Khai báo biến trong SPSS: Cách đặt tên, mã hóa và nhập dữ liệu đúng
Bạn mở SPSS lên, tạo một file mới và nhìn thấy hai nơi cần làm việc: Variable View và Data View. Nếu khai báo biến sai ngay từ đầu, các lỗi về kiểu dữ liệu, mã hóa thang đo, giá trị khuyết hoặc tên biến sẽ xuất hiện khi bạn chạy Cronbach's Alpha, EFA và hồi quy.
Khai báo biến trong SPSS là bước chuyển bảng hỏi thành cấu trúc dữ liệu mà phần mềm có thể đọc. Mỗi biến quan sát cần có tên, nhãn, kiểu dữ liệu, thang đo và cách mã hóa rõ ràng. Làm đúng bước này giúp bạn truy ngược một con số trong output về đúng câu hỏi và đúng cột dữ liệu trong file.
Khi nào dùng khai báo biến trong SPSS
Bạn cần khai báo biến trước khi nhập dữ liệu bảng hỏi, hoặc ngay khi nhận một file .sav chưa được chuẩn hóa. Công việc này phù hợp với các nghiên cứu định lượng dùng bảng hỏi Likert, trong đó mỗi dòng là một người trả lời và mỗi cột là một biến, chẳng hạn PU1, PU2, PU3 cho các biến quan sát của khái niệm Perceived Usefulness.
Nếu giả thuyết của bạn có dạng “nhận thức hữu ích ảnh hưởng đến ý định sử dụng”, SPSS cần nhận biết các cột PU1, PU2, PU3 là dữ liệu số và thuộc cùng một thang đo. Sau đó, bạn mới có thể tính điểm trung bình hoặc chạy các phân tích tiếp theo. Với dữ liệu từ bảng hỏi, bạn có thể xem thêm hướng xử lý dữ liệu sơ cấp. Nếu bạn dùng dữ liệu từ báo cáo, cơ sở dữ liệu hoặc niên giám, cách hiểu về dữ liệu thứ cấp là gì sẽ khác với dữ liệu khảo sát cá nhân.
Khai báo biến không phải là chạy một kiểm định. Đây là bước chuẩn bị để SPSS hiểu cột nào là mã người trả lời, cột nào là giới tính, cột nào là biến quan sát và cột nào là biến kết quả. Bạn nên lưu một bản dữ liệu gốc trước khi sửa tên hoặc mã hóa.
Chuẩn bị dữ liệu trước khi chạy
Trước khi mở Variable View, hãy lập một danh mục biến trong Excel hoặc ngay trong chương phương pháp. Danh mục này nên có mã biến, nội dung biến, loại biến, giá trị mã hóa và nguồn của biến. Ví dụ, GT có thể là giới tính, AGE là nhóm tuổi, còn SAT1 đến SAT4 là các biến quan sát đo sự hài lòng.
Tên biến nên ngắn, không có dấu tiếng Việt, không có khoảng trắng và không bắt đầu bằng số. hai_long_1 có thể hoạt động trong một số phiên bản, nhưng cách đặt SAT1 thường dễ đọc hơn khi xem bảng Correlations, Reliability Statistics hoặc Coefficients. Phần Label mới là nơi bạn ghi diễn giải đầy đủ bằng tiếng Việt.
Kiểu dữ liệu cần khớp với dữ liệu thực tế. Biến Likert từ 1 đến 5 nên để dạng Numeric. Mã người trả lời cũng thường để Numeric, dù đây chỉ là mã định danh. Một biến như MA_DON_HANG có ký tự chữ có thể dùng String, nhưng bạn không nên biến một cột chứa mã số thành String nếu sau đó muốn tính trung bình hoặc đưa nó vào hồi quy.
Với câu hỏi đảo chiều, hãy đánh dấu ngay trong danh mục biến. Ví dụ, SAT3 có nội dung tiêu cực trong khi các biến còn lại có nội dung tích cực. Bạn có thể giữ dữ liệu gốc ở SAT3 và tạo biến mới sau khi đảo mã. Cách này dễ kiểm tra hơn việc ghi đè lên dữ liệu ban đầu.
