T-statistic là gì là điều các nhà nghiên cứu cần nắm rõ khi sử dụng phương pháp nghiên cứu thống kê. Tuy nhiên, không phải ai cũng thực hiểu một cách rõ ràng về khái niệm này và cách mà phương pháp này hoạt động ra sao. Trong bài viết này, cùng chung tôi tìm hiểu sâu hơn những vấn đề xoay quanh T-statistic là gì.

Đang xem: T

*

Tổng quan về t-statistic

T-statistic là một phương pháp kiểm định thống kê được sử dụng để xác định những sự sai khác của giá trị trung bình của tổng thể với giá trị có sẵn ban đầu. Ngoài ra, T-statistic còn dùng để xác định sự chênh lệch và sai khác giữa giá trị trung bình của hai đối tượng tổng thể.

Tuy nhiên, đây chỉ là khái niệm về mặt lý thuyết, trên thực tế, người nghiên cứu sẽ sử dụng các phần mềm thống kê được cài đặt đủ các thuật toán để thao tác nhanh và chính xác hơn. Khi đó, thông qua chỉ số Sig – mức ý nghĩa quan sát để thừa nhận hoặc phủ nhận các giả thuyết đưa ra ban đầu. Ví dụ như trong phần mềm spss, khi chỉ số Sig nhỏ hơn 5%, các nhà nghiên cứu sẽ phủ nhận các giả thuyết được đưa ra lúc đầu.

2. Phân loại 4 dạng t-statistic

Tên

Giả thuyết và thay thế

Loại thống kê sử dụng

T value

Bạn có một số mục nhất định trong mẫu, sau đó bạn sử dụng các bậc tự do cùng mức tin cậy mà bạn có thể chấp nhận được để ủng hộ hay bác bỏ giả thuyết ban đầu.

Xác định sự khác biệt về giá trị trung bình so với tổng thể, … 

Z value

Bạn cần nắm được trung bình của các mẫu và độ lệch chuẩn với tổng thể. Giá trị z thấp hơn -1.96 và lớn hơn 1.96 được cho là có dấu hiệu bất thưởng và bạn cần xem lại.

Kiểm định vị trí một mẫu, vị trí cho hai mẫu, xác định giá trị trung bình cho các cặp mẫu,…

F value

Giá trị f là những giá trị tính toán từ dữ liệu ban đầu. Giá trị này sẽ được so sánh với một giá trị tới hạn F mà bạn đặt ra để so sánh với gian trị f. Nếu f>F thì bạn có thể phủ nhận giả thuyết ban đầu.

So sánh các mô hình thống kê có sẵn dữ liệu để xác định phương án phù hợp cho đối tượng.

X2 value

Sử dụng các dữ liệu ngẫu nhiên và có loại trừ lẫn nhau từ các biến độc lập để kiểm định giả thuyết. Mẫu càng lớn thì kết quả càng chính xác.

Kiểm tra mức độ sai khác có ý nghĩa thống kê giữa các biến có phân loại, kiểm tra tính độc lập giữa các biến,…

3. Báo cáo kết quả t-statistic

*

Báo cáo kết quả t-statistic

Sau khi làm rõ các dạng t-statistic, cuối cùng, bạn phải báo cáo để biết được kết quả t-statistic là gì. Tùy thuộc vào từng loại kiểm tra t-statistic mà chúng ta sẽ có những cách kiểm tra khác nhau.

 

Loại thử nghiệm

Số liệu thống kê báo cáo

Kiểm tra tương quan và hồi quy

Nghiên cứu tâm lý giáo dục, tâm lý khách hàng,…

Số liệu được lấy ngẫu nhiên, bao gồm các phép đo định lượng và định tính.

Kiểm tra sự khác biệt giữa các nhóm

So sánh giữa các nhóm người, hoặc đối tượng trong những trường hợp cụ thể.

Số liệu được lấy ngẫu nhiên, bao gồm các phép đo định lượng và định tính.

Dưới đây là một vài ví dụ để hiểu rõ hơn về những nội dung quan trọng của T-statistic là gì.

Ví dụ:

Kiểm tra tương quan và hồi quy:Kiểm tra mối liên hệ giữa giá cả xe máy với những yếu tố liên quan như năm sản xuất, mẫu mã, màu sắc,… Nghiên cứu mối quan hệ giữa kết quả học tập của học sinh với vai trò của gia đình.Kiểm tra sự khác biệt giữa các nhóm:So sánh mức độ mua hàng giữa các nhóm tuổi khác nhau.So sánh và đánh giá doanh thu bán hàng theo quý của cửa hàng.

Trên đây là một số thông tin để giúp bạn đọc có thể giải đáp được câu hỏi T-statistic là gì. Với những người lần đầu làm quen với khái niệm này thật sự rất khó để hiểu và vận dụng chúng. Tuy nhiên nhờ vào các phần mềm thống kê hiện nay, công việc này đã trở nên dễ dàng hơn. Hy vọng các thông tin có trong bài viết đã cung cấp nguồn thông tin có giá trị cho bạn.

