Bài giảng phân tích dữ liệu

Chương I tổng luận về phương pháp nghiên cứu khoa học C H Ư Ơ N G I V PHÂN TÍCH DỮ LIỆU Trường đại họcThươngMại Bộ mônphương pháp nghiên cứu khoa học 4 1 Phân tích dữ liệu định tính 4 1 1 Đặc điểm phân tích dữ liệu định tính 4 1 1 1 Phân tích dữ liệu gắn liền với quá trình thu thập dữ liệu 4 1 1 2 Phân tích dữ liệu định tính liên kết nhưng không bị giới hạn bởi lý thuyết 4 1 2 Các loại dữ liệu định tính 4 1 2 1 Dạng văn bản 4 1 2 2 Dạng phi văn bản 4 1 3 Quy trình phân tích dữ liệu định tính 4 1.

Trang 1

CHƯƠNG IV

PHÂN TÍCH DỮ LIỆU

Trường đại học Thương Mại

Bộ môn phương pháp nghiên cứu khoa học

Trang 2

4.1 Phân tích dữ liệu định tính

4.1.1 Đặc điểm phân tích dữ liệu định tính

4.1.1.1 Phân tích dữ liệu gắn liền với quá trình thu thập dữ liệu

4.1.1.2 Phân tích dữ liệu định tính liên kết nhưng không bị giới hạn bởi lýthuyết

Trang 3

4.1 Phân tích dữ liệu định tính

4.1.3 Quy trình phân tích dữ liệu định tính

4.1.3.1 Tổ chức và làm sạch dữ liệu

4.1.3.2 Mã hoá và hợp nhất dữ liệu

4.1.3.3 Nhận biết mối quan hệ và phát triển các mã dữ liệu

4.1.4 Các công cụ hỗ trợ phân tích dữ liệu dịnh tính

Trang 4

4.1.1.1 Phân tích dữ liệu gắn liền với quá trình thu thập dữ liệu

- Trong nghiên cứu định lượng quá trình thu thập dữ liệu diễn ra trước quá trình

xử lý và phân tích dữ liệu thì trong nghiên cứu định tính hai quá trình này xảy rađồng thời và tương tác với nhau

- Khi nhà nghiên cứu thảo luận, phỏng vấn với đối tượng nghiên cứu, ngay trongquá trình ấy, nhà nghiên cứu đã thực hiện phân tích sơ bộ và phát hiện ra cáckhái niệm nghiên cứu

- Các khái niệm nghiên cứu này là chỉ dẫn để nhà nghiên cứu tiến hành lựa chọnđối tượng nghiên cứu tiếp theo, hoặc hướng nghiên cứu tiếp theo, hoặc các chỉtiêu nghiên cứu tiếp theo

Trang 5

4.1.1.1 Phân tích dữ liệu gắn liền với quá trình thu thập dữ liệu

- Khái niệm nghiên cứu được phát hiện giúp xác định kích thước mẫu nghiêncứu Cho đến khi nhà nghiên cứu không thu được thông tin gì mới từ đối tượngnghiên cứu tiếp thì lúc đó, số lượng phần tử mẫu nghiên cứu được xác định vàquá trình thu thập dữ liệu dừng lại

- Nhà nghiên cứu tiếp tục phân tích dữ liệu, trong quá trình này, nếu phát hiện racác yếu tố mới, tri thức mới mà cần phải đưa nghiên cứu của mình rẽ sang mộtnhánh mới, thì nhà nghiên cứu lại tiếp tục thu thập dữ liệu trên nhánh mới này

và quá trình lại được tiến hành lặp lại

Trang 6

4.1.1.2 Phân tích dữ liệu định tính liên kết nhưng không bị giới hạn bởi lý thuyết

- Nhà nghiên cứu cần phải dựa vào khung lý thuyết để triển khai thu thập và phântích dữ liệu nghiên cứu

- Bên cạnh đó, , nghiên cứu định tính là một quy trình mở và sáng tạo và không

bị giới hạn bởi lý thuyết Do đó nhà nghiên cứu cần phải biết cân bằng giữa haiyếu tố này

- Một số chú ý cần tuân thủ khi phân tích dữ liệu định tính:

Trang 7

- Một số chú ý cần tuân thủ khi phân tích dữ liệu định tính:

