Thang đo trong nghiên cứu: Phân loại và cách dùng dễ hiểu

Trong bất kỳ công trình nghiên cứu định lượng nào, từ khóa luận tốt nghiệp, luận văn thạc sĩ đến các bài báo khoa học quốc tế, việc xây dựng và đánh giá công cụ đo lường là nền tảng quyết định sự thành bại. Một trong những khái niệm cốt lõi nhất, đóng vai trò như xương sống của toàn bộ quá trình phân tích dữ liệu, chính là thang đo trong nghiên cứu. Việc hiểu sai hoặc áp dụng không đúng thang đo có thể dẫn đến những kết luận sai lệch, làm giảm giá trị của toàn bộ công trình. Bài viết này được chayspss.com biên soạn nhằm cung cấp một cẩm nang toàn diện, dễ hiểu và có tính ứng dụng cao, giúp bạn tự tin làm chủ công cụ quan trọng này.

Thang đo trong nghiên cứu là gì và tại sao lại tối quan trọng?

Để hiểu về thang đo, trước hết chúng ta cần nắm vững khái niệm “đo lường”. Trong nghiên cứu khoa học, đo lường là quá trình gán các con số hoặc ký hiệu cho các đặc tính của đối tượng theo những quy tắc đã được thiết lập. Tuy nhiên, nhiều khái niệm trong khoa học xã hội và kinh tế lại rất trừu tượng, chẳng hạn như “sự hài lòng của khách hàng”, “lòng trung thành với thương hiệu”, hay “động lực làm việc”. Chúng ta không thể dùng thước để đo sự hài lòng, hay dùng cân để đo lường lòng trung thành.

Đây chính là lúc thang đo trong nghiên cứu phát huy vai trò. Nó là công cụ được thiết kế để “mã hóa”, “lượng hóa” những khái niệm trừu tượng này thành các biến số có thể tính toán, so sánh và phân tích bằng các công cụ thống kê. Việc lựa chọn và sử dụng đúng loại thang đo không chỉ là một yêu cầu kỹ thuật mà còn là nền tảng đảm bảo tính hợp lệ cho toàn bộ kết quả nghiên cứu. Nếu bạn chọn sai thang đo, mọi phân tích thống kê phức tạp sau đó (như T-test, ANOVA, hồi quy) đều có thể trở nên vô nghĩa.

Hãy hình dung, nếu bạn dùng một chiếc cân hỏng để đo cân nặng, dù bạn ghi chép con số cẩn thận đến đâu thì kết quả cuối cùng vẫn không đáng tin cậy. Tương tự, một thang đo trong nghiên cứu được thiết kế kém sẽ tạo ra dữ liệu “rác”, và như một quy luật bất thành văn trong phân tích dữ liệu: “Rác đầu vào, rác đầu ra” (Garbage In, Garbage Out). Vì vậy, đầu tư thời gian để hiểu và xây dựng một thang đo vững chắc chính là bước đi khôn ngoan nhất của mọi nhà nghiên cứu.

Thang đo trong nghiên cứu: Phân loại và cách dùng dễ hiểu

Trong lý thuyết đo lường, nhà tâm lý học Stanley Smith Stevens đã đề xuất một hệ thống phân loại gồm bốn cấp độ thang đo cơ bản. Việc nắm vững sự khác biệt giữa chúng sẽ giúp bạn lựa chọn đúng phép kiểm định thống kê tương ứng, một kỹ năng bắt buộc khi làm việc với SPSS, STATA hay bất kỳ phần mềm nào khác.

1. Thang đo Định danh (Nominal Scale)

Đây là cấp độ đo lường cơ bản nhất, chỉ dùng để phân loại các đối tượng vào những nhóm khác nhau mà không mang ý nghĩa hơn kém. Các con số được gán chỉ là những ký hiệu, nhãn dán.

• Đặc điểm: Phân loại, gán nhãn.
• Phép toán cho phép: Bằng (=) hoặc Khác (≠).
• Ví dụ:
  • Giới tính: 1 = Nam, 2 = Nữ (Số 2 không có nghĩa là “giá trị” lớn hơn số 1).
  • Nơi sinh sống: 1 = Thành thị, 2 = Nông thôn, 3 = Miền núi.
• Thống kê áp dụng: Tần số (Frequency), Tỷ lệ phần trăm (Percentage), Mode (Yếu vị).

