Thang đo định danh là gì? Cách phân biệt và dùng trong khảo sát

Thang đo định danh là gì

Bạn mở file dữ liệu và thấy biến GIOITINH được mã hóa 1 = Nam, 2 = Nữ, hoặc biến KHU_VUC có các mã 1 = Hà Nội, 2 = Đà Nẵng, 3 = Thành phố Hồ Chí Minh. Đây là ví dụ điển hình của thang đo định danh, còn gọi là nominal scale.

Thang đo định danh dùng để phân loại đơn vị quan sát vào các nhóm khác nhau. Con số trong dữ liệu chỉ là mã nhận diện nhóm, không biểu thị nhóm nào nhiều hơn, tốt hơn hoặc có khoảng cách lớn hơn nhóm khác. Vì vậy, giá trị 2 không có nghĩa là “nhiều” hơn giá trị 1.

Bạn có thể hình dung thang đo này như nhãn dán trên từng bản ghi. Nhãn 1, 2, 3 giúp SPSS lưu và xử lý dữ liệu gọn hơn, nhưng bản chất vẫn là tên nhóm. Nếu câu hỏi khảo sát yêu cầu người trả lời chọn giới tính, ngành học, tình trạng hôn nhân, loại khách hàng hoặc kênh biết đến thương hiệu, biến đó thường được đo bằng thang đo định danh.

Thang đo định danh thường chỉ cho phép bạn xác định hai điều: một quan sát thuộc nhóm nào và các quan sát có thuộc cùng nhóm hay không. Phép tính phù hợp chủ yếu là đếm tần số, tính tỷ lệ phần trăm, lập bảng chéo và kiểm định mối liên hệ giữa các biến phân loại. Bạn không nên lấy trung bình của mã giới tính hoặc mã khu vực rồi diễn giải kết quả như một đại lượng có ý nghĩa.

Ý nghĩa của thang đo định danh trong nghiên cứu định lượng

Trong một luận văn định lượng, thang đo định danh giúp bạn mô tả mẫu và đưa các đặc điểm phân loại vào mô hình phân tích. Chẳng hạn, bạn có thể báo cáo mẫu gồm bao nhiêu phần trăm nam và nữ, người trả lời đến từ nhóm tuổi nào, hoặc khách hàng biết đến dịch vụ qua kênh nào.

Vai trò thứ hai là dùng biến định danh làm biến kiểm soát hoặc biến phân nhóm. Bạn có thể so sánh điểm trung bình của ý định mua giữa các nhóm giới tính, hoặc kiểm tra ý định mua có khác nhau giữa các khu vực hay không. Khi đó, biến định danh không được tính trung bình trực tiếp. Nó được dùng để chia nhóm hoặc được chuyển thành biến giả theo yêu cầu của mô hình.

Vai trò thứ ba là giúp bạn chọn đúng phép phân tích. Với hai biến định danh, bảng chéo và kiểm định Chi-square thường phù hợp để xem sự phân bố của biến này có liên quan đến biến kia hay không. Với một biến định danh dùng để chia nhóm và một biến kết quả dạng điểm số, bạn có thể cân nhắc t-test hoặc ANOVA tùy số lượng nhóm và điều kiện của dữ liệu. Việc chọn phép kiểm định cần dựa vào câu hỏi nghiên cứu, loại biến và giả định thống kê, không chỉ dựa vào tên biến.

Bạn nên tách rõ thang đo của biến phân loại với bảng hỏi là gì. Bảng hỏi là công cụ thu thập dữ liệu, còn thang đo định danh mô tả cách một biến được ghi nhận và xử lý sau khi người trả lời hoàn tất bảng hỏi.

Khi thiết kế bảng hỏi, hãy ghi nhãn nhóm rõ ràng và bảo đảm các lựa chọn không chồng lấn. Ví dụ, nhóm tuổi “18 đến 24” và “25 đến 34” dễ mã hóa hơn các nhóm “dưới 25” và “25 trở lên” nếu bạn kiểm tra ranh giới. Nếu có khả năng một người không thuộc nhóm nào, hãy thêm lựa chọn phù hợp như “Khác” hoặc “Không muốn trả lời”, rồi quyết định trước cách xử lý giá trị này.

Thang đo định danh bao nhiêu là đạt

Thang đo định danh không có ngưỡng kiểu Cronbach's Alpha, factor loading hay AVE. Một biến định danh được xem là sử dụng ổn khi các nhóm được định nghĩa rõ, mỗi quan sát chỉ thuộc một nhóm, các nhóm bao quát những khả năng cần thiết và mã hóa nhất quán từ bảng hỏi đến file dữ liệu.

