Thống kê và kinh tế lượng cho khóa luận: Từ dữ liệu đến kết luận

Phần lớn khóa luận khối kinh tế đều có một chương phân tích định lượng. Và phần lớn câu hỏi phản biện khó nhất trong buổi bảo vệ cũng rơi vào đúng chương đó: "Vì sao em chọn mô hình này?", "Hệ số này có ý nghĩa gì về mặt kinh tế?", "Em đã kiểm tra giả định của mô hình chưa?"

Bài viết này đi qua toàn bộ quy trình phân tích định lượng ở mức một sinh viên có thể thực hiện được, kèm những lỗi khiến bài bị trừ điểm nhiều nhất.

Bước 1: Thống kê mô tả

Trước khi chạy bất kỳ mô hình nào, hãy mô tả dữ liệu. Bước này vừa để hiểu dữ liệu vừa để phát hiện lỗi.

Nhóm chỉ tiêu	Gồm	Dùng để
Xu hướng trung tâm	Trung bình, trung vị, mốt	Biết mức phổ biến
Độ phân tán	Phương sai, độ lệch chuẩn, khoảng biến thiên	Biết dữ liệu tập trung hay dàn trải
Hình dạng phân phối	Độ lệch (skewness), độ nhọn (kurtosis)	Kiểm tra tính chuẩn
Tần suất	Bảng tần suất, tỷ lệ phần trăm	Với biến định tính

Lưu ý về trung bình và trung vị: khi dữ liệu bị lệch mạnh (ví dụ thu nhập), trung vị mô tả tốt hơn trung bình. Rất nhiều bài luận báo cáo "thu nhập trung bình" trong khi trung vị mới phản ánh đúng nhóm đông nhất.

Luôn kiểm tra giá trị ngoại lai (outlier) bằng biểu đồ hộp hoặc bằng cách sắp xếp. Một giá trị nhập sai (thu nhập 500 triệu/tháng của sinh viên) có thể làm lệch toàn bộ kết quả.

Bước 2: Thang đo và độ tin cậy

Với nghiên cứu dùng bảng hỏi, mỗi khái niệm (ví dụ "sự hài lòng") thường được đo bằng nhiều câu hỏi. Cần kiểm tra các câu này có thực sự đo cùng một thứ không.

Hệ số Cronbach's Alpha đo độ tin cậy nhất quán nội tại của thang đo:

Alpha	Đánh giá thường dùng
≥ 0,8	Tốt
0,7 – 0,8	Chấp nhận được
0,6 – 0,7	Có thể chấp nhận với nghiên cứu khám phá
< 0,6	Cần xem lại thang đo

Ngoài ra cần xem hệ số tương quan biến – tổng: biến có hệ số quá thấp (thường dưới 0,3) là ứng viên nên loại.

Cảnh báo: Alpha cao chưa chắc là tốt tuyệt đối — Alpha rất cao (trên 0,95) có thể là dấu hiệu các câu hỏi bị trùng lặp về nội dung.

Bước 3: Phân tích nhân tố khám phá (EFA)

EFA dùng để rút gọn nhiều biến quan sát thành một số ít nhân tố, và kiểm tra xem các câu hỏi có "gom" đúng vào khái niệm mà bạn thiết kế không.

Các chỉ số cần báo cáo và ngưỡng thường được dùng:

Chỉ số	Ý nghĩa	Ngưỡng phổ biến
KMO	Mức độ phù hợp của dữ liệu với phân tích nhân tố	≥ 0,5 (càng gần 1 càng tốt)
Kiểm định Bartlett	Các biến có tương quan với nhau không	Sig. < 0,05
Hệ số tải nhân tố	Mức độ biến gắn với nhân tố	≥ 0,5
Tổng phương sai trích	Các nhân tố giải thích được bao nhiêu % biến thiên	≥ 50%
Eigenvalue	Tiêu chí giữ lại nhân tố	> 1

Lưu ý quan trọng: đây là các ngưỡng thông lệ được nhiều tài liệu hướng dẫn sử dụng, không phải quy tắc tuyệt đối. Hãy trích dẫn tài liệu tham khảo mà bạn dựa vào và tuân theo yêu cầu của giảng viên hướng dẫn.

Về cỡ mẫu cho EFA, một quy tắc kinh nghiệm phổ biến là tối thiểu 5 quan sát cho mỗi biến quan sát. Chi tiết về cách chọn mẫu có trong bài nghiên cứu thị trường cho sinh viên.

Bước 4: Kiểm định giả thuyết và hiểu đúng p-value

Cấu trúc kiểm định:

H₀ (giả thuyết không): thường là "không có khác biệt / không có mối quan hệ".
H₁ (giả thuyết đối): điều bạn muốn chứng minh.
Mức ý nghĩa α: thường chọn 0,05.

