Khung mẫu là gì? Cách xác định và sử dụng trong nghiên cứu

Khung mẫu là gì

Khung mẫu là danh sách, cơ sở dữ liệu hoặc hệ thống thông tin dùng để xác định các đơn vị có khả năng được chọn vào mẫu nghiên cứu. Đơn vị đó có thể là một người, hộ gia đình, doanh nghiệp, cửa hàng, sinh viên, khách hàng hoặc một tổ chức, tùy theo đối tượng nghiên cứu của bạn.

Ví dụ, bạn nghiên cứu mức độ hài lòng của sinh viên năm cuối tại một trường đại học. Danh sách sinh viên năm cuối do phòng đào tạo cung cấp có thể được dùng làm khung mẫu. Nếu nghiên cứu khách hàng đã mua hàng trên một sàn thương mại điện tử, danh sách khách hàng đủ điều kiện mua hàng trong khoảng thời gian xác định cũng có thể là khung mẫu.

Cần tách ba khái niệm thường bị trộn lẫn:

• Tổng thể nghiên cứu là toàn bộ nhóm mà bạn muốn rút ra kết luận.
• Khung mẫu là danh sách hoặc cơ chế giúp bạn tiếp cận các đơn vị trong tổng thể.
• Mẫu nghiên cứu là phần đơn vị thực tế được chọn từ khung mẫu và gửi bảng hỏi.

Khung mẫu có thể được biểu diễn đơn giản như sau:

Tổng thể mục tiêu → khung mẫu → mẫu được chọn → dữ liệu hợp lệ để phân tích

Khung mẫu không phải là file .sav hay bảng kết quả trong SPSS. Cụm từ khung mẫu trong SPSS thường xuất hiện khi sinh viên muốn kiểm tra dữ liệu sau khi thu thập. SPSS xử lý dữ liệu của mẫu đã thu, còn việc lập và đánh giá khung mẫu diễn ra trước bước nhập dữ liệu. Bạn có thể xem thêm phần giải thích về cỡ mẫu là gì để phân biệt rõ số lượng quan sát với danh sách dùng để chọn quan sát.

Ý nghĩa của khung mẫu trong nghiên cứu định lượng

Khung mẫu quyết định bạn có thể tiếp cận ai, ai bị bỏ sót và kết quả khảo sát có thể đại diện đến mức nào. Nếu khung mẫu chỉ chứa sinh viên ở một khoa nhưng bạn lại kết luận cho toàn trường, phạm vi suy luận đã rộng hơn dữ liệu cho phép.

Một khung mẫu tốt cần phù hợp với bốn câu hỏi. Danh sách có bao phủ đúng đối tượng nghiên cứu không. Mỗi đơn vị có được nhận diện đủ rõ không. Có đơn vị nào bị lặp không. Thông tin có đủ mới để liên hệ hoặc gửi bảng hỏi không.

Chẳng hạn, đề tài về hành vi mua mỹ phẩm trực tuyến tại Việt Nam có thể dùng danh sách email khách hàng của một cửa hàng. Danh sách này thuận tiện, nhưng chỉ bao phủ khách hàng của cửa hàng đó. Nếu nhóm khách hàng này có độ tuổi, thu nhập hoặc thói quen mua sắm khác với thị trường nói chung, bạn cần ghi rõ giới hạn đại diện trong chương phương pháp.

Khung mẫu còn giúp bạn chọn phương pháp lấy mẫu. Khi có danh sách đầy đủ và mã số riêng cho từng đơn vị, bạn có thể cân nhắc chọn mẫu ngẫu nhiên. Khi không có danh sách hoàn chỉnh, bạn thường dùng mẫu thuận tiện, mẫu phát triển mầm hoặc cách tiếp cận theo hạn ngạch, nhưng phải mô tả rõ lý do và giới hạn. Phần phương pháp chọn mẫu sẽ hữu ích khi bạn đang quyết định bước này.

Đừng dùng khung mẫu như một con số thay thế cho cỡ mẫu. Khung mẫu có 10.000 dòng không có nghĩa bạn phải khảo sát đủ 10.000 người. Cỡ mẫu là số quan sát cần thu để phân tích, còn khung mẫu là nguồn xác định các đơn vị có thể được chọn. Hai khái niệm này liên quan nhưng thực hiện hai chức năng khác nhau. Nếu bạn đang cần tính số lượng cần khảo sát, hãy xem cách tính cỡ mẫu.

