GiaThuyet.comGiả Thuyết
Chạy kiểm định trên phần mềm

Kết quả kiểm định lệch giữa Excel, SPSS và R: tám nguyên nhân và cách đối chiếu

Vì sao cùng dữ liệu mà Excel, SPSS, R, jamovi cho giá trị p khác nhau: Welch hay Student, Yates, p chính xác, dữ liệu khuyết, và quy trình đối chiếu.

Vietnamese research supervisor and student comparing two laptops with blank displays at a round table in a Quang Ninh university office, printouts face down, natural light, medium shot from the side

Cùng một bộ số liệu mà Excel, SPSS, R hay jamovi cho giá trị p khác nhau thường không phải vì một phần mềm tính sai, mà vì chúng chạy những phiên bản khác nhau của cùng một kiểm định theo mặc định, hoặc vì dữ liệu thật sự đưa vào mỗi bên không giống nhau. Phần lớn chênh lệch truy ra được trong vài phút nếu biết tìm ở đâu.

Bài này liệt kê tám nguyên nhân hay gặp, minh hoạ bằng số liệu giả định đã tính lại, và đưa một quy trình đối chiếu từng bước. Mặc định của phần mềm có thể thay đổi giữa các phiên bản; khi một chi tiết trong bài không khớp với máy bạn, hãy kiểm tài liệu trợ giúp của đúng phiên bản đang dùng.

Lệch thế nào là đáng lo

Lệch ở chữ số thập phân thứ tư, thứ năm thường chỉ do làm tròn hoặc thuật toán số khác nhau, không ảnh hưởng kết luận. SPSS hiển thị ba chữ số, Excel hiển thị theo định dạng ô, R hiển thị theo số chữ số có nghĩa; p = 0,0154 ở Excel và Sig. = ,015 ở SPSS là cùng một con số.

Đáng lo là khi chênh lệch đủ lớn để đổi kết luận, ví dụ một bên 0,041 và bên kia 0,101, hoặc khi thống kê kiểm định và bậc tự do khác nhau. Lúc đó gần như chắc chắn hai bên đang chạy hai kiểm định khác nhau hoặc nhận hai bộ dữ liệu khác nhau. Việc đầu tiên không phải chọn tin bên nào, mà là tìm hiểu vì sao.

Một nguyên tắc cần giữ khi tìm nguyên nhân: quyết định dùng kiểm định nào phải dựa trên thiết kế và giả định, không dựa trên bên nào cho p nhỏ hơn. Nếu sau khi đối chiếu bạn thấy kế hoạch ban đầu chọn sai kiểm định, sửa lại là đúng, nhưng ghi rõ lý do trong luận văn và báo với người hướng dẫn.

Tám nguyên nhân hay gặp

Bảng dưới gom các nguồn chênh lệch phổ biến nhất, xếp theo tần suất gặp ở luận văn:

Nguyên nhânBiểu hiệnCách kiểm
Welch hay Student cho t-testdf là số nguyên ở bên này, có phần thập phân ở bên kiaXem dòng nào trong SPSS, tham số var.equal của R, đối số kiểu của T.TEST
Một phía hay hai phíap bên này gần đúng bằng một nửa bên kiaXem đối số số phía, dòng one-tail hay two-tail
Hiệu chỉnh Yates ở bảng 2×2Thống kê chi bình phương nhỏ hơn, p lớn hơnDòng Continuity Correction trong SPSS, tham số correct của R
p chính xác hay p xấp xỉMẫu nhỏ, phi tham số hoặc Fisher, p lệch ở chữ số thứ hai, thứ baDòng Exact Sig. và Asymp. Sig., thông báo của R về exact
Hiệu chỉnh liên tục ở phi tham sốp xấp xỉ khác nhau nhẹTham số correct của wilcox.test
Dữ liệu đầu vào khác nhauCỡ mẫu N khác nhau giữa hai bênSo N, trung bình, độ lệch chuẩn từng nhóm
Loại tổng bình phương trong ANOVA nhiều nhân tốChỉ lệch khi thiết kế không cân bằngXem loại tổng bình phương mỗi bên dùng
Phương pháp hiệu chỉnh so sánh nhiều cặpp post hoc khác nhauTukey, Bonferroni, Holm hay Games-Howell

Năm dòng đầu là chuyện lựa chọn phương pháp, dòng thứ sáu là chuyện dữ liệu, hai dòng cuối gặp ở phân tích phức tạp hơn. Các phần dưới đi vào từng nhóm với ví dụ cụ thể.

