Biểu đồ hộp là gì? Cách đọc Boxplot và nhận biết Outlier
Biểu đồ hộp là gì
Biểu đồ hộp, tiếng Anh là Boxplot hoặc Box-and-Whisker Plot, là biểu đồ tóm tắt phân phối của một biến định lượng bằng một chiếc hộp, một đường trung vị và hai râu. Khi bạn mở output SPSS và thấy một hình chữ nhật có đường ngang bên trong, hai đoạn kéo dài lên xuống cùng vài điểm đứng tách rời, đó chính là biểu đồ hộp.
Một Boxplot thường cho bạn năm thông tin chính: giá trị nhỏ nhất trong phạm vi râu dưới, Q1, median, Q3 và giá trị lớn nhất trong phạm vi râu trên. Phần hộp nằm từ Q1 đến Q3, vì vậy chiều cao của hộp thể hiện khoảng tứ phân vị, thường viết là IQR = Q3 - Q1. IQR cho biết độ phân tán của 50% dữ liệu nằm ở trung tâm.
Cần phân biệt giá trị nhỏ nhất với điểm thấp nhất được phần mềm vẽ trên biểu đồ. Nếu bộ dữ liệu có outlier, râu dưới thường dừng ở quan sát thấp nhất vẫn nằm trong phạm vi thông thường, còn một điểm thấp hơn có thể được vẽ riêng. Vì vậy, bạn không nên đọc đầu râu như giá trị nhỏ nhất tuyệt đối trước khi kiểm tra bảng dữ liệu.
Nếu bạn đang xử lý một biến quan sát trong bảng hỏi, hãy xem thêm bài scale là gì để phân biệt thang đo, biến quan sát và biến tổng hợp. Biểu đồ hộp chỉ mô tả phân phối của dữ liệu đã nhập, nó không tự xác nhận thang đo có độ tin cậy hay giá trị tốt.
Ý nghĩa của biểu đồ hộp trong nghiên cứu định lượng
Biểu đồ hộp giúp bạn trả lời câu hỏi thực tế trước khi chạy hồi quy, ANOVA hoặc các mô hình tiếp theo: dữ liệu đang tập trung ở đâu, phân tán nhiều hay ít, có bị lệch không và có quan sát nào khác biệt rõ với phần còn lại không.
Đường median nằm trong hộp cho biết vị trí trung tâm của dữ liệu. Nếu median gần giữa hộp, phân phối có thể tương đối cân đối. Nếu median lệch về phía Q1 hoặc Q3, một phía của dữ liệu có thể kéo dài hơn, gợi ý phân phối bị lệch. Đây là dấu hiệu để bạn kiểm tra thêm bằng Histogram, Skewness, bảng Descriptive Statistics hoặc biểu đồ phù hợp, chứ chưa đủ để kết luận dữ liệu vi phạm giả định.
Chiều cao của hộp cho biết 50% quan sát trung tâm trải rộng đến đâu. Hộp càng cao, dữ liệu càng phân tán. Khi so sánh Boxplot của nhiều nhóm, nhóm có hộp cao hơn thường có mức phân tán lớn hơn. Tuy nhiên, hai nhóm có median giống nhau vẫn có thể khác nhau đáng kể về độ phân tán.
Khoảng cách từ hộp đến hai đầu râu giúp bạn nhìn độ lệch và phạm vi dữ liệu. Một râu dài hơn phía trên thường cho thấy các giá trị lớn phân tán rộng hơn. Các điểm nằm ngoài râu là dấu hiệu cần kiểm tra, không phải bằng chứng tự động rằng người trả lời đó phải bị xóa.
Trong luận văn, Boxplot thường có ba vai trò. Thứ nhất, bạn dùng nó để khám phá dữ liệu trước phân tích chính. Thứ hai, bạn dùng nó để phát hiện quan sát bất thường cần đối chiếu với file gốc. Thứ ba, bạn dùng nó để minh họa sự khác biệt phân phối giữa các nhóm, chẳng hạn mức độ hài lòng theo nhóm tuổi hoặc điểm trung bình theo khu vực.
