Chạy định lượng là gì? Hướng dẫn 8 bước chạy định lượng cho luận văn

Chạy định lượng là giai đoạn biến dữ liệu khảo sát hoặc dữ liệu thứ cấp thành bằng chứng thống kê để kiểm định giả thuyết nghiên cứu. Với nhiều sinh viên và học viên, đây là phần "khó nhằn" nhất của luận văn: phải chọn đúng kiểm định, thao tác đúng phần mềm và đọc đúng kết quả. Bài viết này của Kaas.vn hướng dẫn bạn chạy định lượng qua 8 bước, từ chuẩn bị dữ liệu đến trình bày kết quả, kèm những lưu ý giúp kết quả của bạn vững vàng trước hội đồng.

Chạy định lượng là gì?

Chạy định lượng là cách nói quen thuộc của sinh viên Việt Nam để chỉ toàn bộ quá trình phân tích dữ liệu định lượng bằng phần mềm thống kê như SPSS, AMOS, SmartPLS, Stata, Eviews hoặc R. Quá trình này bao gồm làm sạch dữ liệu, thống kê mô tả, đánh giá thang đo, kiểm định giả thuyết và diễn giải kết quả.

Điều quan trọng cần hiểu: chạy định lượng không phải là "bấm nút cho ra số". Phần mềm chỉ thực hiện phép tính; người nghiên cứu mới là người quyết định dùng phương pháp nào, tiêu chí nào và giải thích kết quả ra sao. Vì vậy, chạy định lượng đúng nghĩa luôn bắt đầu từ câu hỏi nghiên cứu, không bắt đầu từ phần mềm.

Chạy định lượng khác gì nghiên cứu định tính?

Nghiên cứu định tính tìm hiểu sâu ý nghĩa, động cơ, trải nghiệm thông qua phỏng vấn, quan sát, phân tích văn bản. Nghiên cứu định lượng đo lường các khái niệm bằng con số và dùng thống kê để kiểm định mối quan hệ giữa chúng. Nhiều luận văn kết hợp cả hai: định tính để điều chỉnh thang đo, định lượng để kiểm định mô hình.

Chuẩn bị gì trước khi chạy định lượng?

Trước khi mở phần mềm, hãy chắc chắn bạn đã có đủ bốn thứ sau. Thiếu bất kỳ thứ nào, việc chạy định lượng sẽ rất dễ đi sai hướng:

1. Mô hình nghiên cứu và giả thuyết rõ ràng: biến độc lập, biến phụ thuộc, biến trung gian, điều tiết (nếu có).
2. Bảng hỏi và bảng mã hóa biến: mỗi câu hỏi có mã (ví dụ GV1, GV2), thang đo (Likert 5 hay 7 mức), câu hỏi đảo chiều được đánh dấu.
3. Dữ liệu thật: được thu thập từ người tham gia thật hoặc nguồn thứ cấp có trích dẫn, có bằng chứng thu thập.
4. Tiêu chí đánh giá viết sẵn: ngưỡng Cronbach's Alpha, hệ số tải, mức ý nghĩa... kèm nguồn trích dẫn.

Quy trình 8 bước chạy định lượng cho luận văn

Dưới đây là quy trình chạy định lượng phổ biến nhất cho nghiên cứu dùng dữ liệu khảo sát thang đo Likert. Với dữ liệu thứ cấp (tài chính, vĩ mô), các bước sẽ khác và được trình bày ở phần sau.

Bước 1: Nhập liệu và mã hóa

Nhập dữ liệu vào Excel hoặc trực tiếp vào SPSS. Mỗi dòng là một người trả lời, mỗi cột là một biến. Khai báo đúng loại thang đo (Nominal, Ordinal, Scale) trong Variable View và gán nhãn giá trị cho các biến nhân khẩu học. Đổi chiều các câu hỏi đảo ngược trước khi phân tích.

