ppnckh 2015 hoang trong

UEH - PP Nghiên Cứu Khoa Học - GV Hoàng Trọng 1

PHƯƠNG PHÁP NGHIÊN CỨU KHOA HỌC(trong kinh tế & kinh doanh)

NGHIÊN CỨUVÀ VAI TRÒ CỦA NGHIÊN CỨU

Hoàng Trọng

2

NGHIÊN CỨU KHOA HỌC

� Nghiên cứu khoa học là một cách thức con người tìm hiểu sự việc một cách có hệ thống (Babbie, 1986)

� Hiểu biết một sự việc: chấp nhận hoặc nghiên cứu.

� Chấp nhận: từ nhận kinh nghiệm hay nghiên cứu của người khác.

� Nghiên cứu: tìm hiểu sự việc qua việc nghiên cứu hay kinh nghiệm của chính mình.


3


� Nghiên cứu hàn lâm trong một ngành khoa học nhằm mở rộng kho tàng tri thức của ngành khoa học đó. Kết quả nhằm mục đích trả lời các câu hỏi về bản chất lý thuyết của khoa học: xây dựng và kiểm định các lý thuyết khoa học. Các lý thuyết khoa học dùng để giải thích và dự báo các hiện tượng khoa học.

� Nghiên cứu hàn lâm trong một ngành khoa học nào đó nhằm xây dựng và và kiểm định các lý thuyết khoa học để giải thích và dự báo các hiện tượng khoa học (Kerlinger, 1986)

4


� Nghiên cứu ứng dụng nhằm ứng dụng các thành tựu của khoa học ngành đó vào thực tiễn cuộc sống.

� Kết quả nghiên cứu ứng dụng nhằm mục đích hỗ trợ cho việc ra quyết định.

� Nghiên cứu ứng dụng trong kinh doanh là các nghiên cứu áp dụng khoa học nghiên cứu trong việc nghiên cứu các vấn đề trong kinh doanh của công ty, nhằm hỗ trợ trực tiếp các nhà quản lý điều hành trong quá trình ra quyết định quản lý kinh doanh.


5

� Qui trình suy diễn bắt đầu từ lý thuyết khoa học đã có (lý thuyết nền) để xây dựng (suy diễn) các giả thuyết trả lời cho câu hỏi nghiên cứu và dùng quan sát để kiểm định các lý thuyết này

� Qui trình qui nạp đi theo hướng ngược lại. Qui trình này bắt đầu bằng cách quan sát các hiện tượng khoa học để xây dựng mô hình giải thích các hiện tượng khoa học (lý thuyết khoa học).

� Lý thuyết là nền tảng để xây dựng các giả thuyết, giả thuyết cần có quan sát để kiểm định, kết quả kiểm định giúp tổng quát hóa và các tổng quát hóa này sẽ bổ sung cho lý thuyết. Lý thuyết lại kích thích các giả thuyết mới.

CÁC TRƯỜNG PHÁI NCKHSuy diễn và qui nạp

6

CÁC TRƯỜNG PHÁI NCKHSuy diễn và qui nạp


7

� Nghiên cứu định tính: thường đi đôi với với việc khám phá ra lý thuyết khoa học dựa vào qui trình qui nạp (nghiên cứu trước, lý thuyết sau)

� Nghiên cứu định lượng: thường gắn liền với việc kiểm định lý thuyết khoa học dựa vào qui trình suy diễn

� Nghiên cứu hỗn hợp: phối hợp cả định tính & định lượng với những mức độ khác nhau.

CÁC TRƯỜNG PHÁI NCKHĐịnh tính, định lượng và hỗn hợp

8

� Có nhiều cách thức khám phá các hiện trượng khoa học – tạo ra tri thức khoa học- và chúng dựa trên những tiền đề khác nhau, tạo thành các hệ nhận thức khoa học –cung cấp cách tiếp cận cho nhà nghiên cứu.

� Hệ nhận thức khách quan (postpositivism): hệ nhận thức thực chứng, thường đi đôi với trường phái định lượng

� Hệ nhận thức chủ quan (constructivism): xây dựng hay diễn giải, thường gắn với trường phái định tính.

� Hệ nhận thức thực dụng (pragmatism): gắn liền với trường phái hỗn hợp.

CÁC TRƯỜNG PHÁI NCKHHệ nhận thức và trường phái NCKH


9

� Ba vấn đề chính của NCKH:

� Bản chất của thực tế là gì? => quan điểm luận khoa học

� Nhà nghiên cứu và SP nghiên cứu quan hệ với nhau như thế nào? => nhận thức luận khoa học

� Cách thức nào để khám phá tri thức khoa học => phương pháp luận nghiên cứu khoa học


10

Quan điểm luận khoa học (ontology: the science of being):

� Trường phái định lượng, dựa vào hệ nhận thức khách quan , thường theo qui trình suy diễn (từ lý thuyết), kiểm định lýthuyết khoa học xem có phù hợp với thực tế hay không. Qui trình: LÝ THUYẾT -> NGHIÊN CỨU

� Trường phái định tính, dựa vào hệ nhận thức chủ quan, thường theo qui trình qui nạp, NCKH là xây dựng lý thuyếtkhoa học dựa vào quá trình - các hiện tượng khoa học tươngtác qua lại với nhau, thường gắn với các PP định tính. Qui trình NGHIÊN CỨU – LÝ THUYẾT

� Trường phái NC hỗn hợp, dựa vào hệ nhận thức thực dụng: vấn đề quan trọng để tạo ra tri thức khoa học không phải làcó sự hiện diện của thực tế khách quan không, mà là sảnphẩm của NCKH sẽ giúp ích cho DN.



11

Nhận thức luận khoa học (epistemology: the theory of knowledge): Tri thức khoa học là gì? Những gì là tri thức khoa học, nguồngốc, bản chất và hạn chế của chúng…

� Trường phái NC định lượng, theo hệ nhận thức khách quan: khoa học độc lập với nhà nghiên cứu -> thu thập dữ liệu địnhlượng (độc lập) - và đó là thực tế - để kiểm định lý thuyết KH.

� Trường phái NC định tính, theo hệ nhận thức chủ quan: tri thức KH phụ thuộc vào nhà NC -> trực tiếp đến hiện trườngđể thu thập và diễn giải dữ liệu, nhà NC thảo luận, quan sát, đồng hành với đối tượng nghiên cứu để tìm hiểu và thu thập.

� Trường phái NC hỗn hợp, dựa vào hệ nhận thức thực dụng: không quan tâm đến vấn đề tri thức khoa học độc lập hay phụthuộc vào nhà NC, mà là tính thực dụng của nó -> sử dụngnhiều dạng dữ liệu và PP thu thập.


12

Phương pháp luận nghiên cứu KH (methodology): Nghiên cứuđược tiến hành như thế nào, lý thuyết được xây dựng và kiểmđịnh ntn� Trường phái NC định lượng, theo hệ nhận thức khách quan: thường

theo qui trình suy diễn, NCKH là kiểm định các lý thuyết KH và cáclý thuyết - và đó là thực tế - để kiểm định lý thuyếtKH. Quy trình làLÝ THUYẾT -> NGHIÊN CỨU (dựa vào phương sai)

� Trường phái NC định tính, theo hệ nhận thức chủ quan: thườngtheo qui trình qui nạp, NCKH là xây dựng các lý thuyết khoa họcdựa vào quá trình tương tác qua lại và thường gắn liền với các PP định tính -> xây dựng lý thuyết khoa học theo quá trình. Quy trình làNGHIÊN CỨU -> LÝ THUYẾT.

� Trường phái NC hỗn hợp, dựa vào hệ nhận thức thực dụng: kếthợp cả PP nghiên cứu định tính và định lượngở nhiều mức độ khácnhau để xây dựng và /hoặc kiểm định lý thuyết khoa học.



QUY NẠPĐịnh tínhXây dựngQuá trình(processtheorizing)

Phương pháp luận NCKH

SUY DIỄNĐịnh lượngKiểm định

Phương sai(variance

theorizing)

Phối hợp(triangulation

─mixed methodology)

LÝ THUYẾTKHOA HỌC

13Nguyễn Đình Thọ, Trường ĐH Kinh tế TPHCM

14

1. Thế nào là một lý thuyết khoa học và nội dung của nó baogồm những gì?

2. Làm sao để đánh giá một lý thuyết khoa học?

3. Sử dụng lý thuyết khoa học trong nghiên cứu cụ thể củamình như thế nào?

LÝ THUYẾT KHOA HỌC


15

� Một lý thuyết khoa học là “một tập của những khái niệm, định nghĩa, và giả thuyết trình bày có hệ thống thông qua các mối quan hệ giữa các khái niệm, nhằm mục đích giải thích và dự báo các hiện tượng KH” (Kerlinger, 1986).

� Khi xây dựng một lý thuyết khoa học, ta phải xác định các khái niệm sẽ tạo thành lý thuyết, khái niệm phải:

� (1) đo lường được. Thông thường ta không thể đo lường trực tiếp các khái niệm nghiên cứu mà phải thông qua một hay nhiều biến quan sát khác có thể đo lường được.

� (2) mối liên hệ giữa các khái niệm.� (3) lý thuyết phải nhằm mục đích giải thích và dự báo các hiện tượng khoa

học.

LÝ THUYẾT KHOA HỌCcác thành phần của lý thuyết khoa học

16

Feldman:1. Câu hỏi nghiên cứu: thật sự quan trọng và cần thiết2. Cơ sở lý thuyết: phải đầy đủ và phù hợp3. Phạm vi nghiên cứu: đầy đủ4. Định nghĩa các khái niệm nghiên cứu chính xác, rõ ràng, đơn giản5. Bản chất của các mối l iên hệ lý thuyết phải rõ ràng và logic: biến

độc lập, phụ thuộc, điều tiết …6. Bài nghiên cứu cần được dẫn hướng bởi lý thuyết nền7. Xác định rõ ràng hướng tập trung và phạm vi 8. Văn viết rõ ràng, súc tích9. Bên cạnh tổng hợp các nghiên cứu đã có, cần phải cung cấp

những phê bình, đánh giá và đưa ra hướng để kiểm định lý thuyếtđưa ra.

10. Cho thấy sự khác biệt có ý nghĩa so với các nghiên cứu đã có vàcó ý nghĩa trong thực tiễn

LÝ THUYẾT KHOA HỌCcác tiêu chuẩn đánh giá lý thuyết khoa học


17

Bacharach, Dubin, Weick, Whetten:1. Yếu tố cấu thành2. Mối quan hệ giữa các khái niệm nghiên cứu3. Khả năng tổng quát hóa của lý thuyết4. Đóng góp của lý thuyết vềmặt lý luận và thực tiễn5. Kiểm định được

LÝ THUYẾT KHOA HỌCcác tiêu chuẩn đánh giá lý thuyết khoa học

18

NGHIÊN CỨU, XÂY DỰNG VÀ KIỂM ĐỊNHLÝ THUYẾT KHOA HỌC

QUY NẠPĐịnh tínhXây dựngQuá trình(processtheorizing)

SUY DIỄNĐịnh lượng

Kiểm địnhPhương sai

(variance theorizing)

Phối hợp(triangulation─m

ixed methodology)

LÝ THUYẾTKHOA HỌC

Nguyễn Đình Thọ, Trường ĐH Kinh tế TPHCM


Qui trình nghiên cứu xây dựng lý thuyết khoa học:

19


Khe hổng => câu hỏi nghiên cứu

Lý thuyết => XD lý thuyết mới

Thiết kế nghiên cứu

Thực hiện nghiên cứu

Mô hình v à giả thuyết lý thuyết

T

R

Phư

ơng

phá

p

Phư

ơng

phá

p luận

?

Qui trình nghiên cứu kiểm định lý thuyết khoa học:

20



Lý thuyết => mô hình, giả thuyết

Xây dựng thang đo

Kiểm định thang đo

Kiểm định mô hình, giả thuyết

T

R

Phư

ơng

phá

p

Phư

ơng

phá

p luận

?


21


Khe hổng => câu hỏi nghiên cứuNhu cầu xây dựng lý thuyết mới

Xây dựng lý thuyết mới bằng phương pháp định tính

Kiểm định lý thuyết đã xây dựng bằng phương pháp định lượng

?

Qui trình hỗn hợp: xây dựng & kiểm định lý thuyết

Dữ liệu để xây dựng & kiểm định lý thuyếtNghiên cứu có cùng nghĩa với dữ liệu: D (data) ≡ R (research)

22



Cử nhân,Thạc sĩ

(hệ môn học)

Các dạng nghiên cứu

Hàn lâm

(Mở rộng tri thức khoa học)

Lặp lại

loại I

Lặp lại

loại II

Lặp lại

loại III

Nguyên

thủy

Cử nhân (hệ nghiên cứu)

Ứng dụng

(giải quyếtvấn đề)

Thạc sĩ hệ nghiên cứu

Tiến sĩ PhD

Tiến sĩ DBA


Dự án nghiên cứu vàdự án quản lý / kinh doanh

� Dự án nghiên cứu: Mục tiêu là nghiên cứu (data)◦ Hàn lâm: xây dựng và kiểm định lý thuyết khoa học

◦ Ứng dụng: thu thập thông tin để ra quyết định kinh doanh

� Dự án quản lý/ kinh doanh◦ Mục tiêu: giải quyết vấn đề quản lý/ kinh doanh (xác định

và giải quyết)

◦ Nghiên cứu (ứng dụng): thu thập thông tin để xác định, giải quyết vấn đề quản lý/ kinh doanh và đánh giá hiệuquả



� Phạm vi đề tài còn rất rộng (như khóa luận cửnhân)

� Chưa phân biệt: nghiên cứu, phương phápnghiên cứu, hoạch định chiến lược, chươngtrình, vv.

� Chưa nắm rõ mối liên hệ: lý thuyết – thực trạng– giải pháp

LvThS dạng dự án quản lý/ kinh doanh


LvThS dạng nghiên cứu hàn lâm

• Mục tiêu và phương pháp nghiên cứu rõ ràng và cụ thể hơn:

• Chưa nắm vững cách thức suy diễn từ lý thuyết

• Chưa nắm vững được phương pháp thiết kế và xử lý số liệu

• Chưa vận dụng hiệu quả những kết quả nghiên cứu để đưa ra giải pháp cụ thể nhằm giải quyết vấn đề



Vd LvThS: Rủi ro trong hoạt động thanh toán XNK của ngân hàng XYZ…

• Mục tiêu: • Hệ thống lại các rủi ro trong kinh doanh

quốc tế…, • Tìm hiểu kinh nghiệm phòng chống rủi ro

của tập đoàn XYZ, • Đánh giá thuận lợi khó khăn…, và • Đưa ra một số giải pháp phòng ngừa và xử

lý rủi ro, vv.


Vd LvThS: Chiến lược kinh doanh của xí nghiệp thương mại XYZ

• Mục tiêu nghiên cứu:

Dựa trên cơ sở lý luận về hoạch định chiến lược kinh doanh, tác giả đã nghiên cứu thực trạng hoạt động sản xuất kinh doanh của xí nghiệp… để đưa ra mặt mạnh mặt yếu, cơ hội và thách thức…, từ đó xây dựng định hướng chiến lược phát triển và các giải pháp thực hiện cho xí nghiệp…



Cơ sở lý thuyết/thực trạng thị trườngCâu hỏi nghiên cứu

Nghiên cứu khám phá

Mô hình nghiên cứu/giả thuyết

Nghiên cứu định tính (điều chỉnh thang đo)Nghiên cứu định lượng

(kiểm định thang đo, mô hình & giả thuyết)

Ví dụ: Luận án ThS/TS: suy diễn

Kết quả: So với nghiên cứu đã có/ý nghĩa thực tiễn

Cơ sở lý thuyết


Ví dụ: Luận án ThS/TS: Qui nạp

Cơ sở lý thuyết/thực trạng thị trườngVấn đề nghiên cứu

Thiết kế và thực hiện nghiên cứuĐịnh tính/định lượng/kết hợp

Kết quả: mô hình/lý thuyếtSo sánh với lý thuyết đã có/ý nghĩa thực tiễn


Câu hỏi nghiên cứu



Cơ sở lý thuyết/thực trạng thị trườngCâu hỏi nghiên cứu

Nghiên cứu khám phá

Mô hình nghiên cứu/giả thuyết

Nghiên cứu định tính (điều chỉnh thang đo)Nghiên cứu định lượng

(kiểm định thang đo, mô hình & giả thuyết)

Ví dụ: Luận án ThS/TS: suy diễn

Kết quả: So với nghiên cứu đã có/ý nghĩa thực tiễn



Ví dụ: Luận án ThS/TS: Qui nạp

Cơ sở lý thuyết/thực trạng thị trườngVấn đề nghiên cứu

Thiết kế và thực hiện nghiên cứuĐịnh tính/định lượng/kết hợp

Kết quả: mô hình/lý thuyếtSo sánh với lý thuyết đã có/ý nghĩa thực tiễn


Câu hỏi nghiên cứu



VẤN ĐỀ NGHIÊN CỨUMỤC TIÊU NGHIÊN CỨUCÂU HỎI NGHIÊN CỨU

Hoàng Trọng


34

VẤN ĐỀ NGHIÊN CỨU

Xác định vấn đề nghiên cứu có thể từ:� Lý thuyết: tổng kết lý thuyết, những gì những nghiên cứu

trước đó đã làm, chưa làm, chưa làm hoàn chỉnh

� Thực tế thị trường: các vấn đề đang vướng mắc, xuất hiệntrên truyền thông, các hội thảo kinh doanh, những nghiêncứu khám phá sơbộ, thảo luận với các nhà nghiên cứu cùngngành.

� Khi vấn đề nghiên cứu được phát hiện từ thực tế cần liên hệ với lýthuyết để xác định xem có nghiên cứu nào giải quyết vấn đề nàychưa và giải quyết đếnđâu

� Khi vấn đề nghiên cứu xuất phát từ lý thuyết cần xem xét vấnđềnghiên cứu này giúp ích gì cho hoạt động sxkd trên thị trường


35

Ý TƯỞNG, VẤN ĐỀ, MỤC TIÊU, CÂU HỎI &GIẢ THUYẾT NGHIÊN CỨU

Ý tưởng nghiên cứu là những ý tưởng ban đầu về vấn đề nghiên cứu-> tìm kiếm khe hổng nghiên cứu để nhận diện vấn đề nghiên cứu.

Xác định mục tiêu nghiên cứu: cần nghiên cứu cái gì.

Câu hỏi nghiên cứu: phát biểu mục tiêu nghiên cứu ở dạng câu hỏi.

36

XÁC ĐỊNH VẤN ĐỀ NGHIÊN CỨU

Một nghiên cứu cần thỏa mãn 2 yêu cầu: có tính mới, có ý nghĩa

Mức độ mới: đóng góp mới cho khoa học của kết quả NC:

� Dạng nguyên thủy

� Nghiên cứu lặp lại:

� Loại 0: hoàn toàn giống như nghiên cứu đã có (KHTN)

� Loại I: giống thiết kế, mô hình nghiên cứu thực hiệnđể tăng mứcđộ tổng quát hóa của nghiên cứu đã có nhưkiểm định ở nềnvăn hóa khác, đối tượng nghiên cứu khác …

� Loại II: lặp lạiở nhiều ngữ cảnh khác nhau

� Loại III: lặp lại có bổ sung để hoàn thiện hơn


37


Cử nhân,Thạc sĩ

(hệ môn học)

Hàn lâm

(Mở rộng tri thức khoa học)

Lặp lại

loại I

Lặp lại

loại II

Lặp lại

loại III

Nguyên

thủy

Cử nhân hệ (hệ nghiên cứu)

Ứng dụng

(giải quyếtvấn đề)

Thạc sĩ hệ nghiên cứu

Tiến sĩ PhD

Tiến sĩ DBA


38


Theo dõi thị trường• Phương tiện truyền thôngđại chúng

• Nghiên cứu sơ bộ

Theo dõi lý thuyết• Lý thuyết trong cùng ngành• Lý thuyết trong nhiều

ngành liên quan

VẤN ĐỀ NGHIÊN CỨU• trong cùng ngành khoa học• Liên quan đến nhiều ngành

khoa học


39

TỔNG KẾT LÝ THUYẾT

Tổng kết lý thuyết là khâu đầu tiên và đóng vai trò quyết định

Theo Hart (2009): tổng kết lý thuyết là:

(1) việc chọn lọc các tài liệu về chủ đề nghiên cứu, trong đó bao gồm thông tin, ý tưởng, dữ liệu và bằng chứng được trình bày trên một quan điểm nào đó để hoàn thành các mục tiêu đã xác định hay diễn tả các quan điểm về bản chất của chủ đề đó cũng như phương pháp xem xét chủ đề đó, và (2) việc đánh giá một cách hiệu quả các tài liệu này trên cơ sở liên hệ với nghiên cứu chúng ta đang thực hiện”

40


Tổng kết lý thuyết chia thành 2 nhóm có hướng và mục tiêukhác nhau (Cooper, 1998)

� Tổng kết nghiên cứu (research review ) tập trung vào tổng kếtcác nghiên cứu thực tiễn (emperical study) để đưa ra kết luậnchung về kết quả của các nghiên cứu này, nhằm đúc kếtnhững gì cần được tiếp tục nghiên cứu (khe hổng nghiêncứu)

� Tổng kết lý thuyết (theoretical review ): nhà nghiên cứu trìnhbày các lý thuyết đã có cùng giải thích một số hiện tượng KH nào đó và so sánh chúng về mặt độ sâu, tính nhất quán cũngnhư khả năng dự báo.


41


Về phương pháp tổng kết lý thuyết có 2 nhóm chính:

� Định tính: thiên về từ ngữ (narratives)

� Định lượng (meta analysis): dùng các kỹ thuật định lượng đểtổng kết và so sánh các kết quả nghiên cứu

Tổng kết lý thuyết không chỉ mô tả mà còn đánh giá chúng.

