Corrected Item Total Correlation là gì? Cách đọc trong SPSS

Corrected Item Total Correlation là gì?

Bạn mở SPSS, chạy Cronbach's Alpha và thấy bảng Item-Total Statistics. Ở đó, cột Corrected Item-Total Correlation cho biết mức độ tương quan giữa một biến quan sát với tổng điểm của các biến còn lại trong cùng thang đo. Nói đơn giản, chỉ số này giúp bạn kiểm tra một biến quan sát có đang đi cùng hướng với khái niệm mà cả thang đo muốn đo hay không.

Từ “corrected” có ý nghĩa quan trọng. Khi tính tương quan, SPSS loại chính biến đang được kiểm tra khỏi tổng điểm thang đo. Vì vậy, tổng điểm dùng để đối chiếu không bao gồm chính biến đó. Cách tính này tránh làm hệ số tương quan bị tăng giả tạo do biến quan sát đã nằm trong tổng điểm.

Ví dụ, thang đo chất lượng dịch vụ có năm biến SERVQUAL1 đến SERVQUAL5. Khi kiểm tra SERVQUAL2, SPSS so sánh điểm của SERVQUAL2 với tổng điểm SERVQUAL1, SERVQUAL3, SERVQUAL4 và SERVQUAL5. Kết quả xuất hiện trong cột Corrected Item-Total Correlation.

Bạn có thể xem thêm phần giải thích về Cronbach's Alpha để hiểu mối liên hệ giữa hệ số này, độ tin cậy nội tại và quyết định giữ hoặc loại biến. Corrected Item Total Correlation không phải là một kiểm định độc lập cho toàn bộ mô hình. Nó là chỉ báo ở cấp độ từng biến quan sát trong một thang đo.

Ý nghĩa của Corrected Item Total Correlation trong nghiên cứu định lượng

Trong nghiên cứu định lượng, một khái niệm như sự hài lòng, ý định mua hoặc chất lượng cảm nhận thường được đo bằng nhiều biến quan sát. Các biến này cần có sự nhất quán nhất định. Nếu một biến hỏi về một nội dung khác, bị mã hóa ngược nhưng chưa đảo chiều, hoặc người trả lời hiểu không giống các biến còn lại, hệ số Corrected Item Total Correlation có thể thấp.

Chỉ số này thường được đọc cùng với Cronbach's Alpha, Cronbach's Alpha if Item Deleted và Scale Mean if Item Deleted. Bạn không nên chỉ nhìn một con số rồi xóa biến ngay. Quyết định cần dựa trên nội dung lý thuyết của biến, cách mã hóa dữ liệu, số lượng biến còn lại và ảnh hưởng của việc loại biến đến Alpha.

Một hệ số thấp có thể báo hiệu ba tình huống. Thứ nhất, biến quan sát thực sự không phù hợp với các biến còn lại. Thứ hai, biến là câu hỏi đảo chiều nhưng bạn chưa recode. Thứ ba, dữ liệu có lỗi, chẳng hạn nhập sai mã, dùng nhầm thang đo hoặc có quá nhiều câu trả lời thiếu.

Vì vậy, Corrected Item Total Correlation hỗ trợ quyết định sàng lọc thang đo, nhưng không thay thế việc đọc cơ sở lý thuyết. Một biến có nội dung quan trọng và hệ số hơi thấp có thể cần được trao đổi với giảng viên thay vì xóa máy móc. Ngược lại, một biến có hệ số đạt vẫn cần được xem xét nếu nội dung không phù hợp với khái niệm.

Nếu bạn đang chạy toàn bộ quy trình, có thể đối chiếu với hướng dẫn kiểm định độ tin cậy thang đo trong SPSS. Phần này giúp bạn đặt Corrected Item Total Correlation vào đúng thứ tự phân tích, trước khi chuyển sang EFA hoặc mô hình hồi quy.

Corrected Item Total Correlation bao nhiêu là đạt?

Ngưỡng được dùng phổ biến trong luận văn là Corrected Item-Total Correlation từ 0,3 trở lên. Nunnally và Bernstein gắn ngưỡng 0,3 với tương quan biến tổng đã hiệu chỉnh (Nunnally và Bernstein, 1994). Khi hệ số nhỏ hơn 0,3, biến thường được đưa vào danh sách cần xem xét, nhưng kết luận cuối cùng vẫn phải dựa trên nội dung thang đo và kết quả chạy lại.

