Quy trình nghiên cứu trong luận văn là gì? Các bước viết từ A đến Z
Quy trình nghiên cứu trong luận văn là gì
Quy trình nghiên cứu trong luận văn là chuỗi bước có liên kết, bắt đầu từ việc xác định vấn đề và câu hỏi nghiên cứu, sau đó xây dựng cơ sở lý thuyết, mô hình, giả thuyết, phương pháp, bảng hỏi, dữ liệu, phân tích và kết luận. Mỗi bước tạo đầu vào cho bước tiếp theo. Nếu bạn đổi câu hỏi nghiên cứu sau khi đã thu thập dữ liệu, phần mô hình, biến đo lường và cách chạy SPSS cũng có thể phải sửa theo.
Với luận văn định lượng, quy trình này thường thể hiện qua dữ liệu bảng hỏi, file .sav hoặc .csv, các biến quan sát, thang đo Likert và kết quả kiểm định. Bạn có thể xem thêm phương pháp nghiên cứu khoa học để đối chiếu thuật ngữ trước khi chốt đề cương. Một quy trình tốt không chỉ giúp bạn làm đủ các phần, mà còn giúp trả lời được câu hỏi hội đồng thường đặt ra: vì sao chọn biến này, vì sao dùng kiểm định kia, và kết quả có trả lời đúng mục tiêu ban đầu không.
Trong thực tế, quy trình không luôn chạy thẳng một chiều. Khi Cronbach's Alpha hoặc EFA cho kết quả chưa phù hợp, bạn có thể phải quay lại kiểm tra biến quan sát, mã hóa dữ liệu và chạy lại. Việc lặp lại có ghi chép là bình thường. Điều cần tránh là xóa biến hoặc đổi giả thuyết chỉ vì muốn bảng kết quả trông đẹp.
Cấu trúc chuẩn của quy trình nghiên cứu
Bạn có thể chia quy trình thành các chặng dưới đây. Số trang chỉ là khoảng tham khảo, vì một luận văn 50 trang và một luận văn 100 trang sẽ có cách phân bổ khác nhau. Điều quan trọng là các phần phải khớp với nhau.
| Chặng nghiên cứu | Nội dung cần hoàn thành | Vị trí thường gặp | Độ dài tham khảo |
|---|---|---|---|
| Xác định vấn đề | Bối cảnh, khoảng trống, lý do chọn đề tài | Mở đầu | 2 đến 5 trang |
| Mục tiêu và câu hỏi | Mục tiêu tổng quát, mục tiêu cụ thể, câu hỏi nghiên cứu | Mở đầu | 1 đến 3 trang |
| Cơ sở lý thuyết | Khái niệm, lý thuyết, nghiên cứu trước | Chương 2 | 8 đến 15 trang |
| Mô hình và giả thuyết | Biến độc lập, phụ thuộc, trung gian hoặc điều tiết nếu có | Chương 2 | 3 đến 8 trang |
| Phương pháp | Thiết kế, mẫu, bảng hỏi, quy trình thu thập và phân tích | Chương 3 | 8 đến 15 trang |
| Kết quả | Mô tả mẫu, độ tin cậy, EFA hoặc PLS-SEM, kiểm định giả thuyết | Chương 4 | 10 đến 20 trang |
| Thảo luận và kiến nghị | Diễn giải kết quả, hàm ý, hạn chế, hướng nghiên cứu tiếp theo | Chương 5 | 8 đến 15 trang |
Bạn nên lưu một bảng theo dõi riêng gồm câu hỏi nghiên cứu, giả thuyết, biến sử dụng, phép phân tích và bảng kết quả tương ứng. Bảng này giúp phát hiện một lỗi phổ biến: mục tiêu có ba ý nhưng chương kết quả chỉ kiểm định hai ý.