Bảng dưới đây là checklist ra quyết định. Các nguyên tắc về Likert trong dòng liên quan được gắn với nguồn gốc của kỹ thuật Likert, còn các tiêu chí còn lại là điều kiện thiết kế và mã hóa dữ liệu cần kiểm tra trong chính bảng hỏi của bạn.

Bạn cũng cần phân biệt “đạt” ở hai tầng. Tầng thứ nhất là biến được mã hóa đúng về mặt phương pháp. Tầng thứ hai là dữ liệu có đủ quan sát trong từng nhóm để thực hiện phép phân tích bạn dự định dùng. Một biến có bốn nhóm về lý thuyết vẫn có thể khó phân tích nếu một nhóm chỉ có rất ít người trả lời.

Không có con số chung áp dụng cho mọi biến định danh về tỷ lệ mỗi nhóm. Nếu một nhóm có tần số thấp, bạn cần xem lại mục tiêu phân tích, gộp nhóm khi có cơ sở nội dung rõ ràng, hoặc chọn phương pháp phù hợp hơn. Đừng gộp các nhóm chỉ để bảng kết quả trông cân đối.

Cách đọc thang đo định danh trên output

Trong SPSS, thang đo định danh được khai báo ở cột Measure trong Variable View. Bạn đặt Nominal cho biến như giới tính, khu vực hoặc kênh tiếp cận. Cột Values dùng để khai báo nhãn, chẳng hạn 1 = Nam, 2 = Nữ. Cột Missing có thể dùng cho mã thiếu như 99, nhưng mã này phải được khai báo để SPSS không đếm nó như một nhóm thật.

Để xem số lượng và tỷ lệ của từng nhóm, mở Analyze > Descriptive Statistics > Frequencies. Đưa biến cần kiểm tra sang ô Variable(s), giữ lựa chọn hiển thị bảng tần số rồi nhấn OK. Output thường có các cột Frequency, Percent, Valid Percent và Cumulative Percent.

Với biến định danh, bạn nên tập trung vào Frequency, Percent và Valid Percent. Cumulative Percent chỉ có ý nghĩa mô tả cộng dồn theo thứ tự mã, trong khi thứ tự mã của nominal scale vốn không mang ý nghĩa thứ bậc. Nếu có giá trị thiếu, Percent tính trên toàn bộ số dòng, còn Valid Percent tính sau khi loại missing. Khi viết luận văn, hãy nói rõ bạn dùng mẫu hợp lệ hay toàn bộ số quan sát.

Dưới đây là bảng số liệu minh họa, được dựng theo hình dạng output SPSS. Các con số chỉ nhằm minh họa cách đọc, không phải kết quả của một nghiên cứu thực tế.

Cách đọc là có 202 dòng dữ liệu, trong đó 2 trường hợp bị thiếu GIOITINH. Có 200 quan sát hợp lệ, gồm 86 nam và 114 nữ. Vì có missing, tỷ lệ hợp lệ là 43,0% và 57,0%, tổng bằng 100%. Bạn không được kết luận nhóm nữ “cao hơn” nhóm nam theo nghĩa của thang đo. Bạn chỉ có thể nói nhóm nữ chiếm tỷ lệ lớn hơn trong mẫu minh họa.

Nếu cần xem mối liên hệ giữa hai biến định danh, dùng Analyze > Descriptive Statistics > Crosstabs. Đặt một biến vào Row(s), biến còn lại vào Column(s), nhấn Statistics để chọn Chi-square, rồi nhấn Cells để chọn tần số và tỷ lệ. Đọc bảng Chi-Square Tests, đặc biệt dòng Pearson Chi-Square và cột Asymptotic Significance (2-sided). Khi báo cáo, bạn cần xem cả điều kiện về tần số kỳ vọng, không chỉ nhìn một p-value.

Khi thang đo định danh không đạt thì xử lý thế nào

Nếu bạn phát hiện mã hóa sai, hãy xử lý theo thứ tự từ dữ liệu gốc đến output. Cách làm này giúp bạn giải trình được vì sao bảng kết quả sau khi sửa khác với lần chạy trước.

Kiểm tra bảng mã và câu hỏi gốc

Mở bảng hỏi và bảng mã biến cạnh file .sav hoặc .csv. Đối chiếu từng mã với nhãn, phát hiện trường hợp 1 lúc được ghi là Nam nhưng ở một phần dữ liệu lại được dùng cho Nữ. Nếu chưa có codebook, hãy tạo một bảng gồm tên biến, nội dung, mã giá trị và mã missing trước khi sửa.

