Độ lệch chuẩn trong SPSS là con số ở cột Std. Deviation, ngay bên phải cột Mean trong bảng Descriptives, cho biết dữ liệu trải rộng tới đâu.
Cập nhật lần cuối: 2026-09-15
Chuyên mục: research-methods
Độ lệch chuẩn trong SPSS là gì và được tính như thế nào?
Trả lời thẳng: Độ lệch chuẩn, SPSS ghi là Std. Deviation, là căn bậc hai của phương sai và đo mức độ các quan sát trong một tập dữ liệu phân tán quanh giá trị trung bình. Số càng lớn nghĩa là các quan sát càng cách xa trung bình, số càng nhỏ nghĩa là các quan sát càng tập trung quanh trung bình.
Bằng chứng: UCLA Office of Advanced Research Computing giải thích Std. Deviation trong bảng Descriptives của SPSS chính là căn bậc hai của Variance, còn Variance được tính bằng tổng bình phương độ lệch có hiệu chỉnh chia cho N-1 (UCLA Office of Advanced Research Computing, n.d.).
Ví dụ: Nếu hai lớp cùng có điểm trung bình bài kiểm tra là 7, nhưng lớp A có độ lệch chuẩn 0,5 còn lớp B có độ lệch chuẩn 2,0, điểm của lớp A tập trung sát quanh mức 7, còn điểm của lớp B trải rộng hơn nhiều, có cả điểm rất cao lẫn rất thấp dù trung bình bằng nhau.
SPSS lấy độ lệch chuẩn từ đâu ra, công thức N-1 nghĩa là gì?
Trả lời thẳng: SPSS mặc định tính phương sai và độ lệch chuẩn theo công thức mẫu, tức chia tổng bình phương độ lệch cho (N-1) thay vì chia cho N. Đây gọi là hiệu chỉnh Bessel, giúp phương sai mẫu trở thành ước lượng không chệch của phương sai tổng thể. Trong thủ tục Descriptives của SPSS Base, không có tuỳ chọn đổi mẫu số này sang N.
Bằng chứng: UCLA Office of Advanced Research Computing định nghĩa Variance trong đầu ra SPSS là tổng bình phương độ lệch có hiệu chỉnh chia cho N-1 (UCLA Office of Advanced Research Computing, n.d.), khớp với cách SPSS mặc định tính descriptive statistics theo công thức mẫu.
Ví dụ: Khi bạn thấy đầu ra SPSS ghi N = 30, phương sai SPSS báo cáo được tính bằng cách chia cho 29, đó không phải lỗi phần mềm, mà là cách SPSS mặc định ước lượng độ phân tán của tổng thể từ một mẫu, theo đúng công thức mẫu chuẩn trong thống kê.
Lấy độ lệch chuẩn trong SPSS bằng lệnh nào, Descriptives, Frequencies hay Explore?
Trả lời thẳng: Cả ba thủ tục Descriptives, Frequencies và Explore trong SPSS đều xuất được độ lệch chuẩn, nhưng khác nhau ở khả năng chọn lọc chỉ số cần xuất. Descriptives cho phép chọn đúng những chỉ số cần, phù hợp khi chỉ cần vài con số cơ bản. Explore xuất một bộ cố định gồm nhiều chỉ số hơn, không chọn lọc được từng cái.
