Phiếu trả lời trùng lặp: Cách phát hiện và xử lý trước khi chạy SPSS

Phiếu trả lời trùng lặp là gì trong nghiên cứu định lượng

Phiếu trả lời trùng lặp là tình huống cùng một người, cùng một thiết bị, hoặc cùng một nguồn gửi tạo ra nhiều bản ghi giống nhau hoặc gần giống nhau trong bộ dữ liệu khảo sát. Khi mở file Excel, CSV hoặc SPSS, bạn có thể thấy hai dòng có cùng mã phản hồi, cùng thời điểm gửi, cùng email, hoặc toàn bộ câu trả lời giống nhau. Cũng có trường hợp hai bản ghi không hoàn toàn giống nhau nhưng có mẫu trả lời bất thường, chẳng hạn cùng chọn một đáp án cho toàn bộ biến quan sát.

Phiếu trùng lặp làm tăng cỡ mẫu trên giấy nhưng không làm tăng số lượng người trả lời độc lập. Nếu giữ nguyên, các kết quả Cronbach's Alpha, EFA, hồi quy hoặc PLS-SEM có thể bị ảnh hưởng bởi những quan sát được lặp lại. Vì vậy, trước khi chạy phân tích, bạn cần tách ba vấn đề: bản ghi bị nhập lặp, một người gửi nhiều lần, và phiếu trả lời không hợp lệ do cách trả lời thiếu tin cậy.

Phiếu trả lời không hợp lệ là gì? Đó là bản ghi không đáp ứng tiêu chí dữ liệu đã đặt ra, ví dụ bỏ trống quá nhiều câu, không qua câu hỏi sàng lọc, trả lời nhanh bất thường, hoặc có mẫu chọn đáp án không thể hiện việc đọc câu hỏi. Một phiếu có thể bị trùng và không hợp lệ cùng lúc, nhưng hai khái niệm này cần được ghi nhận riêng trong file làm sạch.

Bạn nên đọc thêm hướng dẫn về làm sạch dữ liệu để đặt quy trình kiểm tra đầy đủ, thay vì chỉ tìm các dòng giống hệt nhau.

Cách xác định phiếu trả lời trùng lặp

Trước khi xóa, hãy tạo một bản sao dữ liệu gốc. Đặt tên rõ ràng, chẳng hạn khaosat_raw_2026.sav cho file chưa chỉnh sửa và khaosat_clean_v01.sav cho file đang xử lý. Mọi quyết định loại bản ghi nên được ghi trong một bảng theo dõi, gồm mã phiếu, lý do, ngày xử lý và người thực hiện.

Nếu bảng hỏi có mã phản hồi duy nhất, hãy kiểm tra mã đó trước. Nếu không có mã, bạn cần kết hợp nhiều dấu hiệu: thời điểm gửi, email hoặc số điện thoại nếu đã được thu thập hợp pháp, mã người tham gia, IP nếu công cụ khảo sát cung cấp và mẫu câu trả lời. Một dấu hiệu đơn lẻ chưa đủ để kết luận hai bản ghi là cùng một người.

Với dữ liệu khảo sát định lượng, bạn có thể dùng các tiêu chí thực tế sau:

Trong SPSS, bạn có thể kiểm tra mã hoặc email bằng Data > Identify Duplicate Cases. Chọn biến định danh trong ô Define matching cases, sau đó chọn cách tạo biến chỉ báo. SPSS sẽ tạo biến cho biết bản ghi nào thuộc nhóm trùng. Đừng chọn xóa tự động ngay ở lần đầu, vì bạn cần nhìn lại từng nhóm trước khi quyết định.

Với Excel, dùng Data > Remove Duplicates chỉ sau khi đã lưu bản gốc và chọn đúng cột. Tính năng này phù hợp với các dòng hoàn toàn giống nhau ở những cột được chọn. Nó không thể xác định chắc chắn hai người có cùng câu trả lời nhưng khác mã, và cũng không hiểu bối cảnh nghiên cứu của bạn.

