Bài giảng Phương pháp nghiên cứu kinh tế - Bài 6: Phương pháp chọn mẫu và xác định cỡ mẫu - Trần Tiến Khai

TS. Trần Tiến KhaiKhoa Kinh Tế Phát Triển Đại Học Kinh Tế TP.HCMBài 6: phương pháp chọn mẫu và xác định cỡ mẫuNội dungCác khái niệm cơ bảnThiết kế điều tra chọn mẫuPhương pháp xác định cỡ mẫuThu thập dữ liệu sơ cấp 21. Các khái niệm cơ bảnKhái niệm về điều tra chọn mẫuChọn mẫu là việc chọn một số đơn vị trong tổng thể (population), nhằm rút ra các kết luận về tổng thể đó. Một đơn vị của mẫu là một cá thể hoặc một thành viên mà chúng ta đo lường. Đây chính là đơn vị nghiên cứu. Một tổng thể là tập hợp của tất cả các đơn vị.Điều tra tổng thể (census) là việc đo lường tất cả các đơn vị có trong tổng thể. Danh sách tất cả các đơn vị có trong tổng thể để giúp chúng ta rút mẫu là Khung mẫu (sample frame).4Khái niệm về điều tra chọn mẫuChọn mẫu làm giảm chi phí nghiên cứu; Chọn mẫu đúng cách làm tăng độ chính xác của nghiên cứu; Tăng tốc độ thu thập thông tin dữ liệu; Có những tổng thể mà ta không thể nghiên cứu tổng thể.5Mẫu như thế nào là tốt?Tính đúng đắn: mẫu phải đại diện cho tính chất của tổng thể tổng thể hoặc phần lớn các đơn vị có trong tổng thể; Tính chính xác: không thể có mẫu đại diện cho tổng thể ở tất cả mọi khía cạnh. Do đó, luôn có sai số sinh ra từ việc chọn mẫu (sampling error).Đo lường tính chính xác bằng chỉ tiêu thống kê sai số chuẩn (standard error of estimate).62. Thiết kế điều tra chọn mẫuCác cân nhắc khi lựa chọn thiết kế chọn mẫuBản chất của Tổng thể:Tổng thể xác địnhTổng thể xác định nhưng không có được khung mẫuTổng thể không xác địnhTổng thể mục tiêu: gắn tổng thể với mục tiêu nghiên cứuTổng thể nghiên cứu: chứa các đơn vị nghiên cứu nào?8Các cân nhắc khi lựa chọn thiết kế chọn mẫuBản chất của Tổng thể:Phải hiểu rõ về các đặc điểm của tổng thể cần nghiên cứuPhải biết tổng thể bao gồm các đơn vị như thế nào (cá nhân, hộ gia đình, loại khác).Phải nắm rõ định hướng nghiên cứu như thế nào, dự định tiến hành và các điều kiện liên quan. Có thể có được Khung mẫu hay không?9Các cân nhắc khi lựa chọn thiết kế điều traCác chỉ tiêu cần nghiên cứu:Các chỉ tiêu mô tả các đặc điểm chung của tổng thể;Các chỉ tiêu thể hiện các đặc điểm riêng mà ta quan tâm;Nên lường trước các dạng dữ liệu của chỉ tiêu (danh nghĩa, thứ bậc, khoảng cách, tỷ số).Nếu tổng thể bao gồm các nhóm phụ riêng biệt, nên định hướng xác định các dữ liệu danh nghĩa để chia nhóm theo tỷ lệ.10Các cân nhắc khi lựa chọn thiết kế điều traThiết kế điều tra xác suất hay phi xác suất?11Các cân nhắc khi lựa chọn thiết kế điều tra12XÁC SUẤTPHI XÁC SUẤTTổng thể xác địnhTổng thể không xác địnhBiết quy mô của tổng thể (N)Không biết quy mô của tổng thể (N)Xác lập được khung mẫuKhông có khung mẫuTính được xác suất chọn mẫu (n/N)Không tính được xác