Xử lý dữ liệu là gì? Quy trình SPSS từ dữ liệu thô đến kết quả
Xử lý dữ liệu là gì
Xử lý dữ liệu là chuỗi công việc biến các câu trả lời khảo sát ban đầu thành bộ dữ liệu có cấu trúc, có thể phân tích và giải thích trong luận văn. Với một đề tài định lượng, bạn thường bắt đầu từ file Excel, Google Forms hoặc CSV, sau đó kiểm tra dữ liệu thiếu, mã hóa biến, đảo chiều biến nếu cần, phát hiện câu trả lời bất thường và nhập file vào SPSS để chạy các phân tích phù hợp.
Bạn có thể hình dung quy trình này gồm ba lớp. Lớp thứ nhất là làm sạch dữ liệu, chẳng hạn kiểm tra ô trống, giá trị nằm ngoài thang Likert và các dòng trả lời quá giống nhau. Lớp thứ hai là xử lý biến, gồm đặt tên biến, gán nhãn giá trị, tính biến tổng hợp hoặc biến trung bình. Lớp thứ ba là phân tích, gồm thống kê mô tả, Cronbach's Alpha, EFA, tương quan, hồi quy hoặc kiểm định mô hình.
Xử lý dữ liệu không phải là việc làm cho các con số đẹp lên. Mục tiêu là bảo đảm mỗi con số trong output phản ánh đúng câu trả lời đã thu thập và đúng câu hỏi nghiên cứu. Nếu bạn thay đổi dữ liệu chỉ vì Alpha thấp hoặc p-value chưa đạt, kết quả có thể bị hỏi lại ngay khi bảo vệ.
Trong SPSS, thao tác thường bắt đầu ở hai cửa sổ chính. Data View chứa từng dòng dữ liệu của người trả lời, còn Variable View chứa thông tin về tên biến, kiểu dữ liệu, nhãn biến, nhãn giá trị và cách hiển thị. Một file xử lý được cần có cấu trúc nhất quán ở cả hai nơi.
Nếu đang mở file và chưa biết nên bắt đầu từ đâu, bạn có thể xem thêm chủ đề SPSS để đối chiếu các phân tích thường dùng trong luận văn.
Ý nghĩa của xử lý dữ liệu trong nghiên cứu định lượng
Xử lý dữ liệu quyết định bạn có thể đi đến kết luận nào từ bảng hỏi. Một biến quan sát bị nhập ngược mã có thể làm giảm Cronbach's Alpha. Một cột chứa chữ thay vì số có thể khiến SPSS không đưa biến vào hồi quy. Một số dòng bị bỏ qua mà không ghi nhận có thể làm cỡ mẫu trong chương 3 khác với cỡ mẫu thực tế trong output.
Quy trình đúng giúp bạn trả lời lần lượt các câu hỏi sau:
- Mẫu khảo sát có đủ thông tin để phân tích không.
- Các biến quan sát trong cùng một thang đo có nhất quán không.
- Các biến có hình thành những nhân tố như mô hình lý thuyết dự kiến không.
- Biến độc lập có giải thích được biến phụ thuộc không.
- Giả thuyết nào được ủng hộ theo kết quả kiểm định.
Thứ tự phân tích cũng có ý nghĩa. Bạn không nên chạy hồi quy ngay sau khi nhập file. Trước đó cần kiểm tra dữ liệu, mô tả mẫu, đánh giá độ tin cậy thang đo và xem xét giá trị hội tụ, giá trị phân biệt nếu sử dụng SmartPLS. Trong cách tiếp cận hai bước, phần đo lường được đánh giá trước rồi mới chuyển sang mô hình cấu trúc, phù hợp với hướng dẫn của (Anderson và Gerbing, 1988).
Với SPSS, các bảng thường gặp gồm Frequencies, Descriptives, Reliability Statistics, Item-Total Statistics, KMO and Bartlett's Test, Total Variance Explained, Rotated Component Matrix, Correlations, Model Summary, ANOVA và Coefficients. Bạn nên lưu output sau từng vòng chạy, đặt tên rõ như 01_lam_sach, 02_alpha, 03_efa, thay vì chỉ lưu một file cuối cùng.
Nếu bạn đang xử lý riêng Cronbach's Alpha, bài Cronbach Alpha sẽ giúp bạn tập trung vào Cronbach's Alpha, Corrected Item-Total Correlation và cột Cronbach's Alpha if Item Deleted.