- Phân tích định tính cần có sự nhạy cảm với lý thuyết Nhà nghiên cứu cần phảithiết lập được khung nghiên cứu, trong đó xác định và đánh giá được những lýthuyết nào liên quan đến vấn đề mình nghiên cứu

- Việc xác định khung nghiên cứu giúp nhà nghiên cứu phân loại được các nhómkhái niệm để khi thu thập dữ liệu thực tế phát hiện ra “cái lạ” và những tri thứcmới so với khung nghiên cứu đã thiết lập

Trang 8

- Ví dụ:

nghiên cứu “Sự phát triển của khu vực nông thôn đối mặt với vấn đề thu hồi Tiếp cận tri thức lãnh thổ” tác giả xác định các lý thuyết nền tảng cho nghiên cứugồm chương trình phát triển nông thôn, lý thuyết phát triển bền vững, lý thuyết vềsinh kế nông thôn, lý thuyết tri thức lãnh thổ Trong đó, khi thu thập dữ liệu thực

đất-tế, tác giả thấy lý thuyết về sinh kế nông thôn thực tế có nhiều điểm khác biệt.Người dân ở nông thôn không chỉ quan tâm đến kinh tế, thu nhập, đất đai, nguồnsống mà họ còn quan tâm đến cả văn hóa, giáo dục, sự hạnh phúc (trích luận án

Trang 9

- Nhà nghiên cứu cần có kỹ năng nghiên cứu tốt, nắm vững loại nghiên cứu củamình và các kỹ thuật triển khai phương pháp nghiên cứu Ngoài ra, nhà nghiên cứunên có cảm quan “hoài nghi” lý thuyết Nghĩa là thường xuyên đặt câu hỏi xem dữliệu thực địa có khớp với lý thuyết không?

Trang 10

4.1.2 Các loại dữ liệu định tính

4.1.2.1 Dữ liệu định tính bằng văn bản

- Dữ liệu định tính sơ cấp bằng văn bản bao gồm: hồ sơ, báo cáo, email, báo chícủa tổ chức, các mẩu chuyện bằng văn bản, hồi kí, tự chuyện hoặc trong phươngpháp sử dụng bảng hỏi để thu thập dữ liệu, các hồi đáp từ các câu hỏi mở cũng làmột dạng dữ liệu định tính bằng văn bản

Trang 11

4.1.2 Các loại dữ liệu định tính

4.1.2.1 Dữ liệu định tính phi văn bản

- Bên cạnh dữ liệu định tính bằng văn bản còn có các dữ liệu định tính phi vănbản Dạng thức của các dữ liệu này tồn tại dưới dạng ghi hình, ghi âm Ví dụ, khi nhà nghiên cứu sử dụng phương pháp phỏng vấn, thảo luận nhóm, quan sát(bao gồm có cấu trúc và bán cấu trúc, có tham gia ) thì dữ liệu thu được có thể

là các video, các đoạn ghi âm, và những dữ liệu đó được sử dụng làm nguyênliệu để phân tích

Trang 12

4.1.3.1 Tổ chức và làm sạch dữ liệu

- Nhà nghiên cứu nên dành thời gian để tổ chức dữ liệu

- Nhà nghiên cứu có thể liệt kê trong các thẻ ghi nhớ các dữ liệu đã thu thậpđược, thể hiện những chỉnh sửa nhỏ cân thiết nhưng vẫn đảm bảo các ghi chép ởhiện trường được tái hiện một cách trung thực

- Yêu cầu của việc tổ chức dữ liệu là vẫn phải thể hiện được trung thực và kháchquan nhất bản chất của dữ liệu

- Dữ liệu định tính có đặc điểm riêng biệt, đó là ngoài nội dung truyền tải còn baogồm cả hành vi, thái độ, cảm xúc của đối tượng được quan sát hay nghiên cứu

Trang 13

4.1.3.1 Tổ chức và làm sạch dữ liệu

- Khi tổ chức dữ liệu phải chú ý không làm sai lệch đi bối cảnh thu thập dữ liệulúc đó, đặc biệt cần ghi chú lại chi tiết những hành vi, thái độ, cảm xúc của đốitượng nghiên cứu để khi nhà nghiên cứu cần xem lại có thể hồi cố lại bối cảnhbất kì lúc nào

