Cỡ mẫu nghiên cứu ảnh hưởng kết quả thế nào?

Vì vậy, tác động của cỡ mẫu cần được hiểu trên ít nhất ba phương diện: độ chính xác của ước lượng, sức mạnh thống kê và khả năng khái quát hóa. Trong đó, một điểm quan trọng là “nhiều đối tượng hơn” và “mẫu tốt hơn” không phải lúc nào cũng là một.

Cỡ mẫu thay đổi độ chính xác của kết quả thế nào?

Cỡ mẫu càng lớn thì sai số ngẫu nhiên của ước lượng thường càng giảm. Với nhiều ước lượng thống kê phổ biến, sai số chuẩn có quan hệ gần với 1/n​, trong đó n là cỡ mẫu. Điều này có nghĩa là tăng cỡ mẫu vẫn giúp tăng độ chính xác, nhưng lợi ích biên giảm dần.

Ví dụ, nếu mọi điều kiện khác giữ nguyên, tăng cỡ mẫu từ 100 lên 400 quan sát làm sai số chuẩn giảm khoảng một nửa. Đây là lý do việc tăng từ một mẫu rất nhỏ lên mẫu vừa phải thường tạo cải thiện rõ rệt, trong khi tăng tiếp từ rất lớn lên cực lớn có thể chỉ mang lại mức cải thiện tương đối nhỏ.

Độ chính xác thường được thể hiện thông qua độ rộng của khoảng tin cậy hoặc biên sai số. Với cùng phương pháp lấy mẫu và cùng mức tin cậy, cỡ mẫu lớn hơn thường tạo khoảng tin cậy hẹp hơn. Khi đó, nghiên cứu không chỉ đưa ra một con số ước lượng mà còn cho biết phạm vi bất định quanh con số đó nhỏ đến đâu.

Tuy nhiên, đây là tác động lên sai số ngẫu nhiên, không phải mọi loại sai số. Một mẫu rất lớn nhưng được chọn theo cách thiên lệch vẫn có thể cho một ước lượng chính xác về mặt kỹ thuật nhưng sai về mặt thực tế.

Cỡ mẫu tác động đến sức mạnh kiểm định ra sao?

Trong nghiên cứu có kiểm định giả thuyết, cỡ mẫu liên quan chặt chẽ đến power, tức khả năng phát hiện một hiệu ứng thực sự khi hiệu ứng đó tồn tại.

Khi cỡ mẫu quá nhỏ, dữ liệu có thể dao động lớn đến mức hiệu ứng thật bị che lấp bởi nhiễu. Khi đó, nghiên cứu dễ rơi vào tình huống không tìm thấy khác biệt có ý nghĩa thống kê dù trên thực tế khác biệt có tồn tại. Đây là một trong những lý do nghiên cứu thiếu cỡ mẫu có thể cho kết quả “không có bằng chứng về hiệu ứng”, nhưng không nên diễn giải thành “đã chứng minh không có hiệu ứng”.

Cỡ mẫu lớn hơn thường làm giảm sai số chuẩn và tăng power, đặc biệt khi hiệu ứng cần phát hiện tương đối nhỏ. Nhưng power không chỉ phụ thuộc vào n. Nó còn phụ thuộc vào kích thước hiệu ứng, mức ý nghĩa, độ biến thiên của dữ liệu và thiết kế phân tích.

Điều này tạo ra một mối quan hệ quan trọng: một hiệu ứng rất lớn có thể được phát hiện với mẫu tương đối nhỏ, trong khi một hiệu ứng nhỏ nhưng có ý nghĩa thực tiễn có thể đòi hỏi mẫu lớn hơn đáng kể.

Cỡ mẫu ảnh hưởng khả năng khái quát hóa kết quả thế nào?

Cỡ mẫu lớn có thể làm ước lượng ổn định hơn, nhưng khả năng khái quát hóa không được quyết định bởi số lượng quan sát בלבד. Yếu tố quan trọng không kém là mẫu nghiên cứu có đại diện cho quần thể mục tiêu hay không.

Giả sử một nghiên cứu thu thập 10.000 người nhưng toàn bộ đều đến từ một nhóm dân cư rất đặc thù. Con số 10.000 tạo ra lượng dữ liệu lớn, nhưng không đảm bảo kết quả có thể áp dụng nguyên trạng cho những nhóm không được đại diện.

