Lỗi hội đồng hỏi về cỡ mẫu SPSS: xử lý và giải trình

Hiện tượng bạn đang gặp

Bạn mở file .sav, nhìn vào bảng phân tích và nhận ra hội đồng có thể hỏi ngay: “Vì sao đề tài có từng này biến mà chỉ khảo sát từng này người?”, “Cỡ mẫu này dựa vào công thức nào?”, hoặc “Em có loại phiếu nào sau khi thu thập không?”. Đây là lỗi hội đồng hỏi về cỡ mẫu SPSS thường gặp, nhưng bản chất không nằm ở một nút bấm trong SPSS. Vấn đề là bạn có giải thích được mối liên hệ giữa mô hình, số biến quan sát, cách chọn mẫu và số phản hồi hợp lệ hay không.

Một trường hợp khác là bạn lấy cỡ mẫu từ một bài báo gốc, chạy ra kết quả khác, rồi lo bị xem là lỗi kết quả khác với bài báo gốc SPSS. Hai nghiên cứu có bối cảnh, người trả lời, thời điểm và chất lượng dữ liệu khác nhau nên kết quả không bắt buộc phải giống nhau. Bạn cần bảo vệ quy trình và dữ liệu thật của mình, thay vì cố sửa con số để giống tài liệu tham khảo.

Trước khi sửa bất kỳ dòng dữ liệu nào, hãy lưu một bản sao file gốc. Ghi rõ số phiếu thu được, số phiếu bị loại, lý do loại và số quan sát cuối cùng dùng trong SPSS. Nếu hội đồng đặt nghi vấn dữ liệu không thật, cách làm việc này giúp bạn trình bày được dấu vết xử lý thay vì chỉ đưa ra một con số cuối cùng. Bạn có thể xem thêm hướng xử lý tại bài bị nghi ngờ số liệu không thật phải làm sao.

Nguyên nhân thường gặp

Hội đồng thường không chỉ nhìn vào tổng số người trả lời. Họ kiểm tra xem con số đó có xuất hiện nhất quán trong chương phương pháp, bảng mô tả mẫu, file dữ liệu và các bảng kết quả hay không. Bảng dưới đây giúp bạn khoanh vùng trước khi mở từng phân tích.

Một nguyên nhân dễ bị bỏ qua là bạn báo cáo số phiếu phát ra thay cho số quan sát hợp lệ. SPSS chỉ phân tích những dòng còn dữ liệu phù hợp với biến đang dùng. Nếu một bảng có 300 người nhưng một biến bị thiếu 40 giá trị và lệnh chạy đang dùng listwise deletion, số quan sát ở bảng hồi quy có thể thấp hơn đáng kể.

Bạn cũng cần phân biệt cỡ mẫu kế hoạch với cỡ mẫu phân tích. Cỡ mẫu kế hoạch là số người bạn dự định thu thập. Cỡ mẫu phân tích là số dòng thực sự được dùng trong từng kiểm định. Hai số này có thể khác nhau, nhưng luận văn phải nói rõ vì sao.

Cách xử lý theo thứ tự ưu tiên

1. Khóa lại file dữ liệu và lập bảng đối soát

Tạo một bản sao với tên có ngày, chẳng hạn du_lieu_goc_2026_09_08.sav. Trong SPSS, vào Analyze > Descriptive Statistics > Frequencies, chọn một biến mã phiếu hoặc biến nhân khẩu học luôn phải có dữ liệu. Ghi lại số trường hợp hợp lệ, số thiếu và khoảng giá trị.

Sau đó lập bảng đối soát đơn giản gồm bốn con số: số phiếu thu về, số phiếu loại, số phiếu hợp lệ và số quan sát dùng trong từng mô hình. Nếu hồi quy có số quan sát khác EFA, bạn cần ghi lý do, chẳng hạn biến phụ thuộc có giá trị thiếu hoặc một bộ lọc đang bật.

2. Kiểm tra bộ lọc và dữ liệu thiếu trong SPSS

Vào Data > Select Cases và xem lựa chọn đang là All cases hay một điều kiện lọc. Nếu chọn If condition is satisfied, bấm If... để đọc điều kiện. Kiểm tra tiếp biểu tượng gạch chéo ở số dòng, vì đó có thể là các trường hợp đang bị filter.

