Cách lấy số liệu từ Tổng cục Thống kê cho luận văn định lượng
Cách lấy số liệu từ Tổng cục Thống kê là gì
Cách lấy số liệu từ Tổng cục Thống kê là quy trình tìm, tải, kiểm tra và trích dẫn dữ liệu thống kê do cơ quan thống kê công bố. Trong luận văn định lượng, đây thường là số liệu thứ cấp, dùng để mô tả bối cảnh nghiên cứu, xây dựng biến quan sát ở cấp tỉnh hoặc làm dữ liệu đầu vào cho phân tích theo thời gian, khu vực và nhóm đối tượng.
Bạn cần phân biệt hai loại dữ liệu ngay từ đầu. Số liệu tổng hợp, chẳng hạn dân số, doanh thu bán lẻ hoặc số doanh nghiệp đang hoạt động, thường xuất hiện trong các bảng thống kê công khai. Dữ liệu vi mô, chẳng hạn câu trả lời của từng hộ gia đình, thường không được tải tự do dưới dạng một file cá nhân hoàn chỉnh. Vì vậy, đừng ghi trong đề cương rằng bạn sẽ lấy dữ liệu cá nhân từ Tổng cục Thống kê nếu chưa xác nhận bộ dữ liệu đó có thể tiếp cận.
Về thực hành, quy trình gồm năm việc: xác định biến cần lấy, tìm bảng đúng chỉ tiêu, tải hoặc chép dữ liệu, kiểm tra tính nhất quán, rồi ghi rõ nguồn và thời điểm truy cập. Nếu file cuối cùng sẽ chạy trong SPSS, bạn nên chuẩn hóa tên biến, năm, đơn vị tính và mã tỉnh trước khi mở phần mềm.
Ý nghĩa của số liệu Tổng cục Thống kê trong nghiên cứu định lượng
Số liệu từ Tổng cục Thống kê giúp bạn trả lời những câu hỏi mà bảng hỏi cá nhân không trả lời tốt. Ví dụ, bạn có thể mô tả quy mô thị trường qua tổng mức bán lẻ, so sánh tốc độ tăng trưởng giữa các địa phương hoặc đưa chỉ tiêu kinh tế vĩ mô vào mô hình hồi quy. Dữ liệu này cũng giúp phần “bối cảnh nghiên cứu” có căn cứ cụ thể thay vì chỉ viết nhận định chung.
Tuy nhiên, số liệu cấp tỉnh không tự động trở thành dữ liệu cấp cá nhân. Nếu biến phụ thuộc của bạn là ý định mua của từng người, một bảng dân số cấp tỉnh chỉ mô tả bối cảnh, không thay thế cho các biến quan sát trong bảng hỏi. Bạn cần ghi rõ đơn vị phân tích là cá nhân, hộ gia đình, doanh nghiệp, tỉnh hay năm.
Hãy vẽ một bảng nhỏ gồm ba cột trước khi tìm dữ liệu: tên biến, đơn vị phân tích và nguồn dự kiến. Cách này ngăn lỗi lấy một chỉ tiêu cấp tỉnh rồi ghép trực tiếp vào file có mỗi dòng là một người trả lời mà không giải thích cách ghép.
Số liệu thứ cấp còn có thể dùng để kiểm tra tính hợp lý của dữ liệu sơ cấp. Nếu bảng hỏi cho thấy tỷ lệ sử dụng một dịch vụ rất cao nhưng bối cảnh địa phương lại có mức tiếp cận thấp, bạn cần kiểm tra lại cách chọn mẫu, câu hỏi sàng lọc và cách nhập dữ liệu. Việc kiểm tra này không chứng minh một bộ dữ liệu đúng hay sai, nhưng giúp bạn phát hiện những điểm cần giải trình.
Nếu file của bạn có các giá trị quá khác biệt so với phần còn lại, hãy xem thêm hướng dẫn về outliers trong dữ liệu định lượng. Nếu bạn đang xây dựng biến đo lường bằng bảng hỏi, phần scale là gì sẽ giúp bạn tách khái niệm, biến quan sát và đơn vị đo trước khi ghép dữ liệu thứ cấp.