42


Tổng kết lý thuyết phục vụ nhiều công đoạn trong quá trình NC:

� Xác định vấn đề nghiên cứu

� Cơ sở lý thuyết

� Chọn lựa phương pháp

� So sánh kết quả


43


Tổng kết lý thuyết cần trả lời các câu hỏi cơ bản:

1. Nguồn tài liệu nào cần tham khảo về chủ đề nghiên cứu?

2. Những vấn đề, câu hỏi nghiên cứu về chủ đề nghiên cứu?

3. Những vấn đề, tranh luận chính về chủ đề nghiên cứu?

4. Những ý tưởng, khái niệm, lý thuyết về chủ đề nghiên cứu?

5. Những PP luận, phương pháp, công cụ nghiên cứu sử dụngvà những tranh luận về việc sử dụng chúng?

6. Cách thức sắp xếp những tri thức đã có về chủ đề nghiêncứu?

44


Nguồn tài liệu tổng kết lý thuyết:

1. Tạp chí khoa học hàn lâm chuyên ngành

2. Sách nghiên cứu (sách công bố các công trình nghiên cứu)

3. Các luận án thạc sĩ hệ nghiên cứu, tiến sĩ trong ngành

4. Kỷ yếu các hội thảo khoa học chuyên ngành (proceedings)


45


Qui trình tổng kết nghiên cứu:

1. Xác định từ khóa về chủ đề đang nghiên cứu

2. Tìm kiếm tài liệu truyền thống và điện tử

3. Liệt kê một số tài liệu liên quan mật thiết đến đề tài

4. Đọc nhanh (phần tóm tắt) và thu thập các bài viết quan trọng

5. Thiết kế sơ đồ tổng kết tài liệu, thể hiện bức tranh tổng thểvề cơ sở của chủ đề nghiên cứu.

6. Tóm tắt các bài quan trọng, trích dẫn và liệt kê tài liệu thamkhảo

7. Tổng kết lại phần đã tóm tắt, tổ chức danh mục các kháiniệm quan trọng, tóm tắt những hướng chính đã đượcnghiên cứu và nêu sự cần thiết cho nghiên cứu của mình.

46


Ví dụ minh họa về tổng kết và xác định vấn đề nghiên cứu:

Xác định vấn đề nghiên cứu dựa chính vào lý thuyết (xem sách trang 73-79)

Xác định vấn đề nghiên cứu: lý thuyết và thị trường (xem sách trang 79-87)

Xác định vấn đề nghiên cứu: lý thuyết và phương pháp (xem sách trang 88-91)

Tài liệu tham khảo: cách trích dẫn và liệt kê (xem sách trang 91-100)


PHƯƠNG PHÁP ĐỊNH TÍNH

Hoàng Trọng


Qui trình định tính xây dựng lý thuyết khoa học:

48

NGHIÊN CỨU ĐỊNH TÍNH TRONGXÂY DỰNG LÝ THUYẾT KHOA HỌC


Lý thuyết => XD lý thuyết mới

Thiết kế nghiên cứu

Thực hiện nghiên cứu

Mô hình v à giả thuyết lý thuyết

T

R

Phư

ơng

phá

p

Phư

ơng

phá

p luận

?


Phương pháp và công cụ nghiên cứu định tính

Phương pháp phổ biến:� GT: Grounded theory� Tình huống (case study method)

Công cụ thông dụng:� Thảo luận tay đôi/phỏng vấn sâu (in-depth interview)� Thảo luận nhóm (focus group)� Quan sát (observations)


Vấn đề, mục tiêu, lý thuyết trong nghiên cứu định tính

Mục tiêu của nghiên cứu định tính là xây dựng lý thuyết khoa học. Vì vậy khi xác định vấn đề NC và đưa ra mục tiêu NC cần biện luận lý do dẫn đến việc sử dụng PP định tính.



Tổng kết và sử dụng lý thuyết trong nghiên cứu định tính

Lý thuyết sẽ dẫn hướng về nhu cầu thực hiện NC định tính. Mụcđích chính của NC định tính là xây dựng lý thuyết khoa học theoqui trình quy nạp -> cần tổng kết lý thuyết và minh chứng là hiệntại những lý thuyết đã có chưa giải thích được hoặc giải thíchchưa hoàn chỉnh hiện tượng khoa học đã đề ra -> lý thuyết mới.

Phương pháp phổ biến:� GT: Grounded theory� Tình huống (case study method)


Xây dựng lý thuyết khoa học dựa trên dữ liệu thông qua việc thu thập, so sánh dữ liệu để nhận dạng, xây dựng và kết nối các khái niệm với nhau để tạo thành lý thuyết khoa học (Strauss & Corbin 1998)

Quá trình thu thập, phân tích và xây dựng lý thuyết quan hệ chặt chẽ với nhau và với nhà nghiên cứu.

Nhà nghiên cứu không bao giờ dự kiến trước một lý thuyết trừ trường hợp muốn điều chỉnh hoặc mở rộng một lý thuyết đã có.

PHƯƠNG PHÁP GT


1. Thu thập & phân tích dữ liệu là hai quá trình liên hệ mật thiết với nhau

2. Khái niệm nghiên cứu chính là đơn vị phân tích cơ bản3. Các khái niệm cần được xây dựng và liên hệ chúng với nhau

4. Chọn mẫu dựa v ào lý thuyết đang xây dựng

5. Phân tích phải qua quá trình so sánh liên tục v à chặt chẽ

6. Mô hình v à sự thay đổi của chúng phải được xem xét, kiểm tra cẩn thận (hướng mới hay chỉ v ài ngoại lệ)

7. Quá trình phải được gắn với lý thuyết (xây dựng lý thuyết dựa v ào quá trình)

8. Ghi chú dữ liệu trong quá trình thu thập gắn liền v ào quá trình xây dựng lý thuyết bằng GT

9. Các giả thuyết về mối quan hệ của các khái niệm cần được phát triển và đánh giá trong suốt quá trình nghiên cứu

10. Tạo nhóm nghiên cứu với các nhà nghiên cứu cùng lĩnh vực giúp kết quả tốt hơn

11. Có thể phân tích những ngữ cảnh rộng hơn, nhưng phải liên kết v ào LT đang xây dựng

PHƯƠNG PHÁP GT

� Bắt đầu bằng việc thu thập dữ liệu (dữ liệu trước, lý thuyết sau). Trong quá trình thu thập dữ liệu liên tục so sánh với lý thuyết

� Dữ liệu được thu thập thông qua một tình huống (một cá nhân, một tổ chức) hay nhiều tình huống

� Là một qui trình tích lũy: phát hiện lý thuyết – chọn tình huống –thu thập dữ liệu.

� Nhà nghiên cứu chọn tình huống để thu thập và phân tích dữ liệu và phát hiện lý thuyết, tiếp tục chọn tình huống tiếp theo để thu thập và phân tích dữ liệu để phát triển lý thuyết.

PHƯƠNG PHÁP TÌNH HUỐNG


� Qui trình xây dựng lý thuyết bằng PP tình huống:

1. Xác định câu hỏi nghiên cứu

2. Chọn tình huống

3. Chọn phương pháp thu thập dữ l iệu

4. Tiến hành thu thập dữ l iệu

5. Phân tích dữ l iệu

6. Xây dựng giả thuyết

7. So sánh với lý thuyết

8. Kết luận

PHƯƠNG PHÁP TÌNH HUỐNG

� Nhà nghiên cứu trực tiếp thực hiện việc thảo luận cũng như điều khiển chương trình thảo luận nhóm

� Bản chất dữ l iệu trong NC định tính: dữ l iệu bên trong (insight data)

� Chọn mẫu trong NC định tính: chọn mẫu lý thuyết (theo chủ đích)

� Công cụ thu thập dữ l iệu định tính: sử dụng dàn bài thảo luận, không phải BCH chi tiết: phần giới thiệu và gạn lọc, phần thảo luận. Câu hỏi đi từ tổng quát và từ từ hẹp và sâu dần vào vấn đề cần khám phá

� Quan sát

� Thảo luận tay đôi

� Thảo luận nhóm

DỮ LIỆU VÀ THU THẬP DỮ LIỆU ĐỊNH TÍNH


� Quan sát: quan sát bằng mắt, có nhiều dạng� Tham gia như một thành viên (không cho biết)

� Tham gia chủ động để quan sát (cho biết)

� Tham gia thụ động (không tham gia như một thành viên thực thụ)

� Chỉ quan sát (đứng ngoài quan sát, không là thành viên)

� Thảo luận tay đôi:� Chủ đề mang tính cá nhân cao, không phù hợp khi thảo luận nhóm

� Vị trí xã hội cao, khó mời tham gia thảo luận nhóm

� Do cạnh tranh trong trường hợp thị trường công nghiệp

� Do tính chuyên môn của vấn đề nghiên cứu

� Thảo luận nhóm: nhà nghiên cứu là người điều khiển thảo luận� Thành phần của nhóm cần đồng nhất

� Thành viên chưa từng tham gia các cuộc thảo luận trước đây

� Thành viên chưa quen biết nhau


� Một số chú ý trong thu thập dữ liệu định tính:

� Không thể tăng kích thước mẫu để thay thế NC định lượng

� Không thể lượng hóa kết quả nghiên cứu, điều quan trọnglà ý nghĩa của dữ liệu không phải là con số tổng quát hóathị trường



Phân tích dữ l iệu định tính là quá trìnhđi tìm ý nghĩa của dữ l iệu

� Quá trình thu thập v à phân tích dữ liệu định tính không tách rời nhau. Là quá trình tương tác qua lại. Nhà nghiên cứu thảo luận với đối tượngnghiên cứu để thu thập v à phân tích dữ liệu, tìm hiểu ý nghĩa của DL), tiếp tục thảo luận v à tìm hiểu ý nghĩa của nó cho đến khi đạt điểm bãohòa.

PHÂN TÍCH DỮ LIỆU ĐỊNH TÍNH

Đốitượngnghiên

cứu

Nhànghiên

cứuDỮ LIỆU

Phân tích

Thu thập

Phân tích dữ liệu định tính là quá trình đi tìm ý nghĩa của dữ liệu

Bao gồm 3 quá trình cơ bản:

� Mô tả hiện tượng

� Phân loại hiện tượng

� Kết nối dữ liệu



� Mô tả hiện tượng: diễn giải và thông đạt những gì đang diễn ra, giúp khám phá các khái niệm nghiên cứu làm cơ sở trong quátrình xây dựng khái niệm và lý thuyết. Người nghiên cứu trựctiếp thu thập và phân tích vì ý nghĩa của DL định tính phụ thuộcvào từng ngữ cảnh cụ thể và không luôn luôn có thể diễn tảbằng lời (ghi âm, ghi hình)

� Phân tích mở phát triển các khái niệm, các thuộc tính cũng nhưcấp độ (dimensions)

� Dữ liệu nói lên cái gì?� Những gì xảy ra? Ai có liên quan?� Họ xem (định nghĩa) những vấn đề đó như thế nào?� Chúng có ý nghĩa gì đối với họ?� Những người có liên quan làm gì?� Những vấn đề này xảy ra như nhau hay khác nhau đối với họ� Kết quả của chúng: giống hay khác nhau?


� Phân loại hiện tượng

Phân loại khái niệm(tất cả các khái niệm có thể có)

Khái niệm B(cấp độ/thuộc tính)

Khái niệm A(cấp độ/thuộc tính)

Khái niệm C(cấp độ/thuộc tính)

Khái niệm conA 1

Khái niệm conA 2

Khái niệm conA 3



� Kết nối dữ liệu

Lý thuyết KH là một tập các khái niệm liên hệ với nhau để tạo thành một hệ thống nhằm giải thích và dự báo các hiện tượng khoa học -. Kêt nối dữ l iệu chính là kết nối các khái niệm thành một hệ thống logic để giải thích và dự báo

Strauss & Cobin: quá trình phân tích chọn lọc (selective coding) bao gồm việc tổng hợp và sàng lọc các khái niệm để tạo thành lý thuyết. Cần chú ý mối quan hệ giữa các hiện tượng (khái niệm) và biến thiên của chúng.

Trong quá trình thu thập và phân tích dữ l iệu, nhà nghiên cứu thường tự đặt ra cho mình các câu hỏi dẫn hướng để chọn mẫu, ví dụ khái niệm đã phát triển đầy đủ, có cần thêm dữ l iệu không, nếu có thì ai? Khi nào? Ở đâu?

Quá trình mô tả, phân loại, và kết nối dữ l iệu là quá trình tương tác với quá trình thu thập dữ l iệu


GIÁ TRỊ CỦA SẢN PHẨM ĐỊNH TÍNH

Tiêu chuẩn truyền

thông định lượng

Tiêu chuẩn tin

cậy (định tính) Công cụ để đạt được độ tin tưởngGiá trị nội Tin cậy Tham gia trực tiếp vào hiện trường(internal validity) Đa dạng dữ liệu

Kiểm tra ngoạiKiểm tra nội

Giá trị ngoại Xuyên suốt Mô tả chi tiết khá i niệm và nhóm(external validity) Cấu trúc và quá trình phản ánh trong dữ liệu

Độ tin cậy Phụ thuộc Mẫu theo mục đích xây dựng lý thuyết(reliability) Giữ kín đối tượng

Kiểm tra quá trình thu thập, quản lý và phân tích dữ liệu

Tính khách quan Khẳ ng định

Tỉ mỉ và chính xác trong quản lý thu thập và ghi nhận dữ

liệu:(objectivity) + trong quá trình quan sát

+ trong quyết định về lý thuyết và phương pháp+ chi tiết trong tiếp xúc phỏng vấn

Kỹ thuật đảm bảo độ tin cậy trong nghiên cứu định tính


GIÁ TRỊ CỦA SẢN PHẨM ĐỊNH TÍNH

Định lượng: Khách quan Định tính: lý giải được

Độ tin cậy : như nhau cho các lần lặp lại (điều kiện cần)

Thông đạt (communicability): các khái niệm nghiên cứu rõ ràng v à có nghĩa

Giá trị: đo lường đúng cái cần đo (điều kiện đủ)

Gắn kết (coherence): các khái niệm nghiên cứu gắn kết với nhau => tạo thành lý thuyết (câu chuyện

Tổng quát hóa cho tổng thể => khả năng đại diện của mẫu

Xuy ên suốt (transperancy ): nhà nghiên cứu khác có thể nắm bắt được các bước để dẫn đến lý thuyết được xây dựng

ĐỀ CƯƠNG NGHIÊN CỨU ĐỊNH TÍNH

Là kế hoạch nghiên cứu trong đó mô tả và giải thích quá trình nghiêncứu một cách có hệ thống. Đề cương nghiên cứu cần chứng minh:1. Nghiên cứu xứng đáng được thực hiện

2. Nhà nghiên cứu có đủ khả năng để thực hiện nghiên cứu3. Nghiên cứu có được hoạch định rõ ràng v à chặt chẽ để bảo đảm sự thành

công cho dự án nghiên cứu

Bản đề cương nghiên cứu định tính thường linh hoạt hơn so vớinghiên cứu định lượng:

Giới thiệu: vấn đề, mục tiêu, câu hỏi nghiên cứu, ý nghĩa của của kết quảnghiên cứu dự kiến

Tổng kết lý thuyết: phải minh chứng là lý thuyết đã có chưa giải thích đượchay giải thích chưa hoàn chỉnh hiện tượng khoa học đề nghị nghiên cứu

Thiết kế & PP nghiên cứu: giới thiệu cách tiếp cận v à biện luận sự phù hợpcủa cách tiếp cận, chi tiết thiết kế nghiên cứu, PP, công cụ sử dụng, địađiểm, đối tượng nghiên cứu … cho từng bước v à biện luận tính tin tưởng


PHƯƠNG PHÁP ĐỊNH LƯỢNG

Hoàng Trọng


Qui trình định lượng kiểm định lý thuyết khoa học:

NGHIÊN CỨU ĐỊNH LƯỢNG TRONGKIỂM ĐỊNH LÝ THUYẾT KHOA HỌC

?Khe hổng => câu hỏi nghiên cứu

Lý thuyết => mô hình, giả thuyết

Xây dựng thang đo

Kiểm định thang đo

Kiểm định mô hình, giả thuyết

T

R

Phư

ơng

phá

p

Phư

ơng

phá

p luận


Phương pháp và công cụ nghiên cứu định lượng

Phương pháp chính:� Khảo sát (survey method)� Thử nghiệm (experimentation)

Công cụ thông dụng:� Phỏng vấn trực diện (face-to-face interview)� Phỏng vấn qua điện thoại (telephone interview)� Gửi thư (mail survey)

Công cụ phân tích dữ liệu: phổ biến là các PP thống kê dựa vàophương sai


Theo số lượng biến phân tích:1. Phân tich đơn biến (univ ariate data analy sis)2. Phân tich nhị biến (biv ariate data analy sis)3. Phân tich đa biến (multiv ariate data analysis)

� Theo mối quan hệ giữa các biến1. Phân tích phụ thuộc lẫn nhau: phân tích nhân tố khám phá (EFA), phân

tích nhóm CLA2. Phân tích phụ thuộc: biến phụ thuộc v à biến độc lập: phân tích hồi qui,

phân tích phân biệt MDA, mô hình cấu trúc tuyến tính SEM

� Theo mức độ chính xác và khả năng xử lý đồng thời mô hình lýthuyết và mô hình đo lường:

1. Thế hệ thứ nhất: thường không tính sai số đo lường của biến độc lập, không xử lý đồng thời mô hình LT v à mô hình đo lường

2. Thế hệ thứ hai:kết hợp mô hình đo lường v à mô hình lý thuyết, luôn tínhtoán sai số của biến độclập.



Dữ liệu sử dụng trong nghiên cứu định lượng:

Dữ liệu đã có sẵn: dùng mô hình hồi qui, chuỗi thời gian, mô hìnhlogit, probit, SEM …

� Ưu: tiết kiệm thời gian, chi phí; không cần bận tâm nhiều về việc đolường;

� Nhược: thiếu một số biến, độ tin cậy là dấu hỏi, tính cập nhật thấp

Dữ liệu chưa có sẵn: thực hiện khảo sát để thu thập -> cần thiết kếthang đo, đánh giá thang đo, EFA, CFA; chọn mẫu, phân tích với hồiqui, logit, ANOVA, ANCOVA, MDA ….

� Ưu: nhà nghiên cứu chủ động hơn� Nhược: công v iệc nhiều, tốn thời gian, chi phí

Dữ liệu chưa có trên thị trường: phải thiết kế thử nghiệm phù hợp đểtạo ra và thu thập dữ l iệu, dùng các các mô hình tuyết tính tổng quátGLMs như hồi qui, ANOVA; mô hình tuyến tính tổng quát hóa ZLMs như logit, probit.


Vấn đề, mục tiêu v à lý thuyết trong nghiên cứu định lượng:

Xem sách trang 157-163



Tổng kết v à sửdụng lý thuyết trong nghiên cứu định lượng:Lý thuyết đóng vai trò:1. Xác định vấn đề nghiên cứu và câu hỏi nghiên cứu và trả lời

chúng: trong nghiên cứu định lượng ta chưa có lý thuyếtđể trả lờitrực tiếp cho câu hỏi nghiên cứu nhưng đã có lý thuyết nền vềvấn đề này. Vì vậy chúng ta suy diễn từ lý thuyết nền để đưa ramô hình và giả thuyết (lý thuyết) trả lời cho câu hỏi nghiên cứu.

2. Lý thuyết làm nền tảng để xây dựng thangđo cho các khái niệmnghiên cứu.

3. Góp phần quan trọng trong so sánh với kết quả nghiên cứu đangthực hiện với các kết quả của nghiên cứu đã có trong ngữ cảnhkhác (ngành, văn hóa, mức độphát triển của nền kinh tế …)


Chọn mẫu trong nghiên cứu định lượng:

• Mẫu thường có kích thước lớn

• chọn theo phương pháp xác suất, tuy nhiên mẫu phi xác suất cũngđược sử dụng phổ biến.

• Mẫu xác suất đại diện được cho đám đông -> kết quả có tính tổngquát cao

• Mẫu phi xác suất không đại diện cho đám đông, tuy nhiên trongkiểm định lý thuyết khoa học cũng góp phần đánh giá lý thuyết đangđược kiểm định.



Công cụ thu thập dữ liệu trong nghiên cứu định lượng:

• Bảng câu hỏi chi tiết

• Chủ yếu là các câu hỏi đóng

• Có thang đo lường rõ ràng


• Phổ biến nhất trong nghiên cứu định lượng (dữ l iệu sơ cấp) đặc biệt trong kinh doanh

• Thu thập được nhiều dạng dữ l iệu khác nhau, nhất là khi dữ l iệu thứ cấp thường không có hay không đầy đủ.

• Do dữ l iệu thu thập được tại một thời điểm (Cross-sectional data) nên dữ l iệu chỉ kiểm định được có tồn tại mối l iên hệ (tương quan), còn liên hệ nhân quả thì suy diễn từ lý thuyết.

PHƯƠNG PHÁP KHẢO SÁT- SURVEY


Dạng thiết kế nghiên cứu dùng để xác định mối quan hệ nhânquả giữa các biến trong thị trường

Điều kiện:

1. Biến thiên đồng hành

2. Thời gian xuất hiện: biến kết quả phải xuất hiện sau hoặc đồngthời với biến nguyên nhân

3. Vắng mặt các lý giải thay thế: không có những lý giải khác chobiến kết quả trừ biến nguyên nhânđã được xác định.

PHƯƠNG PHÁP THỬ NGHIỆM

Một số khái niệm cơ bản trong thử nghiệm :

• Biến thử nghiệm:

– Biến nguyên nhân: biếnđộc lập (xử lý- treatment)

– Biến kết quả: biến phụ thuộc (đo lường)

– Biến ngoại lai (lý giải thay thế - extraneous variable)

• Đơn vị thử nghiệm: các phần tử mà nhà nghiên cứu sử dụng để tiếnhành xử lý

– Nhóm thực nghiệm (experimental group - EG): để đo lường mốil iên hệ nhân quả của các biến.

