Phân vị là gì? Cách đọc và sử dụng trong SPSS

Phân vị là gì

Bạn mở bảng kết quả thống kê mô tả và thấy các dòng Percentiles, 25, 50, 75 hoặc 90. Những con số này cho biết một giá trị đang đứng ở vị trí nào khi toàn bộ quan sát được sắp xếp từ nhỏ đến lớn. Đó là cách hiểu ngắn gọn cho câu hỏi phân vị là gì.

Phân vị, tiếng Anh là percentile, chia dữ liệu thành 100 vị trí tương đối. Phân vị thứ p là giá trị mà khoảng p% số quan sát có giá trị nhỏ hơn hoặc bằng nó, còn phần còn lại có giá trị lớn hơn hoặc bằng nó. Chẳng hạn, phân vị thứ 75, thường viết là P75, cho biết mốc mà khoảng 75% quan sát nằm ở bên dưới hoặc bằng mốc đó.

Với một biến định lượng, cách tính cơ bản bắt đầu bằng việc sắp xếp các giá trị theo thứ tự tăng dần. Sau đó, phần mềm xác định vị trí tương ứng với tỷ lệ phần trăm cần tìm và nội suy nếu vị trí nằm giữa hai quan sát. Vì có nhiều quy ước nội suy khác nhau, P75 có thể chênh lệch nhẹ giữa SPSS, Excel, R hoặc một công cụ trực tuyến. Khi viết luận văn, bạn nên ghi rõ phần mềm đã sử dụng và dùng nhất quán trong toàn bộ phân tích.

Ví dụ, nếu P90 của thời gian sử dụng ứng dụng là 42 phút, bạn có thể đọc là khoảng 90% người trả lời có thời gian sử dụng không vượt quá 42 phút. Cách diễn đạt này phù hợp hơn việc nói rằng 90% người dùng có đúng 42 phút sử dụng.

Ý nghĩa của phân vị trong nghiên cứu định lượng

Phân vị giúp bạn nhìn thấy hình dạng phân bố dữ liệu mà giá trị trung bình đôi khi che khuất. Hai nhóm có cùng trung bình nhưng một nhóm tập trung sát nhau, nhóm còn lại có một số quan sát rất cao hoặc rất thấp. Khi so sánh P25, P50 và P75, bạn có thêm thông tin về vùng giữa của dữ liệu.

Trong nghiên cứu định lượng, P50 chính là trung vị. P25 và P75 thường được dùng để mô tả 50% quan sát nằm ở vùng trung tâm. Khoảng cách giữa P75 và P25 được gọi là khoảng tứ phân vị, viết tắt là IQR. IQR hữu ích khi dữ liệu lệch hoặc có outlier, vì nó ít bị kéo mạnh bởi một vài giá trị cực đoan hơn so với khoảng biến thiên từ nhỏ nhất đến lớn nhất.

Bạn có thể dùng phân vị cho ba mục đích chính. Thứ nhất, mô tả mẫu, chẳng hạn thu nhập, số năm kinh nghiệm, thời gian sử dụng hoặc số lần mua hàng. Thứ hai, so sánh vị trí của một cá nhân với toàn bộ mẫu, chẳng hạn điểm của một người nằm ở P80. Thứ ba, hỗ trợ phát hiện giá trị bất thường bằng quy tắc dựa trên Q1 và Q3, trong đó Q1 là P25 và Q3 là P75.

Nếu bài của bạn có biến bị lệch phải, báo cáo trung bình cùng độ lệch chuẩn có thể chưa đủ. Bạn nên xem thêm trung vị và các phân vị. Với dữ liệu khảo sát Likert, phân vị có thể được dùng để mô tả phân bố điểm, nhưng cần diễn giải thận trọng vì thang đo có số mức hữu hạn. Nếu bạn đang kiểm tra các quan sát quá khác biệt, có thể xem thêm hướng dẫn về outliers trong dữ liệu định lượng.

Phân vị cũng hỗ trợ phân nhóm dữ liệu. Ví dụ, bạn có thể chia người trả lời thành nhóm thấp, trung bình và cao dựa trên các mốc P33 hoặc P67. Tuy nhiên, việc chia nhóm làm mất một phần thông tin liên tục của biến. Bạn chỉ nên làm khi có lý do lý thuyết hoặc mục tiêu phân tích rõ ràng, thay vì chia nhóm chỉ để bảng kết quả trông dễ đọc.

