Cách tính cỡ mẫu nghiên cứu: 6 công thức thông dụng và ví dụ chi tiết

Cách tính cỡ mẫu là câu hỏi đầu tiên khi lập kế hoạch khảo sát: cần bao nhiêu người trả lời để kết quả đủ tin cậy? Cỡ mẫu quá nhỏ khiến kiểm định thiếu lực và kết luận không vững; cỡ mẫu quá lớn gây lãng phí thời gian và chi phí. Bài viết tổng hợp 6 cách tính cỡ mẫu thông dụng nhất (Cochran, Yamane, quy tắc cho EFA, hồi quy, SEM và phân tích lực kiểm định bằng G*Power), kèm ví dụ tính cụ thể và cách trình bày trong chương phương pháp.

Vì sao cần biết cách tính cỡ mẫu?

• Độ chính xác của ước lượng: cỡ mẫu lớn hơn cho khoảng tin cậy hẹp hơn.
• Lực kiểm định: cỡ mẫu đủ lớn giúp phát hiện được tác động khi tác động thực sự tồn tại, giảm sai lầm loại II.
• Yêu cầu của phương pháp: EFA, hồi quy, SEM đều có yêu cầu tối thiểu về số quan sát.
• Tính thuyết phục: hội đồng và người phản biện thường hỏi "vì sao chọn cỡ mẫu này?". Một lập luận có công thức và trích dẫn rõ ràng giúp bạn trả lời dễ dàng.

Cỡ mẫu cần được xác định trước khi thu thập dữ liệu và ghi trong đề cương. Việc chọn cỡ mẫu sau khi đã có kết quả, hoặc thu thêm dữ liệu cho đến khi p < 0,05, là những thực hành không đúng chuẩn mực.

Khái niệm cần biết trước khi áp dụng cách tính cỡ mẫu

Khái niệm	Ký hiệu	Giá trị thường dùng
Quy mô tổng thể	N	Số đối tượng thuộc tổng thể (nếu biết)
Độ tin cậy	Z	95% tương ứng Z = 1,96; 99% tương ứng Z = 2,576
Sai số cho phép	e	5% (0,05), có khi 3% hoặc 10%
Tỷ lệ ước tính	p	0,5 khi chưa có thông tin (cho cỡ mẫu lớn nhất)
Mức ý nghĩa	α	0,05
Lực kiểm định	1 - β	0,80
Cỡ hiệu ứng	d, f², r	Nhỏ, trung bình, lớn theo Cohen (1988)

Xem giải thích chi tiết các khái niệm trong bài 20 thuật ngữ thống kê.

6 cách tính cỡ mẫu thông dụng

1. Công thức Cochran (tổng thể lớn, chưa biết N)

n = Z² × p × (1 - p) / e²

Với độ tin cậy 95% (Z = 1,96), p = 0,5 và sai số e = 5%: n = 1,96² × 0,5 × 0,5 / 0,05² = 384,16, làm tròn lên 385. Đây là lý do con số 385 xuất hiện rất phổ biến trong các nghiên cứu khảo sát (Cochran, 1977).

Nếu biết quy mô tổng thể N và n/N lớn hơn 5%, có thể hiệu chỉnh: n_hc = n / (1 + (n - 1) / N). Ví dụ trường có 1.200 sinh viên: n_hc = 385 / (1 + 384 / 1.200) ≈ 292.

2. Công thức Yamane (Slovin) khi biết quy mô tổng thể

n = N / (1 + N × e²)

Ví dụ doanh nghiệp có 800 nhân viên, e = 5%: n = 800 / (1 + 800 × 0,0025) = 800 / 3 ≈ 267. Công thức Yamane (1967) đơn giản, phổ biến, nhưng ngầm giả định p = 0,5 và độ tin cậy 95%; nên ghi rõ các giả định này khi sử dụng.

3. Quy tắc cỡ mẫu cho phân tích nhân tố khám phá EFA

Hair và cộng sự (2019) khuyến nghị tối thiểu 50 quan sát, tốt hơn là từ 100 trở lên, và tỷ lệ quan sát trên biến quan sát tối thiểu 5:1, tốt hơn là 10:1. Ví dụ bảng hỏi có 28 biến quan sát: n tối thiểu = 28 × 5 = 140, khuyến nghị 280. Xem thêm phân tích nhân tố khám phá EFA.