– Nhóm kiểm soát (control group- CG): để kiểm soát ảnh hưởngcủa biến ngoại lai




Mô hình thử nghiệm:


3


Hiện trường thử nghiệm:

– Thật: sử dụng thị trường thật để thử nghiệm, tăng hiệu quả của việc tổng quát hóa kết quả của thử nghiệm cho thị trường thật.

– Giả: hiện trường do nhà nghiên cứu thiết kế và xây dựng để tiến hành thử nghiệm, dễ kiểm soát các biến ngoại lai hơn.



Giá trị của thử nghiệm :

– Giá trị nội: khả năng loại trừ lý giải thay thế cho kết quả thử nghiệm (hiệu ứng của các biến ngoại lai càng thấp càng tốt)

– Ngoại: khả năng tổng quát hoá của kết quả thử nghiệm cho thị trường thật. Hiện trường thử nghiệm càng gần giống với thị trường thật bao nhiêu thì giá trị ngoại càng cao bấy nhiêu.

Hai giá trị này có khuynh hướng ngược nhau


PHƯƠNG PHÁP HỖN HỢP

Hoàng Trọng



PP hỗn hợp: được sử dụng rộng rãi trong nghiên cứu khoa học xã hộivà nghiên cứu kinh doanh trong những năm gần đây.

PP hỗn hợp dựa trên hệ nhận thức thực dụng, chú trọng việcứng dụngcủa sản phẩm khoa học – giải quyết vấn đề kinh doanh.

PP hỗn hợp kết hợp hàng loạt các phương pháp, công cụ, lý thuyết, nhà nghiên cứu, địađiểm.

HỖN HỢP TRONG NGHIÊN CỨU KHOA HỌC

Kết hợp trong nghiên cứu: bắt đầu từ việc sử dụng đa phương pháptrong đánh giá thang đo -> khái niệm đa phương pháp -> thuật ngữqualiquantology -> thuật ngữ mixed methods approach

Đa phương pháp: kết hợp nhiều phương pháp trong một nghiên cứu, sử dụng cùng lúc nhiều lý thuyết khác nhau và /hoặc nhiều nhà nghiêncứu để xem xét diễn giải mộthiện tượng khoa học của mộtnghiêncứu.

Ngày nay hầu như dự án nghiên cứu nào cũng ở dạng kết hợp.

Trong nghiên cứu định tính phương pháp GT, phương pháp tình huốngsử dụng nhiều phương pháp thu thập dữ l iệu và nhiều dạng dữ l iệukhác nhau.

Trong nghiên cứu định lượng sử dụng hàng loạt các nghiên cứu địnhtính để nhận dạng và khám phá vấn đề nghiên cứu, xây dựng cácthang đo cho khái niệm nghiên cứu, giải thích các kết quả NCĐL.

THIẾT KẾ HỖN HỢP TRONG PP HỖN HỢP


Các dạng thiết kế hỗn hợp phổ biến:


Giai đoạn I: Đơn phương pháp: thế kỷ 18 – 1950sA. Thuần túy định lượng (ĐỊNH LƯỢNG) B. Thuần túy định tính (ĐỊNH TÍNH)

1. Đơn dữ liệu (ĐỊNH LƯỢNG) 1. Đơn dữ liệu (ĐỊNH TÍNH)

2. Đa dữ liệu trong cùng hệ nhận thức 2. Đa dữ liệu trong cùng hệ nhận thứca. Thứ tựĐỊNH LƯỢNG -> ĐỊNH LƯỢNG

a. Thứ tựĐỊNH TÍNH -> ĐỊNH TÍNH

b. Song hànhĐỊNH LƯỢNG + ĐỊNH LƯỢNG

b. Song hànhĐỊNH TÍNH + ĐỊNH TÍNH

Nguồn: Tashakkori & Teddlie, 1998



Giai đoạn II: Hình thành trường phái hỗn hợp: 1960s – 1980s

A. Cùng v ị trí (equal status design)B. CHÍNH –phụ (dominant- less dominant deigns)

1. Thứ tự 1. Thứ tựa. ĐỊNH TÍNH -> ĐỊNH LƯỢNG a. ĐỊNH TÍNH -> định lượngb. ĐỊNH LƯỢNG -> ĐỊNH TÍNH b. ĐỊNH LƯỢNG -> định tính

2. Song hành 2. Song hànha. ĐỊNH TÍNH + ĐỊNH LƯỢNG a. ĐỊNH TÍNH + định lượngb.ĐỊNH LƯỢNG + ĐỊNH TÍNH b.ĐỊNH LƯỢNG + định tính

c.Thiết kế tận dụng đa phương pháp ở đa cấp (multilev el use of approaches)





Giai đoạn III: Mô hình tổng hợp: 1990s –>

A. Bước nghiên cứu – đơn ứng dụng B. Bước nghiên cứu – đa ứng dụng

1. Dạng nghiên cứu 1. Dạng nghiên cứuĐỊNH TÍNH hay ĐỊNH LƯỢNG ĐỊNH TÍNH và/hoặcĐỊNH LƯỢNG

2. Thu thập dữ liệu 2. Thu thập dữ liệuĐỊNH TÍNH hay ĐỊNH LƯỢNG ĐỊNH TÍNH và/hoặcĐỊNH LƯỢNG

3. Phân tích, diễn giải dữ liệu 3. Phân tích, diễn giải dữ liệuĐỊNH TÍNH hay ĐỊNH LƯỢNG ĐỊNH TÍNH và/hoặcĐỊNH LƯỢNG


Creswell & Clark (2007) chia thành 4 nhóm chính:

- hỗn hợp đa phương pháp (triangulation design)

- Hỗn hợp gắn kết (embedded design)

- Hỗn hợp giải thích (explantory design)

- Hỗn hợp khám phá (exploratory design)



Thiết kế hỗn hợp đa phương pháp là dạng thiết kế trong đó nhà nghiên cứu sử dụng cả định tính và định lượng, cả hai PP được tiến hành cùng một lúc (song hành) và có vai trò như nhau trong dự án nghiên cứu.


ĐỊNH TÍNH ĐỊNH LƯỢNG

Diễn giải dựa v ào kết quảĐỊNH TÍNH + ĐỊNH LƯỢNG

Thiết kế hỗn hợp gắn kết là dạng thiết kế trong đó một phương pháp (định tính hay định lượng) là chính và phương pháp còn lại gắn vào PP chính.

Định lượng gắn kết trong ĐỊNH TÍNH

Định tính gắn kết trong ĐỊNH LƯỢNG


ĐỊNH TÍNHDiễn giải dựa v ào kết quảĐỊNH TÍNH (định lượng)Định lượng

ĐỊNH LƯỢNG Diễn giải dựa v ào kết quảĐỊNH LƯỢNG (định tính)Định tính


Thiết kế hỗn hợp giải thích là dạng thiết kế trong đó phương pháp định lượng là chính, phương pháp định tính dùng để giải thích cho kết quả của nghiên cứu định lượng (2 bước).


ĐỊNHLƯỢNG

Diễn giải dựa v ào kết quảĐỊNH LƯỢNG -> định tính

địnhtính

Thiết kế hỗn hợp khám phá là dạng thiết kế trong đó phương phápđịnh tính là chínhđể khám phá các hiện tượng khoa học cần nghiêncứu. Tiếp theo dùng phương phápđịnh lượng dùngđể khẳng định kếtquả của nghiên cứu định tính.


ĐỊNHTÍNH

Diễn giải dựa v ào kết quảĐỊNH TÍNH -> định lượng

địnhlượng


CHỌN MẪUTRONG NGHIÊN CỨU ĐỊNH LƯỢNG

Hoàng Trọng


Tiết kiệm chi phí

Tiết kiện thời gian

Chọn mẫu có thể cho kết quả chính xác hơn nghiên cứu toàn bộđám đông. Trong nghiên cứu có hai loại sai số: sai số chọn mẫu SE vàsai số không do chọn mẫu NE. Nếu sai số gây ra do chọn mẫu (thay vìnghiên cứu toàn bộ đám đông) lớn hơn sai số không do chọn mẫu, chọn mẫu sẽ cho kết quả chính xác hơn.

LÝ DO PHẢI CHỌN MẪU


Sai số do chọn mẫu: là sai số gậy ra do việc chọn mẫu để thu thập dữl iệu, và từ thông tin của mẫu này suy ra thông tin của đám đông thay vìthu thập dữ l iệu của toàn bộđám đông nghiên cứu. Kích thước mẫucàng tăng thì sai số chọn mẫu càng giảm, và khi kích thước mẫu tiếnđến kích thước đám đông thì sai số này tiến tới không.

Sai số không do chọn mẫu: là các sai số còn lại , phátsinh trong quátrình phỏng vấn, hiệu chỉnh, nhập dữ l iệu. Sai số này càng tăng khikích thước mẫu càng lớn.

CHỌN MẪU & SAI SỐ

Đám đông (tổng thể): tập hợp tất cả các đối tượng nghiên cứu (cầnthu thập dữ l iệu từ họ) để thỏa mãn mục đích và phạm vi nghiên cứucủa mình.

Đám đông (tổng thể) nghiên cứu: trong thực tiễn NCKH, chúng ta không bao giờ biết được chính xác các phần tử của đám đông. Qui môcủa đám đông chúng ta có thể nghiên cứu gọi là đám đông nghiên cứu.

Phần tử: là đối tượng cần thu thập dữ l iệu. Phần tử là đơn vị nhỏ nhấtcủa đám đông.

Đơn v ị: trong nhiều kỹ thuật chọn mẫu người ta thường chia đám đôngthành nhiều nhóm có đặc tính cần thiết cho việc chọn mẫu. Nhữngnhóm có được sau quá trình chia nhỏcủa đám đông được gọi là đơn vịchọn mẫu.

Khung mẫu: danh sách liệt kê dữ l iệu cần thiết của tất cả các đơn vịvà phần tử của đám đông để thực hiện chọn mẫu.

CÁC KHÁI NIỆM CƠ BẢN TRONG CHỌN MẪU


Xác định đám đông nghiên cứu

Xác định khung mẫu

Xác định kích thước mẫu

Chọn phương pháp chọn mẫu

Tiến hành chọn

QUI TRÌNH CHỌN MẪU

� Quy mô mẫu phù hợp được xác định theo hai công thức sau :� Nếu mục tiêu chính của nghiên cứu là trung bình:

� Nếu mục tiêu chính của nghiên cứu là các tỷ lệ :

Trong đó :� z là hệ số tin cậy tra từ bảng phân phối chuẩn. Độ tin cậy

thường dùng trong nghiên cứu là 95%, tương ứng với z = 1,96� σ là độ lệch chuẩn của tổng thể từ những lần nghiên cứu trước

trong trường hợp mục tiêu nghiên cứu chính là trung bình� p là tỷ lệ của tổng thể từ những lần nghiên cứu trước trong

trường hợp mục tiêu nghiên cứu chính là tỷ lệ.� ɛ là sai số cho phép

2

22

ε

σzn ≥

2

2)1(

ε

ppzn

−≥



Các phương pháp chọn mẫu


Kỹ thuật chọn mẫu

Chọn mẫu xác suất

Ngẫu nhiên đơn giảnHệ thống

Phân tầng

Cả khối (theo nhóm)

Chọn mẫu phi xác suất

Thuận tiệnPhán đoán

Định mức

Phát triển mầm

Các phương pháp chọn mẫu


Chọn mẫu xác suất

Tính đại diện cao, tổng quát hóa cho đám đông

Tốn kém thời gian v à chi phí

Thường dùng cho các nghiên cứu chính thức

Chọn mẫu phi xác suất

Tiết kiệm thời gian v à chi phí

Tính đại diện thấp, không tổng quát hóa cho đám đông

Dùng cho các nghiên cứu sơ bộ, khám phá


CHỌN MẪU XÁC SUẤTMẫu ngẫu nhiên đơn giản

� mỗi đơn vị của tổng thể được chọn với sự ngẫu nhiên như nhau (được chọn vào mẫu với cơ hội/ xác suất bằng nhau)

� chuẩn bị danh sách các đơn vị của tổng thể cần nghiên cứu và khảo sát. Danh sách này gọi là khung mẫu hay dàn chọn mẫu (sampling frame). Các đơn vị tổng thể trong danh sách này có thể được sắp xếp theo một trật tự nào đó, ví dụ như theo vần ABC, theo quy mô, theo địa chỉ … và được gán cho một số thứ tự từ đơn vị thứ 1 đến đơn vị cuối cùng.

� có thể thực hiện việc lấy đơn vị mẫu ra bằng nhiều cách như bốc thăm, quay số, hay dùng số ngẫu nhiên. Nếu số lượng đơn vị tổng thể ít, khung lấy mẫu ngắn (vài chục hay vài trăm đơn vị).

CHỌN MẪU XÁC SUẤTMẫu hệ thống

� chỉ cần chọn ra một con số ngẫu nhiên là có thể xác định được tất cả các đơn vị mẫu cần lấy ra từ danh sách chọn mẫu (thay vì phải chọn ra n số ngẫu nhiên ứng với n đơn vị mẫu cần lấy ra).

� Quy trình thực hiện:� Chuẩn bị danh sách chọn mẫu, xếp thứ tự theo một quy ước

nào đó, đánh số thứ tự cho các đơn vị trong danh sách. Tổng số đơn vị trong danh sách là N.

� Xác định cỡ mẫu muốn lấy, ví dụ gồm n quan sát� Chia N đơn vị tổng thể thành k nhóm theo công thức k=N/n, k được gọi là khoảng cách chọn mẫu.

� Trong k đơn vị đầu tiên ta chọn ngẫu nhiên ra 1 đơn vị (bốc thăm hay sử dụng bảng số ngẫu nhiên hay hàm ngẫu nhiên), đây là đơn vị mẫu đầu tiên, các đơn vị mẫu tiếp theo được lấy cách đơn vị này 1 khoảng là k, 2k, 3k ...


CHỌN MẪU XÁC SUẤTMẫu cả khối/ theo nhóm

� tổng thể được chia thành nhiều khối, mỗi khối xem như một tổng thể con, lấy ngẫu nhiên đơn giản m khối, sau đó khảo sát hết các đối tượng trong các khối mẫu đã được lấy ra.

� Áp dụng trong trường hợp danh sách đơn vị (danh sách hộ gia đình hay danh sách nhân khẩu của khu vực khảo sát) không có

� Ưu điểm là không cần có danh sách tất cả các đơn vị mà chỉ cần có danh sách của các khối hay của các đơn vị mẫu bậc thấp như danh sách quận, phường, khu phố, tổ dân phố). Khi áp dụng cách chọn cả khối thì do không có danh sách tất cả các đơn vị nên phải dùng danh sách các khối (là một nhóm các đơn vị, ví dụ như đơn vị hành chánh: phường, khu phố, tổ dân phố hay khối nhà - block) để chọn ra các khối mẫu. Sau khi chọn ra các khối mẫu thì khảo sát hết tất cả các đơn vị trong khối đó.

CHỌN MẪU XÁC SUẤTLấy mẫu phân tầng

� sử dụng khi các đơn vị quá khác nhau về tính chất liên quan đến vấn đề cần nghiên cứu và khảo sát.

� tổng thể nghiên cứu được chia thành các tầng lớp, mục tiêu là để các giá trị của các đối tượng tổng thể ta quan tâm thuộc cùng một tầng càng ít khác nhau càng tốt. Sau đó các đơn vị mẫu được chọn từ các tầng này theo các phương pháp lấy mẫu xác suất thông thường như lấy mẫu ngẫu nhiên đơn giản hay lấy mẫu hệ thống.

� Đặc điểm dùng để phân tầng phải có liên quan đến nội dung bạn cần nghiên cứu khảo sát.

� Số đơn vị mẫu trong từng tầng lớp có thể: bằng nhau, theo tỉ lệ của từng class hay phân bổ tối ưu (vừa theo quy mô của tầng lớp và theo mức độ đồng đều của các đơn vị trong cùng một tầng lớp).


� Khi quy mô toàn bộ mẫu không lớn lắm, lúc đó có thể phân bổ mẫu cho các tầng lớp đều nhau (mục đích chính là xem kết quả của từng tầng lớp và so sánh giữa các tầng lớp với nhau, mục đích khác là xem xét kết quả của toàn bộ tổng thể), và khi cần có kết quả chung thì sẽ gia trọng (nhân với hệ số) các tầng lớp theo hệ số phản ảnh qui mô của từng tầng lớp trong toàn bộ tổng thể.

� Giả sử chúng ta cần lấy n đơn vị mẫu từ N đơn vị tổng thể, các đơn vị tổng thể được phân tầng thành k lớp

� Nếu dùng phân bổ mẫu đều thì công thức tính số lượng đơn vị mẫu lấy ra trong từng tầng lớp đơn giản là:

� Nếu phân bổ mẫu theo tỉ lệ thì công thức tính số lượng đơn vị mẫu lấy ra trong từng tầng lớp sẽ theo tỉ lệ tức là cụ thể từ tầng lớp thứ i là:

CHỌN MẪU XÁC SUẤTLấy mẫu phân tầng

n n nn

kk1 2= = = =K

N

n

N

n

N

n

N

n

k

k ==== L

2

2

1

1

ii NN

nn =

� Lấy mẫu thuận tiện: đến những nơi mà có nhiều khả năng gặp được đối tượng muốn khai thác thông tin mà bạn cảm thấy tiện lợi, cần suy nghĩ kỹ về thời gian, địa điểm hay hoàn cảnh sẽ gặp đối tượng và thu thập dữ liệu ở đó.

� Lấy mẫu phán đoán: người nghiên cứu quyết định sự thích hợp các các đối tượng để mời họ tham gia vào mẫu khảo sát. Tuy nhiên vấn đề nằm ở chỗ chính phỏng vấn viên là người trực tiếp phán đoán sự thích hợp của các đối tượng để mời họ. Do đó tính đại diện của mẫu khảo sát thực tế sẽ phụ thuộc nhiều vào kiến thức và kinh nghiệm của những người đi thu thập dữ liệu trực tiếp.

CHỌN MẪU PHI XÁC SUẤT


� Lấy mẫu phát triển mầm: xác định một hoặc một số phần tử cho mẫu phù hợp để thu thập dữ liệu, sau đó hỏi họ về tên của những người khác rất có thể là ứng viên cho nghiên cứu. Nếu nghiên cứu một tổng thể tương đối nhỏ gồm những người có nhiều khả năng có mối liên hệ với nhau thì mẫu phát triển mầm là một cách hiệu quả để xây dựng một khung mẫu bao quát được tất cả. Hữu ích trong nghiên cứu những tổng thể nhỏ và những tổng thể hạn chế, và khó tìm thấy.

CHỌN MẪU PHI XÁC SUẤT

� Lấy mẫu định mức: tương tự lấy mẫu xác suất phân tầng ở

chỗ đầu tiên người nghiên cứu phải phân chia tổng thể

nghiên cứu thành các tầng (tổng thể con). Nhưng điểm khác biệt cơ bản là trong từng tổng thể con những người phỏng

vấn được chọn mẫu tại hiện trường theo cách thuận tiện hay

phán đoán, trong khi trong mỗi tầng của chọn mẫu phân tầng

thì các đơn vị mẫu được chọn ra theo kiểu xác suất. Việc

chia thành các tầng theo 1 thuộc tính kiểm soát, thuộc tính có

khả năng phân biệt đối tượng cao, các phần tử trong cùng một thuộc tính kiểm soát (một tầng) thì có tính đồng nhất

cao.

CHỌN MẪU XÁC SUẤT


ĐO LƯỜNG VÀ THU THẬPDỮ LIỆU ĐỊNH LƯỢNG

Hoàng Trọng


THANG ĐO LƯỜNG

� Thang đo là công cụ dùng để mã hoá các biểu hiện khác nhau của các đặc trưng nghiên cứu.

� Để thuận lợi cho việc xử lý dữ liệu trên máy vi tính người ta thường mã hoá thang đo bằng các con số hoặc bằng các ký tự


ĐO LƯỜNG VÀ CẤP ĐỘ THANG ĐO

� Dữ l iệu định tính: thu thập từ thang đo danh nghĩa và thứ bậc -> không tính được trị trung bình

� Dữ l iệu định lượng: thu thập từ thang đo khoảng cách và tỉ lệ -> tính được trị trung bình

Döõ lieäu

Döõ lieäuñònh löôïng

Döõ lieäuñònh tính

thang ñodanh nghóa

thang ñotæ leä

thang ñothöù baäc

thang ñokhoaûng caùch

THANG ĐO LƯỜNGThang đo định danh (nominal scale)

� Phản ánh sự khác nhau về tên gọi , màu sắc, tính chất, đặc điểm…của các đơn vị nghiên cứu.

� Những con số được gán cho mỗi biểu hiện của thang đo chỉ mang tính quy ước, nói lên sự khác biệt về thuộc tính giữa các đơn vị, chứ không nói lên sự khác biệt về lượng giữa các đơn vị đó.

� Những con số thu thập từ thang đo này không thể dùng để tính toán.

Ví dụ:� Tình trạng hôn nhân của người trả lời : đã có gia đình (1), chưa có

gia đình (2)

� Siêu thị mà người tiêu dùng thường đến mua sắm: Co.opMart, BigC, Maxi Mark, Citi Mart, Lotte …


THANG ĐO LƯỜNGThang đo thứ bậc (ordinal scale)

� Thang đo thứ tự phản ánh sự khác biệt về thuộc tính và về thứ tựhơn kém giữa các đơn vị nghiên cứu.

� Có thể dùng các con số xếp theo thứ tự tăng dần hay giảm dần đểbiểu hiện các đơn vị muốnđo theo thang đo này.

� Tương tự như thang đo định danh, những con số thu thập từ thangđo này không thể dùng để tính toán.

Ví dụ: Mức độ ưa thích của bạn đối với các siêu thị mà bạn đã từng đến mua sắm (xếp theo thứ tự 1,2,3,…nghĩa là từ ưa thích nhất trở xuống):

Co.opMart ____BigC ____Maxi Mark ____Citi Mart ____Lotte Mart ____

THANG ĐO LƯỜNGThang đo khoảng (interv al scale)

� Thang đo khoảng là một dạng đặc biệt của thang đo thứ tự, trongđó khoảng cách giữa các thứ bậc đều nhau.

