SPSS tính đúng trên dữ liệu bẩn vẫn cho ra kết quả sai. Làm sạch là bước quyết định 250 phiếu của bạn có dùng được hay không.
Hình dung một cuốn sổ điểm. Mỗi học sinh một dòng, mỗi môn một cột. File dữ liệu khảo sát y hệt: 1 dòng = 1 đáp viên (quan sát), 1 cột = 1 biến quan sát hoặc một biến nhân khẩu. Tên cột và ý nghĩa từng mã nằm trong bảng mã bạn dựng ở bài 04.
| ID | Sàng lọc | X1.1 | X1.2 | … | Y.4 | Ghi chú |
|---|---|---|---|---|---|---|
| R001 | Đã từng xem | 4 | 5 | … | 4 | bình thường |
| R002 | Đã từng xem | 3 | 3 | … | 3 | 24 câu đều 3 |
| R003 | Chưa từng | 5 | 4 | … | 5 | trượt sàng lọc |
| R004 | Đã từng xem | 2 | … | có ô trống |
Dữ liệu thô là file tải về từ Google Forms. Nó có cột "Dấu thời gian", tiêu đề cột là nguyên văn câu hỏi, và tùy dạng câu hỏi mà ô chứa số (dạng thang tuyến tính) hoặc chữ như "Đồng ý" (dạng lưới) - chữ thì phải mã hóa lại thành 1–5. Quy tắc số một: lưu một bản thô, khóa lại, không bao giờ sửa. Mọi thao tác làm trên bản sao.
Làm sạch giống nhặt sạn trước khi nấu gạo. Bạn không chọn hạt nào ngon, chỉ bỏ thứ không phải gạo. Quy tắc loại phải viết ra trước khi xem kết quả phân tích - nếu không, bạn sẽ vô tình loại những phiếu "làm xấu" giả thuyết.
Bảng hỏi của bạn có hai nguồn thiếu do thiết kế, không phải do đáp viên lười:
Nếu bạn áp quy tắc "thiếu từ 3 câu trở lên thì loại phiếu" cho toàn bộ 24 câu, bạn sẽ xóa gần như toàn bộ nhóm chưa đọc đánh giá - tức là loại người theo đúng biến X4. Mẫu còn lại chỉ gồm người đã đọc đánh giá, và kết luận về "đánh giá khách hàng ảnh hưởng đến ý định mua" trở nên vô nghĩa vì mẫu đã bị chọn theo chính biến đó. Đây là chệch chọn mẫu nằm trong dữ liệu, không phải trong cách chọn người.
Và lời khuyên "đặt 24 câu ở chế độ bắt buộc" không cứu được trường hợp này - nó chỉ ép người chưa đọc đánh giá bịa ra một mức điểm, tệ hơn là để trống.
| Việc | Cách làm |
|---|---|
| Mã hóa "Không đủ thông tin" | Gán một mã riêng, ví dụ 9, rồi khai báo 9 là giá trị thiếu ở cột Missing trong Variable View. Nhờ vậy phân biệt được "không có căn cứ" (9) với "bỏ trống" (ô trống). |
| Quy tắc loại phiếu | Xét riêng nhánh R2. Với nhóm chưa đọc đánh giá, đừng tính DG vào số câu thiếu. |
| Biết trước n sẽ tụt | EFA và hồi quy trong SPSS mặc định loại cả dòng có ô thiếu (listwise). n = 250 lúc làm sạch có thể thành 214 lúc hồi quy. Luôn ghi lại n ở từng bảng. |
| Điểm trung bình biến | Dùng MEAN.3(...) hoặc đặt số câu tối thiểu, để một người thiếu 1 câu vẫn có điểm. Không dùng MEAN trần khi có ô thiếu. |
| Nhóm chưa đọc đánh giá | Hỏi GVHD trước khi thu thập. Hai hướng thường gặp: (a) phân tích DG trên nhóm con đã đọc đánh giá và nói rõ; (b) đổi thiết kế form để mọi người đều thấy phần đánh giá. Không tự quyết. |
Giá trị thiếu là ô trống; SPSS hiện bằng dấu chấm. Cám dỗ lớn là điền trung bình vào. Hình dung lớp có 10 bạn quên khai chiều cao, bạn điền cho cả 10 đúng chiều cao trung bình. Lớp trông đồng đều hơn thực tế. Đó là cái chệch: phương sai bị thu nhỏ, kéo theo tương quan và hệ số hồi quy bị méo. Cách an toàn hơn: phiếu thiếu nhiều thì loại theo bước 3, ô thiếu lẻ tẻ thì để trống và báo cáo.
Câu hỏi đảo là câu viết ngược chiều, ví dụ "Thông tin trên trang sản phẩm khiến tôi khó hiểu". Đồng ý mạnh (5) ở câu này nghĩa là đánh giá thấp. Trước khi phân tích phải đảo điểm: điểm mới = 6 − x với thang 5 điểm, nên 5 → 1, 4 → 2, 3 giữ nguyên. Tạo cột mới (ví dụ X1.3_R), giữ cột gốc. Quên đảo thì Cronbach's Alpha của biến đó sụt - bài 10 sẽ cho bạn thấy. Bảng hỏi của bạn chưa có câu đảo thì bỏ qua bước này, nhưng ghi rõ là không có.
Ngoại lai là giá trị lệch xa đám đông. Phân biệt hai loại. Lỗi nhập, như tuổi 220 hay điểm Likert 7 (số liệu giả lập): sửa theo phiếu gốc hoặc loại, có ghi lại. Giá trị thật nhưng hiếm, như một đáp viên chấm 1 cho mọi câu về DTC: giữ lại. Không được xóa một phiếu chỉ vì nó làm kết quả xấu - đó là vấn đề liêm chính, xem bài 17.
Một file ghi mọi thao tác: ngày, bước, quy tắc, ID phiếu bị loại hoặc sửa, lý do. Hội đồng hỏi "vì sao 300 phiếu còn 250?", bạn mở nhật ký đọc ra. Không có nhật ký, câu trả lời là "em không nhớ" - và hội đồng sẽ nghi.
Mở KLTN_CHINH_SUA_DOT_1.docx, Chương 3, phần phương pháp xử lý dữ liệu. Viết một bảng
quy trình làm sạch 5 bước, mỗi bước có cột "Quy tắc cụ thể" và "Ghi vào nhật ký gì":
Rồi viết sẵn mẫu câu báo cáo, để trống số vì bạn chưa khảo sát. Ở Chương 3 viết thì tương lai ("sẽ loại"); sang Chương 4 mới viết: "Tổng số phiếu thu về là [N]. Sau khi loại [a] phiếu không đạt câu sàng lọc, [b] phiếu trả lời một kiểu và [c] phiếu thiếu quá [k] câu, còn [n] phiếu hợp lệ được đưa vào phân tích."
Field, A., Discovering Statistics Using IBM SPSS Statistics, 6th ed., SAGE - chương về sai lệch trong dữ liệu (ngoại lai, giá trị thiếu). Trang nhà xuất bản. Field giải thích dễ hiểu vì sao ngoại lai và cách xử lý ô thiếu làm méo kết quả. Đọc chọn mục.
Tôi là giáo viên của bạn trong khóa này. Nếu chưa chắc một phiếu nên giữ hay loại, mô tả phiếu đó cho tôi, ta cùng áp quy tắc. Hoặc nói "cho tôi một file giả lập 10 dòng để tập làm sạch".