Thống kê mô tả mẫu trong luận văn là gì và cách viết

Thống kê mô tả mẫu là phần bạn dùng để trả lời câu hỏi: những người đã tham gia khảo sát có đặc điểm như thế nào. Khi mở file SPSS, bạn thường thấy các biến như giới tính, độ tuổi, trình độ học vấn, nghề nghiệp, thu nhập hoặc số năm sử dụng sản phẩm. Phần mô tả mẫu biến những cột dữ liệu đó thành bảng tần số, tỷ lệ phần trăm và đôi khi là giá trị trung bình, độ lệch chuẩn.

Đây thường là một trong những bảng đầu tiên của chương 4. Nó giúp người đọc kiểm tra mẫu nghiên cứu có đúng với đối tượng đã xác định ở chương 3 hay không. Tuy nhiên, thống kê mô tả mẫu chỉ mô tả người trả lời. Bạn chưa dùng bảng này để kết luận giả thuyết, mức độ tác động hay quan hệ nhân quả giữa các biến.

Nếu bạn đang hoàn thiện toàn bộ khóa luận, có thể xem thêm chủ đề Khóa luận tốt nghiệp để đối chiếu phần phương pháp, phân tích và trình bày kết quả.

Thống kê mô tả mẫu trong luận văn là gì

Trong nghiên cứu định lượng, mẫu nghiên cứu là tập hợp những người hoặc đơn vị đã cung cấp dữ liệu cho bạn. Thống kê mô tả mẫu là cách tóm tắt các đặc điểm của tập hợp đó bằng những con số dễ đọc. Với biến phân loại như giới tính, bạn dùng Frequency và Percent để cho biết có bao nhiêu nam, bao nhiêu nữ và mỗi nhóm chiếm tỷ lệ nào. Với biến số như tuổi hoặc số năm sử dụng, bạn có thể báo cáo Mean, Minimum, Maximum và Std. Deviation nếu cách đo của bạn phù hợp.

Ví dụ, nếu có 250 phiếu hợp lệ, bảng mô tả mẫu có thể cho biết 142 người trả lời là nữ, chiếm 56,8%, còn 108 người là nam, chiếm 43,2%. Con số này mô tả cơ cấu của 250 người trong mẫu. Nó chưa chứng minh rằng nữ có xu hướng mua hàng cao hơn nam trong tổng thể.

Bạn cần phân biệt ba phần thường bị trộn lẫn. Thứ nhất là mô tả đặc điểm nhân khẩu học của người trả lời. Thứ hai là mô tả các biến nghiên cứu bằng Mean và Std. Deviation. Thứ ba là các kiểm định như Cronbach's Alpha, EFA, hồi quy hoặc kiểm định giả thuyết. Mỗi phần trả lời một câu hỏi khác nhau và nên được đặt ở tiểu mục phù hợp.

Độ dài hợp lý của phần mô tả mẫu thường khoảng một đến ba trang, tùy số lượng biến và quy định của khoa. Một bảng tổng hợp tốt thường đi kèm một đoạn nhận xét ngắn. Bạn không cần biến mọi con số trong bảng thành một câu riêng, vì điều đó khiến chương 4 dài nhưng không thêm thông tin.

Cấu trúc chuẩn của thống kê mô tả mẫu

Trước khi chạy SPSS, hãy quay lại mục tiêu nghiên cứu và bảng hỏi. Chỉ đưa vào bảng những đặc điểm có liên quan đến đối tượng nghiên cứu hoặc đã được thiết kế để mô tả mẫu. Nếu đề tài khảo sát nhân viên ngân hàng, giới tính, tuổi, học vấn, vị trí công việc và thâm niên có thể phù hợp. Một biến không được hỏi trong bảng câu hỏi thì không thể tự suy ra từ file dữ liệu.

