Phân tích hệ số ICC SPSS: Cách chạy và đọc kết quả

Bạn mở SPSS lên, thấy cụm từ Intraclass Correlation Coefficient trong một bảng output và chưa biết phải đọc dòng nào. ICC thường xuất hiện khi bạn cần đánh giá mức độ nhất quán hoặc mức độ đồng thuận giữa các lần đo, giữa các giám khảo, hoặc giữa nhiều cách chấm trên cùng đối tượng.

Bài này đi theo đúng quy trình bạn có thể làm ngay trên file .sav: xác định ICC có phù hợp không, chuẩn bị dữ liệu, mở đúng hộp thoại Analyze > Scale > Reliability Analysis, chọn mô hình, đọc bảng kết quả và ghi lại phần diễn giải. ICC không phải là phiên bản thay thế máy móc cho Cronbach's Alpha. Chọn sai mục tiêu hoặc sai cấu trúc dữ liệu có thể làm kết quả nhìn có vẻ đẹp nhưng không trả lời đúng câu hỏi nghiên cứu.

Khi nào dùng phân tích hệ số ICC trong SPSS

Bạn dùng ICC khi cùng một đối tượng có từ hai giá trị đo trở lên và muốn đánh giá mức độ tương đồng giữa các giá trị đó. Ví dụ, một bảng hỏi được hai người chấm độc lập, một thang đo được đo ở hai thời điểm, hoặc một nhóm bệnh nhân được đánh giá bởi nhiều chuyên viên. Đơn vị phân tích là đối tượng được đo, còn các cột thường đại diện cho người chấm, lần đo hoặc phương pháp đo.

Câu hỏi nghiên cứu thường có dạng: các đánh giá của hai giám khảo có nhất quán không, kết quả đo ở hai thời điểm có ổn định không, hoặc một thang điểm có thể được tái lập giữa các người đánh giá không. Nếu bạn chỉ có nhiều biến quan sát trong một thang đo Likert và muốn kiểm tra chúng có cùng đo một khái niệm hay không, phân tích Cronbach Alpha trong SPSS thường gần với mục tiêu hơn.

ICC tập trung vào dữ liệu dạng số hoặc điểm số có thể xem như định lượng. Với dữ liệu phân loại như đạt, không đạt hoặc đồng ý, không đồng ý, bạn cần cân nhắc một kiểm định độ đồng thuận khác. Với thiết kế đo lặp, hãy ghi rõ ai đo, đo mấy lần, cùng một đối tượng hay không, vì những thông tin này quyết định cách chọn mô hình ICC.

Bạn cũng nên phân biệt ICC với Composite Reliability là gì. Composite Reliability thường được báo cáo trong mô hình PLS-SEM cho biến tiềm ẩn, còn ICC được dùng cho độ tin cậy giữa các phép đo hoặc người đánh giá trong cùng một đối tượng.

Chuẩn bị dữ liệu trước khi chạy

Trước khi mở hộp thoại phân tích, hãy vẽ lại cấu trúc dữ liệu trên giấy hoặc trong Excel. Mỗi hàng nên là một đối tượng được đo. Các cột phải thể hiện những lần đo, người đánh giá hoặc phương pháp đánh giá mà bạn muốn so sánh. Không trộn mã người trả lời, giới tính hay nhóm nghiên cứu vào các cột đưa vào ICC.

Ví dụ, nếu 30 sản phẩm được hai nhân viên chấm điểm, dữ liệu có thể gồm SP01, SP02 và hai cột Cham_A, Cham_B. Nếu mỗi sản phẩm được chấm ba lần, bạn sẽ có Lan_1, Lan_2, Lan_3. Các cột này phải có cùng thang điểm và cùng ý nghĩa. Không đưa một cột chấm từ 1 đến 5 cùng một cột chấm từ 0 đến 100 nếu chưa quy đổi hợp lý.

