Phương pháp nghiên cứu

cậy – các đánh giá có chắc chắn không?Khả năng sử dụng lại – nghiên cứu này có thể dùng lại được không?Chương 4: Thang đo và Độ tin cậyMục tiêu: Biết cách phân biệt và chọn thang đo.Điều chỉnh thang đoMức độ đo lườngMệnh danh (Nominal)VD: Nam = 1; Nữ = 0Thứ tự (Ordinal)VD: Tay nghề bậc 1, 2, 3,..Miền (Interval)VD: Mức độ yêu thích thực phẩm đóng hộp -2 - 1 0 1 2Không yêu thích --------------x---- Rất yêu thíchTỉ lệ (Ratio)VD: Tỉ lệ lao động có việc làm: 98%VD về một số loại mức độ đo lườngCó phải anh là 1) Học sinh 2) Công nhân 3) Nhân viên 4) Chủ doanh nghiệpAnh thích thịt bò loại nào 1) Tái 2) Tái vừa 3) Vừa 4) Chín vừa 5) Chín“Kinh đô là công ty sáng tạo” 1) Hoàn toàn không đồng ý 2) Rất không đồng ý 3) Không đồng ý 4) Không ý kiến 5) Đồng ý 6) Rất đồng ý 7) Hoàn toàn đồng ý Anh bao nhiêu tuổi? _________ Các loại thang đoThang đo đơn phương (single item scale)Thang nhân tố (itemized category)Thang so sánh (comparative scale)Thang thứ hạng (rank order scale)Thang tổng (sum scale)Thang hình ảnh (pictorial scale)Thang đo đa phương (mutiple items scale)Thang LikertThang đo đơn phươngDùng khi thuộc tính cần đo chỉ có thể thể hiện một phương (dimensionality)Chiều cao (cao, thấp)Cân nặng (nặng, nhẹ)Kính trọng (nhiều, ít)Có thể dùng để so sánhThang đo đơn phương: Thang nhân tố Biti’s là công ty :1 2 3 4 5 6 7Rất hoàn toàn khôngSáng tạo sáng tạoNhân tố đo lường: tính sáng tạo!Thang đo đơn phương: Thang so sánhSo với Bita’s, Biti’s là1 2 3 4 5 6 7Ít sáng tạo Sáng tạo Sáng tạo hơn tương đương nhiều hơnNhân tố đo lường: tính sáng tạo!Thang đo đơn phương: Thang thứ hạng (rank order)Hãy chỉ ra mức độ yêu thích âm nhạc của bạn, với 1 là thích nhất, 2 là thích thứ nhì,cho mỗi loại âm nhạc dưới đây: ____ Nhạc trẻ ____ Quan họ ____ Cải lương ____ Ca trù ____ Hát bộiThang đo đơn phương: Thang tổng (constant sum)Bạn có 100 điểm (trọng số) để phân phối vào các khía cạnh khác nhau của nhà hàng: ____ Khung cảnh ____ Giá ____ Dịch vụ ____ Chất lượng thức ăn100 điểmThang đo đơn phương: Thang hình ảnh (Pictorial Scale)100752500Thang đo đa phươngKhi thuộc tính cần đo có thể có nhiều thành tố cùng 1 lúc:VD: Năng lực làm việc thể hiện qua nhiều thành tố (item) như: Điểm số học tậpThong minh (IQ)Khả năng cảm xúc (EQ)Một trả lời sẽ không thể hiện hết hoặc thể hiện không đúng nội dung cần đo.Đo lường đa phương: Thang đo tổng thể (summated):Thang Likert: Cách đo lường dựa vào mức độ ‘đồng ý’ và không đồng ý về các nội dung muốn xem xét.Phần lớn được dùng nghiên cứu động thái của tổ chức.Xây dựng thang Likert ScaleViết ra thật nhiều thành tố (item) muốn đo lườngĐưa các thành tố này vào kiểm tra (khảo sát ở đối tượng thực tế) (nên có 5 thành tố).Kiểm tra độ nhất quán nội bộ (internal consistency)Coefficient AlphaPhân tích nhân tố (Factor Analysis)Tối ưu hóa thang đo.thang đo đa phươngĐo lường sự khác biệt (differential)Đo lường tích lũy (cumulative) Đo lường tổng thể (summated)Lưu ý về thang đo lường khác biệtThuật ngữ ‘khác