Chuẩn hoá là chia một con số tuyệt đối cho một đại lượng đo quy mô phù hợp, như dân số, số phương tiện hay quãng đường, để các đơn vị có quy mô khác nhau so sánh được với nhau. Nếu không chuẩn hoá, bảng xếp hạng số ca bệnh, số vụ tai nạn hay số doanh nghiệp theo tỉnh gần như luôn phản ánh tỉnh nào đông dân nhất chứ không phải tỉnh nào có vấn đề lớn nhất.
Nhưng chuẩn hoá cũng có bẫy riêng. Mẫu số sai làm kết luận sai: số vụ tai nạn trên dân số, trên số phương tiện và trên quãng đường di chuyển có thể cho ba bảng xếp hạng khác nhau. Và với các đơn vị dân số nhỏ, tỷ lệ dao động rất mạnh do ngẫu nhiên, nên cả nhóm đứng đầu lẫn nhóm đứng cuối bảng thường là những nơi nhỏ nhất.
Bài này trình bày khi nào nên dùng số tuyệt đối, khi nào dùng tỷ lệ, cách chọn mẫu số, kỹ thuật chuẩn hoá theo cơ cấu tuổi, và cách đọc bảng xếp hạng địa phương mà không bị đánh lừa bởi các đơn vị nhỏ.
Số tuyệt đối và tỷ lệ: mỗi loại trả lời một câu hỏi
Số tuyệt đối không phải là "số kém". Nó trả lời câu hỏi về quy mô gánh nặng: cần bao nhiêu giường bệnh, bao nhiêu suất học, bao nhiêu tấn hàng. Nhà hoạch định ngân sách và người lập kế hoạch logistics cần số tuyệt đối, vì nguồn lực được phân bổ theo số người cần phục vụ chứ không theo tỷ lệ. Một tỉnh đông dân với tỷ lệ mắc bệnh thấp vẫn có thể cần nhiều bác sĩ hơn một tỉnh nhỏ với tỷ lệ mắc cao.
Tỷ lệ trả lời câu hỏi về mức độ rủi ro hay cường độ: một người dân ở nơi này có nguy cơ cao hơn người dân ở nơi kia không, một chính sách có hiệu quả hơn ở đâu. Khi so sánh để tìm nguyên nhân, đánh giá hiệu quả hay xếp hạng, tỷ lệ gần như luôn là thước đo đúng.
Lỗi phổ biến nhất không phải dùng một trong hai loại số, mà là dùng loại số này để trả lời câu hỏi của loại kia. Bản đồ tô màu theo số ca tuyệt đối cho câu hỏi "nơi nào nguy hiểm nhất" sẽ luôn tô đậm các đô thị lớn. Ngược lại, chỉ báo tỷ lệ mắc trên 100.000 dân cho câu hỏi "cần phân bổ bao nhiêu thuốc" sẽ dẫn tới thiếu hụt ở nơi đông dân. Cách trình bày tốt cho người ra quyết định thường đặt hai con số cạnh nhau trong cùng một bảng.
Chọn mẫu số: cùng số vụ, ba câu chuyện khác nhau
Ví dụ giả định về an toàn giao thông của ba địa phương. Số liệu chỉ nhằm minh hoạ cách mẫu số thay đổi bảng xếp hạng.
| Địa phương | Số vụ tai nạn | Trên 100.000 dân | Trên 10.000 phương tiện | Trên 100 triệu km di chuyển |
|---|---|---|---|---|
| Thành phố P (8 triệu dân) | 2.400 | 30 | 4,0 | 6 |
| Tỉnh Q (1,5 triệu dân) | 750 | 50 | 10,0 | 25 |
| Tỉnh R (1 triệu dân) | 600 | 60 | 6,0 | 10 |
Theo số tuyệt đối, P đứng đầu. Theo tỷ lệ trên dân số, R nguy hiểm nhất. Theo số phương tiện hay quãng đường, Q mới là nơi đáng lo nhất. Mỗi mẫu số trả lời một câu hỏi khác: trên dân số đo rủi ro của một người dân bất kỳ, kể cả người không đi lại nhiều; trên quãng đường đo rủi ro của mỗi chuyến đi, thước đo gần nhất với "con đường có nguy hiểm không".
