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

Khoảng tin cậy và giá trị p liên hệ thế nào: đọc kết quả kiểm định qua khoảng tin cậy

Khoảng tin cậy 95% không chứa giá trị của H0 tương ứng p < 0,05. Ví dụ tính tay, hai khoảng chồng nhau vẫn có thể khác nhau, và cách báo cáo cho đúng.

Macro shot of a wooden ruler and two small brass weights resting on a balance beam in a physics lab in Lam Dong, shallow depth of field, cool blue morning light

Với cùng một phép kiểm định, khoảng tin cậy 95% không chứa giá trị của giả thuyết không (thường là 0 cho chênh lệch, 1 cho tỷ số) khi và chỉ khi giá trị p hai phía nhỏ hơn 0,05. Hai thứ được tính từ cùng một ước lượng và cùng một sai số chuẩn, nên chúng không bao giờ mâu thuẫn. Khác biệt là khoảng tin cậy còn cho thấy độ lớn và độ chính xác của ước lượng, điều mà giá trị p gói gọn thành một con số.

Bài này tính tay một ví dụ giả định để thấy rõ mối liên hệ, giải thích vì sao khoảng tin cậy 90% gắn với kiểm định một phía, chỉ ra lỗi phổ biến "hai khoảng tin cậy chồng nhau nên không khác nhau", và đưa cách viết kết quả kèm khoảng tin cậy trong luận văn.

Hai mặt của cùng một phép tính

Lấy kiểm định t hai mẫu độc lập làm ví dụ. Thống kê kiểm định là t = (chênh lệch quan sát − giá trị theo H0) / sai số chuẩn, và ta bác bỏ H0 ở mức 0,05 hai phía khi trị tuyệt đối của t vượt giá trị tới hạn t*. Khoảng tin cậy 95% là chênh lệch quan sát ± t* × sai số chuẩn. Đặt hai công thức cạnh nhau, điều kiện "|t| lớn hơn t*" tương đương với "giá trị theo H0 nằm ngoài khoảng tin cậy".

Vì thế có thể coi khoảng tin cậy 95% là tập hợp mọi giá trị giả thuyết mà kiểm định ở mức 0,05 không bác bỏ. Nếu khoảng tin cậy của chênh lệch là (0,1; 0,9), thì kiểm định sẽ bác bỏ giả thuyết "chênh lệch bằng 0", nhưng cũng sẽ không bác bỏ "chênh lệch bằng 0,3" hay "chênh lệch bằng 0,8". Cách nhìn này giúp thoát khỏi lối nghĩ chỉ có một giả thuyết đáng kiểm là 0.

Sự tương ứng chặt chẽ này chỉ đúng khi khoảng tin cậy và kiểm định dùng cùng phương pháp. Với tỷ lệ, kiểm định chi bình phương và khoảng tin cậy Wald cho hiệu hai tỷ lệ đôi khi cho kết luận lệch nhau ở sát ngưỡng, vì chúng dùng sai số chuẩn khác nhau. Gặp trường hợp đó, bạn không có lỗi gì; chỉ cần nói rõ phương pháp của từng con số.

Tính tay từ một ví dụ giả định

Hai lớp, mỗi lớp 30 sinh viên; trung bình 7,4 và 6,8; độ lệch chuẩn 1,2 và 1,4. Độ lệch chuẩn gộp khoảng 1,304.

  1. Sai số chuẩn của chênh lệch: 1,304 × căn (1/30 + 1/30) ≈ 1,304 × 0,258 ≈ 0,337.
  2. Thống kê t: 0,6 / 0,337 ≈ 1,78, với 58 bậc tự do. Giá trị p hai phía khoảng 0,08.
  3. Giá trị tới hạn cho khoảng 95%: với 58 bậc tự do, t* ≈ 2,002 (tra bảng t hoặc dùng hàm T.INV.2T(0,05; 58) trong bảng tính; tên hàm có thể khác theo phiên bản).
  4. Khoảng tin cậy 95%: 0,6 ± 2,002 × 0,337 = 0,6 ± 0,674, tức từ khoảng −0,07 đến 1,27. Khoảng chứa 0, khớp với p lớn hơn 0,05.
  5. Khoảng tin cậy 90%: t* ≈ 1,672, khoảng 0,6 ± 0,563, tức từ khoảng 0,04 đến 1,16. Khoảng này không chứa 0, tương ứng với kiểm định một phía ở mức 0,05 có p khoảng 0,04.

