Kiểm định chính xác Fisher (Fisher exact test) tính trực tiếp xác suất của bảng 2x2 bạn quan sát được và của mọi bảng "cực đoan hơn", với điều kiện giữ nguyên tổng hàng và tổng cột, nên không cần điều kiện tần số kỳ vọng từ 5 trở lên như chi bình phương. Nó là lựa chọn tiêu chuẩn khi bảng 2x2 có cỡ mẫu nhỏ hoặc có ô tần số kỳ vọng dưới 5.
Bài này đi qua ý tưởng của kiểm định, công thức xác suất của một bảng, một ví dụ giả định với 20 người được tính tay đến từng phân số, cách chọn một phía hay hai phía, và so sánh kết quả Fisher với chi bình phương trên cùng một bảng để thấy vì sao không thể dùng chi bình phương khi mẫu nhỏ.
Khi nào cần kiểm định chính xác Fisher
Tình huống điển hình là bảng 2x2 với cỡ mẫu nhỏ: một thử nghiệm giảng dạy trên hai nhóm mười mấy sinh viên, một khảo sát sơ bộ vài chục người, một nghiên cứu y sinh về một biến cố hiếm. Khi một hoặc nhiều ô có tần số kỳ vọng dưới 5, xấp xỉ chi bình phương không còn đáng tin, và Fisher là cách thay thế được giáo trình và phần mềm thống kê thừa nhận rộng rãi.
Kiểm định mang tên nhà thống kê Ronald Fisher, người trình bày nó qua thí nghiệm nổi tiếng "người phụ nữ nếm trà" trong cuốn sách về thiết kế thí nghiệm năm 1935: một người khẳng định phân biệt được tách trà rót sữa trước hay rót trà trước, và câu hỏi là phải đoán đúng bao nhiêu tách thì mới đáng tin đó không phải may mắn. Cấu trúc của thí nghiệm này, với số tách mỗi loại được biết trước, chính là cấu trúc bảng 2x2 có tổng hàng và tổng cột cố định.
Ngoài trường hợp mẫu nhỏ, Fisher vẫn dùng được cho mẫu lớn vì nó không dựa vào xấp xỉ; với bảng 2x2 thì phần mềm tính rất nhanh. Khi mẫu lớn và tần số kỳ vọng đủ, kết quả Fisher và chi bình phương thường gần nhau, nên lựa chọn khi đó ít ảnh hưởng tới kết luận. Với bảng lớn hơn 2x2, có phiên bản mở rộng gọi là Fisher–Freeman–Halton.
Ý tưởng: cố định các tổng và xét mọi bảng có thể
Hãy hình dung bạn biết trước tổng hàng và tổng cột của bảng 2x2, chỉ chưa biết bốn ô bên trong. Khi các tổng đã cố định, chỉ cần biết ô góc trên bên trái, gọi là a, là ba ô còn lại tự xác định. Vì vậy mọi bảng có thể xảy ra tương ứng với các giá trị khả dĩ của a, từ nhỏ nhất đến lớn nhất mà các tổng cho phép.
Nếu H0 đúng, tức hai biến độc lập, thì số "thành công" rơi vào hàng thứ nhất giống như rút ngẫu nhiên không hoàn lại từ một hộp: trong hộp có tổng cột thứ nhất là số thành công, tổng cột thứ hai là số không thành công, và ta rút ra đúng số lượng bằng tổng hàng thứ nhất. Số thành công rút được theo phân phối siêu bội, một phân phối xác suất rời rạc mà ta tính chính xác được bằng tổ hợp, không cần xấp xỉ.
Giá trị p là tổng xác suất của bảng quan sát được và của mọi bảng ít nhất cũng "khác H0" như nó. Với kiểm định một phía, đó là các bảng lệch cùng chiều với bảng quan sát. Với kiểm định hai phía, cách phổ biến trong phần mềm là cộng xác suất của mọi bảng có xác suất nhỏ hơn hoặc bằng xác suất của bảng quan sát. Điểm khác biệt cốt lõi so với chi bình phương: không có phân phối liên tục nào được dùng để xấp xỉ, mọi xác suất đều đếm trực tiếp.
