Các chỉ số trong SPSS: Cách đọc kết quả khảo sát cho người mới

Sau khi thu thập câu trả lời từ Google Form và đưa dữ liệu vào SPSS, bạn có thể gặp hàng loạt bảng kết quả với những tên như Mean, Cronbach’s Alpha, KMO, Pearson hay R Square. Nếu chưa quen, bạn rất dễ chỉ tìm cột Sig. rồi kết luận kết quả “đạt” hoặc “không đạt”.

Thực tế, các chỉ số trong SPSS trả lời những câu hỏi khác nhau. Có chỉ số giúp mô tả câu trả lời, có chỉ số kiểm tra nhóm câu hỏi, có chỉ số cho biết mối liên hệ giữa các yếu tố.

Bài viết này của Dienform giúp bạn biết nên xem bảng nào, hiểu các con số thường gặp và tránh những cách đọc kết quả khảo sát SPSS dễ gây nhầm lẫn.

Các chỉ số trong SPSS dùng để làm gì?

Trước khi đọc kết quả, hãy xác định điều bạn muốn biết từ dữ liệu.

Ví dụ, với một form khảo sát trải nghiệm mua hàng, bạn có thể muốn trả lời:

• Có bao nhiêu người chọn từng mức đánh giá?
• Điểm hài lòng trung bình là bao nhiêu?
• Các câu hỏi về sự hài lòng có nhất quán với nhau không?
• Những câu hỏi trong form đang tạo thành những nhóm nào?
• Trải nghiệm giao hàng có liên quan đến sự hài lòng không?
• Khi xét nhiều yếu tố cùng lúc, yếu tố nào có liên hệ với sự hài lòng?

Bạn có thể dùng bảng dưới đây để chọn nhóm chỉ số cần đọc.

Câu hỏi cần trả lời	Nhóm phân tích	Chỉ số thường gặp
Có bao nhiêu câu trả lời được dùng?	Kiểm tra dữ liệu	N, Valid, Missing
Người trả lời thường chọn đáp án nào?	Thống kê mô tả	Frequency, Percent, Valid Percent
Điểm đánh giá trung bình là bao nhiêu?	Thống kê mô tả	Mean
Câu trả lời tập trung hay phân tán?	Thống kê mô tả	Std. Deviation
Các câu hỏi trong cùng một nhóm có nhất quán không?	Kiểm tra độ tin cậy	Cronbach’s Alpha, tương quan biến–tổng
Các câu hỏi có thể gom thành những nhóm nào?	Phân tích EFA	KMO, Bartlett, Factor Loading
Hai yếu tố có liên hệ với nhau không?	Phân tích tương quan	Pearson r, Sig.
Khi xét nhiều yếu tố cùng lúc, kết quả thay đổi thế nào?	Phân tích hồi quy	B, Beta, R², Adjusted R², Sig., VIF

Không phải form nào cũng cần chạy tất cả các phân tích trên. Nếu mục tiêu chỉ là tổng hợp ý kiến người tham gia, bảng tần suất, tỷ lệ và điểm trung bình có thể đã đáp ứng nhu cầu.

1. N, Valid và Missing: Có bao nhiêu câu trả lời được phân tích?

Đây là nhóm chỉ số nên kiểm tra đầu tiên.

• N: Số trường hợp được tính trong kết quả đang xem.
• Valid: Số trường hợp có dữ liệu hợp lệ cho câu hỏi hoặc phân tích đó.
• Missing: Số trường hợp bị thiếu dữ liệu.

Giả sử bạn có 200 lượt điền form nhưng chỉ 185 người trả lời câu hỏi về thu nhập. Với câu hỏi này:

Nội dung	Số lượng
Tổng số trường hợp	200
Có câu trả lời hợp lệ	185
Thiếu câu trả lời	15

Khi đọc bảng kết quả, cần biết SPSS đang tính trên 200 hay 185 trường hợp.

Ở những phân tích sử dụng nhiều câu hỏi cùng lúc, số trường hợp được đưa vào còn có thể giảm nếu SPSS loại các dòng thiếu dữ liệu theo cách bạn đã chọn.

