Kiểm định t hai mẫu độc lập so trung bình của hai nhóm mà mỗi người hay mỗi đơn vị chỉ thuộc đúng một nhóm, ví dụ nam và nữ, lớp A và lớp B, ruộng bón phân kiểu cũ và kiểu mới. Phiên bản cổ điển của Student gộp phương sai của hai nhóm: t = (x̄1 − x̄2) / căn bậc hai của [sp² × (1/n1 + 1/n2)], với bậc tự do n1 + n2 − 2.
Bài này tính tay trọn vẹn một ví dụ giả định với hai nhóm 8 học sinh, từ tổng bình phương độ lệch tới khoảng tin cậy, rồi nói khi nào nên dùng phương sai gộp và khi nào nên chuyển sang phiên bản Welch. Các bước đủ chi tiết để bạn đối chiếu với kết quả phần mềm.
Khi nào hai mẫu được coi là độc lập
Hai mẫu độc lập khi việc một người rơi vào nhóm này không liên quan gì tới việc ai rơi vào nhóm kia, và không có cách ghép từng người ở nhóm này với một người cụ thể ở nhóm kia. Học sinh hai lớp khác nhau, khách hàng của hai chi nhánh, hai lô hạt giống trồng ở các ô ngẫu nhiên là những trường hợp điển hình.
Hai mẫu không độc lập khi cùng một người được đo hai lần (trước và sau), khi hai người được ghép cặp có chủ đích (anh chị em sinh đôi, vợ chồng, cặp học sinh cùng điểm đầu vào), hoặc khi hai mắt, hai tay của cùng một người được chia vào hai nhóm. Những thiết kế đó dùng kiểm định t mẫu cặp. Chọn nhầm loại kiểm định là lỗi nặng hơn mọi sai số làm tròn.
Có một trường hợp hay bị bỏ qua: hai nhóm độc lập với nhau nhưng các quan sát bên trong mỗi nhóm lại không độc lập, ví dụ cả lớp làm bài trong cùng một phòng với cùng một giáo viên coi thi. Khi đơn vị được phân nhóm là lớp chứ không phải học sinh, việc coi từng học sinh là quan sát độc lập làm sai số chuẩn bị ước lượng thấp. Với luận văn thạc sĩ quy mô nhỏ, ít nhất bạn nên nêu giới hạn này; với nghiên cứu lớn hơn, cần mô hình đa tầng.
Công thức Student với phương sai gộp
Ý tưởng của phương sai gộp là: nếu hai tổng thể có cùng phương sai, mỗi nhóm cho một ước lượng của phương sai chung đó, và cách tốt nhất là gộp hai ước lượng lại theo trọng số bậc tự do.
| Đại lượng | Công thức viết bằng lời | Ghi chú |
|---|---|---|
| Tổng bình phương độ lệch nhóm 1 | SS1 = tổng (xi − x̄1)² | Tương tự cho nhóm 2 được SS2 |
| Phương sai gộp | sp² = (SS1 + SS2) / (n1 + n2 − 2) | Cũng bằng [(n1 − 1)s1² + (n2 − 1)s2²] / (n1 + n2 − 2) |
| Sai số chuẩn của chênh lệch | SE = căn bậc hai của [sp² × (1/n1 + 1/n2)] | Phần 1/n1 + 1/n2 cho thấy nhóm nhỏ kéo SE lên mạnh |
| Thống kê t | t = (x̄1 − x̄2) / SE | Dấu của t phụ thuộc nhóm nào đặt trước |
| Bậc tự do | df = n1 + n2 − 2 | Mỗi nhóm mất một bậc tự do khi ước lượng trung bình |
| Khoảng tin cậy 95% của chênh lệch | (x̄1 − x̄2) ± t tới hạn × SE | t tới hạn hai phía với df ở trên |
Giả thuyết: H0 là μ1 = μ2 (hay μ1 − μ2 = 0), H1 hai phía là μ1 ≠ μ2. Cần nhớ H0 nói về trung bình của tổng thể, không phải của hai mẫu: hai trung bình mẫu gần như không bao giờ bằng nhau đúng từng chữ số, câu hỏi là chênh lệch quan sát được có lớn hơn mức dao động ngẫu nhiên hay không.
