Chọn đúng kiểm định thống kê cho một công bố Q1 bằng cách nào?

Trả lời trực tiếp: Chọn đúng kiểm định nghĩa là chọn một kiểm định có các giả định khớp với dữ liệu của bạn và có lô-gic trả lời được câu hỏi nghiên cứu của bạn, và việc chọn đó phải định trước khi thu thập hay phân tích dữ liệu chứ không phải sau. Lựa chọn này chảy ra từ ba thứ, gồm câu hỏi bạn đang đặt, loại biến của bạn, và thiết kế đã sinh ra những con số đó.

Marusteri và Bacarea (2010), trong một bài hướng dẫn viết cho tác giả ngành y sinh, nhấn mạnh rằng kiểm định phải suy ra từ giả thuyết và từ cấu trúc dữ liệu, và cách tiếp cận thống kê nên được nêu trước thay vì chọn cho vừa kết quả. Lang và Altman (2015), hai tác giả xây dựng bộ hướng dẫn SAMPL về báo cáo thống kê trong tạp chí y sinh, yêu cầu tác giả nêu rõ mục đích của từng kiểm định cùng các giả định đứng sau nó.

Một tình huống cố vấn MAAS từng gặp cho thấy điều đó trong thực tế. Một tác giả Việt Nam lần đầu công bố mang tới kết quả đã chạy sẵn và hỏi kiểm định nào "trông đẹp nhất". Cố vấn không chọn thay mà kéo cuộc trao đổi ngược về câu hỏi nghiên cứu và thiết kế dữ liệu, rồi để tác giả đó tự đối chiếu và chọn ra đúng một kiểm định phù hợp. Nhờ vậy, một cuộc dò tìm may rủi trở thành một kế hoạch phân tích mà tác giả bảo vệ được và người phản biện có cơ sở để tin.

Trả lời trực tiếp: Trước bất kỳ kiểm định nào, hãy trả lời bốn câu hỏi. Biến của bạn thuộc loại nào, danh nghĩa, thứ bậc hay liên tục? Bạn đang so bao nhiêu nhóm? Các nhóm đó độc lập hay bắt cặp? Và bạn đang so sự khác biệt hay đang đo mối liên hệ? Bốn câu trả lời đó chỉ tới một nhóm nhỏ các kiểm định ứng viên.

Các bộ phận tư vấn thống kê ở trường đại học đều xếp việc chọn kiểm định quanh ba yếu tố, gồm loại biến, số nhóm hoặc số mức, và mẫu bắt cặp hay độc lập, như cách University of York (n.d.) và UCLA Statistical Consulting Group (n.d.-a) trình bày trong hướng dẫn chọn kiểm định của mình. Field (2013), trong giáo trình thống kê ứng dụng viết cho người nghiên cứu sau đại học, liệt kê đúng bốn câu hỏi ở trên làm điểm khởi đầu chuẩn khi chọn kiểm định. Marusteri và Bacarea (2010) lưu ý thêm rằng chọn kiểm định bắt cặp khi mẫu vốn độc lập, hoặc ngược lại, là một lỗi phổ biến mà lẽ ra tránh được.

Một học viên được MAAS đồng hành nghiên cứu một can thiệp đo trước và sau, và ban đầu định dùng kiểm định t độc lập. Cố vấn hỏi lại ai là người được đo ở hai thời điểm, và khi học viên đó nhận ra cùng những người tham gia được đo hai lần, bạn ấy tự chuyển sang kiểm định bắt cặp. Chỉ một lần phân loại lại thiết kế như vậy đã đổi cả phân tích lẫn kết quả được báo cáo.

Trả lời trực tiếp: Hãy dùng kiểm định tham số khi dữ liệu liên tục của bạn đáp ứng hợp lý các giả định của nó, chủ yếu là gần chuẩn và phương sai bằng nhau, bởi kiểm định tham số mạnh hơn khi các điều kiện đó thoả. Hãy chuyển sang lựa chọn phi tham số khi dữ liệu thuộc loại thứ bậc, khi phân phối lệch nặng, hoặc khi có giá trị ngoại lai cực đoan.

