So sánh 2 mẫu độc lập bằng test t - Tài liệu hướng dẫn thống kê y học sử dụng SPSS

Tài liệu hướng dẫn thống kê y học sử dụng SPSS SPSS So sánh mẫu độc lập test t BS Lê Đông Nhật Nam Lời mở đầu Tơi khơng biết người ta thích so sánh đến mức vậy, so sánh thân người khác, so sánh người với kẻ So sánh nguồn gốc vấn đề mà phải gánh chịu thời học sinh Năm 13-14 tuổi, học sinh lớp tơi phân chia thành nhóm tương phản với rõ rệt, nhóm « Elite » kẻ tầm thường Những đứa trẻ nhóm Elite có trí tuệ tuyệt vời, nói tiếng Anh thành thạo giỏi khoa học; nhóm tầm thường có trí nhớ kém, tiếp thu học cách chậm chạp bị điểm Người ta dùng điểm số làm thước đo để dễ so sánh Bản thân có lẽ đứa tệ số đứa trẻ thuộc nhóm thứ Đơi so sánh trở nên cực đoan, ví dụ cha mẹ đứa bạn yêu cầu cô giáo không cho ngồi gần họ Tôi bị đổi chỗ ngồi liên tục Lên năm lớp 9, xếp ngồi gần cậu bé thiên tài, thật kì lạ số phận khiến chúng tơi gắn bó với nhau, trở thành bạn thân nhiều năm sau Cậu ta ghi nhớ thứ kể số vô nghĩa, kể hàng lịch sử thần thoại Hy Lạp, La Mã, giỏi Tốn ln đứng nhì lớp Tơi ngược lại, học hơm trước hơm sau qn ngay, tồn mơn Tốn, Lý, Hóa gần đội sổ năm sau chúng tơi tình cờ gặp lại nhau, thật bất ngờ học Y khoa Nó tơi bắt đầu ngày tháng vui vẻ bên nhau, chơi game chung, xem phim chung, thực tập lâm sàng chung Càng sống gần nhau, thấy rõ khác biệt Bên vỏ thiên tài đứa trẻ bình thường, mê chơi Playstation, biết hồi hộp lo sợ trước kì thi, biết sống lãng mạn Khi tơi nhận thật vô nghĩa so sánh học sinh điểm số, xem người giỏi người Tôi chuột Wild-type từ sinh ra, sau người lớn ném chúng tơi vào mơ hình thí nghiệm với hồi bão ngày thành bác sĩ ngoại khoa xuất sắc cha mình, giáo sư đầu ngành, cịn tơi phải tự mị mẫm nhóm chứng để tìm lối Trong tài liệu lần bàn vấn đề so sánh giá trị trung bình nhóm độc lập test t Hầu tất bạn biết test t thực dễ dàng, bạn dành 10 phút đọc tài liệu hướng dẫn này, tơi tin giúp bạn giải trí chốc lát Trong trường hợp bạn chưa biết thống kê chạy đua với thời gian để hoàn thành luận văn, hy vọng tài liệu hướng dẫn giúp bạn tiết kiệm nhiều tiền điện cho việc mày mò vọc phá SPSS tiền cà phê Chúc bạn thành công Quy ước trình bày Trong tài liệu làm quen với nhân vật Bác sĩ Nguyễn Văn Thái Bác sĩ Thái cao thủ thống kê y học giang hồ Anh ta xuất trước vấn đề khó khăn, nhằm đưa câu trả lời xác ơn lại cho bạn kiến thức chuyên sâu lý thuyết thống kê Tuy nhiên BS Thái lại bận rộn nên không đủ thời gian vào cách thực chi tiết Anh ta hay trình bày lý thuyết túy sử dụng nhiều cơng thức tốn học nên không gần gũi với sinh viên gây khơng trở ngại cho bạn vốn dị ứng với thống kê … Bác sĩ Lê Ngọc Khả Nhi Khả Nhi nữ bác sĩ trẻ dễ thương sử dụng thành thạo SPSS Như tên gọi mình, BS Nhi có tính cách hồn nhiên ngây thơ trẻ con, ln có khuynh