Kiểm tra missing values trước khi chạy. Một hàng thiếu điểm ở một người đánh giá có thể bị loại khỏi tính toán tùy cách SPSS xử lý dữ liệu thiếu. Bạn cần xem số lượng quan sát còn lại trong output và ghi nhận nếu số này nhỏ hơn cỡ mẫu ban đầu. Đừng dùng số quan sát ban đầu để viết kết quả khi bảng phân tích đã loại một số hàng.

Nếu điểm được nhập dưới dạng chuỗi, SPSS sẽ không thể dùng đúng trong phân tích. Vào Variable View, kiểm tra cột Type là Numeric, cột Measure phù hợp với dữ liệu và các giá trị mã hóa không bị nhập lẫn chữ. Những giá trị như Không trả lời, NA hoặc dấu gạch ngang cần được xử lý thành missing value có chủ đích.

Nếu bạn đang dùng các biến quan sát của một thang đo, hãy kiểm tra biến đảo chiều trước khi tính điểm. Một biến đảo chiều chưa quy đổi có thể làm các chỉ số độ tin cậy giảm mạnh. Tuy vậy, ICC giữa các giám khảo không nên được chạy bằng cách gom tùy tiện tất cả item của bảng hỏi. Bạn cần xác định ICC đang đánh giá điểm tổng, từng tiêu chí chấm hay sự ổn định của cả thang đo.

Với thang đo nhiều biến quan sát, bạn có thể xem thêm Corrected Item-Total Correlation là gì và quy trình phân tích kiểm định độ tin cậy thang đo SPSS. Hai phân tích này trả lời câu hỏi khác ICC, nên không thay thế cho nhau.

Các bước chạy phân tích hệ số ICC trong SPSS

Bước 1: Mở đúng hộp thoại Reliability Analysis

Trong SPSS, chọn Analyze > Scale > Reliability Analysis. Đây là cùng nhóm chức năng với Cronbach's Alpha, nhưng ICC chỉ xuất hiện khi bạn mở phần thống kê phù hợp. Chọn các biến đại diện cho những lần đo hoặc người đánh giá, sau đó đưa vào ô Items.

Hãy nhìn lại thứ tự các biến trước khi chạy. Thứ tự thường không làm thay đổi bản chất dữ liệu, nhưng nó giúp bạn đối chiếu output với thiết kế nghiên cứu. Đổi tên biến ngắn gọn, có quy tắc, chẳng hạn Rater_A, Rater_B, Rater_C, để bảng kết quả dễ đọc hơn.

Bước 2: Chọn Intraclass correlation coefficient

Trong hộp thoại Reliability Analysis, bấm Statistics. Tìm phần liên quan đến Intraclass correlation coefficient và chọn tùy chọn này. Nếu bạn chỉ chọn Scale if item deleted, SPSS sẽ cho ra các bảng phục vụ Cronbach's Alpha, nhưng chưa chắc có bảng ICC mà bạn cần.

Trong cùng hộp thoại, bạn có thể chọn các thống kê mô tả nếu muốn kiểm tra số lượng quan sát, trung bình và độ lệch chuẩn. Những bảng này giúp bạn phát hiện một cột bị thiếu dữ liệu hoặc có giá trị ngoài thang đo. Sau đó bấm Continue rồi OK để chạy.

Bước 3: Chọn mô hình trong hộp thoại Intraclass Correlation Coefficient

SPSS thường hiển thị phần lựa chọn Model và Type. Phần Model liên quan đến cách bạn xem các người đánh giá hoặc lần đo. Phần Type thường phân biệt việc đánh giá từng giá trị riêng lẻ với việc đánh giá độ tin cậy của điểm trung bình.

Bạn không nên chọn Two-Way Mixed, Two-Way Random hoặc One-Way Random chỉ vì tên nghe quen. Hãy quay về thiết kế nghiên cứu: các giám khảo này có phải toàn bộ nhóm giám khảo bạn quan tâm không, hay họ được xem như một mẫu rút ra từ một tổng thể lớn hơn; bạn muốn đánh giá một giám khảo riêng lẻ hay điểm trung bình của nhiều giám khảo.

