Thuật ngữ thống kê: 20 khái niệm cần biết khi làm nghiên cứu

Thuật ngữ thống kê là ngôn ngữ chung của người làm nghiên cứu định lượng. Khi đọc một bài báo, viết chương phương pháp hay trình bày kết quả trước hội đồng, bạn sẽ gặp lại các khái niệm như tổng thể, mẫu, biến tiềm ẩn, giá trị p, khoảng tin cậy rất nhiều lần. Bài viết này giải thích 20 thuật ngữ thống kê cơ bản bằng ngôn ngữ dễ hiểu, kèm ví dụ và những lỗi dùng sai thường gặp.

Vì sao cần dùng đúng thuật ngữ thống kê?

• Thuật ngữ là nền tảng chung: người làm nghiên cứu ở mọi cấp độ đều dùng cùng một bộ khái niệm, nên dùng đúng giúp người đọc hiểu ngay bạn đang nói gì.
• Dùng sai làm lệch nội dung: khi gọi sai tên khái niệm, người đọc có thể hiểu sai thiết kế nghiên cứu hoặc kết quả của bạn.
• Ảnh hưởng đến đánh giá: trong luận văn và bài báo, lỗi thuật ngữ thống kê là một trong những nhận xét phổ biến nhất của người phản biện.

Phần dưới đây diễn giải bằng từ ngữ phổ thông để dễ nắm bắt. Khi viết chính thức, bạn nên đối chiếu thêm với giáo trình thống kê của ngành mình.

Thuật ngữ thống kê về tổng thể, mẫu và quan sát

1. Tổng thể (thường ký hiệu N)

Tổng thể là toàn bộ các đối tượng mà nghiên cứu muốn rút ra kết luận.

Ví dụ: nghiên cứu "Khảo sát thái độ của khách hàng đối với dòng nước hoa hiệu A đã có mặt trên thị trường 5 năm". Tổng thể là tất cả những người đã và đang dùng nước hoa A; bất kỳ ai dùng sản phẩm này đều thuộc tổng thể.

2. Mẫu nghiên cứu (thường ký hiệu n)

Tổng thể thường quá lớn để khảo sát hết. Vì vậy, nhà nghiên cứu chọn một nhóm đối tượng từ tổng thể để nghiên cứu rồi khái quát kết quả, gọi là chọn mẫu. Mẫu có thể được chọn ngẫu nhiên (xác suất) hoặc theo tiêu chí (phi xác suất). Cách chọn mẫu quyết định mức độ bạn được phép khái quát kết quả ra tổng thể.

Ví dụ: người nghiên cứu khảo sát 1.000 khách hàng trong danh sách đã mua nước hoa A. Khi đó cỡ mẫu là 1.000 (n = 1.000).

3. Quan sát

Mỗi quan sát tương ứng với một đối tượng được khảo sát. Cỡ mẫu 1.000 nghĩa là có 1.000 quan sát. Vì vậy, không nói "nghiên cứu có 1.000 mẫu" mà nói "nghiên cứu có 1.000 quan sát" hoặc "cỡ mẫu là 1.000". Đây là lỗi thuật ngữ thống kê rất hay gặp.

4. Cỡ mẫu

Cỡ mẫu là số quan sát hợp lệ đưa vào phân tích, sau khi đã loại phiếu không đạt. Cỡ mẫu cần được xác định trước dựa trên phương pháp phân tích, ví dụ quy tắc tối thiểu 5 quan sát cho mỗi biến quan sát trong EFA (Hair và cộng sự, 2019) hoặc công thức n ≥ 50 + 8m cho hồi quy với m biến độc lập (Tabachnick và Fidell, 2013).

Thuật ngữ thống kê về mô hình và biến nghiên cứu

5. Mô hình nghiên cứu

Mô hình nghiên cứu chỉ ra các biến nghiên cứu và mối quan hệ giữa chúng, dựa trên lý thuyết nền tảng. Một mô hình gồm hai thành phần: (1) các biến nghiên cứu và (2) các mối quan hệ giữa các biến.