hướng đơn giản hóa tối đa vấn đề Khả Nhi hướng dẫn bạn sử dụng SPSS qua bước cụ thể, chia sẻ mẹo vặt, thủ thuật để giúp bạn đến kết nhanh dễ dàng Sinh viên Trần Quốc Bảo Bảo sinh viên y khoa năm thứ sáu bắt đầu làm quen với nghiên cứu khoa học Đây cậu sinh viên tò mò đặt nhiều câu hỏi liên quan đến thống kê Mặc dù đế tài Bảo thực đơn giản, đồng hành với cậu ta, bạn có hội tích lũy cho nhiều kinh nghiệm cơng việc phân tích số liệu thiết kế nghiên cứu 1.1 Tình thí dụ Trong phẫu thuật vị bẹn, ngồi việc chọn lựa kỹ thuật mổ, người ta bàn luận vai trị phương pháp vơ cảm, theo phương pháp gây tê chỗ đánh giá tích cực so với phương pháp khác Một nhóm bác sĩ khoa ngoại BV Nhân Dân Gia Định thực nghiên cứu đánh giá hiệu phương pháp tê chỗ so vớitê tuỷ sống phẫu thuật thoát vị bẹn 50 bệnh nhân phân bố ngẫu nhiên vào hai nhóm: nhóm tê chỗ (n=24), nhóm tê tủy sống (n=26) Các bác sĩ sử dụng bupivacain 0,25% để tê chỗ, có tiền mê Midazolam mL Các bác sĩ muốn so sánh hiệu phương pháp vô cảm dựa thời gian tái vận động sau mổ (giờ) số ngày nằm viện n = 50 Nhóm Gây tê chỗ n = 24 Phương pháp gây tê X n = 26 So sánh Nhóm Gây tê tủy sống Bảo thân mến, em muốn so sánh giá trị trung bình biến số định lượng phân nhóm độc lập; nên ta áp dụng test t Student Student tên giả (bút danh) W Gosset ông công bố phương pháp kiểm định t vào năm 1908 tờ báo Biometrika, cơng ty bia Guinness nơi ông làm việc không cho phép nhân viên tiết lộ bí mật cơng nghệ William Sealy Gosset (1876 –1937) Nhà thống kê học người Anh 1.2 Giới thiệu test t Kiểm định t hữu dụng nghiên cứu mô tả cắt ngang với thiết kế CaseControl Bạn dùng test t để: + So sánh đại lượng Y bệnh nhân người bình thường + So sánh hiệu phương pháp điều trị, can thiệp khác (ví dụ phẫu thuật) + Khảo sát vai trò yếu tố định lượng bệnh lý cách chứng minh khác biệt bệnh nhân nhóm chứng + Thăm dò liên hệ biến định lượng biến định tính nhị phân, ví dụ để phát biomarker + So sánh ngẫu nhiên giá trị Y quần thể khác (ví dụ: giới tính, địa phương, nghề nghiệp) + Khảo sát vai trò yếu tố dịch tễ (là biến nhị phân) yếu tố (định lượng) v.v… Có loại kiểm định t: Loại thứ test t cho mẫu độc lập (Independent samples t test) dùng để so sánh phân nhóm độc lập, biến số định lượng Y khảo sát lần n1 n2 cá thể khác N Biến số định tính nhị phân X µ2 So sánh phân nhóm µ1 µ1 So sánh quần thể µ2 Loại thứ test t cặp đơi (paired samples t test), dùng để so sánh giá trị Y lần đo lặp lại phân nhóm, Y đo lần đối tượng Trong tài liệu này, ta áp dụng loại thứ Rất nhiều bác sĩ sử dụng test t để so sánh 3-4 phân nhóm khác Như Maslow nói: Khi người có cơng cụ tay búa, mắt họ thứ đinh Không nên lạm dụng test t để so sánh bắt cặp tự hàng loạt trường hợp bạn có nhiều phân nhóm cần khảo sát, lúc bạn nên dùng ANOVA post-hoc