Bài 7. Lỗi trong ra quyết định

Bất cứ khi nào chúng ta kiểm tra một giả thuyết, chúng ta sẽ đưa ra một quyết định để công nhận hoặc bác bỏ giả thuyết vô hiệu. Những lỗi dưới đây có thể phát sinh trong quá trình ra quyết định.

1. Lỗi loại I (Type I Error)

Lỗi Loại I xảy ra khi quyết định bác bỏ giả thuyết vô hiệu trong khi thực tế nó thực sự đúng.

Nếu chúng ta thực hiện một bài kiểm tra thống kê trong một mẫu, có thể do tình cờ mà mẫu là có nghĩa thống kê đáng kể. Điều này dẫn đến việc chúng ta bác bỏ H₀ khi thực tế nó thực sự đúng. Trong trường hợp này, chúng ta sẽ đưa ra quyết định sai lầm trong quá trình ra quyết định của mình.

Lỗi loại I là bác bỏ không chính xác một giả thuyết vô hiệu và kết luận sai từ kiểm định thống kê rằng các nhóm dân số là khác nhau. Chúng ta mắc Lỗi Loại I.

Đó là trong việc đưa ra quyết định dựa trên kết quả của một thống kê kiểm tra về giả thuyết vô hiệu. Nếu chúng ta có thể truy cập toàn bộ dân số, chúng ta có thể xác định các tham số quan tâm và sẽ không cần kiểm tra thống kê.

Mức ý nghĩa (giá trị p) do nhà nghiên cứu chọn bằng xác suất của việc mắc lỗi Loại I, đó là khi kết quả của một thử nghiệm thống kê dẫn đến việc bác bỏ giả thuyết vô hiệu, trong khi giả thuyết vô hiệu là đúng.

Hình 1. Sức mạnh thống kê và Lỗi loại I và loại II

Ý tưởng về sức mạnh thống kê được đưa ra và alpha (α) được định nghĩa là xác suất xảy ra ‘Lỗi Loại I’ (Hình 1). Xác suất của Lỗi loại I, α, do nhà nghiên cứu đặt ra (thường ở p ≤ 0.05). Nó nằm dưới sự kiểm soát trực tiếp của nhà nghiên cứu. Sức mạnh của thống kê kiểm tra (1- α) là xác suất phát hiện một sự khác biệt thực sự nếu một sự khác biệt tồn tại, hoặc nói một cách khác là xác suất bác bỏ một giả thuyết vô hiệu cho rằng nó sai. Khi alpha tăng lên, sức mạnh giảm và ngược lại.

Power = Pr (bác bỏ H₀ | H₁ là đúng)

2. Lỗi Loại II (Type II Error)

Trong Hình 1, một cách khác có thể đưa đến một quyết định sai lầm là không bác bỏ một giả thuyết vô hiệu mà trên thực tế là không đúng. Trong trường hợp này, chúng ta có thể mắc Lỗi Loại II nếu chúng ta không từ chối H₀. Xác suất của Lỗi Loại II được ký hiệu là beta (β) và liên quan đến sức mạnh của một bài thống kê kiểm tra.

Sức mạnh thống kê nằm trong khoảng từ 0 đến 1, và khi sức mạnh thống kê tăng lên, xác suất mắc lỗi loại II sẽ giảm xuống.

Đối với xác suất lỗi loại II là β, sức mạnh thống kê tương ứng là 1 –  β. Ví dụ, nếu thử nghiệm E có sức mạnh thống kê là 0.7 và thử nghiệm F có sức mạnh thống kê là 0.95, thì xác suất cao hơn của thử nghiệm E mắc một lỗi loại II so với thử nghiệm F. Tuy nhiên, thử nghiệm E đáng tin cậy hơn so với thử nghiệm F do xác suất mắc lỗi loại I thấp hơn.

Phân tích sức mạnh của thống kê có thể được sử dụng để tính toán kích thước mẫu tối thiểu cần thiết để người ta có thể có khả năng phát hiện một cách hợp lý ảnh hưởng của một kích thước nhất định. Phân tích sức mạnh cũng có thể được sử dụng để tính toán kích thước hiệu ứng tối thiểu có khả năng được phát hiện trong một nghiên cứu bằng cách sử dụng cỡ mẫu nhất định.

Xin vui lòng đọc nội dung phân tích sức mạnh của thống kê trong các bài tiếp theo.

Tài liệu tham khảo

1. Coolican, H. (2018). Research methods and statistics in psychology. Routledge.
2. Hanneman, R. A., Kposowa, A. J., & Riddle, M. D. (2012). Basic statistics for social research (Vol. 38). John Wiley & Sons.
3. Jackson, S. L. (2015). Research methods and statistics: A critical thinking approach. Cengage Learning.
4. McQueen, R. A., & Knussen, C. (2006). Introduction to research methods and statistics in psychology. Pearson education.
5. Peers, I. (2006). Statistical analysis for education and psychology researchers: Tools for researchers in education and psychology. Routledge.
6. Wagner III, W. E. (2019). Using IBM® SPSS® statistics for research methods and social science statistics. Sage Publications.