Welch hay Student, một phía hay hai phía

Ví dụ giả định: hai lớp tám người có điểm trung bình 7,0 và 5,75, phương sai 1,0 và khoảng 0,643. Kiểm định Student cho t khoảng 2,758 với df 14, p hai phía khoảng 0,0154. Kiểm định Welch cho cùng t, vì hai nhóm cùng cỡ, nhưng df khoảng 13,37, p khoảng 0,0159. R mặc định in con số Welch; SPSS in cả hai dòng, Equal variances assumed và not assumed; Excel cho con số nào tuỳ bạn đặt kiểu 2 hay 3. Ba người cùng chạy, ba người chép ba dòng khác nhau là chuyện thường.

Với cỡ nhóm bằng nhau và phương sai gần nhau như ví dụ, chênh lệch rất nhỏ. Khi nhóm lệch cỡ và phương sai lệch nhiều, hai kiểm định có thể cho kết luận khác hẳn. Một số phiên bản bộ Analysis ToolPak của Excel còn làm tròn bậc tự do Welch thành số nguyên trong bảng, làm p trong bảng khác nhẹ so với hàm T.TEST kiểu 3 của chính Excel.

Nhầm một phía và hai phía dễ nhận ra hơn: p bên này xấp xỉ bằng một nửa bên kia. Ở ví dụ, p một phía khoảng 0,0077. Bảng của ToolPak in cả hai dòng sát nhau, và người mới hay chép nhầm dòng một phía. R mặc định hai phía, chỉ đổi khi đặt tham số alternative.

Pearson, Yates hay Fisher ở bảng 2×2

Ví dụ giả định: 24 học sinh, trong 12 em có tham gia câu lạc bộ đọc sách thì 9 đạt bài kiểm tra đọc hiểu, 3 không đạt; trong 12 em không tham gia thì 4 đạt, 8 không đạt. Tần số kỳ vọng nhỏ nhất là 5,5, nghĩa là điều kiện thông thường của chi bình phương vẫn thoả. Ba kiểm định cho:

Kiểm địnhThống kêp hai phíaPhần mềm in theo mặc định
Pearson không hiệu chỉnhkhoảng 4,20khoảng 0,041Excel CHISQ.TEST; dòng đầu bảng SPSS
Pearson có hiệu chỉnh Yateskhoảng 2,69khoảng 0,101R chisq.test với bảng 2×2; dòng thứ hai bảng SPSS
Fisher chính xáckhông cókhoảng 0,0995SPSS tự in với bảng 2×2; R fisher.test

Cùng một bảng, một bên bác bỏ giả thuyết độc lập ở mức 0,05, hai bên còn lại không. Không con số nào sai; chúng là ba kiểm định khác nhau. Pearson được nhiều tài liệu hiện nay chấp nhận khi tần số kỳ vọng đủ lớn, Yates bị đánh giá là bảo thủ, Fisher được ưa dùng khi mẫu nhỏ. Điều không chấp nhận được là chọn sau khi thấy kết quả.

Cách xử lý đúng: chọn kiểm định trong kế hoạch phân tích, báo cáo đúng kiểm định đó, ghi rõ phần mềm và tuỳ chọn. Với ví dụ này, kết quả nằm sát ranh giới, nên dù chọn kiểm định nào, phần bàn luận nên nói rằng bằng chứng còn yếu và mẫu nhỏ. Thiết kế quan sát như vậy cũng không cho phép nói câu lạc bộ đọc sách làm học sinh đọc hiểu tốt hơn.