Cấu trúc bảng thường gồm tên nhóm hoặc giá trị của biến, tần số, phần trăm và phần trăm tích lũy nếu biến có thứ tự. Với giới tính, Percent thường đủ. Với nhóm tuổi tăng dần, Cumulative Percent có thể giúp người đọc theo dõi tỷ lệ cộng dồn, nhưng bạn không bắt buộc phải đưa cột này nếu bảng đã quá rộng.

Một bảng mô tả mẫu không nên đưa cả Valid Percent và Percent nếu dữ liệu không có giá trị thiếu hoặc hai cột này giống nhau. Nếu có missing value, Valid Percent cho biết tỷ lệ được tính trên số câu trả lời hợp lệ, còn Percent tính trên tổng số dòng, bao gồm cả trường hợp thiếu. Bạn cần ghi rõ mẫu số nào được dùng để tránh việc tổng tỷ lệ không bằng 100%.

Các bước viết thống kê mô tả mẫu

Bước 1: Kiểm tra số phiếu và mã hóa dữ liệu

Mở Variable View trong SPSS và kiểm tra tên biến, nhãn biến, Value Labels, Measure và dữ liệu thiếu. Ví dụ, biến GIOITINH có thể được mã hóa 1 là Nam và 2 là Nữ. Nếu trong Data View bạn thấy giá trị 1 và 2 nhưng không có nhãn, bảng output vẫn chạy được nhưng người đọc sẽ khó hiểu.

Kiểm tra thêm các mã như 0, 99 hoặc 999. Một số bạn nhập 99 để biểu thị “không trả lời”, sau đó chạy Frequencies mà quên khai báo đây là missing value. Khi đó, SPSS sẽ xem 99 là một nhóm hợp lệ và tỷ lệ mẫu bị sai. Bạn vào Variable View, tìm cột Missing và khai báo mã thiếu đúng với quy ước đã dùng.

Hãy ghi lại số dòng ban đầu, số phiếu bị loại và số phiếu hợp lệ. Nếu chương 3 nói thu 300 phiếu nhưng chương 4 chỉ phân tích 267 phiếu, bạn cần giải thích ngắn gọn lý do loại 33 phiếu, chẳng hạn thiếu nhiều câu trả lời hoặc trả lời không đầy đủ theo tiêu chí đã đặt trước.

Bước 2: Chạy Frequencies cho biến phân loại

Trong SPSS, chọn Analyze > Descriptive Statistics > Frequencies. Đưa các biến giới tính, nhóm tuổi, học vấn, nghề nghiệp hoặc thu nhập vào ô Variable(s). Giữ lựa chọn Display frequency tables. Nếu cần biểu đồ, bấm Charts và chọn Bar charts cho biến phân loại.

Bấm Statistics nếu bạn đang mô tả biến số và muốn xem Mean, Minimum, Maximum hoặc Std. Deviation. Với biến phân loại như giới tính, không cần tính Mean vì mã 1 và 2 chỉ là mã nhóm, không phải đại lượng có ý nghĩa số học.

Sau khi bấm OK, SPSS tạo bảng Frequencies gồm Frequency, Percent, Valid Percent và Cumulative Percent. Hãy đọc cột Valid Percent khi có dữ liệu thiếu, đồng thời kiểm tra tổng Frequency có đúng số phiếu hợp lệ không.

Bước 3: Chạy Descriptives cho biến số hoặc biến thang đo

Chọn Analyze > Descriptive Statistics > Descriptives. Đưa các biến tuổi, số năm kinh nghiệm hoặc điểm trung bình thang đo vào ô Variable(s). Trong Options, chọn Mean, Std. Deviation, Minimum và Maximum nếu đây là những chỉ số bạn cần báo cáo.

Với thang đo Likert, Mean giúp bạn mô tả xu hướng trả lời của mẫu, còn Std. Deviation cho biết mức độ phân tán. Bạn nên dùng tên biến hoặc nhãn biến nhất quán với bảng câu hỏi. Nếu một biến được đo bằng nhiều biến quan sát, hãy nói rõ bạn đang báo cáo từng item hay điểm trung bình của cả nhân tố.

