Thang đo Likert là gì? Cách chọn mức độ và phân tích SPSS
Thang đo Likert là gì
Thang đo Likert là cách đo mức độ đồng ý, nhận thức hoặc đánh giá của người trả lời đối với một phát biểu. Thay vì chỉ chọn có hoặc không, người trả lời chọn một mức trên dãy thứ tự, chẳng hạn từ 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý. Likert là tên của kỹ thuật đo thái độ được giới thiệu trong công trình gốc của Rensis Likert (Likert, 1932).
Trong luận văn định lượng, bạn thường dùng nhiều biến quan sát để đo một khái niệm trừu tượng. Ví dụ, khái niệm “sự hài lòng” có thể được đo bằng các biến SAT1, SAT2, SAT3 và SAT4. Mỗi biến quan sát là một phát biểu trong bảng hỏi, còn thang Likert là hệ thống mức độ mà người trả lời dùng để phản hồi các phát biểu đó.
Một thang Likert 5 mức độ thường được mã hóa như sau:
| Mã | Mức độ phản hồi |
|---|---|
| 1 | Hoàn toàn không đồng ý |
| 2 | Không đồng ý |
| 3 | Trung lập |
| 4 | Đồng ý |
| 5 | Hoàn toàn đồng ý |
Bạn cần phân biệt hai cách dùng từ. “Một item Likert” thường chỉ một phát biểu có các mức trả lời theo thứ tự. “Thang đo Likert” trong nghiên cứu thường chỉ cả nhóm biến quan sát cùng đo một khái niệm. Khi chạy SPSS, Cronbach's Alpha được tính trên nhóm biến, chứ không tính trên một phát biểu đơn lẻ.
Nếu đang xây dựng công cụ thu thập dữ liệu, bạn có thể xem thêm hướng dẫn về bảng hỏi là gì, biểu mẫu khảo sát và các chủ đề trong Khảo sát.
Ý nghĩa của thang đo Likert trong nghiên cứu định lượng
Thang đo Likert biến một đánh giá chủ quan thành dữ liệu có thể mã hóa, tổng hợp và phân tích. Sau khi thu thập, bạn có thể tính giá trị trung bình, độ lệch chuẩn, Cronbach's Alpha, EFA, hồi quy hoặc đưa các biến vào mô hình SmartPLS. Mỗi bước trả lời một câu hỏi khác nhau, vì vậy không nên nhìn một con số rồi kết luận toàn bộ thang đo đạt hay không đạt.
Giá trị trung bình cho biết xu hướng phản hồi của mẫu. Chẳng hạn, SAT1 có Mean bằng 4,12 cho thấy người trả lời có xu hướng đồng ý với phát biểu, nhưng con số này chưa chứng minh thang đo có độ tin cậy tốt. Độ tin cậy cần được xem qua Cronbach's Alpha và Corrected Item-Total Correlation. Giá trị hội tụ và giá trị phân biệt lại cần các kiểm định khác.
Thang đo Likert cũng giúp bạn kiểm định giả thuyết. Nếu giả thuyết cho rằng chất lượng dịch vụ ảnh hưởng đến sự hài lòng, các biến quan sát của hai khái niệm cần được kiểm tra trước. Sau đó bạn mới tạo biến đại diện hoặc sử dụng biến tiềm ẩn trong mô hình. Việc một biến có Mean cao không đồng nghĩa biến đó có tác động mạnh đến biến phụ thuộc.
Thang đo 5 mức độ phù hợp khi bảng hỏi cần ngắn, người trả lời đa dạng và bạn muốn cách diễn đạt dễ hiểu. Thang đo 7 mức độ cho phép phân biệt tinh tế hơn giữa các mức phản hồi, nhưng người trả lời cũng phải xử lý nhiều lựa chọn hơn. Bạn nên chọn một loại và dùng nhất quán trong cùng nhóm câu hỏi, trừ khi có lý do phương pháp rõ ràng.
Thang đo Likert khác với thang đo định danh. Thang đo định danh chỉ phân loại nhóm, chẳng hạn giới tính hoặc khu vực, và các mã 1, 2, 3 không thể hiện mức cao thấp. Bạn có thể đọc thêm về thang đo định danh là gì trước khi mã hóa dữ liệu trong SPSS.
