Split Half Reliability là gì? Cách đọc và chạy trong SPSS

Split Half Reliability là gì

Bạn có thể gặp mục Split-Half Reliability trong bảng Reliability Statistics sau khi chạy kiểm định độ tin cậy thang đo trên SPSS. Chỉ số này đánh giá mức độ nhất quán giữa hai phần của cùng một thang đo. SPSS chia các biến quan sát thành hai nhóm, tính điểm cho từng nhóm rồi xem điểm của hai nhóm tương quan với nhau đến mức nào.

Ví dụ, thang đo có 6 biến quan sát từ A1 đến A6. Phần thứ nhất có thể gồm A1, A3, A5, còn phần thứ hai gồm A2, A4, A6, tùy cách SPSS phân chia. Nếu hai nửa cho kết quả tương đối giống nhau, thang đo có dấu hiệu đo lường nhất quán.

Trong output, bạn thường thấy hai giá trị chính là Correlation Between Forms và Spearman-Brown Coefficient. Giá trị đầu là tương quan giữa hai nửa thang đo. Giá trị sau điều chỉnh tương quan đó để ước lượng độ tin cậy của toàn bộ thang đo, vì toàn bộ thang đo có số biến quan sát nhiều gấp đôi mỗi nửa. Công thức Spearman-Brown thường được viết như sau:

r_SB = 2r / (1 + r)

Trong đó r là tương quan giữa hai nửa và r_SB là hệ số Spearman-Brown sau điều chỉnh. Đây là cách hiểu khái quát về chỉ số, còn con số thực tế trong file của bạn phụ thuộc vào cách chia biến và dữ liệu thu được.

Ý nghĩa của Split Half Reliability trong nghiên cứu định lượng

Split Half Reliability trả lời một câu hỏi khá cụ thể: nếu cùng một thang đo được chia thành hai phần, hai phần đó có cho kết quả nhất quán hay không. Chỉ số này hữu ích khi bạn muốn kiểm tra nhanh tính nhất quán nội tại của một thang đo mà không chỉ nhìn vào một hệ số duy nhất.

Trong luận văn định lượng, Split Half Reliability thường được xem như một bằng chứng bổ sung cho độ tin cậy. Nó không thay thế hoàn toàn việc xem Cronbach's Alpha, Corrected Item-Total Correlation và nội dung lý thuyết của thang đo. Cronbach's Alpha được xây dựng để đánh giá hệ số nhất quán nội tại của các biến quan sát trong cùng một thang đo, theo (Cronbach, 1951). Vì vậy, khi báo cáo kết quả, bạn cần nói rõ mình đang dùng chỉ số nào làm tiêu chí chính.

Nếu hai nửa thang đo có tương quan thấp, có thể xảy ra vài tình huống. Các biến quan sát chưa cùng đo một khái niệm, một số biến được mã hóa ngược nhưng chưa reverse code, dữ liệu có quá nhiều câu trả lời thiếu, hoặc kết quả phụ thuộc vào cách SPSS chia các biến. Trường hợp cuối rất đáng chú ý. Hai cách chia khác nhau có thể tạo ra hai hệ số Split-Half khác nhau.

Bạn nên đặt chỉ số này trong quy trình kiểm định chung, thay vì lấy riêng nó để quyết định xóa biến. Quy trình thường bắt đầu từ kiểm tra dữ liệu, chạy Cronbach's Alpha, xem Corrected Item-Total Correlation, sau đó mới cân nhắc Split-Half Reliability nếu nghiên cứu hoặc giảng viên yêu cầu.

Split Half Reliability bao nhiêu là đạt

Cụm tìm kiếm “split half reliability bao nhiêu là tốt” thường khiến người làm luận văn muốn tìm một con số duy nhất. Thực tế, không có một ngưỡng duy nhất áp dụng cứng cho mọi thang đo và mọi cách chia. Bạn cần xem đồng thời Correlation Between Forms, Spearman-Brown Coefficient, Cronbach's Alpha, số lượng biến quan sát và cơ sở lý thuyết của thang đo.

