Trong quá trình thực hiện nghiên cứu khoa học và phân tích dữ liệu thống kê, việc xác định mối tương quan giữa các biến là một bước thiết yếu. Trong các mô hình nghiên cứu, với cả biến độc lập lẫn biến phụ thuộc, việc thiết kế thang đo lường cho cả hai loại biến này và sau đó thu thập dữ liệu cho tất cả các biến trong mô hình là cực kỳ quan trọng. Bài viết này sẽ chỉ ra hai sai sót thường gặp mà những người mới bắt đầu nghiên cứu hay mắc phải khi xây dựng thang đo cho biến phụ thuộc.

Sai Lầm #1: Bỏ Quên Câu Hỏi/Thang Đo Cho Biến Phụ Thuộc

Nhiều người tham khảo các luận văn, bài nghiên cứu và tạp chí khoa học quốc tế về các mô hình đơn giản có nhiều biến độc lập tác động lên duy nhất một biến phụ thuộc. Khi thiết kế bảng câu hỏi, họ thường chỉ tạo câu hỏi cho các biến độc lập mà bỏ qua câu hỏi cho biến phụ thuộc. Đây là một sai sót nghiêm trọng cần tránh.

Cách hiểu sai lệch này cho rằng biến phụ thuộc có thể được đo lường thông qua các biến độc lập. Nếu chỉ có câu hỏi hoặc thang đo cho các biến độc lập, chúng ta không thể có được thông tin về biến phụ thuộc. Vì vậy, cần thiết phải có câu hỏi hoặc thang đo cho cả biến phụ thuộc và biến độc lập để phân tích mối quan hệ giữa chúng một cách chính xác.

Lỗi này thường phát sinh từ những nguyên nhân khách quan sau:

1. Sự Hiểu Biết Hạn Chế Về Phân Tích Dữ Liệu:

• Trong các phân tích như hồi quy hoặc SEM để xác định mối liên hệ giữa hai biến, điều kiện tiên quyết là phải có dữ liệu của cả hai biến đó. Dữ liệu của cả biến độc lập và biến phụ thuộc là bắt buộc để có thể phân tích liên kết giữa chúng.
• Cần đánh giá xem dữ liệu của hai biến có ảnh hưởng lẫn nhau hay không để hiểu rõ hơn về mối tương quan này. Từ đó, chúng ta mới xác định liệu biến độc lập có thực sự tác động lên biến phụ thuộc hay không.

2. Bỏ Qua Nền Tảng Lý Thuyết Của Biến Phụ Thuộc:

• Một số tài liệu trình bày quá sơ sài và không đề cập đến cơ sở lý thuyết của biến phụ thuộc.
• Khi đọc các tài liệu này, người nghiên cứu có thể hiểu sai rằng không cần kiến thức về biến phụ thuộc vẫn có thể thực hiện phân tích hồi quy hoặc SEM.

3. Sử Dụng Dữ Liệu Ảo Cho Biến Phụ Thuộc:

• Một số luận văn xây dựng mô hình hồi quy mà không có nguồn dữ liệu đầu vào (sơ cấp hoặc thứ cấp) cho biến phụ thuộc. Tuy nhiên, phần kết quả lại xuất hiện bảng kết quả hồi quy.
• Hiện tượng này xảy ra do tác giả đã sử dụng thủ thuật tạo dữ liệu không có thực cho biến phụ thuộc để thực hiện phân tích hồi quy. Vì vậy, tác giả không thể trình bày rõ nguồn gốc dữ liệu của biến phụ thuộc trong bài luận.
• Điều này có thể khiến hội đồng chấm bài không đánh giá kỹ lưỡng phần định lượng và tạo ra nguồn tham khảo sai cho những người nghiên cứu sau này.

Mục tiêu của chúng ta là khám phá sự tương quan giữa các biến độc lập và biến phụ thuộc. Mức độ ý nghĩa của mối tương quan này, cũng như việc biến độc lập có ảnh hưởng đến biến phụ thuộc hay không sẽ được xác định thông qua hệ số tác động (hệ số hồi quy). Hệ số tác động chỉ có thể được xác định thông qua kết quả phân tích hồi quy hoặc SEM.

Để thực hiện phân tích hồi quy hoặc SEM, cần phải khai báo dữ liệu đầu vào cho tất cả các biến trong mô hình. Và mô hình luôn bao gồm cả biến độc lập và biến phụ thuộc. Do đó, bắt buộc phải có dữ liệu đầu vào cho biến phụ thuộc.

Nếu 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 làm rõ điều này, xem xét một ví dụ phổ biến về chất lượng dịch vụ, sử dụng mô hình SERVPERF.

