Ví dụ về câu hỏi định lượng: cách đặt câu hỏi và dùng trong bảng hỏi
Ví dụ về câu hỏi định lượng là gì
Ví dụ về câu hỏi định lượng là những câu hỏi được thiết kế để người trả lời chọn một giá trị, một phương án hoặc một mức độ có thể mã hóa thành số. Sau khi thu thập, các câu trả lời này được đưa vào file .sav hoặc .csv để thống kê mô tả, kiểm định thang đo, chạy EFA, hồi quy hoặc mô hình PLS-SEM.
Bạn có thể hình dung một câu hỏi định lượng như sau: “Tôi cảm thấy ứng dụng ngân hàng này dễ sử dụng”. Người trả lời chọn từ 1 đến 5, trong đó 1 là “Hoàn toàn không đồng ý” và 5 là “Hoàn toàn đồng ý”. Câu trả lời không dừng ở chữ đồng ý hay không đồng ý. Nó trở thành một giá trị số, chẳng hạn 4, để bạn so sánh giữa các nhóm và đưa vào phân tích.
Cấu trúc cơ bản của một câu hỏi định lượng gồm nội dung cần đo, đối tượng trả lời, các phương án trả lời và quy tắc mã hóa. Nếu nghiên cứu sự hài lòng, bạn cần xác định rõ đang đo sự hài lòng với sản phẩm, dịch vụ, nhân viên hay trải nghiệm tổng thể. Một câu hỏi quá rộng sẽ làm biến quan sát khó đại diện cho khái niệm.
Nếu bạn đang xác định phạm vi đề tài, có thể xem thêm chủ đề Nghiên cứu khoa học, Nghiên cứu khoa học và bài NCKH là gì để nối câu hỏi nghiên cứu với bảng hỏi và dữ liệu cần thu thập.
Ý nghĩa của ví dụ về câu hỏi định lượng trong nghiên cứu định lượng
Một câu hỏi định lượng tốt giúp bạn biến khái niệm nghiên cứu thành biến quan sát có thể đo lường. Chẳng hạn, “chất lượng dịch vụ” là một khái niệm rộng. Bạn có thể đo khái niệm này qua nhiều biến quan sát như nhân viên phản hồi đúng lúc, thông tin cung cấp rõ ràng và quy trình phục vụ thuận tiện.
Câu hỏi cũng quyết định bạn có kiểm định được giả thuyết hay không. Với giả thuyết “Chất lượng dịch vụ ảnh hưởng tích cực đến sự hài lòng”, bảng hỏi cần có nhóm biến đo chất lượng dịch vụ và nhóm biến đo sự hài lòng. Mỗi nhóm thường có nhiều biến quan sát, thay vì chỉ một câu hỏi chung chung.
Các dạng câu hỏi thường gặp gồm câu hỏi nhân khẩu học, câu hỏi phân loại, câu hỏi lựa chọn một đáp án, câu hỏi lựa chọn nhiều đáp án, câu hỏi số lượng và câu hỏi dùng thang đo Likert. Câu hỏi giới tính hoặc nhóm tuổi thường dùng để mô tả mẫu. Câu hỏi Likert thường dùng để đo thái độ, nhận thức, ý định hoặc mức độ đồng ý với một phát biểu.
Bạn cần phân biệt “câu hỏi nghiên cứu” với “câu hỏi trong bảng hỏi”. Câu hỏi nghiên cứu có thể là “Các yếu tố nào ảnh hưởng đến ý định mua hàng trực tuyến”. Câu hỏi trong bảng hỏi lại là các phát biểu cụ thể như “Tôi có ý định tiếp tục mua hàng trên nền tảng này”. Một câu hỏi nghiên cứu có thể cần nhiều biến quan sát để kiểm định bằng dữ liệu định lượng.
Phương pháp định lượng phù hợp khi bạn cần đo lường trên một số lượng người trả lời đủ lớn, so sánh nhóm hoặc kiểm định mối quan hệ giữa các biến. Nếu muốn hiểu sâu bối cảnh của khái niệm, bạn có thể đọc thêm định tính là gì để thấy sự khác nhau giữa hai hướng tiếp cận. Tuy nhiên, trong một luận văn định lượng, phần bảng hỏi, mã hóa và kiểm định thống kê vẫn phải nhất quán với mô hình nghiên cứu.
