Trả lời cùng một đáp án phải làm sao khi làm sạch dữ liệu SPSS

Hiện tượng bạn đang gặp

Bạn mở file dữ liệu lên và thấy một người trả lời chọn cùng một mức cho gần như toàn bộ biến quan sát, chẳng hạn tất cả đều là số 3 hoặc toàn bộ cột đều là số 5. Trong nghiên cứu định lượng, hiện tượng này thường được gọi là straight-lining, tức người tham gia điền một đường thẳng trên bảng hỏi Likert.

Một vài câu trả lời giống nhau chưa đủ để kết luận dữ liệu sai. Người trả lời có thể thật sự đồng ý ở cùng một mức với nhiều phát biểu, nhất là khi các biến quan sát đo cùng một khái niệm. Vấn đề cần kiểm tra là họ có trả lời có chủ đích hay chỉ bấm nhanh cho xong.

Bạn nên phân biệt ba trường hợp. Trường hợp thứ nhất là một người có cùng đáp án ở vài biến cùng nhóm, điều này có thể hoàn toàn bình thường. Trường hợp thứ hai là cùng đáp án ở toàn bộ bảng hỏi, kể cả câu hỏi nhân khẩu học và các phát biểu có nội dung ngược nhau. Trường hợp thứ ba là nhiều người có cùng một chuỗi đáp án bất thường, chẳng hạn 3, 3, 3, 3 ở hàng chục biến. Trường hợp thứ hai và thứ ba cần kiểm tra kỹ hơn.

Nếu chưa quen với các khái niệm về file dữ liệu, bạn có thể xem lại hướng dẫn về dữ liệu sơ cấp và cách phân biệt với dữ liệu thứ cấp. Bài này tập trung vào dữ liệu bảng hỏi đã thu thập và đang mở trong SPSS.

Nguyên nhân thường gặp

Cùng một đáp án không luôn có cùng một nguyên nhân. Trước khi xóa một dòng, bạn cần xem dấu hiệu xuất hiện ở đâu, mức độ rộng đến đâu và có khớp với thời gian hoàn thành bảng hỏi hay không.

Một nguyên nhân thường bị bỏ qua là lỗi nhập liệu. Ví dụ, bạn nhập toàn bộ lựa chọn “Đồng ý” thành số 4, nhưng một phần dữ liệu lại dùng số 5 cho cùng lựa chọn. Khi đó, việc nhìn vào các con số có thể khiến bạn tưởng rằng người trả lời đang chọn khác nhau hoặc giống nhau một cách bất thường.

Bạn cũng cần xem biến đảo chiều. Nếu bảng hỏi có phát biểu như “Tôi thường gặp khó khăn khi sử dụng hệ thống”, người chọn mức 5 có thể đang thể hiện thái độ tiêu cực, trong khi các câu thuận chiều mức 5 lại thể hiện thái độ tích cực. Nếu chưa đảo mã, Cronbach's Alpha và EFA có thể cho kết quả khó đọc. Nội dung về các biến đặc biệt này có thể tham khảo thêm ở bài biến định tính chạy hồi quy phải làm sao, nhất là phần phân biệt kiểu dữ liệu và cách mã hóa.

Cách xử lý theo thứ tự ưu tiên

Đừng xóa ngay những dòng có cùng đáp án. Cách an toàn hơn là giữ một bản gốc, tạo một bản làm sạch riêng, ghi lại tiêu chí kiểm tra và chỉ loại khi có nhiều dấu hiệu cùng xuất hiện.

Sao lưu file gốc và kiểm tra kiểu biến

Trước khi sửa, lưu file thành hai phiên bản. Một file giữ nguyên dữ liệu ban đầu, một file dùng để làm sạch. Nếu đang dùng SPSS, kiểm tra cả Data View và Variable View. Các biến Likert cần có mã số nhất quán, còn nhãn như “Hoàn toàn không đồng ý” chỉ là Value Label.