| Thủ tục SPSS | Đường dẫn menu | Đặc điểm chỉ số | Khi nào nên dùng |
|---|---|---|---|
| Descriptives | Analyze, Descriptive Statistics, Descriptives | Mặc định xuất Mean, Std. Deviation, Minimum, Maximum, chọn thêm qua nút Options | Chỉ cần vài chỉ số mô tả cơ bản cho nhiều biến cùng lúc |
| Frequencies | Analyze, Descriptive Statistics, Frequencies | Kèm bảng tần suất từng giá trị, thêm được Std. Deviation qua nút Statistics | Cần vừa xem phân bố tần suất vừa xem độ lệch chuẩn |
| Explore | Analyze, Descriptive Statistics, Explore | Xuất trọn bộ cố định, gồm cả trung vị, khoảng tứ phân vị, độ xiên (skewness), độ nhọn, không chọn lọc được | Cần kiểm tra phân phối kỹ hơn, ví dụ trước khi chọn kiểm định tham số |
Bằng chứng: Georgia State University Library minh hoạ cú pháp lệnh Descriptives dạng DESCRIPTIVES VARIABLES=<biến> /STATISTICS= MEAN STDDEV MIN MAX VARIANCE. để lấy đúng các chỉ số cần, không kèm thêm chỉ số khác (Georgia State University Library, n.d.). Kent State University Libraries ghi rõ thủ tục Explore xuất cùng lúc Mean, khoảng tin cậy 95% của Mean, trung bình cắt 5% (5% trimmed mean), Median, Variance, Std. Deviation, Minimum, Maximum, Range, khoảng tứ phân vị, độ xiên (skewness), độ nhọn, cùng sai số chuẩn của Mean, độ xiên và độ nhọn. Nguyên văn hướng dẫn viết "you can't pick and choose which of these descriptive statistics to view" (Kent State University Libraries, n.d.), tức người dùng không chọn lọc được xem riêng từng chỉ số như ở Descriptives.
Ví dụ: Nếu bạn chỉ cần báo cáo độ tuổi trung bình và độ lệch chuẩn của mẫu khảo sát trong phần mô tả mẫu, Descriptives là đủ và gọn hơn. Nếu bạn cần kiểm tra tính chuẩn của một biến trước khi chọn kiểm định tham số hay phi tham số, Explore cho nhiều thông tin hơn dù đầu ra dài hơn.
Đọc bảng Output thế nào để không nhầm độ lệch chuẩn với sai số chuẩn của trung bình?
Trả lời thẳng: Độ lệch chuẩn (Std. Deviation) cho biết dữ liệu bạn quan sát được trải rộng hay tập trung ra sao, còn sai số chuẩn của trung bình (SEM, cột Std. Error ở hàng Mean của bảng Explore) cho biết bạn nên tin tưởng tới mức nào khi dùng trung bình mẫu để suy ra trung bình tổng thể. Hai chỉ số này trả lời hai câu hỏi khác nhau.
Bằng chứng: Altman và Bland (2005), viết trên tạp chí BMJ, phân biệt rõ độ lệch chuẩn mô tả độ phân tán của dữ liệu quan sát được, trong khi sai số chuẩn của trung bình đo độ chính xác của ước lượng trung bình mẫu. Bài viết nêu SEM bằng độ lệch chuẩn chia cho căn bậc hai của cỡ mẫu, và SEM giảm khi cỡ mẫu tăng, trong khi độ lệch chuẩn của chính dữ liệu không tự động giảm theo cỡ mẫu (Altman & Bland, 2005).
Ví dụ: Nếu bạn tăng cỡ mẫu khảo sát từ 50 lên 200 người mà độ phân tán thật của tổng thể không đổi, độ lệch chuẩn của dữ liệu sẽ gần như giữ nguyên, còn sai số chuẩn của trung bình sẽ giảm xuống, vì mẫu lớn hơn cho một ước lượng trung bình chính xác hơn về tổng thể. Nhầm hai chỉ số này khi viết chương kết quả là điều hội đồng bảo vệ có thể hỏi lại.
Độ lệch chuẩn cao hay thấp nói lên điều gì, có ngưỡng chuẩn nào không?
Trả lời thẳng: Độ lệch chuẩn cao nghĩa là dữ liệu phân tán rộng quanh trung bình, độ lệch chuẩn thấp nghĩa là dữ liệu tập trung sát trung bình. Không có một ngưỡng số học phổ quát nào định nghĩa độ lệch chuẩn bao nhiêu là cao hay thấp, vì điều đó còn phụ thuộc vào đơn vị đo, thang đo và bản chất của biến đang xét.
Bằng chứng: Các hướng dẫn SPSS của trường đại học mà bài này dẫn, gồm UCLA Office of Advanced Research Computing và Kent State University Libraries, mô tả cách tính và cách đọc độ lệch chuẩn nhưng không đưa ra một mốc số học cố định để phân loại cao hay thấp. Một số trang hướng dẫn tiếng Việt gợi ý mốc khoảng 0,5 đến 1,0 là "đẹp" cho thang đo Likert 5 mức, nhưng đây là kinh nghiệm thực hành phổ biến, không phải chuẩn mà các nguồn bài này đã kiểm xác nhận.
