50
Thường vì áp lực cạnh tranh, nhiều quyết định về quản trị phải được đưa ra vội vang. Vì thế, nếu nếu ta dựng lên một mô hình đồi hỏi thời gian thực hiện dài để hoàn tất là tất bại.
4.4.2. Chi phí hao tốn
Đây cũng là tiêu chuẩn quyết định. Nếu chọn một một hình đòi hỏi chi phí cao khi sử dụng, chắc gì đảm bảo là kết quảbì đắp được vì những rủi ro tiềm ẩn do kết quả không chính xác. Gắn với chi phí của mô hình phải là độ chính xác của kết quả mong muốn đạt
được, muốn có giá trị nội nghiệm và ngoại nghiệm cao thì phải có nhiều chi phí. Sẽ
không hay gì khi sử dụng mô hình có độ tin cậy cao mà công cuộc kinh doanh không đòi
hỏi vềtương quan nhân quảvà độ chính xác cao.
4.4.3. Bí mật
Đây là yêu cầu để chi phối quyết định lựa chọn mô hình. Nếu nhà kinh doanh không muốn “ xóc tay” cho đối thủ xem trí ngôn ngoan thì không nên dùng những cuộc nghiên cứu hiện trường mà không che dấu được chiến lược. Có lẻ nên tiến hành động tác giả hay tổ chức thử nghiệm La bô mà ta kiểm chứng được chặt chẽ còn tốt hơn.
4.4.4. Cách tiếp cận đểlƣa chọn mô hình
- Xác định số biến độc lập: có hai hướng tiếp cận:
Từđơn giản đến tổng quát: bổ sung biến độc lập từ từ vào mô hình
Từ tổng quát đến đơn giản: Xét mô hình hồi quy có đầy đủ các biến độc lập đã được xác định, sau đó loại trừ những biến không quan trọng ra khỏi mô hình
- Kiểm định mô hình có vi phạm giả thiết như đa cộng tuyến, phương sai thay đổi, tựtương quan. Nếu mô hình vi phạm thì cần có biện pháp khắc phục.
- Chọn dạng hàm; dựa vào: + Các lý thuyết kinh tế
+ Các kết quả nghiên cứu thực nghiệm.
- Sử dụng các tiêu chuẩn thông dụng để chọn mô hình.
4.4.5. Chọn mô hình
- Tiết kiệm: Mô hình đơn giản nhưng phải chứa các biến chủ yếu ảnh hưởng đến biến phụ thuộc nhằm giải thích bản chất của vấn đề nghiên cứu.
51 - Tính đồng nhất: Với một tập dữ liệu đã cho, các tham số ước lượng phải duy nhất.
- Tính thích hợp (R2): Mô hình có R2 ( hoặc càng gần 1 được coi càng thích hợp. - Tính bền vững về mặt lý thuyết: mô hình phải phù hợp với lý thuyết nền tảng. - Khảnăng dự báo cao.
Các sai lầm khi chọn mô hình- Hậu quả
- Bỏ sót biến thích hợp: dẫn đến một số hậu quảnhư
+ Các tham sốước lượng sẽ bị chệch và không vững. + Khoảng tin cậy và các kiểm định không chính xác. + Dự báo dựa trên mô hình sai sẽkhông đáng tin cậy. - Đưa vào mô hình những biến không phù hợp:
+ Các ước lượng thu được từ mô hình thừa biến không hiệu quả, khoảng tin cậy rộng.
- Lựa chọn mô hình không chính xác:
+ Ước lượng chệch các hệ số hồi quy, thậm chí dấu của hệ số hồi quy có thể sai. + Có ít hệ số hồi quy ước lượng được có ý nghĩa thống kê
+ R2 không cao
+ Phần dư các quan sát lớn và biểu thị sự biến thiên có tính hệ thống.
4.4.6. Kiểm định việc chọn mô hình
4.4.6.1. Kiểm định thừa biến (kiểm định Wald)
Xét hai mô hình:
(U): mô hình không bị ràng buộc (Unrestricted model)
(R): mô hình bị ràng buộc (Restricted model). Điều kiện ràng buộc là các hệ số hồi quy của các biến Xm , Xm+1 , Xkđồng thời bằng 0.
