Khi không đủ phiếu khảo sát, việc đầu tiên là tính lại số phiếu tối thiểu thật sự cần cho phương pháp bạn chạy, vì con số đó thường thấp hơn con số bạn đặt ra ban đầu: hồi quy 5 biến độc lập cần khoảng 92 phiếu hợp lệ (G*Power, hiệu ứng trung bình f² = 0,15, độ mạnh 80%). Sau đó mới tăng tốc thu bằng kênh mới, nhắc lại, quà tặng hoặc panel trả phí. Không bao giờ tự điền hay nhân bản phiếu.
Bài này dành cho tình huống cụ thể: còn một hai tuần là phải chạy số liệu, link khảo sát đã gửi mà số phiếu đứng yên. Nếu bạn còn ở giai đoạn lên kế hoạch, đọc trước bài cách thu mẫu khảo sát khoá luận và cách thu đủ mẫu nhanh.
Bước 1: Thực ra bạn cần bao nhiêu phiếu?
Nhiều sinh viên đặt mục tiêu 300 hay 400 phiếu vì "nghe nói càng nhiều càng tốt". Con số tối thiểu phụ thuộc phương pháp phân tích. Bảng dưới tính bằng phân tích độ mạnh cho hồi quy bội (cùng phép tính của G*Power; Faul et al., 2009) và quy tắc kinh nghiệm của Green (1991).
| Số biến độc lập | G*Power (f² = 0,15; α = 0,05; độ mạnh 0,80) | Green (1991): 50 + 8m |
|---|---|---|
| 3 | 77 | 74 |
| 4 | 85 | 82 |
| 5 | 92 | 90 |
| 6 | 98 | 98 |
| 8 | 109 | 114 |
Với PLS-SEM, phương pháp căn bậc hai nghịch đảo của Kock và Hadaya (2018) cho 155 phiếu nếu hệ số đường dẫn nhỏ nhất bạn muốn phát hiện là 0,2 (xem bài cỡ mẫu tối thiểu PLS-SEM). Với EFA, nhiều giảng viên dùng tỉ lệ 5 phiếu cho mỗi biến quan sát (Hair và cộng sự, 2010).
Tính nhanh cho mô hình của bạn bằng máy tính cỡ mẫu online: chọn phương pháp, nhập số biến, công cụ in sẵn đoạn văn cho chương 3. Nhớ cộng phần hao hụt: nếu dự kiến loại 20% phiếu không hợp lệ, 150 phiếu hợp lệ cần khoảng 188 phiếu thô.
Lưu ý: mức tối thiểu là mức tối thiểu. Nếu trường hoặc giảng viên quy định con số cao hơn, theo quy định đó.
Bước 2: Tìm chỗ phiếu bị "rò"
Trước khi tìm thêm người, kiểm tra xem người đã mở link có bỏ dở không:
- Bảng hỏi quá dài. Trên 15 phút trên điện thoại là nhiều người bỏ giữa chừng. Cắt câu không phục vụ giả thuyết nào.
- Câu gạn lọc loại quá nhiều người. Nếu 60% người mở link bị loại ngay câu đầu, kênh phát đang sai đối tượng.
- Bắt buộc trả lời câu nhạy cảm (thu nhập chính xác, số điện thoại). Đổi sang khoảng giá trị hoặc bỏ bắt buộc.
- Lời mời không nói rõ thời gian và mục đích. Thêm "khoảng 7 phút, phục vụ khoá luận tại trường X, không thu thông tin định danh".
Cách thiết kế bảng hỏi gọn có ở bài cách thiết kế bảng hỏi. Nếu bạn ghép bảng hỏi từ thang đo gốc, Bộ khảo sát cho biết số câu và thời gian ước tính trước khi phát.
Bước 3: Bảy cách tăng phiếu khi sắp hết hạn
| Cách | Tốc độ | Rủi ro cần ghi vào chương 3 |
|---|---|---|
| 1. Nhắc lại ở kênh cũ sau 3–5 ngày, đổi lời mời | Trung bình | Thấp |
| 2. Nhờ giảng viên, lớp trưởng gửi vào nhóm lớp đúng đối tượng | Nhanh | Mẫu dồn vào một trường, một ngành |
| 3. Đăng nhóm Facebook, Zalo theo chủ đề (đúng đối tượng, không spam) | Nhanh | Thiên lệch người dùng mạng xã hội |
| 4. Phát phiếu trực tiếp có mã QR ở nơi đối tượng tập trung | Trung bình | Thấp, nhưng tốn công |
| 5. Quà nhỏ cho người hoàn thành (bốc thăm, thẻ cào) | Nhanh | Người làm vì quà, trả lời ẩu; cần câu kiểm tra chú ý |
| 6. Điền form chéo với sinh viên khác | Nhanh | Sai đối tượng nếu đề tài không nhắm sinh viên |
| 7. Panel trả phí: trả theo phản hồi, chọn đúng nhóm đối tượng | Nhanh nhất | Tốn tiền; cần lọc chất lượng và mô tả rõ nguồn mẫu |
Dù dùng kênh nào, phương pháp chọn mẫu vẫn là phi xác suất (thuận tiện hoặc phát triển mầm). Ghi trung thực trong chương 3; xem bài phương pháp chọn mẫu.