Ví dụ về ứng dụng mô hình SERVPERF

Ví dụ về mô hình SERVPERF

Ví dụ, trong mô hình đo lường sự hài lòng ở trên, có 5 biến độc lập tác động lên biến phụ thuộc “Sự hài lòng”. Giả sử tác giả xác định sử dụng dữ liệu sơ cấp thu thập từ khảo sát. Khi thiết kế bảng câu hỏi khảo sát, tác giả cần tạo câu hỏi thu thập dữ liệu cho cả 6 biến, bao gồm cả biến phụ thuộc “Sự hài lòng”. Dưới đây là bảng thang đo lường tham khảo cho mô hình này:

Trong thực tế, một số người nghiên cứu có thể chỉ thêm 21 câu hỏi cho các biến độc lập vào bảng câu hỏi và nghĩ rằng đã hoàn tất 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 lý do nào đó, bỏ qua lỗi này và duyệt bảng câu hỏi để bạn tiến hành khảo sát 500 người. Sau khi hoàn tất khảo sát và có kết quả, bạn mới phát hiện ra rằng không có dữ liệu cho biến phụ thuộc để thực hiện phân tích hồi quy.

Cần nhớ rằng để tìm ra các hệ số hồi quy, cần có cả dữ liệu của các biến độc lập và biến phụ thuộc. Việc thiếu thang đo cho biến phụ thuộc cho phép bạn chạy các kiểm định như Cronbach Alpha, EFA, nhưng không thể thực hiện phân tích hồi quy. Ngay cả khi bạn bổ sung dữ liệu cho biến phụ thuộc, bạn cũng không thể tìm lại đúng 500 người đã tham gia khảo sát ban đầu để điền vào biến phụ thuộc. Hơn nữa, ngay cả khi tìm được, họ cũng có thể không nhớ những gì đã điền vào các biến độc lập và biến phụ thuộc vài tuần trước đó. Sự sai lệch về thời gian khảo sát có thể dẫn đến sự không chính xác trong kết quả phân tích.

Do đó, hãy nhớ rằng khi xây dựng thang đo lường cho mô hình, cần đảm bảo đủ biến quan sát cho cả 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.

Sai Lầm #2: Dùng Biến Độc Lập Thay Thế Biến Quan Sát Cho Biến Phụ Thuộc

Trên thực tế, có rất nhiều đề tài nghiên cứu và luận văn thạc sĩ trên Internet hiện nay mắc phải lỗi này. Mặc dù vậy, những công trình này vẫn được hội đồng chấm đậu. Hậu quả là sinh viên và nhà nghiên cứu sau này không nắm vững kiến thức về phương pháp nghiên cứu. Họ có xu hướng bê nguyên bảng khảo sát từ các tác giả trước mà không xem xét lại. Điều này thường xuất phát từ niềm tin rằng nếu đó là nghiên cứu đã được đăng báo hoặc luận văn thạc sĩ đã được duyệt, thì bảng câu hỏi đó chắc chắn đúng.

Tuy nhiên, đó là một sai lầm nghiêm trọng. Khi xây dựng biến quan sát, cần tuân thủ các nguyên tắc lý thuyết nghiên cứu và logic. Việc sao chép 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 trong 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

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.*

Trong phương pháp nghiên cứu, “Sự hài lòng về chất lượng dịch vụ” là một khái niệm trừu tượng và không thể đo lường trực tiếp. Thay vào đó, chúng ta sẽ đo lường 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 phương pháp này đảm bảo tính tin cậy cao hơn.

Xây dựng thang đo theo “kết quả” có 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 hoặc ý kiến trên 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, đó là phải có sự tương quan tốt với nhau.

Quay lại ví dụ về 5 biến quan sát sai lầm ở trên, dễ dàng nhận thấy rằng 5 yếu tố này thực chất là 5 biến độc lập. Vì là biến độc lập, chúng ta kỳ vọng 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, tính tương quan giữa chúng thường rất yếu. Điều này có thể khiến độ tin cậy của thang đo “Sự hài lòng về chất lượng dịch vụ” giảm. Nếu hệ số tương quan quá thấp, ví dụ dưới 0.6, thì thang đo này không đảm bảo độ tin cậy, dẫn đến số liệu thu thập không có giá trị.

Đáng chú ý, nguyên nhân dẫn đến việc số liệu không dùng được không phải do người được khảo sát, mà thường do lỗi trong quá trình thiết kế 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 nhớ 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 những hướng dẫn trong bài viết này để giúp bạn nắm bắt những lưu ý quan trọng khi xây dựng thang đo lường cho các biến phụ thuộc. Nếu bạn cần thêm hỗ trợ, Xử Lý Số Liệu sẵn sàng cung cấp dịch vụ hỗ trợ chuyên nghiệp và nhanh chóng. Đừng ngần ngại liên hệ với Xử Lý Số Liệu tại đây để được trợ giúp!