Nguyên tắc chọn mẫu số: hãy chọn đại lượng đo mức độ phơi nhiễm với rủi ro đang xét. Tai nạn hàng không nên tính trên số chuyến bay hoặc hành khách-km; tai nạn lao động trên số giờ làm việc; tỷ lệ lỗi sản phẩm trên số đơn vị sản xuất; khiếu nại khách hàng trên số giao dịch. Khi mẫu số phơi nhiễm không có sẵn, dân số là lựa chọn thay thế, nhưng cần ghi rõ giới hạn.
Vùng nhỏ luôn cực đoan: bài học về ung thư thận ở các hạt nước Mỹ
Một ví dụ nổi tiếng được Howard Wainer trình bày và Daniel Kahneman kể lại trong Thinking, Fast and Slow (2011): khi xếp hạng các hạt (county) của Mỹ theo tỷ lệ mắc ung thư thận, những hạt có tỷ lệ thấp nhất phần lớn là các hạt nông thôn, dân số thưa. Người đọc dễ tìm ngay lời giải thích: không khí trong lành, thực phẩm tự nhiên, ít căng thẳng. Nhưng những hạt có tỷ lệ cao nhất cũng phần lớn là các hạt nông thôn, dân số thưa, và người ta cũng dễ tìm lời giải thích ngược lại: nghèo hơn, xa bệnh viện, hút thuốc nhiều hơn.
Lời giải thích đúng không liên quan gì đến lối sống: các hạt nhỏ có tỷ lệ dao động mạnh hơn chỉ vì mẫu nhỏ. Với 2.000 dân và một bệnh có tỷ lệ trung bình 10 trên 100.000 người, số ca kỳ vọng là 0,2. Chỉ cần một ca, tỷ lệ của hạt đó đã là 50 trên 100.000, gấp năm lần trung bình; không có ca nào thì tỷ lệ bằng không. Một thành phố một triệu dân sẽ có khoảng 100 ca, và tỷ lệ của nó rất khó lệch xa trung bình.
Hệ quả cho người đọc bảng xếp hạng địa phương, như tỷ lệ tội phạm theo phường, tỷ lệ đỗ đại học theo trường, tỷ lệ biến chứng theo bệnh viện: khi thấy đơn vị nhỏ chiếm cả đầu lẫn cuối bảng, đó là dấu hiệu của nhiễu ngẫu nhiên chứ không phải của hiệu ứng thật. Chính sách dựa trên bảng xếp hạng kiểu này, như thưởng cho các trường nhỏ có kết quả tốt nhất, có nguy cơ chỉ đang thưởng cho may mắn. Wainer từng lập luận rằng các chương trình ưu tiên trường quy mô nhỏ ở Mỹ một phần bắt nguồn từ việc đọc sai đúng hiện tượng này.
Biểu đồ phễu: cách đúng để so sánh các đơn vị có quy mô khác nhau
Ý tưởng. Biểu đồ phễu (funnel plot) đặt quy mô của đơn vị, như số ca điều trị hay số dân, lên trục hoành và tỷ lệ lên trục tung. Hai đường giới hạn kiểm soát vẽ quanh tỷ lệ trung bình, hẹp dần khi quy mô tăng, tạo thành hình phễu. Đơn vị nằm trong phễu có kết quả phù hợp với dao động ngẫu nhiên; đơn vị nằm ngoài mới đáng điều tra.
Nguồn gốc và ứng dụng. David Spiegelhalter đã phổ biến biểu đồ phễu cho việc so sánh kết quả giữa các bệnh viện trong một bài báo năm 2005 trên Statistics in Medicine. Cách trình bày này được dùng trong nhiều báo cáo đánh giá chất lượng dịch vụ y tế ở Anh, và có thể áp dụng cho bất kỳ so sánh nào giữa các đơn vị có quy mô khác nhau: chi nhánh ngân hàng, cửa hàng, trường học, nhân viên kinh doanh.
