Giá trị trung bình là gì? Cách đọc và diễn giải trong SPSS

Giá trị trung bình là gì

Giá trị trung bình, thường xuất hiện với tên Mean trong SPSS, là kết quả của tổng tất cả các giá trị quan sát chia cho số lượng quan sát hợp lệ. Đây là chỉ số mô tả xu hướng trung tâm của một biến, giúp bạn hình dung một mức độ đại diện cho dữ liệu đang có.

Công thức cơ bản là:

Mean = Tổng các giá trị quan sát / Số quan sát hợp lệ

Ví dụ, năm người trả lời chấm mức độ hài lòng lần lượt là 3, 4, 4, 5 và 4. Giá trị trung bình là (3 + 4 + 4 + 5 + 4) / 5 = 4,00. Nếu một người bỏ trống câu hỏi, SPSS thường chỉ dùng các câu trả lời hợp lệ để tính Mean của biến đó. Vì vậy, bạn cần kiểm tra số lượng quan sát trước khi diễn giải.

Giá trị trung bình khác với việc chọn một câu trả lời phổ biến nhất. Câu trả lời phổ biến nhất là mode, còn giá trị nằm giữa một dãy đã sắp xếp là trung vị. Mean sử dụng toàn bộ các giá trị nên có thể bị kéo lên hoặc kéo xuống bởi một số quan sát quá lớn hoặc quá nhỏ.

Trong bảng dữ liệu, Mean có thể được tính cho biến định lượng như tuổi, thu nhập, số lần mua hàng, hoặc biến Likert được mã hóa từ 1 đến 5. Việc dùng Mean cho dữ liệu Likert cần được trình bày nhất quán với thiết kế thang đo và cách phân tích của đề tài. Con số Mean không tự nó chứng minh một giả thuyết đúng hay sai.

Ý nghĩa của giá trị trung bình trong nghiên cứu định lượng

Trong nghiên cứu định lượng, Mean thường được dùng ở bước thống kê mô tả. Bạn có thể dùng nó để mô tả đặc điểm mẫu, chẳng hạn tuổi trung bình của người trả lời, hoặc mô tả xu hướng đánh giá một biến quan sát, chẳng hạn mức độ đồng ý với nhận định “Tôi hài lòng với dịch vụ”.

Nếu bảng hỏi dùng thang Likert 5 mức, Mean cao hơn cho thấy các câu trả lời có xu hướng nghiêng về phía mức đồng ý cao hơn. Mean thấp cho thấy xu hướng đánh giá thấp hơn. Tuy nhiên, Mean chỉ phản ánh vị trí trung tâm. Bạn vẫn cần xem độ lệch chuẩn để biết câu trả lời tập trung quanh Mean hay phân tán rất rộng.

Ví dụ, hai biến cùng có Mean bằng 3,50. Biến thứ nhất có độ lệch chuẩn thấp, nghĩa là nhiều người trả lời quanh mức 3 và 4. Biến thứ hai có độ lệch chuẩn cao, nghĩa là một nhóm chọn thấp trong khi nhóm khác chọn cao. Hai biến này có cùng Mean nhưng câu chuyện dữ liệu khác nhau.

Mean cũng hỗ trợ bạn phát hiện câu hỏi cần xem lại trước khi chạy Cronbach's Alpha, EFA hoặc hồi quy. Một biến có Mean gần sát mức thấp nhất hoặc cao nhất có thể cho thấy hiện tượng câu trả lời bị dồn về một phía. Khi đó, bạn nên kiểm tra nội dung biến, cách mã hóa và bối cảnh thu thập dữ liệu thay vì vội xóa biến.

Bạn có thể xem các chỉ số liên quan trong chủ đề Thống kê. Khi cần hiểu mức độ biến động quanh Mean, hãy phân biệt độ lệch chuẩn với phương sai. Phương sai là bình phương của độ lệch chuẩn, nên đơn vị đo của nó khó diễn giải trực tiếp hơn.

