Bảng chọn phép kiểm định theo câu hỏi nghiên cứu
| Bạn muốn trả lời câu hỏi gì | Phép cần chạy | Ngưỡng đọc kết quả | Bắt buộc hay tùy chọn |
|---|---|---|---|
| Các câu hỏi trong một thang đo có cùng đo một thứ không? | Cronbach’s Alpha | Alpha ≥ 0,6; tương quan biến-tổng ≥ 0,3 | Bắt buộc với mọi khóa luận dùng bảng hỏi |
| Các biến quan sát có gom đúng thành các nhân tố như mô hình không? | EFA (phân tích nhân tố khám phá) | KMO ≥ 0,5; Bartlett sig < 0,05; hệ số tải ≥ 0,5; phương sai trích ≥ 50% | Bắt buộc khi mô hình có từ hai nhân tố trở lên |
| Hai biến có đi cùng chiều với nhau không? | Tương quan Pearson | sig < 0,05 mới đọc hệ số r | Bắt buộc, chạy trước hồi quy |
| Nhân tố nào tác động mạnh nhất đến biến phụ thuộc? | Hồi quy bội | sig của F < 0,05; sig của từng Beta < 0,05; VIF < 10 | Bắt buộc với mô hình có giả thuyết tác động |
| Nam và nữ có khác nhau về mức độ hài lòng không? | Independent Samples T-test | Đọc Levene trước, rồi đọc dòng tương ứng; sig < 0,05 | Tùy chọn |
| Ba nhóm thu nhập trở lên có khác nhau không? | ANOVA một yếu tố | sig < 0,05, sau đó chạy hậu kiểm để biết nhóm nào khác nhóm nào | Tùy chọn |
| Một nhân tố có làm trung gian cho quan hệ giữa hai nhân tố khác không? | Hồi quy theo bước hoặc kiểm định trung gian | Cần cỡ mẫu lớn hơn đáng kể | Chỉ nên làm nếu giảng viên hướng dẫn yêu cầu |
Bảng trên trả lời được câu hỏi của phần lớn khóa luận Marketing. Phần còn lại của bài giải thích thứ tự chạy, cách đọc từng kết quả, và ba lỗi khiến hội đồng hỏi khó.
Thứ tự chạy là bắt buộc, không phải gợi ý
Bốn phép cơ bản phải chạy theo đúng dây chuyền này, vì đầu ra của phép trước là đầu vào của phép sau:
- Thống kê mô tả mẫu — giới tính, độ tuổi, thu nhập, tần suất mua. Đây là bảng đầu tiên trong chương kết quả.
- Cronbach’s Alpha cho từng thang đo, loại biến rác trước khi làm bất cứ việc gì khác.
- EFA trên các biến còn sống sót, để xác nhận cấu trúc nhân tố.
- Tính biến đại diện — lấy trung bình các biến quan sát của mỗi nhân tố sau EFA.
- Tương quan Pearson giữa các biến đại diện.
- Hồi quy bội với các biến đại diện.
- T-test và ANOVA nếu có giả thuyết về khác biệt theo nhóm.
Đảo thứ tự là lỗi nặng. Chạy hồi quy trước khi kiểm định độ tin cậy nghĩa là bạn đang hồi quy trên những biến chưa chứng minh được là đo đúng thứ cần đo, và toàn bộ kết quả mất giá trị. Chất lượng của cả dây chuyền này bị quyết định từ khâu thiết kế bảng hỏi và thang đo Likert — không có phép thống kê nào sửa được một bảng hỏi hỏng.
Cronbach’s Alpha: đọc hai cột, không phải một
Phần mềm trả về nhiều bảng nhưng chỉ hai con số quyết định:
- Cronbach’s Alpha của cả thang đo: từ 0,6 là chấp nhận được, từ 0,7 là tốt, từ 0,8 là rất tốt. Trên 0,95 thì ngược lại là dấu hiệu các câu hỏi trùng nội dung.
- Corrected Item-Total Correlation của từng biến: phải từ 0,3 trở lên. Biến dưới ngưỡng này bị loại, kể cả khi Alpha tổng đã đạt.
