Hai biến tương quan quá cao phải làm sao trong SPSS

Hiện tượng bạn đang gặp

Bạn chạy Analyze > Correlate > Bivariate, xem bảng Correlations và thấy hai biến có Pearson Correlation rất cao, chẳng hạn 0.86 hoặc 0.91. Hai biến có thể là hai biến độc lập trong mô hình hồi quy, hoặc hai biến quan sát thuộc các thang đo khác nhau nhưng đang đo gần như cùng một nội dung.

Một trường hợp khác là khi bạn chạy hồi quy tại Analyze > Regression > Linear, bảng Coefficients hiện VIF lớn, Tolerance nhỏ, hoặc sai số chuẩn của hệ số tăng mạnh. Khi đó, câu hỏi “hai biến tương quan quá cao phải làm sao” cần được tách thành hai việc: xác định mức độ nghiêm trọng và tìm nguyên nhân trước khi sửa.

Tương quan cao chưa tự động có nghĩa là phải xóa một biến. Pearson Correlation chỉ mô tả quan hệ tuyến tính giữa hai biến trong một cặp. Quyết định cuối cùng còn dựa vào nội dung lý thuyết, thang đo, VIF, Tolerance và mục tiêu của mô hình. Nếu bạn đang ở bước làm sạch dữ liệu, có thể xem thêm các chủ đề SPSS của DoThesis để đặt kết quả này vào đúng quy trình phân tích.

Nguyên nhân thường gặp

Hãy ghi lại tên hai biến, số người trả lời hợp lệ và hệ số tương quan trước khi chỉnh sửa file. Đừng xóa biến ngay từ bảng Correlations, vì bạn có thể cần kiểm tra lại cùng cặp biến trong hồi quy.

Bạn cũng nên kiểm tra xem mình đang tương quan các biến quan sát hay điểm tổng hợp của thang đo. Nếu chạy tương quan trên hai item gần như cùng câu chữ, hệ số cao có thể phản ánh sự trùng lặp nội dung. Nếu chạy trên điểm trung bình của hai khái niệm, đó là câu hỏi về phân biệt khái niệm và mô hình lý thuyết.

Đừng nhầm dữ liệu thứ cấp với dữ liệu bảng hỏi khi kiểm tra nguồn biến. Trường hợp biến lấy từ báo cáo, bạn có thể xem dữ liệu thứ cấp là gì. Với dữ liệu khảo sát do bạn tự thu thập, quy trình dữ liệu sơ cấp giúp kiểm tra nguồn gốc và cách mã hóa trước khi đưa vào SPSS.

Cách xử lý theo thứ tự ưu tiên

Kiểm tra mã hóa và dữ liệu gốc

Mở Variable View và kiểm tra Name, Label, Values, Missing của hai biến. Nếu một biến Likert được nhập từ 1 đến 5 còn biến kia bị nhập từ 1 đến 7, hoặc một item đảo chiều chưa được recode, tương quan và kết quả hồi quy có thể bị diễn giải sai.

Với item đảo chiều, chạy Transform > Recode into Different Variables để tạo biến mới. Giữ biến gốc, đặt tên biến sau khi đảo chiều rõ ràng, rồi chạy lại Analyze > Descriptive Statistics > Frequencies để xem các giá trị có nằm trong khoảng dự kiến hay không.

Kiểm tra cả giá trị thiếu. Hai biến có thể có Pearson Correlation cao vì SPSS chỉ dùng những dòng có dữ liệu hợp lệ cho cả cặp biến. Số quan sát của cặp này cần được ghi lại, không nên chỉ nhìn vào hệ số.

Đọc lại nội dung và định nghĩa hai biến

Đặt hai thang đo cạnh nhau. Nếu các biến quan sát của chúng cùng nhắc đến một hành vi, cùng một đối tượng và gần như chỉ thay đổi vài từ, vấn đề có thể nằm ở thiết kế thang đo. Ví dụ, “hệ thống dễ sử dụng” và “thao tác trên hệ thống đơn giản” có nguy cơ chồng lấn nếu được dùng như hai khái niệm độc lập mà không có cơ sở lý thuyết đủ rõ.

