Hiểu kết quả kiểm định t của bạn
Máy tính này sử dụng ngưỡng ý nghĩa hai phía thông thường α = 0,05, mức mặc định phổ biến nhất trong nghiên cứu khoa học.
| Giá trị p hai phía | Kết luận ở mức α = 0,05 |
|---|---|
| p < 0,05 | Có ý nghĩa thống kê — bác bỏ giả thuyết không về việc không có sự khác biệt |
| p ≥ 0,05 | Không có ý nghĩa thống kê — không đủ cơ sở bác bỏ giả thuyết không |
- Ý nghĩa thống kê không đồng nghĩa với tầm quan trọng thực tiễn: với cỡ mẫu đủ lớn, ngay cả một khác biệt rất nhỏ, không có ý nghĩa thực tiễn cũng có thể cho giá trị p dưới 0,05.
- Kiểm định hai mẫu được dùng ở đây là kiểm định t Welch's, không giả định phương sai bằng nhau giữa các nhóm; kết quả có thể khác đôi chút so với các công cụ dùng kiểm định t gộp phương sai cổ điển (Student's).
- Kiểm định t giả định dữ liệu lấy mẫu là các quan sát độc lập và phân phối lấy mẫu của trung bình xấp xỉ phân phối chuẩn — điều kiện này được thỏa mãn khi dữ liệu gốc gần như phân phối chuẩn hoặc khi cỡ mẫu đủ lớn nhờ định lý giới hạn trung tâm.
- Đây là máy tính dựa trên số liệu thống kê tóm tắt: nó sử dụng trung bình, độ lệch chuẩn và cỡ mẫu mà bạn đã tính từ dữ liệu của mình, chứ không phải danh sách dữ liệu thô.
Kiểm định t là gì?
Kiểm định t là một phép kiểm định giả thuyết thống kê dùng để xác định liệu sự khác biệt quan sát được giữa các trung bình có lớn hơn mức có thể xảy ra chỉ do biến động lấy mẫu ngẫu nhiên hay không. Máy tính này hỗ trợ hai dạng: kiểm định t một mẫu, so sánh trung bình mẫu với một giá trị giả định cố định, và kiểm định t hai mẫu, so sánh trung bình của hai mẫu độc lập.
Đối với trường hợp hai mẫu, máy tính này sử dụng kiểm định t Welch's, không giả định hai nhóm có phương sai bằng nhau. Kiểm định Welch's sử dụng phương trình Welch–Satterthwaite để tính bậc tự do đã hiệu chỉnh (thường không phải số nguyên), thường cho kết quả đáng tin cậy hơn so với kiểm định t gộp phương sai cổ điển của Student's khi độ lệch chuẩn của hai mẫu khác nhau.
Cả hai dạng đều báo cáo giá trị p hai phía, nghĩa là đo lường bằng chứng về sự khác biệt theo cả hai hướng (cao hơn hoặc thấp hơn), và kết quả được so sánh với ngưỡng ý nghĩa thông thường α = 0,05: giá trị p dưới 0,05 thường được coi là có ý nghĩa thống kê, còn giá trị bằng hoặc trên 0,05 thì không.
Cách sử dụng máy tính kiểm định t này
- Chọn loại kiểm định: một mẫu (so sánh trung bình mẫu với một giá trị cố định) hoặc hai mẫu (so sánh trung bình của hai mẫu độc lập).
- Đối với kiểm định một mẫu, nhập trung bình mẫu, độ lệch chuẩn và cỡ mẫu, cùng trung bình tổng thể giả định (μ₀) mà bạn muốn kiểm định.
- Đối với kiểm định hai mẫu, nhập trung bình, độ lệch chuẩn và cỡ mẫu cho cả hai mẫu.
- Đọc giá trị t, bậc tự do và giá trị p hai phía, sau đó so sánh giá trị p với mức ý nghĩa bạn chọn (thường là α = 0,05).
Công thức của kiểm định t
Giá trị t một mẫu: t = (x̄ − μ₀) / (s / √n), với bậc tự do df = n − 1, trong đó x̄ là trung bình mẫu, s là độ lệch chuẩn mẫu, và μ₀ là trung bình tổng thể giả định.
Giá trị t hai mẫu theo Welch's: t = (x̄₁ − x̄₂) / √(s₁² / n₁ + s₂² / n₂). Bậc tự do được ước tính bằng phương trình Welch–Satterthwaite: df = (s₁²/n₁ + s₂²/n₂)² / [ (s₁²/n₁)² / (n₁ − 1) + (s₂²/n₂)² / (n₂ − 1) ], không giả định phương sai của hai tổng thể bằng nhau.
Giá trị p hai phía là p = 2 × (1 − T(|t|, df)), trong đó T là hàm phân phối tích lũy của phân phối t Student's với bậc tự do đã tính được.
Ví dụ minh họa (một mẫu): trung bình = 52,1, độ lệch chuẩn = 4,5, n = 30, trung bình giả định μ₀ = 50. t = (52,1 − 50) / (4,5 / √30) ≈ 2,556, df = 29, và giá trị p hai phía dưới 0,05, vậy sự khác biệt có ý nghĩa thống kê ở mức 5%.
