Skip to content

← Blog

◆ Phương pháp nghiên cứu

Cách xử lý số liệu SPSS cho khoá luận gồm những bước nào?

+5 câu hỏi+1 hình+20 phút đọc

Tác giả: Đỗ Mai Anh
Cập nhật lần cuối: 2026-10-31
Chuyên mục: research-methods

Hai tình huống giá trị thiếu trong ví dụ của bài: 8 ca bỏ trống và 40 ca bỏ trống
Ví dụ trong bài viết này.


Trả lời thẳng: Cách xử lý số liệu SPSS cho khoá luận đi theo bảy bước theo thứ tự cố định: lập bảng mã, nhập và đối chiếu, lọc phiếu trả lời cẩu thả, đảo mã câu hỏi ngược, xử lý giá trị ngoài khoảng và ngoại lai, xử lý ô trống, rồi mới tính biến tổng cùng độ tin cậy. Đổi thứ tự thì kết quả đổi theo, nên bạn cần ghi lại từng bước.


Cách xử lý số liệu SPSS bắt đầu từ đâu, và vì sao thứ tự lại quan trọng?

Trả lời thẳng: Bắt đầu từ bảng mã và bản sao lưu, chưa phải từ menu của SPSS. Thứ tự quan trọng vì mỗi bước làm thay đổi số ca mà bước sau nhìn thấy: lọc phiếu cẩu thả trước thì ô trống và ngoại lai được đếm trên tập phiếu đã đáng tin hơn. Vì vậy bạn cần ghi lại từng bước đã làm.

Số liệu thiếu và số liệu lệch là chuyện của mọi nghiên cứu chứ không riêng sinh viên. Bell và cộng sự (2014) rà soát 77 thử nghiệm ngẫu nhiên đăng trên BMJ, JAMA, Lancet và New England Journal of Medicine nửa cuối năm 2013 và thấy 73 bài (95%) báo cáo có dữ liệu kết quả bị thiếu, với trung vị 9% số người tham gia thiếu kết quả. Nhóm tác giả kết luận rằng "Missing outcome data continues to be a common problem in RCTs" (Bell và cộng sự, 2014). Nếu các tạp chí hàng đầu còn gặp chuyện này, bộ số liệu khảo sát của bạn gần như chắc chắn cũng có.

Kwak và Kim (2017) nhấn mạnh hệ quả thực tế: "the results of data analysis are considerably dependent on the ways in which the missing values and outliers are processed". Vì kết quả phụ thuộc vào cách xử lý, hội đồng có quyền hỏi bạn đã làm gì và vì sao. Bảng dưới đây là khung bảy bước mà các phần sau của bài đi qua theo đúng trình tự, kèm bằng chứng nghiên cứu cho từng bước.

Bước Việc cần làm Công cụ trong SPSS Bằng chứng ở phần nào
1 Lập bảng mã, sao lưu bản gốc Variable View, Save As Phần này
2 Nhập liệu và đối chiếu Frequencies, Identify Duplicate Cases Phần nhập liệu
3 Lọc phiếu trả lời cẩu thả Compute với hàm SD, câu kiểm tra chú ý Phần lọc phiếu
4 Đảo mã câu hỏi ngược Recode into Different Variables Phần đảo mã
5 Xử lý ngoài khoảng và ngoại lai Explore, boxplot Phần ngoại lai
6 Xử lý ô trống Frequencies, Missing Value Analysis Phần ô trống
7 Tính biến tổng và Cronbach's alpha Compute, Reliability Phần cuối

Nguồn: tổng hợp của MAAS từ Bell và cộng sự (2014) và Kwak và Kim (2017), đọc ngày 31/10/2026.

Trước bước 1, hãy lưu một bản dữ liệu gốc không chạm vào. Nếu bạn chưa quen với phần mềm SPSS, bài SPSS là gì giới thiệu giao diện và cách đọc Data View cùng Variable View.


Nhập liệu thủ công sai nhiều đến mức nào, và đối chiếu thế nào trong cách xử lý số liệu SPSS?