biệt’ nói lên rằng các thuộc tính (items) là độc lập với nhau. Đồng ý với một thành tố không nhất thiết phải đồng ý với một thành tố khác. Giá trị thang đoGiá trị nội dungGiá trị cấu trúc Hội tụPhân biệtLiên hệ lý thuyếtGiá trị tiêu chuẩnĐồng hànhDự báoĐộ tin cậy3 cách ước lượng: (cách 3)Đo lường mức nhất quán nội bộCronbatch alfa (chấp nhận khi chỉ số  > 0.7)Độ tin cậy (Reliability)Đó là mức độ nhất quán hay ổn định của công cụ đo.Có 3 cách ước lượng:Kiểm tra và tái kiểm tra:Dùng 1 công cụ đo và đo 2 lần trên 1 nhóm khảo sát. Chỉ số tương quan của kết quả sẽ thể hiện độ tin cậy của công cụ đoMẫu tương đương (Equivalent forms): lập 2 mẫu đo lường khác nhau nhưng đo cùng 1 hiện tượng. Chỉ số tương quan giữa 2 mẫu sẽ thể hiện độ tin cậy của công cụ đoChương 5: Xử lý dữ liệuMục tiêu: giúp học viên biết cách:nhập liệu, làm sạch số liệu, thực hiện thống kê mô tả, kiểm định t-tests, ANOVA, tương quan,hồi quy. Xử lý dữ liệuDữ liệu vừa thu thập thường chưa được tổ chức tốt vì:Có thể có giá trị khuyết tức bị mất (missing)Có thể câu trả lời không phù hợpCó thể nhập liệu saiTa cần xử lý dữ liệuPhân tích mô tả (Descriptive analysis)Xác định trung bình ‘Mean’ của từng biến sốXem kết quả có bất thường không. Nếu có thì sửa chữa lại số liệu cho đúng.Cách làm: Analyse>Descriptive Statistics > FrequenciesĐO LƯỜNG KHUYNH HƯỚNG TẬP TRUNG: (CENTRAL TENDENCY)Trung bình: (Mean)—”bình quân”Trung vị (Median)—điểm giữa của một phân phốiMốt (Mode)—quan sát có tần số xuất hiện cao nhấtKhi nào thì sử dụng các số đo nàySố đoMức đoKhi sử dụngVí dụ Mốt (Mode)Số mệnh danhDữ liệu dưới dạng phân loạiMàu mắt, hình thức hợp đồng, giới tínhTrung vị (Median)Số thứ tự Dữ liệu bao gồm các giá trị cực biênPhân hạng trong lớp, thứ tự lúc sinhTrung bình (Mean)Miền và tỉ lệDữ liệu phù hợpTốc độ trả lời, tuổi, mức độ thích Kiểm tra t - mẫu độc lập (Independent Sample t-test)Qui trình kiểm tra T mẫu độc lập so sánh Trung bình của 2 nhóm. Đối tượng cần được phân bổ vào 2 nhóm một cách ngẫu nhiên, vì vậy sự khác biệt có được là do tác động (hay không chịu tác động) mà không phải do sự ảnh hưởng của yếu tố khácChẳng hạn nếu so sánh thu nhập bình quân giữa nam và nữ không phù hợp với loại kiểm tra này. Kiểm tra t - mẫu độc lập (Independent Sample t-test)Một người không được phân công ngẫu nhiên thành nam hay nữ. Trong tình huống như vậy, bạn nên bảo đảm rằng sự khác biệt ở các yếu tố khác không làm tăng cường hay giảm nhẹ sự khác biệt đáng kể của trung bình. Khác biệt về thu nhập bình quân có thể chịu ảnh hưởng bởi các yếu tố như học vấn, chứ không chỉ chịu ảnh hưởng của giới tính.Kiểm tra t - mẫu độc lập (Independent Sample t-test)VD: Bệnh nhân huyết áp cao được phân bổ ngẫu nhiên vào nhóm không điều trị và có điều trị. Nhóm không điều trị cũng nhận được các viên thuốc nhưng hoàn toàn không có tác dụng, còn nhóm được điều trị thì nhận được các viên thuốc mới có tác dụng giảm huyết ápSau khi thực hành ‘điều trị’ 2 tháng, kiểm tra t 2 mẫu độc lập được tiến hành để