Phân vị bao nhiêu là đạt

Phân vị không có ngưỡng “đạt” chung cho mọi luận văn. Đây là chỉ số mô tả vị trí trong phân bố, không phải hệ số dùng để kết luận thang đo tốt hay mô hình phù hợp. Vì vậy, P25 bằng 3 hay P75 bằng 4 không tự động cho biết dữ liệu đạt hoặc không đạt.

Bạn cần đánh giá phân vị dựa trên câu hỏi nghiên cứu, thang đo và ý nghĩa thực tế của biến. Chẳng hạn, P90 của thời gian giao hàng càng thấp có thể càng tốt nếu mục tiêu là giảm thời gian chờ. Ngược lại, P90 của điểm hài lòng cao có thể là tín hiệu tích cực. Cùng một con số nhưng ý nghĩa quyết định sẽ thay đổi theo hướng đo của biến.

Bảng dưới đây giúp bạn chọn cách đọc, không phải danh sách ngưỡng đạt. Các mốc P25, P50 và P75 được gọi là tứ phân vị theo quy ước thống kê mô tả thông dụng. Phần diễn giải thực tế phải dựa vào biến và bối cảnh nghiên cứu của bạn.

Một điểm cần kiểm tra là hướng mã hóa. Nếu điểm cao nghĩa là khách hàng hài lòng hơn, P75 cao thường mô tả nhóm có đánh giá tích cực hơn. Nếu điểm cao nghĩa là thời gian chờ lâu hơn, P75 cao lại có thể là dấu hiệu cần cải thiện. Đừng kết luận chỉ từ việc một phân vị “cao” hay “thấp” khi chưa đọc nhãn biến và thang đo.

Khi cần đánh giá chất lượng thang đo, bạn phải dùng các chỉ số phù hợp như Cronbach's Alpha, Corrected Item-Total Correlation, EFA hoặc các chỉ số PLS-SEM. Phân vị không thay thế cho các kiểm định đó. Bạn có thể xem thêm scale là gì nếu đang nhầm giữa phân vị của một biến và việc đánh giá một thang đo gồm nhiều biến quan sát.

Cách đọc phân vị trên output

Trong SPSS, bạn có thể lấy phân vị bằng hai đường dẫn thường dùng. Với thống kê mô tả cơ bản, chọn Analyze > Descriptive Statistics > Frequencies, đưa biến vào ô Variable(s), chọn Statistics, đánh dấu các Percentiles cần xem rồi chọn Continue và OK. Nếu muốn xem thêm biểu đồ hộp và các chỉ số kiểm tra outlier, chọn Analyze > Descriptive Statistics > Explore.

Trong output của Frequencies, bảng Statistics thường hiển thị Valid, Missing, Mean, Median, Std. Deviation, Minimum, Maximum và các Percentiles nếu bạn đã chọn. Trong Explore, SPSS thường cho bảng Descriptives, Tests of Normality, Extreme Values và biểu đồ Boxplot. Tên bảng có thể thay đổi đôi chút theo phiên bản hoặc lựa chọn trong hộp thoại, nhưng cột và dòng chính vẫn có ý nghĩa tương tự.

Dưới đây là số liệu minh họa, được dựng để bạn nhận diện cấu trúc output. Đây không phải kết quả của một nghiên cứu thật và không được chép vào chương 4 như phát hiện của đề tài.

Từ bảng minh họa, bạn có thể viết rằng P25 của thời gian sử dụng là 18 phút, trung vị là 27 phút, P75 là 41 phút và P90 là 58 phút. Cách đọc đúng là khoảng 50% quan sát có thời gian không vượt quá 27 phút, còn 50% quan sát còn lại có thời gian từ mức đó trở lên, tùy theo cách xử lý các giá trị trùng và nội suy của phần mềm.

Khoảng tứ phân vị trong ví dụ là 41 - 18 = 23 phút. Con số này cho biết độ rộng của 50% dữ liệu trung tâm. Nó không phải là độ lệch chuẩn và cũng không cho biết khoảng cách từ giá trị nhỏ nhất đến lớn nhất.

Khi đọc output, hãy kiểm tra cột N trước. Nếu Valid thấp hơn nhiều so với số dòng trong file, dữ liệu đang có Missing và phân vị được tính trên số quan sát hợp lệ. Bạn cũng cần kiểm tra Minimum và Maximum để phát hiện mã sai, chẳng hạn một biến thời gian đáng lẽ nằm trong khoảng 1 đến 60 nhưng lại có giá trị 999.

Với bảng Extreme Values, đừng tự động xóa các dòng nằm ở cực cao hoặc cực thấp. Một quan sát ở P99 vẫn có thể là dữ liệu thật. Bạn cần xem lại file gốc, cách nhập dữ liệu, điều kiện lọc mẫu và logic của biến trước khi quyết định xử lý.

