Câu hỏi một lựa chọn là các câu hỏi trong đó người trả lời dùng chỉ được chọn một trong các trả lời single answer cho sẵn.. Thang Likert Likert 1932 la loai thang do trong đó một chuỗi c
Nguyên nhân gây sai sót trong thu thập dữ liệu .-‹-5- o< 5 << << s2 27 6100.230 in
Có nhiều nguyên nhân làm giảm chất lượng dữ liệu thu thập, trong đó có ba nguyên nhân chính gây ra sai lệch trong quá trình thu thập dữ liệu.
Thiết kế bảng câu hỏi không đạt yêu cầu, với việc sử dụng thuật ngữ gây nhầm lẫn và câu hỏi không rõ ràng, cùng với hình thức trình bày không thống nhất, là nguyên nhân chính dẫn đến sai lệch trong quá trình thu thập dữ liệu.
Vì vậy, chúng ta cần phải kiểm tra kỳ lưỡng trong hai lần thử đề điều chính để giúp giảm sai sót trong thiết kế
Hướng dẫn phỏng vấn viên cần chú trọng vào việc kiểm tra kỹ lưỡng tính chủ quan và đảm bảo rằng họ hiểu rõ tất cả các câu hỏi trong bảng câu hỏi Việc không xác minh kỹ năng phỏng vấn và sử dụng các trợ vấn có thể dẫn đến sai lệch trong quá trình thu thập dữ liệu.
Kỹ thuật phỏng vấn kém, do phỏng vấn viên thiếu kinh nghiệm và chủ quan, cùng với việc không chịu rèn luyện kỹ năng phỏng vấn, là nguyên nhân chính gây ra sai lệch trong quá trình thu thập dữ liệu.
Khâu huấn luyện và kiểm tra kỹ năng phỏng vấn viên trước khi tiến hành phỏng vấn thực tế là rất quan trọng để giảm thiểu sai sót Việc này giúp đảm bảo chất lượng dữ liệu trong quá trình thu thập thông tin, từ đó nâng cao độ tin cậy của kết quả phỏng vấn.
Quá trình kiểm tra kỹ năng phỏng vấn của phỏng viên được thực hiện qua hai bước, tương tự như việc kiểm tra bảng câu hỏi Đầu tiên, sau khi được hướng dẫn, phỏng viên sẽ tiến hành phỏng vấn giám sát viên Nếu phát hiện sai sót trong việc hiểu câu hỏi hoặc kỹ thuật phỏng vấn, cần có sự điều chỉnh và hướng dẫn lại thông qua buổi debriefing.
Sau khi được hướng dẫn, các phỏng viên sẽ thực hành phỏng vấn đối tượng nghiên cứu để kiểm tra kỹ năng của mình Trong quá trình này, các giám sát viên cần theo dõi sát sao nhằm phát hiện sai sót và kỹ năng phỏng vấn của phỏng viên, từ đó đưa ra biện pháp điều chỉnh kịp thời.
Sau khi hoàn tất việc thu thập dữ liệu, quá trình hiệu chỉnh là rất cần thiết Hiệu chỉnh dữ liệu bao gồm hai bước quan trọng: (1) hiệu chỉnh tại hiện trường (field editing) và (2) hiệu chỉnh tại trung tâm (central editing).
Công việc hiệu chỉnh tại hiện trường do bộ phận thu thập dữ liệu thực hiện rất quan trọng Phỏng vấn viên cần phải hiệu chỉnh ngay sau khi kết thúc phỏng vấn, kiểm tra lại tính hoàn tất của bảng câu hỏi Nếu phát hiện câu hỏi bị bỏ sót, cần phỏng vấn lại ngay trong lúc đối tượng vẫn có mặt Sau đó, phỏng vấn viên cần hoàn chỉnh các phần viết tắt, ký hiệu, và những thông tin chưa ghi kịp Việc không thực hiện nghiêm túc công việc này sẽ gây khó khăn cho phỏng vấn viên và các lần hiệu chỉnh sau Bỏ sót câu hỏi hay quên viết tắt sẽ dẫn đến việc phải tiếp xúc lại với đối tượng, gây tốn thời gian và chi phí, và có thể ảnh hưởng đến chất lượng phỏng vấn nếu không được giám sát chặt chẽ.