Bảng dưới đây là cách diễn giải thực hành. Các mốc về Cronbach's Alpha và tương quan biến tổng là tiêu chí được trích dẫn phổ biến trong nghiên cứu định lượng. Với Split-Half Reliability, bảng không gán một mốc tuyệt đối khi nguồn trong danh mục cho phép không quy định riêng một ngưỡng độc lập cho mọi trường hợp.

Bạn không nên viết “Split Half Reliability đạt chuẩn vì lớn hơn 0.7” nếu chưa xác định giá trị đó là Correlation Between Forms hay Spearman-Brown Coefficient. Hai cột này có ý nghĩa khác nhau. Một báo cáo thận trọng sẽ nêu tên cột, giá trị, cách chia biến và kết quả của các kiểm định độ tin cậy liên quan.

Nếu giảng viên yêu cầu một ngưỡng cụ thể cho Split-Half Reliability, hãy hỏi lại tiêu chí đang được khoa hoặc đề cương nghiên cứu sử dụng. Không nên lấy ngưỡng của Cronbach's Alpha rồi gắn trực tiếp sang Split-Half mà không giải thích.

Cách đọc Split Half Reliability trên output SPSS

Sau khi chạy phân tích, SPSS thường tạo bảng Reliability Statistics và bảng Split-Half. Tùy phiên bản SPSS, tên bảng hoặc cách hiển thị có thể hơi khác, nhưng bạn vẫn tập trung vào các cột thể hiện tương quan giữa hai phần và hệ số Spearman-Brown.

Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Giả sử thang đo có 6 biến quan sát và SPSS chia thành hai phần có cùng số lượng biến.

Với bảng minh họa này, bạn không chỉ nhìn vào 0.807 rồi kết luận ngay. Bạn cần kiểm tra 6 biến có thực sự thuộc cùng một khái niệm hay không, các biến có được mã hóa đúng chiều không, và kết quả Cronbach's Alpha có ổn định không. Nếu Correlation Between Forms thấp nhưng Cronbach's Alpha lại cao, hãy xem cách chia biến. Một nửa có thể tập trung vào một khía cạnh của khái niệm, trong khi nửa còn lại tập trung vào khía cạnh khác.

Cách tính trong bảng minh họa cũng có thể kiểm tra bằng công thức. Với r = 0.676, hệ số Spearman-Brown xấp xỉ 2 x 0.676 / (1 + 0.676), cho kết quả gần 0.807. Đây là lý do hệ số sau điều chỉnh thường cao hơn tương quan giữa hai nửa.

Khi đọc output, bạn nên lưu file .spv sau từng vòng chạy. Nếu có xóa biến, hãy lưu tên biến đã xóa và lý do. Việc này giúp bạn trả lời khi giảng viên hỏi vì sao kết quả ở bảng chương 4 khác với lần chạy ban đầu.

Khi Split Half Reliability không đạt thì xử lý thế nào

Bước đầu tiên là xác định “không đạt” đang nói đến chỉ số nào. Nếu người hướng dẫn chỉ yêu cầu Cronbach's Alpha, một Split-Half thấp chưa đủ để bạn xóa biến ngay. Nếu cả Correlation Between Forms, Cronbach's Alpha và Corrected Item-Total Correlation đều thấp, vấn đề đáng xem xét hơn.

Kiểm tra biến đảo chiều và mã hóa dữ liệu

Một biến có nội dung phủ định cần được reverse code trước khi chạy. Ví dụ thang đo dùng mức 1 đến 5, biến đảo chiều phải được đổi theo quy tắc 1 thành 5, 2 thành 4, 3 giữ nguyên. Nếu bỏ qua bước này, biến có thể tương quan âm với các biến còn lại và kéo kết quả xuống.

Bạn cũng kiểm tra các giá trị ngoài thang đo, chẳng hạn dữ liệu đáng lẽ từ 1 đến 5 nhưng lại có 0 hoặc 99. Các mã này cần được khai báo là missing theo đúng quy ước của bảng hỏi.