4. Quy tắc cỡ mẫu cho hồi quy tuyến tính bội

Tabachnick và Fidell (2013) đề xuất n ≥ 50 + 8m để kiểm định toàn mô hình và n ≥ 104 + m để kiểm định từng hệ số, với m là số biến độc lập. Với 6 biến độc lập: n ≥ 50 + 48 = 98 và n ≥ 110; chọn mức lớn hơn là 110.

5. Cỡ mẫu cho SEM (AMOS, SmartPLS)

Với CB-SEM trên AMOS, nhiều tác giả khuyến nghị cỡ mẫu từ 200 trở lên, hoặc 5-10 quan sát cho mỗi tham số ước lượng, và cần lớn hơn khi mô hình phức tạp hay dữ liệu không chuẩn (Kline, 2016). Với PLS-SEM, phương pháp inverse square root cho cỡ mẫu tối thiểu khoảng 155 khi hệ số đường dẫn nhỏ nhất kỳ vọng là 0,2 ở mức ý nghĩa 5% (Kock và Hadaya, 2018). Xem SPSS AMOS và phân tích SmartPLS.

6. Phân tích lực kiểm định bằng G*Power

Đây là cách tính cỡ mẫu chặt chẽ nhất, dựa trên cỡ hiệu ứng kỳ vọng, mức ý nghĩa và lực kiểm định mong muốn (Faul và cộng sự, 2009). G*Power là phần mềm miễn phí, có thể tải tại trang chính thức của Đại học Düsseldorf.

Kiểm định	Cỡ hiệu ứng	α	Lực	Cỡ mẫu
Independent T-test	d = 0,5	0,05	0,80	64 mỗi nhóm
One-way ANOVA, 4 nhóm	f = 0,25	0,05	0,80	45 mỗi nhóm
Hồi quy, 6 biến dự báo	f² = 0,15	0,05	0,80	98
Tương quan	r = 0,3	0,05	0,80	84

Cỡ hiệu ứng kỳ vọng nên dựa trên các nghiên cứu trước cùng chủ đề; nếu không có, dùng mức trung bình theo Cohen (1988) và nêu rõ lý do.

Quy trình áp dụng cách tính cỡ mẫu trong thực tế

1. Xác định phương pháp phân tích chính: EFA, hồi quy, SEM, kiểm định khác biệt hay ước lượng tỷ lệ.
2. Chọn công thức phù hợp: có thể dùng nhiều cách cùng lúc.
3. Tính cỡ mẫu tối thiểu: lấy giá trị lớn nhất trong các yêu cầu.
4. Dự phòng phiếu không hợp lệ: chia cho tỷ lệ phiếu hợp lệ dự kiến, ví dụ 280 / 0,85 ≈ 330 phiếu phát ra.
5. Ghi rõ trong chương phương pháp: công thức, tham số và nguồn trích dẫn.

Ví dụ đầy đủ về cách tính cỡ mẫu cho luận văn

Một đề tài về các yếu tố ảnh hưởng đến ý định mua hàng trực tuyến có mô hình 6 biến độc lập, 1 biến phụ thuộc, tổng cộng 30 biến quan sát; phương pháp gồm Cronbach's Alpha, EFA và hồi quy tuyến tính bội.

• Theo EFA (tỷ lệ 5:1): 30 × 5 = 150.
• Theo hồi quy (Tabachnick và Fidell): max(50 + 8 × 6; 104 + 6) = 110.
• Theo G*Power (f² = 0,15; α = 0,05; lực 0,80; 6 biến): 98.
• Cỡ mẫu tối thiểu: 150. Để có tỷ lệ 10:1 tốt hơn cho EFA, chọn mục tiêu 300 quan sát hợp lệ.
• Dự kiến 15% phiếu không hợp lệ: số phiếu phát ra ≈ 300 / 0,85 ≈ 353, làm tròn 360.

Đoạn viết mẫu cho chương phương pháp: "Cỡ mẫu tối thiểu được xác định theo yêu cầu của phân tích nhân tố khám phá với tỷ lệ 5 quan sát cho mỗi biến quan sát (Hair và cộng sự, 2019), tương ứng 150 quan sát, và theo công thức n ≥ 50 + 8m cho hồi quy (Tabachnick và Fidell, 2013), tương ứng 98 quan sát. Tác giả lựa chọn cỡ mẫu mục tiêu là 300 quan sát hợp lệ và phát ra 360 phiếu để dự phòng phiếu không hợp lệ."

