Một bộ dữ liệu có 5.000 tin đăng có thể kém đại diện hơn một mẫu 300 quan sát được thiết kế đúng. Ngược lại, một mẫu 30–50 quan sát vẫn có thể hữu ích cho bài thực hành hoặc thăm dò nếu người phân tích không vượt quá phạm vi mà mẫu cho phép. Vì vậy, khi đánh giá dữ liệu BĐS, câu hỏi quan trọng không chỉ là “có bao nhiêu dòng?” mà còn là các dòng đó đến từ đâu, được chọn thế nào và đại diện cho ai.
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
Cập nhật 2026: Tài liệu môn học nhấn mạnh cỡ mẫu và tính đại diện. Cách tiếp cận này vẫn đúng. Phần cập nhật của bài bổ sung khung total survey error: ngoài sai số chọn mẫu còn có sai lệch do độ phủ, cách chọn mẫu, không phản hồi, đo lường và xử lý dữ liệu. Đặc biệt với dữ liệu nền tảng trực tuyến, tăng số lượng quan sát không tự động sửa được thiên lệch.
1. Sai số chọn mẫu và thiên lệch mẫu không phải một
Sai số chọn mẫu (sampling error) là độ dao động tự nhiên xảy ra khi ta chỉ quan sát một mẫu thay vì toàn bộ tổng thể. Nếu lấy nhiều mẫu ngẫu nhiên khác nhau từ cùng một tổng thể, các ước lượng như giá trung bình hay tỷ lệ khách hàng sẽ dao động quanh giá trị thật.
Thiên lệch mẫu (sampling/selection bias) là sai lệch có tính hệ thống: một số nhóm được đưa vào mẫu quá nhiều, quá ít hoặc gần như không có cơ hội xuất hiện. Khi đó, kết quả có thể lệch về một phía ngay cả khi số quan sát rất lớn.
| Vấn đề | Bản chất | Tăng n có giúp không? | Ví dụ BĐS |
|---|---|---|---|
| Sai số chọn mẫu | Dao động ngẫu nhiên do chỉ quan sát một phần tổng thể | Thường giảm khi n tăng trong thiết kế xác suất phù hợp | Lấy 200 căn hộ thay vì toàn bộ căn hộ khu vực |
| Thiên lệch mẫu | Một nhóm bị chọn quá mức hoặc bị bỏ sót có hệ thống | Không tự hết | Chỉ lấy căn hộ đang quảng cáo trên một nền tảng |
| Sai số đo lường | Biến được đo/ghi sai | Không | Giá rao bị ghi thành giá giao dịch |
| Sai số xử lý | Lỗi làm sạch, ghép, mã hóa, tính toán | Không | Đếm một BĐS đăng 5 tin thành 5 tài sản |
2. Vì sao “mẫu càng lớn càng tốt” là câu nói chưa đủ?
Cỡ mẫu lớn giúp tăng độ chính xác của ước lượng khi cơ chế lấy mẫu hợp lý. Nhưng nếu khung chọn mẫu đã lệch, ta chỉ đang đo rất chính xác một tập con không đại diện.
Ví dụ: muốn mô tả thị trường nhà phố một thành phố nhưng thu thập 20.000 tin từ một nền tảng chuyên mạnh ở khu vực trung tâm. Số lượng rất lớn, song khu vực vùng ven, giao dịch ngoại tuyến hoặc nhóm tài sản ít sử dụng nền tảng đó có thể bị thiếu. Kết quả có thể rất ổn định về mặt số học nhưng không đại diện cho thị trường mục tiêu.
Ngược lại, mẫu nhỏ hơn nhưng được phân tầng theo khu vực, loại hình, phân khúc và thời điểm có thể phù hợp hơn cho một mục tiêu mô tả cụ thể.
