Thiết kế nghiên cứu trong luận văn là gì? Cách viết từ A đến Z

Thiết kế nghiên cứu trong luận văn là gì

Thiết kế nghiên cứu là bản kế hoạch mô tả bạn sẽ trả lời câu hỏi nghiên cứu bằng dữ liệu nào, thu thập từ ai, bằng công cụ gì và phân tích ra sao. Khi mở chương phương pháp, hội đồng thường muốn thấy một chuỗi logic liền mạch: mục tiêu nghiên cứu dẫn đến câu hỏi và giả thuyết, giả thuyết dẫn đến biến, biến dẫn đến bảng hỏi, bảng hỏi dẫn đến dữ liệu, rồi dữ liệu được đưa vào SPSS hoặc SmartPLS để kiểm định.

Với luận văn định lượng, thiết kế nghiên cứu thường gồm cách tiếp cận, loại hình nghiên cứu, mô hình và giả thuyết, đối tượng khảo sát, phương pháp chọn mẫu, cỡ mẫu, công cụ đo lường, quy trình thu thập dữ liệu và kỹ thuật phân tích. Các thành phần này không phải những đoạn viết tách rời để đủ số trang. Chỉ cần thay đổi đối tượng khảo sát hoặc thang đo, phần cỡ mẫu, bảng hỏi và kế hoạch phân tích cũng có thể phải điều chỉnh theo.

Bạn có thể xem thiết kế nghiên cứu như bản chỉ dẫn để một người khác đọc chương 3 và hiểu chính xác cách bạn tạo ra bộ dữ liệu. Phần phương pháp nghiên cứu khoa học sẽ giúp bạn đặt thiết kế này vào toàn bộ phương pháp của đề tài. Nếu cần nhìn theo trình tự từ chọn vấn đề đến báo cáo kết quả, hãy đối chiếu với quy trình nghiên cứu khoa học.

Với đề tài dùng bảng hỏi Likert, cách thiết kế thường là nghiên cứu định lượng, thu thập dữ liệu sơ cấp bằng khảo sát, xử lý dữ liệu bằng SPSS hoặc SmartPLS và kiểm định mô hình theo các bước đã định trước. Thiết kế này phù hợp khi bạn cần đo lường mức độ, so sánh hoặc kiểm định mối quan hệ giữa các biến. Nếu đề tài của bạn chỉ mô tả một hiện tượng bằng số liệu, mô hình và kỹ thuật phân tích có thể gọn hơn.

Cấu trúc chuẩn của thiết kế nghiên cứu

Bạn nên viết phần này sau khi đã chốt câu hỏi nghiên cứu, mô hình, thang đo và kế hoạch phân tích. Độ dài không có một con số bắt buộc cho mọi trường. Một chương phương pháp thường dài hơn phần mô tả thiết kế tổng quát, vì các chi tiết về mẫu và biến quan sát cần được giải thích đủ để kiểm tra tính phù hợp.

Bảng trên là khung phân bổ để bạn kiểm tra mức độ cân đối, không phải quy định cứng. Một đề tài dùng hồi quy tuyến tính không cần mô tả các chỉ số của PLS-SEM. Ngược lại, một đề tài dùng SmartPLS cần tách đánh giá measurement model và structural model, thay vì đưa toàn bộ tiêu chí của CB-SEM vào cùng một mục.

Bạn có thể tìm thêm cách trình bày trong phương pháp nghiên cứu, nhưng hãy kiểm tra lại hướng dẫn của khoa trước khi chốt độ dài. Giáo trình phương pháp nghiên cứu khoa học pdf cũng có thể dùng để đối chiếu thuật ngữ, còn số liệu thực tế trong luận văn phải lấy từ file dữ liệu và output của bạn.

Các bước viết thiết kế nghiên cứu

Bước 1: Chốt vấn đề, mục tiêu và câu hỏi nghiên cứu

Viết một đoạn ngắn mô tả vấn đề mà đề tài cần giải thích. Sau đó ghi mục tiêu tổng quát, các mục tiêu cụ thể và câu hỏi nghiên cứu tương ứng. Mỗi câu hỏi nên có khả năng trả lời bằng dữ liệu bạn thực sự thu thập được.

