Các phương pháp chọn mẫu trong nghiên cứu khoa học

Trong nghiên cứu khoa học, đặc biệt là nghiên cứu định lượng, việc hiểu rõ các phương pháp chọn mẫu trong nghiên cứu khoa học là nền tảng quan trọng để đảm bảo tính đại diện của dữ liệu. Thông thường, chúng ta muốn thu thập dữ liệu để đưa ra kết luận về một tổng thể nghiên cứu. Tuy nhiên, việc khảo sát toàn bộ tổng thể không phải lúc nào cũng khả thi. Vì vậy, chọn mẫu trở thành một bước quan trọng, giúp nhà nghiên cứu thu thập dữ liệu trong phạm vi phù hợp nhưng vẫn hướng đến mục tiêu suy rộng kết quả cho tổng thể.

Việc lựa chọn mẫu như thế nào, kích thước mẫu bao nhiêu và quá trình thu thập dữ liệu được thực hiện ra sao đều có thể ảnh hưởng đến chất lượng kết quả nghiên cứu. Nếu bạn đang tìm hiểu các kiến thức nền tảng khác về phương pháp nghiên cứu, phân tích dữ liệu và các công cụ như SPSS, AMOS hay SMARTPLS, có thể xem thêm các nội dung được tổng hợp tại Học Nghiên Cứu.

1. Vì sao cần chọn mẫu trong nghiên cứu?

Về lý tưởng, để mô tả chính xác đặc điểm của một tổng thể, nhà nghiên cứu có thể thu thập dữ liệu từ tất cả các phần tử thuộc tổng thể đó. Cách tiếp cận này được gọi là điều tra toàn bộ (census). Tuy nhiên, trong thực tế, điều tra toàn bộ thường khó thực hiện khi tổng thể có quy mô lớn hoặc phân bố trên phạm vi rộng.

Những hạn chế về thời gian, chi phí, nhân lực và khả năng tiếp cận đối tượng khảo sát khiến phần lớn nghiên cứu phải lựa chọn một nhóm nhỏ hơn từ tổng thể để thu thập dữ liệu. Nhóm đối tượng được lựa chọn này được gọi là mẫu nghiên cứu (sample), còn quá trình lựa chọn các phần tử vào mẫu được gọi là chọn mẫu (sampling).

Chẳng hạn, nếu PepsiCo muốn nghiên cứu mức độ hài lòng của người tiêu dùng Việt Nam đối với sản phẩm Pepsi Cola, việc xác định và khảo sát tất cả khách hàng đã từng sử dụng sản phẩm trên toàn quốc gần như không khả thi. Chi phí và nguồn lực cần thiết sẽ rất lớn, trong khi thời gian triển khai nghiên cứu có thể kéo dài đáng kể.

Thay vì khảo sát toàn bộ khách hàng, nhà nghiên cứu có thể lựa chọn một mẫu có quy mô phù hợp từ tổng thể mục tiêu. Dữ liệu thu được từ mẫu sau đó được sử dụng để ước lượng, kiểm định và đưa ra các suy luận về tổng thể.

Tuy nhiên, khả năng suy rộng kết quả không đơn giản chỉ phụ thuộc vào việc mẫu có kích thước lớn hay nhỏ. Một yếu tố quan trọng hơn là mức độ đại diện của mẫu đối với tổng thể. Phương pháp chọn mẫu xác suất, trong đó các phần tử của tổng thể có xác suất được lựa chọn xác định, là cơ sở quan trọng cho suy luận thống kê.

Ví dụ, một trường học muốn nghiên cứu liệu khối lượng bài tập về nhà có liên quan đến kết quả học tập của học sinh hay không. Thay vì khảo sát toàn bộ học sinh trong trường, nhà nghiên cứu có thể lựa chọn một mẫu học sinh bằng phương pháp phù hợp và tiến hành thu thập dữ liệu trên nhóm này. Kết quả từ mẫu được sử dụng để phân tích và, khi các điều kiện của thiết kế nghiên cứu được đáp ứng, suy luận về tổng thể học sinh mà mẫu đại diện.

Như vậy, chọn mẫu giúp nghiên cứu trở nên khả thi hơn, đồng thời tiết kiệm thời gian và nguồn lực. Vấn đề quan trọng không phải lúc nào cũng là khảo sát được nhiều người nhất, mà là lựa chọn được một mẫu phù hợp với mục tiêu và thiết kế nghiên cứu.

