Cách tính cỡ mẫu

16/06/2009 08:49
Cỡ mẫu sẽ có ảnh hưởng lớn đến độ chính xác của ước lượng thống kê. Từ định lí giới
hạn trung tâm chúng ta hi vọng rằng con số trung bình được ước lượng từ một mẫu sẽ
tập trung tại trung bình của dân số đó. Tuy vậy chúng ta cũng biết rằng con số ước
lượng sẽ không chính xác bằng trung bình của dân số đó mà mức độ phân tán phụ thuộc
vào cỡ mẫu: Nếu cỡ mẫu nhỏ độ phân tán lớn, nếu cỡ mấu lớn thì độ phân tán nhỏ và
ta hi vọng số trung bình của mẫu sẽ bằng trung bình của dân số.

Người ta có thể trình bày mức độ phân tán theo khoảng tin cậy 95%. Nếu độ phân tán
lớn thì khoảng tin cậy 95% sẽ rộng và chúng ta khó lòng thực sự biết được trung bình
của dân số sẽ nằm ở đâu trong khoảng này. Nói rộng ra, nếu cỡ mẫu nhỏ chúng ta
không thể ước lượng một cách chính xác, chúng ta không thể chứng minh sự khác biệt
giữa hai nhóm là không có ý nghĩa.
Vấn đề xác định cỡ mẫu trong nghiên cứu khoa học là một vấn đề quan trọng. Nếu
chúng ta lấy mẫu quá nhỏ, đến giai đoạn phân tích ta có thể thấy được điều đó qua sự
không chính xác của uớc lượng, sự thất bại trong chứng minh giả thuyết. Tuy vậy khi
chúng ta đã đi vào giai đoạn phân tích số liệu thì lúc đó là quá chậm trễ để có thể thay
đổi được cỡ mẫu. Ngược lại nếu chúng ta lấy một cỡ mẫu quá lớn thì chúng ta rõ ràng
lãng phì tiền bạc và thời gian.

Hai cách tiếp cận trong tính cỡ mẫu

Trên cơ bản có hai cách tiếp cận trong tính cỡ mẫu:
(a) Dựa tên sự ước lượng của một tỉ lệ, một trung bình, hiệu số, nguy cơ tương đối với
một mức độ chính xác nhất định. Thí dụ, để ước lượng tỉ leẹ trẻ em trong lứa từ 12-23
tháng tuổi được tiêm chủng đầy đủ (với độ chính xác) trong vòng 10%. Câu hỏi chìa
khóa của cách tiếp cận này là khoảng tin cậy sẽ là bao nhiêu?

(b) Dựa trên kiểm định giả thuyết. Thí dụ,so sánh thời gian bú sữa mẹ hoàn toàn ở 2
nhóm có giáo dục sức khỏe và nhóm chứng.Câu hỏi chìa khóa trong cách tiếp cận này là
xác suất kết luận sai lầm trong kiểm định giả thuyết là bao nhiêu?

Ước lượng một hậu quả với một độ chính xác nhất định
Ðộ chính xác của một ước lượng (với khoảng tin cậy 95%) = d có nghĩa là sai số tối đa
của ước lượng là d (với độ tin cậy 95% hay xác suất điều trên không bị sai là
95%)

Một thắc mắc hay nẩy sinh trong khi nghiên cứu công thức này là trong khi chúng ta
muốn nghiên cứu ước lượng p nhưng trong khi tính toán để tính cỡ mẫu chúng ta phải
có giá trị của tỉ lệ p! Toàn bộ logic của vấn đề là ở chỗ chúng ta có thể ước lượng p
trước lúc nghiên cứu một cách không chính xác, sau nghiên cứu chúng ta có thể ước
lượng p một cách chính xác hơn nhiều. Ta có thể ước lượng p sử dụng phán đoán của
1
 chúng ta, sử dụng những nghiên cứu trước đó, có thể tiến hành nghiên cứu dẫn đường.
Trong trường hợp chúng ta không thể ước đoán p, ta có thể ước đoán p =0,5, một ước
đoán an toàn nhất và sẽ cho một cỡ mẫu an toàn nhất (lớn nhất).

Không có quy tắc cứng nhắc độ chính xác d, điều này phụ thuộc vào mục đích của
nghiên cứu và vào tài nguyên hiện có.

Lưu ý:
- Công thức được trình bày là dành cho phép lấy mẫu ngẫu nhiên đơn. Nếu nghiên cứu
sử dụng phương pháp lấy mẫu cụm cần phải hiệu chỉnh tác động làm giảm độ chính xác
của việc chọn cụm bằng cách tăng cỡ mẫu. Cỡ mẫu trong nghiên cứu lấy mẫu cụm
thường được nhân lên với một hệ số (được gọi là hệ số thiết kế) có giá trị từ 2 đến 4. Hệ
số thiết kế có thể tính được từ việc nghiên cứu thử. Nếu không có điều kiện tính hệ số
thiết kế có thể chọn hệ số thiết kế là 3.
- Công thức tính cỡ mẫu trên là dành lấy mẫu từ một dân số vô hạn hay khá lớn. Nếu cỡ
mẫu vào khoảng từ 10% dân số trở lên, ta có thể điều chỉnh để có cỡ mẫu nhỏ hơn.
Nhc=(N´P)/(N)
Với N là cỡ mẫu chưa hiệu chỉnh, P là kích thước của dân số đích và Nhc là cỡ
mẫu sau khi đã hiệu chỉnh.
- Chúng ta cũng nên phải trù liệu cho những số liệu bị mất, những trường hợp từ chối
nghiên cứu bằng cách tăng cỡ mẫu.

