Kho hàng của Amazon trông cực kỳ lộn xộn, nhưng thực ra đó lại là đỉnh cao của nghệ thuật lưu trữ bằng công nghệ

Kho hàng của Amazon trông cực kỳ lộn xộn, nhưng thực ra đó lại là đỉnh cao của nghệ thuật lưu trữ bằng công nghệ

(Nguồn: http://cafef.vn)

Mọi món đồ trong kho của Amazon đều được sắp xếp không theo thứ tự, búp bê đồ chơi có thể được xếp cùng ngăn với bàn chải đánh răng và tiểu thuyết, thế nhưng nó lại là sự đỉnh cao của nghệ thuật lưu trữ thời công nghệ.

Mỗi khi nhắc tới hình ảnh của những kho chứa hàng, đặc biệt là kho chứa của những công ty bán lẻ trực tuyến hàng đầu như Amazon , người ta sẽ liên tưởng ngay tới những giá, kệ ngăn nắp với nhãn ghi tên sản phẩm và được bộ trí thẳng tắp, vuông vắn như ô bàn cờ.

Mặc dù vậy, điều này không đúng sự thật với Amazon, khi mà kho hàng của họ được bố trí một cách hết sức ngẫu nhiên và lộn xộn đến khó ngờ.

Mỗi kho hàng rộng tới cả chục thậm chí là trăm nghìn m2 và rất nhiều người làm việc bên trong nó.

 Kho hàng của Amazon khi mà mọi thứ được xếp lung tung, không theo bất kì trình tự hay danh mục nào.

Kho hàng của Amazon khi mà mọi thứ được xếp lung tung, không theo bất kì trình tự hay danh mục nào.

Thế nhưng, mọi thứ đều có lý do của nó

Nhân viên làm trong kho hàng của Amazon được phép cất đồ dùng ở bất kì nơi nào họ thích, thế nhưng nó không có nghĩa là họ có thể ném bừa đồ dùng ở bất kì đâu rồi bỏ đi. Mỗi khi để một món đồ lên kệ, nó sẽ quét một mã vạch lên món đồ đó, mã vạch này sẽ được chuyển về máy chủ của Amazon từ đó tạo thành một hệ thống bản đồ cho người lấy hàng.

Điều này khiến cho những nhân viên làm việc tại Amazon hết sức nhàn hạ, họ có thể quay vài vòng gần những kệ trống và lưu trữ toàn bộ đồ trong xe đẩy của mình. Không như phương pháp lưu trữ truyền thống khi mà họ muốn cất một chiếc đĩa chẳng hạn, họ phải di chuyển tới một khu vực và rồi lại phải tiếp tục di chuyển tới khu vực khác để cất một món đồ khác.

Với những kho hàng có diện tích lớn như thế này, việc cất từng món đồ ở khu vực cố định sẽ rất tốn thời gian, công sức của nhân viên.

Bằng việc sử dụng phương pháp lưu trữ này, những khay, kệ chứa của Amazon được lấp kín rất nhanh chóng, một số nhân viên còn cố tình nhồi nhét thêm để đầy kệ, nó giúp cho các ô trống khác thừa nhiều chỗ hơn, lưu trữ được nhiều hơn và quá trình chuyển hàng vào kho diễn ra nhanh chóng.

Trong kho của Amazon, búp bê có thể được xếp cùng ngăn với tiểu thuyết, máy sấy xếp cùng khăn mặt… mọi thứ được xếp một cách ngẫu nhiên nhất có thể.

Mọi thứ còn tuyệt vời hơn mỗi khi xuất kho, lấy hàng

Việc lấy đồ trong kho mới là thứ đang đề cập, mỗi đơn hàng của khách sẽ được nạp vào thiết bị cầm tay của nhân viên kho. Hệ thống sẽ tự động xác định cho họ khoảng cách gần nhất giữa những món đồ ngẫu nhiên bên trong nhà kho này để họ hoàn thành “cua lấy đồ” của mình trong khoảng thời gian ngắn nhất.

Thời gian lấy đồ ngắn đồng nghĩa với thời gian món hàng tới tay khách ngắn hơn, khách hàng hài lòng hơn.

Mọi thứ đều được tự động hoá thế nên nhân viên chỉ cần đi theo chỉ dẫn của thiết bị cầm tay là có thể hoàn thành công việc của mình.

Sự ngẫu nhiên trong cách lưu trữ của Amazon được coi là hệ thống lưu trữ hoàn hảo nhất trên thế giới. Nó mang lại rất nhiều lợi ích cho những kho hàng có diện tích lớn.

Tiết kiệm lượng lưu trữ: Bất kì ô trống nào đều được lấp đầy, lượng lưu trữ của kho được tăng cường rất lớn. Amazon cho rằng chỉ với phương pháp sắp xếp ngẫu nhiên này, kho của họ đã chứa được nhiều gấp 2 lần so với cách thức lưu trữ truyền thống.

Sự chính xác khi lấy hàng: Mọi thứ đều được thực hiện bởi máy móc, yếu tố con người được giảm tối thiểu, nhân viên chỉ cần làm theo chỉ dẫn của hệ thống, đi theo quãng đường ngắn nhất, lấy món hàng và rồi mang đi gửi cho khách. Nó giúp giảm thiểu rủi ro như lấy sai màu quần áo, sai kích thước hay nhiều vấn đề khác.

Sự đơn giản: Nhân viên kho thường xuyên thay đổi, nếu theo quy tắc truyền thống, một nhân viên mới vào sẽ mất cả tháng trời chỉ để học thuộc các khu vực chứa hàng. Cách lưu trữ của Amazon đơn giản hơn, dễ thực hiện hơn vì luôn luôn làm theo cái máy. Nhân viên được phép lười!

Giảm thiểu gánh nặng quản lý kho: Thay vì có người nhập sổ sách, đếm số hàng còn lại, mọi thứ đều được tự động hoá bởi máy tính, chỉ với vài lần bấm chuột, nhà quản lý có thể tìm ra chính xác “chiếc áo màu đỏ size XL với cổ V” này còn số lượng bao nhiêu trong kho mà không cần vào kho kiểm tra độ chính xác.

Theo Van Vu

Trí thức trẻ

———————&&&———————

Sự hiệu quả đến khó hiểu của toán học trong khoa học tự nhiên

Sự hiệu quả đến khó hiểu của toán học trong khoa học tự nhiên

(Tác giả: Eugene Wigner – Nguồn: http://tiasang.com.vn)

Có một câu chuyện giữa hai người bạn từng học cùng lớp thời phổ thông, nói về công việc hiện tại của họ. Một người trở thành nhà thống kê nghiên cứu về các xu hướng phát triển dân số. Anh ta đưa ra một dữ liệu được biểu diễn bằng phân bố Gaussian, và giải thích cho bạn về ý nghĩa của các ký hiệu phản ánh tình trạng dân số, dân số trung bình, v.v. Người bạn ngạc nhiên hỏi: “Làm sao cậu biết được điều đó, và ký hiệu này có ý nghĩa gì?” Nhà thống kê nói đó là số Pi, chính là tỉ số giữa chu vi đường tròn với đường kính của nó. “Thôi đi, cậu đùa quá mức rồi đấy”, người bạn phản đối. “Chắc chắn rằng dân số không liên quan gì đến cái chu vi của đường tròn”.


Eugene Wigner (1902 -1995) là nhà vật lý, toán học người Mỹ gốc Hungary. Ông được trao giải Nobel vật lý năm 1963 “cho những đóng góp về lý thuyết hạt nhân nguyên tử và các hạt cơ bản, đặc biệt thông qua khám phá và ứng dụng các nguyên lý đối xứng cơ bản”. 

Một cách tự nhiên, chúng ta chỉ mỉm cười về cái nhìn đơn giản của người bạn nọ. Tuy nhiên, khi nghe câu chuyện này, tôi phải thừa nhận một cảm giác huyền hoặc bởi phản ứng của người bạn kia là điều rất bình thường. Tôi thậm chí bị rối khi một vài ngày sau đó, một người khác tình cờ nói với tôi sự khó hiểu của anh ta về thực tế là các nhà nghiên cứu thường chỉ chọn một số ít dữ liệu để kiểm chứng lý thuyết của mình đưa ra. “Khi chúng ta tạo ra một lý thuyết tập trung vào các hiện tượng chưa được quan sát đầy đủ, và bỏ sót các hiện tượng khác lẽ ra phải được quan tâm đến, vậy làm sao ta biết rằng mình không thể xây dựng một lý thuyết khác, không hề giống lý thuyết đang có, nhưng hoàn toàn có khả năng tương đương trong việc lý giải các hiện tượng?” Phải thừa nhận rằng chúng ta không có bằng chứng phủ định sự tồn tại của một lý thuyết như thế.

Hai câu chuyện trên minh chứng cho hai điểm sẽ được bàn trong bài viết này. Điều đầu tiên là giữa những khái niệm toán học hình thành các mối liên hệ có khả năng mô tả các hiện tượng tự nhiên một cách chính xác ngoài mong đợi của chúng ta. Điều thứ hai, do thực tế như vậy và do chúng ta vẫn chưa hiểu căn nguyên dẫn tới sự hữu ích này, chúng ta cũng không thể khẳng định rằng một lý thuyết được diễn tả bằng các khái niệm toán học là chân lý duy nhất. Để dễ hiểu, chúng ta có thể hình dung về một người được cấp một chùm chìa khóa để mở nhiều cánh cửa nối tiếp nhau, và anh ta luôn dùng đúng chìa khóa với mỗi cánh cửa chỉ sau một hoặc hai lần thử. Kết quả đó khiến anh ta trở nên hoài nghi, rằng liệu có đúng là mỗi cánh cửa chỉ có thể được mở bằng một chìa duy nhất.

Bài viết này sẽ tập trung bàn về hiệu quả thần bí của toán học trong khoa học tự nhiên, điều không thể có lời giải thích hợp lý; việc này dẫn tới nghi vấn về tính đúng đắn duy nhất ở các lý thuyết vật lý. Để thiết lập điểm thứ nhất, rằng toán học đóng vai trò quan trọng đến mức khó lí giải trong vật lý, ta cần nói vài lời để trả lời câu hỏi, Toán học là gì? Rồi Vật lý là gì?, sau đó là câu hỏi toán học được áp dụng trong lý thuyết vật lý như thế nào, cuối cùng tại sao sự thành công của toán học trong vật lý gợi lên cảm giác khó hiểu.

Toán học là gì?

Toán học là khoa học của những thao tác nhuần nhuyễn trên các khái niệm và quy luật, những thứ được tạo ra thuần túy cho mục đích tự thân của toán học. Toán học chủ yếu chú trọng việc tạo ra những khái niệm mới, bởi nếu chỉ dựa trên những khái niệm cũ của những tiên đề sẵn có thì sẽ chẳng mấy chốc toán học sẽ không còn định lý nào mới mẻ thú vị. Toán học sơ cấp, đặc biệt là hình học sơ cấp, được xây dựng nhằm mô tả những đối tượng trực tiếp liên quan tới thế giới tự nhiên, nhưng điều này không còn đúng với những khái niệm toán học cao cấp hơn, cụ thể là những khái niệm đóng vai trò quan trọng trong vật lý học.

Trong thực tế, các khái niệm toán học với cách định nghĩa cho phép mở ra những suy xét thú vị và đột phá, chính là minh chứng đầu tiên cho thiên tài của các nhà toán học xây dựng nên các định nghĩa đó. Chiều sâu tư duy ẩn sau quá trình xây dựng các khái niệm toán học được bộc lộ ra về sau, thông qua những kỹ năng thao tác trên các khái niệm này. Nhà toán học thiên tài là người khai thác triệt để, tới tận cùng địa phận có thể tư duy, và đi đường vòng né qua những lãnh địa nơi không thể tư duy. Thật kỳ diệu khi sự táo tợn ấy không khiến anh ta sa lầy trong những kết quả mâu thuẫn nhau.

Điểm chính yếu cần lưu ý ở đây là nhà toán học sẽ tạo ra rất ít các định lý nếu họ không vượt rào, xây dựng những khái niệm nằm ngoài các tiên đề, được định nghĩa với tầm nhìn hướng tới những thao tác logic thông minh phù hợp với cảm quan của nhà toán học, cho ra những kết quả có tính bao quát và minh giản một cách tuyệt vời. Một ví dụ rất điển hình là số phức. Chắc chắn rằng các nhà toán học đưa ra khái niệm này mà không hề dựa trên một kinh nghiệm đời thực nào.

Vật lý là gì?

Điều các nhà vật lý quan tâm là khám phá những quy luật của tự nhiên. Vậy trước hết, cần hiểu rõ thế nào là quy luật của tự nhiên.

Như Schrodinger đã nói, bất chấp sự phức tạp khôn lường của tự nhiên, thật kỳ diệu rằng chúng ta vẫn có thể khám phá ra một số quy luật từ các sự kiện. Một trong những quy luật đó, được khám phá bởi Galileo, là hai hòn đá được thả từ cùng một độ cao ở cùng một thời điểm thì chạm mặt đất cùng một thời điểm. Quy luật do Galileo khám phá là hình mẫu cho một nhóm lớn các quy luật, nó đáng kinh ngạc bởi ba lý do.

Lí do thứ nhất là nó đúng không chỉ ở tháp nghiêng Pisa trong thời đại của Galileo, mà nó đúng ở mọi nơi mọi lúc. Tính chất này được ghi nhận là tính bất biến, một điều kiện tiên quyết cho sự tồn tại của vật lý học.