Bảng dưới đây tóm tắt các mốc thường xuất hiện khi đọc bảng Reliability Analysis. Mỗi mốc cần được ghi cùng nguồn, đặc biệt khi bạn đưa vào chương phương pháp hoặc chương kết quả.

Bạn sẽ thấy một số tài liệu hoặc giảng viên yêu cầu ngưỡng cao hơn, chẳng hạn 0,4 hoặc 0,5. Khi đó, bạn cần dùng đúng quy ước của đề tài và giải thích nhất quán. Không nên đổi ngưỡng sau khi đã xem kết quả chỉ để giữ nhiều biến hơn.

Cũng cần phân biệt hai khái niệm. Corrected Item Total Correlation từ 0,3 trở lên là tiêu chí ở cấp biến quan sát. Cronbach's Alpha từ 0,7 trở lên là tiêu chí ở cấp toàn bộ thang đo. Một biến có hệ số 0,35 vẫn có thể nằm trong thang đo có Alpha đạt. Ngược lại, Alpha cao không tự động chứng minh mọi biến đều phù hợp.

Cách đọc Corrected Item Total Correlation trong SPSS

Bạn có thể chạy chỉ số này bằng menu Analyze > Scale > Reliability Analysis. Quy trình dưới đây dùng cho SPSS và phù hợp khi bạn đang kiểm tra một thang đo gồm nhiều biến quan sát.

Bước 1: Kiểm tra dữ liệu trước khi chạy

Trong Data View, mỗi dòng nên là một người trả lời và mỗi cột là một biến. Kiểm tra tên biến, kiểu dữ liệu và mã giá trị. Với thang Likert năm mức, bạn cần chắc chắn các giá trị được nhập thống nhất, chẳng hạn từ 1 đến 5.

Nếu có biến đảo chiều, hãy recode trước khi chạy. Ví dụ, một biến có nội dung “Tôi thường không hài lòng với dịch vụ” có thể cần đảo chiều so với các biến còn lại. Trong SPSS, bạn có thể dùng Transform > Recode into Different Variables, tạo tên biến mới và kiểm tra lại bảng tần số trước khi đưa vào Reliability Analysis.

Bước 2: Mở Reliability Analysis

Chọn Analyze > Scale > Reliability Analysis. Đưa các biến quan sát thuộc cùng một khái niệm vào ô Items. Không đưa biến phụ thuộc, biến nhân khẩu học hoặc biến thuộc thang đo khác vào cùng một lần chạy.

Ở ô Model, chọn Alpha. Đây là lựa chọn để tính Cronbach's Alpha và bảng Item-Total Statistics. Nếu bạn chạy từng nhóm biến riêng, hãy đặt tên nhóm trong ghi chú phân tích để sau này không nhầm kết quả giữa các thang đo.

Bước 3: Chọn các cột cần hiển thị

Bấm Statistics. Trong phần Descriptives for, chọn Scale, Scale if item deleted và Item. Các lựa chọn này giúp SPSS hiển thị Scale Mean if Item Deleted, Scale Variance if Item Deleted, Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted.

Bấm Continue, sau đó chọn OK. Nếu muốn lưu cú pháp, bạn có thể dùng Paste thay vì OK. Việc lưu cú pháp giúp bạn chạy lại đúng cùng một quy trình sau khi loại một biến và tạo nhật ký phân tích rõ ràng.

Bước 4: Đọc bảng Item-Total Statistics

Tập trung vào hai cột. Corrected Item-Total Correlation cho biết hệ số của từng biến với tổng điểm đã loại biến đó. Cronbach's Alpha if Item Deleted cho biết Alpha dự kiến của thang đo nếu biến tương ứng bị loại.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu cụ thể. Tên cột được giữ theo cách SPSS hiển thị để bạn đối chiếu trực tiếp với file đang mở.

Trong bảng minh họa, HL1, HL2, HL3 và HL5 đều cao hơn 0,3. HL4 thấp hơn 0,3 nên cần được xem xét. Alpha tăng từ mức hiện tại lên 0,884 nếu xóa HL4, nhưng đó mới là tín hiệu để kiểm tra thêm, chưa phải lý do duy nhất để loại biến.