Khi phân vị không đạt thì xử lý thế nào

Vì phân vị không có ngưỡng đạt chung, cụm từ “phân vị không đạt” thường cho thấy bạn đang dùng sai vai trò của chỉ số. Trước khi sửa dữ liệu, hãy xác định người hướng dẫn đang yêu cầu bạn đánh giá điều gì. Có thể họ muốn kiểm tra outlier, độ lệch phân phối, cỡ mẫu hoặc chất lượng thang đo, chứ không phải muốn P25 hay P75 vượt một con số cố định.

Bước 1: kiểm tra mã hóa và đơn vị đo

Đọc lại nhãn biến, đơn vị và bảng mã. Nếu một nửa dữ liệu ghi theo nghìn đồng, nửa còn lại ghi theo đồng, phân vị sẽ bị kéo lệch. Nếu biến Likert dùng mã từ 1 đến 5 nhưng có dòng ghi 0 hoặc 99, hãy xác định đó là Missing hay dữ liệu hợp lệ trước khi chạy lại.

Bước 2: kiểm tra Missing và bộ lọc mẫu

Trong SPSS, xem số lượng Valid và Missing trong bảng Statistics. Kiểm tra Data > Select Cases để chắc rằng bạn không vô tình bật bộ lọc. Một phân vị thay đổi mạnh đôi khi xuất phát từ việc phân tích một nhóm con, không phải do dữ liệu gốc thay đổi.

Bước 3: xem outlier và lý do xuất hiện

Nếu P75 cách xa P25 hoặc P90 tăng đột ngột, mở Analyze > Descriptive Statistics > Explore, chọn Plots và đánh dấu Boxplots. Sau đó đối chiếu các dòng cực trị với bảng hỏi hoặc nguồn nhập liệu. Có thể giữ quan sát nếu đó là trường hợp thực tế và nêu cách xử lý trong luận văn. Xóa chỉ vì nó làm phân vị đẹp hơn là lựa chọn khó giải trình.

Bước 4: dùng phép biến đổi hoặc phương pháp phù hợp

Nếu dữ liệu lệch do bản chất biến, bạn có thể báo cáo Median và IQR thay cho Mean và Std. Deviation khi mục tiêu là mô tả. Nếu mô hình hồi quy có vấn đề, cần kiểm tra thêm phần dư, tuyến tính, phương sai không đổi và đa cộng tuyến. Không nên biến đổi log hoặc chia nhóm chỉ vì muốn các phân vị gần nhau.

Bạn cũng không nên thay đổi câu trả lời của người tham gia để đạt một phân vị mong muốn. Nếu lỗi do nhập liệu, sửa theo phiếu hoặc file gốc và lưu lại lịch sử chỉnh sửa. Nếu giá trị là thật, giữ nguyên hoặc nêu rõ tiêu chí xử lý. Đây là phần hội đồng có thể hỏi khi họ thấy số quan sát bị loại.

Phân biệt phân vị với trung bình, trung vị và tứ phân vị

Phân vị là khái niệm rộng. Trung vị là một trường hợp cụ thể của phân vị, tương ứng với P50. Tứ phân vị là các mốc chia dữ liệu thành bốn phần, thường gồm Q1 bằng P25, Q2 bằng P50 và Q3 bằng P75. Vì vậy, không nên dùng ba thuật ngữ này như những chỉ số hoàn toàn giống nhau.

Trung bình cộng được tính bằng tổng các giá trị chia cho số quan sát. Nó sử dụng tất cả giá trị và có thể bị ảnh hưởng bởi outlier. Trung vị dựa trên vị trí giữa sau khi sắp xếp dữ liệu, nên thường ổn định hơn khi phân phối lệch. Phân vị cho phép xem nhiều vị trí khác nhau, chẳng hạn P10, P25, P50, P75 và P90.

Ví dụ, một biến thu nhập có trung bình 15 triệu đồng nhưng trung vị 10 triệu đồng. Khoảng cách này gợi ý một số giá trị thu nhập cao đang kéo trung bình lên. Nếu P25 là 7 triệu và P75 là 16 triệu, bạn biết thêm vùng trung tâm của mẫu rộng bao nhiêu, thay vì chỉ nhìn vào một con số trung bình.

Bạn cũng cần phân biệt phân vị với phần trăm người trả lời. P90 của một biến là một giá trị trên thang đo, còn 90% là tỷ lệ quan sát nằm tại hoặc dưới giá trị đó. Hai cách nói liên quan nhưng không cùng đơn vị. P90 của thu nhập có đơn vị tiền, P90 của thời gian có đơn vị phút, còn 90% là tỷ lệ.

