Xử lý dữ liệu đầu vào trong SPSS: Bước nền tảng quyết định cả nghiên cứu
Mã hóa dữ liệu, đặt tên biến chuẩn SPSS và gán nhãn — làm đúng ngay từ đầu để mọi phân tích về sau đều chính xác.
Dù mô hình có hợp lý đến đâu, kết quả vẫn có thể sai lệch nếu dữ liệu không được xử lý đúng ngay từ đầu. Đây là bước nền tảng — và cũng là bước dễ bị xem nhẹ nhất.
1Vì sao phải xử lý dữ liệu đầu vào?
Theo Pallant (2020), chuẩn bị và làm sạch dữ liệu (Data Preparation & Cleaning) là bước đầu tiên và quan trọng nhất — chất lượng kết quả phụ thuộc trực tiếp vào chất lượng dữ liệu đầu vào.
Dữ liệu khảo sát thường ở dạng chữ (“Nam”, “Nữ”…), có ô trống, câu trả lời không hợp lệ hoặc thiếu. SPSS hoạt động tốt nhất khi dữ liệu là mã số và đúng kiểu.
Biến Giới tính nhập ở dạng chữ cần được mã hóa thành số trước khi phân tích:
| Nhập dạng chữ | Sau khi mã hóa |
|---|---|
| Nam | 1 |
| Nữ | 2 |
| Nam | 1 |
- Chuẩn hóa để SPSS nhận diện chính xác các biến
- Giảm thiểu sai sót trong quá trình nhập liệu
- Phát hiện & xử lý ngoại lai (Outlier), dữ liệu thiếu (Missing), nhập sai
- Đảm bảo Cronbach's Alpha, EFA, hồi quy, ANOVA, PLS-SEM được thực hiện chính xác
- Tăng tính minh bạch và khả năng tái lập của nghiên cứu
2Mã hóa dữ liệu (Data Coding)
Theo Field (2018), mã hóa dữ liệu là quá trình chuyển các câu trả lời trong bảng khảo sát thành giá trị số, tạo điều kiện cho việc nhập liệu, xử lý và phân tích trên SPSS. Nguyên tắc: mọi câu trả lời được biểu diễn dưới dạng số, mỗi giá trị chỉ đại diện một ý nghĩa duy nhất và dùng thống nhất trong toàn bộ bộ dữ liệu.
Biến định danh (Nominal)
Với biến không có thứ tự, mỗi nhóm được gán một mã số riêng. Con số chỉ có ý nghĩa phân biệt nhóm, không thể hiện lớn hay nhỏ.
| Khoa | Mã |
|---|---|
| Công nghệ thông tin | 1 |
| Kinh tế | 2 |
| Ngoại ngữ | 3 |
| Du lịch | 4 |
Biến thứ bậc (Ordinal)
Biến thứ bậc có thứ tự sắp xếp nhưng khoảng cách giữa các mức không nhất thiết bằng nhau; giá trị số phản ánh đúng thứ tự các mức độ.
| Thu nhập / tháng | Mã |
|---|---|
| Dưới 5 triệu | 1 |
| Từ 5 – dưới 10 triệu | 2 |
| Từ 10 – dưới 15 triệu | 3 |
| Từ 15 – dưới 20 triệu | 4 |
| Từ 20 triệu trở lên | 5 |
Biến nhị phân & câu hỏi nhiều lựa chọn
Biến nhị phân (chỉ hai lựa chọn) mã hóa bằng 0/1 hoặc 1/2 (VD: đã từng mua online — Chưa = 0, Đã từng = 1). Câu hỏi nhiều lựa chọn: tách mỗi phương án thành một biến riêng (1 = có chọn, 0 = không).
| ID | TikTok | YouTube | |
|---|---|---|---|
| 1 | 1 | 0 | 1 |
| 2 | 0 | 1 | 1 |
Thang đo Likert
Với nghiên cứu dùng Cronbach's Alpha, EFA, CFA hoặc SmartPLS, mọi câu hỏi trong cùng một thang đo phải dùng chung quy ước mã hóa.
| Giá trị | Ý nghĩa |
|---|---|
| 1 | Hoàn toàn không đồng ý |
| 2 | Không đồng ý |
| 3 | Trung lập |
| 4 | Đồng ý |
| 5 | Hoàn toàn đồng ý |
Với câu hỏi đảo ngược (Reverse Item), cần đảo mã trước khi phân tích (1↔5, 2↔4, 3 giữ nguyên) để thống nhất hướng đo lường.
3Đặt tên biến chuẩn SPSS
Theo IBM (2023), tên biến phải tuân thủ quy tắc cú pháp để SPSS nhận diện chính xác:
- Bắt đầu bằng chữ cái (A–Z)
- Không chứa khoảng trắng
- Không chứa ký tự đặc biệt: % # & / ? ! *
- Không trùng với từ khóa của SPSS
- Ngắn gọn nhưng rõ ý nghĩa
- Dùng tiếng Anh/viết tắt thống nhất
Ví dụ đặt tên hiệu quả
| Không nên đặt | Nên đặt |
|---|---|
| Câu 1 | Q1 |
| Tuổi của bạn | AGE |
| Giới tính | GENDER |
| Mức độ hài lòng | SAT |
| Ý định mua hàng | PI |
Đặt tên theo nhóm nhân tố
Đặt tên theo cấu trúc tên nhân tố + số thứ tự giúp dễ nhận diện các biến cùng một nhân tố khi phân tích Cronbach's Alpha, EFA, CFA hoặc SmartPLS.
| Nhân tố | Biến |
|---|---|
| Functional Value | FV1, FV2, FV3, FV4 |
| Social Value | SV1, SV2, SV3 |
| Environmental Value | EV1, EV2, EV3 |
| Physical Risk | PR1, PR2, PR3 |
| Time Risk | TR1, TR2 |
| Purchase Intention | PI1, PI2, PI3 |
4Gán nhãn biến & nhãn giá trị (Labels)
Variable Label mô tả đầy đủ nội dung câu hỏi; Value Labels khai báo ý nghĩa từng giá trị mã số — giúp bảng kết quả và bảng tần số trực quan, dễ diễn giải.
Variable Label
| Tên biến | Nhãn (mô tả câu hỏi) |
|---|---|
| FV1 | This product provides good value for money. |
| FV2 | The product is worth its price. |
| PI1 | I intend to purchase this product in the future. |
Value Labels
| Value | Label |
|---|---|
| 1 / 2 | GENDER: Nam / Nữ |
| 1 … 5 | Likert: Hoàn toàn không đồng ý … Hoàn toàn đồng ý |
- Xử lý dữ liệu đầu vào tốt = nền tảng cho mọi phân tích chính xác.
- Mã hóa đúng loại biến (Nominal/Ordinal/Binary/Likert) · đặt tên chuẩn SPSS · gán Variable & Value Labels.
- Dữ liệu sạch → Cronbach's Alpha, EFA, hồi quy, SEM đều đáng tin cậy & minh bạch.