Cách chạy thống kê mô tả trong SPSS từ A đến Z

Khi nào dùng thống kê mô tả trong SPSS

Thống kê mô tả trong SPSS được dùng ở giai đoạn đầu của phân tích định lượng, khi bạn cần biết bộ dữ liệu đang có những đặc điểm gì trước khi chạy Cronbach's Alpha, EFA, hồi quy hoặc mô hình PLS-SEM. Kết quả thường gồm số quan sát hợp lệ, giá trị nhỏ nhất, giá trị lớn nhất, Mean, Median, Mode, độ lệch chuẩn và phương sai.

Bạn dùng phân tích này để trả lời các câu hỏi như: có bao nhiêu người trả lời hợp lệ, độ tuổi trung bình của mẫu là bao nhiêu, thang đo có giá trị thấp nhất và cao nhất nào, dữ liệu có phân tán mạnh không, hoặc nhóm người trả lời có đặc điểm gì. Đây là mô tả dữ liệu, chưa phải kiểm định giả thuyết và chưa cho biết biến độc lập có tác động đến biến phụ thuộc hay không.

Nếu đề tài có giả thuyết dạng “đặc điểm X ảnh hưởng đến Y”, thống kê mô tả chỉ giúp bạn trình bày mẫu và quan sát ban đầu. Để kiểm định giả thuyết, bạn sẽ cần phân tích phù hợp với mô hình, chẳng hạn hồi quy tuyến tính hoặc PLS-SEM. Danh sách hướng dẫn liên quan có thể xem tại chủ đề SPSS.

Bạn nên phân biệt ba tình huống chính. Với biến định danh như giới tính, khoa, khu vực hoặc tình trạng hôn nhân, Frequencies cho biết số lượng và tỷ lệ phần trăm. Với biến thứ bậc hoặc câu hỏi Likert, Frequencies cho biết phân bố từng mức trả lời, còn Descriptives hoặc Explore giúp xem Mean và độ lệch chuẩn. Với biến số liên tục như tuổi, thu nhập hoặc số năm kinh nghiệm, Descriptives thường là lựa chọn gọn hơn.

Chuẩn bị dữ liệu trước khi chạy

Trước khi mở hộp thoại phân tích, bạn cần kiểm tra file .sav hoặc .csv. Nhiều kết quả bất thường bắt đầu từ bước nhập dữ liệu, không phải do SPSS tính sai. Hãy mở cả hai cửa sổ Data View và Variable View, sau đó kiểm tra từng nhóm biến sẽ đưa vào phân tích.

Kiểm tra tên và loại biến

Trong Variable View, mỗi biến nên có tên ngắn, không dấu và không chứa khoảng trắng, chẳng hạn GIOITINH, TUOI, HL1, HL2, HL3. Cột Label có thể dùng để ghi mô tả đầy đủ bằng tiếng Việt. Cột Measure cần được đặt tương đối phù hợp: Nominal cho biến phân loại, Ordinal cho biến có thứ tự, Scale cho biến số hoặc thang Likert mà bạn xử lý như biến định lượng.

Nếu bạn nhập dữ liệu từ bảng tính, hãy kiểm tra dòng đầu tiên. Dòng này nên chứa tên biến, mỗi cột là một biến và mỗi dòng sau đó là một người trả lời. Không để ký hiệu như -, N/A hoặc chữ không trả lời lẫn vào cột số, vì SPSS có thể đọc cả cột thành dạng String và không tính Mean được.

Kiểm tra missing values

Trong Data View, nhìn qua các cột để phát hiện ô trống, mã 99, 999 hoặc ký hiệu được dùng cho câu trả lời bỏ trống. Nếu mã 99 thực chất là “không trả lời”, bạn có thể khai báo nó là Missing trong Variable View hoặc xử lý trước khi chạy. Đừng để mã 99 đi vào phép tính Mean, vì một vài giá trị mã hóa sai có thể kéo trung bình lên rất cao.

Trong output, SPSS thường tách Valid và Missing. Nếu một biến có 250 dòng nhưng Valid chỉ còn 231, bạn cần biết 19 trường hợp bị thiếu ở đâu và vì sao. Đừng tự động xóa toàn bộ dòng chỉ vì một biến có ô trống. Quyết định giữ hay loại trường hợp phải nhất quán với cách bạn làm sạch dữ liệu và các phân tích tiếp theo.