Sau khi hoàn tất việc hiệu chỉnh các bảng câu hỏi phỏng vấn, phỏng vấn viên nộp lại cho giám sát viên Giám sát viên sẽ tiến hành hiệu chỉnh tiếp theo cho tất cả các bảng câu hỏi đã được phỏng vấn viên kiểm tra Họ có trách nhiệm kiểm tra tính chính xác và độ hoàn chỉnh của các bảng câu hỏi này.
1 Tính hoàn tất của các bảng câu hỏi
2 Tính hợp lý giữa các câu hỏi trong từng bảng câu hỏi và giữa các bảng câu hỏi của phỏng vấn viên đo mình giám sát phỏng vẫn
3 Tính rõ ràng của các trả lời, nhất là các trả lời cho các câu hỏi mở
4 Tính nghiêm túc trong phỏng vấn của phỏng vấn viên
Bước hiệu chính tại trung tâm được thực hiện bởi bộ phận xử lý dữ liệu nhằm kiểm tra và hiệu chỉnh trước khi nhập dữ liệu Mục đích của quá trình này là phát hiện các lỗi và đảm bảo tính hợp lý giữa các câu hỏi trong bảng câu hỏi có kích thước mẫu n.
Sau khi thu thập dữ liệu, nhà nghiên cứu cần chuẩn bị dữ liệu bằng cách mô hình hóa dữ liệu, thiết lập ma trận dữ liệu và thực hiện quy trình làm sạch dữ liệu.
Mã hoá dữ liệu 29 1 Hai trò của mã hóa dữ LIỆM à cccceeeevvsusesseteccccccccccccccseveeesntttttteeeeanenes 29 4.12 Các phương pháp mã hoá dữ lIỆM c kg HH hy Hàn 30
Lợi ích của phân tích ma trận dữ lIỆM .à TS TH HH HH He 31 l6.) daiilaaIẶẦẶẦỶÝ 31 4.3 Làm sạch dif Ti@Uh cc cccscssscsesssecsecesecnecsseceessnecsessecsesseaceeseseseeseeceecessaesesesenes 32
Phân tích dữ liệu ma trận là công cụ quan trọng trong nhiều lĩnh vực, bao gồm khảo sát thị trường, lập kế hoạch phát triển sản phẩm mới và phân tích quy trình Biểu đồ phân tích dữ liệu ma trận hỗ trợ xác định mức độ ưu tiên cho các giải pháp nhằm đạt được mục tiêu cải tiến của tổ chức.
- Xác định các hạng mục sẽ được so sánh, phân tích và mục đích sử dụng phân tích đữ liệu ma trận
Ví dụ: Đối với một nhà hàng có thể so sánh các món ăn trong thực đơn với mục dịch tìm ra những món ăn nào phô biến nhất
- Xác định đơn vị đánh giá cho trục tung và trục hoành của biểu đồ
Ví dụ: Các nhà hàng có thê tiến hành việc khảo sát để tìm ra các món ăn khách hàng đánh giá cao nhất
Để đảm bảo giá trị khách quan và thực tế, cần đánh giá các yếu tố xác định ở bước 2 Nhà hàng có thể thu thập xếp hạng trung bình của khách hàng về kết cấu và hương vị của từng món ăn trong vài tháng.
- Xem xét các điểm mấu chốt và làm nồi bật chúng bằng cách liên kết chúng lại với nhau thành một vòng
- Diễn giải biêu đồ và tiền hành biện pháp dựa trên kết quả đưa ra
Ma trận dữ liệu là cấu trúc chứa tất cả các câu trả lời đã được mã hóa từ toàn bộ bảng câu hỏi của mẫu nghiên cứu Trong ma trận này, các cột đại diện cho mã của các biến, trong khi các dòng tương ứng với kích thước mẫu Mỗi cột chứa dữ liệu của n phần tử (chẳng hạn như người tiêu dùng) liên quan đến một biến cụ thể mà chúng ta cần thu thập Mỗi dòng chứa dữ liệu (các câu trả lời) của một phần tử mẫu cho tất cả các biến cần thiết.