Ví dụ: Độ lệch chuẩn 1,2 có thể coi là cao với một thang đo Likert 5 mức chỉ trải từ 1 đến 5, nhưng lại là con số rất nhỏ nếu biến đang xét là thu nhập tính theo triệu đồng. Đọc đúng độ lệch chuẩn luôn cần đặt cạnh đơn vị đo và khoảng giá trị có thể có của biến, không đọc con số một mình.
Hệ số biến thiên CV là gì và khi nào nên dùng thay cho độ lệch chuẩn?
Trả lời thẳng: Hệ số biến thiên, viết tắt CV, bằng độ lệch chuẩn chia cho trung bình, thường biểu diễn dưới dạng phần trăm. CV hữu ích khi cần so sánh mức độ phân tán giữa hai biến có đơn vị đo khác nhau hoặc có trung bình chênh lệch lớn, vì độ lệch chuẩn một mình không so sánh được trực tiếp giữa hai thang đo khác nhau.
Bằng chứng: Tài liệu tham chiếu Dataplot của National Institute of Standards and Technology (2017) định nghĩa CV là tỷ số giữa độ lệch chuẩn và trung bình, và viết rằng "the coefficient of variation should typically only be used for data measured on a ratio scale", tức dữ liệu liên tục có điểm gốc 0 mang nghĩa thật. Cùng nguồn này lưu ý khi trung bình gần 0 thì CV rất nhạy với những thay đổi nhỏ của trung bình, còn khi nhân CV với 100 và lấy trị tuyệt đối thì ta có độ lệch chuẩn tương đối tính theo phần trăm.
Ví dụ: Nếu bạn muốn so sánh mức độ phân tán giữa biến chiều cao đo bằng centimet và biến cân nặng đo bằng kilogram, so trực tiếp hai độ lệch chuẩn không có ý nghĩa vì hai đơn vị khác nhau, còn so hai giá trị CV cho một phép so sánh có thể đọc được. Với thang đo Likert, CV khó diễn giải vì thang đo đó không có điểm gốc 0 mang nghĩa "hoàn toàn không có", nên khi so sánh mức độ phân tán giữa các câu hỏi Likert, độ lệch chuẩn vẫn là chỉ số nên ưu tiên hơn CV.
Những lỗi thường gặp khi đọc hoặc báo cáo độ lệch chuẩn trong luận văn là gì?
Trả lời thẳng: Ba lỗi nên tránh là nhầm độ lệch chuẩn với sai số chuẩn của trung bình khi trích số vào chương kết quả, áp một ngưỡng "cao thấp" cứng nhắc mà không đặt cạnh thang đo hay đơn vị, và không giải thích được vì sao SPSS chia cho N-1 nếu hội đồng hỏi lại.
Bằng chứng: Việc phân biệt độ lệch chuẩn với sai số chuẩn của trung bình là điểm Altman và Bland (2005) nhấn mạnh riêng vì đây là nhầm lẫn phổ biến trong báo cáo khoa học, không riêng gì luận văn sinh viên. Việc SPSS mặc định dùng N-1 đã được UCLA Office of Advanced Research Computing xác nhận rõ, nên đây là dữ kiện có thể trả lời chắc chắn nếu hội đồng hỏi tới.
Ví dụ: Một chương kết quả viết "độ lệch chuẩn (SEM) = 0,32" đang gộp nhầm hai chỉ số vào một ký hiệu, khiến người đọc không biết tác giả đang báo cáo độ phân tán của dữ liệu hay độ chính xác của ước lượng trung bình. Tách rõ hai dòng, một cho Std. Deviation và một cho Std. Error ở hàng Mean nếu bảng Explore có cả hai, giúp hội đồng đọc đúng ngay từ lần đầu. Trước khi tới bước diễn giải độ lệch chuẩn, bạn cũng cần chắc mình đã đọc đúng nhóm kiểm định cần chạy cho từng loại câu hỏi nghiên cứu, xem SPSS là gì và thực hiện được những nhóm kiểm định thống kê nào để không nhầm bước mô tả dữ liệu với bước kiểm định giả thuyết.