Cách xử lý khi có biến bị loại: loại từng biến một, chạy lại sau mỗi lần loại, và ghi lại quá trình. Đừng loại ba biến cùng lúc. Quan trọng hơn, sau khi loại xong mỗi nhân tố vẫn phải còn ít nhất ba biến quan sát; nếu chỉ còn hai, nhân tố đó không đưa vào EFA được và bạn phải bàn với giảng viên hướng dẫn về việc điều chỉnh mô hình.
Nếu Alpha ra số âm, gần như chắc chắn bạn quên đảo mã các câu hỏi phủ định trong bảng hỏi.
EFA: bốn điều kiện phải cùng đạt
Phân tích nhân tố khám phá là phép mà khóa luận Marketing Việt Nam gần như luôn phải chạy, vì mô hình luôn có nhiều nhân tố. Bốn điều kiện phải cùng đạt thì kết quả mới dùng được:
| Chỉ số | Ngưỡng | Ý nghĩa khi không đạt |
|---|---|---|
| KMO | Từ 0,5 đến 1 | Dữ liệu không phù hợp để phân tích nhân tố; thường do cỡ mẫu quá nhỏ |
| Kiểm định Bartlett | sig < 0,05 | Các biến không tương quan với nhau, không gom nhân tố được |
| Hệ số tải nhân tố | ≥ 0,5 | Biến đó không thuộc rõ về nhân tố nào; loại biến |
| Tổng phương sai trích | ≥ 50% | Các nhân tố rút ra giải thích được quá ít; xem lại thang đo |
Hai tình huống hay gặp và cách xử lý:
- Một biến tải lên hai nhân tố cùng lúc với chênh lệch hệ số tải nhỏ hơn 0,3: loại biến đó, rồi chạy lại EFA từ đầu.
- EFA gom ra số nhân tố khác với mô hình đề xuất: đây không phải thảm họa. Bạn được phép đặt tên lại nhân tố mới theo nội dung các biến trong đó, điều chỉnh mô hình và giả thuyết cho khớp, rồi giải thích sự khác biệt này trong phần bàn luận. Hội đồng đánh giá cao việc trình bày trung thực hơn là một mô hình đẹp một cách đáng ngờ.
Tương quan và hồi quy: nơi giả thuyết được trả lời
Tương quan Pearson chạy trước hồi quy vì hai lý do: xác nhận có quan hệ để hồi quy có nghĩa, và phát hiện sớm hiện tượng hai biến độc lập tương quan quá mạnh với nhau. Đọc theo thứ tự đúng: xem sig trước, chỉ khi sig nhỏ hơn 0,05 mới đọc đến hệ số r. Một hệ số r bằng 0,45 với sig bằng 0,3 không nói lên điều gì cả.
Với hồi quy bội, năm con số cần đọc và báo cáo:
- R bình phương hiệu chỉnh: mô hình giải thích được bao nhiêu phần trăm biến thiên của biến phụ thuộc. Với khóa luận Marketing, từ 40% đến 60% là mức thường gặp và hoàn toàn chấp nhận được.
- sig của kiểm định F: phải nhỏ hơn 0,05 thì mô hình mới có ý nghĩa.
- Hệ số Beta chuẩn hóa của từng biến: so sánh được với nhau, cho biết nhân tố nào tác động mạnh nhất — đây thường là câu trả lời trung tâm của khóa luận.
- sig của từng Beta: nhỏ hơn 0,05 thì giả thuyết tương ứng được chấp nhận.
- VIF: dưới 10 là không có đa cộng tuyến nghiêm trọng; nhiều tài liệu dùng ngưỡng chặt hơn là dưới 2.
Một giả thuyết bị bác bỏ không làm khóa luận yếu đi. Điều làm khóa luận yếu đi là bạn báo cáo giả thuyết được chấp nhận trong khi bảng kết quả cho thấy sig bằng 0,08. Hội đồng đọc bảng, và bảng không nói dối. Cách trình bày trung thực kết quả không như kỳ vọng được hướng dẫn cụ thể trong bài về chương kết quả nghiên cứu và bàn luận.
