Một bài báo kết luận “sử dụng mạng xã hội trên ba giờ mỗi ngày làm tăng nguy cơ trầm cảm ở sinh viên”. Bảng 3 có ba mô hình. Ở mô hình 1, tỷ số chênh là 1,9. Ở mô hình 3, sau khi hiệu chỉnh giấc ngủ, hoạt động thể chất và áp lực học tập, tỷ số chênh chỉ còn 1,15, khoảng tin cậy từ 0,92 đến 1,44, và cỡ mẫu giảm từ 2.140 xuống 1.610. Phần tóm tắt chỉ nhắc con số 1,9.
Đọc phần tóm tắt cho biết tác giả muốn bạn nghĩ gì. Đọc bảng kết quả cho biết dữ liệu thực sự nói gì. Kỹ năng này hữu ích với người viết tổng quan tài liệu, người làm phản biện, và với chính bạn khi soát bảng của mình trước khi nộp.
Bước 1: đọc tiêu đề và chú thích bảng trước
Tiêu đề và dòng chú thích dưới bảng cho biết: biến phụ thuộc là gì, mô hình loại nào, con số trong ô là gì (hệ số, tỷ số chênh, trung bình), dấu sao nghĩa là gì, và mô hình hiệu chỉnh cho những biến nào. Rất nhiều hiểu lầm đến từ việc đọc con số mà không biết đó là hệ số log-odds hay tỷ số chênh.
Bước 2: xác định con số là loại gì và giá trị không là bao nhiêu
| Loại ước lượng | Giá trị “không có liên hệ” | Khoảng tin cậy có ý nghĩa khi |
|---|---|---|
| Hệ số hồi quy tuyến tính, chênh lệch trung bình | 0 | Không chứa 0 |
| Hệ số logistic dạng log-odds | 0 | Không chứa 0 |
| Tỷ số chênh (OR), tỷ số nguy cơ (RR), tỷ số nguy cơ tức thời (HR) | 1 | Không chứa 1 |
| Hệ số tương quan | 0 | Không chứa 0 |
Với tỷ số, chú ý tính bất đối xứng: OR 0,5 và OR 2,0 là hai liên hệ cùng độ mạnh theo hai chiều ngược nhau. Khoảng tin cậy của tỷ số thường lệch về phía trên, ví dụ 1,2 đến 3,1 quanh ước lượng 1,9, là chuyện bình thường.
Bước 3: so sánh ước lượng thô và ước lượng hiệu chỉnh
Nhiều bảng có cột “thô” (crude, unadjusted) và cột “hiệu chỉnh” (adjusted), hoặc mô hình 1, 2, 3 thêm dần biến. Nhìn cách ước lượng thay đổi:
- Giảm mạnh khi thêm biến: một phần liên hệ ban đầu do các biến đó giải thích. Như ví dụ mở đầu.
- Gần như không đổi: liên hệ vững trước các biến được hiệu chỉnh.
- Tăng lên: có thể có biến ức chế, đáng đọc kỹ phần thảo luận.
Luôn hỏi: tác giả hiệu chỉnh cho biến nào, và có biến nào nằm trên đường nhân quả không? Hiệu chỉnh cho một biến trung gian (ví dụ hiệu chỉnh giấc ngủ khi giấc ngủ có thể là con đường mà mạng xã hội ảnh hưởng tới trầm cảm) có thể che mất chính liên hệ cần nghiên cứu. Đây là tranh luận về thiết kế, không phải lỗi tính toán, nhưng người đọc cần thấy.
Bước 4: kiểm tra cỡ mẫu trong từng mô hình
Dòng N ở cuối mỗi cột là chi tiết nhiều người bỏ qua. Nếu N giảm dần qua các mô hình, lý do thường là dữ liệu thiếu ở các biến mới thêm: phần mềm tự động loại mọi người thiếu bất kỳ biến nào. Khi đó ba mô hình được ước lượng trên ba nhóm người khác nhau, và sự thay đổi của hệ số có thể do đổi mẫu chứ không do hiệu chỉnh. Tác giả cẩn thận sẽ ước lượng mọi mô hình trên cùng một mẫu, hoặc xử lý dữ liệu thiếu bằng phương pháp thích hợp.
Bước 5: nhìn độ rộng khoảng tin cậy, không chỉ dấu sao
Hai hệ số cùng một dấu sao có thể rất khác nhau về độ chính xác: OR 2,1 (1,9–2,3) và OR 2,1 (1,02–4,3). Cái thứ hai tương thích với một liên hệ gần như không đáng kể lẫn một liên hệ rất mạnh. Nếu bảng chỉ có dấu sao mà không có khoảng tin cậy hay sai số chuẩn, đó là điểm yếu của bảng; bạn có thể ghi nhận điều này khi phản biện.