so sánh huyết áp bình quân của 2 nhóm.Kiểm tra t-một mẫu (One sample t-test)Qui trình kiểm tra t một mẫu xác định xem trung bình của một biến nào đó có khác so với một hằng số cho trước hay không. VD1: Một nhà nghiên cứu muốn khảo sát để biết chỉ số IQ của một nhóm có khác 100 hay không.VD2: Một nhà SX thực phẩm muốn kiểm tra các hộp thực phẩm của mình có trọng lượng trung bình khác với 300 gram, với mức tin cậy là 95%.Kiểm tra t mẫu cặp đôi (Paired-Samples t-test)Là loại kiểm tra xác định giả thuyết trơ về trung bình của 2 đám đông là bằng nhauNó thường được dùng khi các quan sát của 2 nhóm có thể nhóm thành cặp đôi theo 1 cách nào đó.VD: khi một người được quan sát trước và sau khi chịu 1 tác động nào đóĐịnh cặp đôi là để làm cho 2 nhóm càng giống nhau càng tốtCác khác nhau quan sát được giữa các nhóm có thể diễn giải trực tíêp từ biến số đang quan tâm.Phân tích Phương sai một hướng (One-way ANOVA)Qui trình phân tích phương sai 1 hướng là lối phân tích phương sai của biến phụ thuộc bởi một biến số đơn (biến độc lập)Phân tích phương sai được dùng để kiểm tra giả thuyết rằng nhiều trung bình là bằng nhau. Đây là 1 kỹ thuật mở rộng của phương pháp kiểm tra T hai mẫu độc lập.Phân tích Phương sai một hướng (One-way ANOVA)Bên cạnh việc xác định sự khác biệt giữa các trung bình, bạn cũng đôi khi muốn xác định xem trung bình nào là khác biệt.Có 2 loại kiểm tra để so sánh trung bình: đối chiếu ưu tiên (priori contrasts) và kiểm tra hậu kỳ (post hoc tests). Đối chiếu là lối kiểm tra tiến hành trước khi tiến hành thực nghiệm Kiểm tra hậu kỳ là lối kiểm tra tiến hành sau khi thực nghiệm. Bạn cũng có thể kiểm tra khuynh hướng thay đổi trên nhiều phân loại khác nhau.Phân tích Phương sai một hướng (One-way ANOVA)VD: Mức độ tiếp thu bài giảng của học sinh thay đổi khác nhau. Một thực nghiệm tiến hành với 3 môn học khác nhau: toán, lý và văn. Toán, lý là môn khoa học suy luận và Văn là môn diễn đatBên cạnh tiến hành kiểm tra mức độ tiếp thu bài giảng tùy thuộc vào loại môn giảng, bạn cũng có thể xác định mức độ tiếp thu khác biệt giữa các môn suy luận và môn diễn đạt.EigenvalueLà giá trị phương sai tách ra được của mỗi nhân tốVì mong muốn của phân tích nhân tố là tối đa hoá phương sai nên giá trị tối thiểu của phương sai là 1. Khi phương sai là 1, số nhân tố tìm được sẽ bằng với số biến số ban đầuVì mục tiêu của phân tích nhân tố là giảm số lượng biến số nên giá trị eigenvalue cần phải lớn hơn 1Với kết quả ở trang bên, ta nên quyết định chọn 2 nhân tố có giá trị tương ứng lớn hơn 1. Phương pháp này còn gọi là phương pháp dùng tiêu chí Kaiser (1960)Hai nhân tố này cũng là 2 nhân tố chính (principal component) của phân tích của chúng taMối quan hệ giữa biến độc lập và phụ thuộc: xác định a và b Đám đông:Mô hình:Một cách tổng quát, ta tin rằng có một mối quan hệ tuyến tính giữa một biến độc lập (X) và một biến phụ thuộc (Y). Biến này là mức trung bình, vì vậy đối với mỗi quan sát (i) có một phần giá trị sai biệt. Ta có công thức: được