GiaThuyet.comGiả Thuyết
Kiểm định phi tham số

Kiểm định Friedman: so sánh ba lần đo trở lên trên cùng người, tính tay và hậu kiểm

Kiểm định Friedman cho thiết kế đo lặp khi không dùng được ANOVA đo lặp: xếp hạng trong từng người, tính tay ví dụ 6 người, Kendall W và so sánh cặp sau đó.

Six young Vietnamese library users testing tablets with blank screens at a long wooden table in a bright Da Nang public library, wide shot from the far end

Kiểm định Friedman dùng khi cùng một nhóm người (hoặc cùng một khối) được đo ở ba điều kiện hay ba thời điểm trở lên, và bạn không muốn hoặc không thể dựa vào giả định của ANOVA đo lặp. Thay vì so trung bình, kiểm định xếp hạng các điều kiện bên trong từng người, rồi xem có điều kiện nào thường xuyên đứng đầu hay đứng cuối hơn hẳn không.

Friedman là lựa chọn phi tham số thường đặt cạnh ANOVA đo lặp một nhân tố, và cũng là phần mở rộng của kiểm định dấu cho nhiều hơn hai điều kiện. Bài này tính tay một ví dụ giả định sáu người đánh giá ba mẫu giao diện, đi từ bảng hạng tới thống kê chi bình phương Friedman, giá trị p, hệ số Kendall W, và đặc biệt là bẫy hay gặp khi làm so sánh cặp với mẫu nhỏ.

Thiết kế nào thì dùng Friedman

Đặc trưng của Friedman là dữ liệu chia thành các khối, mỗi khối chứa đúng một quan sát cho mỗi điều kiện. Khối thường là một người: một sinh viên làm bài ở ba thời điểm, một bệnh nhân đo chỉ số ở ba mốc, một chuyên gia chấm ba sản phẩm. Khối cũng có thể là một đơn vị khác: một thửa ruộng chia ba ô áp dụng ba công thức, một cửa hàng thử ba cách bày kệ trong ba tuần. Điều kiện cốt lõi là các khối độc lập với nhau, còn bên trong khối thì các quan sát liên quan với nhau.

Giả thuyết không của Friedman là trong mỗi khối, mọi thứ tự xếp hạng các điều kiện đều có khả năng như nhau, nói cách khác các điều kiện không khác nhau một cách có hệ thống. Giả thuyết đối là có ít nhất một điều kiện có xu hướng được xếp cao hoặc thấp hơn điều kiện khác. Biến kết quả chỉ cần so sánh được trong cùng một khối, nên Friedman dùng được cả khi mỗi người chấm theo thang riêng của mình, miễn là thứ tự trong người đó có nghĩa.

Friedman không dùng cho các nhóm độc lập; nếu ba điều kiện được áp dụng trên ba nhóm người khác nhau, bạn cần Kruskal-Wallis. Và nếu chỉ có hai điều kiện, Friedman trở thành kiểm định dấu, nên với hai lần đo trên cùng người, Wilcoxon dấu hạng hoặc kiểm định dấu là lựa chọn trực tiếp hơn.

Ví dụ giả định: sáu người chấm ba mẫu giao diện

Ví dụ giả định: một nhóm sinh viên thiết kế ba mẫu giao diện ứng dụng mượn sách (A, B, C) và mời 6 người dùng chấm mức dễ dùng trên thang 10. Mỗi người chấm cả ba mẫu theo thứ tự ngẫu nhiên. Bước đầu tiên là xếp hạng ba điểm bên trong từng người, điểm thấp nhất nhận hạng 1.

Người dùngĐiểm AĐiểm BĐiểm CHạng AHạng BHạng C
1578123
2496132
3679123
4758213
5367123
6586132
Tổng hạng71316

Kiểm tra: tổng ba tổng hạng phải bằng n × k(k + 1)/2, với n là số người, k là số điều kiện: 6 × 3 × 4 / 2 = 36, và 7 + 13 + 16 = 36, khớp. Trung vị điểm của A, B, C lần lượt là 5; 7 và 7,5.

Chú ý điều làm Friedman khác Kruskal-Wallis: hạng được xếp trong từng hàng, không gộp cả 18 điểm lại. Nhờ vậy, người dễ tính chấm cả ba mẫu cao và người khó tính chấm cả ba mẫu thấp không làm nhiễu phép so sánh, vì kiểm định chỉ quan tâm thứ tự trong mỗi người.