Khi hai nhóm có cỡ mẫu bằng nhau, công thức đơn giản hơn: sp² là trung bình cộng của hai phương sai mẫu, và SE bằng căn bậc hai của (s1² + s2²) / n. Đây cũng là lý do thiết kế cân bằng được ưa chuộng: phép kiểm định ít nhạy hơn với chênh lệch phương sai.
Ví dụ giả định: điểm hai lớp học theo hai cách ôn tập
Ví dụ giả định: lớp 1 ôn bằng bài kiểm tra ngắn mỗi tuần, lớp 2 ôn bằng đọc lại tóm tắt. Cuối kỳ mỗi lớp chọn ngẫu nhiên 8 học sinh, điểm (thang 10) như sau. Lớp 1: 6, 7, 5, 8, 7, 6, 9, 8. Lớp 2: 5, 6, 4, 6, 5, 7, 5, 4.
- Trung bình: lớp 1 có tổng 56, x̄1 = 7,00; lớp 2 có tổng 42, x̄2 = 5,25. Chênh lệch x̄1 − x̄2 = 1,75 điểm.
- Độ lệch lớp 1 so với 7: −1, 0, −2, 1, 0, −1, 2, 1; bình phương cộng lại được SS1 = 12. Độ lệch lớp 2 so với 5,25: −0,25; 0,75; −1,25; 0,75; −0,25; 1,75; −0,25; −1,25; bình phương cộng lại được SS2 = 7,5.
- Phương sai từng lớp: s1² = 12 / 7 ≈ 1,714 và s2² = 7,5 / 7 ≈ 1,071. Hai phương sai khá gần nhau, tỷ số khoảng 1,6.
- Phương sai gộp: sp² = (12 + 7,5) / (8 + 8 − 2) = 19,5 / 14 ≈ 1,393.
- Sai số chuẩn: SE = căn bậc hai của [1,393 × (1/8 + 1/8)] = căn bậc hai của 0,348 ≈ 0,590.
- Thống kê t = 1,75 / 0,590 ≈ 2,966 với df = 14. Giá trị tới hạn hai phía ở α = 0,05 là 2,145; |t| lớn hơn nên bác bỏ H0. Giá trị p hai phía xấp xỉ 0,010.
- Khoảng tin cậy 95% của chênh lệch: 1,75 ± 2,145 × 0,590, tức khoảng từ 0,48 đến 3,02 điểm.
Kết luận viết: trong mẫu giả định này, điểm trung bình lớp ôn bằng bài kiểm tra ngắn (7,00; độ lệch chuẩn 1,31) cao hơn lớp đọc lại tóm tắt (5,25; độ lệch chuẩn 1,04), t(14) = 2,97, p ≈ 0,010, chênh lệch 1,75 điểm, khoảng tin cậy 95% từ 0,48 đến 3,02.
Khoảng tin cậy rộng từ gần nửa điểm tới ba điểm cho thấy với 8 học sinh mỗi lớp, ước lượng còn rất thô: dữ liệu ủng hộ có chênh lệch, nhưng chưa nói chắc chênh lệch là nhỏ hay lớn.
Đọc kết quả: có ý nghĩa thống kê chưa phải là có quan hệ nhân quả
Phép kiểm định cho bạn biết chênh lệch 1,75 điểm khó có thể chỉ do ngẫu nhiên lấy mẫu, nếu các giả định đúng. Nó không cho bạn biết vì sao có chênh lệch. Trong ví dụ, hai lớp có thể khác nhau từ đầu về năng lực, khác giáo viên, khác giờ học. Chỉ khi học sinh được phân ngẫu nhiên vào hai cách ôn tập, bạn mới có cơ sở để nói về tác động của cách ôn tập.
Với dữ liệu quan sát (ví dụ so sánh điểm của sinh viên ở trọ và ở ký túc xá), kết luận chỉ nên dừng ở mức "có sự khác biệt về trung bình giữa hai nhóm". Hội đồng thường hỏi kỹ ở đúng điểm này, và một câu trả lời trung thực về giới hạn thiết kế được đánh giá cao hơn một câu khẳng định quá tay.
