Missing value là gì? Cách xử lý missing value trong SPSS
Missing value là gì
Missing value là giá trị bị thiếu trong một biến hoặc một dòng dữ liệu. Trên file Excel, bạn có thể thấy ô trống, ký hiệu NA, dấu chấm hoặc một mã như 99. Khi nhập vào SPSS, các giá trị này có thể được nhận diện là missing value hệ thống hoặc missing value do người dùng khai báo.
Ví dụ, bảng hỏi có biến GT để ghi giới tính và một người trả lời bỏ qua câu hỏi này. Ô GT của người đó không có giá trị hợp lệ. Đây là missing value. Nếu người trả lời chọn mã 99 để biểu thị “không biết”, SPSS chỉ hiểu đó là một con số bình thường cho đến khi bạn khai báo 99 là missing.
Bạn cần phân biệt hai loại chính:
- System-missing: SPSS tự hiển thị bằng dấu chấm
.trong Data View đối với biến số. Giá trị này thường xuất hiện khi ô bị bỏ trống hoặc phép tính không tạo ra kết quả. - User-missing: một mã do bạn quy ước, chẳng hạn
99,999hoặc-1, rồi khai báo trong Variable View để SPSS loại khỏi phép tính.
Missing value không phải là số 0. Số 0 có thể là câu trả lời hợp lệ, chẳng hạn số lần mua hàng bằng 0 hoặc mức độ đồng ý bằng 0 trong một thang đo được thiết kế như vậy. Nếu bạn biến mọi ô trống thành 0, trung bình, phương sai và kết quả hồi quy có thể bị kéo lệch.
Ý nghĩa của missing value trong nghiên cứu định lượng
Missing value ảnh hưởng trực tiếp đến số quan sát được dùng trong từng phép phân tích. Một người có đủ dữ liệu cho biến giới tính nhưng thiếu biến thu nhập vẫn có thể được giữ lại trong một số bảng tần số. Tuy nhiên, người đó có thể bị loại khỏi một mô hình hồi quy nếu thu nhập nằm trong các biến của mô hình và SPSS sử dụng cách loại theo danh sách.
Trong SPSS, cách xử lý missing có thể làm thay đổi N, Mean, Std. Deviation, hệ số tương quan, Cronbach's Alpha, EFA và hệ số hồi quy. Vì vậy, bạn cần kiểm tra dữ liệu thiếu trước khi chạy phân tích, thay vì chỉ nhìn vào số dòng ban đầu của file.
Missing value cũng liên quan đến các chỉ số mô tả khác. Nếu bạn đang kiểm tra độ phân tán của một biến, hãy xem độ lệch chuẩn và phương sai được tính trên bao nhiêu quan sát hợp lệ. Một bảng báo cáo có N = 250 ở biến này nhưng N = 218 ở biến khác cần được giải thích trong bước làm sạch dữ liệu.
Có ba câu hỏi bạn nên trả lời cho mỗi biến bị thiếu:
- Giá trị bị thiếu do người trả lời bỏ qua, do lỗi nhập liệu hay do câu hỏi không áp dụng.
- Tỷ lệ thiếu tập trung ở vài biến, vài dòng hay rải đều trong toàn bộ file.
- Việc loại hoặc thay thế dữ liệu có làm thay đổi mục tiêu phân tích hay không.
Một vài missing value ở biến nhân khẩu học thường có cách xử lý khác với missing value ở biến quan sát của thang đo. Đặc biệt, bạn không nên thay thế cơ học toàn bộ dữ liệu thiếu bằng Mean trước khi biết nguyên nhân.
Missing value bao nhiêu là tốt
Cụm “missing value bao nhiêu là tốt” thường khiến sinh viên tìm một con số duy nhất. Thực tế, không có một ngưỡng chung áp dụng cho mọi bộ dữ liệu và mọi đề tài. Bạn cần báo cáo tỷ lệ thiếu, số trường hợp bị ảnh hưởng và cách xử lý tương ứng.