Khung mẫu bao nhiêu là đạt

Câu hỏi “khung mẫu bao nhiêu là tốt” thường đang trộn hai vấn đề: khung mẫu có bao phủ đủ tổng thể hay không và cần chọn bao nhiêu đơn vị từ khung mẫu. Không có một số lượng cố định áp dụng cho mọi đề tài. Một khung mẫu nhỏ nhưng bao phủ đúng tổng thể có thể phù hợp hơn một danh sách lớn nhưng chứa sai đối tượng.

Bạn có thể dùng các tiêu chí dưới đây để tự kiểm tra. Những con số trong bảng liên quan đến cỡ mẫu hoặc quy tắc phân tích, không phải ngưỡng chất lượng tuyệt đối của mọi khung mẫu.

Khi lập khung mẫu, bạn nên ghi lại tổng số dòng ban đầu, số dòng trùng, số dòng thiếu thông tin, số đơn vị không còn thuộc tổng thể và số đơn vị đủ điều kiện. Ví dụ, danh sách ban đầu có 3.200 khách hàng, sau khi bỏ bản ghi trùng còn 3.050, bỏ người chưa từng mua hàng trong 12 tháng còn 2.480. Con số 2.480 là khung mẫu khả dụng theo tiêu chí của đề tài, không phải số mẫu hợp lệ cuối cùng.

Nếu không biết chính xác kích thước tổng thể, đừng tự điền một con số để làm cho công thức đẹp hơn. Hãy mô tả nguồn dữ liệu, thời điểm chốt danh sách và tiêu chí đưa một đơn vị vào khung mẫu. Người đọc luận văn cần biết danh sách được hình thành như thế nào trước khi đánh giá cỡ mẫu.

Cách đọc khung mẫu trên output

Bạn sẽ không thấy một bảng có tên “Sampling Frame” trong SPSS. SPSS chỉ hiển thị các bản ghi bạn đã nhập, cùng các biến mô tả và kết quả phân tích. Vì vậy, khi nói đến khung mẫu trong SPSS, hãy kiểm tra dữ liệu theo hai lớp: thông tin định danh của đơn vị và số lượng quan sát thực tế.

Trong file dữ liệu, mỗi hàng thường đại diện cho một người trả lời hoặc một đơn vị phân tích. Mỗi cột là một biến, chẳng hạn mã người trả lời, giới tính, độ tuổi, các biến quan sát của thang đo và biến sàng lọc. Bạn nên giữ một biến mã hóa như ID, nhưng không đưa thông tin nhận diện nhạy cảm vào file phân tích nếu không cần thiết.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột mô phỏng cách SPSS thường hiển thị thống kê tần số.

Bạn có thể kiểm tra nhanh bằng menu Analyze > Descriptive Statistics > Frequencies. Đưa biến sàng lọc, biến nhân khẩu học và các biến quan sát vào ô phân tích. Trong bảng Statistics, chú ý Valid và Missing. Nếu số Valid của một biến thấp hơn nhiều so với các biến khác, hãy tìm nguyên nhân ở điều kiện rẽ nhánh của bảng hỏi, mã thiếu hoặc lỗi nhập dữ liệu.

Tiếp theo, vào Analyze > Descriptive Statistics > Descriptives để xem số quan sát, giá trị nhỏ nhất, lớn nhất, trung bình và độ lệch chuẩn. Bảng Descriptive Statistics giúp bạn phát hiện tuổi bằng 999, thang Likert có giá trị 8 hoặc biến đáng lẽ chỉ có hai nhóm nhưng lại có nhiều mã bất thường.

Bạn cũng nên vào Analyze > Descriptive Statistics > Frequencies và bật bảng tần số cho các biến phân loại. Nếu khung mẫu dự kiến là sinh viên năm cuối nhưng output có người năm nhất, dữ liệu đã không tuân thủ tiêu chí chọn mẫu. Không nên xóa tùy tiện chỉ để số liệu trông đẹp. Hãy ghi lại tiêu chí loại, số bản ghi bị loại và lý do.

Nếu cần kiểm tra bản ghi trùng, dùng mã ID trong Excel trước khi nhập SPSS hoặc kiểm tra tần số của biến mã. Một người xuất hiện hai lần sẽ làm số quan sát tăng giả tạo và có thể ảnh hưởng đến các phân tích tiếp theo. Bản ghi thiếu dữ liệu cũng cần được phân biệt với người không thuộc khung mẫu, vì đây là hai vấn đề khác nhau.

