Dữ liệu số là gì trong nghiên cứu định lượng
Dữ liệu số là gì
Dữ liệu số là dữ liệu được biểu diễn bằng các giá trị số để máy tính có thể lưu trữ, sắp xếp và thực hiện phép tính. Trong nghiên cứu định lượng, dữ liệu số thường xuất hiện dưới dạng tuổi, thu nhập, số lần mua hàng, điểm trung bình hoặc mức độ đồng ý trên thang Likert. Bạn có thể xem các quan sát này trong file .sav, .csv hoặc bảng Data View của SPSS.
Ví dụ, khi một người trả lời chọn mức độ đồng ý là 4, SPSS lưu giá trị 4 trong ô dữ liệu. Khi 120 người trả lời hoàn thành cùng biến quan sát, cột đó tạo thành một biến số có 120 giá trị. Phần mềm có thể tính trung bình, độ lệch chuẩn, tương quan hoặc đưa biến này vào mô hình hồi quy.
Cần phân biệt dữ liệu số với việc một biến được mã hóa bằng chữ số. Giới tính có thể được nhập thành 1 = Nam và 2 = Nữ, nhưng các mã 1 và 2 chỉ là nhãn phân loại. Tính trung bình của biến này không tạo ra một ý nghĩa thực tế. Dữ liệu số đúng nghĩa phải cho phép phép tính phù hợp với cách biến được đo.
Trong đề tài định lượng, dữ liệu số thường được tạo từ bảng hỏi, hồ sơ giao dịch hoặc hệ thống đo lường. Nếu bạn đang xây dựng bảng hỏi, phần lựa chọn thang đo cần đi cùng quy tắc mã hóa ngay từ đầu. Bạn có thể xem thêm scale là gì để phân biệt thang đo với dữ liệu được nhập sau khi khảo sát.
Ý nghĩa của dữ liệu số trong nghiên cứu định lượng
Dữ liệu số quyết định bạn có thể chạy loại phân tích nào và kết luận đến mức nào. Một biến tuổi được thu trực tiếp là 23, 31, 42 có tính chất khác với biến nhóm tuổi 1 = dưới 25, 2 = từ 25 đến 34, 3 = từ 35 trở lên. Cả hai đều nhìn giống cột số trong SPSS, nhưng cách đọc và cách phân tích không giống nhau.
Với dữ liệu số liên tục hoặc gần liên tục, bạn có thể mô tả bằng Mean, Standard Deviation, Minimum và Maximum. Các giá trị này giúp phát hiện một biến có bị nhập sai hay không. Chẳng hạn, biến số năm kinh nghiệm có Maximum bằng 250 trong một mẫu người lao động có thể là lỗi nhập 25, dù phần mềm vẫn chấp nhận số 250.
Dữ liệu số cũng là đầu vào của các bước kiểm định. Điểm của các biến quan sát có thể được dùng để chạy Cronbach's Alpha, EFA, hồi quy tuyến tính hoặc mô hình PLS-SEM. Khi kiểm tra tương quan, phần mềm dựa vào khoảng cách và mức biến thiên giữa các giá trị. Nếu bạn nhập chữ, nhập sai mã hoặc để lẫn đơn vị đo, kết quả có thể bị lệch mà bảng output vẫn xuất hiện bình thường.
Bạn nên phân biệt ba lớp thông tin trong file:
- Giá trị thực tế là con số được lưu trong ô, chẳng hạn 4 hoặc 25.
- Nhãn giá trị là phần giải thích cho mã số, chẳng hạn 1 = Nam, 2 = Nữ.
- Loại biến là cách SPSS xử lý biến, gồm Nominal, Ordinal, Scale.
Trong Variable View, cột Type cho biết dữ liệu được lưu dưới dạng Numeric hay String. Cột Values chứa nhãn cho các mã phân loại. Cột Measure cho biết Nominal, Ordinal hoặc Scale. Ba cột này cần được kiểm tra trước khi chạy phân tích, vì một biến được nhập là Numeric vẫn có thể đang mang bản chất phân loại.
