Đang tải bài học…

AP Statistics

biến phản hồi

response variable

Còn gọi: biến đáp ứng · biến phụ thuộc · biến kết quả · dependent variable · outcome variable · y

Biến phản hồi (response variable) là biến mà nhà nghiên cứu muốn đo hoặc dự đoán, được quan sát sau khi biến giải thích thay đổi.

Trong phân tích hồi quy, mỗi cặp biến đều có vai trò phân công rõ ràng: một biến đóng vai trò giải thích, biến còn lại đóng vai trò được giải thích. Biến phản hồi chính là biến thứ hai — biến mà ta quan tâm muốn hiểu, dự đoán, hoặc lý giải sự thay đổi của nó. Trên đồ thị phân tán, biến phản hồi luôn được đặt trên trục tung và được ký hiệu $y$ .

Trong phương trình hồi quy tuyến tính $\hat{y} = a + bx$ , toàn bộ mục tiêu của mô hình là ước lượng giá trị của $y$ từ $x$ . Do đó, mọi thước đo chất lượng của mô hình — từ phần dư cho đến hệ số xác định (coefficient of determination) $r^2$ — đều được tính toán dựa trên biến phản hồi. Cụ thể, $r^2$ cho biết tỉ lệ phần trăm biến động của $y$ được giải thích bởi mô hình, còn phần còn lại là biến động chưa được giải thích.

Trong thiết kế thực nghiệm, biến phản hồi là kết quả được đo sau khi các nghiệm thức được áp dụng. Ví dụ, nếu nhà nghiên cứu thay đổi liều lượng thuốc rồi đo huyết áp của bệnh nhân, thì huyết áp là biến phản hồi. Ngược lại, biến mà nhà nghiên cứu chủ động kiểm soát hoặc thay đổi được gọi là biến giải thích (explanatory variable). Vì vậy, sự phân biệt này không chỉ mang tính quy ước, bởi vì nhầm lẫn vai trò của hai biến sẽ dẫn đến diễn giải sai về nhân quả và sai trong cách viết phương trình hồi quy.

Cần lưu ý rằng hồi quy tuyến tính chỉ mô tả mối quan hệ thống kê, chứ không tự động xác nhận quan hệ nhân quả. Một điểm dữ liệu được coi là giá trị ngoại lai trong ngữ cảnh hồi quy khi phần dư của nó — tức hiệu giữa giá trị thực của biến phản hồi và giá trị dự đoán — bất thường lớn so với phần dư của các điểm còn lại.

Ký hiệu

y

— ký hiệu trục tung trong đồ thị phân tán và trong phương trình hồi quy

\hat{y} = a + bx

Trực giác: Biến phản hồi là con số mà bạn thực sự đang cố đoán — như điểm bài kiểm tra mà bạn muốn dự đoán dựa trên số giờ học.

Khái niệm này sinh ra từ đâu

Thuật ngữ chỉ đại lượng được đo trong một nghiên cứu để xem nó chịu ảnh hưởng thế nào từ các biến khác; tên gọi hình thành trong bối cảnh nghiên cứu thực nghiệm, còn tác giả và mốc năm cụ thể thì các nguồn từ điển thống kê không ghi lại.

Mỗi thí nghiệm đều bắt đầu bằng một câu hỏi dạng "nếu tôi thay đổi cái này thì cái kia ra sao", và để trả lời được, nhà nghiên cứu phải chọn ra một đại lượng duy nhất để đo lấy kết quả. Đại lượng ấy chính là thứ mà thống kê gọi là biến phản hồi: kết quả hay hệ quả được ghi nhận nhằm đánh giá tác động của một hoặc nhiều biến giải thích (explanatory variable). Vì vậy tên gọi này không sinh ra từ lý thuyết toán trừu tượng mà từ nhu cầu rất thực tế của người làm thí nghiệm — cần phân biệt rạch ròi cái mình chủ động tác động với cái mình chỉ ngồi đo. Trong các nghiên cứu ngày nay, nó vẫn là đại lượng trung tâm mà toàn bộ thiết kế hướng tới việc dự đoán hoặc tạo ra thay đổi.