2. Thang đo Thứ bậc (Ordinal Scale)

Thang đo thứ bậc không chỉ phân loại đối tượng mà còn sắp xếp chúng theo một trật tự hơn-kém. Tuy nhiên, nó không cho biết khoảng cách giữa các thứ bậc đó là bao nhiêu.

• Đặc điểm: Phân loại + Xếp hạng thứ tự.
• Phép toán cho phép: Lớn hơn (>), Nhỏ hơn (<).
• Ví dụ:
  • Trình độ học vấn: 1 = Tốt nghiệp THPT, 2 = Cử nhân, 3 = Thạc sĩ (Chúng ta biết Thạc sĩ > Cử nhân, nhưng khoảng cách kiến thức giữa Cử nhân và Thạc sĩ có bằng khoảng cách giữa THPT và Cử nhân hay không thì không xác định được).
  • Mức độ hài lòng: Không hài lòng < Bình thường < Hài lòng.
• Thống kê áp dụng: Trung vị (Median), Tứ phân vị, các kiểm định phi tham số (Non-parametric tests).

3. Thang đo Khoảng (Interval Scale)

Đây là loại thang đo rất phổ biến trong nghiên cứu xã hội. Nó có đầy đủ đặc tính của thang đo thứ bậc, nhưng bổ sung thêm đặc tính quan trọng: khoảng cách giữa các giá trị là bằng nhau và có ý nghĩa. Điểm yếu của nó là không có điểm 0 tuyệt đối (giá trị 0 chỉ là một điểm quy ước).

• Đặc điểm: Phân loại + Thứ tự + Khoảng cách bằng nhau.
• Phép toán cho phép: Cộng (+), Trừ (-).
• Ví dụ:
  • Nhiệt độ Celsius: Khoảng cách từ 10°C đến 20°C bằng khoảng cách từ 20°C đến 30°C. Tuy nhiên, 0°C không có nghĩa là không có nhiệt độ.
  • Thang đo Likert: 1=”Rất không đồng ý” đến 5=”Rất đồng ý”. Giới nghiên cứu thường giả định khoảng cách tâm lý giữa “Đồng ý” và “Rất đồng ý” là tương đương với khoảng cách giữa “Trung lập” và “Đồng ý”, do đó coi đây là thang đo khoảng.
• Thống kê áp dụng: Trung bình cộng (Mean), Độ lệch chuẩn (Standard Deviation), Tương quan Pearson, Phân tích hồi quy (Regression), EFA, CFA.

4. Thang đo Tỷ lệ (Ratio Scale)

Đây là cấp độ đo lường cao nhất và hoàn hảo nhất. Nó hội tụ tất cả các đặc tính của thang đo khoảng và có thêm một điểm 0 tuyệt đối có ý nghĩa (giá trị 0 biểu thị sự vắng mặt hoàn toàn của thuộc tính đang đo).

• Đặc điểm: Phân loại + Thứ tự + Khoảng cách bằng nhau + Có điểm 0 tuyệt đối.
• Phép toán cho phép: Tất cả các phép toán (+, -, ×, ÷).
• Ví dụ:
  • Thu nhập: 0 đồng có nghĩa là không có thu nhập. 20 triệu đồng gấp đôi 10 triệu đồng.
  • Tuổi, Chiều cao, Cân nặng, Doanh số bán hàng.
• Thống kê áp dụng: Tất cả các loại phân tích thống kê từ cơ bản đến nâng cao.

Lưu ý thực hành trên SPSS: Để đơn giản hóa, phần mềm SPSS gộp hai loại thang đo Khoảng (Interval) và Tỷ lệ (Ratio) vào chung một loại gọi là Scale. Thang đo Định danh là Nominal và Thứ bậc là Ordinal. Việc khai báo đúng loại thang đo trong Variable View là bước đầu tiên để SPSS gợi ý đúng các phép phân tích phù hợp.

