Thống kê nhân khẩu học trong SPSS: Cách chạy và đọc kết quả

Khi nào dùng thống kê nhân khẩu học trong SPSS

Thống kê nhân khẩu học trong SPSS được dùng để mô tả mẫu khảo sát của bạn: giới tính, độ tuổi, trình độ học vấn, nghề nghiệp, thu nhập, tình trạng hôn nhân hoặc số năm sử dụng một sản phẩm. Đây thường là phần mở đầu của chương kết quả, trước khi bạn chạy Cronbach's Alpha, EFA, hồi quy hoặc SmartPLS.

Mục tiêu của bước này là trả lời câu hỏi: mẫu nghiên cứu gồm những ai và các nhóm trong mẫu phân bố như thế nào. Nếu đề tài khảo sát ý định mua hàng, chẳng hạn, bạn cần cho người đọc biết có bao nhiêu người trả lời là nam, bao nhiêu người là nữ, nhóm tuổi nào chiếm tỷ lệ cao nhất. Những con số này mô tả dữ liệu, chưa dùng để kết luận rằng giới tính hay độ tuổi gây ra sự khác biệt trong biến phụ thuộc.

Với biến phân loại như giới tính, nghề nghiệp và trình độ, bảng tần số là lựa chọn phù hợp. Với biến số như tuổi hoặc thu nhập được nhập dưới dạng số, bạn có thể xem thêm Mean, Median, Minimum và Maximum. Cách chọn chỉ số nên bám vào loại biến, cách đặt câu hỏi trong bảng hỏi và mục tiêu trình bày. SPSS có thể tính rất nhiều chỉ số, nhưng bạn không cần đưa toàn bộ output vào luận văn.

Nếu cần phân biệt các chỉ số mô tả như độ lệch chuẩn và phương sai, bạn có thể xem thêm bài độ lệch chuẩn trong SPSS và phương sai. Đây là các chỉ số phù hợp hơn với biến định lượng, chẳng hạn điểm trung bình thang đo hoặc số năm kinh nghiệm.

Chuẩn bị dữ liệu trước khi chạy

Trước khi mở menu Analyze, hãy kiểm tra file .sav hoặc .csv của bạn. Một bảng tần số chỉ có ý nghĩa khi mỗi dòng là một người trả lời và mỗi cột là một biến. Nếu bạn nhập ngược, chẳng hạn mỗi dòng là một câu hỏi, bảng kết quả sẽ không mô tả đúng mẫu.

Tên biến nên ngắn, không dấu và không có khoảng trắng, ví dụ GIOITINH, TUOI, HOCVAN, NGHENGHIEP, THUNHAP. Phần Label trong Variable View có thể ghi đầy đủ nội dung để bạn dễ đọc output. Với câu hỏi giới tính, có thể mã hóa 1 là Nam, 2 là Nữ, 3 là Khác. Hãy khai báo Value Labels để bảng kết quả hiện chữ thay vì chỉ hiện mã số.

Kiểm tra bốn điểm sau trước khi chạy:

• Variable Type: biến nhóm thường để Numeric nếu bạn dùng mã số, còn biến số như tuổi cũng để Numeric. Đừng nhập tuổi dưới dạng chữ như 25 tuổi nếu muốn tính Mean.
• Missing Values: xác định mã bỏ trống như 99, 999 hoặc để ô trống. Nếu 99 là mã không trả lời nhưng bạn không khai báo Missing, SPSS sẽ tính 99 như một độ tuổi thật.
• Khoảng giá trị: xem có tuổi bằng 250, thu nhập bằng 0 ngoài dự kiến hoặc mã giới tính bằng 7 hay không. Đây có thể là lỗi nhập liệu.
• Nhãn nhóm: đối chiếu mã trong Data View với bảng mã của bảng hỏi. Không tự đổi 1, 2 thành Nam, Nữ nếu bảng hỏi ban đầu quy ước ngược lại.

Biến nhân khẩu học thường không cần reverse coded. Việc đảo chiều chỉ áp dụng cho các biến quan sát trong thang đo khi nội dung câu hỏi được thiết kế theo chiều ngược. Vì vậy, đừng reverse các biến như giới tính hoặc nghề nghiệp. Nếu dữ liệu có câu trả lời bất thường, bạn có thể kiểm tra thêm outlier trong SPSS, nhưng đừng xóa người trả lời chỉ vì họ thuộc một nhóm ít người.

Các bước chạy thống kê nhân khẩu học trong SPSS

Dưới đây là cách chạy thống kê nhân khẩu học trong SPSS cho các biến phân loại và biến số. Tên menu áp dụng cho SPSS Statistics trên giao diện phổ biến hiện nay.