Điều đáng kinh ngạc thứ hai là quy luật mà chúng ta đang bàn đến không phụ thuộc vào rất nhiều điều kiện tưởng chừng có thể liên quan. Bất kể trời mưa hay không, được tiến hành trong phòng hay từ tháp nghiêng Pisa, và bất kể người thả hòn đá là đàn ông hay phụ nữ,… rõ ràng, có vô số những điều kiện tưởng chừng có thể can thiệp nhưng thực chất không hề gây ảnh hưởng gì tới quy luật khám phá bởi Galileo. Sự không chịu ảnh hưởng bởi nhiều hoàn cảnh khác nhau cũng được coi là tính bất biến. Việc tìm ra những yếu tố có ảnh hưởng hay không có ảnh hưởng đến hiện tượng là công việc sơ khởi của những thí nghiệm thực tế trên con đường khám phá một lĩnh vực. Chính là kỹ năng và tài cán của của người thực hiện thí nghiệm đã chỉ ra cho anh ta thấy những hiện tượng chịu phụ thuộc vào một số ít các điều kiện có tính lặp lại và cho phép tiến hành tái thí nghiệm được. Trong trường hợp Galileo, bước tiến quan trọng ông đạt được là giới hạn điều kiện tiến hành thí nghiệm với những vật thể nặng. Nhấn mạnh một lần nữa, nếu như không có hiện tượng nào chỉ phụ thuộc vào một số ít điều kiện và độc lập với tất cả những điều kiện khác thì vật lý sẽ không thể hình thành và tồn tại.

Quay lại với quy luật của tự nhiên mà Galileo tìm ra, rằng một vật nặng rơi từ một độ cao cho sẵn rơi xuống đất trong một lượng thời gian không phụ thuộc vào kích thước, loại vật liệu và hình thù của vật rơi đó. Trong khuôn khổ định luật II của Newton, nó tương đương với phát biểu rằng trọng lực tác động lên vật rơi tỉ lệ thuận với khối lượng nhưng không phụ thuộc vào kích thước, chất liệu, và hình thù của vật rơi.

Như vậy, những quy luật của tự nhiên thực ra không tồn tại một cách tự nhiên [bởi thực chất chúng đã lược bỏ đi vô vàn các điều kiện, hoàn cảnh có trong tự nhiên, chỉ tập trung vào một số ít điều kiện chọn lọc nhất định nào đó], và việc con người tìm ra chúng lại càng không thể coi là điều tự nhiên. Tất cả những quy luật tự nhiên này chứa đựng chỉ một phần nhỏ hiểu biết của chúng ta về thế giới xung quanh. Tất cả các quy luật của tự nhiên là những phát biểu có điều kiện, chúng cho phép dự đoán một vài sự kiện trong tương lai dựa trên những kiến thức có được ở hiện tại, song dự đoán đó lại không liên hệ gì với phần lớn những yếu tố và điều kiện của thế giới đang hiện hữu – sự không liên hệ được hiểu theo nghĩa đã thảo luận tại điểm đáng kinh ngạc thứ hai về định lý của Galileo.

Trong trạng thái hiện tại của thế giới, nơi tồn tại trái đất cùng sự sống của nhân loại, nơi trước đây Galileo từng tiến hành thí nghiệm, nơi tồn tại mặt trời cùng tất cả những gì xung quanh chúng ta, ở đó các quy luật của tự nhiên hoàn toàn im lặng. Chúng được dùng để tiên đoán các sự kiện sẽ xảy ra trong tương lai nhưng chỉ đúng với điều kiện hết sức đặc biệt – đó là các yếu tố quyết định đến trạng thái hiện tại của thế giới đều đã được biết trước. Tuy nhiên, nhờ kỳ tích vĩ đại của các nhà vật lý, con người chế tạo được những cỗ máy vận hành một cách chính xác, trong đó nhà vật lý tạo ra một hoàn cảnh đặc thù nơi tất cả các yếu tố liên đới được biết trước và cho phép hoạt động của cỗ máy có thể dự đoán được. Ra đa và lò phản ứng hạt nhân là những ví dụ.

Trên đây chúng ta đã khẳng định rằng tất cả các quy luật của tự nhiên là những phát biểu đúng với các điều kiện nhất định và chúng chỉ liên hệ đến một phần rất nhỏ kiến thức của chúng ta về thế giới. Cũng cần nói cho chính xác hơn rằng, chúng ta đã khám phá ra 30 năm về trước rằng ngay cả các phát biểu kèm theo điều kiện cũng không đảm bảo tính chính xác: chúng chỉ là quy luật mang tính xác suất, cho phép chúng ta đánh cược một cách thông minh khi nhận định về các tính chất của thế giới tương lai. Tính xác suất của quy luật tự nhiên được phản ánh rõ trong các cỗ máy do con người chế tạo, có thể kiểm chứng ít nhất với các lò hạt nhân khi chạy ở mức năng lượng thấp.

Vai trò của toán học trong các lý thuyết vật lý

Một cách tự nhiên, chúng ta sử dụng toán học trong vật lý thường ngày để đánh giá kết quả của những quy luật tự nhiên, áp dụng những phát biểu có điều kiện vào những hoàn cảnh cụ thể, hiện hữu một cách rõ rệt hoặc khiến chúng ta chú ý vì lý do nào đó. Muốn vậy, quy luật của tự nhiên cần được diễn tả bằng ngôn ngữ toán học. Tuy nhiên, đánh giá hệ quả của các lý thuyết đã được thiết lập sẵn không phải là vai trò quan trọng nhất của toán học trong vật lý, bởi ở đó toán học hay đúng hơn là toán ứng dụng chỉ đơn giản được sử dụng như là một công cụ. Vai trò quan trọng hơn của toán học trong vật lý chính là điều ta đã khẳng định phía trên, rằng quy luật của tự nhiên phải được thể hiện bằng ngôn ngữ toán để có thể được xem xét bằng toán ứng dụng.

Vật lý học đã chọn một số ít khái niệm trong toán học để biểu diễn quy luật tự nhiên. Trong nhiều trường hợp, nếu không muốn nói là đa số các trường hợp, các nhà vật lý lựa chọn các khái niệm một cách độc lập, sau đó họ mới nhận ra rằng các khái niệm này đã được các nhà toán học sáng tạo ra trước đó. Tuy nhiên, người ta thường ngộ nhận rằng các nhà vật lý lựa chọn các khái niệm toán học bởi tính minh giản của chúng. Như chúng ta thấy, các nhà toán học xây dựng các khái niệm toán học không phải vì chúng đơn giản, mà nhằm dễ vận dụng các thao tác, dẫn tới những lý luận đột phá. Đừng quên rằng không gian Hilbert trong cơ học lượng tử là không gian Hilbert phức, với tích vô hướng Hermitean (Hermitean scalar product) mà số phức thì chắc chắn không hề đơn giản và cũng không xuất phát từ các hiện tượng quan sát được trong tự nhiên. Hơn nữa, việc sử dụng số phức trong trường hợp này không xuất phát từ đòi hỏi kỹ năng tính toán, mà là một phần không thể thiếu khi thiết lập quy luật cơ học lượng tử.

Lý giải tốt nhất cho sự xuất hiện các khái niệm toán học trong vật lý có lẽ nằm trong phát biểu của Einstein, rằng chỉ những lý thuyết vật lý đẹp đẽ mới có thể được chúng ta sẵn sàng công nhận. Điều đó gián tiếp minh chứng cho vẻ đẹp của các khái niệm toán học. Tuy nhiên, phát hiện của Einstein chỉ cho thấy tính chất của các lý thuyết mà chúng ta sẵn sàng tin tưởng, nó không hề chứng minh các lý thuyết đó là đúng đắn.

Thành công của các lý thuyết vật lý thật đáng kinh ngạc?

Việc sử dụng toán học để xây dựng các quy luật của tự nhiên có thể được tạm lý giải là do nhà vật lý hơi thiếu trách nhiệm. Khi thấy một sự liên hệ nào đó giữa hai đại lượng khá giống với một liên hệ đã biết nào đó trong toán học, anh ta thường nhanh chóng kết luận rằng mối liên hệ giữa các đại lượng kia chính là sự liên hệ sẵn có trong toán học, đơn giản vì anh ta không hề biết một sự liên hệ tương đương nào khác. Tuy nhiên, cần thấy rằng việc sử dụng công thức toán học căn cứ trên kinh nghiệm thô sơ của các nhà vật lý thường dẫn tới những mô tả chính xác một cách đáng kinh ngạc các hiện tượng trong nhiều trường hợp. Điều này cho thấy rằng ngôn ngữ toán học xứng đáng được ca ngợi, hay thực sự có thể nói, đó là một ngôn ngữ chính xác. Hãy xem xét một vài ví dụ sau.

Đầu tiên là sự di chuyển của các hành tinh. Quy luật về sự rơi của vật thể được thiết lập nhờ những thí nghiệm được tiến hành chủ yếu ở Italy. Những thí nghiệm này không thể đạt được độ chính xác như hiểu biết của chúng ta ngày nay, đơn giản vì ảnh hưởng lực cản của không khí và vì thời đó người ta chưa có khả năng đo các khoảng thời gian ngắn. Tuy vậy, những nhà khoa học tự nhiên Italia, thông qua các thí nghiệm, đã đạt được một sự hiểu biết tương đối tốt về sự di chuyển của vật thể trong không khí. Sau này, chính Newton đã nhìn thấy mối quan hệ giữa sự rơi tự do của vật thể với sự di chuyển của mặt trăng, nhìn thấy rằng quỹ đạo của một viên đá khi ném vào không trung và đường cong di chuyển của mặt trăng trên bầu trời là những trường hợp cụ thể của một hình ellipse, và đưa ra giả thuyết về lực hấp dẫn phổ quát dựa trên nền tảng của một sự trùng hợp ngẫu nhiên về số học. Xét về lý luận, quy luật về lực hấp dẫn như được mô tả bởi Newton quá cấp tiến so với thời đại của Newton cũng như với chính bản thân ông ta. Xét về thực nghiệm, nó dựa trên một quan sát quá ít ỏi. Ngôn ngữ toán học được sử dụng ở đây bao hàm khái niệm về đạo hàm bậc hai, một khái niệm khá trừu tượng với ngay cả đa số mọi người bình thường ngày nay. Tuy nhiên, kết quả là định luật về lực hấp dẫn mà Newton xây dựng đã được ông tự kiểm chứng với độ chính xác sai lệch khoảng 4%, ngày nay đã được khoa học chứng minh với độ chính xác sai lệch dưới 0,0001%, xem như gần chính xác tuyệt đối (R.H. Dicke. Am. Sci. t.25, 1959).

Ví dụ thứ hai liên quan đến cơ học lượng tử cơ bản (elementary quantum mechanics). Điều này bắt nguồn từ phát hiện của Max Born rằng những phép tính mà Heisenberg đưa ra giống hệt phép tính ma trận từ lâu vẫn được các nhà toán học sử dụng. Born, Jordan và Heisenberg, sau đó, đề nghị dùng ma trận thay thế những biến số liên quan đến vị trí và động lượng của những phương trình cơ học cổ điển. Họ áp dụng phép tính ma trận này vào các trường hợp lý tưởng và đạt được kết quả như mong đợi. Tuy nhiên, thời điểm đó chưa có bằng chứng nào cho thấy phương pháp ma trận trong cơ học áp dụng được vào những điều kiện thực tế. Phải tới sau này, tính toán năng lượng thấp nhất của helium được thực hiện bởi Kinoshita ở Đại học Cornell và Bazley ở Cục Tiêu chuẩn mới cho thấy sự phù hợp với kết quả thực nghiệm chính xác tới 1/10 triệu. Rõ ràng, ở đây các nhà vật lý đã may mắn thu được một kết quả mà họ không ngờ tới. Đây là điều kỳ diệu điển hình nhất mà ta từng biết trong quá trình phát triển của cơ học lượng tử cơ bản, và nhờ có những thành công đặc biệt như vậy, chúng ta mới có thể tin rằng lý thuyết này là đúng đắn.

Ví dụ cuối cùng liên quan đến điện động lực học lượng tử (quantum electrodynamics), hay lý thuyết về sự dịch chuyển Lamb. Khác với lý thuyết về lực hấp dẫn của Newton vẫn có những liên hệ rõ ràng với thực nghiệm, những ma trận cơ học lượng tử được xây dựng một cách thuần túy trừu tượng theo mô tả của Heisenberg. Lý thuyết lượng tử về sự chuyển dịch Lamb, như đã được khái niệm hóa bởi Bethe và được thiết lập bởi Schwinger, là một lý thuyết thuần túy toán học. Thực nghiệm chỉ đóng vai trò khi kiểm chứng sự tồn tại của các thông số đo đạc, cho thấy độ chính xác đạt được tốt hơn một phần nghìn.

Có thể nêu ra vô vàn ví dụ khác ngoài ba trường hợp nêu trên, cho thấy các nhà vật lý đã lựa chọn các khái niệm một cách phù hợp trong quá trình xây dựng mô hình toán học cho các quy luật của tự nhiên, đạt được mức chính xác gần như kỳ diệu, tuy nhiên lại kèm theo những điều kiện ràng buộc hết sức ngặt nghèo. Những thí nghiệm này minh chứng cho điều mà chúng ta có thể gọi là quy tắc thực nghiệm của nhận thức. Cùng với những quy tắc về tính bất biến, nó tạo nên nền tảng không thể thay thế cho những lý thuyết vật lý. Nếu không có các quy tắc về tính bất biến, các định luật vật lý sẽ không có nền tảng thực nghiệm nào; nếu quy tắc thực nghiệm của nhận thức là không đúng, chúng ta sẽ thiếu động lực và niềm tin cần thiết, điều kiện tiên quyết dẫn tới khám phá thành công các quy luật của tự nhiên.

Những lý thuyết vật lý có phải không thể thay thế?

