Outliers là gì? Cách nhận biết và xử lý điểm dị biệt

Outliers là gì?

Outliers là những quan sát có giá trị khác biệt rõ rệt so với phần lớn dữ liệu còn lại. Trong tiếng Việt, bạn có thể gặp các cách gọi như điểm dị biệt, điểm ngoại lai hoặc giá trị bất thường. Ví dụ, phần lớn người trả lời đánh giá một biến trên thang Likert từ 1 đến 5, nhưng một dòng dữ liệu có giá trị 55 do nhập sai sẽ là trường hợp cần kiểm tra ngay.

Điểm dị biệt không đồng nghĩa với dữ liệu sai. Một người có thu nhập cao hơn hẳn mẫu khảo sát vẫn có thể là người trả lời thật. Ngược lại, một bảng trả lời được nhập nhầm, một biến bị đảo mã sai hoặc một người chọn cùng một phương án cho toàn bộ bảng hỏi cũng có thể tạo ra quan sát bất thường.

Về mặt kỹ thuật, outliers được phát hiện bằng cách xem một giá trị cách xa phân phối chung đến mức nào. Với một biến đơn, bạn thường xem z-score, boxplot hoặc khoảng tứ phân vị. Với nhiều biến, một quan sát có thể không bất thường ở từng biến riêng lẻ nhưng lại bất thường khi xét đồng thời, chẳng hạn bằng khoảng cách Mahalanobis.

Công thức z-score thường được viết như sau:

z = (giá trị quan sát - giá trị trung bình) / độ lệch chuẩn

Trong đó, độ lệch chuẩn cho biết mức phân tán của dữ liệu. Bạn có thể xem thêm cách đọc std là gì trong SPSS nếu đang mở bảng Descriptive Statistics và chưa chắc cột Std. Deviation có ý nghĩa gì.

Khi tìm thấy một outlier, việc cần làm đầu tiên là quay lại dòng dữ liệu gốc, bảng hỏi và quy tắc mã hóa. Phần mềm chỉ báo cho bạn một quan sát đáng chú ý, còn quyết định đó là lỗi nhập liệu, trường hợp hợp lệ hay dữ liệu cần loại bỏ phải dựa trên bối cảnh nghiên cứu.

Ý nghĩa của outliers trong nghiên cứu định lượng

Outliers quan trọng vì một số phân tích nhạy cảm với các giá trị quá lớn hoặc quá nhỏ. Trong hồi quy tuyến tính, một vài quan sát có thể kéo đường hồi quy về phía mình, làm thay đổi hệ số, sai số chuẩn và p-value. Khi đó, kết luận về việc một biến độc lập có tác động đến biến phụ thuộc có thể khác đi đáng kể.

Trong thống kê mô tả, outliers có thể làm trung bình bị kéo lên hoặc kéo xuống. Chẳng hạn, nếu bạn phân tích thời gian sử dụng một ứng dụng, phần lớn người trả lời dùng từ 1 đến 3 giờ mỗi ngày nhưng có một bản ghi 300 giờ, trung bình sẽ không còn phản ánh nhóm mẫu thông thường. Median và boxplot giúp bạn nhìn tình huống này rõ hơn.

Trong kiểm định giả định, điểm dị biệt có thể liên quan đến phân phối lệch, phương sai không đồng nhất hoặc phần dư bất thường. Với hồi quy, bạn nên xem cả giá trị đầu vào, phần dư và mức độ ảnh hưởng của từng quan sát. Chỉ nhìn vào bảng Frequencies rồi xóa các dòng có số lớn là cách làm dễ bị hỏi lại khi bảo vệ.

Outliers cũng có thể xuất hiện do lỗi thiết kế bảng hỏi. Ví dụ, bạn dùng thang đo 1 đến 5 nhưng một biến lại có mã 99 để biểu thị không trả lời, sau đó nhập 99 như một giá trị hợp lệ. Trên output, 99 sẽ trông như một điểm dị biệt, nhưng bản chất của nó là missing value chưa được khai báo.

Trong quy trình phân tích, kiểm tra outliers nên diễn ra sau khi bạn đã rà soát phạm vi mã hóa và giá trị thiếu, đồng thời trước khi chốt mô hình hồi quy hoặc các phân tích suy luận chính. Việc này nằm trong nhóm công việc làm sạch dữ liệu, cùng với kiểm tra bảng trả lời không đầy đủ, trả lời theo một đường thẳng và biến đảo chiều. Nếu đề tài của bạn còn đang thiết kế thang đo, hãy xem scale là gì để phân biệt biến quan sát, mã hóa và điểm tổng hợp.