Giá trị trung bình bao nhiêu là đạt

Câu hỏi “giá trị trung bình bao nhiêu là tốt” không có một ngưỡng chung cho mọi loại dữ liệu. Mean của tuổi, thu nhập, số lần mua và thang Likert có ý nghĩa khác nhau. Với biến nhân khẩu học, bạn không nên gọi Mean cao hay thấp là đạt hoặc không đạt. Với thang Likert, bạn có thể dùng khoảng diễn giải đã xác định trước, nhưng cần nói rõ đó là quy ước diễn giải chứ không phải tiêu chuẩn kiểm định chất lượng thang đo.

Với thang Likert 5 mức từ 1 đến 5, một cách chia khoảng thường dùng là lấy (5 - 1) / 5 = 0,8. Từ đó, các khoảng có thể được trình bày như sau. Bảng này là khung diễn giải minh họa cho thang 5 mức, không thay thế cho việc xem phân phối dữ liệu và mục tiêu nghiên cứu.

Các khoảng trên không phải ngưỡng của Cronbach's Alpha, EFA hay hồi quy. Một biến có Mean bằng 4,30 chưa chắc có độ tin cậy tốt. Chất lượng thang đo phải được đánh giá bằng các chỉ số phù hợp với bước phân tích. Chẳng hạn, Cronbach's Alpha từ 0,7 trở lên thường được chấp nhận theo (Nunnally, 1978), còn Corrected Item-Total Correlation từ 0,3 trở lên được dùng theo (Nunnally và Bernstein, 1994).

Nếu bạn đang diễn giải Mean của các biến quan sát, hãy ghi rõ thang đo có bao nhiêu mức, giá trị lớn biểu thị điều gì và bạn tính Mean trên bao nhiêu quan sát hợp lệ. Cách này giúp người đọc không nhầm giữa “điểm trung bình cao” và “thang đo đạt độ tin cậy”.

Cách đọc giá trị trung bình trong SPSS

Bạn có thể xem giá trị trung bình trong SPSS bằng lệnh thống kê mô tả. Mở file .sav, kiểm tra tên biến ở Variable View, sau đó chọn Analyze > Descriptive Statistics > Descriptives. Đưa các biến cần xem sang ô Variable(s), bấm Options, chọn Mean, Std. deviation, Minimum, Maximum, rồi bấm Continue và OK.

SPSS sẽ tạo bảng Descriptive Statistics. Cột N cho biết số quan sát hợp lệ được dùng, cột Minimum và Maximum cho biết giá trị nhỏ nhất và lớn nhất, cột Mean là giá trị trung bình, còn Std. Deviation là độ lệch chuẩn. Khi đọc một dòng, bạn nên nhìn N trước rồi mới diễn giải Mean. Một Mean tính từ số lượng câu trả lời quá ít không nên được trình bày với mức chắc chắn giống một Mean tính từ toàn bộ mẫu.

Bạn cũng có thể chọn Analyze > Descriptive Statistics > Frequencies nếu muốn xem tần suất từng mức trả lời. Trong hộp thoại này, chọn Statistics, đánh dấu Mean, Median, Mode, Std. deviation, Minimum và Maximum. Bảng tần suất giúp bạn biết Mean bằng 4,00 đến từ nhiều câu trả lời mức 4 hay từ sự kết hợp giữa mức 1 và mức 5.

Số liệu minh họa

Bảng dưới đây mô phỏng đúng dạng cột thường thấy trong output Descriptive Statistics của SPSS. Đây là số liệu minh họa, không phải kết quả của một nghiên cứu cụ thể.

Dòng thứ nhất cho biết có 198 câu trả lời hợp lệ, Mean là 3,76 và độ lệch chuẩn là 0,812. Nếu đây là biến Likert 5 mức, bạn có thể mô tả xu hướng đánh giá ở mức cao theo khung diễn giải đã chọn. Dòng có N = 196 cần được kiểm tra vì có thể có hai giá trị thiếu, hoặc vì SPSS xử lý missing value theo cách bạn đã cài đặt.