Kiểm tra biến đảo chiều và cách mã hóa

Thống kê mô tả không tự sửa biến đảo chiều. Nếu bảng hỏi có một biến mang ý nghĩa ngược, bạn cần recode trước khi tính điểm thang đo. Ví dụ thang Likert 1 đến 5 có thể được đảo theo quy tắc 1 thành 5, 2 thành 4, 3 giữ nguyên, 4 thành 2 và 5 thành 1.

Bạn cũng nên xem Value Labels. Nếu giới tính được mã hóa 1 là nam và 2 là nữ, Frequencies sẽ đọc được số lượng theo nhãn nếu bạn đã khai báo đúng. Nếu chưa khai báo, output có thể chỉ hiện 1 và 2, khiến bảng kết quả khó đọc dù phép đếm vẫn đúng.

Các bước chạy thống kê mô tả trong SPSS

Bạn có thể chạy cùng một biến qua nhiều thủ tục. Hãy chọn menu dựa trên câu hỏi cần trả lời, không chọn tất cả tùy chọn chỉ vì muốn có thật nhiều bảng output.

Bước 1: Chạy Frequencies cho biến phân loại

Vào Analyze > Descriptive Statistics > Frequencies. Chọn các biến như giới tính, độ tuổi theo nhóm, trình độ học vấn hoặc nghề nghiệp đưa vào ô Variable(s). Tùy chọn Display frequency tables được bật mặc định. Nhấn OK để chạy nhanh.

Nếu muốn có biểu đồ, nhấn Charts. Bạn có thể chọn Bar charts cho biến phân loại hoặc Pie charts khi số nhóm ít. Với một bảng luận văn, bảng tần số thường dễ kiểm soát hơn biểu đồ vì bạn cần báo cáo rõ số lượng và tỷ lệ phần trăm.

Trong Statistics, bạn có thể chọn Mean, Median, Mode, Sum, Minimum, Maximum hoặc các phân vị. Với biến phân loại như giới tính, Mean thường không có ý nghĩa nội dung dù SPSS vẫn có thể tính nếu dữ liệu được lưu bằng số. Hãy chỉ chọn thống kê phù hợp với bản chất biến.

Bước 2: Chạy Descriptives cho biến số và biến Likert

Vào Analyze > Descriptive Statistics > Descriptives. Chọn các biến cần mô tả, chẳng hạn TUOI, TN1, TN2, TN3, rồi đưa sang ô Variable(s). Nhấn Options và chọn Mean, Std. Deviation, Minimum, Maximum. Có thể chọn Variance nếu chương phương pháp hoặc giảng viên yêu cầu.

Nút Options quyết định các cột xuất hiện trong bảng Descriptive Statistics. SPSS thường cho ra N, Minimum, Maximum, Mean và Std. Deviation. Nếu chọn Variance, bảng sẽ thêm phương sai. Bạn có thể đọc thêm về phương sai và công thức tính phương sai khi cần giải thích công thức trong chương phương pháp.

Nhấn Continue, sau đó nhấn OK. SPSS tạo bảng kết quả trong Output Viewer. Nếu muốn sắp xếp thứ tự biến theo mô hình nghiên cứu, hãy đưa biến vào hộp Variable(s) theo đúng thứ tự đó trước khi chạy.

Bước 3: Dùng Explore khi cần xem phân bố và outlier

Vào Analyze > Descriptive Statistics > Explore. Đưa biến số vào Dependent List. Nếu muốn so sánh một biến theo nhóm, đưa biến nhóm vào Factor List. Trong Statistics, giữ Descriptives. Trong Plots, có thể chọn Histogram và Normality plots with tests nếu bạn cần quan sát phân bố.

Explore cho nhiều thông tin hơn Descriptives, gồm Median, các percentiles, khoảng tin cậy của Mean và biểu đồ Boxplot. Đây là lựa chọn hữu ích khi Mean và Median chênh lệch rõ, hoặc khi bạn nghi ngờ một vài giá trị quá lớn hay quá nhỏ. Nếu cần kiểm tra outlier, hãy xem Boxplot và danh sách các trường hợp cực trị thay vì chỉ nhìn vào Mean.