Outliers bao nhiêu là đạt?

Outliers không có một ngưỡng duy nhất áp dụng cho mọi loại dữ liệu. Một ngưỡng có thể dùng để sàng lọc ban đầu, nhưng không thể tự động biến thành lý do loại quan sát. Bạn cần ghi rõ phương pháp phát hiện, số lượng quan sát bị đánh dấu, nguyên nhân kiểm tra và quyết định cuối cùng.

Bảng dưới đây là các mốc thường dùng trong quy trình định lượng. Mỗi mốc chỉ nên được xem là tiêu chí hỗ trợ, không phải lệnh xóa dữ liệu tự động.

Nếu luận văn của bạn dùng z-score, hãy báo cáo rõ bạn dùng giá trị tuyệt đối nào để đánh dấu. Tránh viết rằng mọi quan sát có z-score vượt ngưỡng đều bị xóa, vì một điểm ở đuôi phân phối vẫn có thể là giá trị hợp lệ của tổng thể.

Câu hỏi “outliers bao nhiêu là đạt” thường được đặt chưa đúng trọng tâm. Mục tiêu không phải làm cho dữ liệu không còn điểm dị biệt, mà là xác định những điểm đó có hợp lệ, có ảnh hưởng không phù hợp và có làm thay đổi kết luận hay không.

Cách đọc outliers trên output

Trong SPSS, bạn có thể bắt đầu bằng Analyze > Descriptive Statistics > Explore. Đưa biến cần kiểm tra vào ô Dependent List, chọn Plots, đánh dấu Boxplots và Normality plots with tests nếu phù hợp với mục tiêu kiểm tra. Bảng Case Processing Summary cho biết số quan sát hợp lệ và số giá trị thiếu, còn boxplot giúp bạn nhìn các trường hợp được đánh dấu bằng vòng tròn hoặc dấu sao.

Một vòng tròn trên boxplot thường là trường hợp nằm ngoài vùng hộp, còn dấu sao biểu thị trường hợp cách xa hơn theo quy tắc mà SPSS sử dụng. Con số cạnh điểm chính là số thứ tự case trong file, không phải giá trị của biến. Bạn phải trở lại Data View để xem dòng đó thuộc người trả lời nào và các biến khác trên cùng dòng có gì bất thường.

Bạn cũng có thể xem Descriptives để kiểm tra Minimum, Maximum, Mean và Std. Deviation. Nếu thang đo chỉ cho phép các giá trị từ 1 đến 5 nhưng Maximum là 55, nguyên nhân thường nằm ở nhập liệu hoặc khai báo mã missing. Nếu min và max hợp lệ, điểm dị biệt vẫn có thể là một câu trả lời thật.

Dưới đây là một bảng số liệu minh họa, không phải kết quả của một nghiên cứu cụ thể. Các con số được dựng để minh họa cách đọc output SPSS.

Trong bảng minh họa, case 24 được đánh dấu vì z-score lớn. Bạn chưa thể kết luận phải xóa case này. Nếu bảng hỏi ghi 95 triệu đồng và biến được đo bằng triệu đồng, giá trị có thể hợp lệ. Nếu người trả lời ghi 95 nhưng hướng dẫn yêu cầu nhập theo đơn vị nghìn đồng, bạn cần kiểm tra quy tắc nhập và khả năng sai đơn vị.

Đối với hồi quy, vào Analyze > Regression > Linear, chọn Statistics và đánh dấu các mục liên quan đến chẩn đoán, sau đó vào Save để lưu phần dư chuẩn hóa hoặc giá trị dự đoán nếu cần. Những bảng như Coefficients, Residuals Statistics và biểu đồ phần dư giúp bạn xem một quan sát có đang làm mô hình thay đổi mạnh hay không.

Nếu dùng SmartPLS, bạn thường không xử lý outliers bằng một bảng có tên giống SPSS. Hãy kiểm tra file .csv trước khi import, phạm vi mã hóa, thống kê mô tả của biến và các kết quả Outer Loadings, Path Coefficients sau khi chạy mô hình. SmartPLS phù hợp với PLS-SEM, còn việc làm sạch dòng dữ liệu vẫn cần thực hiện từ file gốc.

Khi outliers không đạt thì xử lý thế nào?

Hãy xử lý theo thứ tự từ nguyên nhân chắc chắn nhất đến quyết định có ảnh hưởng lớn nhất.