Ví dụ, nếu đề tài nghiên cứu ý định sử dụng ví điện tử của sinh viên, câu hỏi có thể tập trung vào mức độ ảnh hưởng của perceived usefulness, perceived ease of use và social influence đến ý định sử dụng. Câu hỏi như “người dùng nghĩ gì về ví điện tử” quá rộng nếu bảng hỏi của bạn chỉ có các biến quan sát đo lường một mô hình cụ thể.

Đừng bắt đầu chương phương pháp bằng một mô hình lấy từ đề tài khác rồi cố tìm dữ liệu cho vừa. Hãy kiểm tra ba điểm: đối tượng có thể tiếp cận, biến có thể đo bằng bảng hỏi và kỹ thuật phân tích có phù hợp với dạng giả thuyết hay không.

Bước 2: Xác định cách tiếp cận và mô hình nghiên cứu

Ghi rõ nghiên cứu sử dụng cách tiếp cận định lượng vì mục tiêu là đo lường các khái niệm bằng biến quan sát và kiểm định mối quan hệ giữa chúng. Nếu mô hình có biến tiềm ẩn, bạn cần phân biệt biến độc lập, biến phụ thuộc, biến trung gian và biến điều tiết ngay từ đầu.

Mỗi mũi tên trong mô hình cần có một giả thuyết. H1 có thể kiểm tra tác động của perceived usefulness đến ý định sử dụng. H2 có thể kiểm tra tác động của perceived ease of use đến perceived usefulness. Khi viết giả thuyết, nêu cả đối tượng, chiều tác động dự kiến và cơ sở lý thuyết đã dùng.

Nếu dùng SmartPLS, hãy xác định trước bạn sẽ đánh giá outer loading, Cronbach's Alpha, composite reliability, AVE, HTMT, VIF, path coefficient, R², f² và Q² ở đâu. Nếu dùng SPSS, hãy quyết định trước có cần Reliability Analysis, EFA, tương quan và hồi quy hay không. Kế hoạch này giúp bạn tránh chạy thêm kiểm định chỉ vì output có sẵn một bảng.

Bước 3: Xác định đối tượng, phạm vi và tiêu chí sàng lọc

Đối tượng nghiên cứu là vấn đề hoặc mối quan hệ bạn muốn giải thích. Đối tượng khảo sát là nhóm người cung cấp dữ liệu. Hai khái niệm này nên được viết riêng. Ví dụ, đối tượng nghiên cứu là các yếu tố ảnh hưởng đến ý định mua mỹ phẩm trực tuyến, còn đối tượng khảo sát là người từ 18 tuổi trở lên đã mua mỹ phẩm trực tuyến trong sáu tháng gần đây.

Tiêu chí sàng lọc phải xuất hiện ở đầu bảng hỏi. Bạn có thể hỏi người trả lời có thuộc nhóm mục tiêu hay không, đã trải nghiệm sản phẩm hoặc dịch vụ trong khoảng thời gian nào, và có đồng ý tham gia hay không. Nếu sau khi thu thập bạn mới nhận ra phần lớn mẫu không thuộc đối tượng, việc chạy SPSS tiếp tục cũng không sửa được lỗi thiết kế.

Phạm vi nên ghi rõ địa bàn, thời gian và bối cảnh. Tránh viết “người tiêu dùng Việt Nam” nếu đường dẫn bảng hỏi chủ yếu được chia sẻ trong một lớp học hoặc một nhóm mạng xã hội nhỏ. Phạm vi trung thực giúp bạn giải trình giới hạn khái quát hóa khi bảo vệ.

Bước 4: Chọn thang đo và thiết kế bảng hỏi

Mỗi khái niệm trong mô hình cần được đo bằng các biến quan sát có mã rõ ràng, chẳng hạn PU1, PU2, PU3 cho perceived usefulness. Ghi nguồn thang đo, bối cảnh gốc, số lượng biến quan sát và cách bạn điều chỉnh từ ngữ. Bản dịch tiếng Việt là phiên bản tham khảo cần được kiểm tra lại về nghĩa, độ dễ hiểu và sự phù hợp với đối tượng khảo sát.