Percent và Valid Percent khác nhau thế nào?

Trong bảng tần suất:

• Percent: Tỷ lệ tính trên toàn bộ trường hợp, bao gồm cả trường hợp thiếu dữ liệu.
• Valid Percent: Tỷ lệ tính trên những trường hợp có câu trả lời hợp lệ.

Nếu có 100 trường hợp, 10 trường hợp bỏ trống và 45 trường hợp chọn “Hài lòng”:

• Percent = 45/100 = 45%.
• Valid Percent = 45/90 = 50%.

Hai con số cùng đúng nhưng dùng mẫu số khác nhau. Khi viết báo cáo, hãy nói rõ tỷ lệ đang tính trên nhóm nào.

2. Mean và độ lệch chuẩn: Điểm trung bình có nói hết câu chuyện?

Mean là gì?

Mean là giá trị trung bình của các câu trả lời được đưa vào tính toán.

Ví dụ, câu hỏi “Bạn hài lòng với dịch vụ ở mức nào?” được chấm từ 1 đến 5:

Điểm	Ý nghĩa
1	Rất không hài lòng
2	Không hài lòng
3	Bình thường
4	Hài lòng
5	Rất hài lòng

Nếu Mean = 3,8, bạn có thể viết:

Điểm hài lòng trung bình của nhóm tham gia khảo sát là 3,8 trên thang điểm 5.

Mean = 3,8/5 không đồng nghĩa với 76% người tham gia hài lòng. Muốn biết tỷ lệ hài lòng, bạn cần đếm số người chọn mức 4 và 5 rồi chia cho số câu trả lời hợp lệ.

Cũng cần kiểm tra cách gán mã trước khi tính trung bình. Những mã như “1 = Hà Nội, 2 = Đà Nẵng, 3 = TP.HCM” chỉ dùng để phân biệt nhóm; tính trung bình các mã này không có ý nghĩa thực tế.

Std. Deviation là gì?

Std. Deviation, hay độ lệch chuẩn, cho biết mức độ phân tán của câu trả lời quanh giá trị trung bình.

So sánh hai nhóm điểm:

• Nhóm A: 3, 3, 3, 3, 3.
• Nhóm B: 1, 2, 3, 4, 5.

Cả hai nhóm đều có Mean = 3. Tuy nhiên, nhóm A trả lời giống nhau hoàn toàn, còn nhóm B có ý kiến trải rộng từ mức thấp nhất đến cao nhất.

Vì vậy, khi đọc kết quả khảo sát SPSS, nên xem Mean cùng độ lệch chuẩn và tỷ lệ từng mức trả lời. Chỉ nhìn điểm trung bình có thể bỏ qua sự khác biệt giữa các nhóm ý kiến.

3. Cronbach’s Alpha: Các câu hỏi trong cùng một nhóm có nhất quán không?

Giả sử form có ba câu hỏi:

1. Tôi hài lòng với trải nghiệm mua hàng.
2. Trải nghiệm mua hàng đáp ứng mong đợi của tôi.
3. Nhìn chung, tôi đánh giá tốt trải nghiệm mua hàng.

Nếu bạn dự định dùng cả ba câu để đo sự hài lòng, Cronbach’s Alpha giúp xem mức độ nhất quán giữa các câu hỏi trong nhóm đó. IBM mô tả Alpha là chỉ số về tính nhất quán bên trong, dựa trên tương quan giữa các câu hỏi. ibm.com

Cronbach’s Alpha bao nhiêu là tốt?

Mốc 0,7 thường được dùng để tham khảo trong nhiều nghiên cứu. Tuy nhiên, không nên áp dụng một ngưỡng duy nhất cho mọi trường hợp.

Cách đánh giá còn phụ thuộc vào mục đích đo lường, số câu hỏi, đặc điểm người tham gia và nghiên cứu trước đó.