Cỡ mẫu sau khi loại phiếu phải còn phù hợp với phương pháp dự kiến. Quy tắc thường được dùng là 5 đến 10 quan sát cho mỗi biến quan sát (Hair và cộng sự, 2010). Nếu mô hình có 30 biến quan sát, khoảng tham khảo theo quy tắc này là 150 đến 300 quan sát, nhưng bạn vẫn cần xem yêu cầu của đề tài và phương pháp phân tích cụ thể.

Bảng trên chỉ là số liệu tra nhanh theo quy tắc số quan sát trên biến quan sát. Nó không cho phép bạn giữ lại phiếu kém chất lượng chỉ để đạt một con số. Nếu loại phiếu làm cỡ mẫu giảm mạnh, hãy báo lại cho giảng viên và ghi rõ số lượng trước và sau làm sạch.

Thiết kế bảng hỏi phục vụ mục tiêu này

Cách tốt nhất để xử lý phiếu trùng lặp là thiết kế bảng hỏi sao cho bạn có đủ dấu vết kiểm tra ngay từ đầu. Mỗi phản hồi nên có một mã bản ghi do hệ thống tạo. Nếu nghiên cứu cần kiểm soát người trả lời, bạn có thể dùng mã người tham gia hoặc một câu hỏi sàng lọc phù hợp với đề tài. Chỉ thu thập email, số điện thoại hoặc thông tin nhận diện khi có lý do nghiên cứu rõ ràng và đã thông báo cho người tham gia.

Phần mở đầu nên nêu đối tượng được khảo sát, điều kiện tham gia, thời gian dự kiến và nguyên tắc bảo mật. Câu hỏi sàng lọc cần đặt trước phần thang đo. Ví dụ, nếu đề tài nghiên cứu người đã sử dụng một ứng dụng trong ba tháng gần đây, hãy hỏi điều kiện này trước khi cho người trả lời đi tiếp. Phiếu không qua điều kiện sàng lọc nên được đánh dấu riêng, không gộp vào nhóm phiếu trùng lặp.

Với thang đo Likert, ghi rõ các mức từ 1 đến 5 hoặc 1 đến 7 và giữ hướng điểm nhất quán. Thang đo Likert bắt nguồn từ kỹ thuật đo lường thái độ của Likert (Likert, 1932). Nếu có biến đảo chiều, hãy ghi chú trong codebook ngay khi thiết kế bảng hỏi. Một câu đảo chiều không phải là lý do tự động để loại phiếu, nhưng cần được mã hóa lại trước khi chạy Cronbach's Alpha.

Bạn cũng nên thêm một hoặc hai câu kiểm tra mức độ chú ý nếu điều này phù hợp với thiết kế nghiên cứu. Câu kiểm tra cần dễ hiểu và không nên biến thành một tiêu chí loại tùy tiện. Hãy định nghĩa trước thế nào là phiếu đạt, phiếu cần xem xét và phiếu loại. Các tiêu chí đó cần được viết trong kế hoạch làm sạch dữ liệu trước khi xem kết quả phân tích.

Nếu sử dụng bảng hỏi online, hãy tham khảo phiếu khảo sát online để kiểm tra cấu trúc biểu mẫu, cách giới hạn một lần gửi và cách xuất file. Các tính năng giới hạn một lần gửi có thể giảm bản ghi trùng, nhưng không loại bỏ hoàn toàn trường hợp một người dùng nhiều tài khoản hoặc gửi từ các thiết bị khác nhau.

