Bài giảng Thống kê kinh doanh và kinh tế: Chương 6 - Phan Thị Bích Vân

Trong lĩnh vực thống kê, việc đưa ra các kết luận đáng tin cậy từ dữ liệu thường phụ thuộc vào việc đáp ứng các giả định nhất định của các kiểm định tham số. Tuy nhiên, khi các giả định này, đặc biệt là về phân phối dữ liệu, không được thỏa mãn hoặc kích thước mẫu quá nhỏ, các kiểm định phi tham số trở nên vô cùng quan trọng. Chương này tập trung vào giới thiệu và phân tích sâu sắc về Kiểm định Dấu, một trong những phương pháp phi tham số cơ bản và hữu ích nhất. Mục tiêu là cung cấp một cái nhìn toàn diện về cơ sở lý thuyết, các bước thực hiện, và ứng dụng của kiểm định này trong việc so sánh số trung vị hoặc đánh giá sự khác biệt giữa các cặp dữ liệu, nhấn mạnh tầm quan trọng của nó trong phân tích dữ liệu không theo phân phối chuẩn.

Tài liệu này dành cho sinh viên, nhà nghiên cứu và các chuyên gia trong lĩnh vực thống kê, kinh tế, khoa học xã hội và bất kỳ ai quan tâm đến phân tích dữ liệu, đặc biệt là khi làm việc với dữ liệu không tuân theo phân phối chuẩn hoặc khi cần thực hiện kiểm định giả thuyết phi tham số.

Tài liệu này trình bày chi tiết về Kiểm định Dấu, một phương pháp kiểm định phi tham số quan trọng, được áp dụng khi các giả định của kiểm định tham số không được đáp ứng. Kiểm định Dấu được chia thành hai ứng dụng chính: kiểm định về số trung vị của tổng thể và kiểm định sự khác biệt giữa hai mẫu cặp. Cả hai trường hợp đều dựa trên việc phân tích dấu của sự chênh lệch giữa các quan sát và một giá trị giả định (đối với kiểm định trung vị) hoặc giữa các cặp quan sát (đối với mẫu cặp), bỏ qua các chênh lệch bằng không. Phương pháp này thiết lập các giả thuyết thống kê về xác suất của các dấu dương hoặc âm, thường là p = 0.5 dưới giả thuyết null. Đối với các mẫu nhỏ (n ≤ 20), phân phối nhị thức được sử dụng trực tiếp để tính toán giá trị p-value. Các bước cụ thể được hướng dẫn để xác định giá trị p-value trong các tình huống kiểm định hai phía, phía trái hoặc phía phải, dựa trên số lượng dấu dương (C) và kích thước mẫu (n). Đối với các mẫu lớn (n > 20), một phương pháp xấp xỉ phân phối chuẩn được áp dụng, sử dụng giá trị kiểm định Z để đơn giản hóa việc tính toán. Tài liệu cung cấp các ví dụ minh họa chi tiết cho cả hai trường hợp mẫu nhỏ và mẫu lớn, bao gồm các bước tính toán giá trị p-value, so sánh với mức ý nghĩa (α) và đưa ra quyết định bác bỏ hoặc chấp nhận giả thuyết null. Ngoài ra, tài liệu còn đề cập đến việc sử dụng các phần mềm thống kê để thực hiện kiểm định dấu, như cách tìm “Exact Sig. (2-tailed)” từ kết quả phân tích. Kiểm định Dấu là một công cụ mạnh mẽ, đặc biệt hữu ích khi dữ liệu không tuân theo phân phối chuẩn, cung cấp giải pháp đáng tin cậy để đưa ra kết luận thống kê từ các loại dữ liệu khác nhau, từ đó có giá trị ứng dụng cao trong nhiều lĩnh vực nghiên cứu và kinh doanh.