Thử nghiệm tương tác

Hoán vai hai biến — nhìn đường hồi quy đổi hẳn dáng, còn r thì đứng yên

Hay hiểu sai

Biến phản hồi luôn nằm ở trục $y$ , không bao giờ là biến dùng để dự đoán.

Hệ số $r^2$ nói về biến thiên của biến phản hồi, không phải của biến giải thích.

Trong thí nghiệm, biến phản hồi là kết quả đo sau khi áp dụng liệu pháp, không phải bản thân liệu pháp.

Khi so sánh hai tỉ lệ, hai tham số phải cùng đo một kết quả phản hồi trên hai nhóm khác nhau.

Ví dụ có lời giải

1Ví dụ 1/2

Chủ một cửa hàng cà phê muốn biết việc phát quảng cáo trên radio có kéo thêm khách mới đến cửa hàng hay không. Trong 12 tuần liên tiếp, ông ghi lại số lần phát quảng cáo trong tuần và số khách hàng mới ghé cửa hàng tuần đó. Từ bộ dữ liệu hai biến này, phần mềm cho ra đường hồi quy bình phương nhỏ nhất

\hat{y} = -3.4 + 5.2x

với hệ số tương quan

r = 0.66

aTrong mô hình hồi quy này, đâu là biến giải thích và đâu là biến phản hồi? Giải thích vì sao không thể đổi vai trò hai biến cho nhau.
bTính tỉ lệ biến thiên của biến phản hồi KHÔNG được giải thích bởi quan hệ tuyến tính với biến giải thích, rồi diễn giải kết quả trong ngữ cảnh.
cDự đoán số khách hàng mới trong một tuần mà quảng cáo được phát 10 lần, và diễn giải hệ số góc của đường hồi quy.

Bạn nắm chắc chưa?

Quiz câu thật từ ngân hàng đề

Vài câu thật gắn đúng khái niệm này, chấm ngay kèm giải thích từng đáp án — hệ thống ghi nhớ bạn nắm tới đâu.

Tạo tài khoản miễn phí

Học tiếp từ đây

Bài học chứa thuật ngữ nàyPhân tích hồi quy · bài “Mô hình hồi quy tuyến tính” — khoá AP Statistics

Cần trướcbiến

Hay nhầm với

Thuật ngữKhác nhau ở đâuHay nhầm khi

biến giải thíchexplanatory variable

Khác nhau ở đâuBiến giải thích là yếu tố được dùng để dự đoán hoặc giải thích, còn biến phản hồi là kết quả được đo lường

Hay nhầm khikhi đề bài cho hai biến định lượng và yêu cầu xác định biến nào nên đặt trên trục nào trong biểu đồ phân tán

biến ngoại laiextraneous variable

Khác nhau ở đâuBiến ngoại lai có thể ảnh hưởng đến biến phản hồi nhưng không được quan tâm chính, còn biến phản hồi là đối tượng đo lường chủ yếu của nghiên cứu

Hay nhầm khikhi đề hỏi biến nào có thể làm sai lệch kết luận về mối quan hệ giữa hai biến đang nghiên cứu

Nguồn tham khảo

[1]Barron_AP_Stat_2026. tr. 176, 181, 190.

Vì sao mang đúng cái tên này? Cái tên nghe hơi lạ khi dịch sát nghĩa, nhưng nó mô tả đúng vai trò của đại lượng này trong thí nghiệm. Nhà nghiên cứu tác động vào một yếu tố nào đó rồi quan sát xem đại lượng được đo "đáp lại" ra sao; chính động thái đáp lại ấy cho ta chữ "phản hồi". Do đó thuật ngữ mang sẵn một giả định về chiều tác động: có cái đi trước gây ảnh hưởng, có cái đi sau chịu ảnh hưởng và được ghi nhận. Cũng vì vai trò kép vừa là kết quả vừa là thứ phụ thuộc vào yếu tố khác, khái niệm này còn được gọi bằng hai tên đồng nghĩa là biến phụ thuộc (dependent variable) và biến kết quả (outcome variable). Ba tên gọi khác nhau nhưng cùng chỉ một chỗ đứng trong nghiên cứu, nên khi gặp bất kỳ tên nào trong đề thi, người đọc đều hiểu đó là đại lượng nằm ở đầu ra của quan hệ.