2. Sai số trong chọn mẫu và thu thập dữ liệu

Khi chỉ khảo sát một phần của tổng thể, kết quả thu được từ mẫu khó có thể trùng khớp hoàn toàn với đặc điểm thực tế của tổng thể. Bên cạnh đó, quá trình thiết kế bảng hỏi, thu thập và xử lý dữ liệu cũng có thể phát sinh sai sót. Vì vậy, cần phân biệt hai nhóm sai số thường gặp là sai số chọn mẫu và sai số ngoài chọn mẫu.

2.1 Sai số chọn mẫu

Sai số chọn mẫu (sampling error) là sự khác biệt giữa một đại lượng được ước lượng từ mẫu và giá trị thực của đại lượng tương ứng trong tổng thể, phát sinh do nghiên cứu chỉ quan sát một phần của tổng thể.

Ví dụ, tỷ lệ hài lòng tính từ 500 khách hàng được khảo sát có thể khác với tỷ lệ hài lòng thực tế của toàn bộ khách hàng. Ngay cả khi quy trình chọn mẫu được thực hiện đúng, sự khác biệt này vẫn có thể xuất hiện do tính ngẫu nhiên của việc lấy mẫu.

Trong điều kiện phương pháp chọn mẫu và các yếu tố khác được giữ phù hợp, kích thước mẫu lớn hơn thường giúp giảm mức độ biến động do chọn mẫu và tăng độ chính xác của ước lượng. Nếu thực hiện điều tra toàn bộ tổng thể thì không còn sai số chọn mẫu theo nghĩa này, mặc dù các dạng sai số khác vẫn có thể xảy ra.

Do đó, việc xác định kích thước mẫu cần được cân nhắc ngay từ giai đoạn thiết kế nghiên cứu. Mẫu quá nhỏ có thể làm giảm độ chính xác của ước lượng và khả năng phát hiện các mối quan hệ trong dữ liệu, trong khi tăng kích thước mẫu cũng đồng nghĩa với việc phải dành thêm nguồn lực cho quá trình khảo sát.

2.2 Sai số ngoài chọn mẫu

Không phải mọi sai số trong nghiên cứu đều xuất phát từ việc chỉ khảo sát một mẫu. Sai số ngoài chọn mẫu (non-sampling error) có thể phát sinh ở nhiều giai đoạn khác nhau của quá trình nghiên cứu.

Một số trường hợp thường gặp bao gồm người trả lời hiểu sai câu hỏi; điều tra viên ghi nhận thông tin không chính xác; đối tượng khảo sát trả lời thiếu hoặc không trung thực; dữ liệu bị nhập sai; mã hóa sai đáp án; xử lý giá trị thiếu không phù hợp; hoặc có sai sót trong quá trình làm sạch và hiệu chỉnh dữ liệu.

Khác với sai số chọn mẫu, sai số ngoài chọn mẫu không tự động giảm khi tăng kích thước mẫu. Ngược lại, khi số lượng quan sát tăng lên, khối lượng công việc thu thập, kiểm tra và xử lý dữ liệu cũng lớn hơn. Nếu quy trình kiểm soát dữ liệu không tốt, số lượng sai sót có thể gia tăng theo quy mô khảo sát.

Vì vậy, một nghiên cứu có mẫu lớn chưa chắc đã có chất lượng tốt hơn một nghiên cứu có mẫu nhỏ hơn nhưng được thiết kế và kiểm soát chặt chẽ. Bên cạnh việc xác định cỡ mẫu phù hợp, nhà nghiên cứu cần chú ý đến phương pháp chọn mẫu, chất lượng bảng hỏi, cách tổ chức khảo sát và quy trình làm sạch dữ liệu để hạn chế các nguồn sai số có thể ảnh hưởng đến kết quả nghiên cứu.

Tóm lại, chọn mẫu là giải pháp giúp nghiên cứu một tổng thể lớn trong điều kiện nguồn lực có giới hạn, nhưng quá trình này luôn đi kèm những vấn đề cần kiểm soát. Hiểu rõ sự khác biệt giữa sai số chọn mẫu và sai số ngoài chọn mẫu là nền tảng để lựa chọn phương pháp lấy mẫu, xác định kích thước mẫu và tổ chức thu thập dữ liệu phù hợp cho các bước phân tích tiếp theo.

