Cách chạy SPSS cho người mới: từ dữ liệu đến output

Khi nào dùng SPSS

SPSS là phần mềm phân tích dữ liệu định lượng. Bạn dùng SPSS khi đã có dữ liệu khảo sát trong file .sav, .xlsx hoặc .csv và cần biến câu trả lời thành kết quả thống kê để kiểm định giả thuyết trong luận văn. Vì vậy, câu hỏi “chạy SPSS là gì” không chỉ nói đến việc mở phần mềm rồi bấm một menu. Bạn cần chọn đúng phép phân tích cho dạng biến, mô hình và câu hỏi nghiên cứu.

Nếu đề tài có các thang đo Likert, quy trình thường đi từ thống kê mô tả, kiểm định độ tin cậy bằng Cronbach's Alpha, EFA, sau đó là hồi quy tuyến tính hoặc một kiểm định khác. Bạn có thể xem phần tổng hợp về chủ đề SPSS, hướng dẫn Cronbach's Alpha và EFA khi cần đi sâu từng bước.

Hình dạng giả thuyết quyết định phép phân tích. Giả thuyết “X ảnh hưởng đến Y” thường dẫn đến hồi quy tuyến tính. Giả thuyết “điểm trung bình của nhóm A khác nhóm B” cần t-test hoặc ANOVA. Giả thuyết về cấu trúc các biến quan sát thường cần EFA. Với mô hình biến tiềm ẩn phức tạp, bạn có thể cân nhắc SmartPLS hoặc AMOS. AMOS phù hợp với hướng CB-SEM và có cách đọc các chỉ số fit riêng.

SPSS chỉ tính toán theo biến và tùy chọn bạn nhập. Trước khi bấm OK, hãy ghi rõ phép phân tích đang trả lời câu hỏi nào, biến nào là độc lập, biến nào là phụ thuộc và tiêu chí kết luận sẽ dùng.

Chuẩn bị dữ liệu trước khi chạy

Mở Data View và Variable View cùng lúc. Trong Variable View, kiểm tra tên biến, kiểu dữ liệu, nhãn biến, giá trị mã hóa và Measure. Tên biến nên ngắn, không có dấu cách, chẳng hạn CL1, CL2, HL1, HL2. Biến quan sát dạng Likert thường để Numeric. Biến phân nhóm như giới tính, độ tuổi hoặc nghề nghiệp cần có Value Labels để output dễ đọc.

Kiểm tra kiểu biến và mã hóa

Một ô chứa ký tự “Nam” có thể làm phép tính trung bình không chạy như bạn muốn nếu biến đó đáng lẽ được mã hóa thành 1 và 2. Ngược lại, biến định danh được mã hóa bằng số không tự động trở thành biến liên tục. Hãy xem bản chất của biến trước khi chọn phép phân tích.

Trong Variable View, đặt Missing nếu bảng hỏi có mã riêng cho câu không trả lời, chẳng hạn 99. Nếu để 99 như giá trị bình thường, SPSS sẽ tính nó vào trung bình và làm sai kết quả. Sau đó chạy Analyze > Descriptive Statistics > Frequencies để xem tần suất, giá trị nhỏ nhất, lớn nhất và số lượng missing.

Kiểm tra biến đảo chiều

Nếu bảng hỏi có phát biểu mang nghĩa ngược, bạn phải đảo mã trước khi chạy Cronbach's Alpha hoặc EFA. Với thang Likert 1 đến 5, giá trị mới có thể được tạo theo công thức 6 - giá trị cũ. Vào Transform > Recode into Different Variables, chọn biến cần đảo, đặt tên mới như HL3R, rồi khai báo Old Value và New Value.

Không ghi đè biến gốc khi chưa có bản sao dữ liệu. Kiểm tra biến đảo chiều bằng Frequencies để chắc chắn giá trị vẫn nằm trong khoảng 1 đến 5. Nếu một item đáng lẽ cùng chiều với các item còn lại nhưng corrected item-total correlation âm, hãy kiểm tra bước này trước khi xóa biến.

Kiểm tra missing và câu trả lời bất thường

Một bảng hỏi thiếu quá nhiều câu cần được đánh dấu theo quy tắc đã nêu trong phương pháp nghiên cứu. Với các dòng còn lại, xem xét câu trả lời một mức cho toàn bộ item, thời gian hoàn thành bất thường hoặc giá trị ngoài thang đo. Lưu một bản dữ liệu gốc và một bản đã làm sạch, đồng thời ghi lại số dòng bị loại và lý do.