Bảng dưới đây là khung quyết định thực hành. Các mốc có tính chất hướng dẫn theo nguồn được nêu, không phải giấy phép tự động xóa dữ liệu. Ngưỡng cỡ mẫu cho hồi quy được đối chiếu với yêu cầu về số quan sát trong nghiên cứu định lượng của (Tabachnick và Fidell, 2013). Khi phân tích thang đo, yêu cầu 5 đến 10 quan sát cho mỗi biến quan sát được nêu bởi (Hair và cộng sự, 2010).
| Tình huống trong file | Cách xử lý nên cân nhắc | Căn cứ cần ghi nhận |
|---|---|---|
| Một vài ô trống ở biến không quan trọng | Giữ missing và dùng số quan sát hợp lệ khi mô tả | Cách báo cáo N hợp lệ, không gán một ngưỡng tùy ý |
| Một dòng thiếu quá nhiều biến quan sát | Kiểm tra chất lượng phiếu, điều kiện loại phiếu đã định trước | Bảo đảm cỡ mẫu còn lại phù hợp với phân tích theo (Tabachnick và Fidell, 2013) |
| Thiếu ở một biến quan sát của thang đo | Kiểm tra tỷ lệ thiếu, nội dung biến và quy tắc tính điểm | Cỡ mẫu trên mỗi biến quan sát theo (Hair và cộng sự, 2010) |
Mã 99, 999 đang bị tính như số thật | Khai báo User-missing trước khi chạy thống kê | Quy tắc làm sạch dữ liệu của nghiên cứu, không xem mã quy ước là giá trị đo lường |
| Dữ liệu thiếu làm số quan sát còn lại quá thấp | Không cố cứu bằng cách thay thế tùy tiện, xem lại kế hoạch thu mẫu | Cỡ mẫu tối thiểu theo mô hình và (Tabachnick và Fidell, 2013) |
Nếu giảng viên hỏi “bao nhiêu phần trăm missing value là chấp nhận được”, bạn nên trả lời bằng tình trạng cụ thể của file. Hãy nêu số phiếu hợp lệ trước và sau làm sạch, biến nào bị thiếu nhiều nhất, quy tắc xử lý và lý do giữ hoặc loại quan sát. Một con số phần trăm đứng riêng không cho biết dữ liệu thiếu có gây sai lệch hay không.
Cách đọc missing value trong output SPSS
Bạn có thể kiểm tra missing value trong SPSS bằng đường dẫn Analyze > Descriptive Statistics > Frequencies. Đưa các biến cần kiểm tra vào ô Variable(s), chọn Display frequency tables nếu muốn xem bảng tần số, rồi bấm Statistics để lấy thêm Mean, Median hoặc Std. Deviation.
Trong bảng Frequencies, cột Valid là số quan sát có giá trị hợp lệ, còn Missing là số quan sát bị thiếu theo cách SPSS đang nhận diện. Tổng Valid + Missing thường bằng số dòng dữ liệu, trừ khi bạn đã lọc mẫu hoặc có trọng số dữ liệu.
Bạn cũng có thể vào Analyze > Descriptive Statistics > Descriptives để xem N, Mean, Std. Deviation, Minimum và Maximum. Cách này nhanh, nhưng không cho bạn bảng phân loại missing chi tiết như Frequencies. Với mã 99, hãy vào Variable View, tìm cột Missing, chọn Discrete missing values và nhập 99. Nếu chưa khai báo, SPSS sẽ tính 99 vào Mean và Maximum.
Dưới đây là bảng số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột mô phỏng cách SPSS thể hiện kết quả khi bạn chạy Frequencies.
| Biến | Valid N | Missing N | Percent Missing | Mean | Std. Deviation | Diễn giải minh họa |
|---|---|---|---|---|---|---|
HL1 | 238 | 12 | 4.8% | 3.71 | 0.82 | Có 12 người chưa trả lời HL1 |
HL2 | 246 | 4 | 1.6% | 3.84 | 0.76 | Dữ liệu thiếu ít hơn HL1 |
TN | 221 | 29 | 11.6% | 12.45 | 5.18 | Cần kiểm tra câu hỏi thu nhập và mã 99 |
GT | 249 | 1 | 0.4% | 1.54 | 0.50 | Một trường hợp chưa khai báo giới tính |
Khi đọc bảng này, bạn chưa nên kết luận rằng biến TN phải bị xóa. Trước hết, mở Data View để kiểm tra 29 trường hợp đó có cùng một kiểu lỗi hay không. Nếu 29 người chọn mã 99, vấn đề nằm ở khai báo User-missing. Nếu họ thật sự bỏ trống, bạn cần xem biến thu nhập có phải câu hỏi nhạy cảm hoặc câu hỏi điều kiện hay không.
