Giải thích thống kê t: Công thức, Cách diễn giải và Ví dụ

Thống kê t cho thấy liệu một khác biệt quan sát được có ý nghĩa hay chỉ có khả năng do biến thiên ngẫu nhiên.

Khác biệt xuất hiện trong hầu như mọi tập dữ liệu. Câu hỏi then chốt là liệu kết quả phản ánh một hiệu ứng thực sự. Thống kê t trả lời điều đó bằng cách so sánh độ lớn của khác biệt với mức độ bất định trong dữ liệu.

Vì thế nó được dùng rộng rãi trong kiểm định giả thuyết và hồi quy. Nó giúp bạn đánh giá liệu một kết quả có ý nghĩa thống kê và đáng để cân nhắc hay không.

Trong hướng dẫn này, bạn sẽ học thống kê t có ý nghĩa gì, cách tính, cách diễn giải và cách áp dụng trong các tình huống kiểm định phổ biến.

Thống kê t trong Thống kê là gì?

Thống kê t đo lường một kết quả cách xa giá trị tham chiếu bao nhiêu sau khi đã điều chỉnh theo độ biến thiên trong dữ liệu.

Nói đơn giản, đó là khác biệt được chia tỷ lệ theo mức bất định. Điều này chuyển một khoảng cách thô thành một giá trị chuẩn hóa để bạn có thể đánh giá.

Hãy xét một lớp có điểm trung bình 78 so với mốc 75. Khác biệt là 3 điểm. Con số đó tự thân chưa nói lên nhiều điều. Nếu điểm số tụ tập chặt, khoảng cách có thể có ý nghĩa. Nếu điểm số biến thiên rộng, cùng khoảng cách đó có thể không quan trọng.

Thống kê t kết hợp cả hai yếu tố vào một giá trị. Nó cho thấy khác biệt quan sát được có lớn so với biến thiên trong dữ liệu hay không.

Điều này quan trọng vì cùng một khác biệt có thể dẫn đến kết luận khác nhau tùy vào mức độ ổn định của dữ liệu. Thống kê t đặt kết quả vào bối cảnh để bạn đánh giá mức độ quan trọng của nó.

Bạn sẽ thấy nó được dùng trong các tình huống phổ biến:

• Kiểm định t một mẫu kiểm tra xem trung bình mẫu có khác một giá trị đã biết hay không
• Kiểm định t hai mẫu so sánh trung bình của hai nhóm
• Kiểm định t cặp so sánh cùng một nhóm trước và sau thay đổi
• Phân tích hồi quy kiểm tra liệu một hệ số có khác 0 hay không

Trong tất cả các trường hợp này, logic vẫn như nhau: đo khoảng cách từ điểm tham chiếu, điều chỉnh theo biến thiên, và đánh giá xem kết quả có ý nghĩa hay không.

Công thức thống kê t và Cách tính

Thống kê t có cấu trúc đơn giản. Nó so sánh điều bạn quan sát với điều bạn kỳ vọng, rồi chia tỷ lệ khác biệt đó theo mức bất định.

Trong công thức này:

• Giá trị estimate là kết quả mẫu của bạn

• Giá trị hypothesized value là giá trị bạn dùng để kiểm định

• standard error đo lường mức độ ước lượng của bạn có thể dao động do ngẫu nhiên

Vì vậy, thống kê t cho bạn biết kết quả của bạn cách xa giá trị kiểm định bao nhiêu độ lệch chuẩn của sai số.

Thống kê t một mẫu

Bạn dùng khi so sánh một trung bình mẫu với một giá trị đã biết.

Ở đây: 

• x là trung bình mẫu

• μ0 là giá trị giả thuyết

• s là độ lệch chuẩn mẫu

• n là kích thước mẫu

Mẫu số s/n​ là sai số chuẩn của trung bình.

Thống kê t hai mẫu (mẫu độc lập)

Bài kiểm định này so sánh trung bình của hai nhóm riêng biệt. Cấu trúc vẫn nhất quán:

• Tử số: khác biệt giữa hai trung bình mẫu
• Mẫu số: sai số chuẩn của khác biệt đó

Nhưng có một thay đổi nhỏ: Khi tính sai số chuẩn, bạn cần quyết định cách xử lý độ biến thiên ở cả hai nhóm.