Các bước viết quy trình nghiên cứu
Bước 1: Chốt vấn đề, mục tiêu và câu hỏi nghiên cứu
Bắt đầu bằng một vấn đề có thể quan sát và thu thập dữ liệu. Ví dụ, thay vì viết “nghiên cứu sự phát triển của thương mại điện tử”, bạn có thể thu hẹp thành “các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng ứng dụng mua sắm của sinh viên tại Thành phố Hồ Chí Minh”. Vế sau đã gợi ra đối tượng, hành vi và phạm vi.
Mục tiêu tổng quát mô tả điều bạn muốn giải thích. Các mục tiêu cụ thể phải chuyển thành câu hỏi hoặc giả thuyết có thể kiểm định. Nếu dùng hồi quy, số biến giải thích và cách đo cần được xác định trước khi thiết kế bảng hỏi. Bạn có thể tham khảo thêm bài phương pháp nghiên cứu để kiểm tra sự khác nhau giữa mục tiêu, câu hỏi và giả thuyết.
Bước 2: Tìm tài liệu và xây dựng cơ sở lý thuyết
Ở bước này, bạn xác định các khái niệm chính, mối quan hệ giữa chúng và thang đo có thể sử dụng. Đừng chỉ gom nhiều bài nghiên cứu thành phần tóm tắt. Mỗi tài liệu cần trả lời ít nhất một việc: định nghĩa biến, giải thích quan hệ, cung cấp thang đo hoặc gợi ý bối cảnh áp dụng.
Nếu đang tìm tài liệu nền, giáo trình phương pháp nghiên cứu khoa học pdf có thể giúp bạn rà lại cấu trúc phương pháp. Khi đưa nguồn vào luận văn, bạn vẫn cần kiểm tra bản gốc, năm xuất bản và cách nguồn đó đo lường khái niệm.
Bước 3: Vẽ mô hình và viết giả thuyết
Mô hình nghiên cứu cho thấy biến nào tác động đến biến nào. Mỗi mũi tên cần có lý do từ lý thuyết hoặc kết quả nghiên cứu trước. Chẳng hạn, nếu “nhận thức hữu ích” tác động đến “ý định sử dụng”, giả thuyết phải nói rõ hướng quan hệ mà bạn sẽ kiểm định.
Viết H1, H2 theo câu hoàn chỉnh, chẳng hạn: “H1: Nhận thức hữu ích có tác động tích cực đến ý định tiếp tục sử dụng ứng dụng mua sắm.” Sau đó lập danh sách mã biến, ví dụ PU1 đến PU4 cho nhận thức hữu ích và BI1 đến BI4 cho ý định. Tên trong mô hình, bảng hỏi và file dữ liệu phải nhất quán.
Bước 4: Chọn thiết kế, mẫu và công cụ thu thập dữ liệu
Bạn cần mô tả đối tượng khảo sát, điều kiện sàng lọc, cách chọn mẫu, thời gian thu thập và kích thước mẫu dự kiến. Với thang đo nhiều biến quan sát, một quy tắc thường được trích dẫn là 5 đến 10 quan sát cho mỗi biến quan sát (Hair và cộng sự, 2010). Đây là căn cứ tham khảo, không thay thế cho việc xem xét số biến, mô hình và yêu cầu của giảng viên.
Bảng hỏi nên có phần giới thiệu, câu hỏi sàng lọc, các nhóm biến quan sát và thông tin nhân khẩu học cần thiết. Nếu dùng Likert, ghi rõ các mức trả lời và hướng mã hóa. Khi thu thập trực tuyến, fillform.info là công cụ biểu mẫu của DoThesis cho bước này; Google Forms là một lựa chọn thay thế phổ biến.
Bước 5: Làm sạch và mã hóa file dữ liệu
Trước khi chạy, kiểm tra tên biến, kiểu dữ liệu, giá trị thiếu, câu trả lời lặp một mức, biến đảo chiều và các dòng không đạt điều kiện sàng lọc. Trong SPSS, một biến định tính như giới tính có thể được mã hóa bằng số, nhưng bạn cần khai báo Value Labels để bảng kết quả dễ đọc.