Phi tham số: p chính xác, xấp xỉ và hai cách báo thống kê

Với mẫu nhỏ, kiểm định hạng có thể tính p chính xác từ phân phối của thống kê hạng, hoặc xấp xỉ bằng phân phối chuẩn. Ví dụ giả định với hai nhóm sáu người, Mann-Whitney cho p xấp xỉ khoảng 0,025 và p chính xác khoảng 0,026. SPSS in cả hai dòng Asymp. Sig. và Exact Sig.; R mặc định tính p chính xác khi mẫu nhỏ và không có hạng trùng.

Thống kê cũng được báo khác nhau. SPSS báo U là giá trị nhỏ hơn trong hai cách tính, ở ví dụ là 4; R báo W là tổng hạng của nhóm thứ nhất trừ đi giá trị nhỏ nhất có thể, ở ví dụ là 32. Hai số cộng lại bằng 36, tích hai cỡ mẫu, và cho cùng p. Thấy U = 4 ở một bên, W = 32 ở bên kia, đừng vội nghĩ có lỗi.

Với Wilcoxon cho dữ liệu cặp có hạng trùng, R chuyển sang xấp xỉ chuẩn và mặc định thêm hiệu chỉnh liên tục, còn SPSS tính xấp xỉ không hiệu chỉnh. Ví dụ giả định tám học viên đều tăng điểm, với vài hiệu số trùng nhau: SPSS cho p khoảng 0,011, R cho khoảng 0,013. Kết luận không đổi, nhưng nếu kết quả nằm sát 0,05, khác biệt kiểu này có thể đổi chiều. Bạn ghi loại p đã dùng trong luận văn.

Khi dữ liệu đầu vào thật sự khác nhau

Nếu thống kê mô tả của hai bên đã khác nhau, nguyên nhân không nằm ở kiểm định mà nằm ở dữ liệu. Những thủ phạm quen thuộc:

  • Ô số bị đọc thành chữ trong Excel hoặc Sheets vì dấu thập phân không hợp cài đặt vùng; hàm bỏ qua chúng mà không báo, nên N bên bảng tính nhỏ hơn.
  • Mã khuyết chưa khai: SPSS hoặc R tính 99 như giá trị thật, Excel thì ô đó để trống, hoặc ngược lại.
  • Cách loại khuyết khác nhau: một bên loại theo từng phân tích, bên kia loại cả dòng nếu thiếu bất kỳ biến nào trong danh sách, nên N khác nhau giữa các bảng.
  • Bộ lọc hoặc trọng số còn bật: lệnh chọn trường hợp hay Weight Cases trong SPSS áp cho mọi phân tích sau đó, dễ quên.
  • Dữ liệu đã làm tròn trước khi chuyển: chép số từ bảng hiển thị hai chữ số thập phân sang phần mềm khác làm mất phần lẻ thật.
  • Biến nhóm sai kiểu: trong R, nhóm 1, 2, 3 chưa khai factor làm aov chạy hồi quy tuyến tính, cho df bằng 1 và F khác hẳn.
  • Phiên bản tệp khác nhau: hai người chạy hai bản tệp dữ liệu, một bản đã loại phiếu lỗi, một bản chưa.

Ở ANOVA nhiều nhân tố với thiết kế không cân bằng, SPSS mặc định dùng tổng bình phương loại III, còn hàm aov của R dùng tổng bình phương tuần tự, phụ thuộc thứ tự biến trong công thức. Hai bên có thể lệch dù dữ liệu giống hệt. Với thiết kế cân bằng hoặc ANOVA một nhân tố, các loại cho cùng kết quả.