Trả lời thẳng: Sai sót nhập tay có thật nhưng nhỏ nếu đối chiếu bằng nhập kép. Nghiên cứu ở một bệnh viện Na Uy đo được 4,18 lỗi trên mỗi 10.000 ô khi hai người nhập kép, MAAS gợi ý rằng với khoá luận, đối chiếu ngẫu nhiên một phần phiếu thường đủ để phát hiện lỗi hệ thống, và đây là gợi ý của MAAS chứ không phải kết quả của nghiên cứu.

Paulsen và cộng sự (2020) so sánh nhập kép bằng tay với quét tự động trên 448 bảng hỏi của 255 bệnh nhân thay khớp tại Bệnh viện Đại học Stavanger giai đoạn 2014 đến 2017. Với các ô đánh dấu, tỉ lệ sai của quét quang học là 3,52 trên 10.000 ô, còn của nhập kép là 4,18 trên 10.000 ô, và hai con số này không khác nhau có ý nghĩa thống kê (p = 0,61). Ở ô EQ-VAS, nơi người trả lời tự điền số, quét tự động sai 3,51% so với 0,04% của quét ô đánh dấu (Paulsen và cộng sự, 2020). Từ kết quả ở ô EQ-VAS có thể suy ra rằng ô điền số bằng tay dễ sai hơn ô đánh dấu, nên các giá trị như tuổi, thu nhập hay số năm kinh nghiệm đáng được đối chiếu kỹ hơn.

Ví dụ do MAAS tính để dễ hình dung: một khảo sát giấy 300 phiếu, 40 câu mỗi phiếu có 12.000 ô, và theo tỉ lệ 4,18 trên 10.000 ô thì kỳ vọng khoảng 5 ô sai sau nhập kép. Con số này nhỏ so với một lỗi hệ thống như gõ lệch cột, vốn có thể làm sai cả trăm ô cùng lúc.

Cách xử lý số liệu SPSS ở bước này gồm ba việc. Việc thứ nhất là chạy Analyze, Descriptive Statistics, Frequencies cho mọi biến để xem Minimum và Maximum, vì giá trị nằm ngoài thang đo lộ ra ngay ở đây. Việc thứ hai là dùng Data, Identify Duplicate Cases để tìm phiếu bị nhập hai lần. Việc thứ ba là nhờ một bạn học nhập lại ngẫu nhiên khoảng một phần năm số phiếu rồi so hai bản, ví dụ bằng cách nhập vào hai tệp rồi dùng Compare Datasets hoặc đối chiếu cột bằng Excel.


Làm sao lọc phiếu trả lời cẩu thả trước khi chạy bất kỳ thống kê nào?

Trả lời thẳng: Dùng câu kiểm tra chú ý cài sẵn trong bảng hỏi, rồi bổ sung bằng chỉ số chọn một đáp án liên tục. Nghiên cứu trên 5.809 sinh viên cho thấy loại ngay phiếu trượt một câu kiểm tra là quá tay, còn loại phiếu trượt từ hai câu trở lên là cân bằng hơn.

Braitman và cộng sự (2025) khảo sát 5.809 sinh viên ở sáu trường đại học với bốn câu kiểm tra chú ý rải trong bảng hỏi dài khoảng một giờ. Kết quả là 69,6% (4.035 người) không trượt câu nào, 16,2% trượt một câu, 6,9% trượt hai câu, 5,2% trượt ba câu và 2,2% trượt cả bốn câu. Nhóm tác giả cảnh báo rằng "omitting participants from analyses who evidence any careless responding may bias the sample demographics" (Braitman và cộng sự, 2025), vì tỉ lệ trượt khác nhau giữa các nhóm sinh viên. Họ khuyến nghị giữ người chỉ trượt một câu và loại người trượt từ hai câu.

Ertuna và cộng sự (2026) cho ra một tỉ lệ thấp hơn về cùng hiện tượng trên mẫu 1.112 sinh viên Thổ Nhĩ Kỳ làm bảng hỏi giấy: một câu có hướng dẫn chọn sẵn đáp án đã nhận diện 126 người (11,33%) là cẩu thả, và hai chỉ số bổ sung là longstring (chuỗi đáp án giống hệt nhau dài nhất) cùng độ nhất quán chẵn lẻ cho kết quả hội tụ với phép phân loại đó. Hai nghiên cứu cùng cho thấy trong mẫu sinh viên, tỉ lệ phiếu có dấu hiệu trả lời cẩu thả dao động từ 11,33% đến 30,4% tuỳ cách đo và tuỳ mẫu.