Sửa lỗi nhập liệu hoặc mã hóa

Nếu kiểm tra bảng hỏi cho thấy một giá trị bị gõ nhầm, sửa về giá trị gốc và lưu lại lịch sử chỉnh sửa. Nếu 99, 999 hoặc một mã đặc biệt là missing value, khai báo đúng trong SPSS ở Variable View, cột Missing, hoặc chuyển thành missing trước khi chạy phân tích. Đây là phương án dễ giải trình nhất vì bạn có bằng chứng về lỗi.

Kiểm tra lại đơn vị đo và biến đảo chiều

Một outlier đôi khi xuất hiện vì một biến dùng đơn vị khác với các biến còn lại. Với thang Likert, kiểm tra xem biến đảo chiều đã được recode chưa. Một biến đáng lẽ có mã từ 1 đến 5 nhưng có giá trị âm hoặc vượt 5 cần được rà soát trước khi tính điểm trung bình cho khái niệm.

Giữ lại nếu đó là quan sát hợp lệ

Nếu người trả lời tồn tại, câu trả lời đầy đủ, giá trị nằm trong phạm vi thực tế và không vi phạm quy tắc thu thập, bạn có cơ sở để giữ lại. Khi đó, có thể báo cáo rằng dữ liệu có quan sát dị biệt nhưng đã được kiểm tra tính hợp lệ. Bạn không cần làm cho mọi boxplot đẹp bằng cách xóa những người có đặc điểm khác số đông.

Chạy phân tích độ nhạy

Khi một outlier hợp lệ có ảnh hưởng lớn, chạy mô hình với và không có quan sát đó để so sánh hướng tác động, độ lớn hệ số và ý nghĩa thống kê. Đây là phân tích độ nhạy, giúp bạn biết kết luận có phụ thuộc quá mạnh vào một dòng dữ liệu hay không. Bạn cần ghi rõ phiên bản kết quả nào là phân tích chính và lý do.

Loại quan sát khi có căn cứ phương pháp

Chỉ loại khi có lý do có thể kiểm chứng, chẳng hạn lỗi nhập liệu không thể khôi phục, trả lời vượt phạm vi mã hóa, bảng trả lời không hợp lệ theo tiêu chí đã đặt trước hoặc quan sát không thuộc tổng thể nghiên cứu. Ghi lại mã case, biến liên quan, lý do và số mẫu trước sau khi loại. Không nên xóa nhiều dòng chỉ vì Cronbach's Alpha tăng.

Nếu sau khi loại một quan sát mà kết quả thay đổi từ có ý nghĩa sang không có ý nghĩa, hoặc ngược lại, hãy trình bày trung thực tình huống đó với giảng viên. Một quy trình minh bạch có giá trị hơn một bảng kết quả được làm đẹp nhưng không thể giải thích.

Phân biệt outliers với điểm dị biệt và leverage

“Outlier” thường được dùng cho quan sát khác biệt so với phần còn lại, nhưng trong hồi quy cần phân biệt ba khái niệm gần nhau. Điểm dị biệt về biến kết quả có thể có phần dư lớn. Leverage liên quan đến việc giá trị của biến độc lập nằm xa trung tâm dữ liệu. Influence cho biết quan sát đó thực sự làm thay đổi kết quả mô hình đến mức nào.

Một case có giá trị X rất xa nhưng vẫn nằm gần đường hồi quy có thể có leverage cao nhưng chưa chắc là một điểm có ảnh hưởng lớn. Ngược lại, một case có phần dư lớn có thể làm mô hình bị ảnh hưởng nếu kết hợp với leverage. Vì vậy, nhìn một cột z-score là chưa đủ khi bạn đang đánh giá hồi quy.

Outliers cũng khác với missing value. Missing value là dữ liệu bị thiếu hoặc được mã hóa là không có câu trả lời. Outlier là giá trị đã tồn tại nhưng khác biệt so với phân phối chung. Một mã 99 có thể trông như outlier trên output, nhưng sau khi đọc codebook bạn có thể xác định đó là missing value.

Bạn cũng nên phân biệt outliers với moderator và mediator. Moderator là biến làm thay đổi mức độ hoặc hướng quan hệ, còn mediator giải thích cơ chế truyền dẫn giữa các biến. Hai khái niệm này thuộc mô hình nghiên cứu, không phải tên gọi của một điểm dữ liệu bất thường. Bạn có thể đọc thêm về moderator, moderating và mediator nếu đang nhầm thuật ngữ khi viết giả thuyết.

Lỗi thường gặp khi xử lý outliers

Lỗi đầu tiên là dùng một con số làm lệnh xóa. Một z-score cao chỉ cho biết quan sát cần xem xét. Bạn vẫn phải kiểm tra phạm vi giá trị, bảng hỏi, mã hóa và mục tiêu của nghiên cứu.

