Trang chủ » Tin tức » Lưu ý khi xây dựng thang đo lường cho biến phụ thuộc và các lỗi cần tránh 2024

Lưu ý khi xây dựng thang đo lường cho biến phụ thuộc và các lỗi cần tránh 2024

Trong quá trình nghiên cứu khoa học và phân tích dữ liệu thống kê, việc xác định mối quan hệ tác động giữa các biến là một phần quan trọng. Để làm điều này, trong mô hình nghiên cứu bao gồm cả biến độc lập và biến phụ thuộc, chúng ta cần xây dựng thang đo lường cho cả hai nhóm biến này và sau đó thu thập dữ liệu cho tất cả các biến có trong mô hình. Bài viết này sẽ chỉ ra hai lỗi cần tránh mà các bạn mới làm nghiên cứu thường gặp phải trong quá trình xây dựng thang đo lường cho biến phụ thuộc.

Mục lục

Lỗi cần tránh #1: Thiếu câu hỏi/ thang đo lường cho biến phụ thuộc

Rất nhiều bạn tham khảo luận văn, bài nghiên cứu, tạp chí quốc tế về các mô hình đơn giản có nhiều biến độc lập tác động lên một biến phụ thuộc. Khi xây dựng bảng câu hỏi, họ thường chỉ lập câu hỏi cho các biến độc lập mà không có câu hỏi cho biến phụ thuộc. Tuy nhiên, điều này là một lỗi cực kì nghiêm trọng.

Cách hiểu sai này là biến phụ thuộc có thể được đo bằng các biến độc lập. Nếu chúng ta chỉ có câu hỏi hoặc thang đo cho các biến độc lập, chúng ta không thể suy ra được thông tin về biến phụ thuộc. Điều quan trọng là chúng ta cần phải có câu hỏi hoặc thang đo cho cả biến phụ thuộc và biến độc lập để có thể phân tích mối quan hệ giữa chúng.

Lỗi này xuất phát từ một số nguyên nhân khách quan sau:

1. Thiếu kiến thức cơ bản về phân tích dữ liệu:

Khi chúng ta chạy các phân tích như hồi quy, SEM để xác định mối quan hệ giữa hai biến, nền tảng cơ sở phải có dữ liệu của cả hai biến đó. Dữ liệu của cả hai biến (biến độc lập và biến phụ thuộc) là cần thiết để phân tích mối quan hệ giữa chúng.
Chúng ta cần xem xét liệu dữ liệu của hai biến có tác động qua lại hay không để hiểu rõ hơn về mối quan hệ này. Từ đó, chúng ta mới biết được biến độc lập có tác động hay không tác động lên biến phụ thuộc

2. Lược bỏ thông tin về cơ sở lý thuyết của biến phụ thuộc:

Một số tài liệu trình bày quá ngắn gọn và không đề cập đến cơ sở lý thuyết của biến phụ thuộc.
Khi tìm hiểu các tài liệu này, người đọc có thể hiểu lầm rằng không cần biết về biến phụ thuộc để thực hiện phân tích hồi quy hoặc SEM.

3. Sử dụng dữ liệu ảo cho biến phụ thuộc:

Một số bài luận xây dựng mô hình hồi quy không có nguồn dữ liệu đầu vào (thứ cấp hoặc sơ cấp) cho biến phụ thuộc. Tuy nhiên, trong phần trình bày kết quả, lại xuất hiện bảng kết quả hồi quy.
Nguyên nhân là do tác giả đã sử dụng thủ thuật tạo dữ liệu ảo cho biến phụ thuộc để chạy hồi quy. Do đó, không thể trình bày rõ biến phụ thuộc được lấy dữ liệu từ đâu trong bài luận.
Việc này có thể làm cho hội đồng chấm bài không đánh giá kỹ phần định lượng và tạo ra nguồn tham khảo sai cho người nghiên cứu sau này.

Chúng ta đang đi tìm mối quan hệ giữa các biến độc lập với biến phụ thuộc. Mối quan hệ này có ý nghĩa hay không, biến độc lập có tác động lên phụ thuộc hay không sẽ được trả lời qua hệ số tác động (hệ số hồi quy). Hệ số tác động chỉ được tìm ra qua kết quả phân tích hồi quy hoặc SEM.

