Cỡ mẫu là gì?
Cỡ mẫu (ký hiệu n) là số người tham gia, trường hợp hoặc quan sát trong một nghiên cứu. Nó quyết định ước lượng của bạn chính xác đến đâu và liệu một hiệu ứng có thật có cơ hội hợp lý để thể hiện là có ý nghĩa thống kê hay không. Quá nhỏ, bạn có thể bỏ lỡ điều mình đang tìm; quá lớn, bạn lãng phí thời gian, tiền bạc và công sức của người tham gia.
Điều gì quyết định cỡ mẫu
- Độ lớn hiệu ứng: hiệu ứng nhỏ cần mẫu lớn hơn để phát hiện.
- Lực thống kê (power): xác suất phát hiện một hiệu ứng có thật, theo quy ước là 80%.
- Mức ý nghĩa: thường là α = 0,05; mức nghiêm ngặt hơn cần nhiều người tham gia hơn.
- Độ biến thiên: kết quả càng khác nhau giữa các cá nhân, bạn càng cần nhiều người.
- Thiết kế: thiết kế đo lặp lại thường cần ít người hơn thiết kế so sánh giữa các nhóm.
Phân tích lực thống kê (power analysis), thực hiện trước nghiên cứu bằng phần mềm như G*Power, kết hợp các yếu tố này để đưa ra cỡ mẫu tối thiểu. Nó cũng giúp bạn tính trước tỷ lệ người tham gia bỏ cuộc.
Cỡ mẫu cho khảo sát
Để ước lượng một tỷ lệ phần trăm, công thức chuẩn là n = z² × p(1 - p) / e², trong đó z là 1,96 cho độ tin cậy 95%, p là tỷ lệ dự kiến (0,5 nếu chưa biết, lựa chọn an toàn nhất) và e là biên độ sai số. Với biên độ 5%: 1,96² × 0,25 / 0,05² = 384,2, tức là 385 người, bất kể quy mô của một tổng thể lớn là bao nhiêu.
Với một tổng thể nhỏ gồm 200 người, hãy áp dụng hiệu chỉnh tổng thể hữu hạn: 385 / (1 + 384/200) ≈ 132. Như vậy, khảo sát khoảng 132 trong số 200 người sẽ cho biên độ sai số ±5% ở độ tin cậy 95%, nếu họ được chọn bằng chọn mẫu ngẫu nhiên và tất cả đều trả lời.
Vì sao 30 được gọi là cỡ mẫu tối thiểu?
Đó là một quy tắc kinh nghiệm, không phải quy tắc bắt buộc. Với khoảng 30 quan sát trở lên, phân phối của trung bình mẫu có xu hướng gần với phân phối chuẩn (định lý giới hạn trung tâm), điều này giúp nhiều kiểm định thống kê hoạt động tốt. Nó không cho biết 30 có đủ để phát hiện hiệu ứng của bạn hay không: chỉ phân tích lực thống kê mới cho bạn biết điều đó, và kết quả thường là một con số lớn hơn nhiều.
Cỡ mẫu trong nghiên cứu định tính
Trong nghiên cứu định tính, người tham gia được chọn vì chiều sâu của những gì họ có thể chia sẻ, không phải vì lực thống kê. Các nhà nghiên cứu thường dừng lại khi các cuộc phỏng vấn mới không đem lại chủ đề mới nào (bão hòa); một nghiên cứu có ảnh hưởng cho thấy hầu hết các chủ đề đã xuất hiện trong 12 cuộc phỏng vấn đầu tiên ở một nhóm khá đồng nhất (Guest, Bunce và Johnson, 2006). Hãy lý giải con số của bạn dựa trên mục tiêu nghiên cứu và phạm vi trải nghiệm mà bạn cần thu thập.
Mẹo
- Tính cỡ mẫu khi lập kế hoạch thiết kế nghiên cứu, không phải sau khi thu thập dữ liệu.
- Trình bày cách bạn chọn con số này; người phản biện sẽ kiểm tra điều đó.
- Một mẫu lớn nhưng thiên lệch còn tệ hơn một mẫu ngẫu nhiên nhỏ hơn.
Trường hợp sử dụng: AI hỗ trợ viết bài nghiên cứu