Nếu có biến đảo chiều, đánh dấu ngay trong danh mục mã hóa và quy định cách reverse code trước khi nhập dữ liệu. Chọn số mức Likert nhất quán trong toàn bảng hỏi, đồng thời viết hướng dẫn trả lời ngắn gọn. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ được trình bày bởi (Likert, 1932).

Bảng hỏi nên có phần giới thiệu, câu hỏi sàng lọc, nhóm biến quan sát, thông tin nhân khẩu học và lời cảm ơn. Không nên đưa quá nhiều câu hỏi nhân khẩu học nếu chúng không phục vụ mô tả mẫu hoặc kiểm định dự kiến. Bạn có thể xem thêm nội dung về chủ đề Khóa luận tốt nghiệp để kiểm tra sự phù hợp giữa đề tài, nhóm khảo sát và nguồn lực thu thập.

Bước 5: Xác định cỡ mẫu và cách chọn mẫu

Ghi cách chọn mẫu trước khi nêu số phản hồi cần có. Mẫu thuận tiện, mẫu snowball hoặc mẫu theo tiêu chí đều có giới hạn khác nhau. Nếu dùng công thức cho tổng thể hữu hạn, hãy ghi rõ các tham số và nguồn. Công thức xác định cỡ mẫu theo tổng thể hữu hạn thường được trích dẫn từ (Yamane, 1967). Nếu cỡ mẫu dựa trên số biến quan sát, quy tắc 5 đến 10 quan sát cho mỗi biến được nêu trong (Hair và cộng sự, 2010).

Với hồi quy, một căn cứ thường được dùng là n tối thiểu bằng 50 + 8m, trong đó m là số biến độc lập, theo (Tabachnick và Fidell, 2013). Đây là căn cứ tham khảo, không phải giấy phép để bỏ qua chất lượng mẫu. Một bộ dữ liệu đủ số lượng nhưng có quá nhiều phản hồi trùng lặp, trả lời theo một cột hoặc không đúng đối tượng vẫn cần được xử lý.

Bước 6: Lập quy trình thu thập và làm sạch dữ liệu

Viết quy trình theo thứ tự: thử bảng hỏi, chỉnh các câu khó hiểu, phát hành chính thức, theo dõi phản hồi, loại bản ghi không hợp lệ, mã hóa biến và lưu bản dữ liệu gốc. Giữ riêng file dữ liệu thô và file đã làm sạch. Mỗi lần loại bản ghi nên có lý do và số lượng để bạn giải trình.

Trước khi chạy phân tích, kiểm tra tên biến, kiểu dữ liệu, giá trị thiếu, biến đảo chiều và các mã ngoài phạm vi. Với SPSS, biến phân tích thường cần được khai báo dạng Numeric và có mã giá trị nhất quán. Với SmartPLS, file CSV cần có hàng đầu là tên chỉ báo, các hàng sau là phản hồi, không trộn ghi chú hoặc ký tự trong vùng dữ liệu.

Bước 7: Gắn từng câu hỏi với kỹ thuật phân tích

Tạo một bảng kế hoạch phân tích trước khi chạy. Ví dụ, đặc điểm mẫu dùng tần suất và tỷ lệ, độ tin cậy dùng Reliability Statistics và Item-Total Statistics, giá trị thang đo có thể dùng EFA, còn giả thuyết tác động dùng bảng Coefficients hoặc Path Coefficients tùy phần mềm.

Với PLS-SEM, quy trình thường đi từ measurement model đến structural model. Composite reliability từ 0.7 và AVE từ 0.5 trở lên là các tiêu chí thường được trích dẫn từ (Fornell và Larcker, 1981). HTMT dưới 0.85 hoặc 0.90 tùy mức độ gần nhau của khái niệm được nêu trong (Henseler và cộng sự, 2015). Các chỉ số CFI, TLI, RMSEA thuộc bối cảnh CB-SEM, theo (Hu và Bentler, 1999), nên không đưa vào phần đánh giá mô hình SmartPLS.

Bước 8: Viết giới hạn của thiết kế

Nêu giới hạn liên quan trực tiếp đến cách lấy mẫu, thời điểm khảo sát, phạm vi địa bàn, dữ liệu tự báo cáo và khả năng khái quát hóa. Viết giới hạn không làm đề tài yếu đi. Nó cho thấy bạn hiểu kết luận của mình chỉ áp dụng trong điều kiện nào.

