Trung bình là gì? Cách đọc và trình bày trong luận văn định lượng
Trung bình là gì
Trong bảng dữ liệu hoặc output SPSS, trung bình thường xuất hiện dưới tên Mean. Đây là giá trị đại diện được tính bằng tổng các quan sát chia cho số quan sát hợp lệ. Với một biến có các giá trị (x_1, x_2, ..., x_n), công thức là:
[ Mean = \frac{x_1 + x_2 + ... + x_n}{n} ]
Ví dụ, năm người trả lời chấm mức độ đồng ý lần lượt là 2, 3, 3, 4 và 5. Trung bình bằng (2 + 3 + 3 + 4 + 5) / 5 = 3,4. Con số 3,4 cho biết mức điểm trung tâm theo phép tính số học, nhưng không có nghĩa là một người cụ thể đã chọn đúng mức 3,4.
Khi bạn dùng thang Likert 5 mức, mỗi biến quan sát thường được mã hóa từ 1 đến 5. Mức 1 có thể là “Hoàn toàn không đồng ý”, còn mức 5 là “Hoàn toàn đồng ý”. Việc mã hóa và diễn giải phải thống nhất với bảng hỏi của bạn. Bản thân trung bình chỉ là một chỉ số mô tả, không tự động chứng minh rằng một giả thuyết đúng hay một nhân tố có tác động đến biến phụ thuộc.
Ý nghĩa của trung bình trong nghiên cứu định lượng
Trung bình giúp bạn nhìn nhanh xu hướng trả lời của mẫu. Nếu Mean của một biến là 4,20 trên thang 5 điểm, các câu trả lời nhìn chung nghiêng về phía đồng ý. Nếu Mean là 2,10, xu hướng chung nghiêng về phía không đồng ý. Bạn cần xem thêm độ lệch chuẩn, giá trị nhỏ nhất, giá trị lớn nhất và số quan sát hợp lệ để hiểu mức độ phân tán phía sau con số đó.
Trong chương kết quả, trung bình thường được dùng cho ba mục đích. Thứ nhất, mô tả đặc điểm các biến quan sát hoặc các khái niệm nghiên cứu. Thứ hai, so sánh sơ bộ mức đánh giá giữa các biến. Thứ ba, kiểm tra dữ liệu có nằm trong khoảng mã hóa dự kiến hay không. Chẳng hạn, nếu thang đo chỉ có giá trị từ 1 đến 5 nhưng Mean lại bằng 8,00, bạn cần kiểm tra cách nhập dữ liệu, công thức tính hoặc biến đang được đọc.
Trung bình cũng có thể được tính cho một nhóm biến quan sát sau khi bạn xác định cách gộp thang đo. Ví dụ, biến tiềm ẩn “Chất lượng dịch vụ” có năm biến quan sát CLDV1 đến CLDV5. Bạn có thể tạo điểm trung bình của năm biến để phục vụ phân tích tiếp theo, nhưng cần ghi rõ quy tắc xử lý dữ liệu thiếu. Nếu một người chỉ trả lời ba trên năm biến, việc có cho phép tính điểm tổng hợp hay không phải được quy định trước, thay vì thay đổi tùy theo kết quả.
Bạn nên phân biệt trung bình mô tả với hệ số trong mô hình hồi quy hoặc PLS-SEM. Mean trả lời câu hỏi “mẫu có xu hướng đánh giá ở mức nào”. path coefficient, hệ số hồi quy và p-value trả lời câu hỏi về quan hệ hoặc tác động giữa các biến. Vì vậy, Mean cao không đồng nghĩa với việc biến đó có tác động mạnh.
Với dữ liệu có giá trị cực đoan, trung bình có thể bị kéo về phía các giá trị lớn hoặc nhỏ. Bạn có thể xem thêm nội dung về outliers trước khi quyết định giữ hay loại quan sát. Việc loại một dòng dữ liệu chỉ để làm Mean “đẹp hơn” thường khó giải trình nếu không có tiêu chí rõ ràng.
Trung bình bao nhiêu là đạt
Không có một ngưỡng chung cho mọi nghiên cứu để kết luận Mean bao nhiêu là “đạt”. Mean phải được đọc theo thang đo, cách gán mã, mục tiêu nghiên cứu và quy ước mà bạn nêu trong chương phương pháp. Với thang Likert 5 mức, một số luận văn chia khoảng diễn giải bằng độ rộng khoảng:
[ \text{Độ rộng khoảng} = \frac{5 - 1}{5} = 0,8 ]
Từ đó, có thể lập quy ước từ 1,00 đến 1,80 là rất thấp, 1,81 đến 2,60 là thấp, 2,61 đến 3,40 là trung bình, 3,41 đến 4,20 là cao, và 4,21 đến 5,00 là rất cao. Đây là cách diễn giải mô tả do người nghiên cứu lựa chọn, không phải tiêu chuẩn để loại một biến hay chấp nhận một mô hình. Bạn phải ghi rõ quy ước trong luận văn nếu sử dụng.
