Cronbach’s Alpha thường là một trong những kiểm định đầu tiên được thực hiện khi xử lý dữ liệu khảo sát bằng SPSS. Với các nghiên cứu sử dụng nhiều biến quan sát để đo lường những khái niệm như sự hài lòng, chất lượng dịch vụ, niềm tin, ý định hành vi hay động lực làm việc, nhà nghiên cứu cần kiểm tra xem các biến trong cùng một thang đo có đủ mức độ nhất quán trước khi tiếp tục EFA, tương quan hoặc các phân tích tiếp theo.
Điểm quan trọng là Cronbach’s Alpha không đơn giản chỉ là một con số cần vượt qua một ngưỡng nhất định. Để đọc đúng kết quả, cần xem đồng thời độ tin cậy của toàn thang đo và mức độ đóng góp của từng biến quan sát.
Bài viết này tập trung vào toàn bộ quy trình thực hành: từ bản chất của Cronbach’s Alpha, tiêu chuẩn đánh giá, cách thao tác trên SPSS đến cách xử lý những trường hợp thường gặp trong dữ liệu luận văn.
1. Cronbach’s Alpha được sử dụng để kiểm tra điều gì?
Cronbach’s Alpha được giới thiệu bởi Cronbach (1951) và được sử dụng rộng rãi để đánh giá tính nhất quán nội bộ của một tập hợp item. Trong nghiên cứu sử dụng bảng hỏi, các item thường chính là những biến quan sát được thiết kế để cùng đo một khái niệm nghiên cứu.
1.1 Từ biến tiềm ẩn đến các biến quan sát
Nhiều khái niệm trong kinh tế, quản trị và khoa học xã hội không thể đo trực tiếp bằng một câu hỏi duy nhất.
Chẳng hạn, nếu nghiên cứu Sự hài lòng đối với công việc, nhà nghiên cứu có thể sử dụng bốn biến:
- HL1: Tôi hài lòng với công việc hiện tại.
- HL2: Công việc hiện tại đáp ứng kỳ vọng của tôi.
- HL3: Tôi cảm thấy thoải mái khi thực hiện công việc.
- HL4: Nhìn chung, tôi có trải nghiệm tích cực với công việc này.
HL1–HL4 là các biến quan sát (items), còn Sự hài lòng là khái niệm/nhân tố (construct) mà nghiên cứu muốn đo lường.
Khi kiểm định Cronbach’s Alpha, chúng ta muốn biết các biến HL1–HL4 có thể hoạt động tương đối nhất quán như một tập hợp đo lường hay không.
1.2 Ý nghĩa của tính nhất quán nội bộ
Nếu nhiều câu hỏi được thiết kế để cùng đo một khái niệm, câu trả lời của người tham gia đối với chúng thường cần có một mức độ liên hệ nhất định.
Cronbach’s Alpha phản ánh tính nhất quán nội bộ này. Tuy nhiên, cần tránh suy luận rằng Alpha cao đồng nghĩa thang đo chắc chắn đơn hướng hoặc chắc chắn có giá trị đo lường tốt.
Cronbach’s Alpha chịu ảnh hưởng bởi cả tương quan giữa các item và số lượng item. Một thang đo có nhiều câu hỏi tương tự nhau có thể đạt Alpha rất cao nhưng chưa chắc có nội dung đo lường tốt.
Vì vậy, Cronbach’s Alpha nên được xem là một phần của quá trình đánh giá thang đo, chứ không thay thế EFA, CFA hoặc các phương pháp kiểm định giá trị thang đo khác.
2. Hai chỉ số quan trọng khi đánh giá Cronbach’s Alpha
Trong Output SPSS, người mới thường thấy khá nhiều cột và không biết cần tập trung vào đâu. Trong thực hành nghiên cứu, hai thông tin đặc biệt quan trọng là Cronbach’s Alpha của thang đo và Corrected Item-Total Correlation của từng biến quan sát.