Boxplot không trả lời câu hỏi về quan hệ nhân quả, không cho biết biến độc lập có tác động đến biến phụ thuộc hay không và không thay thế bảng hệ số trong hồi quy. Nếu bạn đang xem một biến điều tiết hoặc biến trung gian, hãy đọc đúng vai trò của chúng trong mô hình. Có thể tham khảo bài moderating, moderator hoặc mediator khi cần phân biệt các khái niệm này.
Biểu đồ hộp bao nhiêu là đạt
Biểu đồ hộp không có một mức “đạt” duy nhất giống Cronbach's Alpha, KMO hay p-value. Bạn không thể nhìn một hộp cao hay thấp rồi kết luận dữ liệu đạt hoặc không đạt. Tiêu chí đánh giá phụ thuộc vào mục đích phân tích và đặc điểm biến.
Nếu mục tiêu là mô tả dữ liệu, bạn tập trung vào median, Q1, Q3, IQR, độ dài râu và các điểm tách rời. Nếu mục tiêu là kiểm tra dữ liệu trước hồi quy, bạn xem Boxplot cùng với phần kiểm tra outlier, phân phối phần dư, tính tuyến tính và đa cộng tuyến. Nếu mục tiêu là so sánh nhóm, bạn so sánh vị trí median và độ phân tán giữa các nhóm.
Quy tắc thường được phần mềm dùng để đánh dấu điểm tách khỏi râu dựa trên khoảng cách của quan sát so với Q1 hoặc Q3 và IQR. Trong đó, điểm ở xa có thể được xem là outlier tiềm năng. Vì danh sách nguồn được phép trích dẫn cho bài này không có tài liệu riêng về ngưỡng Boxplot, bạn nên xem đây là quy tắc hiển thị và bước sàng lọc, không biến nó thành một kết luận nghiên cứu có nguồn trích dẫn.
Bạn có thể dùng bảng kiểm sau khi đọc biểu đồ:
| Thành phần cần xem | Câu hỏi khi đọc | Cách diễn giải thận trọng |
|---|---|---|
| Median | Đường giữa hộp nằm ở đâu | Mô tả vị trí trung tâm của dữ liệu |
| Q1 và Q3 | Hộp bắt đầu và kết thúc tại đâu | Cho biết phạm vi của 50% quan sát trung tâm |
| IQR | Hộp rộng hay hẹp | Hộp lớn hơn cho thấy mức phân tán trung tâm lớn hơn |
| Râu | Râu trên hay dưới dài hơn | Gợi ý dữ liệu lệch về một phía |
| Điểm ngoài râu | Có điểm tách biệt không | Đánh dấu quan sát cần kiểm tra, chưa phải lý do tự động xóa |
Với dữ liệu bảng hỏi, bạn cũng cần xem giá trị của biến có hợp lệ về mặt thang đo hay không. Một điểm 9 trong thang Likert 1 đến 5 thường là lỗi nhập dữ liệu, còn một điểm 5 khác biệt với nhiều câu trả lời 2 hoặc 3 có thể là một phản hồi hợp lệ. Hai tình huống này không được xử lý giống nhau.
Cách đọc biểu đồ hộp trên output
SPSS tạo Boxplot từ các biến số hoặc biến nhóm mà bạn đưa vào hộp thoại. Để chạy nhanh một biểu đồ mô tả một biến, bạn mở Graphs > Chart Builder, chọn nhóm Boxplot, kéo mẫu Boxplot vào vùng xem trước, sau đó kéo biến định lượng vào trục Y. Nếu muốn so sánh theo nhóm, kéo biến phân loại vào trục X hoặc vùng nhóm phù hợp trong giao diện Chart Builder.