Nếu mô hình của bạn có biến trung gian hoặc biến điều tiết, dữ liệu số còn liên quan đến cách tạo biến mới và kiểm tra tương tác. Bạn có thể đọc thêm về mediator, moderator và moderating để tránh nhầm vai trò của các biến trong mô hình.
Dữ liệu số bao nhiêu là đạt
Dữ liệu số không có một ngưỡng duy nhất áp dụng cho mọi đề tài. Một giá trị được xem là hợp lệ phải phù hợp với định nghĩa biến, đơn vị đo, khoảng giá trị trong bảng hỏi và thiết kế nghiên cứu. Vì vậy, bạn cần kiểm tra tính hợp lệ trước, rồi mới dùng các ngưỡng thống kê cho thang đo hoặc mô hình.
Bảng dưới đây tập hợp các tiêu chí thường gặp. Mỗi dòng chỉ nên được áp dụng đúng cho bước được nêu, không dùng một ngưỡng của Cronbach's Alpha để kết luận dữ liệu thô đã sạch.
| Nội dung kiểm tra | Mức tham khảo | Cách hiểu | Nguồn |
|---|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | Độ tin cậy thường được xem là chấp nhận được | (Nunnally, 1978) |
| Cronbach's Alpha với thang đo khám phá | Từ 0.6 trở lên | Có thể chấp nhận trong bối cảnh khám phá | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | Biến quan sát có tương quan phù hợp với tổng thang đo | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | Dữ liệu có mức phù hợp tối thiểu để xem xét EFA | (Kaiser, 1974) |
| Bartlett's Test | Sig. dưới 0.05 | Ma trận tương quan khác ma trận đơn vị ở mức ý nghĩa đã chọn | (Kaiser, 1974) |
| Factor loading | Từ 0.5 trở lên | Mức tải nhân tố thường được dùng để xem xét biến quan sát | (Hair và cộng sự, 2010) |
| Total Variance Explained | Từ 50% trở lên | Mức phương sai trích tham khảo trong phân tích nhân tố | (Hair và cộng sự, 2010) |
| 5 đến 10 quan sát cho một biến quan sát | Theo thiết kế mẫu | Quy tắc tham khảo khi dự kiến cỡ mẫu cho bảng hỏi | (Hair và cộng sự, 2010) |
Các ngưỡng trong bảng không thay thế cho việc đọc bối cảnh dữ liệu. Chẳng hạn, Alpha cao có thể xuất hiện khi các biến quan sát quá giống nhau, nhưng điều đó chưa chứng minh bảng hỏi đo đúng khái niệm. Tương tự, KMO đạt không có nghĩa mọi biến đều sạch hoặc mô hình lý thuyết đã đúng.
Nếu đề tài dùng SmartPLS, bạn sẽ gặp các tiêu chí khác như outer loading, CR, AVE, HTMT, VIF, R² và Q². Không nên lấy CFI, TLI hoặc RMSEA của CB-SEM để đánh giá một mô hình PLS-SEM. Dữ liệu số là đầu vào, còn tiêu chí đánh giá phải đi theo phương pháp bạn đã chọn.
Cách đọc dữ liệu số trên output
Trong SPSS, bạn có thể bắt đầu bằng thống kê mô tả. Mở Analyze > Descriptive Statistics > Frequencies nếu muốn kiểm tra tần suất và giá trị bất thường của từng biến. Với các biến số cần Mean và Standard Deviation, vào Analyze > Descriptive Statistics > Descriptives, đưa biến vào ô Variable(s) rồi chọn các thống kê cần xem.
Ví dụ dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được giữ theo cách SPSS thường hiển thị để bạn đối chiếu với file đang mở.
Bảng Descriptive Statistics, số liệu minh họa
| N | Minimum | Maximum | Mean | Std. Deviation |
|---|---|---|---|---|
| 186 | 1.00 | 5.00 | 3.72 | 0.81 |
Nếu đây là biến HL1 được đo bằng Likert 1 đến 5, Minimum bằng 1 và Maximum bằng 5 nằm trong khoảng thiết kế. Mean bằng 3.72 cho biết mức trả lời trung bình của mẫu minh họa, còn Std. Deviation bằng 0.81 cho biết mức phân tán quanh trung bình. Bạn chưa thể kết luận giả thuyết được chấp nhận chỉ từ hai con số này.