Quy trình đối chiếu từng bước

Khi thấy hai phần mềm cho kết quả khác nhau đáng kể, đi theo thứ tự sau, từ chỗ dễ kiểm nhất:

  1. So cỡ mẫu từng nhóm. N khác nhau thì dừng lại, tìm nguyên nhân ở dữ liệu trước khi xét gì khác.
  2. So trung bình, độ lệch chuẩn, hoặc bảng đếm của từng nhóm. Lệch ở đây cũng là chuyện dữ liệu: khuyết, làm tròn, ô chữ, bộ lọc.
  3. Xác định chính xác kiểm định mỗi bên đã chạy: Student hay Welch, có hay không hiệu chỉnh Yates, p chính xác hay xấp xỉ, có hiệu chỉnh liên tục không, một hay hai phía.
  4. Cho hai bên chạy cùng một phiên bản kiểm định: đặt var.equal, correct, exact trong R; chọn đúng dòng trong SPSS; đặt kiểu và số phía trong Excel. Nếu kết quả khớp, nguồn chênh lệch đã rõ.
  5. Nếu vẫn lệch, tính tay một con số trung gian như thống kê t hay chi bình phương với bảng tính, theo công thức chuẩn, để biết bên nào khớp với lý thuyết.
  6. Ghi lại kết luận đối chiếu: phần mềm nào, phiên bản nào, tuỳ chọn nào cho con số báo cáo trong luận văn, và lý do chọn tuỳ chọn đó theo kế hoạch phân tích.

Khi vẫn không giải thích được, bạn nhờ người hướng dẫn hoặc một chuyên gia thống kê xem tệp dữ liệu và các bước đã làm. Mang theo tệp dữ liệu, tệp lệnh hoặc mô tả thao tác, và kết quả hai bên; như vậy người hỗ trợ tìm ra vấn đề nhanh hơn nhiều so với chỉ nhìn hai con số p.

Câu hỏi thường gặp

SPSS và Excel cho p khác nhau ở chữ số thứ tư có cần lo không?

Thường không. Chênh lệch nhỏ như vậy đến từ làm tròn hiển thị hoặc thuật toán số. Bạn chỉ cần lo khi thống kê kiểm định, bậc tự do hoặc cỡ mẫu khác nhau, hoặc khi chênh lệch đủ lớn để đổi kết luận ở mức ý nghĩa đã chọn.

Nên tin phần mềm nào khi hai bên cho kết luận trái ngược?

Không nên chọn theo phần mềm. Hãy xác định mỗi bên đã chạy kiểm định nào với dữ liệu nào, rồi chọn kiểm định phù hợp với thiết kế và kế hoạch phân tích. Khi hai bên cùng kiểm định, cùng dữ liệu, các phần mềm thống kê phổ biến cho kết quả khớp nhau.

Có được báo cáo kết quả từ nhiều phần mềm trong cùng luận văn không?

Được, nếu mỗi phân tích ghi rõ phần mềm và phiên bản. Nhiều người làm sạch dữ liệu trên bảng tính, chạy kiểm định trên phần mềm thống kê và vẽ biểu đồ ở nơi khác. Điều cần giữ là một phân tích chỉ báo cáo một kết quả theo kế hoạch, không chọn bên đẹp hơn.

Vì sao Fisher và chi bình phương cho kết luận khác nhau dù tần số kỳ vọng đều trên 5?

Vì chúng là hai kiểm định khác nhau, cho p khác nhau với cùng bảng. Khi kết quả nằm sát mức ý nghĩa, chênh lệch đó đủ để đổi kết luận. Bạn báo cáo kiểm định đã chọn trong kế hoạch và nói rõ trong bàn luận rằng bằng chứng nằm sát ranh giới.

Người hướng dẫn chạy lại ra số khác với mình thì nên làm gì?

Gửi tệp dữ liệu đúng bản bạn đã dùng, kèm tệp lệnh hoặc mô tả từng thao tác và tuỳ chọn. Đối chiếu từ cỡ mẫu, thống kê mô tả rồi mới đến tuỳ chọn kiểm định. Phần lớn trường hợp là hai người dùng hai bản dữ liệu khác nhau hoặc một tuỳ chọn mặc định khác.

Có cách nào tránh chuyện lệch kết quả ngay từ đầu không?

Viết kế hoạch phân tích trước khi xem dữ liệu, ghi rõ kiểm định và tuỳ chọn. Giữ một tệp dữ liệu chuẩn có ngày và nhật ký sửa đổi, lưu tệp lệnh hoặc cú pháp, và ghi phiên bản phần mềm. Khi đó mọi kết quả đều có thể chạy lại và đối chiếu được.

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