Khi khung mẫu không đạt thì xử lý thế nào

Hãy xử lý theo thứ tự từ nguyên nhân dễ kiểm tra đến vấn đề thiết kế. Đầu tiên, đối chiếu định nghĩa tổng thể với nguồn tạo danh sách. Bạn cần xác nhận địa bàn, thời gian, độ tuổi, trạng thái sử dụng sản phẩm hoặc điều kiện tham gia có khớp với đề tài không.

Làm sạch danh sách nguồn

Loại các dòng trùng, dòng không có đơn vị cụ thể, dòng đã hết hiệu lực và dòng không đáp ứng tiêu chí sàng lọc. Giữ một bản sao danh sách ban đầu, một bản sau làm sạch và bảng ghi nhận số lượng thay đổi. Cách này giúp bạn giải trình khi giảng viên hỏi vì sao khung mẫu ban đầu và số đơn vị có thể chọn không giống nhau.

Bổ sung nhóm bị bỏ sót

Nếu khung mẫu chỉ bao phủ một khoa, một cửa hàng hoặc một nhóm khách hàng, hãy tìm nguồn bổ sung phù hợp với phạm vi đề tài. Bạn cần tránh ghép nhiều nguồn có tiêu chí khác nhau mà không kiểm tra sự trùng lặp. Khi không thể bổ sung, hãy thu hẹp phạm vi kết luận về đúng nhóm được bao phủ.

Đổi phương pháp chọn mẫu khi cần

Khi danh sách không đầy đủ, chọn mẫu ngẫu nhiên trên danh sách đó vẫn tạo ra mẫu ngẫu nhiên trong danh sách, nhưng không tự động đại diện cho toàn bộ tổng thể. Bạn có thể chuyển sang thiết kế theo hạn ngạch hoặc mẫu thuận tiện nếu phù hợp với khả năng tiếp cận, rồi trình bày rõ hạn chế. Xem thêm hướng dẫn về chọn mẫu ngẫu nhiên để biết điều kiện tối thiểu trước khi dùng cách này.

Không sửa vấn đề khung mẫu bằng SPSS

SPSS có thể giúp bạn lọc, mã hóa, kiểm tra missing và phát hiện giá trị bất thường. Phần mềm không thể biến một danh sách thiếu nhóm đối tượng thành khung mẫu đại diện. Việc chạy thêm Cronbach's Alpha, EFA hoặc hồi quy cũng không khắc phục được sai lệch do chọn sai đối tượng.

Cân nhắc thu thập bổ sung

Nếu một nhóm quan trọng có quá ít quan sát, bạn có thể thu thập thêm dữ liệu từ đúng nhóm đó. Trước khi làm, hãy kiểm tra điều kiện sàng lọc và cách phân phối bảng hỏi. Dữ liệu bổ sung phải tuân theo cùng định nghĩa đối tượng và quy trình ghi nhận, nếu không bạn sẽ tạo ra nhiều nhóm dữ liệu khó so sánh.

Phân biệt khung mẫu với cỡ mẫu

Khung mẫu trả lời câu hỏi “có thể chọn ai”. Cỡ mẫu trả lời câu hỏi “cần chọn bao nhiêu đơn vị”. Mẫu nghiên cứu trả lời câu hỏi “thực tế đã chọn được ai và có bao nhiêu phản hồi hợp lệ”.

Ví dụ, danh sách nhân viên của một doanh nghiệp có 1.200 người là khung mẫu. Bạn tính cần tối thiểu 200 phản hồi hợp lệ là yêu cầu về cỡ mẫu. Sau khi phát bảng hỏi, bạn nhận 245 phản hồi nhưng có 18 bản thiếu nhiều dữ liệu, còn 227 phản hồi hợp lệ. Con số 227 là cỡ mẫu phân tích thực tế.

Một lỗi khác là gọi toàn bộ file SPSS là khung mẫu. File SPSS thường chỉ chứa người đã trả lời, trong khi khung mẫu phải được xác định trước cả bước phát bảng hỏi. Nếu bạn chỉ khảo sát những người chủ động bấm vào đường link, file dữ liệu đó mô tả mẫu phản hồi, không chứng minh rằng toàn bộ tổng thể đã có cơ hội được chọn như nhau.

Bạn cũng cần phân biệt khung mẫu với “cỡ mẫu của mẫu số liệu”. Khái niệm sau thường liên quan đến số lượng phần tử trong một mẫu hoặc tập dữ liệu, còn khung mẫu liên quan đến nguồn và phạm vi các đơn vị có thể được chọn. Khi viết chương 3, hãy trình bày riêng nguồn khung mẫu, cách chọn mẫu, cỡ mẫu dự kiến và số phản hồi hợp lệ. Bạn có thể tham khảo cỡ mẫu của mẫu số liệu là gì nếu đang gặp cách dùng thuật ngữ này trong output.