Bạn đang xem: T-Statistic Là Gì : Thống Kê Kiểm Định Là Gì? Giải Thích Ý Nghĩa Của T tại anhhung.mobi

Đây là bản dịch tiếng Việt của tôi về một bài báo rất hay giảng giải ý nghĩa của phương pháp rà soát t (hay phương pháp t-test – trong bài viết tôi chỉ gọi là t-test cho ngắn gọn) của tác giả Patrick Runkel. Bài báo gốc bằng tiếng Anh có tiêu đề đầy đủ là “Rà soát t là gì? Và vì sao nó giống như nói với một đứa trẻ để quét dọn cái lộn xộn đó trong nhà bếp?”Và bạn có thể đọc bài gốc tại đây.

Đang xem: Thống kê T là gì

Phương pháp rà soát t là một trong những thứ tự được sử dụng phổ thông nhất trong khoa học thống kê.

Xem thêm: Kí Hiệu Ac Và Dc Là Gì? Chọn Nguồn Điện Nhà Như Thế Nào Cho Đồ Điện Loa, Quạt Sạc, Đèn Sạc?

Nhưng ngay cả những người sử dụng t-test thường xuyên cũng ko biết xác thực phương pháp này hoạt động như thế nào vì tất cả dữ liệu được xử lý sau bức màn của ứng dụng thống kê chẳng hạn. như Minitab.

Và bạn cũng nên dành một tí thời kì để xem thử nghiệm t hoạt động như thế nào đằng sau bức màn đó.

Bởi vì nếu bạn hiểu hình thức hoạt động của phương pháp t-test, bạn có thể hiểu sâu hơn về dữ liệu của mình dựa trên kết quả nhưng t-test mang lại. Và bạn cũng hiểu sâu hơn về lý do vì sao kết quả nghiên cứu của bạn đạt (hoặc ko đạt) “ý nghĩa thống kê”.

Trên thực tiễn, nếu bạn có một thanh thiếu niên thích chơi hơn làm việc nhà, cứng cáp bạn đã có một trải nghiệm tương tự như các nguyên tắc cơ bản đằng sau bài rà soát t.

Phẫu thuật của bài rà soát t

Phương pháp kiểm định t thường được sử dụng để xác định xem trị giá trung bình của một tổng thể có khác với một trị giá nào đó hay ko (được gọi là trị giá trung bình giả thiết). trị giá trung bình giả thuyết) hoặc với trị giá trung bình của một quần thể khác.

Ví dụ, phương pháp 1-thử nghiệm t mẫu (hoặc t-test đơn mẫu) được sử dụng để rà soát xem liệu thời kì kì vọng trung bình của bệnh nhân tại phòng khám y tế có lâu hơn thời kì mong muốn là 15 phút hay ko, dựa trên dữ liệu từ một nhóm bệnh nhân tình cờ.

Để xác định xem sự khác lạ (giữa thời kì chờ thực tiễn và mong muốn) có ý nghĩa thống kê hay ko, phương pháp t-test sẽ tính toán một trị giá gọi là t-value (p-value-value cũng được tính trực tiếp từ t-value). Trị giá này được tính như sau:

t = frac {ar {x} – mu _ {0}} {frac {s} {sqrt {n}}}

Công thức toán học này trông có vẻ khó hiểu, nhưng bạn thực sự có thể làm chủ nó nếu bạn hiểu hai động lực quan trọng đằng sau nó: tử số (ở trên cùng) và mẫu số (ở trên cùng). phía dưới).

Phần tử số là Tín hiệu

Phần tử số trong công thức rà soát t 1 mẫu đo cường độ tín hiệu (tín hiệu): sự khác lạ giữa trị giá trung bình của mẫu dữ liệu của bạn (ar {x}) và dân số giả thuyết có tức là (mu_ {0}).

*

Quay trở lại với ví dụ về thời kì kì vọng của bệnh nhân, trung bình giả thiết là 15 phút.

Nếu bệnh nhân trong mẫu tình cờ của bạn có thời kì chờ trung bình là 15,1 phút, tín hiệu bằng 15,1 – 15 = 0,1 phút. Sự khác lạ này là tương đối nhỏ, vì vậy tín hiệu trong phần tử kỹ thuật số là nhu nhược.

Tuy nhiên, nếu thời kì kì vọng của bệnh nhân trung bình là 68 phút thì sự chênh lệch sẽ lớn hơn và bằng 68-15 = 53 phút. Do đó, tín hiệu sẽ mạnh hơn.

Phần mẫu số là Tiếng ồn

Phần mẫu số đo lượng dao động hoặc “nhiễu” trong mẫu dữ liệu của bạn.

