Thang đo tỷ lệ là gì? Cách nhận biết và dùng trong SPSS

Thang đo tỷ lệ là gì

Bạn đang nhìn vào cột dữ liệu trong SPSS và phân vân nên chọn Scale, Ordinal hay Nominal ở cột Measure. Thang đo tỷ lệ, hay ratio scale, là loại thang đo có đầy đủ ba đặc điểm: các giá trị có thứ tự, khoảng cách giữa các giá trị bằng nhau và có số 0 tuyệt đối. Nhờ đó, bạn có thể so sánh cả mức chênh lệch lẫn tỷ lệ giữa các quan sát.

Ví dụ, số năm kinh nghiệm, số sản phẩm đã mua, doanh thu, số giờ sử dụng một ứng dụng và khối lượng tính bằng kilogram thường có thể được đo bằng thang đo tỷ lệ. Một người có 10 năm kinh nghiệm có thời gian gấp đôi người có 5 năm. Số 0 ở đây có ý nghĩa thực tế là chưa có kinh nghiệm, chưa mua sản phẩm hoặc không có khối lượng.

Có thể hình dung thang đo tỷ lệ theo công thức đơn giản: giá trị quan sát có thứ tự, hiệu số có ý nghĩa và tỷ số cũng có ý nghĩa. Đây là điểm khác biệt quan trọng so với thang đo khoảng, nơi khoảng cách giữa các giá trị có thể bằng nhau nhưng số 0 không nhất thiết biểu thị sự vắng mặt hoàn toàn của đại lượng.

Trong SPSS, biến tỷ lệ thường được khai báo ở cột Measure là Scale. Tuy nhiên, việc chọn Scale chỉ mô tả loại biến trong phần mềm. Nó không tự biến một biến phân loại hoặc một biến Likert thành biến tỷ lệ. Bạn vẫn phải dựa vào cách biến được đo trong bảng hỏi và định nghĩa của khái niệm nghiên cứu. Nếu cần xem lại cách đặt tên và gán mã, bạn có thể đọc thêm bài về mã hóa biến.

Ý nghĩa của thang đo tỷ lệ trong nghiên cứu định lượng

Thang đo tỷ lệ cho phép bạn thực hiện nhiều phép tính trực tiếp trên dữ liệu. Bạn có thể tính trung bình, độ lệch chuẩn, min, max, tỷ lệ phần trăm thay đổi, tương quan, hồi quy và nhiều kiểm định tham số nếu các điều kiện liên quan cũng phù hợp. Chẳng hạn, khi phân tích số tiền khách hàng đã chi, mức chênh lệch 200.000 đồng giữa hai người có cùng ý nghĩa dù họ nằm ở hai vùng khác nhau của bảng dữ liệu.

Trong một bảng hỏi định lượng, các biến nhân khẩu học như tuổi, thu nhập, số lần mua hàng hoặc số năm sử dụng dịch vụ thường có thể là biến tỷ lệ. Những biến này có thể được dùng làm biến độc lập, biến kiểm soát hoặc biến phân nhóm. Khi đưa vào hồi quy, bạn cần quyết định giữ biến ở dạng số liên tục hay phân nhóm thành các khoảng tuổi, khoảng thu nhập. Hai cách xử lý này dẫn đến mô hình và cách diễn giải khác nhau.

Thang đo tỷ lệ cũng giúp bạn tránh một lỗi thường gặp: nhầm giá trị mã hóa với giá trị thật. Nếu giới tính được mã hóa 1 và 2, số 2 không có nghĩa là gấp đôi số 1. Đây là biến định danh, dù trong SPSS bạn nhìn thấy các con số. Bài thang đo định danh là gì giải thích rõ trường hợp này.

Khi xây dựng bộ dữ liệu, hãy ghi riêng ba thông tin: tên biến, ý nghĩa của giá trị và loại thang đo. Ví dụ, AGE có thể là tuổi tính theo năm và là biến tỷ lệ. INCOME_GROUP có thể là nhóm thu nhập từ 1 đến 5 và là biến thứ bậc. Hai cột đều chứa số, nhưng phép tính hợp lệ không giống nhau.

Thang đo tỷ lệ bao nhiêu là đạt

Câu hỏi “thang đo tỷ lệ bao nhiêu là tốt” thường xuất hiện vì người viết luận văn đang tìm một ngưỡng giống Cronbach's Alpha hoặc factor loading. Thang đo tỷ lệ không có một con số tối thiểu chung để kết luận đạt hay không đạt. “Tốt” nằm ở cách đo, đơn vị, độ chính xác, phạm vi giá trị và sự phù hợp với câu hỏi nghiên cứu.