Khi nào nên dùng panel trả phí?
Panel trả phí đáng cân nhắc khi cả ba điều sau đúng: còn dưới hai tuần, đối tượng khó tiếp cận qua mạng lưới cá nhân (người đi làm, một ngành cụ thể, một tỉnh), và bạn chỉ thiếu vài chục đến vài trăm phiếu. Trước khi trả tiền, hỏi bên cung cấp ba câu: có chọn được đúng nhóm đối tượng không, có chỉ trả cho phiếu đạt chất lượng không, và có lọc phiếu điền bừa không. Dù bên cung cấp đã lọc, bạn vẫn phải tự lọc lại theo cách lọc phiếu không hợp lệ trước khi chạy số liệu.
Những việc tuyệt đối không làm
- Tự điền phiếu, nhờ người điền nhiều lần, hoặc nhân bản dòng dữ liệu. Đây là bịa dữ liệu, có thể bị phát hiện qua các dòng trùng hệ thống và thời gian điền.
- Dùng AI tạo câu trả lời. Xem bài phát hiện câu trả lời do AI viết.
- Gộp phiếu của đối tượng khác vào mà không nói.
- Ghi số phiếu trong chương 3 khác với số phiếu thật trong file.
Nếu vẫn không đủ thì viết sao?
Nếu số phiếu hợp lệ thấp hơn mức tối thiểu, báo cáo đúng số đó, nêu độ mạnh thống kê thực tế và đưa vào mục hạn chế. Ví dụ, với 80 phiếu và 5 biến độc lập, độ mạnh để phát hiện hiệu ứng trung bình (f² = 0,15) là khoảng 73%, thấp hơn mức 80% thường dùng. Viết: "Cỡ mẫu 80 phiếu cho độ mạnh khoảng 73% với hiệu ứng trung bình; các tác động nhỏ có thể không được phát hiện". Trao đổi với giảng viên hướng dẫn sớm, trước buổi bảo vệ.
Câu hỏi thường gặp
200 phiếu có đủ cho khoá luận không?
Với hồi quy hay EFA trên dưới 40 biến quan sát, 200 phiếu hợp lệ thường đủ. Với PLS-SEM, đủ nếu hệ số đường dẫn nhỏ nhất bạn quan tâm từ khoảng 0,18 trở lên. Kiểm tra cụ thể bằng máy tính cỡ mẫu.
Thu thêm phiếu sau khi đã chạy số liệu có được không?
Được, nếu thu bằng cùng bảng hỏi, cùng đối tượng, và bạn chạy lại toàn bộ phân tích trên dữ liệu gộp. Không được thu thêm có chọn lọc chỉ để kết quả "đẹp" hơn.
Có nên giảm số biến trong mô hình để cần ít phiếu hơn?
Chỉ khi lý do là lý thuyết, không phải để đủ phiếu. Bớt một biến độc lập chỉ giảm khoảng 6–8 phiếu tối thiểu theo bảng trên, nên hiếm khi đáng.
Tài liệu tham khảo
- Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum.
- Faul, F., Erdfelder, E., Buchner, A., & Lang, A.-G. (2009). Statistical power analyses using G*Power 3.1: Tests for correlation and regression analyses. Behavior Research Methods, 41(4), 1149–1160. https://doi.org/10.3758/BRM.41.4.1149
- Green, S. B. (1991). How many subjects does it take to do a regression analysis? Multivariate Behavioral Research, 26(3), 499–510. https://doi.org/10.1207/s15327906mbr2603_7
- Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Prentice Hall.
- Kock, N., & Hadaya, P. (2018). Minimum sample size estimation in PLS-SEM: The inverse square root and gamma-exponential methods. Information Systems Journal, 28(1), 227–261. https://doi.org/10.1111/isj.12131