Đừng tính Mean cho biến định danh chỉ vì SPSS cho phép. Trung bình của mã ngành nghề hoặc mã khu vực không có diễn giải thực tế. Đây là lỗi thường xuất hiện khi người viết chọn toàn bộ cột số trong Data View rồi chạy Descriptives.

Bước 4: Đối chiếu bảng output với dữ liệu gốc

Sau khi có output, kiểm tra ngẫu nhiên vài dòng bằng cách đối chiếu Frequency với Data View. Nhìn vào tổng số Valid, tỷ lệ phần trăm và các giá trị lạ. Nếu nhóm “khác” có tỷ lệ rất cao, hãy xem lại cách thiết kế nhóm trả lời hoặc cách nhập mã.

Bạn cũng cần kiểm tra các nhóm có tần số bằng 0. Một lựa chọn xuất hiện trong Value Labels nhưng không có người chọn vẫn có thể hiện trong output. Tùy mục đích trình bày, bạn có thể giữ lại hoặc lược bỏ nhóm đó, nhưng phải nhất quán giữa bảng và phần diễn giải.

Bước 5: Gộp output thành bảng luận văn

Output SPSS thường rộng và có nhiều cột hơn nhu cầu của luận văn. Bạn có thể sao chép số liệu sang Word hoặc Excel, sau đó tạo bảng với các cột cần thiết. Không nên chụp nguyên màn hình output nếu chữ nhỏ, tên biến khó đọc hoặc bảng bị tách trang.

Mỗi bảng cần có số thứ tự, tên bảng và đơn vị tính. Ví dụ: “Bảng 4.1. Đặc điểm mẫu nghiên cứu”. Sau bảng, viết một đoạn nhận xét tập trung vào nhóm lớn nhất, sự phân bố đáng chú ý và sự phù hợp với đối tượng khảo sát. Phần nhận xét không được thêm thông tin mà bảng không có.

Câu mẫu dùng được

Bạn có thể thay phần trong ngoặc vuông bằng số liệu thật của mình. Câu mẫu chỉ là khung trình bày, không phải kết quả của một nghiên cứu cụ thể.

Cách viết vào luận văn: “Kết quả thống kê mô tả cho thấy mẫu nghiên cứu gồm [N] quan sát hợp lệ. Trong đó, nhóm [đặc điểm nổi bật] chiếm tỷ lệ cao nhất với [x]%, còn nhóm [đặc điểm] chiếm [y]%. Cơ cấu này phản ánh đặc điểm của những người tham gia khảo sát trong phạm vi nghiên cứu [địa bàn/thời gian], không được diễn giải như tỷ lệ của toàn bộ tổng thể.”

Nếu cần mô tả sự phù hợp, hãy nối với tiêu chí chọn mẫu đã viết ở chương 3. Chẳng hạn, nếu đối tượng là người đã sử dụng dịch vụ trong sáu tháng gần đây, bạn có thể viết rằng các quan sát được giữ lại đều đáp ứng điều kiện sàng lọc. Bạn cần có dữ liệu hoặc câu hỏi sàng lọc để bảo vệ nhận xét này.

Ví dụ thống kê mô tả mẫu rút gọn

Bảng dưới đây là số liệu minh họa, được dựng theo hình dạng output SPSS để bạn biết cần đọc cột nào. Đây không phải kết quả của một nghiên cứu thật và bạn không được chép các con số này vào luận văn.

Từ bảng minh họa, có thể viết: “Mẫu nghiên cứu gồm 250 quan sát hợp lệ. Nữ có 142 người, chiếm 56,8%, trong khi nam có 108 người, chiếm 43,2%. Như vậy, cơ cấu mẫu có tỷ lệ nữ cao hơn nam.” Câu cuối chỉ mô tả cơ cấu của mẫu, không kết luận về hành vi của nam và nữ.