Rất có thể luôn tồn tại một số các quy luật của tự nhiên không hề gắn kết với nhau. Ở thời điểm hiện tại điều này là đúng, ví dụ giữa những quy luật di truyền và những quy luật của vật lý. Thậm chí có những quy luật tự nhiên mâu thuẫn với nhau, nhưng mỗi trong số chúng lại có sức thuyết phục trong từng lĩnh vực riêng. Chúng ta có thể phải bằng lòng thực tế ấy, hoặc là mong muốn xóa bỏ những mâu thuẫn đó của chúng ta sẽ ngày một phai nhạt, và không còn hứng thú tìm kiếm một chân lý bao trùm cuối cùng.

Toán học, nhìn một cách chính xác, không chỉ chứa đựng sự thật mà cả cái đẹp tối thượng, lạnh lùng và chính xác như những kiệt phẩm điêu khắc; nó không hề mơn trớn những bản ngã yếu đuối trong con người chúng ta, cũng không hề mang vẻ bề ngoài lộng lẫy như hội họa hay âm nhạc; toán học tinh khiết một cách cao cả và có khả năng thể hiện sự hoàn mỹ tuyệt đối mà chỉ thứ nghệ thuật cao nhất mới có thể làm được. Cảm xúc vui sướng chân thành, sự thăng hoa, vượt lên trên tầm vóc Con Người, đạt đến sự cao quý nhất, có thể được tìm thấy trong toán học cũng như trong thơ. Bertrand Russell, Nghiên cứu toán học

Một ví dụ điển hình trong vật lý là hai lý thuyết có sức mạnh to lớn được quan tâm hàng đầu, thuyết cơ học lượng tử và thuyết tương đối. Chúng có nguồn gốc từ hai nhóm hiện tượng độc lập. Thuyết tương đối áp dụng cho các vật thể vô cùng lớn, như các ngôi sao, tuy nhiên, khi xem xét đến tận cùng tại điểm khởi nguồn trong không – thời gian, tức là sự kiện cơ bản nhất trong thuyết tương đối, người ta phải tìm hiểu sự tương tác xảy ra cùng một lúc giữa các hạt ở quy mô vô cùng nhỏ. Thuyết cơ học lượng tử bắt nguồn từ thế giới vi mô, nhìn từ thuyết này thì sự va chạm, thậm chí nếu xảy ra giữa các hạt rất gần nhau trong không gian, không phải là nhỏ nhất và thậm chí không thể tách biệt trong không thời gian. Hai thuyết vận hành với các khái niệm toán học khác nhau – một thuyết sử dụng không gian 4 chiều Riemann, thuyết còn lại dùng không gian Hilbert (không xác định số chiều). Cho đến nay, hai thuyết này không thể hợp nhất, có nghĩa là chưa có mô hình toán học nào cho phép hợp nhất hai thuyết này để đạt đến một mô hình gần đúng cho cả hai. Tất cả các nhà vật lý đều tin rằng việc hợp nhất hai lý thuyết đó là có thể và chúng ta sẽ tìm ra cách. Tuy vậy, cũng hoàn toàn có thể chúng ta sẽ không bao giờ hợp nhất được hai thuyết trên.

Một nghịch lý khác là một số thuyết vật lý mà chúng ta biết là sai nhưng lại cho những kết quả đúng đến kinh ngạc. Nếu sự hiểu biết của chúng ta ít hơn, căn cứ trên một lượng hữu hạn những kết quả đúng từ các lý thuyết “sai” này cũng đủ làm cho chúng ta tin rằng các thuyết đó là đúng và đã được chứng minh. Tuy nhiên, chúng bị coi là sai sau khi chúng ta thực hiện các phân tích trên một bình diện bao quát hơn và dẫn tới những kết quả không tương thích. Khi các lý thuyết sai đạt tới một số lượng đủ lớn, sẽ xuất hiện tình trạng mâu thuẫn nhau. Tương tự như vậy, các lý thuyết ngày nay được coi là đúng nhờ các căn cứ số liệu mà chúng ta cho rằng đã đủ thỏa mãn, nhưng chúng cũng hoàn toàn có thể mâu thuẫn với một lý thuyết tổng quát hơn nào đó ở một tầm mức mà năng lực hiểu biết và khám phá ngày nay của con người chưa đạt tới. Nếu điều này là đúng, sự mâu thuẫn giữa các lý thuyết sẽ đến lúc xuất hiện ngày càng nhiều, trở thành cơn ác mộng cho các nhà lý thuyết.

Hãy nhìn lại một số lý thuyết “sai” nhưng lại mô tả đúng nhiều nhóm các hiện tượng. Ví dụ như thuyết electron tự do (free-electron theory) mà ngày nay chỉ được coi là sự mô tả gần đúng các hiện tượng liên quan đến chất rắn, cần được thay thế bằng một lý thuyết khác chính xác hơn. Tuy nhiên, thuyết electron tự do vẫn có khả năng mô tả vô cùng chính xác nhiều tính chất của kim loại, chất bán dẫn, và chất cách điện. Đặc biệt nó có thể giải thích hiện tượng chất cách điện có điện trở riêng đạt tới 226 lần lớn hơn kim loại, điều không thể lý giải bởi bất kỳ thuyết nào khác được biết đến. Thực tế đó quả là gây phiền lòng, khiến chúng ta nghi ngờ về sự phù hợp số học giữa lý thuyết với thực nghiệm, rằng liệu đó có thể coi như bằng chứng cho sự đúng đắn của một lý thuyết?

Sẽ còn nan giải và khó hiểu hơn nếu một ngày nào đó chúng ta có thể thiết lập được lý thuyết về các hiện tượng của nhận thức, hay của sinh vật học, đạt đến mức độ thống nhất và đáng tin cậy như các lý thuyết vật lý. Quy luật của Mendel về sự di truyền và những nghiên cứu về sau liên quan đến gene có thể cung cấp một sự khởi đầu cho một lý thuyết như vậy. Hơn nữa, rất có thể người ta tìm ra sự mâu thuẫn giữa một lý thuyết như vậy với các nguyên lý đã được thừa nhận của vật lý. Lý luận đó có thể trừu tượng tới mức mâu thuẫn giữa hai bên là không thể hóa giải hoặc phân xử thông qua thí nghiệm. Điều ấy sẽ ảnh hưởng mạnh đến lòng tin dành cho các lý thuyết của chúng ta cũng như cho cách thức hình thành các khái niệm mà chúng ta vẫn tiến hành trong thực tế, và khiến chúng ta nản lòng một cách sâu sắc trong cuộc truy tìm một chân lý bao trùm cuối cùng.

Một kịch bản như vậy là điều chúng ta không thể bác bỏ, chủ yếu bởi ta không hề biết vì sao các lý thuyết con người xây dựng được lại chính xác đến vậy nên sự chính xác ấy chưa hẳn đã minh chứng cho chân lý và cũng không chắc sẽ đảm bảo nhất quán xuyên suốt. Người viết tin rằng một hiện tượng như vậy hoàn toàn có thể xảy ra nếu ta đem những quy luật di truyền trong sinh học đối mặt với những quy luật trong vật lý.

Tóm lại, sự diệu kỳ của ngôn ngữ toán học trong việc biểu diễn các quy luật trong vật lý là một món quà tuyệt vời mà con người không thể lý giải, và cũng không thể coi đó là phần thưởng mà chúng ta xứng đáng được nhận. Vì vậy, hãy biết ơn điều đó, và hy vọng rằng nó sẽ tiếp tục kéo dài trong suốt sự nghiệp nghiên cứu của chúng ta trên mọi lĩnh vực.

Lê Quốc Chơn dịch từ bài viết The Unreasonable Effectiveness of Mathematics in the Natural Sciences của Eugene Wigner,

Thanh Xuân lược và hiệu đính

Nguồn: https://www.dartmouth.edu/~matc/MathDrama/reading/Wigner.html

—————–&&&—————

 

Độ tin cậy và Độ chính xác trong Nghiên cứu Định tính & Nghiên cứu Định lượng

Tìm hiểu Độ tin cậy và Độ chính xác trong Nghiên cứu Định tính

(Tác giả: Nahid Golafshani – Người dịch: Nguyễn Hoàng Mỹ Phương – Nguồn: http://sotaynghiencuu.blogspot.com)

Độ tin cậy và độ chính xác được sử dụng phổ biến trong nghiên cứu định lượng và giờ đây chúng đang được cân nhắc lại để sử dụng trong mẫuhình (paradigm) nghiên cứu định tính. Vì độ tin cậy và độ chính xác bắt nguồn từ quan điểm thực chứng (positivist perspective), do đó, chúng nênđược định nghĩa lại để sử dụng trong cách tiếp cận tự nhiên (naturalistic approach). Cũng giống n độ tin cậy và độ chính xác dùng trong nghiên cứu định lượng nhằm cung cấp bàn đạp để kiểm tra những gì mà hai thuật ngữ này muốn nói trong mẫu hình nghiên cứu định tính, kiểm tra chéo (triangulation) dùng trong nghiên cứu định lượng nhằm kiểm tra độ tin cậy và độ chính xác cũng có thể làm sáng tỏ một số cách để kiểm trahoặc tối đa hóa độ tin cậy và độ chính xác của nghiên cứu định tính. Do đó, độ tin cậy, độ chính xác và kiểm tra chéo, nếu chúng là những khái niệm nghiên cứu phù hợp, đặc biệt là từ góc nhìn định tính, phải được định nghĩa lại để phản ánh các cách phát hiện ra sự thật.

Từ khóa: Độ tin cậy, Độ chính xác, Kiểm tra chéo, Ý niệm (Construct), Định tính, và Định lượng

Bài viết này bàn về việc sử dụng độ tin cậy và độ chính xác trong mẫuhình nghiên cứu định tính. Đầu tiên sẽ thảo luận ý ​​nghĩa của nghiên cứu định lượng và định tính. Thứ hai, thảo luận độ tin cậy và độ chính xác dùng trong nghiên cứu định lượng như là bàn đạp để kiểm tra những gì mà hai thuật ngữ nàymuốn nói và cách chúng được kiểm tra trong mẫu hình nghiên cứu định tính. Bài viết kết luận bằng việc dùng kiểm tra chéo trong hai mẫu hình (định lượng và định tính) cho thấy những thay đổi này có ảnh hưởng như thế nào đến sự hiểu biết của chúng ta về độ tin cậy, độ chính xác và kiểm tra chéo trong các nghiên cứu định tính.

Nghiên cứu Định lượng là gì?

            Nhà nghiên cứu sử dụng nghiên cứu thực chứng logic hoặc nghiên cứuđịnh lượng sẽ dùng các phương pháp thí nghiệm (experimental methods) vàphương pháp định lượng để kiểm tra những giả thuyết được tổng quát hóa(Hoepfl, 1997), và họ cũng nhấn mạnh việc đo lường và phân tích mối quan hệnhân quả giữa các biến (Denzin và Lincoln, 1998). Để minh họa ý nghĩa củanghiên cứu định lượng trong việc giải thích các vấn đề xã hội, Bogdan và Biklen(1998) lưu ý:
Biểu đồ và đồ thị minh họa các kết quả của nghiên cứu, và các nhà bình luận dùng các từ như “biến”, “tổng thể” và “kết quả” như một phần từ vựng hàng ngày của họ… ngay cả khi chúng ta không bao giờ biết tất cảcác thuật ngữ này có nghĩa là gì …[nhưng] chúng ta biết rằng đây là một phần của quá trình nghiên cứu. Công trình nghiên cứu, sau đó sẽ được công bố rộng rãi, là một từ đồng nghĩa với nghiên cứu định lượng (tr.4).

Nghiên cứu định lượng cho phép người nghiên cứu làm quen với vấn đề hoặc khái niệm được nghiên cứu, và có thể tạo ra các giả thuyết sẽ được kiểm tra. Trong mẫu hình này: (1) nhấn mạnh vào sự kiện (facts) và nguyên nhân củahành vi (Bogdan & Biklen, 1998), (2) thông tin dưới dạng các con số có thểđược định lượng và tính toán, (3) phương pháp toán học là cách thức để phân tích các dữ liệu số và (4) kết quả cuối cùng được trình bày dưới dạng các thuật ngữ thống kê (Charles, 1995).

Nói chung, nghiên cứu định lượng “… được hỗ trợ bởi mẫu hình thực chứng hay mẫu hình khoa học, đưa chúng ta đến suy nghĩ rằng thế giới được tạobởi các sự kiện có thể quan sát, đo lường được” (Glesne & Peshkin, 1992, tr.6)mặc dù giả định cho rằng “sự kiện xã hội (social facts) là thực tại khách quan”và “các biến có thể… được xác định và các mối quan hệ có thể đo lường được”(tr.7) là có vấn đề. Khái niệm “đo lường” có nghĩa là tìm hiểu, chẳng hạn, vấn đề giáo dục bằng cách người quan sát sẽ thực hiện quá trình được gọi là “đo lường”thế giới vật chất (Crocker & Algina, 1986). Stevens (1946) định nghĩa đo lườnglà việc gán con số cho các đối tượng hoặc sự kiện theo nguyên tắc nào đó. Từcác định nghĩa này, ta có thể thấy đo lường nhất thiết phải khách quan, có thểđịnh lượng và có liên quan đến thống kê. Nói một cách đơn giản, đo lường là đang nói về các con số, dữ liệu khách quan.

