GiaThuyet.comGiả Thuyết
Kiểm định phi tham số

Kiểm định Wilcoxon dấu hạng cho mẫu cặp: so sánh trước – sau và cách tính tay

Kiểm định Wilcoxon dấu hạng so sánh hai lần đo trên cùng người khi độ chênh không chuẩn: điều kiện đối xứng, tính tay ví dụ 8 cặp, xử lý chênh bằng 0, cỡ hiệu ứng.

Young Vietnamese woman doing a slow breathing exercise on a yoga mat in a quiet university counselling room in Hue, seen from behind, soft morning window light

Kiểm định Wilcoxon dấu hạng (Wilcoxon signed-rank) dùng khi bạn có hai lần đo trên cùng một đối tượng, như trước và sau một can thiệp, và muốn biết độ chênh có lệch hẳn về một phía hay không mà không cần giả định độ chênh có phân phối chuẩn. Đây là lựa chọn phi tham số thường đặt cạnh t-test mẫu cặp.

Khác với Mann-Whitney làm việc trên hai nhóm người khác nhau, Wilcoxon dấu hạng làm việc trên từng cặp số của cùng một người: tính độ chênh, xếp hạng độ lớn của độ chênh, rồi gắn lại dấu âm dương. Bài dưới đây đi qua điều kiện áp dụng, một ví dụ giả định 8 sinh viên tính tay đến tận giá trị p chính xác, cách xử lý độ chênh bằng 0 và hạng trùng, cùng cách đọc và viết kết quả.

Khi nào dùng và điều kiện cần có

Dữ liệu ghép cặp. Mỗi cặp số thuộc cùng một người, hoặc hai người được ghép có chủ đích (anh chị em sinh đôi, hai bệnh nhân ghép theo tuổi và giới). Ví dụ điển hình: điểm trước và sau khoá học, huyết áp trước và sau một tuần theo dõi, đánh giá cùng một sản phẩm ở hai điều kiện.

Các cặp độc lập với nhau. Người này không ảnh hưởng tới kết quả người kia. Nếu cả lớp làm bài sau theo nhóm, độ chênh của các thành viên cùng nhóm có thể không còn độc lập.

Độ chênh đo được ít nhất ở mức khoảng. Kiểm định xếp hạng độ lớn của độ chênh, nên phải nói được chênh 6 điểm lớn hơn chênh 3 điểm. Nếu chỉ biết "tốt hơn" hay "kém hơn" mà không biết bao nhiêu, kiểm định dấu là lựa chọn phù hợp hơn.

Phân phối của độ chênh xấp xỉ đối xứng. Đây là điều kiện hay bị bỏ qua. Khi độ chênh đối xứng quanh trung vị của nó, kiểm định Wilcoxon đúng là kiểm định cho trung vị độ chênh bằng 0. Nếu độ chênh lệch hẳn một phía, kết quả vẫn tính được nhưng ý nghĩa mờ đi; khi đó kiểm định dấu tuy kém lực hơn lại dễ diễn giải hơn. Cách xem nhanh là vẽ biểu đồ tần suất hoặc biểu đồ hộp của cột độ chênh, không phải của từng lần đo riêng.

Ví dụ giả định: lo âu thi cử trước và sau bốn tuần tập thư giãn

Ví dụ giả định: 8 sinh viên tự chấm điểm lo âu trước kỳ thi (thang tự báo cáo, điểm cao là lo âu nhiều) trước và sau bốn tuần tập thở thư giãn. Độ chênh tính bằng sau trừ trước, nên số âm nghĩa là lo âu giảm.

Sinh viênTrướcSauĐộ chênh (sau − trước)Độ lớnHạng độ lớnHạng có dấu
13024−666−6
22522−333−3
32829+111+1
43527−888−8
52723−444−4
62220−222−2
73326−777−7
82924−555−5

Tổng hạng mang dấu dương là W+ = 1 (chỉ sinh viên 3 tăng lo âu, và mức tăng nhỏ nhất). Tổng hạng mang dấu âm là W− = 6 + 3 + 8 + 4 + 2 + 7 + 5 = 35. Kiểm tra: W+ + W− phải bằng n(n + 1)/2 = 8 × 9 / 2 = 36, và 1 + 35 = 36, khớp.

Thống kê kiểm định thường lấy T = giá trị nhỏ hơn trong hai tổng, ở đây T = 1. Một số phần mềm báo thẳng W+ thay vì T; con số khác nhưng chứa cùng thông tin, nên khi đối chiếu bạn xem kỹ phần mềm đang báo tổng nào.