� Thường dùng một dãy số có khoảng cách đều nhau 1 đến 5, 1 đến7, 1 đến 10,… để biểu hiện thang đo này.

� Có thể tính các tham số trong thống kê mô tả trên thang đo nàynhư số trung bình, số trung vị, phương sai, độ lệch chuẩn,…

� tuy nhiên không thể làm phép chia tỷ lệ giữa các con số của thangđo, vì giá trị 0 của thang đo chỉ là con số quy ước, có thể thay đổituỳ ý, nói cách khác là các giá trị số của thang đo khoảng không cóđiểm gốc 0.


THANG ĐO LƯỜNGThang đo khoảng (interv al scale)

� Ví dụ: Anh (chị) hãy đánh giá mức độ quan trọng của các yếu tố sau trong một thông tin quảng cáo trên truyền hình:

Yếu tố mức độ quan trọng

rất quan trọng

khá quan trọng

quan trọng khá không quan trọng

rất không quan trọng

1 2 3 4 5

1 2 3 4 5

1 2 3 4 5

THANG ĐO LƯỜNGThang đo tỷ lệ (ratio scale)

� Thang đo tỷ lệ là một dạng đặc biệt của thang đo khoảng, trong đó giá trị 0 của thang đo là điểm gốc cố định. Thang đo tỷ lệ có tất cả các tính chất của thang đo định danh, thứ tự, khoảng. Có thể làm phép chia tỷ lệ giữa các con số của thang đo, có thể áp dụng tất cả các phương pháp thống kê cho thang đo này.

� Ví dụ: Nếu cho 100 điểm, hãy phân bổ tổng điểm này cho 4 siêu thị tùy theo mức độ ưa thích đối với từng siêu thị này

Co.opMart ____BigC ____Maxi Mark ____Citi Mart ____Lotte ____

100


THANG ĐO LƯỜNGKỹ thuật thiết kế thang đo

thang đo so sánh:� Thang đo so sánh từng cặp

� Thang đo xếp hạng theo thứ tự � Thang đo có tổng số điểm cố định

THANG ĐO LƯỜNGKỹ thuật thiết kế thang đo

thang đo không so sánh trực tiếp:� Thang đo Likert

� Thang đo có hai cực đối lập � Thang đo Stapel


TỔ CHỨC THU THẬP DỮ LIỆU ĐỊNH LƯỢNG

� Phỏng vấn cá nhân

� Phỏng vấn qua điện thoại

� Bản câu hỏi tự điền

� Khảo sát qua thư

Phỏng vấn cá nhân

� Phỏng vấn cá nhân (giao tiếp mặt đối mặt) là một cuộctrò chuyện trực tiếp giữa người phỏng vấn và người trảlời để thu thập các thông tin cần thiết cho cuộc nghiêncứu.

� Người phỏng vấn thường điều khiển các chủ đề nộidung của cuộc thảo luận.

� Các cuộc phỏng vấn cá nhân có thể diễn ra trong nhàmáy, trong nhà ở, trong văn phòng, trong một trung tâmmua sắm,hoặc trong các bối cảnh khác.


Phỏng vấn cá nhânƯu điểm

1. Cơ hội cho thông tin phản hồi2. Làm rõ nội dung trả lời chung chung3. Chiều dài của cuộc phỏng vấn

4. Tỷ lệ hoàn thành cuộc phỏng vấn cao 5. Các công cụ hỗ trợ như hình ảnh, vật mẫu 6. Tỷ lệ tham gia cao7. Quan sát các hành vi không lời

8. Phỏng vấn người mù chữ hay học vấn thấp9. Gạn lọc đối tượng đúng yêu cầu

Phỏng vấn cá nhânNhược điểm

1. Chi phí cao. 2. Thiếu các phỏng vấn viên được đào tạo bài bản và

nhiều kinh nghiệm

3. Thiếu tính nặc danh4. Liên hệ phỏng vấn 5. Ảnh hưởng của phỏng vấn viên6. Phỏng vấn bị sai lệch

7. Sử dụng từ ngữ không chuẩn8. Khó tiếp cận 9. Một số khu dân cư khó khăn để vào


Phỏng vấn qua điện thoại

� Phỏng vấn qua điện thoại tại điểm tập trung:� tiến hành các cuộc phỏng vấn qua điện thoại từ một vị trí trung tâm.

� dịch vụ điện thoại đường dài ở mức giá cố định được cung cấp, cho phép người phỏng vấn thực hiện không giới hạn các cuộc gọi điện thoại trong phạm vi toàn bộ đất nước

� Dễ thuê đội ngũ phỏng vấn viên chuyên nghiệp và dễ dàng giám sát và kiểm soát chất lượng của các cuộc phỏng vấn.

� Phỏng Vấn qua điện thoại với hỗ trợ của máy tính (CATI)

� cho phép nhập trực tiếp vào máy tính các câu trả lời phỏng vấn qua điện thoại

� Ở thiết bị đầu cuối máy tính, màn hình hiển thị các câu hỏi với các lựa chọn trả lời đã mã hoá sẵn. Mỗi lần phỏng vấn viên đọc từng câu hỏi đang hiển thị trên màn hình, sau khi nghe được câu trả lời, người phỏng vấn bấm vào các lựa chọn trên màn hình, và nó sẽ tự động được lưu trữ vào máy tính.

Phỏng vấn qua điện thoạiƯu điểm

1. Tốc độ nhanh: hàng chục cuộc phỏng vấn có thể được tiến hành chỉ sau một đêm. Khi nhập trực tiếp nội dung trả lời phỏng vấn vào một hệ thống máy vi tính ngay trong quá trình thực hiện phỏng vấn, việc xử lý dữ l iệu có thể được thực hiện nhanh hơn.

2. Tiết kiệm chi phí: Thông thường chi phí phỏng vấn qua điện thoại chỉ bằng 25% của phỏng vấn cá nhân. Nhất là khi có phạm vi địa lý rộng.

3. Nhân sự: cần ít hơn nhưng có tay nghề cao những phỏng vấn viên có kinh nghiệm.

4. Giảm lệch lạc do phỏng vấn viên gây ra: Do người phỏng vấn và người trả lời không thấy mặt nhau nên những ảnh hưởng của đặc điểm của người phỏng vấn được giảm thiểu tối đa.

5. Tiếp cận tốt hơn: Trong một số khu dân cư, người dân được miễn cưỡng cho phép người lạ đến ở trong nhà của họ, nhất là trong buổi tối . Tuy nhiên có thể họ có thể chấp nhận phỏng vấn qua điện thoại .


Phỏng vấn qua điện thoạiNhược điểm

1. Thiếu tương tác mặt đối mặt: Người phỏng vấn và trả lời không nhìn thấy nhau. Người trả lời vẫn trả lời khi chưa suy nghĩ kỹ và không chú ý đến việc trả lời trong khi vẫn đang làm việc khác

2. Tỷ lệ đáp ứng thấp: Một số cá nhân sẽ từ chối tham gia các cuộc phỏng vấn qua điện thoại. Những người tham gia cũng có thể dễ dàng chấm dứt giữa chừng một cuộc phỏng vấn điện thoại.

3. Thiếu công cụ trực quan hỗ trợ: Người nghiên cứu không thể sử dụng hình vẽ, ảnh chụp, mẫu vật l iệu … để minh họa cho câu hỏi khi phỏng vấn qua điện thoại.

4. Thời lượng hạn chế: thường chỉ có thể kéo dài khoảng 10 phút. 5. Khả năng tham dự ít: thu thập những câu trả lời chưa triệt để, chưa

sâu, vì những người được phỏng vấn ít tìm thấy những kinh nghiệm bổ ích so với một cuộc phỏng vấn cá nhân.

6. Môi trường trả lời : Bối cảnh trả lời điện thoại có thể làm phân tâm người trả lời và ảnh hưởng đến chất lượng của dữ l iệu thu thập.

Bảng câu hỏi tự điền

� Các bảng câu hỏi khách tự trả lời đã trở thành phổ biến trong cuộc sống hiện đại .

� Dịch vụ đánh giá của các hãng hàng không, khách sạn, nhà hàng, đại lý xe hơi , và các nhà cung cấp giao thông vận tải đã sử dụng các bảng câu hỏi cho khách hàng đánh giá.

� Thường thì bảng câu hỏi ngắn gọn được đặt/để ở vị trí thuận tiện cho người trả lời lấy hoặc được phát tận tay để cung cấp ý kiến.

� Bản câu hỏi khách tự trả lời cũng có thể được gửi qua dịch vụ bưu chính, fax và dịch vụ chuyển phát nhanh, email.


Bản câu hỏi gửi qua thư

� là một bản câu hỏi khách tự điền được gửi đến ngườitrả lời qua đường thư tín truyền thống hay qua email.

� Cách làm này tương tự phương pháp bảng câu hỏikhách tự điền, có nhiềuưu điểm và nhượcđiểm.

Bản câu hỏi gửi qua thưƯu điểm

1. Linh hoạt về khu vực địa lý: Bảng câu hỏi gửi qua thư có thể đạt được một mẫu phân tán về mặt địa lý và với chi phí tương đối thấp vì không cần có phỏng vấn viên.

2. Tiếp cận mẫu: các đối tượng như giám đốc và bác sĩ, rất khó để tiếp cận trực tiếp hoặc qua điện thoại. Người nghiên cứu có thể tiếp cận những người này qua thư điện tử.

3. Tiết kiệm thời gian: Bản câu hỏi tự trả lời có thể được phân phối rộng rãi đến một số lượng lớn nhân viên, và có thể được đánh giá một cách nhanh chóng và ít tốn kém.

4. Tiết kiệm chi phí: không cần có PVV có kỹ năng, không cần có quà.5. Tính nặc danh (bảo mật đời tư): các cuộc khảo sát qua thư, bản câu

hỏi tự điền thường được coi là nặc danh hơn vì người cung cấp giấu tên của mình khi trả lời .

7. Câu hỏi được tiêu chuẩn hóa: những câu hỏi thường có cấu trúc sẵn để người trả lời chọn.


Bản câu hỏi gửi qua thưNhược điểm

1. Tỷ lệ đáp ứng thấp: Tỷ lệ được gửi trở lại rất thấp. 2. Tỷ lệ hoàn thành thấp: người trả lời để lại nhiều câu hỏi trống chưa

trả lời vì họ không hiểu câu hỏi hoặc không có PVV để hỗ trợ.

3. Chi phí tăng: Do ít người gửi lại nên tiếp tục chờ đợi thêm. Khi chưa đủ số lượng, gửi thêm thư nhắc nhở, và lại chờ đợi. Khi gửi thư nhắc nhở và gửi lại bảng câu hỏi chi phí của nghiên cứu sẽ tăng.

4. Thiếu kiểm soát trên bảng câu hỏi : người trả lời thường đọc toàn bộ qua các câu hỏi trước khi trả lời từng câu hỏi. Những câu hỏi phía sau có thể ảnh hưởng đến câu trả lời cho các câu hỏi trước đó; do đó nó có khả năng thiên vị các dữ l iệu.

5. Không thể sử dụng câu hỏi dài: không nên vượt quá sáu trang.

6. Không kiểm soát môi trường: không biết gì về những người thực sự đã điền vào những bảng câu hỏi.

7. Không thể nắm bắt các hành vi không lời .

8. Người không biết chữ hay học vấn thấp không thể tham gia.

THIẾT KẾ CÔNG CỤ THU THẬP DỮ LIỆUBản câu hỏi

1- Xác định các dữ l iệu cần thu thập2- Xác định phương pháp phỏng vấn

3- Phác thảo nội dung bảng câu hỏi4- Chọn dạng cho câu hỏi5- Xác định từ ngữ thích hợp cho bảng câu hỏi

6- Xác định cấu trúc bảng câu hỏi7- Thiết kế việc trình bày bảng câu hỏi

8- Phỏng vấn thử để trắc nghiệm bảng câu hỏi


131

BCH sau khi phỏng vấn xong cần được hiệu chỉnhđể tránh các saisót.

Nguyên nhân gây sai sót:� Thiết kế BCH

� Hướng dẫn PVV không kỹ lưỡng� Kỹ thuật phỏng vấn kém

Các bước hiệu chỉnh:� Hiệu chỉnh tại hiện trường

� Hiệu chỉnh tại trung tâm

HIỆU CHỈNH DỮ LIỆU

132

� Nhập trực tiếp trong SPSS -> phổ biến trong các NCKH cỡ mẫu không quá lớn

� Bằng chương trình Data Entry của SPSS (nặng nề, năng suất thấp)

� Nhập bằng chương trình khác (Excel, Fox, …) hay chương trình viết riêng (không tiện lợi hay mất thời gian viết chương trình nhập) nếu số lượng mẫu không nhiều.

� Có thể nhiều người nhập song song, rồi ghép file thủ công hay bằng lệnh Data > Merge fi les

NHẬP LIỆU


133

� Dùng lệnh sort� Bảng tần số đơn

� Dùng bảng phức� Các lệnh select cases (fi lter)

-> Cần có kinh nghiệm, kiến thức liên quanđến đối tượng, bối cảnh, nội dung nghiên cứu.

LÀM SẠCH DỮ LIỆU

ĐO LƯỜNG KHÁI NIỆM NGHIÊN CỨU

Hoàng Trọng



135

Mô hình nghiên cứu & khái niệmTrong nghiên cứu định lượng cần đo lường các khái niệm dùng

trong nghiên cứu (construct).

Một mô hình nghiên cứu đơn giản bên dưới có 3 khái niệm: Giá trị

dịch vụ, chất lượng dịch vụ và sự hài lòng.

Giaù trò dòch vuï Chaát löôïng dòch vuï

Söï haøi loøng

H1 (+)

H2 (+)

Mô hình khái niệm (lý thuyết)

ConstructLatent v ariable

136

Mô hình nghiên cứu & khái niệm

Mô hình đo lường

.00

Gia tri DV

.16

XAHOI

e1.6

.33

CAMXUC

e1.5

.04

HINH ANH

e1.4

.21

.47

CHUCNAN G

e1.3

.02

KIENTHUC

e1 .2

.30

UOCMUON

e1.1

.55

.00

Chat luong DV

.59

DICHVU

e2.3

.52

VATCHAT

e2 .2

.43

DAOTAO

e2.1

.66

Hai long

.61

V52 e3.1

.78.60

V53 e3.2.78

.59

V54 e3.3

.77

.67

.46

e1

e2

e3

.39.57 .68 .13

.72 .77.66

Biến đo lường: có thể là nhân tố (biến đã tổng hợp từ các biến quan sát) hay là biến quan sát trực tiếp


137

Khái niệm và Đo lường

Việc đo lường một số khái niệm có thể không phức tạp về phương

pháp ví dụ như: mức thu nhập, mức chi tiêu, thời gian xem

truyền hình, quy mô vốn, quy mô lao động, năng suất lao động.

Một số khái niệm phức tạp, trườu tượng đòi hỏi cần có quá trình chi

tiết hóa khái niệm (construct operationalization) và thiết kế đo lường (measurement design) và kiểm tra kỹ lưỡng. Ví dụ như:

� Trung thành của khách hàng đối với sản phẩm/dịch vụ/thương hiệu (customer loy alty ); Chất lượng sản phẩm/dịch vụ theo cảm nhận của khách hàng (perceiv ed quality )

� Hài lòng của nhân v iên (employ ee satisfaction)

� Chất lượng cuộc sống, quan niệm sống

� Lòng tin; thái độ của người dân tại chỗ đối với người nhập cư …

138

Khái niệm và Đo lường

� Ví dụ về chi tiết hóa khái niệm: trung thành của khách hàng đối

với sản phẩm/dịch vụ/thương hiệu (customer loyalty) bao gồm

những khía cạnh sau:

– Tiếp tục mua

– Không nghĩ đến những thứ khác

– Không có ý định mua thử những thứ khác

– Nói tốt về sp/dịch vụ/thương hiệu với người khác

– Giới thiệu sp/dịch vụ/thương hiệu với người khác


139

Đo lường và thang đo Likert

Khái niệm cụ thể chỉ cần thang đo đơn giản (thang đo 1 chỉ báo)

Khái niệm trườu tượng cần thang đo phức tạp (thang đo nhiều chỉ

báo - multi-indicator scale)

Thang đo nhiều chỉ báo được sử dụng phổ biến nhất là Likert 5

mức độ.

“Xin vui lòng đọc kỹ những phát biểu sau. Sau mỗi câu phát biểu,hãy khoanh tròn trả lờ i thể hiện đúng nhất quan điểm của bạn.

Xin bạn cho biết rằng bạn rất đồng ý, đồng ý, thấy bình thường,

không đồng ý hay rất không đồng ý với mỗi phát biểu?”

140

Đo lường và thang đo Likert

Sau đây là những phát biểu liên quan đến việc chọn và học tập của bạn tại trường ĐH

Kinh Tế TPHCM. Xin bạn vui lòng trả lời bằng cách khoanh tròn một con số ở từng

dòng. Những con số này thể hiện mức độ bạn đồng ý hay không đồng ý đối với các

phát biểu theo quy ước như sau:

Rất không

đồng ý

1

Không

đồng ý

2

Trung lập

3

Đồng ý

4

Rất đồng ý

5

1. Bằng cấp của trường ĐH Kinh Tế sẽ giúp tôi kiếm được thu nhập

cao sau khi ra trường. 1 2 3 4 5

2. Kiến thức từ trường ĐH Kinh Tế sẽ giúp tôi dễ dàng thăng tiến

trong nghề nghiệp. 1 2 3 4 5

3. Tôi tin rằng các doanh nghiệp rất cần các sinh viên tốt nghiệp từ

trường tôi đang học. 1 2 3 4 5

4. Bằng cấp có được từ trường ĐH Kinh Tế là sự đầu tư tốt của tôi

cho tương lai. 1 2 3 4 5

5. Bằng đại học Kinh Tế bảo đảm việc làm trong tương lai. 1 2 3 4 5


141

Thang đo đơn hướng và đa hướng

Một khái niệm có thể chỉ bao gồm một yếu tố/thành phần/khía cạnh

(component / factor / aspect), và thang đo một khái niệm chỉ bao

hàm một thành phần gọi là thang đo đơn hướng (unidimesional)

Một khái niệm có thể bao gồm nhiều yếu tố/thành phần/khía cạnh,

và thang đo một khái niệm bao hàm nhiều thành phần gọi là thang đo đa hướng (multidemensional)

Thang đo Likert áp dụng cho một khái niệm đơn có thể là một thang đo nhiều chỉ báo có tính đơn hướng, chỉ bao gồm một tập hợp mục hỏi.

Thang đo Likert áp dụng cho một khái niệm đa yếu tố có thể là một thang đo nhiều chỉ báo có tính đa hướng, bao gồm nhiều tập hợp mục hỏi, mỗi một tập hợp mục hỏi sẽ phản ảnh một yếu tố của khái niệm.

142

Thang đo đơn hướng và đa hướng BAÛNG 3 .3 Keát quaû pha ân t ích nhaân to á EFA cu ûa kha ùi nie äm “ cha át löôïng dòch vuï ñaø o ta ïo”

Bieán quan sa ùt

Caùc nha ân toá ch ính T ro ïng so á

% b ie án thieân giaûi thích ñöôï c

Cron bach α

F1 Hoïat ñoäng ñaøo taïo 33.849 0.726

CL_ 1 Chö ông trình ñaøo taïo ph uø h ôïp toát v ôùi y eâu caàu cuûa th öïc tieãn . 0.6 00

CL_ 2 No äi du ng moân ho ïc ñö ôïc ñ oåi mô ùi, ñaùp öùn g to át ye âu caà u ñ aøo taïo. 0.6 20

CL_3 Phöông phaùp g iaûng cuûa GV phuø hôïp vôùi y eâu caàu cuûa töøng moân hoïc. 0.6 52

CL_ 4 Giaûn g vieân coù kieán thöùc saâu ve à mo ân hoïc ñaûm traùch. 0.6 73

CL_ 5 Caùch ñaùn h giaù v aø ch o ñ ieåm sinh vieân coân g b aèng. 0.5 83

CL_ 6 Toå chöùc th i cöû, giaùm thò coi thi ngh ie âm tuùc. 0.5 65

F2 Cô sôû vaät cha át 7.377 0.746

CL_ 8 Cô sô û v aät chaá t tröôø ng ñaùp öùn g toá t nhu caàu ñ aøo taïo v aø h oïc taäp . 0.6 39

CL_ 9 Ph oøng maùy tính ñaùp öù ng to át nh u ca àu thö ïc h aønh cuûa sinh vie ân. 0.6 80

CL_10 Cô sôû v aät chaát th ö vieän to át. 0.7 98

CL_ 11 Nh aân vieân thö vieän ph uïc v uï to át. 0.6 98

F3 Dòch vu ï hoã trôï vaø phuï c vuï 9.166 0.811

CL_ 13 Dòch vuï y teá ñaùp öùn g to át s in h v ie ân coù n hu caàu. 0.6 45

CL_ 14 Tö vaán ñaùp ö ùng to át nh u ca àu ch oïn löïa vaø hoïc taäp cu ûa sinh vieân . 0.7 18

CL_ 15 Dòch vuï taøi ch ín h hoã trôï to át s in h vieân coù nhu caàu. 0.7 82

CL_ 17 Dòch vuï aên uo áng giaûi k haùt phuø hô ïp vôùi n hu caàu sinh v ie ân. 0.6 38

CL_ 19 Nh aân vieân giaùo vu ï, thanh tra nhieä t tình phuïc vuï s in h vieân. 0.5 67

CL_ 20 Nh aø trö ôøng va ø kh oa th öôøn g x uye ân laén g nghe yù kieán s inh vieân. 0.5 79


143

Thang đo đơn hướng và đa hướng

BAÛNG 3.4 Keát quaû phaân tích nhaân toá cuûa khaùi nieäm “söï haøi loøng cuûa sinh vieân”

Bie án quan sa ùt Tro ïng soá

HL_1 Hoïc taïi tröôøng ÑH Kinh Te á TPHCM hôn nhö õng gì toâi mong ñôïi. 0 .880 HL_2 Tröôøng ÑH Kinh Teá gio áng nhö tröôøng ÑH lyù töô ûng maø toâi haèng mong ñôïi. 0 .883 HL_3 To âi haøi lo øng khi hoïc ta ïi tröôøng ÑH Kinh Teá TPHCM. 0.862

Giaù trò E igen % bieáân thie ân ñöô ïc gia ûi thích Cronbach alpha

2.296 76.522 0.846

144

Các bước xây dựng thang đo Likert

1. Nhận diện và đặt tên biến muốn đo lường: kinh nghiệm, quan sát, và thăm dò

2. Lập ra một danh sách các phát biểu hoặc câu hỏi mang tính biểu thị. Có thể lấy từ lý thuyết có liên quan, đọc sách báo, ý kiến chuyên gia, thực nghiệm.

