Boxplot trong SPSS là gì? Cách đọc và xử lý outlier

Boxplot trong SPSS là gì

Bạn mở file SPSS, vào phần biểu đồ và thấy một hình hộp có đường ngang ở giữa, hai đường kéo dài lên xuống cùng vài chấm nằm tách biệt. Đó là boxplot, còn gọi là biểu đồ hộp. Boxplot tóm tắt phân phối của một biến bằng năm vị trí chính: giá trị nhỏ nhất trong phạm vi quan sát, tứ phân vị thứ nhất Q1, trung vị, tứ phân vị thứ ba Q3 và giá trị lớn nhất trong phạm vi quan sát.

Trong SPSS, boxplot thường được dùng để xem nhanh một biến định lượng đang tập trung ở đâu, mức độ phân tán ra sao và có quan sát nào nằm xa phần lớn dữ liệu hay không. Hình này không tự kết luận một quan sát là sai. Nó chỉ đánh dấu điểm cần kiểm tra thêm.

Phần hộp nằm từ Q1 đến Q3, vì vậy chiều cao hoặc chiều dài của hộp biểu thị khoảng tứ phân vị, viết là IQR = Q3 - Q1. Đường nằm trong hộp là trung vị. Hai phần kéo dài ra ngoài hộp thường được gọi là whisker. Trong quy tắc boxplot phổ biến của SPSS, điểm nằm thấp hơn Q1 - 1,5 × IQR hoặc cao hơn Q3 + 1,5 × IQR được hiển thị như một outlier. Điểm vượt xa hơn nữa có thể được đánh dấu riêng, tùy cách SPSS hiển thị biểu đồ.

Boxplot phù hợp với biến số như tuổi, thu nhập, số lần mua hàng, điểm trung bình hoặc thời gian sử dụng. Với biến danh nghĩa như giới tính hoặc ngành học, bạn cần cân nhắc cách mã hóa và mục tiêu phân tích trước khi vẽ. Muốn xem rõ các đại lượng liên quan, bạn có thể đọc thêm về trung vị, phương sai và độ lệch chuẩn.

Ý nghĩa của boxplot trong nghiên cứu định lượng

Boxplot giúp bạn kiểm tra dữ liệu trước khi chạy t-test, ANOVA, tương quan hoặc hồi quy. Đây là bước kiểm tra trực quan, nên nó bổ sung cho các thống kê và kiểm định khác chứ không thay thế toàn bộ việc kiểm tra giả định.

Nếu hộp hẹp, phần lớn quan sát tập trung trong một khoảng nhỏ. Nếu hộp dài, dữ liệu phân tán rộng hơn. Đường trung vị nằm gần giữa hộp thường cho thấy phân phối trong khoảng giữa tương đối cân đối. Khi trung vị lệch về một phía và một whisker dài hơn phía còn lại, biến có thể bị lệch phải hoặc lệch trái.

Boxplot cũng giúp bạn so sánh nhiều nhóm. Ví dụ, bạn có thể so sánh điểm hài lòng giữa các nhóm độ tuổi hoặc thu nhập. Hộp của nhóm nào nằm cao hơn thì trung vị của nhóm đó cao hơn. Tuy nhiên, chiều cao của hộp còn cho biết mức phân tán, còn các chấm ngoài hộp nhắc bạn xem xét những trường hợp đặc biệt.

Trong luận văn định lượng, boxplot thường có ba vai trò thực tế. Thứ nhất, bạn dùng nó để phát hiện lỗi nhập liệu, chẳng hạn tuổi bằng 222 hoặc thu nhập bị nhập thêm một số 0. Thứ hai, bạn kiểm tra xem các giá trị cực đoan có thể ảnh hưởng đến trung bình, hệ số tương quan hoặc hệ số hồi quy hay không. Thứ ba, bạn có thêm bằng chứng trực quan khi giải thích vì sao đã giữ, biến đổi hoặc loại một quan sát.

Dù vậy, đừng nhìn một chấm nằm ngoài hộp rồi xóa ngay dòng dữ liệu tương ứng. Một khách hàng có mức chi tiêu rất cao vẫn có thể là một người trả lời hợp lệ. Câu hỏi cần trả lời là dữ liệu đó có sai, có thuộc tổng thể nghiên cứu và có làm thay đổi kết quả theo cách không thể giải thích hay không.