Bảng dưới đây minh họa cách đọc Mean trên thang Likert 5 mức. Nguồn trong bảng nói về thang đo Likert, còn các khoảng diễn giải là quy ước tính từ độ rộng thang đo, không gán cho nguồn như một ngưỡng kiểm định.
| Khoảng Mean | Cách diễn giải minh họa | Căn cứ sử dụng |
|---|---|---|
| 1,00 đến 1,80 | Rất thấp | Quy ước chia 5 khoảng từ thang 1 đến 5; thang Likert theo (Likert, 1932) |
| 1,81 đến 2,60 | Thấp | Quy ước chia 5 khoảng từ thang 1 đến 5; thang Likert theo (Likert, 1932) |
| 2,61 đến 3,40 | Trung bình | Quy ước chia 5 khoảng từ thang 1 đến 5; thang Likert theo (Likert, 1932) |
| 3,41 đến 4,20 | Cao | Quy ước chia 5 khoảng từ thang 1 đến 5; thang Likert theo (Likert, 1932) |
| 4,21 đến 5,00 | Rất cao | Quy ước chia 5 khoảng từ thang 1 đến 5; thang Likert theo (Likert, 1932) |
Bạn không nên viết “Mean từ 3,0 trở lên là đạt” nếu chưa giải thích đạt theo nghĩa nào. Nếu đang đánh giá mức độ đồng ý, Mean 3,0 có thể cho thấy thái độ trung lập. Nếu đang mô tả mức độ cảm nhận, Mean 3,0 có thể được gọi là mức trung bình. Còn khi đánh giá độ tin cậy hoặc giá trị thang đo, bạn phải dùng Cronbach's Alpha, Corrected Item-Total Correlation, factor loading, AVE hoặc chỉ số phù hợp khác, không dùng Mean thay thế.
Thang Likert 7 mức cần có cách chia khoảng riêng. Bạn không thể lấy nguyên ngưỡng của thang 5 mức áp vào thang 1 đến 7. Tương tự, nếu một biến đã được đảo chiều, Mean phải được tính trên mã sau đảo chiều. Nếu quên bước này, một biến mang ý nghĩa ngược có thể kéo điểm trung bình của cả khái niệm xuống thấp.
Cách đọc trung bình trên output
Trong SPSS, bạn có thể chạy thống kê mô tả bằng đường dẫn Analyze > Descriptive Statistics > Descriptives. Đưa các biến cần xem vào ô Variables, bấm Options, chọn Mean, Std. deviation, Minimum và Maximum, sau đó bấm Continue và OK.
Nếu muốn xem trung bình theo từng nhóm, chẳng hạn Mean của mức độ hài lòng theo giới tính, bạn có thể dùng Analyze > Compare Means > Means. Nếu cần bảng mô tả chi tiết hơn, đường dẫn Analyze > Descriptive Statistics > Explore cho phép xem thêm phân phối và biểu đồ. Tên menu có thể hơi khác theo phiên bản SPSS, nhưng các cột chính vẫn có ý nghĩa tương tự.
Bảng Descriptive Statistics
| Variable | N | Minimum | Maximum | Mean | Std. Deviation |
|---|---|---|---|---|---|
| CLDV1 | 198 | 1 | 5 | 3,76 | 0,842 |
| CLDV2 | 198 | 1 | 5 | 3,68 | 0,915 |
| CLDV3 | 197 | 1 | 5 | 3,91 | 0,781 |
| HAILONG | 198 | 1 | 5 | 3,72 | 0,864 |
Số liệu minh họa, không phải kết quả của một nghiên cứu thực tế.
Cột N là số quan sát hợp lệ được SPSS sử dụng cho từng biến. Trong bảng minh họa, CLDV3 có N bằng 197 trong khi các biến khác có N bằng 198. Điều này thường cho thấy có một giá trị thiếu ở CLDV3, nhưng bạn cần mở Data View hoặc kiểm tra quy tắc missing value để xác nhận.
Cột Minimum và Maximum cho biết giá trị nhỏ nhất và lớn nhất mà SPSS đã đưa vào phép tính. Cột Mean là trung bình. Cột Std. Deviation là độ lệch chuẩn, phản ánh mức độ phân tán quanh Mean. Độ lệch chuẩn 0,781 cho thấy câu trả lời của CLDV3 tập trung hơn tương đối so với CLDV2 có độ lệch chuẩn 0,915, nhưng bạn không nên biến so sánh này thành kết luận về chất lượng thang đo.