Bước 1: Mở bảng Frequencies

Trong SPSS, chọn Analyze > Descriptive Statistics > Frequencies. Từ danh sách bên trái, đưa các biến như GIOITINH, TUOI, HOCVAN, NGHENGHIEP sang ô Variable(s).

Nếu bạn muốn giữ output gọn, chỉ đưa các biến nhân khẩu học cần trình bày. Đừng chọn toàn bộ biến quan sát của thang đo ở bước này, vì output sẽ dài và không giúp bạn mô tả mẫu rõ hơn.

Bước 2: Chọn bảng và biểu đồ cần thiết

Giữ lựa chọn Display frequency tables để SPSS tạo bảng Frequency. Nhấn Charts nếu cần biểu đồ. Với biến phân loại, Bar charts hoặc Pie charts có thể dùng để kiểm tra nhanh phân bố. Trong luận văn, bảng thường đủ rõ, còn biểu đồ chỉ nên đưa vào khi nó giúp người đọc nhìn ra đặc điểm quan trọng của mẫu.

Nhấn Statistics khi bạn đưa biến số như tuổi vào cùng phân tích. Có thể chọn Mean, Median, Minimum, Maximum và Standard deviation. Với biến giới tính hoặc nghề nghiệp, Mean không có ý nghĩa thực tế dù SPSS vẫn có thể tính nếu chúng được mã hóa bằng số.

Bước 3: Kiểm tra giá trị thiếu

Nếu file có câu trả lời bỏ trống, bảng Frequencies sẽ tách Valid Percent khỏi Percent. Percent tính trên tổng số dòng, còn Valid Percent tính trên số câu trả lời hợp lệ sau khi loại missing. Khi có missing, bạn nên dùng Valid Percent để mô tả cơ cấu nhóm, đồng thời báo cáo số câu trả lời hợp lệ.

Nếu bạn thấy cột Valid và Missing không hợp lý, quay lại Variable View kiểm tra Missing Values. Một ô trống trong Data View thường được SPSS xem là missing hệ thống. Mã 99 chỉ được xem là missing nếu bạn khai báo rõ.

Bước 4: Chạy lại và lưu output

Nhấn Continue, sau đó nhấn OK. Trong cửa sổ Output Viewer, kiểm tra từng biến: tổng số hợp lệ, số missing và phần trăm của các nhóm. Nhấp phải vào bảng cần dùng để Copy hoặc Export sang Word. Bạn nên lưu file .spv cùng thư mục với .sav để sau này đối chiếu khi giảng viên hỏi.

Một quy trình gọn thường là chạy Frequencies lần đầu để phát hiện mã sai, sửa dữ liệu nếu có căn cứ, rồi chạy lại một lần cuối để lấy bảng đưa vào chương 4. Hãy ghi lại mọi thay đổi. Xóa hoặc sửa dữ liệu mà không có lý do kiểm tra được sẽ làm phần phương pháp thiếu nhất quán.

Bước 5: Chạy Descriptives cho biến số

Với tuổi, số năm kinh nghiệm hoặc điểm trung bình đã tính, bạn có thể chọn Analyze > Descriptive Statistics > Descriptives. Đưa biến cần xem vào ô Variable(s), nhấn Options và chọn Mean, Standard deviation, Minimum, Maximum.

Nếu muốn xem Median, Quartiles hoặc kiểm tra phân phối chi tiết hơn, chọn Analyze > Descriptive Statistics > Explore. Explore hữu ích khi bạn cần phát hiện giá trị quá lớn, quá nhỏ hoặc phân phối lệch. Công thức tính phương sai không cần đưa vào phần thống kê nhân khẩu học nếu bạn chỉ đang mô tả mẫu, nhưng bạn có thể tham khảo công thức tính phương sai khi cần giải thích chỉ số.

Đọc kết quả output

Bảng quan trọng nhất sau khi chạy là Frequencies. SPSS thường hiển thị các cột Frequency, Percent, Valid Percent và Cumulative Percent. Frequency là số người thuộc nhóm. Percent là tỷ lệ trên toàn bộ số dòng, Valid Percent là tỷ lệ trên số quan sát hợp lệ, còn Cumulative Percent là tỷ lệ cộng dồn theo thứ tự mã nhóm.

Bảng Frequencies, số liệu minh họa

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Cấu trúc được rút gọn theo output SPSS để bạn nhận diện các cột cần đọc.

Trong ví dụ này, có 250 dòng dữ liệu nhưng chỉ 248 câu trả lời hợp lệ cho giới tính. Vì có 2 missing, tỷ lệ Nữ nên đọc là 52.4% ở cột Valid Percent, không phải 52.0% ở cột Percent. Khi viết, bạn có thể nói mẫu hợp lệ gồm 248 người, trong đó nữ chiếm 52.4%, nam chiếm 45.2% và nhóm khác chiếm 2.4%.