Giá trị khuyết cũng cần có quy ước. Ô trống trong SPSS được hiểu là System-missing, còn mã 99, 999 hoặc -1 là một giá trị số bình thường nếu bạn chưa khai báo đó là Missing. Nếu bảng hỏi dùng 99 cho câu không trả lời, hãy khai báo 99 là User-missing, nếu không điểm trung bình sẽ bị kéo sai.
| Nội dung cần chuẩn bị | Ví dụ | Việc cần làm trong SPSS |
|---|---|---|
| Mã biến | PU1, PU2, PU3 | Viết không dấu, không khoảng trắng, không trùng nhau |
| Nhãn biến | “Ứng dụng giúp tôi hoàn thành công việc nhanh hơn” | Ghi đầy đủ trong cột Label |
| Kiểu dữ liệu | Likert 1 đến 5 | Chọn Numeric, Decimals bằng 0 |
| Mã giá trị | 1 = Hoàn toàn không đồng ý, 5 = Hoàn toàn đồng ý | Khai báo trong Values |
| Giá trị khuyết | 99 = Không trả lời | Khai báo trong Missing hoặc để ô trống |
| Vai trò biến | Biến độc lập, phụ thuộc, kiểm soát | Ghi trong danh mục, không nhất thiết là thuộc tính SPSS |
Nếu các cột trong file có đơn vị đo rất khác nhau, bạn có thể đọc thêm về chuẩn hóa dữ liệu là gì. Tuy vậy, đừng chuẩn hóa chỉ vì thấy một biến có thang điểm 1 đến 5 và biến khác có đơn vị tuổi. Trước hết cần xác định loại phân tích và yêu cầu của mô hình.
Các bước khai báo biến trong SPSS
Bước 1: Mở Variable View và tạo dòng cho từng biến
Mở SPSS, chọn New Dataset rồi chuyển xuống tab Variable View ở cuối cửa sổ. Mỗi dòng là một biến. Bạn nhập lần lượt biến nhân khẩu học, biến sàng lọc, rồi đến các biến quan sát của từng khái niệm.
Trong cột Name, nhập mã như SEX, AGE, PU1, PU2, PU3. SPSS có thể tự đặt Type là Numeric, nhưng bạn vẫn cần kiểm tra lại. Không dùng một tên cho cả biến tổng hợp và biến quan sát, chẳng hạn không đặt điểm trung bình là PU1 khi PU1 đã là một item.
Bước 2: Chọn Type và định dạng số
Bấm vào ô Type của biến rồi chọn Numeric. Với thang Likert nguyên từ 1 đến 5, đặt Width đủ rộng và Decimals bằng 0. Việc đặt Decimals bằng 0 chỉ kiểm soát cách hiển thị, không làm thay đổi bản chất dữ liệu.
Nếu bạn nhập một biến điểm trung bình có giá trị như 3.42, hãy để Decimals từ 2 trở lên. Với biến chữ, chọn String và kiểm tra Width đủ dài. Bạn không nên dùng String cho giới tính nếu dữ liệu đã được mã hóa 1 và 2, vì biến String sẽ không thể đưa trực tiếp vào nhiều thủ tục phân tích số.
Bước 3: Đặt Label để đọc output
Cột Label là nơi ghi nội dung đầy đủ của biến. Ví dụ, Name là PU1, còn Label là “Tôi thấy hệ thống hữu ích cho công việc của mình”. Label giúp bạn đọc bảng output mà không phải mở lại bảng hỏi.
Hãy dùng cách viết nhất quán. Nếu PU1 đến PU4 cùng đo một khái niệm, phần Label nên giữ nguyên ý nghĩa của biến quan sát. Không nên ghi Label quá ngắn như “Hữu ích 1”, vì sau này bạn khó giải trình biến đó đo nội dung gì.