Bạn có thể xem bài Cronbach Alpha trong SPSS nếu cần đối chiếu toàn bộ cửa sổ tùy chọn và cách đọc Reliability Statistics. Khi đọc output thật, hãy ghi lại Alpha trước khi loại biến, hệ số của biến, Alpha if Item Deleted và lý do quyết định.

Khi Corrected Item Total Correlation không đạt thì xử lý thế nào?

Hãy xử lý theo thứ tự từ kiểm tra dữ liệu đến xem xét lý thuyết. Cách làm này giúp bạn tránh việc xóa biến ngay chỉ vì một con số thấp.

Kiểm tra mã hóa và biến đảo chiều

Mở Analyze > Descriptive Statistics > Frequencies để xem phân phối và các giá trị xuất hiện của biến. Nếu một biến đáng lẽ có giá trị từ 1 đến 5 nhưng lại có mã 0, 6 hoặc giá trị chữ, hãy sửa dữ liệu hoặc cách khai báo trước khi chạy lại.

Nếu biến đảo chiều chưa được recode, tạo biến mới bằng Transform > Recode into Different Variables. Không ghi đè biến gốc khi chưa lưu bản sao dữ liệu. Sau đó chạy lại Cronbach's Alpha với biến đã đảo chiều.

Đọc nội dung biến quan sát

Đối chiếu biến có hệ số thấp với định nghĩa khái niệm và các biến còn lại. Có thể biến đó đo một khía cạnh khác, câu chữ không rõ, hoặc bản dịch làm thay đổi ý nghĩa. Nếu biến là thành phần bắt buộc của thang đo gốc, bạn cần trao đổi với giảng viên trước khi loại.

So sánh Alpha if Item Deleted

Nếu Corrected Item-Total Correlation thấp và Cronbach's Alpha if Item Deleted tăng đáng kể, việc loại biến có cơ sở thống kê hơn. Tuy vậy, bạn vẫn cần kiểm tra số biến còn lại. Xóa liên tiếp nhiều biến chỉ để tăng Alpha có thể làm thang đo mất nội dung và khiến kết quả khó giải thích.

Loại biến và chạy lại nếu có lý do

Nếu quyết định loại, chỉ loại một biến trong mỗi vòng để biết thay đổi đến từ đâu. Chạy lại Analyze > Scale > Reliability Analysis, ghi nhận output mới và kiểm tra các biến còn lại. EFA cũng có thể phát hiện vấn đề khác ở bước sau, nhưng bạn không nên dùng EFA để hợp thức hóa một quyết định đã thiếu lý do.

Cách giải trình thường được chấp nhận là: biến có Corrected Item-Total Correlation nhỏ hơn 0,3, nội dung chưa phù hợp với các biến cùng thang đo, và việc loại biến giúp độ tin cậy của thang đo được cải thiện. Bạn cần điền số liệu thật từ output của mình vào câu này, không dùng các con số minh họa ở trên.

Phân biệt Corrected Item Total Correlation với Item Total Correlation và Cronbach's Alpha

Item-Total Correlation là cách gọi rộng cho tương quan giữa một biến và tổng điểm. Trong Cronbach's Alpha của SPSS, cột bạn thường dùng để quyết định là Corrected Item-Total Correlation, vì tổng điểm đã loại chính biến đang kiểm tra.

Corrected Item-Total Correlation cũng khác với Cronbach's Alpha. Hệ số đầu tiên đánh giá từng biến quan sát. Hệ số thứ hai đánh giá độ nhất quán của cả nhóm biến. Bạn có thể hình dung một thang đo như một đội: Corrected Item-Total Correlation xem từng thành viên phối hợp với phần còn lại ra sao, còn Alpha xem độ nhất quán của cả đội.

Chỉ số này cũng không giống Composite Reliability. Composite Reliability thường xuất hiện trong PLS-SEM và được đọc cùng outer loading, AVE hoặc HTMT. Nếu bạn đang dùng SmartPLS, hãy xem thêm Composite Reliability là gì để không lấy ngưỡng của chỉ số này thay cho tiêu chí trong SPSS.

Ngoài ra, Corrected Item-Total Correlation không phải factor loading. Factor loading cho biết biến quan sát liên hệ với nhân tố trong EFA hoặc mô hình đo lường. Một biến có hệ số tương quan biến tổng đạt vẫn có thể tải lên nhiều nhân tố khi chạy EFA. Hai bước này bổ sung cho nhau và không nên gộp thành một tiêu chí.