Bạn cần hỏi: hai biến có dẫn đến hai giả thuyết khác nhau không, hay chúng chỉ là hai cách đặt tên cho cùng một ý? Nếu mô hình ban đầu không phân biệt được hai khái niệm, sửa bằng thao tác SPSS sẽ không giải quyết được vấn đề khái niệm.

Kiểm tra VIF và Tolerance trong hồi quy

Chạy Analyze > Regression > Linear. Đưa biến phụ thuộc vào ô Dependent, các biến độc lập vào ô Independent(s). Chọn Statistics, đánh dấu Collinearity diagnostics, sau đó chạy mô hình.

Trong bảng Coefficients, xem hai cột Tolerance và VIF. VIF dưới 5 được dùng như một ngưỡng kiểm tra đa cộng tuyến trong hướng dẫn báo cáo PLS-SEM của (Hair và cộng sự, 2019), nhưng khi dùng trong hồi quy SPSS, bạn vẫn cần trình bày bối cảnh và không nên biến một con số thành kết luận duy nhất. Tolerance là đại lượng liên quan ngược với VIF, vì vậy Tolerance quá thấp đi cùng VIF cao là dấu hiệu cần điều tra.

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 thường hiển thị trong Coefficients.

Ở ví dụ này, X1 và X2 có VIF gần 5, vì vậy cần xem lại nội dung và vai trò của chúng. Chưa đủ cơ sở để xóa X1 hoặc X2 chỉ vì một dòng output. Nếu VIF tăng rất cao, hệ số hồi quy đổi dấu bất thường hoặc sai số chuẩn lớn, vấn đề trở nên đáng chú ý hơn.

Kiểm tra tương quan giữa các biến quan sát

Nếu hai khái niệm thuộc cùng một mô hình đo lường, hãy chạy thêm Cronbach's Alpha và EFA theo quy trình của đề tài. Trong SPSS, các menu thường dùng là Analyze > Scale > Reliability Analysis và Analyze > Dimension Reduction > Factor.

EFA có thể cho thấy các biến quan sát của hai thang đo cùng tải lên một nhân tố. Tuy nhiên, bạn không nên ép EFA tách hai nhóm chỉ để làm đẹp bảng. KMO từ 0.5 trở lên và Bartlett có ý nghĩa thống kê thường được dùng để xem dữ liệu có phù hợp với phân tích nhân tố hay không (Kaiser, 1974). Factor loading từ 0.5 trở lên là mức thường được tham khảo (Hair và cộng sự, 2010).

Loại một biến khi có lý do rõ ràng

Nếu hai biến đo cùng một nội dung, hãy cân nhắc giữ biến có cơ sở lý thuyết tốt hơn, ít dữ liệu thiếu hơn, wording rõ hơn hoặc có chỉ số đo lường ổn định hơn. Quyết định này phải được ghi lại theo từng vòng phân tích.

Khi loại biến, chạy lại mô hình và so sánh kết quả trước và sau khi loại. Không nên xóa lần lượt nhiều biến chỉ vì muốn VIF giảm. Cách làm đó có thể khiến mô hình mất một khía cạnh quan trọng và tạo ra kết quả khó giải trình.

Gộp biến khi mô hình cho phép

Nếu hai biến thực chất là hai chỉ báo của cùng một khái niệm, bạn có thể cân nhắc xây dựng một biến tổng hợp hoặc một thang đo chung. Việc gộp cần dựa trên mô hình nghiên cứu và kết quả kiểm định thang đo, không chỉ dựa trên Pearson Correlation.

Sau khi gộp, kiểm tra lại Cronbach's Alpha, Corrected Item-Total Correlation và EFA nếu thiết kế nghiên cứu yêu cầu. Corrected Item-Total Correlation từ 0.3 trở lên là mức được tham khảo trong (Nunnally và Bernstein, 1994). Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978), còn thang đo khám phá có thể tham khảo mức từ 0.6 theo (Hair và cộng sự, 2010).

Nếu cần chạy lại cùng một quy trình nhiều lần, bạn có thể lưu lệnh bằng cửa sổ Syntax thay vì bấm menu thủ công. Hướng dẫn chạy syntax SPSS hữu ích khi bạn muốn giữ lại lịch sử xử lý và chứng minh mỗi vòng loại biến.