Vào Analyze > Descriptive Statistics > Frequencies để xem cột Valid và Missing của các biến chính. Không tự động thay thế dữ liệu thiếu bằng giá trị trung bình chỉ để tăng cỡ mẫu. Cách xử lý phải được nêu trong phương pháp và phù hợp với mức độ thiếu dữ liệu.

3. Đối chiếu cỡ mẫu với căn cứ đã chọn

Nếu dùng số biến quan sát, quy tắc thường được trích dẫn là 5 đến 10 quan sát cho mỗi biến quan sát (Hair và cộng sự, 2010). Nếu mô hình có hồi quy với m biến độc lập, một căn cứ khác là n từ 50 + 8m trở lên (Tabachnick và Fidell, 2013). Đây là căn cứ để lập kế hoạch, không phải giấy phép thay đổi dữ liệu sau khi thu thập.

Nếu tổng thể hữu hạn và bạn có số lượng tổng thể đáng tin cậy, có thể trình bày công thức cỡ mẫu hữu hạn theo (Yamane, 1967). Nếu chưa xác định được tổng thể, đừng ghi một công thức hữu hạn chỉ vì nó xuất hiện trong một luận văn khác. Hãy nói rõ cách tiếp cận lấy mẫu và giới hạn suy rộng.

4. Chạy lại đúng quy trình và lưu output

Sau khi xác nhận dữ liệu, tắt filter nếu phân tích toàn bộ mẫu là mục tiêu. Chạy lại từng bước theo thứ tự đã nêu trong chương 3. Lưu Output Viewer với tên riêng cho từng vòng, chẳng hạn EFA_vong_1.spv và Hoi_quy_final.spv.

Đừng xóa các vòng chạy cũ. Nếu phải loại biến hoặc loại phiếu, ghi ngày, điều kiện và lý do. Hội đồng thường chấp nhận việc dữ liệu cần làm sạch, nhưng sẽ hỏi tiếp nếu bạn chỉ có một file cuối cùng và không nhớ nó được tạo ra như thế nào.

5. Kiểm tra bảng mô tả mẫu với số quan sát thực tế

Trong Analyze > Descriptive Statistics > Frequencies, tạo bảng giới tính, độ tuổi, nghề nghiệp hoặc kinh nghiệm sử dụng dịch vụ tùy đề tài. Tổng phần trăm có thể khác 100% do làm tròn, nhưng tổng số hợp lệ phải khớp với phần mô tả cỡ mẫu.

Nếu bảng giới tính có 240 quan sát nhưng hồi quy chỉ có 226, hãy ghi chú sự khác biệt. Đừng lấy bảng có số đẹp nhất để đưa vào luận văn. Số liệu phải truy ngược được về file dữ liệu.

Khi nào phải quay lại thu thêm dữ liệu

Bạn nên cân nhắc thu thêm khi số quan sát hợp lệ thấp hơn căn cứ đã cam kết, quá nhiều phiếu bị loại do tiêu chí đã đặt trước, hoặc một nhóm quan trọng trong mẫu có quá ít trường hợp để mô tả. Bạn cũng cần hỏi giảng viên nếu sau khi làm sạch, số dòng giảm mạnh và các bảng phân tích không còn cùng một mẫu.

Thu thêm dữ liệu không phải cách chữa mọi kết quả yếu. Nếu Cronbach's Alpha thấp, nhân tố không ổn định hoặc giả thuyết không có ý nghĩa thống kê, thêm người trả lời có thể không giải quyết được vấn đề đo lường hay mô hình. Bạn cần phân biệt thiếu cỡ mẫu với thang đo chưa phù hợp.

Khi thu thêm, giữ nguyên tiêu chí chọn mẫu và bảng hỏi nếu không có quyết định phương pháp mới. Ghi rõ đợt thu thứ nhất, đợt thu bổ sung, số phiếu hợp lệ của từng đợt và cách gộp file. Nếu thay đổi đối tượng hoặc cách tiếp cận, đó là thay đổi thiết kế và cần được giảng viên đồng ý.