Xây dựng giả thiết để kiểm định đk ràng buộc H1: có ít nhất một khác 0
Bước 1: Hồi quy mô hình (U) có k tham số, tính RSSU có n-k bậc tự do
U X X X X Y U): 1 2 2 ... m1 m 1 m m k k ( V X X Y R): 1 2 2 ... m 1 m1 ( 0 ... : m k Ho j
52 Bước 2: Hồi quy mô hình (R) có m tham số, tính RSSR có n-m bậc tự do
Bước 3: Tính F
Bước 4: Tra bảng F với mức ý nghĩa α có giá trị Fα (k-m, n-k) Quy tắc quyết định:
Nếu F> Fα (k-m, n-k): bác bỏ Ho, tức mô hình (U) không thừa biến. Nếu dùng kết quả p-value thì quy tắc quyết định như sau:
Nếu p ≤ : Bác bỏ H0
Nếu p > : Chấp nhận H0
4.4.6.2. Kiểm định bỏ sót biến giải thích
Để kiểm định các biến giải thích bỏ sót, ta dùng kiểm định Reset của Ramsey, gồm các bước:
Bước 1: Dùng OLS đểước lượng mô hình Yi = 1 + 2X2i + ui Từđó ta tính và R2
old
Bước 2: dùng OLS đểước lượng mô hình Tính R2new
Kiểm định giả thiết H0: 3 = 4=… = k = 0
Bước 3: Tính
n: số quan sát, k: số tham số trong mô hình mới; m: số biến đưa thêm vào.
Bước 4: Nếu F > F (m,n-k): Bác bỏ H0, tức các hệ số 3, 4,… k không đồng thời bằng 0, mô hình cũ đã bỏ sót biến.
Nếu dùng kết quả p-value thì quy tắc quyết định như sau:
Nếu p ≤ : Bác bỏ H0
Nếu p > : Chấp nhận H0
4.4.6.3. Kiểm định giả thiết phân phối chuẩn của ui
Để kiểm định phân phối chuẩn của Ui, ta dùng kiểm định χ2, hay kiểm định Jarque-Bera: ) /( ) 1 ( ) /( ) ( ) /( ) /( ) ( 2 2 2 k n R m k R R k n RSS m k RSS RSS F U R U U U R i Yˆ i i i X Y Y v Y ˆ ˆ3 ... 4 2 3 2 2 1 ) ( ) 1 ( ) ( 2 2 2 k n R m R R F new old new
53 Kiểm định giả thiết H0: ui có phân phối chuẩn
Nếu JB > χ2, Bác bỏ H0, ngược lại, chấp nhận H0
4.4.7. Tiêu chuẩn lựa chọn mô hình
- R2:
+ R2đo lường % biến động của Y được giải thích bởi các Xi trong mô hình. + R2 càng gần 1, mô hình càng phù hợp.
Lưu ý:
- Nó chỉ đo lường sự phù hợp “trong mẫu”
- Khi so sánh R2 giữa các mô hình khác nhau, các biến phụ thuộc phải giống nhau. - R2 không giảm khi tăng thêm biến độc lập
- R2 điều chỉnh
+ Ta thấy R2 R2. R2 chỉ tăng khi giá trị tuyệt đối của giá trị t của biến được thêm vào mô hình lớn hơn 1.Do vậy, R2 là tiêu chuẩn tốt hơn R2.
Lưu ý, các biến phụ thuộc cũng phải giống nhau. - Giá trị của hàm hợp lý log-likelihood (L),
+ Giá trị L càng lớn chứng tỏ mô hình càng phù hợp
- Tiêu chuẩn thông tin Akaike (AIC), Hay
+ Trong đó k là số biến được ước lượng (gồm cả hệ số tự do) và n là cỡ mẫu.
24 ) 3 ( 6 2 2 K S n JB 3 3 . ) ( u i SE n u u S 4 4 . ) ( u i SE n u u K k n n R n TSS k n RSS R 1 ) 1 ( 1 ) 1 /( ) /( 1 2 2 2 2 2 1 ) 2 ln( 2 ln 2 n Ui n L n k e n RSS AIC . 2 / n RSS n k AIC 2 ln ln
54 + Giá trị AIC càng nhỏ chứng tỏ mô hình càng phù hợp.
- Tiêu chuẩn thông tin Schwarz (SIC) Hay + SC còn khắt khe hơn AIC.
+ SC càng nhỏ, mô hình càng tốt. n k n n RSS SC . / n RSS n n k SC ln ln
55
Chƣơng 5: CÁC PHƢƠNG PHÁP THU THẬP DỮ LIỆU
5.1. Các yếu tốảnh hƣởng đến việc lựa chọn phƣơng pháp 5.1.1. Khái niệm, yêu cầu và phân loại dữ liệu
5.1.1.1. Khái niệm
Thu thập nguyên nghĩa là tìm kiếm, góp nhặt và tập hợp lại. Thu thập dữ liệu là việc thu thập thông tin hữu ích. Do đó, thu thập dữ liệu hoặc thông tin là quá trình tập hợp thông tin theo những tiêu chí cụ thể nhằm làm rõ những vấn đề, nội dung liên quan
đến lĩnh vực nhất định. Hay thu thập dữ liệu hoặc thông tin là quá trình xác định nhu cầu thông tin, tìm nguồn thông tin, thực hiện tập hợp thông tin theo yêu cầu nhằm đáp ứng mục tiêu đã được định trước.