Khi áp dụng cách xử lý số liệu SPSS cho bảng hỏi của bạn, hãy cài một câu kiểm tra kiểu "Ở câu này vui lòng chọn mức 4". Sau khi thu phiếu, bạn có thể thêm một biến kiểm tra bằng Transform, Compute Variable với công thức SD(c1 TO c20), tức độ lệch chuẩn của một người qua 20 câu. Giá trị bằng 0 nghĩa là người đó chọn cùng một mức cho mọi câu. Đây là cách MAAS gợi ý để làm quen, chưa phải ngưỡng của nghiên cứu nào, nên bạn ghi rõ ngưỡng mình dùng trong chương phương pháp.


Câu hỏi ngược phải đảo mã thế nào, và đảo xong có thay đổi kết quả không?

Trả lời thẳng: Đảo mã bằng Recode into Different Variables, giữ nguyên biến gốc và đặt tên biến mới có hậu tố rõ ràng. Việc này không phải thủ tục hình thức: trong một mẫu 1.112 sinh viên, cả sáu câu ngược đều nằm trong mười câu nhạy cảm nhất với trả lời cẩu thả.

Câu hỏi ngược trong thang đo Likert là câu hỏi diễn đạt phủ định trong một thang đo mà phần lớn câu còn lại diễn đạt khẳng định, chẳng hạn "Tôi thường thấy việc học nhóm vô ích" cạnh các câu khen việc học nhóm. Trong SPSS, bạn vào Transform, Recode into Different Variables, chọn biến, nhập cặp giá trị cũ và mới (1 thành 5, 2 thành 4, 3 giữ 3 trên thang năm mức), rồi đặt tên biến mới thay vì ghi đè. Sau đó kiểm tra bằng bảng tần suất rằng phân bố mới là ảnh gương của phân bố cũ.

Ertuna và cộng sự (2026) cho thấy tại sao bước này đáng cẩn thận. Thang đo của họ có 36 câu, trong đó sáu câu ngược, tức 16,7% tổng số, nhưng cả sáu câu đều nằm trong nhóm mười câu nhạy cảm nhất. Sau khi loại 126 phiếu cẩu thả, Cronbach's alpha của toàn thang tăng từ 0,891 lên 0,918, nhóm "kinh tế" tăng từ 0,697 lên 0,770 và nhóm "môi trường" từ 0,784 lên 0,843, còn nhóm "xã hội" không có câu ngược gần như không đổi. Nhóm tác giả viết: "These effects are not random; they are concentrated in reverse-coded items and in items placed adjacent to attention checks" (Ertuna và cộng sự, 2026).

Nghĩa là khi hệ số alpha của một nhóm câu thấp bất thường, bạn nên kiểm tra hai thứ trước khi kết luận thang đo kém: các câu ngược đã được đảo mã chưa, và phiếu cẩu thả đã được lọc chưa. Bài cách chạy thống kê mô tả SPSS giúp bạn đọc bảng tần suất sau khi đảo mã.


Giá trị ngoài khoảng và ngoại lai xử lý ra sao, loại bao nhiêu là hợp lý?

Trả lời thẳng: Giá trị ngoài khoảng là lỗi chắc chắn nên sửa theo phiếu gốc hoặc xoá, còn ngoại lai có thể là quan sát thật nên cần quy tắc rõ trước khi loại. Phép phổ biến là biên 1,5 lần khoảng tứ phân vị trên boxplot, và mọi lần loại đều phải được báo cáo.