Lỗi thường gặp

Xóa biến ngay khi thấy hệ số nhỏ hơn 0,3

Đây là lỗi phổ biến nhất. Trước tiên hãy kiểm tra biến đảo chiều, mã dữ liệu và nội dung câu hỏi. Bạn cũng cần xem Alpha if Item Deleted, số lượng biến còn lại và vai trò lý thuyết của biến.

Dùng Alpha if Item Deleted làm kết quả chính

Cột này chỉ cho biết Alpha dự kiến nếu xóa từng biến. Nó không thay thế Corrected Item-Total Correlation. Khi viết kết quả, cần báo cáo cả Alpha của thang đo và hệ số của các biến bị loại nếu có.

Chạy chung các biến khác khái niệm

Mỗi lần chạy Reliability Analysis nên dùng các biến thuộc cùng một thang đo. Nếu trộn biến của “sự hài lòng”, “niềm tin” và “ý định mua”, các hệ số sẽ khó diễn giải và không phản ánh độ tin cậy của từng khái niệm.

Không lưu output và lý do loại biến

Hãy lưu file .spv, bảng kết quả hoặc syntax sau từng vòng chạy. Trong luận văn, bạn có thể cần giải thích vì sao một biến xuất hiện trong bảng câu hỏi nhưng không còn trong phân tích chính thức. Nhật ký ngắn gồm tên biến, hệ số, quyết định và lý do sẽ giúp bạn trả lời câu hỏi này.

Viết ngưỡng mà không ghi nguồn

Nếu bạn viết “hệ số phải lớn hơn 0,3” trong chương phương pháp, hãy ghi nguồn (Nunnally và Bernstein, 1994). Với Cronbach's Alpha, dùng (Nunnally, 1978) cho mốc 0,7 hoặc (Hair và cộng sự, 2010) khi trình bày trường hợp thang đo khám phá có thể dùng mốc 0,6.

Câu hỏi thường gặp

Corrected Item Total Correlation nhỏ hơn 0,3 có phải loại ngay không?

Chưa nên loại ngay. Bạn cần kiểm tra mã hóa, biến đảo chiều, nội dung thang đo và cột Cronbach's Alpha if Item Deleted. Nếu sau các bước này biến vẫn thấp và không có vai trò lý thuyết cần giữ, bạn có thể cân nhắc loại rồi chạy lại.

Corrected Item Total Correlation bao nhiêu là tốt?

Mốc từ 0,3 trở lên thường được dùng để xem biến quan sát có tương quan phù hợp với tổng thang đo, theo (Nunnally và Bernstein, 1994). Hệ số càng cao thường cho thấy biến đồng nhất hơn với các biến còn lại, nhưng không nên chọn biến chỉ dựa vào việc hệ số cao.

Corrected Item Total Correlation trong SPSS nằm ở bảng nào?

Chỉ số này nằm trong bảng Item-Total Statistics, thuộc output của Analyze > Scale > Reliability Analysis. Bạn cần chọn Scale if item deleted trong nút Statistics để SPSS hiển thị đầy đủ các cột liên quan.

Có thể dùng Corrected Item Total Correlation để kết luận thang đo đạt không?

Không. Đây là tiêu chí ở cấp từng biến quan sát. Để đánh giá thang đo, bạn cần xem thêm Cronbach's Alpha, số biến còn lại, nội dung lý thuyết và các bước tiếp theo như EFA hoặc mô hình đo lường phù hợp với phương pháp nghiên cứu.

Vì sao Corrected Item Total Correlation bị âm?

Hệ số âm thường gợi ý biến đang đi ngược chiều với các biến còn lại. Nguyên nhân hay gặp là biến đảo chiều chưa được recode, nhập sai mã hoặc người trả lời hiểu câu hỏi theo hướng khác. Kiểm tra bảng mã và phân phối trước khi quyết định xóa biến.

Bạn hãy mở lại output Item-Total Statistics, đánh dấu từng biến có hệ số dưới 0,3, kiểm tra mã hóa và ghi lại quyết định trước khi chạy vòng tiếp theo. Nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích của DoThesis hỗ trợ bước này theo quy trình SPSS và SmartPLS.