Muốn phân tích được hồi quy hay SEM thì phải khai báo dữ liệu đầu vào cho các biến trong mô hình. Và biến trong mô hình ngoài biến độc lập thì có cả biến phụ thuộc nữa. Nên bắt buộc phải có dữ liệu đầu vào của biến phụ thuộc.

Khi bạn không có dữ liệu cho biến phụ thuộc, bạn sẽ không thể thực hiện phân tích hồi quy bội hoặc các kiểm định liên quan đến biến đó trong tương lai. Để minh họa điều này, hãy xem xét một ví dụ phổ biến liên quan đến chất lượng dịch vụ, sử dụng mô hình SERVPERF.

1.Vi Du Ve Bien Doc Lap Bien Phu Thuoc Trong Spss 1

Ví dụ về mô hình SERVPERF

Ví dụ như mô hình đo lường về sự hài lòng ở trên, có 5 biến độc lập tác động lên biến phụ thuộc “Sự hài lòng”. Tác giả xác định là nghiên cứu này dùng dữ liệu sơ cấp từ khảo sát. Khi lập bảng câu hỏi khảo sát, tác giả sẽ cần lập câu hỏi thu thập dữ liệu cho tổng cộng 6 biến bao gồm cả biến phụ thuộc sự hài lòng. Bảng thang đo lường tham khảo cho mô hình này bạn tham khảo ở bên dưới:

Ký hiệu	Nội dung biến quan sát	(1)	(2)	(3)	(4)	(5)
NĂNG LỰC PHỤC VỤ (NL)
NL1	Tài xế taxi Xanh SM hiểu biết về văn hóa địa phương, chính trị xã hội
NL2	Tài xế taxi Xanh SM có đầy đủ giấy phép lái xe hợp pháp, điều khiển xe một cách thành thạo và cẩn thận (Đã sửa) Cũ: Tài xế lái xe an toàn
NL3	Tài xế taxi Xanh SM thành thạo mọi tuyến đường
NL4	Luôn giúp đỡ khách hàng mở cửa và mang hành lý lên xe, xuống xe
ĐÁP ỨNG (ĐƯ)
ĐƯ1	Khách hàng đón được xe: mọi lúc, mọi nơi
ĐƯ2	Tài xế Xanh SM có thể linh hoạt giải quyết các rủi ro, vấn đề phát sinh (Đã sửa) Cũ: Thực hiện đúng cam kết dịch vụ
ĐƯ3	Thời gian chờ xe đến là hợp lý
ĐƯ4	Hình thức thanh toán đa dạng, dễ dàng
ĐỘ TIN CẬY (TC)
TC1	Xe luôn đến đúng thời gian dự kiến trên ứng dụng
TC2	Thông tin phản hồi luôn được ghi nhận và giải quyết nhanh
TC3	Luôn lái xe chính xác đến địa điểm khách hàng yêu cầu
TC4	Tài xế Xanh SM luôn đi theo lộ trình tiết kiệm thời gian nhất cho khách hàng
TÍNH HỮU HÌNH (HH)
HH1	Taxi Xanh SM sử dụng là xe mới, hiện đại
HH2	Giao diện bên ngoài xe Taxi Xanh SM nhìn đẹp, bắt mắt, đồng bộ
HH3	Không gian bên trong của xe Taxi Xanh SM luôn gọn gàng, sạch sẽ
HH4	Động cơ xe Taxi Xanh SM chạy êm ái, ít bị xóc
HH5	Taxi Xanh SM có máy lạnh hoạt động tốt, nhiệt độ bên trong xe luôn mát mẻ
SỰ ĐỒNG CẢM (DC)
DC1	Tài xế Taxi Xanh SM luôn chủ động quan tâm đến khách hàng
DC2	Tài xế Taxi Xanh SM hiểu rõ các nhu cầu của khách hàng
DC3	Tài xế Taxi Xanh SM đặc biệt chú ý đến cảm nhận của khách hàng
DC4	Tài xế Taxi Xanh SM giao tiếp với khách hàng thân thiện và lịch sự
SỰ HÀI LÒNG (HL)
HL1	Tôi hài lòng về chất lượng dịch vụ của Taxi Xanh SM
HL2	Tôi hài lòng khi sử dụng Taxi Xanh SM hơn là các hãng taxi truyền thống
HL3	Tôi thấy rằng sử dụng dịch vụ Taxi Xanh SM là một lựa chọn đúng đắn
HL4	Tôi sẽ tiếp tục sử dụng dịch vụ taxi Xanh SM trong thời gian tới