test có hiệu chỉnh để kiểm sốt tốt sai lầm type I 1.3 Test t bạn thường nghĩ… Quần thể chung với N đối tượng Biến số định tính nhị phân X nB, µB, sB Test t kiểm tra giả thuyết 0: khơng có khác biệt giá trị trung bình phân nhóm: H0: 𝜇2 − 𝜇1 = nA, µA, sA Phương sai nhóm A = Phương sai nhóm B = Với s= phương sai (variance) = SD2 𝑠 𝑆𝑎𝑖 𝑠ố 𝑐ℎ𝑢ẩ𝑛 𝑆𝐸 = 𝑛 𝑠𝐴 𝑛𝐴 𝑠𝐵 𝑛𝐵 𝑠𝐴 = = 𝑛𝐴 𝑠𝐵 Phương sai khác biệt nhóm Vardif = 𝑛𝐵 𝑠𝐴 𝑛𝐴 + 𝑠𝐵 𝑛𝐵 Ta có: Sai số chuẩn (SE) khác biệt nhóm SEdif = 𝑠𝐴 𝑛𝐴 Như giá trị t : 𝑡= + 𝑠𝐵 𝑛𝐵 Trong trường hợp nA ≠nB , ta cần hiệu chỉnh lại phương sai s phân nhóm : B −A 𝑠𝐴 𝑠𝐵 𝑛𝐴 + 𝑛𝐵 𝑠𝑝2 = 𝑛𝐴 − ∗ 𝑠 2𝐴 + 𝑛𝐵 − ∗ 𝑠 𝐵 (𝑛𝐴 + 𝑛𝐵 − 2) Như trị số t cho trường hợp tổng quát : 𝑡= B −A 𝑠𝑝 𝑠𝑝 𝑛𝐴 + 𝑛𝐵 1.3 Test t bạn thường nghĩ… Trị số có phân phối Student t Với độ tự cho trước: df= (nA+nB-2) = v ta tìm xác suất P(t = x) với x giá trị t tối đa ước tính giả thuyết H0 (khơng có khác biệt giá trị trung bình µ) Nếu t > t max : Ta phủ nhận giả thuyết H0, tức công nhận có khác biệt ý nghĩa giá trĩ trung bình.(việc phân nhóm theo biến số định tính nhị phân X thực gây khác biệt trung bình phân nhóm A, B) 1.4 Có thể bạn chưa biết điều này… Đại lượng Y Ý nghĩa thực test t để so sánh, mà dùng để chứng minh tác động có ý nghĩa yếu tố X (ví dụ bệnh tật, can thiệp) làm thay đổi giá trị đại lượng Y đối tượng Biến số định tính nhị phân X Các bạn giải thích rõ điều tiếpo theo đây… Ta nhìn vấn đề theo cách khác, quan hệ biến số định lượng Y biến số định tính nhị phân X Biến số X nhận giá trị cho phép phân chia thành phân nhóm X=0 tương ứng với phân nhóm A, X=1 tương ứng với phân nhóm B Quan hệ biểu thị phương trình hồi quy tuyến tính sau: Y = bo + b1*X + ε (Giá trị Y = số bo + b1*phân nhóm + sai số ε) Mơ hình hồi quy tuyến tính cho phép ước tính giá trị Y biết giá trị X hay nói cách khác đưa cá thể vào phân nhóm A (X=0) hay B (X=1) ta đốn trước giá trị Y Thí nghiệm mơ hình này, ta gán cho bệnh nhân giá trị X=0 hay X=1 xếp họ vào phân nhóm A hay B khảo sát giá trị Y phân nhóm Phân nhóm Giá trị X Giá trị trung bình Phương trình hồi quy A X=0 Y(A) Ỵ A = bo + b1 ∗ = bo B X=1 Y(B) Ỵ B = bo + b1 ∗ = Ỵ A + b1 Như ta có: b1 = Y B − Y A bo = Y A Y b1 bo A B (Giá trị X) (phân nhóm) Hay : Trung bình phân nhóm A giao điểm với trục tung đồ thị phương trình Y=bo+b1*X Khác biệt giá trị trung bình phân nhóm A,B hệ số b tương ứng với biến X phương trình Y=bo+b1*X Như b1=𝐁 − 𝐀 1.4 Có thể bạn chưa biết điều này… Phương trình hồi quy tương ứng với b1=𝐁 − 𝐀 Y Sự dao động (sai số ngẫu nhiên) b1=𝐁 − 𝐀 Hằng số bo phương trình Phương trình hồi quy tương ứng với H0: 𝜇𝐵 − 𝜇𝐴 = 𝐀 A 𝑡= B (phân nhóm) 𝑑(𝜇) 𝑡ℎự𝑐 𝑡ế − 𝑑(𝜇) 𝑔𝑖ả đị𝑛ℎ 𝑛ế𝑢 𝐻0 đú𝑛𝑔 𝑆𝑎𝑖 𝑠ố 𝑐ℎ𝑢ẩ𝑛 𝑐ủ𝑎 𝑑(𝜇) Hay t = ả𝑛ℎ ℎưở𝑛𝑔 𝑐ủ𝑎 𝑚ơ ℎì𝑛ℎ 𝑡ℎí 𝑛𝑔ℎ𝑖ệ𝑚 𝑠𝑎𝑖 𝑠ố 𝑛𝑔ẫ𝑢 𝑛ℎ𝑖ê𝑛 𝑡= B − A − (𝜇2 − 𝜇1) 𝑆𝐸 B −A Khi