Triển khai thu dữ liệu

Khi phát phiếu, hãy ghi lại nguồn thu thập, thời gian mở và đóng khảo sát, số lượt truy cập nếu công cụ cung cấp, cùng số phản hồi hợp lệ theo từng kênh. Nếu bạn phát cùng một bảng hỏi qua lớp học, nhóm mạng xã hội và email, thêm một biến source để biết mỗi phản hồi đến từ đâu. Biến này giúp bạn phát hiện một nhóm bản ghi có cùng thời điểm hoặc cùng mẫu trả lời.

fillform.info là công cụ biểu mẫu của DoThesis dành cho việc thu thập phản hồi bảng hỏi tiếng Việt. Bạn có thể dùng nó để quản lý biểu mẫu và xuất dữ liệu, còn Google Forms là lựa chọn thay thế quen thuộc. Dù dùng công cụ nào, hãy kiểm tra file xuất trước khi mở trong SPSS: tên biến nên ngắn, không có ký tự đặc biệt, và mỗi dòng cần đại diện cho một phản hồi.

Thời gian trả lời là một dấu hiệu sàng lọc, không phải bằng chứng duy nhất của phiếu trùng. Một người có thể trả lời nhanh vì đã quen với chủ đề, trong khi một người khác mất nhiều thời gian vì mạng yếu. Nếu bạn thấy nhiều phiếu có thời gian rất ngắn, hãy đối chiếu với mẫu chọn đáp án, câu sàng lọc và mức độ hoàn chỉnh. Hướng dẫn riêng về thời gian trả lời quá nhanh sẽ giúp bạn đặt tiêu chí thận trọng hơn.

Không nên khuyến khích người trả lời gửi nhiều lần để tăng số lượng. Nếu cần thu đủ cỡ mẫu, hãy mở rộng kênh tiếp cận hoặc kéo dài thời gian thu thập theo kế hoạch. Việc tạo dữ liệu giả, sao chép phiếu hoặc nhờ một người gửi nhiều lần có thể làm sai bản chất mẫu và rất khó giải trình khi hội đồng hỏi về dữ liệu gốc. Nội dung thu thập cần tuân thủ nguyên tắc đạo đức nghiên cứu, đặc biệt về thông tin người tham gia và quyền tự nguyện trả lời.

Làm sạch dữ liệu trước khi nhập SPSS

Quy trình làm sạch nên đi từ dấu hiệu chắc chắn đến dấu hiệu cần phán đoán. Bước đầu là giữ nguyên file gốc, sao lưu file xuất và tạo một data dictionary. Trong dictionary, ghi tên biến, nhãn biến, loại thang đo, mã giá trị thiếu và ghi chú biến nào cần đảo chiều.

Tiếp theo, kiểm tra bản ghi trùng bằng mã phản hồi hoặc nhóm biến định danh. Với mỗi nhóm trùng, so sánh thời gian gửi và mức độ hoàn chỉnh. Nếu hai bản ghi giống hệt nhau, giữ một bản và đánh dấu bản còn lại. Nếu hai bản có nội dung khác nhau, không tự động giữ bản gửi sau. Bạn cần có quy tắc đã định trước, chẳng hạn giữ bản đầy đủ hơn hoặc bản hoàn thành sau cùng, rồi áp dụng nhất quán cho tất cả nhóm.

Sau đó kiểm tra phiếu bỏ trống. Có thể loại phiếu bỏ trống phần lớn biến quan sát, nhưng nên đặt tỷ lệ cụ thể trước khi xem dữ liệu. Những câu không áp dụng cần được mã hóa là missing theo quy ước, không nhập tùy tiện số 0 nếu thang đo của bạn bắt đầu từ 1.

Kiểm tra straight-lining bằng cách xem biến thiên trong từng dòng. Một dòng toàn số 3 chưa chắc là gian lận, nhưng nếu đi kèm thời gian cực ngắn, không qua câu sàng lọc hoặc lặp lại ở nhiều phiếu khác, đó là dấu hiệu cần xem xét. Đừng dùng Cronbach's Alpha để quyết định một phiếu riêng lẻ có hợp lệ hay không. Alpha đánh giá độ nhất quán của thang đo ở cấp nhóm biến, không phải công cụ phát hiện danh tính người trả lời.

Bạn có thể ghi kết quả làm sạch trong bảng theo dõi như sau. Bảng này là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế.

