng cụm giống nhau hơn bình thường, lượng thông tin thật ít hơn số quan sát. Kiểm định t vẫn tính sai số chuẩn như thể có đủ n quan sát độc lập, nên sai số chuẩn bị đánh giá thấp, t bị thổi phồng, và kết quả "có ý nghĩa" nhiều hơn thực tế. Không phép biến đổi dữ liệu nào hay kiểm định phi tham số thông thường nào sửa được vấn đề này, vì các kiểm định phi tham số cơ bản cũng giả định độc lập.
Vì vậy giả định độc lập được bảo đảm ở khâu thiết kế: chọn mẫu ngẫu nhiên, phân nhóm ngẫu nhiên, mỗi người chỉ đóng góp một quan sát cho mỗi điều kiện, ghi lại cấu trúc cụm (lớp, trường, xã, ca sản xuất) để có thể xử lý sau. Nếu dữ liệu đã có cấu trúc cụm, cách xử lý đơn giản là tính trung bình theo cụm rồi so sánh các cụm; cách đầy đủ hơn là mô hình đa tầng, nên bàn với người hướng dẫn hoặc chuyên gia thống kê.
Với dữ liệu theo thời gian (đo hằng ngày, hằng tuần), các quan sát kề nhau thường tương quan với nhau. Kiểm định t thông thường không phù hợp cho chuỗi thời gian kiểu này mà cần các phương pháp riêng.
Phân phối chuẩn: khi nào thật sự quan trọng và kiểm bằng cách nào
Độ nhạy của kiểm định t với phân phối không chuẩn phụ thuộc vào cỡ mẫu và kiểu lệch. Với mẫu rất nhỏ (dưới khoảng 10 – 15 mỗi nhóm), dữ liệu cần gần đối xứng và không có ngoại lai xa. Với mẫu vừa (vài chục), lệch vừa phải thường không đáng ngại, nhất là với kiểm định hai phía và hai nhóm cùng cỡ, cùng kiểu lệch. Với dữ liệu lệch rất mạnh như thu nhập, thời gian chờ, chi phí điều trị, ngay cả mẫu vài chục vẫn có thể cho kết quả sai lệch, và câu hỏi về trung bình có khi không phải câu hỏi phù hợp.
Công cụ đầu tiên nên dùng là mắt. Biểu đồ hộp cho thấy độ lệch và ngoại lai. Biểu đồ Q–Q vẽ các giá trị đã sắp xếp của dữ liệu so với giá trị kỳ vọng nếu dữ liệu chuẩn; điểm nằm gần một đường thẳng là dấu hiệu tốt, đầu mút cong lên hoặc cong xuống cho biết đuôi dày hoặc lệch. Biểu đồ tần suất (histogram) dễ đọc nhưng với mẫu nhỏ hình dạng thay đổi nhiều theo độ rộng cột.
Kiểm định Shapiro–Wilk (Shapiro và Wilk, 1965) và Kolmogorov–Smirnov hay được hội đồng hỏi tới, nhưng cần hiểu giới hạn: chúng kiểm định H0 là dữ liệu chuẩn. Với mẫu nhỏ, đúng lúc giả định chuẩn quan trọng, chúng có lực thấp và hay "không bác bỏ" dù dữ liệu lệch rõ. Với mẫu lớn, khi kiểm định t đã khá chịu đựng, chúng lại bác bỏ vì những lệch nhỏ không đáng kể. Kết quả Shapiro–Wilk không có ý nghĩa cũng không chứng minh dữ liệu chuẩn, đúng theo logic "không bác bỏ khác chấp nhận".
Cách làm hợp lý là báo cáo biểu đồ (hoặc mô tả nó), có thể kèm Shapiro–Wilk để tham khảo, và đưa ra nhận định dựa trên cả cỡ mẫu lẫn hình dạng. Một số người còn tính độ lệch (skewness) và độ nhọn (kurtosis); các ngưỡng thường được trích dẫn khác nhau giữa các tác giả, nên nếu dùng, bạn ghi rõ ngưỡng theo tài liệu nào.