Kwak và Kim (2017) lấy ví dụ cân nặng 250 kg trong một mẫu dữ liệu: giá trị đó không khớp phân phối chuẩn của cân nặng nên là ngoại lai, và nó có thể đến từ sai sót trả lời hoặc sai sót nhập liệu. Họ mô tả các hàng rào trên và dưới của boxplot nằm cách phân vị 75 và phân vị 25 một khoảng bằng 1,5 lần khoảng tứ phân vị, tức hiệu giữa hai phân vị đó. Trong SPSS, Analyze, Descriptive Statistics, Explore với tuỳ chọn Plots sẽ vẽ boxplot và đánh dấu các ca vượt hàng rào, kèm số thứ tự ca để bạn tra phiếu gốc.

Về mặt báo cáo, Bakker và Wicherts (2014) đáng đọc. Họ thu thập 353 bài có chữ "outlier" đăng giai đoạn 2001 đến 2010 ở sáu tạp chí tâm lý học, phân tích 2.667 kết quả kiểm định từ 153 bài, trong đó 92 bài loại ngoại lai và 61 bài không loại. Họ không thấy khác biệt có ý nghĩa về giá trị p trung vị hay cỡ mẫu, nhưng phát hiện bậc tự do của kiểm định t lệch với cỡ mẫu được báo cáo ở 14 trên 34 bài (41%) mà bài đó không hề nói đã loại dữ liệu, một dấu hiệu cho thấy việc loại dữ liệu hay không được báo cáo, dù bài báo cũng lưu ý còn những yếu tố khác có thể gây ra độ lệch. Họ kết luận về "common failure to report data exclusions (or missingness) in psychological articles" (Bakker và Wicherts, 2014).

Trong một nghiên cứu sinh viên, Ertuna và cộng sự (2026) loại 7 ca (0,63%) có điểm chuẩn hoá |z| lớn hơn 4 và nói rõ điều đó. Hãy làm tương tự: ghi ngưỡng, ghi số ca, ghi lý do. Ngoại lai (outlier) chỉ nên bị loại khi bạn chứng minh được nó là lỗi hoặc nằm ngoài tổng thể nghiên cứu, còn nếu là quan sát hợp lệ thì giữ lại và cân nhắc kiểm định không tham số.


Ô trống trong SPSS nên xoá, điền hay giữ nguyên?

Trả lời thẳng: Phụ thuộc vào tỉ lệ ô trống và cơ chế thiếu. Trong 73 thử nghiệm có dữ liệu thiếu, phương pháp phổ biến nhất vẫn là loại cả ca có ô trống (45%), nhưng chỉ có 8% dùng điền nhiều lần, nên lựa chọn nào bạn cũng cần giải trình lý do trong chương phương pháp.

Bell và cộng sự (2014) thống kê cách 73 bài có dữ liệu thiếu xử lý ô trống ở phân tích chính: 33 bài (45%) dùng phân tích ca đầy đủ, 20 bài (27%) dùng điền đơn giản, 15 bài (19%) dùng mô hình thống kê, và 6 bài (8%) dùng điền nhiều lần. Chỉ 27 bài (35%) làm thêm phân tích độ nhạy, và hầu hết không thay đổi giả định về cơ chế thiếu so với phân tích chính. Con số này có nghĩa là xử lý ô trống ở mức chặt chẽ vẫn là điểm yếu chung, và một khoá luận trình bày được cơ chế thiếu đã tốt hơn mặt bằng đó.

Kwak và Kim (2017) chia dữ liệu thiếu thành ba loại: thiếu hoàn toàn ngẫu nhiên, thiếu ngẫu nhiên và thiếu không ngẫu nhiên. Để dùng được, bạn tự hỏi ba câu. Ô trống có tập trung ở một nhóm người trả lời không, chẳng hạn chỉ nhóm thu nhập cao bỏ trống câu thu nhập? Tỉ lệ ô trống của mỗi biến là bao nhiêu? Biến đó có quan trọng với mô hình của bạn không?

