Phân tích giá trị ngoại lai là gì? Cách đọc và xử lý trong SPSS

Phân tích giá trị ngoại lai là gì

Phân tích giá trị ngoại lai là quá trình phát hiện những quan sát có giá trị khác biệt rõ rệt so với phần lớn dữ liệu còn lại. Trong tiếng Anh, bạn sẽ gặp các từ outlier, anomaly hoặc extreme value. Một dòng dữ liệu bị xem là đáng kiểm tra khi nó quá cao, quá thấp, hoặc có một tổ hợp câu trả lời khác hẳn xu hướng chung của mẫu.

Ví dụ, bạn khảo sát mức độ hài lòng theo thang Likert từ 1 đến 5. Một người trả lời toàn bộ biến quan sát bằng 5 chưa chắc là outlier về mặt thống kê. Họ có thể thật sự rất hài lòng. Ngược lại, một người nhập tuổi là 222, hoặc nhập 99 cho một câu hỏi chỉ cho phép từ 1 đến 5, là trường hợp cần kiểm tra ngay vì có khả năng sai mã hóa.

Điểm quan trọng là outlier không đồng nghĩa với dữ liệu sai. Phân tích giá trị ngoại lai giúp bạn trả lời ba câu hỏi: quan sát này có bất thường không, nguyên nhân của sự bất thường là gì, và có đủ căn cứ để giữ hay loại quan sát đó không. Bạn có thể xem thêm bài outliers khi cần phân biệt các cách phát hiện trên từng loại dữ liệu.

Trong file SPSS, việc kiểm tra thường dựa trên bảng tần số, biểu đồ, boxplot, điểm z, khoảng cách đa biến hoặc phần dư của mô hình. Không có một con số duy nhất áp dụng cho mọi đề tài. Ngưỡng phù hợp còn phụ thuộc vào biến đang đo, cỡ mẫu, cách thu thập và mục tiêu phân tích.

Ý nghĩa của phân tích giá trị ngoại lai trong nghiên cứu định lượng

Outlier có thể làm thay đổi giá trị trung bình, độ lệch chuẩn, tương quan và hệ số hồi quy. Một vài quan sát cực đoan cũng có thể khiến đường hồi quy bị kéo về phía chúng. Khi đó, kết luận về tác động giữa các biến có thể khác đi đáng kể nếu bạn giữ hoặc loại chúng.

Trong phân tích thang đo, dữ liệu bất thường có thể làm Cronbach's Alpha hoặc corrected item-total correlation thay đổi. Trong EFA, một số quan sát quá khác biệt có thể ảnh hưởng đến ma trận tương quan và cấu trúc nhân tố. Trong hồi quy, bạn còn phải xem một quan sát có đang có ảnh hưởng quá lớn đến mô hình hay không, thay vì chỉ nhìn giá trị của từng biến riêng lẻ.

Hãy coi đây là bước kiểm tra chất lượng dữ liệu, không phải bước tìm lý do để xóa những dòng làm kết quả xấu. Nếu bạn loại một người trả lời chỉ vì họ khiến p-value không còn đẹp, đó là quyết định khó giải trình. Nếu bạn loại vì người đó nhập sai mã, trả lời ngoài phạm vi bảng hỏi hoặc có bằng chứng rõ ràng về lỗi thu thập, căn cứ sẽ vững hơn.

Outlier cũng khác với biến điều tiết hay biến trung gian. Moderator là biến làm thay đổi độ mạnh hoặc hướng của mối quan hệ, còn mediator giải thích cơ chế tác động giữa biến độc lập và phụ thuộc. Bạn có thể xem bài moderator và mediator nếu đang nhầm các khái niệm này với một quan sát bất thường.

Trước khi kiểm tra outlier, bạn nên kiểm tra lại thang đo, kiểu dữ liệu và mã hóa. Bài scale là gì có thể giúp bạn rà lại việc biến quan sát đang được đo và nhập vào SPSS như thế nào.

Phân tích giá trị ngoại lai bao nhiêu là đạt

Câu hỏi “outlier bao nhiêu là đạt” dễ dẫn đến cách làm máy móc. Bản thân một giá trị lớn hoặc nhỏ chưa đủ để kết luận là sai. Chẳng hạn, thu nhập của người trả lời thường lệch phải trong nhiều khảo sát. Một người có thu nhập cao hơn phần lớn mẫu có thể là quan sát hợp lệ, không nên tự động xóa.