Công thức xác suất của một bảng 2x2
Đặt các ô và các tổng như sau, với n là cỡ mẫu:
| Cột 1 | Cột 2 | Tổng hàng | |
|---|---|---|---|
| Hàng 1 | a | b | a + b |
| Hàng 2 | c | d | c + d |
| Tổng cột | a + c | b + d | n |
Xác suất để có đúng bảng này khi H0 đúng và các tổng cố định là: P = C(a + c, a) × C(b + d, b) / C(n, a + b), trong đó C(m, k) là số tổ hợp chập k của m phần tử. Viết bằng giai thừa, công thức tương đương là P = (a + b)! (c + d)! (a + c)! (b + d)! / (n! a! b! c! d!). Hai cách viết cho cùng kết quả; cách dùng tổ hợp dễ tính tay hơn vì số nhỏ hơn.
Đọc công thức bằng lời: tử số đếm số cách chọn a thành công trong tổng số thành công và b không thành công trong tổng số không thành công để xếp vào hàng 1; mẫu số đếm tổng số cách chọn a + b người bất kỳ từ n người vào hàng 1. Tỷ số giữa hai số đếm là xác suất. Giai thừa tăng rất nhanh, nên khi tính bằng bảng tính hãy dùng hàm tổ hợp có sẵn hoặc hàm phân phối siêu bội thay vì tự nhân giai thừa.
Ví dụ giả định: tính tay từng bảng có thể
Ví dụ giả định: một giảng viên thử một cách ôn tập mới cho 10 sinh viên, 10 sinh viên khác ôn theo cách cũ. Kết quả bài kiểm tra: nhóm mới có 8 người đạt và 2 người chưa đạt; nhóm cũ có 3 người đạt và 7 người chưa đạt. Tổng 11 người đạt, 9 người chưa đạt, n = 20. Tần số kỳ vọng là 5,5 và 4,5 cho mỗi hàng, tức hai ô dưới 5, chi bình phương không đạt điều kiện. Bảng dưới liệt kê mọi giá trị khả dĩ của a (số người đạt ở nhóm mới), với C(20, 10) = 184.756:
| a | Phép tính C(11, a) × C(9, 10 − a) | Xác suất |
|---|---|---|
| 10 | 11 × 1 = 11 | ≈ 0,00006 |
| 9 | 55 × 9 = 495 | ≈ 0,00268 |
| 8 (quan sát) | 165 × 36 = 5.940 | ≈ 0,03215 |
| 7 | 330 × 84 = 27.720 | ≈ 0,15004 |
| 6 | 462 × 126 = 58.212 | ≈ 0,31508 |
| 5 | 462 × 126 = 58.212 | ≈ 0,31508 |
| 4 | 330 × 84 = 27.720 | ≈ 0,15004 |
| 3 | 165 × 36 = 5.940 | ≈ 0,03215 |
| 2 | 55 × 9 = 495 | ≈ 0,00268 |
| 1 | 11 × 1 = 11 | ≈ 0,00006 |
Giá trị a nhỏ nhất là 1 chứ không phải 0, vì nhóm cũ chỉ có 10 chỗ mà có 11 người đạt, nên nhóm mới phải có ít nhất 1 người đạt. Kiểm tra: tổng các tử số là 2 × (11 + 495 + 5.940 + 27.720 + 58.212) = 184.756, đúng bằng mẫu số, nên các xác suất cộng lại bằng 1.
P một phía, theo chiều "cách mới tốt hơn": cộng các bảng a = 8, 9, 10, được (5.940 + 495 + 11) / 184.756 = 6.446 / 184.756 ≈ 0,0349. P hai phía: cộng mọi bảng có xác suất không lớn hơn 0,03215, tức a = 1, 2, 3, 8, 9, 10, được 12.892 / 184.756 ≈ 0,0698. Ở ví dụ này phân phối đối xứng vì hai hàng có cùng 10 người, nên p hai phía đúng bằng hai lần p một phía; điều đó không đúng với mọi bảng.
