Monday, 25 Sep 2023
Know-how thực tiễn Nghiên cứu thị trường

Sampling Methods – Hướng Dẫn Cụ Thể 7 Phương Pháp Chọn Mẫu Hay Dùng

“Sampling methods” là gì? Hiểu nôm na thì đây là các phương pháp chọn mẫu được sử dụng để chọn ra các mẫu mang tính đại diện cho tập hợp các đối tượng cần nghiên cứu.

mkteer.vn - sampling methods

I. RANDOM SAMPLING – 4 Phương Pháp Chọn Mẫu Ngẫu Nhiên

Chọn mẫu ngẫu nhiên (Random sampling) là hình thức chọn mẫu sau cho các mẫu đều có xác suất được chọn bằng nhau. Về mặt cách thức chọn mẫu thì thường Team sẽ hay bắt gặp 1 trong 3 cách thức dưới đây

Simple Random Sampling – Chọn Mẫu Ngẫu Nhiên Bất Kỳ

Trong phương pháp Chọn Mẫu Ngẫu Nhiên Bất Kỳ, mẫu được chọn một cách ngẫu nhiên từ tập hợp tất cả các thành viên hoặc đối tượng nghiên cứu (về sau Teer sẽ gọi bằng thuật ngữ “Population”), mà không dựa vào bất kỳ tiêu chuẩn hay định kiến, ý kiến từ trước nào. Điều này đảm bảo sự công bằng về mặt xác suất được chọn của bất kỳ mẫu nào trong population.

Random sampling có thể đem lại kết quả tốt nếu giữa các đơn vị của tổng thể không có sự khác biệt quá lớn. Tuy nhiên, nếu tổng thể các đơn vị có sự khác biệt đáng kể thì phương pháp chọn mẫu này khó đảm bảo tính đại diện.

Sự phân bố không đồng đều của các đơn vị trong tổng thể, đặc biệt là khi các mẫu tương cận có hiện tượng tập trung thành từng cụm, có thể làm giảm tính đại diện của các đơn vị được chọn trong mẫu. Bên cạnh đó, việc áp dụng phương pháp chọn mẫu ngẫu nhiên cũng gặp khó khăn khi tổng thể quá lớn.

Tóm lại, phương pháp chọn mẫu ngẫu nhiên đơn giản có hiệu quả cao với những tổng thể tương đối đồng đều và có số đơn vị trong tổng thể không quá lớn.

Để dùng phương pháp này, Team cần lên danh sách một cách ngẫu nhiên population cần nghiên cứu. Nếu danh sách population có sẵn được sắp xếp theo một thứ tự nào đó như địa chỉ hoặc tuổi hoặc yếu tố bất kỳ nào đó, ta cần phải đánh số thứ tự các mẫu rồi trộn ngẫu nhiên lên trước nhen. Sau đó Team có thể sử dụng các các cách như rút thăm hoặc sử dụng hàm random của máy tính để chọn ngẫu nhiên các số thứ tự từ danh sách cho đến khi đủ số lượng mẫu cần lấy.

Systematic Sampling – Phương Pháp Chọn Mẫu Ngẫu Nhiên Có Hệ Thống

Đây là phương pháp bổ sung hạn chế cho cách thức chọn mẫu ngẫu nhiên Random Sampling bên trên. Đặc biệt cho những population lớn và có sự phân bố không đều các đối tượng có đặc tính khác nhau.

Như đã nói ở trên, khi gặp các population này việc chỉ chọn ngẫu nhiên sẽ dẫn đến mẫu có sai số đáng kể và giảm hẳn tính đại diện của mẫu.

Systematic Sampling sẽ giúp Team giải quyết bài toán này.

3 bước thực hiện đơn giản bao gồm:

– Lên danh sách đầy đủ population, sắp sếp theo 1 thứ tự nào đó như bảng chữ cái, tuổi…

– Chọn ngẫu nhiên 1 đối tượng trong danh sách làm điểm khởi đầu.

– Từ điểm khởi đầu cứ cách x đối tượng ta lại chọn đối tượng thứ x+1 vào mẫu; x được tính theo công thức:

x = population/ số lượng mẫu cần lấy.

Trong thực tế, các công ty nghiên cứu thị trường thường chọn hẳn x=4, lấy mẫu theo đơn vị Phường và thường chọn điểm khởi đầu là 1 ngã tư ngẫu nhiên nào đó trong Phường.

Stratified Sampling – Phương Pháp Chọn Mẫu Phân Tầng

Đây là phương pháp chọn mẫu nâng cao của Random Sampling.

