Lỗi Cronbach Alpha âm SPSS phải làm sao

Hiện tượng bạn đang gặp

Bạn mở SPSS, vào Analyze > Scale > Reliability Analysis, chọn các biến quan sát của một thang đo rồi bấm OK. Trong bảng Reliability Statistics, giá trị Cronbach's Alpha xuất hiện âm, rất thấp hoặc cao gần như tuyệt đối. Ở bảng Item-Total Statistics, một vài biến có Corrected Item-Total Correlation âm hoặc nhỏ hơn 0,3.

Đây là nhóm lỗi thường được tìm kiếm với các cụm như lỗi Cronbach Alpha âm SPSS, lỗi Cronbach Alpha thấp SPSS, lỗi Cronbach Alpha quá cao SPSS và lỗi thang đo không đạt độ tin cậy SPSS. Bạn cần phân biệt ba tình huống này trước khi xóa biến, vì mỗi tình huống có nguyên nhân khác nhau.

Cronbach's Alpha phản ánh mức độ nhất quán nội tại giữa các biến quan sát trong cùng một thang đo. Về bản chất, Alpha phụ thuộc vào số lượng biến và mức tương quan giữa các biến. Khi các biến có xu hướng ngược chiều, dữ liệu nhập sai hoặc các biến đang đo những nội dung khác nhau, Alpha có thể giảm mạnh, thậm chí mang giá trị âm. Bạn có thể xem phần giải thích nền tảng tại Cronbach Alpha và hướng dẫn riêng cho Cronbach Alpha trong SPSS. Bạn cũng có thể xem thêm các chủ đề SPSS nếu đang xử lý những bước phân tích khác.

Nguyên nhân thường gặp

Đừng bắt đầu bằng việc xóa ngay biến có hệ số thấp. Trước hết, ghi lại Alpha ban đầu, số biến được đưa vào phân tích và kiểm tra bảng hỏi gốc. Bảng dưới đây giúp bạn khoanh vùng nguyên nhân từ dấu hiệu đang thấy trên output.

Với Alpha, mốc 0,7 thường được dùng để xem xét độ tin cậy, còn thang đo khám phá có thể được cân nhắc từ 0,6 tùy bối cảnh nghiên cứu (Nunnally, 1978) và (Hair và cộng sự, 2010). Corrected Item-Total Correlation từ 0,3 trở lên là mốc tham khảo phổ biến (Nunnally và Bernstein, 1994). Các mốc này chỉ hỗ trợ quyết định, không thay thế việc đọc nội dung biến.

Nguyên nhân đáng kiểm tra đầu tiên là biến đảo chiều. Ví dụ, thang đo sự hài lòng có các biến HL1, HL2, HL3, trong đó HL3 được viết theo hướng phủ định: “Tôi thường thất vọng khi sử dụng dịch vụ”. Nếu người trả lời chọn mức 5 cho câu này, điểm cao lại thể hiện sự không hài lòng. Khi đưa thẳng vào Alpha cùng các biến thuận chiều, tương quan của HL3 với các biến còn lại có thể âm.

Một nguyên nhân khác là dữ liệu bị nhập lệch cột. Trường hợp này dễ xảy ra khi sao chép dữ liệu từ Excel, xóa một cột trong bảng tính hoặc đặt tên biến không khớp với mã trong bảng hỏi. Bạn cũng nên kiểm tra giá trị thiếu, giá trị 0 dùng thay cho câu chưa trả lời và các mã ngoài phạm vi Likert, chẳng hạn một biến 1 đến 5 nhưng xuất hiện giá trị 6.

Cách xử lý theo thứ tự ưu tiên

Kiểm tra dữ liệu và mã hóa trước khi chạy lại

Mở Variable View trong SPSS. Kiểm tra Name, Label, Values, Missing và Measure của từng biến. Với thang Likert 5 mức, dữ liệu hợp lệ thường nằm trong khoảng 1 đến 5 theo quy ước của bảng hỏi. Nếu bạn dùng mã 99 cho câu bỏ trống, hãy khai báo 99 là missing hoặc xử lý theo quy trình làm sạch dữ liệu đã chọn.

Tiếp theo, vào Analyze > Descriptive Statistics > Frequencies. Đưa các biến trong thang đo vào ô phân tích và xem bảng tần số. Một biến chỉ có một giá trị duy nhất trong toàn bộ mẫu cũng cần được kiểm tra, vì biến đó không cung cấp khả năng phân biệt giữa người trả lời.

