Khoảng cách Cook là gì? Cách đọc và xử lý trong SPSS

Khoảng cách Cook là gì

Bạn đang chạy hồi quy tuyến tính trong SPSS, mở bảng Casewise Diagnostics hoặc xem bảng lưu chỉ số chẩn đoán, rồi gặp cột Cook's Distance. Khoảng cách Cook, thường hiển thị là Cook's D, là một chỉ số cho biết một quan sát ảnh hưởng đến kết quả hồi quy nhiều đến mức nào. Chỉ số này không chỉ nhìn vào việc một dòng dữ liệu có khác biệt so với các dòng còn lại. Nó còn xem xét việc bỏ dòng đó có làm thay đổi đáng kể hệ số hồi quy và giá trị dự đoán của mô hình hay không.

Nói cách khác, một quan sát có khoảng cách Cook cao có thể đang kéo đường hồi quy về phía nó. Nếu bạn xóa quan sát đó, hệ số của biến độc lập, p-value hoặc kết luận về giả thuyết có thể thay đổi. Vì vậy, Cook's Distance là công cụ chẩn đoán ảnh hưởng của quan sát, không phải nút tự động để tìm và xóa dữ liệu xấu.

Về mặt ý tưởng, khoảng cách Cook kết hợp phần dư của quan sát, leverage và số lượng biến trong mô hình. Công thức thường được trình bày theo dạng:

Dᵢ = [eᵢ² / (p × MSE)] × [hᵢᵢ / (1 - hᵢᵢ)²]

Trong đó eᵢ là phần dư của quan sát thứ i, hᵢᵢ là leverage, p là số tham số trong mô hình và MSE là sai số bình phương trung bình. Bạn không cần tự tính công thức này nếu đang dùng SPSS. Điều cần làm là biết chỉ số nằm ở đâu, đọc nó cùng các chẩn đoán khác và giải thích quyết định xử lý một cách có căn cứ.

Nếu bạn đang kiểm tra toàn bộ mô hình, có thể xem thêm hướng dẫn về hồi quy tuyến tính và mô hình hồi quy tuyến tính.

Ý nghĩa của khoảng cách Cook trong nghiên cứu định lượng

Trong một mô hình hồi quy, mỗi dòng dữ liệu có thể tác động khác nhau đến đường hồi quy. Một người trả lời có giá trị X rất xa phần lớn mẫu có thể có leverage cao. Một người có phần dư rất lớn có thể là outlier theo biến phụ thuộc. Khi hai đặc điểm này xuất hiện cùng lúc, Cook's Distance thường tăng.

Chỉ số này giúp bạn trả lời câu hỏi thực tế: “Nếu bỏ quan sát này, mô hình có thay đổi đáng kể không?”. Đây là câu hỏi khác với “Quan sát này có khác biệt không?”. Một điểm dữ liệu khác biệt nhưng hợp lệ vẫn có thể là thông tin thật về nhóm người bạn đang nghiên cứu.

Khoảng cách Cook đặc biệt hữu ích trước khi bạn diễn giải bảng Coefficients, Model Summary và ANOVA. Nếu một quan sát có ảnh hưởng quá lớn, hệ số B, t, Sig. hoặc R Square có thể phản ánh mạnh đặc điểm của riêng quan sát đó. Khi ấy, việc chỉ nhìn p-value mà bỏ qua chẩn đoán dữ liệu sẽ làm phần kết quả thiếu thuyết phục.

Cook's Distance cũng liên quan đến việc kiểm tra mô hình hồi quy, nhưng nó không phải chỉ số để đánh giá đa cộng tuyến. Đa cộng tuyến cần xem Tolerance và VIF, còn khoảng cách Cook tập trung vào ảnh hưởng của từng quan sát. Bạn có thể đọc thêm bài đa cộng tuyến là gì để tách hai vấn đề này khi viết chương 4.