Bước 4: Lưu và kiểm tra syntax

Sau khi chạy, vào File > Save trong Output Viewer để lưu file .spv. Bạn cũng nên lưu syntax bằng cách nhấn Paste thay vì OK ở hộp thoại phân tích. SPSS sẽ mở Syntax Editor với câu lệnh tương ứng, ví dụ lệnh DESCRIPTIVES hoặc FREQUENCIES.

Syntax giúp bạn chạy lại chính xác sau khi làm sạch dữ liệu, loại một trường hợp hoặc đổi nhóm biến. Hãy ghi ngày chạy và tên file dữ liệu trong phần ghi chú của luận văn. Nếu có nhiều vòng chỉnh sửa, lưu thành các phiên bản riêng thay vì ghi đè toàn bộ file cũ.

Đọc kết quả output

Bảng cần đọc phụ thuộc vào thủ tục bạn đã chạy. Với Frequencies, tập trung vào Frequency, Percent, Valid Percent và Cumulative Percent. Với Descriptives, tập trung vào N, Minimum, Maximum, Mean, Std. Deviation và Variance nếu đã chọn. Với Explore, đọc thêm Median, Percentiles và các biểu đồ.

Đọc bảng Frequencies

Frequency là số trường hợp thuộc mỗi nhóm. Percent là tỷ lệ tính trên toàn bộ số dòng, bao gồm cả trường hợp thiếu. Valid Percent là tỷ lệ chỉ tính trên số trường hợp có câu trả lời hợp lệ. Cumulative Percent là tỷ lệ cộng dồn, thường phù hợp hơn với biến có thứ tự như nhóm tuổi hoặc mức thu nhập.

Ví dụ, nếu có 200 dòng và 5 người bỏ trống biến giới tính, Valid là 195. Một nhóm có Frequency bằng 117 sẽ có Valid Percent bằng 60%, nhưng Percent chỉ khoảng 58,5%. Khi viết luận văn, nếu bạn báo cáo đặc điểm của mẫu hợp lệ, hãy dùng Valid Percent và nói rõ mẫu hợp lệ có bao nhiêu quan sát.

Đọc bảng Descriptive Statistics

N cho biết số quan sát được dùng để tính các chỉ số của biến đó. Minimum và Maximum cho biết giá trị nhỏ nhất và lớn nhất trong dữ liệu hợp lệ. Mean là giá trị trung bình cộng. Std. Deviation cho biết mức độ phân tán quanh Mean. Độ lệch chuẩn càng lớn thì dữ liệu thường càng phân tán, nhưng cần đọc cùng thang đo và bối cảnh biến. Bạn có thể xem hướng dẫn riêng về độ lệch chuẩn.

Variance là bình phương của độ lệch chuẩn. Vì vậy, phương sai có đơn vị bình phương của biến ban đầu và thường khó diễn giải trực tiếp hơn. Median là giá trị nằm giữa khi các quan sát được sắp xếp, còn Mode là giá trị xuất hiện nhiều nhất. Bạn có thể đọc thêm về trung vị nếu Mean bị ảnh hưởng bởi các giá trị cực trị.

Dưới đây là bảng số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được mô phỏng theo bảng Descriptive Statistics của SPSS với các biến Likert từ 1 đến 5.

Trong ví dụ này, HL3 có N bằng 247, thấp hơn các biến còn lại một quan sát. Bạn cần kiểm tra dòng bị thiếu trước khi tính điểm trung bình cho thang đo HL. HL1 có Mean bằng 3,71 và độ lệch chuẩn bằng 0,864. DV1 có độ lệch chuẩn lớn hơn, cho thấy câu trả lời phân tán hơn trên cùng thang đo, nhưng bạn không nên kết luận biến này tốt hay xấu chỉ từ độ lệch chuẩn.

Nếu bảng của bạn có Mean ngoài khoảng 1 đến 5 trong khi biến được mã hóa theo Likert 1 đến 5, hãy dừng lại kiểm tra dữ liệu. Nguyên nhân thường là mã missing như 99, nhập sai thang đo hoặc đưa một biến khác loại vào cùng phân tích.