Nếu đề cương hoặc giảng viên đã quy định mô hình ICC, giữ đúng quy định đó và ghi tên đầy đủ trong chương phương pháp. Nếu chưa có, hãy mô tả rõ thiết kế và hỏi lại trước khi chốt mô hình. Cách chọn ICC cần gắn với câu hỏi nghiên cứu, không nên chọn sau khi nhìn thấy kết quả cao hay thấp.

Bước 4: Lưu syntax và xuất output

Trước khi bấm chạy lần cuối, bạn có thể bấm Paste thay vì OK để SPSS tạo syntax. Lưu syntax cùng thư mục với file .sav. Khi cần chạy lại sau khi sửa dữ liệu, bạn có một dấu vết rõ ràng về biến và tùy chọn đã dùng.

Trong Output Viewer, lưu riêng bảng ICC và các bảng mô tả liên quan. Đừng chỉ chụp một ảnh màn hình không có tên biến. Bạn cần biết kết quả thuộc lần chạy nào, với bao nhiêu đối tượng và mô hình nào.

Đọc kết quả output

Bảng quan trọng nhất thường có tên Intraclass Correlation Coefficient. Các cột có thể gồm Intraclass Correlation, 95% Confidence Interval, F Test With True Value 0, Value, df1, df2 và Sig.. Tên hiển thị có thể thay đổi nhẹ theo phiên bản SPSS, nhưng logic đọc vẫn xoay quanh hệ số ICC, khoảng tin cậy và kiểm định đi kèm.

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Giả sử 40 đối tượng được hai người đánh giá và bạn chọn mô hình hai chiều để xem mức độ nhất quán của điểm trung bình.

Ở ví dụ này, Single Measures cho biết độ tin cậy nếu chỉ dùng một người đánh giá. Average Measures cho biết độ tin cậy của điểm trung bình từ hai người đánh giá. Hai dòng này có thể khác nhau đáng kể, nên bạn phải chọn dòng phù hợp với cách điểm số được sử dụng trong nghiên cứu.

95% Confidence Interval cho biết khoảng bất định của ước lượng. Khoảng càng rộng, kết quả càng thiếu ổn định, thường do cỡ mẫu nhỏ hoặc dữ liệu giữa các đối tượng biến động mạnh. Sig. là giá trị kiểm định theo giả thuyết của thủ tục SPSS, nhưng không nên dùng riêng p-value để kết luận rằng độ tin cậy đã đủ tốt. Bạn cần xem chính hệ số ICC, khoảng tin cậy, mô hình và mục tiêu sử dụng thang đo.

Không lấy dòng Average Measures để báo cáo nếu thực tế luận văn sẽ dùng điểm của một giám khảo duy nhất. Ngược lại, nếu điểm cuối cùng được tính bằng trung bình của nhiều giám khảo, dòng Average Measures có thể phù hợp hơn. Đây là lý do phần phương pháp phải nói rõ điểm phân tích được tạo ra như thế nào.

SPSS cũng có thể hiển thị bảng Case Processing Summary hoặc bảng thống kê mô tả. Hãy đối chiếu số N trong các bảng. Nếu một số biến có missing, số đối tượng trong ICC có thể giảm. Bạn nên kiểm tra dữ liệu gốc thay vì tự điền thêm điểm để làm đủ số quan sát.

Tiêu chí đánh giá

ICC không có một ngưỡng duy nhất áp dụng cho mọi ngành, mọi loại thang đo và mọi thiết kế đo. Tài liệu bạn dùng có thể quy định cách diễn giải khác nhau. Vì danh mục nguồn được phép của bài này không có nguồn chuyên biệt để đặt các mốc ICC, bạn không nên tự ghi các mức như 0.5, 0.75 hay 0.9 vào luận văn nếu chưa có tài liệu phương pháp phù hợp.

Bảng dưới đây là checklist quyết định, không phải bảng ngưỡng cứng. Các dòng đều ghi nguồn hoặc trạng thái cần xác minh để bạn không biến một quy ước chưa có căn cứ thành kết luận.