Số liệu từ Tổng cục Thống kê bao nhiêu là đạt
Với dữ liệu từ Tổng cục Thống kê, “đạt” không chỉ là có nhiều dòng. Một bảng phù hợp phải đúng khái niệm, đúng đơn vị, có chuỗi thời gian hoặc phạm vi địa lý phù hợp, và có nguồn đủ rõ để người đọc kiểm tra lại. Bạn cũng cần xem dữ liệu có bị thay đổi định nghĩa qua các năm hay không.
Các ngưỡng dưới đây áp dụng cho những quyết định định lượng thường xuất hiện khi bạn chuẩn bị dữ liệu cho luận văn. Chúng không phải là tiêu chuẩn đánh giá chất lượng của Tổng cục Thống kê. Mỗi dòng nêu rõ nguồn để bạn có thể giải thích căn cứ trong chương phương pháp.
| Quyết định cần kiểm tra | Mức tham khảo | Nguồn canonical |
|---|---|---|
| Số quan sát trên mỗi biến quan sát khi thiết kế bảng hỏi | 5 đến 10 quan sát cho một biến quan sát | (Hair và cộng sự, 2010) |
| Cỡ mẫu tối thiểu cho hồi quy với m biến độc lập | n từ 50 + 8m trở lên | (Tabachnick và Fidell, 2013) |
| Cronbach's Alpha cho thang đo thông thường | từ 0.7 trở lên | (Nunnally, 1978) |
| Cronbach's Alpha cho thang đo khám phá | từ 0.6 có thể chấp nhận | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO trước khi chạy EFA | từ 0.5 trở lên | (Kaiser, 1974) |
| Total variance explained trong EFA | từ 50% trở lên | (Hair và cộng sự, 2010) |
Nếu bạn chỉ dùng dữ liệu tổng hợp theo năm, các ngưỡng cỡ mẫu cho bảng hỏi không nên được áp dụng máy móc. Một file có 63 tỉnh qua 5 năm tạo ra 315 dòng về mặt kỹ thuật, nhưng dữ liệu đó vẫn có cấu trúc nhóm theo tỉnh và thời gian. Khi đó, bạn cần trình bày cách chọn đơn vị quan sát và cân nhắc phương pháp phù hợp, thay vì gọi 315 dòng là 315 người trả lời.
Ngoài số lượng, hãy kiểm tra bốn tiêu chí: chỉ tiêu có đúng với khái niệm nghiên cứu không, đơn vị tính có thống nhất không, thời gian có liên tục không, và bảng có ghi chú về thay đổi phương pháp tính không. Một bảng “số doanh nghiệp” và một bảng “doanh nghiệp đang hoạt động” có thể khác phạm vi dù tên nghe gần giống nhau.
Cách đọc số liệu Tổng cục Thống kê trên output
Dữ liệu từ Tổng cục Thống kê thường không có một bảng output duy nhất như SPSS. Sau khi nhập dữ liệu, SPSS sẽ cho bạn các bảng mô tả và kiểm định dựa trên file bạn đã chuẩn hóa. Vì vậy, trước khi đọc Descriptive Statistics, bạn phải biết mỗi cột đại diện cho gì và mỗi dòng là một đơn vị quan sát nào.
Ví dụ minh họa dưới đây giả định bạn đã nhập số liệu bán lẻ theo ba tỉnh trong ba năm. Các con số chỉ là minh họa, không phải kết quả của một nghiên cứu thật và không đại diện cho số liệu công bố của Tổng cục Thống kê.