Bạn cũng cần nhớ:

• Alpha cao không tự chứng minh các câu hỏi đo đúng điều cần đo.
• Alpha rất cao có thể xuất hiện khi các câu hỏi có nội dung quá giống nhau.
• Không nên gom mọi câu hỏi trong form vào một lần chạy Alpha.

Ví dụ, tuổi, thu nhập, sự hài lòng và ý định mua lại không phải một nhóm đo lường chỉ vì chúng xuất hiện trong cùng một form.

Hai cột thường xem cùng Cronbach’s Alpha

Chỉ số	Cách hiểu đơn giản
Corrected Item-Total Correlation	Mức liên hệ giữa một câu hỏi với tổng điểm của các câu còn lại trong nhóm
Cronbach’s Alpha if Item Deleted	Alpha của nhóm nếu bỏ câu hỏi đang xét

Nếu một câu có mức liên hệ thấp với các câu còn lại, hãy kiểm tra nội dung, cách gán mã và câu hỏi diễn đạt ngược chiều.

Không nên xóa câu hỏi chỉ vì việc xóa làm Alpha tăng. Quyết định giữ hay bỏ còn cần dựa vào nội dung mà nhóm câu hỏi phải đo.

4. KMO, Bartlett và EFA: Các câu hỏi tạo thành những nhóm nào?

EFA là phân tích nhân tố khám phá, thường dùng để tìm cấu trúc nhóm trong một tập hợp câu hỏi.

Ví dụ, bạn có 12 câu hỏi về trải nghiệm mua hàng. Kết quả phân tích có thể gợi ý ba nhóm liên quan đến:

• Chất lượng sản phẩm.
• Trải nghiệm giao hàng.
• Hỗ trợ khách hàng.

Các nhóm này cần được đối chiếu với nội dung câu hỏi và cơ sở nghiên cứu. Tên nhóm do người phân tích đặt dựa trên ý nghĩa của các câu hỏi.

KMO và Bartlett cho biết điều gì?

Chỉ số	Ý nghĩa
KMO	Hỗ trợ đánh giá dữ liệu có phù hợp để tìm các nhóm nhân tố hay không
Bartlett’s Test	Kiểm tra giả thuyết rằng ma trận tương quan là ma trận đơn vị, tức các câu hỏi không tương quan với nhau theo cách cần thiết cho phân tích

Theo tài liệu IBM, đây là các kiểm tra được cung cấp trong phần phân tích nhân tố của SPSS. ibm.com

Trong nhiều hướng dẫn nhập môn, KMO từ 0,5 trở lên và Sig. của Bartlett nhỏ hơn 0,05 được dùng làm điều kiện tham khảo ban đầu.

Tuy nhiên, hai điều kiện này chưa đủ để kết luận toàn bộ kết quả EFA phù hợp. Bạn vẫn phải xem cách chọn số nhóm, phương pháp phân tích và các câu hỏi nằm trong từng nhóm.

Factor Loading là gì?

Factor Loading, hay hệ số tải, thể hiện mức liên hệ giữa câu hỏi và nhân tố.

Ví dụ minh họa:

Câu hỏi	Nhóm giao hàng	Nhóm hỗ trợ
Đơn hàng được giao đúng hẹn	0,81	0,14
Thời gian giao hàng đáp ứng mong đợi	0,77	0,19
Nhân viên hỗ trợ giải đáp rõ ràng	0,12	0,84

Hai câu đầu có mức liên hệ cao hơn với nhóm giao hàng. Câu cuối có mức liên hệ cao hơn với nhóm hỗ trợ.

Nếu một câu liên hệ mạnh với nhiều nhóm cùng lúc, bạn cần xem lại câu đó có đang hỏi nhiều ý hoặc có nội dung chưa rõ ràng hay không.

Không nên chỉ tìm một mốc hệ số tải rồi giữ hoặc loại câu hỏi một cách máy móc. Kết quả còn phụ thuộc vào cỡ mẫu, cách trích nhân tố và cách xoay.