Bạn có thể dùng bảng sau để tự kiểm tra trước khi nhập dữ liệu. Các tiêu chí về loại biến được trình bày theo logic đo lường, còn những ngưỡng phân tích được nêu kèm nguồn để tránh biến một quy ước thành kết luận tuyệt đối.

Bảng trên có một điểm cần nhớ: không có dòng nào nói tuổi phải lớn hơn một con số cụ thể thì mới là thang đo tỷ lệ. Một biến có giá trị từ 0 đến 5 vẫn có thể là tỷ lệ nếu đó là số lần xảy ra một hành vi. Ngược lại, biến mã hóa từ 1 đến 5 cho mức độ đồng ý vẫn chưa trở thành biến tỷ lệ chỉ vì có năm con số.

Nếu biến tỷ lệ là một biến quan sát độc lập, bạn thường không chạy Cronbach's Alpha cho riêng biến đó. Cronbach's Alpha đánh giá mức độ nhất quán nội tại của một nhóm biến quan sát cùng đo một khái niệm, như các item đo sự hài lòng. Khi đọc kết quả, hãy phân biệt độ tin cậy của thang đo với bản chất của từng biến.

Cách đọc thang đo tỷ lệ trên output

SPSS không in một bảng riêng có tên “Ratio Scale”. Bạn nhận biết biến bằng định nghĩa ban đầu, sau đó kiểm tra các thống kê mô tả và cách biến xuất hiện trong mô hình. Trong Variable View, cột Type thường là Numeric, cột Decimals quy định số chữ số thập phân, cột Label mô tả biến và cột Measure có thể đặt là Scale.

Để xem nhanh dữ liệu, mở Analyze > Descriptive Statistics > Descriptives. Chuyển biến cần kiểm tra sang ô Variable(s), bấm Options, chọn Mean, Std. deviation, Minimum và Maximum, rồi bấm Continue và OK. Output sẽ cho bạn biết phạm vi thực tế, nhưng các con số này chỉ có ý nghĩa sau khi bạn kiểm tra đơn vị và mã hóa.

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 thật.

Với dòng AGE, giá trị 0 không xuất hiện trong mẫu minh họa vì người trả lời đều từ 18 tuổi, nhưng bản chất của tuổi vẫn có điểm 0 theo cách đo thời gian kể từ khi sinh. Với PURCHASE_COUNT, số 0 biểu thị chưa có lần mua nào. Hai biến đều được xem xét như biến số liên tục trong nhiều phân tích, nhưng bạn cần kiểm tra phân phối và mục tiêu mô hình trước khi chọn kiểm định.

Nếu bạn thấy AGE có giá trị 999 hoặc PURCHASE_COUNT có giá trị 99, đó có thể là mã “không trả lời” chứ không phải giá trị tỷ lệ thật. Hãy mở Analyze > Descriptive Statistics > Frequencies để xem tần suất và phát hiện mã bất thường. Mã thiếu phải được khai báo ở Variable View > Missing, hoặc được xử lý trước khi tính trung bình và chạy hồi quy.

Thang đo Likert trong SPSS cần được đọc khác đi. Một item từ 1 đến 5 thường phản ánh mức độ đồng ý, nên được xem là thang đo thứ bậc về mặt lý thuyết. Trong nghiên cứu thực hành, nhiều luận văn tính điểm trung bình của nhiều item Likert và dùng như biến gần liên tục. Cách làm này cần được mô tả rõ, không nên gọi mọi cột có số từ 1 đến 5 là thang đo tỷ lệ. Bạn có thể xem hướng dẫn riêng về thang đo Likert.

Khi thang đo tỷ lệ không đạt thì xử lý thế nào

Trước hết, hãy xác định “không đạt” đang nói đến điều gì. Nếu SPSS báo giá trị âm, giá trị quá lớn hoặc trung bình không hợp lý, vấn đề có thể nằm ở nhập liệu. Nếu phân phối lệch mạnh, biến vẫn có thể là thang đo tỷ lệ, nhưng bạn cần cân nhắc biến đổi, dùng phương pháp bền vững hơn hoặc báo cáo trung vị và khoảng tứ phân vị.

