Kiểm định khác biệt giữa hai tỉ lệ

* Kiểm định khác biệt giữa 2 tỉ lệ trong SPSS
* Tác giả: Thực hành kinh tế lượng
* Mục đích: Kiểm tra tỉ lệ học sinh nam/nữ có bằng nhau không

* Mở file dữ liệu
GET FILE='/data/hsb2.sav'.

* Kiểm tra thông tin cơ bản về biến female
FREQUENCIES VARIABLES=female
  /STATISTICS=STDDEV MEAN MEDIAN MODE
  /ORDER=ANALYSIS.

* Thực hiện kiểm định Binomial
NPAR TESTS
  /BINOMIAL (.5) = female
  /MISSING ANALYSIS.

* Tạo bảng crosstab để xem phân bố
CROSSTABS
  /TABLES=female BY female
  /FORMAT=AVALUE TABLES
  /CELLS=COUNT EXPECTED ROW COLUMN TOTAL
  /COUNT ROUND CELL.

* Thống kê mô tả chi tiết
EXAMINE VARIABLES=female
  /PLOT BOXPLOT HISTOGRAM
  /STATISTICS DESCRIPTIVES
  /CINTERVAL 95
  /MISSING LISTWISE
  /NOTOTAL.

* Kiểm định khác biệt giữa 2 tỉ lệ trong Stata
* Tác giả: Thực hành kinh tế lượng
* Mục đích: Kiểm tra tỉ lệ học sinh nam/nữ có bằng nhau không

* Mở file dữ liệu
use "hsb2.dta", clear

* Kiểm tra thông tin cơ bản về biến female
describe female
summarize female
tab female

* Thực hiện kiểm định Binomial (exact binomial test)
bitest female == 0.5

* Tạo bảng tần suất với tỉ lệ
tab female, missing

* Tính confidence interval cho tỉ lệ
cii proportions `=r(N)' `=r(sum)'

* Kiểm định chi-square (cách thay thế)
tab female, chi2 exact

* Vẽ biểu đồ tần suất
graph bar (count), over(female) ///
    title("Phân bố học sinh theo giới tính") ///
    subtitle("Dữ liệu mẫu hsb2") ///
    ytitle("Số lượng học sinh") ///
    bar(1, color(pink)) bar(2, color(lightblue)) ///
    legend(label(1 "Nam") label(2 "Nữ")) ///
    note("Nguồn: Dữ liệu hsb2.sav")

* Lưu kết quả
save "hsb2_analyzed.dta", replace

# Kiểm định khác biệt giữa 2 tỉ lệ trong R
# Tác giả: Thực hành kinh tế lượng
# Mục đích: Kiểm tra tỉ lệ học sinh nam/nữ có bằng nhau không

# Tải thư viện cần thiết
library(haven)        # Đọc file SPSS
library(ggplot2)      # Vẽ biểu đồ
library(dplyr)        # Xử lý dữ liệu
library(binom)        # Kiểm định binomial

# Đọc dữ liệu từ file SPSS
data <- read_sav("hsb2.sav")

# Kiểm tra cấu trúc dữ liệu
str(data)
summary(data$female)

# Tạo bảng tần suất
table(data$female)
prop.table(table(data$female))

# Thực hiện kiểm định Binomial
# Phương pháp 1: Sử dụng binom.test()
result1 <- binom.test(sum(data$female), length(data$female), p = 0.5)
print(result1)

# Phương pháp 2: Sử dụng thư viện binom
result2 <- binom.test(table(data$female), p = 0.5)
print(result2)

# Tính confidence interval
conf_int <- binom.confint(sum(data$female), length(data$female), 
                         conf.level = 0.95, methods = "exact")
print(conf_int)

# Tạo biểu đồ
data$female_label <- factor(data$female, labels = c("Nam", "Nữ")) ggplot(data, aes(x = female_label, fill = female_label)) + geom_bar() + labs( title = "Phân bố học sinh theo giới tính", x = "Giới tính", y = "Số lượng học sinh", fill = "Giới tính" ) + scale_fill_manual(values = c("lightblue", "pink")) + theme_minimal() + theme(legend.position = "none") # Thống kê mô tả chi tiết data %>%
  group_by(female) %>%
  summarise(
    count = n(),
    proportion = n() / nrow(data),
    percentage = proportion * 100
  )

# Kiểm định chi-square (cách thay thế)
observed <- table(data$female)
expected <- rep(nrow(data)/2, 2)
chisq.test(observed, p = c(0.5, 0.5))