Khoảng cách Cook bao nhiêu là đạt

Câu hỏi “khoảng cách Cook bao nhiêu là tốt” thường xuất hiện vì người học muốn một con số để đối chiếu. Cách trả lời thận trọng là Cook's Distance càng nhỏ thì càng ít bằng chứng cho thấy một quan sát đang chi phối mô hình. Tuy nhiên, không nên biến một ngưỡng kinh nghiệm thành quy tắc xóa dữ liệu tự động.

Trong phạm vi nguồn được phép trích dẫn của bài viết này, không có tài liệu riêng về khoảng cách Cook để gắn một ngưỡng cố định. Vì vậy, bạn không nên ghi một con số như 1, 0.5 hoặc 4/n như thể đó là tiêu chuẩn bắt buộc được trích dẫn từ nguồn trong luận văn. Hãy dùng chỉ số này để sàng lọc, sau đó xem lại dữ liệu gốc, phần dư, leverage và mức thay đổi của mô hình.

Bảng trên cố ý không đưa ra con số giả tạo. Nếu giảng viên yêu cầu một quy tắc cụ thể, bạn cần hỏi nguồn mà khoa hoặc người hướng dẫn chấp nhận, sau đó ghi đúng nguồn đó. Các ngưỡng như Durbin-Watson từ 1 đến 3 thuộc kiểm tra độc lập của phần dư, không phải ngưỡng Cook's Distance. Khi kiểm tra hồi quy, có thể tham khảo quy trình SPSS trong (Field, 2013), nhưng không nên dùng trích dẫn này để gán một cutoff Cook không có trong nguồn.

Cỡ mẫu và số biến cũng ảnh hưởng đến cách nhìn chỉ số. Quy tắc về cỡ mẫu cho hồi quy cần được tách khỏi chẩn đoán Cook. Chẳng hạn, (Tabachnick và Fidell, 2013) được dùng cho quy tắc cỡ mẫu hồi quy, còn không phải là nguồn để khẳng định một ngưỡng Cook.

Cách đọc khoảng cách Cook trên output SPSS

Trong SPSS, bạn có thể lưu Cook's Distance khi chạy hồi quy. Chọn Analyze > Regression > Linear, đưa biến phụ thuộc vào ô Dependent, đưa các biến độc lập vào ô Independent(s), rồi bấm Save. Trong nhóm Distances, chọn Cook's, sau đó bấm Continue và OK. SPSS sẽ thêm một biến mới vào Data View, thường có tên gần giống COO_1 hoặc tên do phần mềm tự sinh.

Nếu muốn xem bảng chẩn đoán, trong hộp thoại hồi quy bấm Statistics và chọn các mục chẩn đoán phù hợp. Tùy phiên bản SPSS và lựa chọn đã bật, bạn có thể xem Casewise Diagnostics, Residuals Statistics hoặc lưu chỉ số để sắp xếp trong Data View. Tên biến tự lưu có thể khác nhau, nên hãy nhìn nhãn biến trong Variable View thay vì chép máy móc tên COO_1 vào luận văn.

Số liệu minh họa

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Cấu trúc được trình bày theo cách bạn có thể gặp sau khi lưu chỉ số trong SPSS.

Ở bảng minh họa, dòng 48 có Cook's Distance cao hơn rõ rệt ba dòng còn lại. Điều đó chỉ cho biết dòng 48 đáng được kiểm tra thêm. Bạn cần mở đúng bản ghi trong Data View, đối chiếu bảng hỏi hoặc file nhập liệu, xem có giá trị ngoài phạm vi thang đo, mã đảo chiều bị nhập sai, hoặc trường hợp trả lời không hợp lệ hay không.

Bạn cũng có thể sắp xếp biến Cook's Distance theo thứ tự giảm dần. Chọn Data > Sort Cases, đưa biến Cook vào ô sắp xếp và chọn Descending. Cách này giúp bạn nhìn các quan sát nổi bật trước, nhưng không thay thế việc kiểm tra biến gốc. Một Cook's Distance cao do người trả lời thực sự thuộc nhóm đặc biệt không tự động chứng minh dữ liệu đó là sai.