Xử lý dữ liệu bao nhiêu là đạt
Không có một con số duy nhất áp dụng cho toàn bộ quy trình. Mỗi chỉ số trả lời một câu hỏi khác nhau, vì vậy bạn cần đọc đúng bảng và đúng nguồn. Bảng dưới đây là các ngưỡng thường dùng trong nghiên cứu định lượng, không phải giấy phép tự động loại biến.
| Hạng mục cần kiểm tra | Ngưỡng tham khảo | Nguồn canonical |
|---|---|---|
| Cronbach's Alpha của thang đo | Từ 0.7 trở lên | (Nunnally, 1978) |
| Alpha trong nghiên cứu khám phá | Có thể từ 0.6 | (Hair và cộng sự, 2010) |
| Corrected Item-Total Correlation | Từ 0.3 trở lên | (Nunnally và Bernstein, 1994) |
| KMO | Từ 0.5 trở lên | (Kaiser, 1974) |
| Bartlett's Test | Sig. nhỏ hơn 0.05 | (Kaiser, 1974) |
| Eigenvalue khi trích nhân tố | Lớn hơn 1 | (Kaiser, 1960) |
| Total Variance Explained | Từ 50% trở lên | (Hair và cộng sự, 2010) |
| Factor loading trong EFA | Từ 0.5 trở lên | (Hair và cộng sự, 2010) |
| Số quan sát trên mỗi biến quan sát | Khoảng 5 đến 10 | (Hair và cộng sự, 2010) |
| Durbin-Watson trong hồi quy | Từ 1 đến 3 | (Field, 2013) |
| VIF trong mô hình PLS-SEM | Nhỏ hơn 5 | (Hair và cộng sự, 2019) |
Các ngưỡng này cần được đặt trong bối cảnh đề tài. Một thang đo mới hoặc nghiên cứu khám phá có thể được giải thích khác với một thang đo đã ổn định. Khi báo cáo, bạn nên ghi cả giá trị quan sát được, tiêu chí dùng để đánh giá và nguồn trích dẫn.
Ví dụ, câu “Cronbach's Alpha của thang đo đạt 0.812, cao hơn ngưỡng 0.7, nên thang đo có độ tin cậy tốt theo (Nunnally, 1978)” có ích hơn câu “Thang đo đạt chuẩn”. Cách viết này cho người đọc biết bạn đang kiểm tra chỉ số nào và căn cứ vào đâu.
Cách đọc xử lý dữ liệu trên output
Hãy bắt đầu bằng việc xác định bảng output đang trả lời câu hỏi gì. Reliability Statistics cho biết Alpha của toàn thang đo, nhưng chưa cho biết biến nào làm giảm độ tin cậy. Muốn xem điều đó, bạn đọc thêm Item-Total Statistics, đặc biệt là Corrected Item-Total Correlation và Cronbach's Alpha if Item Deleted.
Số liệu minh họa: Cronbach's Alpha
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu cụ thể.
| Reliability Statistics | Cronbach's Alpha | N of Items |
|---|---|---|
| Thang đo Dịch vụ | 0.812 | 5 |
| Item-Total Statistics | Corrected Item-Total Correlation | Cronbach's Alpha if Item Deleted |
|---|---|---|
| DV1 | 0.584 | 0.774 |
| DV2 | 0.631 | 0.761 |
| DV3 | 0.492 | 0.797 |
| DV4 | 0.218 | 0.846 |
| DV5 | 0.557 | 0.780 |
Trong ví dụ này, Alpha chung là 0.812. DV4 có Corrected Item-Total Correlation là 0.218, thấp hơn 0.3. Nếu xóa DV4, Alpha tăng lên 0.846. Bạn vẫn cần xem nội dung biến DV4 trước khi loại. Có thể biến này được mã hóa ngược nhưng bạn chưa đảo chiều, hoặc nó đo một khía cạnh khác theo đúng mô hình lý thuyết.
Số liệu minh họa: EFA
| KMO and Bartlett's Test | Giá trị minh họa |
|---|---|
| Kaiser-Meyer-Olkin Measure of Sampling Adequacy | 0.781 |
| Approx. Chi-Square | 642.315 |
| df | 120 |
| Sig. | 0.000 |
| Total Variance Explained | Giá trị minh họa |
|---|---|
| Số nhân tố có Eigenvalue lớn hơn 1 | 4 |
| Cumulative % | 58.427 |
| Rotated Component Matrix | Nhân tố 1 | Nhân tố 2 | Nhân tố 3 |
|---|---|---|---|
| DV1 | 0.781 | 0.142 | 0.105 |
| DV2 | 0.746 | 0.188 | 0.121 |
| GC1 | 0.126 | 0.812 | 0.174 |
| GC2 | 0.204 | 0.774 | 0.196 |
| CL1 | 0.116 | 0.203 | 0.703 |
| CL2 | 0.182 | 0.165 | 0.681 |
KMO 0.781 vượt 0.5 và Bartlett's Test có Sig. 0.000, nên dữ liệu minh họa phù hợp để xem xét EFA theo tiêu chí của (Kaiser, 1974). Tổng phương sai trích là 58.427%, vượt mốc 50% thường được sử dụng theo (Hair và cộng sự, 2010). Khi đọc Rotated Component Matrix, bạn kiểm tra biến tập trung vào nhân tố nào, loading có đủ lớn không và có tải chéo đáng kể không.