Phương sai bằng nhau: kiểm định Levene tính tay
Kiểm định Levene (Levene, 1960) có ý tưởng rất gọn: tính khoảng cách tuyệt đối từ mỗi quan sát tới trung bình nhóm của nó, rồi so trung bình các khoảng cách đó giữa các nhóm. Nhóm phân tán hơn có khoảng cách trung bình lớn hơn. Ví dụ giả định dưới dùng điểm hai lớp 8 học sinh: lớp 1 có trung bình 7, lớp 2 có trung bình 5,25.
| Học sinh | Lớp 1 | |x − 7| | Lớp 2 | |x − 5,25| |
|---|---|---|---|---|
| 1 | 6 | 1 | 5 | 0,25 |
| 2 | 7 | 0 | 6 | 0,75 |
| 3 | 5 | 2 | 4 | 1,25 |
| 4 | 8 | 1 | 6 | 0,75 |
| 5 | 7 | 0 | 5 | 0,25 |
| 6 | 6 | 1 | 7 | 1,75 |
| 7 | 9 | 2 | 5 | 0,25 |
| 8 | 8 | 1 | 4 | 1,25 |
| Trung bình | 7 | 1,000 | 5,25 | 0,8125 |
Bước tiếp theo là chạy một phân tích phương sai (với hai nhóm thì tương đương kiểm định t Student) trên hai cột khoảng cách tuyệt đối. Tổng bình phương độ lệch của cột khoảng cách lớp 1 là 4, của lớp 2 khoảng 2,219; phương sai gộp khoảng 0,444; sai số chuẩn khoảng 0,333; t ≈ (1,000 − 0,8125) / 0,333 ≈ 0,563. Thống kê Levene là F = t² ≈ 0,317 với bậc tự do (1; 14), p ≈ 0,58.
Kết luận: dữ liệu không cho bằng chứng phương sai hai lớp khác nhau; hai độ lệch chuẩn 1,31 và 1,04 cũng khá gần nhau. Một biến thể là dùng khoảng cách tới trung vị thay cho trung bình (thường gọi là Brown–Forsythe), ít nhạy hơn với dữ liệu lệch; phần mềm khác nhau có thể dùng biến thể khác nhau, nên khi kết quả lệch chút ít giữa các phần mềm, đây là một lý do cần kiểm.
Giá trị ngoại lai: xử lý thế nào cho minh bạch
Trước hết kiểm tra lỗi. Một điểm 85 trên thang 10, một thời gian chờ âm, một người 300 tuổi là lỗi nhập liệu hoặc mã hoá, sửa theo phiếu gốc nếu có. Đây là trường hợp duy nhất được sửa giá trị, và việc sửa phải ghi lại.
Giá trị thật nhưng xa là thông tin. Một khách chờ 60 phút khi các khách khác chờ 15 phút có thể phản ánh đúng một sự cố có thật. Bỏ nó đi làm dữ liệu trông đẹp hơn nhưng che mất đúng điều người quản lý cần biết.
Quy tắc xử lý phải đặt trước. Nếu bạn có lý do để loại ngoại lai (ví dụ người trả lời rõ ràng không đọc câu hỏi), hãy viết quy tắc trước khi phân tích, áp dụng như nhau cho mọi nhóm, và báo cáo số trường hợp bị loại.
Báo cáo cả hai phiên bản. Khi một vài giá trị có ảnh hưởng lớn, cách minh bạch nhất là báo cáo kết quả có và không có chúng. Nếu kết luận không đổi, người đọc yên tâm hơn; nếu kết luận đổi, đó chính là điều người đọc cần biết.
Chọn phương pháp ít nhạy hơn. Kiểm định phi tham số dựa trên thứ hạng, trung bình cắt tỉa hay các phương pháp bền vững là lựa chọn khi dữ liệu vốn có đuôi dài. Đổi phương pháp đồng nghĩa với đổi đại lượng so sánh, nên phải ghi rõ.
Khi giả định bị vi phạm: chọn phương án nào
Không có công thức máy móc. Bảng dưới gợi ý hướng xử lý thường gặp; bạn nên bàn với người hướng dẫn và ghi lý do chọn trong phần phương pháp.
| Tình huống | Phương án thường dùng | Điều cần lưu ý |
|---|---|---|
| Phương sai khác nhau, hai nhóm độc lập | Kiểm định Welch | Vẫn cần giả định chuẩn |
| Dữ liệu lệch phải mạnh (thời gian, chi phí, nồng độ) | Biến đổi logarit rồi kiểm định t | Kết quả nói về trung bình nhân, phải diễn giải lại |
| Mẫu nhỏ, lệch hoặc có ngoại lai, hai nhóm độc lập | Mann–Whitney U | So xu hướng một nhóm lớn hơn, không trực tiếp so trung bình |
| Mẫu nhỏ, hiệu số lệch, dữ liệu cặp | Wilcoxon dấu hạng | Giả định hiệu số đối xứng quanh trung vị |
| Dữ liệu có cấu trúc cụm | Phân tích theo trung bình cụm hoặc mô hình đa tầng | Cỡ mẫu thật là số cụm |
| Muốn giữ câu hỏi về trung bình mà không giả định chuẩn | Khoảng tin cậy bootstrap hoặc kiểm định hoán vị | Cần phần mềm và mô tả rõ thủ tục |
Chọn phương án sau khi đã chạy thử nhiều cách và giữ cách cho p đẹp nhất là một dạng điều chỉnh phân tích theo kết quả. Cách an toàn là viết kế hoạch phân tích, gồm cả phương án dự phòng nếu giả định không đạt, trước khi nhìn vào kết quả kiểm định chính.