Xem Corrected Item-Total Correlation

Mở bảng Item-Total Statistics và xem cột Corrected Item-Total Correlation. Nếu một biến thấp hơn 0.3, bạn có thể xem hướng dẫn xử lý chi tiết tại item total correlation nhỏ hơn 0 3 phải làm sao. Tuy vậy, đừng xóa biến chỉ vì một con số. Bạn cần xem nội dung biến, nguồn thang đo và tác động của việc xóa biến trong cột Cronbach's Alpha if Item Deleted.

Chạy lại theo cách chia hợp lý và ghi lại từng vòng

Split-Half phụ thuộc vào cách chia các biến. Bạn có thể kiểm tra thứ tự biến, số biến ở mỗi nửa và cách SPSS tạo hai phần. Nếu thang đo có số biến lẻ, hai nửa không có cùng số lượng biến, khi đó cần diễn giải thận trọng hơn.

Sau mỗi thay đổi, chạy lại phân tích và lưu output mới. Việc chạy lại nhiều vòng là bình thường khi EFA hoặc kiểm định độ tin cậy chưa cho kết quả phù hợp. Điều reviewer quan tâm là tiêu chí xóa biến có hợp lý và bạn có báo cáo minh bạch hay không.

Không xóa biến chỉ để ép chỉ số tăng

Một biến có thể có giá trị nội dung quan trọng dù tương quan không cao. Xóa biến làm thay đổi phạm vi khái niệm mà thang đo đo lường. Nếu phải xóa, hãy nêu rõ tiêu chí, giá trị trước và sau khi xóa, đồng thời kiểm tra thang đo còn đủ biến để đại diện cho khái niệm hay không.

Nếu cần quy trình đầy đủ hơn, bạn có thể đối chiếu với bài kiểm định độ tin cậy thang đo trong spss. Khi nghiên cứu dùng PLS-SEM, chỉ số thường được quan tâm sẽ là Composite Reliability, AVE, outer loading và HTMT, bạn có thể xem thêm Composite Reliability là gì.

Phân biệt Split Half Reliability với Cronbach's Alpha

Hai chỉ số đều liên quan đến độ tin cậy thang đo nhưng cách tiếp cận khác nhau. Split-Half chia thang đo thành hai phần rồi đánh giá mức độ nhất quán giữa hai phần. Cronbach's Alpha sử dụng hiệp phương sai hoặc tương quan giữa các biến quan sát để ước lượng độ nhất quán nội tại của toàn bộ thang đo.

Cronbach's Alpha thường xuất hiện trong bảng kết quả mà sinh viên Việt Nam báo cáo ở chương 4. Bạn có thể đọc thêm bài cronbach alpha trong spss để xem đường dẫn menu và các cột Item-Total Statistics. Hai chỉ số có thể cho kết quả khác nhau vì chúng phụ thuộc vào công thức và cấu trúc dữ liệu khác nhau.

Cũng cần phân biệt Split-Half với Composite Reliability. Composite Reliability thường được báo cáo trong PLS-SEM hoặc SEM khi đánh giá mô hình đo lường. Split-Half chủ yếu là một cách đánh giá độ tin cậy dựa trên việc chia đôi biến quan sát. Bạn không nên dùng tên của hai chỉ số thay thế cho nhau trong bảng kết quả.

Khi trình bày, hãy ghi đúng tên chỉ số theo output. Nếu dùng SPSS cho hồi quy hoặc EFA, bạn có thể báo cáo Cronbach's Alpha là tiêu chí chính và đưa Split-Half vào phần bổ sung khi có yêu cầu. Nếu dùng SmartPLS, hãy giữ đúng nhóm chỉ số của PLS-SEM, không trộn các tiêu chí fit index của CB-SEM vào mô hình PLS.