- Trong quá trình tổ chức dữ liệu, những lỗi biên soạn cũng cần được chỉnh sửa.Quá trình này gọi là làm sạch dữ liệu

- Sau khi thực hiện điều này, nhà nghiên cứu cần gửi bản sao của bản ghi chépđến những người tham dự để kiểm tra lần cuối để đảm bảo tính trung thực của

dữ liệu và vì đôi khi những người tham dự muốn sửa lại thậm chí là ngữ pháp

Trang 14

4.1.3.2 Mã hoá và hợp nhất dữ liệu

- Hoạt động đầu tiên là phân loại dữ liệu thành những “loại” có ý nghĩa Có thể

xuất phát từ những dữ liệu hoặc từ mô hình (khuôn khổ - framework) lý thuyết

để đưa ra các khái niệm từ đó kiểm định bằng thực tế

- Những “loại” này chính là các mã hoặc các nhãn được dùng để ghép dữ liệu lại

- Quá trình phân loại dữ liệu được gọi là quá trình mã hóa dữ liệu

- Việc xác định các mã dữ liệu được hướng dẫn bởi mục đích nghiên cứu thể hiệnqua những câu hỏi nghiên cứu và mục tiêu nghiên cứu

Trang 15

Có 3 cách để đặt tên các nhãn này (Straussn & Corbin; 1998):

- Sử dụng thuật ngữ phát sinh từ chính dữ liệu

- Sử dụng các thuật ngữ thực tế được sử dụng bởi người tham gia

- Sử dụng các thuật ngữ trong lý thuyết hoặc mô hình nghiên cứu

Một mã hóa tốt cần đáp ứng các tiêu chí sau: (1) có mã hiệu; (2) thật sự cô đọng,

để chúng mang lại một cấu trúc phân tích tốt; (3) liên quan đến chủ đề nghiên cứu; (4) miêu tả về các thuộc tính đặc trưng của chủ đề; (5) có sự liên kết với các dữ

liệu khác (Kawulich, 2004)

Trang 16

Không có quy trình mã hoá nào là chuẩn mực, song sau đây là quy trình mã hóađơn giản nhất giúp các nhà nghiên cứu có thể phát triển lên thành quy trình riêngcho mình

Bước 1: Tổng hợp các file dữ liệu vào file word

Thông thường dữ liệu của nghiên cứu định tính có thể ở nhiều dạng thức: video, ghi âm, email, báo chí, báo cáo, hồ sơ, phỏng vấn, biên bản thảo luận nhóm… Dữliệu thô này sau đó phải được biên soạn lại những ghi chép, ghi chú, dưới dạngvăn bản

Trang 17

Bước 2: Xác định các chủ đề chính được nói tới trong dữ liệu

- Đọc lại 1 lần toàn bộ dữ liệu

- Đọc lại lần nữa, đọc từng đoạn và gán cho đoạn dữ liệu đó các từ khóa

- Liệt kê danh mục từ khóa và chuẩn chỉ lại danh mục này sao cho các keywordkhông gần hoặc giống nhau

- Tạo khái niệm, các mã sau khi đối chiếu danh mục các từ khóa với khung lýthuyết để nhận biết đâu là khái niệm và ý tưởng mới

Trang 18

- Sau khi mã hóa dữ liệu thành các mã với các cấp độ với các thuộc tính tương

ứng Hoạt động tiếp theo là hợp nhất dữ liệu tức là gắn các đơn vị dữ liệu với các

Trang 19

Ví dụ: đề tài quản trị nguồn nhân lực trong quá trình cắt giảm biên chế

Trang 20

Những mã này được gắn vào các bản ghi các cuộc phỏng vấn làm đơn vị dữ liệu

RED-CONS27MM Giai đoạn đầu tiên là để phát hiện các nhân viên muốn gì cho bản thân

và cách họ muốn điều này RED-MGT-ROLE Một nhân viên có thể thích nói chuyện với người bên nhân sự hơn nói

chuyện với quản lý trực tiếp – bạn biết đó, vì các lý do hiển nhiên, ít ra theo như họ thấy- và đây là điều chấp nhận đối với tổ chức

