118 lines
7.6 KiB
HTML
118 lines
7.6 KiB
HTML
<!DOCTYPE html>
|
||
<html lang="vi">
|
||
<head>
|
||
<meta charset="UTF-8">
|
||
<meta name="viewport" content="width=device-width, initial-scale=1.0">
|
||
<title>Phương pháp luận Xác định Cỡ mẫu Nghiên cứu</title>
|
||
<style>
|
||
body {
|
||
font-family: 'Segoe UI', 'Helvetica Neue', Arial, sans-serif;
|
||
line-height: 1.7;
|
||
color: #333;
|
||
background-color: #f9f9f9;
|
||
margin: 0;
|
||
padding: 20px;
|
||
}
|
||
.container {
|
||
max-width: 800px;
|
||
margin: 20px auto;
|
||
background-color: #ffffff;
|
||
padding: 30px 40px;
|
||
border-radius: 10px;
|
||
box-shadow: 0 4px 12px rgba(0,0,0,0.08);
|
||
border: 1px solid #e0e0e0;
|
||
}
|
||
h1 {
|
||
color: #2c3e50;
|
||
text-align: center;
|
||
font-size: 2em;
|
||
margin-bottom: 20px;
|
||
border-bottom: 2px solid #3498db;
|
||
padding-bottom: 10px;
|
||
}
|
||
h2 {
|
||
color: #34495e;
|
||
font-size: 1.5em;
|
||
margin-top: 40px;
|
||
margin-bottom: 15px;
|
||
border-bottom: 1px solid #ccc;
|
||
padding-bottom: 8px;
|
||
}
|
||
p {
|
||
font-size: 1em;
|
||
text-align: justify;
|
||
margin-bottom: 15px;
|
||
}
|
||
strong {
|
||
color: #c0392b; /* Giữ màu đỏ cho các thuật ngữ quan trọng */
|
||
}
|
||
.strong-primary {
|
||
color: #2980b9; /* Màu xanh cho mục tiêu chính/thứ cấp */
|
||
font-weight: bold;
|
||
}
|
||
code {
|
||
font-family: 'Courier New', Courier, monospace;
|
||
background-color: #ecf0f1;
|
||
padding: 2px 5px;
|
||
border-radius: 4px;
|
||
font-size: 0.95em;
|
||
}
|
||
ol {
|
||
padding-left: 20px;
|
||
}
|
||
li {
|
||
margin-bottom: 10px;
|
||
}
|
||
.reason {
|
||
background-color: #e8f6f3;
|
||
border-left: 4px solid #1abc9c;
|
||
padding: 15px;
|
||
margin-top: 15px;
|
||
border-radius: 4px;
|
||
}
|
||
.reason p {
|
||
margin-bottom: 10px; /* Điều chỉnh khoảng cách trong box lý do */
|
||
}
|
||
</style>
|
||
</head>
|
||
<body>
|
||
|
||
<div class="container">
|
||
<h1>PHƯƠNG PHÁP LUẬN XÁC ĐỊNH CỠ MẪU NGHIÊN CỨU</h1>
|
||
|
||
<p>Xác định cỡ mẫu là một bước thiết yếu và mang tính nền tảng trong đề cương nghiên cứu khoa học. Một cỡ mẫu được tính toán hợp lý không chỉ đảm bảo tính đại diện của mẫu cho quần thể nghiên cứu mà còn giúp tối ưu hóa việc sử dụng nguồn lực, thời gian và chi phí. Quan trọng hơn, nó đảm bảo nghiên cứu có đủ <strong>công suất thống kê (statistical power)</strong> để phát hiện ra các mối liên hệ hoặc sự khác biệt có ý nghĩa, từ đó gia tăng độ tin cậy và giá trị khoa học của kết quả nghiên cứu.</p>
|
||
|
||
<p>Công cụ tính toán cỡ mẫu được sử dụng trong nghiên cứu này được phát triển trên nền tảng ngôn ngữ lập trình R, một công cụ chuẩn mực và mạnh mẽ trong phân tích thống kê, kết hợp với Shiny framework để xây dựng giao diện người dùng tương tác và trực quan.</p>
|
||
|
||
<hr>
|
||
|
||
<h2>Mối quan hệ giữa Cỡ mẫu Nghiên cứu và Cỡ mẫu cho Kiểm định Giả thuyết</h2>
|
||
|
||
<p>Về bản chất, <strong>việc tính toán cỡ mẫu cho một nghiên cứu chính là quá trình xác định số lượng quan sát tối thiểu cần thiết để thực hiện các kiểm định giả thuyết thống kê (statistical hypothesis testing) đã đề ra trong mục tiêu nghiên cứu.</strong></p>