Sửa nhãn bằng Variable View

Trong SPSS, vào Variable View, kiểm tra Values, Missing và Measure. Nếu chỉ sai nhãn nhưng mã số ban đầu đúng, sửa nhãn trong Values, không đổi dữ liệu hàng loạt. Sau đó chạy lại Analyze > Descriptive Statistics > Frequencies để kiểm tra bảng phân bố.

Xử lý mã ngoài phạm vi

Nếu một biến chỉ có mã 1 và 2 nhưng xuất hiện 0, 3 hoặc 99, bạn cần xác định đó là lỗi nhập, câu trả lời “khác” hay missing. Không tự động xóa toàn bộ dòng. Với mã không hợp lệ do nhập sai, đối chiếu bảng hỏi hoặc dữ liệu gốc rồi sửa; nếu không xác định được, đặt thành missing và ghi lại số trường hợp bị ảnh hưởng.

Gộp nhóm chỉ khi có lý do nội dung

Bạn có thể gộp các nhóm rất ít quan sát nếu những nhóm đó gần nhau về mặt khái niệm và việc gộp phù hợp với giả thuyết. Chẳng hạn, một số nhóm khu vực có thể được gom theo vùng nếu đề tài chỉ cần so sánh Bắc, Trung và Nam. Hãy lưu biến gốc, tạo biến mới bằng Transform > Recode into Different Variables, rồi ghi lý do gộp trong chương phương pháp.

Nếu vấn đề xuất phát từ cách đặt câu hỏi khiến nhiều người hiểu khác nhau, phần mềm không sửa được dữ liệu đó. Khi ấy, lựa chọn có thể chấp nhận là báo cáo hạn chế, loại biến khỏi phân tích liên quan nếu có căn cứ, hoặc thu thập bổ sung theo thiết kế đã điều chỉnh. Việc đổi mã để tạo ra phân bố đẹp sẽ làm tăng rủi ro khi bị hỏi về dữ liệu gốc.

Phân biệt thang đo định danh với thang đo thứ bậc

Nhầm lẫn phổ biến nhất là xem mọi biến được nhập bằng số đều là biến định lượng. Số chỉ là cách lưu dữ liệu. Bạn phải nhìn vào ý nghĩa của lựa chọn trả lời.

Thang đo định danh chỉ phân loại. Ví dụ, phương thức thanh toán gồm tiền mặt, thẻ và ví điện tử. Không có cơ sở nói ví điện tử mang giá trị “cao hơn” tiền mặt chỉ vì được mã hóa bằng số 3.

Thang đo thứ bậc, ordinal scale, có trật tự hơn kém nhưng khoảng cách giữa các mức chưa chắc bằng nhau. Mức hài lòng gồm rất không hài lòng, không hài lòng, bình thường, hài lòng và rất hài lòng là ví dụ thường gặp. Nếu bạn dùng nhiều biến quan sát dạng này để đo một khái niệm bằng Likert, cần trình bày thang đo và cách xử lý nhất quán. Xem thêm bài thang đo Likert nếu file của bạn có các mức độ đồng ý.

Thang đo khoảng có thứ tự và khoảng cách giữa các mức được giả định bằng nhau, còn thang đo tỷ lệ có thêm điểm 0 tuyệt đối. Tuổi tính bằng năm, thu nhập hoặc số lần mua thường được xử lý khác với mã nhóm. Đừng biến mã định danh thành số đo bằng cách tính trung bình chỉ vì SPSS cho phép thao tác đó.

Một trường hợp cần chú ý là câu hỏi “Bạn đã sử dụng bao nhiêu kênh để biết đến thương hiệu”. Nếu người trả lời chỉ chọn một kênh, đó là biến định danh. Nếu họ được chọn nhiều kênh, mỗi phương án nên trở thành một biến nhị phân, thường mã hóa 0 = không chọn và 1 = có chọn. Nếu câu hỏi hỏi số lượng kênh đã chọn, biến tổng số lại có bản chất khác.

Lỗi thường gặp

Gán Nominal cho mọi biến nhập bằng số

Cột Measure không được chọn theo việc dữ liệu là số hay chữ. Hãy chọn theo ý nghĩa đo lường. Mã 1, 2, 3 của ngành học vẫn là nominal, trong khi số năm kinh nghiệm là một đại lượng số có thứ tự và khoảng cách cụ thể hơn.