Lưu riêng file dữ liệu gốc và file đã làm sạch. Đặt tên các phiên bản theo ngày, chẳng hạn data_raw, data_clean_v1, data_clean_v2. Mỗi lần loại một biến hoặc một dòng, ghi lại lý do. Nếu làm việc với SmartPLS, file .csv cần có hàng đầu là tên biến và các dòng sau là quan sát, không chèn ghi chú hoặc ô gộp.
Bước 6: Chạy phân tích theo đúng thứ tự
Thứ tự thường gặp trong nghiên cứu định lượng là thống kê mô tả, kiểm tra độ tin cậy thang đo, EFA nếu thiết kế yêu cầu, sau đó hồi quy hoặc PLS-SEM và kiểm định giả thuyết. Bạn không nên chạy mô hình trước khi biết thang đo có vấn đề gì.
Với Cronbach's Alpha, vào Analyze > Scale > Reliability Analysis, đưa các biến của cùng một khái niệm vào ô Items. Trong Statistics, chọn Item, Scale, Scale if item deleted để xem Corrected Item-Total Correlation và Alpha nếu loại biến. Với EFA, dùng Analyze > Dimension Reduction > Factor, kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.
Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận (Nunnally, 1978), còn thang đo khám phá có thể xem mức 0.6 theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0.3 trở lên có thể tham khảo (Nunnally và Bernstein, 1994). Các ngưỡng này phải được đặt cạnh bối cảnh thang đo, số biến và lập luận học thuật, không dùng như nút xóa tự động.
Bước 7: Đọc kết quả và đối chiếu giả thuyết
Mỗi giả thuyết cần được đối chiếu với đúng dòng kết quả. Trong hồi quy, bạn thường xem Coefficients, hệ số, t và Sig. cùng các chẩn đoán của mô hình. Trong SmartPLS, bạn xem Path Coefficients, T Statistics, P Values và khoảng tin cậy từ Bootstrapping.
Nếu dùng PLS-SEM, hãy tách đánh giá mô hình đo lường khỏi mô hình cấu trúc. Các chỉ số như Outer Loadings, CR, AVE, HTMT, VIF, R², f² và Q² thuộc nhóm PLS-SEM. CFI, TLI và RMSEA là các chỉ số của CB-SEM, không nên đưa vào bài hướng dẫn SmartPLS.
Bước 8: Viết thảo luận, hạn chế và kiến nghị
Phần thảo luận trả lời ý nghĩa của kết quả, không lặp nguyên bảng số liệu. Bạn cần nói giả thuyết nào được ủng hộ, giả thuyết nào không được ủng hộ, kết quả giống hoặc khác nghiên cứu trước ở điểm nào, và điều đó có thể giải thích ra sao trong bối cảnh nghiên cứu.
Hạn chế nên gắn với dữ liệu thật, chẳng hạn mẫu thuận tiện, khảo sát tại một địa bàn, thiết kế cắt ngang hoặc số biến chưa bao quát hết khái niệm. Kiến nghị phải xuất phát từ kết quả. Nếu biến X có tác động mạnh hơn biến Y, phần hàm ý cần cho thấy tổ chức nên ưu tiên cải thiện khía cạnh nào, thay vì đưa ra danh sách giải pháp chung chung.
Câu mẫu dùng được
Bạn có thể thay phần trong ngoặc vuông bằng thông tin từ đề tài của mình. Câu mẫu chỉ là khung diễn đạt, không thay thế cho số liệu và nguồn bạn đã kiểm tra.