Boxplot trong SPSS bao nhiêu là đạt

Boxplot không có một ngưỡng duy nhất để kết luận dữ liệu đạt hay không đạt. Hình này mô tả phân phối và đánh dấu các điểm nằm ngoài quy tắc 1,5 IQR. Vì vậy, số lượng chấm ngoài hộp không phải là tiêu chí tự động để loại dữ liệu. Bạn cần kết hợp quy tắc hình học của boxplot với kiểm tra phạm vi biến, bối cảnh bảng hỏi và phân tích độ nhạy.

Bảng dưới đây tóm tắt các mốc thường gặp. Các mốc được ghi kèm nguồn để bạn phân biệt quy tắc của boxplot với ngưỡng của những phân tích khác.

Nếu bạn đang kiểm tra giả định cho hồi quy, đừng biến quy tắc 1,5 IQR thành điều kiện bắt buộc rằng mọi chấm đều phải biến mất. Bạn cần xem thêm phần dư, điểm ảnh hưởng và mức thay đổi của mô hình khi xử lý quan sát đó. Với kiểm tra thống kê trong SPSS, tài liệu của Field (2013) là nguồn tham khảo phù hợp cho quy trình và chẩn đoán dữ liệu.

Cách đọc boxplot trên output

Bạn có thể tạo boxplot trong SPSS theo hai cách. Cách nhanh là chọn Graphs > Legacy Dialogs > Boxplot, chọn Simple nếu muốn xem một biến hoặc Clustered nếu muốn so sánh theo nhóm. Sau đó chọn Summaries of separate variables hoặc Summaries for groups of cases, đưa biến vào ô phù hợp và nhấn OK.

Trong phiên bản SPSS mới, bạn cũng có thể chọn Graphs > Chart Builder, kéo biểu tượng boxplot vào vùng biểu đồ, rồi đưa biến định lượng vào trục Y và biến nhóm vào trục X nếu cần so sánh. Trước khi chạy, hãy kiểm tra Measure của biến. Biến định lượng nên được khai báo là Scale; biến nhóm có thể là Nominal hoặc Ordinal tùy dữ liệu.

Trên biểu đồ, hộp là vùng từ Q1 đến Q3. Đường trong hộp là median. Hai whisker mở rộng đến các giá trị nằm trong giới hạn của quy tắc boxplot. Những vòng tròn hoặc dấu sao ở ngoài whisker thường là các quan sát mà SPSS đánh dấu. Con số cạnh điểm thường là số thứ tự case trong file, không phải giá trị của biến.

Ví dụ dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng bạn thường gặp khi xem bảng thống kê hoặc đọc dữ liệu xuất ra từ SPSS.

Số liệu minh họa

Ở biến SATIS, các giá trị nằm trong khoảng 1 đến 5, nên Case 17 và Case 96 có thể là giá trị hợp lệ dù nằm xa phần còn lại. Bạn cần đối chiếu bảng hỏi hoặc file gốc trước khi quyết định. Với INCOME, Case 44 có thể là người thu nhập cao thật, nhưng cũng có thể do người trả lời nhập sai đơn vị.

Với AGE, giá trị 222 gần như chắc chắn cần kiểm tra vì không phù hợp với cách mã hóa tuổi thông thường. Nếu dữ liệu gốc ghi 22 nhưng file SPSS ghi 222, bạn sửa theo quy trình làm sạch dữ liệu và lưu lại lý do. Khi đọc số thứ tự case, nhớ rằng case number có thể thay đổi sau khi sắp xếp hoặc lọc dữ liệu.

Để có Q1, median và Q3 trong bảng số liệu, bạn có thể vào Analyze > Descriptive Statistics > Explore. Đưa biến vào Dependent List, chọn Statistics nếu cần các thống kê mô tả, chọn Plots rồi đánh dấu Boxplots và Normality plots with tests nếu mục tiêu của bạn bao gồm kiểm tra phân phối. Output thường có các bảng như Case Processing Summary, Descriptives, Tests of Normality và biểu đồ boxplot.

Một điểm cần chú ý là boxplot không cho bạn biết nguyên nhân của outlier. Nó chỉ cho biết vị trí của quan sát so với phần còn lại. Bạn phải quay lại mã người trả lời, bảng hỏi hoặc điều kiện thu thập để giải thích.

Khi boxplot không đạt thì xử lý thế nào

Hãy xử lý theo thứ tự từ ít can thiệp đến nhiều can thiệp. Cách này giúp bạn tránh xóa dữ liệu chỉ vì hình biểu đồ chưa đẹp.