Trong bảng minh họa, Mean của CLDV3 bằng 3,91. Nếu bạn đã công bố quy ước ở phần phương pháp, giá trị này có thể được diễn giải là mức cao. Mean của HAILONG bằng 3,72 cũng nằm trong khoảng cao theo quy ước trên. Cách viết này chỉ mô tả dữ liệu, chưa nói rằng chất lượng dịch vụ gây ra sự hài lòng.
Cách viết vào luận văn
Bạn có thể điều chỉnh đoạn sau theo output thật của mình: “Kết quả thống kê mô tả cho thấy biến [{MÃ BIẾN}] có giá trị trung bình là [{MEAN}], độ lệch chuẩn là [{SD}], với giá trị nhỏ nhất và lớn nhất lần lượt là [{MIN}] và [{MAX}]. Theo quy ước diễn giải thang đo [{SỐ MỨC}] mức được trình bày tại chương phương pháp, mức đánh giá của người trả lời đối với biến này được xem là [{MỨC DIỄN GIẢI}].”
Khi viết, bạn thay toàn bộ phần trong ngoặc vuông bằng số liệu thật. Không bê nguyên bảng minh họa vào chương 4. Nếu nhiều biến cùng một khái niệm, nên trình bày bảng tổng hợp gồm mã biến, Mean và độ lệch chuẩn, sau đó nhận xét biến có Mean cao nhất và thấp nhất. Nhận xét phải bám vào bảng, tránh thêm nguyên nhân mà dữ liệu mô tả chưa kiểm định.
Khi trung bình không đạt thì xử lý thế nào
Trước hết, xác định “không đạt” đang nói về điều gì. Mean thấp không phải lỗi kỹ thuật. Nó có thể phản ánh người trả lời thực sự không đồng ý với phát biểu. Bạn chỉ cần xử lý khi Mean nằm ngoài khoảng mã hóa, số lượng hợp lệ bất thường, biến bị đảo chiều sai hoặc cách tính không phù hợp với thiết kế nghiên cứu.
Kiểm tra mã hóa và giá trị nhập
Mở Variable View để kiểm tra Type, Values và Missing. Sau đó dùng Analyze > Descriptive Statistics > Frequencies để xem bảng tần số. Nếu thang đo chỉ từ 1 đến 5 nhưng xuất hiện 0, 6 hoặc 99, hãy xác định đó là mã thiếu, lỗi nhập hay một giá trị hợp lệ theo bảng hỏi.
Kiểm tra biến đảo chiều
Một phát biểu phủ định cần được đảo chiều trước khi tính điểm chung. Với thang 1 đến 5, mã mới thường được tính theo công thức 6 - mã cũ, nhưng bạn phải đối chiếu với cách thiết kế bảng hỏi. Ghi lại biến gốc và biến sau đảo chiều để có thể giải trình khi giảng viên hỏi.
Kiểm tra cách tính điểm tổng hợp
Nếu Mean của một khái niệm được tạo từ nhiều biến, kiểm tra công thức Transform > Compute Variable. Xác nhận các biến được đưa vào đúng nhóm và cùng chiều. Khi có dữ liệu thiếu, quyết định giữ hay loại dòng phải nhất quán với phương pháp đã viết. Không nên xóa người trả lời chỉ vì Mean thấp.
Xem thêm phân phối và outliers
Nếu Mean và trung vị chênh lệch lớn, dữ liệu có thể lệch hoặc có giá trị cực đoan. Khi đó, xem histogram, boxplot và các chỉ số mô tả trước khi chọn phương án xử lý. Nếu bạn đang xây dựng mô hình có biến điều tiết, hãy phân biệt rõ Mean mô tả với việc tạo biến tương tác trong phân tích moderating. Việc chuẩn hóa hoặc mean-centering phục vụ một mục đích khác, không làm cho Mean của bảng hỏi tự động “đạt”.
Phân biệt trung bình với trung vị
Trung bình và trung vị đều mô tả vị trí trung tâm nhưng được tính khác nhau. Trung bình sử dụng tất cả giá trị trong phép cộng nên dễ bị ảnh hưởng bởi một vài quan sát rất lớn hoặc rất nhỏ. Trung vị là giá trị nằm ở giữa sau khi sắp xếp dữ liệu, hoặc là trung bình của hai giá trị giữa khi số quan sát là số chẵn.
Ví dụ, dữ liệu thu nhập giả định là 6, 7, 7, 8 và 50. Mean bằng 15,6, trong khi trung vị bằng 7. Mean bị kéo lên bởi giá trị 50, còn trung vị phản ánh gần hơn mức điển hình của bốn quan sát đầu. Với dữ liệu Likert, Mean thường được báo cáo trong thống kê mô tả theo quy ước của đề tài, nhưng bạn vẫn có thể xem trung vị và phân phối để nhận diện sự lệch.