Lỗi thường gặp

Lỗi đầu tiên là gọi mọi giá trị trong bảng Reliability Statistics là Split-Half Reliability. Bạn cần đọc đúng nhãn cột, đặc biệt phân biệt Correlation Between Forms, Spearman-Brown Coefficient và Guttman Split-Half Coefficient.

Lỗi thứ hai là áp dụng máy móc ngưỡng 0.7 cho mọi chỉ số. Mốc 0.7 thường được trích dẫn cho Cronbach's Alpha, nhưng không nên chuyển nguyên xi sang mọi hệ số Split-Half khi chưa có quy ước cụ thể. Hãy ghi rõ nguồn và tên chỉ số.

Lỗi thứ ba là xóa biến ngay khi thấy kết quả thấp. Trước khi xóa, bạn kiểm tra reverse code, missing value, mã hóa dữ liệu, Corrected Item-Total Correlation và ý nghĩa lý thuyết của biến.

Lỗi thứ tư là báo cáo số liệu minh họa như thể đó là kết quả nghiên cứu. Bảng trong bài này chỉ có mục đích hướng dẫn cách đọc. Trong luận văn, bạn phải thay bằng số liệu lấy từ chính file .sav hoặc .csv của mình.

Cách viết vào luận văn

Bạn có thể điều chỉnh câu sau theo output thật: “Kết quả kiểm định độ tin cậy cho thang đo [TÊN KHÁI NIỆM] cho thấy Cronbach's Alpha đạt [GIÁ TRỊ], Correlation Between Forms đạt [GIÁ TRỊ] và Spearman-Brown Coefficient đạt [GIÁ TRỊ]. Các biến quan sát [MÃ BIẾN] được giữ lại/xem xét loại bỏ dựa trên [TIÊU CHÍ], kết hợp với cơ sở lý thuyết của thang đo.”

Câu hỏi thường gặp

Split Half Reliability là gì trong SPSS?

Đây là chỉ số đánh giá độ nhất quán giữa hai phần của cùng một thang đo. SPSS chia các biến quan sát thành hai phần, tính tương quan giữa hai phần và có thể báo cáo thêm hệ số Spearman-Brown sau điều chỉnh.

Split Half Reliability bao nhiêu là tốt?

Không nên dùng một ngưỡng duy nhất cho mọi trường hợp. Bạn cần xem tên cột trong output, Cronbach's Alpha, Corrected Item-Total Correlation, cách chia biến và tiêu chí mà đề cương hoặc giảng viên yêu cầu.

Split Half Reliability thấp nhưng Cronbach's Alpha cao thì làm sao?

Hãy kiểm tra cách SPSS chia biến, số lượng biến ở mỗi phần và nội dung của từng nhóm. Hai nửa có thể đại diện cho các khía cạnh khác nhau của cùng một khái niệm. Chưa nên xóa biến chỉ dựa trên Split-Half thấp.

Có bắt buộc báo cáo Split Half Reliability trong luận văn không?

Điều này phụ thuộc vào đề cương, ngành và yêu cầu của giảng viên. Nhiều luận văn dùng Cronbach's Alpha làm tiêu chí chính, còn Split-Half chỉ được báo cáo khi người hướng dẫn yêu cầu hoặc khi bạn muốn bổ sung bằng chứng về độ tin cậy.

Split Half Reliability có thay thế Cronbach's Alpha không?

Hai chỉ số có liên quan nhưng không giống nhau. Split-Half dựa trên việc chia thang đo thành hai phần, còn Cronbach's Alpha đánh giá mức độ nhất quán nội tại của toàn bộ nhóm biến. Bạn nên báo cáo đúng chỉ số mà phương pháp nghiên cứu yêu cầu.

Mở file SPSS của bạn, kiểm tra đúng ba vị trí Reliability Statistics, Split-Half và Item-Total Statistics, sau đó ghi lại giá trị trước khi quyết định xóa biến; nếu cần chạy phân tích trên chính file .sav hoặc .csv, M4 phân tích của DoThesis thực hiện bước này bằng SPSS và SmartPLS.