Một cách xử lý số liệu SPSS thực dụng cho ô trống trong khoá luận gồm bốn nhịp. Đầu tiên, chạy Frequencies để đếm ô trống từng biến. Tiếp theo, nếu tỉ lệ thấp và rải đều, bạn loại ca có ô trống ở biến đang phân tích (Exclude cases pairwise hoặc listwise trong hộp thoại của từng kiểm định). Sau đó, nếu một biến thiếu nhiều, hãy xem thử Analyze, Multiple Imputation, vì menu này chỉ có ở một số bản SPSS và bạn cần kiểm tra bản mình dùng. Cuối cùng, chạy lại phân tích chính bằng một cách xử lý khác để xem kết luận có đổi không, và ghi cả hai kết quả vào chương phương pháp. Về khái niệm, trang dữ liệu thiếu trên Wikipedia có tóm tắt đủ để bạn tra thuật ngữ.


Sau khi sạch, tính biến tổng và độ tin cậy thế nào để ghi vào chương phương pháp?

Trả lời thẳng: Tính biến tổng hoặc trung bình bằng Compute Variable, rồi chạy Analyze, Scale, Reliability Analysis để lấy Cronbach's alpha cho từng nhóm câu. Báo cáo alpha sau khi đã lọc phiếu và đảo mã, kèm nhật ký làm sạch cho biết mỗi bước loại bao nhiêu ca. Nên dùng MEAN thay cho SUM để biến tổng nằm cùng thang với các câu gốc.

Trong Compute Variable, bạn đặt tên biến đích, ví dụ HL_tong, và nhập công thức MEAN(hl1, hl2, hl3, hl4) với các câu đã đảo mã. Dùng MEAN thay vì SUM giúp điểm vẫn nằm trên thang gốc và cho phép tính khi một người bỏ trống một câu, miễn là bạn nêu rõ quy tắc (chẳng hạn cần trả lời ít nhất ba trên bốn câu). Sau đó chạy Reliability Analysis để lấy Cronbach's alpha, và tham khảo bài kiểm định Cronbach's alpha để biết cách đọc kết quả cùng ngưỡng thường dùng.

Điểm đáng học từ Ertuna và cộng sự (2026) là họ chạy cùng phân tích trên mẫu chưa lọc (N = 1.112) và mẫu đã lọc (n = 986), rồi đặt hai kết quả cạnh nhau. Chỉ số CFI đổi từ 0,897 lên 0,910 và hệ số tải nhân tố trung bình từ 0,533 lên 0,573 (Ertuna và cộng sự, 2026). Bạn không cần làm phức tạp đến thế, nhưng một dòng so sánh alpha trước và sau lọc cho hội đồng thấy các quyết định làm sạch có kiểm chứng.

Để hội đồng dễ tra, nhật ký làm sạch nên có bảng như sau. Số liệu trong bảng là ví dụ minh hoạ do MAAS dựng, không phải kết quả của nghiên cứu nào.

Bước Quy tắc đã dùng Số ca bị loại Số ca còn lại
Phiếu trùng Identify Duplicate Cases 3 297
Trượt từ 2 câu kiểm tra chú ý Cài sẵn 2 câu 12 285
Chọn một mức cho mọi câu SD bằng 0 4 281
Ngoại lai nặng Ngoài 3 lần khoảng tứ phân vị 2 279

Nguồn: ví dụ minh hoạ của MAAS, 31/10/2026.


Câu hỏi thường gặp

Cách xử lý số liệu SPSS nên làm trên bản gốc hay bản sao?

Làm trên bản sao. Hãy lưu bản gốc nguyên vẹn rồi lưu mỗi giai đoạn thành một tệp có ngày, để khi hội đồng hỏi bạn đối chiếu lại được từng quyết định.

Loại bao nhiêu phiếu cẩu thả thì quá nhiều?

Không có ngưỡng chung. Braitman và cộng sự (2025) thấy 30,4% sinh viên trượt ít nhất một câu kiểm tra chú ý và khuyến nghị chỉ loại người trượt từ hai câu, vì loại tất cả có thể làm lệch thành phần mẫu.

Ngoại lai có luôn phải xoá không?

Không. Ngoại lai chỉ nên xoá khi bạn xác định được đó là lỗi hoặc nằm ngoài tổng thể. Nếu là quan sát hợp lệ thì giữ và nêu rõ trong báo cáo.

Có cần điền nhiều lần khi dữ liệu thiếu không?