Bạn cũng nên báo cáo một chỉ số cỡ hiệu ứng như Cohen d (chênh lệch chia cho độ lệch chuẩn gộp). Với ví dụ trên, độ lệch chuẩn gộp là căn bậc hai của 1,393 ≈ 1,18, nên d ≈ 1,75 / 1,18 ≈ 1,48. Các mốc nhỏ, vừa, lớn của Cohen chỉ là quy ước tham khảo; điều quan trọng là so với chênh lệch có ý nghĩa trong chuyên môn của bạn, ví dụ nửa điểm hay một điểm trên thang 10 có làm thay đổi xếp loại hay không.
Cuối cùng, nếu kết quả không có ý nghĩa thống kê, bạn viết là chưa đủ bằng chứng về chênh lệch, đồng thời đưa khoảng tin cậy để người đọc thấy chênh lệch có thể nằm trong khoảng nào. Một khoảng tin cậy rộng trải từ âm sang dương cho thấy nghiên cứu thiếu dữ liệu, không cho thấy hai cách ôn tập như nhau.
Phương sai gộp hay Welch: chọn theo nguyên tắc nào
Phiên bản Student giả định hai tổng thể có phương sai bằng nhau. Khi điều đó không đúng, nhất là khi kèm cỡ mẫu chênh lệch, kết quả có thể sai đáng kể. Bảng dưới tóm tắt cách các tài liệu phương pháp hiện nay thường khuyên.
| Tình huống | Phương sai gộp (Student) | Welch |
|---|---|---|
| Hai nhóm cỡ mẫu bằng nhau, phương sai gần nhau | Dùng được, kết quả gần như trùng Welch | Dùng được |
| Cỡ mẫu bằng nhau, phương sai khác nhau vừa phải | Khá chịu đựng được | An toàn hơn |
| Cỡ mẫu chênh lệch, nhóm nhỏ có phương sai lớn hơn | Tỷ lệ sai lầm loại I có thể vượt xa α | Nên dùng |
| Cỡ mẫu chênh lệch, nhóm lớn có phương sai lớn hơn | Kiểm định trở nên quá bảo thủ, mất lực | Nên dùng |
| Không chắc về phương sai | Phải dựa vào kiểm định Levene, vốn cũng có sai số | Nhiều tác giả khuyên dùng mặc định |
Với ví dụ hai lớp ở trên, phiên bản Welch cho t ≈ 2,966 (bằng đúng Student vì hai nhóm cùng cỡ), bậc tự do khoảng 13,3 và p ≈ 0,011, gần như không đổi kết luận. Đây là điểm đáng nhớ: khi thiết kế cân bằng và phương sai không quá khác, hai phiên bản gần như cho cùng kết quả.
Cách làm phổ biến trong SPSS là xem kiểm định Levene rồi chọn dòng tương ứng; cách làm ngày càng được khuyến nghị là dùng Welch ngay từ đầu và nêu rõ trong phần phương pháp. Dù theo cách nào, quy tắc chọn phải được viết ra trước khi nhìn kết quả.
Những lỗi hay gặp khi so sánh hai nhóm độc lập
Các lỗi dưới đây xuất hiện lặp đi lặp lại trong các bản thảo luận văn mà người hướng dẫn phải sửa.
- So sánh hai nhóm bằng cách xem mỗi nhóm có khác 0 (hoặc khác một mốc) có ý nghĩa hay không rồi suy ra hai nhóm khác nhau. Nhóm 1 có ý nghĩa và nhóm 2 không có ý nghĩa không có nghĩa là hai nhóm khác nhau có ý nghĩa; phải kiểm định trực tiếp chênh lệch.
- Chạy kiểm định t hai mẫu độc lập cho dữ liệu trước – sau của cùng một nhóm người. Cách này bỏ qua tương quan giữa hai lần đo, thường làm mất rất nhiều lực kiểm định.