suất chọn mẫu (n/N)Chọn mẫu nhằm rút ra kết quả để phỏng đoán cho tổng thểKhông cần suy đoán cho tổng thể; Nghiên cứu có mục đíchChỉ lựa chọn đơn vị nghiên cứu từ khung mẫuCó thể lựa chọn một cách tùy ýKhông thể tùy tiện thay thế đơn vị nghiên cứuCó thể thay đổi nếu thấy phù hợp với mục đích nghiên cứuTiến trình chọn mẫu phải được tuân thủ nghiêm túcCó sự linh động trong chọn mẫuCác bước chọn thiết kế chọn mẫu13Thang bậc câu hỏi quản lý – câu hỏi nghiên cứuChọn kiểu chọn mẫuPhi xác suất Xác suất Xác định tổng thể liên quanChọn kỹ thuật lấy mẫu Xác định các khung mẫu hiện cóĐánh giá khung mẫuChọn khung mẫuChỉnh sửa hoặc xây dựng lại khung mẫuRút ra mẫuChấp nhậnKhông chấp nhậnCác thiết kế chọn mẫu điều tra14Chọn mẫu xác suất (probability sampling)Chọn mẫu phi xác suất (non-probability sampling)Chọn mẫu ngẫu nhiên đơn giản (simple random sampling)Chọn mẫu hệ thống (systematic sampling)Chọn mẫu phân tầng (stratified sampling)Chọn mẫu phân nhóm (cluster sampling)Chọn mẫu hạn ngạch (quota sampling)Chọn mẫu phán đoán (judment sampling)Chọn mẫu nhiều giai đoạn (multistage sampling)Chọn mẫu thuận tiện (convienience sampling)Chọn mẫu quả cầu tuyết (snowball sampling)Chọn mẫu phân tầng không theo tỷ lệ (dispropotionate stratified sampling)Chọn mẫu phân tầng theo tỷ lệ (propotionate stratified sampling)Các kiểu chọn mẫu (Types of sampling design)Chọn mẫu hạn ngạch theo tỷ lệ (propotionate quota sampling)Chọn mẫu hạn ngạch không theo tỷ lệ (dispropotionate quota sampling)Chọn mẫu xác suất: ngẫu nhiên đơn giảnCác nguyên tắc xác định:Xác định xác suất chọn đơn vị:Xác suất chọn lựa = cỡ mẫu (n)/tổng thể (N) (%)Lập danh sách (Khung mẫu).Chọn ngẫu nhiên theo danh sáchDùng bảng ngẫu nhiên hoặc dùng lệnh Randbetween trong ExcelÁp dụng: khi tổng thể tương đối đồng nhất; người nghiên cứu quan tâm đến đặc trưng chung của tổng thể15Chọn mẫu xác suất: ngẫu nhiên đơn giản16NnKhung mẫuMẫuChọn mẫu xác suất: hệ thốngCác nguyên tắc xác định:Xác định bước nhảy kBước nhảy = tổng thể (N)/cỡ mẫu (n)Lập danh sách (Khung mẫu) chính xác, hoặc có số thứ tự.Chọn ngẫu nhiên đơn vị khởi đầuChọn các đơn vị kế tiếp bằng bước nhảy kÁp dụng: khi tổng thể tương đối đồng nhất; người nghiên cứu quan tâm đến đặc trưng chung của tổng thể17Chọn mẫu xác suất: hệ thốngCác lưu ý để tránh lệch mẫu (bias) :Trộn ngẫu nhiên danh sách trong Khung mẫuChọn ngẫu nhiên đơn vị khởi đầu vài lần.Nếu thực hiện tốt, phương pháp này cho hiệu quả cao hơn phương pháp ngẫu nhiên đơn giản.18Chọn mẫu xác suất: hệ thống19NnKhung mẫuMẫuK=3Chọn mẫu xác suất: phân tầngHầu hết các tổng thể đều chứa đựng các nhóm phụ (tầng – strata).