Từ T ra giá trị p

Khi H0 đúng (độ chênh đối xứng quanh 0), mỗi hạng từ 1 đến 8 có khả năng mang dấu dương hay âm như nhau, nên có 2 mũ 8 = 256 cách gán dấu đồng khả năng. Phải có tổng hạng dương nhỏ hơn hoặc bằng 1 thì chỉ có 2 cách: không hạng nào dương, hoặc chỉ hạng 1 dương. Giá trị p một phía là 2/256 ≈ 0,0078, và p hai phía là 4/256 ≈ 0,016. Tra bảng giá trị tới hạn cho n = 8, alpha 0,05 hai phía, giá trị tới hạn của T là 3; T = 1 nhỏ hơn hoặc bằng 3 nên bác bỏ H0, khớp với cách đếm trên.

Với mẫu lớn hơn, phần mềm dùng xấp xỉ chuẩn. Khi H0 đúng, T có trung bình n(n + 1)/4 = 18 và độ lệch chuẩn bằng căn của n(n + 1)(2n + 1)/24 = căn của 8 × 9 × 17 / 24 = căn của 51 ≈ 7,14. Từ đó z = (1 − 18)/7,14 ≈ −2,38, cho p hai phía khoảng 0,017. Với 8 cặp, giá trị p chính xác đáng tin hơn; xấp xỉ chuẩn thường được coi là ổn khi số cặp có độ chênh khác 0 vượt khoảng 20, nhưng đây là mức tham khảo chứ không phải quy định.

Kết luận cho ví dụ giả định: ở mức alpha 0,05, dữ liệu cho bằng chứng điểm lo âu sau bốn tuần có xu hướng thấp hơn trước, với trung vị độ chênh là −4,5 điểm (trung bình cộng của −5 và −4). Lưu ý thiết kế trước – sau không có nhóm đối chứng không cho phép quy toàn bộ mức giảm cho bài tập thở: kỳ thi đã qua, sinh viên quen dần, hay hiện tượng hồi quy về trung bình cũng có thể góp phần. Kiểm định thống kê chỉ trả lời có thay đổi hay không, không trả lời vì sao thay đổi.

Độ chênh bằng 0 và hạng trùng: xử lý thế nào

Cách của Wilcoxon: bỏ cặp có độ chênh bằng 0. Đây là cách mặc định trong nhiều phần mềm. Nếu 10 sinh viên mà 2 người có điểm trước và sau bằng nhau, n dùng để tra bảng là 8. Cách này đơn giản nhưng làm mất thông tin khi số cặp bằng 0 nhiều.

Cách của Pratt: giữ cặp bằng 0 khi xếp hạng. Các độ chênh bằng 0 vẫn được xếp hạng (chiếm các hạng thấp nhất) rồi mới bỏ ra khỏi tổng. Một số chương trình có tuỳ chọn chọn giữa hai cách; tên tuỳ chọn đổi theo phiên bản, nên tra tài liệu. Nếu dữ liệu của bạn có nhiều độ chênh bằng 0, hãy ghi rõ cách xử lý trong phần phương pháp.

Độ lớn trùng nhau nhận hạng trung bình. Ví dụ hai sinh viên cùng có độ chênh 3 (dù một âm một dương) và đứng ở vị trí 3 và 4 thì mỗi người nhận hạng 3,5. Phần mềm sẽ hiệu chỉnh phương sai cho hạng trùng; khi tính tay mẫu nhỏ có hạng trùng, bảng tra cổ điển chỉ còn là xấp xỉ.

Thang đo ít nấc dễ sinh nhiều số 0 và hạng trùng. Nếu bạn so sánh một câu hỏi năm mức trước và sau, rất nhiều người sẽ chênh 0 hoặc 1 nấc. Kiểm định vẫn chạy, nhưng bạn nên cân nhắc báo cáo thêm tỷ lệ người tăng, giảm, giữ nguyên để người đọc thấy bức tranh thật.

Cỡ hiệu ứng và câu báo cáo

Giá trị p cho biết dữ liệu có ngược với H0 hay không, không cho biết thay đổi lớn cỡ nào. Với Wilcoxon dấu hạng, hai chỉ số hay gặp:

  • Hệ số r = |z| / căn N. Với N là số cặp, r = 2,38 / căn 8 ≈ 0,84. Một số tác giả dùng N là tổng số quan sát (16) nên ra r ≈ 0,60. Hai cách cho số khác nhau, vì vậy bạn ghi rõ mình dùng mẫu số nào.
  • Tương quan hạng hai chuỗi cho mẫu cặp (matched-pairs rank-biserial) = (W+ − W−) / (W+ + W−) = (1 − 35)/36 ≈ −0,94. Chỉ số này chạy từ −1 đến 1, dấu âm ở đây cho biết hầu hết tổng hạng thuộc về các cặp giảm lo âu.
  • Kèm trung vị điểm trước, trung vị điểm sau và trung vị độ chênh, vì người đọc cần con số theo đơn vị gốc.
  • Câu báo cáo mẫu: "Điểm lo âu sau bốn tuần (trung vị 24) thấp hơn trước (trung vị 28,5); kiểm định Wilcoxon dấu hạng cho T = 1, p chính xác hai phía = 0,016, r = 0,84 (N = 8 cặp)."