| Vị trí | Câu mẫu có thể điều chỉnh |
|---|---|
| Vấn đề nghiên cứu | “Nghiên cứu này tập trung phân tích các yếu tố ảnh hưởng đến [biến phụ thuộc] của [đối tượng] tại [phạm vi nghiên cứu].” |
| Mục tiêu | “Mục tiêu của nghiên cứu là xác định mức độ tác động của [các biến độc lập] đến [biến phụ thuộc] và đề xuất hàm ý phù hợp.” |
| Phương pháp | “Nghiên cứu sử dụng phương pháp định lượng, dữ liệu được thu thập thông qua bảng hỏi cấu trúc từ [số lượng] người trả lời hợp lệ.” |
| Độ tin cậy | “Kết quả cho thấy thang đo [tên thang đo] có Cronbach's Alpha là [giá trị], đáp ứng tiêu chí được lựa chọn trong nghiên cứu.” |
| Giả thuyết | “Kết quả phân tích cho thấy [biến X] có tác động [cùng chiều/ngược chiều] đến [biến Y] với [hệ số] và [p-value], do đó H[ ] được [chấp nhận/không được chấp nhận].” |
| Hạn chế | “Nghiên cứu còn giới hạn ở [địa bàn/phương pháp chọn mẫu/thời điểm khảo sát], vì vậy khả năng khái quát hóa kết quả cần được xem xét.” |
Cách viết vào luận văn: “Quy trình nghiên cứu gồm [số] giai đoạn, bắt đầu từ xác định vấn đề và mục tiêu, tiếp đến xây dựng mô hình, thiết kế bảng hỏi, thu thập và làm sạch dữ liệu, phân tích bằng [SPSS/SmartPLS], sau cùng thảo luận kết quả và đề xuất hàm ý.” Bạn thay các phần trong ngoặc vuông, sau đó đối chiếu với các chương thực tế của mình.
Ví dụ quy trình nghiên cứu rút gọn
Giả sử đề tài là “Các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng ứng dụng giao đồ ăn của sinh viên tại Hà Nội”. Biến phụ thuộc là ý định tiếp tục sử dụng. Ba biến độc lập gồm nhận thức hữu ích, chất lượng dịch vụ ứng dụng và niềm tin. Bạn xây dựng bốn giả thuyết, dùng bảng hỏi Likert, thu về 240 phản hồi và giữ lại 218 phản hồi hợp lệ sau khi làm sạch.
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được sắp theo dạng sinh viên thường gặp trong output SPSS để bạn nhận diện cách đọc.
| Reliability Statistics | Cronbach's Alpha | N of Items | Diễn giải minh họa |
|---|---|---|---|
| Nhận thức hữu ích | 0.842 | 4 | Thang đo có độ nhất quán nội tại tốt trong ví dụ |
| Chất lượng dịch vụ | 0.876 | 5 | Có thể chuyển sang bước phân tích tiếp theo nếu các kiểm tra khác phù hợp |
| Niềm tin | 0.791 | 4 | Cần đọc thêm Item-Total Statistics, không chỉ nhìn Alpha |
| Ý định tiếp tục sử dụng | 0.858 | 3 | Kết quả minh họa, không dùng để kết luận cho dữ liệu của bạn |
Sau đó, bạn đọc KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix nếu chạy EFA. Ví dụ, KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê là các tiêu chí thường được dẫn theo (Kaiser, 1974). Eigenvalue lớn hơn 1 được dùng như một quy tắc trích nhân tố theo (Kaiser, 1960), còn tổng phương sai trích từ 50% trở lên có thể tham khảo (Hair và cộng sự, 2010).
Khi viết chương 4, không ghi “thang đo đạt” chỉ dựa trên một bảng. Hãy nêu số biến ban đầu, biến nào bị loại nếu có, lý do loại, kết quả sau cùng và sự phù hợp giữa nhóm nhân tố với mô hình lý thuyết. Nếu một biến tải lên hai nhân tố, bạn cần xem ma trận, nội dung biến và lập luận phương pháp trước khi quyết định.
Lỗi thường gặp khiến hội đồng hỏi lại
Lỗi đầu tiên là tên đề tài, mục tiêu, mô hình và bảng hỏi không cùng nói về một đối tượng. Bạn hãy tìm một từ khóa trung tâm trong cả bốn phần. Nếu đề tài nói về “ý định mua”, bảng hỏi lại đo “hành vi mua thực tế”, hội đồng có cơ sở để hỏi về sự lệch khái niệm.