Bước 4: Khai báo Values cho biến phân loại và Likert
Trong cột Values, bấm vào ô tương ứng rồi bấm nút ba chấm. Nhập Value là 1, Label là “Hoàn toàn không đồng ý”, chọn Add, sau đó nhập tiếp các mức 2 đến 5. Với giới tính, bạn có thể khai báo 1 = Nam, 2 = Nữ, và thêm mã khác nếu bảng hỏi thực tế có lựa chọn đó.
Value Labels chỉ là nhãn hiển thị cho mã số. Khi chuyển giữa nút Value Labels trên thanh công cụ, SPSS có thể hiển thị “Nam” thay vì “1”, nhưng dữ liệu bên dưới vẫn là mã số. Hãy kiểm tra cả hai chế độ để tránh nhập chữ vào một cột Numeric.
Bước 5: Đặt Missing và Measure
Trong cột Missing, chọn Discrete missing values nếu bạn dùng mã như 99. Nếu người trả lời bỏ trống và bạn giữ ô trống, SPSS sẽ nhận đó là System-missing. Không khai báo 99 là Missing nếu 99 là một giá trị hợp lệ trong biến của bạn.
Cột Measure thường có ba lựa chọn: Nominal, Ordinal và Scale. Giới tính là Nominal, nhóm tuổi là Ordinal nếu các nhóm có thứ tự, còn điểm Likert hoặc điểm trung bình thường được đặt là Scale khi dùng trong các phân tích định lượng. Thiết lập này giúp SPSS gợi ý biểu đồ và cách xử lý, nhưng không thay thế việc bạn kiểm tra bản chất biến.
Bước 6: Nhập hoặc kiểm tra dữ liệu trong Data View
Chuyển sang Data View. Mỗi hàng là một phiếu trả lời, mỗi cột là một biến. Dòng đầu tiên không nên chứa tên biến nếu bạn đã khai báo tên trong Variable View. Nếu nhập từ Excel, chọn File > Open > Data, chọn file Excel và đánh dấu Read variable names from the first row only khi hàng đầu thực sự chứa mã biến.
Sau khi nhập, chạy Analyze > Descriptive Statistics > Frequencies cho các biến phân loại và biến Likert. Kiểm tra xem có mã ngoài khoảng 1 đến 5, ô trống bất thường hoặc giá trị 99 chưa được xử lý hay không. Nếu muốn tự động hóa việc tạo biến và nhãn, bạn có thể tham khảo cách chạy syntax SPSS, nhưng vẫn cần đọc lại syntax trước khi chạy trên file chính.
Đọc kết quả kiểm tra dữ liệu
Khi chạy Frequencies, bảng Frequencies cho biết số quan sát hợp lệ, số thiếu và các mã đang xuất hiện. Với biến PU1, bạn kỳ vọng chỉ thấy các giá trị từ 1 đến 5, trừ trường hợp bảng hỏi có quy ước mã thiếu.
Bảng Descriptive Statistics cho biết N, Minimum, Maximum, Mean và Standard Deviation. Nếu một biến Likert có Maximum bằng 55, khả năng cao bạn đã nhập sai mã hoặc nối nhầm dữ liệu. Nếu N của PU1 khác hẳn N của PU2, hãy kiểm tra các phiếu bị bỏ trống và cách khai báo Missing.
số liệu minh họa, không phải kết quả của một nghiên cứu thực tế
| Variable | N | Minimum | Maximum | Mean | Std. Deviation |
|---|---|---|---|---|---|
| PU1 | 184 | 1 | 5 | 3.82 | 0.781 |
| PU2 | 184 | 1 | 5 | 3.74 | 0.846 |
| PU3 | 181 | 1 | 5 | 3.69 | 0.902 |
| PU4 | 184 | 1 | 5 | 3.88 | 0.744 |
Bảng trên chỉ minh họa hình dạng cột thường thấy trong output SPSS. Dòng PU3 có N bằng 181 trong khi các biến khác có N bằng 184, vì vậy bạn cần kiểm tra ba giá trị khuyết trước khi tính điểm thang đo. Không được lấy các con số minh họa này làm kết quả cho luận văn của bạn.