Một số tài liệu hướng dẫn còn khuyên chọn phi tham số cả với mẫu rất nhỏ, vì với mẫu nhỏ rất khó đánh giá tính chuẩn (Marshall, n.d.). Khi các giả định được thoả, kiểm định tham số nhìn chung mạnh hơn, tức có khả năng phát hiện một hiệu ứng có thật cao hơn. Tuy nhiên, Marusteri và Bacarea (2010) chỉ ra rằng với mẫu lớn hơn, Định lý giới hạn trung tâm cho phép kiểm định tham số vẫn cho kết quả tốt ngay cả khi dữ liệu nền không chuẩn hoàn hảo. Vì vậy cỡ mẫu cũng là một phần của quyết định, chứ không phải chỉ nhìn vào hình dạng của biểu đồ phân phối rồi kết luận.

Một nhà nghiên cứu Việt Nam có mẫu thử nghiệm 14 người vẫn muốn dùng kiểm định t vì "ai cũng dùng". Cố vấn MAAS giải thích rằng ở cỡ mẫu đó, lại kèm độ lệch nhìn thấy được, kiểm định Mann-Whitney U là lựa chọn an toàn và trung thực hơn, và người phản biện thường tôn trọng sự thận trọng ấy thay vì trừ điểm. Quyết định chuyển kiểm định vẫn do chính tác giả đưa ra sau khi hiểu lý do.

Trả lời trực tiếp: Mọi kiểm định tham số đều mang theo những giả định mà bạn phải kiểm và báo cáo, gồm tính độc lập của quan sát, tính gần chuẩn, thường là của phần dư chứ không phải của dữ liệu thô, và tính đồng nhất phương sai giữa các nhóm. Hãy nhìn phân phối bằng mắt, dùng kiểm định hình thức ở nơi phù hợp, và quyết định trước rằng bạn làm gì nếu giả định không thoả.

Ordak (2025), trong một nghiên cứu về việc triển khai SAMPL, cho thấy phần phân tích các giả định cần thiết cho một kiểm định, cùng việc cân nhắc ảnh hưởng của giá trị ngoại lai, nằm trong nhóm nội dung hay bị thiếu nhất ở phần thống kê đã công bố, và phần kiểm giả định vắng mặt ở một tỷ lệ lớn các bài được rà soát. Người phản biện ngày càng mong đợi những phần kiểm này được nêu rõ. Trong thực hành, điều đó có nghĩa là chọn một cách kiểm mà bạn bảo vệ được, rồi báo cáo ngay bên cạnh số liệu chính, thay vì để người đọc tự đoán rằng bạn đã kiểm. Kiểm định tính chuẩn hình thức kém tin cậy ở cả hai đầu: với n dưới 20 chúng khó phát hiện sự lệch chuẩn, còn với n trên 50 chúng có thể quá nhạy, nên biểu đồ histogram hoặc QQ plot là bạn đồng hành an toàn hơn (Marshall, n.d.).

Một khách hàng dùng dịch vụ Cố vấn Công bố của MAAS đã chạy ANOVA mà bản thảo không nhắc tới phần kiểm giả định nào. Ở lượt góp ý bản thảo, cố vấn đặt câu hỏi về tính chuẩn và phương sai, và tác giả đó tự bổ sung hai phần kiểm, ghi nhận một vi phạm nhẹ, rồi nêu tính bền vững của kiểm định đã chọn. Một đoạn ngắn như vậy chặn trước một câu hỏi hiển nhiên mà người phản biện rất có thể sẽ đặt ra.

Trả lời trực tiếp: Giá trị p chỉ cho bạn biết dữ liệu tương thích tới đâu với một giả thuyết không, nó không đo độ lớn hay tầm quan trọng của một hiệu ứng. Người phản biện Q1 mong đợi có kích thước hiệu ứng và khoảng tin cậy đi kèm giá trị p, để người đọc phán được ý nghĩa thực tiễn chứ không chỉ ý nghĩa thống kê.

Wasserstein và Lazar (2016) trình bày tuyên bố năm 2016 của Hiệp hội Thống kê Hoa Kỳ về giá trị p, dựng trên 6 nguyên tắc cốt lõi, trong đó cảnh báo rằng ý nghĩa thống kê tự thân không nên dẫn dắt kết luận khoa học và giá trị p đang bị dùng sai rộng rãi. Một trong 6 nguyên tắc đó viết thẳng: "Scientific conclusions and business or policy decisions should not be based only on whether a p-value passes a specific threshold" (Wasserstein và Lazar, 2016, p. 131), nghĩa là kết luận khoa học cũng như quyết định kinh doanh hay chính sách không nên chỉ dựa vào việc giá trị p có vượt một ngưỡng nào đó hay không.

