Việc chạy được Cronbach’s Alpha trên SPSS chỉ là bước đầu. Khó khăn lớn hơn đối với nhiều học viên cao học và người thực hiện nghiên cứu định lượng nằm ở việc đọc đúng các bảng kết quả mà phần mềm xuất ra. Không ít trường hợp thang đo bị loại nhầm biến quan sát, hoặc viết nhận xét chưa chính xác chỉ vì hiểu sai ý nghĩa của từng chỉ số. Bài viết này tập trung giải thích cách đọc các bảng Cronbach’s Alpha trong SPSS theo góc nhìn thực hành, giúp người nghiên cứu biết nên nhìn vào đâu trước, chỉ số nào quan trọng nhất và khi nào cần giữ hoặc loại biến.
Trong bài viết này, Xử Lý Định Lượng sẽ hướng dẫn người nghiên cứu cách diễn giải từng bảng kết quả Cronbach’s Alpha thường xuất hiện trong SPSS, đồng thời chia sẻ những kinh nghiệm thực tế được đúc kết từ quá trình hỗ trợ luận văn, luận án và nghiên cứu ứng dụng tại doanh nghiệp.
1. Những bảng kết quả quan trọng cần đọc trong Cronbach’s Alpha của SPSS
Sau khi thực hiện Reliability Analysis, SPSS thường xuất ra nhiều bảng thống kê khác nhau. Tuy nhiên, trong phần lớn luận văn, luận án và nghiên cứu ứng dụng, chúng ta chỉ cần tập trung vào hai bảng quan trọng nhất là Reliability Statistics và Item-Total Statistics.
Bảng Reliability Statistics cung cấp hệ số Cronbach’s Alpha tổng của toàn bộ thang đo. Đây là thông tin đầu tiên giúp đánh giá mức độ nhất quán nội tại giữa các biến quan sát. Theo Nunnally (1978), hệ số Alpha từ 0.70 trở lên thường được xem là phù hợp đối với nghiên cứu ứng dụng. Hair và cộng sự (2019) cũng cho rằng ngưỡng từ 0.60 vẫn có thể chấp nhận trong các nghiên cứu khám phá hoặc khi sử dụng những thang đo mới phát triển.
Tuy nhiên, Alpha tổng không phải là tiêu chí duy nhất cần quan tâm. Trong thực tế xử lý dữ liệu, chúng ta thường gặp những thang đo có Alpha khá cao nhưng vẫn tồn tại một hoặc hai biến quan sát hoạt động kém hiệu quả. Nếu chỉ nhìn vào Alpha tổng rồi chuyển sang EFA, kết quả ở các bước tiếp theo có thể bị ảnh hưởng đáng kể.
Chính vì vậy, bảng Item-Total Statistics mới là nơi giúp chúng ta đưa ra quyết định giữ hay loại biến quan sát. Bảng này bao gồm các chỉ số như:
- Scale Mean if Item Deleted.
- Scale Variance if Item Deleted.
- Corrected Item-Total Correlation.
- Cronbach’s Alpha if Item Deleted.
Trong số đó, hai chỉ số cuối cùng là những thông tin quan trọng nhất và cũng là cơ sở để viết phần nhận xét trong luận văn hoặc bài báo khoa học.
Một sai lầm khá phổ biến là cố gắng giải thích toàn bộ các con số mà SPSS cung cấp. Cách làm này khiến nội dung trở nên dài dòng nhưng lại bỏ qua những tiêu chí thực sự cần thiết. Thay vào đó, chúng ta nên tập trung vào các chỉ số phục vụ trực tiếp cho việc đánh giá độ tin cậy của thang đo.
2. Cách đọc bảng Reliability Statistics và ý nghĩa hệ số Alpha tổng
Bảng Reliability Statistics thường rất ngắn gọn, chỉ bao gồm hai thông tin cơ bản là hệ số Cronbach’s Alpha và số lượng biến quan sát (N of Items).
Tuy đơn giản, nhưng đây lại là bước đầu tiên để xác định liệu thang đo có đạt mức độ nhất quán nội tại phù hợp hay không.