Bạn nên lưu một bản dữ liệu gốc trước khi sửa. Tạo một bản sao có tên rõ ràng, chẳng hạn du_lieu_recode_v1.sav. Việc này giúp bạn truy lại thao tác nếu Alpha thay đổi bất thường sau khi recode.

Recode biến đảo chiều đúng công thức

Với thang Likert từ 1 đến 5, biến đảo chiều được chuyển theo công thức mới bằng 6 trừ điểm cũ. Như vậy, 1 thành 5, 2 thành 4, 3 giữ nguyên, 4 thành 2 và 5 thành 1. Với thang 1 đến 7, hằng số tương ứng là 8.

Trong SPSS, vào Transform > Recode into Different Variables. Chọn biến đảo chiều, đặt tên mới chẳng hạn HL3_R, rồi bấm Change. Chọn Old and New Values, khai báo từng cặp giá trị cũ và mới, sau đó bấm Continue và OK. Bạn nên tạo biến mới thay vì ghi đè biến gốc để còn đối chiếu với bảng hỏi.

Sau khi recode, chạy Analyze > Descriptive Statistics > Frequencies cho biến mới. Kiểm tra xem tần số có hợp lý và giá trị nhỏ nhất, lớn nhất có nằm trong khoảng mong muốn hay không. Đừng đưa cả HL3 và HL3_R vào cùng một lần chạy Cronbach's Alpha, vì đó là hai phiên bản của cùng một biến.

Chạy lại Cronbach's Alpha và đọc đúng bảng

Vào Analyze > Scale > Reliability Analysis. Đưa các biến thuộc cùng một khái niệm vào ô Items. Chọn Model: Alpha, bấm Statistics, tích Scale if item deleted, Item, Scale và Correlations, rồi bấm Continue và OK.

Đọc bảng Reliability Statistics trước để biết Alpha của toàn thang đo. Sau đó xem Item-Total Statistics. Cột Corrected Item-Total Correlation cho biết tương quan của từng biến với tổng điểm thang đo sau khi loại chính biến đó. Cột Cronbach's Alpha if Item Deleted cho biết Alpha sẽ thay đổi thế nào nếu xóa biến.

Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu cụ thể.

Trong ví dụ này, HL4 có Corrected Item-Total Correlation bằng 0,184, thấp hơn mốc 0,3. Alpha sau khi xóa HL4 tăng lên 0,873. Bạn có thể cân nhắc loại HL4, nhưng cần đọc lại nội dung câu hỏi và lý do lý thuyết. Một biến không nên bị xóa chỉ vì con số làm Alpha đẹp hơn.

Xóa từng biến có lý do và ghi lại từng vòng

Nếu một biến có tương quan âm, hãy kiểm tra biến đảo chiều và lỗi nhập liệu trước. Nếu dữ liệu đúng, đọc lại nội dung biến để xem nó có thực sự thuộc khái niệm đang đo hay không. Sau đó mới chạy lại với biến được cân nhắc loại bỏ.

Mỗi vòng chạy nên được ghi trong một bảng theo dõi gồm tên biến, Alpha trước khi xóa, Corrected Item-Total Correlation, lý do xóa và Alpha sau khi xóa. Không nên xóa liên tiếp nhiều biến trong một lần, vì bạn sẽ không biết biến nào tạo ra thay đổi.

Nếu hai biến có nội dung gần như trùng nhau, Alpha có thể cao bất thường. Alpha từ 0,7 trở lên thường được xem xét là đạt theo (Nunnally, 1978), nhưng Alpha quá cao có thể cho thấy các biến đang lặp nội dung. Khi đó, đọc lại câu chữ và cân nhắc giữ biến có cơ sở lý thuyết rõ hơn.

Kiểm tra lại cấu trúc thang đo khi lỗi vẫn còn

Nếu đã kiểm tra recode, dữ liệu và từng biến nhưng Alpha vẫn âm hoặc thấp, có thể các biến đang được gom sai vào một thang đo. Một khái niệm trong mô hình có thể có nhiều thành phần, hoặc bảng hỏi đã gộp các biến thuộc những khái niệm khác nhau.

Bạn có thể xem xét EFA ở bước phù hợp với thiết kế nghiên cứu. Khi chạy EFA, cần đọc KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix, thay vì dùng Alpha để quyết định mọi vấn đề của thang đo. KMO từ 0,5 trở lên được đề cập trong (Kaiser, 1974), còn factor loading từ 0,5 trở lên là mốc tham khảo trong (Hair và cộng sự, 2010).