Kiểm tra lỗi nhập và mã hóa

Mở Data View, tìm case được ghi bên cạnh chấm outlier và đối chiếu với bảng hỏi hoặc file CSV gốc. Kiểm tra dấu thập phân, đơn vị đo, mã thiếu dữ liệu, giá trị đảo chiều và các giới hạn hợp lệ của biến. Nếu tuổi chỉ được phép từ 18 đến 60 mà một dòng có 222 do nhập nhầm 22, bạn sửa theo dữ liệu gốc và ghi lại thay đổi.

Kiểm tra câu trả lời có hợp lệ không

Nếu outlier không phải lỗi nhập, xem người trả lời có thỏa điều kiện sàng lọc hay không, có bỏ trống quá nhiều mục hoặc trả lời theo một mẫu bất thường hay không. Với thang Likert, một người chọn toàn bộ cùng một mức không tự động là dữ liệu sai. Bạn cần xem thời gian trả lời, câu hỏi kiểm tra và tiêu chí loại đã đặt từ trước.

Chạy lại mô hình sau khi xử lý có lý do

Bạn có thể lưu một bản dữ liệu gốc, tạo bản làm sạch riêng rồi chạy lại phân tích. So sánh trung bình, độ lệch chuẩn, hệ số tương quan, hệ số hồi quy hoặc kết luận giả thuyết giữa hai phiên bản. Nếu kết quả thay đổi đáng kể, bạn cần báo cáo rõ tiêu chí xử lý thay vì chỉ trình bày phiên bản cho kết quả thuận lợi.

Cân nhắc biến đổi hoặc phương pháp phù hợp

Với biến thu nhập lệch phải, có thể cân nhắc biến đổi log nếu phù hợp với câu hỏi nghiên cứu và cách diễn giải. Với so sánh nhóm, bạn có thể xem xét phương pháp ít nhạy với giá trị cực đoan, nhưng cần chọn dựa trên thiết kế và giả định cụ thể. Không nên thay thế dữ liệu bằng trung bình chỉ để loại chấm trên biểu đồ.

Loại quan sát chỉ khi có căn cứ

Loại case có thể chấp nhận khi có lỗi nhập, vi phạm tiêu chí mẫu đã công bố hoặc bằng chứng rõ ràng rằng phản hồi không hợp lệ. Nếu chỉ vì giá trị lớn làm p-value kém thuận lợi, việc xóa sẽ khó giải trình với giảng viên. Bạn nên lưu mã case, lý do, thời điểm xử lý và số lượng quan sát trước và sau khi loại.

Bạn có thể xem thêm hướng dẫn riêng về outlier và công thức tính phương sai để nối phần kiểm tra trực quan với các thống kê mô tả. Boxplot là tín hiệu mở đầu, không phải phán quyết cuối cùng.

Phân biệt boxplot với độ lệch chuẩn và outlier

Boxplot là một biểu đồ mô tả phân phối. Độ lệch chuẩn là một chỉ số đo mức độ phân tán quanh trung bình. Outlier là một quan sát nằm khác biệt đáng kể so với phần lớn dữ liệu theo một quy tắc hoặc phương pháp xác định. Ba khái niệm này liên quan nhưng không đồng nghĩa.

Một biến có độ lệch chuẩn lớn chưa chắc có outlier. Dữ liệu có thể phân tán rộng nhưng vẫn không có điểm nào vượt giới hạn boxplot. Ngược lại, một biến có độ lệch chuẩn nhỏ vẫn có một giá trị cực đoan nếu phần lớn quan sát tập trung rất chặt.

Boxplot dùng Q1, Q3 và IQR nên ít bị kéo lệch bởi một vài giá trị cực đoan hơn so với trung bình và độ lệch chuẩn. Vì vậy, nó thường hữu ích khi bạn muốn nhìn phân phối nhanh. Tuy nhiên, khi kiểm tra hồi quy, bạn còn phải xem phần dư và điểm ảnh hưởng, vì một quan sát có thể không nổi bật ở biến gốc nhưng lại ảnh hưởng mạnh đến mô hình.

Bạn cũng cần phân biệt outlier với dữ liệu thiếu. Ô trống, mã 99 hoặc mã -1 có thể là missing value theo quy ước của bảng hỏi, trong khi một điểm cao hoặc thấp vẫn là giá trị quan sát thật. Nếu khai báo sai missing value trong Variable View, boxplot và các thống kê sau đó đều có thể bị ảnh hưởng.

