nghiên cứu marketing phần 6 pps

104

Ít hơn 1 giờ 1

Từ 1 đến 3 giờ 2

Từ 3 đến 5 giờ 3

Từ 5 đến 7 giờ 4

Từ 7 đến 9 giờ 5

Trên 6

MỘT SỐ VẤN ĐỀ LIÊN QUAN ĐẾN PHÂN TÍCH VÀ DIỄN GIẢI DỮ LIỆU

Phân tích và diễn giải dữ liệu đã xử lý có tác dụng quan trọng trong việc tìm hiểu và rút ra ý

nghĩa của các dữ liệu, nhờ đó, các căn cứ cho đề xuất các giải pháp sẽ rõ ràng và khoa học hơn.

Công việc này được tiến hành qua 2 giai đoạn chủ yếu:

- Xếp các dữ liệu thô vào các thứ bậc đã được đo lường

- Tóm lược các phương pháp phân tích để làm rõ mối quan hệ hỗ tương và các ý nghĩa định

lượng giữa các dữ liệu (trong các nội dung sau chúng ta sẽ tìm hiểu một số phương pháp phân

tích dữ liệu dựa trên cơ sở sử dụng các thành tựu của khoa học thống kê)

Vấn đề hiệu quả của công tác xử lí dữ liệu

Nguy cơ làm cho phí tổn và thời gian xử lý lâu là những nguyên nhân khiến cho các nhà nghiên

cứu phải quan tâm đến tính hiệu quả của công tác dữ liệu. Để đảm bảo tính hiệu quả của công tác

xử lý dữ liệu cần phải chú ý đến một số vấn đề sau:

- Việc chuẩn bị các dữ liệu để xử lý phải làm sẵn trước khi đưa dữ liệu đến bộ phận computer.

Việc này sẽ tiết kiệm được thời gian và tránh được những sai sót đáng tiếc do tình trạng các dữ

liệu thô đổ dồn về trung tâm tính toán.

- Tiên đoán trước các dữ liệu nào là cần thiết đưa vào xử lý và phân tích. Không được tùy tiện

cắt xén dữ liệu vì việc bổ sung dữ liệu trong quá trình xử lý sẽ rất phức tạp và tốn nhiều công

sức, tiền bạc. Nhưng cũng không nên đưa quá nhiều dữ liệu “râu ria” vào xử lý làm tăng khối

lượng tính toán không cần thiết, kết quả phân tích sẽ phức tạp và nhiều khi vô dụng.

Tóm lại phải đưa và chỉ nên đưa đủ những dữ liệu cần thiết cho mục đích nghiên cứu vào xử lý.

Bản chất của sự diễn giải

Định nghĩa

Diễn giải là làm nổi bật ý nghĩa của dữ liệu, hay nói cách khác diễn giải là quá trình chuyển đổi

các dữ liệu thuần túy thành thông tin. Người nghiên cứu sẽ đạt đến mục tiêu của quá trình nghiên

cứu khi rút ra kết luận từ những dữ liệu để phân tích. Có hai giai đoạn về suy nghĩ lôgíc dùng để

rút ra các suy luận từ dữ liệu và cả hai giai đoạn đều được ta thực hiện dù có ý thức hay không:

đó là quy nạp và diễn giải.

Boveridge đã định nghĩa các giai đoạn này như sau: “Các nhà lôgíc học phân biệt rõ giữa suy

luận qui nạp (từ những ví dụ đặc biệt dẫn đến các qui tắc chung, từ dữ kiện cho đến lý thuyết) và

suy luận diễn giải (từ cái chung đến cái đặc biệt, áp dụng lý thuyết vào một trường hợp nào đó).

Ở quy nạp, người ta bắt đầu từ các dữ kiện, quan sát chúng và tiến đến một sự khái quát hóa để

giải thích mối quan hệ giữa các đối tượng được quan sát. Ngược lại, ở phương pháp diễn giải,

người ta bắt đầu từ các qui luật chung và áp dụng chúng vào một trường hợp cụ thể”.

Các yêu cầu của việc diễn giải

Để diễn giải tốt, cần phải lưu ý các vấn đề sau:

105

- Diễn giải một cách trung thực và tỉnh táo, không nên phóng đại hay bóp méo các dữ liệu để

gây sự chú ý.

- Luôn khách quan và đơn giản trong diễn giải, không nên làm phức tạp hóa vấn đề.

- Lưu ý đến giới hạn của các mẫu thông tin nhỏ, tức là không nên sa vào “thổi phồng” kết quả

quan sát được từ một mẫu nhỏ thành khái quát miêu tả một phạm vi lớn.

- Công bằng, khách quan với mọi dữ liệu, không nên có thành kiến hoặc thiên hướng về một kết

luận đặc biệt nào.

- Chú ý đúng mức đến các câu trả lời quá bất thường.

- Phân biệt nguyên nhân và kết quả, không nên nhầm lẫn chúng với nhau.

Những lưu ý về phân tích dữ liệu

Chọn phương pháp phân tích

Lĩnh vực phân tích dữ liệu rất rộng vì vậy, có rất nhiều phương pháp phân tích có thể sử dụng.

Người nghiên cứu cần phải cân nhắc nhiều khía cạnh để lựa chọn phương pháp thích hợp, bao

gồm: đặc tính ngẫu nhiên của dữ liệu, cần nêu bật ý nghĩa nào của kết quả nghiên cứu?, có xem

xét sự sai lệch đáng kể của dữ liệu không?, qui luật phân phối ngẫu nhiên của dữ liệu thuộc đại

lượng nghiên cứu nào?...

Dữ liệu tham số và dữ liệu phi tham số

Những dữ liệu được gọi là tham số khi chúng được phân phối xung quanh giá trị trung bình hoặc

giá trị trung tâm của chúng một cách đối xứng nhau, tương tự như đường cong của hàm số mật độ

phân phối xác suất chuẩn.

Những dữ liệu phi tham số thì khác, chúng không được phân phối theo đường cong của hàm phân

phối chuẩn.

Tương ứng với các loại dữ liệu đó, các phương pháp kiểm định giả thuyết được áp dụng có

những khác biệt theo các tiêu chuẩn kiểm định khác nhau, do vậy, khi phân tích dữ liệu cần nhận

diện rõ ràng đó là loại dữ liệu tham số hay dữ liệu phi tham số.

Số lượng những biến số cần được phân tích

Số lượng những biến số thường hay thay đổi từ một đến nhiều biến số:

Chúng ta xếp loại chúng theo 3 nhóm phương pháp phân tích:

- Phương pháp biến số đơn: trong đó chỉ có một biến số duy nhất được phân tích.

- Phương pháp biến số kép: được sử dụng để tìm hiểu sự liên hệ giữa hai biến số.

- Phương pháp đa biến: được sử dụng để tìm hiểu sự liên hệ giữa các biến số với nhau.

Tính độc lập và phụ thuộc lẫn nhau

Liên quan đến số lượng biến số được phân tích là sự liên hệ giữa các biến số với nhau. Từ “liên

hệ” được sử dụng để ám chỉ sự biến thiên của hai (hay nhiều) biến số sẽ có ảnh hưởng giữa chúng

với nhau. Sẽ có hai trường hợp phân tích:

(1) Trường hợp trong đó chỉ có một biến số được kiểm nghiệm về tính phụ thuộc của nó với

những biến số độc lập khác.

(2) Trường hợp người nghiên cứu tìm kiếm những mối liên hệ hay phụ thuộc lẫn nhau giữa tất cả

các biến số.