Không bắt buộc. Bell và cộng sự (2014) ghi nhận chỉ 6 trên 73 bài (8%) dùng điền nhiều lần, còn 45% dùng phân tích ca đầy đủ. Điều bắt buộc là giải trình lựa chọn.

Câu hỏi ngược có nhất thiết phải đảo mã trước khi tính alpha không?

Có. Theo nguyên lý đo lường tâm lý nói chung, nếu chưa đảo mã thì alpha của nhóm câu đó thường thấp giả tạo. Riêng Ertuna và cộng sự (2026) cho thấy các câu ngược nhạy cảm với trả lời cẩu thả hơn các câu còn lại.


Khi nào nên nhờ người xem lại phần số liệu của khoá luận, và nhờ ở mức nào?

Trả lời thẳng: Nên nhờ khi bạn đã hoàn tất nhật ký làm sạch nhưng chưa chắc các quy tắc loại phiếu và xử lý ô trống có đứng vững trước hội đồng. Người xem lại đọc quyết định của bạn và góp ý, còn việc chạy phân tích và viết kết quả vẫn là của bạn.

Lúc phù hợp nhất là sau bước làm sạch và trước khi chạy kiểm định chính, vì sửa quy tắc lúc này chỉ tốn vài giờ, còn sửa sau khi đã viết xong chương kết quả thì phải làm lại nhiều bảng. Hãy mang theo bảng nhật ký, ngưỡng bạn dùng cho từng bước và lý do chọn ngưỡng đó. Giảng viên hướng dẫn thường là người đầu tiên bạn hỏi, và nếu cần thêm một góc nhìn thống kê, dịch vụ hỗ trợ xử lý số liệu luận văn của MAAS làm việc theo hướng chuyên gia hướng dẫn, bạn tự chạy và tự viết. Bạn cũng có thể liên hệ MAAS để hẹn buổi tư vấn miễn phí.

Nếu muốn đọc thêm trước khi quyết định, ba bài dưới đây nối tiếp đúng các bước vừa đi qua:


References

  • Bakker, M., & Wicherts, J. M. (2014). Outlier removal and the relation with reporting errors and quality of psychological research. PLoS ONE, 9(7), Article e103360. https://doi.org/10.1371/journal.pone.0103360
  • Bell, M. L., Fiero, M., Horton, N. J., & Hsu, C.-H. (2014). Handling missing data in RCTs; a review of the top medical journals. BMC Medical Research Methodology, 14, Article 118. https://doi.org/10.1186/1471-2288-14-118
  • Braitman, A. L., Petrey, A. M., Shipley, J. L., Ayala Guzman, R., Renzoni, E., Looby, A., Bravo, A. J., & Stimulant Norms and Prevalence 2 (SNAP2) Study Team. (2025). Check your data before you wreck your model: The impact of careless responding on substance use data quality. Alcohol, Clinical and Experimental Research, 49(4), 941-951. https://doi.org/10.1111/acer.70024
  • Ertuna, L., Kaya-Uyanik, G., & Gençaslan, D. (2026). More than just noise: Careless responding and its systematic effects on reliability, validity, and measurement invariance. Frontiers in Psychology, 17, Article 1815225. https://doi.org/10.3389/fpsyg.2026.1815225
  • Kwak, S. K., & Kim, J. H. (2017). Statistical data preparation: Management of missing values and outliers. Korean Journal of Anesthesiology, 70(4), 407-411. https://doi.org/10.4097/kjae.2017.70.4.407
  • Paulsen, A., Harboe, K., & Dalen, I. (2020). Data entry quality of double data entry vs automated form processing technologies: A cohort study validation of optical mark recognition and intelligent character recognition in a clinical setting. Health Science Reports, 3(4), Article e210. https://doi.org/10.1002/hsr2.210

Bài viết hướng dẫn sinh viên tự xử lý số liệu của chính mình. MAAS đồng hành bằng góp ý chuyên môn, còn số liệu, phân tích và kết luận là công trình của bạn.

Buổi tư vấn miễn phí 20 phút là một cuộc trao đổi về việc bạn đang ở đâu với bài của mình.

Đặt lịch tư vấn miễn phí ▸
Chia sẻ bài viếtFacebookLinkedInZaloEmail
Mục lục