Vì vậy, cỡ mẫu và tính đại diện giải quyết hai vấn đề khác nhau:

Cỡ mẫu lớn hơn chủ yếu giúp giảm bất định do lấy mẫu ngẫu nhiên

Thiết kế lấy mẫu phù hợp giúp kết quả có cơ sở hơn để suy rộng sang quần thể mục tiêu

Trong thực tế, một mẫu nhỏ nhưng được chọn đúng mục tiêu nghiên cứu đôi khi có giá trị suy luận cao hơn một mẫu rất lớn nhưng thiên lệch.

Cỡ mẫu quá nhỏ có thể làm quy trình khoa học sai ở đâu?

Vấn đề của cỡ mẫu nhỏ không chỉ nằm ở một con số “ít”. Nó có thể tạo ra nhiều hệ quả liên tiếp trong toàn bộ quy trình nghiên cứu.

Thứ nhất, ước lượng có thể biến động mạnh giữa các mẫu khác nhau. Hai nhóm nghiên cứu thực hiện cùng một quy trình nhưng lấy những mẫu nhỏ khác nhau có thể thu được kết quả khá khác biệt chỉ do dao động ngẫu nhiên.

Thứ hai, nghiên cứu có thể thiếu power để phát hiện hiệu ứng nhỏ hoặc vừa. Khi đó, nguy cơ bỏ sót hiệu ứng thực sự tăng lên.

Thứ ba, các ước lượng ở mẫu nhỏ có thể nhạy hơn với một số quan sát bất thường. Một vài trường hợp cực trị có thể ảnh hưởng đáng kể đến trung bình, hệ số hồi quy hoặc một kiểm định.

Thứ tư, cỡ mẫu nhỏ có thể khiến việc phân tích các nhóm con trở nên thiếu ổn định. Một nghiên cứu có 200 người có thể trông khá đủ cho phân tích tổng thể, nhưng nếu chia thành nhiều nhóm chỉ còn vài chục người mỗi nhóm thì độ chính xác của từng ước lượng sẽ giảm mạnh.

Do đó, cỡ mẫu phải được xem xét cùng với câu hỏi nghiên cứu, biến thiên dữ liệu và kế hoạch phân tích thay vì chỉ nhìn vào tổng số người tham gia.

Cỡ mẫu lớn có luôn làm kết quả khoa học tốt hơn không?

Không. Cỡ mẫu lớn thường làm giảm sai số ngẫu nhiên, nhưng không tự động làm nghiên cứu đúng hơn trong mọi khía cạnh.

Một nghiên cứu có mẫu rất lớn vẫn có thể cho kết luận sai nếu tồn tại:

·         Sai lệch chọn mẫu

·         Sai lệch đo lường

·         Biến gây nhiễu chưa được kiểm soát

·         Thiết kế nghiên cứu không phù hợp với câu hỏi

·         Tỷ lệ thiếu dữ liệu cao

·         Phân tích thống kê không phù hợp

Ngoài ra, khi cỡ mẫu quá lớn, những hiệu ứng rất nhỏ có thể trở nên có ý nghĩa thống kê dù mức độ quan trọng về thực tiễn gần như không đáng kể. Vì vậy, “có ý nghĩa thống kê” không đồng nghĩa với “có ý nghĩa khoa học hoặc thực hành lớn”.

Trong các thiết kế phức tạp, còn cần chú ý đến cỡ mẫu hiệu dụng. Chẳng hạn, dữ liệu theo cụm, quan sát lặp lại hoặc trọng số lấy mẫu có thể khiến lượng thông tin thực tế thấp hơn số quan sát thô. Vì thế, 1.000 quan sát không phải lúc nào cũng mang lượng thông tin tương đương với 1.000 quan sát độc lập hoàn toàn.

Điểm cốt lõi là cỡ mẫu nên được tối ưu cho câu hỏi nghiên cứu: đủ lớn để đạt độ chính xác và power cần thiết, nhưng phải đi cùng thiết kế lấy mẫu, đo lường và phân tích phù hợp.

Một quy trình khoa học đáng tin cậy cần nhìn cỡ mẫu như một thành phần của độ mạnh bằng chứng, không phải tiêu chí duy nhất của chất lượng nghiên cứu. Cỡ mẫu tăng thường làm giảm bất định ngẫu nhiên, thu hẹp khoảng tin cậy và tăng khả năng phát hiện hiệu ứng; nhưng nó không thể bù đắp cho một mẫu thiếu đại diện hoặc một thiết kế có sai lệch hệ thống.

Vì vậy, câu hỏi quan trọng không phải chỉ là “có bao nhiêu người được nghiên cứu?”, mà là cỡ mẫu đó có đủ để trả lời câu hỏi nghiên cứu với mức độ chính xác, sức mạnh kiểm định và khả năng khái quát mong muốn hay chưa?