2.1 Hệ số Cronbach’s Alpha của toàn thang đo
Cronbach’s Alpha xuất hiện trong bảng Reliability Statistics trên SPSS.
Không tồn tại một quy tắc cứng nhắc rằng mọi nghiên cứu đều phải sử dụng chính xác cùng một ngưỡng. Việc lựa chọn tiêu chuẩn cần căn cứ vào bối cảnh nghiên cứu, mục tiêu xây dựng thang đo và mức độ phát triển của nghiên cứu.
Nunnally (1978) cho rằng mức độ tin cậy khoảng 0.7 là phù hợp trong các nghiên cứu ứng dụng. Trong các tài liệu phân tích đa biến, Hair và cộng sự (2019) cũng sử dụng 0.7 như một mốc tham khảo phổ biến, đồng thời mức thấp hơn có thể được cân nhắc trong một số bối cảnh nghiên cứu khám phá.
Do đó, khi viết luận văn, không nên chỉ trình bày: Cronbach’s Alpha > 0.6 nên thang đo tốt. Cách diễn giải phù hợp hơn là xác định trước tiêu chuẩn dựa trên tài liệu phương pháp mà nghiên cứu lựa chọn, sau đó áp dụng nhất quán cho các thang đo.
Một vấn đề khác là Alpha càng cao không có nghĩa càng tốt. Tavakol và Dennick (2011) lưu ý rằng giá trị Alpha rất cao có thể xuất hiện khi các item có nội dung quá giống nhau. Vì vậy, nếu Alpha tiến rất gần 1, nhà nghiên cứu nên kiểm tra lại mức độ trùng lặp nội dung thay vì chỉ xem đó là một kết quả lý tưởng.
2.2 Corrected Item-Total Correlation của từng biến
Nếu Alpha đánh giá toàn bộ tập hợp biến thì hệ số Corrected Item-Total Correlation giúp xem xét chất lượng từng item.
Chỉ số này thể hiện mối tương quan giữa một biến quan sát với tổng điểm được hình thành từ những biến còn lại trong cùng thang đo.
Trong nghiên cứu phát triển và đánh giá thang đo, mức 0.3 được sử dụng khá phổ biến như một mốc sàng lọc item. Cristobal, Flavián và Guinalíu (2007), chẳng hạn, sử dụng tiêu chuẩn tương quan biến – tổng lớn hơn 0.3 trong quá trình đánh giá thang đo.
Một biến có Corrected Item-Total Correlation quá thấp cho thấy nó không đồng hành tốt với tập hợp biến còn lại. Tuy nhiên, trước khi loại biến cần kiểm tra thêm nội dung câu hỏi, cách mã hóa và đặc biệt là biến đảo chiều.
3. Chuẩn bị dữ liệu trước khi chạy Cronbach’s Alpha
Một số kết quả Alpha thấp không xuất phát từ chất lượng thang đo mà do dữ liệu chưa được chuẩn bị đúng.
Chạy riêng từng thang đo
Giả sử mô hình có:
- PU1–PU4: Tính hữu ích;
- TR1–TR4: Niềm tin;
- BI1–BI4: Ý định hành vi.
Không nên đưa cả 12 biến vào một lần Reliability Analysis rồi sử dụng Alpha chung.
Cronbach’s Alpha cần được tính cho tập hợp item được giả định cùng tạo thành một thang đo. Ngay trong công trình ban đầu, Cronbach (1951) cũng lưu ý rằng các test có những tiểu thang đo riêng biệt cần được phân chia phù hợp trước khi sử dụng hệ số Alpha.
Do đó, thực hiện lần lượt:
PU1–PU4 → Cronbach’s Alpha PU.
TR1–TR4 → Cronbach’s Alpha TR.
BI1–BI4 → Cronbach’s Alpha BI.
Sau khi hoàn tất một nhóm mới chuyển sang nhóm tiếp theo.