Nhà nghiên cứu định lượng cố gắng phân chia và phân định hiện tượngthành các phạm trù (categories) phổ biến hoặc có thể đo lường được mà các loại này có thể được áp dụng cho tất cả các đối tượng hoặc tình huống tương tự hay mở rộng (Winter, 2000). Trong nỗ lực của mình, phương pháp của người nghiên cứu liên quan đến việc “sử dụng các biện pháp chuẩn sao cho các quan điểm và kinh nghiệm khác nhau của con người có thể đặt vừa vào một số giới hạn cácphạm trù tương ứng đã được xác định trước và được gán các con số” (Patton, 2001, tr.14 ). Ví dụ, một nhà nghiên cứu định lượng có thể chuẩn bị danh sách các hành vi sẽ được kiểm tra hoặc đánh giá bởi người quan sát bằng cách dùng lịch trình đã định trước hoặc con số (thang đo) như là công cụ trong phương pháp nghiên cứu của mình. Do đó, người nghiên cứu định lượng cần xây dựngcông cụ được quản lý bằng cách thức chuẩn hóa theo các thủ tục đã định trước.Nhưng câu hỏi đặt ra là công cụ đo lường có đo được những gì cần phải đo hay không. Theo nghĩa rộng nhất, ta sẽ tập trung vào việc kiểm tra (test) (Crocker &Algina, 1986) hoặc độ chính xác của công cụ. Tầm quan trọng của việc kiểm tra này là để đảm bảo khả năng nhân rộng hoặc lặp lại của kết quả.

Độ tin cậy  Độ chính xác trong Nghiên cứu Định lượng

            Độ tin cậy và độ chính xác là công cụ nhận thức cơ bản theo trường phái thực chứng

(Watling, theo Winter, 200, tr.7)

Độ tin cậy

Joppe (2000) định nghĩa độ tin cậy như sau:

… Mức độ mà tại đó kết quả không thay đổi theo thời gian và đại diện chính xác cho tổng thể được nghiên cứu được gọi là độ tin cậy và nếu kết quả nghiên cứu có thể được sao chép theo phương pháp luận tương tự,khi đó, công cụ nghiên cứu được xem là đáng tin cậy (tr.1).

Thể hiện trong trích dẫn này là ý tưởng nhân rộng hoặc lặp lại kết quả hoặc quan sát.

Kirk và Miller (1986) xác định ba kiểu độ tin cậy trong nghiên cứu định lượng: (1) mức độ mà tại đó phép đo vẫn giữ nguyên khi được lặp đi lặp lại; (2) sự ổn định của phép đo theo thời gian; và (3) sự giống nhau của các phép đo trong một khoảng thời gian nhất định (tr.41-42).

Charles (1995) vẫn bám vào ý tưởng cho rằng sự nhất quán – mà tại đócác mục [kiểm tra] trong bảng câu hỏi được trả lời hoặc điểm riêng lẻ vẫn còn tương đối giống nhau – có thể được xác định thông qua phương pháp kiểm tra-táikiểm tra (test-retest method) tại hai thời điểm khác nhau. Trên thực tế, thuộc tính này của công cụ được gọi là tính ổn định. Nếu chúng ta đang đề cập phép đo ổn định thì cũng nên đề cập tương tự đối với kết quả. Mức độ ổn định cao cho thấy mức độ tin cậy cao, có nghĩa là kết quả có thể lặp lại được. Joppe, (2000) phát hiện có vấn đề xảy ra đối với phương pháp kiểm tra-tái kiểm tra có thể làm cho công cụ không đáng tin cậy ở mức độ nào đó. Bà giải thích rằng phương pháp kiểm tra-tái kiểm tra có thể tùy thuộc vào cảm nhận của người trả lời đối với vấn đề mang tính chủ quan, và do đó ảnh hưởng đến các câu trả lời nhất định. Chúng ta không thể chắc chắn rằng những ảnh hưởng bên ngoài là không đổi, chẳng hạnnhư sự thay đổi của thái độ. Điều này có thể dẫn đến sự khác biệt trong các câu trả lời. Tương tự như vậy, Crocker và Algina (1986) lưu ý rằng khi người trả lờitrả lời một loạt các mục kiểm tra, số điểm thu được chỉ đại diện cho một mẫugiới hạn các hành vi. Kết quả là, điểm số có thể thay đổi bởi đặc trưng nào đócủa người trả lời, có thể dẫn đến sai sót trong đo lường. Những lỗi kiểu này sẽ làm giảm tính chính xác và tính nhất quán của công cụ và điểm kiểm tra. Do đó, trách nhiệm của người nghiên cứu là đảm bảo tính nhất quán và chính xác caocủa các bài kiểm ra và điểm số. Vì vậy, Crocker và Algina (1986) cho rằng, “người soạn bài kiểm tra có trách nhiệm trong việc trình bày độ tin cậy của điểm từ các bài kiểm tra của họ” (tr.106).

Mặc dù người nghiên cứu có thể chứng minh khả năng lặp lại và tínhnhất quán nội tại của công cụ nghiên cứu, và do đó, là độ tin cậy, bản thân công cụ có thể không được chấp nhận.

Độ chính xác

Các tiêu chuẩn truyền thống áp dụng cho độ chính xác có nguồn gốc từtruyền thống thực chứng, và ở chừng mực nào đó, trường phái chứng thực đượcđịnh nghĩa bởi lý thuyết về độ chính xác. Trong thuật ngữ thực chứng, độ chính xác nằm giữa, và là kết quả và đỉnh cao của các khái niệm kinh nghiệm khác – có thể kể một vài khái niệm đó như luật phổ quát, bằng chứng, khách quan, sự thật, thực tế, diễn dịch, suy luận, sự kiện và dữ liệu toán học (Winter, 2000).

Joppe (2000) đưa ra lời giải thích về độ chính xác trong nghiên cứu định lượng:

Độ chính xác xác định xem thực sự nghiên cứu có đo lường được cái mà nó dự định đo lường hay không hoặc tính chính xác của kết quả nghiên cứu như thế nào. Nói cách khác, công cụ nghiên cứu có cho phép bạn nhắm vào tâm điểm của đối tượng nghiên cứu hay không? Các nhà nghiên cứu nói chung xác định độ chính xác bằng cách hỏi một loạt các câu hỏi, và thường sẽ tìm kiếm câu trả lời trong các nghiên cứu của người khác (tr.1).

Wainer và Braun (1998) mô tả độ chính xác trong nghiên cứu định lượngnhư là “độ chính xác về ý niệm” (“construct validity”). Construct là khái niệm, ý tưởng, câu hỏi hoặc giả thuyết ban đầu dùng để xác định dữ liệu nào sẽ được thu thập và thu thập như thế nào. Họ cũng khẳng định rằng các nhà nghiên cứu định lượng tích cực sẽ gây ra hoặc ảnh hưởng đến sự tác động lẫn nhau giữa ý niệmvà dữ liệu để xác nhận công trình điều tra của họ, thường là bằng cách áp dụng bài kiểm tra hoặc quá trình khác. Theo ý nghĩa này, sự tham gia của các nhà nghiên cứu trong quá trình nghiên cứu sẽ làm giảm đáng kể độ chính xác của bài kiểm tra.

Các định nghĩa về độ tin cậy và độ chính xác trong phạm vi nghiên cứu định lượng cho thấy hai điểm: Thứ nhất, liên quan đến độ tin cậy, kết quả có thể nhân rộng hay không. Thứ hai, liên quan đến độ chính xác, phương tiện đolường có chính xác hay không và chúng đang thực sự đo lường cái mà chúng dự định đo lường hay không. Tuy nhiên, các khái niệm về độ tin cậy và độ chính xác dưới con mắt của nhà nghiên cứu định tính thì lại khác – họ khăng khăng cho rằng các khái niệm được định nghĩa về mặt định lượng này là chưa đầy đủ. Nói cách khác, các khái niệm được định nghĩa về mặt định lượng này có thể không áp dụng cho mẫu hình nghiên cứu định tính. Câu hỏi về khả năng nhân rộng kết quả không liên quan đến họ (Glesne & Peshkin, 1992), nhưng độ chính xác (Winter, 2000), độ tin cậy và khả năng chuyển giao (transferability) (Hoepf, 1997) cung cấp cách thức đánh giá kết quả của nghiên cứu định tính. Trong bối cảnh này, hai cách tiếp cận hay quan điểm nghiên cứu này cơ bản là các mẫuhình khác nhau (Kuhn, 1970).

Nghiên cứu Định tính là gì?

            Nghiên cứu định tính sử dụng cách tiếp cận tự nhiên (naturalistic approach) nhằm tìm hiểu các hiện tượng trong bối cảnh cụ thể, chẳng hạn như “thế giới thực [nơi] mà người nghiên cứu không cố gắng thao túng hiện tượngmà họ quan tâm (phenomenon of interest)” (Patton, 2001, tr.39). Nghiên cứu định tính, theo nghĩa rộng, có nghĩa là “bất kỳ loại nghiên cứu nào đưa ra các phát hiện không phải bằng phương pháp thống kê hoặc các phương pháp định lượng khác” (Strauss và Corbin, 1990, tr.17), thay vào đó, loại nghiên cứu này đưa ra các phát hiện từ bối cảnh thế giới thực nơi mà các “hiện tượng [mà họ] quan tâm phát triển một cách tự nhiên” (Patton, 2001, tr.39). Không giống nhưcác nhà nghiên cứu định lượng xác định nguyên nhân, dự đoán, và tổng quát hóacác phát hiện này, thay vào đó, các nhà nghiên cứu định tính làm sáng tỏ, tìmhiểu, và ngoại suy từ các tình huống tương tự (Hoepfl, 1997).

Phân tích định tính dẫn đến một loại kiến thức khác so với phân tích định lượng, vì một bên thì lập luận từ góc độ bản chất triết học nền tảng của mỗi mẫuhình, tận hưởng các cuộc phỏng vấn chi tiết và bên còn lại thì tập trung vào khả năng tương thích rõ ràng của các phương pháp nghiên cứu, “tận hưởng phần thưởng từ cả con số lẫn từ ngữ” (Glesne & Peshkin, 1992, tr.8). Điều này có nghĩa là các phương pháp chẳng hạn như phỏng vấn và quan sát chiếm ưu thếtrong mẫu hình (diễn giải) tự nhiên và bổ sung vào mẫu hình thực chứng (positive paradigm), nơi mà cuộc khảo sát được dùng theo mục đích ngược lại.Winter (2000) cho rằng trong khi các nhà nghiên cứu định lượng cố gắng táchbản thân mình ra khỏi quá trình nghiên cứu càng nhiều càng tốt thì các nhà nghiên cứu định tính lại chấp nhận sự tham gia và vai trò của họ trong nghiên cứu. Patton (2001) hỗ trợ ý tưởng về sự tham gia và “chìm” (immersion) vào nghiên cứu của người nghiên cứu bằng cách cho rằng thế giới thực có thể thay đổi và do đó, nhà nghiên cứu định tính nên có mặt trong những thay đổi này để ghi lại sự kiện trước và sau khi xảy ra thay đổi. Tuy nhiên, cả nhà nghiên cứuđịnh tính lẫn định lượng cần phải kiểm tra và chứng minh rằng nghiên cứu của họ là đáng tin cậy. Trong khi độ tin cậy trong nghiên cứu định lượng phụ thuộc vào việc xây dựng công cụ, thì trong nghiên cứu định tính, “các nhà nghiên cứu chính là công cụ” (Patton, 2001, tr.14). Vì vậy, có vẻ như khi các nhà nghiên cứuđịnh lượng nói đến độ chính xác và độ tin cậy của nghiên cứu, họ thường đề cậpđến một nghiên cứu nào đó là đáng tin cậy; trong khi độ tin cậy trong nghiên cứu định tính lại phụ thuộc vào khả năng và nỗ lực của người nghiên cứu. Mặc dù độ tin cậy và độ chính xác được xem xét riêng lẻ trong nghiên cứu định lượng, những thuật ngữ này lại không được xem riêng biệt trong nghiên cứu định tính. Thay vào đó, thuật ngữ này bao hàm cả, chẳng hạn như độ tin cậy, khả năng chuyển giao, và tính đáng tin cậy.

Độ tin cậy  Độ chính xác trong Nghiên cứu Định tính

            Để hiểu ý nghĩa của độ tin cậy và độ chính xác, thiết nghĩ cần phải trình bày các định nghĩa khác nhau về độ tin cậy và độ chính xác do nhiều nhà nghiên cứu định tính với các quan điểm khác nhau đưa ra.

Độ tin cậy

Mặc dù thuật ngữ “Độ tin cậy” là khái niệm dùng để kiểm tra hoặc đánh giá nghiên cứu định lượng nhưng ý tưởng này cũng thường được dùng trong tất cả các loại nghiên cứu. Nếu chúng ta xem ý tưởng kiểm tra là cách lấy thông tin thì sự kiểm tra quan trọng nhất của bất kỳ nghiên cứu định tính nào chính là chất lượng của nó. Một nghiên cứu định tính tốt có thể giúp chúng ta “hiểu được tình huống mà nếu không [có nó] sẽ khó hiểu hoặc mơ hồ” (Eisner, 1991, tr.58). Điều này lại liên quan đến khái niệm thế nào là một nghiên cứu định tính tốt khi mà độ tin cậy là khái niệm dùng để đánh giá chất lượng trong nghiên cứu định lượng với “mục đích giải thích” trong khi khái niệm chất lượng trong nghiên cứu định tính lại có mục đích “tạo ra sự hiểu biết/thông hiểu” (Stenbacka, 2001, tr.551). Sự khác biệt trong mục đích đánh giá chất lượng nghiên cứu trong định lượng và nghiên cứu định lượng là một trong những lý do mà khái niệm độ tin cậy là không thích hợp trong nghiên cứu định tính. Theo Stenbacka, (2001) “khái niệm độ tin cậy thậm chí còn gây hiểu lầm trong nghiên cứu định tính. Nếu độ tin cậy được xem là một tiêu chuẩn của nghiên cứu định tính, thì e là khá nhiều nghiên cứu sẽ không tốt” (tr.552).