Một cách khác là mở Graphs > Legacy Dialogs > Boxplot. Chọn Simple nếu bạn muốn xem một biến, hoặc Clustered nếu muốn so sánh các nhóm. Ở bước này, hãy kiểm tra biến định lượng đang được đặt ở vị trí đo lường và biến nhóm có mã hóa rõ ràng. Nếu mã nhóm là 1, 2, 3, bạn nên biết mỗi mã đại diện cho nhóm nào trước khi diễn giải hình.
Khi output hiện ra, đọc theo thứ tự sau. Đầu tiên, xác định trục Y và đơn vị đo. Một Boxplot của SAT_Mean sẽ có ý nghĩa khác với Boxplot của tuổi, thu nhập hoặc số lần mua hàng. Tiếp theo, nhìn median trong từng hộp. Sau đó, so sánh chiều cao hộp, độ dài râu và các điểm tách rời.
Trong một số output SPSS, các điểm ngoài râu được gắn nhãn bằng số thứ tự dòng hoặc mã trường hợp. Ký hiệu hình tròn thường biểu thị một outlier theo quy tắc hiển thị của biểu đồ, còn ký hiệu sao có thể biểu thị điểm cực trị hơn. Đừng đoán người trả lời từ con số này. Hãy dùng số trường hợp để quay về Data View, kiểm tra bản ghi và đối chiếu với bảng hỏi nếu có thể.
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Các tên cột mô phỏng cách bạn có thể trình bày kết quả mô tả sau khi chạy SPSS.
| Variable | N | Minimum | Q1 | Median | Q3 | Maximum | Ghi chú đọc biểu đồ |
|---|---|---|---|---|---|---|---|
| SAT_Mean | 180 | 1.80 | 3.20 | 3.80 | 4.40 | 5.00 | Hộp tập trung từ 3.20 đến 4.40 |
| SAT_Mean, nhóm A | 92 | 2.00 | 3.30 | 3.90 | 4.50 | 5.00 | Median cao hơn nhóm B trong ví dụ |
| SAT_Mean, nhóm B | 88 | 1.80 | 3.10 | 3.65 | 4.20 | 5.00 | Hộp rộng hơn nếu IQR lớn hơn |
Từ số liệu minh họa, median của toàn mẫu là 3.80. Khoảng trung tâm từ Q1 = 3.20 đến Q3 = 4.40 có IQR bằng 1.20. Khi so sánh hai nhóm, nhóm A có median minh họa cao hơn nhóm B. Bạn vẫn cần kiểm định phù hợp để biết chênh lệch đó có ý nghĩa thống kê hay chỉ là khác biệt quan sát được trong mẫu.
Một lỗi thường gặp là lấy điểm đầu râu làm Minimum và điểm cuối râu làm Maximum. Cách đọc này có thể sai khi biểu đồ có outlier. Bạn nên xem thêm bảng Explore nếu cần các phân vị và thống kê mô tả chi tiết hơn. Trong SPSS, có thể mở Analyze > Descriptive Statistics > Explore, đưa biến vào Dependent List, chọn Plots, rồi bật Boxplot và các lựa chọn kiểm tra phân phối phù hợp.
Khi biểu đồ hộp có outlier thì xử lý thế nào
Bạn xử lý theo thứ tự từ kiểm tra dữ liệu đến đánh giá ảnh hưởng, không bắt đầu bằng việc xóa điểm. Một outlier có thể là lỗi nhập, câu trả lời không hợp lệ, hoặc một quan sát thật sự đặc biệt nhưng vẫn thuộc tổng thể nghiên cứu.
Kiểm tra mã hóa và lỗi nhập
Quay về Data View, tìm trường hợp được gắn nhãn trên Boxplot và kiểm tra từng biến liên quan. Nếu thang đo chỉ cho phép từ 1 đến 5 nhưng có giá trị 55, 0 hoặc một mã chữ bị nhập sai, hãy đối chiếu bảng hỏi gốc. Sau khi sửa, ghi lại lý do, ô dữ liệu đã sửa và thời điểm sửa trong một file nhật ký xử lý.