Sau bước kiểm tra dữ liệu, bạn có thể chạy Analyze > Scale > Reliability Analysis để xem Reliability Statistics và Item-Total Statistics. Trong Item-Total Statistics, cột Corrected Item-Total Correlation giúp phát hiện biến quan sát không đi cùng thang đo. Khi cần xử lý biến định tính trong mô hình hồi quy, hãy xem hướng dẫn biến định tính chạy hồi quy phải làm sao thay vì đưa mã giới tính vào như một điểm số có ý nghĩa thứ tự.
Tiêu chí đánh giá
Các ngưỡng dưới đây dùng để kiểm tra dữ liệu và chuẩn bị cho phân tích phổ biến trong luận văn định lượng. Bạn cần đọc cùng bối cảnh nghiên cứu, số lượng biến và hướng dẫn của giảng viên. Một ngưỡng đạt không tự động chứng minh thang đo phù hợp.
| Nội dung kiểm tra | Mức tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.7 trở lên | (Nunnally, 1978) |
| Cronbach's Alpha trong thang đo khám phá | Có thể từ 0.6 | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO khi chạy EFA | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test | Sig. dưới 0.05 | (Kaiser, 1974) |
| Eigenvalue khi trích nhân tố | Trên 1 | (Kaiser, 1960) |
| Total Variance Explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Factor loading | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Số quan sát trên một biến quan sát | Khoảng 5 đến 10 | (Hair và cộng sự, 2010) |
Khi kiểm tra mã hóa, ưu tiên nhìn vào tần số thực tế trước khi nhìn vào Alpha. Một Alpha cao không sửa được việc bạn nhập nhầm thang Likert, đảo chiều chưa đúng hoặc gộp hai khái niệm khác nhau vào cùng một biến tổng hợp.
Cách viết kết quả vào luận văn
Sau khi dùng chính file của bạn để chạy Frequencies và Descriptive Statistics, hãy thay các phần trong ngoặc vuông bằng kết quả thật. Đoạn viết cần nói rõ số quan sát hợp lệ, khoảng giá trị và cách xử lý dữ liệu khuyết.
Cách viết vào luận văn: “Dữ liệu được nhập vào SPSS với mỗi dòng đại diện cho một đáp viên và mỗi cột đại diện cho một biến. Sau khi kiểm tra bằng Frequencies, các biến [tên biến] có giá trị trong khoảng [giá trị nhỏ nhất] đến [giá trị lớn nhất], phù hợp với thang đo [1 đến 5]. Có [số lượng] quan sát bị thiếu ở biến [tên biến] và được xử lý bằng [cách xử lý]. Các biến được khai báo dạng Numeric, trong đó [biến phân loại] được mã hóa theo [quy ước mã].”
Bạn cũng có thể viết ngắn hơn trong phần phương pháp: “Bảng dữ liệu gồm [N] dòng quan sát và [số biến] biến. Các biến quan sát được mã hóa từ [mức thấp nhất] đến [mức cao nhất], sau đó kiểm tra tần số, giá trị cực trị và dữ liệu khuyết trước khi thực hiện các phân tích tiếp theo.” Chỉ giữ câu về dữ liệu khuyết nếu bạn đã thực sự kiểm tra và ghi lại cách xử lý.
Lỗi thường gặp khi chạy khai báo biến trong SPSS
Lỗi đầu tiên là đặt tên biến bằng tiếng Việt có dấu hoặc có khoảng trắng. Tên có thể khiến syntax lỗi, khó gọi trong các hộp thoại và khó theo dõi khi xuất bảng. Hãy dùng mã ngắn ở Name và đưa nội dung đầy đủ vào Label.
