Cách tính số trung bình của mẫu số liệu trong SPSS

Số trung bình của mẫu số liệu là gì

Số trung bình của mẫu số liệu, thường hiển thị là Mean, là tổng các giá trị quan sát chia cho số lượng quan sát hợp lệ. Đây là chỉ số mô tả giúp bạn nhìn nhanh mức độ điển hình của một biến, chẳng hạn điểm trung bình về sự hài lòng, thu nhập trung bình hoặc mức đồng ý với một phát biểu Likert.

Với mẫu có các giá trị (x_1, x_2, ..., x_n), công thức là:

x̄ = (x₁ + x₂ + ... + xₙ) / n = Σxᵢ / n

Trong đó, x̄ là số trung bình mẫu, Σxᵢ là tổng các giá trị quan sát và n là số quan sát hợp lệ. Nếu có giá trị bị thiếu, n phải là số dòng thực sự được dùng để tính, không mặc nhiên là tổng số người trả lời ban đầu.

Ví dụ, năm mức điểm của một biến là 3, 4, 4, 5 và 2. Tổng điểm bằng 18, số quan sát bằng 5, nên số trung bình là 18 / 5 = 3,6. Nếu dữ liệu được nhập trong SPSS, bạn có thể để phần mềm tính thay vì cộng thủ công, nhưng vẫn cần hiểu công thức để kiểm tra kết quả.

Nếu đang đọc nhiều chỉ số mô tả, bạn có thể xem thêm nhóm bài Thống kê để phân biệt Mean, Median, Mode, độ lệch chuẩn và khoảng biến thiên.

Ý nghĩa của số trung bình trong nghiên cứu định lượng

Trong luận văn định lượng, Mean thường được dùng ở bước thống kê mô tả. Bạn có thể dùng nó để mô tả đặc điểm mẫu, nhận xét xu hướng trả lời cho từng biến quan sát hoặc so sánh mức độ đánh giá giữa các nhóm biến. Nếu thang đo sự thuận tiện có Mean cao hơn thang đo chi phí, dữ liệu mô tả cho thấy người trả lời đánh giá sự thuận tiện tích cực hơn trong mẫu đang khảo sát.

Mean không tự nó chứng minh một giả thuyết nghiên cứu. Một giá trị trung bình cao không đồng nghĩa với việc biến độc lập có tác động có ý nghĩa thống kê lên biến phụ thuộc. Muốn kiểm định quan hệ hoặc tác động, bạn cần xem thêm tương quan, hồi quy, ANOVA, t-test hoặc mô hình PLS-SEM tùy thiết kế nghiên cứu.

Mean cũng giúp bạn phát hiện tín hiệu bất thường trong dữ liệu. Nếu tất cả biến quan sát đều có Mean gần sát mức cao nhất, bạn nên kiểm tra xem người trả lời có chọn cùng một mức cho hầu hết phát biểu hay không. Hiện tượng này có thể liên quan đến trả lời theo một mẫu, nhưng Mean một mình chưa đủ để kết luận dữ liệu sai.

Với thang Likert, Mean thường được báo cáo cùng Standard Deviation, số quan sát hợp lệ và đôi khi là giá trị nhỏ nhất, lớn nhất. Một Mean bằng 3,5 có thể xuất phát từ các câu trả lời tập trung quanh 3 và 4, cũng có thể xuất phát từ việc một nhóm chọn 1 và nhóm khác chọn 5. Hai tình huống này cần xem thêm độ lệch chuẩn.

Khi kiểm tra dữ liệu, bạn cũng nên xem outliers trong dữ liệu. Một vài giá trị cực đoan có thể kéo Mean lên hoặc xuống, đặc biệt khi biến đo trên thang khoảng rộng như thu nhập, doanh thu hoặc số lần sử dụng dịch vụ.

Số trung bình bao nhiêu là đạt

Mean không có một ngưỡng đạt chung cho mọi đề tài. Giá trị phù hợp phụ thuộc vào thang đo, cách mã hóa và câu hỏi nghiên cứu. Với thang Likert 5 điểm, Mean 3,8 thường được diễn giải là mức đồng ý tương đối tích cực, nhưng bạn cần nêu rõ quy ước phân loại và không gọi đó là bằng chứng kiểm định giả thuyết.

Điều quan trọng nhất là kiểm tra Mean có nằm trong miền giá trị hợp lệ của biến hay không. Nếu biến Likert được mã hóa từ 1 đến 5, Mean hợp lệ phải nằm trong khoảng từ 1 đến 5. Một Mean bằng 7,2 cho biến này thường gợi ý lỗi nhập liệu, lỗi mã hóa hoặc bạn đang đọc nhầm cột.