Thang đo Likert – “Xương sống” của các nghiên cứu khảo sát

Khi bàn về thang đo trong nghiên cứu định lượng, đặc biệt là trong lĩnh vực kinh tế, quản trị, tâm lý, xã hội học, không thể không nhắc đến thang đo Likert. Được phát triển bởi Rensis Likert, đây là loại thang đo dạng khoảng được sử dụng phổ biến nhất để đo lường thái độ, quan điểm, nhận thức của người trả lời. Cấu trúc phổ biến nhất là thang đo 5 mức độ hoặc 7 mức độ.

Ví dụ về một phát biểu sử dụng thang đo Likert 5 mức độ để đo lường “Sự hài lòng về dịch vụ”:
“Nhân viên tư vấn rất chuyên nghiệp và am hiểu sản phẩm.”

1. Rất không đồng ý
2. Không đồng ý
3. Trung lập / Không ý kiến
4. Đồng ý
5. Rất đồng ý

Một cuộc tranh luận kinh điển trong giới học thuật là “Thang đo Likert là thang đo thứ bậc hay thang đo khoảng?”. Về bản chất chặt chẽ, nó là thang đo thứ bậc vì không ai có thể chắc chắn 100% rằng khoảng cách tâm lý giữa “Đồng ý” và “Rất đồng ý” là bằng chính xác khoảng cách giữa “Không đồng ý” và “Trung lập”. Tuy nhiên, trong thực hành nghiên cứu, cộng đồng khoa học phần lớn chấp nhận coi thang đo Likert (với 5 mức độ trở lên) là một thang đo khoảng giả định (assumed interval scale). Việc này cho phép các nhà nghiên cứu áp dụng các phương pháp thống kê mạnh mẽ hơn nhiều như tính giá trị trung bình, độ lệch chuẩn, phân tích tương quan và hồi quy, những công cụ không thể áp dụng trên dữ liệu thứ bậc thuần túy.

Tiêu chuẩn vàng để đánh giá một thang đo trong nghiên cứu: Độ tin cậy và Độ giá trị

Một thang đo trong nghiên cứu tốt không chỉ được xây dựng dựa trên lý thuyết vững chắc mà còn phải được kiểm định bằng dữ liệu thực tế. Hai tiêu chuẩn vàng để đánh giá chất lượng của một thang đo là Độ tin cậy (Reliability) và Độ giá trị (Validity). Hãy tưởng tượng bạn có một cây cung và một bia bắn:

• Độ tin cậy: Bạn bắn nhiều mũi tên và chúng đều cắm chụm vào một chỗ. Điều này cho thấy sự nhất quán.
• Độ giá trị: Các mũi tên của bạn không chỉ cắm chụm vào nhau mà còn cắm đúng vào hồng tâm. Điều này cho thấy sự chính xác.

1. Đánh giá Độ tin cậy (Reliability)

Độ tin cậy, hay còn gọi là độ nhất quán nội tại (internal consistency), trả lời cho câu hỏi: “Các câu hỏi (biến quan sát) trong cùng một nhóm (nhân tố) có đang cùng nhau đo lường một khái niệm duy nhất hay không?”. Nếu một thang đo có độ tin cậy cao, nghĩa là các câu hỏi của nó có mối tương quan chặt chẽ với nhau.

• Công cụ đo lường:
  • Cronbach’s Alpha: Chỉ số phổ biến nhất để đánh giá sơ bộ độ tin cậy trên SPSS. Một thang đo được xem là tốt khi có hệ số Cronbach’s Alpha từ 0.7 trở lên.
  • Độ tin cậy tổng hợp (Composite Reliability – CR): Một chỉ số cao cấp và chính xác hơn Cronbach’s Alpha, thường được sử dụng trong mô hình cấu trúc tuyến tính (SEM) trên AMOS hoặc SmartPLS. Tiêu chuẩn cũng là CR ≥ 0.7.