gọi là đường hồi qui đám đông. và là các cơ số (tham số) được ước lượng dựa vào số liệu hiện có.Công thức hồi quiHệ số gócGiá trị ước lượng Y khi X = 0X = 0 có thể có hoặc không có ý nghĩa, tuỳ thuộc vào các biến số trong mô hìnhĐộ dốc (Slope)Sự thay đổi Y khi thay đổi mỗi đơn vị của XˆMở rộng cho nhiều biến độc lậpTa có thể thêm vào nhiều biến độc lập để dự báo biến phụ thuộcHồi qui bội (Multiple regression) là nhóm các phương pháp ước lượng tham số b và β của những công thức nhằm giảm tối đa các sai số dự đoánVí dụCông thức hồi qui chưa chuẩn hóa hệ sốCông thức hồi qui đã chuẩn hóa hệ sốHệ số tương quan (r) và βTrong hồi qui tuyến tính 1 biến độc lập, r = βTrong hồi qui bội, các β ít khi bằng rCó 3 lý do:Các biến độc lập thường có tương quan với nhau. Điều này được gọi là đồng tuyến tính (collinearity)Các β thể hiện tương quan của biến phụ thuộc với mỗi biến độc lập, tách biệt với các tương quan giữa các biến độc lập.Để biết mức độc lập của sự tương quan của mỗi biến độc lập, ta cần tách các tương quan khỏi các biến độc lập khác (partial out).Xây dựng mô hình hồi quiLàm thế nào để biết đưa biến độc lập nào vào mô hình? Lý thuyếtTuy nhiên giả định rằng ta muốn biết nhóm các biến độc lập nào trong các biến ta có cho ta một mô hình tốt nhấtMô hình tốt nhất là mô hình có giá trị R2 lớn nhất với số lượng biến số độc lập nhỏ nhất.Xây dựng mô hình hồi quiĐi ngược (Backward)Bắt đầu bằng cách đưa vào tất cả biến độc lậpLoại bỏ biến độc lập nào có giá trị β gần với zero nhất (với điều kiện là biến đó không đáng kể - significant)Tạo mô hình mớiLặp lại bước 2 cho đến khi tất cả β là đáng kể - significantXây dựng mô hình hồi quiTừng bước (Stepwise)Bắt đầu với biến độc lập nào có tương quan chặt chẻ nhất với biến phụ thuộcĐưa thêm biến độc lập nào vào mà mang lại sự gia tăng nhiều nhất của R2 vượt trên mức hiện có Lặp lại cho đến khi nào không còn biến độc lập nào làm tăng đáng kể R2Mục tiêu nghiên cứuLý thuyết về:Chất lượng dịch vụThang đo SERVQUALSự thỏa mãn của khách hàngNghiên cứu định lượng(n =..)Đánh giá sơ bộ thang đo:Cronbach alphaPhân tích nhân tố khám pháĐo lường, thảo luận kêt quả,Giải pháp hoàn thiệnthang đo-1thang đo-2Nghiên cứu định tính-thảo luận nhómĐiều chỉnhLoại các biến có hệ số tương quan biến tổng nhỏKiểm tra hệ số alphaLoại các biến có trọng số EFA nhỏKiểm tra yếu tố trích đượcKiểm tra phương sai trích đượcChương 6: Trình bày nghiên cứuTóm tắtMục lục/ nội dungGiói thiệuPhương phápKết quảHạn chếKết luận và kiến nghịPhụ lụcTài liệu tham khảo Phần danã nhậpTên đề tài.Lý do chọn đề tài.Câu hỏi nghiên cứuMục tiêu nghiên cứu.Phạm vi, đối tượng nghiên cứuCơ sở lý thuyết của vấn đề nghiên cứuPhương pháp nghiên cứuKết quả nghiên cứu và những đóng góp của đề tài. Phần kết luận1. Kết luận về các kết quả nghiên cứu 2. Kiến nghị và giải pháp nếu có từ nghiên cứu3. Ý nghĩa của đề tài (khám phá ra điều gì, ứng dụng gì trong thực tiễn, ) 4. Những hạn chế trong nghiên cứu (về kích thước mẫu, chọn mẫu, và những vấn đề khác)