Hãy đối chiếu thêm Leverage, Studentized Deleted Residual và đồ thị phần dư nếu bạn đã lưu các chỉ số tương ứng. Một dòng có Cook cao vì phần dư lớn sẽ được xử lý khác với một dòng có leverage cao do tổ hợp biến độc lập rất hiếm. Khi mô hình có đa cộng tuyến, việc diễn giải hệ số cũng có thể khó hơn, nên bạn cần xem thêm VIF trong bảng Coefficients.

Khi khoảng cách Cook không đạt thì xử lý thế nào

Trước hết, đừng xóa ngay dòng có chỉ số cao. Hãy ghi lại số case, giá trị Cook, biến nào tạo ra điểm bất thường và kết quả mô hình trước khi xử lý. Việc lưu lại từng vòng giúp bạn giải trình nếu hệ số hoặc p-value thay đổi.

Kiểm tra lỗi nhập liệu và mã hóa

Mở dòng dữ liệu trong Data View, so sánh với bảng hỏi hoặc file gốc. Kiểm tra các lỗi như nhập 55 thay vì 5, dùng nhầm mã thiếu dữ liệu, quên đảo chiều biến quan sát hoặc ghép sai người trả lời. Nếu phát hiện lỗi rõ ràng, sửa theo dữ liệu gốc rồi chạy lại mô hình.

Kiểm tra điều kiện trả lời của mẫu

Nếu dòng dữ liệu hợp lệ và người trả lời thực sự thuộc tổng thể nghiên cứu, không nên xóa chỉ vì Cook's Distance cao. Hãy xem người này có trả lời đầy đủ không, có nằm ngoài tiêu chí sàng lọc không và các biến có nằm trong miền giá trị đã thiết kế không. Một quan sát hiếm vẫn có thể là một phần của tổng thể.

Chạy phân tích độ nhạy

Chạy mô hình một lần với toàn bộ dữ liệu, sau đó chạy lại với quan sát có ảnh hưởng trong một phân tích kiểm tra. So sánh hệ số B, Sig., R Square và dấu của các mối quan hệ. Đây là phân tích độ nhạy, không phải giấy phép xóa dữ liệu để làm p-value đẹp hơn.

Báo cáo quyết định với giảng viên

Nếu phải loại quan sát vì lỗi xác minh được, ghi số lượng, lý do và cách xử lý. Nếu giữ lại, nêu rằng quan sát được kiểm tra và không có bằng chứng về lỗi nhập liệu. Hội đồng thường quan tâm đến logic của quyết định hơn là việc bảng kết quả có hoàn toàn “đẹp” hay không.

Phân biệt khoảng cách Cook với khoảng cách Mahalanobis

Khoảng cách Mahalanobis đo mức độ xa của một quan sát so với trung tâm đa biến của các biến được xem xét, có tính đến tương quan giữa các biến. Nó thường được dùng để nhận diện các trường hợp có tổ hợp giá trị độc lập bất thường. Vì vậy, câu hỏi “khoảng cách Mahalanobis là gì” đang nói về độ khác biệt đa biến, còn Cook's Distance nói về mức ảnh hưởng của quan sát lên mô hình hồi quy.

Hai chỉ số có thể cùng cao nhưng không bắt buộc phải như vậy. Một quan sát có X rất khác biệt có thể có Mahalanobis cao nhưng chưa chắc làm thay đổi mạnh đường hồi quy. Ngược lại, một quan sát có phần dư lớn và leverage phù hợp có thể có Cook cao.

Không nên trả lời “khoảng cách Mahalanobis bao nhiêu là tốt” bằng cách lấy một ngưỡng Cook's Distance thay thế. Mahalanobis phụ thuộc vào số biến và bậc tự do, nên bạn cần dùng cách xác định phù hợp với thiết kế phân tích và nguồn mà giảng viên chấp nhận. Trong SPSS, có thể lưu hoặc tính khoảng cách này bằng các chức năng chẩn đoán tương ứng, nhưng phải ghi rõ bạn đang kiểm tra loại bất thường nào.