Có hai cách tiếp cận phổ biến.

1. Phương sai không bằng nhau

Dùng khi các nhóm có mức độ phân tán khác nhau, điều thường gặp trong dữ liệu thực tế:

• Mỗi nhóm giữ phương sai riêng
• Cả hai phương sai được kết hợp khi tính sai số chuẩn

2. Phương sai bằng nhau 

Dùng khi cả hai nhóm có độ biến thiên tương tự:

• Phương sai được gộp thành một ước lượng chung
• Tính toán trở nên đơn giản hơn

Thống kê t của hệ số hồi quy

Trong hồi quy, mỗi hệ số có thống kê t riêng.

• Tử số: hệ số ước lượng
• Mẫu số: sai số chuẩn của hệ số đó

Điều này cho thấy liệu một biến dự báo có mối quan hệ có ý nghĩa với biến kết quả hay không.

Ví dụ số nhanh

Xét trường hợp một mẫu:

• Trung bình mẫu = 78
• Giá trị giả thuyết = 75
• Độ lệch chuẩn mẫu = 10
• Kích thước mẫu = 25

Bước 1: Tính sai số chuẩn

Bước 2: Tìm khác biệt

Khác biệt = 78 − 75 = 3

Bước 3: Tính thống kê t

T = 3/2 = 1.5

Trung bình mẫu cao hơn giá trị tham chiếu 1,5 sai số chuẩn. Giá trị này được dùng ở bước tiếp theo để đánh giá ý nghĩa thống kê.

Phân phối t và Bậc tự do

Thống kê t chỉ hữu ích khi bạn so sánh nó với một phân phối tham chiếu. Tham chiếu đó là phân phối t.

Nó cho thấy các giá trị t trông như thế nào khi không có hiệu ứng thực. Sau khi tính được giá trị t, bạn kiểm tra nó nằm ở đâu trên phân phối này. Các giá trị xa tâm có ít khả năng xảy ra do ngẫu nhiên. Các giá trị gần tâm phù hợp hơn với biến thiên ngẫu nhiên.

Bậc tự do có ý nghĩa gì

Bậc tự do điều khiển hình dạng của phân phối t. Chúng phản ánh lượng thông tin đáng tin cậy mà dữ liệu của bạn cung cấp: nhiều dữ liệu dẫn đến ước lượng ổn định hơn và ít dữ liệu làm tăng bất định.

Một số công thức thường gặp là:

• Kiểm định t một mẫu: bậc tự do = n − 1
• Kiểm định t hai mẫu: bậc tự do = n₁ + n₂ − 2
• Hồi quy: bậc tự do = n − k − 1, với k là số lượng biến dự báo

Ảnh hưởng của kích thước mẫu đến phân phối

Với mẫu nhỏ, biến thiên khó ước lượng hơn. Điều này làm các giá trị t cực trị có khả năng xảy ra cao hơn, nên phân phối t rộng hơn.

Điều này dẫn đến hai hệ quả:

• Cần giá trị t lớn hơn để chứng minh ý nghĩa
• Kết quả khó được phân loại là có ý nghĩa hơn

Khi kích thước mẫu tăng, ước lượng trở nên ổn định hơn. Phân phối t hẹp lại và bắt đầu khớp với phân phối chuẩn. Với mẫu lớn, khác biệt giữa hai phân phối là tối thiểu.

Cách diễn giải thống kê t

Giá trị t lớn hơn nghĩa là bằng chứng mạnh hơn chống lại giả thuyết không. Giá trị t nhỏ hơn nghĩa là kết quả có thể do biến thiên ngẫu nhiên.

Đó là ý tưởng cốt lõi. Giờ hãy thực hành hóa nó.

Kích thước của t nói lên điều gì

Tập trung vào mức độ xa 0.

• t gần 0 > ít hoặc không có khác biệt
• t lớn hơn > khác biệt mạnh hơn
• t rất lớn > bằng chứng mạnh chống lại giả thuyết không

Dấu chỉ thể hiện hướng.