Bước 6: đọc bảng ANOVA
Một dòng ANOVA điển hình được báo cáo là F(2, 117) = 5,84, p = 0,004, η² = 0,09. Cách đọc:
- F: tỷ số giữa phương sai giữa các nhóm và phương sai trong nhóm.
- Bậc tự do (2, 117): số đầu là số nhóm trừ 1, nên có 3 nhóm; số sau là tổng số quan sát trừ số nhóm, nên có 120 người. Đây là cách nhanh để kiểm tra cỡ mẫu có khớp với phần phương pháp không.
- η² (eta bình phương): yếu tố giải thích khoảng 9% phương sai. Với ANOVA nhiều yếu tố, phần mềm thường báo eta bình phương từng phần (partial η²), không so sánh trực tiếp được giữa các thiết kế khác nhau.
F có ý nghĩa chỉ cho biết có ít nhất một nhóm khác các nhóm còn lại. Muốn biết nhóm nào khác nhóm nào, phải xem bảng so sánh sau (post hoc) và phương pháp hiệu chỉnh đã dùng.
Bước 7: đối chiếu bảng với văn bản và tóm tắt
- Con số trong tóm tắt có đến từ mô hình chính, hay từ mô hình thô ấn tượng hơn?
- Phần thảo luận có dùng ngôn ngữ nhân quả trong khi bảng là dữ liệu cắt ngang?
- Các biến không có ý nghĩa có bị lặng lẽ bỏ khỏi bảng không? Một bảng chỉ còn toàn dấu sao là dấu hiệu đáng nghi.
- Tổng phần trăm, tổng N giữa các bảng có khớp nhau không?
Áp dụng: đọc một bảng trong năm phút
Khi gặp một bảng kết quả, đi theo thứ tự này và ghi một dòng cho mỗi bước:
- Biến phụ thuộc và loại mô hình (đọc tiêu đề, chú thích).
- Loại ước lượng và giá trị không.
- Ước lượng chính: thô bao nhiêu, hiệu chỉnh bao nhiêu, hiệu chỉnh cho những gì.
- N của từng mô hình có bằng nhau không.
- Khoảng tin cậy của ước lượng chính rộng hay hẹp.
- Với ANOVA: bậc tự do khớp cỡ mẫu không, có cỡ hiệu ứng không, có so sánh sau không.
- Kết luận trong tóm tắt có khớp với mô hình chính không.
Làm vài chục lần, quy trình này thành phản xạ. Và khi áp dụng nó cho bảng của chính bạn trước khi nộp, bạn sẽ bắt được những lỗi mà phản biện chắc chắn sẽ bắt.
Việc làm tiếp: chọn bài báo quan trọng nhất trong phần tổng quan của bạn, áp dụng bảy bước cho bảng kết quả chính, và kiểm tra xem câu bạn đang trích dẫn từ bài đó có đúng với mô hình chính của họ không.
Câu hỏi thường gặp
Làm sao biết khoảng tin cậy của tỷ số chênh có ý nghĩa?
Với tỷ số chênh, tỷ số nguy cơ hay tỷ số nguy cơ tức thời, giá trị không có liên hệ là 1. Nếu khoảng tin cậy 95% không chứa 1, kết quả có ý nghĩa ở mức 5%.
Mô hình thô và mô hình hiệu chỉnh khác nhau thế nào?
Mô hình thô chỉ có biến quan tâm; mô hình hiệu chỉnh thêm các biến gây nhiễu. So sánh hai con số cho biết bao nhiêu phần của liên hệ ban đầu được các biến đó giải thích.
Vì sao cỡ mẫu giảm qua các mô hình?
Thường do dữ liệu thiếu ở các biến mới thêm, vì phần mềm loại mọi quan sát thiếu bất kỳ biến nào. Khi đó các mô hình được ước lượng trên các nhóm người khác nhau.
F(2, 117) trong ANOVA nghĩa là gì?
Hai con số là bậc tự do: số đầu bằng số nhóm trừ 1, số sau bằng tổng số quan sát trừ số nhóm. Ví dụ này tương ứng với 3 nhóm và 120 người.
Partial eta squared khác eta squared thế nào?
Eta bình phương tính trên tổng phương sai, còn eta bình phương từng phần loại bỏ phương sai của các yếu tố khác. Partial eta squared thường lớn hơn và không so sánh trực tiếp được giữa các thiết kế khác nhau.