Thu thập dữ liệu trong nghiên cứu marketing là một quá trình chi tiết trong đó tất cả các dữ liệu liên quan đến kế hoạch nghiên cứu được tìm kiếm bởi nhà nghiên cứu. Do
đó, thu thập dữ liệu không có gì hơn ngoài việc lập kế hoạch và thu thập thông tin hữu
ích cho đặc tính ưu tú chính được đưa ra trong quá trình nghiên cứu. Vấn đề chính không phải là: Làm cách nào để thu thập dữ liệu? Thay vào đó, đó là: Làm cách nào để chúng
tôi có được dữ liệu hữu ích?.
5.1.1.2. Yêu cầu chung cần có của dữ liệu
Các dữ liệu thu thập phải được xác định rõ ràng xuất phát từ mục tiêu nghiên cứu.
Khi xác định dữ liệu, cần tuân thủ các yêu cầu sau:
- Những thông tin chứa đựng trong dữ liệu phải phù hợp và đủ làm rõ mục tiêu nghiên cứu.
- Dữ liệu phải xác thực trên hai phương diện:
+ Giá trị: dữ liệu phải lượng định được những vấn đề mà cuộc nghiên cứu cần
lượng định.
+ Độ tin cậy: nghĩa là nếu lập lại cùng một phương pháp phải sinh ra cùng một kết quả.
56
Đây là 3 yêu cầu tối thiểu cần thiết để thông tin thu thập được đầy đủ và tin cậy giúp cho nhà quản trị có đủ cơ sở chắc chắn khi ra quyết định, đồng thời là căn cứ xác
đáng đểngười nghiên cứu hình thành kế hoạch thu thập dữ liệu thích hợp.
5.1.1.3. Phân loại dữ liệu
Để giúp người nghiên cứu chọn lựa được đúng những dữ liệu thích hợp với mục tiêu dữ liệu cần thiết phải phân biệt 3 loại dữ liệu cơ bản.
- Phân loại dữ liệu theo đặc tính của dữ liệu gồm sự kiện, kiến thức, dư luận, ý
định và động cơ.
- Phân loại dữ liệu theo chức năng của dữ liệu gồm dữ liệu phản ánh tác nhân, dữ
liệu phản ánh kết quả, dữ liệu mô tả tình huống và dữ liệu làm rõ nguồn thông tin.
- Phân loại dữ liệu theo địa điểm thu thập dữ liệu, theo cách phân loại này, địa
điểm thu thập dữ liệu bao gồm: nơi sinh sống của đối tượng (nhà ở), nơi đối tượng làm việc và trên đường phố hay trong lúc di chuyển.
- Phân loại dữ liệu theo nguồn thu thập dữ liệu gồm dữ liệu thứ cấp, dữ liệu sơ
cấp, dữ liệu thu thập từ các cuộc thử nghiệm, dữ liệu thu thập từ các mô hình giảđịnh.
5.1.2. Các yếu tốảnh hƣởng đến việc thu thập dữ liệu
5.1.2.1. Tình trạng quá tải hoặc thiếu thông tin hữu ích
Quá trình thu thập thông tin luôn đối mặt với hai vấn đề hoặc quá tải thông tin hoặc thiếu các thông tin cần thiết. Sự quá tải về thông tin dẫn đến trong việc khó khăn lựa chọn những thông tin phản ánh đầy đủ nhất, toàn diện nhất về bản chất sự việc, hiện
tượng và tạo sức ép phải thu thập thêm thông tin vì tâm lý không muốn bỏ sót thông tin dù thông tin thu thập được có thểđã đến mức bão hoà. Sự quá tải về thông tin cũng dẫn
đến khó khăn cho quá trình xử lý. Việc xử lý nhiều thông tin vừa đòi hỏi thời gian vừa
đòi hỏi nhiều nguồn lực và kỹnăng xửlý thông tin. Trái ngược với sự quá tải về thông tin là tình trạng thiếu thông tin hữu ích. Việc thiếu thông tin hữu ích dẫn đến để có thểcó đủ
thông tin cho quá trình giải quyết công việc cần phải tốn nhiều thời gian và nguồn lực
hơn để thu thập. Mặt khác, do thiếu thông tin hữu ích nên cho dù cố gắng thu thập thông tin thì thông tin thu thập được có thể không phản ánh hết được bản chất của đối tượng, dẫn đến có thể nhận thức sai lệch về đối tượng. Việc thiếu thông tin hữu ích dẫn đến quá
57 trình xử lý thông tin khó tìm ra bản chất, ý nghĩa của thông tin. Bởi lẽ, thông tin chỉ có ý
nghĩa thống kê khi đạt đến một định mức nhất định.