• dương > cao hơn giá trị kỳ vọng
• âm > thấp hơn giá trị kỳ vọng

Về mặt diễn giải, độ lớn quan trọng hơn dấu.

Cách lấy p-value

Sau khi tính thống kê t, so sánh nó với phân phối t. Điều này cho p-value, cho thấy khả năng kết quả của bạn xảy ra dưới giả thuyết không là bao nhiêu.

• p nhỏ > kết quả khó xảy ra dưới giả thuyết không, bằng chứng mạnh chống lại nó
• p lớn > kết quả có khả năng xảy ra dưới giả thuyết không, bằng chứng yếu

Thống kê t cho biết khoảng cách. P-value cho biết mức độ bất thường của khoảng cách đó.

Kiểm định một đuôi và hai đuôi

Lựa chọn phụ thuộc vào giả thuyết của bạn:

• Kiểm định hai đuôi kiểm tra mọi khác biệt, cao hơn hoặc thấp hơn
• Kiểm định một đuôi kiểm tra khác biệt theo một hướng cụ thể

Kiểm định hai đuôi phổ biến hơn. Kiểm định một đuôi chỉ dùng khi hướng được xác định trước khi phân tích.

Ý nghĩa thống kê và tầm quan trọng thực tiễn

Một kết quả có thể có ý nghĩa thống kê nhưng vẫn không hữu ích. Điều này thường xảy ra với tập dữ liệu lớn.

• Với mẫu lớn, ngay cả khác biệt nhỏ cũng có thể có ý nghĩa thống kê
• Với mẫu nhỏ, khác biệt có ý nghĩa có thể không hiện ra là có ý nghĩa

Vì vậy đừng chỉ dựa vào p-value. Hãy xem kích thước hiệu ứng và tự hỏi liệu nó có quan trọng trong quyết định thực tế không.

Thống kê t trong Kiểm định giả thuyết

Thống kê t được dùng để kiểm tra liệu một kết quả có khác biệt có ý nghĩa so với một giá trị tham chiếu, thường là 0. Giá trị tham chiếu đó đại diện cho không có hiệu ứng hoặc không có khác biệt. 

Nó trả lời một câu hỏi: liệu kết quả quan sát đủ lớn để coi là thực thay vì do biến thiên ngẫu nhiên hay không.

Kiểm định trung bình tổng thể

Dùng khi so sánh một trung bình mẫu với một giá trị đã biết hoặc giả định.

Giả sử thời gian trung bình trên một trang được kỳ vọng là 5 phút và mẫu của bạn cho thấy 6 phút. Thống kê t sẽ đánh giá liệu khoảng cách 1 phút này có ý nghĩa hay không.

• t nhỏ nghĩa là khác biệt có khả năng do ngẫu nhiên
• t lớn nghĩa là khác biệt có khả năng là thực

Điều này là cơ sở để bác bỏ hoặc không bác bỏ giả thuyết không.

So sánh hai trung bình

Dùng để so sánh hai nhóm độc lập.

Lấy ví dụ về tỷ lệ chuyển đổi cho hai trang đích:

• Nhóm A: thiết kế cũ
• Nhóm B: thiết kế mới

Một giá trị trung bình cao hơn ở một nhóm tự thân chưa đủ. Thống kê t kiểm tra liệu khoảng cách giữa hai trung bình có ý nghĩa thống kê hay không.

Giá trị t tuyệt đối lớn hơn nghĩa là bằng chứng mạnh hơn rằng khác biệt là thực. 

Kiểm định mẫu ghép đôi

Dùng khi cùng một nhóm được đo hai lần.

Giả sử bạn có mức độ tương tác của người dùng trước và sau khi cập nhật tính năng. Mỗi quan sát được ghép cặp. Bạn làm việc với khác biệt trong từng cặp thay vì so sánh các nhóm riêng biệt.

Thống kê t kiểm tra liệu mức thay đổi trung bình trên tất cả các cặp có khác 0 hay không. Điều này cho thấy thay đổi có hiệu ứng đáng kể hay không.