SPSS chỉ cần các cột phục vụ phân tích. Không đưa họ tên, số điện thoại hoặc mã định danh cá nhân vào bảng output nếu chúng không phục vụ mô hình. Khi lưu file .sav, nên đặt tên phiên bản theo ngày, chẳng hạn data_clean_v2.sav, để có thể quay lại khi giảng viên hỏi về một biến đã bị loại.

Các bước chạy SPSS

Bước 1: Nhập và lưu dữ liệu

Với file Excel, chọn File > Open > Data, chọn file và đánh dấu Read variable names from the first row of data nếu hàng đầu là tên biến. Với file CSV, kiểm tra dấu phân cách và xem lại vài dòng đầu sau khi nhập. Lưu ngay thành file .sav bằng File > Save As để giữ định dạng và nhãn biến.

Bước 2: Chạy thống kê mô tả

Vào Analyze > Descriptive Statistics > Frequencies cho biến phân loại và Analyze > Descriptive Statistics > Descriptives cho biến số. Chọn Mean, Standard Deviation, Minimum và Maximum khi cần mô tả thang đo. Output này giúp phát hiện dữ liệu ngoài khoảng trước khi chạy các bước tiếp theo.

Bước 3: Chạy Cronbach's Alpha

Vào Analyze > Scale > Reliability Analysis. Đưa các biến quan sát của cùng một khái niệm vào ô Items, chọn Model là Alpha. Bấm Statistics, chọn Item, Scale và Scale if item deleted, sau đó chọn Continue và OK.

Output quan trọng gồm Reliability Statistics và Item-Total Statistics. Đọc Cronbach's Alpha cùng Corrected Item-Total Correlation, không xóa biến chỉ vì cột Alpha if Item Deleted tăng nhẹ. Việc loại biến cần có lý do về thống kê và nội dung thang đo.

Bước 4: Chạy EFA

Vào Analyze > Dimension Reduction > Factor. Đưa toàn bộ biến quan sát đạt độ tin cậy vào ô Variables. Trong Descriptives, chọn KMO and Bartlett's test; trong Extraction, chọn phương pháp phù hợp với thiết kế nghiên cứu, bật Scree plot và đặt tiêu chí eigenvalue theo quy trình đã chọn.

Trong Rotation, chọn Varimax khi giả định các nhân tố không tương quan hoặc một phương pháp xiên như Promax khi các nhân tố có thể tương quan. Trong Options, bật Sorted by size và chọn Suppress small coefficients, nhập 0.50 nếu đang dùng ngưỡng tải nhân tố này. Kết quả cần đọc gồm KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix.

Nếu ma trận xoay có biến tải cao ở hai nhân tố, tải thấp hoặc không đúng nhóm lý thuyết, đừng xóa hàng loạt trong một lần. Ghi lại biến bị loại, lý do, rồi chạy lại EFA. EFA hiếm khi ra đẹp ở lần đầu, và việc chạy lại có kiểm soát là một phần bình thường của xử lý dữ liệu.

Bước 5: Chạy hồi quy tuyến tính

Vào Analyze > Regression > Linear. Đưa biến phụ thuộc vào ô Dependent và các biến độc lập vào Independent(s). Trong Statistics, chọn Estimates, Model fit, Collinearity diagnostics và Durbin-Watson. Trong Plots, đặt *ZPRED vào X và *ZRESID vào Y nếu cần kiểm tra phần dư. Chọn Save khi cần lưu giá trị dự đoán hoặc phần dư.

Đọc lần lượt Model Summary, ANOVA và Coefficients. R Square cho biết tỷ lệ biến thiên của Y được giải thích bởi các biến trong mô hình. Bảng ANOVA cho biết mô hình tổng thể có ý nghĩa theo p-value. Bảng Coefficients cho biết hệ số, hướng tác động, p-value và VIF của từng biến độc lập. Khi cần diễn giải sâu hơn, xem hướng dẫn hồi quy tuyến tính.

Bước 6: Lưu syntax và output

Bấm Paste thay vì OK khi chạy các phân tích quan trọng. SPSS sẽ mở cửa sổ Syntax với lệnh tương ứng. Lưu file .sps cùng thư mục với .sav. Trong Output Viewer, chọn File > Save As để lưu .spv. Syntax giúp bạn chạy lại đúng quy trình nếu dữ liệu được cập nhật và giải thích được từng vòng xử lý.

Đọc kết quả output

Hãy đọc output theo câu hỏi nghiên cứu, không đọc theo thứ tự tất cả bảng mà SPSS tạo ra. Bảng dưới đây là số liệu minh họa, mô phỏng các cột thường xuất hiện trong output hồi quy. Các con số chỉ nhằm minh họa cách đọc, không phải kết quả của một nghiên cứu thật.