Tiêu chí đánh giá

Thống kê mô tả không có một ngưỡng chung để kết luận “đạt” giống Cronbach's Alpha hay KMO. Bạn không cần ép Mean phải lớn hơn một con số tùy ý để làm dữ liệu đẹp. Mục tiêu của phần này là mô tả trung thực mẫu, phạm vi quan sát và mức phân tán.

Nguồn trong dòng cuối liên quan đến yêu cầu cỡ mẫu theo số biến quan sát, không phải ngưỡng để đánh giá Mean hoặc độ lệch chuẩn. Bạn nên tách phần mô tả dữ liệu khỏi phần đánh giá độ tin cậy và giá trị thang đo. Cronbach's Alpha, EFA hoặc PLS-SEM có tiêu chí riêng và chỉ nên chạy sau khi dữ liệu đã được kiểm tra.

Cách viết kết quả vào luận văn

Trong chương 4, bạn có thể trình bày một bảng cho đặc điểm mẫu và một bảng cho thống kê mô tả các biến nghiên cứu. Mỗi bảng cần có tên, số thứ tự, đơn vị hoặc thang đo nếu cần, rồi có đoạn văn giải thích những điểm chính. Tránh chép toàn bộ output SPSS với các cột không dùng đến.

Với biến phân loại, viết số lượng và tỷ lệ phần trăm. Với biến định lượng hoặc biến Likert, viết N, Mean và Std. Deviation. Nếu có missing, nêu rõ số quan sát hợp lệ thay vì giả định tất cả người trả lời đều có dữ liệu đầy đủ.

Cách viết vào luận văn: “Kết quả thống kê mô tả cho thấy biến [TÊN BIẾN] có [N] quan sát hợp lệ, giá trị trung bình là [MEAN] và độ lệch chuẩn là [SD]. Giá trị nhỏ nhất và lớn nhất lần lượt là [MIN] và [MAX], cho thấy câu trả lời nằm trong khoảng [KHOẢNG THANG ĐO].”

Một cách viết cho cơ cấu mẫu là: “Trong [N] quan sát hợp lệ, nhóm [TÊN NHÓM] có [n] người, chiếm [x%], tiếp theo là nhóm [TÊN NHÓM] với [n] người, chiếm [y%]. Các tỷ lệ được tính trên số quan sát hợp lệ của biến [TÊN BIẾN].”

Khi mô tả nhiều biến, bạn có thể viết: “Các biến [NHÓM BIẾN] có Mean dao động từ [GIÁ TRỊ THẤP] đến [GIÁ TRỊ CAO]. Biến [TÊN BIẾN] có Mean cao nhất, trong khi [TÊN BIẾN] có độ lệch chuẩn lớn nhất.” Chỉ điền số sau khi đối chiếu đúng bảng output, không lấy số từ bảng minh họa trong bài này.

Lỗi thường gặp khi chạy thống kê mô tả trong SPSS

Chọn sai thủ tục cho biến

Bạn chạy Frequencies cho toàn bộ hàng chục biến Likert và nhận một output rất dài, hoặc tính Mean cho giới tính rồi diễn giải như một giá trị trung bình có ý nghĩa. Hãy tách biến phân loại và biến định lượng trước khi chạy. Frequencies phù hợp với phân bố nhóm, còn Descriptives phù hợp với nhóm biến cần Mean và độ lệch chuẩn.

Để mã missing đi vào phép tính

Một biến có Mean bằng 18,50 trên thang 1 đến 5 thường báo hiệu mã 99 hoặc 999 chưa được khai báo missing. Kiểm tra cột Minimum và Maximum trước khi tin vào Mean. Nếu thấy giá trị ngoài khoảng bảng hỏi, quay lại Data View và Variable View để tìm nguyên nhân.

Nhầm Percent với Valid Percent

Khi có câu trả lời thiếu, hai cột này khác nhau. Dùng Percent trong một bảng và Valid Percent trong bảng khác mà không giải thích sẽ khiến tổng tỷ lệ hoặc cỡ mẫu khó theo dõi. Chọn một nguyên tắc báo cáo, thường là Valid Percent cho cơ cấu mẫu hợp lệ, rồi áp dụng nhất quán.

