Cách kiểm định độ tin cậy thang đo trong SPSS
Bạn đang có một nhóm biến quan sát như DU1, DU2, DU3, DU4 và cần biết chúng có cùng đo một khái niệm hay không. Kiểm định độ tin cậy thang đo trong SPSS thường được thực hiện bằng Cronbach's Alpha, kết hợp với Corrected Item-Total Correlation trong bảng Item-Total Statistics.
Bài kiểm định này thường nằm trước EFA, hồi quy hoặc mô hình SEM. Bạn cần chạy riêng từng thang đo, theo dõi biến nào bị loại, sau đó dùng đúng phiên bản thang đo đạt yêu cầu cho bước phân tích tiếp theo. Các con số trong bảng minh họa dưới đây chỉ là số liệu giả định để bạn nhận diện output, không phải kết quả của một nghiên cứu cụ thể.
Nếu bạn đang tìm thêm quy trình xử lý dữ liệu, có thể xem nhóm chủ đề SPSS của DoThesis. Trong bài này, trọng tâm là cách chạy kiểm định độ tin cậy thang đo trong SPSS với dữ liệu .sav hoặc dữ liệu đã nhập từ .csv.
Khi nào dùng kiểm định độ tin cậy thang đo trong SPSS
Bạn dùng kiểm định này khi một khái niệm trong mô hình được đo bằng nhiều biến quan sát. Ví dụ, “Sự hài lòng” có HL1, HL2, HL3 và HL4; “Ý định sử dụng” có YD1, YD2 và YD3. Mục tiêu là xem các biến trong cùng một thang đo có phản ánh tương đối nhất quán một khái niệm hay không.
Trong nghiên cứu định lượng, bạn thường chạy Cronbach's Alpha sau khi thu thập và làm sạch bảng hỏi, trước khi chạy EFA. Nếu giả thuyết của bạn có dạng “Chất lượng dịch vụ ảnh hưởng đến sự hài lòng”, các thang đo của hai khái niệm này cần được kiểm tra độ tin cậy trước khi đưa vào EFA hoặc hồi quy.
Cronbach's Alpha phản ánh mức độ nhất quán nội tại giữa các biến quan sát. Cách diễn giải đầy đủ cần xem đồng thời Alpha của toàn thang đo và Corrected Item-Total Correlation của từng biến. Bạn có thể xem thêm bài Cronbach's Alpha nếu chưa phân biệt được Alpha với các chỉ số giá trị hội tụ.
SPSS phù hợp khi bạn đang xử lý dữ liệu dạng .sav hoặc bảng dữ liệu đã nhập từ .csv. SmartPLS có nhóm chỉ số khác như Composite Reliability, rho_A và outer loading, nên không lấy Cronbach's Alpha trong SPSS để thay thế toàn bộ đánh giá thang đo trong PLS-SEM. Nếu đề tài chạy SmartPLS, hãy phân biệt thêm Composite Reliability là gì.
Chuẩn bị dữ liệu trước khi chạy
Trước khi mở hộp thoại Reliability Analysis, hãy kiểm tra file dữ liệu thay vì chọn biến theo trí nhớ. Mỗi hàng nên là một người trả lời, mỗi cột là một biến quan sát hoặc biến nhân khẩu học. Các biến đưa vào kiểm định cần được mã hóa bằng số, chẳng hạn Likert 1 đến 5 hoặc 1 đến 7.
Tên biến nên ngắn, không có khoảng trắng và thống nhất với bảng hỏi. Nếu bảng hỏi có nhóm biến CL1 đến CL5, hãy dùng đúng các cột đó. Không đưa giới tính, độ tuổi, mã phiếu, biến kết quả tổng hợp hoặc biến định danh vào Cronbach's Alpha của thang đo chất lượng dịch vụ.
Kiểm tra missing value và giá trị ngoài thang đo
Vào Analyze > Descriptive Statistics > Frequencies, chọn các biến quan sát cần kiểm tra. Xem giá trị nhỏ nhất, lớn nhất và số lượng missing. Nếu thang đo chỉ có mức 1 đến 5 nhưng một biến xuất hiện giá trị 0 hoặc 99, bạn cần xác định đó là mã missing hay dữ liệu nhập sai.