Khi chạy Frequencies, bạn có thể thấy bảng như sau:
Bảng Frequencies, số liệu minh họa
| HL1 | Frequency | Percent | Valid Percent | Cumulative Percent |
|---|---|---|---|---|
| 1 | 8 | 4.3 | 4.3 | 4.3 |
| 2 | 17 | 9.1 | 9.1 | 13.4 |
| 3 | 39 | 21.0 | 21.0 | 34.4 |
| 4 | 74 | 39.8 | 39.8 | 74.2 |
| 5 | 48 | 25.8 | 25.8 | 100.0 |
| Total | 186 | 100.0 | 100.0 | 100.0 |
Frequency là số quan sát ở mỗi mức. Percent tính trên toàn bộ số dòng, còn Valid Percent loại phần missing trước khi tính. Khi không có dữ liệu thiếu, hai cột này bằng nhau. Cumulative Percent là phần trăm cộng dồn, thường hữu ích khi xem biến thứ bậc.
Nếu bạn muốn kiểm tra dữ liệu số ngoài khoảng, vào Analyze > Descriptive Statistics > Frequencies, chọn Statistics, sau đó xem Minimum và Maximum. Một biến Likert từ 1 đến 5 mà có giá trị 0 hoặc 6 cần được kiểm tra ở Data View. Bạn cũng có thể dùng Data > Sort Cases để đưa giá trị nhỏ nhất hoặc lớn nhất lên đầu.
Khi dữ liệu số có nhiều biến quan sát, đừng chỉ nhìn từng cột riêng lẻ. Hãy kiểm tra mã biến, nhãn biến, số dòng hợp lệ và các giá trị missing. Một dòng trả lời có toàn bộ biến bằng cùng một số có thể là dấu hiệu trả lời theo một mẫu cố định, nhưng cần xem cả thời gian trả lời và quy tắc làm sạch đã được bạn xác định trước.
Khi dữ liệu số không đạt thì xử lý thế nào
Bạn xử lý theo thứ tự từ lỗi rõ ràng nhất đến vấn đề cần cân nhắc về phương pháp. Ghi lại từng thay đổi trong một file hoặc bảng nhật ký, gồm mã quan sát, biến bị ảnh hưởng, lý do xử lý và kết quả sau xử lý. Việc xóa dữ liệu mà không có dấu vết thường khiến bạn khó giải trình khi giảng viên hỏi.
Kiểm tra lại định nghĩa và mã hóa biến
Mở bảng hỏi gốc và đối chiếu với Variable View. Nếu câu trả lời hợp lệ là 1 đến 5 nhưng file có 7, xác định đó là lỗi nhập, mã dành cho không trả lời hay một lựa chọn bạn chưa đưa vào tài liệu. Không tự động đổi 7 thành 5 vì hai giá trị này có thể mang ý nghĩa khác nhau.
Với câu hỏi đảo chiều, bạn cần recode trước khi tính điểm thang đo. Trong SPSS, dùng Transform > Recode into Different Variables để tạo biến mới, giữ biến gốc làm bản sao đối chiếu. Việc ghi đè trực tiếp lên biến gốc làm tăng rủi ro không thể khôi phục cách mã hóa ban đầu.
Kiểm tra dữ liệu thiếu
Dùng Analyze > Descriptive Statistics > Frequencies để xem số lượng missing ở từng biến. Nếu một người trả lời bỏ trống nhiều phần của bảng hỏi, hãy áp dụng quy tắc loại đã đặt trong phương pháp nghiên cứu. Nếu chỉ thiếu ít giá trị, cách xử lý còn phụ thuộc loại biến, tỷ lệ thiếu và quy định của giảng viên.
Không nên điền hàng loạt giá trị trung bình chỉ để tăng số dòng hợp lệ. Cách này có thể làm giảm biến thiên của dữ liệu và ảnh hưởng đến tương quan. Nếu bạn dùng phương pháp thay thế missing, cần ghi rõ biến nào, quy tắc nào và vì sao phù hợp.