Thang đo Likert bao nhiêu là đạt
Không có một ngưỡng duy nhất dùng cho mọi giai đoạn. Bạn cần tách ba việc: thiết kế số mức độ, kiểm tra từng biến quan sát và đánh giá cả thang đo. Bảng dưới đây chỉ sử dụng các ngưỡng có nguồn trong danh mục tài liệu được phép trích dẫn.
| Nội dung kiểm tra | Ngưỡng tham khảo | Nguồn |
|---|---|---|
| Cronbach's Alpha của thang đo | Từ 0,70 trở lên | (Nunnally, 1978) |
| Cronbach's Alpha với thang đo mới hoặc nghiên cứu khám phá | Có thể từ 0,60 trở lên | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0,30 trở lên | (Nunnally và Bernstein, 1994) |
| KMO khi thực hiện EFA | Từ 0,50 trở lên | (Kaiser, 1974) |
| Bartlett's Test trong EFA | Sig. nhỏ hơn 0,05 | (Kaiser, 1974) |
| Eigenvalue khi quyết định số nhân tố | Lớn hơn 1 | (Kaiser, 1960) |
| Total Variance Explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Factor loading trong EFA | Từ 0,50 trở lên | (Hair và cộng sự, 2010) |
| Số quan sát trên mỗi biến quan sát | Khoảng 5 đến 10 quan sát | (Hair và cộng sự, 2010) |
Các ngưỡng trên là mốc tham khảo để đọc kết quả, không phải lý do để xóa biến một cách máy móc. Một thang đo có Alpha cao vẫn có thể đo sai khái niệm nếu các phát biểu không phù hợp. Ngược lại, thang đo mới trong bối cảnh khám phá có thể được giải thích với Alpha từ 0,60, nhưng bạn cần nêu rõ bối cảnh và lý do.
Với thang Likert 5 mức độ, không nên đặt câu hỏi “Mean bao nhiêu là đạt” theo cách giống Cronbach's Alpha. Mean phản ánh mức đánh giá của người trả lời, không phải tiêu chí trực tiếp về độ tin cậy. Nếu muốn diễn giải khoảng giá trị trung bình, bạn phải nêu quy ước chia khoảng đã chọn và giữ quy ước đó nhất quán trong toàn bộ chương kết quả.
Cách đọc thang đo Likert trên output
Trong SPSS, quy trình thường bắt đầu bằng kiểm tra độ tin cậy tại Analyze > Scale > Reliability Analysis. Đưa các biến cùng đo một khái niệm vào ô Items, chọn Model là Alpha, sau đó vào Statistics và tích Scale if item deleted, Item và Scale. Bạn sẽ đọc ít nhất hai bảng là Reliability Statistics và Item-Total Statistics.
Dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được giữ theo cách SPSS hiển thị để bạn đối chiếu với file đang mở.
| Bảng SPSS | Biến hoặc chỉ số | Cronbach's Alpha if Item Deleted | Corrected Item-Total Correlation | Cronbach's Alpha |
|---|---|---|---|---|
| Reliability Statistics | SAT1 đến SAT4 | 0,842 | ||
| Item-Total Statistics | SAT1 | 0,801 | 0,681 | |
| Item-Total Statistics | SAT2 | 0,817 | 0,624 | |
| Item-Total Statistics | SAT3 | 0,833 | 0,548 | |
| Item-Total Statistics | SAT4 | 0,790 | 0,716 |
Trong ví dụ này, Alpha của nhóm là 0,842, cao hơn mốc 0,70 theo (Nunnally, 1978). Các Corrected Item-Total Correlation đều lớn hơn 0,30 theo (Nunnally và Bernstein, 1994). Cột Cronbach's Alpha if Item Deleted cho biết Alpha sẽ thay đổi thế nào nếu loại từng biến. Nếu một biến bị loại làm Alpha tăng, đó mới là dấu hiệu cần xem xét, chưa phải lệnh tự động phải xóa biến.
Sau Cronbach's Alpha, bạn có thể chạy EFA tại Analyze > Dimension Reduction > Factor. Trong hộp thoại, đưa các biến đủ điều kiện vào Variables, chọn Descriptives để tích KMO and Bartlett's test, chọn Extraction để kiểm tra Eigenvalues greater than 1, rồi chọn Rotation, thường là Varimax khi bạn đang sử dụng cách tiếp cận nhân tố độc lập. Phương án xoay phải phù hợp với mô hình và hướng dẫn của giảng viên.
Nếu output hiện KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix, bạn đọc lần lượt khả năng phù hợp của dữ liệu, số nhân tố và hệ số tải. Đừng chỉ nhìn một biến có loading cao mà bỏ qua việc biến đó tải lên hai nhân tố hoặc làm thay đổi ý nghĩa lý thuyết của nhóm.
Khi thang đo Likert không đạt thì xử lý thế nào
Bạn nên xử lý theo thứ tự từ kiểm tra dữ liệu đến xem xét lý thuyết. Cách này giúp tránh việc xóa biến chỉ để làm đẹp output.