5. Pearson r: Hai yếu tố có liên hệ với nhau không?

Hệ số tương quan Pearson r mô tả chiều và mức độ liên hệ tuyến tính giữa hai biến. Giá trị nằm trong khoảng từ −1 đến 1.

Giá trị r	Cách hiểu
Lớn hơn 0	Hai biến có xu hướng tăng cùng nhau
Nhỏ hơn 0	Một biến tăng thì biến còn lại có xu hướng giảm
Gần 0	Liên hệ tuyến tính yếu hoặc không rõ
Càng gần −1 hoặc 1	Liên hệ tuyến tính càng mạnh

Ví dụ, r = 0,62 giữa điểm trải nghiệm giao hàng và điểm hài lòng cho thấy người đánh giá giao hàng cao thường cũng đánh giá sự hài lòng cao.

Nhưng kết quả này chưa chứng minh trải nghiệm giao hàng gây ra sự hài lòng. Hai yếu tố có thể còn liên quan đến chất lượng sản phẩm, mức giá hoặc những yếu tố khác.

Trước khi diễn giải Pearson, nên xem dạng dữ liệu, biểu đồ phân tán và các điểm bất thường. Hai biến có thể có quan hệ theo đường cong nhưng r vẫn gần 0.

6. R², B, Beta và VIF: Đọc kết quả hồi quy thế nào?

Hồi quy giúp xem xét mối liên hệ giữa kết quả cần phân tích và một hoặc nhiều yếu tố được đưa vào mô hình.

Ví dụ, bạn muốn xem điểm hài lòng liên hệ như thế nào với:

• Chất lượng sản phẩm.
• Trải nghiệm giao hàng.
• Hỗ trợ khách hàng.

Trong kết quả hồi quy tuyến tính của SPSS, các bảng thường gặp gồm Model Summary, ANOVA và Coefficients. ibm.com

R Square và Adjusted R Square

R Square, hay R², thể hiện tỷ lệ biến thiên của kết quả được mô hình giải thích trong dữ liệu đang phân tích.

Nếu R² = 0,42, có thể diễn giải:

Mô hình giải thích khoảng 42% sự biến thiên của điểm hài lòng trong dữ liệu phân tích.

Con số này không có nghĩa:

• Mô hình đúng 42%.
• Có 42% người hài lòng.
• Các yếu tố đã được chứng minh là nguyên nhân.

Adjusted R Square là R² đã điều chỉnh theo số yếu tố trong mô hình và cỡ mẫu. Chỉ số này hữu ích khi xem xét các mô hình có mức độ phức tạp khác nhau, nhưng không tự chứng minh mô hình dự báo tốt trên dữ liệu mới.

B và Beta khác nhau thế nào?

Chỉ số	Ý nghĩa
B	Mức thay đổi ước tính của kết quả khi yếu tố tăng một đơn vị, giữ các yếu tố khác trong mô hình không đổi
Beta	Hệ số đã chuẩn hóa, thể hiện mối liên hệ theo đơn vị độ lệch chuẩn

Ví dụ, nếu B của điểm trải nghiệm giao hàng bằng 0,35:

Khi điểm trải nghiệm giao hàng tăng một điểm, điểm hài lòng được mô hình ước tính tăng trung bình 0,35 điểm, với các yếu tố khác trong mô hình được giữ không đổi.

Nếu Beta = 0,40, không nên viết “giao hàng làm sự hài lòng tăng 40%”. Beta không phải tỷ lệ phần trăm.

VIF dùng để làm gì?

VIF giúp kiểm tra tình trạng các yếu tố dùng để giải thích có liên hệ quá mạnh với nhau, còn gọi là đa cộng tuyến.

Khi tình trạng này nghiêm trọng, việc tách riêng mối liên hệ của từng yếu tố với kết quả có thể thiếu ổn định.

SPSS cung cấp VIF và Tolerance trong các thống kê chẩn đoán hồi quy. Tuy nhiên, đánh giá mô hình còn cần xem phần dư, điểm bất thường và các giả định phù hợp; chỉ xem R², Sig. và VIF là chưa đủ. ibm.com

7. Sig. trong SPSS: Có phải nhỏ hơn 0,05 là kết quả tốt?

Sig. thường là giá trị p của một kiểm định cụ thể. Bạn phải biết mình đang đọc kiểm định nào trước khi diễn giải.