Trong Variable View, xem cột Name, Type, Decimals, Label, Values, Missing và Measure. Nếu một biến số đang có Type là String, các phép tính số lượng giá trị khác nhau sẽ không hoạt động như bạn muốn. Bạn cũng cần kiểm tra mã Missing, chẳng hạn 99 hoặc 999, để giá trị này không bị tính như một mức Likert thật.

Nếu bạn thường chạy đi chạy lại nhiều bước, có thể lưu thao tác bằng Syntax. Hướng dẫn chạy syntax SPSS hữu ích khi bạn cần tái lập cùng một quy trình sau mỗi lần loại dữ liệu.

Đếm số giá trị khác nhau ở từng người trả lời

Mục tiêu đầu tiên là tìm người có ít biến thiên trong câu trả lời. Trong SPSS, vào Transform > Count Values within Cases. Chọn các biến Likert cần kiểm tra, đặt tên biến mới, chẳng hạn different_count, rồi chọn cách đếm số giá trị khác nhau nếu phiên bản SPSS của bạn hỗ trợ tùy chọn này.

Nếu hộp thoại không có tùy chọn phù hợp, bạn có thể dùng Transform > Compute Variable để tạo một biến đếm thủ công, hoặc kiểm tra bằng Frequencies trên từng dòng trong Data View. Một cách thực tế là dùng các biến kiểm tra như giá trị nhỏ nhất, lớn nhất và độ lệch trong từng dòng. Khi giá trị nhỏ nhất bằng giá trị lớn nhất, người đó đã chọn cùng một mức ở nhóm biến đang xét.

Không nên dùng một ngưỡng cứng cho mọi đề tài. Một người có 20 biến và chỉ chọn mức 3 có thể cần xem xét, nhưng chưa đủ bằng chứng để loại nếu họ hoàn thành bảng hỏi trong thời gian hợp lý và câu hỏi có nội dung tương đồng.

Kiểm tra thời gian hoàn thành và biến nhận diện

Nếu bảng hỏi trực tuyến có biến thời gian bắt đầu, thời gian kết thúc hoặc thời lượng, hãy so sánh những dòng bị nghi ngờ với phân phối chung. Một dòng có cùng đáp án nhưng thời gian làm tương đương phần lớn mẫu chưa chắc là phản hồi kém chất lượng.

Ngược lại, cùng một đáp án ở toàn bộ biến, thời gian hoàn thành cực ngắn, thiếu thông tin ở câu sàng lọc và có chuỗi dữ liệu trùng với người khác là tổ hợp dấu hiệu đáng lo. Bạn cần kiểm tra mã phản hồi, email đã mã hóa, dấu thời gian và các trường nhận diện được phép sử dụng. Không đưa thông tin cá nhân vào file phân tích nếu không cần thiết.

Kiểm tra câu đảo chiều và bảng mã

Tạo một bảng nhỏ ghi rõ biến nào là câu thuận, biến nào là câu đảo chiều. Với thang Likert 1 đến 5, công thức đảo mã thường là 6 - giá trị gốc. Như vậy, 1 thành 5, 2 thành 4, 3 giữ nguyên, 4 thành 2 và 5 thành 1.

Chỉ đảo mã khi bảng hỏi và mô hình của bạn thực sự yêu cầu. Không đảo một biến chỉ vì nó có phân phối khác các biến còn lại. Sau khi đảo, đặt tên biến mới như sat3_r thay vì ghi đè lên cột gốc. Cách này giúp bạn truy lại thao tác nếu giảng viên hỏi vì sao kết quả thay đổi.

Kiểm tra trùng dòng trước khi loại

Vào Data > Identify Duplicate Cases để tìm các trường hợp có giá trị trùng trên một hoặc nhiều biến nhận diện. Nếu không có mã người trả lời, bạn có thể kiểm tra nhóm biến chính, nhưng cần thận trọng vì hai người khác nhau vẫn có thể trả lời giống nhau.