Câu hỏi thường gặp
Độ lệch chuẩn khác phương sai như thế nào?
Phương sai là tổng bình phương độ lệch so với trung bình, chia cho N-1, còn độ lệch chuẩn là căn bậc hai của phương sai. Độ lệch chuẩn được dùng phổ biến hơn trong báo cáo vì đơn vị của nó trùng với đơn vị của biến gốc, còn đơn vị của phương sai là bình phương của đơn vị gốc nên khó diễn giải trực tiếp.
Độ lệch chuẩn khác sai số chuẩn của trung bình (SEM) như thế nào?
Độ lệch chuẩn đo mức phân tán của dữ liệu quan sát được, còn sai số chuẩn của trung bình đo mức chính xác của việc dùng trung bình mẫu để ước lượng trung bình tổng thể. SEM bằng độ lệch chuẩn chia cho căn bậc hai của cỡ mẫu, nên SEM giảm khi cỡ mẫu tăng, còn độ lệch chuẩn của chính dữ liệu thì không.
SPSS có tính được độ lệch chuẩn theo công thức tổng thể, tức chia cho N, không?
Các thủ tục mô tả chuẩn của SPSS (Descriptives, Frequencies, Explore) không có ô chọn mẫu số N, chỉ xuất kết quả theo công thức mẫu N-1.
Độ lệch chuẩn bằng 0 nghĩa là gì?
Độ lệch chuẩn bằng 0 nghĩa là mọi quan sát trong biến đó có cùng một giá trị, không có sự khác biệt nào giữa các đối tượng trong mẫu. Trường hợp này hiếm gặp với dữ liệu khảo sát thật và thường là dấu hiệu cần kiểm tra lại việc nhập liệu.
Độ lệch chuẩn cao có phải lúc nào cũng là dấu hiệu xấu?
Không. Độ lệch chuẩn cao chỉ có nghĩa là dữ liệu phân tán rộng, và điều đó có thể phản ánh đúng thực tế đa dạng của mẫu nghiên cứu, ví dụ khi khảo sát trên nhiều nhóm tuổi hoặc nhiều khu vực khác nhau, chứ không tự động là lỗi thu thập dữ liệu.
Có thể nhờ MAAS xem lại cách đọc độ lệch chuẩn trước khi viết chương kết quả không?
Được. Chuyên gia MAAS cùng bạn chọn đúng lệnh để lấy độ lệch chuẩn theo đúng nhu cầu, chạy lệnh đó trên chính dữ liệu bạn đang có, rồi soát lại cách bạn diễn giải con số trong chương kết quả. Phần phân tích cuối cùng vẫn là công sức và cách hiểu của chính bạn, MAAS không chạy số liệu thay bạn. Buổi tư vấn đầu tiên kéo dài 15 phút và không tính phí. Xem thêm tại dịch vụ hướng dẫn chạy SPSS và Python, hoặc đặt lịch tại đây.
References
- Altman, D. G., & Bland, J. M. (2005). Standard deviations and standard errors. BMJ, 331(7521), 903. https://doi.org/10.1136/bmj.331.7521.903
- Georgia State University Library. (n.d.). SPSS: Descriptive statistics. Retrieved September 15, 2026, from https://research.library.gsu.edu/SPSSHelp/descriptive
- Kent State University Libraries. (n.d.). Descriptive stats for one numeric variable (Explore). Retrieved September 15, 2026, from https://libguides.library.kent.edu/SPSS/Explore
- National Institute of Standards and Technology. (2017). Coefficient of variation. Dataplot reference manual. Retrieved September 15, 2026, from https://www.itl.nist.gov/div898/software/dataplot/refman2/auxillar/coefvari.htm
- UCLA Office of Advanced Research Computing. (n.d.). Descriptive statistics: SPSS annotated output. Retrieved September 15, 2026, from https://stats.oarc.ucla.edu/spss/output/descriptive-statistics/