Ví dụ:

• Sig. trong bảng tương quan liên quan đến kiểm định hệ số tương quan.
• Sig. của Bartlett liên quan đến kiểm định phục vụ phân tích nhân tố.
• Sig. của một hệ số hồi quy liên quan đến hệ số đó, trong mô hình đang xét.

Nếu chọn mức ý nghĩa 0,05 từ trước, p nhỏ hơn 0,05 thường được dùng để bác bỏ giả thuyết không của kiểm định tương ứng, với điều kiện các giả định được đáp ứng.

Tuy nhiên, p nhỏ không cho biết mối liên hệ mạnh hay yếu, quan trọng đến đâu hoặc giả thuyết nghiên cứu có bao nhiêu phần trăm khả năng đúng. Hiệp hội Thống kê Hoa Kỳ nhấn mạnh rằng kết luận không nên chỉ dựa vào việc p vượt qua một ngưỡng. amstat.org

SPSS hiển thị Sig. = 0,000 thì ghi thế nào?

Đây là cách hiển thị sau khi làm tròn, không có nghĩa xác suất bằng 0 tuyệt đối.

Trong trường hợp SPSS hiển thị ba chữ số thập phân, bạn thường báo cáo:

p < 0,001.

Khi trình bày kết quả, hãy kết hợp p với hệ số, khoảng tin cậy và ý nghĩa thực tế của vấn đề đang nghiên cứu.

Ví dụ đọc kết quả khảo sát SPSS bằng một đoạn ngắn

Giả sử bạn đang học cách phân tích điểm hài lòng. Các con số dưới đây chỉ dùng để minh họa cách diễn giải, không phải kết quả từ một bộ dữ liệu thực tế.

Kết quả minh họa	Cách diễn giải
N hợp lệ = 200	Có 200 trường hợp được dùng trong phân tích đang xét
Mean hài lòng = 3,8/5	Điểm hài lòng trung bình là 3,8 trên thang 5
Cronbach’s Alpha = 0,82	Nhóm câu hỏi có mức nhất quán nội bộ tương đối tốt theo nhiều bối cảnh sử dụng
Pearson r = 0,56	Hai yếu tố có liên hệ tuyến tính cùng chiều
R² = 0,42	Mô hình giải thích khoảng 42% sự biến thiên của kết quả trong dữ liệu phân tích
B = 0,35	Yếu tố tăng một đơn vị gắn với kết quả tăng trung bình 0,35 đơn vị, giữ các yếu tố khác không đổi

Khi viết báo cáo thực tế, bạn cần bổ sung tên câu hỏi, cách tính điểm, số trường hợp, mức độ không chắc chắn và điều kiện của từng phân tích.

Dữ liệu từ Google Form và Dienform cần được hiểu trong bối cảnh nào?

Trước khi đọc các chỉ số trong SPSS, hãy xác định dữ liệu đến từ đâu.

Nếu câu trả lời do người tham gia khảo sát cung cấp, kết luận cần gắn với cách chọn người tham gia, nội dung câu hỏi và quá trình thu thập.

Nếu dùng điền form tự động để tạo dữ liệu kiểm thử hoặc thực hành, các con số phản ánh dữ liệu được tạo theo thiết lập. Chúng không đại diện cho ý kiến thực tế của khách hàng hay người tham gia nghiên cứu.

Với Dienform.com, bạn có thể sử dụng dữ liệu thực hành để làm quen với quy trình kiểm tra câu trả lời và phân tích. Khi lưu file, nên ghi rõ nhãn “dữ liệu mô phỏng” để tránh nhầm với dữ liệu khảo sát thực tế.

Một điểm cần nhớ: tỷ lệ đáp án của từng câu không quyết định đầy đủ kết quả Alpha, tương quan hay hồi quy. Những phân tích này còn phụ thuộc vào cách các câu trả lời xuất hiện cùng nhau trên từng dòng dữ liệu.