Kết luận thang đo chỉ từ Mean cao

Mean bằng 4,10 không chứng minh thang đo có độ tin cậy, cũng không chứng minh giả thuyết được chấp nhận. Bạn vẫn cần chạy các phân tích được thiết kế trong phương pháp nghiên cứu. Thống kê mô tả chỉ trả lời dữ liệu đang có hình dạng như thế nào.

Không lưu syntax và phiên bản dữ liệu

Nếu bạn sửa dữ liệu rồi chạy lại nhưng không lưu syntax, sau này rất khó biết bảng nào được tạo từ phiên bản nào. Hãy lưu file dữ liệu gốc, file dữ liệu đã làm sạch và output theo tên riêng. Ghi lại các trường hợp bị loại, biến được recode và ngày chạy để có thể giải trình khi giảng viên hỏi.

Câu hỏi thường gặp

Thống kê mô tả trong SPSS là gì?

Đó là nhóm kỹ thuật dùng để tóm tắt dữ liệu bằng số lượng, tỷ lệ phần trăm, Mean, Median, Mode, Minimum, Maximum, độ lệch chuẩn và phương sai. Kết quả giúp bạn mô tả mẫu và kiểm tra dữ liệu trước các phân tích tiếp theo.

Thống kê mô tả chưa kiểm định quan hệ giữa các biến và chưa dùng để kết luận giả thuyết nghiên cứu. Bạn cần đọc nó như bước kiểm tra và trình bày dữ liệu ban đầu.

Cách chạy thống kê mô tả trong SPSS cho thang đo Likert như thế nào?

Vào Analyze > Descriptive Statistics > Descriptives, đưa các biến quan sát vào ô Variable(s), nhấn Options, chọn Mean, Std. Deviation, Minimum và Maximum, rồi nhấn Continue và OK. Nếu cần xem từng mức 1 đến 5 có bao nhiêu người chọn, chạy thêm Analyze > Descriptive Statistics > Frequencies.

Trước đó, hãy chắc chắn các biến được mã hóa cùng chiều và mã missing không nằm trong khoảng tính toán.

Vì sao SPSS không tính được Mean?

Nguyên nhân thường là biến đang ở dạng String, cột chứa chữ hoặc ký hiệu không phải số, toàn bộ giá trị là missing, hoặc bạn chọn sai biến. Vào Variable View kiểm tra cột Type và quay lại Data View để tìm ký tự lạ.

Nếu dữ liệu được nhập từ Excel hoặc CSV, hãy kiểm tra xem dòng đầu có bị đọc thành một quan sát hay không. Sau khi sửa, chạy lại và xem cột N, Minimum và Maximum.

Mean và Median khác nhau nhiều thì phải làm sao?

Trước tiên, kiểm tra phân bố bằng Analyze > Descriptive Statistics > Explore, xem Histogram và Boxplot. Chênh lệch có thể xuất hiện khi dữ liệu lệch hoặc có outlier, nhưng bạn không nên tự xóa quan sát chỉ để Mean gần Median.

Hãy kiểm tra lại mã nhập, tiêu chí loại mẫu và lý do của các giá trị cực trị. Khi báo cáo, bạn có thể trình bày cả Mean và Median nếu điều đó phù hợp với mục tiêu phân tích.

Có cần chạy thống kê mô tả trước Cronbach's Alpha và EFA không?

Nên chạy để kiểm tra N, khoảng giá trị, missing và lỗi mã hóa trước khi đưa biến vào Cronbach's Alpha hoặc EFA. Tuy vậy, thống kê mô tả không thay thế hai phân tích đó. Mỗi phân tích trả lời một câu hỏi khác nhau.

Nếu phát hiện giá trị bất thường, hãy xử lý và lưu lại quyết định trước khi chạy các bước tiếp theo. Không nên âm thầm thay đổi dữ liệu sau khi đã có output cho chương 4.

Bạn hãy mở file SPSS của mình, tách biến phân loại khỏi nhóm biến Likert, chạy Frequencies và Descriptives, rồi đối chiếu N, Minimum, Maximum, Mean và Std. Deviation với bảng hỏi gốc; nếu cần chạy toàn bộ phân tích trên file .sav hoặc .csv của bạn, xem module M4 phân tích dữ liệu.