Nếu bạn chạy Analyze > Descriptive Statistics > Explore, output sẽ có bảng Descriptives và thêm các thông tin như khoảng tin cậy, độ lệch, độ nhọn. Lệnh này hữu ích khi bạn muốn xem sâu hơn về phân phối và outlier. Đừng chỉ sao chép cột Mean vào chương 4 mà bỏ qua N và Std. Deviation.

Khi giá trị trung bình không đạt thì xử lý thế nào

Trước hết, xác định “không đạt” đang nói đến điều gì. Mean thấp không phải lỗi phần mềm và cũng không phải lý do tự động loại biến. Nếu Mean thấp phản ánh đúng đánh giá của người trả lời, bạn cần báo cáo kết quả đó. Việc sửa dữ liệu để Mean cao hơn là không thể chấp nhận trong một luận văn định lượng.

Thứ tự xử lý nên bắt đầu từ kiểm tra kỹ thuật. Mở Variable View và xem Measure, Values, Missing cùng cách mã hóa. Nếu thang đo từ 1 đến 5 nhưng một biến lại được nhập từ 0 đến 4, Mean sẽ không thể so sánh trực tiếp với các biến còn lại. Nếu có biến đảo chiều, bạn phải recode trước khi tính điểm tổng hợp hoặc chạy kiểm định độ tin cậy.

Tiếp theo, xem bảng tần suất và các giá trị cực đoan. Một số outlier có thể kéo Mean lên hoặc xuống. Bạn có thể kiểm tra bản ghi gốc, quy tắc sàng lọc và lý do giá trị đó xuất hiện. Chỉ loại một quan sát khi có căn cứ rõ ràng như nhập sai, trả lời ngoài phạm vi hoặc vi phạm tiêu chí mẫu đã định trước. Hãy lưu lại mã quan sát, lý do và số lượng bản ghi trước và sau xử lý.

Nếu Mean của một biến quá thấp vì nội dung thực sự được đánh giá thấp, bạn có thể giữ biến và thảo luận kết quả. Nếu biến có lỗi thiết kế, chẳng hạn câu chữ gây hiểu nhầm hoặc mã hóa sai, hãy trao đổi với người hướng dẫn trước khi chạy lại. Khi đã thu thập dữ liệu chính thức, việc sửa câu hỏi rồi coi dữ liệu cũ như dữ liệu mới sẽ tạo rủi ro lớn khi bảo vệ.

Khi nhiều biến có giá trị thiếu, đừng thay thế tùy tiện bằng Mean mà không ghi rõ phương pháp. Cần xem tỷ lệ thiếu, nguyên nhân và cách xử lý phù hợp với thiết kế nghiên cứu. Bạn có thể tham khảo thêm công thức tính phương sai để hiểu vì sao một vài giá trị cực đoan ảnh hưởng đến các chỉ số phân tán.

Phân biệt giá trị trung bình với trung vị và độ lệch chuẩn

Mean, trung vị và độ lệch chuẩn trả lời ba câu hỏi khác nhau. Mean cho biết mức trung tâm tính từ toàn bộ giá trị. Trung vị là giá trị đứng giữa sau khi sắp xếp dữ liệu. Độ lệch chuẩn cho biết các quan sát phân tán quanh Mean đến mức nào.

Ví dụ, thu nhập của năm người là 7, 8, 8, 9 và 50 triệu đồng. Mean là 16,4 triệu đồng, nhưng trung vị là 8 triệu đồng. Trong trường hợp này, Mean bị kéo lên bởi giá trị 50. Nếu chỉ báo cáo Mean, người đọc có thể hình dung mức thu nhập điển hình cao hơn thực tế của phần lớn mẫu.

Độ lệch chuẩn cũng không phải mức độ chính xác của Mean. Một độ lệch chuẩn bằng 0 nghĩa là các quan sát giống nhau, còn độ lệch chuẩn lớn cho thấy dữ liệu phân tán hơn. Bạn nên đọc Mean cùng độ lệch chuẩn, N, Minimum và Maximum. Với dữ liệu lệch mạnh, có thể báo cáo thêm trung vị nếu điều đó phù hợp với mục tiêu nghiên cứu.