Kiểm tra câu hỏi đảo chiều và dữ liệu thiếu
Đây là lỗi rất thường gặp trong dữ liệu khảo sát.
Ví dụ thang Likert:
1 = Hoàn toàn không đồng ý
2 = Không đồng ý
3 = Trung lập
4 = Đồng ý
5 = Hoàn toàn đồng ý
Nếu ba câu hỏi mang chiều tích cực nhưng một câu mang chiều tiêu cực, biến tiêu cực có thể cần được reverse coding trước khi tính Alpha nếu thiết kế thang đo yêu cầu các item cùng chiều.
Với Likert 1–5, phép đảo thường là:
1 → 5
2 → 4
3 → 3
4 → 2
5 → 1
Nếu bỏ qua bước này, Corrected Item-Total Correlation của biến đảo chiều có thể âm hoặc rất thấp, kéo Alpha xuống đáng kể.
Đồng thời cần kiểm tra missing values, mã nhập ngoài phạm vi Likert và các lỗi nhập liệu trước khi kết luận thang đo có vấn đề.
4. Cách chạy Cronbach’s Alpha trên SPSS
SPSS cung cấp thủ tục Reliability Analysis dành cho việc đánh giá các thang đo nhiều item.
Thiết lập Reliability Analysis
Trên thanh menu SPSS, chọn:
Analyze → Scale → Reliability Analysis
Đưa các biến của một thang đo vào ô Items.
Ví dụ muốn kiểm tra thang đo PU gồm PU1, PU2, PU3 và PU4 thì chỉ đưa bốn biến này vào.
Tại Model, chọn:
Alpha
Sau đó nhấn Statistics và chọn các thông tin cần thiết, đặc biệt:
- Item;
- Scale;
- Scale if item deleted.
Nhấn Continue → OK để SPSS xuất kết quả.
Theo tài liệu chính thức của IBM SPSS, tùy chọn Scale if item deleted cung cấp các thống kê của thang đo khi lần lượt loại từng item, bao gồm tương quan của item với phần còn lại của thang đo và Alpha nếu item đó bị loại.
Những bảng Output cần quan tâm
Trong kết quả cơ bản, người thực hiện luận văn thường tập trung vào:
Reliability Statistics
Bảng này cho biết:
- Cronbach’s Alpha;
- N of Items.
Ví dụ:
Cronbach’s Alpha = 0.823
N of Items = 4
Có nghĩa thang đo gồm bốn biến quan sát và Alpha chung bằng 0.823.
Bảng tiếp theo là Item-Total Statistics.
Trong đó cần đặc biệt chú ý:
Corrected Item-Total Correlation
và:
Cronbach’s Alpha if Item Deleted
Cột thứ hai cho biết Alpha dự kiến của thang đo nếu loại biến tương ứng.
Điểm rất quan trọng: Cronbach’s Alpha if Item Deleted không phải Cronbach’s Alpha riêng của từng biến quan sát.
Đây là lỗi diễn giải khá phổ biến trong luận văn.
5. Cách đọc và xử lý kết quả Cronbach’s Alpha
Không nên quyết định giữ hoặc loại biến dựa trên một cột duy nhất. Cần kết hợp kết quả thống kê với nội dung lý thuyết của thang đo.
Trường hợp thang đo và toàn bộ biến đều đạt
Giả sử kết quả:
Cronbach’s Alpha = 0.812
Corrected Item-Total Correlation:
PU1 = 0.624
PU2 = 0.681
PU3 = 0.593
PU4 = 0.557
Nếu nghiên cứu sử dụng tiêu chuẩn Alpha ≥ 0.70 và tương quan biến – tổng ≥ 0.30 thì thang đo này đáp ứng tiêu chuẩn đã đặt ra.
Thông thường có thể giữ PU1–PU4 cho bước phân tích tiếp theo.