3. Xác định loại trả lời : đồng ý – không đồng ý; ủng hộ -- phản đối ; hữu ích -- vô ích; nhiều – không có; giống tôi – không giống tôi; phù hợp –không phù hợp; luôn luôn – không bao giờ; đúng – không đúng

4. Số lượng mức độ: 3, 5 hay 7 mức độ.

5. Kiểm tra toàn bộ các mục hỏi bằng cách khảo sát thử 100 – 200 người .

6. Phân tích mục hỏi trong danh sách để tìm ra một tập hợp các mục hỏi giúp đo lường được một khía cạnh của khái niệm/biến muốn nghiên cứu trong mô hình.


145

Phân tích các mục hỏi

Tìm ra và giữ lại những mục hỏi có ý nghĩa giúp đo lường được một khía cạnh của khái niệm nghiên cứu từ danh sách các mục hỏi ban đầu ->

kiểm tra tính đơn hướng

Tính điểm các trả lời

Kiểm tra tương quan giữa các mục hỏi và tính toán Cronbach alpha

Kiểm tra tương quan giữa tổng điểm của từng người và điểm của từng

mục hỏi (lớn hơn hay bằng 0.4)

Tiêu chuẩn: α lớn hơn 0,7. Có thể chấp nhận α lớn hơn hay bằng 0,6

)1(1K

K2

Y

K

1i

2

Xi

σ

σ−

−=α

∑ =

K : Là số biến đưa vào phân tích.

: Phương sai của biến tổng

: Phương sai của biến quan sát thứ i2

Xiσ

2

Yσ

146

Phân tích các mục hỏi

Trong trường hợp thực hiện nghiên cứu lập lại , hay sử dụng thang đo đã được thiết kế và sử dụng trong các nghiên cứu trước thì tính

Cronbach α cho từng tập hợp biến giúp đo lường từng thành phần của các khái niệm dùng trong nghiên cứu. Nếu khái niệm chỉ có 1 thành phần thì chỉ có 1 α , nếu khái niệm có nhiều thành phần thì sẽ

tính α cho từng tập biến đo lường từng thành phần.

Trong trường hợp người nghiên cứu làm đầu tiên thực hiện việc đo lường khái niệm dùng trong nghiên cứu, chưa biết rõ có bao nhiêu thành

phần trong khái niệm, lúc đó dùng phân tích nhân tố để phân biệt các thành phần, và như vậy biết được từng nhóm biến đo lường từng

thành phần này, sau đó tính Cronbach α từng từng nhóm biến này.


PHƯƠNG PHÁP NGHIÊN CỨU TRONG KINH DOANH

MÔ HÌNH EFAKIỂM ĐỊNH GIÁ TRỊ THANG ĐO

Hoàng Trọng

148

EFA và đánh giá thang đo

Cronbach alpha dùng để đánh giá độ tin cậy thang đo (kết quả đo

lường ổn định nếu thực hiện nhiều lần đo lường khác nhau)

EFA được dùng để đánh

giá giá trị của thang đo

(đo được cái cần đo): giá trị hội tụ và giá trị phân

biệt

Tâm điểm của kiểm soát

Các biến cùng đo lường 1 khái niệm tương quan mạnh với nhau: độ hội tụ cao

Các biến đo lường 1 khái niệm này tươngquan yếu với các biến đo lường một kháiniệm khác: độ phân biệt cao


149

EFA và đánh giá thang đo

EFA được dùng để đánh giá giá trị của thang đo (đo được cái

cần đo): giá trị hội tụ và giá trị phân biệt

150

Khái niệm và ứng dụng

Phân tích nhân tố là tên chung của một nhóm các thủ tục được sử

dụng chủ yếu để thu nhỏ và tóm tắt các dữ liệu.

Trong nghiên cứu, ta có thể thu thập được một số lượng biến khá

lớn và hầu hết các biến này có liên hệ với nhau và số lượng

của chúng phải được giảm bớt xuống đến một số lượng mà chúng ta có thể sử dụng được.


151

Mô hình phân tích nhân tố

các nhân tố chung có thể được diễn tả như những kết hợp tuyến tính của các biến quan sát:

F W X W X W X W Xi í í í ík k

= + + + +1 1 2 2 3 3

.. .

Fi : öôùc löôïng trò soá cuûa nhaân toá thöù i

Wí : quyeàn soá hay troïng soá nhaân toá (weight or factor score coefficient)

k : soá bieán

152

Các tham số thống kê trong EFA

Điều kiện áp dụng FA: các biến có tương quan với nhau

Barlett test of sphericity: kiểm định có tương quan hay không, giả thuyết không là: không có tương quan giữa các biến quan sát.

Kaiser-Mayer-Olkin (KMO): từ 0,5 -> 1, các tương quan đủ lớn đến mức có thể áp dụng FA.

v1 v2 v3 v4 v5 v6v1 1v2 0 1v3 0 0 1v4 0 0 0 1v5 0 0 0 0 1V6 0 0 0 0 0 1


153


Correlation matrix (ma trận tương quan): ma trận chứa tất cả các hệ số tương quan cặp giữa các cặp biến trong phân tích.

v1 v2 v3 v4 v5 v6v1 1 0.039 0.321 0 0.314 -0.097v2 0.039 1 -0.13 0.534 0.352 0.593v3 0.321 -0.13 1 -0.432 0.474 0.037v4 0 0.534 -0.432 1 0.077 0.345v5 0.314 0.352 0.474 0.077 1 0.279v6 -0.097 0.593 0.037 0.345 0.279 1

Communality (phần chung): lượng biến thiên của 1 biến được giải thích chung với các biến khác (cũng là phần biến thiên được giải thích bởi các nhân tố chung).

Eigenvalue: biến thiên của tập biến quan sát được giải thích bởi mỗi nhân tố rút ra so với biến thiên còn lại của tập biến quan sát sau khi nhân tố được rút ra.

154


Factor scores (các điểm số nhân tố): các trị số được ước lượng cho từng quan sát trên từng nhân tố được rút ra.

Các biến gốc

Các nhân tố(biến tổng hợp)

Factor score


155

Số lượng nhân tố

Priori determination: từ lý thuyết, kinh nghiệm, các kết quả nghiên cứu trước.

Dựa vào eigenvalue: eigenvalue thể hiện phần biến thiên được giải thích bởi mỗi nhân tố so với biến thiên còn lại, nếu phần biến thiên được giải thích này lớn (eigenvalue lớn hơn 1), thì nhân tố rút ra có ý nghĩa tóm tắt thông tin tốt.

156

Xoay các nhân tố

Thỉnh thoảng có một vài biến có hệ số lớn đối với hơn một nhân tố hoặc có nhiều nhân tố có hệ số lớn trong cùng một biến, việc giải thích sẽ trở nên khó khăn

F1 F2ngua sau rang 0.050 0.618lam trang rang 0.891 -0.007lam khoe nuu rang -0.143 0.872lam hoi tho thom tho 0.726 -0.377lam sach cau rang 0.462 0.726lam rang bong hon 0.775 0.050

Kinh nghiệm: mỗi biến gốc nên có hệ số tải nhân tố lớn (0.4 trở lên) đối với chỉ một nhân tố được rút ra.

-> xoay nhân tố


157


-1 -0,5 0 +0,5 +1

-1

-0,5

+0,5

+ 1

Nhaân toá chöa xoay II

Nhaân toá xoay II

V3V4

V5

V1V2

Nhaân toá chöaxoay I

Nhaân toá xoay I

Xoay vẫn giữ nguyên góc ban đầu của các nhân tố

158

Xoay các nhân tốXoay không giữ nguyên góc ban đầu của các nhân tố

-1 -0,5 0 +0,5 +1

-1

-0,5

+0,5

+ 1

Nhaân to á chöa xoay II

Nhaân

toá

chöa xoay I

V3 V4

V5

V1 V2

Nhaân to á xoay

Khoâng giöõ nguye ân

go ùc ban ña àu II

Nha ân toá xoay

giö õ nguye ân

goù c ban ñaàu II

Nha ân toá xoay

giö õ nguyeân

goùc ban ñaàu I

Nhaân to á x oay

Khoâng giöõ nguye ân go ùc ban ña àu I


159


F1 F2 F1 F2

ngua sau rang 0.050 0.618 -0.014 0.620lam trang rang 0.891 -0.007 0.886 0.086lam khoe nuu rang -0.143 0.872 -0.233 0.852lam hoi tho thom tho 0.726 -0.377 0.761 -0.300lam sach cau rang 0.462 0.726 0.384 0.770lam rang bong hon 0.775 0.050 0.766 0.130

đã xoaychưa xoay

F1

1.00.0-1.0

F2

1.0

0.0

-1.0

V6

V5

V 4

V 3

V 2

V1

160

Đặt tên và giải thích các nhân tố

Việc giải thích các nhân tố được thực hiện trên cơ sở nhận ra các biến có hệ số (factor loading) lớn ở cùng một nhân tố.

Và chúng ta có thể tóm tắt các dữ liệu thu thập được để nói rằng người tiêu dùng dường như tìm kiếm hai loại lợi ích chính khi mua kem đánh răng: lợi ích thẩm mỹ/giao tiếp xã hội và lợi ích sức khỏe

F1 F2ngua sau rang -0.014 0.620lam trang rang 0.886 0.086lam khoe nuu rang -0.233 0.852lam hoi tho thom tho 0.761 -0.300lam sach cau rang 0.384 0.770lam rang bong hon 0.766 0.130


161

Tính trị số nhân tốF W X W X W X W Xi í í í ík k= + + + +

1 1 2 2 3 3. ..

6543211 355,0171,0356,0116,0411,0012,0 XXXXXXF +++−+−=

F1 F2ngua sau rang -0.012 0.341lam trang rang 0.411 0.039lam khoe nuu rang -0.116 0.471lam hoi tho thom tho 0.356 -0.172lam sach cau rang 0.171 0.420lam rang bong hon 0.355 0.065

6543212 065,0420,0172,0471,0039,0341,0 XXXXXXF ++−++=

Từ Factor score coeff icient matrix (ma trận trọng số nhân tố), viết được phương trình thể hiện từng nhân tố như là kết hợp của các biến gốc.

Từ các phương trình thể hiện nhân tố, thế các trị số của các biến gốc vào phương trình thì sẽ tính được trị số nhân tố cho từng quan sát.

162

Tính trị số nhân tố

6543211 355,0171,0356,0116,0411,0012,0 XXXXXXF +++−+−=

6543212 065,0420,0172,0471,0039,0341,0 XXXXXXF ++−++=

Trị số nhân tốchưa chuẩn hóa

(dùng lệnh compute)

Trị số nhân tố đã chuẩn hóa được lưu lại tự động nhờ lệnh save trong phân tích nhân tố


163

Ưu điểm Nhược điểm

Cách 1 dùng lệnh save scores của SPSS để tính cáctrị số nhân tố dưới dạng trung bình có trọngsố và được chuẩn hóa

Tính nhanh, nhất làkhi có quá nhiều biếnquan sát và nhân tốđược rút ra

Không phân tích nhân tố cùnglúc với biến nguyên nhân vàbiến kết quả.

Các trị số dưới dạng chuẩnhóa sẽ khó hình dung vớinhiều người.

Cách 2 Dùng lệnh compute để tính trị số nhân tố dưới dạng trung bình có trọng số không chuẩn hóa

Các trị số nhân tố dưới dạng thang đo thông thường sẽ dễ cho việc mô tả

Tính toán lâu, dễ nhầm lẫn, nhất là khi có quá nhiều biến quan sát và nhân tố được rút ra

Cách 3 Dùng lệnh compute để tính các trị số nhân tố dưới dạng trung bình không có trọng số và rút gọn các biến quan sát (chỉ những biến quan sát có hệ số tải nhân tố lớn ở nhân tố nào thì mới được tham gia tính toán ra nhân tố đó)

Tính toán nhanh hơn, ít nhầm lẫn, các trị số dưới dạng thang đo thông thường, dễ cho việc mô tả

Có thể ít chính xác vì không có trọng số

Cách 4 Dùng lệnh compute để tính các trị số nhân tố dưới dạng tổng không có trọng số và rút gọn các biến quan sát (chỉ những biến quan sát có hệ số tải nhân tố lớn ở nhân tố nào thì mới được tham gia tính toán ra nhân tố đó)

Tính toán nhanh hơn, ít nhầm lẫn, các trị số dưới dạng thang đo thông thường, dễ cho việc mô tả

Nếu các nhân tố có số lượngbiến quan sát (item) chênhlệch nhau sẽ khó hình dung cho việc mô tả

Tính trị số nhân tố

164

Sử dụng kết quả phân tích nhân tố

Sau khi rút trích được các nhân tố và lưu lại thành các biến mới, chúng ta sẽ sử dụng các biến mới này thay cho tập hợp biến gốc để đưa vào các phân tích tiếp theo như kiểm định trung bình, ANOVA, tương quan & hồi quy ...

Ví dụ: chúng ta có thể xem có khác biệt giữa nam và nữ hay không về tầm quan trọng của các lợi ích khi mua kem đánh răng bằng một kiểm định t đối với mẫu độc lập.

-> có sự khác biệt có ý nghĩa thống kê: nam quan tâm đến lợi ích giao tiếp xã hội nhiều hơn nữ (kết quả ở trang sau)


165

Sử dụng kết quả phân tích nhân tốGr o up Sta t i s t i c sG r o up Sta t i s t i c sG r o up Sta t i s t i c sG r o up Sta t i s t i c s

17 .3833755 .87044420 .21111373

18 -.3620768 1.000554 .23583278

17 -.2771805 1.155686 .28029505

18 .2617816 .77043184 .18159253

giôùi tínhnam

nöõ

nam

nöõ

lôïi ích giao tieáp XH

lôïi ích söùc khoûe

N Mean

Std.

Deviation

Std. Error

Mean

Inde pe nde nt S ampl e s Te s tInde pe nde nt S ampl e s Te s tInde pe nde nt S ampl e s Te s tInde pe nde nt S ampl e s Te s t

.224 .639 2.346 33 .025 .7454523 .31781402

2.355 32.790 .025 .7454523 .31652189

5.726 .023 -1.632 33 .112 -.5389620 .33021613

-1.614 27.663 .118 -.5389620 .33397778

Equal variancesassumed

Equal variancesnot assumed

Equal variancesassumed

Equal variancesnot assumed

lôïi íchgiao tieáp

XH

lôïi íchsöùc khoûe

F Sig.

Levene's Test forEquality of Variances

t dfSig.

(2-tailed)Mean

DifferenceStd. ErrorDifference

t-test for Equality of Means

166

Đánh giá giá trị thang đo bằng EFA

Số lượng nhân tố trích: phù hợp với giả thuyết ban đầu về số lượng thành phần của thang đo (khái niệm đa hướng).

Số lượng nhân tố trích không phù hợp: do dữ liệu thu thập không đạt yêu cầu: Phỏng vấn không đạt, câu hỏi không rõ ràng, đối tượng không hợp tác, dữ liệu không sạch. Nếu số lượng nhân tố nhỏ hơn, có ít nhất 2 thành phần bị gộp lại, cần xem lại lý thuyết. Nếu số lượng nhân tố trích được lớn hơn -> một khái niệm thực sự là 2 khái niệm đơn hướng -> cần nghiên cứu định tính để diễn giải và kết luận về kết quả

Biến không nhóm vào nhân tố như đã giả thuyết: có thể do dữ liệu không đạt yêu cầu, kiểm tra lại lý thuyết, nếu biến không thực sự đo lường khái niệm thì có thể loại chúng đi, nếu chúng thực sự đo lường khái niệm đang đo thì chỉ cần điều chỉnh lại thang đo trong phần thiết kế thang đo.


167

Đánh giá giá trị thang đo bằng EFA

Trọng số nhân tố và tổng phương sai trích:

Trọng số nhân tố của biến quan sát trên nhân tố mà nó đo lường phải cao hơn trọng số trên các nhân tố khác -> giá trị hội tụ: Trọng số nhân tố: trong thực tiễn nghiên cứu thì trọng số nhân tố này nên ≥ 0,5, có thể chấp nhận nếu ≥ 0,4.

Tổng phương sai trích TVE: phải đạt từ 50% trở lên

Chiến lược phân tích EFA để đánh giá thang đo:

Dùng EFA cho từng khái niệm đa hướng và EFA cho tất cả các khái niệm đơn hướng

Sử dụng cặp: đánh giá từng cặp khái niệm với nhau (để xem độ hội tụ và độ phân biệt)

Tính trị số nhân tố: tổng hay trung bình, lệnh save as trong SPSS


KIỂM ĐỊNH MỐI LIÊN HỆ &KIỂM ĐỊNH KHÁC BIỆT TRUNG BÌNH

Hoàng Trọng


169

Loại biến và loại kiểm định

Biến nguyên nhân Biến kết quả Công cụ thống kê

Định danh/ thứ bậc Định danh/ thứ bậc Chi bình phương

Định danh/ thứ bậc(2 nhóm)

Định lượng T test

Định danh/ thứ bậc(nhiều hơn 2 nhóm)

Định lượng ANOVA

Định lượng Định lượng Tương quan & hồi qui

Định lượng Định danh/ thứ bậc Hồi qui logistic,Phân tích biệt số

170

Liên hệ hai biến định danh

Dữ l iệu dưới dạng tần số

Dùng bảng chéo khám phá mối l iên hệ

Dùng kiểm định chi bình phương (kiểm định tính độc lập) để xem xét mối

l iên hệ có ý nghĩa thống kê hay không

Dùng những thước đo nhưhệ số l iên kết lamda, phi để đo lường độ mạnhmối l iên hệ


171

Liên hệ một biến định tính vàmột biến định lượngBiến nguyên nhân: biếnđịnh danh hay thứbậc

Biến kết quả: biến định lượng

-> nếu biến nguyên nhân chỉ có 2 nhóm: dùng kiểm định trung bình

(kiểm định t)

-> nếu biến nguyên nhân có từ 3 nhóm trở lên: dùng phân tích phươngsai.

172

Liên hệ hai biến định lượng

Đo lường độ mạnh bằng hệ số tương quan hay tỉ số tương quan

Thể hiện mối quan hệ bằng phương trình hồi qui


Khái niệm ANOVA

• Mục tiêu của ANOVA là so sánh trung bình của nhiều nhóm

(tổng thể) dựa trên các trung bình mẫu.

• Trong nghiên cứu, ANOVA được dùng như một công cụ để xem xét ảnh hưởng của một yếu tố nguyên nhân (biến định

tính) đến một yếu tố kết quả (biến định lượng)

ANOVA 1 yếu tố ảnh hưởng

Các mẫu rút ra từ k tổng thể

1 2 . . . k

x11x12

. . .x1n1

x21x22

. . .x2n2

. . .

. . .

. . .

. . .

xk1xk1

. . .xknk



Bước 1: tính các trung bình

• các trung bình mẫu

• trung bình chung của k mẫu

i

n

j

ij

in

x

x

i

∑=

=1

∑

∑

=

==k

i

i

k

i

ii

n

xn

x

1

1


Bước 2: tính các tổng bình phương

• nội bộ từng nhóm

• nội bộ k nhóm

• giữa các nhóm

• Toàn bộ mẫu

2

1

n

1j

j11 )xx(SS1

∑=

−=

2k

1i

n

1j

iij )xx(SSWi

∑∑= =

−=

2

i

k

1i

i )xx(nSSG −=∑=

SSGSSW)xx(SST 2k

1i

n

1j

ij

i

+=−=∑∑= =

Biến thiên của biến kết quả x do các yếu tố khác ảnh hưởng

Biến thiên của biến kết quả x do các nhóm (biến nguy ên nhân) ảnh hưởng

Biến thiên toàn bộ biến kết quả x



Bước 3: tính các phương sai

• nội bộ nhóm

• giữa các nhóm

Bước 4: kiểm định

• Bác bỏ giả thuyết H0 cho rằng trung bình của k tổng thể đều bằng nhau khi: F > F

Phần phương sai của biến kết quả x do các yếu tố khác ảnh hưởng

Phần phương sai của biến kết quả x do các nhóm (biến nguy ên nhân) ảnh hưởng

kn

SSWM SW

−=

1k

SSGM SG

−=

M SW

M SGF =

α,,1 knk −−

Giá trị giới hạn tra từ bảng phân phối F vớik -1 bậc tự do ở tử số và n -k bậc tự do ở mẫu số ở mức ý nghĩa α

178

Phân tích phương sai – tóm tắtBiến nguyên nhân định tính có từ 3 nhóm trở lên

Biến kết quả là định lượng.

Toàn bộ biến thiên của biến kết quả (SST) được tách thành 2 phần:

� Biến thiên do yếu tố nguyên nhân đang xem xét: SSG

� Biến thiên do các yếu tố khác gây ra: SSW

-> Phương sai của yếu tố kết quả do yếu tố nguyên nhân gây ra (hay giải thích được) MSG = SSG/k-1

-> Phương sai của yếu tố kết quả do các yếu tố khác gây ra

MSW = SSW/n-k

T ỉ số F = MSG/MSW lớn phản ảnh ảnh hưởng của yếu tố nguyên nhân đang xem xét là đáng kể và ảnh hưởng đến biến kết quả, làm cho tung

bình của biến kết quả ở từng nhóm của biến nguyên nhân không bằng nhau.