Phương sai là chỉ số liên quan trực tiếp đến độ lệch chuẩn nhưng có đơn vị bình phương. Vì vậy, khi viết diễn giải cho người đọc, độ lệch chuẩn thường dễ hiểu hơn. Bạn cũng không nên dùng Mean để thay thế cho kiểm định giả thuyết, hệ số tương quan, hệ số hồi quy hoặc path coefficient.

Lỗi thường gặp

Gọi Mean cao là thang đo đạt. Mean chỉ mô tả xu hướng trả lời. Độ tin cậy và giá trị thang đo cần được đánh giá bằng các phân tích tương ứng.

Bỏ qua số quan sát hợp lệ. Hai biến có cùng Mean nhưng một biến được tính từ 198 quan sát và biến kia chỉ từ 150 quan sát thì cần được xem xét khác nhau.

Làm tròn quá sớm. Hãy giữ đủ số lẻ trong file phân tích, sau đó thống nhất cách trình bày, chẳng hạn hai chữ số thập phân trong bảng luận văn. Đừng làm tròn từng câu trả lời trước khi tính Mean.

Dùng bảng Frequencies nhưng đọc nhầm Mode thành Mean. Trong output, Mean, Median và Mode là ba dòng hoặc ba chỉ số khác nhau. Kiểm tra đúng nhãn trước khi chép kết quả.

Xóa biến chỉ vì Mean thấp. Chỉ số thấp có thể là phát hiện thực tế của đề tài. Hãy kiểm tra mã hóa, missing value và nội dung biến trước khi quyết định.

Dùng Mean để kết luận quan hệ nhân quả. Một biến có Mean cao không chứng minh biến đó tác động lên biến khác. Muốn kiểm tra quan hệ, bạn phải dùng mô hình và kiểm định phù hợp với giả thuyết.

Câu hỏi thường gặp

Giá trị trung bình bao nhiêu là tốt?

Không có một con số tốt cho mọi loại dữ liệu. Với thang Likert 5 mức, Mean từ 3,41 đến 4,20 có thể được mô tả là xu hướng cao nếu bạn đã chọn cách chia khoảng này. Mean cao vẫn cần được đọc cùng độ lệch chuẩn, N và mục tiêu nghiên cứu.

Giá trị trung bình trong SPSS nằm ở đâu?

Bạn chọn Analyze > Descriptive Statistics > Descriptives, đưa biến vào Variable(s) và đánh dấu Mean trong Options. Kết quả nằm ở cột Mean của bảng Descriptive Statistics. Nếu muốn xem từng mức trả lời, dùng thêm Frequencies.

Mean thấp có phải xóa biến không?

Mean thấp không phải điều kiện tự động để xóa biến. Bạn cần kiểm tra mã hóa, biến đảo chiều, missing value, phân phối và nội dung câu hỏi. Nếu dữ liệu phản ánh đúng ý kiến người trả lời, hãy giữ và báo cáo kết quả thay vì điều chỉnh số liệu.

Vì sao Mean và trung vị khác nhau?

Mean dùng toàn bộ giá trị để tính tổng rồi chia cho số quan sát. Trung vị chỉ lấy vị trí giữa sau khi sắp xếp. Khi dữ liệu có outlier hoặc bị lệch, hai chỉ số có thể khác khá xa và trung vị có thể phản ánh nhóm quan sát điển hình rõ hơn.

Có nên tính Mean cho thang đo Likert không?

Trong nhiều luận văn định lượng, Mean được dùng để mô tả các biến Likert đã mã hóa nhất quán. Bạn cần nêu rõ số mức đo, hướng mã hóa và cách diễn giải. Mean mô tả xu hướng trả lời, còn độ tin cậy và giá trị thang đo phải được kiểm tra bằng các chỉ số riêng.

Mở file SPSS của bạn, chạy Analyze > Descriptive Statistics > Descriptives, kiểm tra lần lượt N, Mean, Std. Deviation, Minimum và Maximum, rồi ghi lại cách xử lý missing value hoặc outlier trước khi đưa bảng vào chương 4; nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng module M4 phân tích dữ liệu của DoThesis.