chương 4

cơ hội hay xác suất của mỗi phần tử được chọn từ tổng thể đã biết và thường như nhau cho tất cả các trường hợp.Lấy mẫu đại diện xác suất cách chọn mẫu xác suất thường gắn liền với các ch

TRƯỜNG ĐẠI HỌC KIÊN GIANG

KHOA KINH TẾ - DU LỊCH

NHÓM 4

1.Nguyễn Thị Ngọc Thảo

2.Hồ Thị Yến Quỳnh

GV hướng dẫn: Hà Thị Thanh Tuyền

PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC

PHƯƠNG PHÁP CHỌN MẪU & PHƯƠNG

PHÁP PHÂN TÍCH DỮ LIỆU

CHƯƠNG 4

-Xác định được phương pháp chọn mẫu phù hợp với mục tiêu nghiên cứu;

-Thu thập thông tin thứ cấp

và sơ cấp cho hoạt động nghiên cứu;

-Phân tích dữ liệu định lượng; -Hình thành thái độ tích cực trong tư duy và suy nghĩ;

-Thể hiện tính sáng tạo trong vận dụng và thực hành kiến thức

đã tiếp thu;

-Trung thực trong nghiên cứu.

Nội dung

4.1 Phương pháp chọn mẫu

4.1.2 Phương pháp chọn mẫu

4.1.3 Thiết kế bảng câu hỏi

4.2 Phương pháp phân tích dữ liệu

4.2.1 Chuẩn bị, nhập và kiểm tra dữ liệu 4.2.2 Khám phá và trình bày dữ liệu

4.2.3 Thống kê mô tả

4.2.4 Kiểm định giả thiết

4.2.5 Kiểm định hồi quy

4.1 Phương pháp chọn mẫu

4.1.1 Phương pháp chọn mẫu

Có nhiều câu hỏi và mục tiêu nghiên cứu, chúng ta sẽ không thể thu thập hay phân tích tất cả những dữ liệu mà mình có được, vì giới hạn thời gian, tiền bạc và thông thường là việc tiếp cận Các kỹ thuật chọn mẫu trong

chương này cho phép chúng ta giảm bớt những số lượng dữ liệu cần thu thập, bằng việc chỉ xem xét những dữ liệu từ một tiểu nhóm thay vì tất cả các phần tử

Tập hợp đầu đủ các phần tử từ đó bạn chọn một mẫu được gọi là tổng thể Trong việc lấy mẫu, thuật ngữ tổng thể không được sử

dụng theo nghĩa thông thường, vì tập hợp đầy đủ các phần tử này không nhất thiết

phải là con người

* Ví dụ 4.2: Bạn muốn nghiên cứu khám phá

so sánh các mức dịch vụ ở những siêu thị tại Việt Nam thì tổng thể là toàn bộ siêu thị tại

Việt Nam

Chọn mẫu sẽ là sự thay thế hiệu quả cho việc điều tra khi:

Việc khảo sát toàn bộ tổng thể là điều không thực tế đối với bạn;

Những giới hạn ngân sách cản trở việc khảo sát toàn bộ tổng thể của bạn;

Những giới hạn thời gian cản trở việc khảo sát toàn bộ tổng thể của bạn;

Bạn đã thu thập tất cả dữ liệu nhưng cần kết quả một cách nhanh chóng

Sự cần thiết chọn mẫu

Tổng quan về những kỹ thuật chọn mẫu

Có mục đích (phán đoán)Lần đầu (phát triển ngầm

Tự lựa chọnThuận tiện

cơ hội hay xác suất của mỗi phần tử được chọn từ tổng thể đã biết và thường như nhau cho tất cả các trường hợp.

Lấy mẫu đại diện (xác suất)

cách chọn mẫu xác suất thường gắn liền với các chiến lược nghiên cứu khảo sát và thử nghiệm

Dự án núi Pháo

(lấy mẫu nước để

kiểm nghiệm)

Lấy mẫu đại diện có 4 giai đoạn

(3) Lựa chọn kỹ thuật chọn mẫu phù hợp nhất và lựa chọn mẫu cần lấy;

(4) Kiểm tra xem mẫu được lấy có đại diện cho tổng thể không?