Giả sử bạn có thêm bảng mô tả tuổi, hãy trình bày tương tự với các nhóm đã thiết kế trong bảng hỏi. Nếu nhóm 18 đến 25 tuổi chiếm 48%, nhóm 26 đến 35 tuổi chiếm 37% và nhóm trên 35 tuổi chiếm 15%, bạn có thể nhận xét nhóm 18 đến 25 tuổi chiếm tỷ lệ lớn nhất. Không nên viết rằng nhóm này “đại diện” cho tổng thể nếu bạn chưa có thiết kế lấy mẫu và bằng chứng để khẳng định tính đại diện.

Khi chuyển bảng sang luận văn, bạn có thể bỏ cột Cumulative Percent nếu không dùng đến. Nếu dữ liệu có missing value, hãy giữ thông tin Valid và ghi chú ở cuối bảng, ví dụ: “Tỷ lệ phần trăm được tính trên số quan sát hợp lệ”. Quy tắc này giúp người đọc hiểu tại sao tổng Frequency và mẫu số trong tỷ lệ có thể khác nhau.

Các bảng tiếp theo như Cronbach's Alpha hoặc EFA có mục đích khác. Nếu bạn đang viết phần EFA, hãy xem cách viết kết quả EFA luận văn và kết quả EFA trong luận văn là gì. Hai phần này nên được đặt sau mô tả mẫu hoặc theo thứ tự mà đề cương khoa yêu cầu.

Lỗi thường gặp khiến hội đồng hỏi lại

Lỗi đầu tiên là báo cáo tỷ lệ nhưng không nói mẫu số. Câu “nữ chiếm 56,8%” cần đi kèm tổng số quan sát hoặc tên bảng để người đọc biết tỷ lệ này được tính trên bao nhiêu phiếu.

Lỗi thứ hai là để tổng tỷ lệ thành 99,9% hoặc 100,1% rồi không ghi chú. Sai lệch nhỏ thường do làm tròn, bạn có thể ghi chú ở cuối bảng. Nếu sai lệch lớn, cần kiểm tra lại missing value, bộ lọc dữ liệu và công thức tính.

Lỗi thứ ba là dùng mã số để kết luận thứ tự. Ví dụ, mã 1 là nam và mã 2 là nữ không có nghĩa nữ “cao hơn” nam. Mã chỉ có ý nghĩa quy ước, trừ khi biến được thiết kế theo thứ tự rõ ràng như nhóm tuổi hoặc mức thu nhập.

Lỗi thứ tư là mô tả mẫu như kết quả kiểm định. Tỷ lệ nữ cao hơn nam không nói lên sự khác biệt có ý nghĩa thống kê. Nếu đề tài có câu hỏi so sánh nhóm, bạn cần chạy kiểm định phù hợp và báo cáo riêng. Phần kiểm định giả thuyết trong luận văn là gì sẽ giúp bạn phân biệt mô tả với kiểm định.

Lỗi thứ năm là nêu “mẫu đại diện cho tổng thể” chỉ vì số phiếu đủ lớn. Tính đại diện còn phụ thuộc cách chọn mẫu, khung mẫu, tiêu chí sàng lọc và phạm vi nghiên cứu. Nếu bạn dùng phương pháp thuận tiện, hãy mô tả đúng là mẫu khảo sát thu được trong phạm vi đã xác định.

Lỗi thứ sáu là sao chép bảng Frequencies nguyên bản từ SPSS. Bảng quá rộng, tên biến kiểu GT hoặc HV không có chú giải và nhiều cột không cần thiết sẽ khiến hội đồng hỏi cách đọc. Hãy chuẩn hóa tên, đơn vị, số chữ số thập phân và ghi nguồn là kết quả xử lý dữ liệu khảo sát của nghiên cứu.

Lỗi cuối là trộn kết quả của các vòng làm sạch. Nếu bạn loại phiếu sau khi chạy lần đầu, mọi bảng mô tả, Cronbach's Alpha, EFA và hồi quy phải được chạy lại trên cùng bộ dữ liệu cuối cùng. Hãy lưu một bản .sav riêng sau mỗi quyết định loại dữ liệu để có thể giải trình khi được hỏi.