Bạn nên đánh giá theo loại kiểm tra đang dùng. Bảng dưới đây là cách ra quyết định thực hành, trong đó mỗi dòng chỉ rõ nguồn phương pháp hoặc phần mềm. Các nguồn được nêu cho quy trình kiểm tra, không phải lời khẳng định rằng mọi đề tài phải dùng cùng một ngưỡng.

Các dòng trong bảng là hướng dẫn kiểm tra theo chức năng của SPSS, không phải các ngưỡng trích dẫn học thuật. Với những chỉ số mà tài liệu phương pháp của đề tài yêu cầu một mức cụ thể, bạn cần dùng đúng nguồn mà giảng viên hoặc thiết kế nghiên cứu đã thống nhất. Khi chưa có căn cứ, mô tả quan sát là “cần kiểm tra thêm” an toàn hơn việc viết “đạt” hoặc “không đạt”.

Nếu bạn phát hiện mã ngoài phạm vi như 99 trong biến Likert, đây thường là lỗi dữ liệu chứ không phải outlier tự nhiên. Nếu giá trị vẫn nằm trong phạm vi hợp lệ nhưng khác biệt lớn, hãy kiểm tra câu trả lời gốc và ảnh hưởng của quan sát trước khi quyết định.

Cách đọc giá trị ngoại lai trên output

Bạn mở file SPSS và bắt đầu từ Analyze > Descriptive Statistics > Frequencies. Chọn các biến cần kiểm tra, bấm Statistics để xem các thống kê mô tả, rồi chọn biểu đồ nếu cần. Với biến định lượng, Analyze > Descriptive Statistics > Explore cho phép bạn xem boxplot, bảng mô tả và phần kiểm tra giá trị cực đoan.

Nếu muốn xem outlier trong hồi quy, đi theo đường dẫn Analyze > Regression > Linear. Đưa biến phụ thuộc và các biến độc lập vào đúng ô, bấm Save, sau đó chọn các loại giá trị chẩn đoán phù hợp như standardized residuals hoặc Cook's distance nếu thiết kế phân tích của bạn yêu cầu. Bạn cần lưu ý tên biến SPSS tạo ra trong Data View để đối chiếu lại đúng dòng dữ liệu.

Dưới đây là bảng số liệu minh họa. Các con số chỉ nhằm mô phỏng hình dạng output, không phải kết quả của một nghiên cứu thật.

Trong bảng Case Processing Summary, bạn xem có bao nhiêu trường hợp hợp lệ và bao nhiêu trường hợp bị loại do missing. Một dòng bị mất khỏi phân tích vì missing không tự động là outlier. Hai vấn đề này cần được ghi nhận riêng.

Trong Descriptives, xem Minimum, Maximum, Mean và Std. Deviation. Nếu Minimum hoặc Maximum nằm ngoài phạm vi mà bảng hỏi cho phép, quay lại Variable View và codebook trước. Nếu phạm vi hợp lệ nhưng độ lệch lớn, mở boxplot và tìm số thứ tự quan sát tương ứng.

Trong boxplot, điểm tròn hoặc điểm đánh dấu xa hộp là cảnh báo trực quan. Bạn cần nhấp hoặc đối chiếu số case, sau đó mở Data View đến đúng dòng. Hãy kiểm tra toàn bộ câu trả lời của dòng đó, không chỉ biến đang có điểm cao nhất.

Nếu outlier xuất hiện trong hồi quy, xem thêm Coefficients, Residuals Statistics và các chỉ số chẩn đoán đã lưu. Một quan sát có phần dư lớn chưa chắc làm sai mô hình. Điều cần biết là nó có làm thay đổi kết luận, hệ số hoặc độ phù hợp của mô hình đến mức đáng kể hay không.

Khi giá trị ngoại lai không đạt thì xử lý thế nào

Thứ tự xử lý nên đi từ nguyên nhân rõ nhất đến quyết định nhạy cảm nhất. Cách này giúp bạn tránh xóa dữ liệu chỉ vì output chưa đẹp.

Bước 1: Kiểm tra phạm vi và mã hóa

Mở Variable View, kiểm tra Values, Missing và Measure. Đối chiếu với bảng hỏi gốc. Nếu biến Likert chỉ có các mức từ 1 đến 5 nhưng Data View xuất hiện 0, 6 hoặc 99, hãy xác định 99 là mã thiếu hay lỗi nhập trước khi recode.