Trường hợp xuất hiện biến có tương quan biến – tổng thấp
Giả sử:
PU1 = 0.641
PU2 = 0.598
PU3 = 0.174
PU4 = 0.615
PU3 nổi bật với Corrected Item-Total Correlation = 0.174.
Không nên ngay lập tức xóa biến khỏi dữ liệu. Trước tiên hãy kiểm tra:
PU3 có phải câu đảo chiều không?
PU3 có bị mã hóa sai không?
Nội dung PU3 có thực sự đo cùng khái niệm với PU1, PU2 và PU4 không?
Nếu dữ liệu và cách mã hóa đều đúng nhưng PU3 vẫn có tương quan biến – tổng thấp hơn tiêu chuẩn nghiên cứu lựa chọn, khi đó mới cân nhắc loại PU3 và chạy lại Cronbach’s Alpha.
Có nên loại biến khi Alpha if Item Deleted tăng?
Không phải cứ thấy Cronbach’s Alpha if Item Deleted > Cronbach’s Alpha hiện tại là phải xóa biến.
Ví dụ:
Alpha chung = 0.805.
Nếu loại PU3 → Alpha = 0.817.
PU3 có Corrected Item-Total Correlation = 0.521.
Việc loại PU3 chỉ làm Alpha tăng 0.012, trong khi PU3 vẫn có tương quan biến – tổng tốt và có thể đại diện cho một khía cạnh quan trọng về mặt nội dung.
Trong tình huống này, loại biến chỉ để Alpha tăng từ 0.805 lên 0.817 có thể không cần thiết.
Cronbach’s Alpha if Item Deleted nên được sử dụng như thông tin hỗ trợ chẩn đoán, không phải một tiêu chuẩn loại biến độc lập.
6. Những sai lầm thường gặp khi kiểm định độ tin cậy
Cronbach’s Alpha có thao tác khá đơn giản nên lỗi thường nằm ở cách diễn giải hơn là cách bấm SPSS.
Loại biến chỉ để làm Alpha cao hơn
Một cách làm không phù hợp là liên tục xóa item chỉ vì sau mỗi lần xóa, Alpha tăng thêm một chút.
Mục tiêu của xây dựng thang đo không phải là tạo ra Alpha cao nhất có thể. Thang đo còn cần bảo đảm content validity, tức các khía cạnh quan trọng của khái niệm vẫn được đại diện.
Nếu một item có cơ sở lý thuyết rõ ràng, tương quan biến – tổng phù hợp và Alpha chung đã đáp ứng tiêu chuẩn nghiên cứu, việc xóa item chỉ để cải thiện vài phần nghìn Alpha cần được cân nhắc kỹ.
Cho rằng Alpha cao chứng minh thang đo đơn hướng
Đây là điểm rất quan trọng.
Cronbach’s Alpha cao không tự động chứng minh rằng tất cả item chỉ đo một nhân tố duy nhất.
Sijtsma (2009) chỉ ra nhiều cách sử dụng và diễn giải Alpha chưa phù hợp, đặc biệt khi Alpha bị xem như bằng chứng trực tiếp về cấu trúc nội tại của thang đo.
Nếu nghiên cứu cần đánh giá dimensionality, cần sử dụng các kỹ thuật phù hợp hơn như EFA hoặc CFA tùy thiết kế nghiên cứu.
Vì vậy:
Cronbach’s Alpha đạt → thang đo có mức độ nhất quán nội bộ phù hợp theo tiêu chuẩn sử dụng.
Không nên suy rộng thành:
Cronbach’s Alpha đạt → thang đo chắc chắn đơn hướng và có giá trị hội tụ, phân biệt tốt.
Đây là những vấn đề đo lường khác nhau.
Gộp tất cả biến của mô hình để chạy một lần
Đây là lỗi phổ biến ở người mới sử dụng SPSS.