Cumulative Percent thường không cần đưa vào bảng luận văn đối với biến danh nghĩa như giới tính. Cột này chỉ có ý nghĩa mô tả cộng dồn theo thứ tự mã hóa. Nếu nhóm tuổi được sắp xếp từ thấp đến cao, nó có thể giúp bạn kiểm tra phân bố, nhưng vẫn không thay thế cho phần diễn giải.

Với biến tuổi, bảng Descriptive Statistics có thể có các cột N, Minimum, Maximum, Mean và Std. Deviation. N là số quan sát hợp lệ. Nếu Mean là 29.84 và Std. Deviation là 6.21, bạn có thể trình bày tuổi trung bình là 29.84 với độ lệch chuẩn 6.21, trong phạm vi từ 20 đến 52 tuổi. Đây là mô tả mẫu, không phải kết quả kiểm định giả thuyết.

Bảng output được đưa vào luận văn nên được làm gọn. Bạn có thể giữ tên nhóm bằng tiếng Việt, làm tròn phần trăm đến một hoặc hai chữ số thập phân và thêm cột tổng số. Không cần chụp nguyên màn hình Output Viewer nếu bảng đó có dòng thừa, khoảng trắng lớn hoặc các thống kê không liên quan.

Tiêu chí đánh giá

Thống kê nhân khẩu học không có ngưỡng đạt giống Cronbach's Alpha hay EFA. Bạn không cần tìm một tỷ lệ giới tính tối thiểu để kết luận bảng tần số đạt. Tiêu chí chính là mã hóa đúng, tổng số hợp lệ khớp với mẫu và cách chọn chỉ số phù hợp với loại biến.

Các tỷ lệ không cần cộng thành 100% nếu bạn đang nhìn Percent và có missing. Khi trình bày Valid Percent, tổng các nhóm hợp lệ thường bằng 100%, với sai số nhỏ do làm tròn. Nếu một biến có rất nhiều missing, hãy báo cáo rõ số hợp lệ thay vì chỉ lấy tổng số dòng làm mẫu số.

Khi mô tả mẫu, đừng dùng Mean của biến mã hóa danh nghĩa để nói rằng “giới tính trung bình của người trả lời là 1.52”. Mã 1 và 2 chỉ là nhãn nhóm. Con số đó không có diễn giải thống kê hữu ích.

Cách viết kết quả vào luận văn

Bạn có thể dùng đoạn sau và thay các phần trong ngoặc vuông bằng số liệu trong file của mình:

Cách viết vào luận văn: “Mẫu nghiên cứu gồm [N] quan sát hợp lệ. Trong đó, nhóm [tên nhóm 1] có [n1] người, chiếm [p1]%; nhóm [tên nhóm 2] có [n2] người, chiếm [p2]%. Đối với biến [tên biến số], giá trị trung bình là [Mean], độ lệch chuẩn là [Std. Deviation], với giá trị nhỏ nhất [Minimum] và lớn nhất [Maximum]. Kết quả cho thấy mẫu có sự phân bố [mô tả ngắn, chỉ khi số liệu hỗ trợ].”

Ví dụ, nếu bảng hợp lệ có 248 người, bạn có thể viết: “Mẫu nghiên cứu gồm 248 quan sát hợp lệ. Nữ có 130 người, chiếm 52.4%, nam có 112 người, chiếm 45.2% và nhóm khác có 6 người, chiếm 2.4%. Có 2 trường hợp không trả lời biến giới tính và các trường hợp này được loại khỏi phép tính Valid Percent.”

Sau đoạn văn, đặt bảng có tiêu đề rõ như “Bảng 4.1. Đặc điểm nhân khẩu học của mẫu khảo sát”. Không lặp lại toàn bộ con số trong bảng ở đoạn văn. Chỉ nhấn mạnh nhóm lớn nhất, số missing đáng chú ý hoặc đặc điểm liên quan trực tiếp đến câu hỏi nghiên cứu.

Lỗi thường gặp khi chạy thống kê nhân khẩu học trong SPSS

Đưa mã missing vào phép tính. Người nhập 99 để chỉ “không trả lời” nhưng không khai báo trong Variable View. Khi đó tuổi trung bình bị kéo lên và nhóm 99 xuất hiện trong bảng. Cách sửa là xác nhận quy ước mã, khai báo Missing Values, rồi chạy lại.

Dùng Percent thay cho Valid Percent mà không giải thích. Nếu có người bỏ trống, hai cột này khác nhau. Bạn cần chọn một mẫu số và dùng nhất quán trong bảng, phần diễn giải và chương phương pháp.