Trong thực tế, một số người nghiên cứu thường lấy 21 câu hỏi cho biến độc lập và đưa chúng vào bảng câu hỏi, nghĩ rằng đã hoàn thành việc thiết lập câu hỏi cho toàn bộ mô hình. Tuy nhiên, biến phụ thuộc “Sự hài lòng dịch vụ” (Service Satisfaction) lại không có bất kỳ biến quan sát nào để hình thành thang đo. Giảng viên, vì một lý do nào đó, đã bỏ qua việc này và duyệt bảng câu hỏi để bạn tiến hành khảo sát 500 người. Khi bạn đã hoàn thành khảo sát và có kết quả trên tay, bạn mới nhận ra rằng không có dữ liệu cho biến phụ thuộc để thực hiện phân tích hồi quy.

Hãy nhớ rằng để tìm ra các hệ số hồi quy, chúng ta cần cả dữ liệu của các biến độc lập và biến phụ thuộc. Thiếu thang đo cho biến phụ thuộc, bạn có thể chạy được các kiểm định như Cronbach Alpha, EFA, nhưng không thể thực hiện phân tích hồi quy. Dù bạn bổ sung dữ liệu cho biến phụ thuộc, bạn không thể đem 500 bảng hỏi để tìm đúng 500 người lúc đầu điền đáp án vào biến phụ thuộc. Hơn nữa, ngay cả khi bạn tìm được 500 người, họ cũng có thể không nhớ đã điền gì vào biến độc lập và biến phụ thuộc cách đây vài tuần. Sự khập khiễng trong thời gian khảo sát có thể dẫn đến sai lệch trong kết quả phân tích

Hãy lưu ý rằng khi xây dựng thang đo lường cho mô hình cần phải có đủ biến quan sát cho biến độc lập và biến phụ thuộc.

Nếu bạn gặp khó khăn khi thực hiện phân tích SPSS vì số liệu khảo sát không tốt, vi phạm các tiêu chí kiểm định hoặc cần xử lý số liệu một cách hiệu quả? Bạn có thể tham khảo dịch vụ chạy SPSS thuê của Xử Lý Số Liệu hoặc liên hệ trực tiếp email hotro@xulysolieu.info để tối ưu thời gian làm bài và đạt kết quả tốt.

Lỗi cần tránh #2: Lấy biến độc lập làm biến quan sát đại diện cho biến phụ thuộc

Thực tế, trên Internet hiện nay có rất nhiều đề tài nghiên cứu và luận văn thạc sĩ mắc phải sai lầm này. Mặc dù vậy, những tác phẩm này vẫn được hội đồng chấm đạt. Hậu quả của việc này là những sinh viên và nhà nghiên cứu sau này không nắm vững kiến thức về phương pháp nghiên cứu. Họ thường kế thừa bảng khảo sát từ những tác giả trước mà không xem xét lại. Điều này thường xuất phát từ niềm tin rằng nếu đó là nghiên cứu đăng báo hoặc luận văn thạc sĩ đã được chấm đậu, thì bảng câu hỏi của họ đã đúng.

Điều này thực sự là một lỗi nghiêm trọng. Khi xây dựng biến quan sát, chúng ta cần tuân theo các nguyên tắc lý thuyết nghiên cứu và tính logic. Việc kế thừa bảng câu hỏi mà không xem xét lại có thể dẫn đến kết quả sai lệch và không đáng tin cậy.

Ví dụ về cách xây dựng biến quan sát sai với trường hợp mô hình SERVPERF: Biến phụ thuộc “Sự hài lòng về chất lượng dịch vụ” được đo lường thông qua các biến quan sát.