Những lỗi thường gặp
- Coi ý nghĩa thống kê là tầm quan trọng thực tiễn — một giá trị p rất nhỏ chỉ cho biết sự khác biệt khó có thể do ngẫu nhiên, chứ không có nghĩa là sự khác biệt lớn hoặc có ý nghĩa trong thực tế.
- Cho rằng máy tính này gộp phương sai của hai mẫu — thực tế nó dùng kiểm định Welch's, cho phép hai phương sai khác nhau, nên bậc tự do và giá trị p có thể khác với phép tính gộp phương sai.
- So sánh giá trị p hai phía với quy tắc quyết định một phía, việc này thực chất giảm một nửa ngưỡng ý nghĩa dự kiến và làm phóng đại mức ý nghĩa biểu kiến.
- Áp dụng kiểm định t mẫu độc lập cho dữ liệu bắt cặp hoặc đo lặp lại (chẳng hạn như các phép đo trước và sau trên cùng đối tượng), trường hợp này cần kiểm định t bắt cặp thay thế.
- Chạy nhiều kiểm định t trên cùng một bộ dữ liệu mà không điều chỉnh ngưỡng ý nghĩa, việc này làm tăng đáng kể khả năng xảy ra ít nhất một dương tính giả lên trên mức 5%.
Câu hỏi thường gặp
Sự khác biệt giữa kiểm định t một mẫu và hai mẫu là gì?
Kiểm định t một mẫu so sánh trung bình của một mẫu với một giá trị giả định cố định (μ₀). Kiểm định t hai mẫu so sánh trung bình của hai mẫu độc lập với nhau, kiểm tra xem sự khác biệt giữa chúng có lớn hơn mức dự kiến chỉ do biến động ngẫu nhiên hay không.
Tại sao máy tính này dùng kiểm định t Welch's thay vì kiểm định t Student's?
Kiểm định t Welch's không giả định hai mẫu có phương sai bằng nhau, giúp nó vững chắc hơn khi độ lệch chuẩn của các mẫu khác nhau — một tình huống thường gặp trong thực tế. Kiểm định này sử dụng phương trình Welch–Satterthwaite để tính bậc tự do đã hiệu chỉnh, thường không phải số nguyên, thay vì công thức đơn giản n₁ + n₂ − 2 dùng trong kiểm định gộp phương sai cổ điển.
Giá trị p dưới 0,05 có nghĩa là gì?
Điều đó có nghĩa là, giả sử giả thuyết không về việc không có khác biệt thực sự là đúng, thì một khác biệt lớn bằng hoặc hơn mức này sẽ chỉ xảy ra dưới 5% số lần do biến động lấy mẫu. Theo ngưỡng α = 0,05 thông thường, kết quả này được coi là có ý nghĩa thống kê, dù nó không nói lên điều gì về độ lớn hay tầm quan trọng thực tiễn của khác biệt.
Ý nghĩa thống kê có giống với tầm quan trọng thực tiễn không?
Không. Một kết quả có ý nghĩa thống kê (p < 0,05) chỉ cho biết khác biệt quan sát được khó có thể do ngẫu nhiên. Với cỡ mẫu đủ lớn, ngay cả một khác biệt rất nhỏ, không quan trọng trong thực tế cũng có thể có ý nghĩa thống kê, vì vậy độ lớn hiệu ứng luôn cần được báo cáo và xem xét cùng với giá trị p.
Tại sao bậc tự do của kiểm định hai mẫu không phải là số nguyên?
Kiểm định t Welch's tính bậc tự do bằng phương trình Welch–Satterthwaite, kết hợp phương sai và cỡ mẫu của hai mẫu theo cách thường cho ra kết quả không nguyên. Chính sự hiệu chỉnh này giúp kiểm định vẫn chính xác khi phương sai của hai nhóm không bằng nhau.
Kiểm định t này yêu cầu cỡ mẫu bao nhiêu?
Mỗi mẫu cần ít nhất 2 quan sát để độ lệch chuẩn và bậc tự do được xác định. Trong thực tế, kiểm định t hoạt động tốt nhất với dữ liệu gần như phân phối chuẩn, hoặc nhờ định lý giới hạn trung tâm, với cỡ mẫu đủ lớn (thường dùng n từ 30 trở lên mỗi nhóm làm hướng dẫn ước lượng) ngay cả khi dữ liệu gốc không hoàn toàn phân phối chuẩn.
Tài liệu tham khảo
- National Institute of Standards and Technology (NIST). NIST/SEMATECH e-Handbook of Statistical Methods — two-sample t-test for equal means. nist.gov.
- Welch BL. The generalization of 'Student's' problem when several different population variances are involved. Biometrika 1947; 34(1-2): 28-35.
- Satterthwaite FE. An approximate distribution of estimates of variance components. Biometrics Bulletin 1946; 2(6): 110-114.
- Moore DS, McCabe GP, Craig BA. Introduction to the Practice of Statistics. W. H. Freeman (one- and two-sample t procedures).
- Student (Gosset WS). The probable error of a mean. Biometrika 1908; 6(1): 1-25 (origin of the t-distribution).