3. Năm dạng thiên lệch đặc biệt dễ gặp trong dữ liệu BĐS
3.1. Coverage bias – thiên lệch độ phủ
Khung dữ liệu không bao phủ hết tổng thể nghiên cứu. Ví dụ: dữ liệu tin đăng chỉ thấy tài sản được đưa lên nền tảng, không thấy giao dịch kín, tài sản bán qua quan hệ cá nhân hoặc nhóm người không dùng nền tảng.
3.2. Selection bias – thiên lệch do cách chọn
Người thu thập vô tình chọn những tài sản dễ lấy hơn: mặt tiền đường lớn, dự án nổi tiếng, tin có ảnh đẹp, môi giới quen biết hoặc mức giá “dễ thấy”.
3.3. Nonresponse bias – thiên lệch không phản hồi
Trong khảo sát khách hàng, những người đồng ý trả lời có thể khác có hệ thống so với người từ chối. Ví dụ, khách hàng đang quan tâm mạnh đến mua nhà có thể tích cực phản hồi khảo sát hơn nhóm không còn nhu cầu.
3.4. Platform bias – thiên lệch nền tảng
Mỗi website, sàn, nhóm mạng xã hội có tập người dùng và chính sách hiển thị riêng. Dữ liệu của nền tảng A không mặc nhiên đại diện cho nền tảng B hoặc toàn thị trường.
3.5. Time-window bias – thiên lệch cửa sổ thời gian
Thu thập đúng một tuần mở bán, một tháng cao điểm hoặc giai đoạn thị trường biến động có thể tạo kết quả khác đáng kể so với một cửa sổ thời gian dài hơn.
4. “Margin of error” chỉ có ý nghĩa trong điều kiện nào?
Với mẫu xác suất đơn giản, sai số chuẩn của một tỷ lệ thường được minh họa bằng:
SE(p) ≈ √[p(1−p)/n]
và khoảng tin cậy có thể xây dựng từ sai số chuẩn theo mức tin cậy lựa chọn. Tuy nhiên, công thức này dựa trên giả định về cơ chế lấy mẫu xác suất. Không nên lấy một mẫu thuận tiện từ Facebook, Zalo hay website rồi gắn nhãn “sai số ±3%” như thể mọi phần tử trong tổng thể có xác suất được chọn đã biết.
Với mẫu phi xác suất, điều quan trọng hơn là mô tả minh bạch cách tuyển/chọn quan sát, độ phủ, cơ cấu mẫu, trọng số (nếu có) và những nhóm có thể bị thiếu.
5. Một ví dụ: khảo sát nhu cầu mua căn hộ
Giả sử mục tiêu là tìm hiểu khả năng chi trả của hộ gia đình trẻ tại TP.HCM. Nếu chỉ phát bảng hỏi trong một nhóm Facebook đầu tư căn hộ, vấn đề không nằm ở việc có 100 hay 5.000 câu trả lời. Khung mẫu đã thiên về:
- người sử dụng mạng xã hội;
- người quan tâm đến BĐS;
- có thể thiên về đầu tư hơn ở thực;
- có thể tập trung vào một số độ tuổi/thu nhập nhất định.
Muốn cải thiện, cần xác định tổng thể đích, cân nhắc phân tầng theo khu vực/thu nhập/độ tuổi, đa dạng kênh tiếp cận và báo cáo tỷ lệ phản hồi.
6. Với dữ liệu tin đăng, “mẫu” là gì?
Đây là câu hỏi rất quan trọng. Có thể là:
- tất cả tin active tại ngày chốt mẫu;
- tất cả tài sản duy nhất sau chống trùng;
- tất cả tin mới trong một tháng;
- mỗi listing episode;
- mỗi giao dịch đã xác nhận.
Nếu không định nghĩa rõ, cỡ mẫu “n = 1.000” gần như không nói được nhiều. Một BĐS có 5 tin có thể bị đếm 5 lần; một dự án có đội môi giới đông có thể xuất hiện nhiều hơn dự án khác chỉ vì cơ chế quảng cáo.
7. Cách kiểm tra tính đại diện trước khi phân tích
- Xác định tổng thể đích: ta muốn kết luận về ai/cái gì?