Bước 2: Làm sạch dữ liệu

Kiểm tra giá trị thiếu, giá trị ngoài khoảng (ví dụ nhập 6 trong thang 5 mức), phiếu trả lời cùng một mức cho mọi câu hỏi và phiếu trả lời quá nhanh. Quy tắc loại phiếu phải được viết ra trước và ghi số phiếu bị loại ở từng bước. Không bao giờ thêm hay sửa câu trả lời để "đủ mẫu" hoặc "đẹp số".

Bước 3: Thống kê mô tả

Mô tả đặc điểm mẫu (giới tính, độ tuổi, thu nhập...) bằng tần số, tỷ lệ phần trăm; mô tả các biến quan sát bằng trung bình, độ lệch chuẩn, giá trị nhỏ nhất và lớn nhất. Xem hướng dẫn chi tiết tại bài thống kê mô tả trên SPSS.

Bước 4: Đánh giá độ tin cậy thang đo

Dùng Cronbach's Alpha cho từng thang đo. Ngưỡng thường dùng là từ 0,7 trở lên (0,6 chấp nhận được với nghiên cứu khám phá) và hệ số tương quan biến tổng từ 0,3. Xem bài Cronbach's Alpha trong SPSS.

Bước 5: Phân tích nhân tố khám phá EFA

EFA kiểm tra các biến quan sát có nhóm lại đúng nhân tố như lý thuyết hay không. Đọc KMO, kiểm định Bartlett, tổng phương sai trích và ma trận xoay. Loại biến từng bước, có lý do. Hướng dẫn đầy đủ: phân tích nhân tố khám phá EFA trong SPSS.

Bước 6: Phân tích tương quan

Dùng tương quan Pearson để xem mối liên hệ giữa các biến đại diện. Tương quan giữa biến độc lập và biến phụ thuộc gợi ý mức độ liên hệ; tương quan quá cao giữa các biến độc lập là dấu hiệu đa cộng tuyến cần lưu ý.

Bước 7: Kiểm định giả thuyết

Tùy mô hình, bạn dùng hồi quy tuyến tính bội, hồi quy logistic, CFA và SEM (AMOS), PLS-SEM (SmartPLS) hoặc kiểm định khác biệt T-test, ANOVA. Luôn kiểm tra giả định của mô hình trước khi kết luận. Xem hồi quy tuyến tính bội trong SPSS.

Bước 8: Trình bày và thảo luận kết quả

Trình bày bảng biểu theo chuẩn APA, báo cáo đầy đủ hệ số, mức ý nghĩa, khoảng tin cậy. Giả thuyết không được ủng hộ cũng phải được báo cáo và thảo luận nguyên nhân. Đây là phần thể hiện năng lực nghiên cứu của bạn rõ nhất.

Chọn phần mềm chạy định lượng phù hợp

Không có phần mềm "tốt nhất" cho mọi nghiên cứu. Chọn công cụ chạy định lượng dựa trên loại dữ liệu và mô hình:

Tình huống	Phần mềm gợi ý
Khảo sát Likert, hồi quy, EFA, ANOVA	SPSS, JASP, jamovi
Kiểm định mô hình lý thuyết với CFA, SEM	AMOS, R (lavaan)
Mô hình phức tạp, cỡ mẫu nhỏ, mục tiêu dự báo	SmartPLS
Dữ liệu bảng doanh nghiệp, ngân hàng, tỉnh thành	Stata, R (plm)
Chuỗi thời gian vĩ mô, tài chính	Eviews, Stata
Tổng quan tài liệu, trắc lượng thư mục	VOSviewer, R (bibliometrix)

Nếu chưa có phần mềm, hãy dùng bản hợp pháp hoặc công cụ miễn phí. Kaas.vn có bài hướng dẫn cách có phần mềm SPSS hợp pháp và các lựa chọn miễn phí.

Chạy định lượng với dữ liệu thứ cấp

Với luận văn tài chính, kinh tế vĩ mô, dữ liệu thường là số liệu thứ cấp từ báo cáo tài chính, Tổng cục Thống kê, Ngân hàng Thế giới. Quy trình chạy định lượng lúc này gồm: thu thập và ghi nguồn dữ liệu, kiểm tra tính dừng hoặc cấu trúc dữ liệu bảng, chọn mô hình (OLS, FEM, REM, GMM, ARDL, VECM), kiểm định khuyết tật mô hình và khắc phục. Hai bài viết chuyên sâu của Kaas.vn về chủ đề này là chạy Eview cho dữ liệu chuỗi thời gian và phân tích dữ liệu bảng bằng Stata.