Như tên của nó, dựa vào một hay nhiều điều kiện có liên quan đến các câu hỏi nghiên cứu, trong Stratified Sampling, population được chia thành từng cụm nhỏ hơn (hay ‘strata’). Sau đó, thường thấy nhất là nghiên cứu viên sẽ áp dụng Random Sampling để chọn ra đủ số lượng mẫu yêu cầu từ từng cụm.

Mục đích của Stratified Sampling hay chọn mẫu phân tầng là để đảm bảo tính đại diện của mẫu khi có nhiều nhóm có đặc điểm rất khác biệt nhau trong 1 population.

VD: khi làm nghiên cứu thị trường trên toàn Việt Nam, Team sẽ thấy nghiên cứu viên thường sẽ chọn mẫu ngẫu nhiên cho từng khu vực Bắc, Trung, Nam theo tỷ số đại diện cho cấu trúc dân số ở khu vực đó. Như ở tỷ lệ Nam/ Nữ ở phía Bắc là 5/4 (đây là Teer ví dụ thôi nhen) thì lúc lấy sampling ở miền Bắc tỷ lệ Nam/ Nữ cũng phải là 5 nam/ 4 nữ.

Cluster Sampling – Phương Pháp Chọn Mẫu Theo Cụm hay Khối

Nếu như ở 2 phương pháp trên đối tượng chọn mẫu là các cá nhân thì ở Cluster Sampling đối tượng chọn mẫu là từng cụm hoặc khối không trùng nhau và các đối tượng thành phần trong từng cụm lại ở một mức độ nào đó đại diện cho population.

Vậy nên việc dựa vào yếu tố nào để chia population là rất quan trọng, sao cho mỗi cluster đều có thể đại diện cho population ở nhiều yếu tố nhất có thể. VD như tương cận về cơ cấu tuổi, giới tính,… thường thấy là của cluster là các Phường, Xã, Lớp học trong 1 khóa đào tạo…

Và khi cộng tất cả các clusters lại, ta phải ra đúng số tổng của population. Đây là lý ở trên Teer nói là các Cluster không được trùng nhau là vậy.

Phân đoạn tiếp theo thì chỉ là chọn ngẫu nhiên các cluster cần nghiên cứu và thu thập dữ liệu từ clusters đó thôi.

Cluster Sampling có ưu điểm là đơn giản và tiết kiệm chi phí. Thường áp dụng trong điều tra chất lượng sản phẩm, khi sản phẩm đã được đóng thành từng đơn vị (container, kiện hàng, thùng hàng…).

Trong Cluster Sampling, không có yêu cầu xác định số lượng mẫu cần lấy. Tuy nhiên, mức độ đại diện của các đơn vị mẫu được chọn thường không cao bằng các phương pháp khác. Do đó, nên chỉ sử dụng phương pháp này khi thật sự Team có thể chia được sao cho các cluster ở một góc độ nào đó có thể đại diện được cho population.

mkteer.vn - sampling methods và hành vi tiêu dùng

II. NON-PROBABILITY SAMPLING – 2 Phương Pháp Chọn Mẫu Phi Xác Suất

Trong phương thức chọn mẫu phi xác suất (Non-probability sampling) ta sẽ không biết được tỷ suất được chọn vào mẫu nghiên cứu của 1 đối tượng bất kỳ là bao nhiêu, và dĩ nhiên, mẫu cuối cùng cũng sẽ khó đại diện cho population. Khác biệt với phương thức chọn mẫu ngẫu nhiên (Random sampling), các phương pháp chọn mẫu trong Non-probability Sampling thường dựa trên các điều kiện đưa trước như sự tiện lợi (Convenience Sampling), tính hệ thống (Systematic Sampling) hay đơn thuần cần thỏa 1 điều kiện cụ thể nào đó (Snowball Sampling).

Convenience Sampling – Mẫu Nghiên Cứu Ở Quanh Ta

Phương pháp lấy mẫu thuận tiện (Convenience Sampling) là việc lựa chọn mẫu dựa trên tính tiện lợi hoặc dễ tiếp cận của đối tượng, hay nói nôm na là những đối tượng mà nghiên cứu viên có thể tiếp cận phỏng vấn một cách dễ dàng nhất.

Ví dụ: trên đường phố, trong trung tâm mua sắm, cửa hàng,… để thực hiện cuộc phỏng vấn.

Nếu người được phỏng vấn từ chối, Team có thể lập tức chuyển sang đối tượng khác. Phương pháp lấy mẫu thuận tiện thường được sử dụng trong các nghiên cứu khám phá, để xác định tính ứng dụng thực tiễn của vấn đề nghiên cứu; hoặc để kiểm tra trước bảng câu hỏi và hoàn thiện bảng; hoặc khi muốn đánh giá sơ bộ về vấn đề đang quan tâm mà không tốn nhiều thời gian và chi phí.