Cách tính cỡ mẫu - lưu ý trong tính cỡ mẫu!

16/06/2009 09:01
Giả sử chúng ta muốn so sánh hai tỉ lệ (thí dụ tỉ lệ trẻ em được bú sữa non trong hai
nhóm bà mẹ: một nhóm được giáo dục sức khỏe và một nhóm không). Chúng ta có thể
kiểm định xem hai tỉ lệnày có khác nhau đáng kể hay không, nói cách khác kiểm định
xem hiệu số của hai tỉ lệ này có khác một cách có ý nghĩa với zero hay không.

Kiểm định một giả thuyết, so sánh 2 nhóm

Giả sử chúng ta muốn so sánh hai tỉ lệ (thí dụ tỉ lệ trẻ em được bú sữa non trong hai
nhóm bà mẹ: một nhóm được giáo dục sức khỏe và một nhóm không). Chúng ta có thể
kiểm định xem hai tỉ lệnày có khác nhau đáng kể hay không, nói cách khác kiểm định
xem hiệu số của hai tỉ lệ này có khác một cách có ý nghĩa với zero khay không. Sau khi
tiến hành phân tích chúng ta có thể bác bỏ hay không bác bỏ giả thuyết này. Về phương
diện thống kê, dù khi chúng ta bác bỏ hay không bác bỏ, chúng ta đều có khả năng bị sai
lầm: sai lầm mà chúng ta mắc phải khi bác bỏ giả thuyết được gọi là sai lầm loại I, sai
lầm chúng ta mắc phải khi không bác bỏ được gọi là sai lầm loại II.

2
 Khi kiểm định H0: p1=p2

Tình huống thực Tình huống thực p1

p1=p2 <>p2
Sai lầm loại 1 Kết luận đúng
Bác bỏ giả thuyết H0 (Xác suất = a) (Xác suất = 1-a)
Kết luận đúng Sai lầm loại II
Không bác bỏ giả (Xác suất = 1-b = (Xác suất = b)
thuyết H0 Power của nghiên
cứu)
Lí tưởng, chúng ta muốn giảm thiểu cả hai loại sai lầm trong nghiên cứu. Lưu ý rằng
chúng ta đã định nghĩa cái gọi là năng lực (power) của nghiên cứu=1-sai lầm loại II.
Năng lực là xác suất đạt được kết quả có ý nghĩa thống kê nếu thực sự có sự khác biệt
giữa p1 và p2. Mục tiêu của chúng ta khi chọn cỡ mẫu là nếu có sự khác biệt về lâm
sàng quan trọng giữa hai nhóm, chúng ta có cơ hội tốt để tìm thấy sự khác biệt có ý
nghĩa thống kê trong 2 nhóm. Ðiều này là một ý niệm hết sức quan trọng trong thiết kế
nghiên cứu và lí giải. Nếu trong giai đoạn phân tích nếu kết quả là có ý nghĩa thống kê,
thì hầu hết mọi người đều thỏa mãn. Mặt khác nếu kết quả không có ý nghĩa thông kê thì
điều này có thể xảy ra do (a) không có sự khác biệt thực sự giữa hai nhóm và (b) có sự
khác biệt nhưng mẫu của chúng ta không cho thấy sự khác biệt bởi vì năng lực của mẫu
thấp (cơ mẫu nhỏ) do đó chúng ta không có kết luận rõ ràng. Do đó, nếu chúng ta chọn
mẫu để có năng lực cao và kết quả không có ý nghĩa thống kê thì chúng ta có thể chắc
hơn về sự khác biệt.
Ðể chọn cỡ mẫu (trong trường hợp cỡ mẫu của 2 nhóm so sánh bằng nhau), chúng ta
phải có 4 tham số
- Sai lầm loại I hay còn gọi là mức ý nghĩa mà chúng ta muốn có trong nghiên cứu
(thường là 5%)
- Sai lầm loại II chúng ta muốn có trong nghiên cứu (Sai lầm loại hai khoảng 10-20%
tương ứng với năng lực từ 80-90%)
- Tỉ lệ trong một nhóm cơ bản (thí dụ tỉ lệ tiếp xúc với yếu tố nguy cơ trong nhóm chứng
của một nghiên cứu bệnh chứng)
- Tỉ lệ trong một nhóm khác (thí dụ tỉ lệ tiếp xúc với yếu tố nguy cơ trong nhóm bệnh của
một nghiên cứu bệnh chứng). Đôi khi chúng ta không trình bày tỉ lệ của nhóm này một
cách cụ thể mà trình bày nguy cơ tương đối hay tỉ số số chênh mà chúng ta mong muốn
phát hiện trong một nghiên cứu đoàn hệ hay nghiên cứu bệnh chứng.

Các điểm cần lưu ý trong tính cỡ mẫu

- Như đã nói ở trên, cách tính cỡ mẫu chỉ cho chúng ta một ước lượng thô của cõ mẫu
cần thiết bởi vì nó dựa trên sự ước đoán về giá trị của thông số, quyết định chủ quan của
chúng ta về hậu quả mà chúng ta muốn phát hiện và công thức được sử dụng là công
thức gần đúng. Do đó con số tính ra giúp chúng ta phân biệt giữa cỡ mẫu 50 và 100 chứ
không phân biệt cỡ mẫu 50 và 53.
- Chúng ta phải cân đối giữa điều chúng ta mong muốn và tính khả thi. Ðôi khi có thể
3
4