Cách tính cỡ mẫu cho từng loại đề tài

Loại đề tài	Cách tính cỡ mẫu gợi ý	Lưu ý
Khảo sát mô tả, ước lượng tỷ lệ	Cochran hoặc Yamane	Nêu rõ độ tin cậy và sai số
Kiểm định thang đo, EFA	Tỷ lệ 5:1 đến 10:1 theo biến quan sát	Tối thiểu 100 quan sát
Yếu tố ảnh hưởng, hồi quy	50 + 8m và G*Power	Lấy mức lớn hơn
Mô hình CB-SEM trên AMOS	Từ 200, hoặc theo số tham số	Mô hình phức tạp cần nhiều hơn
Mô hình PLS-SEM	Inverse square root, G*Power	Không dựa chỉ vào quy tắc 10 lần
So sánh nhóm, thực nghiệm	G*Power theo cỡ hiệu ứng	Tính cho từng nhóm

Bảng trên giúp bạn chọn nhanh cách tính cỡ mẫu phù hợp. Khi đề tài dùng nhiều phương pháp, hãy tính theo từng phương pháp và lấy giá trị lớn nhất, như ví dụ ở phần trước.

Hướng dẫn cách tính cỡ mẫu bằng G*Power từng bước

1. Mở G*Power, chọn Test family phù hợp (t tests, F tests, χ² tests...).
2. Chọn Statistical test, ví dụ "Linear multiple regression: Fixed model, R² deviation from zero" cho hồi quy.
3. Ở Type of power analysis, chọn "A priori: Compute required sample size".
4. Nhập Effect size (ví dụ f² = 0,15), α err prob = 0,05, Power (1 - β) = 0,80 và Number of predictors = 6.
5. Nhấn Calculate và đọc Total sample size (ví dụ 98).
6. Chụp màn hình hoặc ghi lại các tham số để đưa vào phụ lục, giúp người đọc kiểm tra lại cách tính cỡ mẫu của bạn.

Điểm mạnh của cách tính cỡ mẫu bằng G*Power là gắn trực tiếp với kiểm định bạn sẽ dùng và cỡ hiệu ứng kỳ vọng, thay vì chỉ dựa vào quy tắc kinh nghiệm.

Cách tính cỡ mẫu khi chọn mẫu phân tầng

Khi tổng thể gồm nhiều nhóm khác nhau rõ rệt (ví dụ các khoa trong trường, các chi nhánh của doanh nghiệp), chọn mẫu phân tầng giúp mẫu phản ánh đúng cơ cấu tổng thể. Các bước:

1. Tính cỡ mẫu tổng bằng một trong các công thức ở trên, ví dụ n = 300.
2. Xác định tỷ lệ của từng tầng trong tổng thể, ví dụ khoa A chiếm 40%, khoa B 35%, khoa C 25%.
3. Phân bổ cỡ mẫu theo tỷ lệ: khoa A 120, khoa B 105, khoa C 75.
4. Chọn ngẫu nhiên hoặc theo định mức trong từng tầng.

Nếu bạn cần so sánh giữa các tầng, hãy kiểm tra cỡ mẫu của tầng nhỏ nhất có đủ cho kiểm định so sánh hay không; có thể cần tăng cỡ mẫu cho các tầng nhỏ (phân bổ không theo tỷ lệ) và dùng trọng số khi ước lượng chung.

Cách tính cỡ mẫu và phương pháp chọn mẫu

Cách tính cỡ mẫu chỉ cho biết cần bao nhiêu người, còn phương pháp chọn mẫu quyết định ai được khảo sát và mức độ khái quát của kết quả.

• Chọn mẫu xác suất (ngẫu nhiên đơn giản, hệ thống, phân tầng, cụm): cần danh sách tổng thể; cho phép suy rộng kết quả tốt hơn.
• Chọn mẫu phi xác suất (thuận tiện, định mức, phán đoán, phát triển mầm): phổ biến trong luận văn vì chi phí thấp; cần nêu rõ giới hạn khi khái quát.

Các công thức Cochran và Yamane được xây dựng cho chọn mẫu xác suất. Khi dùng mẫu thuận tiện, hãy mô tả đúng tên phương pháp và không gọi là "chọn mẫu ngẫu nhiên". Nếu cần hỗ trợ khảo sát với người tham gia thật, xem dịch vụ khảo sát nghiên cứu.