Sau khi kiểm tra, hãy lưu một phiên bản dữ liệu gốc và một phiên bản đã làm sạch. Đặt tên file rõ ràng, chẳng hạn khaosat_raw.sav và khaosat_clean.sav. Không sửa trực tiếp file gốc rồi mất dấu vết các thay đổi.
Khi missing value không đạt thì xử lý thế nào
Hãy xử lý theo thứ tự từ ít can thiệp đến nhiều can thiệp. Mỗi lựa chọn cần được ghi vào nhật ký làm sạch dữ liệu để bạn giải trình khi viết chương phương pháp.
Bước 1: Kiểm tra mã quy ước và kiểu biến
Mở Variable View, xem cột Type, Values và Missing. Nếu 99 nghĩa là “không trả lời”, hãy khai báo nó là User-missing. Kiểm tra cả giá trị tối thiểu và tối đa để phát hiện mã bất thường. Với biến Likert, một giá trị 99 bị tính vào trung bình là lỗi nghiêm trọng hơn một ô trống rõ ràng.
Bước 2: Kiểm tra phiếu và dòng dữ liệu
Nếu một dòng có rất nhiều biến bị thiếu, xem lại thời gian trả lời, mã phiếu, các câu trả lời lặp lại và điều kiện sàng lọc. Bạn có thể loại một phiếu nếu tiêu chí loại đã được đặt trước hoặc phiếu rõ ràng không hợp lệ. Ghi số phiếu bị loại và lý do, không chỉ ghi “làm sạch dữ liệu”.
Bước 3: Giữ missing khi tỷ lệ nhỏ và phân tích cho phép
Một số phân tích có thể sử dụng số quan sát hợp lệ cho từng biến. Trong trường hợp này, giữ missing giúp bạn không tạo ra giá trị giả. Khi báo cáo, nêu rõ N hợp lệ và cách SPSS xử lý trường hợp thiếu.
Bước 4: Cân nhắc thay thế có cơ sở
Thay thế bằng Mean có thể làm giảm độ phân tán và ảnh hưởng đến tương quan. Nếu bạn sử dụng một phương pháp thay thế hoặc Multiple Imputation, cần mô tả điều kiện, biến sử dụng và cách kiểm tra sau thay thế. Với bài luận văn thời hạn gấp, giữ dữ liệu thiếu và báo cáo minh bạch thường an toàn hơn việc tự chọn một giá trị thay thế chỉ để bảng output đẹp.
Bước 5: Chạy lại phân tích sau khi xử lý
Sau mỗi thay đổi, chạy lại Frequencies và so sánh Valid N, Mean, Std. Deviation với phiên bản trước. Nếu missing tập trung ở một biến quan sát, hãy xem Cronbach's Alpha và Corrected Item-Total Correlation sau khi xác định số quan sát thực tế. Đừng xóa biến chỉ vì nó có missing value.
Phân biệt missing value với outlier và giá trị 0
Missing value là thông tin bị khuyết. Outlier là một giá trị đã tồn tại nhưng nằm rất xa phần lớn quan sát. Bạn có thể đọc thêm về outlier để kiểm tra trường hợp như mức thu nhập cao bất thường hoặc số lần mua hàng vượt xa phần còn lại.
Giá trị 0 cũng không đồng nghĩa với missing. Với câu hỏi “Trong tháng qua bạn mua sản phẩm bao nhiêu lần”, số 0 là câu trả lời có ý nghĩa. Với thang đo Likert từ 1 đến 5, số 0 thường là giá trị ngoài phạm vi và cần kiểm tra lại mã hóa. Nếu bạn đang tính độ phân tán, công thức tính phương sai cho thấy mọi giá trị được đưa vào phép tính đều ảnh hưởng đến kết quả.
Missing value khác Median và Mean. Median là trung vị được tính từ các quan sát hợp lệ, còn missing là trường hợp không có giá trị đo lường. Vì vậy, bạn không thể gọi ô trống là “trung vị” hoặc thay nó bằng trung vị mà không nêu lý do phương pháp.
Missing value cũng khác lỗi nhập liệu. Nếu người trả lời chọn mức 4 nhưng bạn nhập thành 44, đó là lỗi nhập dữ liệu. Nếu người trả lời bỏ qua câu hỏi và ô để trống, đó là missing. Hai lỗi này cần cách kiểm tra khác nhau.