Ba lỗi khiến hội đồng hỏi khó
- Chạy hồi quy trên biến quan sát thay vì biến đại diện. Sau EFA, bạn phải tạo biến mới bằng trung bình các biến quan sát của mỗi nhân tố, rồi hồi quy trên các biến mới đó. Đưa thẳng 30 biến quan sát vào hồi quy là sai về nguyên tắc.
- Chép ngưỡng từ luận văn khác mà không hiểu. Nếu bạn viết “KMO = 0,842 > 0,5 nên đạt yêu cầu” thì phải trả lời được KMO đo cái gì. Câu trả lời ngắn: nó đo mức độ các biến chia sẻ phương sai chung, tức là dữ liệu có đáng để gom nhân tố hay không.
- Không nêu hạn chế của mẫu. Mẫu thuận tiện thu qua mạng xã hội là hợp lệ với khóa luận, nhưng phải được gọi đúng tên trong chương phương pháp nghiên cứu. Giấu đi thì hội đồng sẽ hỏi, và lúc đó tình thế xấu hơn nhiều.
Khuyến nghị dứt khoát theo ba nhóm khóa luận Marketing
| Loại khóa luận | Bộ kiểm định tối thiểu | Có nên làm thêm |
|---|---|---|
| Đo các yếu tố ảnh hưởng đến quyết định mua / ý định mua | Mô tả mẫu, Cronbach’s Alpha, EFA, tương quan, hồi quy bội | T-test và ANOVA theo giới tính, thu nhập nếu có giả thuyết |
| Đo sự hài lòng hoặc lòng trung thành với thương hiệu | Mô tả mẫu, Cronbach’s Alpha, EFA, hồi quy bội | Thống kê giá trị trung bình từng nhân tố để đề xuất giải pháp có thứ tự ưu tiên |
| So sánh hiệu quả giữa hai kênh truyền thông hoặc hai nhóm khách hàng | Mô tả mẫu, Cronbach’s Alpha, T-test hoặc ANOVA | EFA nếu thang đo nhiều nhân tố; hồi quy thường không cần |
Nói thẳng về giới hạn: nhóm thứ ba không cần hồi quy. Nhiều sinh viên chạy hồi quy chỉ vì thấy luận văn khác có, dù câu hỏi nghiên cứu của mình là so sánh chứ không phải đo tác động. Phép thống kê phải phục vụ câu hỏi, không phải ngược lại.
Phần mềm nào cũng chạy được các phép này
Tất cả kiểm định trong bài đều chạy được bằng SPSS, jamovi, JASP hoặc R. jamovi và JASP miễn phí, mở được tệp .sav, và cho ra đúng các bảng mà khóa luận cần — chi tiết so sánh nằm trong bài phần mềm thống kê cho luận văn. Nếu khóa luận của bạn dùng dữ liệu doanh nghiệp thay vì bảng hỏi, bộ kiểm định sẽ khác hẳn; xem cách xử lý ở bài dữ liệu báo cáo tài chính cho khóa luận Kế toán.
Viết phần diễn giải kết quả nhanh hơn
Phần mềm cho ra bảng số, nhưng khóa luận cần đoạn văn diễn giải đúng chuẩn học thuật cho từng bảng. Tesify giữ mô hình, giả thuyết và kết quả của bạn trong cùng một chỗ, rồi soạn phần diễn giải theo đúng cấu trúc hội đồng mong đợi — bạn kiểm tra lại từng con số và vẫn là tác giả chịu trách nhiệm về bài của mình.
Hỏi đáp
Khóa luận Marketing bắt buộc phải chạy EFA không?
Bắt buộc khi mô hình nghiên cứu có từ hai nhân tố trở lên và bạn thu dữ liệu bằng bảng hỏi. Nếu khóa luận chỉ đo một khái niệm bằng một thang đo duy nhất, Cronbach’s Alpha là đủ.
KMO nhỏ hơn 0,5 thì phải làm gì?