H0 đúng: 𝜇2 − 𝜇1 = 0, 𝑡 = 𝑆𝐸 𝑐ủ𝑎𝑑𝜇 Như chất test t để so sánh, mà để kiểm tra vai trị hệ số b1 hay nói cách khác vai trò biến số X, hay ý nghĩa mơ hình thí nghiệm Giả thuyết 0:𝜇2 − 𝜇1 có nghĩa b1=0 hay biến số độc lập X khơng có vai trị cả, mơ hình vơ nghĩa Khi phủ định giả thuyết này, đồng nghĩa với việc ta khẳng định ý nghĩa X mơ hình hồi quy Y=bo+b1*X Mơ hình thí nghiệm có ý nghĩa tức yếu tố X thực gây ảnh hưởng lên giá trị Y Như khơng có so sánh cả, tất bệnh nhân trước đưa vào mơ hình thí nghiệm (phân thành nhóm), kết ta khảo sát hậu thí nghiệm gây Mơ hình ta chủ động làm (như thí dụ này), để mơ quy luật tạo hóa (bệnh tật) Trong nghiên cứu bệnh/chứng, biến số X bệnh, đã, thay đổi giá trị Y quần thể chung Quy trình làm test t Thăm dị số liệu Kiểm tra giả định phân phối chuẩn test Shapiro-Wilk Kolmogorow-Smirnov Phát giá trị cá biệt điểm ngoại lai Thực kiểm định t Kiểm tra giả định phương sai đồng Tính giá trị khác biệt trung bình Thực kiểm định t có khơng có Bootstrap Tính Effect size Quy trình so sánh giá trị trung bình phân nhóm độc lập 1) Thống kê mơ tả: Tính giá trị trung bình, khoảng tin cậy 95%, độ lệch chuẩn SD 2) Kiểm tra giả định phân phối chuẩn test Shapiro-Wilk KolmogorowSmirnov 3) Kiểm tra giá trị cá biệt điểm ngoại lai 4) Kiểm tra giả định phương sai đồng 5) Thực kiểm định t Student cho mẫu độc lập 6) Chạy Bootstrap nghi ngờ tính phổ quát (cỡ mẫu nhỏ, có điểm ngoại lai…) 7) Tính hệ số ảnh hưởng (Effect size) 10 2.3 Kiểm tra giả định Nếu giả định phân phối chuẩn bị vi phạm ta phải xử trí ? Bạn có nhiều lựa chọn 1) Chuyển dạng biến số (ví dụ thang đo Logarit), với hy vọng có phân phối chuẩn 2) Sử dụng phương pháp phi tham số (kiểm định Mann Whitney U, giải pháp thay cho test t để so sánh phân nhóm độc lập Trong trường hợp bạn báo cáo giá trị trung vị thay trung bình 3) Bỏ qua vi phạm làm kiểm định t kèm theo Bootstrap để kiểm tra ý nghĩa phổ quát mô hình thí nghiệm 4) Làm kiểm định t song song cho mẫu số liệu: nguyên thủy chuyển dạng (logarit hóa), so sánh kết chúng với Lời khuyên BS Nhi: Nếu bạn có bất thường số liệu, bạn NÊN báo cáo điều cụ thể phần kết thay che dấu, cách bạn xử lý điểm giá trị cá biệt, lựa chọn test thống kê Nếu phân phối lệch trái hay phải, ngồi giá trị trung bình SD bạn nên cung cấp thêm giá trị Skewness Kurtosis (trong bảng kết Explore) Hành động đánh vào tâm lý nhà phê bình giám khảo, loại bỏ nghi ngờ việc gian lận ngụy tạo số liệu, kết bạn hoàn hảo Người đọc nghĩ: Tác giả người thành thật nắm vững phương pháp thống kê Khác biệt vối P 1,5 lần chiều dài error bar xem điểm ngoại lai Nếu cách biệt lớn lần, giá trị phân cực Trong hình trên, khơng có điểm giá trị ngoại lai phát Nếu có trường hợp giá trị cá biệt, SPSS đánh dấu mã số thứ tự cho phép ta định vị dễ dàng trường