1. Tôi hài lòng đối với yếu tố năng lực phục vụ của công ty XLSL

2. Tôi hài lòng đối với yếu tố sự đáp ứng mà công ty XLSL mang lại

3. Tôi hài lòng đối với yếu tố độ tin cậy của công ty XLSL

4. Tôi hài lòng đối với yếu tố tính hữu hình của công ty XLSL

5. Tôi hài lòng đối với yếu tố sự đồng cảm của công ty XLSL

Trong phương pháp nghiên cứu, khái niệm “Sự hài lòng về chất lượng dịch vụ” là một khái niệm trừu tượng, không thể đo lường trực tiếp. Thay vào đó, chúng ta sẽ đo thông qua các biến quan sát nhỏ. Cách xây dựng các biến quan sát này có thể theo hai hướng:

Xây dựng theo “nguyên nhân”: Trong trường hợp này, chúng ta xây dựng các biến quan sát dựa trên nguyên nhân gây ra sự hài lòng. Tuy nhiên, phương pháp này thường gặp vấn đề về kiểm định độ tin cậy của thang đo.
Xây dựng theo “kết quả”: Đây là phương pháp phổ biến hơn. Chúng ta xây dựng các biến quan sát dựa trên kết quả của sự hài lòng về chất lượng dịch vụ. Thường thì việc này đảm bảo tính tin cậy hơn.

Xây dựng thang đo theo kết quả nghĩa là, khi khách hàng hài lòng về chất lượng dịch vụ của công ty XLSL, họ thường thể hiện như sau:

Quyết định sử dụng dịch vụ: Họ có ý định tiếp tục hoặc sử dụng dịch vụ của công ty XLSL trong tương lai.
Tạo phản hồi tích cực: Họ nói tốt về dịch vụ và công ty đó với bạn bè và người thân.
Giới thiệu cho người khác: Họ giới thiệu dịch vụ và công ty đó cho người khác.
Ưu tiên sử dụng dịch vụ: Khi cần sử dụng dịch vụ, họ gần như nghĩ ngay đến công ty XLSL thay vì các đối thủ khác.

Mỗi câu hỏi, ý kiến ở trên chính là một biến quan sát đo lường “Sự hài lòng về chất lượng dịch vụ”. Các biến quan sát này phù hợp với nguyên tắc quan trọng trong kiểm định độ tin cậy thang đo là có sự tương quan tốt với nhau.

Quay lại với ví dụ về 5 biến quan sát sai lầm ở trên, chúng ta dễ dàng nhận ra rằng, 5 yếu tố này thực ra là 5 biến độc lập. Đã là biến độc lập, chúng ta kỳ vọng rằng sự tương quan giữa chúng không nên quá mạnh. Nếu các biến độc lập tương quan mạnh với nhau, điều này có thể dẫn đến hiện tượng cộng tuyến và đa cộng tuyến.

Khi bạn lấy 5 yếu tố độc lập và ghép chúng thành một thang đo, điều quan trọng là xem xét tính tương quan giữa các yếu tố này. Vì chúng là các thành phần độc lập, nên tính tương quan giữa chúng sẽ cực kỳ yếu. Điều này có thể dẫn đến độ tin cậy của thang đo “Sự hài lòng về chất lượng dịch vụ” giảm đi. Nếu hệ số tương quan quá thấp, chẳng hạn dưới 0.6, thì thang đo này không đảm bảo độ tin cậy và dẫn đến việc số liệu thu thập không có giá trị.

Đáng chú ý, nguyên nhân dẫn đến việc số liệu không dùng được không phải đến từ người được khảo sát, mà thường xuất phát từ lỗi trong quá trình lập bảng câu hỏi khảo sát. Điều này cần được chú ý và kiểm tra kỹ lưỡng để đảm bảo tính chính xác của dữ liệu.

Hãy lưu ý rằng khi xây dựng thang đo lường cần tránh lấy biến độc lập làm biến quan sát đại diện cho biến phụ thuộc

Xử Lý Số Liệu cung cấp cho bạn hướng dẫn trong bài viết này để bạn nắm được những lưu ý quan trọng khi xây dựng thang đo lường cho biến phụ thuộc. Nếu bạn cần hỗ trợ thêm, Xử Lý Số Liệu sẵn lòng cung cấp dịch vụ hỗ trợ chuyên nghiệp nhanh chóng. Đừng ngần ngại liên hệ Xử Lý Số Liệu tại đây để được trợ giúp!