Để giảm thiểu độ sai lệch (bias) của phương pháp này, Team nên soạn trước ra từng bước của quy trình chọn mẫu (đứng đâu, câu hỏi xin phỏng vấn là gì, trang phục thế nào…) cũng như liệt kê rõ các điểm hạn chế của dự án khi sử dụng Convenience Sampling. Điều này sẽ giúp Team lưu ý điều chỉnh thêm khi tiến hành phân tích dữ liệu sau này.

Purposive Sampling – Phương Pháp Chọn Mẫu Có Chủ Đích

Hiểu nôm na, Purposive Sampling hay  là phương pháp chọn mẫu dựa trên một số điều kiện đưa trước. Phương pháp này phù hợp khi nhóm đối tượng cần nghiên cứu nhỏ, khó tiếp cận, hoặc khi nghiên cứu viên có chủ đích tìm các đối tượng phù hợp một số điều kiện nào đó tương đối hà khắc cho nghiên cứu.

VD: tìm người cao tuổi, nữ, bệnh đái tháo đường tuýp 2 kèm bệnh nền là tim mạch.

Purposive Sampling là phương pháp thường được dùng để tuyển đáp viên cho các dự án nghiên cứu Định Tính hoặc dùng để hoàn thiện mẫu nghiên cứu cho các dự án định lượng có áp Quotas về điều điện như tỷ lệ Nam/ Nữ, Nhóm tuổi…

mkteer.vn - sampling methods lấy mẫu cầu tuyết

Snowball Sampling – Phương Pháp Chọn Mẫu Dạng Lăn Cầu Tuyết

Đúng nhu tên gọi của nó Snowball Sampling là hình thức chọn mẫu như lăn cầu tuyết, càng lăn càng lớn. Phương pháp này hoạt động như cách thức các chương trình giới thiệu thành viên mới nhận quà của các ngân hàng, cửa hàng.

Nghiên cứu viên chỉ cần xác định một hoặc vài đối tượng nghiên cứu đầu tiên thỏa điều kiện dự án, rồi nhờ họ giới thiệu các đối tượng nghiên cứu tiếp theo.

Snowball Sampling phù hợp khi cần tuyển các nhóm đối tượng biệt lập, rất khó tiếp cận bằng các cách tìm kiếm truyền thống. VD: như Nam, 20-25 tuổi thường hút thuốc lá hiệu Bạch Mã ở tỉnh Hưng Yên.

Để hạn chế tính bias của phương pháp chọn mẫu này, số lượng mẫu đầu tiên không nên là 1, tốt nhất nên chiếm ít nhất 10% tổng số mẫu cần tuyển. Do khi giới thiệu, các mẫu đầu này thường có khuynh hướng chọn các đối tượng có đặc tính tương cận nhất là về mặt suy nghĩ, nhận thức với mình.

Điều này dễ dẫn đến kết quả nghiên cứu cuối cùng bị lệch lạc theo một hướng, khó mang tính đại diện.

III. TỔNG KẾT

Mục đích cuối cùng của việc chọn mẫu là để thu thập dữ liệu sao cho có thể đại diện được cho ý kiến số đông của một population. Vậy nên tùy từng dự án, Team sẽ có thể kết hợp nhiều phương pháp lấy mẫu với nhau nhằm mục đích cuối cùng là thay cho population đó trả lời được các câu hỏi của dự án nghiên cứu.

Team có thể nhắn Teer trên Page của web để hỏi nếu muốn hiểu rõ hơn chỗ nào nhen.

From Teer with love ♥Facebook call to action

CÁC BÀI VIẾT THEO XU HƯỚNG KHÁC

SAMPLING là gì? Khác Gì “Product Sampling”?

Phân Khúc Thị Trường – 3 Mục Đích Tại Sao Phải Phân Khúc Thị Trường

ACTION, PLEASE!!

Kiến Thức Nên Có Giá Trị Của Nó.

Chiếc Web có đăng ký Google Adsense. 1 Click vào Quảng Cáo trên web là Google sẽ thay Team trả Teer 100 đồng tiền công cho hơn 5 tiếng đồng hồ Tìm tài liệu, Soạn thảo, Tổng hợp, Viết và Đem một bài gần 2,000 từ đến Team.

Cảm ơn Team mình. ⤵️⤵️⤵️


 

Social media & sharing icons powered by UltimatelySocial
error: Team inbox Teer trên Facebook để nhận bản gốc bài viết nhé : )