5.1.2.2. Hạn chế vềnăng lực và kỹnăng xử lý thông tin
Hạn chế vềnăng lực và kỹ thuật thu thập và xử lý thông tin có ảnh hưởng trực tiếp
đến chất lượng thông tin và hiệu quả khai thác thông tin. Sự quá tải về thông tin, sự đa
dạng về thông tin dẫn đến những khó khăn trong quá trình thu thập và xử lý. Sự hạn chế
về kỹ năng thu thập thông tin biểu hiện trên nhiều phương diện như thiếu kỹ năng lựa chọn phương pháp thu thập thông tin, kỹnăng triển khai áp dụng các phương pháp. Việc xử lý thông tin sẽ bị giảm bớt hiệu quả nếu chủ thể thu thập thông tin không có các kiến thức về thống kê, thiếu kỹnăng phân tích thông tin, kỹnăng sử dụng các phương tiện tin học trong xử lý số liệu.
5.1.2.3. Trở ngại trong cơ cấu tổ chức, phong cách quản lý, văn hoá tổ chức
Cơ cấu tổ chức, phong cách quản lý và văn hoá tổ chức có thểảnh hưởng đến quá trình thu thập và xử lý thông tin. Văn hoá tổ chức khép kín, thiếu sự cởi mở, chia sẻ
thông tin giữa các cán bộ, công chức với nhau có thể sẽ gặp nhiều khó khăn. Mặt khác, khi tổ chức duy trì quá nhiều thủ tục cứng nhắc cũng dẫn đến việc thu thập và chia sẻ thông tin khó khăn, thành rào cản cho quá trình thu thập thông tin. Cơ cấu tổ chức cồng kềnh, nhiều tầng nấc có thể làm cho thông tin bị thu thập không đầy đủ hoặc bị nhiễu qua các tầng nấc.
5.2. Các phƣơng pháp sử dụng thông tin thứ cấp
Khi xem xét trả lời cho các câu hỏi nghiên cứu hay đáp ứng mục tiêu nghiên cứu,
người nghiên cứu thường khởi đầu bằng cách nhắc đến khảnăng tái phân tích những dữ
liệu đã thu thập cho mục đích khác. Các dữ liệu như thế được biết đến với tên gọi là dữ
liệu thứ cấp (secondary data). Bên cạnh đó, đa số sẽ nghĩa đến việc tìm kiếm những dữ
liệu mới hay sơ cấp (Primary data) phục vụ cho nghiên cứu của mình. Mặc dầu vậy, dữ
liệu thứ cấp có thể cung cấp một nguồn tư liệu hữu ích có thể trả lời toàn bộ hoặc một phần câu hỏi nghiên cứu.
Dữ liệu thứ cấp gồm dữ liệu định tính và dữ liệu định lượng, được sử dụng chủ
58 phân loại dữ liệu thứ cấp khác nhau. Trong phần nghiên cứu này, ba nhóm chính của dữ
liệu thứ cấp được trình bày gồm dữ liệu thứ cấp văn bản, dữ liệu thứ cấp dựa trên khảo sát và dữ liệu được biên soạn từ nhiều nguồn.
5.2.1. Dữ liệu thứ cấp văn bản
Dữ liệu thứ cấp văn bản thường được sử dụng cho những đề tài nghiên cứu dùng
đồng thời các phương pháp thu thập dữ liệu sơ cấp. Tuy nhiên, có thểdùng độc lập và kết hợp với nguồn dữ liệu thứ cấp khác. Dữ liệu thứ cấp văn bản gồm các tài liệu văn bản
như bảng thông báo, thư từ trao đổi, biên bản các cuộc họp, bảng báo cáo cho các cổ đông, nhật ký, bản ghi các diễn văn, những hồ sơ hành chính và khu vực công. Đây là
nguồn dữ liệu thô quan trọng, chúng cũng là phương tiện lưu trữ cho những dữ liệu đã
sàng lọc. Người nghiên cứu có thể sử dụng các tài liệu văn bản để cung cấp dữ liệu định
tính, để tính ra các số đo thống kê. Dữ liệu thứ cấp văn bản còn gồm những tài liệu dạng
phi văn bản như ghi âm, ghi hình, ảnh, phim và các chương trình truyền hình, DVD, đĩa
CD-ROM cũng như các cơ sở dữ liệu trong các tổ chức. Các dữ liệu này có thể phân tích
định tính hoặc định lượng, có thể sửđểđối chiếu những kết quả dựa trên dữ liệu khác.