Điều quan trọng cần lưu ý là hệ số Alpha dùng để báo cáo trong luận văn phải là kết quả ở lần chạy cuối cùng, sau khi toàn bộ các biến quan sát không đạt yêu cầu đã được loại bỏ. Nhiều học viên thường lấy Alpha của lần chạy đầu tiên để viết kết quả, trong khi thang đo vẫn còn chứa những biến có chất lượng thấp. Đây là một sai sót khá phổ biến khi xử lý dữ liệu trên SPSS.
Bên cạnh đó, chúng ta cũng không nên mặc định rằng Alpha càng cao thì thang đo càng tốt.
Theo DeVellis (2016), hệ số Alpha nằm trong khoảng từ 0.80 đến dưới 0.90 phản ánh mức độ tin cậy rất tốt. Ngược lại, nếu Alpha vượt quá 0.95, các biến quan sát có thể đang bị trùng lặp nội dung hoặc cùng đo lường một khía cạnh quá giống nhau.
Trong quá trình hỗ trợ luận văn, mình thường gặp trường hợp học viên tiếp tục loại bỏ biến chỉ để nâng Alpha từ 0.88 lên 0.90 hoặc 0.91. Nếu các biến vẫn đảm bảo ý nghĩa lý thuyết và đạt các tiêu chí thống kê cần thiết, việc làm này thực tế không mang lại nhiều giá trị.
Cronbach’s Alpha tổng chỉ phản ánh mức độ nhất quán chung của toàn bộ thang đo. Để quyết định giữ hay loại từng biến quan sát, chúng ta vẫn phải quay lại phân tích bảng Item-Total Statistics.
3. Cách đọc bảng Item-Total Statistics qua ví dụ thang đo Lãnh đạo
Để dễ hình dung, hãy xem xét một nghiên cứu về sự ảnh hưởng của phong cách lãnh đạo đến sự hài lòng của nhân viên. Thang đo Lãnh đạo (LD) ban đầu gồm 7 biến quan sát từ LD1 đến LD7.
Kết quả Cronbach’s Alpha lần chạy thứ nhất
Kết quả Reliability Statistics cho thấy:
Nếu chỉ nhìn vào hệ số Alpha bằng 0.840, nhiều người sẽ cho rằng thang đo đã đạt yêu cầu và có thể chuyển sang bước EFA. Tuy nhiên, chúng ta vẫn cần kiểm tra từng biến quan sát trong bảng Item-Total Statistics.
Kết quả Corrected Item-Total Correlation như sau:
Theo Cristobal và cộng sự (2007), hệ số Corrected Item-Total Correlation nên đạt tối thiểu 0.30. Nếu muốn tìm hiểu sâu hơn về ý nghĩa, nguồn gốc của ngưỡng 0.30 và cách xử lý các trường hợp đặc biệt, bạn có thể tham khảo bài viết Corrected Item-Total Correlation là gì?. Trong trường hợp này, biến LD7 chỉ đạt 0.238 nên chưa đáp ứng yêu cầu về độ tương quan với tổng thang đo. Điều đó cho thấy nội dung của LD7 có thể chưa phản ánh cùng một khái niệm lãnh đạo với các biến còn lại hoặc người trả lời đang hiểu biến này theo một hướng khác.
Tiếp tục xem xét cột hệ số Cronbach’s Alpha if Item Deleted, nếu loại LD7, hệ số Alpha tăng từ 0.840 lên 0.867. Đồng thời, LD7 cũng không đạt tiêu chuẩn về Corrected Item-Total Correlation. Khi hai dấu hiệu này cùng xuất hiện, chúng ta có đủ cơ sở thống kê để loại bỏ biến quan sát này khỏi thang đo.
Từ kinh nghiệm xử lý luận văn, đây là một tình huống khá điển hình. Một biến vừa có hệ số tương quan biến-tổng thấp, vừa làm giảm độ tin cậy chung của thang đo thường nên được loại bỏ trước khi tiếp tục các bước phân tích tiếp theo.