Khi nhập file vào SPSS, hãy kiểm tra lại số dòng và nhãn biến. Dùng Analyze > Descriptive Statistics > Frequencies để xem tần suất từng biến. Nếu một biến Likert có giá trị 0, 8 hoặc 99 trong khi thang đo chỉ từ 1 đến 5, quay lại codebook để xác định đó là lỗi nhập hay mã missing. Sau khi sửa, lưu thành phiên bản mới thay vì ghi đè file cũ.

Bảng output dưới đây là số liệu minh họa, được trình bày theo dạng kiểm tra tần suất trong SPSS. Các con số chỉ minh họa cách đọc và không phải phát hiện từ nghiên cứu nào.

Nếu sau làm sạch bạn muốn chạy Cronbach's Alpha, hãy xem Item-Total Statistics, đặc biệt là Corrected Item-Total Correlation. Mức từ 0.3 trở lên thường được dùng theo (Nunnally và Bernstein, 1994). Alpha từ 0.7 trở lên là ngưỡng thường được trích dẫn theo (Nunnally, 1978), còn với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0.6 có thể được xem xét theo (Hair và cộng sự, 2010). Các ngưỡng này đánh giá thang đo, không thay thế việc kiểm tra phiếu trùng.

Cách trình bày trong chương 3

Trong chương phương pháp, bạn cần mô tả nguồn dữ liệu, cách phát bảng hỏi, tiêu chí chọn người trả lời và quy trình xử lý dữ liệu. Phần này nên cho thấy bạn đã phân biệt dữ liệu thu được ban đầu với dữ liệu dùng cho phân tích. Không cần đưa email, số điện thoại hoặc thông tin có thể nhận diện người tham gia vào luận văn.

Cách viết vào luận văn: “Tác giả thu được [N0] phản hồi ban đầu. Sau khi kiểm tra bản ghi trùng, phiếu không qua câu hỏi sàng lọc, phiếu bỏ trống nhiều biến quan sát và phiếu có mẫu trả lời bất thường theo tiêu chí định trước, còn lại [N] phiếu hợp lệ để phân tích. Các quyết định loại phiếu được ghi nhận trong bảng theo dõi dữ liệu và không làm thay đổi file dữ liệu gốc.”

Bạn thay [N0] bằng số phiếu xuất ban đầu, [N] bằng số phiếu sau làm sạch và mô tả đúng tiêu chí đã thực hiện. Nếu có phiếu trùng, nêu số lượng cụ thể. Nếu không phát hiện phiếu trùng, cũng có thể viết rõ bạn đã kiểm tra theo mã phản hồi, thời gian và mẫu câu trả lời.

Trong chương kết quả, số quan sát phải thống nhất ở bảng thống kê mô tả, Cronbach's Alpha, EFA, hồi quy hoặc SmartPLS. Nếu một phân tích dùng số quan sát khác vì có missing theo từng biến, bạn cần giải thích. Hội đồng thường hỏi khi cỡ mẫu ở các bảng không khớp mà luận văn không có ghi chú.

Lỗi thường gặp

Lỗi đầu tiên là xóa hàng loạt bằng một nút mà không lưu file gốc. Khi bị hỏi vì sao số phiếu giảm, bạn sẽ không còn căn cứ để giải thích từng trường hợp. Hãy luôn lưu bản raw, bản sau mỗi vòng làm sạch và bảng log.

Lỗi thứ hai là xem mọi câu trả lời giống nhau là trùng lặp. Hai người trả lời cùng mức 4 cho 20 biến vẫn có thể là hai quan sát độc lập. Cần kết hợp định danh, thời gian, câu sàng lọc và mẫu trả lời trước khi loại.

Lỗi thứ ba là lấy thời gian trả lời nhanh làm tiêu chí duy nhất. Thời gian phụ thuộc độ dài bảng hỏi, thiết bị và mức độ quen thuộc của người tham gia. Nếu dùng tiêu chí này, hãy ghi rõ cách xác định và đối chiếu với ít nhất một dấu hiệu khác.