Tính thống kê Friedman và giá trị p

Công thức khi không có hạng trùng trong hàng: chi bình phương Friedman = [12 / (n × k × (k + 1))] × tổng các Rj bình phương − 3n(k + 1), với Rj là tổng hạng của điều kiện j. Thay số: 12 / (6 × 3 × 4) = 12/72 = 1/6. Tổng bình phương tổng hạng là 49 + 169 + 256 = 474. Vậy thống kê bằng 474/6 − 3 × 6 × 4 = 79 − 72 = 7,0.

Với mẫu đủ lớn, thống kê này xấp xỉ phân phối chi bình phương với k − 1 = 2 bậc tự do; p ≈ e mũ (−7/2) ≈ 0,030. Vì chỉ có 6 người, cách chặt chẽ hơn là dùng phân phối chính xác: liệt kê toàn bộ 6 mũ 6 = 46.656 cách mỗi người xếp ba hạng, đếm tỷ lệ cách cho thống kê từ 7,0 trở lên, được khoảng 0,029. Hai cách cho kết quả gần nhau, cùng nhỏ hơn 0,05, nên bác bỏ H0: dữ liệu cho bằng chứng ba mẫu giao diện không được đánh giá như nhau.

Khi trong một hàng có hai điểm bằng nhau, chúng nhận hạng trung bình (ví dụ 1,5 và 1,5) và thống kê được hiệu chỉnh cho hạng trùng; phần mềm tự làm việc này. Nếu thang đo ít nấc khiến rất nhiều hàng có hạng trùng, kiểm định mất bớt lực, và bạn nên báo cáo thêm thống kê mô tả cho người đọc thấy dữ liệu thô.

Hệ số Kendall W: cỡ hiệu ứng đi kèm Friedman

Công thức. Kendall W = chi bình phương Friedman / (n × (k − 1)) = 7 / (6 × 2) ≈ 0,58. W chạy từ 0 đến 1: bằng 0 khi các người dùng xếp hạng hoàn toàn không đồng nhất với nhau, bằng 1 khi tất cả xếp đúng một thứ tự giống hệt.

Đọc thế nào. W còn gọi là hệ số đồng thuận: trong ví dụ, mức đồng thuận giữa sáu người về thứ tự ba mẫu là khá cao: năm trên sáu người đặt A thấp nhất, và ba người xếp đúng thứ tự A thấp nhất, C cao nhất. Mốc diễn giải nhỏ, vừa, lớn cho W chỉ là quy ước tham khảo, nên so với bối cảnh nghiên cứu.

Phân biệt với kiểm định chính. W mô tả độ mạnh của khác biệt giữa các điều kiện thông qua mức nhất quán của các thứ hạng, còn giá trị p cho biết khác biệt đó có vượt mức ngẫu nhiên hay không. Với mẫu rất nhỏ, W có thể khá lớn mà p vẫn chưa đạt ngưỡng; với mẫu lớn, W nhỏ vẫn có thể cho p nhỏ.

Đừng nhầm với hệ số tương quan. Kendall W đo sự đồng thuận của nhiều người xếp hạng cùng một tập đối tượng, khác với hệ số tương quan hạng giữa hai biến. Trong bối cảnh Friedman, "người xếp hạng" là các khối và "đối tượng được xếp" là các điều kiện, nên W ở đây là cỡ hiệu ứng của khác biệt giữa các điều kiện chứ không phải thước đo quan hệ giữa hai đại lượng.

So sánh cặp sau Friedman và cái bẫy của mẫu nhỏ

Friedman có ý nghĩa chỉ cho biết có khác biệt ở đâu đó giữa ba mẫu. Cách làm quen thuộc là chạy Wilcoxon dấu hạng cho từng cặp rồi hiệu chỉnh Bonferroni hoặc Holm. Nhưng với 6 người, cách này gặp giới hạn cứng: dù cả 6 người cùng thay đổi một chiều, giá trị p chính xác hai phía nhỏ nhất của Wilcoxon là 2/64 ≈ 0,031; nhân 3 theo Bonferroni thành khoảng 0,094, không bao giờ xuống dưới 0,05. Nghĩa là bạn không thể tìm ra cặp nào có ý nghĩa sau hiệu chỉnh, bất kể dữ liệu ra sao.

Một phương án dựa trên chính tổng hạng của Friedman là kiểm định Nemenyi, được dùng nhiều trong so sánh nhiều phương pháp trên nhiều bộ dữ liệu. Hai điều kiện khác nhau có ý nghĩa nếu chênh hạng trung bình vượt hiệu tới hạn CD = q × căn của [k(k + 1) / (6n)]. Với k = 3 và alpha 0,05, giá trị q thường dùng là 2,343, nên CD = 2,343 × căn (12/36) ≈ 1,35. Hạng trung bình của A, B, C là 7/6 ≈ 1,17; 13/6 ≈ 2,17 và 16/6 ≈ 2,67. Chỉ cặp A và C chênh 1,5, vượt 1,35; cặp A và B chênh 1,0 và cặp B và C chênh 0,5 đều không vượt.