Bảng dưới đây là các mốc kiểm tra thực hành. Đây là tiêu chí kiểm tra dữ liệu và diễn giải, không phải ngưỡng thống kê bắt buộc để mọi nghiên cứu đều đạt.

Nếu chia khoảng diễn giải cho Likert 5 điểm, một cách thường dùng là lấy khoảng biến thiên 5 - 1 = 4, sau đó chia cho 5 mức, được độ rộng 0,8. Có thể mô tả 1,00 đến 1,80 là rất thấp, trên 1,80 đến 2,60 là thấp, trên 2,60 đến 3,40 là trung bình, trên 3,40 đến 4,20 là cao và trên 4,20 đến 5,00 là rất cao. Đây là quy ước mô tả do người nghiên cứu chọn, không nên trình bày như một định luật thống kê.

Nếu thang đo có 7 mức, không được dùng nguyên các khoảng của thang 5 mức. Bạn phải tính lại độ rộng khoảng theo miền giá trị và số mức đã dùng. Trước khi viết, hãy ghi rõ thang đo chạy từ bao nhiêu đến bao nhiêu và Mean được tính trên biến đơn hay điểm trung bình của cả thang đo.

Cách đọc số trung bình trên output

Trong SPSS, cách nhanh nhất để tính Mean là mở Analyze > Descriptive Statistics > Descriptives. Đưa các biến cần xem vào ô Variables, chọn Options, đánh dấu Mean, Std. deviation, Minimum và Maximum, sau đó chọn Continue và OK. SPSS sẽ tạo bảng Descriptive Statistics.

Bảng số liệu minh họa

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được giữ theo output SPSS để bạn đối chiếu với file của mình.

Ở dòng HL1, N bằng 198 nghĩa là SPSS sử dụng 198 giá trị hợp lệ. Minimum bằng 1 và Maximum bằng 5 cho thấy dữ liệu quan sát đang nằm trong miền của thang Likert 5 điểm. Mean bằng 3,72 là mức trung bình của HL1, còn Std. Deviation bằng 0,846 cho biết các câu trả lời có mức phân tán quanh Mean.

HL3 chỉ có N bằng 196, trong khi HL1 và HL2 có 198. Có thể HL3 có hai giá trị missing. Dòng Valid N (listwise) bằng 196 cho biết nếu phân tích theo kiểu listwise, chỉ 196 trường hợp có dữ liệu đầy đủ trên toàn bộ các biến được đưa vào bảng. Bạn cần phân biệt N ở từng dòng với Valid N (listwise), vì hai con số này trả lời hai câu hỏi khác nhau.

Khi cần tính Mean cho từng nhóm biến, bạn có thể dùng Analyze > Compare Means > Means. Đưa biến phụ thuộc vào ô Dependent List, biến phân nhóm vào Independent List nếu muốn so sánh giữa nhóm. Nếu chỉ cần thống kê mô tả từng biến, Descriptives thường dễ kiểm tra hơn.

Bạn cũng có thể dùng Analyze > Descriptive Statistics > Frequencies, chọn Statistics rồi đánh dấu Mean, Median, Mode và Std. deviation. Frequencies phù hợp khi muốn xem thêm bảng tần số của từng mức trả lời. Với biến liên tục có nhiều giá trị khác nhau, bảng tần số có thể dài và khó đọc.

Nếu tính Mean cho một khái niệm, chẳng hạn HL gồm HL1, HL2 và HL3, hãy dùng Transform > Compute Variable. Đặt tên biến mới, ví dụ HL_MEAN, rồi nhập công thức MEAN(HL1, HL2, HL3). Hàm MEAN xử lý theo số giá trị hợp lệ trong từng dòng, vì vậy bạn phải kiểm tra quy tắc missing của nghiên cứu trước khi sử dụng. Nếu yêu cầu người trả lời phải có đủ cả ba biến, hãy kiểm tra số lượng giá trị hợp lệ trước khi tạo điểm tổng hợp.

Mean của từng biến quan sát và Mean của thang đo tổng hợp không phải cùng một đại lượng. Mean của HL1 phản ánh một phát biểu, còn HL_MEAN phản ánh điểm trung bình của các biến quan sát thuộc khái niệm HL. Khi viết chương 4, hãy ghi rõ bạn đang báo cáo loại nào.