hợp bảng số liệu Điểm giá trị cá biệt (trường hợp thứ bảng số liệu) Điểm giá trị chênh lệch cực độ (trường hợp thứ bảng số liệu) 18 2.3 Kiểm tra giả định Nếu có điểm giá trị ngoại lai, ta phải xử trí ? + Đầu tiên, cần tìm hiểu nguyên nhân giá trị cá biệt này: Có thể nhập số liệu sai ? Có thể sai sót q trình đo (đa số trường hợp) Sau loại trừ tất nguyên nhân chủ quan, ta buộc phải kết luận giá trị có thực hồn tồn ngẫu nhiên (rất gặp, đồng nghĩa với việc đối tượng thực ngoại lệ) Nếu ta định giữ điểm ngoại lai; ta có nhiều lựa chọn: 1) Sử dụng phương pháp phi tham số (kiểm định Mann-Whitney giải pháp thay cho kiểm định t cho mẫu độc lập Trong trường hợp dùng trung vị thay trung bình báo cáo kết 2) Thay đổi giá trị cá biệt giá trị khác gần với (ví dụ: giá trị x = 10 xem khác biệt, ta thử giá trị x=8 , giá trị cao nằm giới hạn cho phép) (Lưu ý: giá trị thay giả hay thật được) 3) Chuyển dạng biến số (ví dụ đổi sang thang đo logarit) 4) Cầu kì hơn: Ta tiến hành làm test t song song cho trường hợp: Có khơng có điểm giá trị ngoại lai, kết tương tự nhau, ta giữ, ngược lại ta bỏ 5) Bỏ qua vi phạm sử dụng Bootstrap để tăng cường tính phổ qt mơ hình thí nghiệm Loại bỏ giá trị lựa chọn cuối cùng: Nếu ta định bỏ điểm ngoại lai này, effect size giá trị phổ qt mơ hình thí nghiệm bị giảm Lời khuyên lặp lại lần nữa: Các bạn không nên che dấu điểm giá trị cá biệt (nếu có), thú nhận tất thực cách bạn giải vấn đề 19 3.1 Thực test t SPSS Sau chắn số liệu thỏa mãn tất giả định cho test t, ta yên tâm tiếp bước thực kiểm định t Đầu tiên, kích hoạt chức test t hướng dẫn hình bên Trong hộp Independent sample t test: Kéo biến số định tính dùng phân nhóm vào Grouping Variable Kéo tất biến số định lượng cần khảo sát vào ô Test variables Nhấn nút Define group để khai báo phân nhóm: 20 3.1 Thực test t SPSS Bước khai báo giá trị mã hóa cho phân nhóm bắt buộc trước tiến hành test t, nhiên bạn khai báo theo thứ tự được, cần tuân thủ theo quy tắc mã hóa biến định tính phân nhóm mà ta sử dụng bảng số liệu Giá trị X=1 Giá trị X=2 Việc đảo ngược thứ tự phân nhóm ảnh hưởng đến dấu khác biệt trung bình chúng, không thay đổi ý nghĩa test t Trong trường hợp có nghi ngờ liệu, ta nên dùng Bootstrap (phương pháp chọn mẫu ngẫu nhiên lặp lại nhiều lần), phương pháp cho phép xác định khoảng tin cậy 95% sai số chuẩn phổ quát cho giá trị khác biệt trung bình nhóm (Bias corrected accelerated : Bca Ci95%) Để thực Bootstrap, sau khai báo pha§n nhóm ta nhấn nút Bootstrap, sau chọn « Perform bootstraping » nhấn Continue để quay trở lại hộp t test 11 Cuối cùng, nhấn hành lệnh t test để thi 10 21 3.1 Thực test t SPSS Trong trường hợp bạn muốn sử dụng trực tiếp cú pháp lệnh, quy trình sau: Mở cửa sổ lập trình cú pháp (Syntax) nút Paste hộp thoại Sau dán vào khối