Lỗi thường gặp
Đổi toàn bộ ô trống thành số 0
Cách này làm số 0 trở thành một câu trả lời giả. Nó đặc biệt nguy hiểm với biến Likert, biến thu nhập và các biến dùng để tính điểm trung bình của thang đo. Chỉ thay thế khi 0 thật sự là một giá trị hợp lệ theo bảng hỏi.
Để mã 99 chạy vào phân tích
Đây là lỗi phổ biến khi file CSV có mã 99 nhưng Variable View chưa khai báo missing. Hãy kiểm tra Minimum, Maximum, bảng Frequencies và cột Missing trước khi chạy EFA hoặc hồi quy.
Xóa cả dòng chỉ vì thiếu một ô
Xóa danh sách toàn bộ có thể làm mất nhiều quan sát hơn cần thiết. Trước khi xóa, xem biến bị thiếu có nằm trong phân tích sắp chạy không và cỡ mẫu còn lại có đáp ứng yêu cầu hay không.
Báo cáo tỷ lệ thiếu nhưng không nói cách xử lý
Trong chương 3 hoặc chương 4, câu “dữ liệu có missing value” chưa đủ. Bạn cần ghi số phiếu ban đầu, số phiếu loại, số phiếu hợp lệ, biến bị thiếu và quy tắc xử lý.
Sửa file mà không lưu lịch sử
Giữ file raw, file clean và một bảng nhật ký thay đổi. Nếu giảng viên hỏi vì sao N trong bảng hồi quy khác N trong bảng mô tả, bạn có thể truy lại từng bước.
Câu hỏi thường gặp
Missing value là gì trong SPSS?
Trong SPSS, missing value là trường hợp biến không có giá trị hợp lệ để đưa vào phép tính. System-missing thường hiển thị bằng dấu chấm ở Data View. User-missing là mã như 99 hoặc 999 do bạn khai báo trong Variable View.
Missing value bao nhiêu là tốt?
Không có một tỷ lệ duy nhất được xem là tốt cho mọi đề tài. Bạn nên xem missing tập trung ở biến nào, có phải do mã quy ước hay không, số quan sát hợp lệ còn lại và yêu cầu cỡ mẫu của mô hình. Hãy báo cáo tỷ lệ cùng cách xử lý, thay vì chỉ nêu một phần trăm.
Có nên thay missing value bằng 0 không?
Chỉ nên dùng 0 khi 0 là câu trả lời hợp lệ của chính biến đó. Với ô trống trong thang đo Likert hoặc biến thu nhập, thay bằng 0 thường tạo ra dữ liệu giả và làm thay đổi Mean, phương sai, tương quan hoặc hồi quy.
Có nên xóa dòng có missing value không?
Bạn có thể cân nhắc loại một dòng khi phiếu thiếu quá nhiều thông tin, vi phạm tiêu chí chất lượng đã định trước hoặc không còn phù hợp với điều kiện mẫu. Nếu chỉ thiếu một ô, không nên tự động xóa cả dòng. Cần kiểm tra ảnh hưởng đến N và ghi lại quyết định.
Missing value có làm giảm cỡ mẫu không?
Có. Tùy phép phân tích và cách SPSS xử lý, một trường hợp thiếu dữ liệu có thể bị loại khỏi phép tính hoặc khỏi mô hình. Vì vậy, hãy xem Valid N trong từng bảng output, không lấy số dòng ban đầu làm cỡ mẫu cho tất cả phân tích.
Cách viết missing value vào luận văn như thế nào?
Bạn có thể điều chỉnh câu sau: “Sau khi kiểm tra dữ liệu, nghiên cứu loại [số phiếu] phiếu do [lý do] và ghi nhận [số trường hợp] missing value ở biến [tên biến]. Các giá trị mã [mã quy ước] được khai báo là User-missing trước khi thực hiện [phân tích], còn số quan sát hợp lệ cuối cùng là [N].”
Mở file SPSS của bạn, chạy Analyze > Descriptive Statistics > Frequencies, ghi lại Valid và Missing cho từng biến, sau đó lưu một bản raw và một bản clean trước khi chạy phân tích tiếp theo; nếu cần xử lý trực tiếp file .sav hoặc .csv của mình, bạn có thể dùng module M4 phân tích của DoThesis.