Kích thước mẫu Các biến ( số cột): từ 1 đến k
( số dòng): từ I đến n 1 2 3 cà k
Bảng 2.Ma trận dữ liệu 4.3 Làm sạch dữ liệu
Phương pháp nghiên cứu khoa học trong kimh doanh
Trước khi tiến hành tóm tắt và xử lý dữ liệu, việc làm sạch dữ liệu là rất quan trọng Quá trình này giúp phát hiện các sai sót có thể xảy ra, bao gồm (1) dữ liệu bị thiếu (missing data) và (2) các câu trả lời không hợp lý.
Các ô trống là các ô của ma trận không chứa đựng đữ liệu trả lời Nguyên nhân của các ô trồng này đo:
1 Sai sót trong quá trình thu thập đữ liệu: sai sót này có thé do đối tượng nghiên cứu không trả lời hoặc phỏng vấn viên quên phỏng vấn, hay có phỏng vấn nhưng quên ghi kết quả
2 Sai sót do nhập đữ liệu: trong bảng câu hỏi hoàn tất có chứa đữ liệu này, nhưng khi nhập, người nhập đữ liệu bỏ sót Đề phát hiện các khoảng trống này chúng ta chi can tính tổng theo cột (tỉnh kích thước thực tế của mẫu cho từng biến) Lay ví dụ trong một nghiên cứu một mẫu có kích thước n = 200 và 20 biến, ký hiệu , lấy vi du, tir Xo, dén Xx Sau khi nhập di liệu và tính kích thước mẫu cho các biến, chúng ta thay & bién Xp, Xis, va
Biến X20 có kích thước màu theo thứ tự 178, 186 và 198, trong khi các biến còn lại đều có kích thước màu là 200 Do đó, ba biến Xp, Xis và X20 có sự khác biệt: biến Xp có 22 ô, còn biến Xis có 14 ô.
6 va bien X29 co hai 6 Dé higu chỉnh sai sót này chúng ta cân kiêm tra lại bảng câu hỏi:
3 Nếu bảng câu hỏi có số đo, nhưng sai sót trong quá trình nhập, chỉ cần nhập lại số đo đã có
4 Nếu sai sót đo phỏng vấn viên quên phỏng vấn, cách giải quyết là phỏng vẫn viên phải phỏng vấn lại Cách này thường ít khả thi Các thông thường là nếu ô trống của biến đó ít, chúng ta loại các trả lời đó đi (giảm kích thước mẫu) hoặc lấy trung bình: thay giá trị của ô trồng bằng trung bình của một số hay của tất các trả lời còn lại Đây là cách làm phố biến và SPSS cho phép chúng ta làm việc này rất nhanh Tuy nhiên, cũng cần chú ý là trong xử lý thống kê có nhiều phương pháp đề xử lý cho các đữ liệu không hoàn chỉnh (incompleted data)
4.3.2 Tra loi khéng hop lé
Trả lời không hợp lệ là các trả lời có đữ liệu không nằm trong thang đo đã thiết kẻ
Dé phat hiện các trả lời không hợp lệ chúng ta chỉ cần tính tần số theo cột
Vi du: Ở biên Xi là đữ liệu cho câu hỏi sau và trả lời sau:
Xin vui lòng cho biết mức đồ đồng ý của bạn trong phát biểu “Tôi rất thích sửa chua
h ` Hoan toan phản đôi Phản đôi Trung hoà Đông ý ` đồng ý
Sau khi tính tần số theo biến Xis, chúng tôi phát hiện có hai dòng với số đo lần lượt là 7 và 33 Do đó, hai giá trị này không hợp lệ vì thang đo chỉ cho phép số đo từ 1 đến.
Sai sót trong việc trả lời không hợp lệ chủ yếu xuất phát từ việc nhập dữ liệu không chính xác Ví dụ, trong bảng câu hỏi, số thực có thể là 3 nhưng lại được nhập thành 7 Ngoài ra, lỗi của người nhập cũng có thể xảy ra, chẳng hạn như nhập 3 nhưng do nhấn phím hai lần nên dữ liệu trở thành 33, tình huống này rất phổ biến Để khắc phục những sai sót này, chỉ cần kiểm tra lại bảng câu hỏi và nhập lại các ô dữ liệu bị sai.
