Vì sao không có con số chung
Cỡ mẫu cần thiết phụ thuộc vào bốn thứ, và thay đổi bất kỳ thứ nào cũng làm con số thay đổi:
- Độ lớn của hiệu ứng bạn muốn phát hiện. Hiệu ứng càng nhỏ càng cần nhiều mẫu. Đây là yếu tố quan trọng nhất và cũng hay bị bỏ qua nhất.
- Độ biến thiên của dữ liệu. Dữ liệu càng phân tán càng cần nhiều mẫu.
- Mức ý nghĩa bạn chấp nhận.
- Năng lực thống kê bạn muốn đạt — xác suất phát hiện được hiệu ứng nếu nó thực sự tồn tại.
Vì vậy câu trả lời luôn có dạng: "để phát hiện một hiệu ứng độ lớn X với năng lực Y ở mức ý nghĩa Z, cần khoảng N đơn vị mẫu". Không có N nào đứng một mình.
Cách xác định độ lớn hiệu ứng đáng quan tâm
Đây là bước khó nhất vì nó không phải câu hỏi thống kê mà là câu hỏi chuyên môn. Ba cách thường dùng:
- Từ các nghiên cứu trước. Xem những công trình tương tự báo cáo hiệu ứng độ lớn bao nhiêu.
- Từ ý nghĩa thực tiễn. Mức thay đổi nhỏ nhất mà nếu đạt được thì đáng để thay đổi cách làm. Ví dụ: cải thiện dưới hai phần trăm thì không đủ để một cơ sở đổi quy trình.
- Từ nghiên cứu thử ở quy mô nhỏ để ước lượng độ biến thiên.
Những quy tắc ngón tay cái hay bị dùng sai
Trong nhiều tài liệu có các quy tắc kiểu "cần ít nhất năm quan sát cho mỗi biến" hoặc "cỡ mẫu tối thiểu ba mươi". Chúng có ích như điểm khởi đầu nhưng bị lạm dụng theo hai cách:
- Coi là điều kiện đủ. Đạt ngưỡng tối thiểu không bảo đảm nghiên cứu có năng lực phát hiện hiệu ứng bạn quan tâm.
- Áp dụng ngoài bối cảnh gốc. Nhiều quy tắc được đề xuất cho một loại phân tích cụ thể, dùng sang loại khác thì không còn đúng.
Nếu hội đồng hỏi "vì sao cỡ mẫu này", trả lời bằng một quy tắc ngón tay cái thường không đủ. Trả lời bằng tính toán năng lực thống kê thì thuyết phục hơn nhiều.
Vấn đề của mẫu quá nhỏ và quá lớn
Quá nhỏ
Không phát hiện được hiệu ứng dù nó tồn tại, và kết quả "không có ý nghĩa thống kê" bị hiểu nhầm thành "không có hiệu ứng". Ngoài ra, các hiệu ứng có ý nghĩa tìm được từ mẫu nhỏ thường bị ước lượng phóng đại.
Quá lớn
Ít được nói tới nhưng có thật: với mẫu rất lớn, gần như mọi khác biệt đều đạt ý nghĩa thống kê, kể cả những khác biệt không có ý nghĩa thực tiễn nào. Đây là lý do phải luôn báo cáo độ lớn hiệu ứng bên cạnh mức ý nghĩa. Mẫu quá lớn cũng lãng phí nguồn lực và, với nghiên cứu trên con người, làm nhiều người tham gia hơn mức cần thiết.
Việc nên làm
- Tính cỡ mẫu trước khi thu thập dữ liệu, và ghi lại các giả định đã dùng.
- Cộng thêm dự phòng cho tỷ lệ mất mẫu — người không trả lời, mẫu hỏng, bỏ giữa chừng.
- Nếu nguồn lực không cho phép đạt cỡ mẫu cần, hãy nói rõ điều đó trong phần hạn chế thay vì im lặng.
- Không bao giờ dừng thu thập dữ liệu khi vừa thấy kết quả có ý nghĩa — đây là một lỗi phương pháp nghiêm trọng làm sai lệch kết quả.
Lưu ý: quy chế tuyển sinh, đào tạo và quy định về văn bằng do cơ quan quản lý nhà nước và từng cơ sở đào tạo ban hành, có thay đổi theo thời gian. Bài viết mô tả cách làm thường gặp; trước khi ra quyết định, hãy đọc thông báo hiện hành của chính trường bạn quan tâm và hỏi phòng đào tạo.