Áp dụng chọn mẫu phân tầng nhằm:Tăng hiệu quả thống kê khi chọn mẫuCó dữ liệu để phân tích từng nhóm phụCho phép sử dụng các phân tích khá biệt nhau cho từng nhóm phụ khác nhau.Nếu phân tầng lý tưởng: Nội bộ nhóm đồng nhất Dị biệt giữa các nhóm20Chọn mẫu xác suất: phân tầng21 Tổng thể (N)Mẫu (n)Chọn mẫu xác suất: phân tầngTheo tỷ lệ (proportionate) hay không theo tỷ lệ (disproportionate)?Theo tỷ lệ: số mẫu của mỗi nhóm phụ sẽ được quyết định theo tỷ lệ của tổng thể của mỗi nhóm phụ so với tổng tổng thể.Cách này lý tưởng vì:Có độ chính xác về thống kê cao;Dễ chọn mẫu;Có được trọng số.22Chọn mẫu xác suất: phân tầngQuá trình chọn mẫu phân tầng:Chọn các biến (danh nghĩa) để chia nhóm, phân tầng. Quyết định tỷ lệ của từng nhóm so với tổng thể chung.Chọn cách lấy mẫu tỷ lệ hay không tỷ lệ.Xác định các Khung mẫu riêng biệt cho từng nhóm phụ.Trộn ngẫu nhiên danh sách trong Khung mẫu.Chọn đơn vị ngẫu nhiên hay hệ thống trong từng nhóm phụ (tầng).23Chọn mẫu xác suất: phân tầngChú ý: cỡ mẫu tùy thuộc vào hai vấn đề:Tổng mẫu cần là bao nhiêu?Tổng mẫu sẽ được phân bố cho từng nhóm phụ như thế nào?24Chọn mẫu xác suất: phân nhómChọn mẫu phân nhóm: chia tổng thể ra các nhóm mang tính đa dạng như tổng thể chungNhiều nghiên cứu liên quan tới tổng thể được xác định theo khu vực địa lý hoặc địa giới hành chính.Cách chia nhóm này phù hợp với các nghiên cứu có tổng thể ở các cấp quốc gia, tỉnh, thành phố, hoặc như lãnh thổ nhỏ hơn.25Chọn mẫu xác suất: phân nhóm26X oTổng thểMẫuChọn mẫu xác suất: phân nhóm27Chọn mẫu phân tầngChọn mẫu theo nhóm1. Chia tổng thể thành một ít nhóm phụMỗi nhóm phụ có nhiều đơn vị.Chia nhóm phụ theo các biến quan trọng.1. Chia tổng thể thành nhiều nhóm phụMỗi nhóm phụ chứa ít đơn vị.Chia nhóm phụ theo thuận tiện hoặc địa lý, khu vực. 2. Bảo đảm tính đồng nhất homogeneity trong nội bộ từng nhóm.2. Bảo đảm tính dị biệt heterogeneity trong từng nhóm.3. Bảo đảm tính dị biệt heterogeneity giữa các nhóm.3. Bảo đảm tính đồng nhất homogeneity giữa các nhóm.4. Chọn ngẫu nhiên các đơn vị trong từng nhóm phụ. 4. Chọn ngẫu nhiên vài nhóm phụ để nghiên cứu.Chọn mẫu phi xác suấtKhi chọn mẫu phi xác suất, không biết được xác suất để chọn một đơn vị nghiên cứu.Là chọn mẫu có mục đích (purposive sampling).Mẫu được chọn có xu hướng bị thiên lệch (bias).Thường dùng bởi vì:Phù hợp với việc chọn mẫu theo một mục đích nào đó.Không cần xác định các chỉ số liên quan đến tổng thể, do đó không cần quan tâm nhiều đến tính đại diện.Giảm thời gian và chi phí nghiên cứu.Thuận tiện trên thực tế, nhất là khi ta không biết chính xác tổng thể và các đặc điểm của nó.28Chọn mẫu phi xác suất: kinh nghiệm/phán đoánChọn mẫu phán đoán (chọn mẫu theo kinh nghiệm): Là một dạng chọn mẫu có mục đích (purposive sampling).Người nghiên cứu chọn mẫu theo kinh nghiệm của mình, hoặc theo kinh nghiệm của người khác, để có mẫu thích hợp nhất giúp chỉ ra được thông tin cần thu thập.Thường dùng khi:người nghiên cứu muốn lựa