Trong thực tế, EFA hiếm khi ra đẹp ở lần chạy đầu. Loại biến, chạy lại và ghi lại từng vòng loại là chuyện bình thường. Bạn nên giữ một bảng theo dõi gồm mã biến, lý do loại, giá trị loading hoặc corrected item-total correlation và phiên bản output tương ứng.
Khi xử lý dữ liệu không đạt thì xử lý thế nào
Bước đầu tiên là kiểm tra lỗi nhập liệu. Mở Variable View và xem biến có đang ở dạng Numeric không, các giá trị Likert có nằm trong khoảng đã thiết kế không, và biến đảo chiều đã được xử lý chưa. Nếu bảng hỏi dùng thang 1 đến 5, một giá trị 55 thường là lỗi mã hóa chứ không phải một quan sát đặc biệt.
Bước thứ hai là kiểm tra câu trả lời thiếu. Bạn cần quyết định trước tiêu chí loại một dòng, chẳng hạn dòng bỏ trống quá nhiều biến hoặc không hoàn thành phần sàng lọc. Không nên xóa hàng loạt chỉ vì một vài ô trống làm bảng kết quả đẹp hơn. Hãy ghi số quan sát ban đầu, số bị loại và số còn lại sau làm sạch.
Bước thứ ba là xem lại biến có chỉ số thấp. Với Alpha, kiểm tra Corrected Item-Total Correlation và nội dung biến. Với EFA, kiểm tra loading, tải chéo và sự phù hợp với khái niệm lý thuyết. Một biến có loading thấp có thể cần loại, nhưng việc loại phải có lý do phương pháp, không chỉ vì muốn tăng một con số.
Bước thứ tư là chạy lại phân tích sau mỗi thay đổi có kiểm soát. Không loại cùng lúc nhiều biến nếu bạn chưa biết biến nào gây vấn đề. Sau mỗi vòng, lưu output và cập nhật bảng nhật ký xử lý. Nếu loại biến làm thay đổi cấu trúc thang đo, bạn cần đối chiếu lại mô hình và phần giả thuyết.
Có những trường hợp phần mềm không thể sửa được vấn đề. Nếu dữ liệu bị thu sai đối tượng, quá nhiều dòng trả lời theo một mẫu lặp lại hoặc một biến quan trọng bị bỏ khỏi bảng hỏi, bạn cần báo cáo trung thực với giảng viên. Chạy lại nhiều lần không biến dữ liệu kém chất lượng thành dữ liệu tốt.
Nếu vấn đề bạn gặp là các biến nhảy sang nhóm khác trong EFA, hãy xem hướng dẫn về ma trận xoay. Nếu đề tài cần SEM với AMOS, bạn cũng nên phân biệt quy trình CB-SEM và PLS-SEM trước khi chọn phần mềm, thay vì đưa các chỉ số CFI, TLI, RMSEA vào một báo cáo SmartPLS.
Phân biệt xử lý dữ liệu với phân tích dữ liệu
Xử lý dữ liệu là khâu rộng hơn thao tác chạy một kiểm định. Nó bao gồm làm sạch, mã hóa, chuẩn hóa cấu trúc file, tạo biến và chuẩn bị dữ liệu. Phân tích dữ liệu là phần dùng các thủ tục thống kê để trả lời câu hỏi nghiên cứu, chẳng hạn chạy hồi quy, EFA hoặc kiểm định sự khác biệt.
Ví dụ, đổi biến giới tính từ chữ “Nam”, “Nữ” sang mã số 1 và 2 là xử lý dữ liệu. Tính tần suất của biến giới tính là thống kê mô tả. So sánh điểm trung bình giữa hai nhóm giới tính bằng Independent-Samples T Test là phân tích dữ liệu.
Bạn cũng cần phân biệt xử lý dữ liệu với nhập liệu. Nhập liệu chỉ là đưa câu trả lời vào một cấu trúc mà phần mềm đọc được. Sau khi nhập, bạn vẫn phải kiểm tra tên biến, missing value, mã đảo chiều, outlier và tính hợp lý của từng cột.