Lỗi thứ hai là xóa outlier trước khi lưu file gốc. Hãy tạo một bản sao, đặt tên file theo vòng xử lý và ghi lại các case đã thay đổi. Nếu giảng viên hỏi tại sao cỡ mẫu giảm, bạn có thể mở bảng theo dõi thay vì nhớ lại bằng cảm tính.

Lỗi thứ ba là chỉ nhìn trung bình. Hãy xem thêm min, max, median, boxplot, phần dư và các biến liên quan. Một giá trị lớn có thể hợp lệ trong bối cảnh thu nhập, doanh thu hoặc số lần sử dụng, dù nó không giống phần lớn mẫu.

Lỗi thứ tư là gộp nhiều nguyên nhân thành câu “dữ liệu đã được làm sạch”. Câu này quá chung. Trong chương phương pháp, hãy nêu tiêu chí kiểm tra, số dòng bị loại, lý do loại và cỡ mẫu cuối cùng.

Lỗi thứ năm là báo cáo lại con số minh họa như kết quả của đề tài. Bảng số liệu trong hướng dẫn chỉ giúp bạn hiểu cột output. Khi viết luận văn, thay bằng số liệu thật từ file .sav hoặc .csv của bạn, đồng thời lưu syntax hoặc các bước xử lý để có thể tái lập.

Câu hỏi thường gặp

Outliers là gì trong SPSS?

Trong SPSS, outliers là các case được đánh dấu vì giá trị của chúng nằm xa phần lớn dữ liệu theo cách kiểm tra đang dùng. Bạn thường nhận biết qua boxplot trong Explore, z-score hoặc chẩn đoán ảnh hưởng trong hồi quy.

Con số cạnh điểm trên boxplot thường là số thứ tự case. Hãy dùng nó để tìm dòng tương ứng trong Data View, sau đó kiểm tra dữ liệu gốc trước khi đưa ra quyết định.

Outliers bao nhiêu là đạt?

Không có tỷ lệ outliers cố định mà mọi luận văn đều phải đạt. Một nghiên cứu có thể có điểm dị biệt hợp lệ, trong khi nghiên cứu khác có thể có mã nhập sai cần sửa.

Bạn nên báo cáo cách phát hiện và lý do giữ hoặc loại. Các mốc như z-score lớn, vị trí ngoài boxplot hay Cook's Distance chỉ là tín hiệu để kiểm tra, không phải tiêu chí xóa tự động.

Điểm dị biệt có phải luôn xóa không?

Không. Nếu quan sát thuộc đúng tổng thể, có câu trả lời hợp lệ và giá trị thực tế, bạn có thể giữ lại. Xóa chỉ vì nó làm trung bình, Alpha hoặc p-value đẹp hơn sẽ khó giải trình.

Nếu điểm hợp lệ nhưng ảnh hưởng mạnh, hãy cân nhắc phân tích độ nhạy và trình bày sự khác biệt giữa các mô hình. Quyết định cuối cùng nên thống nhất với thiết kế nghiên cứu và hướng dẫn của giảng viên.

Bị outliers thì làm sao trong SPSS?

Bạn kiểm tra lần lượt mã hóa, missing value, đơn vị đo, biến đảo chiều và bảng hỏi gốc. Sau đó chạy lại thống kê mô tả hoặc hồi quy trên bản sao dữ liệu, không chỉnh trực tiếp file gốc.

Nếu không tìm thấy lỗi, giữ hoặc loại quan sát phải dựa trên tính hợp lệ và mức ảnh hưởng. Ghi lại case, nguyên nhân và số mẫu trước sau xử lý trong nhật ký phân tích.

Outliers có làm Cronbach's Alpha giảm không?

Có thể, nếu một hoặc vài quan sát bất thường làm thay đổi tương quan giữa các biến quan sát. Tuy nhiên, Alpha thấp không chứng minh rằng nguyên nhân chắc chắn là outlier.

Hãy xem đồng thời Reliability Statistics, Item-Total Statistics, dữ liệu từng dòng và nội dung thang đo. Việc loại một biến hoặc một case cần có căn cứ về đo lường và dữ liệu, không chỉ dựa vào cột Cronbach's Alpha if Item Deleted.

Khi file của bạn đang mở, hãy tạo một bản sao, chạy Analyze > Descriptive Statistics > Explore cho các biến chính, ghi lại case bị đánh dấu và kiểm tra từng dòng trước khi sửa. Nếu cần chạy toàn bộ bước phân tích trên chính file .sav hoặc .csv của bạn, M4 phân tích của DoThesis hỗ trợ quy trình SPSS và SmartPLS, kèm kết quả để bạn đối chiếu và viết tiếp.