3. Kỹ thuật chọn mẫu

Khi thực hiện một nghiên cứu thực nghiệm, chúng ta cần thu thập thông tin từ đáp viên. Nhưng đâu sẽ là các tiêu chuẩn để chúng ta quyết định chọn người này mà không chọn người kia, chúng ta sẽ đi qua các kỹ thuật chọn mẫu trong phần này. Có 2 kỹ thuật chọn mẫu chính là: phi xác suất và theo xác suất:

1. Chọn mẫu phi xác suất (non-probability sampling): phương pháp chọn mẫu mà trong đó người nghiên cứu chọn đối tượng khảo sát một cách ngẫu nhiên. Người nghiên cứu có thể chọn theo cảm tính, theo ý muốn chủ quan, theo sự thuận tiện,… Chính vì vậy, các tham số thu được từ kỹ thuật chọn mẫu này không thể dùng để ước lượng, suy ra tính chất tham số của tổng thể.
2. Chọn mẫu theo xác suất (probability sampling): phương pháp chọn mẫu mà trong đó người nghiên cứu đã biết được xác suất lượng đối tượng tham gia khảo sát. Với cách chọn mẫu này, các tham số thu về có thể dùng để ước lượng, suy ra tính chất của tham số tổng thể.

Mỗi kỹ thuật chọn mẫu có những ưu nhược điểm cũng như tính ứng dụng khác nhau, cùng xem qua bảng so sánh giữa hai phương pháp này dưới đây.

Trong mỗi kỹ thuật chọn mẫu theo xác suất và phi xác suất bao gồm nhiều phương pháp chọn mẫu chi tiết. Mỗi phương pháp sẽ có tính ứng dụng và điểm mạnh, điểm hạn chế khác nhau.

4. Các phương pháp chọn mẫu phi xác suất

4.1 Chọn mẫu thuận tiện

Chọn mẫu thuận tiện là cách người nghiên cứu lựa chọn đối tượng dựa trên sự dễ tiếp cận. Những ai có mặt tại địa điểm khảo sát và sẵn sàng tham gia sẽ được đưa vào mẫu nghiên cứu.

Ví dụ: Khi nghiên cứu mức độ hài lòng của nhân viên trong một công ty, người nghiên cứu có thể khảo sát bất kỳ nhân viên nào mình gặp. Nếu người đó từ chối tham gia, người nghiên cứu sẽ chuyển sang người khác cho đến khi đủ số lượng mẫu cần thiết.

4.2 Chọn mẫu phán đoán

Với phương pháp này, người nghiên cứu dựa vào kinh nghiệm và sự hiểu biết của mình để lựa chọn những đối tượng được cho là phù hợp với mục tiêu nghiên cứu. Vì vậy, mức độ đại diện của mẫu phụ thuộc nhiều vào năng lực và đánh giá chủ quan của người thực hiện khảo sát.

Ví dụ: Khi khảo sát sự hài lòng của nhân viên, nếu người nghiên cứu cho rằng nhân viên A có đủ thông tin và kinh nghiệm liên quan, họ sẽ mời A tham gia. Ngược lại, nếu nhận thấy nhân viên B không phù hợp, họ có thể không lựa chọn B vào mẫu khảo sát.

4.3 Chọn mẫu định mức (quota)

Trong phương pháp này, người nghiên cứu chia tổng thể thành các nhóm theo một tiêu chí nhất định như độ tuổi, giới tính, khu vực địa lý,… Sau đó, trong từng nhóm, họ sử dụng phương pháp thuận tiện hoặc phán đoán để chọn đủ số lượng mẫu theo kế hoạch đã đặt ra.

Ví dụ: Giả sử cần khảo sát 200 nhân viên trong tổng số 400 nhân viên của công ty. Người nghiên cứu chia nhân viên theo nhóm tuổi, rồi chọn đủ số lượng theo từng nhóm: 60 người từ 18–25 tuổi, 70 người từ 26–35 tuổi, 50 người từ 36–45 tuổi và 20 người trên 45 tuổi. Việc lựa chọn cụ thể từng cá nhân trong mỗi nhóm có thể dựa vào sự thuận tiện hoặc phán đoán, miễn là đạt đủ kích thước mẫu yêu cầu.

5. Các phương pháp chọn mẫu theo xác suất

5.1 Chọn mẫu ngẫu nhiên đơn giản

Đây là phương pháp mà mỗi đơn vị trong tổng thể đều có cơ hội được chọn như nhau. Người nghiên cứu lập danh sách toàn bộ đối tượng, đánh số thứ tự và sử dụng các công cụ ngẫu nhiên như bốc thăm, bảng số ngẫu nhiên hoặc hàm random trong Excel để chọn mẫu.

Ví dụ: Nếu cần khảo sát 200 nhân viên trong tổng số 400 nhân viên, người nghiên cứu sẽ lập danh sách và đánh số từ 1 đến 400. Sau đó sử dụng hàm random trong Excel để chọn ngẫu nhiên 200 người trong danh sách này.