chọn mẫu theo một tiêu chuẩn nào đó.Nghiên cứu khám phá.Nghiên cứu 1 mẫu lệch theo 1 hướng nào đó.29Chọn mẫu phi xác suấtChọn mẫu theo sự thuận tiệnViệc chọn mẫu tùy thuộc vào cơ hội tiếp xúc đối tượng nghiên cứu của nhà nghiên cứu. Không có tiêu chuẩn cụ thể cho việc chọn mẫu thuận tiện.Nguyên tắc: chọn bất kỳ đối tượng nào có thể được.Thích hợp cho các nghiên cứu khám phá.30Chọn mẫu phi xác suất: hạn ngạchChọn mẫu theo hạn ngạchLà dạng chọn mẫu có mục đích (theo tỷ lệ, không theo tỷ lệ)Chọn mẫu dựa trên các nhóm phụ của tổng thể theo các tiêu chí cho trước.Tăng tính đại diện, vì có thể mô tả được các nhóm phụ.Mỗi nhóm phụ phải thỏa mãn hai điều kiện:có một phân phối trong tổng thể mà ta có thể phỏng đoán được; Thích đáng với chủ đề nghiên cứu.31Chọn mẫu phi xác suất: giống nhau; mở rộng, quả cầu tuyếtChọn mẫu quả cầu tuyết (matched/snowball sampling)Trong những nghiên cứu đánh giá tác động thường sử dụng kỹ thuật chọn mẫu giống nhau để làm cơ sở cho các phân tích.Nguyên tắc: chọn 1 đối tượng nghiên cứu. Yêu cầu đối tượng này chỉ ra các đối tượng tương tự khác để nghiên cứu. Số mẫu phát triển dần, đến khi đủ thông tin cho nghiên cứu thì dừng lại.32ABDECF3. Phương pháp xác định cỡ mẫuXác định cỡ mẫuChúng ta cần bao nhiêu đơn vị nghiên cứu (cỡ mẫu)?Có hai câu chuyện không chính xác:Mẫu phải lớn, nếu không sẽ không có tính đại diện;Mẫu phải tương ứng với một tỷ lệ nào đó so với tổng thể.Nếu lấy mẫu phi xác suất: xác định các nhóm phụ (subgroups), nguyên tắc lựa chọn, kinh phí có được.Nếu lấy mẫu xác suất: cỡ mẫu tùy thuộc vào độ biến thiên của tổng thể và độ chính xác ta muốn có của kết quả.34Xác định cỡ mẫuChúng ta cần bao nhiêu đơn vị nghiên cứu (cỡ mẫu)?Các nguyên tắc xác định cỡ mẫu :Tổng thể càng biến thiên nhiều thì số mẫu phải càng lớn để đạt tính chính xác;Độ chính xác càng tăng thì số mẫu phải càng lớn.Phạm vi sai số càng nhỏ thì số mẫu phải càng lớn.Khi tổng thể có nhiều nhóm phụ, thì số mẫu phải lớn để mẫu của từng nhóm phụ phải đạt yêu cầu tối thiểu.35Xác định cỡ mẫu theo giá trị trung bìnhPhỏng đoán khoảng tin cậyTa dùng khoảng tin cậy để phỏng đoán khoảng mà giá trị trung bình của tổng thể µ rơi vào Dùng chỉ số thống kê sai số chuẩn standard error of the mean (σx hay là se). Với :σx = sai số chuẩn.σ = độ lệch chuẩn của tổng thển = cỡ mẫu36Xác định cỡ mẫu theo giá trị trung bìnhPhỏng định Giá trị trung bình của tổng thể:Trung bình của tổng thể, µ, có thể được ước lượng theo công thức sau:µ = xtb ± Z*se Theo ví dụ trên: µ = xtb ± se = 3.0 ± Z*0.36Z = 1 cho mức tin cậy = 68%Z = 1.96 cho mức tin cậy = 95%Z = 3 cho mức tin cậy = 99%37Xác định cỡ mẫu theo giá trị trung bìnhPhỏng định Giá trị trung bình của tổng thể:Theo ví dụ trên: µ = xtb ± se = 3.0 ± Z*0.36Khoảng tin cậy cho giá trị trung bình của tổng thể, µ, là:Ở mức tin cậy 68%: 2.64 – 3.36 (µ = 3.0 ± 0.36)Ở mức tin cậy 95%: 2.29 - 3.71 (µ = 3.0 ± 0.71)Ở mức tin cậy 99%: 1.92 - 4.08 (µ = 3.0 ± 1.08)38Xác định cỡ mẫu theo giá trị trung bìnhTính cỡ mẫu liên quan đến các giá trị Trung bìnhCần các thông tin sau:Độ chính xác mong muốn và làm sao lượng hóa nó: Mức tin cậy (confidence level) mà ta muốn có.