Số liệu minh họa

Bảng dưới đây mô phỏng hình dạng thông tin bạn có thể gặp trong output SPSS. Đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật và không được chép vào luận văn.

Trong ví dụ này, bạn phải giải thích 12 phiếu bị loại bằng tiêu chí đã đặt ra, chẳng hạn thiếu dữ liệu ở biến bắt buộc hoặc không đạt câu hỏi sàng lọc. Chỉ nhìn vào N of Items hoặc Alpha không chứng minh rằng cỡ mẫu đã hợp lệ. Cỡ mẫu cần được giải thích ở cấp độ thiết kế và dữ liệu thực tế.

Cách giải trình với giảng viên hướng dẫn

Khi hội đồng hỏi, hãy trả lời theo bốn phần: căn cứ ban đầu, số phiếu thực tế, cách làm sạch và giới hạn. Trình bày ngắn, mở file dữ liệu hoặc bảng đối soát khi được yêu cầu. Đừng trả lời bằng câu “em thấy các bài trước cũng làm như vậy” nếu bạn không biết bài đó dùng tổng thể, mẫu hay quy tắc nào.

Cách viết vào luận văn: “Nghiên cứu dự kiến thu thập [số phiếu kế hoạch] bảng trả lời dựa trên [căn cứ hoặc công thức]. Sau khi kiểm tra [tiêu chí loại phiếu], có [số phiếu hợp lệ] quan sát được sử dụng trong phân tích SPSS. Cỡ mẫu này được đối chiếu với [số biến quan sát hoặc số biến độc lập] theo (Hair và cộng sự, 2010) và (Tabachnick và Fidell, 2013).”

Nếu bạn dùng công thức khác, thay phần trong ngoặc bằng đúng căn cứ của mình. Không ghi “đủ lớn để đại diện cho tổng thể” nếu bạn dùng lấy mẫu thuận tiện và không có thiết kế xác suất. Bạn có thể tham khảo thêm cách chuẩn bị khi hội đồng hỏi về cỡ mẫu phải làm sao.

Nếu kết quả của bạn khác bài báo gốc, hãy trình bày sự khác biệt về bối cảnh, mẫu, thời gian, thang đo và cách xử lý dữ liệu. Bài kết quả khác với bài báo gốc phải làm sao đi sâu vào phần giải thích này. Cỡ mẫu giống nhau không tạo ra kết quả giống nhau.

Cách phòng từ bước thiết kế

Trước khi phát bảng hỏi, chốt danh sách biến quan sát, số biến độc lập, biến phụ thuộc và tiêu chí loại phiếu. Từ đó tính cỡ mẫu kế hoạch có dư để bù cho phản hồi không hợp lệ. Phần này phải khớp với bảng hỏi cuối cùng, vì việc thêm biến sau khi thu dữ liệu có thể làm căn cứ ban đầu không còn phù hợp.

Tạo một mã phiếu duy nhất cho mỗi phản hồi. Đặt tên biến nhất quán, dùng cùng một quy ước cho giá trị thiếu và ghi riêng các biến đảo chiều. Khi nhập dữ liệu, không gõ đè file gốc. Mỗi lần làm sạch nên có bản lưu, ngày xử lý và ghi chú thay đổi.

Trong chương 3, mô tả rõ đối tượng khảo sát, phương pháp chọn mẫu, thời gian thu thập, số phiếu phát ra, số phiếu thu về, số phiếu hợp lệ và căn cứ xác định cỡ mẫu. Trong chương 4, dùng cùng số quan sát khi mô tả mẫu và phân tích, hoặc giải thích rõ lý do khác nhau.

Bạn cũng có thể đọc thêm nhóm nội dung Nghiên cứu khoa học để đối chiếu phần phương pháp, dữ liệu và báo cáo kết quả. Nếu cần trang tổng hợp, nghiên cứu khoa học là điểm bắt đầu phù hợp.

