Kiểm định z và kiểm định t cùng so sánh một trung bình với giá trị cho trước theo cùng một khuôn (chênh lệch chia sai số chuẩn), khác nhau ở chỗ độ lệch chuẩn đến từ đâu. Nếu độ lệch chuẩn σ của tổng thể đã biết từ trước, thống kê có phân phối chuẩn tắc và bạn dùng kiểm định z; nếu phải ước lượng độ lệch chuẩn bằng s từ chính mẫu, thống kê có phân phối t và bạn dùng kiểm định t. Ngoài ra, kiểm định z là công cụ tự nhiên cho tỷ lệ với mẫu đủ lớn.
Bài này đặt hai kiểm định cạnh nhau, tính cả hai trên cùng một bộ số liệu giả định để thấy kết quả khác nhau vì đâu, rồi bàn quy tắc "trên 30 thì dùng z" có còn đúng không và những tình huống hiếm hoi mà σ thật sự được biết.
Hai kiểm định đặt cạnh nhau
Về cấu trúc, hai kiểm định giống nhau đến mức chỉ khác một ký hiệu trong công thức. Nhưng ký hiệu đó quyết định phân phối nào được dùng để tính p.
| Đặc điểm | Kiểm định z (trung bình) | Kiểm định t (trung bình) |
|---|---|---|
| Công thức | z = (x̄ − μ0) / (σ / √n) | t = (x̄ − μ0) / (s / √n) |
| Độ lệch chuẩn dùng | σ của tổng thể, đã biết trước | s ước lượng từ mẫu |
| Phân phối tham chiếu | Chuẩn tắc, không có bậc tự do | Phân phối t với n − 1 bậc tự do |
| Giá trị tới hạn hai phía 5% | 1,960 cho mọi cỡ mẫu | Lớn hơn 1,960, giảm dần khi n tăng |
| Khi nào dùng | Hiếm: σ biết từ quá trình ổn định lâu dài hoặc từ thiết kế thang đo | Hầu hết nghiên cứu thực tế |
| Dạng thường gặp nhất | Kiểm định tỷ lệ với mẫu lớn | So sánh trung bình một mẫu, hai mẫu, mẫu cặp |
Điểm mấu chốt: σ trong kiểm định z là một hằng số đã biết, không phải con số tính từ mẫu rồi gọi là σ. Nếu bạn tính độ lệch chuẩn từ dữ liệu của chính mình, đó là s, và kiểm định đúng là kiểm định t, bất kể cỡ mẫu bao nhiêu.
Cả hai đều giả định các quan sát độc lập và trung bình mẫu có phân phối xấp xỉ chuẩn. Kiểm định z không "nới lỏng" giả định nào; nó chỉ bỏ đi phần bất định do phải ước lượng σ, vì σ đã biết.
Ví dụ giả định: cùng 10 gói cà phê, tính theo z và theo t
Ví dụ giả định: 10 gói cà phê cân được trung bình 248 g, độ lệch chuẩn mẫu s ≈ 2,582 g, so với nhãn 250 g. Giả sử thêm rằng hồ sơ nhiều năm của máy chiết rót cho biết độ lệch chuẩn của quá trình rất ổn định ở mức σ = 3 g.
- Theo kiểm định z: sai số chuẩn = σ / √n = 3 / √10 ≈ 0,949; z = (248 − 250) / 0,949 ≈ −2,108.
- Tra phân phối chuẩn: |z| = 2,108 lớn hơn 1,960 nên bác bỏ H0 ở mức 5%; giá trị p hai phía xấp xỉ 0,035.
- Theo kiểm định t: sai số chuẩn = s / √n = 2,582 / √10 ≈ 0,816; t = −2 / 0,816 ≈ −2,449 với 9 bậc tự do.
- Tra phân phối t: |t| = 2,449 lớn hơn 2,262 nên cũng bác bỏ H0; giá trị p hai phía xấp xỉ 0,037.
- Hai kết luận trùng nhau, giá trị p gần nhau, nhưng vì hai lý do ngược chiều: kiểm định t có ngưỡng khắt khe hơn (2,262 so với 1,960), còn mẫu này tình cờ có s (2,58) nhỏ hơn σ (3) nên t lớn hơn z.
Ví dụ cho thấy kiểm định t không phải lúc nào cũng cho p lớn hơn kiểm định z trên cùng dữ liệu; điều đó tuỳ s của mẫu lớn hay nhỏ hơn σ. Điều chắc chắn là nếu σ thật sự đã biết thì kiểm định z dùng được nhiều thông tin hơn và có lực cao hơn một chút; nếu σ không biết mà bạn lại dùng s như thể nó là σ rồi tra bảng chuẩn, tỷ lệ sai lầm loại I thực tế sẽ cao hơn α.
