Bản đồ
Framework

Bốn bước kiểm định giả thuyết

Câu hỏi nó trả lời

Sau khi chạy một thử nghiệm trên mẫu khách hàng, đội marketing hay phân tích dữ liệu cần qua những bước nào để biết dữ liệu có đủ bằng chứng bác bỏ giả định mặc định không?

Xuất xứ
Lane, n.d.; Illowsky & Dean, 2023; Greenland et al., 2016
Loại sơ đồ
Quy trình theo giai đoạn
Cấp độ phân tích
Cá nhân
Chủ đề
Dữ liệu & phân tích
Kính lúp trên tấm biểu đồ đường, biểu tượng dữ liệu và phân tích

Sơ đồ

Bốn bước kiểm định giả thuyết

  1. 1. Đặt giả thuyết không
  2. H0 và giả thuyết đốiH0 là phát biểu không khác biệt, thường là hiện trạng. Giả thuyết đối mâu thuẫn với H0 và thường là điều bạn muốn chứng minh.
  3. 2. Chọn mức ý nghĩa α
  4. Ngưỡng α, đặt trước khi tính pGiá trị thường dùng là 0,05 và 0,01. α là xác suất sai lầm loại I; hãy cân xem sai lầm nào có hậu quả nặng hơn.
  5. 3. Tính giá trị p
  6. Thống kê kiểm định và pp là xác suất thu được kết quả mẫu khác H0 bằng hoặc hơn mức quan sát được, nếu H0 đúng. Thống kê kiểm định, ví dụ t hoặc chi bình phương, đo khoảng cách giữa dữ liệu và dự đoán của mô hình.
  7. 4. So p với α và quyết định
  8. Bác bỏ hoặc chưa bác bỏ H0p thấp hơn α thì bác bỏ H0, nhưng đây không phải quyết định tất cả hoặc không có gì: p càng thấp càng có cơ sở tin H0 sai. Không bác bỏ được H0 không có nghĩa H0 đúng, chỉ là dữ liệu chưa đủ mạnh.

Khi nào dùng, khi nào không

Nên dùng khi

Dùng khi có một giả định mặc định cụ thể, thường là không khác biệt, và một mẫu dữ liệu để thử bác bỏ nó. Greenland và cộng sự cho rằng trong hầu hết bối cảnh khoa học, ước lượng độ lớn hiệu ứng và độ bất định quan trọng hơn việc xếp kết quả vào nhóm có ý nghĩa hay không, nên hãy báo cáo cả hai.

Cạm bẫy

Cạm bẫy

Coi p là xác suất H0 đúng; coi p ≤ 0,05 là bằng chứng H0 sai hoặc là phát hiện quan trọng về thực tiễn; coi p > 0,05 là H0 đúng (Greenland và cộng sự, 2016, các cách hiểu sai số 1, 3, 4 và 7). Chọn phân tích sau khi đã thấy p rồi chỉ trình bày kết quả có p nhỏ có thể cho p nhỏ ngay cả khi giả thuyết đúng.

Nguồn

Tài liệu tham khảo

Xếp A–Z theo họ tác giả, kiểu Harvard. Nguồn có DOI thì link https://doi.org/…; nguồn không có DOI thì link trang nguồn hoặc ghi rõ không có DOI.

  1. Greenland, S. et al. (2016) ‘Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations’, European Journal of Epidemiology, 31(4), pp. 337–350.doi:10.1007/s10654-016-0149-3Được trích trong 1 bài
  2. Illowsky, B. and Dean, S. (2023) Introductory statistics 2e. Houston, Texas: OpenStax.Không có DOIopenstax.orgĐược trích trong 1 bài
  3. Lane, D.M. (n.d.) Steps in hypothesis testing. Online Statistics Education: an interactive multimedia course of study (Rice University, University of Houston Clear Lake and Tufts University).Không có DOIonlinestatbook.comTrang nguồn