CFA Level I – Module 8: Hypothesis Testing - Dịch vụ kế toán thuế tại Hà Nội

Kiểm định giả thuyết và nền tảng ra quyết định dựa trên dữ liệu

Trong Quantitative Methods – CFA Level I, Module 8: Hypothesis Testing giúp thí sinh trả lời một câu hỏi cốt lõi của phân tích tài chính:

Liệu kết quả quan sát từ dữ liệu mẫu có đủ mạnh để đưa ra kết luận về tổng thể hay không?

Module này trang bị cho người học khung tư duy và công cụ thống kê để đánh giá giả thuyết, kiểm soát rủi ro sai lầm, và phân biệt ý nghĩa thống kê với ý nghĩa kinh tế – những kỹ năng thiết yếu của một CFA Charterholder.

1. Kiểm định giả thuyết là gì? (LOS 8.a)

Kiểm định giả thuyết (Hypothesis Testing) là quá trình sử dụng dữ liệu mẫu để đánh giá một tuyên bố hoặc giả định liên quan đến tổng thể.

Quy trình kiểm định giả thuyết gồm 6 bước chuẩn trong CFA:

Nêu giả thuyết
Xác định thống kê kiểm định phù hợp
Chỉ định mức ý nghĩa (significance level)
Phát biểu quy tắc quyết định
Thu thập dữ liệu và tính toán thống kê kiểm định
Đưa ra kết luận về giả thuyết

👉 CFA Level I yêu cầu thuộc lòng và hiểu rõ logic của 6 bước này.

2. Giả thuyết không và giả thuyết thay thế

2.1. Giả thuyết không – Null Hypothesis (H₀)

Là giả thuyết nhà nghiên cứu muốn bác bỏ
Thường đại diện cho “không có sự khác biệt” hoặc “không có tác động”

H₀ có thể được phát biểu dưới ba dạng:

H₀: θ = θ₀
H₀: θ ≤ θ₀
H₀: θ ≥ θ₀

2.2. Giả thuyết thay thế – Alternative Hypothesis (H₁)

Là giả thuyết được chấp nhận nếu H₀ bị bác bỏ
Phản ánh sự khác biệt hoặc tác động mà ta quan tâm

H₁ cũng có ba dạng tương ứng:

H₁: θ ≠ θ₀
H₁: θ > θ₀
H₁: θ < θ₀

3. Kiểm định một phía và hai phía

3.1. Kiểm định một phía (One-tailed test)

Áp dụng khi giả thuyết thay thế chỉ quan tâm một hướng.

Right-tailed test: H₁: θ > θ₀
Left-tailed test: H₁: θ < θ₀

3.2. Kiểm định hai phía (Two-tailed test)

H₁: θ ≠ θ₀
Vùng bác bỏ nằm ở cả hai phía của phân phối

👉 Trong CFA, không được tự ý chuyển one-tailed thành two-tailed, mà phải bám sát giả thuyết đề bài.

4. Thống kê kiểm định, lỗi loại I & II và lực kiểm định

4.1. Thống kê kiểm định (Test Statistic)

Test statistic là giá trị được tính toán từ dữ liệu mẫu, dùng để quyết định có bác bỏ H₀ hay không.

Dạng tổng quát:

(Ước lượng điểm – Giá trị giả thuyết) / Sai số chuẩn

Tùy trường hợp, test statistic có thể tuân theo:

Phân phối Z
Phân phối T
Phân phối Chi-square
Phân phối F

4.2. Lỗi loại I và lỗi loại II

Quyết định	Thực tế H₀ đúng	Thực tế H₀ sai
Không bác bỏ H₀	Quyết định đúng (1 − α)	Lỗi loại II (β)
Bác bỏ H₀	Lỗi loại I (α)	Quyết định đúng (1 − β)

Lỗi loại I (Type I error): Bác bỏ H₀ khi H₀ đúng
Lỗi loại II (Type II error): Không bác bỏ H₀ khi H₀ sai

4.3. Mức ý nghĩa và lực kiểm định

Mức ý nghĩa (α): Xác suất mắc lỗi loại I
Lực kiểm định (Power) = 1 − β
→ Khả năng bác bỏ H₀ khi H₀ thực sự sai

👉 Trong CFA, α càng nhỏ → kiểm định càng nghiêm ngặt, nhưng lực kiểm định có thể giảm.

5. Quy tắc quyết định & ý nghĩa thống kê vs ý nghĩa kinh tế

5.1. Quy tắc quyết định

One-tailed test
- Right tail: Bác bỏ H₀ nếu test statistic > critical value
- Left tail: Bác bỏ H₀ nếu test statistic < critical value
Two-tailed test
- Bác bỏ H₀ nếu test statistic nằm ngoài khoảng critical values

5.2. Quyết định thống kê và quyết định kinh tế

Statistical decision: Dựa thuần túy trên test statistic và critical value
Economic decision: Xem xét thêm chi phí, lợi ích, rủi ro và bối cảnh kinh tế

👉 Một kết quả có ý nghĩa thống kê chưa chắc đã có ý nghĩa kinh tế.

6. p-value và kiểm định nhiều lần (LOS 8.b)

6.1. p-value là gì?

p-value là:

Mức ý nghĩa nhỏ nhất tại đó H₀ có thể bị bác bỏ

Quy tắc:

Bác bỏ H₀ nếu p-value < α
Không bác bỏ H₀ nếu p-value > α

p-value áp dụng cho cả:

Kiểm định một phía
Kiểm định hai phía

6.2. Kiểm định nhiều lần & kiểm soát phát hiện sai

Khi thực hiện nhiều kiểm định đồng thời, xác suất sai lầm tăng lên.

Phương pháp Benjamini–Hochberg (BH):

Sắp xếp p-value từ nhỏ đến lớn
Tính p-value điều chỉnh theo tiêu chí BH
So sánh p-value gốc với p-value BH

👉 CFA yêu cầu hiểu logic, không cần tính toán phức tạp.

7. Lựa chọn Z-test hay T-test trong CFA

Điều kiện mẫu	Test statistic
Mẫu nhỏ (n < 30), tổng thể chuẩn, chưa biết phương sai	t-statistic
Mẫu lớn (n ≥ 30), biết phương sai	z-statistic
Tổng thể không chuẩn, mẫu nhỏ	Không áp dụng
Tổng thể không chuẩn, mẫu lớn	z hoặc t

👉 Nguyên tắc cốt lõi: không biết phương sai → ưu tiên t-test.

8. Các kiểm định giả thuyết quan trọng trong Module 8

Mục tiêu kiểm định	Test statistic	Phân phối	Bậc tự do
Chênh lệch trung bình hai tổng thể	t	t-distribution	phụ thuộc n
Trung bình chênh lệch	t	t-distribution	n − 1
Phương sai một tổng thể	χ²	Chi-square	n − 1
Chênh lệch phương sai hai tổng thể	F	F-distribution	df₁, df₂