Nếu thang đo vốn được thiết kế thành các chiều riêng, hãy chạy Cronbach's Alpha theo từng chiều sau khi có cơ sở lý thuyết và kết quả phân tích phù hợp. Gộp tất cả biến vào một Alpha duy nhất có thể tạo ra lỗi thang đo không đạt độ tin cậy SPSS dù từng nhóm nhỏ hoạt động ổn định.

Khi nào phải quay lại thu thêm dữ liệu

Bạn không cần thu lại dữ liệu chỉ vì Alpha thấp trong lần chạy đầu. Trước tiên cần loại trừ lỗi mã hóa, biến đảo chiều, nhập sai cột, dữ liệu thiếu và việc gom nhầm biến. Đây là các vấn đề có thể xử lý bằng kiểm tra dữ liệu.

Bạn nên trao đổi với giảng viên khi nhiều biến có tương quan âm dù đã kiểm tra bảng mã, hoặc khi phần lớn người trả lời bỏ qua một mức điểm. Nếu câu hỏi bị hiểu sai trên diện rộng, việc xóa một vài dòng dữ liệu sẽ không giải quyết được nguyên nhân.

Cũng cần cân nhắc thu thêm dữ liệu khi mẫu hiện tại quá nhỏ so với số biến, tỷ lệ trả lời không đầy đủ cao hoặc nhóm người trả lời không đúng đối tượng nghiên cứu. Thêm dữ liệu không tự động làm Alpha đạt. Nếu bảng hỏi đo sai khái niệm, một mẫu lớn hơn vẫn có thể cho kết quả thấp.

Khi phải thu lại, hãy sửa logic bảng hỏi trước, ghi rõ phiên bản câu hỏi và không trộn dữ liệu cũ với dữ liệu mới nếu hai phiên bản có cách hỏi khác nhau. Trong luận văn, bạn cần mô tả tiêu chí chọn mẫu, thời gian thu thập và quy trình làm sạch dữ liệu một cách nhất quán.

Cách giải trình với giảng viên hướng dẫn

Bạn nên trình bày cả quá trình xử lý, không chỉ gửi ảnh chụp bảng Alpha cuối cùng. Một đoạn có thể điều chỉnh như sau:

“Ở lần chạy đầu, thang đo [TÊN THANG ĐO] có Cronbach's Alpha bằng [GIÁ TRỊ]. Biến [MÃ BIẾN] có Corrected Item-Total Correlation bằng [GIÁ TRỊ], thấp hơn mốc tham khảo 0,3 theo (Nunnally và Bernstein, 1994). Sau khi kiểm tra nội dung biến, bảng mã và dữ liệu, nghiên cứu loại [MÃ BIẾN] vì [LÝ DO CỤ THỂ], sau đó chạy lại thang đo với [SỐ BIẾN] biến còn lại.”

Nếu biến đảo chiều là nguyên nhân, hãy nói rõ biến nào được recode và theo thang đo mấy mức. Nếu không xóa biến dù hệ số thấp, bạn cần nêu lý do lý thuyết, mức độ ảnh hưởng và trao đổi với người hướng dẫn trước khi chốt kết quả.

Bạn có thể xem thêm hướng xử lý khi Item Total Correlation nhỏ hơn 0,3 và quy trình kiểm định độ tin cậy thang đo trong SPSS. Nếu đề tài dùng SmartPLS, Cronbach's Alpha chỉ là một phần của đánh giá measurement model, cùng với Composite Reliability, AVE và HTMT. Khi đó, xem thêm Composite Reliability là gì.

Cách phòng từ bước thiết kế

Ngay khi thiết kế bảng hỏi, hãy đánh dấu các biến thuận chiều và đảo chiều trong một bảng mã riêng. Mỗi biến nên có mã duy nhất, nhãn mô tả rõ và thang điểm thống nhất. Nếu cần dùng câu phủ định, hãy kiểm tra cách diễn đạt bằng một đợt thử nghiệm nhỏ trước khi thu chính thức.

Bạn cũng nên tạo một file codebook gồm mã biến, nội dung biến, khái niệm, chiều đo, giá trị hợp lệ và cách xử lý missing. File này giúp bạn phát hiện nhanh việc đưa nhầm biến vào Reliability Analysis.