Không tùy tiện đổi 99 thành một mức Likert. Bạn cần kiểm tra quy ước mã hóa trong bảng hỏi và file dữ liệu. Một vài giá trị sai có thể làm lệch trung bình, phương sai và tương quan giữa các biến.
Kiểm tra biến đảo chiều
Nếu bảng hỏi có phát biểu mang ý nghĩa ngược, bạn phải recode trước khi chạy. Ví dụ, HL1, HL2, HL4 có điểm cao nghĩa là hài lòng, còn HL3 có câu diễn đạt phủ định. Với thang 1 đến 5, giá trị mới của HL3 thường được tính theo dạng 6 trừ giá trị cũ.
Trong SPSS, vào Transform > Recode into Different Variables, chọn biến cần đảo chiều, đặt tên biến mới, sau đó khai báo các cặp giá trị cũ và mới. Giữ lại biến gốc để đối chiếu, dùng biến mới trong Cronbach's Alpha và ghi lại thao tác trong file syntax hoặc nhật ký xử lý dữ liệu.
Nếu quên đảo chiều, tương quan của biến đó với các biến còn lại có thể âm. Khi đó Alpha có thể giảm mạnh hoặc âm. Bạn có thể đối chiếu quy trình xử lý trong bài lỗi Cronbach Alpha âm trong SPSS.
Xác định phạm vi từng thang đo
Chạy riêng từng khái niệm. Ví dụ, chạy CL1 đến CL5 cho “Chất lượng dịch vụ”, chạy HL1 đến HL4 cho “Sự hài lòng”, không gộp tất cả biến độc lập và phụ thuộc vào một lần chạy. Cronbach's Alpha của một nhóm hỗn hợp không cho bạn biết thang đo nào đang có vấn đề.
Các bước chạy kiểm định độ tin cậy thang đo trong SPSS
Dưới đây là cách chạy kiểm định độ tin cậy thang đo trong SPSS với giao diện SPSS Statistics phổ biến. Tên menu có thể hơi khác nếu bạn dùng bản ngôn ngữ hoặc phiên bản cài đặt khác, nhưng hộp thoại chính vẫn là Reliability Analysis.
Bước 1: Mở Reliability Analysis
Chọn Analyze > Scale > Reliability Analysis. Từ danh sách bên trái, đưa các biến quan sát của một thang đo vào ô Items. Ví dụ, với thang đo Sự hài lòng, chọn HL1, HL2, HL3 và HL4.
Ở ô Model, giữ lựa chọn Alpha. Đây là Cronbach's Alpha. Không đưa biến tổng hợp vào cùng các biến quan sát, vì biến tổng hợp thường được tính từ chính các biến đó và có thể làm kết quả bị sai lệch.
Bước 2: Chọn thống kê cần xuất
Nhấn Statistics. Trong phần Descriptives for, chọn Item, Scale và Scale if item deleted. Trong phần Inter-Item, chọn Correlations nếu bạn muốn xem thêm ma trận tương quan giữa các biến.
Tùy mục tiêu, bạn có thể chọn Summaries để xem trung bình và độ lệch chuẩn. Nhấn Continue, sau đó nhấn OK. SPSS sẽ tạo các bảng như Case Processing Summary, Reliability Statistics và Item-Total Statistics.
Bước 3: Ghi lại lần chạy đầu tiên
Trước khi loại biến, lưu output hoặc ghi lại Alpha, Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted. EFA hiếm khi ra đẹp ở lần chạy đầu. Loại biến, chạy lại và ghi lại từng vòng loại là quy trình thường gặp, nhưng quyết định cần dựa trên nội dung thang đo và tiêu chí đã nêu trong phương pháp nghiên cứu.