Phân tích sâu ANOVA

2

)1k(k

)!2k(!2

!kC2

k

−=

−=

i

knkn

MSWqT

−= ,,α

knkq −,,α

Trường hợp các tổng thể có phân phối bất kỳ

)1(3)1(

12

1

2

+−+∑

=

nn

R

nn

k

i i

i

2

,1kW α−χ>

Giá trị giới hạn tratừ bảng phân phốiChi square


Business Statistics: A Decis ion-Making Approach, 6e © 2005 Prentice-Hall, Inc. Chap 13-181

Introduction to Linear Regression and Correlation Analysis

(Giới thiệu hồi qui tuyến tính và phân tích tương quan)


Business Statistics: A Decis ion-Making Approach, 6e © 2005 Prentice-Hall, Inc.

Chap 13-182

Chapter Goals

After completing this chapter, you should be able to:

� Calculate and interpret the simple correlation between two variables

� Determine whether the correlation is significant

� Calculate and interpret the simple linear regression equation for a set of data

� Understand the assumptions behind regression analysis

� Determine whether a regression model is significant



Chap 13-183

Chapter Goals


� Calculate and interpret confidence intervals for the regression coefficients

� Recognize regression analysis applications for purposes of prediction and description

� Recognize some potential problems if regression analysis is used incorrectly

� Recognize nonlinear relationships between two variables

(continued)


Chap 13-184

Scatter Plots and Correlation

� A scatter plot (or scatter diagram) is used to show the relationship between two variables

� Correlation analysis is used to measure strength of the association (linear relationship) between two variables

� Only concerned with strength of the relationship

� No causal effect is implied



Chap 13-185

Scatter Plot Examples

y

x

y

x

y

y

x

x

Linear relationships Curv ilinear relationships


Chap 13-186


y

x

y

x

y

y

x

x

Strong relationships Weak relationships

(continued)



Chap 13-187


y

x

y

x

No relationship

(continued)


Chap 13-188

Correlation Coefficient

� The population correlation coefficient ρ (rho) measures the strength of the association between the variables

� The sample correlation coefficient r is an estimate of ρ and is used to measure the strength of the linear relationship in the sample observations

(continued)



Chap 13-189

Features of ρ and r

� Unit free� Range between -1 and 1� The closer to -1, the stronger the negative

linear relationship� The closer to 1, the stronger the positive

linear relationship� The closer to 0, the weaker the linear

relationship


Chap 13-190

r = +.3 r = +1

Examples of Approximate r Values

y

x

y

x

y

x

y

x

y

x

r = -1 r = -.6 r = 0



Chap 13-191

Calculating the Correlation Coefficient

∑∑∑

−−

−−=

])yy(][)xx([

)yy)(xx(r

22

where:r = Sample correlation coef ficientn = Sample sizex = Value of the independent v ariabley = Value of the dependent v ariable

∑ ∑ ∑ ∑∑ ∑ ∑

−−

−=

])y()y(n][)x()x(n[

yxxynr

2222

Sample correlation coefficient:

or the algebraic equivalent:


Chap 13-192

Calculation Example

Tree Height

Trunk Diameter

y x xy y2 x2

35 8 280 1225 64

49 9 441 2401 81

27 7 189 729 49

33 6 198 1089 36

60 13 780 3600 169

21 7 147 441 49

45 11 495 2025 121

51 12 612 2601 144

ΣΣΣΣ=321 ΣΣΣΣ=73 ΣΣΣΣ=3142 ΣΣΣΣ=14111 ΣΣΣΣ=713



Chap 13-193

0

10

20

30

40

50

60

70

0 2 4 6 8 10 12 14

0.886

](321)][8(14111)(73)[8(713)

(73)(321)8(3142)

]y)()y][n(x)()x[n(

yxxynr

22

2222

=

−−

−=

−−

−=

∑ ∑ ∑ ∑∑ ∑ ∑

Trunk Diameter, x

TreeHeight, y

Calculation Example(continued)

r = 0.886 → relatively strong positive linear association between x and y


Chap 13-194

Excel Output

Tree Height Trunk DiameterTree Height 1Trunk Diamet er 0.886231 1

Excel Correlation OutputTools / data analysis / correlation…

Correlation between Tree Height and Trunk Diameter



Chap 13-195

Significance Test for Correlation

� Hypotheses H0: ρ = 0 (no correlation) HA: ρ ≠ 0 (correlation exists)

� Test statistic

� (with n – 2 degrees of freedom)

2nr1

rt

2

−

−=


Chap 13-196

Example: Produce Stores

Is there evidence of a linear relationship between tree height and trunk diameter at the .05 level of significance?

H0: ρ = 0 (No correlation)

H1: ρ ≠ 0 (correlation exists)

α =.05 , df = 8 - 2 = 6

4.68

28.8861

.886

2nr1

rt

22=

−

−=

−

−=



Chap 13-197

4.68

28.8861

.886

2nr1

rt

22=

−

−=

−

−=

Example: Test Solution

Conclusion:There is evidence of a linear relationship at the 5% level of significance

Decision:Reject H0

Reject H0Reject H0

α/2=.025

-tα/2Do not reject H0

0 tα/2

α/2=.025

-2.4469 2.44694.68

d.f. = 8-2 = 6


Chap 13-198

Introduction to Regression Analysis

� Regression analysis is used to:� Predict the value of a dependent variable based on

the value of at least one independent variable

� Explain the impact of changes in an independent variable on the dependent variable

Dependent variable: the variable we wish to explain

Independent variable: the variable used to explain the dependent variable



Chap 13-199

Simple Linear Regression Model

� Only one independent variable, x

� Relationship between x and y is described by a linear function

� Changes in y are assumed to be caused by changes in x


Chap 13-200

Types of Regression Models

Positiv e Linear Relationship

Negativ e Linear Relationship

Relationship NOT Linear

No Relationship



Chap 13-201

εxββy 10 ++=Linear component

Population Linear Regression

The population regression model:

Population y intercept

Population SlopeCoefficient

Random Error term, or residualDependent

Variable

Independent Variable

Random Errorcomponent


Chap 13-202

Linear Regression Assumptions

� Error values (ε) are statistically independent

� Error values are normally distributed for any given value of x

� The probability distribution of the errors is normal

� The probability distribution of the errors has constant variance

� The underlying relationship between the x variable and the y variable is linear



Chap 13-203

Population Linear Regression(continued)

Random Error for this x value

y

x

Observed Value of y for xi

Predicted Value of y for xi

εxββy 10 ++=

xi

Slope = β1

Intercept = β0

εi


Chap 13-204

xbby 10i +=

The sample regression line provides an estimate of the population regression line

Estimated Regression Model

Estimate of the regression intercept

Estimate of the regression slope

Estimated (or predicted) y value

Independent variable

The individual random error terms ei have a mean of zero



Chap 13-205

Least Squares Criterion

� b0 and b1 are obtained by finding the values of b0 and b1 that minimize the sum of the squared residuals

210

22

x))b(b(y

)y(ye

+−=

−=

∑

∑∑


Chap 13-206

The Least Squares Equation

� The formulas for b1 and b0 are:

algebraic equivalent:

∑ ∑

∑ ∑ ∑

−

−

=

n

xx

n

yxxy

b2

2

1)(

∑∑

−

−−=

21)(

))((

xx

yyxxb

xbyb 10 −=

and



Chap 13-207

� b0 is the estimated average value of y when the value of x is zero

� b1 is the estimated change in the average value of y as a result of a one-unit change in x

Interpretation of the Slope and the Intercept


Chap 13-208

Finding the Least Squares Equation

� The coefficients b0 and b1 will usually be found using computer software, such as Excel or Minitab

� Other regression measures will also be computed as part of computer-based regression analysis



Chap 13-209

Simple Linear Regression Example

� A real estate agent wishes to examine the relationship between the selling price of a home and its size (measured in square feet)

� A random sample of 10 houses is selected� Dependent variable (y) = house price in $1000s

� Independent variable (x) = square feet


Chap 13-210

Sample Data for House Price Model

House Price in $1000s(y)

Square Feet (x)

245 1400

312 1600

279 1700

308 1875

199 1100

219 1550

405 2350

324 2450

319 1425

255 1700



Chap 13-211

Regression Using Excel

� Tools / Data Analysis / Regression


Chap 13-212

Excel Output

Regression Statistics

Multiple R 0.76211

R Square 0.58082

Adjusted R Square 0.52842

Standard Error 41.33032

Observations 10

ANOVAdf SS MS F Significance F

Regression 1 18934.9348 18934.9348 11.0848 0.01039

Residual 8 13665.5652 1708.1957

Total 9 32600.5000

Coefficients Standard Error t Stat P-value Lower 95% Upper 95%

Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386

Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580

The regression equation is:

feet) (square 0.10977 98.24833 price house +=



Chap 13-213

0

50

100

150

200250

300

350

400450

0 500 1000 1500 2000 2500 3000

Square Feet

Ho

use

Pri

ce (

$10

00s

)

Graphical Presentation

� House price model: scatter plot and regression line


Slope = 0.10977

Intercept = 98.248


Chap 13-214

Interpretation of the Intercept, b0

� b0 is the estimated average value of Y when the value of X is zero (if x = 0 is in the range of observed x values)

� Here, no houses had 0 square feet, so b0 = 98.24833 just indicates that, for houses within the range of sizes observed, $98,248.33 is the portion of the house price not explained by square feet




Chap 13-215

Interpretation of the Slope Coefficient, b1

� b1 measures the estimated change in the average value of Y as a result of a one-unit change in X

� Here, b1 = .10977 tells us that the average value of a house increases by .10977($1000) = $109.77, on average, for each additional one square foot of size



Chap 13-216

Least Squares Regression Properties

� The sum of the residuals from the least squares regression line is 0 ( )

� The sum of the squared residuals is a minimum (minimized )

� The simple regression line always passes through the mean of the y variable and the mean of the x variable

� The least squares coefficients are unbiased

estimates of β0 and β1

0)ˆ( =−∑ yy

2)ˆ( yy∑ −



Chap 13-217

Explained and Unexplained Variation

� Total variation is made up of two parts:

SSR SSE SST +=Total sum of Squares

Sum of Squares Regression

Sum of Squares Error

∑ −= 2)yy(SST ∑ −= 2)yy(SSE ∑ −=2)yy(SSR

where:= Av erage v alue of the dependent variable

y = Observ ed v alues of the dependent variable= Estimated v alue of y for the given x valuey

y


Chap 13-218

� SST = total sum of squares

� Measures the variation of the yi values around their mean y

� SSE = error sum of squares

� Variation attributable to factors other than the relationship betw een x and y

� SSR = regression sum of squares

� Explained variation attributable to the relationship betw een x and y

(continued)




Chap 13-219

(continued)

Xi

y

x

yi

SST = ∑∑∑∑ (yi - y)2 SSE = ∑∑∑∑ (yi - yi )2∧∧∧∧

SSR = ∑∑∑∑ (yi - y)2∧∧∧∧ __

_


y∧∧∧∧

y

y_y∧∧∧∧


Chap 13-220

� The coefficient of determination is the portion of the total variation in the dependent variable that is explained by variation in the independent variable

� The coefficient of determination is also called R-squared and is denoted as R2

Coefficient of Determination, R2

SSTSSR

R =2 1R0 2

≤≤where



Chap 13-221

Coefficient of determination

Coefficient of Determination, R2

squares of sum totalregressionby explained squares of sum

SSTSSR

R ==2

(continued)

Note: In the single independent variable case, the coefficient of determination is

where:R2 = Coefficient of determinationr = Simple correlation coefficient

22 rR =


Chap 13-222R2 = +1

Examples of Approximate R2 Values

y

x

y

x

R2 = 1

R2 = 1

Perfect linear relationship between x and y:

100% of the variation in y is explained by variation in x



Chap 13-223


y

x

y

x

0 < R2 < 1

Weaker linear relationship between x and y:

Some but not all of the variation in y is explained by variation in x


Chap 13-224


R2 = 0

No linear relationship between x and y:

The value of Y does not depend on x. (None of the variation in y is explained by variation in x)

y

xR2 = 0



Chap 13-225

Excel Output


Multiple R 0.76211

R Square 0.58082



Observations 10


Regression 1 18934.9348 18934.9348 11.0848 0.01039

Residual 8 13665.5652 1708.1957

Total 9 32600.5000


Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386

Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580

58.08% of the variation in house prices is explained by variation in square feet

0.5808232600.500018934.9348

SSTSSR

R2 ===


Chap 13-226

Standard Error of Estimate

� The standard deviation of the variation of observations around the regression line is estimated by

1−−=ε kn

SSEs

WhereSSE = Sum of squares error

n = Sample sizek = number of independent variables in the model



Chap 13-227

The Standard Deviation of the Regression Slope

� The standard error of the regression slope coefficient (b1) is estimated by

∑ ∑∑−

=−

=

n

x)(x

s

)x(x

ss

22

ε

2

εb1

where:

= Estimate of the standard error of the least squares slope

= Sample standard error of the estimate

1bs

2n

SSEsε

−=


Chap 13-228

Excel Output


Multiple R 0.76211

R Square 0.58082



Observations 10


Regression 1 18934.9348 18934.9348 11.0848 0.01039

Residual 8 13665.5652 1708.1957

Total 9 32600.5000


Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386

Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580

41.33032sε =

0.03297s1b =



Chap 13-229

Comparing Standard Errors

y

y y

x

x

x

y

x

1bs small

1bs large

εs small

εs large

Variation of observed y values from the regression line

Variation in the slope of regression lines from different possible samples


Chap 13-230

Inference about the Slope: t Test

� t test for a population slope� Is there a linear relationship between x and y?

� Null and alternative hypotheses� H0: β1 = 0 (no linear relationship)� H1: β1 ≠ 0 (linear relationship does exist)

� Test statistic

�

�

1b

11

sβbt −

=

2nd.f. −=

where:b1 = Sample regression slopecoef ficientβ1 = Hy pothesized slopesb1 = Estimator of the standarderror of the slope



Chap 13-231

House Price in $1000s

(y)

Square Feet (x)

245 1400

312 1600

279 1700

308 1875

199 1100

219 1550

405 2350

324 2450

319 1425

255 1700

(sq.ft.) 0.1098 98.25 price house +=

Estimated Regression Equation:

The slope of this model is 0.1098 Does square footage of the house affect its sales price?

Inference about the Slope: t Test

(continued)


Chap 13-232

Inferences about the Slope: t Test Example

H0: β1 = 0HA: β1 ≠ 0

Test Statistic: t = 3.329

There is sufficient evidence that square footage affects house price

From Excel output:

Reject H0

Coefficients Standard Error t Stat P-value

Intercept 98.24833 58.03348 1.69296 0.12892

Square Feet 0.10977 0.03297 3.32938 0.01039

1bs tb1

Decision:

Conclusion:

Reject H0Reject H0

α/2=.025


0 tα/2

α/2=.025

-2.3060 2.3060 3.329

d.f. = 10-2 = 8



Chap 13-233

Regression Analysis for Description

Confidence Interval Estimate of the Slope:

Excel Printout for House Prices:

At 95% level of confidence, the confidence interval for the slope is (0.0337, 0.1858)

1b/21 stb α±


Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386

Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580

d.f. = n - 2


Chap 13-234

Regression Analysis for Description

Since the units of the house price variable is $1000s, we are 95% confident that the average impact on sales price is between $33.70 and $185.80 per square foot of house size


Intercept 98.24833 58.03348 1.69296 0.12892 -35.57720 232.07386

Square Feet 0.10977 0.03297 3.32938 0.01039 0.03374 0.18580

This 95% confidence interval does not include 0.Conclusion: There is a significant relationship between house price and square feet at the .05 level of significance



Chap 13-235

Confidence Interval for the Average y, Given x

Confidence interval estimate for the mean of y given a particular xp

Size of interv al varies according to distance away f rom mean, x

∑ −

−+± α 2

2p

ε/2 )x(x

)x(x

n

1sty


Chap 13-236

Confidence Interval for an Individual y, Given x

Confidence interval estimate for an

Individual value of y given a particular xp

∑ −

−++± α 2

2p

ε/2 )x(x

)x(x

n

11sty

This extra term adds to the interv al width to reflect the added uncertainty for an individual case



Chap 13-237

Interval Estimates for Different Values of x

y

x

Prediction Interval for an individual y, given xp

xpx

Confidence Interval for the mean of y, given xp


Chap 13-238

House Price in $1000s

(y)

Square Feet (x)

245 1400

312 1600

279 1700

308 1875

199 1100

219 1550

405 2350

324 2450

319 1425

255 1700

(sq.ft.) 0.1098 98.25 price house +=

Estimated Regression Equation:

Example: House Prices

Predict the price for a house with 2000 square feet



Chap 13-239

317.85

0)0.1098(200 98.25

(sq.ft.) 0.1098 98.25 price house

=

+=

+=

Example: House Prices

Predict the price for a house with 2000 square feet:

The predicted price for a house with 2000 square feet is 317.85($1,000s) = $317,850

(continued)


Chap 13-240

Estimation of Mean Values: Example

Find the 95% confidence interval for the average

price of 2,000 square-foot houses

Predicted Price Yi = 317.85 ($1,000s)∧∧∧∧

Confidence Interval Estimate for E(y)|xp

37.12317.85)x(x

)x(x

n1

sty2

2p

εα/2 ±=−

−+±∑

The confidence interval endpoints are 280.66 -- 354.90, or from $280,660 -- $354,900



Chap 13-241

Estimation of Individual Values: Example

Find the 95% confidence interval for an individual

house with 2,000 square feet

Predicted Price Yi = 317.85 ($1,000s)∧∧∧∧

Prediction Interval Estimate for y|xp

102.28317.85)x(x

)x(x

n1

1sty2

2p

εα/2 ±=−

−++±∑

The prediction interval endpoints are 215.50 -- 420.07, or from $215,500 -- $420,070


Chap 13-242

Finding Confidence and Prediction Intervals PHStat

� In Excel, use

PHStat | regression | simple linear regression …

� Check the “confidence and prediction interval for X=”box and enter the x-value and confidence level desired



Chap 13-243

Input values

Finding Confidence and Prediction Intervals PHStat

(continued)

Confidence Interval Estimate for E(y)|xp

Prediction Interval Estimate for y|xp


Chap 13-244

Residual Analysis

� Purposes� Examine for linearity assumption� Examine for constant variance for all

levels of x � Evaluate normal distribution assumption

� Graphical Analysis of Residuals

� Can plot residuals vs. x� Can create histogram of residuals to

check for normality



Chap 13-245

Residual Analysis for Linearity

Not Linear Linear�

x

resi

du

als

x

y

x

y

x

resi

du

als


Chap 13-246

Residual Analysis for Constant Variance

Non-constant variance �Constant variance

x x

y

x x

y

resi

du

als

resi

du

als



Chap 13-247

House Price Mode l Residua l Plot

-60

-40

-20

0

20

40

60

80

0 1000 2000 300 0

Square Fe et

Res

idu

als

Excel Output

RESIDUAL OUTPUT

Predicted House Price Residuals

1 251.92316 -6.923162

2 273.87671 38.12329

3 284.85348 -5.853484

4 304.06284 3.937162

5 218.99284 -19.99284

6 268.38832 -49.38832

7 356.20251 48.79749

8 367.17929 -43.17929

9 254.6674 64.33264

10 284.85348 -29.85348


Chap 13-248

Chapter Summary

� Introduced correlation analysis� Discussed correlation to measure the strength

of a linear association� Introduced simple linear regression analysis� Calculated the coefficients for the simple linear

regression equation� Described measures of variation (R2 and sε)� Addressed assumptions of regression and

correlation



Chap 13-249

Chapter Summary

� Described inference about the slope� Addressed estimation of mean values and

prediction of individual values� Discussed residual analysis

(continued)

Business Statistics: A Decis ion-Making Approach, 6e © 2005 Prentice-Hall, Inc. Chap 14-250

Multiple Regression & Model Building(Hồi qui bội và xây dựng mô hình)




Chap 14-251

Chapter Goals


� understand model building using multiple regression analysis

� apply multiple regression analysis to business decision-making situations

� analyze and interpret the computer output for a multiple regression model

� test the significance of the independent variables in a multiple regression model


Chap 14-252

Chapter Goals


� use variable transformations to model nonlinear relationships

� recognize potential problems in multiple regression analysis and take the steps to correct the problems.

� incorporate qualitative variables into the regression model by using dummy variables.