Nhầm Frequency với Percent. Frequency là số người, còn Percent là tỷ lệ. Một dòng có Frequency bằng 112 không có nghĩa là 112%.

Chọn sai loại biểu đồ. Pie chart có thể gây khó đọc khi biến nghề nghiệp có quá nhiều nhóm. Với nhiều nhóm, bảng tần số hoặc Bar chart thường dễ kiểm tra hơn.

Gộp nhóm sau khi xem kết quả. Bạn không nên đổi nhóm tuổi chỉ để làm bảng đẹp hơn. Nếu cần gộp, hãy dựa vào thiết kế nghiên cứu, quy ước đã nêu trong phương pháp và ghi rõ cách gộp.

Xóa người trả lời vì thuộc nhóm ít. Một nhóm nhỏ không tự động là dữ liệu sai. Chỉ loại quan sát khi có tiêu chí làm sạch được xác định trước, chẳng hạn trả lời thiếu quá nhiều hoặc vi phạm câu hỏi sàng lọc.

Đưa nguyên output vào luận văn. Output Viewer phục vụ kiểm tra phân tích. Bảng trong chương 4 nên được biên tập lại, giữ các cột cần thiết và ghi chú về missing khi cần. Với toàn bộ quy trình xử lý dữ liệu SPSS, bạn có thể xem thêm chủ đề SPSS.

Câu hỏi thường gặp

Thống kê nhân khẩu học trong SPSS là gì?

Đây là nhóm thống kê mô tả dùng để trình bày đặc điểm của người tham gia khảo sát, như giới tính, tuổi, nghề nghiệp, học vấn và thu nhập. Trong SPSS, bạn thường chạy bằng Frequencies, Descriptives hoặc Explore.

Kết quả này giúp mô tả mẫu nghiên cứu. Nó chưa kiểm định tác động của các đặc điểm nhân khẩu học lên biến phụ thuộc.

Cách chạy thống kê nhân khẩu học trong SPSS dùng menu nào?

Với biến phân loại, chọn Analyze > Descriptive Statistics > Frequencies. Với biến số, chọn Analyze > Descriptive Statistics > Descriptives hoặc Explore nếu cần xem thêm Median, biểu đồ và giá trị bất thường.

Nên dùng Percent hay Valid Percent?

Nếu không có dữ liệu thiếu, hai cột thường giống nhau. Nếu có missing, dùng Valid Percent để tính tỷ lệ trên số câu trả lời hợp lệ và ghi rõ số quan sát hợp lệ trong bảng hoặc đoạn văn.

Bạn vẫn có thể giữ cột Percent để đối chiếu với tổng số dòng, nhưng không nên trộn hai loại tỷ lệ trong cùng một diễn giải.

Có cần chạy kiểm định cho giới tính và độ tuổi không?

Không cần chạy kiểm định chỉ để mô tả cơ cấu mẫu. Bạn chỉ chạy t-test, ANOVA hoặc kiểm định khác khi câu hỏi nghiên cứu yêu cầu so sánh giữa các nhóm và dữ liệu đáp ứng điều kiện của kiểm định đó.

Trong phần thống kê nhân khẩu học, hãy tập trung vào số lượng, tỷ lệ và các chỉ số mô tả phù hợp.

Vì sao Frequency và tổng số mẫu của tôi không giống nhau?

Nguyên nhân thường là có giá trị thiếu, mã không hợp lệ hoặc bạn đang xem một biến chỉ có một phần người trả lời. Mở bảng Frequencies và kiểm tra dòng Valid, Missing, sau đó đối chiếu với Variable View và Data View.

Nếu mã 99 hoặc 999 được dùng cho câu trả lời không biết, hãy khai báo đó là missing trước khi chạy lại. Đừng tự xóa dòng dữ liệu khi chưa xác định nguyên nhân.

Có cần đưa ảnh chụp output SPSS vào luận văn không?

Thông thường không cần đưa nguyên ảnh chụp. Bạn nên chuyển bảng Frequencies hoặc Descriptive Statistics thành bảng gọn trong Word, đặt tên bảng, ghi đơn vị phần trăm và chú thích missing nếu có.

Ảnh chụp chỉ hữu ích khi giảng viên yêu cầu lưu bằng chứng thao tác hoặc bạn cần đưa output đầy đủ vào phụ lục.

Mở file SPSS của bạn, kiểm tra Variable View và chạy lại Frequencies cho từng nhóm biến nhân khẩu học, sau đó dùng M4 phân tích dữ liệu SPSS và SmartPLS nếu bạn cần xử lý tiếp trên chính file .sav hoặc .csv của mình.