Công Cụ Tính Cỡ Mẫu Này Làm Được Gì?
Công cụ này cho bạn biết cần khảo sát bao nhiêu người (hoặc bao nhiêu đối tượng) để thu được kết quả đáng tin cậy về mặt thống kê đối với một tổng thể nhất định. Nó áp dụng công thức hiệu chỉnh cho tổng thể hữu hạn (finite-population correction), nên kết quả được điều chỉnh theo đúng quy mô nhóm mục tiêu của bạn thay vì giả định tổng thể vô hạn. Phương pháp này được dùng phổ biến trên toàn thế giới cho khảo sát, thăm dò ý kiến, nghiên cứu thị trường và nghiên cứu học thuật — bản chất thống kê là chung cho mọi quốc gia, không bị giới hạn ở bất kỳ nước nào.
Giải Thích Ba Thông Số Đầu Vào
- Quy mô tổng thể (\(N\)): Tổng số cá thể trong nhóm mà bạn muốn rút ra kết luận — ví dụ 50.000 khách hàng đã đăng ký. Giá trị mặc định là 1.000.000.
- Độ tin cậy (%): Mức độ chắc chắn bạn muốn đạt được rằng giá trị thực nằm trong khoảng sai số. Các lựa chọn phổ biến là 90%, 95% và 99%. Công cụ sẽ chuyển con số này thành giá trị z (z-score) dựa trên phân phối chuẩn (95% → \(z \approx 1{,}96\)).
- Sai số cho phép (%): Khoảng sai lệch có thể chấp nhận quanh kết quả, ví dụ ±5%. Sai số càng nhỏ thì cỡ mẫu cần thiết càng lớn.
Công Thức Tính
Công cụ áp dụng công thức cỡ mẫu có hiệu chỉnh cho tổng thể hữu hạn:
$$n = \frac{\dfrac{z^{2}\,p\,(1-p)}{e^{2}}}{1 + \dfrac{z^{2}\,p\,(1-p)}{e^{2}\,N}}$$
Trong đó \(z\) là giá trị z tương ứng với độ tin cậy, \(p\) là tỷ lệ phản hồi giả định (cố định ở 0,5 vì giá trị này cho cỡ mẫu lớn nhất và cho ước lượng an toàn nhất), \(e\) là sai số cho phép dưới dạng số thập phân, và \(N\) là quy mô tổng thể. Kết quả luôn được làm tròn lên để bạn không bao giờ bị thiếu mẫu.
Ví Dụ Cụ Thể
Giả sử tổng thể của bạn là 50.000 người, bạn muốn độ tin cậy 95% và sai số 5%.
- \(z = 1{,}96\); \(p = 0{,}5\); \(e = 0{,}05\); \(N = 50.000\)
- Tử số: $$1{,}96^{2} \times 0{,}5 \times 0{,}5 / 0{,}05^{2} = 0{,}9604 / 0{,}0025 = 384{,}16$$
- Mẫu số: $$1 + 384{,}16 / 50.000 = 1{,}00768$$
- $$n = 384{,}16 / 1{,}00768 \approx 381{,}2 \rightarrow \text{làm tròn lên thành } \mathbf{382}$$
Vậy bạn cần khảo sát 382 người.
Điểm Z cho các mức tin cậy phổ biến
Máy tính chuyển mức tin cậy của bạn thành điểm z hai phía, \(z = \Phi^{-1}\left(1 - \alpha/2\right)\), trong đó \(\alpha = 1 - \text{mức tin cậy}\). Mức tin cậy càng cao thì điểm z càng lớn và do đó cỡ mẫu cần thiết càng lớn.
| Mức tin cậy | Alpha (1 − mức tin cậy) | Điểm z hai phía |
|---|---|---|
| 80% | 0.20 | 1.282 |
| 85% | 0.15 | 1.440 |
| 90% | 0.10 | 1.645 |
| 95% | 0.05 | 1.960 |
| 98% | 0.02 | 2.326 |
| 99% | 0.01 | 2.576 |
| 99.9% | 0.001 | 3.291 |
Diễn giải cỡ mẫu của bạn
- Là số phản hồi hoàn thành, không phải số lời mời. Kết quả là số phản hồi hoàn thành, hợp lệ mà bạn cần. Nếu bạn dự kiến tỷ lệ phản hồi là 20%, bạn phải liên hệ với khoảng gấp năm lần số người đó.