Hoán vai hai biến — nhìn đường hồi quy đổi hẳn dáng, còn r thì đứng yên

Kéo tham số, thấy khái niệm chuyển động — mở khoá bằng tài khoản 0đ.

Tạo tài khoản miễn phí

Mẹo phòng thi

Gọi tên biến phản hồi bằng ngôn ngữ của đề, đừng viết trống không là "y".

Gạch chân chữ "not" trong câu hỏi về $r^2$ trước khi bấm máy.

Tự luận thí nghiệm phải nêu đủ liệu pháp, đơn vị thí nghiệm và kết quả đo sau đó.

Tần suất trong đề AP StatisticsHay gặp

Bước 1: Trước hết phải xác định chiều của mối quan hệ mà người nghiên cứu đang giả định. Chủ cửa hàng chủ động quyết định phát quảng cáo bao nhiêu lần, còn số khách mới là cái ông chờ xem sẽ thay đổi ra sao theo quyết định đó. Do đó số lần phát quảng cáo là biến giải thích (explanatory variable), ký hiệu

x

, còn số khách hàng mới là biến phản hồi, ký hiệu

y

. Không thể đảo vai trò hai biến vì số khách đến cửa hàng tuần này không thể quyết định ngược lại lịch phát quảng cáo đã lên từ trước, và quan trọng hơn, đường hồi quy bình phương nhỏ nhất được dựng bằng cách cực tiểu hóa sai lệch theo phương của

y

nên đổi trục sẽ cho một đường thẳng khác.

2Bước 2: Phần biến thiên của

y

được mô hình giải thích chính là hệ số xác định (coefficient of determination):

r^2 = (0.66)^2 = 0.4356

. Phần còn lại, tức phần mà mô hình tuyến tính không giải thích được, là

1 - r^2 = 1 - 0.4356 = 0.5644 \approx 0.564

. Vậy khoảng

56.4\%

biến thiên trong số khách hàng mới hằng tuần không được giải thích bởi quan hệ tuyến tính với số lần phát quảng cáo; phần này đến từ những yếu tố khác như thời tiết, ngày lễ hay khuyến mãi của đối thủ.

3Bước 3: Thay

x = 10

vào phương trình:

\hat{y} = -3.4 + 5.2(10) = -3.4 + 52 = 48.6

. Mô hình dự đoán khoảng

48.6

khách hàng mới trong tuần đó, tức xấp xỉ 49 khách. Hệ số góc

b = 5.2

nói rằng cứ tăng thêm một lần phát quảng cáo, số khách hàng mới được dự đoán tăng thêm trung bình

5.2

người — luôn phải nói "được dự đoán", vì hệ số góc mô tả xu thế trung bình của biến phản hồi chứ không phải một cam kết chắc chắn cho từng tuần.

Biến giải thích là số lần phát quảng cáo trên radio, biến phản hồi là số khách hàng mới đến cửa hàng trong tuần. Có khoảng $56.4\%$ biến thiên của số khách hàng mới không được mô hình tuyến tính theo số lần phát quảng cáo giải thích. Với 10 lần phát quảng cáo, mô hình dự đoán khoảng 49 khách mới, và mỗi lần phát thêm ứng với mức tăng dự đoán trung bình 5.2 khách.