Bước cuối không phải lời mời đổi sang kiểm định một phía sau khi thấy kết quả. Nó chỉ minh hoạ rằng mức tin cậy 90% hai phía ứng với mức ý nghĩa 5% một phía. Nếu kế hoạch phân tích ghi kiểm định hai phía, kết luận vẫn là không bác bỏ H0 ở mức 0,05, và khoảng 95% từ −0,07 đến 1,27 là con số cần báo cáo.

Đọc khoảng này bằng lời: số liệu tương thích với việc lớp A thấp hơn lớp B một chút, ngang bằng, hoặc cao hơn tới khoảng 1,3 điểm. Câu "không có khác biệt giữa hai lớp" bỏ mất gần hết thông tin này.

Khoảng tin cậy nói thêm những gì mà giá trị p không nói

Độ lớn của hiệu ứng. Điểm giữa khoảng là ước lượng tốt nhất, tính bằng đơn vị gốc. Người đọc biết ngay chênh lệch cỡ 0,6 điểm chứ không chỉ biết "có hay không".

Độ chính xác. Độ rộng của khoảng phản ánh lượng thông tin trong số liệu. Hai nghiên cứu cùng p = 0,03 có thể một cái có khoảng (0,02; 0,05) và một cái có khoảng (0,1; 3,5); chúng nói những điều rất khác nhau về mức hiểu biết hiện có.

Những giá trị bị loại trừ. Cận trên và cận dưới cho biết số liệu có loại trừ được các hiệu ứng lớn hay không. Một kết quả không có ý nghĩa với khoảng hẹp quanh 0 là bằng chứng khá tốt rằng hiệu ứng nếu có thì nhỏ; một kết quả không có ý nghĩa với khoảng rộng thì chỉ nói rằng chưa biết.

Khả năng so với ngưỡng thực tiễn. Đặt khoảng tin cậy cạnh ngưỡng khác biệt nhỏ nhất đáng quan tâm cho phép kết luận về ý nghĩa thực tiễn, phần được bàn kỹ trong bài về ý nghĩa thống kê và ý nghĩa thực tiễn của danh mục này.

Nguyên liệu cho tổng hợp sau này. Phân tích gộp cần ước lượng và sai số chuẩn; khoảng tin cậy cho phép tính ngược sai số chuẩn bằng độ rộng chia cho khoảng 3,92 (với khoảng 95% dựa trên phân phối chuẩn). Một con số p đơn lẻ không cho phép điều đó.

Hiểu đúng chữ "95%"

Trong khuôn khổ thống kê tần suất, 95% là đặc tính của phương pháp chứ không phải của một khoảng cụ thể. Nếu lặp lại nghiên cứu rất nhiều lần, mỗi lần tính một khoảng tin cậy 95% theo cùng cách, thì khoảng 95% số khoảng đó sẽ chứa giá trị thật của tổng thể. Với một khoảng cụ thể đã tính xong như (−0,07; 1,27), giá trị thật hoặc nằm trong, hoặc không; nói "có 95% xác suất giá trị thật nằm trong khoảng này" là cách diễn đạt mà thống kê tần suất không cho phép.

Trên thực tế, nhiều người dùng cách nói lỏng hơn và người đọc thường hiểu ý. Nhưng trong luận văn, nhất là khi hội đồng có người chuyên thống kê, bạn nên viết "khoảng tin cậy 95% của chênh lệch là…" và để định nghĩa ở phần phương pháp. Nếu bạn muốn một phát biểu xác suất trực tiếp về tham số, đó là khoảng tin cậy Bayes (credible interval), cần thêm phân phối tiên nghiệm và là một cách tiếp cận khác.