6. Biến độc lập, biến phụ thuộc, biến trung gian

Biến độc lập là biến tác động lên biến khác. Biến phụ thuộc là biến chịu tác động từ một hay nhiều biến độc lập. Một biến vừa chịu tác động vừa tác động lên biến khác gọi là biến trung gian. Trên sơ đồ, mũi tên thể hiện chiều tác động: biến phụ thuộc ở phía mũi tên hướng vào.

7. Biến điều tiết

Biến điều tiết làm thay đổi độ mạnh hoặc chiều của mối quan hệ giữa biến độc lập và biến phụ thuộc. Ví dụ, tác động của giá đến ý định mua có thể mạnh hơn ở nhóm thu nhập thấp; khi đó thu nhập là biến điều tiết.

8. Biến tiềm ẩn, biến quan sát

Các yếu tố thái độ, hành vi mang tính trừu tượng nên không đo trực tiếp được. Nhà nghiên cứu đo chúng qua các câu hỏi cụ thể vừa phản ánh đầy đủ khái niệm vừa đo được trực tiếp. Khái niệm trừu tượng gọi là biến tiềm ẩn; các câu hỏi gọi là biến quan sát.

Ví dụ: "động lực làm việc" là biến tiềm ẩn, được đo qua các biến quan sát như sự hài lòng với công việc, mức độ chú tâm khi làm việc, mong muốn gắn bó với công ty.

Thuật ngữ thống kê về kiểm định giả thuyết

9. Giả thuyết H0 và H1

Giả thuyết không (H0) thường phát biểu rằng không có khác biệt hoặc không có mối quan hệ. Giả thuyết đối (H1) là điều nhà nghiên cứu muốn tìm bằng chứng ủng hộ. Kiểm định thống kê đánh giá xem dữ liệu có đủ bằng chứng để bác bỏ H0 hay không.

10. Mức ý nghĩa (α) và độ tin cậy

Mức ý nghĩa α là xác suất bác bỏ H0 khi H0 thực ra đúng mà nhà nghiên cứu chấp nhận. Các mức thường dùng là 1%, 5% và 10%, trong đó 5% phổ biến nhất. Độ tin cậy bằng 1 - α: mức ý nghĩa 5% tương ứng độ tin cậy 95%.

11. Giá trị p (p-value)

Giá trị p là xác suất thu được kết quả ít nhất cực đoan như dữ liệu quan sát nếu H0 đúng. Khi p nhỏ hơn α, ta bác bỏ H0 và nói kết quả "có ý nghĩa thống kê". Giá trị p không phải là xác suất H0 đúng, cũng không cho biết mức độ quan trọng của hiệu ứng (Wasserstein và Lazar, 2016).

12. Ý nghĩa thống kê

"Có ý nghĩa thống kê" nghĩa là dữ liệu cho đủ bằng chứng để bác bỏ H0 ở mức α đã chọn. Kết luận này không có nghĩa là hiệu ứng lớn hay có giá trị thực tiễn; một khác biệt rất nhỏ vẫn có thể có ý nghĩa thống kê khi cỡ mẫu rất lớn.

13. Sai lầm loại I và loại II

Sai lầm loại I là bác bỏ H0 khi H0 đúng (xác suất bằng α). Sai lầm loại II là không bác bỏ H0 khi H0 sai (xác suất β). Hai loại sai lầm có quan hệ đánh đổi: giảm α thì β thường tăng nếu cỡ mẫu không đổi.

14. Lực kiểm định (power)

Lực kiểm định bằng 1 - β, là khả năng phát hiện hiệu ứng khi hiệu ứng thực sự tồn tại. Mức khuyến nghị phổ biến là 0,80. Lực kiểm định tăng khi cỡ mẫu lớn hơn hoặc hiệu ứng mạnh hơn; công cụ như G*Power giúp tính cỡ mẫu cần thiết.

15. Khoảng tin cậy

Khoảng tin cậy 95% là khoảng giá trị được xây dựng theo một quy trình mà, nếu lặp lại nhiều lần, 95% các khoảng tạo ra sẽ chứa tham số thật của tổng thể. Báo cáo khoảng tin cậy cho người đọc biết mức độ chính xác của ước lượng, thông tin mà giá trị p không thể hiện.