Trung vị điểm trước là trung bình của 28 và 29 trong dãy đã xếp (22, 25, 27, 28, 29, 30, 33, 35), tức 28,5; trung vị điểm sau là trung bình của 24 và 24, tức 24. Để ý chênh lệch hai trung vị (4,5) ở đây trùng với độ lớn trung vị độ chênh, nhưng đó là trùng hợp của bộ số; nói chung hai đại lượng này không bằng nhau, và kiểm định Wilcoxon liên quan tới trung vị độ chênh chứ không phải hiệu hai trung vị.

Wilcoxon dấu hạng, kiểm định dấu hay t-test mẫu cặp

Ba kiểm định cùng xử lý dữ liệu ghép cặp nhưng dùng lượng thông tin khác nhau. Bảng dưới giúp bạn chọn.

Kiểm địnhDùng thông tin gìGiả định chínhKhi nào hợp
t-test mẫu cặpGiá trị độ chênhĐộ chênh xấp xỉ chuẩn (bền hơn khi số cặp lớn)Độ chênh liên tục, không lệch mạnh; muốn khoảng tin cậy cho trung bình độ chênh
Wilcoxon dấu hạngDấu và hạng độ lớn của độ chênhĐộ chênh đối xứng quanh trung vịMẫu nhỏ, có ngoại lai, độ chênh không chuẩn nhưng tương đối đối xứng
Kiểm định dấuChỉ dấu tăng hay giảmRất ít, chỉ cần các cặp độc lậpChỉ biết hướng thay đổi, hoặc độ chênh lệch mạnh một phía

Đây cũng là thứ tự từ nhiều thông tin tới ít thông tin. Dùng ít thông tin hơn thì cần ít giả định hơn nhưng đổi lại lực kiểm định thấp hơn. Chọn loại nào nên dựa vào bản chất độ chênh, quyết định trước khi xem p, không thử lần lượt cả ba rồi giữ cái có kết quả mong muốn. Nếu phân vân, bạn có thể ghi trong kế hoạch phân tích một kiểm định chính và một kiểm định phụ để đối chiếu độ nhạy, rồi báo cáo cả hai.

Câu hỏi thường gặp

Wilcoxon dấu hạng có dùng cho một mẫu được không?

Được. Thay vì độ chênh giữa hai lần đo, bạn lấy mỗi giá trị trừ đi một giá trị tham chiếu (ví dụ điểm chuẩn 50) rồi làm y hệt. Đây là lựa chọn phi tham số đặt cạnh t-test một mẫu, với điều kiện phân phối xấp xỉ đối xứng quanh trung vị.

Phân biệt Wilcoxon dấu hạng với Wilcoxon tổng hạng thế nào?

Hai kiểm định khác nhau dù cùng mang tên Wilcoxon. Dấu hạng (signed-rank) dành cho dữ liệu ghép cặp hoặc một mẫu. Tổng hạng (rank-sum) dành cho hai nhóm độc lập và tương đương Mann-Whitney U. Chọn nhầm là lỗi thiết kế, không phải lỗi nhỏ.

Mẫu chỉ có 5 cặp thì có kiểm định được không?

Về kỹ thuật thì được, nhưng với 5 cặp, giá trị p hai phía nhỏ nhất có thể đạt là 2/32 ≈ 0,0625, tức là không bao giờ bác bỏ H0 ở mức 0,05 hai phía dù cả 5 người đều thay đổi cùng chiều. Đây là giới hạn của cỡ mẫu, cần tính trước khi thu thập dữ liệu.

Có cần kiểm tra phân phối chuẩn trước khi dùng Wilcoxon dấu hạng không?

Không cần kiểm tra chuẩn, nhưng nên nhìn phân phối của độ chênh bằng biểu đồ để xem có xấp xỉ đối xứng hay không. Lưu ý giả định của cả t-test mẫu cặp lẫn Wilcoxon đều đặt lên độ chênh, không phải lên điểm trước hay điểm sau riêng lẻ.

Đo ba lần trên cùng người thì dùng Wilcoxon được không?

Không nên chạy ba cặp Wilcoxon ngay từ đầu vì tỷ lệ sai lầm loại I cộng dồn. Kiểm định tổng thể phù hợp là Friedman; nếu Friedman có ý nghĩa, bạn mới so sánh từng cặp bằng Wilcoxon kèm hiệu chỉnh cho nhiều phép so sánh như Bonferroni hoặc Holm.

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