Kiến thức chương 4 - Phương pháp nghiên cứu khoa học - TMU

4.1. TỔNG QUAN VỀ NGHIÊN CỨU ĐỊNH LƯỢNG

Nghiên cứu định lượng là một quy trình nghiên cứu chính thức, khách quan và có hệ thống, sử dụng dữ liệu số để thu thập thông tin về thế giới, nhằm mô tả và kiểm định các mối quan hệ nhân quả. Phương pháp này thường gắn liền với triết lý thực chứng (positivism) và thực nghiệm (empiricism).

4.1.1. Khái niệm nghiên cứu định lượng

Đặc trưng cơ bản của nghiên cứu định lượng là việc thu thập, xử lý dữ liệu dạng số để kiểm định các mô hình và giả thuyết suy diễn từ lý thuyết sẵn có. Các biến số nghiên cứu được lượng hóa cụ thể, sử dụng mô hình toán học và công cụ thống kê để giải thích, dự đoán hiện tượng.

4.1.2. Các loại nghiên cứu định lượng

Có nhiều cách phân loại nghiên cứu định lượng dựa trên các tiêu chí khác nhau:

4.1.3. Quy trình nghiên cứu định lượng

Lưu ý: Tổng quan nghiên cứu phải được thực hiện đồng thời với việc xác định câu hỏi nghiên cứu để đảm bảo vấn đề đó chưa được giải quyết trước đó. Sinh viên cần có khả năng đọc tài liệu tiếng Anh vì các nghiên cứu mới thường được công bố bằng ngôn ngữ này.

4.2. DỮ LIỆU TRONG NGHIÊN CỨU ĐỊNH LƯỢNG

Trong nghiên cứu định lượng, nhà nghiên cứu sử dụng hai nguồn dữ liệu chính là dữ liệu sơ cấp và dữ liệu thứ cấp.

4.2.1. Dữ liệu thứ cấp

Dữ liệu thứ cấp là dữ liệu có sẵn, do người khác thu thập cho các mục đích khác nhưng có thể tái sử dụng cho nghiên cứu hiện tại.

a. Các loại dữ liệu thứ cấp

b. Ưu và nhược điểm của dữ liệu thứ cấp

1. Ưu điểm: Tiết kiệm thời gian, chi phí; đảm bảo tính kín đáo; phù hợp cho nghiên cứu dài hạn; có tính ổn định cao.
2. Nhược điểm: Mục đích thu thập ban đầu không trùng khớp; khó truy cập hoặc tốn phí; định nghĩa các biến số có thể khác biệt; chất lượng khó kiểm soát.

4.2.2. Dữ liệu sơ cấp

Dữ liệu sơ cấp là dữ liệu do chính nhà nghiên cứu tự thu thập để giải quyết vấn đề nghiên cứu hiện tại khi dữ liệu thứ cấp không đáp ứng được.

a. Phân loại dữ liệu sơ cấp

1. Dữ liệu chưa có sẵn: Đã tồn tại trong thực tế nhưng chưa ai thu thập (cần khảo sát, điều tra).
2. Dữ liệu chưa có trong thực tế: Chưa tồn tại, nhà nghiên cứu phải thiết kế thử nghiệm để tạo ra (ví dụ: phản ứng với sản phẩm mới).

b. Các loại bảng hỏi trong thu thập dữ liệu sơ cấp

1. Bảng hỏi tự quản lý (Self-administered): Gửi qua Internet, bưu điện, email để người trả lời tự điền. Cần cấu trúc rõ ràng, không gây nhầm lẫn.
2. Bảng hỏi do người khảo sát quản lý (Interviewer-administered): Phỏng vấn trực tiếp hoặc qua điện thoại. Giúp giải thích thắc mắc nhưng tốn chi phí và thời gian.

c. Các loại biến số khi thu thập dữ liệu sơ cấp

1. Biến quan điểm: Ghi lại cảm nhận, niềm tin của người được hỏi.
2. Biến hành vi: Ghi lại những gì đối tượng đã làm, đang làm hoặc sẽ làm.
3. Biến thuộc tính: Các đặc điểm nhân khẩu học như tuổi, giới tính, thu nhập.

4.3. CHỌN MẪU TRONG NGHIÊN CỨU ĐỊNH LƯỢNG

Chọn mẫu là khâu then chốt quyết định chất lượng kết quả nghiên cứu, giúp suy luận các đặc tính của tổng thể từ một nhóm nhỏ đại diện.

4.3.1. Sự cần thiết phải chọn mẫu

Lý do chính bao gồm: Đảm bảo tính khả thi (tránh phá hủy toàn bộ đối tượng); tiết kiệm ngân sách và thời gian; tăng độ chính xác bằng cách kiểm soát tốt quá trình thu thập dữ liệu.

4.3.2. Chọn mẫu và sai số

4.3.3. Các khái niệm cơ bản trong chọn mẫu

1. Tổng thể (Population): Tập hợp tất cả các đối tượng nghiên cứu.
2. Mẫu (Sample): Một nhóm phần tử được chọn ra từ tổng thể.
3. Phần tử (Element): Đối tượng nhỏ nhất cần thu thập dữ liệu.
4. Khung chọn mẫu (Sampling frame): Danh sách liệt kê thông tin của tổng thể để chọn mẫu.

4.3.4. Quy trình chọn mẫu

1. Xác định tổng thể cần nghiên cứu.
2. Xác định khung mẫu.
3. Xác định kích thước mẫu.
4. Xác định phương pháp chọn mẫu.
5. Tiến hành chọn mẫu và điều tra.