2Ví dụ 2/2

Thầy Ikeler muốn kiểm tra xem một phương pháp dạy mới cho chuyên đề toán có hiệu quả hơn phương pháp truyền thống hay không. Thầy tuyển 80 sinh viên của một trường cao đẳng và phân ngẫu nhiên họ thành hai nhóm 40 người: nhóm 1 học theo phương pháp mới, nhóm 2 học theo phương pháp truyền thống. Cùng một giáo viên dạy cả hai nhóm trong cùng một khoảng thời gian. Cuối chuyên đề, tất cả sinh viên làm chung một bài kiểm tra thành tích thang 100 điểm; nhóm 1 đạt điểm trung bình

78.4

với độ lệch chuẩn (standard deviation)

8.2

, nhóm 2 đạt điểm trung bình

73.6

với độ lệch chuẩn

9.0

aChỉ ra biến giải thích và biến phản hồi của nghiên cứu này.
bNghiên cứu đem so sánh đại lượng nào giữa hai nhóm? Tính giá trị quan sát được của đại lượng đó.
cNếu chênh lệch tìm được có ý nghĩa thống kê, ta được phép kết luận gì về ảnh hưởng của phương pháp dạy lên biến phản hồi? Vì sao?

1Bước 1: Trong một thí nghiệm, biến giải thích chính là cái mà người nghiên cứu áp đặt lên đối tượng, còn biến phản hồi là kết quả được đo sau đó. Ở đây thầy Ikeler áp đặt phương pháp dạy — mới hay truyền thống — nên đó là biến giải thích, và mỗi mức của nó là một cách xử lý (treatment). Điểm bài kiểm tra thành tích cuối chuyên đề là thứ được đo để đánh giá hiệu quả, nên đó là biến phản hồi. Lưu ý rằng biến giải thích ở đây có tính phân loại còn biến phản hồi có tính định lượng, khác hẳn tình huống hồi quy nơi cả hai biến đều là số.

2Bước 2: Vì biến phản hồi là biến định lượng và có hai nhóm độc lập, đại lượng đem so sánh là điểm trung bình của bài kiểm tra giữa hai phương pháp, tức hiệu

\bar{x}_1 - \bar{x}_2

. Thay số:

\bar{x}_1 - \bar{x}_2 = 78.4 - 73.6 = 4.8

điểm. Nhóm học theo phương pháp mới đạt điểm trung bình cao hơn nhóm truyền thống

4.8

điểm; đây là chênh lệch quan sát được trên mẫu, và bước tiếp theo trong một bài đầy đủ sẽ là kiểm định

t

hai mẫu để xem chênh lệch này có lớn hơn mức dao động ngẫu nhiên thông thường hay không.

3Bước 3: Điểm mấu chốt nằm ở chỗ 80 sinh viên được phân vào hai nhóm bằng gán ngẫu nhiên (random assignment). Nhờ đó, mọi khác biệt nền như năng lực toán sẵn có, động cơ học tập hay thời gian tự học được trải đều một cách cân bằng giữa hai nhóm, và việc giữ nguyên cùng một giáo viên loại thêm được một biến gây nhiễu. Vì vậy, nếu chênh lệch

4.8

điểm có ý nghĩa thống kê, ta được phép kết luận nhân quả rằng phương pháp dạy mới làm tăng điểm bài kiểm tra. Tuy nhiên, kết luận này chỉ mở rộng an toàn cho những sinh viên tương tự nhóm tham gia, bởi 80 người này được tuyển chứ không phải lấy ngẫu nhiên từ toàn bộ sinh viên.

Biến giải thích là phương pháp dạy (mới hay truyền thống), còn biến phản hồi là điểm bài kiểm tra thành tích cuối chuyên đề. Nghiên cứu so sánh điểm trung bình của biến phản hồi giữa hai nhóm, với chênh lệch quan sát được là $78.4 - 73.6 = 4.8$ điểm nghiêng về phương pháp mới. Do sinh viên được phân nhóm ngẫu nhiên trong một thí nghiệm có đối chứng, một chênh lệch có ý nghĩa thống kê cho phép kết luận rằng phương pháp dạy đã gây ra sự khác biệt về điểm số ở nhóm sinh viên này.

Mục tiêu và lộ trình unit xem miễn phí — làm bài tập và lưu tiến độ cần tài khoản 0đ.