Kiểm tra đơn vị và mã hóa

Mở bảng mã dữ liệu và đối chiếu với bảng hỏi gốc. Tuổi có thể bị nhập theo tháng thay vì năm, thu nhập có thể được nhập theo nghìn đồng, còn số lần mua có thể bị ghi dưới dạng khoảng. Những khác biệt này ảnh hưởng trực tiếp đến diễn giải và hệ số trong hồi quy.

Xử lý mã thiếu và giá trị bất thường

Chạy Analyze > Descriptive Statistics > Frequencies trước khi chạy mô hình. Nếu một mã như 999 được dùng cho “không biết”, bạn không được để nó tham gia tính Mean. Kiểm tra từng trường hợp bằng Data > Sort Cases hoặc Analyze > Descriptive Statistics > Explore, sau đó ghi lại quyết định loại, sửa hoặc giữ quan sát có căn cứ.

Chọn cách phân tích phù hợp

Nếu biến tỷ lệ bị lệch phải do một số ít quan sát rất lớn, bạn có thể báo cáo độ lệch, kiểm tra outlier và cân nhắc log transformation khi phù hợp với ý nghĩa biến. Nếu biến là số lần xảy ra, mô hình hồi quy tuyến tính có thể chưa phải lựa chọn tốt trong mọi trường hợp. Đừng biến một biến tỷ lệ thành năm nhóm chỉ để bảng kết quả nhìn dễ hơn, vì bạn sẽ làm mất thông tin và có thể tạo điểm cắt thiếu cơ sở.

Nếu nhiều biến quan sát cùng đo một khái niệm nhưng Alpha thấp, hãy xem Item-Total Statistics, nội dung từng item và chiều đảo mã. Chỉ loại biến khi có lý do về thống kê và lý thuyết. Việc xóa liên tục cho đến khi chỉ số đẹp nhưng không ghi lại các vòng xử lý sẽ khó giải trình khi bảo vệ.

Phân biệt thang đo tỷ lệ với các loại thang đo dễ nhầm

Bốn loại thang đo thường xuất hiện cùng nhau trong phần phương pháp là định danh, thứ bậc, khoảng và tỷ lệ. Có thể phân biệt bằng câu hỏi: giá trị có được sắp thứ tự không, khoảng cách có đều không và số 0 có tuyệt đối không.

Thang đo định danh trong SPSS

Ở thang đo định danh, các con số chỉ là nhãn. Ví dụ, 1 = Nam, 2 = Nữ, 3 = Khác. Bạn có thể đếm tần suất và tỷ lệ phần trăm, nhưng không được kết luận nhóm 3 có mức độ cao gấp ba nhóm 1. Khi phân tích, thường dùng bảng chéo, Chi-square hoặc tạo biến giả tùy mô hình.

Thang đo thứ bậc là gì

Thang đo thứ bậc cho biết thứ tự cao thấp, nhưng khoảng cách giữa các mức chưa chắc bằng nhau. Xếp hạng từ 1 đến 5 là ví dụ dễ gặp. Câu hỏi “thang đo thứ bậc bao nhiêu là tốt” không có câu trả lời bằng một ngưỡng chung. Năm mức hay bảy mức có thể phù hợp tùy bảng hỏi, khả năng phân biệt của người trả lời và thiết kế nghiên cứu.

Trong SPSS, thang đo thứ bậc có thể khai báo là Ordinal. Bài biến đại diện là gì cũng hữu ích khi bạn cần phân biệt biến quan sát, biến tổng hợp và cách đại diện cho một khái niệm.

Thang đo khoảng là gì

Thang đo khoảng có khoảng cách giữa các mức bằng nhau, nhưng số 0 không thể hiện hoàn toàn không có đại lượng. Vì vậy, bạn có thể nói 20 độ Celsius cao hơn 10 độ Celsius 10 độ, nhưng không nên nói 20 độ nóng gấp đôi 10 độ. Câu hỏi “thang đo khoảng bao nhiêu là tốt” cũng không được trả lời bằng một khoảng giá trị cố định. Độ phù hợp phụ thuộc vào cách xây dựng thang đo và mục tiêu đo lường.

Thang đo Likert trong SPSS

Một item Likert thường có các mức từ hoàn toàn không đồng ý đến hoàn toàn đồng ý. Trong Variable View, bạn có thể đặt Measure là Ordinal để phản ánh bản chất từng item. Khi tính điểm trung bình của nhiều item cùng khái niệm, nhiều nghiên cứu xử lý điểm tổng hợp như biến Scale để chạy tương quan hoặc hồi quy. Hãy ghi rõ cách tính điểm và lý do trong chương phương pháp.

