Kiểm định Kolmogorov-Smirnov là gì?
Kiểm định so sánh phân phối mẫu với phân phối lý thuyết hoặc hai mẫu với nhau.
Thuật ngữ tiếng Anh: Kolmogorov-Smirnov Test
Lĩnh vực: Thống kê & Mô hình
Cách tính và diễn giải kiểm định Kolmogorov-Smirnov
Kiểm định Kolmogorov-Smirnov (K-S) hoạt động dựa trên chỉ số D-statistic – đo khoảng cách lớn nhất giữa hàm phân phối tích lũy (CDF) của mẫu thực tế và CDF của phân phối lý thuyết (hoặc giữa hai mẫu). Công thức cốt lõi:
D = sup |F_n(x) − F(x)|
Trong đó F_n(x) là CDF quan sát được từ dữ liệu mẫu, còn F(x) là CDF lý thuyết (Normal, Uniform, Exponential…). Giá trị D càng nhỏ → hai phân phối càng "giống" nhau.
Quy trình kiểm định gồm 5 bước:
- Đặt giả thuyết: H₀: mẫu tuân theo phân phối X; H₁: mẫu không tuân theo phân phối X.
- Sắp xếp dữ liệu mẫu theo thứ tự tăng dần.
- Tính F_n(x) tại mỗi điểm quan sát.
- Tính D = max|F_n(x) − F(x)|.
- So sánh D với giá trị tới hạn (critical value) ở mức ý nghĩa α (thường 5%) hoặc dùng p-value: nếu p-value < 0,05 → bác bỏ H₀.
Phân biệt hai biến thể phổ biến
Trong thực tế, doanh nghiệp thường gặp hai dạng K-S sau:
- One-sample K-S Test (một mẫu): So sánh phân phối của một tập dữ liệu với một phân phối lý thuyết cụ thể. Ví dụ: kiểm tra xem doanh thu theo ngày của một cửa hàng bán lẻ có tuân theo phân phối chuẩn (Normal) hay không – một bước quan trọng trước khi áp dụng nhiều mô hình thống kê cổ điển.
- Two-sample K-S Test (hai mẫu): So sánh phân phối của hai tập dữ liệu với nhau. Ví dụ: so sánh phân phối giá trị đơn hàng giữa nhóm khách hàng khu vực nội thành và ngoại thành Hà Nội để quyết định chiến lược phân khúc thị trường.
Điểm khác biệt đáng lưu ý với các kiểm định khác (như Shapiro-Wilk hay Anderson-Darling): K-S là kiểm định phi tham số – không yêu cầu giả định về phân phối của dữ liệu đầu vào, phù hợp với các mẫu nhỏ (n < 50) hoặc dữ liệu có phân phối bất đối xứng nặng – điều khá phổ biến trong dữ liệu tài chính SME.
Ứng dụng thực tế cho doanh nghiệp SME
K-S không phải công cụ thẩm định tín dụng, nhưng là nền tảng cho nhiều phân tích mà doanh nghiệp SME dùng khi chuẩn bị hồ sơ vay hoặc xây dựng mô hình dự báo:
- Kiểm tra chất lượng dữ liệu tài chính: Trước khi tính các chỉ số như Value-at-Risk, biên EBITDA biến động, hay dự báo dòng tiền, doanh nghiệp cần xác nhận dữ liệu lịch sử có phân phối "chuẩn" hay không. K-S giúp phát hiện ngoại lệ (outlier) hoặc sai lệch phân phối mà biểu đồ histogram có thể bỏ sót.
- Phân tích hành vi khách hàng: Một doanh nghiệp bán lẻ có thể dùng two-sample K-S để kiểm tra phân phối tần suất mua hàng giữa hai nhóm khách (thành viên loyalty vs. khách vãng lai) có thực sự khác nhau hay chỉ là ngẫu nhiên.
- Phân tích rủi ro dòng tiền: Khi lập kế hoạch trả nợ, doanh nghiệp có thể dùng K-S để so sánh phân phối doanh thu thực tế với phân phối lý thuyết (ví dụ log-normal) – từ đó ước lượng xác suất dòng tiền âm trong các kịch bản xấu.
- So sánh hiệu quả trước/sau chiến dịch: Two-sample K-S phù hợp để đánh giá chiến dịch marketing có thực sự thay đổi phân phối doanh số, hay sự khác biệt chỉ mang tính ngẫu nhiên.
Lưu ý khi áp dụng: K-S nhạy với vị trí (location) và hình dạng (shape) của phân phối, nhưng kém nhạy hơn với phân tán (spread). Với dữ liệu lớn (n > 1000), kiểm định K-S thường cho p-value rất nhỏ và dễ bác bỏ H₀ ngay cả khi sai khác không đáng kể về mặt thực tiễn – trường hợp này nên bổ sung đánh giá effect size hoặc dùng biểu đồ Q-Q plot để kiểm chứng trực quan.
Nội dung mang tính tham khảo về phương pháp thống kê, không thay thế tư vấn từ chuyên gia phân tích dữ liệu.
Câu hỏi thường gặp
Kiểm định Kolmogorov-Smirnov khác gì so với Shapiro-Wilk – khi nào nên dùng cái nào?
Shapiro-Wilk thường có lực thống kê (power) cao hơn với mẫu nhỏ và dữ liệu gần chuẩn, nhưng chỉ kiểm tra được phân phối chuẩn. K-S linh hoạt hơn vì so sánh được với nhiều phân phối lý thuyết khác (Exponential, Uniform…) và cũng so sánh được hai mẫu – nên ưu tiên dùng K-S khi muốn kiểm tra phân phối khác chuẩn hoặc so sánh hai nhóm dữ liệu.
p-value < 0,05 có nghĩa là dữ liệu "sai" hay dữ liệu "không chuẩn"?
p-value < 0,05 chỉ cho biết có đủ bằng chứng thống kê để bác bỏ giả thuyết H₀ (phân phối khớp với phân phối lý thuyết), chứ không phải dữ liệu bị "sai". Với mẫu lớn, ngay cả sai khác rất nhỏ cũng cho p-value thấp – doanh nghiệp nên kết hợp xem Q-Q plot và effect size để đánh giá mức độ sai khác có thực sự đáng kể về mặt kinh doanh hay không.
Có thể tự chạy kiểm định K-S trên Excel hoặc công cụ miễn phí không?
Được – Excel không có hàm K-S sẵn nhưng có thể dùng add-in hoặc viết công thức thủ công. Các công cụ phổ biến và miễn phí gồm Python (thư viện scipy.stats.ks_2samp hoặc kstest), R (ks.test()) và ngay cả Google Sheets với script Apps Script – phù hợp với SME không có đội ngũ data science chuyên trách.
Kết quả K-S có ảnh hưởng trực tiếp đến hồ sơ vay vốn hay không?
Không ảnh hưởng trực tiếp – lender không yêu cầu doanh nghiệp nộp kết quả K-S. Tuy nhiên, nếu doanh nghiệp xây dựng mô hình dự báo dòng tiền để chứng minh năng lực trả nợ trong hồ sơ, thì việc kiểm tra phân phối dữ liệu đầu vào bằng K-S giúp mô hình đáng tin cậy hơn – qua đó hỗ trợ thuyết phục bộ phận thẩm định của lender khi kết nối vay vốn qua BizLoan.
Vay vốn kinh doanh
Hiểu rõ thuật ngữ tài chính giúp doanh nghiệp chuẩn bị hồ sơ vay vốn tốt hơn và tăng khả năng được phê duyệt khoản vay. Đăng ký so sánh lãi suất từ nhiều ngân hàng qua BizLoan.