Bác sĩ kết quả: Cronbach, KMO, giả thuyết không đạt thì làm gì

Ví dụ: Cronbach's alpha thấp trên dữ liệu thật, xử lý từng bước

Cronbach's alpha thấp phải làm sao? Kiểm tra lỗi dữ liệu trước (câu đảo chiều, mã thiếu, phiếu điền bừa), sau đó mới xét loại một câu có lý do, và nếu vẫn dưới ngưỡng thì báo cáo trung thực là hạn chế. Ví dụ dưới đây dùng thang đo Openness (O1–O5, thang 6 mức) của bộ dữ liệu công khai bfi (Revelle, 2026), cùng dữ liệu ở trang kiểm chứng kết quả, nên bạn chạy lại được trong công cụ tính Cronbach's alpha.

Câu mẫu cho chương 4:

Thang đo Sự cởi mở gồm 5 biến quan sát có hệ số Cronbach's alpha 0,603 (khoảng tin cậy 95%: 0,578–0,626). Biến O4 có hệ số tương quan biến tổng 0,220, nhỏ hơn 0,3, và nội dung thiên về suy ngẫm hơn là tò mò trí tuệ, nên bị loại. Sau khi loại O4, Cronbach's alpha của thang đo là 0,614, chỉ đạt mức chấp nhận trong nghiên cứu khám phá (Hair và cộng sự, 2010); đây là một hạn chế của nghiên cứu.

Cách dùng

1. Điền bối cảnh: số phiếu hợp lệ, cỡ mẫu đã đặt ở chương 3, phương pháp phân tích, nguồn thang đo, có câu đảo chiều hay không và kênh thu dữ liệu. Những thông tin này quyết định thứ tự các bước nên làm.
2. Trong SPSS Output, bấm chuột phải vào bảng, chọn Copy rồi dán vào ô Dán bảng kết quả. Có thể dán nhiều bảng một lúc: Reliability Statistics, Item-Total Statistics, KMO, ma trận xoay, Coefficients… hoặc các bảng của SmartPLS 4. Bấm Đọc bảng vào ô nhập, kiểm tra lại các ô, sửa cột "Giả thuyết" và "Dấu kỳ vọng" cho đúng mô hình. Không có bảng thì nhập tay phần mình có; phần nào bỏ trống thì không được chẩn đoán.
3. Bấm Chẩn đoán. Mỗi vấn đề có mức độ, con số làm căn cứ, ý nghĩa và các hướng xử lý xếp theo thứ tự nên làm. Làm bước nào thì đánh dấu và ghi kết quả sau khi chạy lại; nhật ký thay đổi và đoạn văn tự cập nhật để đưa giảng viên hướng dẫn xem.

Mọi xử lý chạy trong trình duyệt của bạn; số liệu không được gửi đi đâu.

Vì sao thứ tự xử lý quan trọng

Nhiều kết quả "không đạt" do dữ liệu có lỗi chưa được phát hiện, nên công cụ luôn đề xuất kiểm tra theo thứ tự:

1. Câu đảo chiều chưa mã hoá ngược. Tương quan biến–tổng âm hoặc hệ số tải âm gần như chắc chắn là do lỗi này. Loại biến đó đi là che mất một lỗi có thể sửa đúng.
2. Nhập liệu và mã giá trị thiếu. Mã 99 chưa khai báo trong Missing Values hay giá trị ngoài thang làm mọi chỉ số sai lệch.
3. Phiếu kém chất lượng. Phiếu điền bừa làm yếu tương quan thật. Chỉ lọc theo quy tắc viết ra trước (câu kiểm tra chú ý, trả lời một mức, thời gian quá ngắn) và áp dụng một lần cho toàn bộ dữ liệu.
4. Câu chữ và bản dịch. Câu hai ý hay dịch lệch nghĩa giải thích vì sao một biến hoạt động kém.
5. Loại biến có lý do lý thuyết. Chỉ khi có quy tắc báo trước (ví dụ tương quan biến–tổng dưới 0,3), thang đo còn từ 3 biến trở lên, nội dung khái niệm vẫn đủ, mỗi lần loại một biến và báo cáo cả kết quả trước và sau.
6. Báo cáo là hạn chế. Khi không có căn cứ để thay đổi gì, giữ nguyên con số và giải thích.
7. Thu thêm mẫu, chỉ khi số phiếu hợp lệ thấp hơn cỡ mẫu tối thiểu hoặc cỡ mẫu đã đặt ở chương 3. Thu đủ phần còn thiếu rồi phân tích lại một lần, không thu từng đợt và xem p sau mỗi đợt.

Giả thuyết không được ủng hộ không phải là thất bại

p > 0,05 không có nghĩa là luận văn hỏng. Đây là một kết quả hợp lệ: dữ liệu chưa đủ bằng chứng cho tác động đó trong bối cảnh của bạn. Cách viết đúng là ghi "Không ủng hộ" trong bảng kiểm định giả thuyết kèm β và p thật, rồi ở chương 5 viết một đoạn riêng cho mỗi giả thuyết: so với nghiên cứu trước cùng chiều và trái chiều, giải thích theo đối tượng, ngành, thời điểm và cách đo, nêu hướng kiểm định lại. Lưu ý p ≥ 0,05 không chứng minh là không có tác động; muốn kết luận như vậy cần kiểm định tương đương.

Những việc tuyệt đối không làm

Một số dịch vụ trên mạng bán gói “điền form tự động”, “tạo dữ liệu theo tỷ lệ” hay hứa “dữ liệu đạt chuẩn Cronbach, KMO”. Dùng chúng là nộp số liệu không có thật. Bịa đặt và làm sai lệch dữ liệu là hai dạng gian lận nghiên cứu theo định nghĩa chung (Steneck, 2006); trong tổng hợp của Fanelli (2009), khoảng 2% nhà khoa học thừa nhận từng làm vậy, nên đây không phải chuyện “ai cũng làm”.