Viết đoạn kiểm tra giả định trong luận văn
Đoạn kiểm tra giả định không cần dài, nhưng phải đủ để người đọc tin rằng bạn đã nhìn dữ liệu. Một trình tự gọn:
- Nêu thiết kế bảo đảm độc lập: cách chọn mẫu, mỗi người đóng góp một quan sát, có cấu trúc cụm hay không.
- Mô tả phân phối từng nhóm (hoặc cột hiệu số): trung bình, độ lệch chuẩn, trung vị, nhận xét từ biểu đồ hộp và Q–Q; có thể kèm kết quả Shapiro–Wilk.
- Nêu tình trạng ngoại lai: có bao nhiêu, đã kiểm tra lỗi chưa, quy tắc xử lý là gì.
- Nêu cách xử lý phương sai: dùng Welch ngay từ đầu, hoặc báo Levene và dòng kết quả tương ứng theo quy tắc đã định.
- Nêu phương án dự phòng đã dùng nếu có vi phạm, kèm lý do.
- Đặt biểu đồ chi tiết vào phụ lục nếu chương kết quả đã dài.
Một câu mẫu tham khảo: "Điểm cuối kỳ của hai nhóm phân bố tương đối đối xứng, không có giá trị ngoại lai theo biểu đồ hộp; do cỡ mẫu hai nhóm khác nhau, nghiên cứu dùng kiểm định t Welch, không giả định phương sai bằng nhau." Câu này ngắn nhưng trả lời đủ ba câu hội đồng hay hỏi.
Câu hỏi thường gặp
Shapiro–Wilk cho p nhỏ hơn 0,05 thì có bắt buộc phải bỏ kiểm định t không?
Không bắt buộc. Với mẫu vài chục quan sát trở lên, Shapiro–Wilk thường bác bỏ vì những lệch nhỏ mà kiểm định t chịu được. Bạn nên xem biểu đồ để đánh giá mức lệch, xét cỡ mẫu, và nếu lệch mạnh thì cân nhắc biến đổi dữ liệu hoặc kiểm định phi tham số, kèm lý do rõ ràng.
Mẫu trên 30 thì có được bỏ qua giả định chuẩn không?
Con số 30 là quy ước kinh nghiệm, không phải ngưỡng toán học. Với dữ liệu lệch nhẹ, mẫu nhỏ hơn 30 cũng ổn; với dữ liệu lệch rất mạnh hoặc đuôi rất dày, mẫu vài chục vẫn có thể chưa đủ. Bạn vẫn nên nhìn phân phối và ngoại lai dù mẫu lớn.
Kiểm định Levene có ý nghĩa thì làm gì?
Với hai nhóm độc lập, dùng kết quả Welch (dòng không giả định phương sai bằng nhau trong SPSS). Đồng thời nên báo cáo và bàn về việc một nhóm phân tán hơn nhóm kia, vì đó cũng là một phát hiện. Nhiều tác giả khuyên dùng Welch ngay cả khi Levene không có ý nghĩa.
Có cần kiểm định giả định chuẩn cho từng câu hỏi Likert không?
Với từng câu Likert năm mức, dữ liệu vốn rời rạc nên không thể chuẩn theo nghĩa chặt. Câu hỏi thực chất là có nên dùng trung bình hay không, vấn đề này còn tranh luận. Phân tích trên điểm thang đo gộp từ nhiều câu thường phù hợp với kiểm định t hơn từng câu riêng lẻ.
Biến đổi logarit thì kết quả diễn giải thế nào?
Kiểm định t trên logarit so sánh trung bình của logarit, tương ứng với tỷ số trung bình nhân giữa hai nhóm khi quy đổi ngược. Vì vậy kết luận nên viết theo tỷ lệ, ví dụ nhóm này cao hơn nhóm kia khoảng bao nhiêu phần trăm, thay vì theo chênh lệch đơn vị gốc.
Vi phạm giả định độc lập có cách nào sửa sau khi đã thu thập dữ liệu không?
Nếu bạn đã ghi lại cấu trúc cụm như lớp, trường, xã, bạn có thể phân tích ở mức cụm hoặc dùng mô hình đa tầng. Nếu không ghi lại, rất khó sửa và bạn nên nêu rõ đây là giới hạn của nghiên cứu. Việc này nên bàn với người hướng dẫn hoặc chuyên gia thống kê.