Nếu nghiên cứu có sáu khái niệm với tổng cộng 25 biến quan sát, không nên đưa cả 25 biến vào một lần rồi báo cáo một Alpha chung.
Hãy căn cứ vào cấu trúc thang đo trong mô hình nghiên cứu và chạy từng nhóm riêng biệt.
Điều này vừa đúng logic đo lường vừa giúp xác định chính xác thang đo nào hoặc item nào đang có vấn đề.
7. Cách trình bày Cronbach’s Alpha trong luận văn
Sau khi hoàn tất phân tích, kết quả nên được tổng hợp thành một bảng thay vì chụp toàn bộ Output SPSS đưa vào phần nội dung chính.
Có thể sử dụng cấu trúc:
| Thang đo | Biến quan sát | Corrected Item-Total Correlation | Alpha if Item Deleted | Cronbach’s Alpha |
|---|---|---|---|---|
| PU | PU1 | 0.624 | 0.781 | 0.823 |
| PU2 | 0.681 | 0.754 | ||
| PU3 | 0.593 | 0.792 | ||
| PU4 | 0.557 | 0.801 |
Phần nhận xét có thể trình bày:
“Kết quả kiểm định độ tin cậy cho thấy thang đo PU có hệ số Cronbach’s Alpha đạt 0.823, đáp ứng tiêu chuẩn độ tin cậy được sử dụng trong nghiên cứu. Đồng thời, hệ số tương quan biến – tổng hiệu chỉnh của PU1–PU4 đều lớn hơn 0.30. Do đó, các biến quan sát được giữ lại cho bước phân tích tiếp theo.”
Khi viết luận văn, nên nêu rõ nguồn của tiêu chuẩn trong phần phương pháp nghiên cứu thay vì chỉ đưa ra ngưỡng mà không có căn cứ học thuật.
Nếu một biến bị loại, cần báo cáo rõ:
- biến nào bị loại;
- chỉ số nào không đáp ứng;
- tiêu chuẩn đang sử dụng;
- kết quả sau khi chạy lại.
Cách trình bày này giúp quá trình xử lý dữ liệu có thể được kiểm tra và giải trình thay vì tạo cảm giác nhà nghiên cứu tùy ý loại biến để có kết quả đẹp.
Kết luận
Cronbach’s Alpha trong SPSS là bước quan trọng để kiểm tra tính nhất quán nội bộ của các thang đo nhiều biến quan sát. Khi thực hiện, không nên chỉ nhìn vào một con số Alpha chung mà cần kết hợp Cronbach’s Alpha, Corrected Item-Total Correlation, Cronbach’s Alpha if Item Deleted và nội dung lý thuyết của từng item.
Quy trình thực hành nên bắt đầu bằng việc kiểm tra dữ liệu, xử lý đúng các câu hỏi đảo chiều, chạy Reliability Analysis riêng cho từng thang đo, xác định item có vấn đề và chỉ loại biến khi có căn cứ hợp lý. Đặc biệt, không nên cố tăng Alpha bằng cách xóa biến máy móc, bởi độ tin cậy chỉ là một thành phần trong quá trình đánh giá chất lượng thang đo.
Sau Cronbach’s Alpha, nhiều nghiên cứu sử dụng SPSS sẽ tiếp tục với EFA, tương quan Pearson, hồi quy, T-Test hoặc ANOVA tùy mục tiêu và mô hình nghiên cứu.
Nếu bạn muốn tìm hiểu thêm về quy trình phân tích dữ liệu định lượng, có thể tham khảo Phạm Lộc Blog và các nội dung hướng dẫn SPSS chuyên sâu trên hệ thống. Trường hợp cần hỗ trợ xử lý dữ liệu thực tế cho luận văn hoặc đề tài nghiên cứu, Phạm Lộc Blog hiện cung cấp dịch vụ xử lý SPSS, bao gồm Cronbach’s Alpha, EFA và các kiểm định liên quan.