Giai đoạn 1: Xác định một khung chọn mẫu phù hợp và những hàm

ý về khả năng tổng quát hóa

Khung chọn mẫu: cho bất kỳ mẫu

xác suất nào đều là một danh sách đầy đủ mọi phần tử trong tổng thể mà

từ đó người nghiên cứu có thể chọn mẫu

* Ví dụ 4.4: Nếu câu hỏi hay

mục tiêu nghiên cứu của bạn liên quan các thành viên của một câu lạc bộ golf địa

phương, thì khung chọn mẫu

là một danh sách đầy đủ

thành viên của câu lạc bộ golf

đó Nếu số lượng thành viên nhiều hơn 50 người thì mẫu được chọn theo kỹ thuật chọn mẫu xác suất phải lấy từ

Khung chọn mẫu này.

Giai đoạn 2: Quyết định kích cỡ mẫu phù hợp

Khi quyết định kích cỡ mẫu thì cần cân nhắc những yếu tố sau:

(1)Độ tin cậy cần có trong dữ liệu

(2) Biên sai số có thể chấp nhận được

(3) Những loại phân tích mà người nghiên

cứu cần tiến hành

(4) Kích cỡ của tổng thể từ đó bạn lấy mẫu

xác suất mỗi phần tử được chọn từ tổng thể

chưa được biết và bạn không thể trả lời câu hỏi nghiên cứu hay đề cập các mục tiêu, nếu đòi hỏi bạn phải thực hiện các số thống kê suy diễn về các đặc tính của tổng thể

Lấy mẫu phán đoán (phi xác suất)

vẫn có thể tổng quát hóa từ những mẫu

phi xác suất cho tổng thể nhưng không

phải trên cơ sở thống kê

• Trong báo cáo nghiên cứu, chúng ta cần thể hiện tỷ lệ hồi đáp thật sự:

- Trong đó:

• HD: Tổng số phần tử hồi đáp;

• M: Tổng số phần tử trong mẫu khảo sát;

• C: Số phần tử không đủ điều kiện (là những người được chọn vào mẫu một cách ngẫu nhiên nhưng không đáp ứng những yêu cầu nghiên cứu);

• R: Số phần tử không thể tiếp cận

*Bảng 4.1 Kích cỡ mẫu tối thiểu với độ chắc chắn từ 95% đến 99% Các bạn có thể xem trong sách giáo trình trang

38 hoặc nguồn: Mark Saunder & ctg (2010: Tr235)

• * Ví dụ4.7: Nếu nhà nghiên cứu ước tính

sẽ có 70% hồi đáp hợp lệ (re% = 70%)

Vậy từ khung chọn mẫu là 1.000 phần tử,

để độ chắc chắn là 95% thì kích cỡ mẫu tối thiểu là 278 phần tử Hỏi: nên chọn

kích cỡ mẫu thực tế cần chọn là bao

nhiêu?

• Đáp: kích cỡ mẫu thực tế cần chọn =

278*100/70% = 398 phần tử

• Công thức kinh nghiệm thường dùng để tính kích cỡ mẫu trong phân tích nhân tố khám phá EFA như sau:

• * Ví dụ 4.8: Tính kích cỡ mẫu để phân tích EFA: Trong mô hình SERVQUAL của Parasuraman & ctg (1998) có 6 biến tiềm

ẩn (gồm 22 biến quan sát) Như vậy, áp dụng tỷ lệ 1 biến quan sát cần tối thiểu 5 quan sát thì kích cỡ mẫu cần chọn là 22x5

= 110 quan sát (hay kích cỡ mẫu tối thiểu cần chọn 110 phần tử) Kích cỡ mẫu này lớn hơn 50 nên ta chọn mẫu có kích cỡ

110 phần tử là phù hợp.