Tìm “dienform.com” có giúp phân tích SPSS không?

Nếu bạn tìm “dienform.com” để sử dụng công cụ điền form, cần phân biệt hai bước: tạo câu trả lời trên Google Form và phân tích dữ liệu bằng SPSS.

Sau khi có dữ liệu, bạn cần kiểm tra câu trả lời bị bỏ trống, bảo đảm các mức đánh giá được đổi thành số đúng thứ tự và chọn cách phân tích phù hợp. Có nhiều lượt điền form chưa đủ để bảo đảm kết quả phân tích đáng tin cậy.

Những lỗi thường gặp khi đọc các chỉ số trong SPSS

Lỗi thường gặp	Cách đọc phù hợp hơn
Chỉ xem Sig. rồi kết luận	Xem thêm hệ số, khoảng tin cậy, giả định và bối cảnh
Hiểu Mean 4/5 là 80% hài lòng	Tính tỷ lệ người chọn các mức hài lòng nếu cần báo cáo phần trăm
Chạy Alpha cho toàn bộ form	Chia theo từng nhóm câu hỏi cùng đo một nội dung
Xóa câu hỏi chỉ để Alpha tăng	Kiểm tra nội dung, cách gán mã và mục tiêu đo lường
KMO và Bartlett phù hợp là kết luận EFA đã tốt	Xem tiếp cấu trúc nhóm, hệ số tải và cơ sở lựa chọn
Tương quan có ý nghĩa là có quan hệ nhân quả	Chỉ kết luận về mối liên hệ trong phạm vi phân tích
Beta = 0,4 nghĩa là tăng 40%	Diễn giải Beta theo đơn vị chuẩn hóa
Dùng dữ liệu mô phỏng để kết luận về người thật	Ghi rõ nguồn dữ liệu và giới hạn sử dụng

Câu hỏi thường gặp về các chỉ số trong SPSS

Form khảo sát nào cũng cần Cronbach’s Alpha và EFA không?

Không. Các phân tích này phù hợp với những mục tiêu đo lường nhất định. Form đăng ký, thu thập thông tin liên hệ hoặc tổng hợp lựa chọn đơn giản thường không cần chạy Alpha và EFA.

Có cần chạy đủ thống kê mô tả, EFA, tương quan và hồi quy không?

Không có một chuỗi phân tích bắt buộc cho mọi khảo sát. Hãy chọn phương pháp dựa trên câu hỏi cần trả lời, loại dữ liệu và cách thiết kế nghiên cứu.

Có thể dùng dữ liệu điền form tự động để học SPSS không?

Có thể dùng dữ liệu mô phỏng để học thao tác, đọc bảng kết quả và kiểm thử quy trình. Bạn cần ghi rõ đây là dữ liệu thực hành và không dùng nó để kết luận về ý kiến của một nhóm người thật.

Nên bắt đầu đọc kết quả SPSS từ đâu?

Hãy bắt đầu từ số trường hợp hợp lệ, dữ liệu thiếu và bảng thống kê mô tả. Sau khi hiểu dữ liệu, bạn mới đọc các phân tích phù hợp với mục tiêu của mình.

Thực hành đọc SPSS từ một bộ dữ liệu đơn giản

Bạn có thể bắt đầu với một file thực hành có vài câu hỏi chấm điểm từ 1 đến 5. Trước tiên, kiểm tra số câu trả lời hợp lệ, tỷ lệ từng mức, Mean và độ lệch chuẩn. Sau đó mới thử các phân tích khác khi đã hiểu mục đích của chúng.

Nếu sử dụng Dienform để chuẩn bị câu trả lời kiểm thử, hãy gắn nhãn dữ liệu mô phỏng ngay từ đầu và giữ riêng với dữ liệu khảo sát thực tế.

Khám phá Dienform.com để chuẩn bị dữ liệu kiểm thử và thực hành quy trình từ Google Form đến SPSS.