Quy tắc: nếu p-value < α thì bác bỏ H₀.

Hiểu đúng về p-value

Đây là phần bị hiểu sai nhiều nhất trong các khóa luận:

Phát biểu sai	Phát biểu đúng
"p = 0,03 nghĩa là giả thuyết của em đúng với xác suất 97%"	p là xác suất quan sát được dữ liệu như thế này (hoặc cực đoan hơn) nếu H₀ đúng
"p > 0,05 nghĩa là không có mối quan hệ"	Nghĩa là chưa đủ bằng chứng để kết luận có mối quan hệ
"p càng nhỏ thì tác động càng mạnh"	p nói về mức độ tin cậy thống kê, không nói về độ lớn của tác động

Vì vậy, luôn báo cáo độ lớn của hệ số bên cạnh p-value. Một tác động có ý nghĩa thống kê nhưng độ lớn không đáng kể thì không có ý nghĩa thực tiễn.

Các kiểm định thường dùng

Mục đích	Kiểm định
So sánh trung bình 2 nhóm độc lập	Independent samples t-test
So sánh trung bình trước – sau	Paired samples t-test
So sánh trung bình từ 3 nhóm trở lên	ANOVA
Kiểm tra mối liên hệ giữa hai biến định tính	Chi bình phương
Đo mức độ tương quan giữa hai biến định lượng	Hệ số tương quan Pearson

Bước 5: Hồi quy tuyến tính

Mô hình phổ biến nhất trong khóa luận kinh tế:

Y = β₀ + β₁X₁ + β₂X₂ + … + βₖXₖ + ε

Cách đọc kết quả:

Chỉ số	Ý nghĩa
Hệ số βᵢ	Khi Xᵢ tăng 1 đơn vị, Y thay đổi trung bình βᵢ đơn vị, giữ các biến khác không đổi
Sig. của βᵢ	Hệ số có ý nghĩa thống kê không
R²	Mô hình giải thích được bao nhiêu % biến thiên của Y
R² hiệu chỉnh	R² đã điều chỉnh theo số biến — nên dùng khi so sánh các mô hình
Kiểm định F	Mô hình tổng thể có ý nghĩa không

Cụm từ "giữ các biến khác không đổi" là phần bắt buộc phải có khi diễn giải hệ số. Thiếu nó là lỗi diễn giải phổ biến nhất.

Các giả định cần kiểm tra

Giả định	Cách kiểm tra	Nếu vi phạm
Quan hệ tuyến tính	Biểu đồ phần dư	Thử biến đổi log hoặc thêm biến bậc hai
Phần dư phân phối chuẩn	Biểu đồ Histogram, P-P plot	Với mẫu lớn thường ít nghiêm trọng
Phương sai sai số không đổi	Biểu đồ phần dư theo giá trị dự đoán	Dùng sai số chuẩn vững
Không đa cộng tuyến	Hệ số VIF (thường lo ngại khi VIF vượt 10)	Loại bớt biến tương quan cao
Không tự tương quan (dữ liệu chuỗi thời gian)	Kiểm định Durbin-Watson	Dùng mô hình phù hợp cho chuỗi thời gian

Rất nhiều khóa luận chạy hồi quy rồi báo cáo kết quả mà bỏ qua phần kiểm tra giả định — đây là chỗ hội đồng hay hỏi nhất.

Tương quan không phải nhân quả

Kết quả hồi quy cho thấy mối liên hệ, không tự động chứng minh quan hệ nhân quả. Ba lý do khiến kết luận nhân quả có thể sai: biến bị bỏ sót, quan hệ ngược chiều (Y tác động ngược lại X), và sai số đo lường.

Trong phần kết luận, hãy diễn đạt thận trọng: "kết quả cho thấy có mối liên hệ có ý nghĩa thống kê giữa…" thay vì "X làm tăng Y".

Công cụ: chọn cái nào?

Công cụ	Ưu điểm	Phù hợp với
Excel	Sẵn có, dễ dùng cho thống kê mô tả và hồi quy đơn giản	Bài tập môn, phân tích cơ bản
SPSS	Giao diện bấm chọn, chuẩn cho EFA, Cronbach's Alpha	Khóa luận khối kinh tế, quản trị
Stata	Mạnh với dữ liệu bảng và kinh tế lượng	Nghiên cứu kinh tế học
R / Python	Miễn phí, mạnh, có thể tái lập kết quả	Ai muốn theo hướng phân tích dữ liệu

Lời khuyên thực dụng: dùng công cụ mà giảng viên hướng dẫn quen thuộc — bạn sẽ được hỗ trợ tốt hơn nhiều khi gặp vấn đề.