• Trong phân tích hồi quy bội (MLR) thì việc tính toán kích cỡ mẫu phụ thuộc vào nhiều yếu tố: mức ý nghĩa (Sig viết tắt của Significant level);

độ mạnh của phép kiểm định và số lượng biến độc lập,… (Nguyễn Đình Thọ, 2014) Công thức kinh nghiệm thường dùng để tính kích cỡ mẫu trong phân tích hồi quy bộ như sau:

n = 50 + 8 x m

• n: kích cỡ mẫu tối thiểu

• m: số biến độc lập trong mô hình nghiên cứu.

• * Lưu ý: Công thức trên tương đối phù hợp nếu

m <7

• * Ví dụ 4.9: Tính kích cỡ mẫu để phân tích MLR: Trong mô hình SERVQUAL của Parasuraman & ctg (1998) có 6 biến tiềm ẩn (gồm

1 biến phụ thuộc và 5 biến độc lập) Như vậy, kích cỡ mẫu cần chọn là n = 50 + 8 x 5 = 90 quan sát (hay 90 phần tử trong 1 mẫu).

c Giai đoạn 3:Chọn kỹ thuật chọn mẫu phù

hợp và lựa chọn mẫu cần lấy

- Năm kỹ thuật chọn mẫu xác suất là:

(1) Ngẫu nhiên đơn giản (simple random); (2) Hệ thống (systematic);

(3) Ngẫu nhiên phân tầng (stratified

random);

(4) Theo cụm (cluster);

(5) Đa tầng (multi-stage).

- Kỹ thuật chọn mẫu ngẫu nhiên đơn giản (simple

random): Là việc chọn ngẫu nhiên một mẫu từ khung

chọn mẫu bằng các bảng số ngẫu nhiên hoặc máy vi

tính Cách thức thực hiện gồm 2 bước:

• Bước 1: Đánh số mỗi phần tử trong khung chọn mẫu

theo trình tự phần tử đầu tiên đánh số 0, phần tử kế tiếp đánh số 1 và số thứ tự tăng dần cho đến hết khung chọn mẫu;

• Bước 2: Lựa chọn các phần tử vào mẫu bằng con số

ngẫu nhiên cho đến khi số phần tử trong mẫu đạt được kích cỡ mong muốn Để làm được như vậy, bạn nhắm mắt lại và chọn đại một con số trong dãy số được đánh

số ở bước 1 và sau đó tra bảng số ngẫu nhiên để chọn tiếp cho đến khi nào đủ số phần tử trong mẫu thì dừng lại Nếu con số tiếp theo cần chọn nằm ngoài khung

chọn mẫu thì bỏ con số đó và tiếp tục với con số tiếp

theo

• * Ví dụ 4.10: Bạn có danh sách khung chọn mẫu gồm 100 phần tử và cần một mẫu có kích thước 30 phần tử từ khung trên Bạn tiến hành đánh số từ 00 đến 99 cho 100 phần tử trong khung và sau đó chọn ngẫu nhiên một con số từ 00 đến 99 Giả sử bạn chọn ngẫu nhiên số 25 (con số in đậm và gạch chân trong Bảng 4.2) Vậy phần tử đầu tiên đưa vào mẫu có số thứ tự 25; phần tử kế tiếp có số thứ tự 29; 16; 72;… đến khi nào bạn chọn đủ 30 phần tử vào mẫu dừng lại.

- Kỹ thuật chọn mẫu hệ thống: Là việc chọn

ngẫu nhiên một mẫu từ khung chọn mẫu bằng các bảng số ngẫu nhiên hoặc máy vi tính và quá trình chọn phần tử vào mẫu được lập lại theo

một trình tự cố định cho đến khi đạt kích cỡ mẫu cần chọn Cách thức thực hiện gồm 4 bước:

• Bước 1: Đánh số thứ tự từ 00; 01; 02; … đến

hết số phần tử trong khung chọn mẫu.

• Bước 2: Chọn phần tử đầu tiên đưa vào mẫu

một cách ngẫu nhiên.

• Bước 3: Tính phân số chọn mẫu

• Bước 4: Lựa chọn những phần tử tiếp theo một cách hệ thống với bước nhảy được tính từ phân

số chọn mẫu.