SPSS, Stata, AMOS và R cũng không thay thế cho quy trình tư duy này. SPSS thuận tiện với menu và output quen thuộc trong luận văn Việt Nam. Phần mềm Stata phù hợp với nhiều phân tích kinh tế lượng và dữ liệu dạng panel. AMOS thường được dùng cho CB-SEM. Công cụ nào cũng cần dữ liệu đầu vào đúng và tiêu chí báo cáo rõ.
Lỗi thường gặp
Lỗi đầu tiên là đặt tên biến có dấu, có khoảng trắng hoặc quá dài. Hãy dùng mã ngắn như DV1, DV2, YD1, sau đó ghi nội dung đầy đủ ở phần Label. Cách này giúp bảng output dễ đọc và giảm lỗi khi chọn biến.
Lỗi thứ hai là nhập cả câu trả lời dạng chữ vào một biến cần tính toán. Nếu biến quan sát là “Hoàn toàn không đồng ý” đến “Hoàn toàn đồng ý”, bạn nên quy đổi thành mã số theo một quy tắc thống nhất và ghi quy tắc đó trong tài liệu xử lý.
Lỗi thứ ba là quên đảo chiều biến. Với một biến phủ định trong thang 1 đến 5, công thức đảo thường là 6 - giá trị gốc. Tuy nhiên, chỉ áp dụng khi bảng hỏi và thiết kế thang đo thực sự yêu cầu. Đừng đảo mọi biến có câu chữ khác với các biến còn lại.
Lỗi thứ tư là xóa biến ngay khi Alpha tăng. Alpha cao hơn chưa đủ chứng minh thang đo tốt nếu việc xóa làm mất một nội dung quan trọng. Bạn cần kết hợp kết quả thống kê với định nghĩa khái niệm, nguồn thang đo và mô hình nghiên cứu.
Lỗi thứ năm là chép số trong output vào luận văn nhưng không lưu phiên bản file dữ liệu tương ứng. Hãy đặt tên file theo vòng xử lý, giữ file gốc ở chế độ chỉ đọc và ghi ngày thay đổi. Khi giảng viên hỏi vì sao cỡ mẫu giảm hoặc vì sao một biến không còn trong EFA, bạn có thể mở lại quy trình thay vì đoán.
Câu hỏi thường gặp
Xử lý dữ liệu là gì trong SPSS?
Đó là quá trình chuẩn bị và kiểm tra dữ liệu trước, trong và sau khi chạy các phân tích trên SPSS. Công việc gồm làm sạch file, mã hóa biến, xử lý biến đảo chiều, kiểm tra dữ liệu thiếu, chạy kiểm định và diễn giải output.
Xử lý dữ liệu bao nhiêu là đạt?
Không có một ngưỡng chung cho toàn bộ quá trình. Bạn cần xem từng chỉ số, chẳng hạn Alpha, Corrected Item-Total Correlation, KMO, Bartlett's Test, tổng phương sai trích hoặc factor loading, rồi đối chiếu với nguồn phù hợp trong phương pháp nghiên cứu.
Dữ liệu bị thiếu thì làm sao?
Trước hết xác định dữ liệu thiếu xuất hiện ở vài ô hay cả một dòng. Sau đó áp dụng tiêu chí đã định trước để giữ, loại dòng hoặc xử lý missing value. Bạn cần ghi lại số lượng và lý do thay đổi, không tự ý xóa các dòng khiến kết quả phù hợp hơn.
Cronbach's Alpha thấp thì có nên xóa biến ngay không?
Chưa nên. Hãy kiểm tra Corrected Item-Total Correlation, Cronbach's Alpha if Item Deleted, nội dung biến và khả năng mã hóa ngược. Nếu có cơ sở loại, chạy lại thang đo và ghi rõ biến nào bị loại, vì sao và Alpha thay đổi thế nào.
Có thể xử lý dữ liệu bằng Excel thay cho SPSS không?
Excel phù hợp để kiểm tra sơ bộ, đổi định dạng và phát hiện một số lỗi nhập liệu. Với các phân tích như EFA, hồi quy hoặc kiểm định thang đo, SPSS giúp tạo output có cấu trúc quen thuộc hơn cho luận văn. Bạn có thể chuẩn bị file trong Excel rồi lưu dạng .xlsx hoặc .csv để nhập vào SPSS.
Bạn hãy mở bản sao của file dữ liệu, kiểm tra Variable View, lập nhật ký thay đổi, sau đó chạy lần lượt mô tả, độ tin cậy và EFA trước khi chuyển sang mô hình chính; nếu cần chạy phân tích trên chính file .sav hoặc .csv của bạn, xem M4 phân tích dữ liệu.