Kết quả Cronbach’s Alpha sau khi loại LD7
Sau khi loại LD7 và thực hiện phân tích lại, SPSS cho kết quả mới như sau:
Đây mới là hệ số Cronbach’s Alpha chính thức cần sử dụng trong luận văn hoặc bài báo khoa học. Hệ số Cronbach’s Alpha đạt mức 0.867 > 0.7, thang đo đảm bảo độ tin cậy. Mặc dù ví dụ trên đạt hệ số Alpha bằng 0.867, nhưng ngưỡng chấp nhận còn phụ thuộc vào mục tiêu nghiên cứu, loại thang đo và quan điểm học thuật được sử dụng. Bạn có thể xem thêm bài Cronbach’s Alpha bao nhiêu thì đạt? Tiêu chuẩn theo Nunnally và Hair để hiểu rõ hơn.
Kết quả Corrected Item-Total Correlation của các biến còn lại dao động từ 0.568 đến 0.696, đều lớn hơn ngưỡng 0.30 theo Cristobal và cộng sự (2007). Đồng thời, giá trị Cronbach’s Alpha if Item Deleted của từng biến đều nhỏ hơn Alpha tổng hiện tại.
Điều này cho thấy việc loại thêm bất kỳ biến quan sát nào cũng không giúp cải thiện đáng kể độ tin cậy của thang đo. Vì vậy, chúng ta có thể giữ lại toàn bộ 6 biến còn lại để tiếp tục thực hiện EFA, CFA hoặc phân tích SEM bằng AMOS và SMARTPLS.
Một nguyên tắc rất quan trọng cần ghi nhớ là:
Hệ số Cronbach’s Alpha được báo cáo trong nghiên cứu phải là hệ số Alpha ở lần chạy cuối cùng, sau khi toàn bộ các biến quan sát không đạt yêu cầu đã được loại bỏ.
Nói cách khác, trong ví dụ này, kết quả cần trình bày là:
“Thang đo Lãnh đạo gồm 6 biến quan sát đạt hệ số Cronbach’s Alpha bằng 0.867. Các biến quan sát có Corrected Item-Total Correlation dao động từ 0.568 đến 0.696, đều lớn hơn 0.30 nên được giữ lại để tiếp tục phân tích EFA.”
Chứ không phải kết quả Alpha bằng 0.840 của lần chạy đầu tiên.
4. Những sai lầm phổ biến khi diễn giải kết quả Cronbach’s Alpha
Mặc dù Cronbach’s Alpha là một kỹ thuật tương đối quen thuộc trong nghiên cứu định lượng, nhưng trên thực tế vẫn có rất nhiều học viên cao học và người học SPSS mắc phải những sai lầm giống nhau khi đọc kết quả đầu ra. Những nhầm lẫn này không chỉ ảnh hưởng đến phần nhận xét trong luận văn mà còn tác động trực tiếp đến chất lượng của các bước phân tích EFA, CFA hoặc SEM sau đó.
a. Chỉ nhìn vào Alpha tổng mà bỏ qua Corrected Item-Total Correlation
Đây có lẽ là sai lầm phổ biến nhất. Nhiều người thấy hệ số Alpha lớn hơn 0.8 liền kết luận rằng thang đo đã đạt độ tin cậy và sẵn sàng chuyển sang phân tích nhân tố khám phá.
Tuy nhiên, Alpha tổng chỉ phản ánh mức độ nhất quán nội tại chung của toàn bộ thang đo, chứ không đánh giá chất lượng của từng biến quan sát riêng lẻ.
Quay lại ví dụ về thang đo Lãnh đạo trong nghiên cứu sự ảnh hưởng đến sự hài lòng của nhân viên, hệ số Alpha ở lần chạy đầu tiên đạt 0.840. Nếu dừng lại ở đây, chúng ta hoàn toàn có thể đưa ra kết luận sai rằng thang đo đã đạt yêu cầu. Tuy nhiên, khi kiểm tra bảng Item-Total Statistics, biến LD7 chỉ có Corrected Item-Total Correlation bằng 0.238, thấp hơn ngưỡng 0.30 theo Cristobal và cộng sự (2007).