(continued)



Chap 14-253

The Multiple Regression Model

Idea: Examine the linear relationship between 1 dependent (y ) & 2 or more independent v ariables (x i)

εxβxβxββy kk22110 +++++= K

kk22110 xbxbxbby ++++= K

Population model:

Y-intercept Population slopes Random Error

Estimated (or predicted) value of y

Estimated slope coefficients

Estimated multiple regression model:

Estimatedintercept


Chap 14-254

Multiple Regression Model

Two variable model

y

x1

x2

22110 xbxbby ++=



Chap 14-255

Multiple Regression Model

Two variable model

y

x1

x2

22110 xbxbby ++=y i

y i

<

e = (y – y )<

x2i

x1i The best fit equation, y ,is found by minimizing thesum of squared errors, Σe2

<

Sample observ ation


Chap 14-256

Multiple Regression Assumptions

� The errors are normally distributed� The mean of the errors is zero� Errors have a constant variance� The model errors are independent

e = (y – y)

<

Errors (residuals) from the regression model:



Chap 14-257

Model Specification

� Decide what you want to do and select the dependent variable

� Determine the potential independent variables for your model

� Gather sample data (observations) for all variables


Chap 14-258

The Correlation Matrix

� Correlation between the dependent variable and selected independent variables can be found using Excel:� Tools / Data Analysis… / Correlation

� Can check for statistical significance of correlation with a t test



Chap 14-259

Example

� A distributor of frozen desert pies wants to evaluate factors thought to influence demand

� Dependent variable: Pie sales (units per w eek)

� Independent variables: Price (in $)Advertising ($100’s)

� Data are collected for 15 weeks


Chap 14-260

Pie Sales Model

Sales = b0 + b1 (Price) + b2 (Advertising)

WeekPie

SalesPrice

($)Advertising

($100s)

1 350 5.50 3.3

2 460 7.50 3.3

3 350 8.00 3.0

4 430 8.00 4.5

5 350 6.80 3.0

6 380 7.50 4.0

7 430 4.50 3.0

8 470 6.40 3.7

9 450 7.00 3.5

10 490 5.00 4.0

11 340 7.20 3.5

12 300 7.90 3.2

13 440 5.90 4.0

14 450 5.00 3.5

15 300 7.00 2.7

Pie Sales Price Advertising

Pie Sales 1

Price -0.44327 1

Advertising 0.55632 0.03044 1

Correlation matrix:

Multiple regression model:



Chap 14-261

Interpretation of Estimated Coefficients

� Slope (bi)

� Estimates that the average value of y changes by bi

units for each 1 unit increase in Xi holding all other variables constant

� Example: if b1 = -20, then sales (y) is expected to decrease by an estimated 20 pies per w eek for each $1 increase in selling price (x1), net of the effects of changes due to advertising (x2)

� y-intercept (b0)

� The estimated average value of y w hen all xi = 0 (assuming all xi = 0 is w ithin the range of observed values)


Chap 14-262

Pie Sales Correlation Matrix

� Price vs. Sales : r = -0.44327� There is a negative association betw een

price and sales

� Advertising vs. Sales : r = 0.55632� There is a positive association betw een

advertising and sales

Pie Sales Price Adv ertising

Pie Sales 1

Price -0.44327 1

Adv ertising 0.55632 0.03044 1



Chap 14-263

Scatter Diagrams

Sales vs. Price

0

10 0

20 0

30 0

40 0

50 0

60 0

0 2 4 6 8 1 0

Sales vs. Advertising

0

100

200

300

400

500

600

0 1 2 3 4 5

Sales

Sales

Price

Advertising


Chap 14-264

Estimating a Multiple Linear Regression Equation

� Computer software is generally used to generate the coefficients and measures of goodness of fit for multiple regression

� Excel:� Tools / Data Analysis... / Regression

� PHStat:� PHStat / Regression / Multiple Regression…



Chap 14-265

Multiple Regression Output


Multiple R 0.72213

R Square 0.52148



Observations 15

ANOVA df SS MS F Significance F

Regression 2 29460.027 14730.013 6.53861 0.01201

Residual 12 27033.306 2252.776

Total 14 56493.333


Intercept 306.52619 114.25389 2.68285 0.01993 57.58835 555.46404

Price -24.97509 10.83213 -2.30565 0.03979 -48.57626 -1.37392

Advertising 74.13096 25.96732 2.85478 0.01449 17.55303 130.70888

ertising)74.131(Adv ce)24.975(Pri - 306.526 Sales +=


Chap 14-266

The Multiple Regression Equation

ertising)74.131(Adv ce)24.975(Pri - 306.526 Sales +=

b1 = -24.975: sales will decrease, on average, by 24.975 pies per week for each $1 increase in sell ing price, net of the effects of changes due to advertising

b2 = 74.131: sales will increase, on average, by 74.131 pies per week for each $100 increase in advertising, net of the effects of changes due to price

whereSales is in number of pies per weekPrice is in $Advertising is in $100’s.



Chap 14-267

Using The Model to Make Predictions

Predict sales for a week in which the selling price is $5.50 and advertising is $350:

Predicted sales is 428.62 pies

428.62

(3.5) 74.131 (5.50) 24.975 - 306.526

ertising)74.131(Adv ce)24.975(Pri - 306.526 Sales

=

+=

+=

Note that Adv ertising is in $100’s, so $350 means that x2 = 3.5


Chap 14-268

Predictions in PHStat

� PHStat | regression | multiple regression …

Check the “conf idence and prediction interv al estimates” box



Chap 14-269

Input values

Predictions in PHStat(continued)

Predicted y v alue

<

Confidence interval for the mean y value, given these x’s

<

Prediction interval for an individual y value, given these x’s

<


Chap 14-270

Multiple Coefficient of Determination

� Reports the proportion of total variation in y explained by all x variables taken together

squares of sum Totalregression squares of Sum

SSTSSR

R2 ==



Chap 14-271


Multiple R 0.72213

R Square 0.52148



Observations 15


Regression 2 29460.027 14730.013 6.53861 0.01201

Residual 12 27033.306 2252.776

Total 14 56493.333


Intercept 306.52619 114.25389 2.68285 0.01993 57.58835 555.46404

Price -24.97509 10.83213 -2.30565 0.03979 -48.57626 -1.37392

Advertising 74.13096 25.96732 2.85478 0.01449 17.55303 130.70888

.5214856493.329460.0

SSTSSR

R2 ===

52.1% of the v ariation in pie sales is explained by the v ariation in price and adv ertising


(continued)


Chap 14-272

Adjusted R2

� R2 never decreases when a new x variable is added to the model� This can be a disadvantage when comparing

models� What is the net effect of adding a new variable?

� We lose a degree of freedom when a new x variable is added

� Did the new x variable add enough explanatory power to offset the loss of one degree of freedom?



Chap 14-273

� Shows the proportion of variation in y explained by all x variables adjusted for the number of xvariables used

(where n = sample size, k = number of independent variables)

� Penalize excessive use of unimportant independent variables

� Smaller than R2

� Useful in comparing among models

Adjusted R2

(continued)

−−

−−−=

1kn1n

)R1(1R 22A


Chap 14-274


Multiple R 0.72213

R Square 0.52148



Observations 15


Regression 2 29460.027 14730.013 6.53861 0.01201

Residual 12 27033.306 2252.776

Total 14 56493.333


Intercept 306.52619 114.25389 2.68285 0.01993 57.58835 555.46404

Price -24.97509 10.83213 -2.30565 0.03979 -48.57626 -1.37392

Advertising 74.13096 25.96732 2.85478 0.01449 17.55303 130.70888

.44172R2A =

44.2% of the v ariation in pie sales is explained by the v ariation in price and adv ertising, taking into account the sample size and number of independent v ariables


(continued)



Chap 14-275

Is the Model Significant?

� F-Test for Overall Significance of the Model

� Shows if there is a linear relationship between all of the x variables considered together and y

� Use F test statistic

� Hypotheses:� H0: β1 = β2 = … = βk = 0 (no linear relationship)

� HA: at least one βi ≠ 0 (at least one independentvariable affects y)


Chap 14-276

F-Test for Overall Significance

� Test statistic:

where F has (numerator) D1 = k and(denominator) D2 = (n – k - 1)

degrees of freedom

(continued)

MSEMSR

knSSE

kSSR

F =

−−

=

1



Chap 14-277

6.53862252.8

14730.0MSEMSR

F ===


Multiple R 0.72213

R Square 0.52148



Observations 15


Regression 2 29460.027 14730.013 6.53861 0.01201

Residual 12 27033.306 2252.776

Total 14 56493.333


Intercept 306.52619 114.25389 2.68285 0.01993 57.58835 555.46404

Price -24.97509 10.83213 -2.30565 0.03979 -48.57626 -1.37392

Advertising 74.13096 25.96732 2.85478 0.01449 17.55303 130.70888

(continued)

F-Test for Overall Significance

W ith 2 and 12 degrees of freedom

P-value for the F-Test


Chap 14-278

H0: β1 = β2 = 0

HA: β1 and β2 not both zero

α = .05

df1= 2 df2 = 12

Test Statistic:

Decision:

Conclusion:Reject H0 at αααα = 0.05

The regression model does explain a significant portion of the v ariation in pie sales

(There is ev idence that at least one independent v ariable affects y)

0

α = .05

F.05 = 3.885Reject H0Do not

reject H0

6.5386MSEMSR

F ==

Critical Value:

Fαααα = 3.885

F-Test for Overall Significance(continued)

F



Chap 14-279

Are Individual Variables Significant?

� Use t-tests of individual variable slopes

� Shows if there is a linear relationship between the variable xi and y

� Hypotheses:

� H0: βi = 0 (no linear relationship)

� HA: βi ≠ 0 (linear relationship does existbetween xi and y)


Chap 14-280


H0: βi = 0 (no linear relationship)

HA: βi ≠ 0 (linear relationship does existbetween xi and y)

Test Statistic:

(df = n – k – 1)

ib

i

s0b

t−

=

(continued)



Chap 14-281


Multiple R 0.72213

R Square 0.52148



Observations 15


Regression 2 29460.027 14730.013 6.53861 0.01201

Residual 12 27033.306 2252.776

Total 14 56493.333


Intercept 306.52619 114.25389 2.68285 0.01993 57.58835 555.46404

Price -24.97509 10.83213 -2.30565 0.03979 -48.57626 -1.37392

Advertising 74.13096 25.96732 2.85478 0.01449 17.55303 130.70888

t-v alue for Price is t = -2.306, with p-v alue .0398

t-v alue for Adv ertising is t = 2.855, with p-v alue .0145

(continued)



Chap 14-282

d.f. = 15-2-1 = 12

α = .05

tαααα /2 = 2.1788

Inferences about the Slope: t Test Example

H0: βi = 0HA: βi ≠ 0

The test statistic for each variable falls in the rejection region (p-v alues < .05)

There is ev idence that both Price and Adv ertising affect pie sales at α = .05

From Excel output:

Reject H0 f or each variable

Coefficients Standard Error t Stat P-value

Price -24.97509 10.83213 -2.30565 0.03979

Advertising 74.13096 25.96732 2.85478 0.01449

Decision:

Conclusion:Reject H0Reject H0

α/2=.025


0 tα/2

α/2=.025

-2.1788 2.1788



Chap 14-283

Confidence Interval Estimate for the Slope

Conf idence interval for the population slope β1

(the ef f ect of changes in price on pie sales):

Example: Weekly sales are estimated to be reduced by between 1.37 to 48.58 pies f or each increase of $1 in the selling price

ib2/i stbα

±

Coefficients Standard Error … Lower 95% Upper 95%

Intercept 306.52619 114.25389 … 57.58835 555.46404

Price -24.97509 10.83213 … -48.57626 -1.37392

Advertising 74.13096 25.96732 … 17.55303 130.70888

where t has (n – k – 1) d.f.


Chap 14-284

Standard Deviation of the Regression Model

� The estimate of the standard deviation of the regression model is:

MSEkn

SSEs =

−−=ε

1

� Is this value large or small? Must compare to the mean size of y for comparison



Chap 14-285


Multiple R 0.72213

R Square 0.52148



Observations 15


Regression 2 29460.027 14730.013 6.53861 0.01201

Residual 12 27033.306 2252.776

Total 14 56493.333


Intercept 306.52619 114.25389 2.68285 0.01993 57.58835 555.46404

Price -24.97509 10.83213 -2.30565 0.03979 -48.57626 -1.37392

Advertising 74.13096 25.96732 2.85478 0.01449 17.55303 130.70888

The standard dev iation of the regression model is 47.46

(continued)



Chap 14-286

� The standard deviation of the regression model is 47.46

� A rough prediction range for pie sales in a given week is

� Pie sales in the sample were in the 300 to 500 per week range, so this range is probably too large to be acceptable. The analyst may want to look for additional variables that can explain more of the variation in weekly sales

(continued)


94.22(47.46) =±



Chap 14-287

Multicollinearity

� Multicollinearity: High correlation exists between two independent variables

� This means the two variables contribute redundant information to the multiple regression model


Chap 14-288

Multicollinearity

� Including two highly correlated independent variables can adversely affect the regression results

� No new information provided

� Can lead to unstable coefficients (large standard error and low t-values)

� Coefficient signs may not match prior expectations

(continued)



Chap 14-289

Some Indications of Severe Multicollinearity

� Incorrect signs on the coefficients� Large change in the value of a previous

coefficient when a new variable is added to the model

� A previously significant variable becomes insignificant when a new independent variable is added

� The estimate of the standard deviation of the model increases when a variable is added to the model


Chap 14-290

Detect Collinearity (Variance Inflationary Factor)

VIFj is used to measure collinearity:

If VIF j > 5, x j is highly correlated with the other explanatory v ariables

R2j is the coefficient of determination when the jth

independent variable is regressed against the remaining k – 1 independent variables

21

1

jj R

VIF−

=



Chap 14-291

Detect Collinearity in PHStat

Output for the pie sales example:

� Since there are only tw o explanatory variables, only one VIF is reported

� VIF is < 5

� There is no evidence of collinearity betw een Price and Advertising

Regression Analysis

Price and all other X


Multiple R 0.030437581

R Square 0.000926446

Adjusted R Square -0.075925366


Observations 15

VIF 1.000927305

PHStat / regression / multiple regression …Check the “v ariance inflationary factor (VIF)” box


Chap 14-292

Qualitative (Dummy) Variables

� Categorical explanatory variable (dummy variable) with two or more levels:� yes or no, on or off, male or female

� coded as 0 or 1

� Regression intercepts are different if the variable is significant

� Assumes equal slopes for other variables� The number of dummy variables needed is

(number of levels - 1)



Chap 14-293

Dummy-Variable Model Example (with 2 Levels)

Let:

y = pie sales

x1 = price

x2 = holiday (X2 = 1 if a holiday occurred during the week)

(X2 = 0 if there was no holiday that week)

210 xbxbby 21 ++=


Chap 14-294

Same slope

Dummy-Variable Model Example (with 2 Levels)

(continued)

x1 (Price)

y (sales)

b0 + b2

b0

1010

12010

xb b (0)bxbby

xb)b(b(1)bxbby

121

121

+=++=

++=++= Holiday

No Holiday

Different intercept

If H0: β2 = 0 is rejected, then“Holiday ” has a signif icant effect on pie sales



Chap 14-295

Sales: number of pies sold per weekPrice: pie price in $

Holiday:

Interpretation of the Dummy Variable Coefficient (with 2 Levels)

Example:

1 If a holiday occurred during the week0 If no holiday occurred

b2 = 15: on average, sales were 15 pies greater in weeks with a holiday than in weeks without a holiday, given the same price

)15(Holiday 30(Price) - 300 Sales +=


Chap 14-296

Dummy-Variable Models (more than 2 Levels)

� The number of dummy variables is one less than the number of levels

� Example:y = house price ; x1 = square feet

� The style of the house is also thought to matter:Style = ranch, split level, condo

Three lev els, so two dummy variables are needed



Chap 14-297

Dummy-Variable Models (more than 2 Levels)

=

=not if 0

level split if 1x

not if 0

ranch if 1x 32

3210 xbxbxbby321

+++=

b2 shows the impact on price if the house is a ranch style, compared to a condo

b3 shows the impact on price if the house is a split lev el style, compared to a condo

(continued)Let the default category be “condo”


Chap 14-298

Interpreting the Dummy Variable Coefficients (with 3 Levels)

With the same square feet, a ranch will have an estimated average price of 23.53 thousand dollars more than a condo

With the same square feet, a split lev el will have an estimated average price of 18.84 thousand dollars more than a condo.

Suppose the estimated equation is

321 18.84x23.53x0.045x20.43y +++=

18.840.045x20.43y 1 ++=

23.530.045x20.43y 1 ++=

10.045x20.43y +=

For a condo: x2 = x3 = 0

For a ranch: x3 = 0

For a split lev el: x2 = 0



Chap 14-299

� The relationship between the dependent variable and an independent variable may not be linear

� Useful when scatter diagram indicates non-linear relationship

� Example: Quadratic model �

� The second independent variable is the square of the f irst variable

Nonlinear Relationships

εxβxββy 2j2j10 +++=


Chap 14-300

Polynomial Regression Model

� w here:β0 = Population regression constantβi = Population regression coefficient for variable x j : j = 1, 2, …k

p = Order of the polynomialεi = Model error


εxβxβxββy pjp

2j2j10 +++++= K

If p = 2 the model is a quadratic model:

General f orm:



Chap 14-301

Linear fit does not giv e random residuals

Linear vs. Nonlinear Fit

Nonlinear fit giv es random residuals�

x

resi

du

als

x

y

x

resi

du

als

y

x


Chap 14-302

Quadratic Regression Model

Quadratic models may be considered when scatter diagram takes on the f ollowing shapes:

x1

y

x1x1

yyy

β1 < 0 β1 > 0 β1 < 0 β1 > 0

β1 = the coef f icient of the linear term β2 = the coef f icient of the squared term

x1


β2 > 0 β2 > 0 β2 < 0 β2 < 0



Chap 14-303

Testing for Significance: Quadratic Model

� Test for Overall Relationship� F test statistic =

� Testing the Quadratic Effect� Compare quadratic model

with the linear model

� Hypotheses

� (No 2nd order polynomial term)

� (2nd order polynomial term is needed)


εxββy j10 ++=

H0: β2 = 0

HA: β2 ≠ 0

MSEMSR


Chap 14-304

Higher Order Models

y

x

εxβxβxββy 3j3

2j2j10 ++++=

If p = 3 the model is a cubic f orm:



Chap 14-305

Interaction Effects

� Hypothesizes interaction between pairs of x variables� Response to one x variable varies at different

levels of another x variable� Contains two-way cross product terms

221521433

212110 xxβxxβxβxβxββy +++++=

Basic Terms Interactiv e Terms


Chap 14-306

Effect of Interaction

� Given:

� Without interaction term, effect of x1 on y is measured by β1

� With interaction term, effect of x1 on y is measured by β1 + β3 x2

� Effect changes as x2 increases

ε xxβxβxββy 21322110 ++++=



Chap 14-307

x2 = 1

x2 = 0

y = 1 + 2x1 + 3(1) + 4x1(1) = 4 + 6x1

y = 1 + 2x1 + 3(0) + 4x1(0) = 1 + 2x1

Interaction Example

Effect (slope) of x1 on y does depend on x2 value

x1

4

8

12

0

0 10.5 1.5

y

y = 1 + 2x1 + 3x2 + 4x1x2where x2 = 0 or 1 (dummy variable)


Chap 14-308

Interaction Regression Model Worksheet

Case, i yi x1i x2i x1i x2i

1 1 1 3 3 2 4 8 5 40 3 1 3 2 6 4 3 5 6 30 : : : : :

multiply x1 by x2 to get x1x2, thenrun regression with y, x1, x2 , x1x2



Chap 14-309

ε xxβxβxββy 21322110 ++++=

� Hypothesize interaction between pairs of independent variables

� Hypotheses:� H0: β3 = 0 (no interaction between x1 and x2)� HA: β3 ≠ 0 (x1 interacts with x2)

Evaluating Presence of Interaction


Chap 14-310

Model Building

� Goal is to develop a model with the best set of independent variables� Easier to interpret if unimportant variables are

removed� Lower probability of collinearity

� Stepwise regression procedure� Provide evaluation of alternative models as

variables are added

� Best-subset approach� Try all combinations and select the best using

the highest adjusted R2 and lowest sε



Chap 14-311

� Idea: develop the least squares regression equation in steps, either through forward selection, backward elimination, or through standard stepwise regression

� The coefficient of partial determination is the measure of the marginal contribution of each independent variable, given that other independent variables are in the model

Stepwise Regression


Chap 14-312

Best Subsets Regression

� Idea: estimate all possible regression equations using all possible combinations of independent variables

� Choose the best fit by looking for the highest adjusted R2 and lowest standard error sε

Stepwise regression and best subsets regression can be perf ormed using PHStat, Minitab, or other statistical software

packages



Chap 14-313

Aptness of the Model

� Diagnostic checks on the model include verifying the assumptions of multiple regression:� Each xi is linearly related to y� Errors have constant variance� Errors are independent� Error are normally distributed

)yy(ei −=Errors (or Residuals) are giv en by


Chap 14-314

Residual Analysis

Non-constant v ariance �Constant v ariance

x x

resi

du

als

resi

du

als

Not Independent Independent

x

resi

du

als

x

resi

du

als

�



Chap 14-315

The Normality Assumption

� Errors are assumed to be normally distributed

� Standardized residuals can be calculated by computer

� Examine a histogram or a normal probability plotof the standardized residuals to check for normality


Chap 14-316

Chapter Summary

� Developed the multiple regression model� Tested the significance of the multiple

regression model� Developed adjusted R2

� Tested individual regression coefficients� Used dummy variables� Examined interaction in a multiple regression

model



Chap 14-317

Chapter Summary

� Described nonlinear regression models� Described multicollinearity� Discussed model building

� Stepwise regression

� Best subsets regression

� Examined residual plots to check model assumptions

(continued)

TRÌNH BÀY KẾT QUẢBÁO CÁO BẰNG VĂN BẢN VÀ

THUYẾT TRÌNH

Hoàng Trọng



� Chất lượng trình bày của các kết quả nghiên cứucó thể ảnh hưởng rất lớn đến nhận thức về chấtlượng nghiên cứu của người sử dụng kết quảnghiên cứu

� Ý nghĩa về mặt nội dung, dạng, độ dài và các chi tiết kỹ thuật của bản báo nghiên cứu.

NỘI DUNG

I .Các yếu tố cần có của một báo cáo nghiêncứu.

II .Viết báo cáo.

III .Trình bày báo cáo bằng miệng (oral)


I. Các yếu tố cần có của mộtbáo cáo nghiên cứu

I.1 Lời mởđầu (Prefatory inf.)

I.2 Lời giới thiệu (Introduction)

I.3 PP nghiên cứu (Methodology)

I.4 Kết quả (Findings)

I.5 Thảo luận & Kết luận (Discussion & Conclusions)

I.6 Phụ lục (Appendixes)

I.7 Thư mục (Bibliography)

I.1 Lời mở đầu

I.1.a Letter of Transmittal (thư chuyển giao)

I.1.b Title page (trang tiêu đề)

I.1.c Authorization letter (thư ủy quyền)

I.1.d Executive summary (tóm tắt)

I.1.e Table of contents (mục lục)


I.1.a Letter of Transmittal

� Nên đưa vào khi quan hệ giữa người nghiên cứu vàkhách hàng là trang trọng.

� Ghi rõ chuyển cho người có thẩm quyền (người yêu cầunghiên cứu); đưa ra chỉ dẫn hoặc giới hạn trong nghiêncứu.