Một dòng trùng toàn bộ có thể do người thu thập nhập hai lần, nhưng cũng có thể là hai phản hồi hợp lệ từ cùng một nhóm đối tượng. Bạn cần đối chiếu thời gian và thông tin sàng lọc trước khi quyết định. Không xóa cả nhóm chỉ vì một chuỗi đáp án giống nhau.

Chạy lại kiểm định sau khi có tiêu chí loại

Sau khi đánh dấu dữ liệu nghi ngờ, chạy lại các phân tích chính trên bản làm sạch. Với thang đo, có thể bắt đầu từ Analyze > Scale > Reliability Analysis để xem Cronbach's Alpha, Corrected Item-Total Correlation và bảng Item-Total Statistics. Sau đó mới chạy EFA hoặc hồi quy theo mô hình nghiên cứu.

Việc loại dòng phải dựa trên tiêu chí đã nêu trong phương pháp, không dựa vào việc kết quả sau khi loại trở nên đẹp hơn. Bạn nên lập một cột exclude_reason hoặc một file nhật ký, ghi mã dòng, lý do, thời điểm và người quyết định. Đây là phần giúp bạn giải thích quy trình khi bị hỏi ở buổi bảo vệ.

Đọc kết quả kiểm tra, số liệu minh họa

Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Các tên cột được trình bày theo dạng SPSS để bạn hình dung cách ghi nhận dấu hiệu. N of Unique Values là số giá trị khác nhau trong một dòng, còn Minimum và Maximum là mức thấp nhất và cao nhất của nhóm biến được kiểm tra.

Trong ví dụ này, case 27 và 63 có cùng một giá trị ở 24 biến và thời gian ngắn. Tuy vậy, bảng vẫn chỉ dẫn tới bước “đánh dấu”, chưa tự động dẫn tới xóa. Case 12 có thời gian hợp lý hơn, nên cần đọc nội dung biến và kiểm tra xem các phát biểu có quá giống nhau hay không.

Bạn có thể dùng các ngưỡng sau để kiểm tra chất lượng thang đo sau khi làm sạch. Đây là các tiêu chí cho bước phân tích, không phải quy tắc tự động xóa người trả lời.

Một phản hồi có straight-lining không tự động làm Cronbach's Alpha thấp. Thậm chí, nếu nhiều dòng cùng chọn một mức, độ tương quan có thể tăng. Vì vậy, không dùng riêng Alpha để kết luận người trả lời đã làm bảng hỏi nghiêm túc.

Khi nào phải quay lại thu thêm dữ liệu

Bạn nên thu thêm dữ liệu khi số lượng phản hồi hợp lệ giảm nhiều sau khi loại, mẫu còn lại không bao phủ đủ nhóm đối tượng trong thiết kế, hoặc phát hiện lỗi ở bảng hỏi khiến người trả lời hiểu cùng một câu theo một hướng. Nếu chỉ có vài dòng bị đánh dấu và mẫu vẫn đáp ứng thiết kế, việc thu thêm không phải lúc nào cũng cần.

Hãy phân biệt “thu thêm để bù số lượng” với “thu thêm để sửa lỗi thiết kế”. Nếu bảng hỏi có biến bị mã hóa sai, thu thêm bằng cùng biểu mẫu chưa sửa sẽ tạo thêm dữ liệu không nhất quán. Bạn cần sửa logic, thử lại trên một nhóm nhỏ phù hợp với kế hoạch định lượng, rồi mới tiếp tục thu.

Cỡ mẫu cũng cần được nhìn trong bối cảnh mô hình. Quy tắc từ 5 đến 10 quan sát cho một biến quan sát được trích dẫn trong (Hair và cộng sự, 2010), nhưng đây không phải giấy phép giữ mọi phản hồi kém chất lượng để đủ con số. Dữ liệu ít hơn nhưng có tiêu chí làm sạch rõ ràng thường dễ giải trình hơn một file đủ số nhưng chứa nhiều dấu hiệu trả lời qua loa.