Kiểm định các hệ số hồi quy

Trong hồi quy, mỗi hệ số có thống kê t riêng. Mỗi hệ số đại diện mối quan hệ giữa một biến dự báo và biến kết quả.

Giả sử một hệ số có thể đại diện cho ảnh hưởng của tần suất email lên chuyển đổi. Thống kê t kiểm tra liệu hệ số đó có khác 0 hay không.

• giá trị gần 0 nghĩa là ít hoặc không có hiệu ứng
• giá trị xa 0 nghĩa là có khả năng hiệu ứng có ý nghĩa

Điều này giúp xác định biến nào đóng góp vào mô hình.

Bảng Thống kê t

Bảng t giúp bạn quyết định liệu kết quả của mình có ý nghĩa thống kê hay không. Nó cung cấp các giá trị tới hạn dựa trên:

• bậc tự do
• mức ý nghĩa đã chọn (chẳng hạn 0,05) 

Cách dùng bảng t

Làm theo các bước sau:

1. Tính thống kê t của bạn
2. Tìm bậc tự do của bạn
3. Chọn mức ý nghĩa
4. Tra giá trị tới hạn trong bảng

Giờ so sánh kết quả của bạn với giá trị tới hạn:

• Nếu giá trị t của bạn lớn hơn giá trị trong bảng, nghĩa là có ý nghĩa thống kê
• Nếu nhỏ hơn, thì không có ý nghĩa thống kê

Cách đọc bảng này như sau. 

Giả sử:

• Thống kê t của bạn = 2,3
• Bậc tự do = 10
• Mức ý nghĩa = 0,05

Từ bảng:

• Giá trị tới hạn = 2,23

Giờ so sánh:

• t của bạn = 2,3
• Giá trị bảng = 2,23

Vì 2,3 lớn hơn 2,23, kết quả có ý nghĩa thống kê.

Thống kê t so với thống kê z: Khác nhau ở đâu?

Điểm khác biệt chính rất đơn giản:

• Dùng thống kê t khi không biết độ lệch chuẩn tổng thể
• Dùng thống kê z khi biết độ lệch chuẩn tổng thể

Tìm hiểu thêm về sự khác nhau giữa thống kê t và thống kê z trong hướng dẫn của chúng tôi. 

Khi nào dùng thống kê t

Dùng thống kê t khi làm việc với dữ liệu mẫu và bạn không biết độ lệch chuẩn tổng thể.

Đây là trường hợp phổ biến. Bạn ước lượng biến thiên bằng độ lệch chuẩn mẫu, điều này đưa vào bất định. Thống kê t điều chỉnh cho bất định đó, phù hợp với các tập dữ liệu nhỏ hơn.

Giả sử bạn thu thập dữ liệu từ 25 người dùng để ước lượng thời gian phiên trung bình. Vì biến thiên tổng thể thực sự không biết, bạn dùng thống kê t.

Khi nào dùng thống kê z

Dùng thống kê z khi biết độ lệch chuẩn tổng thể.

Điều này ít gặp hơn nhưng có thể áp dụng trong môi trường được kiểm soát hoặc khi bạn có dữ liệu lịch sử ổn định. Nó cũng được dùng với mẫu rất lớn, khi độ lệch chuẩn mẫu gần khớp với giá trị tổng thể.

Nếu một công ty có dữ liệu dài hạn và biết chính xác độ lệch chuẩn của một chỉ số, họ có thể dùng thống kê z để kiểm định.

Vì sao kích thước mẫu quan trọng

Kích thước mẫu ảnh hưởng đến mức bất định tồn tại trong các ước lượng của bạn.

• mẫu nhỏ: bất định cao hơn nên thống kê t phù hợp hơn
• mẫu lớn: bất định thấp hơn nên thống kê z trở nên hợp lý

Phân phối t tính đến điều này bằng cách rộng hơn cho mẫu nhỏ, dẫn đến kết quả thận trọng hơn.

Cách t và z trở nên tương tự

Khi kích thước mẫu tăng, khác biệt giữa hai phương pháp trở nên tối thiểu. Với tập dữ liệu lớn, cả hai cách tiếp cận tạo ra kết quả gần như giống hệt. Vì vậy thống kê z thường được dùng như một xấp xỉ trong phân tích quy mô lớn.