Lỗi thứ hai là nêu ngưỡng nhưng không có nguồn hoặc dùng cùng một ngưỡng cho mọi tình huống. Cronbach's Alpha, factor loading, KMO và p-value trả lời các câu hỏi khác nhau. Bảng kiểm tra ngưỡng dưới đây giúp bạn gắn chỉ số với nguồn thay vì ghi một con số rời rạc.
| Chỉ số hoặc tiêu chí | Mức tham khảo | Nguồn canonical |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Total variance explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| VIF trong PLS-SEM | Dưới 5 | (Hair và cộng sự, 2019) |
| R² trong PLS-SEM | 0.25 yếu, 0.50 vừa, 0.75 đáng kể | (Hair và cộng sự, 2011) |
Lỗi thứ ba là sửa dữ liệu để đạt kết quả mong muốn. Loại phản hồi không hợp lệ theo tiêu chí đã nêu trong phương pháp là có thể giải trình. Loại một biến chỉ vì p-value chưa đẹp, rồi không báo cáo quá trình, sẽ khiến kết quả khó bảo vệ hơn.
Lỗi cuối là viết phần kết luận trước khi kiểm tra toàn bộ bảng output. Hãy lưu output theo từng lần chạy, đánh dấu bảng dùng trong luận văn và lập một danh sách giả thuyết. Cách này giảm nguy cơ ghi nhầm hệ số, nhầm dấu tác động hoặc kết luận một giả thuyết khi chưa xem đúng p-value.
Đọc thêm: phương pháp nghiên cứu định tính, quy trình nghiên cứu khoa học, chủ đề khoa luan tot nghiep.
Câu hỏi thường gặp
Quy trình nghiên cứu trong luận văn gồm mấy bước
Không có một con số bắt buộc cho mọi đề tài. Với luận văn định lượng, bạn có thể trình bày thành tám bước: xác định vấn đề, tổng quan tài liệu, xây dựng mô hình, thiết kế phương pháp, thu thập dữ liệu, làm sạch dữ liệu, phân tích và viết thảo luận. Một số trường gộp các bước này thành bốn hoặc năm giai đoạn lớn.
Nên viết mô hình trước hay thiết kế bảng hỏi trước
Bạn nên chốt khái niệm, mô hình và giả thuyết trước, sau đó mới chọn hoặc điều chỉnh thang đo và thiết kế bảng hỏi. Nếu làm ngược lại, bảng hỏi dễ có biến quan sát không phục vụ mục tiêu nghiên cứu.
Có cần chạy Cronbach's Alpha trước EFA không
Trong quy trình phổ biến với SPSS, bạn thường kiểm tra độ tin cậy thang đo trước rồi mới chạy EFA. Tuy nhiên, thứ tự cụ thể còn phụ thuộc thiết kế nghiên cứu và hướng dẫn của giảng viên. Bạn cần ghi rõ tiêu chí loại biến và không loại lặp đi lặp lại chỉ để ép kết quả phù hợp.
Nếu kết quả không ủng hộ giả thuyết thì phải làm sao
Bạn vẫn báo cáo kết quả đó, sau đó thảo luận khả năng giải thích dựa trên bối cảnh, mẫu, cách đo hoặc khác biệt với nghiên cứu trước. Không được đổi dấu kết quả hoặc bỏ giả thuyết khỏi luận văn chỉ vì kết quả không như dự kiến.
Dùng SPSS hay SmartPLS cho quy trình nghiên cứu
SPSS phù hợp với thống kê mô tả, Cronbach's Alpha, EFA, hồi quy và nhiều kiểm định dữ liệu phổ biến. SmartPLS phù hợp với mô hình PLS-SEM có biến tiềm ẩn và nhiều quan hệ cấu trúc. Bạn nên chọn theo mô hình, thang đo, yêu cầu của giảng viên và khả năng giải thích output, không chọn chỉ vì phần mềm cho ra nhiều bảng hơn.
Hãy mở file đề cương và file dữ liệu ngay bây giờ, lập bảng đối chiếu gồm mục tiêu, giả thuyết, biến, phép phân tích và bảng output cần dùng; nếu muốn chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis để đi qua bước này có kiểm tra và không bịa số liệu.