Hai hiểu lầm khác nên tránh: khoảng tin cậy 95% không phải khoảng chứa 95% số quan sát (đó là khoảng dự đoán hoặc khoảng tham chiếu, rộng hơn nhiều), và không phải khoảng mà 95% nghiên cứu lặp lại sẽ có ước lượng rơi vào. Ba khái niệm này hay bị trộn trong phần bàn luận.

Khoảng tin cậy cho mẫu cặp, cho tỷ số và cho cỡ hiệu ứng

Với thiết kế trước – sau, khoảng tin cậy được tính trên dãy hiệu số. Ví dụ giả định: 25 học viên, hiệu số sau trừ trước có trung bình 0,8 và độ lệch chuẩn 1,6. Sai số chuẩn là 1,6 / căn 25 = 0,32; với 24 bậc tự do, t* ≈ 2,064; khoảng tin cậy 95% là 0,8 ± 0,66, tức từ khoảng 0,14 đến 1,46. Khoảng không chứa 0, khớp với t = 2,5 và p ≈ 0,02 của kiểm định t mẫu cặp.

Với các chỉ số dạng tỷ số như tỷ số chênh hay nguy cơ tương đối, giá trị của giả thuyết không là 1 chứ không phải 0. Khoảng tin cậy được tính trên thang logarit rồi đổi ngược, nên nó lệch về phía lớn: một OR bằng 0,53 có thể có khoảng (0,32; 0,88). Quy tắc đọc vẫn y nguyên: khoảng không chứa 1 tương ứng p nhỏ hơn 0,05.

Cỡ hiệu ứng chuẩn hoá cũng có khoảng tin cậy, và nên được báo cáo khi phần mềm hỗ trợ. Với hai lớp 30 người ở ví dụ trên, d ≈ 0,46 có khoảng gần đúng từ −0,05 đến 0,97. Khoảng của d và khoảng của chênh lệch thô cùng chứa 0, vì chúng là hai cách biểu diễn cùng một thông tin; khoảng của d chỉ tiện hơn khi so với nghiên cứu dùng thang đo khác.

Hai khoảng tin cậy chồng nhau không có nghĩa là không khác nhau

Lỗi rất phổ biến: vẽ khoảng tin cậy của từng nhóm, thấy chúng chồng nhau, rồi kết luận hai nhóm không khác nhau. Ví dụ giả định với hai lớp, mỗi lớp 50 sinh viên, cùng trung bình và độ lệch chuẩn như trên:

Đại lượngLớp ALớp BChênh lệch A − B
Trung bình7,46,80,6
Sai số chuẩn1,2 / căn 50 ≈ 0,1701,4 / căn 50 ≈ 0,198khoảng 0,261
Khoảng tin cậy 95%(7,06; 7,74)(6,40; 7,20)(0,08; 1,12)
Kết luậnt ≈ 2,30, 98 bậc tự do, p ≈ 0,024

Khoảng của lớp A và lớp B chồng nhau từ 7,06 đến 7,20, nhưng khoảng tin cậy của chênh lệch không chứa 0 và p ≈ 0,024. Lý do: sai số chuẩn của chênh lệch không bằng tổng hai sai số chuẩn (0,170 + 0,198 = 0,368), mà bằng căn tổng bình phương (khoảng 0,261), nhỏ hơn đáng kể.

Quy tắc gần đúng do Cumming và Finch (2005) đưa ra cho hai nhóm độc lập: nếu phần chồng lên nhau của hai khoảng 95% không quá khoảng một nửa trung bình hai nửa độ rộng, thì p xấp xỉ 0,05 hoặc nhỏ hơn. Quy tắc này chỉ để đọc nhanh biểu đồ; muốn kết luận, hãy tính khoảng tin cậy của chênh lệch. Với thiết kế mẫu cặp, khoảng tin cậy của từng lần đo gần như không nói gì về chênh lệch, vì nó bỏ qua tương quan giữa hai lần đo.