Bạn cũng cần phân biệt trung bình với mode, tức giá trị xuất hiện nhiều nhất. Nếu phần lớn người trả lời chọn mức 4 nhưng vẫn có nhiều câu trả lời ở mức 1, Mean có thể thấp hơn 4. Mỗi chỉ số trả lời một câu hỏi khác nhau, nên việc chọn Mean hay trung vị phải dựa vào loại dữ liệu và mục tiêu mô tả.
Cuối cùng, đừng nhầm Mean của biến quan sát với điểm trung bình học tập, điểm trung bình nhóm hoặc điểm trung bình của một mẫu phụ. Hãy đọc tên biến, nhãn giá trị và số N trong output trước khi diễn giải. Nếu bạn đang đọc các khái niệm như scale là gì, hãy xác định rõ mình đang xem từng biến quan sát hay điểm tổng hợp của cả thang đo.
Lỗi thường gặp
Gọi Mean là mức độ tác động. Mean chỉ mô tả xu hướng trả lời. Muốn kết luận tác động, bạn cần phân tích phù hợp với mô hình, chẳng hạn hồi quy hoặc PLS-SEM, rồi đọc hệ số và mức ý nghĩa.
Dùng một ngưỡng Mean cho mọi thang đo. Thang 1 đến 5, thang 1 đến 7 và thang 0 đến 10 có khoảng giá trị khác nhau. Quy ước diễn giải phải theo đúng thang đã dùng.
Bỏ qua số quan sát hợp lệ. Hai biến có cùng Mean nhưng một biến dựa trên 198 quan sát và một biến chỉ dựa trên 150 quan sát thì không nên được nhận xét như thể có cùng nền dữ liệu.
Làm tròn quá sớm. Hãy giữ số lẻ trong file phân tích và chỉ làm tròn khi trình bày. Nếu tất cả Mean đều được làm tròn thành 4, người đọc sẽ khó kiểm tra sự khác nhau giữa các biến.
Xóa dữ liệu để nâng Mean. Đây là cách xử lý thiếu cơ sở. Bạn cần có quy tắc làm sạch dữ liệu được xác định trước, ghi lại dòng bị loại và lý do loại. Nếu vấn đề nằm ở chất lượng thang đo, hãy kiểm tra độ tin cậy và giá trị của thang đo thay vì sửa kết quả mô tả.
Đọc thêm: outliers, moderating, moderator, scale là gì, mediator.
Câu hỏi thường gặp
Giá trị trung bình là gì?
Giá trị trung bình là tổng các giá trị quan sát chia cho số quan sát hợp lệ. Trong output SPSS, nó thường nằm ở cột Mean. Mean cho biết mức trung tâm theo phép tính số học, không đại diện cho một câu trả lời cụ thể của từng người.
Trung bình bao nhiêu là đạt?
Không có một ngưỡng chung để kết luận mọi Mean đều đạt. Bạn cần dựa vào thang đo và quy ước diễn giải đã nêu trong phương pháp. Với thang Likert 5 mức, bạn có thể chia từ 1,00 đến 5,00 thành năm khoảng, nhưng đó là quy ước mô tả, không phải kiểm định chất lượng thang đo.
Trung bình và trung vị khác nhau gì?
Mean cộng tất cả giá trị rồi chia cho số quan sát, còn trung vị là giá trị ở vị trí giữa sau khi sắp xếp. Mean nhạy với outliers hơn. Khi dữ liệu lệch mạnh, nên xem cả hai chỉ số và biểu đồ phân phối trước khi diễn giải.
Mean thấp có phải loại biến không?
Mean thấp không tự động là lý do loại biến. Nó có thể phản ánh đúng thái độ của mẫu. Bạn chỉ nên xem xét loại hoặc sửa dữ liệu khi phát hiện lỗi mã hóa, biến đảo chiều sai, giá trị ngoài khoảng hoặc vấn đề đã được quy định trong tiêu chí làm sạch và kiểm định thang đo.
Đọc Mean ở đâu trong SPSS?
Bạn có thể chạy Analyze > Descriptive Statistics > Descriptives và chọn Mean, Std. deviation, Minimum, Maximum. Trong bảng Descriptive Statistics, đọc cột N trước để biết số quan sát hợp lệ, sau đó đọc Mean và độ lệch chuẩn. Hãy đối chiếu tên biến với bảng hỏi trước khi viết nhận xét.
Mở file SPSS của bạn, chạy Analyze > Descriptive Statistics > Descriptives, kiểm tra từng cột N, Mean và Std. Deviation, rồi viết một đoạn mô tả có số liệu thật theo mẫu trên; nếu cần chạy trọn bước phân tích trên file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis.