Giả thuyết nghiên cứu là một phát biểu dự đoán về mối quan hệ giữa các biến, được viết ra trước khi thu thập dữ liệu, dựa trên lý thuyết hoặc nghiên cứu đã có, và có thể bị dữ liệu bác bỏ. Bài viết này sẽ hướng dẫn bạn xác định đề tài của mình có cần giả thuyết hay không, viết cặp giả thuyết H0 và H1 cho đúng quy ước, rồi đi qua sáu bước để có một giả thuyết đủ vững khi trình giảng viên hướng dẫn và hội đồng.
Tác giả: Ban Biên tập MAAS
Cập nhật lần cuối: 2026-09-17
Chuyên mục: research-methods
Giả thuyết nghiên cứu là gì, và khác câu hỏi nghiên cứu ở chỗ nào?
Trả lời thẳng: Giả thuyết nghiên cứu là một phát biểu, không phải một câu hỏi. Câu hỏi nghiên cứu có thể đặt ra chỉ từ suy nghĩ chủ quan ban đầu, còn giả thuyết luôn dựa trên một nền tảng kiến thức đã có, theo Texas A&M University Writing Center (n.d.), và theo McCombes (2022) thì luôn được viết ra trước khi tiến hành nghiên cứu chứ không phải sau khi đã biết kết quả.
Texas A&M University Writing Center (n.d.) phân biệt hai khái niệm này bằng đúng ranh giới đó. Câu hỏi nghiên cứu là điều bạn muốn tìm hiểu, còn giả thuyết là câu trả lời dự kiến cho câu hỏi ấy, viết dưới dạng một phát biểu có thể kiểm định. McCombes (2022), trong bài hướng dẫn trên Scribbr, nhấn mạnh nguyên tắc về thời điểm. Giả thuyết phải được viết ra trước khi bắt đầu thu thập dữ liệu, vì một phát biểu dựng ra sau khi đã biết kết quả không còn là một dự đoán thật sự.
Một cặp ví dụ cho thấy khoảng cách giữa hai thứ. Câu hỏi nghiên cứu "số buổi sinh viên năm nhất tham dự lớp có ảnh hưởng tới điểm thi cuối kỳ hay không" mới chỉ nêu điều cần tìm hiểu. Giả thuyết tương ứng phải đi thêm một bước, chẳng hạn "số buổi tham dự càng cao thì điểm thi cuối kỳ càng cao". Với những đề tài không kiểm định mối quan hệ giữa các biến, ví dụ một nghiên cứu tình huống (case study) chỉ nhằm mô tả một trường hợp cụ thể, University of Melbourne, Academic Skills (n.d.) cho biết bạn thường không cần một giả thuyết theo nghĩa này.
Khi nào một đề tài cần giả thuyết, khi nào không?
Trả lời thẳng: Không phải nghiên cứu nào cũng cần giả thuyết, và việc có cần hay không phụ thuộc vào loại đề tài chứ không phải một quy tắc chung cho mọi ngành. Đề tài định lượng kiểm định mối quan hệ giữa các biến gần như luôn cần giả thuyết. Đề tài định tính hoặc mô tả thuần tuý nhiều khi chỉ cần mục tiêu và câu hỏi nghiên cứu, không cần một giả thuyết cụ thể.
University of Melbourne, Academic Skills (n.d.) nói thẳng rằng việc một đề tài có cần giả thuyết hay không tuỳ vào ngành và loại nghiên cứu, và không phải nghiên cứu nào cũng cần. Nghiên cứu mô tả thuần tuý, tức nghiên cứu chỉ quan sát và ghi nhận đặc điểm của một hiện tượng mà không kiểm định mối quan hệ nào, thường thuộc nhóm không cần giả thuyết. Loại đề tài này chỉ cần mục tiêu, câu hỏi nghiên cứu và các nhiệm vụ cụ thể để đạt mục tiêu. Ranh giới này cũng được bàn trong bài nhiệm vụ nghiên cứu khoa học, ở phần nói về giả thuyết đi kèm nhiệm vụ nghiên cứu, dựa trên Praharaj và Ameen (2025) và mẫu đề cương của Khoa Việt Nam học, Trường Đại học Khoa học Xã hội và Nhân văn Thành phố Hồ Chí Minh.
Áp ranh giới của University of Melbourne, Academic Skills (n.d.) vào hai đề tài sau thì thấy rõ khác biệt. Đề tài "đánh giá tác động của thời gian dùng mạng xã hội tới kết quả học tập của sinh viên" là đề tài định lượng kiểm định mối quan hệ giữa hai biến, nên cần giả thuyết. Đề tài "mô tả trải nghiệm của sinh viên năm nhất khi chuyển từ học phổ thông sang học đại học" chỉ quan sát và ghi nhận, không kiểm định một mối quan hệ cụ thể, nên nhiều khi chỉ cần câu hỏi nghiên cứu rõ ràng. Trước khi quyết định, bạn nên xem mẫu đề cương của khoa và hỏi ý kiến giảng viên hướng dẫn, vì một số khoa có quy định riêng về mục giả thuyết trong đề cương.
Giả thuyết không (H0) và giả thuyết đối (H1/Ha) khác nhau ra sao?
Trả lời thẳng: Giả thuyết không, ký hiệu H0 hoặc Hn, là phát biểu được coi là đúng theo mặc định và dùng làm cơ sở để kiểm định, thường viết dưới dạng phủ định như "không có khác biệt giữa hai nhóm". Giả thuyết đối, ký hiệu H1 hoặc Ha, là phát biểu khẳng định hoặc có hướng, và theo OpenStax (2023) nó được xác lập khi kết quả kiểm định bác bỏ giả thuyết không.
Texas A&M University Writing Center (n.d.) chỉ ra một quy tắc diễn đạt quan trọng khi viết kết quả. Bạn không bao giờ viết là "chấp nhận giả thuyết đối", mà viết rằng H0 bị bác bỏ, qua đó ủng hộ giả thuyết đối. OpenStax (2023) làm rõ thêm bằng quy tắc ký hiệu toán học. H0 luôn chứa dấu bằng hoặc các dấu tương đương như nhỏ hơn hoặc bằng, còn Ha không bao giờ chứa dấu bằng và có thể ở dạng khác (≠), lớn hơn (>) hoặc nhỏ hơn (<), tuỳ kiểm định một đuôi hay hai đuôi. Một phép kiểm định chỉ có hai kết luận khả dĩ là bác bỏ H0 hoặc không bác bỏ H0, và không bao giờ là "chấp nhận H0", vì không bác bỏ được chưa có nghĩa là H0 đúng.
Nền của quy tắc này là lập luận Karl Popper nêu trong The Logic of Scientific Discovery, bản tiếng Anh in năm 1959. Theo tóm lược của Maxwell (2017), dù gom được bao nhiêu bằng chứng ủng hộ, một lý thuyết khoa học vẫn không thể được chứng minh là đúng mà chỉ có thể bị bác bỏ, và một lý thuyết đã qua được nhiều phép thử nhằm bác bỏ nó chỉ được xem là "được củng cố" (corroborated).
| Đặc điểm | Giả thuyết không (H0) | Giả thuyết đối (H1/Ha) |
|---|---|---|
| Ký hiệu | H0 hoặc Hn | H1 hoặc Ha |
| Dạng phát biểu | Phủ định, ví dụ "không có khác biệt" | Khẳng định hoặc có hướng, ví dụ "có sự khác biệt" |
| Chứa dấu toán học | Luôn có dấu bằng, hoặc ≤, ≥ | Không bao giờ có dấu bằng, dùng ≠, > hoặc < |
| Kết luận khi kiểm định | Bị bác bỏ, hoặc không bị bác bỏ | Được ủng hộ khi H0 bị bác bỏ |
Trong Ví dụ 9.2, OpenStax (2023) kiểm định điểm trung bình học lực (GPA) của sinh viên có khác 2.0 hay không. H0 viết là điểm trung bình bằng 2.0, còn Ha viết là điểm trung bình khác 2.0. Đây cũng là dạng cặp giả thuyết thường gặp khi phân tích dữ liệu khảo sát trong SPSS.
Vì sao không bác bỏ được H0 chưa có nghĩa là H0 đúng, Cohen (1992) giải thích bằng khái niệm lực kiểm định (statistical power), tức khả năng phát hiện được một hiệu ứng khi hiệu ứng đó có thật. Ngoài rủi ro bác bỏ nhầm H0 với mức α thường lấy là 0,05, còn có rủi ro bỏ sót một hiệu ứng có thật với xác suất β. Quy ước Cohen (1992) đề xuất là lực kiểm định 0,80, tức β bằng 0,20, nên tỷ lệ giữa hai loại rủi ro β và α là 4:1. Theo bảng của Cohen (1992), muốn phát hiện một khác biệt trung bình cỡ vừa (d = 0,50) giữa hai nhóm độc lập ở α = 0,05 thì cần 64 người mỗi nhóm. Vì vậy, một nghiên cứu chỉ có 20 người mỗi nhóm mà không bác bỏ được H0 rất có thể chỉ vì mẫu quá nhỏ, và đây là lý do nên ước tính cỡ mẫu ngay lúc viết giả thuyết thay vì đợi tới khi đã có dữ liệu.
Một giả thuyết đạt chuẩn cần có những đặc điểm gì?
Trả lời thẳng: Ba đặc điểm cốt lõi là khả kiểm định và khả bác bỏ theo tiêu chuẩn falsifiability của Karl Popper, mang tính logic dựa trên lý thuyết hoặc quan sát trước đó, và phát biểu theo hướng khẳng định sự tồn tại của một mối quan hệ giữa các biến thay vì phủ định nó. Theo Cuttler (2017), thiếu một trong ba đặc điểm là giả thuyết chưa đạt chuẩn.
Cuttler (2017) dựa trên tiêu chuẩn khả bác bỏ (falsifiability) của Karl Popper để nói rằng một giả thuyết chỉ có giá trị khoa học khi ta hình dung được một kết quả quan sát có thể chứng minh nó sai. Cuttler (2017) cũng phân biệt suy luận diễn dịch, tức đi từ một lý thuyết rộng để suy ra giả thuyết cụ thể, với suy luận quy nạp, cách dùng khi chưa có sẵn lý thuyết để dựa vào. Texas A&M University Writing Center (n.d.) thêm một tiêu chí thực hành, khuyên tránh các từ điều kiện như "should/might/could" trong giả thuyết, vì những từ này làm phát biểu mất tính dứt khoát mà một phép kiểm định cần. University of Melbourne, Academic Skills (n.d.) tóm gọn thành ba điểm tương tự, gồm viết ở dạng phát biểu, có thể bị bác bỏ, và rõ ràng với phạm vi được giới hạn cụ thể.
Nhìn vào ví dụ thì dễ thấy ranh giới hơn. Texas A&M University Writing Center (n.d.) chỉ ra rằng câu "sinh viên có nên tuân thủ quy tắc danh dự của trường hay không" không làm giả thuyết được, vì đó là câu hỏi về giá trị và không có dữ liệu quan sát nào kiểm định được nó. Ngược lại, câu "sinh viên đại học tham gia một buổi hội thảo giảm căng thẳng sẽ báo cáo mức độ hạnh phúc tăng lên sau sáu tuần" mà University of Melbourne, Academic Skills (n.d.) đưa ra là một phát biểu rõ về mối quan hệ giữa hai biến, giới hạn trong một khung thời gian cụ thể, và kiểm định được bằng khảo sát trước và sau. Flyvbjerg (2006) nhắc lại mệnh đề Karl Popper dùng làm ví dụ, "mọi con thiên nga đều trắng", để giải thích tính khả bác bỏ, vì mệnh đề ấy chỉ cần một lần quan sát thấy thiên nga đen là bị bác bỏ. Một giả thuyết đạt chuẩn cần chấp nhận đúng kiểu rủi ro bị chứng minh sai như vậy.
Quy trình các bước để viết một giả thuyết là gì?
Trả lời thẳng: Quy trình gồm sáu bước, đi từ một câu hỏi còn mơ hồ tới một phát biểu kiểm định được. Theo McCombes (2022), bạn khởi đầu bằng câu hỏi nghiên cứu, đọc qua lý thuyết và nghiên cứu trước, viết một câu trả lời sơ bộ, siết lại cho cụ thể, chọn đúng dạng câu, rồi thêm giả thuyết không nếu đề tài cần kiểm định thống kê.
McCombes (2022) trình bày sáu bước theo đúng thứ tự trên. Ở bước tinh chỉnh, bạn cần nêu rõ biến số, nhóm đối tượng nghiên cứu và kết quả dự đoán, chứ không dừng ở một ý tưởng chung chung. Ở bước diễn đạt, bạn chọn một trong ba dạng câu, gồm dạng "nếu X thì Y", dạng tương quan hoặc tác động giữa hai biến, và dạng so sánh giữa hai nhóm. Quy trình này khớp với lối tư duy giả thuyết và diễn dịch (hypothetico-deductive) mà Cuttler (2017) mô tả, đi từ một tập hiện tượng quan sát được, qua lý thuyết, tới một giả thuyết là dự đoán cụ thể có thể kiểm định bằng nghiên cứu thực nghiệm.
Áp sáu bước của McCombes (2022) vào đề tài về thời gian dùng mạng xã hội và kết quả học tập thì trình tự như sau. Bước 1 đặt câu hỏi cụ thể. Bước 2 đọc qua vài nghiên cứu trước về chủ đề tương tự. Bước 3 phát biểu ban đầu rằng "dùng mạng xã hội nhiều ảnh hưởng xấu tới học tập". Bước 4 tinh chỉnh thành "sinh viên dùng mạng xã hội trên ba giờ mỗi ngày có điểm trung bình học kỳ thấp hơn nhóm dùng dưới một giờ". Bước 5 viết theo dạng so sánh hai nhóm, và bước 6 thêm giả thuyết không tương ứng là "không có khác biệt điểm trung bình học kỳ giữa hai nhóm".
Những lỗi thường gặp khi viết giả thuyết là gì?
Trả lời thẳng: Bốn lỗi hay gặp là gộp hai mối quan hệ vào một giả thuyết, viết giả thuyết dưới dạng câu hỏi hoặc dùng từ điều kiện thay vì phát biểu dứt khoát, đặt nhiều mục tiêu chung cùng lúc thay vì tách bạch mục tiêu và giả thuyết, và dựng giả thuyết sau khi đã biết kết quả, theo tổng hợp từ hai nguồn (Kerr, 1998; Praharaj & Ameen, 2025).
Texas A&M University Writing Center (n.d.) chỉ ra lỗi dùng từ điều kiện như "should/might/could", khiến giả thuyết mất tính khẳng định cần có. Praharaj và Ameen (2025) khuyến cáo một đề tài chỉ nên có một mục tiêu chung (aim) bao quát và hiếm khi chấp nhận hai mục tiêu chung cùng lúc, vì một mục tiêu chung không rõ ràng sẽ kéo theo giả thuyết mơ hồ.
Lỗi dựng giả thuyết ngược từ kết quả có tên gọi riêng. Kerr (1998) gọi nó là HARKing, viết tắt của Hypothesizing After the Results are Known, tức trình bày một giả thuyết hình thành sau khi đã xem kết quả như thể nó được đặt ra từ trước. Kerr (1998) dẫn số liệu khảo sát cho thấy một số dạng HARKing khá phổ biến, dù phần đông người được hỏi coi đó là không phù hợp. Lỗi này làm cả phép kiểm định mất ý nghĩa, vì giả thuyết không còn là một dự đoán độc lập với dữ liệu, và nó đi ngược nguyên tắc về thời điểm mà McCombes (2022) nêu. Cách phòng tránh Nosek và cộng sự (2018) đề xuất là đăng ký trước (preregistration), nghĩa là ghi lại câu hỏi nghiên cứu và kế hoạch phân tích trước khi nhìn thấy kết quả, để người đọc phân biệt được đâu là dự đoán được kiểm định và đâu là nhận định rút ra sau. Nosek và cộng sự (2018) cũng cho biết các dịch vụ đăng ký trước nay đã có cho mọi ngành.