Lỗi thường gặp với cách tính cỡ mẫu

• Áp dụng một công thức cho mọi đề tài: ví dụ luôn dùng 385 mà không liên hệ với phương pháp phân tích.
• Dùng Yamane khi không biết N: công thức này cần quy mô tổng thể cụ thể.
• Không dự phòng phiếu không hợp lệ trong cách tính cỡ mẫu: dẫn đến thiếu mẫu sau khi làm sạch dữ liệu.
• Nhân bản phiếu hoặc tạo dữ liệu để đủ cỡ mẫu: đây là hành vi làm sai lệch dữ liệu, vi phạm nghiêm trọng liêm chính học thuật.
• Không trích dẫn nguồn công thức: khiến lập luận về cỡ mẫu thiếu cơ sở.
• Cỡ nhóm quá nhỏ khi so sánh nhóm: tổng mẫu đủ lớn nhưng một số nhóm (ví dụ nhóm tuổi trên 50) chỉ có vài người.

Khi không đạt cỡ mẫu theo cách tính cỡ mẫu dự kiến

Thực tế khảo sát thường gặp tỷ lệ phản hồi thấp hơn dự kiến. Các cách xử lý đúng chuẩn mực:

1. Kéo dài thời gian khảo sát hoặc mở rộng kênh tiếp cận đúng đối tượng.
2. Đánh giá lại phương pháp: với mẫu nhỏ hơn, có thể chuyển từ CB-SEM sang PLS-SEM nếu phù hợp với mục tiêu nghiên cứu.
3. Báo cáo trung thực cỡ mẫu thực tế, tính lại lực kiểm định sau khảo sát nếu cần, và nêu rõ giới hạn trong phần thảo luận.
4. Trao đổi với giảng viên hướng dẫn trước khi thay đổi kế hoạch.

Checklist cách tính cỡ mẫu trước khi khảo sát

1. Đã xác định phương pháp phân tích chính và các phương pháp phụ.
2. Đã áp dụng cách tính cỡ mẫu phù hợp với từng phương pháp và chọn mức lớn nhất.
3. Đã kiểm tra cỡ mẫu của nhóm nhỏ nhất nếu có so sánh nhóm.
4. Đã cộng dự phòng cho phiếu không hợp lệ.
5. Đã ghi công thức, tham số và nguồn trích dẫn vào đề cương.

Câu hỏi thường gặp về cách tính cỡ mẫu

Cỡ mẫu càng lớn càng tốt phải không?

Cỡ mẫu lớn tăng độ chính xác, nhưng cũng khiến những khác biệt rất nhỏ trở nên có ý nghĩa thống kê. Vì vậy cần báo cáo thêm cỡ hiệu ứng. Ngoài ra, mẫu lớn nhưng chọn sai đối tượng vẫn cho kết quả sai lệch.

Có cần tính cỡ mẫu cho khảo sát thử không?

Khảo sát thử (pilot) thường dùng 20-50 người để kiểm tra bảng hỏi và độ tin cậy sơ bộ; không dùng dữ liệu pilot để kiểm định giả thuyết chính.

Nên dùng cách tính cỡ mẫu nào cho luận văn thạc sĩ?

Hãy chọn theo phương pháp phân tích chính, kết hợp với công thức tổng thể nếu biết N, rồi lấy mức lớn nhất. Ghi rõ lý do và trích dẫn.

Cỡ mẫu có ảnh hưởng đến cách thiết kế bảng hỏi không?

Có. Bảng hỏi càng nhiều biến quan sát thì cỡ mẫu cho EFA càng lớn. Xem hướng dẫn thiết kế bảng hỏi để cân bằng giữa độ đầy đủ của thang đo và khả năng thu thập.

Tài liệu tham khảo

• Cochran, W. G. (1977). Sampling Techniques (3rd ed.). John Wiley & Sons.
• Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1. Behavior Research Methods, 41(4), 1149-1160. doi:10.3758/BRM.41.4.1149
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage.
• Kline, R. B. (2016). Principles and Practice of Structural Equation Modeling (4th ed.). Guilford Press.
• Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS-SEM. Information Systems Journal, 28(1), 227-261.
• Tabachnick, B. G., & Fidell, L. S. (2013). Using Multivariate Statistics (6th ed.). Pearson.
• Yamane, T. (1967). Statistics: An Introductory Analysis (2nd ed.). Harper and Row.