Cấu trúc chương phân tích trong khóa luận

Mô tả mẫu: cỡ mẫu, cách chọn mẫu, đặc điểm nhân khẩu học.
Kiểm định độ tin cậy thang đo (Cronbach's Alpha).
Phân tích nhân tố khám phá (nếu có).
Thống kê mô tả các biến chính.
Phân tích tương quan.
Hồi quy và kiểm tra giả định.
Thảo luận kết quả: so sánh với các nghiên cứu trước, giải thích ý nghĩa kinh tế.
Hạn chế của nghiên cứu.

Mục 7 và 8 là nơi ghi điểm. Rất nhiều bài dừng ở việc trình bày bảng kết quả mà không giải thích ý nghĩa thực tiễn của con số.

Bảy lỗi khiến bài bị phản biện nặng

Kết luận nhân quả từ dữ liệu tương quan.
Không kiểm tra giả định của mô hình.
Diễn giải sai p-value.
Cỡ mẫu không đủ cho phương pháp đã chọn.
Bỏ biến cho đến khi mô hình "đẹp" rồi chỉ báo cáo mô hình cuối — cần trình bày quá trình và lý do.
Không nêu hạn chế của nghiên cứu.
Số liệu trong bảng không khớp với số liệu trong phần diễn giải. Lỗi này rất dễ bị phát hiện và ảnh hưởng nặng tới độ tin cậy của cả bài.

Câu hỏi thường gặp

Cỡ mẫu tối thiểu cho khóa luận là bao nhiêu?

Phụ thuộc vào phương pháp phân tích. Với hồi quy, một quy tắc kinh nghiệm thường được nhắc tới là tối thiểu khoảng 50 quan sát cộng thêm 8 quan sát cho mỗi biến độc lập; với EFA là khoảng 5 quan sát cho mỗi biến quan sát. Hãy hỏi giảng viên hướng dẫn về yêu cầu cụ thể của khoa.

R² thấp thì mô hình có vô dụng không?

Không nhất thiết. Trong nghiên cứu hành vi con người, R² ở mức vừa phải là bình thường vì hành vi chịu ảnh hưởng của rất nhiều yếu tố không quan sát được. Điều quan trọng hơn là các hệ số có ý nghĩa thống kê và có ý nghĩa kinh tế hợp lý.

Có nên loại bỏ dữ liệu ngoại lai không?

Chỉ loại khi xác định được đó là lỗi nhập liệu hoặc lỗi đo lường. Nếu đó là giá trị thật (một khách hàng chi tiêu rất lớn), việc loại bỏ làm mất thông tin. Cách xử lý minh bạch: chạy mô hình cả khi có và khi không có ngoại lai, rồi báo cáo cả hai.

Dùng AI hỗ trợ phần phân tích có được không?

Tùy quy định của trường, nên hãy hỏi rõ trước. Nếu được phép, hãy dùng AI để giải thích khái niệm, kiểm tra cú pháp lệnh và soát lỗi diễn đạt — nhưng bạn phải tự chạy, tự hiểu và tự chịu trách nhiệm với kết quả, vì hội đồng sẽ hỏi trực tiếp về từng con số.

Kết quả trái với giả thuyết ban đầu thì sao?

Đó là kết quả hoàn toàn hợp lệ và thường thú vị hơn kết quả "đúng như dự đoán". Hãy trình bày trung thực và thảo luận nguyên nhân khả dĩ. Điều tuyệt đối không nên làm là chỉnh sửa dữ liệu cho khớp giả thuyết — xem thêm check đạo văn và liêm chính học thuật.

Học thống kê thế nào cho hiệu quả?

Học theo bài toán thay vì học theo công thức: cầm một bộ dữ liệu thật, đặt một câu hỏi cụ thể, rồi tìm phương pháp trả lời. Sau khi có kết quả, tập diễn giải bằng lời cho người không học thống kê hiểu — nếu giải thích được, bạn đã thực sự hiểu.

Nguồn tham khảo

Kết luận

Phân tích định lượng trong khóa luận không nhằm tạo ra những bảng số phức tạp, mà nhằm trả lời một câu hỏi nghiên cứu bằng bằng chứng có thể kiểm chứng.

Ba nguyên tắc giúp bạn tránh phần lớn rắc rối: chọn phương pháp phù hợp với dữ liệu và cỡ mẫu, kiểm tra giả định trước khi kết luận, và diễn giải kết quả một cách thận trọng — nói "có mối liên hệ" khi bạn chỉ có bằng chứng về mối liên hệ.