Ví dụ về câu hỏi định lượng bao nhiêu là đạt
Không có một con số duy nhất áp dụng cho mọi câu hỏi. Câu hỏi đạt trước hết phải đo đúng khái niệm, dùng từ dễ hiểu, chỉ hỏi một ý và có phương án trả lời phù hợp. Sau khi thu thập, bạn mới đánh giá tiếp độ tin cậy và giá trị của nhóm biến quan sát.
Bảng dưới đây là các mốc thường được dùng khi xử lý dữ liệu định lượng. Mỗi dòng đều đi kèm nguồn để bạn không phải chép một ngưỡng không rõ xuất xứ vào luận văn.
| Nội dung kiểm tra | Mốc tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha của thang đo | Từ 0.7 trở lên | (Nunnally, 1978) |
| Cronbach's Alpha trong nghiên cứu khám phá | Có thể từ 0.6 trở lên | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO khi chạy EFA | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test | p-value dưới 0.05 | (Kaiser, 1974) |
| Factor loading trong EFA | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Total Variance Explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Số quan sát cho mỗi biến quan sát | Khoảng 5 đến 10 quan sát | (Hair và cộng sự, 2010) |
Các mốc trên dùng cho những giai đoạn khác nhau. Cronbach's Alpha và Corrected Item-Total Correlation đánh giá độ nhất quán của một nhóm biến. KMO, Bartlett's Test, eigenvalue, factor loading và Total Variance Explained thuộc bước EFA. Bạn không nên lấy mốc của EFA để kết luận một câu hỏi riêng lẻ là “đạt”.
Trước khi thu thập chính thức, hãy đọc thử bảng hỏi với một vài người có đặc điểm gần với mẫu nghiên cứu. Mục đích là phát hiện từ ngữ khó hiểu, câu hỏi bị trùng ý, phương án trả lời thiếu và thời gian hoàn thành quá dài. Đây là bước rà soát công cụ, không thay thế cho việc kiểm định bằng dữ liệu chính thức.
Cách đọc ví dụ về câu hỏi định lượng trên output
Giả sử bạn nghiên cứu “ý định tiếp tục sử dụng ví điện tử”. Nhóm biến quan sát có mã INT1, INT2 và INT3. Người trả lời dùng thang Likert 5 mức. Sau khi nhập dữ liệu, bạn chạy Analyze > Scale > Reliability Analysis trong SPSS, đưa INT1 đến INT3 vào ô Items, chọn Statistics, đánh dấu Scale if item deleted, rồi xem hai bảng Reliability Statistics và Item-Total Statistics.
Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế:
| Reliability Statistics | Cronbach's Alpha | N of Items |
|---|---|---|
| Thang đo ý định tiếp tục sử dụng | 0.842 | 3 |
| Item-Total Statistics | Scale Mean if Item Deleted | Corrected Item-Total Correlation | Cronbach's Alpha if Item Deleted |
|---|---|---|---|
| INT1 | 8.21 | 0.681 | 0.794 |
| INT2 | 8.05 | 0.726 | 0.751 |
| INT3 | 8.14 | 0.694 | 0.781 |
Trong bảng Reliability Statistics, N of Items là số biến quan sát được đưa vào lần chạy. Cronbach's Alpha là hệ số Alpha của cả nhóm. Với số liệu minh họa này, Alpha bằng 0.842, cao hơn mốc 0.7 thường được trích dẫn từ (Nunnally, 1978).
Trong bảng Item-Total Statistics, cột cần nhìn trước là Corrected Item-Total Correlation. Cả ba biến minh họa đều cao hơn 0.3, phù hợp với mốc của (Nunnally và Bernstein, 1994). Cột Cronbach's Alpha if Item Deleted cho biết Alpha sẽ thay đổi thế nào nếu bỏ từng biến. Bạn không nên xóa biến chỉ vì con số ở cột này cao hơn một chút. Cần xem nội dung biến, cơ sở lý thuyết và ý kiến của giảng viên hướng dẫn.
Sau Cronbach's Alpha, nếu mô hình của bạn có bước EFA, vào Analyze > Dimension Reduction > Factor. Trong hộp thoại, đưa các biến cần kiểm định vào Variables, chọn Descriptives để đánh dấu KMO and Bartlett's test, chọn Extraction để xem eigenvalue và Total Variance Explained, sau đó chọn Rotation nếu mô hình cần ma trận xoay. Bảng KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix phải được đọc theo đúng mục đích của từng bảng.
Khi ví dụ về câu hỏi định lượng không đạt thì xử lý thế nào
Nếu một nhóm câu hỏi có Alpha thấp, bạn đừng xóa hàng loạt biến ngay. Hãy xử lý theo thứ tự để mỗi quyết định còn giải thích được trong luận văn.