Nếu một biến có tương quan biến tổng thấp, chưa nên xóa ngay chỉ vì một con số. Kiểm tra xem biến có bị đảo chiều sai, nhập sai mã hoặc diễn đạt khác hướng với các biến còn lại hay không. Nếu cần xử lý trường hợp Item-Total Correlation nhỏ hơn 0.3, hãy ghi rõ lý do và kết quả sau khi chạy lại.
Bước 4: Chạy lại sau khi loại biến có cơ sở
Nếu loại một biến, quay lại hộp thoại Reliability Analysis, bỏ biến đó khỏi ô Items rồi chạy lại. Không loại nhiều biến một lúc nếu bạn chưa biết biến nào thực sự gây vấn đề. Mỗi lần chạy lại cần được đặt tên hoặc lưu output riêng, chẳng hạn Alpha_CL_lan1 và Alpha_CL_lan2.
Kết quả cuối cùng phải khớp với danh sách biến bạn sử dụng trong EFA, hồi quy hoặc SmartPLS. Nếu chương 3 ghi thang đo có năm biến nhưng chương 4 chỉ phân tích bốn biến, hội đồng có thể hỏi lý do chênh lệch.
Đọc kết quả output
Bảng Case Processing Summary cho biết có bao nhiêu quan sát hợp lệ và bao nhiêu trường hợp bị loại khỏi phép tính do missing. Nếu số lượng hợp lệ giảm bất thường, quay lại kiểm tra mã missing và cách bạn nhập dữ liệu.
Bảng Reliability Statistics là nơi xem Cronbach's Alpha và số lượng biến quan sát. Bảng Item-Total Statistics giúp đánh giá từng biến. Cột quan trọng nhất thường là Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted.
Số liệu minh họa từ bảng Reliability Statistics
Bảng sau là số liệu minh họa, được trình bày theo dạng output SPSS để bạn biết cần đọc cột nào. Đây không phải kết quả của đề tài thực tế.
| Cronbach's Alpha | N of Items | Diễn giải minh họa |
|---|---|---|
| 0.842 | 4 | Độ nhất quán nội tại của thang đo gồm 4 biến |
Alpha 0.842 trong ví dụ cho thấy nhóm bốn biến có mức nhất quán tốt theo ngưỡng được chọn. Đây chưa phải bằng chứng rằng thang đo có giá trị hội tụ hoặc giá trị phân biệt. Bạn vẫn cần chạy EFA, CFA hoặc đánh giá measurement model tùy thiết kế nghiên cứu.
Số liệu minh họa từ bảng Item-Total Statistics
| Item | Scale Mean if Item Deleted | Scale Variance if Item Deleted | Corrected Item-Total Correlation | Cronbach's Alpha if Item Deleted |
|---|---|---|---|---|
| HL1 | 12.18 | 3.420 | 0.641 | 0.801 |
| HL2 | 12.25 | 3.115 | 0.703 | 0.772 |
| HL3 | 12.10 | 3.801 | 0.284 | 0.866 |
| HL4 | 12.32 | 3.276 | 0.617 | 0.812 |
Trong số liệu minh họa này, HL3 có Corrected Item-Total Correlation bằng 0.284, thấp hơn mức 0.3 thường được sử dụng. Nếu loại HL3, Alpha tăng từ 0.842 lên 0.866. Bạn vẫn cần đọc nội dung HL3 và kiểm tra đảo chiều trước khi quyết định loại.
Cột Cronbach's Alpha if Item Deleted chỉ cho biết Alpha sẽ thay đổi thế nào nếu biến đó bị loại. Cột này không tự động ra lệnh cho bạn xóa biến. Một biến quan trọng về mặt lý thuyết có thể được giữ lại nếu kết quả tổng thể chấp nhận được và bạn có lập luận rõ ràng.