Nguyên tắc liêm chính áp dụng như nhau: dữ liệu phải có nguồn rõ ràng, được trích dẫn, và mọi thao tác xử lý (loại quan sát, nội suy, lấy logarit) đều phải được ghi lại trong phần phương pháp.

Ví dụ minh họa: nghiên cứu sự hài lòng của sinh viên

Giả sử bạn nghiên cứu các yếu tố ảnh hưởng đến sự hài lòng của sinh viên với 5 nhân tố độc lập: Giảng viên, Cơ sở vật chất, Chương trình đào tạo, Hỗ trợ sinh viên và Học phí; tổng cộng 20 biến quan sát cùng 4 biến quan sát cho Sự hài lòng. Cỡ mẫu dự kiến 250 phiếu được xác định trước khi khảo sát.

Sau khi thu về 268 phiếu, bước làm sạch loại 18 phiếu: 9 phiếu trả lời cùng một mức cho mọi câu, 6 phiếu bỏ trống quá 20% câu hỏi và 3 phiếu hoàn thành dưới 2 phút. Lý do loại được ghi rõ trong nhật ký. Còn 250 phiếu hợp lệ.

Kiểm định Cronbach's Alpha cho thấy thang đo Cơ sở vật chất có một biến có hệ số tương quan biến tổng 0,21, thấp hơn ngưỡng 0,3. Biến này được loại vì nội dung câu hỏi chưa rõ ràng (được ghi nhận trong phần hạn chế). EFA trích được 5 nhân tố đúng lý thuyết, tổng phương sai trích 68,4%. Hồi quy cho thấy 3 nhân tố có tác động có ý nghĩa, 2 nhân tố không có ý nghĩa thống kê. Cả 5 kết quả đều được báo cáo và thảo luận trong luận văn.

Ví dụ này cho thấy một kết quả trung thực, có giả thuyết bị bác bỏ, vẫn là một luận văn tốt nếu quy trình rõ ràng và phần thảo luận có chiều sâu.

Checklist trước khi nộp kết quả

• Đã ghi rõ cỡ mẫu ban đầu, số phiếu loại và lý do loại.
• Đã nêu nguồn trích dẫn cho mọi ngưỡng đánh giá (Cronbach's Alpha, KMO, hệ số tải, VIF).
• Bảng kết quả có đủ hệ số, sai số chuẩn, giá trị t hoặc F, mức ý nghĩa và cỡ mẫu.
• Đã kiểm tra và báo cáo các giả định của mô hình.
• Đã báo cáo cả giả thuyết không được ủng hộ, kèm thảo luận nguyên nhân.
• Đã lưu file dữ liệu gốc, file dữ liệu sạch, file cú pháp để xuất trình khi cần.
• Đã ghi nhận hỗ trợ kỹ thuật (nếu có) theo quy định của trường.

Những lỗi thường gặp khi chạy định lượng

1. Chạy trước, nghĩ sau: mở phần mềm khi chưa có mô hình và giả thuyết rõ ràng, dẫn đến thử đủ kiểu phân tích.
2. Bỏ qua làm sạch dữ liệu: giữ lại phiếu lỗi khiến Cronbach's Alpha và EFA bị sai lệch.
3. Dùng sai thang đo: tính trung bình cho biến định danh, hoặc dùng hồi quy tuyến tính cho biến phụ thuộc nhị phân.
4. Loại biến hàng loạt: xóa nhiều biến cùng lúc chỉ để tăng chỉ số, làm mất giá trị nội dung thang đo.
5. Không kiểm tra giả định: bỏ qua đa cộng tuyến, phân phối phần dư, phương sai sai số thay đổi.
6. Chỉ báo cáo kết quả "đẹp": giấu giả thuyết bị bác bỏ, vi phạm liêm chính khoa học.