lệnh sau: Lưu ý: thay đổi tên biến số để phù hợp với nghiên cứu riêng bạn) BOOTSTRAP /SAMPLING METHOD=SIMPLE /VARIABLES TARGET=Namvien Taivandong INPUT=Phuongphap /CRITERIA CILEVEL=95 CITYPE=PERCENTILE NSAMPLES=1000 /MISSING USERMISSING=EXCLUDE T-TEST GROUPS=Phuongphap(1 2) /MISSING=ANALYSIS /VARIABLES=Namvien Taivandong /CRITERIA=CI(.95) 10 Sau chọn tất nhấn nút thi hành 22 3.2 Đọc kết test t Đầu tiên bảng thống kê mô tả sau: Group Statistics Bootstrapa 95% Confidence Thời gian nằm viện P.Pháp vô cảm Gây tê chỗ N Mean Std Deviation Std Error Gây tê tủy sống Thời gian tái vận động Mean N Mean Std Deviation Std Error Mean Gây tê chỗ N Mean Std Deviation Std Error Gây tê tủy sống Mean N Mean Std Deviation Std Error Mean Statistic 24 27,9167 8,83627 Interval Lower Upper Bias Std Error ,0209 -,28253 1,7702 ,93207 24,3764 6,65837 31,2136 10,33934 ,0388 -,23319 1,8115 ,94697 23,3337 7,07312 30,4067 10,75098 -,0011 -,02244 ,1155 ,07935 4,3301 ,39148 4,7675 ,69272 ,0078 -,04419 ,3449 ,18187 13,9429 1,33484 15,3179 2,05572 1,80370 26 26,8462 9,15070 1,79460 24 4,5467 ,57326 ,11702 26 14,6192 1,74654 ,34253 a Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples Kết thống kê mô tả: Trung bình, độ lệch chuẩn, sai số cho biến số ,ở phân nhóm Kết thống kê mơ tả có sử dụng bootstrap Nội dung bảng thống kê mơ tả cho ta biết giá trị trung bình, độ lệch chuẩn, sai số đại lượng cần khảo sát, phân nhóm Nếu có sử dụng bootstrap, bảng cung cấp khoảng tin cậy 95% Đây thông tin cần ghi nhận phần báo cáo sau 23 3.2 Đọc kết test t Tiếp theo bảng kết t test Independent Samples Test Levene's Test for Equality of t-test for Equality of Means Variances Mean Sig (2Thời gian Equal nằm viện variances Std 95% Confidence Error Interval of the Differenc Differenc Difference F Sig t df tailed) e ,022 ,882 ,420 48 ,676 1,07051 2,54802 -4,05263 6,19366 ,421 47,895 ,676 1,07051 2,54439 -4,04561 6,18664 - - e Lower Upper assumed Equal variances not assumed Thời gian tái vận động Equal variances 24,868 ,000 assumed Equal variances not assumed Kết thcủa Levene test để kiểm tra giả định phương sai đồng phân nhóm 26,928 27,828 48 30,721 ,000 ,000 10,0725 ,37406 10,8246 -9,32046 6 - - 10,0725 ,36196 Kết test t, bao gồm trị số t, giá trị p bên bên, khác biệt trung bình sai số khác biệt 10,8110 -9,33407 Khoảng tin cậy 95% khác biệt trung bình Levene test kiểm tra giả định phương sai đồng , H0: variance s phân nhóm Nếu p0,05, giả định phương sai đồng thỏa mãn, ta đọc kết t test hàng: Equal variance assumed 24 3.2 Đọc kết test t Những thông tin cần quan tâm kết test t: Trị số t Độ tự df (chính n1+n2-2) Giá trị p : thông thường ta sử dụng giá trị p bên (chỉ kiểm tra khác biệt, không quan tâm đến ý nghĩa định hướng kém) Nếu p0,05 cho thấy phân nhóm khơng