Sau khi nhập dữ liệu, kiểm tra tần số trước khi chạy bất kỳ kiểm định nào. Lưu riêng dữ liệu gốc, dữ liệu sau làm sạch và dữ liệu sau recode. Đặt tên file theo phiên bản giúp bạn giải thích được vì sao kết quả thay đổi giữa các lần chạy.

Cronbach's Alpha nên được chạy theo đúng nhóm biến đã được xác định trong mô hình và bảng hỏi. Nếu một thang đo có nhiều chiều, đừng gộp các chiều chỉ để tăng số lượng biến. Việc này có thể làm chỉ số khó diễn giải và tạo ra kết luận không phù hợp với mô hình nghiên cứu.

Lỗi thường gặp khi sửa

Xóa hàng loạt biến để Alpha tăng

Alpha tăng sau khi xóa biến chưa đủ để chứng minh thang đo tốt hơn. Nếu xóa quá nhiều biến, thang đo có thể mất nội dung quan trọng hoặc chỉ còn vài biến không đại diện đầy đủ cho khái niệm.

Dùng biến gốc và biến recode cùng lúc

Đây là lỗi thường gặp sau khi tạo biến đảo chiều. Bạn cần đưa HL3_R vào phân tích và loại HL3 khỏi danh sách. Việc giữ cả hai biến làm tương quan giữa các biến bị méo.

Chỉ nhìn Alpha mà bỏ qua nội dung biến

Một thang đo có Alpha đạt vẫn có thể đo sai khái niệm nếu các biến được viết lặp lại hoặc không bao phủ nội dung cần đo. Hãy kết hợp kết quả thống kê với mô hình, định nghĩa khái niệm và nguồn thang đo.

Nhầm Alpha với Composite Reliability

Cronbach's Alpha thường được báo cáo trong SPSS cho thang đo dựa trên tổng điểm. Trong PLS-SEM, bạn còn cần xem Composite Reliability, AVE, outer loading và HTMT. Không nên lấy ngưỡng hoặc cách diễn giải của một hệ phương pháp áp sang hệ phương pháp khác.

Câu hỏi thường gặp

Cronbach Alpha âm trong SPSS có phải xóa hết thang đo không?

Chưa. Alpha âm thường là dấu hiệu cần kiểm tra biến đảo chiều, mã hóa và tương quan giữa các biến. Bạn chỉ nên cân nhắc loại biến hoặc thiết kế lại thang đo sau khi đã kiểm tra dữ liệu và nội dung câu hỏi.

Cronbach Alpha bao nhiêu là đạt trong SPSS?

Mốc 0,7 thường được dùng để xem xét độ tin cậy theo (Nunnally, 1978). Với nghiên cứu khám phá, Alpha từ 0,6 có thể được cân nhắc theo (Hair và cộng sự, 2010). Cần báo cáo thêm số lượng biến, Corrected Item-Total Correlation và lý do xử lý.

Item Total Correlation nhỏ hơn 0,3 phải làm sao?

Kiểm tra trước xem biến có phải biến đảo chiều chưa recode, nhập sai mã hoặc có giá trị bất thường không. Nếu dữ liệu đúng, đọc lại nội dung biến, xem Alpha if Item Deleted rồi mới quyết định loại biến dựa trên cả cơ sở lý thuyết và kết quả thống kê.

Cronbach Alpha quá cao trong SPSS có tốt không?

Alpha cao cho thấy các biến có tính nhất quán mạnh, nhưng giá trị quá sát 1 có thể là dấu hiệu các biến hỏi gần như cùng một nội dung. Bạn nên đọc lại câu chữ, xem ma trận tương quan và cân nhắc sự trùng lặp thay vì chỉ giữ tất cả biến.

Có nên chạy lại Cronbach Alpha sau mỗi lần xóa biến không?

Có. Mỗi lần xóa biến có thể thay đổi tương quan và Alpha của các biến còn lại. Hãy lưu từng vòng chạy, ghi lý do xóa và tránh xóa nhiều biến cùng lúc nếu bạn muốn giải trình rõ với giảng viên.

Mở ngay file .sav, tạo một bản sao dữ liệu, kiểm tra các biến đảo chiều và ghi lại Alpha cùng Corrected Item-Total Correlation trước khi sửa. Khi cần chạy phân tích trên dữ liệu thật và theo dõi từng vòng xử lý, bạn có thể dùng M4 phân tích của DoThesis.