• Sửa, thêm, xoá hay "cân" câu trả lời, tự điền phiếu, nhân bản phiếu, mua phiếu tạo sẵn. Đó là bịa đặt dữ liệu, loại gian lận nặng nhất trong nghiên cứu.
• Xoá phiếu thật chỉ vì chúng kéo alpha hay hệ số xuống. Lọc phiếu chỉ theo quy tắc viết ra trước khi xem kết quả, như bài cách lọc phiếu khảo sát không hợp lệ.
• Thử loại lần lượt từng biến, từng phiếu rồi giữ tổ hợp cho kết quả đẹp. Mỗi lần thử làm tăng xác suất dương tính giả; đây chính là p-hacking. Simmons, Nelson và Simonsohn (2011) cho thấy bốn lựa chọn tuỳ tiện như vậy cộng lại đẩy tỷ lệ dương tính giả từ 5% lên 60,7%.
• Đổi phương pháp (hồi quy sang PLS-SEM, hai phía sang một phía) chỉ vì phương pháp mới cho p < 0,05.
• Viết lại giả thuyết cho khớp kết quả rồi trình bày như dự đoán từ đầu (HARKing).

Hội đồng nhận ra số liệu "làm đẹp" qua những dấu hiệu quen thuộc: mọi α đều trên 0,9, mọi giả thuyết đều được ủng hộ với p rất nhỏ, hoặc không chạy lại ra đúng số khi được yêu cầu nộp file dữ liệu.

Ngưỡng công cụ dùng

• Cronbach's α: dưới 0,6 nghiêm trọng, 0,6–0,7 cần xử lý, trên 0,95 nghi trùng ý; tương quan biến–tổng dưới 0,3.
• KMO theo Kaiser (1974): dưới 0,5 không đạt, 0,5–0,6 kém. Bartlett có Sig. từ 0,05 trở lên là không đạt.
• Ma trận xoay: quy tắc 0,40–0,30–0,20 của Howard (2016) cho hệ số tải thấp và tải chéo.
• AVE từ 0,5, CR từ 0,7, outer loading từ 0,708, HTMT dưới 0,85 hoặc 0,90.
• VIF từ 5 (PLS-SEM từ 3,3), |skewness| trên 2, |kurtosis| trên 7.
• Cỡ mẫu: 5 quan sát mỗi biến cho EFA, Green (1991) cho hồi quy, 155 cho PLS-SEM (Kock và Hadaya, 2018).

Đây là các ngưỡng phổ biến, không phải luật. Nếu khoa dùng ngưỡng khác (ví dụ hệ số tải 0,5), theo quy định của khoa và ghi rõ ngưỡng trong chương 3. Tài liệu tham khảo có DOI nằm cuối phần kết quả chẩn đoán.

Câu hỏi thường gặp

Cronbach's alpha không đạt có bị đánh trượt không?

Không tự động. Hội đồng đánh giá cách bạn xử lý: đã kiểm tra câu đảo chiều, mã thiếu, phiếu kém chất lượng chưa, loại câu có lý do không, và có báo cáo trung thực không. Alpha 0,6 đến dưới 0,7 được chấp nhận trong nghiên cứu khám phá (Hair và cộng sự, 2010) nếu bạn nói rõ điều đó.

Vì sao Cronbach's alpha thấp?

Hay gặp nhất: câu đảo chiều chưa mã hoá lại, thang đo quá ít câu, câu dịch lệch nghĩa, phiếu điền bừa, hoặc thang đo gộp nhiều khía cạnh khác nhau. Alpha cũng tăng theo số câu (Cortina, 1993), nên thang 3 câu khó đạt 0,7 hơn thang 8 câu dù chất lượng câu như nhau.

Thu thêm phiếu có làm alpha tăng không?

Không theo cách có hệ thống. Thêm phiếu làm khoảng tin cậy của alpha hẹp lại, không đẩy alpha lên. Chỉ thu thêm khi số phiếu hợp lệ thấp hơn cỡ mẫu đã đặt ở chương 3, thu đủ một lần rồi phân tích lại.

Có được xoá phiếu để alpha đạt 0,7 không?

Không, nếu lý do xoá là con số alpha. Xoá phiếu chỉ hợp lệ khi phiếu vi phạm quy tắc lọc viết ra trước (trả lời sai câu kiểm tra chú ý, chọn một mức cho cả khối, thời gian quá ngắn) và quy tắc đó áp dụng cho mọi phiếu, rồi ghi số phiếu bị loại vào chương 4.

Tài liệu tham khảo của phần hướng dẫn

• Cortina, J. M. (1993). What is coefficient alpha? An examination of theory and applications. Journal of Applied Psychology, 78(1), 98–104. https://doi.org/10.1037/0021-9010.78.1.98
• Fanelli, D. (2009). How many scientists fabricate and falsify research? A systematic review and meta-analysis of survey data. PLoS ONE, 4(5), e5738. https://doi.org/10.1371/journal.pone.0005738
• Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Prentice Hall.
• Revelle, W. (2026). psych: Procedures for psychological, psychometric, and personality research (R package version 2.6.9). https://CRAN.R-project.org/package=psych
• Simmons, J. P., Nelson, L. D., & Simonsohn, U. (2011). False-positive psychology: Undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science, 22(11), 1359–1366. https://doi.org/10.1177/0956797611417632
• Steneck, N. H. (2006). Fostering integrity in research: Definitions, current knowledge, and future directions. Science and Engineering Ethics, 12(1), 53–74. https://doi.org/10.1007/PL00022268