Độ lớn của khoảng tin cậy Độ biến thiên kỳ vọng trong tổng thể (expected dispersion in the population).39Xác định cỡ mẫu theo giá trị trung bình40Ta có thể áp dụng công thức sau dựa trên độ lệch chuẩn và sai số chuẩn của tổng thể để tính cỡ mẫu:Xác định cỡ mẫu theo giá trị trung bình41Ví dụ: tính cỡ mẫu cho nghiên cứu thu nhập của SVĐộ chính xác mong muốn và làm sao lượng hóa nó: Mức tin cậy (confidence level): 95% (Z=1.96)Độ lớn của khoảng tin cậy ± 0.25 (tr.đồng) = se*ZĐộ biến thiên kỳ vọng trong tổng thể (expected dispersion in the population): độ lệch chuẩn = 0.7 (tr.đồng)Phỏng định sai số chuẩn: se = 0.25/1.96 = 0.127cỡ mẫu n = 0.72/0.1272 = 30.38 = 30Xác định cỡ mẫu theo giá trị trung bình42Ví dụ: tính cỡ mẫu cho nghiên cứu thu nhập của SVĐộ chính xác mong muốn và làm sao lượng hóa nó: Mức tin cậy (confidence level): 99% (Z=3.0)Độ lớn của khoảng tin cậy ± 0.25 (tr.đồng) = se*ZĐộ biến thiên kỳ vọng trong tổng thể (expected dispersion in the population): độ lệch chuẩn = 0.7 (tr.đồng)Phỏng định sai số chuẩn: se = 0.25/3.0 = 0.083cỡ mẫu n = 0.72/0.0832 = 71,02 = 71Xác định cỡ mẫu theo giá trị trung bình43Ví dụ: tính cỡ mẫu cho nghiên cứu thu nhập của SVĐộ chính xác mong muốn và làm sao lượng hóa nó: Mức tin cậy (confidence level): 95% (Z=1.96)Độ lớn của khoảng tin cậy ± 0.1 (tr.đồng) = se*ZĐộ biến thiên kỳ vọng trong tổng thể (expected dispersion in the population): độ lệch chuẩn = 0.7 (tr.đồng)Phỏng định sai số chuẩn: se = 0.1/1.96 = 0.051cỡ mẫu n = 0.72/0.0512 = 188,38 = 188Xác định cỡ mẫu theo giá trị trung bìnhPhương sai của tổng thể và kích cỡ mẫu Phương sai (s2) càng lớn thì kích cỡ mẫu cũng phải càng lớn. Tuy nhiên, phương sai tổng thể không phải lúc nào cũng có sẵn  có các giải pháp sau:Sử dụng kết quả tính toán phương sai từ các nghiên cứu trước.Tính phương sai dựa vào kết quả khảo sát thử nghiệm (pilot survey).44Xác định cỡ mẫu theo giá trị tỷ lệTa phải xác định tỷ lệ của tổng thể mà chúng có một thuộc tính cho trước, tỷ lệ này gọi là p. q là tỷ lệ của tổng thể không có thuộc tính đó, tức là q = (1 – p) Độ lệch chuẩn trong trường hợp này được xác định bằng tích số pq Sai số chuẩn của trung bình được thay thế bằng sai số chuẩn của tỷ lệ, σp45Xác định cỡ mẫu theo giá trị tỷ lệGiả sử rằng từ một khảo sát sơ khởi, ta biết p = 30%.Ta quyết định ước lượng tỷ lệ thực đúng của tổng thể trong phạm vi sai số 10% (p = 0.30 ± 0.10).Giả sử là ta muốn đạt mức tin cậy 95%.46Xác