Một phía hay hai phía: quyết định trước khi nhìn số liệu
Ví dụ trên cho thấy vì sao lựa chọn này quan trọng: p một phía xấp xỉ 0,035, nhỏ hơn 0,05; p hai phía xấp xỉ 0,070, lớn hơn 0,05. Cùng một bảng, hai lựa chọn cho hai kết luận ở mức 0,05. Nếu bạn chỉ chọn một phía sau khi thấy p hai phía không đạt, đó là thao túng phân tích, và tỷ lệ sai lầm loại I thật không còn là 5%.
Kiểm định một phía chỉ hợp lý khi giả thuyết có hướng được nêu từ trước khi thu dữ liệu và có lý do chặt chẽ để coi kết quả theo chiều ngược lại là không có ý nghĩa thực tế. Trong phần lớn luận văn, người hướng dẫn và hội đồng mong đợi kiểm định hai phía, vì một phương pháp mới cũng có thể kém hơn phương pháp cũ và điều đó cũng cần được phát hiện. Nếu bạn dùng một phía, hãy viết rõ lý do trong phần phương pháp.
Với kết quả hai phía p xấp xỉ 0,07, cách diễn đạt đúng là: chưa đủ bằng chứng ở mức 0,05 để kết luận hai cách ôn tập cho tỷ lệ đạt khác nhau. Không viết "hai cách ôn như nhau", và cũng không viết "gần có ý nghĩa" như thể đó là một nửa kết luận. Tỷ lệ đạt 80% so với 30% trong mẫu là một chênh lệch lớn đáng quan tâm, nhưng với 20 người thì độ bất định còn rất cao; đó là lý do để làm nghiên cứu lớn hơn, không phải để đổi cách kiểm định.
Fisher so với chi bình phương trên cùng một bảng
Chạy cả ba cách trên bảng 8 – 2 và 3 – 7 ở trên cho thấy sự khác biệt khi tần số kỳ vọng nhỏ:
| Phương pháp | Thống kê | Giá trị p (hai phía) | Kết luận ở mức 0,05 |
|---|---|---|---|
| Chi bình phương Pearson, không hiệu chỉnh | χ² ≈ 5,05, df 1 | ≈ 0,025 | Bác bỏ H0 |
| Chi bình phương có hiệu chỉnh Yates | χ² ≈ 3,23, df 1 | ≈ 0,072 | Không bác bỏ H0 |
| Kiểm định chính xác Fisher | không có thống kê χ² | ≈ 0,070 | Không bác bỏ H0 |
Chi bình phương không hiệu chỉnh cho p nhỏ hơn đáng kể so với xác suất tính chính xác, tức là nó dễ dãi quá mức trong tình huống này. Đây là minh hoạ cụ thể cho điều kiện tần số kỳ vọng: không phải điều kiện hình thức, mà nó thay đổi kết luận.
Cũng cần biết: Fisher được coi là hơi thận trọng, vì tính rời rạc khiến tỷ lệ sai lầm loại I thật thường thấp hơn mức danh nghĩa. Một số tác giả đề xuất dùng "mid-p", lấy một nửa xác suất của bảng quan sát cộng với xác suất các bảng cực đoan hơn. Đây là chủ đề còn bàn luận; nếu dùng mid-p, hãy trích nguồn và nói rõ trong luận văn.