Khi số trung bình không phù hợp thì xử lý thế nào

Trước tiên, kiểm tra miền giá trị. Vào Analyze > Descriptive Statistics > Frequencies, xem Minimum, Maximum và bảng tần số. Nếu biến Likert 1 đến 5 xuất hiện giá trị 0, 6 hoặc 99, hãy kiểm tra codebook và quy ước missing. Mã 99 đôi khi được dùng để chỉ không trả lời, nhưng SPSS vẫn coi đó là một con số nếu bạn chưa khai báo là missing.

Tiếp theo, kiểm tra chiều của biến. Một biến đảo chiều trong thang đo 1 đến 5 cần được mã hóa lại theo công thức 6 - giá trị cũ. Bạn có thể dùng Transform > Recode into Different Variables để giữ lại biến gốc, sau đó kiểm tra lại Mean của biến mới. Không đảo chiều chỉ vì Mean thấp, mà phải căn cứ vào nội dung phát biểu và thiết kế bảng hỏi.

Sau đó, xem missing và số lượng quan sát hợp lệ. Nếu một biến có N thấp hơn rõ rệt, hãy tìm các dòng bị trống trong Data View và xem cách SPSS đang xử lý missing. Không nên tự điền Mean vào toàn bộ ô trống chỉ để làm N đẹp hơn, vì thao tác đó có thể làm giảm độ biến thiên và ảnh hưởng các phân tích tiếp theo.

Cuối cùng, kiểm tra outlier và phân phối. Mean nhạy với giá trị cực đoan, nên bạn có thể xem Histogram, Boxplot hoặc Explore tại Analyze > Descriptive Statistics > Explore. Việc loại một trường hợp chỉ vì nó làm Mean thay đổi là khó giải trình. Chỉ loại khi có căn cứ rõ ràng như nhập sai, trả lời không hợp lệ theo tiêu chí đã đặt trước hoặc dữ liệu nằm ngoài phạm vi có thể xảy ra.

Nếu Mean thấp nhưng mọi giá trị đều hợp lệ, không cần sửa dữ liệu để đạt một mức mong muốn. Kết quả thấp có thể là phát hiện thực tế của mẫu. Bạn nên báo cáo đúng kết quả, thảo luận nguyên nhân có thể và xem thêm các kiểm định phù hợp. Việc xóa biến hoặc xóa người trả lời chỉ để tăng Mean tạo rủi ro lớn khi giảng viên hỏi về lịch sử xử lý dữ liệu.

Phân biệt số trung bình với trung vị và mốt

Mean là tổng các giá trị chia cho số quan sát. Median là giá trị nằm ở giữa sau khi sắp xếp dữ liệu. Mode là giá trị xuất hiện nhiều nhất. Ba chỉ số có thể giống nhau trong phân phối cân đối, nhưng có thể khác khá xa khi dữ liệu lệch hoặc có outlier.

Ví dụ, dữ liệu thu nhập gồm 6, 7, 7, 8 và 50 có Mean bằng 15,6, trong khi Median bằng 7. Mean bị kéo lên bởi giá trị 50, còn Median phản ánh gần hơn mức điển hình của bốn giá trị thấp. Với dữ liệu thu nhập, chi tiêu hoặc thời gian, nên xem cả Mean và Median thay vì chỉ đọc Mean.

Với thang Likert, Mean thường được dùng để mô tả mức độ đánh giá vì các nghiên cứu định lượng hay tính điểm trung bình cho biến quan sát hoặc thang đo. Median vẫn có ích khi muốn mô tả vị trí giữa của câu trả lời, còn Mode cho biết mức trả lời phổ biến nhất.

Đừng nhầm Mean với Standard Deviation. Mean trả lời câu hỏi mức trung bình là bao nhiêu, còn Standard Deviation trả lời dữ liệu phân tán quanh Mean đến mức nào. Cũng đừng nhầm Mean với điểm nhân tố, điểm hồi quy hoặc hệ số đường dẫn trong SmartPLS. Các chỉ số đó được tạo ra cho mục đích phân tích khác.

Nếu đề tài có biến điều tiết hoặc biến trung gian, Mean của các biến vẫn chỉ là thống kê mô tả. Bạn có thể đọc thêm về moderating hoặc mediator để phân biệt vai trò của biến trong mô hình với giá trị trung bình của biến đó.

Lỗi thường gặp

Chia cho tổng số bảng hỏi thay vì số quan sát hợp lệ

Bạn phát 220 bảng hỏi nhưng một biến chỉ có 214 câu trả lời hợp lệ. Mean của biến đó phải dựa trên số giá trị hợp lệ mà SPSS sử dụng. Hãy đọc cột N trước khi diễn giải.