* Ví dụ 4.11: Bạn cần chọn một mẫu ngẫu nhiên gồm 333 phần tử từ một khung chọn mẫu có 1.000 phần tử theo

kỹ thuật chọn mẫu hệ thống Cách thực hiện như sau:

• Bước 1: Đánh số thứ tự từ 0.000 đến 1.001 cho 1.000 phần tử trong khung chọn mẫu;

• Bước 2: Chọn ngẫu nhiên một phần tử đầu tiên: giả sử bạn chọn con số 0.006;

• Bước 3: Tính phân số chọn mẫu: Trường hợp này, phân

số chọn mẫu là (bạn có thể làm tròn số để tiện thực

hiện bước 4);

• Bước 4: Như vậy, phần tử kế tiếp được chọn vào mẫu 0.009; 0.012 (cứ 3 phần tử kế tiếp trong khung chọn

mẫu thì chọn ra 1 phần tử đưa vào mẫu) Cứ 3 phần tử

kế tiếp chọn ra 1 phần tử đưa vào mẫu cho đến khi nào kích cỡ mẫu của bạn đạt con số 333 thì dừng

- Kỹ thuật chọn mẫu ngẫu nhiên phân tầng: là

một biến thể của kỹ thuật chọn mẫu ngẫu nhiên, trong đó tổng thể được chia thành 2 hay nhiều tầng quan trọng và có ý nghĩa, dựa trên một

hoặc một số thuộc tính Cách thức thực hiện:

• Bước 1: Chọn biến số phân tầng;

• Bước 2: Chia khung chọn mẫu thành các tầng riêng biệt;

• Bước 3: Đánh số thứ tự cho các phần tử trong mỗi tầng tầng bắt đầu từ 00 và tăng dần đến hết mỗi tầng;

• Bước 4: Áp dụng kỹ thuật chọn mẫu ngẫu nhiên đơn giản hay kỹ thuật chọn mẫu ngẫu nhiên hệ thống đã thảo luận trên cho mỗi tầng.

• * Ví dụ 4.12: Bạn có một khung chọn mẫu gồm toàn bộ sinh viên đại học Kiên Giang (5.000 sinh viên) Bạn muốn chọn một mẫu có kích cỡ 500 sinh viên Biến số phân tầng của bạn gồm: Phân theo khoa; phân theo khóa và phân theo giới tính Các bước thực hiện:

• Bước 1: Có 3 biến số phân tầng trong đó: Khoa khóa giới

tính;

• Bước 2: Bạn dùng Excel sắp xếp danh sách 5.000 sinh viên theo từng Khoa rồi từ mỗi khoa sắp xếp theo khóa 1; khóa 2; khóa 3 và khóa 4 Trong mỗi khóa, bạn sắp xếp theo giới tính nam và nữ;

• Bước 3: Tầng giới tính được đánh số thứ tự từ 0000 trở đi cho

nữ khóa 1 của mỗi khoa sau đó làm tương tự cho nam khóa 1 của mỗi khoa; nữ khóa 2 của mỗi khoa; nam khóa 2 của mỗi khoa; nữ khóa 3 cho mỗi khoa; nam khóa 3 cho mỗi khoa;

• Bước 4: Nếu áp dụng kỹ thuật chọn mẫu hệ thống thì phân số chọn mẫu là.

• Vậy, nếu chọn trong tầng thứ nhất gồm những phần tử nữ

khóa 1 của khoa Kinh tế - Du lịch và phần tử chọn ngẫu nhiên

là 0004 thì phần tử tiếp theo là 0014; phần tử thứ ba là 0028

và cứ như thế chọn đủ cỡ mẫu cần thiết.