Nguyên nhân thường gặp nhất là cỡ mẫu quá nhỏ so với số biến quan sát. Kiểm tra lại quy tắc tối thiểu 5 phiếu hợp lệ cho mỗi biến. Nếu không thu thêm được, hướng xử lý là giảm số biến quan sát đưa vào phân tích sau khi bàn với giảng viên hướng dẫn.
R bình phương thấp thì khóa luận có bị đánh trượt không?
Không. R bình phương hiệu chỉnh khoảng 0,3 đến 0,4 vẫn là kết quả bình thường trong nghiên cứu hành vi. Điều quan trọng là kiểm định F có ý nghĩa và bạn giải thích được vì sao mô hình chưa giải thích hết biến thiên, chẳng hạn còn các yếu tố ngoài phạm vi nghiên cứu.
Một giả thuyết bị bác bỏ thì viết thế nào?
Viết thẳng rằng giả thuyết không được ủng hộ bởi dữ liệu, nêu con số cụ thể, rồi bàn luận nguyên nhân có thể: đặc thù mẫu, bối cảnh ngành, hoặc thang đo chưa nắm bắt hết khái niệm. Đây là phần bàn luận có giá trị nhất, không phải phần cần che giấu.
VIF bao nhiêu là có đa cộng tuyến?
Ngưỡng phổ biến nhất là VIF từ 10 trở lên báo hiệu đa cộng tuyến nghiêm trọng. Nhiều tài liệu dùng ngưỡng chặt hơn là 2 hoặc 5. Khi vượt ngưỡng, hướng xử lý là gộp hai biến độc lập tương quan quá mạnh, hoặc loại bớt một biến và giải thích lý do.
T-test và ANOVA khác nhau ở chỗ nào?
T-test so sánh trung bình của đúng hai nhóm, ví dụ nam và nữ. ANOVA so sánh từ ba nhóm trở lên, ví dụ bốn mức thu nhập. Sau ANOVA có ý nghĩa, cần chạy thêm hậu kiểm để biết cụ thể nhóm nào khác nhóm nào.
Có cần kiểm tra phân phối chuẩn trước khi chạy hồi quy không?
Nên kiểm tra và báo cáo. Cách làm gọn cho khóa luận là xem biểu đồ tần số phần dư và biểu đồ P-P plot của phần dư, kèm một câu nhận xét. Với cỡ mẫu lớn, hồi quy khá bền vững trước sai lệch phân phối vừa phải.
EFA gom ra ít nhân tố hơn mô hình đề xuất thì sao?
Nghĩa là hai khái niệm bạn tưởng tách biệt lại được người trả lời cảm nhận như một. Bạn gộp hai nhân tố, đặt tên mới theo nội dung các biến, điều chỉnh giả thuyết tương ứng và giải thích hiện tượng này trong phần bàn luận. Đây là phát hiện, không phải lỗi.
Có bắt buộc dùng SPSS không?
Không có quy định quốc gia nào bắt buộc phần mềm cụ thể; hãy kiểm tra quy định riêng của khoa bạn. jamovi và JASP đều miễn phí, chạy được toàn bộ các phép trong bài và xuất ra bảng kết quả tương đương.
Bảng kết quả nên đặt trong bài hay trong phụ lục?
Bảng tóm tắt đã biên tập lại đặt trong chương kết quả; ảnh chụp màn hình đầu ra gốc của phần mềm đặt ở phụ lục. Không dán ảnh chụp màn hình vào thân bài, đây là lỗi trình bày bị nhắc nhiều nhất.
Tóm lại
Bốn phép Cronbach’s Alpha, EFA, tương quan và hồi quy giải quyết được hầu hết khóa luận Marketing dùng bảng hỏi, với điều kiện chạy đúng thứ tự và hồi quy trên biến đại diện chứ không phải biến quan sát. Trước khi mở phần mềm, hãy viết ra một câu duy nhất cho câu hỏi nghiên cứu của bạn, rồi dò lại bảng đầu bài — nó sẽ chỉ đúng phép bạn cần và loại bỏ những phép bạn không cần.