Kiểm tra lỗi nhập và mã hóa
Mở Variable View và kiểm tra Type, Values, Missing cùng hướng mã hóa. Nếu một biến nghịch chiều chưa được đảo điểm, tương quan của biến đó với các biến còn lại có thể thấp. Với thang Likert 1 đến 5, cách đảo điểm thường là 1 thành 5, 2 thành 4, 3 giữ nguyên, 4 thành 2 và 5 thành 1. Bạn cần ghi rõ biến nào đã đảo và lý do đảo.
Đọc lại nội dung biến quan sát
Một câu hỏi có thể không đạt vì nó hỏi hai ý cùng lúc, dùng thuật ngữ người trả lời không hiểu hoặc lệch khỏi khái niệm cần đo. Ví dụ “Ứng dụng có giao diện đẹp và xử lý giao dịch nhanh” chứa hai nội dung. Người trả lời có thể đánh giá giao diện cao nhưng tốc độ thấp, làm câu trả lời khó diễn giải.
Xem Corrected Item-Total Correlation và Alpha if Item Deleted
Nếu Corrected Item-Total Correlation dưới 0.3, bạn có thể cân nhắc loại biến theo (Nunnally và Bernstein, 1994). Tuy vậy, quyết định cần đi cùng nội dung thang đo. Sau khi loại, chạy lại và lưu kết quả từng vòng. Việc xóa biến liên tục chỉ để làm Alpha tăng sẽ khiến thang đo mất nội dung và dễ bị hỏi khi bảo vệ.
Kiểm tra EFA nếu nhóm biến bị tách
Nếu các biến của cùng một khái niệm rơi vào nhiều nhân tố, xem Rotated Component Matrix để biết biến nào tải chéo hoặc có factor loading thấp. Một lần chạy EFA chưa đẹp là tình huống thường gặp. Bạn có thể loại một biến có cơ sở rõ ràng rồi chạy lại, nhưng phải giữ lại bảng kết quả và lý do của từng lần điều chỉnh.
Nếu dữ liệu không thể cứu bằng chỉnh mã hóa hoặc loại biến có căn cứ, vấn đề có thể nằm ở thiết kế bảng hỏi, mẫu trả lời hoặc khái niệm chưa phù hợp. Phần mềm không thể biến một câu hỏi đo sai khái niệm thành câu hỏi tốt.
Phân biệt ví dụ về câu hỏi định lượng với câu hỏi định tính
Câu hỏi định lượng thường có phương án trả lời được chuẩn hóa trước và kết quả có thể chuyển thành số. Câu hỏi định tính thường để người trả lời diễn đạt bằng câu chữ tự do, nhằm khai thác ý kiến hoặc cách giải thích. Hai loại câu hỏi phục vụ mục tiêu khác nhau.
Ví dụ định lượng: “Bạn đánh giá mức độ hài lòng với dịch vụ ở mức nào”, với các lựa chọn từ 1 đến 5. Ví dụ định tính: “Bạn có góp ý gì để cải thiện dịch vụ”. Câu đầu tạo ra dữ liệu phù hợp để tính trung bình, độ lệch chuẩn hoặc kiểm định. Câu sau tạo ra dữ liệu văn bản, không thể đưa trực tiếp vào Cronbach's Alpha.
Cũng cần phân biệt câu hỏi định lượng với câu hỏi đóng. Câu hỏi đóng có phương án trả lời sẵn, nhưng không phải phương án nào cũng là thang đo định lượng. Câu hỏi “Bạn đang học năm mấy” có các lựa chọn 1, 2, 3, 4, nhưng đây là biến phân loại có thứ tự. Câu hỏi “Bạn đã mua sản phẩm bao nhiêu lần trong tháng qua” tạo ra số lần, thuộc dạng biến số lượng.
Khi thiết kế bảng hỏi, hãy xác định mỗi câu dùng để đo khái niệm nào, kiểu biến gì và dự kiến phân tích bằng phương pháp nào. Bạn có thể xem thêm lĩnh vực nghiên cứu và đối tượng nghiên cứu để tránh đặt câu hỏi chung chung, không gắn với nhóm người trả lời cụ thể.
Lỗi thường gặp
Lỗi đầu tiên là viết câu hỏi theo mục tiêu nghiên cứu nhưng không nối với biến trong mô hình. Một đề tài về ý định mua lại cần nhóm biến đo ý định mua lại, cùng các biến giải thích như chất lượng cảm nhận, giá trị cảm nhận hoặc sự hài lòng nếu mô hình có các khái niệm này.