5.2 Chọn mẫu ngẫu nhiên hệ thống

Phương pháp này cũng yêu cầu lập danh sách và đánh số toàn bộ tổng thể. Trước tiên, chọn ngẫu nhiên một điểm bắt đầu, sau đó cứ cách đều một khoảng xác định (k) lại chọn một đơn vị vào mẫu, cho đến khi đủ số lượng cần thiết.

Ví dụ: Nếu cần khảo sát 200 nhân viên trong tổng số 1.000 nhân viên, khoảng cách chọn mẫu k = 1.000 / 200 = 5. Người nghiên cứu chọn ngẫu nhiên một nhân viên trong 5 người đầu tiên, sau đó cứ mỗi 5 người lại chọn 1 người, tiếp tục cho đến khi đủ 200 người.

5.3 Chọn mẫu phân tầng

Ở phương pháp này, tổng thể được chia thành các tầng (nhóm) dựa trên tiêu chí như giới tính, phòng ban, độ tuổi,… Các đối tượng trong cùng một tầng có đặc điểm tương đồng, còn giữa các tầng có sự khác biệt rõ ràng. Sau đó, trong mỗi tầng, người nghiên cứu tiến hành chọn mẫu bằng phương pháp ngẫu nhiên đơn giản hoặc ngẫu nhiên hệ thống.

Số lượng mẫu ở mỗi tầng có thể được phân bổ theo tỷ lệ của tầng đó trong tổng thể (phân tầng tỷ lệ) hoặc không theo tỷ lệ (phân tầng không tỷ lệ).

Ví dụ: Khi khảo sát 200 nhân viên trong tổng số 400 nhân viên, người nghiên cứu chia nhân viên theo 4 phòng ban: Nhân sự, Kế toán, Sản xuất và Marketing. Dựa vào số lượng nhân viên từng phòng, họ phân bổ số mẫu tương ứng và tiến hành chọn ngẫu nhiên trong từng phòng để đủ tổng số 200 người.

5.4 Chọn mẫu theo nhóm (cụm)

Phương pháp này chia tổng thể thành các nhóm tự nhiên như lớp học, thôn/xã, khu vực,… Sau đó chọn ngẫu nhiên một số nhóm và khảo sát toàn bộ các đơn vị trong những nhóm được chọn.

Cách này thường được áp dụng khi không có danh sách đầy đủ các cá thể trong tổng thể, nhưng có thể lập danh sách theo nhóm.

Ví dụ: Nếu nghiên cứu học sinh của một trường trung học, thay vì lập danh sách toàn bộ học sinh, người nghiên cứu lập danh sách các lớp. Sau đó chọn ngẫu nhiên một số lớp và khảo sát toàn bộ học sinh trong các lớp đó.

6. Kết luận

Chọn mẫu trong nghiên cứu định lượng là một bước quan trọng trong thiết kế nghiên cứu, bởi chất lượng của mẫu có ảnh hưởng trực tiếp đến dữ liệu thu thập và khả năng suy luận từ mẫu về tổng thể. Tùy vào mục tiêu nghiên cứu, đặc điểm của tổng thể, khả năng tiếp cận đối tượng cũng như nguồn lực thực tế, người nghiên cứu có thể lựa chọn phương pháp chọn mẫu xác suất hoặc phi xác suất cùng với kỹ thuật lấy mẫu phù hợp.

Trong đó, chọn mẫu thuận tiện, phán đoán và định mức thường dễ triển khai và phù hợp khi khả năng tiếp cận tổng thể còn hạn chế. Ngược lại, các phương pháp như ngẫu nhiên đơn giản, ngẫu nhiên hệ thống, phân tầng và chọn mẫu theo cụm có cơ sở xác suất rõ ràng hơn, từ đó thuận lợi hơn cho việc suy luận thống kê về tổng thể nghiên cứu.

Không có một phương pháp chọn mẫu nào phù hợp cho tất cả nghiên cứu. Thay vì chỉ tập trung vào việc thu thập được số lượng mẫu lớn, người nghiên cứu cần quan tâm đồng thời đến cách chọn mẫu, tính đại diện, cỡ mẫu và khả năng kiểm soát sai số trong quá trình thu thập dữ liệu. Một phương án chọn mẫu được xây dựng hợp lý ngay từ đầu sẽ tạo nền tảng tốt hơn cho các bước phân tích dữ liệu và kiểm định mô hình ở giai đoạn tiếp theo.

————-

Pass giải nén: 702422