Lỗi thứ tư là sửa dữ liệu để đạt cỡ mẫu mong muốn. Cỡ mẫu sau làm sạch thấp hơn dự kiến là thông tin cần báo cáo, không phải lý do để giữ phiếu đáng ngờ. Bạn có thể thu bổ sung nếu còn trong kế hoạch, nhưng không sao chép hoặc tạo thêm phản hồi.

Lỗi cuối là dùng một kết quả Cronbach's Alpha đẹp để biện minh cho dữ liệu kém chất lượng. Một thang đo có Alpha cao vẫn có thể được trả lời theo mẫu, bị lặp hoặc không đúng đối tượng. Chất lượng dữ liệu phải được kiểm tra trước khi đánh giá thang đo.

Đọc thêm: chủ đề khao sat.

Câu hỏi thường gặp

Phiếu trả lời trùng lặp là gì và có phải luôn xóa không?

Đó là các bản ghi có dấu hiệu xuất phát từ cùng một lần trả lời hoặc cùng một người gửi nhiều lần. Bạn không nên xóa chỉ vì hai dòng có một đáp án hoặc một thời điểm giống nhau. Hãy kiểm tra nhóm dấu hiệu, ghi lý do và giữ lại bản phù hợp theo quy tắc đã định trước.

Hai phiếu có cùng toàn bộ câu trả lời nhưng khác mã thì xử lý thế nào?

Nếu còn email, mã người tham gia, thời gian hoặc thông tin nguồn, hãy đối chiếu các trường đó. Nếu mọi dấu hiệu cho thấy đây là cùng một lần gửi bị ghi lặp, giữ một bản và đánh dấu bản kia là trùng. Nếu không đủ bằng chứng, ghi nhận là trường hợp cần xem xét và hỏi giảng viên thay vì khẳng định chắc chắn.

Phiếu trả lời không hợp lệ là gì?

Phiếu trả lời không hợp lệ là bản ghi không đáp ứng điều kiện dữ liệu đã đặt ra, chẳng hạn không thuộc đối tượng khảo sát, bỏ trống nhiều phần, trả lời ngoài phạm vi thang đo hoặc có mẫu trả lời bất thường đi kèm thời gian quá ngắn. Tiêu chí phải được xác định trước và áp dụng nhất quán.

Một phiếu không hợp lệ không nhất thiết là phiếu trùng. Trong file theo dõi, bạn nên có cột duplicate_flag và invalid_reason để tách hai quyết định này.

Có nên dùng Remove Duplicates trong Excel không?

Có thể dùng cho bước rà soát các dòng hoàn toàn giống nhau, sau khi đã sao lưu file gốc. Công cụ này không hiểu biến nào là định danh, không phân biệt người trả lời giống nhau một cách hợp lệ và không đánh giá được phiếu không hợp lệ. Vì vậy, hãy dùng nó như một bước hỗ trợ, sau đó kiểm tra lại trong bối cảnh nghiên cứu.

Sau khi loại phiếu trùng, cỡ mẫu thấp hơn dự kiến thì làm gì?

Trước hết, kiểm tra lại log để chắc chắn bạn không loại nhầm hoặc loại cùng một bản ghi ở nhiều vòng. Sau đó so sánh cỡ mẫu còn lại với kế hoạch phân tích, trong đó quy tắc 5 đến 10 quan sát cho mỗi biến quan sát được trích dẫn theo (Hair và cộng sự, 2010). Nếu chưa đủ, trao đổi với giảng viên về việc thu bổ sung hoặc điều chỉnh phạm vi phân tích, không tự tạo thêm dữ liệu.

Bây giờ hãy sao lưu file raw, tạo cột đánh dấu trùng và lập bảng log cho chính bộ dữ liệu của bạn. Nếu cần chạy các bước phân tích trên file .sav hoặc .csv thật, bạn có thể dùng M4 phân tích của DoThesis để kiểm tra dữ liệu và chạy SPSS hoặc SmartPLS theo đúng quy trình.