Mặt khác, Patton (2001) cho rằng độ chính xác và độ tin cậy là hai yếu tốmà bất kỳ nhà nghiên cứu định tính nào cũng nên quan tâm trong khi thiết kếnghiên cứu, phân tích kết quả và đánh giá chất lượng nghiên cứu. Điều nàytương đương với câu hỏi “Làm thế nào người nghiên cứu có thể thuyết phụcđược rằng các phát hiện nghiên cứu của cuộc điều tra là đáng chú ý đến?”(Lincoln và Guba, 1985, tr.290). Để trả lời cho câu hỏi này, Healy và Perry(2000) khẳng định rằng chất lượng của một nghiên cứu trong mỗi mẫu hình nên được đánh giá bởi chính các thuật ngữ trong mẫu hình đó. Ví dụ, trong khi thuật ngữ Độ tin cậy và Độ chính xác là tiêu chí cần thiết để đánh giá chất lượng trongmẫu hình định lượng, thì trong mẫu hình định tính, các thuật ngữ Tính tin cậy(Credibility), Tính trung lập (Neutrality) hoặc Tính xác thực (Confirmability), Tính nhất quán (Consistency) hoặc Tính đáng tin (Dependability) và Khả năng áp dụng (Applicability) hoặc Khả năng chuyển giao (Transferability) phải là tiêu chí cần thiết để đánh giá chất lượng (Lincoln và Guba, 1985). Cụ thể hơn, vớithuật ngữ độ tin cậy trong nghiên cứu định tính, Lincoln và Guba (1985, tr.300) sử dụng “tính đáng tin” (“dependability”), trong nghiên cứu định tính thì từ nàyrất tương đồng với khái niệm “độ tin cậy” (“reliability”) trong nghiên cứu định lượng. Họ cũng nhấn mạnh “kiểm toán quá trình” (“inquiry audit”) (tr.317) là một trong những biện pháp có thể nâng cao tính đáng tin của nghiên cứu định tính. Biện pháp này có thể được dùng để kiểm tra tính nhất quán cho cả quá trìnhlẫn sản phẩm của nghiên cứu (Hoepfl, 1997). Trong bối cảnh đó, Clont (1992) vàSeale (1999) tán thành khái niệm tính đáng tin với khái niệm tính nhất quán hoặc độ tin cậy trong nghiên cứu định tính. Tính nhất quán của dữ liệu sẽ đạt được khicác bước nghiên cứu được xác nhận thông qua việc kiểm tra các mục như dữ liệu thô, sản phẩm thu nhỏ dữ liệu, và quá trình ghi chép (Campbell, 1996).

Để đảm bảo độ tin cậy trong nghiên cứu định tính, kiểm tra độ tin cậy là rất quan trọng. Seale (1999), trong khi phát hiện các nghiên cứu có chất lượng tốt thông qua độ tin cậy và độ chính xác trong nghiên cứu định tính, khẳng định rằng “tính đáng tin cậy của báo cáo nghiên cứu nằm ở trung tâm của các vấn đềthường được thảo luận – đó là độ chính xác và độ tin cậy” (tr.266). Khi đánh giá(kiểm tra) công trình nghiên cứu định tính, Strauss và Corbin (1990) cho rằng“tiêu chuẩn thông thường của “khoa học tốt”… đòi hỏi phải định nghĩa lại để phù hợp với thực tế của nghiên cứu định tính” (tr.250).

Ngược lại, Stenbacka (2001) lập luận rằng trong khi vấn đề độ tin cậy liên quan đến các phép đo lường thì nó lại không liên quan trong nghiên cứu định tính. Bà cho biết thêm vấn đề của độ tin cậy đó là việc không phù hợp trong đánh giá chất lượng của nghiên cứu định tính. Do đó, nếu nó được sử dụng thì khi đó “e rằng hậu quả là khá nhiều nghiên cứu không tốt” (tr.552).

Mở rộng phạm vi khái niệm hóa độ tin cậy và khám phá sự phù hợp củađộ tin cậy và dộ chính xác trong nghiên cứu định tính, Lincoln và Guba (1985)cho rằng: “Do không thể có độ chính xác mà không có độ tinh cậy, một sự chứng minh của khái niệm trước [độ chính xác] là đủ để thiết lập khái niệm sau [độ tin cậy]” (tr.316). Patton (2001) với mối quan tâm đến khả năng và kỹ năng của người nghiên cứu trong nghiên cứu định tính cũng cho rằng độ tin cậy là hệ quả của độ chính xác trong một nghiên cứu.

Độ chính xác

             Khái niệm độ chính xác được mô tả bằng một loạt các thuật ngữ trong nghiên cứu định tính. Khái niệm này không phải là một khái niệm duy nhất, cố định hoặc phổ quát mà là “khái niệm tùy thuộc (contingent construct), khôngtách khỏi nền tảng các quy trình và mục đích của phương pháp luận và dự ánnghiên cứu cụ thể” (Winter, 2000, tr.1). Mặc dù một số nhà nghiên cứu định tính đã lập luận rằng khái niệm độ chính xác không áp dụng cho nghiên cứu định tính, nhưng đồng thời, họ cũng nhận ra sự cần thiết phải có kiểu kiểm tra hoặc đo lường chất lượng nào đó cho nghiên cứu của mình. Ví dụ, Creswell & Miller (2000) cho rằng độ chính xác chịu ảnh hưởng bởi nhận thức của người nghiên cứu về độ chính xác trong nghiên cứu và sự lựa chọn giả định mẫu hình. Kết quả là, nhiều nhà nghiên cứu đã phát triển khái niệm riêng của họ về độ chính xác và thường tạo ra hoặc sử dụng những thuật ngữ mà họ cho là thích hợp hơn, chẳng hạn như chất lượng (quality), tính chặt chẽ (rigor) và tính đáng tin cậy(trustworthiness) (Davies & Dodd, 2002; Lincoln và Guba, 1985; Mishler, 2000; Seale, 1999; Stenbacka, 2001).

Thảo luận về chất lượng trong nghiên cứu định tính bắt nguồn từ mối quan tâm về độ chính xác và độ tin cậy trong truyền thống định lượng “liên quan đến việc thay thế thuật ngữ mới cho các từ chẳng hạn như độ chính xác và độ tin cậy nhằm phản ánh các khái niệm diễn giải [định tính]” (Seale, 1999, tr.465).

Stenbacka (2001) đã không bỏ qua vấn đề của độ chính xác trong nghiên cứu định tính như bà đã làm đối với vấn đề của độ tin cậy trong nghiên cứu định tính. Thay vào đó, bà lập luận rằng khái niệm độ chính xác nên được định nghĩa lại cho nghiên cứu định tính. Stenbacka (2001) mô tả khái niệm độ tin cậy như là một trong những khái niệm về chất lượng trong nghiên cứu định tính “cần phải được giải quyết nhằm xem một cuộc điều tra (study) như là một phần của nghiên cứu thích hợp” (tr.551).

Trong khi tìm kiếm ý nghĩa của tính chặt chẽ trong nghiên cứu, Davies và Dodd (2002) nhận thấy rằng khái niệm tính chặt chẽ trong nghiên cứu có liên quan đến thảo luận về độ tin cậy và độ chính xác. Davies và Dodd (2002) lập luận rằng việc áp dụng khái niệm tính chặt chẽ trong nghiên cứu định tính nênkhác với so với các khái niệm đó trong nghiên cứu định lượng bằng cách “chấp nhận rằng có sự thiên vị về mặt lượng trong khái niệm tính chặt chẽ, bây giờ chúng ta hãy đặt lại khái niệm tính chặt chẽ bằng cách khám phá tính chủ quan,tính phản hồi, và sự tương tác xã hội của phỏng vấn” (tr.281).

Lincoln và Guba (1985) lập luận rằng việc duy trì tính đáng tin cậy củabáo cáo nghiên cứu phụ thuộc vào các vấn đề, về mặt định lượng, như độ chính xác và độ tin cậy. Ý tưởng khám phá sự thật thông qua độ tin cậy và độ chính xác được thay thế bằng ý tưởng tính đáng tin cậy (Mishler, 2000) – “có thể được bảo vệ” (“defensible”) (Johnson 1997, tr.282) và thiết lập sự tự tin trong các phát hiện (Lincoln và Guba, 1985).

Nếu các vấn đề của độ tin cậy, độ chính xác, tính đáng tin cậy, chất lượng và tính chặt chẽ là nhằm tạo nên sự khác biệt giữa nghiên cứu “tốt” và nghiên cứu “tồi” thì kiểm tra và tăng độ tin cậy, độ chính xác, tính đáng tin cậy, chất lượng và tính chặt chẽ là rất quan trọng đối với công trình nghiên cứu trong bất kỳ mẫu hình nào.

Kiểm tra Độ chính xác và Độ tin cậy

            Đến đây, đã trình bày xong khái niệm (đã được định nghĩa lại) về độ tin cậy và độ chính xác phù hợp với tính hữu dụng của chúng trong nghiên cứu định tính. Bây giờ, vẫn còn một câu hỏi đang chờ câu trả lời “Làm thế nào để kiểm tra hoặc tối đa hóa độ chính xác, và kết quả là độ tin cậy, của một nghiên cứu định tính?”

Nếu độ chính xác hoặc tính đáng tin cậy có thể được tối đa hóa hoặckiểm tra thì khi đó “kết quả đáng tin cậy và có thể được bảo vệ” nhiều hơn(Johnson, 1997, tr.283) có thể dẫn đến khả năng khái quát hóa – một trong nhữngkhái niệm được đề xuất bởi Stenbacka (2001) làm cấu trúc cho cả việc thực hiện và lưu trữ nghiên cứu định tính chất lượng cao. Vì vậy, chất lượng nghiên cứu có liên quan đến việc khái quát hóa kết quả và do đó liên quan đến việc kiểm tra và gia tăng độ chính xác hoặc tính đáng tin cậy của nghiên cứu.

Ngược lại, Maxwell (1992) quan sát thấy rằng mức độ mà kết quả (account) được khái quát hóa là yếu tố phân biệt rõ giữa phương pháp nghiên cứu định lượng và định tính. Mặc dù khả năng khái quát hóa các phát hiện cho các nhóm và hoàn cảnh lớn hơn là một trong những bài kiểm tra độ chính xác phổ biến nhất đối với nghiên cứu định lượng, nhưng Patton (2001) cho rằng khả năng khái quát hóa là một trong các tiêu chí chất lượng của các nghiên cứutrường hợp (case studies) tùy thuộc vào trường hợp được lựa chọn và nghiên cứu. Theo cách hiểu này, độ chính xác trong nghiên cứu định lượng là rất cụ thể đối với bài kiểm tra áp dụng độ chính xác – bài kiểm tra cũng là nơi mà các phương pháp kiểm tra chéo dùng trong nghiên cứu định tính. Kiểm tra chéo(triangulation) là chiến lược (kiểm tra) điển hình nhằm nâng cao độ chính xác vàđộ tin cậy của nghiên cứu hoặc đánh giá các phát hiện. Mathison (1988) trình bày chi tiết:

Kiểm tra chéo đang nổi lên thành vấn đề quan trọng liên quan đến phương pháp luận trong cách tiếp cận tự nhiên và định tính đối với việcđánh giá [nhằm] kiểm soát sự thiên lệch (bias) và thiết lập các mệnh đềhợp lý vì kỹ thuật khoa học truyền thống không phù hợp với nhận thức luận (epistemology) thay thế này (tr.13).

Patton (2001) ủng hộ việc dùng kiểm tra chéo bởi “kiểm tra chéo giúp nghiên cứu hiệu quả hơn bằng cách kết hợp nhiều phương pháp. Điều này có nghĩa là dùng một số kiểu phương pháp hoặc dữ liệu, bao gồm cả phương pháp định lượng lẫn định tính” (tr.247). Tuy nhiên, Barbour (1998) nghi ngờ ý ​​tưởng kết hợp các phương pháp này. Bà lập luận trong khi mẫu hình kết hợp là có thể nhưng phương pháp kết hợp trong một mẫu hình, chẳng hạn như nghiên cứu định tính, là có vấn đề vì mỗi phương pháp trong mẫu hình định tính có giả định riêng của nó “về khung lý thuyết mà chúng ta tập trung để đạt mục tiêu nghiên cứu” (tr.353). Mặc dù kiểm tra chéo được dùng trong mẫu hình định lượng để xác nhận và tổng quát hóa nghiên cứu, Barbour (1998) không bỏ qua khái niệm kiểm tra chéo trong mẫu hình định tính và bà cho rằng cần thiết phải định nghĩa kiểm tra chéo dưới góc độ nghiên cứu định tính trong từng mẫu hình. Ví dụ, kiểm tra chéo nhiều nguồn dữ liệu trong nghiên cứu định lượng, bất kỳ ngoại lệnào cũng có thể dẫn đến việc không khẳng định (disconfirmation) giả thuyếttrong khi các ngoại lệ trong nghiên cứu định tính được xử lý để điều chỉnh các lý thuyết và đạt kết quả.

Theo quan điểm này, Healy và Perry (2000) lý giải về việc đánh giá độ chính xác và độ tin cậy trong mẫu hình hiện thực (realism paradigm) mà mẫu hình này dựa trên các quan niệm về một thực tại duy nhất. Họ lập luận về sự tiến hành kiểm tra chéo nhiều nguồn dữ liệu và diễn giải của họ về các quan niệm đó trong mẫu hình hiện thực.