Kiểm tra phản hồi không hợp lệ
Một bản ghi có thể cần xem xét nếu người trả lời bỏ trống quá nhiều biến, chọn cùng một phương án cho toàn bộ bảng hỏi một cách bất thường hoặc có thời gian trả lời không hợp lý. Việc loại bản ghi cần dựa trên quy tắc đã nêu trong phương pháp nghiên cứu, áp dụng nhất quán cho toàn bộ mẫu.
Chạy lại phân tích với và không có quan sát đó
Nếu điểm là dữ liệu thật, bạn có thể chạy phân tích chính ở hai phiên bản để xem kết luận có thay đổi mạnh không. So sánh hệ số, sai số chuẩn, p-value hoặc chỉ số phù hợp tùy phân tích. Kết quả này giúp bạn trao đổi với giảng viên, nhưng không có nghĩa là được tự do chọn phiên bản cho ra kết quả đẹp hơn.
Không xóa chỉ vì Boxplot có điểm tách rời
Một outlier hợp lệ vẫn có thể là thành viên của tổng thể. Nếu bạn xóa toàn bộ điểm tách rời mà không ghi rõ tiêu chí, hội đồng có thể hỏi vì sao dữ liệu bị loại. Hãy lưu file gốc, file đã làm sạch và bảng ghi nhận từng trường hợp bị loại.
Bạn có thể xem thêm bài outliers khi cần phân biệt outlier đơn biến trên Boxplot với outlier đa biến trong mô hình. Hai vấn đề này có thể liên quan nhưng không phải lúc nào cũng cho cùng một danh sách quan sát.
Phân biệt biểu đồ hộp với Histogram và biểu đồ cột
Boxplot, Histogram và biểu đồ cột đều dùng để nhìn dữ liệu, nhưng chúng trả lời những câu hỏi khác nhau.
Boxplot tóm tắt phân phối bằng các vị trí trung tâm, khoảng tứ phân vị, râu và điểm bất thường. Nó phù hợp khi bạn muốn so sánh nhanh nhiều nhóm trong cùng một hình. Hạn chế của nó là không cho bạn thấy chi tiết hình dạng phân phối, chẳng hạn có một đỉnh hay hai đỉnh.
Histogram chia dữ liệu thành các khoảng và đếm số quan sát trong mỗi khoảng. Bạn nhìn được dạng phân phối, độ lệch và khả năng có nhiều đỉnh, nhưng kết quả phụ thuộc vào cách chia khoảng. Histogram thường dễ đọc hơn khi bạn muốn xem toàn bộ hình dạng của một biến.
Biểu đồ cột thường dùng để so sánh tần số hoặc tỷ lệ của các nhóm phân loại. Chiều cao cột thể hiện số lượng hoặc tỷ lệ, không phải khoảng tứ phân vị. Dùng biểu đồ cột cho điểm trung bình liên tục có thể làm người đọc nhầm với phân phối của từng quan sát.
Bạn nên chọn biểu đồ theo câu hỏi nghiên cứu. Muốn so sánh median và độ phân tán giữa nhóm, dùng Boxplot. Muốn xem hình dạng phân phối, dùng Histogram. Muốn mô tả số người theo giới tính, khu vực hoặc nhóm nghề nghiệp, dùng biểu đồ cột.
Lỗi thường gặp khi đọc biểu đồ hộp
Lỗi đầu tiên là gọi mọi điểm nằm ngoài râu là dữ liệu sai. Boxplot chỉ cảnh báo một quan sát có vị trí khác biệt theo quy tắc hiển thị. Bạn cần kiểm tra bản ghi, phạm vi thang đo và bối cảnh thu thập trước khi quyết định.