Bạn nên lưu một bản dữ liệu gốc và làm việc trên bản sao. Ghi lại tên biến, số case, giá trị cũ, giá trị mới và lý do chỉnh sửa. Việc này quan trọng khi giảng viên hỏi vì sao cỡ mẫu sau làm sạch khác cỡ mẫu ban đầu.

Bước 2: Đối chiếu với bảng hỏi

Nếu dữ liệu được nhập từ bảng giấy, xem lại phiếu tương ứng. Nếu dùng biểu mẫu trực tuyến, kiểm tra thời điểm trả lời, câu trả lời thiếu và các điều kiện sàng lọc đã đặt. Một người chọn mức 1 ở tất cả biến có thể là quan điểm thật, cũng có thể là trả lời qua loa. Bạn cần dựa vào nhiều dấu hiệu cùng lúc.

Các dấu hiệu như hoàn thành quá nhanh, bỏ qua nhiều câu, hoặc nhập cùng một mẫu lặp lại có thể khiến bạn loại một bản ghi theo tiêu chí làm sạch đã đặt trước. Nếu tiêu chí này chưa được nêu trong phương pháp, hãy trao đổi với giảng viên trước khi áp dụng hàng loạt.

Bước 3: Chạy lại phân tích với và không có quan sát

Khi chưa có căn cứ xóa, hãy tạo một bản phân tích tạm thời để so sánh. Ghi lại cỡ mẫu, Mean, Std. Deviation, tương quan hoặc hệ số hồi quy ở hai phiên bản. Mục tiêu là biết kết quả có nhạy với quan sát đó hay không, chứ không phải chọn phiên bản có p-value đẹp hơn.

Nếu quyết định giữ, bạn có thể nêu rằng quan sát nằm trong phạm vi đo lường và không có bằng chứng cho thấy dữ liệu sai. Nếu quyết định loại, cần ghi rõ nguyên nhân, tiêu chí và số lượng dòng bị loại. Đừng chỉ viết “đã loại các outlier” mà không cho biết loại dựa trên điều kiện nào.

Bước 4: Chỉ biến đổi khi có cơ sở phương pháp

Một số đề tài có thể cần biến đổi log hoặc xử lý độ lệch, nhưng đây là lựa chọn của thiết kế phân tích, không phải nút sửa lỗi tự động. Bạn cần hiểu biến đổi làm thay đổi cách diễn giải kết quả ra sao. Với dữ liệu Likert dùng trong thang đo, tự ý biến đổi từng biến quan sát có thể làm quy trình đo lường khó giải thích.

Phân biệt giá trị ngoại lai với dữ liệu thiếu và sai mã

Dữ liệu thiếu là ô không có câu trả lời hoặc được đánh dấu là missing. Outlier là một giá trị đã có nhưng khác biệt so với phần lớn quan sát. Sai mã là giá trị được nhập không đúng quy ước, chẳng hạn nhập 9 thay vì 4 hoặc dùng 99 để chỉ “không trả lời” nhưng SPSS vẫn coi 99 là số hợp lệ.

Ba trường hợp này có thể xuất hiện cùng lúc trong một file nhưng cách xử lý khác nhau. Với missing, bạn xem cơ chế thiếu và cách SPSS loại trường hợp trong từng phân tích. Với sai mã, bạn sửa hoặc khai báo missing sau khi đối chiếu codebook. Với outlier hợp lệ, bạn thường giữ lại và giải trình.

Đừng nhầm “điểm dị biệt” với biến moderator. Một điểm dị biệt là đặc điểm của một quan sát trong dữ liệu. Moderator là một biến trong mô hình nghiên cứu, được kiểm định để xem quan hệ giữa hai biến có thay đổi theo mức của nó hay không. Hai khái niệm này nằm ở hai bước khác nhau.

Outlier đơn biến chỉ bất thường ở một biến. Outlier đa biến có thể có giá trị riêng lẻ không quá lạ nhưng tổ hợp của nhiều giá trị lại khác biệt. Ví dụ, tuổi và thu nhập đều nằm trong khoảng hợp lệ, nhưng sự kết hợp giữa chúng có thể rất khác mẫu. Vì vậy, chỉ nhìn từng cột là chưa đủ khi bạn chạy hồi quy hoặc mô hình có nhiều biến.