Dùng Mean để kết luận giả thuyết

Mean cao chỉ mô tả mức đánh giá trong mẫu. Nó không cho biết tác động có ý nghĩa thống kê, quan hệ nhân quả hay giả thuyết được chấp nhận. Kết luận giả thuyết phải dựa trên kiểm định tương ứng.

Bỏ qua biến đảo chiều

Nếu một phát biểu được viết theo hướng ngược, bạn cần xác định cách mã hóa trước khi tính điểm thang đo. Nếu bỏ qua bước này, Mean của thang đo có thể thấp và Cronbach's Alpha hoặc các phân tích sau đó bị ảnh hưởng.

Gộp Mean của các thang đo có số mức khác nhau

Không nên lấy trung bình trực tiếp của biến 1 đến 5 với biến 1 đến 7 nếu chưa có lý do phương pháp rõ ràng. Trước khi tổng hợp, hãy kiểm tra nội dung, hướng đo và miền giá trị của từng biến.

Chỉ báo cáo Mean mà không báo cáo N

Một Mean bằng 3,72 không cho biết nó được tính từ 30 hay 300 người. Trong bảng kết quả, nên ghi N hợp lệ cùng Mean và Std. Deviation để người đọc đánh giá độ đầy đủ của dữ liệu.

Cách viết vào luận văn

Bạn có thể điều chỉnh đoạn sau theo output thật của mình: “Kết quả thống kê mô tả cho thấy biến [MÃ BIẾN] có giá trị trung bình là [MEAN], độ lệch chuẩn là [SD], với [N] quan sát hợp lệ. Giá trị nhỏ nhất và lớn nhất lần lượt là [MIN] và [MAX], cho thấy câu trả lời nằm trong khoảng mã hóa của thang đo [SỐ MỨC] điểm.”

Nếu báo cáo cả thang đo, có thể viết: “Điểm trung bình của thang đo [TÊN KHÁI NIỆM] là [MEAN THANG ĐO], cho thấy mẫu khảo sát có xu hướng đánh giá ở mức [MỨC DIỄN GIẢI] theo quy ước phân loại [NÊU QUY ƯỚC].” Hãy thay toàn bộ placeholder bằng số liệu thật và ghi rõ đây là diễn giải mô tả, không phải kết luận kiểm định giả thuyết.

Câu hỏi thường gặp

Cách tính số trung bình của mẫu số liệu như thế nào?

Bạn cộng tất cả giá trị quan sát hợp lệ rồi chia cho số quan sát hợp lệ. Công thức là x̄ = Σxᵢ / n. Với dữ liệu trong SPSS, dùng Analyze > Descriptive Statistics > Descriptives để phần mềm tính Mean và N.

Số trung bình bao nhiêu là đạt?

Mean không có một mức đạt chung. Bạn cần xem biến được đo bằng thang nào, miền giá trị ra sao và mục tiêu nghiên cứu là gì. Với Likert 5 điểm, hãy dùng quy ước diễn giải đã nêu trong phương pháp và kiểm tra Mean có nằm từ 1 đến 5 hay không.

Mean và Median khác nhau thì phải làm sao?

Đây thường là dấu hiệu phân phối lệch hoặc có giá trị cực đoan, không tự động có nghĩa dữ liệu sai. Hãy xem Histogram, Boxplot, Minimum, Maximum và các trường hợp outlier trước khi quyết định cách báo cáo.

Vì sao Mean trong SPSS khác với kết quả tự tính?

Các nguyên nhân thường gặp là bạn chia cho tổng số dòng thay vì N hợp lệ, SPSS đang loại missing theo cách khác, hoặc một số giá trị như 99 chưa được khai báo là missing. Hãy kiểm tra cột N, mã missing và công thức tính trong Transform > Compute Variable.

Có nên dùng Mean cho dữ liệu Likert không?

Trong nhiều luận văn định lượng, Mean được dùng để mô tả biến quan sát và điểm trung bình thang đo. Bạn vẫn nên báo cáo thêm Standard Deviation, nêu rõ cách mã hóa và cân nhắc Median nếu dữ liệu lệch mạnh hoặc có giá trị cực đoan.

Mở file SPSS của bạn, chạy Analyze > Descriptive Statistics > Descriptives, đối chiếu cột N, Mean, Minimum, Maximum và Std. Deviation, rồi lưu bảng output cùng cú pháp xử lý. Nếu cần chạy thống kê trên chính file .sav hoặc .csv và kiểm tra từng bước, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.