Đọc và báo cáo kết quả Fisher
Với bảng 2x2, nhiều phần mềm tự in dòng kiểm định chính xác Fisher ngay dưới kết quả chi bình phương, gồm p một phía và p hai phía. Hãy chọn đúng dòng đã định trong kế hoạch phân tích. Một số phần mềm in kèm tỷ số chênh (odds ratio) và khoảng tin cậy. Tỷ số chênh mẫu ở ví dụ là (8 × 7) / (2 × 3) = 56 / 6 ≈ 9,33; một số phần mềm báo tỷ số chênh ước lượng theo cách khác, gọi là ước lượng có điều kiện, nên con số in ra có thể hơi khác. Với mẫu 20 người, khoảng tin cậy của tỷ số chênh thường rất rộng, nhắc người đọc rằng độ lớn thật của hiệu ứng còn rất bất định.
Câu báo cáo mẫu: "Do hai ô có tần số kỳ vọng nhỏ hơn 5, nghiên cứu sử dụng kiểm định chính xác Fisher. Tỷ lệ đạt ở nhóm ôn tập mới là 80% (8/10) so với 30% (3/10) ở nhóm ôn tập cũ; khác biệt chưa đạt ý nghĩa thống kê ở mức 0,05 (Fisher, p hai phía = 0,070)." Số liệu là giả định.
Khi trả lời hội đồng, bạn nên giải thích được ba ý: vì sao không dùng chi bình phương (tần số kỳ vọng nhỏ), vì sao chọn hai phía (giả thuyết không định hướng hoặc theo quy ước chung), và vì sao kết quả không có ý nghĩa không đồng nghĩa với "không có tác dụng" (mẫu nhỏ, lực kiểm định thấp). Ba câu trả lời đó đều nằm trong ví dụ trên.
Câu hỏi thường gặp
Fisher có dùng cho bảng lớn hơn 2x2 được không?
Có, qua phần mở rộng thường gọi là kiểm định Fisher–Freeman–Halton. Không phải phần mềm nào cũng có sẵn tuỳ chọn này; có nơi cần cài thêm mô-đun. Khi bảng lớn, phép tính chính xác có thể chậm và phần mềm cho phép ước lượng p bằng mô phỏng Monte Carlo.
Kiểm định Fisher có giả định gì?
Các quan sát độc lập, mỗi đối tượng thuộc đúng một ô, và về mặt lý thuyết các tổng hàng, tổng cột được coi là cố định. Trong thực tế, kiểm định vẫn được dùng rộng rãi cả khi các tổng không cố định từ thiết kế, và đây là một lý do khiến nó hơi thận trọng.
Có thể tính kiểm định Fisher trong bảng tính không?
Được, bằng hàm phân phối siêu bội hoặc hàm tổ hợp để tính xác suất từng bảng rồi cộng lại như ví dụ. Cách này giúp hiểu bản chất nhưng dễ sai khi cộng phía. Để báo cáo chính thức, nên đối chiếu với kết quả của một phần mềm thống kê.
Vì sao p hai phía không phải lúc nào cũng gấp đôi p một phía?
Vì phân phối siêu bội chỉ đối xứng trong một số trường hợp, chẳng hạn khi hai hàng có cùng cỡ. Khi không đối xứng, cách cộng mọi bảng có xác suất nhỏ hơn hoặc bằng bảng quan sát cho kết quả khác với cách nhân đôi. Các phần mềm có thể dùng cách khác nhau, nên ghi rõ phần mềm đã dùng.
Mẫu 200 người có nên dùng Fisher không?
Nếu mọi ô có tần số kỳ vọng từ 5 trở lên, chi bình phương là đủ và kết quả thường gần với Fisher. Dùng Fisher cho mẫu lớn không sai. Điều quan trọng là chọn một phương pháp trong kế hoạch phân tích và giữ nhất quán, không chọn theo con số đẹp hơn.
Kết quả Fisher có ý nghĩa thì có cần cỡ hiệu ứng không?
Có. Giá trị p không cho biết khác biệt lớn đến đâu. Với bảng 2x2, nên báo cáo tỷ lệ của hai nhóm, hiệu tỷ lệ hoặc tỷ số chênh kèm khoảng tin cậy. Với mẫu nhỏ, khoảng tin cậy rộng là thông tin quan trọng cho người đọc.