Kiểm tra outlier
Outlier là quan sát có giá trị khác biệt đáng kể so với phần còn lại. Bạn có thể dùng boxplot, histogram hoặc điểm chuẩn hóa để phát hiện dấu hiệu ban đầu. Tuy nhiên, một giá trị khác biệt chưa chắc là lỗi. Nó có thể phản ánh đúng một người có thu nhập, tuổi hoặc tần suất mua hàng đặc biệt.
Hãy xem thêm bài outliers để phân biệt lỗi nhập dữ liệu với quan sát cực trị hợp lệ. Chỉ xóa outlier khi có căn cứ rõ ràng, chẳng hạn giá trị nằm ngoài khả năng thực tế hoặc vi phạm điều kiện tuyển mẫu. Nếu xóa, lưu bản gốc và nêu tiêu chí trong luận văn.
Chạy lại phân tích sau mỗi thay đổi
Sau khi sửa mã hóa, loại dòng hoặc tạo biến mới, chạy lại bước phân tích liên quan. Nếu Cronbach's Alpha thay đổi, lưu output của cả vòng trước và sau. EFA hiếm khi ra đẹp ở lần chạy đầu, nhưng việc loại biến cần dựa vào factor loading, cross-loading, cơ sở lý thuyết và trao đổi với người hướng dẫn, không chỉ dựa vào việc muốn làm đẹp bảng kết quả.
Phân biệt dữ liệu số với dữ liệu phân loại
Dữ liệu số, dữ liệu định lượng và biến Scale thường bị dùng lẫn nhau. Dữ liệu định lượng nhấn mạnh việc giá trị có thể được đo và phân tích bằng số. Dữ liệu phân loại dùng số để đặt nhãn cho nhóm. Trong SPSS, cả hai đều có thể nằm trong cột Numeric, nên nhìn vào kiểu lưu trữ là chưa đủ.
| Ví dụ biến | Giá trị trong file | Bản chất | Phân tích mô tả phù hợp |
|---|---|---|---|
| Tuổi | 18, 22, 35 | Định lượng | Mean, độ lệch chuẩn, Min, Max |
| Số lần mua trong tháng | 0, 1, 4 | Định lượng rời rạc | Mean, trung vị, tần suất |
| Mức độ đồng ý | 1 đến 5 | Thứ bậc, thường xử lý gần liên tục trong nhiều nghiên cứu | Tần suất, Mean theo thiết kế nghiên cứu |
| Giới tính | 1 = Nam, 2 = Nữ | Phân loại danh nghĩa | Frequency, Percent |
| Nhóm thu nhập | 1, 2, 3, 4 | Phân loại có thứ bậc | Frequency, Percent, trung vị khi phù hợp |
| Mã người trả lời | 1001, 1002, 1003 | Mã định danh | Không tính trung bình |
Một nhầm lẫn phổ biến là xem mã người trả lời như một biến giải thích. ID = 1001 không có nghĩa người đó có mức độ thuộc tính cao hơn người có ID = 1000. Tương tự, mã 1 và 2 của giới tính không tạo ra khoảng cách số bằng một đơn vị.
Một nhầm lẫn khác là cho rằng mọi dữ liệu Likert đều giống nhau. Một biến quan sát đơn lẻ từ 1 đến 5 có tính thứ bậc rõ ràng. Khi nhiều biến quan sát cùng đo một khái niệm được kiểm tra độ tin cậy và tổng hợp thành điểm, cách xử lý tiếp theo cần được giải thích trong phương pháp nghiên cứu.
Lỗi thường gặp
Nhập số nhưng để Measure sai
Nếu biến tuổi được để Nominal, một số thủ tục có thể xử lý nó như biến phân loại. Nếu biến giới tính được để Scale, SPSS vẫn có thể chạy hồi quy, nhưng kết quả không tự động trở nên hợp lý. Hãy kiểm tra Measure theo bản chất biến và mô hình, không chọn Scale cho mọi cột số.
Dùng mã missing như một giá trị thật
Một số bảng hỏi dùng 99 hoặc 999 cho câu không trả lời. Nếu bạn quên khai báo missing, SPSS sẽ tính 999 vào Mean và làm sai Maximum. Trong Variable View, kiểm tra cột Missing và đối chiếu với quy ước mã hóa của bảng hỏi.