Số liệu minh họa
| Tỉnh | Năm | Ban_le_ty_dong | Dan_so_nghin_nguoi | Ty_le_tang_truong | Nguồn |
|---|---|---|---|---|---|
| A | 2021 | 12500 | 820 | 4.2 | Tổng cục Thống kê, bảng giả định |
| A | 2022 | 13900 | 831 | 11.2 | Tổng cục Thống kê, bảng giả định |
| B | 2021 | 8700 | 610 | 3.8 | Tổng cục Thống kê, bảng giả định |
| B | 2022 | 9100 | 617 | 4.6 | Tổng cục Thống kê, bảng giả định |
| C | 2021 | 21500 | 1450 | 6.1 | Tổng cục Thống kê, bảng giả định |
| C | 2022 | 24900 | 1472 | 15.8 | Tổng cục Thống kê, bảng giả định |
Trong SPSS, mỗi dòng trên có thể là một quan sát tỉnh-năm. Bạn vào Analyze > Descriptive Statistics > Descriptives để xem N, Minimum, Maximum, Mean và Std. Deviation của các biến số. Nếu biến Ban_le_ty_dong có N thấp hơn số dòng bạn nhập, hãy kiểm tra giá trị trống, ký hiệu “...” hoặc những ô chứa chữ.
Tiếp theo, vào Analyze > Descriptive Statistics > Frequencies nếu muốn kiểm tra số lượng tỉnh và năm. Với dữ liệu bảng, bạn nên xem có tỉnh nào lặp sai, năm bị nhập thành chuỗi, hoặc có hai tên khác nhau cho cùng một địa phương hay không. Ví dụ “TP HCM” và “Hồ Chí Minh” có thể bị SPSS xem như hai nhóm nếu bạn nhập dưới dạng chuỗi.
Nếu bạn chạy hồi quy, đường dẫn là Analyze > Regression > Linear. Đưa biến phụ thuộc vào ô Dependent, các biến giải thích vào ô Independent(s), sau đó mở Statistics để chọn Estimates, Model fit, Collinearity diagnostics và Durbin-Watson. Bảng Coefficients cho biết hệ số của từng biến, còn Model Summary cho biết R, R Square và Adjusted R Square.
Bạn nên lưu riêng ba file: file gốc tải về, file đã làm sạch và file .sav đã có nhãn biến. Khi bị hỏi vì sao giá trị trung bình khác bảng công bố, bạn có thể quay lại file gốc để kiểm tra phép đổi đơn vị, cách làm tròn hoặc phạm vi địa lý.
Khi số liệu không đạt thì xử lý thế nào
Trước hết, xác định “không đạt” đang nói về dữ liệu nguồn hay kết quả phân tích. Nếu bảng thiếu một năm, đó là vấn đề phạm vi dữ liệu. Nếu SPSS báo nhiều giá trị thiếu, đó là vấn đề nhập và mã hóa. Nếu Cronbach's Alpha thấp, đó là vấn đề của thang đo và không thể giải quyết chỉ bằng cách tải thêm một bảng thống kê.
Kiểm tra lại tên chỉ tiêu và ghi chú bảng
Mở phần tiêu đề, đơn vị tính, phạm vi địa lý và chú thích của bảng. Đọc cả ký hiệu dưới bảng, vì dấu chấm, dấu ba chấm hoặc chữ “ước tính” có thể mang ý nghĩa khác nhau. Nếu chỉ tiêu không đúng định nghĩa biến trong đề tài, bỏ bảng đó khỏi mô hình thay vì đổi tên biến cho khớp.
Chuẩn hóa đơn vị và định dạng
Đưa tất cả giá trị tiền về cùng đơn vị, chẳng hạn triệu đồng hoặc tỷ đồng. Xóa dấu phân cách hàng nghìn nếu SPSS đang đọc số thành chuỗi, nhưng giữ lại một bản gốc để đối chiếu. Với phần trăm, xác định dữ liệu đang ở dạng 4.2 hay 0.042 trước khi đưa vào công thức.
Ghi nhận dữ liệu thiếu thay vì tự đoán
Bạn không nên biến ô trống thành số 0 nếu nguồn không nói rằng giá trị bằng 0. Có thể mã hóa giá trị thiếu thành system-missing trong SPSS và ghi rõ số quan sát bị loại ở từng phân tích. Nếu thiếu dữ liệu tập trung ở một tỉnh hoặc một giai đoạn, hãy nói rõ giới hạn này trong luận văn.