Ưu điểm so với bảng xếp hạng. Bảng xếp hạng buộc phải có người đứng cuối, kể cả khi mọi đơn vị đều nằm trong dao động bình thường. Bảng xếp hạng cũng không thể hiện độ bất định: vị trí thứ 3 và thứ 15 có thể không khác nhau về mặt thống kê. Biểu đồ phễu trả lời đúng câu hỏi quản lý cần: đơn vị nào thật sự khác thường.
Ví dụ áp dụng trong doanh nghiệp. Ví dụ giả định: một chuỗi 60 cửa hàng so sánh tỷ lệ hàng trả lại. Ba cửa hàng nhỏ nhất có tỷ lệ cao nhất, nhưng đều nằm trong phễu. Một cửa hàng quy mô trung bình có tỷ lệ chỉ cao hơn mức chung một chút nhưng nằm ngoài phễu vì quy mô đủ lớn để chênh lệch đó khó là ngẫu nhiên. Cửa hàng thứ tư này mới là nơi cần kiểm tra quy trình.
Chuẩn hoá theo tuổi: khi tỷ lệ thô vẫn đánh lừa
Chia theo dân số chưa đủ khi các đơn vị có cơ cấu dân số khác nhau và hiện tượng đang đo phụ thuộc mạnh vào tuổi. Tỷ lệ tử vong thô của một tỉnh có nhiều người cao tuổi sẽ cao hơn tỉnh có dân số trẻ, kể cả khi ở mọi nhóm tuổi, người dân tỉnh đó có nguy cơ thấp hơn. Đây chính là nghịch lý Simpson trong dữ liệu dân số: tỷ lệ chung là trung bình có trọng số theo cơ cấu tuổi.
Kỹ thuật chuẩn hoá trực tiếp giải quyết vấn đề bằng cách áp tỷ lệ theo từng nhóm tuổi của mỗi địa phương lên một dân số chuẩn chung, rồi tính ra tỷ lệ đã chuẩn hoá. Kết quả trả lời câu hỏi: nếu hai địa phương có cùng cơ cấu tuổi, tỷ lệ của chúng sẽ chênh nhau bao nhiêu. Tổ chức Y tế Thế giới và nhiều cơ quan thống kê sử dụng các dân số chuẩn để so sánh tỷ lệ tử vong và mắc bệnh giữa các nước. Kỹ thuật chuẩn hoá gián tiếp, cho ra tỷ số tử vong chuẩn hoá (SMR), được dùng khi các nhóm tuổi của đơn vị quá nhỏ để có tỷ lệ riêng ổn định.
Ý tưởng này áp dụng rộng hơn y tế. So sánh tỷ lệ nghỉ việc giữa hai phòng ban cần tính đến cơ cấu thâm niên; so sánh tỷ lệ nợ xấu giữa hai chi nhánh cần tính đến cơ cấu sản phẩm cho vay; so sánh điểm thi giữa hai trường cần tính đến học lực đầu vào. Khi đọc một tỷ lệ so sánh, hãy hỏi: có yếu tố cơ cấu nào khác nhau mạnh giữa các đơn vị và ảnh hưởng mạnh tới kết quả không? Nếu có, tỷ lệ thô chưa đủ để kết luận.
Bảng kiểm khi đọc một bảng xếp hạng địa phương hay đơn vị
Dùng khi đọc báo cáo so sánh tỉnh thành, chi nhánh, trường học, bệnh viện hay nhân viên.
- Con số là tuyệt đối hay tỷ lệ? Câu hỏi đang được trả lời là quy mô gánh nặng hay mức độ rủi ro?
- Mẫu số là gì, và có đo đúng mức độ phơi nhiễm không? Thử thay bằng một mẫu số khác xem thứ hạng có đổi không.
- Quy mô của từng đơn vị là bao nhiêu? Các đơn vị nhỏ có chiếm cả đầu lẫn cuối bảng không?