Viết khoảng tin cậy vào luận văn

Một số quy ước và câu mẫu (số liệu giả định) giúp phần kết quả gọn và đúng:

  • Theo chuẩn APA, khoảng tin cậy đặt trong ngoặc vuông, có ghi mức tin cậy ở lần đầu: "chênh lệch trung bình 0,60 điểm, KTC 95% [−0,07; 1,27]". Khi viết số thập phân bằng dấu phẩy theo kiểu Việt Nam, dùng dấu chấm phẩy ngăn hai cận để tránh nhầm.
  • Câu mẫu khi không có ý nghĩa: "Lớp học theo phương pháp mới có điểm trung bình cao hơn 0,60 điểm, KTC 95% [−0,07; 1,27], t(58) = 1,78, p = 0,080; khoảng tin cậy rộng cho thấy số liệu chưa đủ để kết luận về chiều và độ lớn của khác biệt."
  • Câu mẫu khi có ý nghĩa: "Chênh lệch giữa hai lớp là 0,60 điểm, KTC 95% [0,08; 1,12], t(98) = 2,30, p = 0,024, d = 0,46."
  • Với tỷ số (OR, RR), ghi khoảng tin cậy theo thang gốc dù tính trên thang log, và chấp nhận rằng khoảng không đối xứng quanh điểm ước lượng.
  • Tránh câu "vì khoảng tin cậy chứa 0 nên hai nhóm như nhau". Thay bằng: "khoảng tin cậy chứa 0, nên số liệu không loại trừ khả năng không có chênh lệch".
  • Nếu dùng khoảng tin cậy khác 95% (ví dụ 90% cho kiểm định tương đương, hoặc 99% khi alpha 0,01), ghi rõ ở mỗi bảng.

Câu hỏi thường gặp

Khoảng tin cậy chứa 0 nhưng p bằng 0,049 thì sao?

Nếu cả hai được tính bằng cùng phương pháp thì điều này không xảy ra; khi gặp, thường là do hai con số đến từ hai phương pháp khác nhau, hoặc do làm tròn. Kiểm lại xem phần mềm có dùng hiệu chỉnh khác nhau cho kiểm định và cho khoảng tin cậy không, và báo cáo cặp con số cùng phương pháp.

Khoảng tin cậy rộng có phải nghiên cứu sai không?

Không. Khoảng rộng phản ánh trung thực lượng thông tin ít, thường do cỡ mẫu nhỏ hoặc biến thiên lớn. Nó là giới hạn cần thừa nhận trong phần bàn luận, đồng thời là căn cứ để đề xuất nghiên cứu sau với cỡ mẫu lớn hơn.

Có nên báo cáo cả khoảng tin cậy và giá trị p không?

Nên. Chuẩn APA và nhiều tạp chí khuyến nghị báo cáo ước lượng kèm khoảng tin cậy, cùng thống kê kiểm định và giá trị p chính xác. Hai thông tin bổ sung cho nhau: p cho biết kết quả kiểm định, khoảng tin cậy cho biết độ lớn và độ chính xác.

Khoảng tin cậy 99% có tốt hơn 95% không?

Không tốt hơn hay kém hơn, chỉ khác mức đánh đổi. Khoảng 99% rộng hơn, ít khả năng bỏ sót giá trị thật hơn nhưng kém chính xác hơn. Mức tin cậy nên khớp với alpha bạn dùng cho kiểm định: alpha 0,05 đi với 95%, alpha 0,01 đi với 99%.

Kiểm định phi tham số có khoảng tin cậy không?

Có. Ví dụ với Mann-Whitney, nhiều phần mềm tính khoảng tin cậy cho ước lượng Hodges-Lehmann của chênh lệch vị trí; với Wilcoxon dấu hạng cũng có khoảng tương ứng cho trung vị của hiệu số. Nếu phần mềm không in sẵn, phương pháp bootstrap là lựa chọn thay thế.

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