2. Đánh giá Độ giá trị (Validity)

Độ giá trị trả lời cho câu hỏi cốt lõi: “Thang đo có thực sự đo lường đúng khái niệm mà nó cần đo hay không?”. Một thang đo có thể rất tin cậy (các câu hỏi rất nhất quán) nhưng lại không có giá trị (đo nhầm một khái niệm khác). Độ giá trị có nhiều loại, nhưng trong nghiên cứu định lượng, hai loại quan trọng nhất là:

• Độ giá trị hội tụ (Convergent Validity): Các biến quan sát của cùng một nhân tố phải hội tụ lại với nhau, tức là có tương quan cao. Điều này được kiểm tra bằng Hệ số tải nhân tố (Factor Loading ≥ 0.5) và Phương sai trích trung bình (Average Variance Extracted – AVE ≥ 0.5).
• Độ giá trị phân biệt (Discriminant Validity): Các khái niệm khác nhau trong mô hình phải thực sự khác biệt với nhau. Ví dụ, thang đo “Sự hài lòng” phải khác biệt rõ rệt với thang đo “Lòng trung thành”. Điều này được kiểm tra bằng tiêu chuẩn Fornell-Larcker hoặc chỉ số HTMT.

Hướng dẫn chi tiết đánh giá sơ bộ thang đo bằng SPSS

Đây là bước không thể thiếu trong mọi luận văn định lượng. Sau khi thu thập dữ liệu, bạn cần kiểm tra xem bộ thang đo trong nghiên cứu của mình có đủ tốt để đi tiếp vào các phân tích sâu hơn hay không.

Bước 1: Kiểm định độ tin cậy Cronbach’s Alpha

Giả sử bạn có một nhân tố “Chất lượng dịch vụ” (CLDV) gồm 5 biến quan sát (CLDV1 đến CLDV5).

1. Trên SPSS, vào Analyze → Scale → Reliability Analysis.
2. Đưa 5 biến từ CLDV1 đến CLDV5 vào ô Items.
3. Click vào nút Statistics, tick vào ô Scale if item deleted. Nhấn Continue rồi OK.

Cách đọc kết quả:

• Nhìn vào bảng Reliability Statistics: Hệ số Cronbach’s Alpha tổng của thang đo phải từ 0.6 trở lên (tốt nhất là > 0.7).
• Nhìn vào bảng Item-Total Statistics:
  • Cột Corrected Item-Total Correlation (Tương quan biến-tổng): Tất cả các giá trị ở cột này phải lớn hơn hoặc bằng 0.3. Nếu có biến nào có hệ số < 0.3, đó là “kẻ phản bội”, không đóng góp vào việc đo lường chung và cần bị loại.
  • Cột Cronbach’s Alpha if Item Deleted: Cột này cho biết nếu loại biến đó đi thì Alpha tổng sẽ là bao nhiêu. Nếu việc loại một biến có tương quan biến-tổng thấp (< 0.3) làm cho Alpha tổng tăng lên đáng kể, đó là một minh chứng nữa cho việc cần loại bỏ biến đó.

Case Study Thực Tế 1: “Cứu” một thang đo có Cronbach’s Alpha thấp

Một sinh viên đang phân tích thang đo trong nghiên cứu về “Động lực làm việc” (ĐL) gồm 6 câu hỏi (DL1 đến DL6). Kết quả Cronbach’s Alpha lần đầu chạy ra chỉ là 0.58, không đạt yêu cầu.

• Chẩn đoán: Sinh viên kiểm tra bảng “Item-Total Statistics” và phát hiện biến DL4 có hệ số “Corrected Item-Total Correlation” là 0.11 (quá thấp). Đồng thời, ở dòng của biến DL4, cột “Cronbach’s Alpha if Item Deleted” hiển thị giá trị là 0.75.
• Hành động: Điều này có nghĩa là biến DL4 đang “phá đám”, không đo lường cùng một thứ với 5 biến còn lại. Nếu loại bỏ nó, độ tin cậy của thang đo sẽ tăng vọt lên 0.75. Sinh viên quyết định loại biến DL4 và chạy lại phân tích độ tin cậy với 5 biến còn lại.
• Kết quả: Hệ số Cronbach’s Alpha mới của thang đo “Động lực làm việc” là 0.75, đạt yêu cầu. Thang đo đã được “cứu” thành công và sẵn sàng cho bước phân tích EFA tiếp theo.