Một mẫu hình khác trong nghiên cứu định tính là thuyết kiến tạo(constructivism) vốn xem kiến thức được xây dựng dựa trên tương tác xã hội vàcó thể thay đổi tùy thuộc vào hoàn cảnh. Crotty (1998) định nghĩa thuyết kiến tạo từ góc nhìn xã hội “quan điểm cho rằng tất cả kiến thức, và do đó tất cả thực tại có ý nghĩa theo cách đó, dựa trên hoạt động của con người, được xây dựngtrong và ngoài mối tương tác giữa con người và thế giới của họ, và được phát triển và lan truyền trong bối cảnh xã hội cơ bản” (tr.42). Trong bất kỳ nghiên cứu định tính nào, mục đích đều là “tham gia vào nghiên cứu nhằm cố gắng tìm hiểu để có được sự hiểu biết sâu sắc hơn chứ không phải là kiểm tra các đặc tính hời hợt” (Johnson, 1995, tr.4) và thuyết kiến tạo có thể tạo điều kiện để đạt đượcmục tiêu đó. Khái niệm kiến tạo, nghĩa là thực tại đang thay đổi cho dù người quan sát có muốn hay không (HIPPS, 1993), là dấu hiệu của nhiều thực tại hoặc đa dạng kết cấu có thể có của thực tại. Thuyết kiến tạo đánh giá các thực tại mà mọi người có trong tâm trí của mình. Vì vậy, để có được nhiều và đa dạng cácthực tại chính xác và đáng tin cậy, đòi hỏi phải có nhiều phương pháp tìm kiếm hay thu thập dữ liệu. Nếu điều này dẫn đến áp dụng kiểm tra chéo trong mẫuhình kiến tạo, thì dùng kiểm tra chéo để kiểm tra người nghiên cứu, phương pháp và dữ liệu để ghi nhận kết cấu của thực tại là thích hợp (Johnson, 1997). Một quan điểm mở trong thuyết kiến tạo gắn với ý tưởng kiểm tra chéo dữ liệubằng cách cho phép người tham gia trong một nghiên cứu hỗ trợ các nhà nghiên cứu trong câu hỏi nghiên cứu cũng như trong việc thu thập dữ liệu. Áp dụngnhiều phương pháp, chẳng hạn như quan sát, phỏng vấn và ghi âm sẽ dẫn đến kết quả là kết cấu của thực tại sẽ chính xác, đáng tin cậy và đa dạng hơn. Để nâng cao sự phân tích và hiểu biết kết cấu của các thực tại khác, các nhà nghiên cứunên thực hiện kiểm tra chéo để có thể tham gia cùng với nhiều nhà điều tra hoặc tham khảo diễn giải dữ liệu của các nhà nghiên cứu đồng đẳng tại thời điểm hoặc địa điểm khác nhau. Tương tự, nhà nghiên cứu định tính có thể “sử dụng kiểm tra chéo để kiểm tra người thực hiện điều tra và xem xét các ý tưởng và lời giải thích được tạo ra bởi các nhà nghiên cứu bổ sung đang nghiên cứu người tham gia cuộc nghiên cứu” (Johnson, 1997, tr.284).

Kiểm tra chéo có thể bao gồm các phương pháp thu thập dữ liệu và phân tích dữ liệu, nhưng không đề xuất một phương pháp cố định nào áp dụng cho tất cả các nghiên cứu. Các phương pháp được lựa chọn trong kiểm tra chéo để kiểm tra độ chính xác và độ tin cậy của một nghiên cứu phụ thuộc vào tiêu chí của nghiên cứu.

Hiểu biết của Chúng ta

            Từ thảo luận nói trên, sự kết hợp giữa mẫu hình định lượng với nghiên cứu định tính thông qua độ chính xác và độ tin cậy đã thay đổi hiểu biết của chúng ta về ý nghĩa truyền thống của độ tin cậy và độ chính xác từ góc nhìn của nhà nghiên cứu định tính. Độ tin cậy và độ chính xác được định nghĩa là tính đáng tin cậy (trustworthiness), tính chặt chẽ (rigor) và chất lượng (quality) trongmẫu hình định tính. Cũng thông qua sự kết hợp này, cách thức để đạt được độ chính xác và độ tin cậy sẽ chịu ảnh hưởng bởi quan điểm của nhà nghiên cứuđịnh tính – đó là quan điểm mong muốn loại bỏ sự thiên lệch (bias) và tăng tính trung thực của người nghiên cứu đối với ý tưởng về một hiện tượng xã hội nào đó (Denzin, 1978), sự loại bỏ này sẽ thực hiện qua việc sử dụng kiểm tra chéo. Khi đó kiểm tra chéo được định nghĩa là “các thủ tục hợp lý giúp nhà nghiên cứutìm kiếm sự hội tụ giữa nhiều và đa dạng các nguồn thông tin để hình thành nênchủ đề hay các phạm trù (categories) trong nghiên cứu” (Creswell & Miller, 2000, tr.126).

Do đó, độ tin cậy, độ chính xác và kiểm tra chéo, nếu chúng là các khái niệm nghiên cứu phù hợp, đặc biệt là từ góc nhìn định tính, phải được định nghĩa lại như chúng ta đã thấy để phản ánh nhiều cách thức phát hiện ra sự thật.

References

Babour, R. S. (1998). Mixing qualitative methods: Quality assurance or qualitative quagmire?       Qualitative Health Research, 8(3), 352-361.

Bogdan, R. C. & Biklen, S. K. (1998). Qualitative research in education: An introduction to          theory and methods (3rd ed.). Needham Heights, MA: Allyn & Bacon.

Campbell, T. (1996). Technology, multimedia, and qualitative research in education. Journal of     Research on Computing in Education, 30(9), 122-133.

Charles, C. M. (1995). Introduction to educational research (2nd ed.). San Diego, Longman.

Clont, J. G. (1992). The concept of reliability as it pertains to data from qualitative studies.             Paper Presented at the annual meeting ofthe South West Educational Research Association. Houston, TX.

Creswell, J. W. & Miller, D. L. (2000). Determining validity in qualitative inquiry. Theory into      Practice, 39(3), 124-131.

Crocker, L., & Algina, J. (1986). Introduction to classical and modern test theory. Toronto: Holt,   RineHart, and Winston, Inc.

Davies, D., & Dodd, J. (2002). Qualitative research and the question of rigor. Qualitative Health research, 12(2), 279-289.

Denzin, N. K. (1978). The research act: A theoretical introduction to sociological methods. New   York: McGraw-Hill.

Denzin, N. K., & Lincoln, Y. S. Eds.). (1998). The landscape of qualitative research: Theories      and issues. Thousand Oaks: Sage Publications.

Denzin, N. K., & Lincoln, Y. S. (1998) (Eds). Collecting and interpreting qualitative materials.     Thousand Oaks: Sage Publication.

Eisner, E. W. (1991). The enlightened eye: Qualitative inquiry and the enhancement of       educational practice. New York, NY: Macmillan Publishing Company.

Glesne, C., & Peshkin, P. (1992). Becoming qualitative researches: An introduction. New York,    NY: Longman.

Healy, M., & Perry, C. (2000). Comprehensive criteria to judge validityand reliability of    qualitative research within the realism paradigm. Qualitative Market Research, 3(3), 118-          126.

Hoepfl, M. C. (1997). Choosing qualitative research: A primer for technology education    researchers. Journal of Technology Education, 9(1), 47-63. Retrieved February 25, 1998,    from http://scholar.lib.vt.edu/ejournals/JTE/v9n1/pdf/hoepfl.pdf

Hipps, J. A. (1993). Trustworthiness and authenticity: Alternate ways to judge authentic     assessments. Paper presented at the annual meeting of the American Educational          Research Association. Atlanta, GA.

Johnson, B. R. (1997). Examining the validity structure of qualitativeresearch. Education,             118(3), 282-292.

Johnson, S. D. (1995, Spring). Will our research hold upunder scrutiny? Journal of Industrial        Teacher Education, 32(3), 3-6.

Joppe, M. (2000).  The Research Process.  Retrieved February 25, 1998, from             http://www.ryerson.ca/~mjoppe/rp.htm

Kirk, J., & Miller, M. L. (1986). Reliability and validity in qualitative research. Beverly Hills:         Sage Publications.

Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic inquiry. Beverly Hills, CA: Sage.

Mathison, S. (1988). Why triangulate? Educational Researcher, 17(2), 13-17.

Maxwell, J. A. (1992). Understanding and validity in qualitative research. Harvard Educational   Review, 62(3), 279-300

Patton, M. Q. (2002). Qualitative evaluation and research methods (3rd ed.). Thousand Oaks,       CA: Sage Publications, Inc.

Seale, C. (1999). Quality in qualitative research. Qualitative Inquiry, 5(4), 465-478.

Stenbacka, C. (2001). Qualitative research requires quality concepts of its own. Management        Decision,  39(7), 551-555

Strauss, A., & Corbin, J. (1990). Basics of qualitative research: Grounded theoryprocedures         and techniques. Newbury Park, CA: Sage Publications, Inc.

Wainer, H., & Braun, H. I. (1988). Test validity. Hilldale, NJ: Lawrence Earlbaum Associates.

Winter, G. (2000). A comparative discussion of the notion of validity in qualitative and    quantitative research. The Qualitative Report, 4(3&4). Retrieved February 25, 1998, from        http://www.nova.edu/ssss/QR/QR4-3/winter.html

Author’s Note

Nahid Golafshani is a doctoral student in the department of Curriculum, Teaching and Learning at the Ontario Institute for Studying Education\University of Toronto where she learns and gains experiences by working with the diverse group of students and faculties. Her area of specialization is Mathematics Education. Her researches include multicultural teaching and learning, teachers’ beliefs, and problem-based mathematics learning and learning. Ms. Golafshani may be contacted at Ontario Institute for Studying Education\University of Toronto Curriculum,Teaching and Learning, 252 Bloor Street West, Toronto, Ontario, Canada M5S 1V6; Telephone: 519-747-4559; Fax Telephone: (253) 322-8961; E-mail: ngolafshani@oise.utoronto.ca

Copyright 2003: Nahid Golafshani and Nova Southeastern University

Author’s Citation

Golafshani, N. (2003). Understanding reliability and validity in qualitative research. The   Qualitative Report, 8(4), 597-606. Retrieved [Insert date], from:           http://www.nova.edu/ssss/QR/QR8-4/golafshani.pdf

——————–&&&—————-

Mô hình Bayesian VAR

Mô hình Bayesian VAR

(Tác giả: Minh Anh – Nguồn: kinhteking.wordpress.com)

Đây là một bài giới thiệu rất rất rất ngắn về mô hình BVAR, xem như là khai vị và “kích não” cho bạn nào thích tò mò. Đây là con đường “lắm gai” đấy, nhưng có thể sẽ là “heroin” gây nghiện với một số đồng chí 🙂

Mô hình VAR là một mô hình phổ biến trong phân tích chuỗi thời gian. Các chủ đề liên quan đến đến mô hình VAR gồm có: mô hình giản lược (reduced form VAR), xác định mô hình cấu trúc (structural VAR) từ mô hình giản lược, hàm phản ứng, phân tích phương sai…
Ví dụ một mô hình VAR với p=4 độ trễ VAR(4) với 3 biến nội sinh Y_{1}, Y_{2}, Y_{3} có dạng như sau:

Y_{t}=c+ B_{1}Y_{t-1}+ B_{2}Y_{t-2}+ B_{3}Y_{t-3} +B_{4}Y_{t-4} +v_{t}
trong đó Y_{t}=(Y_{1t},Y_{2t},Y_{3t})'

Thông thường, việc ước lượng mô hình VAR đòi hỏi phải ước lượng khá nhiều tham số. Ví dụ như một mô hình VAR 3 biến – lạm phát, sản lượng, và lãi suất – và bốn mức trễ (lag=4) như thường được sử dụng với số liệu theo quý. Mô hình này gồm có 42 tham số cần phải ước lượng: 1*3 hằng số (intercepts), 12*3 tham số của biến trễ, và 3 tham số của phương sai. Nếu có 80 số liệu theo quý (20 năm), thì việc ước lượng mô hình VAR như vậy thường có tính chính xác không cao (vì mức độ tự do- degrees of freedom- bị hạn chế), và hệ quả là các các dự báo thường đó độ lệch chuẩn lớn (biên dự báo rộng).

Do vậy, các nhà kinh tế lượng Bayesian đã đề xuất việc kết hợp thông tin tiền định –prior information (dựa vào các lý thuyết kinh tế hay các kết quả nghiên cứu từ các quốc gia khác) vào việc ước lượng các mô hình VAR. Cách tiếp cận lồng ghép này còn được gọi là BVAR. Nếu hiểu nôm na là thế này: cái “anh” dữ liệu không đủ thông tin để đạt được các ước lượng ý nghĩa thì mình kết hợp thêm cái thông tin có được từ “chị” lý thuyết (hay là chị thực nghiệm, chị kinh nghiệm, gì gì đấy) vào, để có thể có được những ước lượng ý nghĩa, và qua đó nâng cao khả năng dự báo các biến vĩ mô.

Để sử dụng BVAR, nhà nghiên cứu đưa các thông tin tiền định liên quan đến các tham số của mô hình (hằng số, tham số của biến trễ, hay phương sai của biến nhiễu). Một vài dạng thông tin tiền định phổ biến như:

1)Thông tin tiền định Minnesota (vì nguồn gốc của thông tin này là từ Fed Minnesota): dựa trên giả thuyết rằng các biến nội sinh trong mô hình VAR có dạng bước tự do (random walk process) hoặc theo dạng AR (1).

2)Thông tin tiền định Normal Inverse Wishart prior: có 2 dạng

* Thông tin tiền đinh ghép đôi tự nhiên (natural conjugate prior) -các thông số của mô hình VAR có phân phối tiền nghiệm là phân phối chuẩn, và ma trận hiện phương sai (variance-covariance matrix) có phân phối Inverse Wishart.

