Đề thi, bài tập trắc nghiệm online Thống kê cho khoa học xã hội – Đề 2

Mức ý nghĩa (alpha - α) là ngưỡng xác suất được sử dụng để quyết định bác bỏ hay không bác bỏ giả thuyết null. Trong khoa học xã hội, mức ý nghĩa phổ biến nhất thường được sử dụng là α = 0.05 (5%). Nếu giá trị p nhỏ hơn hoặc bằng α, chúng ta bác bỏ giả thuyết null.

Trong phân tích ANOVA, thống kê F (F-statistic) được sử dụng để kiểm tra xem có sự khác biệt đáng kể thống kê giữa trung bình của ít nhất hai nhóm trở lên hay không. Nó so sánh phương sai giữa các nhóm với phương sai trong nội bộ mỗi nhóm.

Đạo đức nghiên cứu trong khoa học xã hội đặt trọng tâm vào việc bảo vệ quyền lợi và phúc lợi của người tham gia nghiên cứu. Điều này bao gồm việc đảm bảo sự tự nguyện tham gia, bảo mật thông tin cá nhân, quyền riêng tư và tránh gây ra bất kỳ tác động tiêu cực nào cho người tham gia.

Tính giá trị nội tại (internal validity) đề cập đến mức độ chắc chắn rằng mối quan hệ nhân quả quan sát được trong nghiên cứu là đúng, và không bị ảnh hưởng bởi các yếu tố gây nhiễu hoặc biến số ngoại lai. Nó đảm bảo rằng kết quả nghiên cứu thực sự phản ánh tác động của biến độc lập lên biến phụ thuộc.

Lỗi Loại II (β) xảy ra khi chúng ta không bác bỏ giả thuyết null (H0) mặc dù trên thực tế H0 là sai. Nói cách khác, chúng ta bỏ lỡ việc phát hiện ra một hiệu ứng có thật.

Hệ số R bình phương (R²) cho biết tỷ lệ phần trăm phương sai trong biến phụ thuộc (biến được giải thích) có thể dự đoán được từ biến độc lập (biến giải thích) trong mô hình hồi quy tuyến tính. Nó đánh giá mức độ phù hợp của mô hình với dữ liệu.

Phân tích thành phần chính (PCA - Principal Component Analysis) là một kỹ thuật giảm chiều dữ liệu. Nó biến đổi một tập hợp các biến số có thể tương quan với nhau thành một tập hợp nhỏ hơn các biến số không tương quan (thành phần chính) mà vẫn giữ lại phần lớn thông tin trong dữ liệu gốc.

Một trong những giả định quan trọng của hồi quy tuyến tính là phương sai của sai số phải đồng nhất (Homoscedasticity), nghĩa là phương sai của sai số không đổi trên các giá trị của biến độc lập. Heteroscedasticity (phương sai không đồng nhất) là vi phạm giả định này.

Phân tích nội dung (content analysis) là một phương pháp nghiên cứu được sử dụng để phân tích một cách có hệ thống và khách quan nội dung của các thông điệp truyền thông, chẳng hạn như văn bản, hình ảnh, video, âm thanh,... Nó thường được sử dụng để xác định các chủ đề, mô hình và xu hướng trong nội dung truyền thông.

Kỹ thuật bootstrap là một phương pháp lấy mẫu lại (resampling) trong thống kê phi tham số. Nó được sử dụng để ước lượng sai số chuẩn, khoảng tin cậy và phân phối mẫu của một thống kê bằng cách lặp đi lặp lại quá trình lấy mẫu có hoàn lại từ dữ liệu mẫu gốc.

Dữ liệu thứ cấp là dữ liệu đã được thu thập bởi người khác hoặc cho mục đích khác. Khi sử dụng dữ liệu thứ cấp, nhà nghiên cứu cần đặc biệt chú ý đến nguồn gốc của dữ liệu (độ tin cậy), chất lượng dữ liệu (phương pháp thu thập, độ chính xác) và tính phù hợp của dữ liệu với câu hỏi nghiên cứu hiện tại.

Phân tích phương sai (ANOVA - Analysis of Variance) được sử dụng để so sánh trung bình của một biến phụ thuộc định lượng giữa các nhóm được xác định bởi một hoặc nhiều biến độc lập định tính (biến yếu tố). Ví dụ, so sánh điểm thi (biến định lượng) giữa các nhóm sinh viên có trình độ học vấn khác nhau (biến định tính).

Nhiệt độ đo bằng độ C hoặc độ F thuộc thang đo khoảng (interval scale). Thang đo này có khoảng cách bằng nhau giữa các giá trị, nhưng không có điểm gốc 0 tuyệt đối (ví dụ, 0 độ C không có nghĩa là không có nhiệt độ).

Kiểm định t cặp đôi (Paired t-test) được sử dụng khi muốn so sánh trung bình của hai mẫu có liên quan, tức là các quan sát trong hai mẫu được ghép cặp với nhau hoặc là đo lường lặp lại trên cùng một đối tượng (ví dụ, trước và sau một thí nghiệm). Kiểm định t độc lập dùng cho hai mẫu không liên quan.

Hệ số tương quan Pearson (r) đo lường độ mạnh và hướng của mối quan hệ tuyến tính giữa hai biến số định lượng. Giá trị của r nằm trong khoảng từ -1 đến +1, với giá trị tuyệt đối càng lớn thể hiện mối quan hệ tuyến tính càng mạnh.