16. Cỡ hiệu ứng (effect size)

Cỡ hiệu ứng đo độ lớn của khác biệt hoặc mối quan hệ, ví dụ Cohen's d, r, η² hay f². Theo Cohen (1988), d = 0,2 là nhỏ, 0,5 là trung bình và 0,8 là lớn. Nhiều tạp chí hiện yêu cầu báo cáo cỡ hiệu ứng cùng với giá trị p.

Thuật ngữ thống kê về mô tả dữ liệu và đo lường

17. Trung bình, trung vị, độ lệch chuẩn

Đây là nhóm thuật ngữ thống kê mô tả cơ bản nhất. Trung bình là tổng các giá trị chia cho số quan sát; trung vị là giá trị ở giữa khi sắp xếp dữ liệu. Độ lệch chuẩn đo mức độ phân tán của dữ liệu quanh trung bình. Khi dữ liệu lệch mạnh, trung vị phản ánh "giá trị điển hình" tốt hơn trung bình.

18. Phân phối chuẩn

Phân phối chuẩn có dạng hình chuông, đối xứng quanh trung bình. Đây là thuật ngữ thống kê xuất hiện trong hầu hết phần kiểm tra giả định. Nhiều kiểm định tham số như T-test, ANOVA, hồi quy tuyến tính giả định phần dư hoặc dữ liệu xấp xỉ phân phối chuẩn. Có thể đánh giá qua độ lệch (skewness), độ nhọn (kurtosis), biểu đồ Q-Q hoặc kiểm định Shapiro-Wilk.

19. Độ tin cậy thang đo và độ giá trị

Độ tin cậy thang đo cho biết các câu hỏi có đo nhất quán cùng một khái niệm hay không, thường đánh giá bằng Cronbach's Alpha. Độ giá trị cho biết thang đo có đo đúng khái niệm cần đo hay không, đánh giá qua EFA, CFA, giá trị hội tụ và giá trị phân biệt.

20. Tương quan và nhân quả

Tương quan cho biết hai biến cùng biến động, còn nhân quả đòi hỏi thiết kế nghiên cứu phù hợp (thực nghiệm, dữ liệu theo thời gian, cơ sở lý thuyết chặt chẽ). Với dữ liệu khảo sát cắt ngang, nên viết "có mối quan hệ" hoặc "có tác động theo mô hình" thay vì khẳng định nhân quả.

Bảng tra cứu thuật ngữ thống kê Anh - Việt

Tiếng Anh	Tiếng Việt	Ký hiệu thường gặp
Population	Tổng thể	N
Sample size	Cỡ mẫu	n
Null hypothesis	Giả thuyết không	H0
Significance level	Mức ý nghĩa	α
Confidence interval	Khoảng tin cậy	CI
Standard deviation	Độ lệch chuẩn	SD, s
Effect size	Cỡ hiệu ứng	d, r, η²
Statistical power	Lực kiểm định	1 - β
Latent variable	Biến tiềm ẩn	-
Observed variable / Item	Biến quan sát	-

Cách trình bày thuật ngữ thống kê trong chương phương pháp

Chương phương pháp là nơi thuật ngữ thống kê xuất hiện dày đặc nhất. Một đoạn mô tả chuẩn nên nêu rõ tổng thể, cách chọn mẫu, cỡ mẫu, thang đo và các kiểm định sẽ dùng. Ví dụ:

"Tổng thể nghiên cứu là sinh viên đại học chính quy tại Hà Nội. Mẫu được chọn theo phương pháp thuận tiện, cỡ mẫu dự kiến là 300 quan sát, đáp ứng yêu cầu tối thiểu cho EFA với 25 biến quan sát. Các biến tiềm ẩn được đo bằng thang Likert 5 mức. Độ tin cậy thang đo được đánh giá bằng Cronbach's Alpha; mức ý nghĩa sử dụng là 5%."

Đoạn văn trên dùng đúng thuật ngữ thống kê ở mọi vị trí: "tổng thể" thay vì "đối tượng chung", "cỡ mẫu 300 quan sát" thay vì "300 mẫu", "mức ý nghĩa 5%" thay vì "độ chính xác 95%".