* Thông tin tiền định independent Normal inverse Wishart prior: Ví dụ như khi muốn xem xét tham số trễ của một biến nội sinh khác với tham số trễ của các biến khác (ví dụ như giới hạn liên quan đến giả định tính trung tính của tiền: money neutrality)

3)Thông tin tiền định trạng thái cân bằng (Steady State priors) và một số thông tin tiền định khác

Trên đây chỉ là một vài giới thiệu để “khêu gợi”” trí tò mò của các bạn. Để học BVAR các bạn có thể tham khảo các tài liệu sau:

1)Tài liệu khóa học (slides và MATLAB codes) về kinh tế lượng của GS. Gary Koop.
Link: https://sites.google.com/site/garykoop/teaching/sgpe-bayesian-econometrics

2)BEAR Toolbox 3.0 (sử dụng với MATLAB): được phát triển bởi Alistair Dieppe, Romain Legrand, và Björn van Roye – nhóm nghiên cứu Ngân hàng Trung Ương châu Âu

3)MSBVAR(Sử dụng với R): của hai nhà nghiên cứu Patrick Brandt và W. Ryan Davis


Xem thêm: Kiểm soát thông tin tiền định trong mô hình BVAR

Bạn đọc Yi có hỏi rằng: “”Hiện trong function “szbvar” và “msbvar” của R package này em thấy tác giả đã mặc định thông số lambda để fit model, rồi từ đó chạy ra dự báo. Em có thắc mắc nhỏ là có function nào chọn ra được các thông số này để tối thiểu hóa được sai số dự báo không ạ”

Đây là một câu hỏi hay và quan trọng ở khía cạnh ứng dụng. Mục đích của lambda chính là kiểm soát vai trò của thông tin tiền định.

+ Nếu thông tin tiền định quá chặt (tight prior) – nghĩa là phụ thuộc nhiều vào thông tin tiền định, thì kết quả hậu nghiệm sẽ không khác mấy so với thông tin tiền định. Đây chính là điểm thường bị chỉ trích của tiếp cận Bayesian, vì người nghiên cứu có thể sử dụng thông tin tiền định để “lái” kết quả. Do vậy, trong trường hợp này, thông tin từ data không có nhiều ảnh hưởng đến kết quả.
+ Ngược lại, nếu thông tin tiền định quá lỏng, thì nó sẽ không có ích và kết quả sẽ chủ yếu phụ thuộc vào data.

Do vậy, giá trị của lambda nên nằm giữa hai thái cực này. Việc xác định những giá trị này là một câu hỏi không phải dễ trả lời. Một vài nghiên cứu hướng dẫn về việc xây dựng thông tin tiền nghiệm trong một số trường hợp. Ví dụ như , nghiên cứu của De Mol và công sự (2008, JoE) “Forecasting using a large number of predictors: Is Bayesian shrinkage a valid alternative to principal components?“ (Link WP: https://www.ecb.europa.eu/pub/pdf/scpwps/ecbwp700.pdf?ffd9f4561990919f315127a2eee70375).

Tuy nhiên, phần lớn các nghiên cứu dựa trên đề xuất của Canova (Chương 10, 2007) “Methods for Applied Macroeconomic Research“ với Minnesota prior. Giáo sư Fabio chia sẻ chương này ở trên website cá nhân: http://apps.eui.eu/Personal/Canova/Articles/ch10.pdf (Đoạn cuối Trang 358) (Chú ý là ký hiệu GS Fabio dùng là phi). Các giá trị này có thể sử dụng như benchmark hoặc là điểm bắt đầu cho những nghiên cứu sâu hơn.

Như đã đề cập trong bài trước về việc sử dụng BVAR, nếu bạn nào đã quen dùng R, thì có thể sử dụng MSBVAR package (Liên quan đến câu hỏi trên: Giá trị của thông số lambda trong MSBVAR được quyết định bởi người sử dụng). Tuy nhiên, với các bạn mới bắt đầu, thì có lẽ sử dụng toolbox BEAR (MATLAB) sẽ dễ dàng hơn (xem hướng dẫn sử dụng ở đây).

———————–&&&———————–

Phân phối Tweedie (Tweedie distribution)

Phân phối Tweedie (Tweedie distribution)

(Nguồn: https://en.wikipedia.org)

Phân phối Tweedie là gì?

Trong xác suất và thống kê, họ phân bố Tweedie là họ các phân bố xác suất bao gồm: các phân bố chuẩn và gamma liên tục, phân bố Poisson rời rạc; và phân bố Poisson-gamma hỗn hợp. Đối với bất kỳ biến ngẫu nhiên Y nào tuân thủ phân bố Tweedie, phương sai var (Y) liên hệ với kỳ vọng E (Y) theo luật mũ:

{\text{var}}\,(Y)=a[{\text{E}}\,(Y)]^{p},

trong đó a và p là hằng số dương.

Các phân phối Tweedie được đặt tên bởi Bent Jørgensen theo tên của Maurice Tweedie – một nhà vật lý trị liệu và y học tại Đại học Liverpool, Vương quốc Anh – người đã đưa ra nghiên cứu kỹ lưỡng đầu tiên về các phân bố này vào năm 1984.

Một số họ phân phối Tweedie:

Với 0 < p < 1 không tồn tại phân phối Tweedie.

Tài liệu hướng dẫn thực hành phân phối Tweedie trên R:

Ghi chú. Các họ phân phối xác suất: Circular ; compound Poisson ; elliptical ; exponential ; natural exponential ; location–scale ; maximum entropy ; mixture ; Pearson ; Tweedie ; wrapped

———————–&&&———————

Xây dựng đường cong lãi suất chuẩn của Việt Nam

Xây dựng đường cong lãi suất chuẩn của Việt Nam

(Nguồn: http://duyviet90.blogspot.com)

I – Các mô hình xây dựng đường cong lãi suất chuẩn

1.1. Các đường cong lãi suất hoàn vốn

Đường cong lãi suất hoàn vốn (yield curve): được hình thành bằng cách minh họa các mức lãi suất hoàn vốn của các trái phiếu chỉ khác nhau về kỳ hạn đáo hạn trên cùng một đồ thị.

Đường cong lãi suất hoàn vốn đến kỳ đáo hạn (yield-to-maturity yield curve):được hình thành bằng cách minh họa các mức lãi suất hoàn vốn đến kỳ đáo hạn của các trái phiếu chỉ khác nhau về kỳ hạn đáo hạn trên cùng một đồ thị.

 

Đường cong lãi suất hoàn vốn đến kỳ đáo hạn của các trái phiếu có cùng mức coupon (coupon yield curve): minh họa lãi suất hoàn vốn đến kỳ đáo hạn của các trái phiếu có cùng mức coupon và chỉ khác nhau về kỳ hạn đáo hạn lên cùng một đồ thị.

Đường cong lãi suất hoàn vốn của trái phiếu được giao dịch với giá bằng mệnh giá (par yield curve): minh họa các mức lãi suất hoàn vốn đến kỳ đáo hạn của các trái phiếu hiện hành chỉ khác nhau về kỳ hạn và đều được giao dịch ở mức gần bằng mệnh giá.

Cấu trúc kỳ hạn của lãi suất (the term structure of interest rates): chính là đường cong lãi suất hoàn vốn của trái phiếu chiết khấu (zero-coupon yield curve) hay đường cong lãi suất hoàn vốn giao ngay (spot yield curve).

1.2. Các mô hình xây dựng đường cong lãi suất chuẩn

1.2.1. Mô hình một nhân tố

Mô hình một nhân tố là loại mô hình cho phép xây dựng được một cấu trúc kỳ hạn hoàn chỉnh từ một loại lãi suất ngắn hạn. Gồm có: (1) Mô hình Vasicek; (2) Mô hình Merton; (3) Mô hình Cox-Ingersoll-Ross (CIR).

1.2.2. Các mô hình tự do chênh lệch giá

Mô hình tự do chênh lệch giá có mục đích là xây dựng nên một cấu trúc kỳ hạn lý thuyết tương thích với cấu trúc thực tế quan sát được để khiến cho lãi suất hoàn vốn quan sát trên thị trường thì có giá trị bằng với lãi suất hoàn vốn được tính toán trên cơ sở mô hình. Bao gồm các mô hình: (1) Mô hình Ho-Lee; (2) Mô hình Hull-White; (3) Mô hình Black-Derman-Toy (BDT).

1.2.3. Mô hình đa nhân tố

Mô hình đa nhân tố cho phép giải thích được dạng thức thay đổi phi song song hoặc những thay đổi về độ dốc của đường cong. Trong nhóm này có: (1) Mô hình hai nhân tố; (2)Mô hình đa nhân tố Heath-Jarrow-Morton (HJM).

1.2.4. Các kỹ thuật sử dụng phương pháp tham số

– Mô hình Nelson-Siegel: Bản chất của kỹ thuật này là mô hình hóa lãi suất kỳ hạn bằng cách sử dụng hàm số hóa.

– Mô hình hàm nối trục bậc ba (cubic spline model): Mô hình hàm nối trục ra đời với mục đích là để phát huy ưu điểm của mô hình tham số trong việc mô phỏng tốt các mức lãi suất hoàn vốn của các kỳ hạn đáo hạn dài đồng thời khắc phục nhược điểm của mô hình tham số ở các kỳ hạn đáo hạn ngắn.

– Mô hình hàm nối trục cơ bản (B-spline)Bên cạnh công thức tổng quát của hàm nối trục bậc ba như trên, người ta cũng thường tạo ra các đường nối trục bằng cách kết hợp tuyến tính các đường nối trục cơ bản lại với nhau.

1.3. Điều kiện áp dụng các mô hình xây dựng đường cong lãi suất chuẩn

1.3.1. Yêu cầu của mô hình xây dựng đường cong lãi suất chuẩn

– Mô hình có thể đưa ra được một đường cong lý thuyết khớp với số liệu hiện hành trên thị trường.

– Mô hình có thể phản ánh được diễn biến của lãi suất theo thời gian và diễn biến này phải theo dõi được thông qua việc tính toán cụ thể trên cơ sở các hàm toán học trực quan.

– Mô hình phải đảm bảo tính hiệu quả và kịp thời trên cơ sở các nguồn lực có sẵn như mức độ có sẵn và đáng tin cậy của số liệu, năng lực xử lý số liệu của máy tính,…

Từ những yêu cầu nói trên, ta có thể thấy rằng mô hình được sử dụng sẽ đưa ra kết quả chính xác khi: (i) Lãi suất đầu vào phản ánh tính khách quan của thị trường, (ii) Các thông tin về thị trường là minh bạch, và (iii) Phải có thị trường trái phiếu phát triển với các kỳ hạn đa dạng và khối lượng phát hành đủ lớn.

1.3.2. Điều kiện áp dụng của các mô hình xây dựng đường cong lãi suất chuẩn

Việc nghiên cứu các mô hình xây dựng đường cong lãi suất chuẩn cho thấy mỗi mô hình sẽ phát huy hiệu quả riêng biệt trong việc xây dựng đường cong lãi suất chuẩn của từng quốc gia.

1.4. Bài học từ việc xây dựng đường cong lãi suất chuẩn của các nước

1.4.1. Kinh nghiệm của các nước:

Nghiên cứu thực tế xây dựng đường cong lãi suất chuẩn của các nước Mỹ, Malaysia,Singapore cho thấy, mỗi mô hình được xây dựng trên một giả định riêng và các nước khi lựa chọn mô hình đều xem xét sự phù hợp của các giả định đối với trường hợp của riêng mình. Việc lựa chọn mô hình để xây dựng đường cong lãi suất chuẩn của các nước này phụ thuộc vào mức độ phát triển của thị trường trái phiếu, mức độ đa dạng về các kỳ hạn của trái phiếu chính phủ, khối lượng các đợt phát hành, tính hiệu quả của thị trường cũng như sự sẵn có của số liệu …

1.4.2. Lựa chọn mô hình cho Việt Nam

Từ quá trình nghiên cứu trên, tiếp cận từ giác độ NHTW thì chúng ta có thể xây dựng cấu trúc kỳ hạn của lãi suất hay đường cong lãi suất hoàn vốn giao ngay hoặc đường cong lãi suất của trái phiếu chiết khấu.


II – Đặc điểm thị trường các công cụ nợ của Việt Nam

2.1. Thị trường trái phiếu Chính phủ

2.1.1. Thực trạng thị trường trái phiếu Chính phủ

            – Hiện thời, trái phiếu Chính phủ bao gồm: Tín phiếu Kho bạc; Trái phiếu Kho bạc; Trái phiếu công trình trung ương; Trái phiếu đầu tư; Công trái xây dựng Tổ quốc; Trái phiếu ngoại tệ. Từ năm 2007, KBNN đã triển khai đề án phát hành TPCP lô lớn. Bộ Tài chính đã xây dựng kế hoạch phát hành hàng năm và  lịch trình phát hành TPCP từng quí. TPCP được phát hành qua các kênh: Bán lẻ qua hệ thống Kho bạc Nhà nước; Phát hành tín phiếu kho bạc qua đấu thầu tại NHNN; Phát hành TPCP qua đấu thầu tại Sở giao dịch chứng khoán; Bảo lãnh phát hành TPCP; Phát hành qua kênh Bảo hiểm Xã hội mua.

– Trên thị trường mở, đến năm 2009 có 58 tổ chức tín dụng được cấp giấy chứng nhận là thành viên nghiệp vụ thị trường mở; trong đó có 5 NHTM Nhà nước và ngân hàng cổ phần Nhà nước nắm cổ phần chủ yếu, 34 NHTM cổ phần, 3 ngân hàng liên doanh, 14 chi nhánh NH nước ngoài, 1 Công ty tài chính và QTD Trung ương. Doanh số trúng thầu từ năm 2000 đến 2005 hàng năm bình quân tăng gấp khoảng 3 lần so với năm trước.

2.1.2. Đặc điểm thị trường trái phiếu Chính phủ

2.1.2.1. Tính thanh khoản của thị trường

– Tính thanh khoản tại sở giao dịch chứng khoán Hà Nội thấp.

– Tính thanh khoản trong giao dịch thị trường mở tương đối cao, thể hiện ở tần suất và số lượng các phiên giao dịch thị trường mở liên tục tăng.