định cỡ mẫu theo giá trị tỷ lệCách tính được thực hiện như sau: Sai số mong muốn mà ta kỳ vọng tỷ lệ tổng thể đạt được (quyết định mục tiêu) = ± 0,10Mức tin cậy 95% để ước lượng khoảng tin cậy mà ta kỳ vọng tỷ lệ tổng thể đạt được (quyết định mục tiêu)  Z = 1,96Sai số ± 0,10 = 1,96 σp σp= 0.051 = sai số chuẩn của tỷ lệ (= 0,10/1,96)pq =Chỉ thị độ biến thiên của mẫu, được dùng như là một ước lượng của độ biến thiên của tổng thể n= Cỡ mẫu47Xác định cỡ mẫu theo giá trị tỷ lệ48Áp dụng công thức này với các giá trị trên, ta có: = 814. Thu thập dữ liệuSơ cấp (primary data)Thứ cấp (secondary data)Tam cấp (tertiary sources)Nguồn dữ liệu50Các cấp độ của thông tin dữ liệu Dữ liệu sơ cấp (primary data):Các kết quả nguyên thủy của các nghiên cứu hoặc các dữ liệu thô chưa được giải thích hoặc phát biểu đại diện cho một quan điểm hoặc vị trí chính thức nào đó.Hầu hết có căn cứ đích xác vì chưa được lọc hoặc diễn giải bởi một người thứ hai. Nguồn dữ liệu sơ cấp: thường là các số liệu ghi nhận trong nghiên cứu, các số liệu cá nhân, các bảng số liệu thô được mua, các bảng, biểu đồ số liệu thống kê.Nguồn dữ liệu51Dữ liệu sơ cấpDo người nghiên cứu trực tiếp thu thậpPhù hợp với mục tiêu nghiên cứuCó tính độc nhấtNguồn dữ liệu52Các cấp độ của thông tin dữ liệu Dữ liệu thứ cấp (secondary data): Các thông tin diễn dịch, giải thích của các dữ liệu sơ cấp. Hầu hết các dữ liệu tham khảo đều thuộc nhóm này. Dữ liệu tam cấp (tertiary sources):Có thể là các thông tin diễn dịch, giải thích của các dữ liệu thứ cấp;Thông thường là các chỉ mục (indexes), danh mục tài liệu tham khảo (bibliographies), và các nguồn trợ giúp tìm kiếm thông tin khác, ví dụ các trang Web tìm kiếm thông tin Internet (Internet search engine). Nguồn dữ liệu53Dữ liệu thứ cấpNguồn:các báo cáo của chính phủ, bộ ngành, số liệu của các cơ quan thống kê dữ liệu của các công ty về báo cáo kết quả tình hình hoạt động kinh doanh, nghiên cứu thị trường.các báo cáo nghiên cứu của cơ quan, viện, trường đại học;Nguồn dữ liệu54Dữ liệu thứ cấpNguồn:các báo cáo nghiên cứu của cơ quan, viện, trường đại học;các bài viết đăng trên báo hoặc các tạp chí khoa học chuyên ngành và tạp chí mang tính hàn lâm có liên quan; Nguồn dữ liệu55Dữ liệu thứ cấpNguồn:tài liệu giáo trình hoặc các xuất bản khoa học liên quan đến vấn đề nghiên cứu;các bài báo cáo hay luận văn của các sinh viên khác (khóa trước) trong trường hoặc ở các trường khác.Nguồn dữ liệu56Dữ liệu thứ cấpƯu điểm: tiết kiệm tiền, thời gianNhược điểm khi sử dụngMục tiêuĐộ tin cậyNguồn dữ liệu57Thu thập dữ liệu sơ cấpQuan sátPhỏng vấnĐiều tra sử dụng bảng câu hỏi (phiếu điều tra, questionnnaires)Nguồn dữ liệu58Dữ liệu định tính – định lượng59Tính chấtĐịnh lượngĐịnh tínhMục đíchMô tả sự kiện bằng những con sốXác định ý nghĩ, quan điểm, cảm