Tính Mean cho mã nhóm

Bảng Descriptives có thể trả về mean của biến GIOITINH, nhưng con số đó không có diễn giải hợp lệ nếu 1 và 2 chỉ là nhãn. Dùng Frequencies hoặc Crosstabs để mô tả nhóm.

Dùng Cumulative Percent để diễn giải thứ tự

SPSS vẫn hiển thị cột cộng dồn dù biến là nominal. Cột này cộng theo thứ tự mã đã nhập, không chứng minh nhóm 3 đứng sau hoặc cao hơn nhóm 2.

Gộp nhóm sau khi xem kết quả

Nếu bạn chỉ gộp nhóm vì p-value chưa đạt, quyết định đó dễ bị xem là điều chỉnh theo kết quả. Hãy dựa vào lý thuyết, mục tiêu nghiên cứu hoặc kế hoạch phân tích đã nêu trước đó, đồng thời lưu lại biến gốc.

Nhầm biến định danh với biến giả

Biến giới tính mã 1 và 2 vẫn là một biến phân loại. Khi đưa vào hồi quy, phần mềm có thể cần biến giả với một nhóm tham chiếu. Bạn phải biết nhóm nào là tham chiếu và diễn giải hệ số so với nhóm đó, thay vì đọc mã số như một thang điểm.

Câu hỏi thường gặp

Thang đo định danh là gì trong SPSS?

Trong SPSS, thang đo định danh là biến phân loại được đặt Measure = Nominal trong Variable View. Các giá trị như 1, 2, 3 thường là mã nhóm, còn ý nghĩa nằm ở phần Value Labels.

Bạn nên dùng Analyze > Descriptive Statistics > Frequencies để kiểm tra số lượng và tỷ lệ từng nhóm. Nếu muốn xem hai biến phân loại có liên hệ hay không, dùng Crosstabs và kiểm định phù hợp.

Thang đo định danh có tính trung bình được không?

Về mặt kỹ thuật, SPSS có thể tính trung bình cho mã số. Về mặt diễn giải, bạn không nên làm vậy khi các mã chỉ là nhãn nhóm. Trung bình của mã giới tính hoặc mã khu vực không đại diện cho một đặc điểm có ý nghĩa.

Giới tính là thang đo định danh hay thứ bậc?

Giới tính thường là thang đo định danh vì các nhóm không có thứ tự hơn kém. Cách bạn mã hóa Nam = 1 và Nữ = 2 không làm biến trở thành thứ bậc.

Nếu bảng hỏi có lựa chọn “Khác” hoặc “Không muốn trả lời”, hãy khai báo nhãn riêng và quyết định trước việc đưa các nhóm này vào mô tả hay xem là missing.

Thang đo định danh có chạy Cronbach's Alpha được không?

Bạn không chạy Cronbach's Alpha cho một biến định danh đơn như giới tính, ngành học hoặc khu vực. Cronbach's Alpha dùng để đánh giá sự nhất quán nội tại của một nhóm biến quan sát cùng đo một khái niệm, với cách sử dụng được trình bày trong (Cronbach, 1951).

Nếu bạn có một thang đo gồm nhiều biến quan sát Likert, hãy kiểm tra cấu trúc của thang đo đó theo mục tiêu nghiên cứu. Biến định danh có thể mô tả mẫu hoặc làm biến phân nhóm, nhưng không trở thành item của thang đo chỉ vì được lưu trong cùng file.

Thang đo định danh có dùng trong hồi quy được không?

Có, nhưng biến phân loại thường cần được mã hóa thành biến giả hoặc xử lý theo cách mà phần mềm và mô hình yêu cầu. Với biến có nhiều nhóm, thường phải xác định nhóm tham chiếu để so sánh.

Bạn cần ghi rõ cách mã hóa trong chương phương pháp. Một hệ số của biến giả được hiểu là chênh lệch so với nhóm tham chiếu, không phải mức tăng một đơn vị trên thang đo định danh.

Trước tiên, hãy mở Variable View, kiểm tra Value Labels, Missing và Measure, sau đó chạy Frequencies cho từng biến phân loại trong file của bạn. Nếu cần chuẩn hóa bảng hỏi và mã hóa biến trước khi thu thập hoặc nhập dữ liệu, bạn có thể dùng biểu mẫu khảo sát; còn bước chạy và đọc output trên chính file .sav hoặc .csv có thể thực hiện trong M4 phân tích dữ liệu của DoThesis.