Nếu bạn cần xem lại các bước chuẩn bị trước khi chạy phân tích, chuyên mục chủ đề SPSS có thể giúp bạn nối phần nhập liệu, làm sạch và phân tích vào cùng một quy trình. Bạn cũng có thể xem chuẩn hóa dữ liệu là gì để tránh nhầm giữa chuẩn hóa thang đo và xử lý phản hồi bất thường.

Cách giải trình với giảng viên hướng dẫn

Bạn nên trình bày bằng tiêu chí có thể kiểm tra lại, thay vì nói “em thấy dòng này không đẹp”. Hãy chuẩn bị số lượng dòng bị đánh dấu, nguyên nhân của từng nhóm, số dòng bị loại, số quan sát còn lại và kết quả phân tích trước và sau khi làm sạch. Nếu có thể, giữ một phụ lục hoặc file nhật ký, trong đó mã phản hồi được ẩn danh.

Cách viết vào luận văn: “Dữ liệu được kiểm tra theo các tiêu chí gồm mức độ hoàn thành, giá trị thiếu, phản hồi trùng lặp và mô hình trả lời một đáp án trên toàn bộ nhóm biến quan sát. Các trường hợp bị loại được ghi nhận theo tiêu chí định trước; sau bước làm sạch, còn lại [N] bảng trả lời hợp lệ trên tổng số [N0] phản hồi thu về.”

Bạn thay [N], [N0] và tiêu chí trong câu mẫu bằng số liệu thật của mình. Nếu chưa đo thời gian hoàn thành, đừng viết rằng bạn đã dùng thời gian làm tiêu chí. Hãy nói đúng những gì file của bạn có thể chứng minh.

Cách phòng từ bước thiết kế

Ngay từ lúc thiết kế bảng hỏi, tránh xếp quá nhiều phát biểu có cách diễn đạt gần như nhau trên một màn hình. Mỗi biến quan sát cần có nội dung rõ, liên quan đến khái niệm cần đo và không chứa hai ý trong cùng một câu. Các câu đảo chiều nên dùng vừa phải, vì quá nhiều câu đảo chiều có thể khiến người trả lời hiểu sai.

Bạn nên thử bảng hỏi trước khi phát hành rộng rãi, kiểm tra đường dẫn, mã hóa lựa chọn, câu bắt buộc, câu sàng lọc và cách lưu dữ liệu. Với bảng hỏi trực tuyến, hãy xem thử file xuất ra có giữ đúng tên biến và mã số hay không. Đừng đợi đến khi mở SPSS mới phát hiện lựa chọn “Không áp dụng” đã bị nhập chung với mức 5.

Ở bước thu thập, ghi nhận thời gian, mã phản hồi và các trường cần thiết theo nguyên tắc bảo vệ dữ liệu. Nếu dùng Google Forms, hãy kiểm tra file CSV trước khi nhập SPSS. Nếu dùng công cụ của DoThesis là fillform.info, bạn có thể thiết kế bảng hỏi tiếng Việt và theo dõi dữ liệu thu về trong một quy trình phù hợp với nghiên cứu định lượng.

Một bảng hỏi tốt không thể ngăn mọi người trả lời cùng một đáp án. Mục tiêu là tạo đủ dấu hiệu để bạn phân biệt một quan điểm nhất quán với một phản hồi thiếu nghiêm túc, đồng thời giữ lại bằng chứng cho từng quyết định xử lý.

Lỗi thường gặp khi sửa

Lỗi đầu tiên là xóa toàn bộ dòng có cùng đáp án. Cách này có thể làm mất những người thật sự có cùng quan điểm. Hãy đánh dấu trước, xem thêm thời gian, câu đảo chiều, dữ liệu thiếu và khả năng trùng phản hồi.