Câu mẫu dùng được

Bạn có thể thay phần trong ngoặc vuông bằng thông tin thật của đề tài. Không giữ nguyên câu mẫu nếu nó làm sai đối tượng, thời gian hoặc phần mềm bạn đã dùng.

Cách viết vào luận văn: “Thiết kế nghiên cứu của đề tài được xây dựng nhằm kiểm định ảnh hưởng của [biến độc lập] đến [biến phụ thuộc] đối với [đối tượng khảo sát]. Nghiên cứu sử dụng dữ liệu định lượng thu thập từ [số lượng] phản hồi hợp lệ bằng [công cụ], sau đó phân tích bằng [SPSS hoặc SmartPLS] theo các bước [liệt kê bước].”

Ví dụ thiết kế nghiên cứu rút gọn

Giả sử bạn nghiên cứu các yếu tố ảnh hưởng đến ý định sử dụng ứng dụng học trực tuyến của sinh viên tại Thành phố Hồ Chí Minh. Mục tiêu là kiểm định tác động của perceived usefulness, perceived ease of use và perceived enjoyment đến behavioral intention. Mỗi khái niệm được đo bằng ba biến quan sát, bảng hỏi dùng Likert năm mức và đối tượng khảo sát là sinh viên đã sử dụng ứng dụng học trực tuyến trong sáu tháng gần đây.

Đây chỉ là số liệu minh họa cho cách sắp xếp thiết kế, không phải kết quả của một nghiên cứu thật. Khi viết bản chính thức, bạn thay số lượng phản hồi, tên biến, thời gian và phần mềm bằng thông tin trong file của mình. Nếu chạy hồi quy, kiểm tra thêm các giả định theo quy trình SPSS phù hợp. Durbin-Watson trong khoảng 1 đến 3 là một tiêu chí thường được tham khảo từ (Field, 2013), nhưng bạn vẫn cần xem phần dư, outlier và các chẩn đoán liên quan thay vì chỉ chép một con số.

Lỗi thường gặp khiến hội đồng hỏi lại

Lỗi đầu tiên là gọi nghiên cứu là định lượng nhưng không nói biến được đo bằng gì, mẫu lấy từ đâu và phân tích bằng công cụ nào. Hội đồng sẽ hỏi ngay dữ liệu nào dùng để trả lời từng mục tiêu. Bạn nên lập bảng đối chiếu mục tiêu, biến, câu hỏi khảo sát và output trước khi hoàn thiện chương.

Lỗi thứ hai là dùng thuật ngữ “nghiên cứu thực nghiệm” hoặc “nghiên cứu mô tả” nhưng không giải thích thiết kế cụ thể. Tên gọi chỉ có ý nghĩa khi đi kèm cách thu thập và cách phân tích dữ liệu. Hãy mô tả hành động bạn đã làm thay vì xếp quá nhiều nhãn phương pháp vào một đoạn.

Lỗi thứ ba là trộn tiêu chí giữa SPSS, SmartPLS và AMOS. PLS-SEM có outer loading, AVE, HTMT, path coefficient và R². Hồi quy SPSS có Coefficients, Model Summary và ANOVA. AMOS thuộc CB-SEM và có nhóm fit indices khác. Phần mềm khác nhau không chỉ ở giao diện, mà còn ở logic đánh giá mô hình.

Lỗi thứ tư là thay đổi giả thuyết sau khi xem kết quả mà không ghi nhận. Nếu biến bị loại, hãy ghi lý do dựa trên tiêu chí đã đặt ra, số vòng chạy và ảnh hưởng đến mô hình. Việc loại biến chỉ để p-value đẹp làm giảm khả năng giải trình.

Lỗi thứ năm là viết cỡ mẫu như một con số xuất hiện từ đâu đó. Hãy nêu công thức hoặc căn cứ, số biến dùng trong tính toán, số phản hồi thu được và số phản hồi hợp lệ sau làm sạch. Nếu mẫu thuận tiện, ghi rõ giới hạn của cách chọn mẫu.