Khi nào phải quay lại thu thêm dữ liệu

Thu thêm dữ liệu không phải cách sửa mặc định cho tương quan cao. Nếu nguyên nhân là hai biến có wording trùng nhau, thêm 100 bảng trả lời cũng không làm hai khái niệm trở nên khác biệt. Trước tiên, hãy xác định vấn đề nằm ở dữ liệu, thang đo hay mô hình.

Bạn có thể cân nhắc thu thêm dữ liệu khi số quan sát hợp lệ của cặp biến quá ít, nhiều dòng bị thiếu, một nhóm trả lời có độ biến thiên rất thấp hoặc mẫu hiện tại không đại diện cho đối tượng nghiên cứu đã xác định. Khi đó, cần quay lại kế hoạch lấy mẫu và ghi rõ lý do, thay vì âm thầm bổ sung các câu trả lời thuận tiện.

Nếu cỡ mẫu ban đầu được xây dựng theo số biến quan sát, quy tắc 5 đến 10 quan sát cho một biến quan sát thường được trích dẫn từ (Hair và cộng sự, 2010). Đây là căn cứ tham khảo cho thiết kế, không phải bảo đảm rằng thêm mẫu sẽ xóa được đa cộng tuyến. Nếu nghiên cứu có nhiều biến giải thích, công thức cỡ mẫu hồi quy từ (Tabachnick và Fidell, 2013) cũng có thể được dùng để đối chiếu.

Cách giải trình với giảng viên hướng dẫn

Hãy mang theo bảng tương quan, bảng Coefficients, định nghĩa hai biến và lịch sử các lần chạy. Cách trình bày có trách nhiệm là nói rõ hệ số nào cao, VIF bao nhiêu, hai biến có khác nhau về mặt lý thuyết không và bạn đã thử phương án nào.

Cách viết vào luận văn: “Kết quả kiểm tra tương quan cho thấy X1 và X2 có mối liên hệ tương đối cao, với hệ số Pearson là [giá trị]. Nhóm nghiên cứu tiếp tục kiểm tra đa cộng tuyến trong mô hình hồi quy thông qua Tolerance và VIF. Sau khi xem xét [cơ sở lý thuyết/kết quả kiểm định thang đo], biến [tên biến] được [giữ lại/loại bỏ/gộp với biến] vì [lý do cụ thể].”

Nếu giữ cả hai biến, hãy giải thích vì chúng đại diện cho hai khái niệm khác nhau và chỉ số đa cộng tuyến vẫn trong mức có thể chấp nhận theo tiêu chí bạn đã chọn. Nếu loại một biến, nêu rõ biến nào bị loại, ở vòng nào, kết quả trước và sau thay đổi ra sao. Phụ lục có thể lưu output đầy đủ, còn chương kết quả chỉ cần bảng cần thiết.

Khi mô hình có biến định tính, cách tạo biến giả cũng ảnh hưởng đến hồi quy. Bạn có thể xem hướng dẫn biến định tính chạy hồi quy phải làm sao trước khi kết luận rằng tương quan cao là nguyên nhân duy nhất của kết quả bất thường.

Cách phòng từ bước thiết kế

Ngay khi xây dựng bảng hỏi, hãy viết định nghĩa thao tác cho từng khái niệm. Mỗi thang đo cần trả lời được ba câu: nó đo điều gì, khác khái niệm kế bên ở điểm nào và biến quan sát nào đại diện cho từng khía cạnh.

Tránh lấy nhiều item từ các nguồn khác nhau rồi ghép vào một thang đo mà không kiểm tra ngữ nghĩa. Khi dịch bảng hỏi, đọc lại toàn bộ câu trong cùng bối cảnh nghiên cứu. Hai item dùng các từ khác nhau trong tiếng Anh vẫn có thể trở thành hai câu gần như đồng nghĩa sau khi dịch sang tiếng Việt.

Trước khi thu chính thức, kiểm tra thử mã biến, thang điểm, item đảo chiều và điều kiện bỏ qua câu hỏi. Khi nhập file, không đặt một nhãn cho hai biến khác nội dung. Nếu dùng dữ liệu tổng hợp từ nhiều nguồn, hãy ghi lại nguồn và phép biến đổi. Với dữ liệu từ nhiều bảng, thao tác aggregate dữ liệu SPSS cần được kiểm soát để tránh ghép sai đơn vị quan sát.