Lakens (2013) giải thích rằng báo cáo kích thước hiệu ứng kèm khoảng tin cậy truyền đạt được cả độ mạnh của bằng chứng lẫn độ chính xác của ước lượng, hai thứ mà một giá trị p đứng một mình không nói được. Cohen (1988) xếp một khác biệt trung bình chuẩn hoá từ 0,2 tới 0,8 vào khoảng từ nhỏ tới lớn, nên riêng dòng "p < 0,05" không cho người phản biện biết hiệu ứng thật đang nằm ở đầu nào của khoảng đó.

Một tác giả Việt Nam từng báo cáo một chuỗi kết quả "p < 0,05" mà không có kích thước hiệu ứng nào. Cố vấn MAAS chỉ ra chỗ thiếu và hướng dẫn cách tính, rồi tác giả đó tự bổ sung kích thước hiệu ứng và khoảng tin cậy 95% xuyên suốt bài, đồng thời viết lại phần bàn luận quanh việc mỗi hiệu ứng lớn tới đâu và chính xác tới đâu, đúng lăng kính mà một người phản biện Q1 thường áp vào.

Trả lời trực tiếp: Những nguyên nhân lặp lại gồm chọn kiểm định sau khi đã nhìn dữ liệu, lẫn lộn giữa thiết kế bắt cặp và độc lập, bỏ qua phần kiểm giả định, chạy nhiều phép so sánh mà không hiệu chỉnh, báo cáo lực thống kê tính sau, và mô tả phương pháp mơ hồ tới mức không lặp lại được. Mỗi lỗi đó đều báo cho người phản biện rằng phân tích có thể không đáng tin.

Hickey và cộng sự (2018) khẳng định phép tính lực thống kê làm sau khi nghiên cứu đã kết thúc không có giá trị, bởi biện giải cỡ mẫu phải làm từ trước. Phép hiệu chỉnh Bonferroni chia mức ý nghĩa cho số lần kiểm định, nên với 12 phép so sánh thì ngưỡng 5% tụt xuống còn khoảng 0,4%, và đó là lý do so sánh nhiều lần mà không hiệu chỉnh làm tỷ lệ dương tính giả tăng nhanh tới vậy. Ordak (2025) ghi nhận rằng hướng dẫn SAMPL yêu cầu nêu rõ mục đích của từng kiểm định, các giả định của nó và kích thước hiệu ứng, và thiếu sót ở đúng những chỗ này lại là thứ bị nêu nhiều nhất.

Bản thảo của một khách hàng MAAS từng chạy 12 phép so sánh không hiệu chỉnh và biện giải cỡ mẫu bằng lực thống kê tính sau. Cố vấn chỉ ra cả hai vấn đề trước khi nộp, và tác giả đó tự xác định một kết cục chính duy nhất cùng một lý lẽ biện giải cỡ mẫu định trước. Phần phương pháp sau khi sửa đọc lên có kỷ luật hơn hẳn.

Trả lời trực tiếp: Hãy quyết định cách phân tích trước khi thu thập dữ liệu, viết một bản kế hoạch phân tích thống kê ngắn, và dùng một bảng kiểm báo cáo như SAMPL trong lúc viết phần phương pháp. Sau đó hãy lấy phản hồi phát triển từ một người cố vấn đã từng phản biện các bài định lượng, để vấn đề lộ ra trước khi nộp chứ không phải trong một bản nhận xét của người phản biện.

Lang và Altman (2015) cho rằng bám theo hướng dẫn báo cáo đã được thiết lập giúp cải thiện rõ rệt cách người phản biện tiếp nhận bài.

Một cố vấn MAAS từng đồng hành cùng một học viên sau đại học người Việt qua ba chặng. Ở chặng outline, học viên đó chốt kế hoạch phân tích và các kiểm định sẽ dùng. Ở chặng bản thảo, bạn ấy ghi lại các giả định cùng kích thước hiệu ứng. Ở lượt đọc cuối, bạn ấy rà ngôn ngữ và cách báo cáo đối chiếu với SAMPL. Học viên vẫn là tác giả xuyên suốt, còn cố vấn góp ý ở từng chặng chứ không chạy phân tích thay.