- Chạy nhiều kiểm định t cho từng cặp khi có ba nhóm trở lên. Khi có ba nhóm, ANOVA hoặc một phương pháp có kiểm soát sai lầm loại I tổng thể mới phù hợp.
- Bỏ những quan sát "lạ" chỉ ở một nhóm cho kết quả đẹp hơn. Quy tắc xử lý ngoại lai phải đặt trước và áp dụng như nhau cho cả hai nhóm, kèm báo cáo kết quả trước và sau khi xử lý.
- Chỉ báo cáo "có sự khác biệt có ý nghĩa" mà không ghi trung bình, độ lệch chuẩn của từng nhóm, t, df, p và khoảng tin cậy.
- Mã hoá biến nhóm lẫn lộn (ví dụ 1 và 2 cho nam, nữ ở một đợt, 0 và 1 ở đợt khác) rồi gộp dữ liệu, khiến phần mềm so sai nhóm.
Nếu dữ liệu lệch mạnh, có nhiều ngoại lai hoặc là thứ bậc, kiểm định Mann–Whitney U là phương án thay. Nhưng cần hiểu rằng kiểm định đó trả lời câu hỏi khác một chút (một nhóm có xu hướng cho giá trị lớn hơn nhóm kia hay không), nên cách viết kết luận cũng đổi theo.
Câu hỏi thường gặp
Hai nhóm có cỡ mẫu khác nhau có dùng kiểm định t độc lập được không?
Được. Công thức đã có sẵn n1 và n2 riêng. Điều cần cẩn thận là khi cỡ mẫu chênh lệch nhiều thì phiên bản phương sai gộp nhạy hơn với vi phạm giả định phương sai bằng nhau, nên trong trường hợp đó phiên bản Welch thường được khuyên dùng.
Thứ tự đặt nhóm 1 và nhóm 2 có làm thay đổi kết quả không?
Không làm thay đổi giá trị p hay kết luận của kiểm định hai phía. Chỉ dấu của t và dấu của khoảng tin cậy chênh lệch đảo lại. Khi viết, bạn nên nêu rõ chênh lệch tính theo nhóm nào trừ nhóm nào để người đọc không hiểu ngược.
Có cần kiểm định phân phối chuẩn cho từng nhóm không?
Giả định là trung bình mẫu của từng nhóm có phân phối xấp xỉ chuẩn. Với nhóm nhỏ, bạn nên xem biểu đồ hộp và biểu đồ Q–Q của từng nhóm. Kiểm định Shapiro–Wilk có thể tham khảo nhưng với mẫu lớn nó báo vi phạm cả khi lệch rất nhỏ, còn với mẫu nhỏ lại ít khi phát hiện được.
Kết quả có ý nghĩa nhưng khoảng tin cậy rất rộng thì nên viết thế nào?
Bạn viết đúng cả hai điều: dữ liệu ủng hộ có chênh lệch, nhưng độ lớn của chênh lệch còn ước lượng kém chính xác. Phần bàn luận nên nói rõ cỡ mẫu nhỏ là giới hạn, và nghiên cứu sau cần mẫu lớn hơn để thu hẹp khoảng ước lượng.
Dữ liệu là tỷ lệ phần trăm như tỷ lệ đạt thì có dùng kiểm định t được không?
Nếu mỗi người chỉ có kết quả đạt hoặc không đạt, đó là dữ liệu định danh hai giá trị và nên dùng kiểm định so sánh hai tỷ lệ hay chi bình phương. Nếu mỗi đơn vị (ví dụ mỗi lớp) có một tỷ lệ phần trăm và bạn so trung bình các tỷ lệ đó giữa hai nhóm đơn vị, kiểm định t có thể dùng với lưu ý về phân phối.
Kiểm định t độc lập có phải là trường hợp riêng của hồi quy không?
Đúng vậy. Kiểm định t Student với phương sai gộp cho cùng kết quả với hồi quy tuyến tính có một biến giả mã hoá nhóm: hệ số của biến giả là chênh lệch trung bình, và giá trị t của hệ số đó bằng t của kiểm định. Cách nhìn này giúp hiểu vì sao có thể mở rộng sang kiểm soát thêm biến khác.