Trong thực tế, chọn σ = 3 g phải có cơ sở rõ ràng như dữ liệu kiểm soát chất lượng dài hạn của chính máy đó, trong điều kiện vận hành tương tự. Lấy σ từ một nguồn không liên quan, hoặc từ một ca khác điều kiện khác, là đặt kiểm định lên một giả định không kiểm chứng.
Quy tắc "trên 30 thì dùng z" còn đúng không
Nhiều giáo trình cũ dạy rằng khi n lớn hơn 30 có thể thay s cho σ và dùng bảng chuẩn. Bảng dưới so giá trị tới hạn hai phía 5% của phân phối t với 1,960 để thấy quy tắc đó đến từ đâu.
| Bậc tự do | Giá trị tới hạn t | Chênh so với 1,960 | Ghi chú |
|---|---|---|---|
| 5 | 2,571 | 0,611 | Dùng 1,960 sẽ sai nhiều |
| 10 | 2,228 | 0,268 | Vẫn sai đáng kể |
| 30 | 2,042 | 0,082 | Gần, nhưng vẫn lệch |
| 60 | 2,000 | 0,040 | Rất gần |
| 120 | 1,980 | 0,020 | Gần như trùng |
| Vô cùng | 1,960 | 0 | Phân phối chuẩn |
Quy tắc 30 sinh ra khi tính toán phải tra bảng in và bảng t chỉ in tới vài chục dòng. Với mẫu lớn, sai khác giữa hai cách quá nhỏ để thay đổi kết luận trong đa số trường hợp, nên việc dùng z là một xấp xỉ chấp nhận được thời đó.
Ngày nay mọi phần mềm tính phân phối t cho bậc tự do bất kỳ. Khi σ chưa biết, dùng kiểm định t với mẫu lớn không bao giờ thiệt, còn dùng z với mẫu vừa có thể làm kết quả lạc quan hơn thực tế một chút. Vì vậy lời khuyên đơn giản là: trung bình với σ chưa biết thì dùng t, không cần nhìn cỡ mẫu.
Nơi kiểm định z thật sự hợp lý: so sánh tỷ lệ
Với dữ liệu có hai giá trị (đồng ý hay không, đạt hay không đạt, mua hay không mua), độ lệch chuẩn không phải tham số riêng mà được xác định bởi chính tỷ lệ. Dưới H0 tỷ lệ tổng thể bằng p0, độ lệch chuẩn của tỷ lệ mẫu là căn bậc hai của p0 × (1 − p0) / n, đã biết khi H0 đúng. Vì vậy không có chuyện ước lượng σ như với trung bình, và kiểm định z dựa trên xấp xỉ chuẩn là cách làm tiêu chuẩn khi mẫu đủ lớn.
Ví dụ giả định: một khảo sát 200 sinh viên có 116 người (58%) ủng hộ việc đổi lịch thi. Câu hỏi: tỷ lệ ủng hộ trong toàn trường có khác 50% không. Sai số chuẩn dưới H0 là căn bậc hai của 0,5 × 0,5 / 200 ≈ 0,0354; z = (0,58 − 0,50) / 0,0354 ≈ 2,26; giá trị p hai phía xấp xỉ 0,024. Dữ liệu ủng hộ tỷ lệ khác 50%, nghiêng về phía ủng hộ.
Điều kiện thường được nêu cho xấp xỉ chuẩn là n × p0 và n × (1 − p0) đều không quá nhỏ, nhiều giáo trình dùng mốc 10 (có giáo trình dùng 5). Ở ví dụ, 200 × 0,5 = 100, thoả rộng rãi. Khi mẫu nhỏ hoặc tỷ lệ gần 0, gần 1, dùng kiểm định nhị thức chính xác thay vì z.
Với hai tỷ lệ của hai nhóm độc lập, kiểm định z cho hai tỷ lệ cho kết quả tương đương với kiểm định chi bình phương trên bảng 2x2 không hiệu chỉnh (bình phương của z bằng thống kê chi bình phương). Phần chi tiết thuộc về chủ đề chi bình phương.
Khi nào độ lệch chuẩn tổng thể thật sự được coi là đã biết
Quá trình sản xuất ổn định, có dữ liệu dài hạn. Trong kiểm soát chất lượng, độ biến động của một máy chạy ổn định có thể được ước lượng từ hàng nghìn sản phẩm qua nhiều tháng. Khi kiểm tra một ca mới, coi σ đó là đã biết là hợp lý, với điều kiện máy và nguyên liệu không đổi. Các biểu đồ kiểm soát thường dựa trên logic này.
Thang đo được chuẩn hoá theo thiết kế. Một số bài trắc nghiệm được chuẩn hoá để có trung bình và độ lệch chuẩn cố định trên một mẫu chuẩn hoá lớn. Nhưng mẫu của bạn có thể khác mẫu chuẩn hoá (khác lứa tuổi, khác vùng, khác thời điểm), nên độ lệch chuẩn thật trong nhóm của bạn chưa chắc bằng giá trị thiết kế. Nhiều nhà nghiên cứu vẫn chọn kiểm định t cho an toàn.