Lỗi thường gặp

Dùng danh sách thuận tiện nhưng kết luận cho tổng thể rộng hơn. Nếu bạn lấy người theo dõi một trang mạng xã hội rồi kết luận cho tất cả người tiêu dùng, cần nêu rõ giới hạn bao phủ của khung mẫu.

Không ghi thời điểm của khung mẫu. Danh sách khách hàng tháng 1 và tháng 12 có thể khác nhau. Hãy ghi thời điểm chốt danh sách và khoảng thời gian đủ điều kiện.

Đếm cả dòng trùng vào khung mẫu. Một người có hai email hoặc hai lần đăng ký không nhất thiết là hai đơn vị nghiên cứu. Mã định danh và quy tắc loại trùng cần được xác định trước.

Xóa dữ liệu chỉ vì output không đẹp. Một bản ghi sai điều kiện có thể được loại theo tiêu chí thiết kế. Một bản ghi có giá trị hơi khác trung bình chưa phải lý do hợp lệ để xóa.

Nhầm số người được mời với số phản hồi hợp lệ. Tỷ lệ phản hồi, số bảng hỏi hoàn tất và số quan sát dùng trong SPSS cần được báo cáo riêng.

Không lưu dấu vết thay đổi. Hãy lưu file khung mẫu ban đầu, file đã làm sạch, bảng mã hóa và file .sav cuối cùng. Tên file có thể ghi ngày xử lý để tránh ghi đè dữ liệu.

Câu hỏi thường gặp

Khung mẫu là gì và có bắt buộc phải có không?

Khung mẫu là nguồn danh sách hoặc cơ chế xác định các đơn vị có thể được chọn vào nghiên cứu. Với mẫu xác suất, khung mẫu thường cần rõ và đầy đủ hơn. Với mẫu thuận tiện, bạn vẫn nên mô tả nguồn tiếp cận, tiêu chí sàng lọc và nhóm được bao phủ, dù không có một danh sách tổng thể hoàn chỉnh.

Khung mẫu bao nhiêu là tốt?

Không có con số chung cho mọi đề tài. Khung mẫu được xem là phù hợp khi bao phủ đúng đối tượng, hạn chế trùng lặp, có thông tin đủ để tiếp cận và phù hợp với phạm vi kết luận. Số lượng cần lấy từ khung mẫu phải được tính riêng theo mục tiêu phân tích và thiết kế nghiên cứu.

Khung mẫu trong SPSS nằm ở bảng nào?

SPSS không có bảng output riêng tên là khung mẫu. Bạn kiểm tra các biến định danh, số dòng dữ liệu, Valid, Missing, bảng tần số và các giá trị ngoài phạm vi bằng Analyze > Descriptive Statistics. Khung mẫu được lập trước khi nhập dữ liệu, còn SPSS giúp bạn kiểm tra mẫu đã thu thập.

Khung mẫu có phải là cỡ mẫu không?

Hai khái niệm khác nhau. Khung mẫu là danh sách hoặc nguồn các đơn vị có thể được chọn, còn cỡ mẫu là số đơn vị cần hoặc đã được dùng trong phân tích. Một khung mẫu có thể có hàng nghìn đơn vị nhưng bạn chỉ chọn vài trăm quan sát.

Khung mẫu bị thiếu nhóm đối tượng thì làm sao?

Trước hết xác định nhóm nào bị thiếu và mức độ ảnh hưởng đến câu hỏi nghiên cứu. Nếu có thể, bổ sung nguồn danh sách hoặc thu thập thêm đúng nhóm đó. Nếu không thể, thu hẹp phạm vi kết luận và ghi rõ giới hạn đại diện trong chương phương pháp, thay vì dùng SPSS để che lấp vấn đề thiết kế.

Bạn hãy mở lại file dữ liệu và ghi riêng bốn con số: kích thước khung mẫu ban đầu, số đơn vị sau làm sạch, số bảng hỏi thu về và số quan sát hợp lệ trong SPSS. Sau đó đối chiếu chúng với tiêu chí chọn mẫu của đề tài và dùng M4 phân tích dữ liệu nếu bạn cần chạy bước kiểm tra trên chính file .sav hoặc .csv của mình.