Kết luận dữ liệu tốt chỉ vì Mean nằm trong khoảng
Mean bằng 3.5 trong thang 1 đến 5 không chứng minh dữ liệu không có lỗi. Bạn vẫn cần xem missing, giá trị cực trị, phân phối, câu trả lời trùng lặp và tính nhất quán của mã hóa. Một bảng dữ liệu sạch là kết quả của quy trình kiểm tra, không phải của một con số duy nhất.
Xóa dòng để đạt ngưỡng mẫu
Việc xóa dữ liệu chỉ để Alpha, KMO hoặc p-value đạt mong muốn làm tăng rủi ro thiên lệch. Ngưỡng thống kê cần hỗ trợ quyết định phương pháp, không phải mục tiêu để bạn chỉnh dữ liệu. Hãy lưu số quan sát trước và sau xử lý, đồng thời giải thích tiêu chí loại trong chương phương pháp.
Câu hỏi thường gặp
Dữ liệu số là gì và có giống dữ liệu định lượng không?
Dữ liệu số là dữ liệu được lưu hoặc biểu diễn bằng con số. Trong nghiên cứu, phần lớn dữ liệu định lượng là dữ liệu số, nhưng một cột số vẫn có thể chỉ là mã phân loại như giới tính hoặc mã người trả lời. Bạn cần xem bản chất biến trước khi chọn phép tính.
Dữ liệu số trong SPSS để Measure là gì?
SPSS có ba lựa chọn thường gặp là Nominal, Ordinal và Scale. Nominal dùng cho nhóm không có thứ tự, Ordinal dùng cho nhóm có thứ tự, còn Scale dùng cho biến được xử lý như dữ liệu định lượng theo thiết kế nghiên cứu. Đây là thiết lập mô tả cách phân tích, không biến một mã phân loại thành dữ liệu định lượng.
Dữ liệu số bao nhiêu là đạt?
Không có một ngưỡng chung cho mọi dữ liệu số. Bạn cần kiểm tra khoảng giá trị theo bảng hỏi, missing, lỗi nhập và bản chất biến. Các ngưỡng như Alpha từ 0.7, Corrected Item-Total Correlation từ 0.3 hay factor loading từ 0.5 áp dụng cho những bước phân tích cụ thể, với nguồn tương ứng trong bảng tiêu chí.
Dữ liệu số bị thiếu thì làm sao?
Trước tiên, xác định missing là người trả lời bỏ trống, lỗi nhập hay một mã như 99. Sau đó kiểm tra tỷ lệ thiếu theo biến và theo từng dòng, áp dụng quy tắc đã nêu trong phương pháp, rồi lưu lại bản dữ liệu gốc. Không nên tự động thay mọi ô trống bằng Mean mà không xem loại biến và mức độ thiếu.
Dữ liệu số có cần kiểm tra outlier không?
Có, đặc biệt với tuổi, thu nhập, số lần mua hoặc các biến liên tục. Bạn có thể bắt đầu bằng Minimum, Maximum, boxplot và histogram. Một outlier có thể là lỗi hoặc một trường hợp hợp lệ, nên quyết định loại bỏ phải dựa trên bằng chứng và được ghi lại.
Có thể dùng dữ liệu số để chạy Cronbach's Alpha và EFA không?
Có, nếu các giá trị số là điểm của các biến quan sát được thiết kế để đo cùng khái niệm và đã mã hóa đúng. Bạn cần kiểm tra câu đảo chiều, missing và phạm vi điểm trước khi chạy. Sau đó đọc Reliability Statistics, Item-Total Statistics, KMO and Bartlett's Test và Rotated Component Matrix theo đúng thứ tự phân tích.
Mở file dữ liệu của bạn ngay bây giờ, kiểm tra Type, Values, Missing và Measure trong Variable View, rồi chạy bảng Frequencies để rà Minimum, Maximum và số ô thiếu trước khi phân tích tiếp; nếu cần chạy toàn bộ dữ liệu .sav hoặc .csv trên SPSS và SmartPLS, bạn có thể dùng M4 phân tích của DoThesis.