Lỗi thường gặp

Lỗi đầu tiên là thấy dữ liệu dạng số rồi chọn ngay Scale. Định dạng Numeric chỉ nói rằng SPSS lưu giá trị dưới dạng số, không nói bản chất đo lường. Hãy đọc nhãn giá trị, bảng hỏi và quy tắc mã hóa trước khi chọn Measure.

Lỗi thứ hai là hỏi “thang đo tỷ lệ bao nhiêu là tốt” theo cách tìm một ngưỡng giống Alpha. Loại thang đo không được đánh giá bằng một con số đạt hoặc không đạt. Bạn cần kiểm tra số 0, đơn vị, khoảng cách và cách thu thập.

Lỗi thứ ba là dùng mã 1, 2, 3 của biến định danh để tính Mean. Kết quả có thể xuất hiện trong output nhưng không có ý nghĩa thực tế. Hãy dùng Frequencies hoặc bảng chéo cho biến phân loại, trừ khi có thiết kế phân tích cụ thể.

Lỗi thứ tư là gộp tuổi, nhóm tuổi và thang đo Likert vào cùng một cách xử lý. Tuổi theo số năm có thể là tỷ lệ, nhóm tuổi là thứ bậc, còn item Likert là biến mức độ. Ba biến này cần được đặt tên, mã hóa và diễn giải riêng.

Bạn có thể xem thêm thang đo Likert, thang đo định danh là gì, biến đại diện là gì, mã hóa biến là gì và chủ đề Khảo sát nếu đang hoàn thiện phần phương pháp.

Câu hỏi thường gặp

Thang đo tỷ lệ có phải luôn khai báo là Scale trong SPSS không

Trong SPSS, biến tỷ lệ thường được khai báo là Scale. Tuy vậy, việc chọn Scale không thay thế cho việc kiểm tra bản chất biến. Nếu dữ liệu số thực chất là mã nhóm hoặc thứ hạng, bạn nên khai báo theo đúng cách đo và chọn phân tích phù hợp.

Thang đo tỷ lệ bao nhiêu là tốt

Không có khoảng điểm chung để kết luận một biến tỷ lệ là tốt. Bạn cần xem biến có số 0 tuyệt đối, đơn vị rõ ràng, khoảng cách nhất quán và mã thiếu được xử lý đúng hay không. Các ngưỡng như Alpha hoặc Corrected Item-Total Correlation chỉ dùng khi bạn đang đánh giá một nhóm biến quan sát tạo thành thang đo.

Thang đo thứ bậc trong SPSS chọn Ordinal hay Scale

Nếu bạn muốn phản ánh đúng bản chất từng mức xếp hạng, chọn Ordinal. Một số nghiên cứu xử lý điểm trung bình của nhiều item thứ bậc như biến gần liên tục và chọn Scale để chạy phân tích tiếp theo. Khi dùng cách này, bạn cần mô tả rõ điểm tổng hợp được tính thế nào và vì sao phù hợp với mô hình.

Tôi có thể dùng thang đo Likert làm thang đo tỷ lệ không

Một item Likert đơn lẻ thường thể hiện thứ bậc. Điểm trung bình hoặc tổng điểm của nhiều item cùng khái niệm đôi khi được dùng như biến gần liên tục trong phân tích định lượng. Đây là quyết định phương pháp cần được giải thích, không nên đổi tên item thành biến tỷ lệ chỉ vì nó được lưu bằng các số từ 1 đến 5.

Dữ liệu có outlier thì thang đo tỷ lệ có bị sai không

Outlier không tự động làm thay đổi loại thang đo. Nó báo hiệu bạn cần kiểm tra nhập liệu, mã thiếu, đơn vị đo và trường hợp đặc biệt. Sau khi xác nhận dữ liệu đúng, bạn có thể chọn cách báo cáo hoặc mô hình phù hợp, đồng thời ghi lại quyết định xử lý trong luận văn.

Trước khi chạy phân tích tiếp theo, bạn hãy mở Variable View, rà lại từng biến số, kiểm tra mã thiếu bằng Frequencies, rồi đối chiếu với bảng hỏi gốc. Nếu cần xây dựng lại mô hình đo lường, thang đo và bảng hỏi từ đầu, bạn có thể dùng M3 của DoThesis để chuẩn hóa bước này trước khi đưa file .sav hoặc .csv vào phân tích.