Trong ví dụ này, R Square = 0.426 nghĩa là mô hình giải thích 42,6% biến thiên của biến phụ thuộc trong mẫu minh họa. Biến CL có Beta dương và Sig. bằng 0.000 theo cách SPSS hiển thị. Khi viết, nên ghi p < 0.001 thay vì nói p thực sự bằng 0. Biến GC có Sig. bằng 0.141, vì vậy chưa có đủ bằng chứng thống kê ở mức ý nghĩa 5% để kết luận biến này có ảnh hưởng trong mô hình minh họa.

Đừng nhìn một con số tách rời. Nếu mô hình có R Square cao nhưng VIF lớn, bạn phải xem xét đa cộng tuyến. Nếu hệ số có ý nghĩa nhưng dấu ngược với giả thuyết, hãy kiểm tra mã hóa biến, biến đảo chiều, cách tính biến đại diện và cơ sở lý thuyết trước khi viết kết luận.

Tiêu chí đánh giá

Các ngưỡng dưới đây là mốc thường dùng, không thay thế cho lập luận phương pháp và bối cảnh đề tài. Mỗi dòng ghi nguồn để bạn có thể truy xuất khi giải trình với giảng viên.

Có thể gặp Alpha dưới 0.7 ở nghiên cứu khám phá, nhưng khi sử dụng mốc 0.6 cần nêu rõ lý do. Không nên dùng một ngưỡng đạt được để biện minh cho thang đo có nhiều vấn đề khác.

Nếu bạn dùng SmartPLS, không đưa CFI, TLI hoặc RMSEA vào phần hướng dẫn SPSS này. Các chỉ số đó thuộc nhóm đánh giá CB-SEM và không phải tiêu chí cốt lõi của PLS-SEM. Với SmartPLS, bạn sẽ đọc outer loading, CR, AVE, HTMT, VIF, R² và Q² theo quy trình riêng.

Cách viết kết quả vào luận văn

Bạn nên viết theo cấu trúc: nêu phép phân tích, báo cáo chỉ số chính, đối chiếu tiêu chí, rồi kết luận tác động đến bước tiếp theo. Không chép nguyên toàn bộ output vào chương 4. Bảng đầy đủ có thể đặt ở phụ lục, còn nội dung chính chỉ giữ các con số phục vụ giả thuyết.

Cách viết vào luận văn: “Kết quả kiểm định độ tin cậy cho thấy thang đo [tên khái niệm] gồm [số biến quan sát] biến có Cronbach's Alpha bằng [giá trị], trong đó Corrected Item-Total Correlation của các biến dao động từ [giá trị thấp nhất] đến [giá trị cao nhất]. Do các chỉ số đáp ứng tiêu chí [ngưỡng và nguồn], thang đo được giữ lại để thực hiện [EFA hoặc hồi quy].”

Với hồi quy, bạn có thể dùng mẫu sau: “Mô hình hồi quy có R Square bằng [giá trị] và Sig. của kiểm định ANOVA bằng [giá trị]. Biến [tên biến] có hệ số Beta bằng [giá trị], p-value bằng [giá trị], cho thấy [tác động cùng chiều hoặc ngược chiều] đến [biến phụ thuộc]. Do p-value [nhỏ hơn hoặc lớn hơn] 0.05, giả thuyết H[ ] được [chấp nhận hoặc không được ủng hộ] trong phạm vi mẫu nghiên cứu.”

Thay phần trong ngoặc vuông bằng số liệu thật trong output của bạn. Nếu một giả thuyết không được ủng hộ, hãy viết đúng kết quả đó. Không đổi dấu hệ số hoặc gọi một biến là “có ảnh hưởng” chỉ vì nó có tương quan với biến phụ thuộc.

Lỗi thường gặp khi chạy SPSS

Chọn sai biến hoặc sai cấp độ đo

Đưa biến giới tính vào hồi quy như một biến số liên tục có thể làm mô hình khó giải thích. Với biến phân loại có nhiều nhóm, cần mã hóa và chọn cách xử lý phù hợp. Kiểm tra lại codebook trước khi chạy thay vì sửa trực tiếp trong output.

Dùng dữ liệu chữ trong phép tính

Nếu các cột Likert được nhập dưới dạng String, SPSS có thể không tính Mean hoặc không đưa biến vào phân tích. Dùng Transform > Automatic Recode chỉ khi hiểu rõ kết quả mã hóa, rồi kiểm tra Frequencies. Tốt hơn là sửa cấu trúc dữ liệu từ file gốc và nhập lại nếu có thể.