Tìm bảng thay thế hoặc thu hẹp câu hỏi
Nếu chỉ tiêu mong muốn không có, hãy tìm biến gần nhất nhưng phải giải thích sự khác biệt. Khi không có chuỗi thời gian đủ dài, bạn có thể thu hẹp phạm vi năm hoặc chuyển mục tiêu từ phân tích xu hướng sang mô tả hiện trạng. Việc thu hẹp có giải trình thường an toàn hơn việc ghép nhiều nguồn có định nghĩa khác nhau.
Bạn cũng không nên xóa các tỉnh có giá trị cao chỉ vì chúng làm trung bình thay đổi. Hãy kiểm tra đó có phải lỗi nhập, khác biệt quy mô thật hay giá trị ngoại lệ hợp lệ. Nếu bạn đang phân tích tác động gián tiếp hoặc điều tiết, hãy tách rõ biến gốc, biến trung gian và biến tương tác. Các khái niệm này được minh họa thêm trong bài về mediator và moderator.
Phân biệt số liệu Tổng cục Thống kê với dữ liệu sơ cấp
Số liệu Tổng cục Thống kê là dữ liệu thứ cấp, đã được một tổ chức thu thập và công bố trước khi bạn dùng lại. Dữ liệu sơ cấp là dữ liệu bạn thu trực tiếp từ bảng hỏi của đối tượng nghiên cứu. Hai loại dữ liệu có thể cùng xuất hiện trong một luận văn, nhưng không nên trộn chúng thành một loại trong phần phương pháp.
| Nội dung | Số liệu Tổng cục Thống kê | Dữ liệu sơ cấp bằng bảng hỏi |
|---|---|---|
| Đơn vị quan sát thường gặp | Tỉnh, huyện, năm, ngành, nhóm dân cư | Cá nhân, khách hàng, nhân viên, hộ gia đình |
| Cách thu thập | Tải hoặc trích từ bảng công bố | Thiết kế bảng hỏi và thu câu trả lời |
| Dạng biến | Chỉ tiêu tổng hợp, tỷ lệ, số lượng | Biến nhân khẩu học và biến quan sát Likert |
| Cách kiểm tra | Định nghĩa, đơn vị, năm, phạm vi | Missing, straight-lining, mã hóa và độ tin cậy |
| Cách trích dẫn | Tên cơ quan, tên bảng, năm, đường dẫn và ngày truy cập | Mô tả mẫu, thời gian và cách thu thập |
Một nhầm lẫn khác là xem “tổng số quan sát” trong bảng thống kê như cỡ mẫu khảo sát. Ba mươi dòng tỉnh-năm không có cùng ý nghĩa với 30 người trả lời. Nếu mô hình cần dữ liệu cá nhân, bạn phải có bảng hỏi và quy trình thu thập riêng.
Tương tự, số liệu thống kê mô tả không phải là thang đo. Một tỷ lệ phần trăm của tỉnh không thể tự trở thành biến quan sát đo nhận thức của cá nhân. Bạn có thể dùng nó làm biến bối cảnh hoặc biến kiểm soát nếu mô hình và đơn vị phân tích cho phép.
Lỗi thường gặp
Lỗi đầu tiên là tìm bằng một từ khóa quá rộng như “doanh thu Việt Nam”, rồi lấy bảng đầu tiên nhìn có vẻ phù hợp. Hãy bắt đầu từ tên chỉ tiêu, đơn vị, năm và phạm vi địa lý. Khi tìm thấy bảng, đọc tiêu đề đầy đủ trước khi tải.
Lỗi thứ hai là chỉ lưu ảnh chụp màn hình. Ảnh có thể giúp minh họa, nhưng không đủ thuận tiện để làm dữ liệu phân tích và thường thiếu thông tin về phiên bản bảng. Bạn nên lưu file tải về hoặc chép dữ liệu vào bảng tính, đồng thời ghi tên bảng và ngày truy cập.
Lỗi thứ ba là đổi tên biến quá ngắn, chẳng hạn X1, X2, rồi quên ý nghĩa ban đầu. Trong SPSS, đặt tên ngắn nhưng dùng Variable Label để ghi đầy đủ chỉ tiêu, đơn vị và năm. Một quy tắc dễ kiểm tra là banle_2022_ty, dan_so_2022_nghin.