Bạn cũng nên lưu ba phiên bản file: dữ liệu gốc, dữ liệu đã làm sạch và dữ liệu dùng để chạy mô hình. Mỗi lần loại biến cần ghi ngày, lý do, output liên quan và quyết định. Quy trình này giúp bạn quay lại kiểm tra khi kết quả mới làm phát sinh câu hỏi.

Lỗi thường gặp khi sửa

Lỗi đầu tiên là thấy Pearson Correlation từ 0.8 trở lên rồi xóa ngay một biến. Tương quan cặp đôi không cho biết đầy đủ tác động của tất cả biến độc lập lên nhau, vì vậy cần xem VIF và mục tiêu lý thuyết.

Lỗi thứ hai là xóa biến cho đến khi VIF đẹp nhưng không báo cáo quá trình. Hội đồng có thể hỏi vì sao một khái niệm trong mô hình ban đầu biến mất. Bảng theo dõi vòng chạy sẽ giúp bạn trả lời bằng dữ liệu thay vì phỏng đoán.

Lỗi thứ ba là dùng CFI, TLI hoặc RMSEA để kết luận cho một mô hình hồi quy SPSS thông thường. Các chỉ số này thuộc nhóm đánh giá độ phù hợp của CB-SEM, không thay thế cho việc đọc VIF trong hồi quy tuyến tính.

Lỗi thứ tư là gộp hai biến chỉ vì chúng tương quan cao. Gộp biến làm thay đổi ý nghĩa giả thuyết và cách diễn giải hệ số, nên phải được chấp nhận về mặt mô hình trước khi thực hiện.

Lỗi cuối là sửa trực tiếp file dữ liệu gốc. Nếu không còn bản ban đầu, bạn khó chứng minh biến nào đã bị recode, dòng nào bị loại và kết quả nào là kết quả cuối cùng.

Câu hỏi thường gặp

Hai biến tương quan bao nhiêu thì được xem là quá cao

Không có một con số duy nhất đủ để quyết định phải xóa biến. Pearson Correlation cao là tín hiệu cần kiểm tra, còn mức độ đa cộng tuyến trong mô hình nên được đánh giá thêm bằng VIF và Tolerance. Bạn cũng cần xem nội dung hai biến có trùng nhau hay không.

Tương quan cao có phải luôn là đa cộng tuyến không

Không. Tương quan cao giữa một cặp biến có thể không tạo ra vấn đề nghiêm trọng trong toàn bộ mô hình, đặc biệt khi các biến còn lại không liên quan mạnh. Đa cộng tuyến cần được xem trong mô hình hồi quy thông qua Coefficients, VIF và Tolerance.

VIF cao thì nên xóa biến nào trước

Hãy xem cơ sở lý thuyết, chất lượng thang đo, mức độ thiếu dữ liệu và vai trò của từng biến trước khi xóa. Nếu hai biến đo cùng một nội dung, giữ biến có định nghĩa rõ và phù hợp giả thuyết hơn. Không chọn biến chỉ vì nó có p-value lớn hoặc vì xóa nó làm bảng kết quả đẹp hơn.

Có thể gộp hai biến tương quan cao thành một biến không

Có thể, nếu hai biến cùng đại diện cho một khái niệm theo mô hình nghiên cứu và kết quả kiểm định thang đo ủng hộ việc gộp. Sau khi gộp, bạn phải đặt lại tên biến, kiểm tra độ tin cậy và viết lại giả thuyết hoặc cách diễn giải nếu ý nghĩa mô hình thay đổi.

Thu thêm dữ liệu có làm giảm tương quan giữa hai biến không

Thường không thể cam kết điều đó. Nếu tương quan cao xuất phát từ nội dung hai thang đo quá giống nhau, dữ liệu mới có thể tiếp tục cho kết quả tương tự. Thu thêm dữ liệu chỉ hợp lý khi mẫu hiện tại quá nhỏ, thiếu biến thiên, có nhiều dòng không hợp lệ hoặc chưa phù hợp với thiết kế lấy mẫu.

Bạn hãy mở lại file SPSS, kiểm tra mã hóa, chạy Correlations, sau đó chạy hồi quy với Collinearity diagnostics và lưu riêng output trước khi loại biến. Nếu muốn xử lý phân tích trên chính file .sav hoặc .csv cùng lịch sử quyết định, bạn có thể dùng module M4 phân tích của DoThesis.