Điều này cho thấy việc đánh giá độ tin cậy của thang đo luôn phải kết hợp giữa Alpha tổng và Corrected Item-Total Correlation, thay vì chỉ dựa vào một chỉ số duy nhất.
b. Loại biến chỉ vì Alpha if Item Deleted tăng lên
Một hiểu lầm khác thường gặp là cứ thấy Cronbach’s Alpha if Item Deleted cao hơn Alpha hiện tại thì lập tức loại biến quan sát đó.
Trên thực tế, chúng ta cần xem xét đồng thời cả ba yếu tố: mức tăng của Alpha, Corrected Item-Total Correlation và ý nghĩa lý thuyết của biến.
Ví dụ, trong lần chạy đầu tiên của thang đo Lãnh đạo, việc loại LD7 giúp Alpha tăng từ 0.840 lên 0.867. Đây là mức tăng tương đối rõ ràng, đồng thời LD7 cũng không đạt yêu cầu về Corrected Item-Total Correlation, nên quyết định loại bỏ là hợp lý.
Ngược lại, nếu một biến có Corrected Item-Total Correlation đạt 0.58 và việc loại bỏ chỉ làm Alpha tăng từ 0.867 lên 0.872, mức cải thiện này thường không mang nhiều ý nghĩa thực tiễn. Trong trường hợp đó, việc giữ lại biến để đảm bảo tính đầy đủ của nội dung đo lường có thể là lựa chọn phù hợp hơn.
Kinh nghiệm xử lý luận văn cho thấy việc tối ưu hóa Alpha bằng mọi giá đôi khi lại làm suy giảm giá trị lý thuyết của thang đo.
c. Báo cáo Alpha của lần chạy đầu tiên thay vì lần cuối cùng
Đây là lỗi xuất hiện khá thường xuyên trong các luận văn mới thực hiện nghiên cứu định lượng.
Sau khi loại bỏ một hoặc nhiều biến quan sát không đạt yêu cầu, nhiều học viên vẫn giữ nguyên hệ số Alpha ban đầu để viết kết quả nghiên cứu. Thực tế, Alpha của lần chạy đầu tiên chỉ mang tính chất trung gian và phục vụ cho việc ra quyết định giữ hoặc loại biến.
Hệ số Cronbach’s Alpha chính thức cần báo cáo phải là kết quả của lần chạy cuối cùng, sau khi toàn bộ các biến quan sát kém chất lượng đã được loại bỏ.
Đối với ví dụ thang đo Lãnh đạo, kết quả cần trình bày trong luận văn là:
Thang đo Lãnh đạo gồm 6 biến quan sát đạt hệ số Cronbach’s Alpha bằng 0.867.
Chứ không phải:
Thang đo Lãnh đạo gồm 7 biến quan sát đạt hệ số Cronbach’s Alpha bằng 0.840.
Đây là một nguyên tắc quan trọng mà người thực hiện nghiên cứu định lượng cần ghi nhớ để tránh sai sót trong quá trình viết báo cáo khoa học.
5. Cách viết nhận xét Cronbach’s Alpha theo chuẩn luận văn và bài báo khoa học
Sau khi hoàn tất việc sàng lọc các biến quan sát, bước tiếp theo là trình bày kết quả bằng văn phong học thuật phù hợp với luận văn hoặc bài báo khoa học.
Đối với ví dụ về thang đo Lãnh đạo, chúng ta có thể viết như sau:
“Kết quả kiểm định độ tin cậy cho thấy thang đo Lãnh đạo sau khi loại biến LD7 đạt hệ số Cronbach’s Alpha bằng 0.867 với 6 biến quan sát. Các hệ số Corrected Item-Total Correlation dao động từ 0.568 đến 0.696, đều lớn hơn ngưỡng 0.30 theo Cristobal và cộng sự (2007). Đồng thời, giá trị Cronbach’s Alpha if Item Deleted của các biến còn lại đều thấp hơn hệ số Alpha tổng hiện tại, cho thấy việc loại thêm bất kỳ biến quan sát nào cũng không làm cải thiện độ tin cậy của thang đo. Do đó, toàn bộ 6 biến quan sát được giữ lại để tiếp tục thực hiện phân tích EFA.”