Hai lỗi còn lại dễ nhận ra khi đặt cạnh cách sửa. Một giả thuyết gộp hai ý như "thu nhập và trình độ học vấn cùng ảnh hưởng tới mức độ hài lòng công việc" thật ra đang kiểm định hai mối quan hệ khác nhau trong một câu, nên cần tách thành hai giả thuyết riêng để mỗi phép kiểm định trong SPSS chỉ trả lời đúng một câu hỏi. Một giả thuyết viết dạng câu hỏi như "liệu thời gian tham dự lớp có ảnh hưởng tới điểm thi hay không" cần viết lại thành phát biểu dứt khoát, theo cấu trúc Texas A&M University Writing Center (n.d.) trình bày ở mục đặc điểm.
Câu hỏi thường gặp
Giả thuyết nghiên cứu và câu hỏi nghiên cứu, viết cái nào trước?
Câu hỏi nghiên cứu viết trước, vì theo Texas A&M University Writing Center (n.d.), giả thuyết là câu trả lời dự đoán cho chính câu hỏi đó. Bạn cần một câu hỏi đủ cụ thể để trả lời được bằng một phát biểu, rồi mới dựng giả thuyết dựa trên kiến thức và nghiên cứu trước đã đọc, đúng thứ tự McCombes (2022) mô tả.
Một đề tài cần bao nhiêu giả thuyết?
Không có con số cố định cho mọi đề tài. Nguyên tắc thực hành hợp lý là mỗi giả thuyết chỉ kiểm định một mối quan hệ cụ thể giữa các biến, nên số giả thuyết tuỳ vào số mối quan hệ mà mô hình nghiên cứu đặt ra. Một số khoa có mẫu đề cương quy định số giả thuyết đi kèm mỗi câu hỏi nghiên cứu, nên bạn nên kiểm tra quy định của khoa hoặc trường trước. Khi kiểm định nhiều giả thuyết cùng lúc, Cohen (1992) khuyên hạ mức ý nghĩa xuống 0,01 cho mỗi giả thuyết để rủi ro bác bỏ nhầm ít nhất một giả thuyết trên cả nghiên cứu không tăng quá cao, nên càng nhiều giả thuyết thì mỗi giả thuyết càng cần mẫu lớn hơn.
Giả thuyết viết ở thì gì?
Không có quy tắc cố định về thì, nhưng nên tránh các từ điều kiện như "có lẽ", "nên", hay những từ tương đương "should/might/could", vì theo Texas A&M University Writing Center (n.d.) chúng làm phát biểu mất tính dứt khoát mà một giả thuyết kiểm định được cần có.
Giả thuyết không kiểm định được thì sửa thế nào?
Hãy kiểm tra xem giả thuyết có đang hỏi một câu hỏi về giá trị hay đạo đức, thay vì một mối quan hệ quan sát được bằng dữ liệu, hay không. Nếu có, viết lại thành một phát biểu về mối quan hệ giữa các biến cụ thể mà bạn đo và thu thập dữ liệu được, theo tiêu chuẩn khả bác bỏ mà Cuttler (2017) mô tả và ví dụ thiên nga đen của Karl Popper mà Flyvbjerg (2006) nhắc lại.
Nghiên cứu định tính có cần giả thuyết không?
Không nhất thiết. Theo University of Melbourne, Academic Skills (n.d.), nhiều nghiên cứu định tính hoặc mô tả thuần tuý chỉ cần mục tiêu và câu hỏi nghiên cứu rõ ràng, vì bản thân đề tài không kiểm định một mối quan hệ nhân quả hay tương quan giữa các biến. Trong nghiên cứu tình huống, vai trò gần với giả thuyết thường do mệnh đề nghiên cứu (proposition) đảm nhận, và Baxter và Jack (2008) ghi rõ chỉ nêu mệnh đề khi loại nghiên cứu tình huống bạn làm phù hợp với nó.
Nhờ chuyên gia đọc lại giả thuyết trước khi nộp đề cương có ích gì?
Một chuyên gia đúng chuyên ngành có thể đọc giả thuyết theo các tiêu chí mà Texas A&M University Writing Center (n.d.) và University of Melbourne, Academic Skills (n.d.) mô tả, gần với cách hội đồng sẽ đọc. Người đó chỉ ra mối quan hệ nào bạn đang gộp làm một, biến nào chưa được định nghĩa rõ, và giả thuyết nào chưa thật sự kiểm định được, còn bạn vẫn là người viết và quyết định giả thuyết cuối cùng. Việc góp ý ở giai đoạn đề cương nằm trong dịch vụ hỗ trợ luận văn đại học, thạc sĩ, luận án tiến sĩ của MAAS.