Kiểm định Chi-bình phương (χ²) thường được sử dụng để phân tích dữ liệu định tính (dữ liệu phân loại). Nó kiểm tra xem có sự khác biệt đáng kể thống kê giữa tần số quan sát được trong dữ liệu và tần số kỳ vọng theo một giả thuyết nào đó hay không.

Khoảng tin cậy (confidence interval) là một khoảng giá trị được xây dựng từ dữ liệu mẫu, được sử dụng để ước lượng một khoảng mà tham số tổng thể (ví dụ, trung bình tổng thể) có khả năng nằm trong đó, với một mức độ tin cậy nhất định (ví dụ, 95%).

Trung vị là giá trị nằm ở vị trí giữa của tập dữ liệu đã sắp xếp. Nó chỉ phụ thuộc vào vị trí tương đối của các giá trị, không bị ảnh hưởng bởi giá trị cụ thể của các điểm dữ liệu, đặc biệt là các giá trị ngoại lệ.

Trong phân tích dữ liệu định tính, mã hóa (coding) là quá trình tổ chức và diễn giải dữ liệu bằng cách gắn nhãn hoặc phân loại các đoạn văn bản, hình ảnh hoặc các dạng dữ liệu định tính khác thành các chủ đề, danh mục hoặc mã có ý nghĩa. Quá trình này giúp nhà nghiên cứu tìm ra các mô hình và ý nghĩa từ dữ liệu.

Giá trị p (p-value) là xác suất để thu được kết quả quan sát được (hoặc kết quả cực đoan hơn) nếu giả thuyết null (H0) là đúng. Giá trị p càng nhỏ, bằng chứng chống lại H0 càng mạnh.

Độ lệch chuẩn (standard deviation) đo lường mức độ phân tán của dữ liệu xung quanh giá trị trung bình. Độ lệch chuẩn càng lớn, dữ liệu càng phân tán rộng hơn, tức là các giá trị dữ liệu có xu hướng trải rộng ra xa giá trị trung bình.

Lấy mẫu ngẫu nhiên đơn giản (Simple random sampling) là phương pháp mà mỗi cá thể trong tổng thể có cơ hội được chọn vào mẫu hoàn toàn ngẫu nhiên và bằng nhau, đảm bảo tính đại diện cao cho mẫu.

Sai số lấy mẫu (sampling error) là sự khác biệt vốn có giữa các thống kê tính từ mẫu (ví dụ, trung bình mẫu) và các tham số thực tế của tổng thể (ví dụ, trung bình tổng thể). Sai số này phát sinh do việc chỉ nghiên cứu một mẫu nhỏ thay vì toàn bộ tổng thể, và là một phần tự nhiên của quá trình lấy mẫu ngẫu nhiên.

Ưu điểm của nghiên cứu định lượng là tính khách quan, khả năng tổng quát hóa, dễ thu thập dữ liệu từ số lượng lớn và kiểm định giả thuyết chặt chẽ. Tuy nhiên, nghiên cứu định tính lại vượt trội trong việc khám phá sâu sắc ý nghĩa, trải nghiệm cá nhân và bối cảnh, điều mà nghiên cứu định lượng thường bỏ qua.

Biểu đồ hộp song song (Parallel boxplot) là lựa chọn tốt nhất để so sánh phân phối của một biến số định lượng giữa các nhóm khác nhau. Mỗi hộp thể hiện phân phối của biến số trong một nhóm, cho phép so sánh trực quan về trung vị, độ phân tán và khoảng tứ phân vị giữa các nhóm.

Sai số chuẩn của trung bình mẫu (standard error of the mean) tỷ lệ nghịch với căn bậc hai của kích thước mẫu. Do đó, khi kích thước mẫu tăng lên, sai số chuẩn của trung bình mẫu sẽ giảm xuống, làm cho ước lượng trung bình tổng thể chính xác hơn.

Kiểm định phi tham số (non-parametric tests) không yêu cầu dữ liệu phải tuân theo phân phối chuẩn và thường được sử dụng khi các giả định của kiểm định tham số (parametric tests) không được đáp ứng, chẳng hạn như khi dữ liệu không có phân phối chuẩn hoặc khi kích thước mẫu nhỏ. Kiểm định tham số phù hợp hơn khi dữ liệu tuân theo phân phối chuẩn và có kích thước mẫu đủ lớn.

Biểu đồ hộp (boxplot) thể hiện trung vị, khoảng tứ phân vị (IQR), phạm vi dữ liệu (không bao gồm ngoại lệ) và các giá trị ngoại lệ. Nó không trực tiếp thể hiện giá trị trung bình (mean). Trung bình thường được biểu diễn bằng một dấu 'x' hoặc một điểm trong hộp, nhưng không phải là thành phần chính của biểu đồ hộp.

Thang đo định danh (nominal scale) dùng để phân loại các đối tượng vào các nhóm khác nhau mà không có thứ tự hay giá trị số học. Các thang đo khoảng, tỷ lệ và thứ bậc đều là định lượng, thể hiện mức độ hoặc số lượng.

Trung bình (Mean) là một biện pháp đo lường xu hướng trung tâm của dữ liệu, cho biết giá trị trung bình của tập dữ liệu. Phương sai, độ lệch chuẩn và khoảng biến thiên là các biện pháp đo lường độ phân tán, cho biết mức độ dữ liệu phân tán xung quanh giá trị trung tâm.