*

Tín hiệu

*

Trong biểu đồ bên phải của hình trên, sự khác lạ giữa trị giá trung bình của dữ liệu ar {x} và trung bình giả thiết mu_ {0} là 16 phút. Nhưng do dữ liệu trong mẫu được dàn trải nên sự khác lạ này ko có ý nghĩa thống kê. Vì sao vậy? Bởi vì t – trị giá – tỉ lệ tín hiệu trên nhiễu – tương đối nhỏ do mẫu số lớn.

Tuy nhiên, nếu tín hiệu mạnh so với nhiễu, kích thước (tuyệt đối) của trị giá t sẽ lớn hơn. Do đó, sự khác lạ giữa ar {x}mu_ {0} sẽ có nhiều khả năng có ý nghĩa về mặt thống kê.

*

Trong hình trên, sự khác lạ giữa ar {x}mu_ {0} Ngoài ra 16 phút. Kích thước dữ liệu cũng bằng nhau. Nhưng lần này, các điểm dữ liệu tập trung lại gần nhau hơn. Vì dữ liệu ít biến động hơn, sự khác lạ trong 16 phút hiện có ý nghĩa thống kê.

Thông báo ý nghĩa thống kê

Phương pháp rà soát t như yêu cầu con bạn quét dọn nhà bếp là gì?

Nếu thanh thiếu niên của bạn đang nghe nhạc, chơi trò chơi điện tử, nhắn tin cho bạn hữu hoặc bị phân tâm bởi các nguồn “tiếng ồn” khác, bạn cần nói to hơn và to hơn để đạt được mức độ “có ý nghĩa”. “Hoặc nếu bạn có thể loại trừ các nguồn ồn ĩ, bạn ko cần phải nói chuyện ồn ĩ với thiếu niên của mình.

Tương tự, nếu kiểm định t của bạn ko đạt được ý nghĩa thống kê, có thể là do một trong những lý do sau:

Sự khác lạ (tín hiệu) ko đủ lớn. Bạn ko thể làm gì nhiều nếu điều này xảy ra, giả sử rằng nghiên cứu của bạn sử dụng các phương pháp thích hợp và các mẫu dữ liệu bạn tích lũy là đại diện cho dân số.Biến động dữ liệu (nhiễu) quá lớn. Đây là lý do vì sao việc loại trừ các trị giá ngoại lai trong dữ liệu của bạn là rất quan trọng. Bạn có thể sử dụng biểu đồ kiểm soát để phát hiện và loại trừ các ngoại lệ khỏi dữ liệu trước lúc thực hiện rà soát t.

Mẫu dữ liệu quá nhỏ. Sự dao động sẽ nhỏ hơn nếu kích thước dữ liệu lớn. Điều này có tức là nếu có cùng sự khác lạ và cùng phạm vi trị giá, kích thước dữ liệu càng lớn thì càng có nhiều khả năng đạt được ý nghĩa thống kê – như biểu đồ bên dưới.

Xem thêm: Đơn vị cung cấp miệng gió hồi uy tín, chất lượng, tổng hợp các loại miệng gió sản xuất tại hà nội

*

(Điều này giảng giải vì sao cỡ mẫu cực lớn có thể tạo ra ý nghĩa thống kê mặc dù sự khác lạ là rất nhỏ và hoàn toàn ko có tác dụng thực sự.)

Công thức này cũng giảng giải vì sao các nhà thống kê phàn nàn về tiếng nói thỉnh thoảng được sử dụng để kết luận kết quả kiểm định t. Ví dụ: một kết quả rà soát t ko mong muốn sẽ được tuyên bố: “Ko có sự khác lạ đáng kể…”

Nó ko nhất quyết phải…

Thực tiễn là có thể có một sự khác lạ đáng kể. Nhưng có thể do mẫu dữ liệu của bạn quá nhỏ hoặc có thể sự biến thiên của các điểm dữ liệu quá lớn khiến nghiên cứu của bạn ko trình bày ý nghĩa thống kê. Bạn có thể nói một cách an toàn hơn rằng: “Nghiên cứu của chúng tôi ko tìm thấy chứng cớ của một sự khác lạ có ý nghĩa thống kê.

Bạn thấy bài viết T-Statistic Là Gì : Thống Kê Kiểm Định Là Gì? Giải Thích Ý Nghĩa Của T có khắc phục đươc vấn đề bạn tìm hiểu ko?, nếu ko hãy comment góp ý thêm về T-Statistic Là Gì : Thống Kê Kiểm Định Là Gì? Giải Thích Ý Nghĩa Của T bên dưới để anhhung.mobi có thể thay đổi & cải thiện nội dung tốt hơn cho độc giả nhé! Cám ơn bạn đã ghé thăm Website Trường THPT Trần Hưng Đạo

Leave a Reply

Your email address will not be published. Required fields are marked *