Lỗi thứ tư là ghép số liệu tỉnh vào file cá nhân mà không có khóa ghép. Nếu phải ghép, cần có biến chung như mã tỉnh và năm, kiểm tra số dòng trước và sau khi ghép, rồi xác nhận không tạo bản ghi trùng. Hãy lưu một bản trước khi dùng Merge Files trong SPSS.
Lỗi thứ năm là trích dẫn “Tổng cục Thống kê” nhưng không ghi tên bảng. Cách ghi đó quá rộng để người đọc truy lại. Trong chương 3 hoặc chú thích bảng, hãy nêu cơ quan, tên bộ dữ liệu hoặc bảng, năm dữ liệu, đơn vị tính và ngày bạn truy cập.
Câu hỏi thường gặp
Cách lấy số liệu từ Tổng cục Thống kê ở đâu?
Bạn bắt đầu từ cổng dữ liệu hoặc trang công bố thống kê chính thức của Tổng cục Thống kê, sau đó tìm theo tên chỉ tiêu, năm và phạm vi địa lý. Khi mở được bảng, hãy đọc phần tiêu đề và chú thích trước khi tải.
Nếu kết quả tìm kiếm dẫn đến một bài viết tóm tắt, hãy lần về bảng gốc. Bài tóm tắt có thể đã làm tròn số hoặc chỉ trích một phần chuỗi dữ liệu.
Số liệu Tổng cục Thống kê có dùng chạy SPSS được không?
Có, nếu dữ liệu được chuyển thành cấu trúc mà SPSS đọc được, chẳng hạn mỗi dòng là một tỉnh-năm và mỗi cột là một biến. Bạn cần xử lý ô trống, ký hiệu chữ, dấu phân cách hàng nghìn và kiểu dữ liệu trước khi chạy phân tích.
Nếu mỗi dòng là một người trả lời nhưng bạn chỉ có số liệu cấp tỉnh, hãy giữ chúng ở vai trò biến bối cảnh và giải thích cách ghép. Đừng xem chúng như câu trả lời cá nhân.
Lấy số liệu Tổng cục Thống kê có cần ghi nguồn không?
Có. Bạn nên ghi tên cơ quan, tên bảng hoặc bộ dữ liệu, năm, đơn vị tính, phạm vi dữ liệu, đường dẫn nếu có và ngày truy cập. Nguồn cần xuất hiện ngay dưới bảng trong chương kết quả, đồng thời được mô tả trong phần phương pháp.
Số liệu bị thiếu thì làm sao?
Đầu tiên kiểm tra chú thích để biết ô trống có nghĩa là chưa có số liệu, không áp dụng hay bằng 0. Sau đó mã hóa đúng trạng thái trong SPSS và báo cáo số quan sát bị thiếu.
Nếu thiếu quá nhiều ở một giai đoạn, bạn có thể thu hẹp phạm vi hoặc chọn chỉ tiêu thay thế có định nghĩa gần hơn. Không tự điền số 0 chỉ để bảng đủ dòng.
Có thể dùng số liệu Tổng cục Thống kê để thay cho khảo sát không?
Chỉ khi câu hỏi nghiên cứu của bạn cần dữ liệu tổng hợp ở đúng đơn vị phân tích đó. Nếu đề tài đo nhận thức, thái độ, ý định hoặc hành vi của cá nhân, bạn thường vẫn cần dữ liệu sơ cấp từ bảng hỏi.
Hãy xem lại mô hình trước khi quyết định. Nếu có biến mediator hoặc moderator, việc thay dữ liệu cá nhân bằng số liệu cấp tỉnh có thể làm thay đổi hoàn toàn ý nghĩa của mô hình.
Bạn hãy mở file dữ liệu hiện tại, lập danh sách biến cần lấy, rồi ghi cho từng biến tên bảng, đơn vị, năm và cách trích dẫn trước khi nhập vào SPSS. Nếu cần chạy quy trình trên chính file .sav hoặc .csv của mình, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.