# Báo cáo kết quả
cat("Kết quả kiểm định khác biệt giữa 2 tỉ lệ:\n")
cat("Số lượng học sinh nam:", sum(data$female == 0), "\n")
cat("Số lượng học sinh nữ:", sum(data$female == 1), "\n")
cat("Tỉ lệ học sinh nữ:", mean(data$female), "\n")
cat("P-value:", result1$p.value, "\n")
cat("Kết luận:", ifelse(result1$p.value < 0.05, 
                       "Có sự khác biệt có ý nghĩa thống kê", 
                       "Không có sự khác biệt có ý nghĩa thống kê"))

# Kiểm định khác biệt giữa 2 tỉ lệ trong Python
# Tác giả: Thực hành kinh tế lượng
# Mục đích: Kiểm tra tỉ lệ học sinh nam/nữ có bằng nhau không

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from scipy.stats import binom_test, chi2_contingency
from statsmodels.stats.proportion import proportions_ztest
import pyreadstat

# Thiết lập hiển thị tiếng Việt
plt.rcParams['font.family'] = 'DejaVu Sans'
sns.set_style("whitegrid")

# Đọc dữ liệu từ file SPSS
data, meta = pyreadstat.read_sav("hsb2.sav")

# Kiểm tra thông tin cơ bản
print("Thông tin dữ liệu:")
print(data['female'].describe())
print("\nBảng tần suất:")
print(data['female'].value_counts().sort_index())

# Tính tỉ lệ
female_count = data['female'].sum()
total_count = len(data['female'])
proportion = female_count / total_count

print(f"\nSố lượng học sinh nữ: {female_count}")
print(f"Tổng số học sinh: {total_count}")
print(f"Tỉ lệ học sinh nữ: {proportion:.4f}")

# Thực hiện kiểm định Binomial
# Phương pháp 1: Sử dụng scipy.stats.binom_test
p_value_binom = binom_test(female_count, total_count, p=0.5, alternative='two-sided')
print(f"\nKết quả kiểm định Binomial:")
print(f"P-value: {p_value_binom:.6f}")

# Phương pháp 2: Sử dụng statsmodels (large sample approximation)
from statsmodels.stats.proportion import binom_test as sm_binom_test
result_sm = sm_binom_test(female_count, total_count, prop=0.5)
print(f"P-value (statsmodels): {result_sm:.6f}")

# Tính confidence interval
from statsmodels.stats.proportion import proportion_confint
conf_int = proportion_confint(female_count, total_count, alpha=0.05, method='beta')
print(f"95% Confidence Interval: [{conf_int[0]:.4f}, {conf_int[1]:.4f}]")

# Tạo biểu đồ
plt.figure(figsize=(10, 6))

# Subplot 1: Bar chart
plt.subplot(1, 2, 1)
counts = data['female'].value_counts().sort_index()
labels = ['Nam', 'Nữ']
colors = ['lightblue', 'pink']
bars = plt.bar(labels, counts, color=colors, alpha=0.7)
plt.title('Phân bố học sinh theo giới tính')
plt.ylabel('Số lượng học sinh')
plt.ylim(0, max(counts) * 1.1)

# Thêm số liệu trên cột
for bar, count in zip(bars, counts):
    plt.text(bar.get_x() + bar.get_width()/2, bar.get_height() + 1,
             f'{count}', ha='center', va='bottom')

# Subplot 2: Pie chart
plt.subplot(1, 2, 2)
plt.pie(counts, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)
plt.title('Tỉ lệ học sinh theo giới tính')

plt.tight_layout()
plt.show()

# Kiểm định chi-square (cách thay thế)
observed = data['female'].value_counts().sort_index().values
expected = np.array([total_count/2, total_count/2])
chi2_stat, p_value_chi2 = chi2_contingency([observed, expected])[:2]

print(f"\nKiểm định Chi-square (cách thay thế):")
print(f"Chi-square statistic: {chi2_stat:.6f}")
print(f"P-value: {p_value_chi2:.6f}")

# Diễn giải kết quả
alpha = 0.05
print(f"\nDiễn giải kết quả (α = {alpha}):")
if p_value_binom < alpha:
    print(f"P-value = {p_value_binom:.6f} < {alpha}") print("Bác bỏ giả thuyết H0. Có sự khác biệt có ý nghĩa thống kê về tỉ lệ giới tính.") else: print(f"P-value = {p_value_binom:.6f} >= {alpha}")
    print("Không đủ bằng chứng để bác bỏ giả thuyết H0.")
    print("Tỉ lệ học sinh nam/nữ có thể được coi là cân bằng.")

# Tạo bảng tổng hợp kết quả
result_df = pd.DataFrame({
    'Giới tính': ['Nam', 'Nữ'],
    'Số lượng': [total_count - female_count, female_count],
    'Tỉ lệ': [1 - proportion, proportion],
    'Phần trăm': [(1 - proportion) * 100, proportion * 100]
})

print("\nBảng tổng hợp kết quả:")
print(result_df.round(4))