Cách trình bày thuật ngữ thống kê trong chương kết quả

Ở chương kết quả, thuật ngữ thống kê cần đi kèm con số cụ thể theo một định dạng nhất quán. Theo chuẩn APA, một câu báo cáo kết quả T-test có thể viết như sau:

"Điểm hài lòng của nhóm nữ (M = 3,82; SD = 0,61) cao hơn nhóm nam (M = 3,61; SD = 0,67), khác biệt có ý nghĩa thống kê, t(298) = 2,85; p = 0,005; d = 0,33."

Câu này chứa đủ các thuật ngữ thống kê quan trọng: trung bình (M), độ lệch chuẩn (SD), bậc tự do, giá trị kiểm định, giá trị p và cỡ hiệu ứng. Người đọc không cần mở bảng SPSS vẫn hiểu kết quả.

• Ký hiệu thống kê (M, SD, t, F, p, r) viết nghiêng theo APA.
• Giá trị p ghi chính xác đến 3 chữ số thập phân; khi nhỏ hơn 0,001 thì ghi p < 0,001.
• Thống nhất dấu thập phân (dấu phẩy theo tiếng Việt hoặc dấu chấm theo quy định của trường).

Mẹo ghi nhớ thuật ngữ thống kê

Cách hiệu quả nhất để nhớ thuật ngữ thống kê là gắn mỗi khái niệm với một câu hỏi. Tổng thể trả lời "muốn kết luận về ai?". Mẫu trả lời "thực tế khảo sát ai?". Giá trị p trả lời "dữ liệu này có bất thường không nếu H0 đúng?". Cỡ hiệu ứng trả lời "khác biệt lớn đến mức nào?". Khoảng tin cậy trả lời "ước lượng chính xác đến đâu?".

Bạn cũng nên lập một sổ tay thuật ngữ thống kê riêng cho đề tài, ghi tên tiếng Việt, tiếng Anh, ký hiệu và định nghĩa ngắn. Sổ tay này giúp toàn bộ luận văn dùng thuật ngữ thống nhất và rất tiện khi chuẩn bị trả lời câu hỏi của hội đồng.

Lỗi dùng thuật ngữ thống kê thường gặp

• Nói "1.000 mẫu" thay vì "1.000 quan sát" hoặc "cỡ mẫu 1.000".
• Viết "p = 0,000" thay vì "p < 0,001".
• Kết luận "chấp nhận H0" thay vì "chưa đủ bằng chứng để bác bỏ H0".
• Diễn giải "có ý nghĩa thống kê" thành "tác động mạnh" mà không báo cáo cỡ hiệu ứng.
• Dùng lẫn "độ tin cậy" của kiểm định (1 - α) với "độ tin cậy thang đo" (Cronbach's Alpha).
• Khẳng định quan hệ nhân quả từ dữ liệu khảo sát cắt ngang.

Câu hỏi thường gặp về thuật ngữ thống kê

Có nên dùng thuật ngữ thống kê tiếng Anh trong luận văn?

Nên dùng thuật ngữ tiếng Việt và ghi tiếng Anh trong ngoặc ở lần xuất hiện đầu tiên, ví dụ "cỡ hiệu ứng (effect size)". Sau đó dùng thống nhất một cách gọi trong toàn bài.

p = 0,06 có được coi là "gần có ý nghĩa"?

Không nên dùng cách diễn đạt này. Hãy báo cáo đúng giá trị p, cỡ hiệu ứng và khoảng tin cậy, rồi thảo luận trung thực về kết quả.

Học thuật ngữ thống kê ở đâu cho chuẩn?

Bạn có thể đọc giáo trình thống kê của trường, các sách phương pháp nghiên cứu như Hair và cộng sự (2019) và tham khảo thêm các bài hướng dẫn về phân tích định lượng trên Kaas.vn.

Tài liệu tham khảo

• Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum.
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage.
• Tabachnick, B. G., & Fidell, L. S. (2013). Using Multivariate Statistics (6th ed.). Pearson.
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129-133. doi:10.1080/00031305.2016.1154108

Phần 1-8 tham khảo và biên soạn lại từ Phạm Lộc Blog.