Bài học không phải là "dùng Nemenyi cho ra kết quả", mà là: chọn phương pháp so sánh cặp trước khi thu dữ liệu, ghi vào kế hoạch phân tích, và tính cỡ mẫu sao cho bước so sánh cặp có cơ hội phát hiện khác biệt. Đổi từ Wilcoxon sang Nemenyi sau khi thấy Wilcoxon không ra gì là chọn phương pháp theo kết quả, điều mà danh mục đạo đức số liệu của trang khuyên tránh. Ngoài Nemenyi còn có kiểm định Conover cho Friedman; các phương pháp cho kết quả hơi khác nhau, phần mềm và gói lệnh hỗ trợ cũng khác nhau, nên kiểm tài liệu phiên bản bạn dùng.

Friedman hay ANOVA đo lặp

Hai kiểm định trả lời câu hỏi gần nhau trên cùng thiết kế. Bảng dưới tóm các điểm khác nhau chính để bạn chọn và giải thích lựa chọn trong luận văn.

Tiêu chíANOVA đo lặpFriedman
Dữ liệu dùngGiá trị sốThứ hạng trong từng người
Giả định chínhPhần dư xấp xỉ chuẩn, cầu (sphericity) hoặc hiệu chỉnh Greenhouse-GeisserCác khối độc lập, so sánh được thứ tự trong khối
Câu hỏi trả lờiTrung bình các điều kiện có khác nhau khôngThứ hạng các điều kiện có khác nhau một cách có hệ thống không
Thêm biến, thêm nhân tốMở rộng được (nhiều nhân tố, hiệp biến)Khó mở rộng
Khi có dữ liệu thiếuBản cổ điển bỏ cả người; mô hình hỗn hợp xử lý tốt hơnPhải bỏ cả người có ô thiếu

Một hạn chế thực tế của Friedman là dữ liệu thiếu: người nào vắng một lần đo bị loại khỏi phân tích. Với nghiên cứu theo dõi nhiều đợt, tỷ lệ bỏ cuộc lớn có thể làm mẫu còn lại thiên lệch. Trường hợp đó, mô hình hỗn hợp (mixed model) thường được khuyên dùng, và là chỗ nên bàn với chuyên gia thống kê.

Câu hỏi thường gặp

Friedman có dùng cho thang Likert lặp lại được không?

Được, đây là một ứng dụng phổ biến: cùng người trả lời một câu Likert ở ba thời điểm. Lưu ý thang ít nấc sinh nhiều hạng trùng trong hàng, làm giảm lực kiểm định. Các quan điểm về phân tích dữ liệu Likert được bàn ở bài riêng trong danh mục này.

Cần tối thiểu bao nhiêu người cho Friedman?

Không có ngưỡng bắt buộc, nhưng mẫu quá nhỏ khiến cả kiểm định tổng thể lẫn so sánh cặp gần như không thể có ý nghĩa, như ví dụ sáu người cho thấy. Hãy tính lực mẫu hoặc ít nhất mô phỏng trước, dựa trên khác biệt bạn kỳ vọng.

Thứ tự đo có ảnh hưởng tới Friedman không?

Kiểm định không biết thứ tự, nhưng thiết kế thì có. Nếu mọi người đều chấm A trước rồi B rồi C, hiệu ứng mệt mỏi hay quen dần có thể lẫn với khác biệt thật. Đảo thứ tự ngẫu nhiên hoặc cân bằng thứ tự giữa người tham gia là cách phòng ngừa.

Điều kiện có thứ tự tự nhiên như tuần 1, tuần 2, tuần 3 thì sao?

Friedman bỏ qua thứ tự của các điều kiện. Nếu giả thuyết của bạn là xu hướng tăng hay giảm dần theo thời gian, kiểm định Page cho xu hướng có thứ tự thường có lực cao hơn. Giả thuyết có thứ tự cần nêu trước khi xem dữ liệu.

Báo cáo kết quả Friedman gồm những gì?

Thường gồm thống kê chi bình phương Friedman, số bậc tự do, cỡ mẫu, giá trị p (ghi rõ chính xác hay tiệm cận), Kendall W, trung vị từng điều kiện và kết quả so sánh cặp kèm phương pháp hiệu chỉnh. Định dạng chi tiết theo chuẩn APA có ở danh mục viết kết quả luận văn.

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