Phân tích định tính và định lượng khác nhau thế nào?

Một người môi giới lâu năm nói: “Khách gần đây hỏi kỹ pháp lý hơn trước.” Một bộ dữ liệu 400 tin cho thấy tỷ trọng sản phẩm có hồ sơ pháp lý rõ trong nhóm được liên hệ nhiều nhất cao hơn. Hai thông tin này không giống nhau — nhưng cả hai đều có thể hữu ích nếu đặt đúng vị trí trong phân tích.

Biên soạn: ThS. Nguyễn Mạnh Hùng

Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM

Email: nguyenmanhhung@hcmuaf.edu.vn

Phạm vi: Bài giảng xếp SWOT, PESTEL, phỏng vấn/chuyên gia vào nhóm định tính; thống kê mô tả, hồi quy, chuỗi thời gian, dự báo và các chỉ số vào nhóm định lượng. Bài này tập trung vào cách chọn và kết hợp phương pháp, không biến định tính thành “ý kiến chủ quan” hoặc định lượng thành “sự thật tuyệt đối”.

1. Khác nhau ở loại câu hỏi mà mỗi phương pháp trả lời tốt

Định tính thường mạnh khi câu hỏi là “vì sao?”, “cơ chế nào?”, “người tham gia thị trường đang nghĩ gì?”, “bối cảnh nào đang thay đổi?”.

Định lượng mạnh khi câu hỏi là “bao nhiêu?”, “khác nhau bao nhiêu?”, “xu hướng mạnh hay yếu?”, “mối liên hệ có rõ không?”, “ước lượng tác động thế nào?”.

Không nên ép một phương pháp trả lời câu hỏi vốn thuộc thế mạnh của phương pháp kia.

2. Bảng so sánh nhanh

Tiêu chíĐịnh tínhĐịnh lượng Dữ liệuPhỏng vấn, quan sát, văn bản, nhận định, ghi chép thực địa.Số liệu giá, diện tích, giao dịch, cung, hấp thụ, vacancy, biến mã hóa. Mục tiêuHiểu bối cảnh, động cơ, cơ chế, vấn đề mới.Đo lường, so sánh, kiểm định, mô hình hóa, theo dõi xu hướng. Công cụPhỏng vấn, thematic coding, SWOT, PESTEL, case study.Descriptives, Crosstabs, T-test/ANOVA, correlation, regression, time series. Đầu raChủ đề, cơ chế, giải thích, giả thuyết.Chỉ tiêu, chênh lệch, hệ số, xu hướng, mô hình. Rủi roThiên lệch người phỏng vấn/chọn người trả lời.Sai mẫu, sai biến, sai giả định, “đẹp số nhưng sai câu hỏi”. 3. Định tính không có nghĩa là “nghe kể rồi tin”

Một phỏng vấn chuyên gia có chất lượng vẫn cần:

câu hỏi rõ và nhất quán;
chọn người có liên quan đến vấn đề;
ghi lại thời điểm và bối cảnh;
phân biệt dữ kiện với nhận định;
tìm điểm đồng thuận và điểm bất đồng;
đối chiếu với dữ liệu khác.

Ví dụ, câu “khách hàng đang chuyển từ đầu tư sang ở thực” cần được xem là giả thuyết/nhận định cần kiểm chứng, không phải kết luận thị trường chỉ vì một người có kinh nghiệm nói như vậy.

4. Định lượng không có nghĩa là “có số thì đúng”

Một con số có thể rất chính xác về mặt tính toán nhưng vô nghĩa về mặt thị trường nếu:

mẫu không đại diện;
biến được mã hóa sai;
gộp nhiều phân khúc khác nhau;
giá rao bị xem như giá giao dịch;
đơn vị đo không đồng nhất;
phương pháp không phù hợp loại biến;
kết luận vượt quá dữ liệu.

Đó là lý do phần SPSS của học phần bắt đầu từ loại biến trước khi dạy các phép phân tích.

5. Khi nào nên ưu tiên định tính?

Thị trường mới hoặc dữ liệu định lượng còn ít.
Cần hiểu nguyên nhân đằng sau một tín hiệu bất thường.
Cần khám phá tiêu chí khách hàng chưa được mã hóa thành biến.
Cần đánh giá tác động của một thay đổi chính sách/quy hoạch ở giai đoạn rất sớm.
Cần hình thành giả thuyết trước khi thiết kế khảo sát định lượng.