Tiêu chí đánh giá
Bạn nên thống nhất tiêu chí trước khi đọc output, đồng thời trình bày nguồn trong chương phương pháp. Các ngưỡng dưới đây là quy tắc tham khảo phổ biến, không phải lệnh tự động xóa biến.
| Chỉ tiêu | Ngưỡng thường dùng | Nguồn |
|---|---|---|
| Cronbach's Alpha | Từ 0.70 trở lên | (Nunnally, 1978) |
| Cronbach's Alpha với thang đo khám phá | Có thể từ 0.60 trở lên | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.30 trở lên | (Nunnally và Bernstein, 1994) |
| Factor loading ở bước EFA tiếp theo | Từ 0.50 trở lên | (Hair và cộng sự, 2010) |
| Số quan sát trên mỗi biến quan sát | Khoảng 5 đến 10 | (Hair và cộng sự, 2010) |
Một thang đo có Alpha cao vẫn có thể không đạt giá trị đo lường nếu các biến bị trùng nội dung hoặc khái niệm được định nghĩa không rõ. Alpha cũng phụ thuộc vào số lượng biến. Vì vậy, đừng cố tăng Alpha bằng cách loại liên tục các biến chỉ để đạt một con số đẹp.
Nếu đây là nghiên cứu khám phá, bạn có thể giải thích việc dùng ngưỡng Alpha từ 0.60 dựa trên (Hair và cộng sự, 2010). Nếu thang đo đã được sử dụng ổn định trong bối cảnh tương tự, ngưỡng 0.70 theo (Nunnally, 1978) thường dễ giải trình hơn. Quan trọng là tiêu chí trong chương 3 phải nhất quán với cách bạn kết luận ở chương 4.
Cách viết kết quả vào luận văn
Sau khi có output cuối cùng, bạn không cần chụp toàn bộ màn hình SPSS vào luận văn. Hãy lập bảng tóm tắt theo từng thang đo, gồm số biến ban đầu, số biến còn lại, Cronbach's Alpha và biến bị loại nếu có. Phần phụ lục có thể chứa output đầy đủ để đối chiếu.
Cách viết vào luận văn: “Kết quả kiểm định độ tin cậy cho thấy thang đo [TÊN THANG ĐO] gồm [SỐ BIẾN] biến quan sát có Cronbach's Alpha bằng [ALPHA]. Các giá trị Corrected Item-Total Correlation dao động từ [MIN] đến [MAX], trong đó [TÊN BIẾN] được [giữ lại/loại bỏ] vì [LÝ DO]. Do đó, thang đo [TÊN THANG ĐO] được sử dụng với [SỐ BIẾN CUỐI] biến quan sát cho bước phân tích tiếp theo.”
Bạn cần thay toàn bộ phần trong ngoặc vuông bằng số liệu thật trong output của mình. Không viết “thang đo đạt độ tin cậy cao” nếu bạn chưa nêu Alpha và khoảng Corrected Item-Total Correlation. Nếu loại biến, ghi rõ biến nào bị loại ở lần chạy nào và danh sách cuối cùng gồm những biến nào.
Khi báo cáo nhiều thang đo, có thể viết mỗi thang đo trong một đoạn ngắn rồi kèm bảng tổng hợp. Tên biến trong bảng kết quả nên khớp với mã trong bảng hỏi. Nếu đã đổi tên biến sau khi chạy, bạn cần có bảng quy đổi để người đọc không nhầm HL3 với một phát biểu khác.
Lỗi thường gặp khi chạy kiểm định độ tin cậy thang đo trong SPSS
Đưa tất cả biến vào một lần chạy. Đây là lỗi phổ biến khi người dùng chọn toàn bộ cột Likert. Alpha khi đó không đại diện cho từng khái niệm. Hãy chạy theo từng nhóm biến được xây dựng từ mô hình và bảng hỏi.
Dùng Alpha if Item Deleted như một mệnh lệnh. Alpha tăng sau khi xóa biến chưa đủ để kết luận biến đó phải bị loại. Kiểm tra hướng câu hỏi, mã hóa, lý thuyết và kết quả EFA trước khi chốt.
Quên đảo chiều biến. Dấu hiệu thường thấy là Corrected Item-Total Correlation âm hoặc rất thấp. Kiểm tra lại câu phủ định và dùng Transform > Recode into Different Variables để tạo biến mới.