Lỗi thường gặp khi sửa

Lỗi nghiêm trọng nhất là thêm dòng dữ liệu giả để đạt một mốc cỡ mẫu. Cách này tạo ra lỗi bị nghi ngờ số liệu không thật SPSS và không thể bảo vệ khi hội đồng hỏi một phiếu cụ thể đến từ đâu. SPSS có thể chạy ra bảng đẹp, nhưng không xác nhận dữ liệu đã được thu thập hợp lệ.

Lỗi thứ hai là xóa hàng loạt phiếu có câu trả lời bất lợi cho giả thuyết. Chỉ loại phiếu khi có tiêu chí phương pháp hợp lý, được áp dụng nhất quán và có ghi nhận. Một outlier không tự động là dữ liệu sai.

Lỗi thứ ba là trộn số phiếu giữa các bảng. Bảng mô tả mẫu dùng 250 người, EFA dùng 238, hồi quy dùng 226, nhưng luận văn lại viết tất cả là 250. Bạn cần rà soát từng bảng và thêm chú thích về số quan sát hợp lệ.

Lỗi thứ tư là dùng một ngưỡng cỡ mẫu như kết luận tuyệt đối. Cỡ mẫu còn liên quan đến mục tiêu phân tích, số biến, độ phức tạp mô hình và chất lượng đo lường. Hãy trình bày căn cứ phù hợp với thiết kế thay vì chọn con số dễ nhớ nhất.

Câu hỏi thường gặp

Hội đồng hỏi cỡ mẫu SPSS có đủ không thì trả lời thế nào?

Bạn trả lời bằng căn cứ đã dùng, số phiếu hợp lệ và cách kiểm tra trong file. Nêu rõ số biến quan sát hoặc số biến độc lập, sau đó đối chiếu với (Hair và cộng sự, 2010) hoặc (Tabachnick và Fidell, 2013) nếu đó đúng là căn cứ của nghiên cứu.

Cỡ mẫu thực tế thấp hơn kế hoạch có phải làm lại toàn bộ không?

Chưa chắc. Trước tiên kiểm tra số phiếu bị loại, dữ liệu thiếu và điều kiện lọc. Nếu cỡ mẫu hợp lệ vẫn phù hợp với thiết kế và các bảng phân tích nhất quán, bạn có thể giải trình phần chênh lệch. Nếu thấp hơn đáng kể so với căn cứ đã cam kết, hãy hỏi giảng viên về việc thu bổ sung hoặc điều chỉnh phạm vi kết luận.

Có nên thêm dữ liệu giả để kết quả SPSS ổn định hơn không?

Không. Dữ liệu giả làm sai bản chất nghiên cứu và khiến bạn không thể giải thích nguồn của từng phản hồi. Hãy kiểm tra lỗi nhập liệu, phiếu trùng, giá trị thiếu và tiêu chí loại đã được phê duyệt, sau đó báo cáo giới hạn nếu cỡ mẫu vẫn thấp.

Vì sao cùng cỡ mẫu nhưng kết quả của tôi khác bài báo gốc?

Cỡ mẫu chỉ là một phần của nghiên cứu. Đối tượng khảo sát, bối cảnh, thời điểm, cách dịch thang đo, phân phối câu trả lời và tiêu chí làm sạch đều có thể khác. Bạn nên so sánh quy trình và thảo luận khác biệt, không sửa dữ liệu để tạo kết quả giống bài báo.

Nếu bị nghi ngờ số liệu không thật thì cần chuẩn bị gì?

Chuẩn bị file dữ liệu gốc, bảng hỏi, mã biến, lịch sử làm sạch, tiêu chí loại phiếu và bảng đối soát số lượng. Khi được hỏi, chỉ trình bày những gì bạn có thể truy nguyên từ dữ liệu. Nếu thiếu hồ sơ thu thập, hãy thừa nhận giới hạn thay vì dựng lại thông tin sau khi đã có kết quả.

Mở file .sav ngay bây giờ, ghi bốn con số gồm phiếu thu về, phiếu loại, phiếu hợp lệ và số quan sát ở từng phân tích, rồi đối chiếu với chương 3 trước khi sửa output; nếu cần chạy lại trên dữ liệu thật và viết phần giải trình, bạn có thể dùng module M4 phân tích của DoThesis.