Khi viết phần nhận xét, chúng ta nên ưu tiên trình bày theo logic sau:
- Thứ nhất, nêu hệ số Cronbach’s Alpha cuối cùng của thang đo.
- Thứ hai, đề cập khoảng dao động của Corrected Item-Total Correlation và đối chiếu với ngưỡng chấp nhận.
- Thứ ba, giải thích rõ các biến bị loại bỏ nếu có.
- Cuối cùng, kết luận về việc giữ lại các biến quan sát để tiếp tục các bước phân tích tiếp theo.
Ngược lại, chúng ta không nhất thiết phải liệt kê toàn bộ giá trị của từng biến nếu tất cả đều đạt yêu cầu. Việc trình bày quá chi tiết đôi khi khiến phần kết quả trở nên dài dòng mà không làm tăng giá trị học thuật của nghiên cứu.
6. Câu hỏi thường gặp
Câu hỏi 1: Cronbach’s Alpha đạt 0.84 nhưng vẫn phải loại biến, điều này có đúng không?
Hoàn toàn đúng. Hệ số Alpha tổng chỉ phản ánh mức độ nhất quán chung của thang đo. Nếu một biến quan sát có Corrected Item-Total Correlation nhỏ hơn 0.30, biến đó vẫn cần được xem xét loại bỏ dù Alpha tổng đang ở mức khá cao.
Câu hỏi 2: Khi viết luận văn, nên báo cáo Alpha lần đầu hay lần cuối?
Người nghiên cứu cần sử dụng hệ số Cronbach’s Alpha ở lần chạy cuối cùng, sau khi đã loại bỏ toàn bộ các biến quan sát không đạt yêu cầu. Đây mới là kết quả chính thức của thang đo và cũng là giá trị cần đưa vào chương kết quả nghiên cứu.
Câu hỏi 3: Alpha if Item Deleted lớn hơn Alpha tổng thì có bắt buộc phải loại biến không?
Không. Chúng ta cần xem xét thêm Corrected Item-Total Correlation, ý nghĩa lý thuyết của biến và mức độ cải thiện thực tế của hệ số Alpha trước khi đưa ra quyết định cuối cùng.
Câu hỏi 4: Có cần phân tích Scale Mean if Item Deleted và Scale Variance if Item Deleted trong luận văn không?
Thông thường không cần. Hai chỉ số này chủ yếu mang ý nghĩa tham khảo và hiếm khi được sử dụng trong phần nhận xét Cronbach’s Alpha của các nghiên cứu thuộc lĩnh vực khoa học xã hội và quản trị kinh doanh.
7. Kết luận
Hiểu đúng ý nghĩa của từng chỉ số trong bảng Cronbach’s Alpha sẽ giúp người thực hiện nghiên cứu định lượng tránh được nhiều sai sót trong quá trình xử lý dữ liệu và nâng cao chất lượng của các bước phân tích tiếp theo. Thay vì chỉ quan tâm đến một con số Alpha tổng, chúng ta cần kết hợp đồng thời Corrected Item-Total Correlation, Cronbach’s Alpha if Item Deleted và cơ sở lý thuyết của thang đo để đưa ra quyết định phù hợp nhất.
Nếu bạn cần tìm hiểu toàn bộ quy trình từ khái niệm, cách chạy, tiêu chuẩn đánh giá đến cách viết nhận xét hoàn chỉnh, hãy tham khảo bài Hướng dẫn phân tích Cronbach’s Alpha trong SPSS từ A–Z. Đây là nội dung tổng hợp đầy đủ nhất giúp người học SPSS nắm vững toàn bộ quy trình kiểm định độ tin cậy thang đo trong nghiên cứu khoa học.
Ngoài ra, Xử Lý Định Lượng hiện cũng cung cấp dịch vụ xử lý dữ liệu bằng SPSS dành cho học viên cao học, nghiên cứu sinh, giảng viên và người thực hiện nghiên cứu ứng dụng tại doanh nghiệp, từ kiểm định thang đo đến xây dựng mô hình nghiên cứu hoàn chỉnh.