- Có khoảng tin cậy, giới hạn kiểm soát hay biểu đồ phễu không? Nếu không, chênh lệch giữa các vị trí có thể chỉ là ngẫu nhiên.
- Các đơn vị có khác nhau về cơ cấu (tuổi, sản phẩm, đầu vào) theo cách ảnh hưởng tới kết quả không? Có chuẩn hoá chưa?
- Số liệu bao nhiêu kỳ? Gộp ba đến năm năm cho các đơn vị nhỏ thường cho bức tranh ổn định hơn nhiều so với một năm đơn lẻ.
Với địa giới hành chính Việt Nam, còn một lưu ý thực tế: từ ngày 1/7/2025, cả nước còn 34 tỉnh thành sau khi sắp xếp và cấp huyện không còn. Khi so sánh chuỗi số liệu theo tỉnh qua các năm, cần dùng số liệu đã được quy đổi về địa giới mới, hoặc ghi rõ đang dùng địa giới cũ, vì một tỉnh mới có thể gộp từ hai, ba tỉnh cũ với quy mô và cơ cấu rất khác nhau.
Câu hỏi thường gặp
Vì sao các tỷ lệ y tế hay tính trên 100.000 dân thay vì phần trăm?
Vì nhiều sự kiện rất hiếm, viết bằng phần trăm sẽ ra những con số như 0,012% khó đọc và dễ đọc nhầm. Chọn đơn vị 1.000, 10.000 hay 100.000 sao cho con số nằm trong khoảng dễ hình dung, thường từ vài đến vài trăm. Điều quan trọng là dùng cùng một đơn vị khi so sánh.
Dân số dùng làm mẫu số lấy ở thời điểm nào?
Thông lệ là dùng dân số trung bình năm hoặc dân số giữa năm, vì số sự kiện được đếm trong cả năm. Khi dân số thay đổi nhanh, như ở các khu công nghiệp có nhiều lao động nhập cư, dân số đăng ký thường trú có thể khác xa dân số thực tế sinh sống, làm tỷ lệ bị sai đáng kể.
Bình quân đầu người có nên tính theo dân số hay theo số người trưởng thành?
Tùy câu hỏi. Thu nhập bình quân đầu người tính trên toàn dân số phản ánh mức sống của cả hộ gia đình, kể cả trẻ em. Năng suất lao động tính trên số người có việc làm. Tiêu thụ rượu bia thường tính trên người từ 15 tuổi trở lên. Ghi rõ mẫu số để người đọc so sánh đúng.
Ước lượng co rút (shrinkage) là gì và vì sao hữu ích với đơn vị nhỏ?
Đó là kỹ thuật kéo tỷ lệ của mỗi đơn vị về phía trung bình chung, kéo mạnh hơn với đơn vị nhỏ và nhẹ hơn với đơn vị lớn, thường dựa trên mô hình Bayes thực nghiệm hoặc mô hình đa tầng. Kết quả là bảng xếp hạng ổn định hơn và ít bị nhiễu ngẫu nhiên chi phối, đổi lại cần giải thích phương pháp cho người đọc.
Có khi nào nên tránh chuẩn hoá không?
Có. Khi câu hỏi là về quy mô tuyệt đối, như tổng phát thải, tổng nhu cầu điện hay tổng số người cần hỗ trợ, chuẩn hoá theo đầu người có thể che giấu quy mô vấn đề. Ví dụ, phát thải bình quân đầu người và tổng phát thải của một quốc gia đều có ý nghĩa nhưng trả lời các câu hỏi chính sách khác nhau.
Mật độ dân số có phải là một dạng chuẩn hoá không?
Có, đó là chuẩn hoá theo diện tích. Nó hữu ích cho các câu hỏi về hạ tầng và đô thị, nhưng có thể gây hiểu lầm vì một tỉnh có diện tích rừng núi lớn sẽ có mật độ trung bình thấp dù dân cư tập trung rất đông ở vài khu vực. Mật độ theo diện tích có người ở là một thước đo bổ sung.