Kiểm tra mã hóa và dữ liệu thiếu
Mở Analyze > Descriptive Statistics > Frequencies để kiểm tra các mã xuất hiện. Nếu bảng hỏi dùng 1 đến 5 nhưng một số dòng có giá trị 0, 6 hoặc 99, hãy xác định đó là lỗi nhập liệu hay mã cho câu trả lời thiếu. Mã thiếu cần được khai báo đúng, không nên để SPSS coi 99 là một mức đồng ý.
Bạn cũng cần kiểm tra các biến đảo chiều. Nếu SAT3 là phát biểu phủ định nhưng chưa recode, tương quan của biến có thể thấp và Alpha giảm. Với thang 1 đến 5, phép đảo thường chuyển 1 thành 5, 2 thành 4, 3 giữ nguyên, 4 thành 2 và 5 thành 1. Hãy tạo biến mới hoặc lưu syntax để có thể truy lại thao tác.
Xem Corrected Item-Total Correlation
Nếu một biến dưới 0,30, hãy đọc lại nội dung phát biểu, kiểm tra mã hóa và xem biến đó có thật sự thuộc cùng khái niệm hay không. Nếu số liệu đã đúng, việc loại biến có thể được chấp nhận khi có lý do phương pháp và lý thuyết. Bạn cần ghi lại biến nào bị loại, ở vòng nào và kết quả trước, sau khi loại.
So sánh Alpha if Item Deleted
Nếu loại một biến làm Alpha tăng nhẹ, mức tăng nhỏ chưa đủ để kết luận phải xóa. Một biến quan trọng về nội dung có thể nên được giữ lại nếu chỉ số vẫn chấp nhận được. Hội đồng thường có thể hỏi vì sao biến bị loại, nên câu trả lời cần dựa trên nội dung thang đo và chỉ số cụ thể, không chỉ dựa trên mong muốn tăng Alpha.
Chạy lại với nhóm biến hợp lý
Sau mỗi lần loại, chạy lại Reliability Analysis và EFA nếu cần. Không nên xóa nhiều biến trong một lần rồi trình bày như thể quy trình không có thay đổi. Nếu nhiều biến cùng không đạt, vấn đề có thể nằm ở bản dịch, cách diễn đạt, mẫu khảo sát hoặc việc ghép sai các khái niệm.
Khi dữ liệu thật sự không đủ để bảo vệ một thang đo, phần trung thực nhất là báo cáo kết quả và giới hạn của nghiên cứu. Phần mềm có thể giúp bạn kiểm tra, nhưng không thể biến một nhóm phát biểu không cùng khái niệm thành thang đo tốt.
Phân biệt thang đo Likert với giá trị trung bình và thang đo định danh
Thang đo Likert là cách thu thập phản hồi theo mức độ. Giá trị trung bình là một thống kê mô tả được tính sau khi bạn có dữ liệu. Hai khái niệm này thường bị trộn lẫn khi sinh viên viết “thang đo có giá trị trung bình 3,8”. Cách viết chính xác hơn là “các biến quan sát được đo bằng thang Likert 5 mức độ và có giá trị trung bình từ ...”.
Bạn cũng cần phân biệt item đơn lẻ với điểm đại diện của khái niệm. SAT1 là một biến quan sát. Điểm trung bình của SAT1 phản ánh phản hồi cho một phát biểu. Sau khi thang đo đạt độ tin cậy, bạn có thể tính trung bình SAT1 đến SAT4 để tạo biến SAT, tùy phương pháp phân tích và hướng dẫn nghiên cứu.
Thang Likert cũng khác với thang đo định danh và thang đo thứ bậc thuần túy. Các mức Likert có thứ tự, nhưng việc coi khoảng cách giữa 1 và 2 hoàn toàn bằng khoảng cách giữa 4 và 5 cần được giải thích theo thiết kế phân tích. Trong thực hành luận văn kinh doanh, dữ liệu Likert thường được tổng hợp và đưa vào các phân tích định lượng, nhưng bạn vẫn phải mô tả rõ cách mã hóa và cách tạo biến.
Đừng nhầm thang Likert với thang điểm đánh giá một tiêu chí bằng số sao, thang xếp hạng các lựa chọn hoặc câu hỏi nhiều lựa chọn. Nếu bạn đang chuẩn bị thu thập câu trả lời trên mạng, có thể tham khảo hướng dẫn về phiếu khảo sát online và form khảo sát. Những trang này liên quan đến công cụ thu thập, còn việc thang đo có đạt hay không vẫn phải được kiểm tra trên dữ liệu.
Lỗi thường gặp khi dùng thang đo Likert
Lỗi đầu tiên là dùng một câu hỏi để kết luận về độ tin cậy của cả khái niệm. Cronbach's Alpha cần một nhóm biến quan sát. Nếu khái niệm chỉ có một biến, bạn phải trình bày giới hạn của cách đo đó thay vì tính Alpha giả tạo.