RED-MGT-VOL Cuộc họp này cho họ cơ hội để lựa chọn cắt giảm tự nguyện

Chúng tôi không phân loại nhân viên thành những người nòng cốt RED-STR-ISS hay không nòng cốt, mặc dù chúng tôi sẽ phải nói với một nhóm nhân

viên RED-CONS những lời như “có bốn người trong bộ phận này

và chúng tôi chỉ cần có hai người thôi”

Nguồn: Saunders, N.K & Philip Lewis (2015)

Trang 21

4.1.3.3 Nhận biết mối quan hệ và phát triển các mã dữ liệu

- Tạo ra các loại dữ liệu và sắp xếp lại dữ liệu theo các mã hoặc thiết kế một ma trận thích hợp và đưa dữ liệu vào các ô của ma trận là các hoạt động cụ thể củaphân tích dữ liệu (Dey, 1993; Huberman, 1994)

- Việc phân tích này sẽ tiếp diễn khi nhà nghiên cứu tìm kiếm những chủ đề, dạngthức và các mối quan hệ then chốt trong bộ dữ liệu đã được sắp xếp lại Hoạt

động này có thể dẫn đến việc điều chỉnh lại các mã dữ liệu và tiếp tục sắp xếplại dữ liệu cho đến khi nhà nghiên cứu tìm thấy ý nghĩa của các khái niệm trongtập dữ liệu

- Chẳng hạn một số loại dữ liệu có thể thu hút số lượng lớn các đơn vị dữ liệu và

sẽ quá rộng để phân tích nếu không được chia nhỏ ra

- Có những chủng loại dữ liệu có ý nghĩa tương đồng, nhà nghiên cứu có thể gộpchúng lại với nhau

- Như vậy việc xác định mối quan hệ giữa các mã dữ liệu là vô cùng quan trọng

Trang 22

4.1.3.3 Nhận biết mối quan hệ và phát triển các mã dữ liệu

- Nhà nghiên cứu có thể vẽ sơ đồ, mô hình mô phỏng sự tương tác, sự quan hệnhiều chiều hay một chiều giữa các mã dữ liệu

- Nhà nghiên cứu có thể phát hiện ra các mã dữ liệu mới so với khung nghiêncứu giúp cho việc phát triển ý tưởng mới, khái niệm mới

- Nhà nghiên cứu thường xuyên đặt ra câu hỏi mối quan hệ giữa các khái niệm làgì?

- Đây là bước khó nhất trong nghiên cứu định tính và cần cả sự nhạy cảm, trí tuệ

và kinh nghiệm của nhà nghiên cứu

Trang 23

4.1.3.4 Phát triển và kiểm định các lý thuyết

- Bản chất của bước này là tìm mối quan hệ giữa các nhân tố, giữa các khái niệmmới với nhau hoặc với yếu tố cũ

- Mối quan hệ này có thể được thể hiện dưới dạng một mô hình (ví dụ A có quan

hệ thuận chiều với B)

- Nhà nghiên cứu có thể quay lại file dữ liệu để tìm kiếm và so sánh xem liệu

trong dữ liệu có tồn tại mối quan hệ có A thì có B và ngược lại nếu tồn tại B thìphải có A hay không

Trang 24

4.1.3.4 Phát triển và kiểm định các lý thuyết

- Cách làm như sau:

- Tạo file excel để nhập dữ liệu Cột đầu tiên ghi rõ ID của cuộc phỏng vấn Ví dụPV1 Các cột tiếp theo ghi rõ đặc điểm của người được phỏng vấn để sau tiện sosánh

- Các đoạn phỏng vấn có cùng nội dung đưa vào 1 ô excel

- Cột mã ghi các nhân tố hoặc khái niệm mới phát hiện ở bước 3 Có thể ghi

nhiều hơn 1 cột nếu có nhiều mã khác nhau

- Sort các dữ liệu theo mã, so sánh liệu sự xuất hiện của nhân tố A có kèm theo sự

xuất hiện của nhân tố B hay không

Quy trình này được lặp đi lặp lại, hỗ trợ tốt cho việc xây dựng một mô hình hoặcgiả thuyết về mối quan hệ giữa các khái niệm, nhân tố