Thống kê t và kiểm định t: Khác nhau ở đâu?

Thống kê t là một giá trị đơn lẻ, còn kiểm định t là toàn bộ quy trình ra quyết định. Hãy hiểu cả hai:

Thống kê t là gì?

Chúng ta đã đề cập nhiều, nhưng xin nhắc lại: Thống kê t được tính từ dữ liệu mẫu của bạn. Nó cho thấy kết quả của bạn cách xa giá trị giả thuyết không, thường là 0, bao nhiêu.

Nó cho bạn kích thước khác biệt tương ứng với biến thiên trong dữ liệu. Tự thân nó không cho biết kết quả có ý nghĩa hay không.

Kiểm định t là gì?

Kiểm định t là một cách cụ thể để thực hiện kiểm định giả thuyết.

Nó bao gồm:

• xác định giả thuyết không và giả thuyết đối
• tính thống kê t (như trên)
• tìm p-value hoặc giá trị tới hạn
• ra quyết định dựa trên kết quả

Quy trình này quyết định liệu khác biệt quan sát có ý nghĩa thống kê hay không.

Chúng phối hợp như thế nào

Thống kê t là một bước trong kiểm định t.

Bạn tính giá trị t trước. Sau đó dùng nó để lấy p-value hoặc so sánh với giá trị tới hạn. Bước cuối cho phép bạn quyết định có bác bỏ giả thuyết không hay không.

Các lỗi thường gặp khi dùng thống kê t

Hầu hết lỗi xuất phát từ diễn giải, không phải tính toán. Thống kê t dễ tính nhưng dễ dùng sai nếu bỏ qua các chi tiết quan trọng.

Đánh giá giá trị t không có bối cảnh

Một giá trị t lớn tự thân không nói lên nhiều điều. Ý nghĩa của nó phụ thuộc vào kích thước mẫu và biến thiên.

Nên làm:

• diễn giải giá trị t cùng với p-value
• xem xét kích thước mẫu
• kiểm tra mức độ biến thiên trong dữ liệu

Bỏ qua các giả định quan trọng

Thống kê t dựa vào một vài điều kiện. Nếu không thỏa, kết quả có thể không đáng tin. Các giả định chính là:

• dữ liệu xấp xỉ phân phối chuẩn, đặc biệt với mẫu nhỏ
• các quan sát độc lập

Nên làm:

• kiểm tra phân phối dữ liệu
• dùng biểu đồ hoặc thống kê tóm tắt để phát hiện vấn đề
• dùng phương pháp thay thế nếu giả định bị vi phạm

Nhầm lẫn giữa kiểm định một đuôi và hai đuôi

Chọn sai loại kiểm định sẽ thay đổi kết luận. Kiểm định một đuôi kiểm tra một hướng và kiểm định hai đuôi kiểm tra cả hai hướng

Nên làm:

• quyết định loại kiểm định trước khi phân tích
• mặc định dùng kiểm định hai đuôi trừ khi cần một hướng cụ thể

Chạy nhiều kiểm định t thay vì ANOVA

So sánh hơn hai nhóm bằng nhiều kiểm định t làm tăng rủi ro dương tính giả.

Nên làm như sau: Dùng ANOVA cho ba nhóm trở lên. Sau đó, thực hiện các kiểm định hậu nghiệm nếu cần

Chỉ dựa vào p-value

P-value nhỏ cho thấy ý nghĩa thống kê, không phải tầm quan trọng thực tiễn. Hãy kiểm tra kích thước hiệu ứng và đánh giá liệu kết quả có quan trọng trong quyết định thực tế.

Kết luận

Khác biệt xuất hiện trong mọi tập dữ liệu. Thách thức là biết liệu chúng phản ánh hiệu ứng thực hay biến thiên ngẫu nhiên. Thống kê t giải quyết điều này bằng cách chia tỷ lệ khác biệt theo mức bất định.

Không có thống kê t, bạn chỉ thấy khác biệt. Với nó, bạn có thể đánh giá liệu những khác biệt đó đáng để hành động hay không.