Nếu đang làm mô hình có biến tương tác, phân vị đôi khi được dùng để chọn các mức thấp, trung bình và cao của moderator. Tuy nhiên, cách chọn điểm cắt cần gắn với thiết kế phân tích, không nên lấy P25 và P75 một cách máy móc. Bạn có thể đọc thêm về moderating trong nghiên cứu định lượng và moderator là gì để phân biệt biến điều tiết với một biến chỉ được chia nhóm theo phân vị.

Lỗi thường gặp

Gọi P50 là trung bình

P50 là trung vị, không phải Mean. Hai giá trị chỉ trùng nhau trong một số phân phối hoặc bộ dữ liệu cụ thể. Khi viết kết quả, hãy dùng đúng tên chỉ số xuất hiện trong bảng Statistics.

Diễn giải phân vị như xác suất

P90 không có nghĩa một quan sát bất kỳ có 90% khả năng nhận đúng giá trị P90. Nó mô tả vị trí của dữ liệu sau khi sắp xếp. Câu diễn giải nên nói về tỷ lệ quan sát nằm dưới hoặc bằng mốc, với lưu ý về quy ước nội suy.

Tự đặt ngưỡng đạt cho P25 hoặc P75

Phân vị không có ngưỡng đạt chung như Cronbach's Alpha hoặc AVE. Nếu đề tài có ngưỡng thực tế, chẳng hạn thời gian giao hàng tối đa, ngưỡng đó phải đến từ yêu cầu nghiên cứu hoặc bối cảnh nghiệp vụ, không phải từ bản thân khái niệm percentile.

Bỏ qua Missing và filter

SPSS tính phân vị trên các quan sát được đưa vào phân tích. Nếu bạn bật Select Cases hoặc có Missing, kết quả có thể khác so với việc nhìn toàn bộ file. Hãy ghi N hợp lệ khi báo cáo.

Xóa giá trị cực trị không có lý do

Một giá trị ở P95 hoặc P99 không tự động là lỗi. Kiểm tra nguồn dữ liệu, mã hóa và logic của biến trước khi loại. Nếu loại, cần lưu tiêu chí, số dòng và ảnh hưởng đến cỡ mẫu.

Câu hỏi thường gặp

Phân vị là gì và dùng để làm gì?

Phân vị là mốc giá trị xác định vị trí tương đối của quan sát trong một tập dữ liệu đã sắp xếp. Nó được dùng để mô tả phân phối, so sánh vị trí, tính khoảng tứ phân vị và hỗ trợ kiểm tra các giá trị cực trị.

Phân vị bao nhiêu là đạt?

Không có một mức phân vị đạt chung cho mọi đề tài. P25, P50, P75 hay P90 chỉ là các mốc mô tả. Bạn cần diễn giải chúng theo câu hỏi nghiên cứu, đơn vị đo và tiêu chuẩn thực tế của biến.

P50 có phải là trung bình không?

P50 là trung vị, không phải trung bình cộng. Trung vị là giá trị ở vị trí giữa khi sắp xếp dữ liệu, còn trung bình cộng được tính bằng tổng các giá trị chia cho số quan sát. Khi dữ liệu lệch hoặc có outlier, hai chỉ số này có thể khác nhau đáng kể.

Vì sao phân vị trong SPSS khác Excel?

SPSS và Excel có thể dùng quy ước nội suy hoặc phương pháp tính khác nhau, nhất là khi cỡ mẫu nhỏ hoặc phân vị nằm giữa hai quan sát. Bạn nên dùng một phần mềm nhất quán, ghi rõ công cụ và không trộn kết quả từ nhiều phương pháp mà không giải thích.

Có nên xóa dữ liệu nằm ngoài P75 không?

Không. P75 chỉ là mốc mà khoảng 75% quan sát nằm ở dưới hoặc bằng. Những quan sát cao hơn P75 vẫn là dữ liệu hợp lệ. Chỉ xem xét loại khi có lỗi nhập liệu, vi phạm tiêu chí mẫu hoặc một quy tắc xử lý đã được xác định và giải trình rõ.

Bạn hãy mở lại file SPSS, chạy Analyze > Descriptive Statistics > Frequencies hoặc Explore, kiểm tra Valid, Missing, P25, P50, P75 và đối chiếu với nhãn biến trước khi viết kết quả. Nếu cần chạy trọn quy trình phân tích trên chính file .sav hoặc .csv, bạn có thể xem M4 phân tích dữ liệu của DoThesis.