Lỗi thứ hai là sửa trực tiếp file gốc. Khi kết quả thay đổi, bạn sẽ không biết thay đổi đến từ thao tác nào. Luôn tạo bản sao và đặt tên phiên bản, chẳng hạn data_raw, data_checked và data_final.

Lỗi thứ ba là đổi các giá trị giống nhau thành giá trị khác để tạo thêm biến thiên. Đây là hành vi làm sai dữ liệu và không thể giải trình. Nếu không đủ bằng chứng để xác định phản hồi không hợp lệ, hãy giữ lại và ghi nhận giới hạn của nghiên cứu.

Lỗi thứ tư là dùng Cronbach's Alpha như công cụ phát hiện người trả lời qua loa. Alpha đánh giá độ nhất quán của thang đo, không xác nhận động cơ của từng người. Bạn cần xem dữ liệu ở cấp dòng trước, sau đó mới đánh giá thang đo ở cấp biến.

Lỗi thứ năm là loại dữ liệu chỉ vì kết quả hồi quy hoặc EFA chưa đạt. Nếu mô hình chưa phù hợp, hãy kiểm tra lý thuyết, cách đo, mã hóa và giả định phân tích. Việc loại người trả lời để ép p-value hoặc factor loading đạt ngưỡng sẽ tạo rủi ro lớn khi hội đồng hỏi về tiêu chí loại mẫu.

Câu hỏi thường gặp

Trả lời cùng một đáp án ở tất cả câu hỏi có phải xóa ngay không?

Chưa. Bạn cần xem thời gian hoàn thành, phản hồi trùng, câu hỏi đảo chiều, giá trị thiếu và bối cảnh của bảng hỏi. Chỉ nên loại khi có tiêu chí rõ ràng và nhiều dấu hiệu hỗ trợ cùng kết luận.

Có bao nhiêu câu cùng đáp án thì bị xem là trả lời ẩu?

Không có một con số duy nhất áp dụng cho mọi bảng hỏi. Hãy xem tỷ lệ biến có cùng đáp án trong một dòng, số lượng biến được kiểm tra và chất lượng các thông tin đi kèm. Một người chọn cùng mức ở một nhóm thang đo chưa đủ để kết luận.

Có nên giữ người trả lời cùng một đáp án để đủ cỡ mẫu không?

Không nên giữ hoặc loại chỉ vì muốn đạt một con số. Cỡ mẫu cần đi cùng chất lượng và thiết kế nghiên cứu. Nếu phải loại nhiều dòng khiến mẫu không còn đại diện cho nhóm mục tiêu, bạn nên trao đổi với giảng viên về việc thu bổ sung thay vì sửa dữ liệu.

SPSS có tự động phát hiện straight-lining không?

SPSS có thể hỗ trợ bạn tính số giá trị khác nhau, giá trị nhỏ nhất, lớn nhất, thời gian hoặc tìm dòng trùng, nhưng không tự quyết định một phản hồi có hợp lệ hay không. Quyết định cuối cùng cần dựa trên tiêu chí của đề tài và bằng chứng trong file.

Nếu đã xóa dữ liệu thì có thể khôi phục không?

Nếu bạn chưa lưu đè file gốc, hãy đóng bản đã sửa và mở lại bản gốc. Nếu đã lưu đè, khả năng khôi phục phụ thuộc vào bản sao, lịch sử đồng bộ hoặc file xuất ban đầu. Vì vậy, việc giữ data_raw ngay từ đầu quan trọng hơn bất kỳ lệnh nào trong SPSS.

Khi thấy nhiều dòng cùng một đáp án, việc tiếp theo của bạn là sao lưu file, tạo biến kiểm tra, đối chiếu thời gian và ghi lại tiêu chí xử lý trước khi chạy lại phân tích. Nếu muốn chạy phân tích trên chính file .sav hoặc .csv và giữ lại nhật ký làm sạch, bạn có thể dùng module M4 phân tích dữ liệu của DoThesis.