- Giả định lấy mẫu ngẫu nhiên. Cỡ mẫu chỉ hỗ trợ sai số biên và mức tin cậy đã nêu nếu người trả lời được chọn ngẫu nhiên từ tổng thể. Các mẫu thuận tiện hoặc tỷ lệ không phản hồi cao có thể làm sai lệch kết quả, bất kể n lớn đến đâu.
- Các nhóm con có biên sai số rộng hơn. Sai số biên áp dụng cho toàn bộ mẫu. Nếu bạn phân tích một nhóm con, biên sai số của nhóm đó được tính dựa trên số lượng của chính nhóm con đó. Ví dụ, với p = 0.5 và mức tin cậy 95%, một nhóm con gồm 100 người có biên sai số khoảng \(1.96\sqrt{0.25/100} \approx 0.098\), hay ±9.8%.
- Lợi suất giảm dần. Vì \(n \propto 1/e^{2}\), việc giảm một nửa sai số biên làm cỡ mẫu cần thiết tăng khoảng bốn lần. Với mức tin cậy 95% và tổng thể lớn, ±5% cần khoảng 385 phản hồi, trong khi ±2.5% cần khoảng 1,537.
- Hiệu chỉnh tổng thể hữu hạn. Hệ số hiệu chỉnh \(1 + \dfrac{n_0}{N}\) trong công thức chủ yếu có ý nghĩa khi mẫu chiếm hơn khoảng 5% tổng thể. Với tổng thể rất lớn, kết quả hầu như không thay đổi theo N.
Ví dụ: với N = 10,000, mức tin cậy 95% và sai số biên 5%, trước tiên tính \(n_0 = \dfrac{1.96^{2}\cdot 0.5\cdot 0.5}{0.05^{2}} = 384.16\). Sau đó \(n = \dfrac{384.16}{1 + 384.16/10000} = \dfrac{384.16}{1.038416} \approx 369.97\), làm tròn lên thành 370 phản hồi hoàn thành.
Máy tính giả định p = 0.5, tỷ lệ thận trọng nhất, cho ra cỡ mẫu lớn nhất. Nếu bạn có ước tính tiên nghiệm đáng tin cậy về tỷ lệ, một mẫu nhỏ hơn có thể đủ, nhưng 0.5 là giá trị mặc định an toàn. Đây là thông tin thống kê chung, không phải lời khuyên tài chính hoặc y tế.
Công cụ liên quan
Đang lên kế hoạch cho một A/B test? Công cụ tính cỡ mẫu và độ mạnh kiểm định A/B test cho biết mỗi phiên bản cần bao nhiêu lượt truy cập, kèm xác suất Bayes chính xác để B tốt hơn A.
Đã có kết quả thử nghiệm? Công cụ kiểm định ý nghĩa A/B test cho biết chênh lệch giữa hai tỷ lệ chuyển đổi có ý nghĩa thống kê hay không, kèm z-score và p-value.
Câu Hỏi Thường Gặp
Vì sao \(p\) được đặt bằng 0,5? Khi chưa biết tỷ lệ thực, giá trị 0,5 tạo ra cỡ mẫu lớn nhất có thể, đảm bảo khảo sát của bạn đủ chính xác bất kể kết quả thực tế ra sao.
Nếu tổng thể của tôi rất lớn thì sao? Với tổng thể cực lớn, phần hiệu chỉnh gần như không đáng kể, nên cỡ mẫu sẽ tiệm cận công thức đơn giản hơn \(n = z^{2}p(1-p)/e^{2}\) (khoảng 385 với mức 95%/5%).
Làm sao để giảm cỡ mẫu cần thiết? Hãy chấp nhận sai số lớn hơn hoặc độ tin cậy thấp hơn. Siết chặt bất kỳ yếu tố nào trong hai yếu tố này đều khiến cỡ mẫu cần thiết tăng lên đáng kể.