Bạn có thể báo cáo kết quả một cách thận trọng: nêu mô hình, loại ICC, hệ số quan sát được, khoảng tin cậy và cách trường hoặc tài liệu chuyên ngành của bạn diễn giải mức đó. Nếu chưa có nguồn đặt ngưỡng, hãy hỏi giảng viên trước khi gắn nhãn “tốt”, “khá” hoặc “kém”.

Cronbach's Alpha được dùng để xem các item trong cùng thang đo có nhất quán nội tại hay không. Ngưỡng Alpha từ 0.7 trở lên thường được trích dẫn từ (Nunnally, 1978), còn Alpha từ 0.6 có thể được xem xét trong thang đo khám phá theo (Hair và cộng sự, 2010). Những mốc này không tự động trở thành tiêu chí cho ICC. Nếu bạn cần xem lại quy trình Alpha, hãy đọc phân tích Cronbach Alpha SPSS.

Cách viết kết quả vào luận văn

Phần kết quả nên có bốn thông tin: mục đích chạy ICC, cấu trúc đo, mô hình và loại ICC đã chọn, sau đó là hệ số cùng khoảng tin cậy. Bạn cũng nên nói rõ điểm dùng để phân tích là điểm của một người đánh giá hay điểm trung bình của nhiều người đánh giá.

Cách viết vào luận văn: “Kết quả phân tích ICC theo mô hình [tên mô hình], loại [Single Measures/Average Measures] cho thấy hệ số ICC đạt [giá trị ICC], với khoảng tin cậy 95% từ [Lower Bound] đến [Upper Bound], p = [p-value]. Kết quả này được diễn giải theo tiêu chí của [tên tài liệu hoặc hướng dẫn chuyên ngành], cho thấy [mức độ đồng thuận hoặc ổn định theo tiêu chí đã chọn].”

Bạn không nên viết “ICC đạt 0.684 nên thang đo tốt” nếu chưa nói 0.684 được đánh giá theo tài liệu nào. Nếu kết quả giữa Single Measures và Average Measures khác nhau, hãy giải thích dòng nào phù hợp với điểm số cuối cùng. Cách viết này giúp hội đồng thấy bạn hiểu ý nghĩa của output thay vì chỉ sao chép một con số.

Nếu đề tài còn báo cáo Cronbach's Alpha, hãy tách thành hai đoạn. Alpha trả lời câu hỏi về độ nhất quán nội tại của các biến quan sát, còn ICC trả lời câu hỏi về độ tương đồng hoặc ổn định giữa các phép đo theo thiết kế đã chọn. Khi cần trình bày độ tin cậy tổng hợp trong PLS-SEM, bạn có thể tham khảo độ tin cậy tổng hợp là gì, nhưng không dùng Composite Reliability thay cho ICC trong cùng một lập luận.

Lỗi thường gặp khi chạy phân tích hệ số ICC

Lỗi đầu tiên là đưa item của bảng hỏi vào ICC mà không xác định các cột đang đại diện cho ai hoặc cho lần đo nào. Nếu mỗi cột chỉ là một câu hỏi khác nhau, bạn có thể đang cần Cronbach's Alpha hoặc EFA, không phải ICC giữa người đánh giá.

Lỗi thứ hai là chọn mô hình sau khi xem kết quả. Việc đổi từ Single Measures sang Average Measures chỉ để có hệ số cao hơn làm thay đổi câu hỏi nghiên cứu. Hãy chọn dựa trên cách dữ liệu được thu thập và cách điểm cuối cùng được sử dụng.

Lỗi thứ ba là chỉ nhìn Sig.. Một p-value nhỏ không cho biết hệ số ICC chắc chắn đạt tiêu chí thực hành của ngành. Hãy đọc đồng thời hệ số, khoảng tin cậy, mô hình, loại ICC và cỡ mẫu thực tế.