2.1.2.2. Lãi suất TPCP

a/ Tính thị trường của lãi suất TPCP:

–  Tính thị trường của lãi suất TPCP mới phát hành thấp:

 b/ Mức độ nhạy cảm của lãi suất đối với sự tác động của Ngân hàng Trung ương:

– Lãi suất nghiệp vụ thị trường mở chịu sự chi phối bởi cặp lãi suất chỉ đạo của NHNN. Tuy nhiên, tại những thời điểm nhất định lãi suất TTM đã biến động ra khỏi cặp lãi suất chỉ đạo, thể hiện ở các phiên thực hiện theo phương thức đấu thầu lãi suất.

– Lãi suất phát hành TPCP hầu như không chịu sự chi phối bởi mức lãi suất chỉ đạo của NHNN mà theo mục đích huy động vốn cho NSNN trong từng thời kỳ.

– Lãi suất TPCP đôi khi tăng cao, hơn cả lãi suất tín dụng ngân hàng.

2.2. Thị trường trái phiếu doanh nghiệp

2.2.1. Thực trạng thị trường trái phiếu doanh nghiệp

– Giá trị vốn huy động của các doanh nghiệp qua TTCK rất thấp, chỉ đạt 15-20% lượng vốn doanh nghiệp huy động

–  Trong số chứng khoán doanh nghiệp phát hành, trái phiếu là công cụ được các doanh nghiệp lựa chọn trong vài năm trở lại đây.

– Tỷ trọng giá trị trái phiếu doanh nghiệp phát hành so với tổng vốn huy động qua TTCK nhỏ, đặc biệt năm 2008 tỷ lệ này chỉ đạt 4,07%.

– Tỷ trọng giá trị trái phiếu doanh nghiệp phát hành trong tổng giá trị trái phiếu phát hànhrất thấp, khoảng 23-37%, thậm chí chỉ chiếm 5,28% trong năm 2008.

2.2.2. Đặc điểm thị trường trái phiếu doanh nghiệp

– Thị trường trái phiếu doanh nghiệp có tính thanh khoản thấp

– Lãi suất trái phiếu doanh nghiệp: lãi suất TPDN phần nào chịu sự chi phối bởi lãi suất chỉ đạo của NHNN, song qui mô thị trường trái phiếu doanh nghiệp quá nhỏ bé, lãi suất trái phiếu doanh nghiệp không phải là mức lãi suất tiêu biểu của thị trường.

2.3. Thị trường tín dụng ngân hàng

2.3.1. Thị trường giữa tổ chức tín dụng và doanh nghiệp, cá nhân (thị trường 1)

2.3.1.1. Thực trạng thị trường

– Tín dụng ngân hàng là hoạt động truyền thống, là kênh huy động và cung ứng vốn chủ yếu ở Việt Nam.

– Với vai trò là trung gian tín dụng trên thị trường tài chính, các tổ chức tín dụng, đặc biệt là các Ngân hàng thương mại đã thực hiện việc huy động vốn và đáp ứng phần lớn nhu cầu vốn của các doanh nghiệp và cá nhân trong nền kinh tế. Khối lượng vốn huy động và cho vay tăng liên tục qua các năm.

2.3.1.2. Đặc điểm thị trường

– Thị trường tín dụng ngân hàng có tính thanh khoản rất cao.

– Mức độ tự do hoá lãi suất ngày càng cao. Từ đầu năm 2009, các cơ chế kiểm soát hành chính dần dần được dỡ bỏ. Tuy nhiên, trong những thời điểm nhất  định, tính thị trường của lãi suất bị hạn chế  do được khống chế bởi trần lãi suất và sự can thiệp của Hiệp hội ngân hàng.

– Lãi suất tín dụng ngân hàng đã phản ánh sự tác động CSTT của NHNN. Hiện nayNHNN Việt Nam ấn định các loại lãi suất cơ bản, lãi suất tái cấp vốn, lãi suất tái chiết khấu, lãi suất cho vay qua đêm, lãi suất tiền gửi dự trữ bắt buộc để điều hành lãi suất thị trường. Bên cạnh đó còn sử dụng các công cụ CSTT để tác động đến lãi suất liên ngân hàng, lãi suất nghiệp vụ thị trường mở, từ đó ảnh hưởng đến lãi suất của các NHTM, nhằm thực hiện mục tiêu chính sách tiền tệ và mục tiêu kinh tế vĩ mô trong từng thời kỳ.

2.3.2. Thị trường tiền tệ liên ngân hàng (thị trường 2)

2.3.2.1. Thực trạng hoạt động thị trường

– Năm 1992, NHNN ban hành Chỉ thị số 07/CT-NH1 ngày 7/10/1992, là văn bản pháp lý đầu tiên quy định về hoạt động về quan hệ tín dụng giữa các TCTD. Từ năm 2001 đến nay, NHNN tiếp tục ban hành đồng bộ các văn bản thể chế đối với hoạt động của thị trường, từng bước tiến gần hơn tới thông lệ quốc tế.

2.3.2.1. Đặc điểm của thị trường

– Doanh số giao dịch trên thị trường nhìn chung có sự tăng trưởng mạnh theo từng năm, đặc biệt là trong khoảng 10 năm trở lại đây.

– Tính thanh khoản của thị trường liên ngân hàng rất cao, các giao dịch trên thị trường liên ngân hàng diễn ra hàng ngày với doanh số giao dịch lớn, đặc biệt trong những thời điểm các ngân hàng căng thẳng về vốn khả dụng.

– Lãi suất liên ngân hàng có tính thị trường cao, ngày càng phản ánh sát thực hơn cung cầu vốn khả dụng của các ngân hàng.

– Lãi suất liên ngân hàng có quan hệ chặt chẽ với lãi suất huy động, cho vay trên thị trường 1 song có mức biến động mạnh.

– Lãi suất liên ngân hàng cũng bị khống chế bởi trần lãi suất.

– Lãi suất liên ngân hàng phản ánh rõ tác động của NHNN đến dự trữ của các ngân hàng.

– Lãi suất liên ngân hàng đôi khi ít chịu tác động bởi lãi suất chỉ đạo của NHNN.

III- Xây dựng đường cong lãi suất chuẩn của Việt Nam

download bài viết đầy đủ: http://www.cantholib.org.vn/Database/Content/2521.pdf

———————&&&———————

Mô hình Cox (Cox proportional hazards model)

Mô hình Cox (Cox proportional hazards model)

(Tác giả: Nguyễn Văn Tuấn – Nguồn: http://tuanvannguyen.blogspot.com)

Có thể nói công trình làm nên tên tuổi của Gs David Cox là bài báo “Regression models and life-tables” công bố trên tập san Journal of the Royal Statistical Society năm 1972. Trong bài báo đó, ông mô tả một phương pháp phân tích các dữ liệu sống còn theo mô thức hồi qui. Mô hình này sau này được biết đến dưới thuật ngữ “Cox’s proportional hazards model” (nhớ rằng hazards có “s” nhé).

Chúng ta đã biết rằng có 2 mô hình hồi qui phổ biến dựa vào biến outcome. Để tìm hiểu mối liên quan giữa một biến outcome liên tục và những yếu tố khác, chúng ta dùng mô hình hồi qui tuyến tính (linear regression). Ví dụ như mô hình mối liên quan sự ảnh hưởng của gen đến biến insulin, vì insulin là biến outcome thuộc loại liên tục, nên chúng ta dùng mô hình hồi qui tuyến tính. Nếu biến outcome là biến nhị phân (chỉ có hai giá trị 0/1, yes/no, sống/chết …) thì chúng ta dùng mô hình hồi qui logistic.

Nhưng nếu biến outcome là biến nhị phân, mà nó lại phụ thuộc vào thời gian theo dõi. Ví dụ như bệnh nhân được điều trị, có người sống suốt thời gian theo dõi, có người chết sau điều trị vài tháng, có người sống đến 2 năm, lại có người chúng ta không biết còn sống hay chết vì không theo dõi được. Trong những trường hợp này, chúng ta dùng mô hình hồi quy Cox (còn gọi là mô hình hazards), như ông mô tả trong bài báo công bố vào năm 1972. Gọi L(t) là rủi ro (hazard) của một cá nhân tại thời điểm t, mô hình hồi qui Cox phát biểu rằng L(t) được xác định bởi tích số của rủi ro trung bình (L0) và ảnh hưởng của các yếu tố nguy cơ (X1, X2, …, Xk):

L(t) = L0*exp(b1X1 + b2X2 + … + bkXk)

Trong đó, b1, b2, …, bk là hệ số cần phải ước tính từ dữ liệu thực tế. Ví dụ như tôi muốn biết rủi ro bị ung thư trong vòng 5 năm, L(5), của một cá nhân bằng rủi ro trung bình trong quần thể, L0, và ảnh hưởng của các yếu tố như độ tuổi, giới tính, lối sống, gen, v.v.

Mô hình này phổ biến trong hầu hết các ngành khoa học, từ y khoa đến kĩ thuật và xã hội học. Nhiều nhà khoa học xã hội còn áp dụng mô hình để nghiên cứu thời gian từ lúc hôn nhân đến li dị! Bài báo của Gs Cox cho đến nay (sau 45 năm) đã có hơn 45,000 trích dẫn! Bài báo này được đánh giá là một trong 100 công trình nổi tiếng toàn cầu từ trước đến nay (Con số trích dẫn của toàn bộ nền toán học Việt Nam trong 10 năm cũng không bằng phân nửa con số trích dẫn này của 1 bài báo).

Bây giờ, khi chúng ta đã biết và hiểu mô hình này, thì thấy nó không có gì quá phức tạp, nhưng phát kiến đó tốn Gs Cox rất nhiều thời gian. Ông cho biết rằng trước đó ông đã quan tâm đến vấn đề reliability trong kĩ thuật trong thời gian làm việc cho hãng máy bay và hiệp hội vải len, nhưng chưa nghĩ ra cách phân tích. Ông cho biết ông dành đến 4 năm cho công trình này. Có đêm ông thức giấc và nghĩ đến nó, nhưng rồi lại … ngủ.

Được hỏi tại sao bài báo trở nên phổ biến, ông cho rằng một phần là phương pháp elegant và dễ hiểu, nhưng phần quan trọng khác là có nhiều người viết chương trình máy tính để triển khai mô hình trong thực tế. Thế là nhiều người có thể ứng dụng và trích dẫn bài báo. Đây cũng là một bài học cho nhà khoa học, vì muốn phương pháp của mình được nhiều người sử dụng (và gây ảnh hưởng) thì ngoài lí thuyết còn phải viết chương trình máy tính.

Trong một bài nói chuyện về tiến bộ trong y học trong thế kỉ 20, một giáo sư Mĩ lừng danh là Ioanndidis nói rằng “mô hình Cox” là một trong những tiến bộ quan trọng nhất. Mà, đúng như thế. Làm sao chúng ta có thể xác định hiệu quả của thuốc điều trị, của thuật can thiệp; làm sao chúng ta có cách chọn phương pháp điều trị tối ưu và cứu sống bệnh nhân. Ứng dụng mô hình Cox đã giúp y khoa trả lời những câu hỏi đó. Qua mô hình Cox, ông đã gián tiếp cứu vô số bệnh nhân trên toàn thế giới. Qua mô hình đó, ông cũng đã làm thay đổi cách phân tích của các nhà khoa học, kinh tế học, xã hội học, công nghệ, v.v. và giúp họ có những khám phá có ích cho đời. Nhìn như thế, chúng thấy mức độ ảnh hưởng của David Cox quả là to lớn, và khó có thể đo lường bằng chỉ tần số trích dẫn.  Do đó, không ngạc nhiên khi 3 năm trước, Tạp chí Nature xếp công trình “Cox’s model” là một trong 100 công trình có ảnh hưởng lớn nhất trong lịch sử khoa học (“top 100 most-cited papers of all time for all fields”) (1).

======

(1) http://www.nature.com/news/the-top-100-papers-1.16224

Trong số 100 bài báo có ảnh hưởng lớn nhất trong lịch sử khoa học, có đến 12 bài thuộc khoa học thống kê. Một số công trình này tuy có ảnh hưởng lớn đến khoa học, nhưng chưa hẳn là những công trình hàng đầu trong thống kê học. Danh sách 12 bài đó là như sau:

1. Kaplan, E. L. & Meier, P. Nonparametric estimation from incomplete observations. Journal of the American Statistical Association. 53, 457–481 (1958).

2. Cox, D. R. Regression models and life-tables. J. R. Stat. Soc., B 34, 187–220 (1972).

3. Bland, J. M. & Altman, D. G. Statistical methods for assessing agreement between two methods of clinical measurement. Lancet 327, 307–310 (1986).

4. Dempster, A. P., Laird, N. M. & Rubin, D. B. Maximum likelihood from incomplete data via EM algorithm. J. R. Stat. Soc., B 39, 1–38 (1977).

5. Benjamini, Y. & Hochberg, Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing. J. R. Stat. Soc. B 57, 289–300 (1995).

6. Duncan, D. B. Multiple range and multiple F tests. Biometrics 11, 1–42 (1955).

7. Landis, J. R. & Koch, G. G. The measurement of observer agreement for categorical data. Biometrics 33, 159–174 (1977).

8. Akaike, H. A new look at statistical-model identification. IEEE Trans. Automat. Contr. 19, 716–723 (1974).

9. Marquardt, D. W. An algorithm for least-squares estimation of nonlinear parameters. J. Soc. Ind. Appl. Math. 11, 431–441 (1963).

10. Felsenstein, J. Confidence limits on phylogenies: an approach using the bootstrap. Evolution 39, 783–791 (1985).

11. Baron, R. M. & Kenny, D. A. The moderator–mediator variable distinction in social psychological-research — conceptual, strategic, and statistical considerations. J. Pers. Soc. Psychol. 51, 1173–1182 (1986).

12. Ronquist, F. & Huelsenbeck, J. P. MrBayes 3: Bayesian phylogenetic inference under mixed models. Bioinformatics 19, 1572–1574 (2003).


Xem thêm:

—————-&&&—————-