Nâng cao: Đánh giá thang đo chuyên sâu bằng AMOS và SmartPLS

Với các mô hình phức tạp hơn sử dụng Phân tích cấu trúc tuyến tính (SEM), việc đánh giá thang đo trong nghiên cứu sẽ được thực hiện thông qua Phân tích nhân tố khẳng định (CFA) trên AMOS hoặc thuật toán PLS trên SmartPLS. Các tiêu chí lúc này sẽ khắt khe và toàn diện hơn.

Case Study Thực Tế 2: Xử lý vấn đề độ giá trị phân biệt trong SmartPLS

Một nhà nghiên cứu đang kiểm định mô hình với hai khái niệm “Ý định mua” (YDM) và “Thái độ đối với sản phẩm” (TD). Về mặt lý thuyết, đây là hai khái niệm khác nhau nhưng có liên quan.

• Chẩn đoán: Sau khi chạy thuật toán PLS trên SmartPLS, kết quả cho thấy chỉ số HTMT giữa YDM và TD là 0.93. Con số này vượt ngưỡng cho phép (thường là 0.85 hoặc 0.90), cho thấy độ giá trị phân biệt không được đảm bảo.
• Diễn giải: Điều này có nghĩa là đối với nhóm đối tượng được khảo sát, họ không phân biệt được rõ ràng giữa “thái độ” và “ý định”. Hai khái niệm này đang bị đo lường một cách chồng chéo, gần như là một. Mô hình này đang gặp vấn đề nghiêm trọng về cấu trúc.
• Hành động: Nhà nghiên cứu xem xét bảng Outer Loadings và Cross-Loadings. Họ phát hiện một biến của thang đo “Thái độ” (ví dụ TD3: “Tôi nghĩ sản phẩm này hữu ích”) có hệ số tải lên nhân tố “Ý định mua” cũng khá cao. Đây là một biến quan sát “nhập nhằng”. Sau khi cân nhắc về mặt ngữ nghĩa và lý thuyết, nhà nghiên cứu quyết định loại bỏ biến TD3. Sau khi chạy lại mô hình, chỉ số HTMT giảm xuống còn 0.84, đạt yêu cầu về giá trị phân biệt. Thang đo đã trở nên “sạch sẽ” và rành mạch hơn.

Mẹo trình bày kết quả phân tích thang đo “ăn điểm” trong luận văn

Việc vượt qua các kiểm định kỹ thuật là cần thiết, nhưng cách bạn trình bày và biện luận kết quả mới là yếu tố quyết định điểm số cao.

1. Luôn trích dẫn nguồn gốc thang đo: Thay vì tự nghĩ ra câu hỏi, hãy bắt đầu chương phương pháp bằng một câu khẳng định tính khoa học: “Để đo lường khái niệm ‘Chất lượng cảm nhận’, nghiên cứu kế thừa và điều chỉnh thang đo trong nghiên cứu của Zeithaml (1988) gồm 5 biến quan sát. Việc điều chỉnh được thực hiện thông qua phỏng vấn chuyên gia để đảm bảo phù hợp với bối cảnh du lịch tại Đà Nẵng.” Điều này cho thấy bạn đứng trên vai những người khổng lồ.
2. Đảm bảo sự nhất quán tuyệt đối: Nếu biến HL5 bị loại ở bảng Cronbach’s Alpha, nó phải biến mất vĩnh viễn trong các bảng EFA, CFA và hồi quy sau đó. Rất nhiều sinh viên mắc lỗi “copy-paste” và để sót lại các biến đã loại, tạo ra sự mâu thuẫn chết người trong bài làm và bị hội đồng đánh giá rất thấp.
3. Biện luận bằng thực tiễn, không chỉ bằng con số: Đừng chỉ viết một câu cộc lốc: “Loại biến A3 vì có hệ số tải < 0.5”. Hãy nâng tầm lập luận của bạn: “Biến quan sát A3 (‘Tôi dễ dàng tìm thấy bãi đỗ xe’) bị loại khỏi thang đo ‘Sự tiện lợi của trung tâm thương mại’. Kết