• Kỹ thuật chọn mẫu

theo cụm: Nhìn bề

ngoài tương tự với kỹ

thuật chọn mẫu phân

tầng, vì bạn cần chia

tổng thể thành những

nhóm riêng biệt trước

khi lấy mẫu Các nhóm

• Bước 1: Chọn cách ghép cụm cho khung chọn

mẫu;

• Bước 2: Đánh số thứ tự mỗi cụm bắt đầu là số 0

và tăng dần trong cụm;

• Bước 3: Lựa chọn mẫu của bạn bằng dạng lấy mẫu ngẫu nhiên nào đó

đã thảo luận ở trên

• Kỹ thuật chọn mẫu đa giai tầng (đôi

khi gọi là kỹ thuật chọn mẫu đa giai đoạn): Đôi khi được gọi là kỹ thuật

chọn mẫu theo cụm đa giai đoạn, là sự phát triển của kỹ thuật chọn mẫu theo cụm Kỹ thuật này thường được sử dụng để khắc phục những vấn đề của một tổng thể phân tán về mặt địa lý, khi việc tiếp xúc là cần thiết hoặc việc xây dựng một khung chọn mẫu cho một khu vực rộng lớn tốn kém và mất nhiều thời gian Các bước thực hiện (xem hình 4.2)

d Giai đoạn 4: Kiểm tra tính đại diện của

mẫu

• Thông thường bạn có thể so sánh dữ liệu thu

thập được từ mẫu của bạn với dữ liệu từ nguồn khác về tổng thể

• * Ví dụ 4.14: Bạn có thể so sánh dữ liệu về

những đặc điểm tuổi tác và kinh tế xã hội của

những người được phỏng vấn trong một cuộc khảo sát thị trường, với những đặc điểm dân số

ở nước đó được thu thập bởi cuộc điều tra dân

số gần đây nhất Nếu không có sự khác biệt

quan trọng nào về mặt thống kê thì mẫu đó có tính đại diện xét về những đặc điểm này

• Bạn cũng có thể đánh giá tính đại diện của các mẫu đối với nghiên cứu theo thời gian Rõ ràng

là, vẫn có thể so sánh những đặc điểm của

người trả lời với dữ liệu từ một nguồn khác

Ngoài ra, các đặc điểm của những người trả lời

có thể được so sánh với các thời kỳ thu thập dữ liệu khác nhau

• * Ví dụ 4.15: Bạn có thể so sánh các đặc điểm của những người trong mẫu đã trả lời bảng câu hỏi ngay lúc bắt đầu dự án nghiên cứu, với

những người đã trả lời bảng câu hỏi sáu tháng sau đó.

4.1.1.2 Kỹ thuật chọn mẫu theo

phi xác suất

b Lựa chọn kỹ thuật chọn mẫu và chọn mẫu

phù hợp nhất cho mục tiêu nghiên cứu.

• Các kỹ thuật chọn mẫu phi xác suất dưới đây có thể cung cấp những phương án hợp lý để chọn các tình huống trả lời cho câu hỏi nghiên cứu và đạt được những mục tiêu nghiên cứu đề ra Sơ

đồ 4.2 mô tả cách chọn kỹ thuật chọn mẫu phi xác suất phù hợp nhất.

- Kỹ thuật chọn mẫu theo hạn mức: Kỹ thuật này hoàn

toàn mang tính phi ngẫu nhiên và thường được sử dụng cho các cuộc khảo sát bằng phỏng vấn Nó được dựa trên tiền đề là mẫu được chọn sẽ đại diện cho tổng thể

Vì sự biến động trong mẫu đối với những biến số hạn mức khác nhau cũng giống như tính biến động trong

tổng thể Do đó kỹ thuật chọn mẫu theo hạn mức là một kiểu kỹ thuật chọn mẫu phân tầng, trong đó sự lựa chọn những phần tử trong mỗi phân tầng hoàn toàn phi ngẫu nhiên Các bước thực hiện như sau:

phải thu thập dữ liệu;

• Bước 4: Tổng hợp dữ liệu thu thập bởi những người

phỏng vấn để cung cấp một mẫu đầy đủ

- Kỹ thuật chọn mẫu hạn mức được sử dụng khi

• Kỹ thuật chọn mẫu hạn mức có một số lợi thế so với kỹ thuật chọn mẫu theo xác suất Cụ thể, nó

ít tốn kém và có thể được hình thành rất nhanh chóng

• * Ví dụ 4.16: Trong trường hợp khảo sát nghiên cứu khán giả truyền hình, việc thu thập dữ liệu của bạn cần phải được tiến hành nhanh chóng thì kỹ thuật chọn mẫu theo hạn mức có thể là

lựa chọn duy nhất Ngoài ra, nó không đòi hỏi

khung chọn mẫu và do đó, kỹ thuật chọn mẫu

hạn mức là kỹ thuật duy nhất không cần đến

khung chọn mẫu.