Chạy định lượng và liêm chính khoa học

Mọi bước chạy định lượng đều phải tuân thủ nguyên tắc minh bạch. Tạo dữ liệu giả, sửa câu trả lời, loại quan sát để đổi kết quả hay chạy thử nhiều mô hình rồi chỉ báo cáo mô hình đẹp nhất (p-hacking) đều là vi phạm liêm chính khoa học. Các quy chế đào tạo thạc sĩ, tiến sĩ tại Việt Nam cho phép hủy kết quả hoặc thu hồi bằng khi phát hiện gian lận.

Cách tự bảo vệ đơn giản nhất là lưu lại file cú pháp (syntax) và nhật ký làm sạch. Khi hội đồng yêu cầu, bạn có thể chứng minh từng con số trong luận văn được tạo ra như thế nào. Kaas.vn áp dụng nguyên tắc này trong mọi dự án, xem Cam kết liêm chính học thuật.

Khi nào nên nhờ chuyên gia hỗ trợ chạy định lượng?

Bạn hoàn toàn có thể tự chạy định lượng nếu mô hình đơn giản và có đủ thời gian học. Tuy nhiên, nên tìm hỗ trợ chuyên môn khi:

• Mô hình có biến trung gian, điều tiết, đa nhóm hoặc biến bậc hai.
• Bạn cần dùng AMOS, SmartPLS, Stata, Eviews mà chưa từng sử dụng.
• Kết quả khác kỳ vọng và bạn cần hiểu nguyên nhân để thảo luận.
• Bạn muốn có người kiểm tra lại kết quả tự chạy trước khi nộp.

Kaas.vn cung cấp dịch vụ chạy định lượng minh bạch: tư vấn phương pháp, phân tích có kiểm tra chéo, bàn giao file cú pháp và giải thích từng chỉ số để bạn tự tin bảo vệ.

Câu hỏi thường gặp về chạy định lượng

Chạy định lượng mất bao lâu?

Nếu đã có dữ liệu sạch và mô hình hồi quy cơ bản, bạn có thể hoàn thành trong vài ngày khi đã quen SPSS. Với người mới bắt đầu, việc học và chạy định lượng thường mất từ một đến vài tuần. Mô hình SEM, PLS-SEM hay dữ liệu bảng cần nhiều thời gian hơn.

Cỡ mẫu bao nhiêu là đủ để chạy định lượng?

Tùy phương pháp. Với EFA, Hair và cộng sự (2019) khuyến nghị tối thiểu 5 quan sát cho mỗi biến đo lường; với hồi quy, công thức N ≥ 50 + 8m (m là số biến độc lập) của Tabachnick và Fidell thường được dùng. Cỡ mẫu phải được xác định trước khi thu thập dữ liệu.

Kết quả không có ý nghĩa thống kê thì có phải chạy lại?

Không. Kết quả không có ý nghĩa thống kê là một phát hiện cần báo cáo trung thực. Bạn nên kiểm tra lại quy trình (dữ liệu, mã hóa, giả định) để chắc chắn không có lỗi kỹ thuật, sau đó thảo luận nguyên nhân thay vì thay đổi dữ liệu hay mô hình.

Tôi có thể chạy định lượng bằng phần mềm miễn phí không?

Có. JASP, jamovi và R cho kết quả tương đương SPSS cho hầu hết phân tích phổ biến. Với SEM, gói lavaan trong R là lựa chọn mạnh mẽ và miễn phí.

Kết luận

Chạy định lượng là một quy trình có logic chặt chẽ: từ câu hỏi nghiên cứu đến dữ liệu, từ đánh giá thang đo đến kiểm định giả thuyết và thảo luận. Khi làm đúng 8 bước, giữ lại file cú pháp và báo cáo trung thực, kết quả của bạn sẽ đứng vững trước mọi câu hỏi phản biện. Nếu cần hỗ trợ, đội ngũ Kaas.vn luôn sẵn sàng đồng hành.

Tài liệu tham khảo

• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage Learning.
• Tabachnick, B. G., & Fidell, L. S. (2019). Using Multivariate Statistics (7th ed.). Pearson.
• IBM. IBM SPSS Statistics documentation.