Mô phỏng hoặc bài tập giáo khoa. Bài tập thường cho sẵn σ để luyện kỹ năng tra bảng chuẩn. Đó là tình huống học tập, không phải mô tả cách nghiên cứu thật vận hành.
Những gì không phải là "σ đã biết". Độ lệch chuẩn tính từ chính mẫu của bạn; độ lệch chuẩn lấy từ một nghiên cứu khác với mẫu khác; con số độ lệch chuẩn "thường thấy trong ngành" không có nguồn. Trong các trường hợp này, kiểm định t là lựa chọn đúng.
Những lỗi hay gặp khi chọn giữa t và z
Phần lớn lỗi bắt nguồn từ việc nhớ quy tắc theo cỡ mẫu mà quên câu hỏi gốc: độ lệch chuẩn đến từ đâu.
- Dùng z cho mẫu lớn với s tính từ mẫu rồi gọi là σ. Kết quả thường gần đúng, nhưng cách gọi sai và hội đồng có thể hỏi.
- Dùng t cho dữ liệu tỷ lệ hai giá trị bằng cách mã hoá 0 và 1 rồi chạy kiểm định t một mẫu. Với mẫu lớn kết quả gần với kiểm định z cho tỷ lệ, nhưng kiểm định z hoặc nhị thức là cách làm đúng chuẩn và dễ diễn giải hơn.
- Dùng z cho mẫu nhỏ chỉ vì đề bài hay phần mềm cho phép, khiến khoảng tin cậy quá hẹp.
- Báo cáo "z = …" nhưng lại tra bảng t, hoặc ngược lại. Ký hiệu thống kê trong báo cáo phải khớp với phân phối đã dùng.
- Nghĩ rằng kiểm định z không cần giả định phân phối. Kiểm định z cho trung bình vẫn cần trung bình mẫu gần chuẩn; kiểm định z cho tỷ lệ cần mẫu đủ lớn so với tỷ lệ.
- Quên rằng kiểm định z cho tỷ lệ dùng p0 trong sai số chuẩn khi kiểm định, nhưng khoảng tin cậy thường dùng tỷ lệ mẫu. Hai cách cho sai số chuẩn khác nhau chút ít nên đôi khi kết luận ở biên không khớp tuyệt đối.
Câu tự hỏi gọn nhất trước khi chọn: biến của bạn là trung bình hay tỷ lệ; nếu là trung bình, độ lệch chuẩn bạn dùng có phải tính từ chính dữ liệu không. Hai câu trả lời đó quyết định gần như mọi trường hợp.
Câu hỏi thường gặp
Cỡ mẫu rất lớn như 1.000 người thì dùng t hay z có khác gì không?
Gần như không khác về con số, vì với gần 1.000 bậc tự do giá trị tới hạn t khoảng 1,962 so với 1,960 của phân phối chuẩn. Về nguyên tắc, nếu độ lệch chuẩn tính từ mẫu thì đó vẫn là kiểm định t; nhiều phần mềm sẽ ghi t cho dù cỡ mẫu lớn.
Excel có hàm kiểm định z không?
Excel có hàm Z.TEST trả giá trị p một phía cho kiểm định z một mẫu, với tuỳ chọn nhập σ; nếu bỏ trống σ, hàm dùng độ lệch chuẩn mẫu, khi đó bản chất không còn là kiểm định z đúng nghĩa. Công cụ Data Analysis có mục kiểm định z hai mẫu yêu cầu nhập phương sai đã biết. Tên và cách dùng tuỳ phiên bản.
Kiểm định z cho tỷ lệ cần cỡ mẫu bao nhiêu?
Thông lệ là tích của cỡ mẫu với tỷ lệ giả định và với phần bù của nó đều không quá nhỏ, nhiều tài liệu dùng mốc 10, có tài liệu dùng 5. Khi không đạt, ví dụ tỷ lệ rất nhỏ hoặc mẫu ít, dùng kiểm định nhị thức chính xác.
Vì sao sách giáo khoa vẫn dạy kiểm định z nếu nó hiếm dùng cho trung bình?
Kiểm định z đơn giản hơn vì không có bậc tự do, giúp người học nắm logic của kiểm định giả thuyết trước khi thêm phần phức tạp. Nó cũng là nền cho kiểm định tỷ lệ và nhiều kiểm định mẫu lớn khác. Chỉ cần nhớ khi làm nghiên cứu thật với trung bình, gần như luôn dùng t.
Kiểm định t và z có cho cùng kết luận không?
Thường có khi mẫu lớn, nhưng không bảo đảm khi mẫu nhỏ hoặc khi kết quả nằm sát ngưỡng. Với mẫu nhỏ, ngưỡng của t cao hơn hẳn, và nếu σ dùng cho z khác nhiều với s của mẫu thì hai thống kê cũng khác nhau. Chọn kiểm định theo nguồn của độ lệch chuẩn, không theo kết luận mong muốn.