Xóa biến chỉ để đạt ngưỡng

Xóa nhiều biến liên tục để Alpha, KMO hoặc loading tăng có thể làm thang đo mất nội dung. Mỗi lần loại biến cần có lý do, ghi lại phiên bản, xem xét lý thuyết và báo cáo minh bạch. Nếu ma trận xoay vẫn không hợp lý sau nhiều vòng, vấn đề có thể nằm ở bảng hỏi hoặc mô hình, không nằm ở nút chạy SPSS.

Chép nhầm p-value và số thập phân

SPSS hiển thị 0.000 khi p-value rất nhỏ, không có nghĩa p-value bằng 0 tuyệt đối. Khi nhập bảng, giữ đúng dấu thập phân và phân biệt B, Beta, t, Sig.. Một lỗi nhỏ ở các cột này có thể làm phần diễn giải ngược với output.

Không lưu syntax và dữ liệu trung gian

Nếu chỉ lưu một file cuối cùng, bạn sẽ khó giải thích biến nào đã bị loại. Hãy lưu dữ liệu gốc, dữ liệu làm sạch, syntax, output và bảng theo dõi từng vòng phân tích. Quy trình này cũng giúp bạn chạy lại khi phát hiện một mã đảo chiều bị nhập sai.

Câu hỏi thường gặp

SPSS là gì và dùng để làm gì?

SPSS là phần mềm dùng để nhập, làm sạch, mô tả và phân tích dữ liệu định lượng. Trong luận văn, SPSS thường được dùng để chạy Cronbach's Alpha, EFA, tương quan, hồi quy, t-test, ANOVA và các thống kê mô tả.

SPSS không thay bạn chọn mô hình hay giải thích ý nghĩa lý thuyết. Bạn vẫn phải xác định biến, giả thuyết, điều kiện áp dụng và cách báo cáo trước khi chạy.

Cách chạy SPSS cho người mới bắt đầu nên theo thứ tự nào?

Bạn nên bắt đầu bằng kiểm tra dữ liệu và thống kê mô tả, sau đó chạy Cronbach's Alpha, EFA nếu mô hình có thang đo cần khám phá, rồi chạy hồi quy hoặc kiểm định phù hợp với giả thuyết. Mỗi bước cần lưu output và ghi lại biến được giữ hoặc loại.

Đừng bắt đầu bằng hồi quy khi chưa kiểm tra mã hóa, missing và chất lượng thang đo. Output có thể vẫn xuất hiện, nhưng kết luận sẽ thiếu cơ sở.

Chạy SPSS bao nhiêu là đạt?

Không có một con số duy nhất áp dụng cho mọi phép phân tích. Bạn cần xem đúng chỉ số của từng bước, chẳng hạn Alpha, corrected item-total correlation, KMO, Bartlett, factor loading, R Square, VIF và p-value.

Các ngưỡng trong bảng trên là mốc tham khảo có nguồn. Hãy dùng nhất quán, giải thích trường hợp ngoại lệ và hỏi giảng viên nếu kết quả nằm sát ngưỡng.

SPSS bị lỗi không chạy được thì làm sao?

Trước tiên đọc thông báo lỗi và kiểm tra biến có đúng kiểu Numeric hay không, có missing đặc biệt hay giá trị ngoài khoảng không. Sau đó kiểm tra xem ô biến phụ thuộc, biến độc lập hoặc Items có đang để trống không.

Nếu cửa sổ output không hiện bảng, thử chạy một phân tích đơn giản như Frequencies để xác định lỗi nằm ở file hay ở hộp thoại. Lưu bản sao file trước khi sửa, rồi chạy lại từ syntax nếu bạn đã lưu lệnh.

Có nên tải SPSS 27 miễn phí từ nguồn không rõ không?

Bạn nên dùng bản quyền hoặc giấy phép do trường cung cấp. File cài đặt không rõ nguồn có thể gây rủi ro cho máy tính và dữ liệu khảo sát, đồng thời khiến bạn khó nhận hỗ trợ khi phần mềm lỗi. Nếu chỉ cần thực hành, hãy kiểm tra lựa chọn dùng thử hoặc phòng máy của trường.

Một số phần mềm thay thế như JASP hoặc R có thể phù hợp trong các trường hợp nhất định, nhưng giao diện, cách lưu lệnh và cách trình bày output khác SPSS. Chọn công cụ mà bạn có thể giải thích rõ trong buổi bảo vệ.

Mở lại file dữ liệu của bạn, kiểm tra Variable View và tạo một bản sao trước khi làm sạch. Sau đó chạy Frequencies, lưu syntax và đi lần lượt theo phép phân tích của mô hình; nếu cần chạy phân tích trên file .sav hoặc .csv thật của bạn, xem module M4 phân tích dữ liệu.