Lỗi thường gặp

Lỗi đầu tiên là xóa mọi điểm nằm ngoài boxplot. Boxplot chỉ là công cụ cảnh báo. Bạn vẫn phải quay lại kiểm tra phạm vi, phiếu trả lời và ảnh hưởng của quan sát.

Lỗi thứ hai là dùng điểm trung bình để thay thế một giá trị cực đoan mà không ghi lại. Việc này làm thay đổi dữ liệu gốc và có thể tạo ra quan sát nhân tạo. Nếu phương pháp yêu cầu xử lý như vậy, bạn cần mô tả quy tắc áp dụng, số dòng bị ảnh hưởng và lý do chọn cách đó.

Lỗi thứ ba là nhập mã missing nhưng quên khai báo trong SPSS. Khi đó, giá trị 99 có thể đi vào Mean, Maximum, hồi quy hoặc EFA. Hãy kiểm tra cả cột Missing trong Variable View và bảng tần số sau khi khai báo.

Lỗi thứ tư là báo cáo outlier nhưng không nêu số case. Trong phụ lục hoặc file làm việc, bạn nên giữ danh sách dòng đã kiểm tra. Trong chương kết quả, có thể trình bày ngắn gọn số quan sát được kiểm tra, số bản ghi bị loại và căn cứ loại.

Cách viết vào luận văn có thể điều chỉnh như sau: “Dữ liệu được kiểm tra thông qua giá trị tối thiểu, tối đa, boxplot và các chỉ số chẩn đoán phù hợp. Các quan sát bất thường được đối chiếu với phạm vi thang đo và thông tin thu thập trước khi quyết định giữ hoặc loại, nhằm tránh loại dữ liệu chỉ dựa trên sự thay đổi của kết quả kiểm định.”

Câu hỏi thường gặp

Giá trị ngoại lai là gì trong SPSS

Giá trị ngoại lai là quan sát khác biệt rõ rệt so với phần lớn dữ liệu. Trong SPSS, bạn có thể phát hiện dấu hiệu này qua Frequencies, Explore, boxplot, điểm chuẩn hóa hoặc các chỉ số chẩn đoán trong Regression. Kết quả phát hiện chỉ là căn cứ kiểm tra, chưa phải lệnh xóa dữ liệu.

Điểm dị biệt outlier có phải dữ liệu sai không

Không nhất thiết. Outlier có thể là dữ liệu nhập sai, mã ngoài phạm vi, người trả lời không hợp lệ hoặc một quan sát thật sự khác biệt trong tổng thể. Bạn chỉ nên loại khi có căn cứ về lỗi dữ liệu hoặc tiêu chí làm sạch đã được xác định rõ.

Có cần xóa outlier trước khi chạy Cronbach's Alpha và EFA không

Bạn nên kiểm tra chất lượng dữ liệu trước khi chạy, nhưng không có quy tắc rằng cứ thấy outlier là phải xóa. Hãy xem outlier xuất phát từ lỗi mã hóa, câu trả lời không hợp lệ hay chỉ là một giá trị hợp lệ nhưng hiếm. Nếu loại, chạy lại phân tích và ghi nhận sự thay đổi trong từng vòng xử lý.

SPSS báo outlier nhưng tôi muốn giữ dữ liệu thì sao

Bạn có thể giữ nếu quan sát nằm trong phạm vi đo lường và không có bằng chứng về lỗi. Hãy lưu lại số case, lý do giữ và cân nhắc so sánh kết quả trước và sau khi kiểm tra. Cách giải trình này thuyết phục hơn việc giữ dữ liệu nhưng không đề cập đến dấu hiệu bất thường.

Có thể thay outlier bằng giá trị trung bình không

Có thể có những thiết kế cho phép xử lý dữ liệu cực đoan bằng phương pháp biến đổi hoặc thay thế, nhưng bạn không nên làm tự động cho mọi trường hợp. Thay thế bằng Mean làm mất thông tin của quan sát và cần được nêu rõ trong phương pháp. Trước khi chọn, hãy kiểm tra nguyên nhân, tỷ lệ dữ liệu bị ảnh hưởng và yêu cầu của mô hình.

Bạn hãy mở lại file .sav, kiểm tra Variable View, chạy Analyze > Descriptive Statistics > Explore, lưu danh sách case cần xem và ghi quyết định cho từng dòng trước khi chạy phân tích tiếp theo. Nếu cần chạy và diễn giải trực tiếp trên dữ liệu của mình, M4 phân tích dữ liệu SPSS và SmartPLS là module thực hiện bước này.