Lỗi thứ hai là nhập mức trả lời bằng chữ như “Đồng ý” vào cột Numeric. Bạn có thể chọn Value Labels để hiển thị nhãn, nhưng dữ liệu cần được nhập bằng mã số tương ứng. Nếu file đã chứa chữ, hãy kiểm tra Type trước khi đổi sang Numeric, vì việc đổi kiểu có thể làm mất hoặc biến dạng dữ liệu.
Lỗi thứ ba là coi mã thiếu 99 như một câu trả lời hợp lệ. Frequencies sẽ cho thấy 99 xuất hiện ở đâu. Bạn cần khai báo Missing hoặc chuyển mã đó thành System-missing theo quy tắc đã thống nhất, sau đó mới tính Mean hoặc chạy hồi quy.
Lỗi thứ tư là đảo chiều trực tiếp trên biến gốc. Với thang 1 đến 5, công thức đảo mã thường là 6 - giá trị gốc, nhưng bạn phải xác nhận số mức của bảng hỏi trước khi dùng. Tạo biến mới bằng Transform > Compute Variable, chẳng hạn SAT3_R = 6 - SAT3, giúp bạn giữ được dữ liệu ban đầu để đối chiếu.
Lỗi thứ năm là trộn biến nhân khẩu học với biến quan sát khi tính điểm thang đo. Chỉ đưa các biến thuộc cùng một khái niệm vào Compute Variable hoặc Reliability Analysis. Việc chọn nhầm AGE hay SEX có thể làm kết quả khó giải thích dù SPSS vẫn chạy bình thường.
Câu hỏi thường gặp
Khai báo biến trong SPSS có cần làm trước khi nhập dữ liệu không
Nên làm trước, đặc biệt khi bạn tự nhập hàng trăm phiếu khảo sát. Khai báo trước giúp SPSS nhận đúng kiểu dữ liệu, nhãn giá trị và mã khuyết ngay từ đầu. Nếu đã có file Excel, bạn vẫn nên kiểm tra Variable View sau khi import.
Name và Label trong SPSS khác nhau thế nào
Name là mã ngắn dùng để gọi biến trong hộp thoại và syntax, chẳng hạn PU1. Label là phần mô tả đầy đủ nội dung biến, chẳng hạn “Tôi thấy hệ thống hữu ích cho công việc”. Output thường hiển thị cả hai tùy thủ tục và thiết lập của bạn.
Biến Likert nên chọn Nominal, Ordinal hay Scale
Bạn có thể khai báo biến trả lời Likert đơn lẻ là Ordinal nếu đang mô tả bản chất thứ bậc của nó. Trong nhiều nghiên cứu định lượng, các biến Likert được dùng để tính điểm thang đo và đưa vào phân tích nên được đặt là Scale. Hãy giữ cách khai báo nhất quán và giải thích cách xử lý trong phương pháp nghiên cứu.
Có nên dùng mã 99 cho câu trả lời bị bỏ trống không
Có thể dùng, nhưng phải khai báo 99 là User-missing và ghi quy ước này trong danh mục dữ liệu. Nếu để 99 như một giá trị hợp lệ, Mean, Standard Deviation và các kiểm định sẽ bị sai. Với dữ liệu mới, để ô trống cho câu không trả lời thường dễ kiểm soát hơn.
Khai báo sai biến rồi có cần nhập lại toàn bộ dữ liệu không
Không nhất thiết. Nếu sai Label, Values hoặc Measure, bạn có thể sửa trong Variable View. Nếu sai tên cột, kiểu dữ liệu hoặc thứ tự cột do import, hãy lưu một bản sao rồi kiểm tra lại Data View, Frequencies và một vài dòng đầu với bảng hỏi gốc trước khi quyết định nhập lại.
Sau khi khai báo xong, hãy lưu một bản .sav gốc, một bản đã làm sạch và một file syntax ghi lại các bước xử lý. Việc tiếp theo trong file của bạn là chạy Frequencies cho mã hóa và dữ liệu khuyết, rồi mới chạy Reliability Analysis hoặc EFA; nếu cần chạy phân tích trên chính .sav hoặc .csv của bạn, M4 phân tích của DoThesis hỗ trợ bước này.