4.3.5. Các phương pháp chọn mẫu

4.3.5.1. Phương pháp chọn mẫu ngẫu nhiên (Xác suất)

Mọi phần tử đều có cơ hội được chọn ngang nhau, cho phép suy rộng kết quả ra tổng thể.

1. Ngẫu nhiên đơn giản: Dùng bốc thăm hoặc máy tính chọn từ danh sách.
2. Ngẫu nhiên hệ thống: Chọn theo bước nhảy $k = N/n$.
3. Phân tầng: Chia tổng thể thành các tầng (nhóm) rồi chọn ngẫu nhiên trong từng tầng.
4. Theo cụm: Chia thành nhiều cấp độ (nhiều giai đoạn) phù hợp với địa bàn rộng.

4.3.5.2. Phương pháp chọn mẫu phi ngẫu nhiên (Phi xác suất)

Dựa trên phán đoán chủ quan, không thể tính được sai số chọn mẫu.

1. Thuận tiện: Chọn đối tượng dễ tiếp cận nhất.
2. Phán đoán: Dựa trên kinh nghiệm của nhà nghiên cứu.
3. Định mức: Phân nhóm tổng thể rồi chọn thuận tiện theo một tỉ lệ định sẵn.
4. Quả cầu tuyết: Nhờ đối tượng này giới thiệu đối tượng khác (dùng khi đối tượng khó tìm).

4.3.6. Xác định kích thước mẫu (cỡ mẫu)

1. Theo chuẩn mực cơ bản: $n \ge 30$; trung bình tỉ lệ lấy mẫu là $1/10$ tổng thể.
2. Theo phân tích chuyên sâu: Ví dụ phân tích nhân tố cần cỡ mẫu gấp 5-10 lần số mục hỏi.
3. Công thức tính theo mức độ chính xác kỳ vọng:

$n = \left( \frac{Z_{\alpha/2} \times S_x}{e} \right)^2$

Trong đó $e$ là sai số cho phép, $S_x$ là độ lệch chuẩn mẫu.

4.4. ĐO LƯỜNG VÀ THU THẬP DỮ LIỆU ĐỊNH LƯỢNG

Đo lường là việc gán số cho các khái niệm nghiên cứu để có thể phân tích thống kê.

4.4.1. Đo lường và cấp độ thang đo trong nghiên cứu

4.4.1.1. Đo lường các khái niệm nghiên cứu

Một khái niệm nghiên cứu (biến tiềm ẩn) thường không đo được trực tiếp mà phải thông qua các mục hỏi (biến quan sát). Ví dụ: "Ý định khởi nghiệp" được đo bằng 3 mục hỏi cụ thể.

4.4.1.2. Thang đo và các cấp độ thang đo

4.4.2. Thiết kế bảng câu hỏi

Cần tuân thủ nguyên tắc: Dễ hiểu, đơn nhất (mỗi câu 1 ý), trung lập (không định hướng trả lời) và phong phú.
Thứ tự câu hỏi: Từ dễ đến khó, từ khái quát đến cụ thể, thông tin cá nhân đặt ở cuối cùng.

Chú ý 12 lỗi sinh viên hay mắc: Đặt thông tin cá nhân lên đầu; không thử nghiệm bảng hỏi; câu hỏi hai ý lồng nhau; dùng thuật ngữ quá chuyên môn; thiếu phương án "không có ý kiến"; dùng quá nhiều câu hỏi mở.

4.4.3. Nhập và chuẩn bị dữ liệu

Dữ liệu sau khi thu về cần được rà soát, loại bỏ các bản trả lời không hợp lệ, sau đó mã hóa thành các con số và nhập vào phần mềm (SPSS, Excel). Bước cuối cùng là làm sạch dữ liệu để xử lý các giá trị trống hoặc sai lệch.

4.5. XỬ LÝ DỮ LIỆU

4.5.1. Phân tích thống kê mô tả

Sử dụng để tóm tắt đặc điểm của đối tượng điều tra. Hai đại lượng quan trọng nhất là:

1. Giá trị trung bình (Mean): $\bar{X} = \frac{\sum X_i}{n}$
2. Độ lệch chuẩn (Std. Deviation): Đo mức độ phân tán của dữ liệu xung quanh giá trị trung bình. Độ lệch chuẩn càng lớn chứng tỏ ý kiến của người được hỏi càng không thống nhất.

4.5.2. Các phân tích chuyên sâu khác

4.5.2.1. Phân tích nhân tố (Factor Analysis)

Dùng để rút gọn một tập hợp nhiều biến quan sát thành một số ít các nhân tố có ý nghĩa hơn. Điều kiện: Chỉ số KMO $> 0.5$ và kiểm định Bartlett có ý nghĩa thống kê.

4.5.2.2. Phân tích độ tin cậy (Reliability Analysis)

Sử dụng hệ số Cronbach's Alpha để kiểm tra sự thống nhất trong câu trả lời. Yêu cầu:
1. Hệ số Alpha tổng $> 0.6$.
2. Hệ số tương quan biến - tổng $> 0.3$.
3. Nếu Alpha $> 0.95$, các biến có thể bị trùng lặp nội dung.

4.5.2.3. Phân tích hồi quy (Regression Analysis)

Xác định quan hệ phụ thuộc của biến phụ thuộc vào các biến độc lập để tiên đoán giá trị. Mô hình hồi quy đa biến có dạng:

$Y = \beta_0 + \beta_1X_1 + \beta_2X_2 + ... + \beta_kX_k + \epsilon$