Lỗi thứ hai là đổi nhãn mức độ nhưng không đổi mã. Ví dụ, bạn ghi 1 là hoàn toàn đồng ý trong bảng hỏi nhưng lại diễn giải 1 là hoàn toàn không đồng ý khi nhập SPSS. Hãy lập bảng mã trước khi phát hành bảng hỏi và kiểm tra một vài dòng dữ liệu sau khi xuất file CSV hoặc SAV.
Lỗi thứ ba là cho rằng Alpha càng cao càng tốt trong mọi trường hợp. Alpha quá cao có thể gợi ý các biến quan sát lặp lại nội dung. Bạn nên xem cả nội dung phát biểu, số lượng biến, tương quan item-total và mục tiêu đo lường.
Lỗi thứ tư là xóa biến chỉ vì Mean thấp. Mean thấp cho biết mẫu có xu hướng không đồng ý, không cho biết biến sai. Chỉ xóa khi có căn cứ từ dữ liệu, thiết kế thang đo và lập luận nghiên cứu.
Lỗi cuối là trình bày kết quả mà không nói thang đo có 5 hay 7 mức, điểm 1 và điểm cao nhất có ý nghĩa gì, biến nào bị loại và vì sao. Những chi tiết này giúp người đọc tái hiện quy trình và giúp bạn trả lời khi được hỏi về output.
Câu hỏi thường gặp
Thang đo Likert 5 mức độ có bắt buộc không?
Không bắt buộc. 5 mức độ là lựa chọn phổ biến vì dễ trả lời và dễ diễn giải, nhưng bạn có thể dùng 7 mức độ nếu thiết kế nghiên cứu, thang đo gốc hoặc đối tượng khảo sát phù hợp. Điều quan trọng là ghi rõ nhãn của từng mức, mã hóa nhất quán và không trộn hai cách mã trong cùng nhóm biến nếu không có lý do.
Thang đo Likert bao nhiêu là đạt?
Nếu bạn hỏi về độ tin cậy, thường kiểm tra Cronbach's Alpha từ 0,70 và Corrected Item-Total Correlation từ 0,30 theo (Nunnally, 1978) và (Nunnally và Bernstein, 1994). Với thang đo mới hoặc nghiên cứu khám phá, Alpha từ 0,60 có thể được xem xét theo (Hair và cộng sự, 2010).
Nếu bạn hỏi Mean bao nhiêu là đạt, Mean không phải tiêu chí trực tiếp để kết luận thang đo đạt. Hãy diễn giải Mean như mức độ đánh giá của mẫu, còn độ tin cậy và giá trị thang đo cần các kiểm định riêng.
Cách chạy thang đo Likert trong SPSS như thế nào?
Bạn nhập mỗi biến quan sát thành một cột, mỗi người trả lời thành một dòng, kiểm tra mã thiếu và recode biến đảo chiều trước. Sau đó vào Analyze > Scale > Reliability Analysis, chọn nhóm biến, tích Scale if item deleted trong Statistics và đọc Reliability Statistics cùng Item-Total Statistics.
Nếu nghiên cứu cần rút gọn hoặc xác nhận cấu trúc nhân tố, bạn có thể chạy EFA tại Analyze > Dimension Reduction > Factor. Cronbach's Alpha và EFA trả lời các câu hỏi khác nhau nên không nên dùng một bảng thay cho bảng còn lại.
Có nên xóa biến để Cronbach's Alpha tăng không?
Bạn chỉ nên cân nhắc xóa khi biến có chỉ số không đạt, nội dung không phù hợp hoặc gây vấn đề rõ ràng trong cấu trúc thang đo. Cột Cronbach's Alpha if Item Deleted là thông tin hỗ trợ quyết định, không phải mệnh lệnh tự động. Sau khi xóa, chạy lại phân tích và ghi lại thay đổi trong luận văn.
Thang đo Likert có được tính giá trị trung bình không?
Có thể tính Mean cho từng biến quan sát để mô tả dữ liệu. Sau khi thang đo đạt các kiểm tra cần thiết, bạn có thể tính điểm đại diện cho khái niệm bằng trung bình hoặc tổng điểm theo phương pháp nghiên cứu. Trong phần phương pháp, hãy nêu cách mã hóa, số mức độ, cách xử lý biến đảo chiều và cách tạo biến đại diện.
Mở file dữ liệu của bạn ngay bây giờ, kiểm tra bảng mã 1 đến 5 hoặc 1 đến 7, sau đó chạy Reliability Analysis cho từng nhóm biến quan sát và lưu output trước khi loại bất kỳ biến nào; nếu cần chạy phân tích trên chính file .sav hoặc .csv và viết tiếp phần kết quả, xem module M4 phân tích dữ liệu.