Đọc thêm: cách viết kết quả efa luận văn, kết quả efa trong luận văn là gì, kiểm định giả thuyết trong luận văn là gì, cách ghi tài liệu tham khảo, chủ đề khoa luan tot nghiep.

Câu hỏi thường gặp

Thống kê mô tả mẫu bao nhiêu là đạt

Không có một tỷ lệ giới tính, độ tuổi hay nghề nghiệp duy nhất áp dụng cho mọi luận văn. Mẫu đạt về mặt trình bày khi số liệu khớp với tiêu chí chọn mẫu, tổng tần số được kiểm tra, tỷ lệ tính đúng và các nhóm được giải thích rõ.

Nếu bạn hỏi cỡ mẫu, tiêu chí đó phải được xác định theo mô hình và phương pháp phân tích, không suy ra từ việc bảng mô tả có đẹp hay không. Hãy tách câu hỏi “mẫu có bao nhiêu người” khỏi câu hỏi “mẫu phân bố như thế nào”.

Thống kê mô tả mẫu dùng Frequency hay Descriptives

Dùng Frequencies cho biến phân loại như giới tính, học vấn, nghề nghiệp và nhóm tuổi. Dùng Descriptives khi cần Mean, Std. Deviation, Minimum hoặc Maximum cho biến số và điểm thang đo.

Bạn có thể dùng Frequencies cho biến số đã chia nhóm. Điều quan trọng là cách mã hóa phải phù hợp với mục tiêu mô tả, không phải tên menu tự quyết định ý nghĩa của biến.

Có cần đưa toàn bộ bảng mô tả mẫu vào luận văn không

Bạn nên đưa những biến cần để nhận diện đối tượng khảo sát và liên quan đến mục tiêu nghiên cứu. Các bảng quá chi tiết có thể chuyển sang phụ lục nếu quy định của khoa cho phép, nhưng chương 4 vẫn cần một bảng tóm tắt đủ để người đọc hiểu mẫu.

Đừng bỏ biến chỉ vì tỷ lệ của nó không đẹp. Nếu biến đã được xác định trong thiết kế nghiên cứu, hãy báo cáo trung thực và giải thích phạm vi mẫu khi cần.

Vì sao Percent và Valid Percent khác nhau

Percent tính trên tổng số dòng dữ liệu, còn Valid Percent tính trên số câu trả lời không bị thiếu. Khi có missing value, hai cột có thể khác nhau. Trong luận văn, bạn cần ghi rõ dùng cột nào và tổng số quan sát hợp lệ là bao nhiêu.

Nếu bạn thấy một mã như 99 xuất hiện thành nhóm riêng, hãy kiểm tra xem đó là câu trả lời thật hay mã thiếu chưa được khai báo. Không được xóa mã này tùy ý trước khi xác định quy ước nhập dữ liệu.

Có cần kiểm định sự khác biệt giữa các nhóm trong phần này không

Nếu mục tiêu chỉ là mô tả mẫu, bạn không cần kiểm định sự khác biệt. Bạn chỉ báo cáo số lượng và tỷ lệ, hoặc Mean và Std. Deviation đối với biến phù hợp.

Khi giả thuyết nghiên cứu yêu cầu so sánh nam và nữ, các nhóm tuổi hoặc nhóm thu nhập, kiểm định cần được trình bày ở phần phân tích riêng. Khi đó, bạn phải nêu giả thuyết, điều kiện áp dụng, giá trị kiểm định và p-value, thay vì suy luận từ tỷ lệ mô tả.

Trước khi nộp chương 4, hãy mở lại file dữ liệu cuối cùng, kiểm tra số quan sát hợp lệ, chạy lại Frequencies và đối chiếu từng tỷ lệ với bảng trong Word. Nếu bạn muốn xử lý dữ liệu .sav hoặc .csv thật và chuyển kết quả thành phần viết, xem M4 phân tích dữ liệu để làm đúng bước này trên chính file của mình.