5 Sự khác nhau giữa Thu nhập Định tính và Thu nhập Định lượng
Cuộc tranh cãi giữa hai trường phái định tính và định lượng trong nghiên cứu khoa học được nhiều nhà nghiên cứu, như Bryman (2001), cho rằng xuất phát từ hai góc độ chính: phương pháp luận và kỹ thuật Sự khác biệt này không chỉ ảnh hưởng đến cách thức thu thập và phân tích dữ liệu mà còn định hình cách hiểu và giải thích kết quả nghiên cứu.
5.1 Xét từ góc độ phương pháp luận
Sự đối đầu giữa phương pháp nghiên cứu định tính và định lượng xuất phát từ quan niệm rằng chúng đại diện cho hai cách nhìn nhận thế giới trái ngược Nghiên cứu định lượng thường được xem là thuộc về quan điểm thực chứng logic, trong khi nghiên cứu định tính lại phản ánh cách tiếp cận kiểu dân tộc học và hiện tượng học.
Quan điểm thực chứng logic cho rằng hiện tượng xã hội xảy ra khách quan và có thể nghiên cứu mà không cần tính đến sự có mặt của cá nhân (Guba & Lincoln, 1998) Ngược lại, nghiên cứu định tính (NCĐT) chú trọng đến trải nghiệm và cách nhìn nhận của cá nhân (Patton, 1990) NCĐT được xây dựng dựa trên tiếp cận đối tượng một cách tự nhiên, với hiện tượng nghiên cứu diễn ra trong bối cảnh tự nhiên của nó mà không bị tác động Sự đối lập giữa nghiên cứu định lượng (NCĐL) và NCĐT thể hiện qua hành vi bên ngoài và ý nghĩa bên trong, giả thuyết kiểm định và giả thuyết xây dựng, con số và ngôn từ, cải nhân tạo và cái tự nhiên (Bryman, 2001) Nhiều nhà khoa học cho rằng hai phong cách nghiên cứu định tính và định lượng không thể cùng tồn tại trong một nghiên cứu khoa học vì chúng đại diện cho hai cách nhìn nhận thế giới loại trừ lẫn nhau.
5.2 Xét về phương diện kỹ thuật
Sự phân chia các phương pháp nghiên cứu khoa học thành định tính và định lượng chỉ là cách sắp xếp hệ thống, và chúng tìm hiểu những khía cạnh khác nhau của đối tượng nghiên cứu Bryman (1995, 2001) cảnh báo rằng chỉ chú trọng vào sự khác biệt giữa hai phương pháp này có thể dẫn đến hiểu lầm và khó khăn trong việc tích hợp chúng trong cùng một nghiên cứu Mỗi phương pháp đều có ưu điểm và hạn chế riêng; những người ủng hộ phương pháp định lượng cho rằng nó đảm bảo tính chính xác và đáng tin cậy nhờ vào các dụng cụ đo lường chặt chẽ Họ coi phương pháp định tính là phụ thuộc và chỉ hữu ích trong giai đoạn chuẩn bị nghiên cứu Những người ủng hộ định lượng cũng nhấn mạnh khả năng khái quát hóa của kết quả nghiên cứu, cho rằng nghiên cứu có mẫu nhỏ không thể đại diện cho kết luận rộng hơn Ngược lại, những người ủng hộ phương pháp định tính chỉ ra nhiều yếu điểm của phương pháp định lượng.
NCĐL thường bỏ qua bối cảnh của hiện tượng nghiên cứu, dẫn đến việc các yếu tố ngoại cảnh có thể ảnh hưởng đến kết quả nghiên cứu không được xem xét Ví dụ, các phương pháp dạy học hiệu quả chỉ có thể áp dụng ở các trường học có điều kiện ngoại cảnh tương tự, điều này khó xảy ra trong thực tế Mặc dù kết quả của NCDL được coi là có khả năng khái quát cao, nhưng việc không tính đến bối cảnh làm cho những kết quả này không thể áp dụng vào các trường hợp cụ thể khác NCĐT được xem là giải pháp khắc phục sự mất cân đối này bằng cách thu thập đầy đủ thông tin về bối cảnh nghiên cứu (Guba & Lincoln 1998).