Nhầm Cronbach's Alpha với Composite Reliability. Cronbach's Alpha thường được báo cáo trong SPSS, còn Composite Reliability phổ biến trong đánh giá mô hình đo lường PLS-SEM. Hai chỉ số có liên quan nhưng không nên gọi tên thay thế nhau.
Xóa biến để đạt ngưỡng mà không ghi lịch sử. Hãy lưu output từng vòng và nêu lý do. Nếu giảng viên hỏi vì sao HL3 biến mất, bạn cần chỉ ra kết quả Corrected Item-Total Correlation, nội dung biến và tác động của việc loại biến.
Không kiểm tra số ca hợp lệ. Một Alpha đẹp trên số lượng quan sát giảm mạnh vẫn cần được xem xét. So sánh Case Processing Summary với cỡ mẫu dự kiến và kiểm tra lý do missing trước khi kết luận.
Câu hỏi thường gặp
Kiểm định độ tin cậy thang đo trong SPSS là gì?
Đây là bước đánh giá mức độ nhất quán giữa các biến quan sát cùng đo một khái niệm. Trong SPSS, bạn thường dùng Analyze > Scale > Reliability Analysis và chọn mô hình Alpha để tính Cronbach's Alpha.
Bạn cần đọc cả Alpha của toàn thang đo và Corrected Item-Total Correlation của từng biến. Chỉ nhìn một con số Alpha là chưa đủ để quyết định thang đo đạt hay không.
Cronbach's Alpha bao nhiêu là đạt?
Ngưỡng thường dùng là từ 0.70 trở lên theo (Nunnally, 1978). Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.60 có thể được xem xét theo (Hair và cộng sự, 2010). Corrected Item-Total Correlation thường được yêu cầu từ 0.30 trở lên theo (Nunnally và Bernstein, 1994).
Bạn nên nêu rõ nguồn và bối cảnh nghiên cứu thay vì ghi một ngưỡng không có giải thích. Alpha cao cũng không thay thế cho kiểm định giá trị thang đo.
Item-Total Correlation nhỏ hơn 0.3 phải làm sao?
Trước tiên, kiểm tra biến đó có phải biến đảo chiều chưa được recode, có mã nhập sai hoặc có missing bất thường hay không. Sau đó xem nội dung biến có thực sự thuộc cùng khái niệm với các biến còn lại không.
Nếu loại biến có cơ sở, chạy lại Reliability Analysis và ghi nhận Alpha mới. Không nên xóa biến chỉ vì muốn tăng Alpha, đặc biệt khi biến đó có ý nghĩa lý thuyết quan trọng.
Có cần chạy Cronbach's Alpha trước EFA không?
Trong quy trình thường dùng, bạn chạy kiểm định độ tin cậy trước EFA để phát hiện biến có tương quan biến tổng thấp hoặc đi ngược nhóm. Sau khi chốt danh sách biến, bạn chạy EFA với bộ biến đã được sàng lọc.
Nếu EFA cho thấy cấu trúc khác với mô hình dự kiến, bạn cần xem xét lại cách nhóm biến và lập luận lý thuyết. Cronbach's Alpha không chứng minh rằng các biến chắc chắn thuộc cùng một nhân tố.
Có nên chạy Cronbach's Alpha cho biến phụ thuộc không?
Có, nếu biến phụ thuộc được đo bằng nhiều biến quan sát. Ví dụ, “Ý định mua lại” có YL1, YL2 và YL3 thì nhóm này cũng cần được kiểm tra độ tin cậy riêng.
Nếu biến phụ thuộc chỉ được đo bằng một biến duy nhất, Cronbach's Alpha không áp dụng cho biến đó. Bạn cần mô tả cách đo và lý do sử dụng biến đơn trong phương pháp nghiên cứu.
Mở file .sav của bạn, lập danh sách từng nhóm biến theo khái niệm, chạy Analyze > Scale > Reliability Analysis theo đúng thứ tự trên, rồi lưu lại cả output trước và sau khi xử lý. Nếu bạn muốn chạy phân tích trên chính file dữ liệu của mình bằng SPSS hoặc SmartPLS, M4 phân tích của DoThesis là module phù hợp cho bước này.