• Kỹ thuật chọn mẫu theo mục đích hay theo

phán đoán: cho phép nhà nghiên cứu sử dụng

phán đoán để lựa chọn các phần tử, giúp bạn trả lời câu hỏi nghiên cứu và đạt được các mục tiêu nghiên cứu một cách tốt nhất Dạng mẫu

này thường được sử dụng khi làm việc với

những mẫu rất nhỏ chẳng hạn như trong nghiên cứu tình huống và khi bạn muốn lựa chọn các phần tử đặc biệt chứa nhiều thông tin Kỹ thuật chọn mẫu theo mục đích có thể được sử dụng bởi các nhà nghiên cứu áp dụng chiến lược lý thuyết nền tảng

• Các chiến lược chọn mẫu theo mục đích được thực hiện như sau:

• Kỹ thuật chọn mẫu lệch hay phần tử ngoại lệ tập trung vào các trường hợp bất thường hay đặc biệt, trên cơ sở người nghiên cứu hiểu nhiều nhất để trả lời câu hỏi nghiên cứu và đạt được các mục tiêu một cách hiệu quả nhất Kỹ thuật này thường được dựa trên giả định rằng các kết quả từ những trường hợp ngoại lệ sẽ có liên quan đến việc tìm hiểu và giải thích các trường hợp có tính điển hình hơn (Patton, 2002)

• * Ví dụ 4.18: Nghiên cứu của Peters & Waterman (1982) về các công ty xuất sắc được dựa trên một mẫu được chọn theo mục đích gồm những công ty cực kỳ xuất sắc.

• Tương phản trực tiếp với kỹ thuật chọn mẫu không đồng nhất, kỹ thuật chọn mẫu đồng nhất tập trung vào một tiểu nhóm cụ thể, trong đó tất cả các thành viên mẫu đều tương

tự nhau Kỹ thuật này cho phép người nghiên cứu nghiên cứu nhóm theo chiều sâu.

• Kỹ thuật chọn mẫu phần tử tới hạn: lựa chọn các phần tử tới hạn trên cơ sở rằng chúng

có thể đề cập một điểm quan trọng hay bởi vì chúng quan trọng Việc thu thập dữ liệu tập trung vào tìm hiểu điều gì đang diễn ra trong mỗi phần tử tới hạn để có thể đưa ra những khái quát logic Patton (2002) đã phác họa một số manh mối gợi ý các phần tử tới hạn Những manh mối này có thể được tóm tắt bởi những câu hỏi như:

– Nếu điều đó xảy ra ở đó, nó sẽ xảy ra ở khắp mọi nơi không?

– Nếu họ có vấn đề, bạn có thể chắc chắn rằng mọi người sẽ có vấn đề không?

– Nếu họ không thể hiểu quá trình, thì dường như sẽ không ai có thể hiểu được quá trình phải không?

• Trái lại, kỹ thuật chọn mẫu phần tử điển hình thường được sử dụng như một phần của một dự án nghiên cứu, để cung cấp một đặc điểm minh họa bằng một phần tử đại diện Mẫu đó cho phép người nghiên cứu cung cấp một minh họa về điều gì thì “điển hình” đối với những người sẽ đọc báo cáo nghiên cứu của bạn và có lẽ không quen thuộc với nội dung chủ đề của bạn Nó không có xu hướng mang tính xác định.

• họ vừa rời khỏi Vậy, kỹ thuật lấy mẫu tự chọn sẽ cho phép chúng ta tiếp cận những người này với điều kiện họ chấp nhận tham gia