Chọn lựa test thống kê nào cho nghiên cứu?

Việc chọn lựa test thống kê cho các nghiên cứu định lượng luôn là vấn đề đặt ra trong suốt quá trình nghiên cứu, ngay từ khi làm đề cương cho đến khi báo cáo kết quả nghiên cứu. Vấn đề này đôi khi làm các nhà nghiên cứu lúng túng.

Để giải quyết vấn đề, bài viết này cung cấp những thông tin mang tính định hướng trong việc chọn lựa các test thống kê thông dụng hiện nay. Nguồn thông tin chủ yếu từ bài viết này được tham khảo từ trang web nổi tiếng của trường Đại học California Los Angeles.

Phân tích yếu tố khẳng định (Confirmatory Factor Analysis)

Phân tích yếu tố khẳng định (CFA) là mô hình hay gặp trong phân tích SEM (Structural Equation Analysis). CFA khác với phân tích yếu tố khám phá (Exploratory Factor Analysis: EFA) về phương pháp cũng như các giả định.

Bài viết dựa vào 2 cuốn sách nổi tiếng của tác giả Rex B Kline và Joseph F. Hair cùng cộng sự trong lần xuất bản gần đây nhất (2010 và 2011).

Phân tích mô hình path (Path Analysis Model)

Mô hình path là mô hình phổ biến và tương đối của phân tích SEM (Strutural Equation Modelling). Bài viết này chủ yếu tham khảo từ tác giả Rex B. Kline, xuất bản năm 2011.

Do ngôn ngữ SEM còn chưa đồng nhất trong các sách giáo khoa và tương đối còn mới mẻ tại Việt Nam cho nên một số từ ngữ vẫn phải sử dụng tên gốc tiếng Anh. Một số thuật ngữ cũng chưa đồng nhất với một số tác giả khác như Hair (trong bài Sơ lược về SEM).

Hy vọng bài viết sẽ giúp độc giả buớc đầu làm quen với mô hình này.

Sơ lược về Structural Equation Modelling

Structural Equation Medelling (viết tắt là SEM) là tập hợp những phương pháp thống kê ngày càng được sử dụng nhiều. Lợi điểm của SEM là cho phép dùng thuật toán thống kê để phân tích nhiều mối quan hệ cùng một lúc mà các phương pháp phân tích đa biến không giải quyết được.

Bài viết này trình bày rất sơ lược về những khái niệm cơ bản nhất của SEM, mở đầu cho những bài viết tiếp theo nói về mô hình path, phân tích yếu tố khẳng định (confirmatory factor analysis) và structural regression model.

Hồi quy logistic

Bài viết này chỉ trình bày phương pháp hồi quy logistic (Logistic Regression) đơn giản nhất; không đề cập đến các phương pháp mô hình hoá (đã trình bày trong bài modelling). Các phân tích về nhiễu (confounding) và tương tác (effect modification) cũng không được trình bày trong bài viết này. Bài viết thiên về mục đích thực hành, dễ hiểu, giúp độc giả có ý niệm cơ bản về phương pháp này và có thể thực hành được ngay.

SPSS và STATA là hai phần mềm được minh họa trong bài viết.

Mô hình tuyến tính tổng quát hóa (Generalized Linear Models)

Bài viết này giúp độc giả có những khái niệm cơ bản về mô hình tuyến tính tổng quát hoá trước khi tìm hiểu về hồi quy logistic và hồi quy Poisson là hai "thành viên" hay gặp nhất của mô hình này.

Bài viết không đi sâu và các công thức toán học phức tạp nhằm tạo nền tảng để tiếp cận những bài viết tiếp theo có liên quan đến chủ đề này.

Phân tích sống còn (Survival Analysis)

Phân tích sống còn (Survival Analysis) rất hay gặp trong nghiên cứu lâm sàng. Tìm hiểu tác dụng điều trị của một phương pháp, một loại thuốc mới... qua theo dõi quá trình lành bệnh, tái phát, biến chứng v.v... đều có liên quan đến phương pháp thống kê này.

Bài viết này chỉ đề cập những vấn đề cơ bản nhất của phân tích sống còn, giúp độc giả có được những khái niệm cơ bản trước khi tìm hiểu những tài liệu chi tiết hơn. Bài viết còn giúp độc giả làm quen với phân tích sống còn qua 2 phần mềm thống kê phổ biến là SPSS và Stata.