Lỗi thường gặp

Lỗi đầu tiên là thấy một chấm ngoài hộp rồi xóa ngay. Hãy kiểm tra dữ liệu gốc và tiêu chí mẫu trước. Lỗi thứ hai là gọi mọi điểm ngoài whisker là dữ liệu sai. Trong thực tế, điểm đó có thể phản ánh đúng một trường hợp hiếm trong tổng thể.

Lỗi thứ ba là dùng boxplot cho biến Likert đơn lẻ rồi diễn giải quá mức. Với một biến quan sát có vài mức trả lời, biểu đồ có thể có hình dạng không đẹp nhưng điều đó không tự động làm thang đo không đạt. Bạn cần xem mục tiêu phân tích, thống kê mô tả và các kiểm định phù hợp.

Lỗi thứ tư là nhầm số cạnh điểm với giá trị của biến. Trong nhiều biểu đồ SPSS, con số cạnh vòng tròn là số thứ tự case. Hãy quay lại Data View để xem giá trị thật của case đó.

Lỗi thứ năm là chỉ báo cáo biểu đồ mà không nói tiêu chí xử lý. Trong chương phương pháp hoặc chương kết quả, bạn nên ghi biến nào có điểm cực đoan, đã kiểm tra điều gì, giữ hay loại case nào và vì sao. Nếu có chạy phân tích độ nhạy, hãy nêu kết quả chính một cách nhất quán.

Lỗi cuối cùng là dùng các ngưỡng của PLS-SEM hoặc SEM để đánh giá boxplot. Các chỉ số như AVE, HTMT, R² và CFI phục vụ những bước khác. Boxplot trước hết trả lời câu hỏi về phân phối và quan sát cực đoan của biến.

Câu hỏi thường gặp

Boxplot trong SPSS dùng để làm gì?

Boxplot dùng để tóm tắt phân phối của biến định lượng bằng trung vị, tứ phân vị, whisker và các điểm nằm ngoài phạm vi thông thường. Bạn có thể dùng nó trước khi chạy phân tích để phát hiện dữ liệu lệch, lỗi nhập hoặc quan sát cần kiểm tra.

Boxplot có chấm càng nhiều thì dữ liệu càng không đạt phải không?

Không. Chấm ngoài hộp chỉ cho biết các quan sát nằm ngoài giới hạn 1,5 IQR theo quy tắc hiển thị của boxplot. Bạn cần xem các giá trị đó có hợp lệ, đúng tổng thể và ảnh hưởng đến phân tích hay không trước khi quyết định xử lý.

Outlier trong boxplot có phải xóa không?

Không có quy tắc bắt buộc phải xóa mọi outlier. Bạn chỉ nên loại khi có căn cứ như lỗi nhập, vi phạm tiêu chí mẫu hoặc phản hồi không hợp lệ theo tiêu chí đã xác định. Nếu giữ lại, bạn vẫn có thể báo cáo rằng đã kiểm tra và xem xét ảnh hưởng của các quan sát cực đoan.

Vì sao SPSS hiển thị số cạnh chấm trong boxplot?

Số cạnh chấm thường là số thứ tự của case trong file dữ liệu. Nó giúp bạn tìm đúng dòng trong Data View. Sau khi tìm được case, hãy kiểm tra giá trị, bảng hỏi gốc và mã hóa, thay vì xem con số đó là giá trị của biến.

Boxplot có thay thế kiểm định phân phối chuẩn không?

Không. Boxplot giúp nhìn lệch, độ phân tán và outlier một cách trực quan. Nếu phân phối chuẩn là giả định của phân tích bạn chọn, hãy kết hợp histogram, Q-Q plot, thống kê mô tả và kiểm tra phù hợp trong Analyze > Descriptive Statistics > Explore.

Nên trình bày boxplot trong luận văn thế nào?

Bạn có thể trình bày biểu đồ nếu nó phục vụ câu hỏi nghiên cứu hoặc kiểm tra dữ liệu. Phần chữ nên nêu biến được kiểm tra, số lượng quan sát cực đoan, cách đối chiếu và quyết định giữ hoặc loại. Câu mẫu có thể viết: “Biểu đồ boxplot cho thấy [số lượng] quan sát cần kiểm tra ở biến [tên biến]. Sau khi đối chiếu với [nguồn dữ liệu], nghiên cứu [giữ lại/loại] các quan sát này vì [lý do], sau đó thực hiện lại phân tích với [cỡ mẫu].”

Mở file SPSS của bạn, chạy Analyze > Descriptive Statistics > Explore cho các biến định lượng, ghi lại case được đánh dấu và đối chiếu từng dòng trước khi sửa dữ liệu; nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng module M4 phân tích dữ liệu.