Lỗi thứ hai là gộp hai ý vào một biến quan sát. Các từ “và”, “đồng thời”, “cũng như” thường là dấu hiệu cần đọc lại câu hỏi. Nếu hai ý có thể được đánh giá khác nhau, hãy tách chúng thành hai biến quan sát.
Lỗi thứ ba là đảo chiều thang đo mà không ghi chú. Người trả lời sẽ gặp khó khi một loạt câu dùng “đồng ý là tốt” nhưng một câu lại dùng “đồng ý là không tốt”. Nếu bắt buộc dùng biến nghịch chiều, hãy kiểm tra mã hóa trước khi chạy phân tích.
Lỗi thứ tư là dùng quá nhiều câu hỏi nhân khẩu học nhưng thiếu biến đo khái niệm chính. Thông tin giới tính, độ tuổi, nghề nghiệp chỉ giúp mô tả mẫu hoặc phân tích nhóm. Chúng không thay thế cho thang đo của biến độc lập, biến phụ thuộc, mediator hoặc moderator.
Lỗi cuối là sửa bảng hỏi sau khi đã thu dữ liệu nhưng không cập nhật mã biến và chương phương pháp. Mỗi thay đổi cần được ghi lại trong một bảng theo dõi, gồm mã biến, nội dung cũ, nội dung mới, lý do và thời điểm thay đổi.
Câu hỏi thường gặp
Ví dụ về câu hỏi định lượng có phải lúc nào cũng dùng thang Likert không?
Không. Thang Likert phù hợp với thái độ, nhận thức, mức độ đồng ý hoặc ý định. Câu hỏi về độ tuổi, số lần mua, thu nhập theo nhóm, khu vực và tình trạng sử dụng cũng là câu hỏi định lượng nếu phương án được mã hóa và dùng cho phân tích thống kê.
Câu hỏi định lượng bao nhiêu là đủ cho một biến?
Số lượng biến quan sát phụ thuộc vào khái niệm, thang đo gốc và thiết kế mô hình. Bạn cần có đủ biến để đại diện cho nội dung của khái niệm, thay vì đặt thật nhiều câu cho đủ số. Khi xác định cỡ mẫu, mốc 5 đến 10 quan sát cho mỗi biến quan sát có thể được tham khảo từ (Hair và cộng sự, 2010), nhưng cỡ mẫu cuối cùng còn phụ thuộc phương pháp phân tích và mô hình của bạn.
Câu hỏi định lượng bị Alpha thấp thì có cần xóa ngay không?
Chưa cần. Hãy kiểm tra mã hóa, biến nghịch chiều, dữ liệu thiếu và nội dung câu hỏi trước. Sau đó xem Corrected Item-Total Correlation, Alpha if Item Deleted và cơ sở lý thuyết. Một biến bị loại cần có lý do phương pháp và nội dung, không chỉ vì muốn làm Alpha cao hơn.
Có thể dùng một câu hỏi để đo một khái niệm không?
Có thể với một số biến đơn giản hoặc biến phân loại, nhưng các khái niệm tiềm ẩn như sự hài lòng, chất lượng cảm nhận và ý định thường cần nhiều biến quan sát. Nếu bạn muốn chạy Cronbach's Alpha hoặc EFA, một nhóm chỉ có một biến sẽ không cung cấp đủ thông tin cho các kiểm định đó.
Câu hỏi định lượng và câu hỏi nghiên cứu khác nhau thế nào?
Câu hỏi nghiên cứu định hướng toàn bộ đề tài, chẳng hạn “Sự thuận tiện có ảnh hưởng đến ý định sử dụng không”. Câu hỏi trong bảng hỏi là các phát biểu cụ thể dùng để đo “sự thuận tiện” và “ý định sử dụng”. Một câu hỏi nghiên cứu thường được đo bằng nhiều biến quan sát trong bảng hỏi.
Bạn hãy mở lại mô hình nghiên cứu, lập danh sách biến độc lập, biến phụ thuộc và các biến trung gian hoặc điều tiết nếu có, rồi đối chiếu từng biến quan sát trong file bảng hỏi. Nếu cần dựng mô hình, hoàn thiện bảng hỏi và thang đo trước khi chạy dữ liệu, bạn có thể dùng M3 mô hình, giả thuyết, thang đo và bảng hỏi để làm bước này trên đúng đề tài của mình.