Lỗi thứ tư là gọi mọi phân tích độ tin cậy là Cronbach's Alpha. Cronbach Alpha là gì sẽ giúp bạn phân biệt Alpha với ICC, còn phân tích kiểm định split half SPSS nên được trình bày như một cách kiểm tra khác nếu đề tài có yêu cầu.

Cuối cùng, hãy lưu syntax, file dữ liệu gốc và file dữ liệu đã làm sạch riêng nhau. Nếu bạn loại một số hàng hoặc sửa biến đảo chiều, ghi lại lý do và số quan sát trước, sau xử lý. ICC hiếm khi giải quyết được một thiết kế đo sai chỉ bằng cách bấm lại nút OK.

Câu hỏi thường gặp

ICC trong SPSS là gì

ICC là hệ số dùng để đánh giá mức độ tương đồng hoặc nhất quán giữa các giá trị đo trên cùng đối tượng. Các giá trị đó có thể đến từ nhiều người đánh giá, nhiều lần đo hoặc nhiều phương pháp đo.

Trong SPSS, ICC nằm trong Analyze > Scale > Reliability Analysis, cùng nhóm với các thủ tục đánh giá độ tin cậy khác. Bạn cần chọn mô hình và loại ICC theo thiết kế nghiên cứu.

ICC bao nhiêu là đạt

Không có một mốc duy nhất nên áp dụng cho mọi nghiên cứu. Mốc diễn giải phải đến từ tài liệu phương pháp phù hợp với ngành, loại thang đo, số người đánh giá và mục tiêu sử dụng điểm.

Khi viết luận văn, hãy báo cáo hệ số, khoảng tin cậy 95%, mô hình và loại ICC, sau đó ghi rõ nguồn của tiêu chí bạn dùng. Nếu chưa có nguồn chuyên biệt, không nên tự gắn nhãn đạt chỉ vì hệ số lớn hơn một con số quen thuộc.

ICC có thay thế Cronbach's Alpha không

ICC không thay thế Cronbach's Alpha trong mọi trường hợp. Alpha đánh giá độ nhất quán nội tại giữa các biến quan sát trong một thang đo, còn ICC thường đánh giá sự tương đồng giữa người đánh giá, lần đo hoặc phương pháp đo trên cùng đối tượng.

Bạn chọn thủ tục dựa trên câu hỏi nghiên cứu. Một bảng hỏi có nhiều item Likert thường cần kiểm tra Alpha, còn một thiết kế có hai người cùng chấm một nhóm đối tượng có thể cần ICC.

Vì sao SPSS có cả Single Measures và Average Measures

Single Measures phản ánh độ tin cậy khi sử dụng một giá trị đo hoặc một người đánh giá. Average Measures phản ánh độ tin cậy của điểm trung bình từ nhiều giá trị đo hoặc nhiều người đánh giá.

Bạn chọn dòng nào dựa trên cách điểm cuối cùng được sử dụng. Nếu luận văn dùng trung bình điểm của hai giám khảo, cần xem xét Average Measures. Nếu quyết định dựa trên một giám khảo riêng lẻ, Single Measures có thể phù hợp hơn.

Bị thiếu bảng Intraclass Correlation Coefficient thì làm sao

Kiểm tra bạn đã mở đúng Analyze > Scale > Reliability Analysis và đưa ít nhất các biến đo phù hợp vào ô Items chưa. Sau đó vào Statistics để chọn tùy chọn liên quan đến Intraclass correlation coefficient.

Nếu vẫn không có bảng, kiểm tra kiểu dữ liệu có phải Numeric không, các cột có đủ biến thiên không và dữ liệu có bị missing toàn bộ ở một biến không. Bạn cũng có thể bấm Paste để xem syntax, rồi chạy lại từ file dữ liệu đã lưu bản sao.

Khi file đã mở, việc tiếp theo của bạn là lập bảng ánh xạ giữa đối tượng, người đánh giá hoặc lần đo, sau đó chạy ICC với mô hình đã được giải thích trong phương pháp; nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng module M4 phân tích dữ liệu của DoThesis.