Lỗi thứ sáu là dùng bảng hỏi chưa nhất quán với mô hình. Một biến có trong sơ đồ nhưng không có biến quan sát, hoặc một nhóm câu hỏi không gắn với khái niệm nào, đều khiến phần thiết kế thiếu logic. Trước khi phát hành bảng hỏi, in sơ đồ mô hình và đánh dấu mã biến cho từng mũi tên.

Câu hỏi thường gặp

Thiết kế nghiên cứu trong luận văn có phải là phương pháp nghiên cứu không?

Hai khái niệm liên quan nhưng không hoàn toàn giống nhau. Phương pháp nghiên cứu là cách tiếp cận và các kỹ thuật bạn sử dụng, còn thiết kế nghiên cứu là kế hoạch kết nối mục tiêu, mẫu, công cụ, quy trình thu thập và phân tích thành một hệ thống.

Trong luận văn, phần thiết kế thường nằm trong chương phương pháp và bao gồm các phương pháp bạn đã chọn. Vì vậy, bạn có thể trình bày phương pháp định lượng bên trong thiết kế khảo sát của mình.

Thiết kế nghiên cứu định lượng gồm những gì?

Một thiết kế định lượng thường có mô hình, giả thuyết, biến và thang đo, đối tượng khảo sát, tiêu chí chọn mẫu, cỡ mẫu, bảng hỏi, quy trình thu thập, làm sạch dữ liệu và kế hoạch phân tích. Tùy đề tài, bạn có thể bổ sung biến kiểm soát, biến trung gian hoặc biến điều tiết.

Hãy kiểm tra xem mỗi thành phần có phục vụ câu hỏi nghiên cứu hay không. Nếu một kỹ thuật không được dùng để trả lời mục tiêu nào, bạn nên cân nhắc bỏ khỏi thiết kế.

Có thể dùng SPSS và SmartPLS trong cùng một luận văn không?

Có thể, nếu mỗi phần mềm đảm nhiệm một nhiệm vụ hợp lý và bạn giải thích thứ tự xử lý. Chẳng hạn, SPSS dùng để kiểm tra dữ liệu, thống kê mô tả hoặc EFA, còn SmartPLS dùng để đánh giá mô hình PLS-SEM.

Bạn cần thống nhất mã biến, xử lý missing value và cách loại phản hồi trước khi chuyển file. Không nên chạy cùng một kiểm định ở hai phần mềm rồi chọn bảng có kết quả thuận lợi hơn.

Cỡ mẫu bao nhiêu là đủ cho thiết kế nghiên cứu?

Không có một con số chung cho mọi luận văn. Cỡ mẫu phụ thuộc vào tổng thể, số biến quan sát, số biến độc lập, mô hình phân tích, cách chọn mẫu và yêu cầu của khoa. Bạn cần nêu căn cứ cụ thể, chẳng hạn công thức tổng thể hữu hạn, số quan sát trên biến hoặc quy tắc cho hồi quy.

Sau khi tính số tối thiểu, nên thu dự phòng cho phản hồi không hợp lệ nếu điều kiện thực tế cho phép. Phần giải trình phải dùng số phản hồi hợp lệ cuối cùng, không chỉ số người đã mở bảng hỏi.

Khi thiết kế nghiên cứu đã viết rồi, có được thay đổi mô hình không?

Bạn có thể điều chỉnh khi phát hiện vấn đề về thang đo, đối tượng hoặc dữ liệu, nhưng cần ghi lại lý do và cập nhật đồng bộ mô hình, giả thuyết, bảng hỏi, cỡ mẫu và kế hoạch phân tích. Thay đổi một mũi tên có thể làm thay đổi số biến độc lập và cách kiểm định.

Nếu đã có dữ liệu, hãy trao đổi với giảng viên trước khi loại một khái niệm hoặc thêm giả thuyết mới. Việc thay đổi sau khi xem p-value cần được giải thích về mặt lý thuyết, không chỉ dựa trên kết quả mong muốn.

Khi file dữ liệu đang mở, bạn hãy tạo ngay một trang kiểm tra gồm mục tiêu, biến, mã biến, mẫu hợp lệ, phần mềm và bảng output cần có, rồi đối chiếu từng dòng với chương phương pháp. Nếu cần chạy phân tích trên chính file .sav hoặc .csv và giữ lại các bước xử lý để viết chương, bạn có thể dùng module M4 phân tích dữ liệu của DoThesis.