|
||
|
||
<p>Mỗi nghiên cứu khoa học đều nhằm trả lời một hoặc nhiều câu hỏi nghiên cứu, và các câu hỏi này được cụ thể hóa thành các giả thuyết thống kê (ví dụ: giả thuyết H₀ và giả thuyết Hₐ). Để có thể đưa ra kết luận bác bỏ hay không bác bỏ một giả thuyết, chúng ta cần sử dụng các phép kiểm định thống kê tương ứng (ví dụ: kiểm định t, khi bình phương, ANOVA).</p>
|
||
|
||
<p>Do đó, cỡ mẫu của nghiên cứu phải đủ lớn để phép kiểm định thống kê có đủ "năng lực" hay <strong>công suất thống kê <code>(1-β)</code></strong> để phát hiện ra một <strong>ảnh hưởng (effect size)</strong> thực sự tồn tại trong quần thể ở một <strong>mức ý nghĩa <code>(α)</code></strong> đã định trước. Nói cách khác, không có sự tách biệt giữa "cỡ mẫu nghiên cứu" và "cỡ mẫu cho kiểm định", chúng là một. Cỡ mẫu nghiên cứu được quyết định bởi yêu cầu của các kiểm định giả thuyết chính.</p>
|
||
|
||
<hr>
|
||
|
||
<h2>Xử lý trường hợp Nghiên cứu sử dụng nhiều Kiểm định Giả thuyết</h2>
|
||
|
||
<p>Trong thực tế, một nghiên cứu thường có nhiều hơn một mục tiêu và do đó cần thực hiện nhiều phép kiểm định giả thuyết khác nhau. Ví dụ, một nghiên cứu có thể vừa so sánh tỷ lệ giữa hai nhóm, vừa so sánh giá trị trung bình giữa ba nhóm, và vừa xem xét một mối tương quan. Mỗi phép kiểm định này, với các tham số khác nhau (mức ý nghĩa α, công suất 1-β, độ lớn ảnh hưởng dự kiến), sẽ yêu cầu một cỡ mẫu tối thiểu khác nhau.</p>
|
||
|
||
<p>Trong trường hợp này, quy trình chuẩn mực cần thực hiện như sau:</p>
|
||
|
||
<ol>
|
||
<li><strong>Phân loại mục tiêu:</strong> Cần phân biệt rõ ràng giữa <span class="strong-primary">mục tiêu chính (primary objectives)</span> và <span class="strong-primary">mục tiêu thứ cấp (secondary objectives)</span>. Mục tiêu chính là những câu hỏi then chốt, quan trọng nhất, quyết định sự thành công và kết luận cốt lõi của nghiên cứu.</li>
|
||
<li><strong>Tính toán cỡ mẫu riêng lẻ:</strong> Thực hiện tính toán cỡ mẫu cho <strong>từng giả thuyết thuộc nhóm mục tiêu chính</strong> một cách độc lập.</li>
|
||
<li><strong>Lựa chọn cỡ mẫu cuối cùng:</strong> Cỡ mẫu cuối cùng cho toàn bộ nghiên cứu sẽ là cỡ mẫu <strong>lớn nhất</strong> trong số các cỡ mẫu đã tính toán ở bước 2.</li>
|
||
</ol>
|
||
|
||
<div class="reason">
|
||
<p><strong>Lý do và Diễn giải:</strong> Việc lựa chọn cỡ mẫu lớn nhất đảm bảo rằng nghiên cứu có đủ công suất thống kê (ví dụ: <code>1-β ≥ 80%</code>) cho <strong>tất cả các mục tiêu chính</strong>.</p>
|
||
<p><strong>Đối với các mục tiêu thứ cấp</strong> (hoặc các phân tích mang tính khám phá - exploratory analysis), nhà nghiên cứu chấp nhận rằng cỡ mẫu này có thể không đủ công suất (underpowered) để phát hiện các khác biệt/mối liên hệ nhỏ hơn. Khi báo cáo kết quả, bất kỳ kết luận nào từ mục tiêu thứ cấp không đạt đủ công suất thống kê cần được diễn giải một cách thận trọng và ghi nhận rõ ràng trong phần <strong>"Hạn chế của nghiên cứu" (Limitations)</strong>.</p>
|
||
</div>
|
||
</div>
|
||
|
||
</body>
|
||
</html> |