6. Khi nào nên ưu tiên định lượng?

Cần mô tả cấu trúc một mẫu lớn.
Cần so sánh nhiều nhóm/khu vực/thời điểm.
Cần đo mức phân tán và ngoại lệ.
Cần kiểm tra tương quan hoặc khác biệt có hệ thống.
Cần xây chỉ số, chuỗi thời gian, mô hình Hedonic hoặc dự báo.

7. Cách kết hợp tốt nhất: định tính đặt giả thuyết, định lượng đo, định tính giải thích

Một workflow rất hữu ích:

Khám phá: phỏng vấn/quan sát cho thấy một vấn đề có thể tồn tại.
Chuyển thành biến: xác định dữ liệu nào có thể đo vấn đề đó.
Đo lường: dùng thống kê hoặc mô hình để kiểm tra.
Quay lại bối cảnh: phỏng vấn hoặc tài liệu giúp giải thích vì sao kết quả xuất hiện.
Kiểm chứng chéo: chỉ giữ kết luận khi nhiều nguồn bằng chứng không mâu thuẫn nghiêm trọng.

Đây là cách tránh hai cực đoan: chỉ kể chuyện và chỉ chạy số.

8. Ví dụ: “gần metro thì giá cao hơn”

Định tính có thể phát hiện người mua đánh giá cao khả năng tiếp cận giao thông, nhưng cũng phàn nàn tiếng ồn hoặc ùn tắc quanh ga.

Định lượng có thể so sánh đơn giá theo khoảng cách, vẽ scatter plot hoặc đưa khoảng cách vào hồi quy cùng các biến kiểm soát.

Nếu nhóm gần ga đắt hơn, vẫn chưa nên kết luận metro “gây ra” toàn bộ chênh lệch. Có thể khu vực gần ga đồng thời gần trung tâm, tiện ích tốt và có dự án chất lượng cao hơn. Đây là nơi định lượng và bối cảnh phải đi cùng nhau.

9. SWOT và PESTEL nên dùng thế nào?

Bài giảng đưa SWOT và PESTEL vào nhóm công cụ định tính. Hai công cụ này hữu ích để tổ chức thông tin, nhưng không tự tạo ra bằng chứng.

SWOT tốt khi mỗi điểm mạnh/yếu/cơ hội/thách thức có nguồn hoặc dữ liệu đi kèm.
PESTEL tốt khi từng yếu tố chính trị – kinh tế – xã hội – công nghệ – môi trường – pháp lý được nối với cơ chế tác động cụ thể đến cung, cầu hoặc giá.

Một ma trận đầy chữ nhưng không có bằng chứng chỉ là danh sách ý kiến.

10. Những lỗi kết hợp hai phương pháp

Dùng vài cuộc phỏng vấn để suy rộng cho toàn thị trường.
Dùng thống kê mô tả rồi khẳng định nguyên nhân.
Chỉ phỏng vấn người cùng một phía của thị trường.
Đưa số liệu vào SWOT mà không kiểm tra phạm vi/thời điểm.
Khi định tính và định lượng mâu thuẫn thì chọn kết quả “mình thích” thay vì tìm nguyên nhân.

Checklist chọn phương pháp

Câu hỏi của tôi là “vì sao” hay “bao nhiêu”?
Dữ liệu hiện có là chữ, số hay cả hai?
Mẫu có đủ và đại diện để suy rộng?
Có cần kiểm định khác biệt/mối liên hệ?
Có cơ chế thị trường cần giải thích?
Kết quả có cần kiểm chứng chéo bằng nguồn khác?

Ghi nhớ trong 30 giây

Định tính mạnh về bối cảnh, cơ chế và “vì sao”.
Định lượng mạnh về đo lường, so sánh và “bao nhiêu”.
Có số không đồng nghĩa đúng; có kinh nghiệm không đồng nghĩa đại diện.
SWOT/PESTEL là khung tổ chức thông tin, không thay thế bằng chứng.
Phân tích tốt thường dùng triangulation: nhiều nguồn/phương pháp cùng kiểm chứng một kết luận.

Nguồn tham khảo

Nguyễn Mạnh Hùng, Bài giảng Phân tích thị trường bất động sản 2025, phần 1.1.3 và 1.3.3.
Nguyễn Mạnh Hùng, Bài giảng môn Phân tích thị trường bất động sản – Buổi 1, phần nhóm phương pháp phân tích.
Nguyễn Mạnh Hùng, Tài liệu hướng dẫn phân tích SPSS, phần nền tảng loại biến và bảng tra cứu phép phân tích.

Bài tiếp theo: “Xác định đúng ‘thị trường nghiên cứu’ trước khi thu thập dữ liệu”.