Lỗi thường gặp

Lỗi đầu tiên là coi mọi Cook's Distance lớn là dữ liệu rác. Bạn đang đánh đồng ảnh hưởng thống kê với sai dữ liệu. Hãy kiểm tra bản gốc trước khi sửa hoặc loại.

Lỗi thứ hai là chỉ nhìn một chỉ số. Cook's Distance nên được đọc cùng phần dư, leverage, biểu đồ và thông tin thu thập. Một con số đơn lẻ hiếm khi đủ để kết luận.

Lỗi thứ ba là xóa nhiều dòng rồi chạy lại đến khi p-value đạt. Cách làm này tạo ra rủi ro thiên lệch và rất khó giải thích khi bảo vệ. Nếu có phân tích sau khi loại quan sát, hãy lưu kết quả ban đầu và ghi rõ tiêu chí.

Lỗi thứ tư là nhầm Cook's Distance với khoảng cách Mahalanobis. Mahalanobis tập trung vào độ xa đa biến, còn Cook's Distance tập trung vào ảnh hưởng lên mô hình hồi quy.

Lỗi cuối là ghi một ngưỡng không có nguồn. Nếu tài liệu khoa yêu cầu cutoff, hãy xin đúng tài liệu được chấp nhận. Đừng gắn tên tác giả vào một con số chỉ vì con số đó xuất hiện trên một bài hướng dẫn không rõ nguồn.

Câu hỏi thường gặp

Khoảng cách Cook bao nhiêu là tốt

Giá trị nhỏ và không có quan sát nổi bật so với phần còn lại thường cho thấy chưa có dấu hiệu rõ về ảnh hưởng quá mạnh. Tuy nhiên, bài viết này không gán một cutoff cố định vì danh mục nguồn được phép không có tài liệu riêng để chứng minh con số đó.

Bạn nên xem Cook's Distance theo thứ hạng, đối chiếu phần dư và leverage, rồi kiểm tra dữ liệu gốc trước khi quyết định.

Khoảng cách Cook trong SPSS nằm ở đâu

Vào Analyze > Regression > Linear, chọn Save, sau đó trong nhóm Distances chọn Cook's. SPSS sẽ lưu một biến mới trong Data View. Bạn có thể dùng Data > Sort Cases để sắp xếp biến này theo thứ tự giảm dần.

Khoảng cách Mahalanobis là gì

Đây là chỉ số đo mức độ xa của một quan sát so với trung tâm đa biến, có xét đến tương quan giữa các biến. Nó thường hỗ trợ kiểm tra các trường hợp có tổ hợp giá trị bất thường, trong khi Cook's Distance kiểm tra mức ảnh hưởng của quan sát lên hồi quy.

Có nên xóa dòng có Cook's Distance cao không

Chỉ xóa khi có lý do phương pháp rõ ràng, chẳng hạn lỗi nhập liệu, trả lời không hợp lệ hoặc không đáp ứng tiêu chí mẫu. Nếu dữ liệu hợp lệ, hãy giữ lại và thực hiện phân tích độ nhạy, đồng thời báo cáo ảnh hưởng của quan sát đó.

Có thể dùng Cook's Distance để kết luận mô hình tốt không

Không. Cook's Distance chỉ là chẩn đoán ảnh hưởng của từng quan sát. Để đánh giá hồi quy, bạn còn cần xem ý nghĩa mô hình, hệ số, phần dư, đa cộng tuyến và các điều kiện phù hợp với thiết kế nghiên cứu. Bạn có thể luyện cách đọc kết quả qua bài tập hồi quy tuyến tính có lời giải và xem trường hợp mô hình khác tại hồi quy logistic.

Mở file SPSS của bạn, lưu Cook's Distance, sắp xếp các case nổi bật và ghi lại quyết định xử lý trước khi chạy lại mô hình. Nếu cần kiểm tra trực tiếp dữ liệu .sav hoặc .csv và viết phần diễn giải kết quả, bạn có thể dùng module M4 phân tích của DoThesis.