Trang 25

4.1.4 Các công cụ hỗ trợ phân tích dữ liệu định tính

Trang 26

4.2 Phân tích dữ liệu định lượng

4.2.1 Các loại dữ liệu định lượng

4.2.1.1 Phân loại dữ liệu định lượng

4.2.1.2 Đặc điểm chính của dữ liệu định lượng

4.2.2 Quy trình phân tích dữ liệu định lượng

Trang 27

4.2.1 Các loại dữ liệu định lượng

4.2.1.1 Phân loại dữ liệu định lượng

- Theo CIRT, dữ liệu định lượng là dữ liệu có thể được đếm hoặc thể hiện bằng

số Nó thường được sử dụng để hỏi "bao nhiêu” và có thể được sử dụng đểnghiên cứu các sự kiện hoặc mức độ xuất hiện Nó cũng cho phép phân tíchthống kê và tính toán toán học, do đó thường được minh hoạ trong biểu đồ hoặc

đồ thị

- Có 2 loại: Liên tục và rời rạc

Trang 28

4.2.1.1 Phân loại dữ liệu định lượng

• Dữ liệu liên tục được định nghĩa là dữ liệu có các giá trị rơi vào liên tục và có

thể là phân số hoặc số thập phân Dữ liệu liên tục thường là một phép đo vật lý

• Dữ liệu rời rạc được mô tả là có một số hữu hạn các giá trị có thể.

• Dữ liệu rời rạc cũng có thể được định nghĩa là dữ liệu có khoảng trống giữa cácgiá trị trên một dòng số, do đó các giá trị phải là một số nguyên

Trang 29

4.2.1.2 Đặc điểm chính của dữ liệu định lượng

• Dữ liệu thường được thu thập bằng các công cụ nghiên cứu có cấu trúc.

• Các kết quả dựa trên kích thước mẫu lớn

• Tiến hành nghiên cứu có thể được lặp đi lặp lại để nâng cao độ tin cậy.

• Cần đưa ra câu hỏi nghiên cứu được xác định rõ ràng để tìm ra các câu trả lời khách quan.

• Tất cả các khía cạnh của nghiên cứu được thiết kế cẩn thận trước khi DL được thu thập.

• Dữ liệu được thể hiện dưới dạng số và số liệu thống kê, thường được sắp xếp theo bảng, biểu đồ, số liệu hoặc các dạng khác không phải là văn bản.

• Sử dụng các công cụ, chẳng hạn như bảng câu hỏi hoặc phần mềm máy tính, để thu thập

dữ liệu số.

• Mục tiêu tổng quát của một nghiên cứu định lượng là phân loại các tính năng, đếm và xây dựng các mô hình thống kê nhằm giải thích những gì được quan sát thấy.

Trang 30

4.2.3 Các công cụ hỗ trợ phân tích dữ liệu định lượng

Có nhiều công cụ, phần mềm phục vụ trong phân tích dữ liệu Đối với các dữ liệuđịnh lượng thì có một số công cụ phổ biến dùng để xử lý dữ liệu như Excel, SPSS,Eviews, Stata hay R,…Trong phạm vi bài giảng này nhóm tác giả tập trung vàogiới thiệu chức năng của 2 công cụ đầu tiên (excel và SPSS) trong phân tích dữliệu định lượng

Trang 31

Có nhiều công cụ, phần mềm phục vụ trong phân tích dữ liệu Đối với các dữ liệuđịnh lượng thì có một số công cụ phổ biến dùng để xử lý dữ liệu như Excel, SPSS,Eviews, Stata hay R,…Trong phạm vi bài giảng này nhóm tác giả tập trung vàogiới thiệu chức năng của 2 công cụ đầu tiên (excel và SPSS) trong phân tích dữliệu định lượng

Trang 32

4.2.3.1 Excel

Bảng tính Excel là một phần mềm của tập đoàn Microsoft, đây là một trong nhữngphần mềm phổ biến nhất trong nghiên cứu khoa học Excel có rất nhiều tính năng, trong phạm vi bài giảng này chỉ tập trung vào những chức năng cơ bản dùng trongthu thập và phân tích dữ liệu

Tiêu đề	Bài Giảng Phân Tích Dữ Liệu
Trường học	Trường Đại Học Thương Mại
Chuyên ngành	Phương Pháp Nghiên Cứu Khoa Học
Thể loại	Bài Giảng

Định dạng
Số trang	36
Dung lượng	1,41 MB