Lỗi thứ hai là kết luận nhóm có median cao hơn thì chắc chắn có khác biệt có ý nghĩa thống kê. Median trên biểu đồ chỉ là mô tả mẫu. Với câu hỏi so sánh nhóm, bạn phải chạy kiểm định phù hợp và báo cáo kết quả cùng khoảng tin cậy hoặc chỉ số liên quan nếu thiết kế nghiên cứu yêu cầu.
Lỗi thứ ba là so sánh các Boxplot có đơn vị khác nhau. Một hộp của thu nhập và một hộp của điểm Likert không nên đặt cạnh nhau rồi nhận xét nhóm nào phân tán nhiều hơn nếu chưa xét thang đo và đơn vị.
Lỗi thứ tư là không ghi rõ biến nào được vẽ. Tên MEAN hoặc X1 trên hình có thể khó hiểu với người đọc. Trước khi đưa vào chương 4, đổi nhãn biểu đồ hoặc thêm chú thích để người xem biết biến đó đại diện cho khái niệm nào.
Lỗi thứ năm là chỉ đưa hình vào luận văn mà không có câu diễn giải. Một biểu đồ cần được gọi tên, nêu biến, nêu nhóm nếu có và nói ngắn gọn điều quan sát được. Bạn không cần mô tả mọi điểm trên hình, nhưng phải kết nối hình với bước phân tích kế tiếp.
Câu hỏi thường gặp
Biểu đồ hộp là gì và dùng để làm gì?
Biểu đồ hộp là hình tóm tắt phân phối của một biến định lượng bằng Q1, median, Q3, râu và các điểm tách rời. Bạn dùng nó để xem trung tâm, độ phân tán, độ lệch và outlier tiềm năng trước hoặc trong phần mô tả dữ liệu.
Đọc biểu đồ hộp như thế nào?
Hãy xác định biến trên trục, đọc đường median trong hộp, xem hộp trải từ Q1 đến Q3, sau đó quan sát độ dài hai râu và các điểm đứng riêng. Khi có nhiều nhóm, so sánh median, IQR và số lượng điểm tách rời giữa các nhóm.
Biểu đồ hộp có outlier thì phải làm sao?
Bạn kiểm tra mã hóa, lỗi nhập và tính hợp lệ của bản ghi trước khi làm gì khác. Nếu đó là quan sát thật, không xóa tự động. Có thể chạy phân tích có và không có quan sát để đánh giá ảnh hưởng, đồng thời ghi rõ tiêu chí xử lý trong dữ liệu và luận văn.
Biểu đồ hộp bao nhiêu là đạt?
Không có một ngưỡng chung để kết luận Boxplot đạt hay không đạt. Hình này phục vụ mô tả và sàng lọc dữ liệu. Bạn đánh giá theo mục tiêu phân tích, phạm vi thang đo, mức phân tán và kết quả kiểm tra giả định của mô hình tiếp theo.
Biểu đồ hộp có thay thế kiểm định thống kê không?
Không. Boxplot cho thấy khác biệt mô tả giữa các nhóm, nhưng không tự cho biết khác biệt có ý nghĩa thống kê. Bạn cần chọn kiểm định theo số nhóm, loại biến, thiết kế nghiên cứu và các giả định liên quan.
Cách viết vào luận văn có thể điều chỉnh như sau: “Biểu đồ hộp cho thấy median của [nhóm A] là [giá trị], cao hơn/thấp hơn [nhóm B] là [giá trị]. Một số quan sát nằm ngoài râu được kiểm tra về [lỗi nhập/tính hợp lệ], sau đó [được giữ lại/loại bỏ] theo tiêu chí [tiêu chí], trước khi thực hiện [phân tích tiếp theo].”
Bạn hãy mở lại file SPSS, chạy Graphs > Legacy Dialogs > Boxplot cho biến cần kiểm tra, ghi riêng median, Q1, Q3 và các trường hợp bị đánh dấu, rồi đối chiếu từng dòng với file gốc. Nếu muốn chạy phân tích trên chính file .sav hoặc .csv và cần hỗ trợ đọc output, bạn có thể dùng M4 phân tích của DoThesis.