� Chỉ ra mụcđích và khó khăn của việc nghiên cứu.

� Đề tài nghiên cứu sử dụng trong nội bộ tổ chức thìkhông cần đưa vào.

I.1.b Trang tiêu đề

4 nội dung

� Tiêu đề báo cáo

� Ngày

� Gửi cho ai

� Ai gửi


I.1.c Authorization letter

Khi báo cáo được gửi đến tổ chức chính quyền

(public organization), thường phải đưa letter of

authorization chỉ ra người có thẩm quyền tiếp nhận

nghiên cứu.

I.1.d Executive summary(tóm tắt)

� Viết tắt, ngắn gọn, thường khoảng 2 trang.

� Có thể là một báo cáo nhỏ - bao quát các khía cạnh

trong nội dung của bản báo cáo hoặc có thể là tómtắt chính xác những findings và kết luận, bao gồm cảkiến nghi.

� Không đưa thông tin mới vào

� Phải chứa đựng các vấn đề quan trọng


I.1.e Bảng mục lục

� Là một hướng dẫn sơ lược.

� Nên có với 1 báo cáo có nhiều mục (từ 6 – 10 trang/1 mục).

� Nếu có nhiều bảng biểu, đồ thị hoặc các exhibit khác� nên được liệt kê ra sau bảng nội dung trong mộtbảng biểu minh họa.

I.2 Lời giới thiệu (introduction)

I.2.a Nêu ra vấn đề (problem statement)

I.2.b Mục tiêu nghiên cứu (research objective)

I.2.c Cơ sở nghiên cứu (Background)


I.2.c Cơ sở của nghiên cứu(background)

� Có thể là kết quả khám phá ban đầu thông qua quá trình khảosát, nhóm trọng tâm, hoặc từ các nguồn khác. Hoặc là, tài liệunày có thể là dữ liệu cấp hai từ việc phỏng vấn

� Bao gồm định nghĩa, tiêu chuẩn, giả định � cung cấp chongười đọc những thông tin cần thiết để hiểu những vấn đềcòn lại của báo cáo.

� Tài liệu cơ sở có thể đặt trước ‘problem statement’ hoặc sau‘research objective’.

+ Nếu nó tạo được những căn bản của tài liệu và liên quanđến người đọc � nên trình bày ngay sau objective. + Nếu nó chứa đựng những thông tin thích hợp với nhữngvấn đề hoặc tình huống quản trị mà dẫn tới việc nghiên cứu� đặt trước ‘problem statement’

I.3 Phương pháp nghiên cứu(Methodology)

Ít nhất 5 phần

I.3.a Thiết kế mẫu (sampling design)

I.3.b Thiết kế nghiên cứu (research design)

I.3.c Thu thập dữ liệu (data collection)

I.3.d Kế hoạch phân tích dữ liệu (data analysis)

I.3.e Giới hạn của nghiên cứu (limitations)


I.3.a Thiết kế mẫu(sampling design)

� Định nghĩa rõ ràng tổng thể được nghiên cứu và PP lấy mẫu được sử dụng.

� Súc tích, ngắn gọn những giải thích, tính duy nhất

của tham số được chọn hoặc những điểm khác màcần được giải thích.

� Các tính toán nên đưa vào phụ lục thay vì trong nộidung của bảng báo cáo.

I.3b Thiết kế nghiên cứu(research design)

� Phải phù hợp với mụcđích.

� Trong nghiên cứu thí điểm, tài liệu, thiết bị, điều kiệnkiểm sóatvà những công cụ khác phải được mô tả.

� Thiết kế phức tạp: điểm mạnh và yếu nên được xácđịnh.

� Bản sao tài liệu: đặt trong phần phụ lục.


I.3.c Thu thập dữ liệu(data collection)

� Phụ thuộc thiết kế được chọn.

� Cần xem xét các vấn đề:

+ Cần bao nhiêu người tham gia vào quá trình thu thập dữ

liệu. Chia thành bao nhiêu nhóm? Quản lý nhóm?..

+ Khi nào thì thu thập dữ liệu? bao nhiêu thời gian?

+ Phân công nhiệm vụ từng nhóm ?

+ Việc sửdụng những thủ tục được chuẩn hóa và bản dựthảo?

+ Hình thức khảo sát?

� ……..

I.3.d Kế hoạch phân tích dữ liệu(data analysis)

� Tóm tắt những phương thức được sử dụng để phân

tích.

� Mô tả: cách giải quyết dữ liệu, phân tích ban đầu,

kiểm tra thống kê, chương trình vi tính và những

thông tin kỹ thật khác.


I.4 Kết quả nghiên cứu(Findings)

� Là phần dài nhất của báo cáo.

� Mục tiêu: giải thích dữ liệu; không phải là phác thảonhững phiên dịch hay kết luận.

� Dữ liệu có tính định lượng� findinds có thể được trìnhbày đơn giản bằng đồ thị, bảng biểu.

� Báo cáo kết quả cần khách quan, không thiên vềnhững giả định của chúng ta

I.5 Thảo luận và kết luận(Discussion & conclusion)

� Thảo luận ý nghĩa của các kết quả

� Tóm tắt và kết luận

� Trình bày ngắn gọn kết quả quan trọng.

� Tóm tắt được sử dụng nếu có nhiều kết quả riêng biệt

� Báo cáo nghiên cứu đơn giản � tóm tắt sẽ kết thúc bàinghiên cứu (không cần kết luận hay kiến nghị)

� Kết luận có thể trình bày dưới dạng bảng biểu để dễdàng đọc và tham chiếu.


� Kiến nghị� Đưa ra những ý tưởng hành động đúng.

� Nghiên cứu mang tính học thuật: kiến nghị thườnglà những đề xuất nghiên cứu thêm để mở rộng hoặckiểm tra lĩnh vực nghiên cứu.

� Nghiên cứu ứng dụng: kiến nghị thường là nhữnghành động đề xuất cho nhà quản lý/ kinh doanh.

I.5 Thảo luận và kết luận(Discussion & conclusion)

I.6 Phụ lục (appendixes)

Nơi đặt các bảng biểu phức tạp, những kiểm định

thống kê, tài liệu liên quan, danh sách mẫu, bảng câuhỏi, mô tả chi tiết phương pháp, những chứng cứ quan

trọng.


I.7 Thư mục (Bibliography)

Danh sách các tài liệu tham khảo.

(xem Nguyễn Đình Thọ , Phương pháp nghiên cứu khoa học

trong kinh doanh, trang 91)

II. Viết báo cáo

� Yêu cầu chung: � Các loại báo cáo:� Viết báo cáo:

� Vấn đề cần quan tâm trước khi viết (prew riting concern)

� Viết nháp (w riting the draft)

� Khả năng đọc (readability)

� Khả năng hiểu (comprehensibility)

� Giọng văn (tone)

� Bằng chứng cuối cùng (final proof)

� Các yếu tố cần cân nhắc khi trình bày(presentation considerations)


Yêu cầu chung

� Rõ ràng

� Tiêu đề và phụ đề chia thành các mục

� Mỗi báo cáo phải có tính riêng biệt

Các loại báo cáo

� Báo cáo ngắn (short report)

� Báo cáo dài (long report)

� Báo cáo kỹ thuật (technical report)

� Báo cáo quản lý (management report)


Báo cáo ngắn (short report)

� Thích hợp khi vấn đề đã được xác định rõ ràng, đốitượng giới hạn, phương pháp đơn giản

� Mục đích: đưa thông tin nhanh chóng dưới hình thứcdễ dàng sửdụng.

� Có thể phục vụ cho những đề tài nghiên cứu nhỏ, chi phí tương đối thấp.

� Phương pháp nghiên cứu đưa vào trong phần giớithiệu, chi tiết đưa vào trong phần phụ lục

� Letter là một hình thức báo cáo ngắn.

� Báo cáo dưới dạng memo là một dạng khác đượcđịnhdạng To, From, Subject.

� Bố cục: 5 trang là tối đa.

� Phần mở đầu: ngắn gọn về vấn đề nghiên cứu

� Kế đến là những findings

� Dựa trên những findings đưa ra kết luận, kiến nghị/ đề xuất

� Những đề nghị hữu ích cho việc viết báo cáo ngắn:

� Cho người đọc biết tại sao viết báo cáo

� Viết dưới phong cách mô tả ngắn gọn và trực tiếp

� Nếu thời gian cho phép, thì hôm nay viết báo cáo, sau đó xem lại nó vào ngày mai trước khi gửi

� Đính kèm tài liệu chi tiết như một phụ lục (nếu cần)

Báo cáo ngắn (short report)


Báo cáo kỹ thuật (technical report)

� Viết cho người người đọc là nhà nghiên cứu

� Bao gồm đầyđủ tài liệu và chi tiết; ghi chép đầy đủquá trình được thực hiện (gồm những gì xảy ra, nhưthế nào)

� Hỗ trợ cho những báo cáo nghiên cứu khác� tài liệuchủ yếu.

� Thông tin vế nguồn dữ liệu, quy trình nghiên cứu, thiếtkế mẫu, công cụ thu thập dữ liệu, việc xây dựngnhững chỉ mục, và những phương pháp phân tích dữliệu được đưa vào trong phụ lục.

� Bố cục

� Lời tựa để giới thiệu: mụcđích nghiên cứu và theo saubởi mục về phương pháp nghiên cứu.

� Kế tiếp là các findings, bao gồm các bảng và các đồ thị. Mục kết luận bao gồm các kiến nghị.

� Cuối cùng, các phụ lục chứa đựng các thông tin kỹthuật, công cụ nghiên cứu, danh sách các từ chuyênmôn và các tài liệu tham khảo.

� Trình bày và phân tích dữ liệu đầy đủ.



� Kết luận và kiến nghị rõ ràng, liên quan chặt chẽ với nhữngfindings đưa ra.

� Các thuật ngữ kỹ thuật nên giảm thiểu và phải được định nghĩarõ khi cần đưa vào sử dụng.

� Nên có những sự tham chiếu đến các bài nghiên cứu, lý thuyếtvà kỹ thuật khác. Muốn người đọc quen với những tham chiếunày, thì việc đưa ra những chú thích ngắn gọn (footnote or endnote – chú thích) rất hữu hiệu.

� Báo cáo kỹ thuật ngắn giống báo cáo kỹ thuật dài nhưng đượcviết ngắn gọn. Bao gồm: phần giới thiệu (viết gọn trong 1 đọanvăn). Hầu hết những điểm nhấn mạnh được đặt trong phầnfindings và kết luận. Thường đuợc viết dưới dạng memo hoặcthư bao gồm: vấn đề (nghiên cứu) là gì và kết luận nghiên cứulà gì.


Báo cáo quản lý

Phục vụ cho những người không có kiến thức cơ bản

về phương pháp nghiên cứu và chỉ quan tâm đến kếtquả hơn là các phương pháp nghiên cứu.

Người đọc thường không quan tâm đến chi tiếtphương pháp nhưng lại quan tâm rất nhiều đến việclàm sao hiểu được một cách nhanh chóng các findings

và kết luận.


� Bố cục (ngược với báo cáo kỹ thuật):

� Mục lời tựa đề giới thiệu và lời mởđầu

� Kết luận cùng với các kiến nghị

� Các findinds để hỗ trợ giải thích cho kết luận.

� Các phụ lục trình bày chi tiết phương pháp kỹ thuậtyêu cầu.


� Giọng văn: báo chí và phải chính xác; Có các tiêu đề

và gạch chân các điểm cần nhấn mạnh

� Dùng hình ảnh và đồ thị thay thế cho bảng biểu.

� Các câu và các đọan văn nên viết ngắn gọn và trựctiếp vào vấn đề; Nên có mỗi finding ở đầu mỗi trang �

giúp người đọc hiểu xuyên suốt báo cáo và ngay cả

hiểu được đồ thị.

� Phương pháp nghiên cứu đưa vào trong phần giớithiệu, chi tiết đưa vào trong phần phụ lục.



Nhiều dự án đòi hỏi cả hai lại báo cáo.

Một số nhà nghiên cứu cố gắng viết chỉ một báo cáonhằm đápứng cả 2 nhu cầu (cho người chuyên nghiệpvà không chuyên nghiệp), thì loại báo cáo này lại làm chongười viết báo cáo gặp nhiều rắc rối .


Trình bày tốt báo cáo thường gây ấn tượng

cho người đọc hơn là một nghiên cứu có chất

lượng nhưng lại trình bày yếu kém.

Viết báo cáo


Vấn đề cần quan tâm trước khi viết

� Hỏi lại “Mục đích của báo cáo là gì”, “Ai là người đọcbáo cáo”.

� Báo cáo càng được đưa tới cấp càng cao thì càng phảingắn.

� Phải quan tâm đến những vấn đề giới hạn khoảngcách kỹ thuật giữa người đọc và người viết (càng lớn

thì càng khó hiểu hết đầyđủ ý nghĩa và chính xác)

� “chúng ta viết báo cáo dưới tình huống nào và giới hạnnào”; Bản chất của chủ đề có mang tính kỹ thuật cao

không? Có cần thống kê không? Đồ thị? Tầm quantrọng của topic? Những khó khăn của báo cáo mắcphải? thời gian cần cho báo cáo là bao lâu?

� “báo cáo được sửdụng như thế nào?”; Cố gắng làm

sao để người đọc hiểu được báo cáo. Các thông tin được thực hiện như thế nào để thuận tiện cho ngườiđọc và được người đọc quan tâm? Báo cáo này chobao nhiêu người đọc, số bản cần là bao nhiêu?



� Dàn ý đại cương ( tóm tắt ý chính)

Cấu trúc dàn ý như sau:

I.Major topic heading

A. Major subtopic heading

1.Subtopic

a. Minor subtopic

(1) Futher detail

(a) Even futher detail


Hai lọai outline thường được sửdụng là :

+ Topic outline : dùng những từ chính (keyword), viết tắt ngắngọn. Trường hợp này thì người viết phải nhớ những từ ngữviếttắt này

+ Sentence outline: dùng để diễn giải những suy nghĩ thànhnhững câu (chưa hòan chỉnh). Nhưng phương thức này sẽ giúpngười viết giảm bớt công việc khi viết thành bài hòan chỉnh. Những người nghiên cứu chưa có kinh nghiệm nên chọn cáchnày vì nó giúp cho người NC biết được sẽ viết cái gì và viết nhưthế nào.

Thưmục

Báo cáo dài, có tính chất kỹ thuật� phải có danh mục thư mụcđi kèm để cho biết nguồn gốc tài liệu mà người viết lấy từ đâu.



� Phải quyết định có nên đưa đồ thị, bảng biểu vào hay không, và đưa vào vị trí nào trong outline.

� Khả năng đọc

+ Quan tâm đến khả năng đọc của người đọc và quantâm đến lĩnh vực chuyên môn của họ, nên viết ở mứcđộphù hợp với khả năng đọc của người xem.

+ Nên chỉ cho người xem tính hữu ích của bài báo cáobằng cách chỉ ra rằng báo cáo sẽ giúp ích gì cho họ.

Viết nháp

� Khả năng hiểu+ Tránh tình trạng tối nghĩa, nhiều nghĩa, nghĩa bóng. + Chọn lựa từ ngữ chính xác (những từ mà truyền đạt ý nghĩ chính xác), rõ ràng.+ Các khái niệm phải được định nghĩa + Từ và câu nên được tổ chức và sắp xếp một cách cẩn thận. Việc đặt sai vị trí sẽ làm báo cáo trình bày tràn lan.

Viết nháp


� Giọng văn

+ Phải thể hiện rằng bài viết này viết cho mọi người đọc, chứkhông phải viết cho chính tác giả.

+ Thông điệp được gửi cho người đọc phải thật chân thành.

+ Nên lọai bỏ những ngữ nghĩa có tính tiêu cực và viết lạinhững chỗ có suy nghĩ tích cực.

� Kiểm ta cuối cùng

+ Kiểm tra: Xem nó có được viết suông sẻ không? Cácfindings và kết luận có giải quyết được vấn đề và mục tiêunghiên cứu không? Các bảng biểu và đồ thị có trình bày phùhợp với thông tin và hình thức có dễ dàng đọc hiểu không?

+ Hãy viết tóm tắt khi đảm bảo rằng bản nháp đã hoàn thành

Viết nháp

Trình bày

� Báo cáo cần được đánh máy và in rõ ràng.

� Sự trình bày của báo cáo phải diễn tả được những từchuyên dụng sử dụng trong báo cáo.

� Tránh sựdài dòng.

� Cách khắc phục sự dài dòng:

+Sử dụng đoạn ngắn. Mỗi đoạn mô tả một suy nghĩ rõrệt, nhấtđịnh.

+Tách những đọan dài thành những đọan nhỏ hơn nhưdanh sách, những câu trích dẫn, những ví dụ.


• Sử dụng những tiêu đề nhỏ để chia báo cáo và nhữngphần chính của nó thành những phần nhỏ, đồng nhất.

• Sử dụng cách trình bày thành những danh sách theochiều từ trên xuống.

• Mỗi đoạn hoặc bảng phải chứa đủ thông tin rõ ràng; Tiêu đề của đoạn cũng phải bổ sung ý nghĩa cho tiêuđề chính� vai trò đánh dấu cho người đọc và quay lạidễ dàng với những phần đặc biệt trong báo cáo.

Trình bày

Trình bày thông tin dạng số

� Trình bày dạng văn bản� Trình bày dạng gần như bảng� Trình bày dạng bảng� Trình bày dạng đồ thị

� Biểu đồ dạng đường kẻ� Biểu đồ diện tích� Biểu đồ dạng hình tròn (miếng)� Đồ thị dạng thanh� Biểu đồ dạng hình và địa lý� Biểu đồ không gian 3 chiều.


363

0

5

10

15

2 0

2 5

3 0

3 5

4 0

4 5

5 0

1s t Qt r 2 nd Q tr

Eas t

We s t

North

0 20 40 60

1st Qtr

2n d Qtr

N orth

West

East

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

1s t Qtr 2nd Qtr 3rd Qtr 4th Qtr

North

West

Eas t

1s t Q tr

2 nd Qtr

3 rd Qt r

4 th Qt r

1st Q t r

2nd Qtr

3rd Qtr

4th Qt r

0

10

20

30

40

50

1s t Q tr 2nd Q tr

East

W es t

Nor th

0

10

20

30

40

5060

70

80

90

10 0

0 2 4 6

Ea stWest

N orth

0

20

40

60

80

100

1st Qtr 2nd

Qtr

3rd

Qtr

4th

Qtr

East

80- 100

60- 80

40- 60

20- 40

0-20

1st Q tr2nd Q tr

3rd Q tr4th Q tr

- 1E+263

1st Q tr

2nd Q tr

3rd Q tr

4th Q trEast

Wes t

Nor th

0

20

40

60

80

1 00

1 20

0 1 2 3 4 5

Ea st

N orth

III. Thuyết trình báo cáo bằng miệng(oral report)

� Đặc điểm khác biệt so với những loại bài nói trướcđám đông khác?

� Phần chuẩn bị

� Truyền đạt

� Phương tiện hỗ trợ


� Những đặc điểm khác biệt so với những loại bài nóitrước đám đông khác.

• Chỉmột nhóm nhỏ quan tâm,

• Số liệu thống kê thường là 1 phần quan trọng của đề tài.

• Người nghe: thường là những nhà quản lý quan tâm đếnđề tài nghiên cứu nhưng chỉ muốn nghe những phần cốtlõi

• Thời gian trình bày thường khoảng 20 phút, có thể kéodài tới 1 giờ.

• Phần thuyết trình thường tuân theo những câu hỏi vàvần đề cần thảo luận.


� Chuẩn bị: Nếu muốn trình bày hiệu quả dưới mọiđiều kiện� phải lập kế hoạch cẩn thận. Bắt đầubằng 2 câu hỏi:

• Lập kế hoạch để nói trong bao lâu?

• Mục đích của briefing là gì?



� Phát triển một đề cương chi tiết, những phần chính như sau:

• Phần mở bài: Nêu vấn đề ngắn gọn, đi trực tiếp, thu hút sựchú ý, và giới thiệu được nội dung bản chất vấn đề sẽ thảoluận; nêu được bản chất nội dung vấn đề nghiên cứu nhắmđến và phục vụ cho mục đích gì, như thế nào?(không hơn10% thời gian).

• Phần nội dung: thông tin (f indings) và kết luận. Kết luận cóthể nêu ra ngay sau phần mở đầu, mỗi ý kết luận được theosau bằng những findings hỗ trợ cho nó.

• Phần đề xuất/kiến nghị: mỗi đề xuất kèm sau bằng nhữngtham chiếu tới những kết luận mà dẫn tới đề xuất đó � cungcấp những điểm chính của bản báo cáo.

• Cuối bài thuyết trình: kêu gọi câu hỏi từ phía người nghe.


� Diễn tập: điều kiện tiên quyết cho briefing hiệu quả



Truyền đạt:• Quan trọng không kém nội dung của báo cáo.

• Phong cách thuyết trình tao nhã làm cho người nghedễ tiếp thu hơn.

• Việc truyền đạt nên chừng mực. hành vi, điệu bộ, cách ăn mặc, vẻ bên ngoài nên thích hợp với hoàncảnh.

• Tốc độ nói, phátâm rõ ràng, độ dừng, cử chỉ, tất cảphải thực hiện tốt.

• Chú ý Đặcđiểm giọng nói, Đặc điểm cơ thể


Phương tiện hỗ trợ:• Bảng trắng và bảng đen: • Các tài liệu phân phát: Không đắt nhưng có thể tạo

một cách nhìn chuyên nghiệp nếu thể hiện cẩn thận. • Flip charts: • Overhead transparencies/ Slide:

• Computer-drawn visual: • Computer animation:



� Phương tiện hỗ trợ:• Sự chọn lựa những phương tiện nghe nhìn hỗ trợ

được xác định bởi mục tiêu định hướng của bạn.

• Tính liên tục và đáng ghi nhớ của bài thuyết trìnhcũng được cải thiện bằng những phương tiện nghenhìn.


ppnckh 2015 hoang trong

Education