- Xác định khung mẫu: danh sách hoặc nguồn nào cho phép chọn phần tử?
- Kiểm tra độ phủ: nhóm nào không xuất hiện hoặc khó xuất hiện?
- So cơ cấu mẫu: khu vực, loại hình, phân khúc, thời gian có lệch mạnh không?
- Kiểm tra cơ chế chọn: ngẫu nhiên, phân tầng, quota, thuận tiện hay chủ đích?
- Kiểm tra phản hồi: ai bỏ cuộc/từ chối và có khác nhóm trả lời không?
- Ghi lại mọi giới hạn: để người đọc biết kết luận áp dụng đến đâu.
8. Weighting có phải “thuốc chữa” cho mẫu lệch?
Trọng số có thể điều chỉnh cơ cấu mẫu theo các đặc điểm đã biết của tổng thể, nhưng không thể tự động sửa mọi thiên lệch. Muốn weighting có ý nghĩa, cần có benchmark đáng tin cậy và các biến dùng để điều chỉnh phải liên quan đến xác suất được chọn/phản hồi cũng như biến nghiên cứu.
Nếu một nhóm hoàn toàn không có trong mẫu, gán trọng số cho các nhóm đang có không thể tạo ra thông tin thật của nhóm bị mất.
9. Khi nào mẫu nhỏ vẫn dùng được?
Mẫu nhỏ có thể phù hợp khi mục tiêu là:
- thực hành quy trình;
- khảo sát thăm dò;
- nghiên cứu một micro-market rất hẹp;
- kiểm thử bảng hỏi;
- case study có phạm vi rõ;
- đánh giá sơ bộ trước khi mở rộng thu thập.
Điều không nên làm là biến kết quả của một mẫu nhỏ, thuận tiện và cục bộ thành kết luận cho toàn thành phố hoặc toàn thị trường.
10. Cách viết kết luận đúng phạm vi
Nên viết: “Trong mẫu 186 tin nhà phố được thu thập từ nền tảng X tại ba phường A, B, C trong tháng 8/2026, giá rao trung vị là…”
Không nên viết: “Giá nhà phố toàn TP.HCM hiện là…” nếu dữ liệu không bao phủ được tổng thể đó.
Checklist kiểm tra mẫu trước khi bấm Analyze
- Tổng thể đích đã được mô tả chưa?
- Đơn vị quan sát là gì?
- Khung mẫu đến từ đâu?
- Mẫu xác suất hay phi xác suất?
- Khu vực/phân khúc nào bị thiếu?
- Có trùng lặp quan sát không?
- Thời gian thu thập có gây lệch không?
- Tỷ lệ phản hồi/bỏ dở ra sao?
- Có benchmark để so cơ cấu mẫu không?
- Kết luận có vượt ra ngoài phạm vi mẫu không?
Ghi nhớ trong 30 giây
- Sai số chọn mẫu là dao động ngẫu nhiên; thiên lệch là sai lệch có hệ thống.
- Tăng cỡ mẫu có thể giảm sampling error nhưng không tự sửa được bias.
- Dữ liệu BĐS đặc biệt dễ bị coverage, platform, selection và time-window bias.
- Margin of error không nên dùng máy móc cho mẫu thuận tiện/phi xác suất.
- Luôn báo cáo tổng thể, khung mẫu, cách chọn, thời gian và giới hạn suy rộng.
Nguồn tham khảo
- Nguyễn Mạnh Hùng, Bài giảng Phân tích thị trường BĐS – Buổi 2: Thu thập số liệu và cỡ mẫu.
- Nguyễn Mạnh Hùng, Lab 1 – Thu thập dữ liệu thực tế.
- American Association for Public Opinion Research (AAPOR), Best Practices for Survey Research.
- AAPOR, Standard Definitions và Disclosure Standards.
- United Nations Statistics Division, khung chất lượng thống kê: accuracy, sampling error và non-sampling error.
Bài tiếp theo: “Cách kiểm tra một dữ liệu BĐS có đáng tin cậy hay không”.