xúc, xu hướng bằng lờiTrình bàyQuan điểm, ngôn ngữ của nhà nghiên cứuQuan điểm, ngôn ngữ của người được nghiên cứuChọn mẫuNgẫu nhiên hoặc ngẫu nhiên có phân tầng Có mục đích Câu hỏiĐóng, trắc nghiệm, câu trả lời định sẵn.Mở, câu trả lời tự do không định sẵnPhỏng vấnCấu trúc. Bảng hỏi được sọan sẵn theo một cấu trúc cố định, không thay đổiBán cấu trúc. Bảng hỏi chỉ mang tính chất gợi ý. Các câu hỏi được phát triển từ trả lời của người được phỏng vấnQuan sátQuan sát có tham dự (nhập vai)Quan sát không có tham dự (không nhập vai)Những trở ngại : Đối tượng thay đổi hành vi Thiên lệch chủ quanDiễn giải khác nhauQuan sát phiến diện hoặc ghi chép thiếu. Thu thập dữ liệu sơ cấp60Phỏng vấnCác dạng phỏng vấn: (1) không cấu trúcPhỏng vấn sâuPhỏng vấn nhóm Phỏng vấn chuyên gia(2) cấu trúc Sử dụng bảng hỏi/phiếu điều tra định sẵn (3) bán cấu trúcKết hợp không cấu trúc và cấu trúcThu thập dữ liệu sơ cấp61Sử dụng bảng hỏi / phiếu điều traCâu hỏi đóngCâu hỏi mởCác chú ý khi đặt câu hỏiNgắn gọnRõ ý, thống nhất cách hiểu giữa người hỏi và người trả lờiMột ý duy nhấtPhù hợp về trình độ, kiến thức và khả năng trả lờiKhông gợi ý, định hướng cách trả lờiKhông dựa trên các giả địnhThu thập dữ liệu sơ cấp62Ưu nhược điểm của câu hỏi mởCung cấp thông tin sâu, phong phú, nhưng khó xử lý thông tin và phân tích dữ liệu khó hơn. Tạo cho người trả lời sự tự do diễn đạt ý tưởng của họ.Dễ bị thiếu thông tin. Tránh được thiên lệch từ phía người người trả lời nhưng có thể bị thiên lệch từ người hỏi.Thu thập dữ liệu sơ cấp63Ưu nhược điểm của câu hỏi đóngThiếu thông tin sâu và ít có sự khác biệt. Thiên lệch do các câu trả lời định sẵn (thiên lệch từ ý tưởng của người đặt câu hỏi). Do câu trả lời định sẵn nên có thể không phản ánh đúng ý kiến của người được hỏi, trả lời thiếu động não. Ưu điểm lớn nhất là thông tin dữ liệu thu thập được dễ dàng phân tích và xử lýThu thập dữ liệu sơ cấp64Các bước thiết lập bảng hỏiXác định thật rõ mục tiêu, câu hỏi nghiên cứu và các giả thiếtLiệt kê tất cả các câu hỏi có thể có cho từng mục tiêu / câu hỏi nghiên cứu (so sánh với các biến số, thông tin dự kiến cần phải thu thập)Liệu kê các thông tin, đo lường cần phải có cho từng mục tiêu/câu hỏi nghiên cứuThiết lập câu hỏi cụ thể để có thể lấy được thông tin, đo lường Thu thập dữ liệu sơ cấp65Đánh giá bảng hỏi / phiếu điều traCó phù hợp với mục tiêu nghiên cứu, câu hỏi nghiên cứu hay không?Có dễ hiểu hay không?Có khả năng thu thập thông tin, dữ liệu hay không?Có phù hợp cho việc nhập thông tin, dữ liệu vào máy tính để xử lý hay không?Phỏng vấn thử và điều chỉnhPhỏng vấn thựcThu thập dữ liệu sơ cấp66Tập huấn về nội dung và cách phỏng vấn cho điều tra viênLập kế hoạch điều traThời gianNhân lựcKinh phíPhương tiệnLiên hệ địa bànNgười dẫn đường...Tổ chức điều tra khảo sát67