Nên làm gì tiếp theo
Hãy viết thử giả thuyết của bạn theo một trong ba dạng câu ở mục quy trình, rồi tự hỏi một câu duy nhất: nếu dữ liệu ra ngược lại, giả thuyết này có bị bác bỏ được không? Nếu câu trả lời còn mập mờ, giả thuyết đó cần viết lại trước khi đưa vào đề cương, theo ba tiêu chí University of Melbourne, Academic Skills (n.d.) nêu ra, và bạn nên mang bản đã sửa tới trao đổi với giảng viên hướng dẫn.
Nếu muốn có thêm một người đọc cùng, dịch vụ hỗ trợ luận văn đại học, thạc sĩ, luận án tiến sĩ của MAAS có chuyên gia đúng ngành đồng hành qua ba giai đoạn Đề cương, Bản nháp từng chương và Bản hoàn thiện, góp ý trên phần giả thuyết cùng phần phương pháp để hai phần khớp nhau. Bạn cũng có thể đặt buổi tư vấn miễn phí 15 phút qua trang liên hệ để trao đổi trước về đề tài.
Đọc tiếp
- Nhiệm vụ nghiên cứu khoa học gồm những gì?
- Đề cương luận văn thạc sĩ gồm những phần nào?
- SPSS là gì và dùng cho kiểm định nào?
References
- Baxter, P., & Jack, S. (2008). Qualitative case study methodology: Study design and implementation for novice researchers. The Qualitative Report, 13(4), 544-559. https://doi.org/10.46743/2160-3715/2008.1573
- Cohen, J. (1992). A power primer. Psychological Bulletin, 112(1), 155-159. https://doi.org/10.1037/0033-2909.112.1.155
- Cuttler, C. (2017, August 21). 2.4 Developing a hypothesis, in Research methods in psychology. Washington State University. Retrieved September 17, 2026, from https://opentext.wsu.edu/carriecuttler/chapter/developing-a-hypothesis/
- Flyvbjerg, B. (2006). Five misunderstandings about case-study research. Qualitative Inquiry, 12(2), 219-245. https://doi.org/10.1177/1077800405284363
- Kerr, N. L. (1998). HARKing: Hypothesizing after the results are known. Personality and Social Psychology Review, 2(3), 196-217. https://doi.org/10.1207/s15327957pspr0203_4
- Maxwell, N. (2017). Karl Popper, science and enlightenment. UCL Press.
- McCombes, S. (2022, May 6). How to write a strong hypothesis. Scribbr. Retrieved September 17, 2026, from https://www.scribbr.co.uk/research-methods/hypothesis-writing/
- Nosek, B. A., Ebersole, C. R., DeHaven, A. C., & Mellor, D. T. (2018). The preregistration revolution. Proceedings of the National Academy of Sciences, 115(11), 2600-2606. https://doi.org/10.1073/pnas.1708274114
- OpenStax. (2023, December 13). 9.1 Null and alternative hypotheses, in Introductory statistics 2e. Retrieved September 17, 2026, from https://openstax.org/books/introductory-statistics-2e/pages/9-1-null-and-alternative-hypotheses
- Praharaj, S. K., & Ameen, S. (2025). Aim, research questions, objectives, and hypotheses, which one and how to write in a manuscript? Kerala Journal of Psychiatry, 38(1), 84-88. https://doi.org/10.30834/kjp.38.1.2025.549
- Texas A&M University Writing Center. (n.d.). Hypotheses. Retrieved September 17, 2026, from https://writingcenter.tamu.edu/guides/resources/hypotheses.html
- University of Melbourne, Academic Skills. (n.d.). Shaping the research question and hypothesis. Retrieved September 17, 2026, from https://students.unimelb.edu.au/academic-skills/graduate-research-services/writing-thesis-sections-part-2/shaping-the-research-question-and-hypothesis