có khác biệt ý nghĩa giá trị trung bình Giá trị p bên hữu dụng ta có giả thuyết từ trước tính phân nhóm (ví dụ ta muốn chứng minh Y cao /thấp nhóm chứng nhóm bệnh) P bên đơn giản = 2*P bên Levene's Test for Equality of t-test for Equality of Means Variances Thời gian Equal nằm viện variances Std 95% Confidence Mean Error Interval of the Sig (2- Differen Differen Difference ce ce F Sig t df tailed) ,022 ,882 ,420 48 ,676 1,07051 2,54802 ,421 47,895 ,676 1,07051 2,54439 assumed Equal variances not assumed Lower 4,05263 4,04561 Upper 6,19366 6,18664 Ví dụ: kết t test cho « thời gian nằm viện diễn giải sau: Khơng có khác biệt ý nghĩa thời gian nằm viện trung bình phân nhóm : t(48)=0,42; p=0,68 Cần ý: Ci95% : quan trọng ngưỡng CI95% phải dấu; khơng CI95% có chứa giá trị 0, tức quần thể chung có khả xảy trường hợp µ1=µ2, khác biệt = 0, giảm ý nghĩa phổ quát kết nghiên cứu 25 3.2 Đọc kết test t Nếu có sử dụng Bootstrap (phương pháp chọn mẫu ngẫu nhiên lặp lại nhiều lần), ta có thêm bảng kết Bootstrap: Bootstrap for Independent Samples Test Bootstrapa 95% Confidence Mean Thời gian nằm viện Equal variances assumed Equal variances not assumed Thời gian tái vận động Equal variances assumed Equal variances not assumed Sig (2- Difference Bias Std Error 1,07051 -,01789 1,07051 tailed) Interval Lower Upper 2,49680 -3,82787 5,69899 -,01789 2,49680 -3,82787 5,69899 -10,07256 -,00891 ,36111 ,001 -10,78610 -9,38893 -10,07256 -,00891 ,36111 ,001 -10,78610 -9,38893 a Unless otherwise noted, bootstrap results are based on 1000 bootstrap samples Giá trị p test t với bootstrap Khoảng tin cậy 95% khác biệt trung bình với Bootstrap Cần ý: Ci95% với Bootstrap: quan trọng ngưỡng CI95% phải dấu; khơng CI95% có chứa giá trị 0, tức quần thể chung có khả xảy trường hợp µ1=µ2, khác biệt = 0, giảm ý nghĩa phổ quát kết nghiên cứu Ghi chú: Mỗi lần bạn chạy Bootstrap cho giá trị p CI95% khác (hồn tồn ngẫu nhiên); đừng lo lắng điều – chất chọn mẫu ngẫu nhiên phương pháp Mặc dù có sai biệt nhỏ kết có ý nghĩa Bạn dùng giá trị để báo cáo Thông thường giá trị p dùng Bootstrap cao hơn, bạn đánh giá tính phổ qt mơ hình thí nghiệm Phần diễn giải kết đến hoàn tất, bạn qua bước cuối tính hệ số ảnh hưởng 26 Tính Effect size Tính hệ số ảnh hưởng (effect size) Hệ số cho phép đo lường mức độ ảnh hưởng mơ hình thí nghiệm lên biến thiên đại lượng Y cần khảo sát Ví dụ nghiên cứu bệnh chứng, effect size cho biết ảnh hưởng bệnh lý (làm thay đổi đại lượng ) lớn đến mức Một điều thú vị: Ngay p>0,05 (khơng có khác biệt ý nghĩa), yếu tố X có ảnh hưởng đến Y mức độ Vì test t âm tính, hệ số ảnh hưởng bạn kết luận ảnh hưởng (dù nhỏ) bệnh lý hay can thiệp lên yếu tố cần khảo sát Ta sử dụng r theo Rosenthal (1991) 𝐫= 𝐭𝟐 𝐭 𝟐 + (𝐧𝟏 + 𝐧𝟐 − 𝟐) Diễn giải giá trị r sau: r