Làm sạch dữ liệu khảo sát: Google Forms → SPSS

Cách dùng

1. Tải file câu trả lời. Trong Google Forms, mở thẻ Câu trả lời, bấm dấu ba chấm, chọn Tải câu trả lời xuống (.csv). File Microsoft Forms và Genius Data cũng đọc được; công cụ tự nhận ra nguồn file và bỏ các cột email, tên, mã người trả lời khỏi file kết quả.
2. Kiểm tra mã biến. Tiêu đề cột của Google Forms là cả câu hỏi. Nếu câu hỏi bắt đầu bằng mã, như “TT1. Giới tính” hay dòng lưới “Mức độ đồng ý [PU1. Ứng dụng giúp tôi…]”, công cụ lấy mã đó. Form tạo bằng Bộ khảo sát có sẵn mã: AC1 hoặc ACHK là câu kiểm tra chú ý, SANGLOC là câu sàng lọc, TT1, TT2… là thông tin chung. Form không có mã thì dán bảng mã hoá để công cụ khớp theo nội dung câu hỏi, hoặc sửa ô mã trong bảng.
3. Chọn thang trả lời. Công cụ tự nhận thang 5 hay 7 mức, nhãn tiếng Việt hay tiếng Anh (đồng ý, hài lòng, tần suất). Nhãn khác thì chọn Tuỳ chỉnh, mỗi dòng một cặp “nhãn = số”. Câu đảo chiều được đảo theo khoảng thang đã khai báo: điểm mới = thấp nhất + cao nhất − điểm cũ, kể cả khi không ai chọn mức 1 hay 5.
4. Khai báo quy tắc loại phiếu rồi mới bấm Làm sạch. Ghi đúng các quy tắc đã viết trong đề cương, cùng cỡ mẫu mục tiêu. Kết quả hiện số phiếu bị loại ở từng bước và số phiếu hợp lệ còn lại.
5. Tải kết quả. File sạch (CSV) chỉ gồm phiếu hợp lệ, giá trị đều là số. Cú pháp SPSS (.sps) đọc file đó và khai báo nhãn biến, nhãn giá trị, mã thiếu (mặc định 99). Bảng mã hoá dùng làm phụ lục; file “mọi phiếu kèm lý do loại” để kiểm tra lại từng phiếu bị loại.

Muốn thử trước, bấm “Dùng file mẫu” (dữ liệu giả lập). File của bạn được đọc ngay trong trình duyệt, không gửi lên máy chủ nào.

Các quy tắc loại phiếu

Phiếu được xét lần lượt theo thứ tự dưới đây; mỗi phiếu chỉ bị tính ở quy tắc đầu tiên nó vi phạm. Cột “Gắn cờ nếu xét riêng” cho biết mỗi quy tắc bắt được bao nhiêu phiếu nếu đứng một mình.

• Không qua câu sàng lọc: người trả lời không thuộc đối tượng khảo sát, ví dụ chọn “Chưa từng” ở câu SANGLOC.
• Sai câu kiểm tra chú ý: câu yêu cầu chọn một đáp án định sẵn để biết người trả lời có đọc câu hỏi hay không (Oppenheimer và cộng sự, 2009). Bỏ trống câu này cũng tính là sai.
• Làm quá nhanh: chỉ dùng được khi file có thời lượng (Genius Data) hoặc thời điểm bắt đầu và hoàn thành (Microsoft Forms). Google Forms chỉ ghi lúc nộp nên không áp dụng được quy tắc này. Ngưỡng gợi ý là 2 giây cho mỗi câu (Huang và cộng sự, 2012).
• Trả lời một chiều: chọn cùng một mức cho nhiều câu thang đo liên tiếp (chỉ số longstring; Johnson, 2005). Mặc định chỉ loại phiếu chọn một mức cho mọi câu. Muốn dùng ngưỡng thấp hơn thì ghi rõ con số trong đề cương.
• Trùng lặp: mọi câu trả lời đã mã hoá giống hệt một phiếu gửi trước, thường do một người bấm gửi hai lần. Phiếu gửi trước được giữ lại.
• Thiếu câu trả lời: bỏ trống quá tỷ lệ câu thang đo đã khai báo. Ngưỡng 0% tương đương loại theo listwise trong SPSS. Phiếu được giữ mà vẫn còn ô trống thì ô đó ghi mã thiếu, không được điền giá trị nào thay vào.

Meade và Craig (2012) cùng Curran (2016) khuyên kết hợp nhiều dấu hiệu và chọn ngưỡng từ trước. Đổi quy tắc sau khi xem kết quả là chọn lọc dữ liệu; công cụ sẽ nhắc nếu bạn làm vậy.

Ví dụ: 8 phiếu, mỗi quy tắc loại một phiếu

Đây là bộ phiếu nhỏ dùng trong bài kiểm thử tự động của công cụ: 8 phiếu xuất từ Microsoft Forms, thang 5 mức, có câu sàng lọc SANGLOC, câu kiểm tra chú ý AC1 (đáp án đúng là 2), câu đảo chiều PEOU3, mục tiêu 10 phiếu hợp lệ. Bật sáu quy tắc như trong đề cương, công cụ cho bảng loại phiếu từng bước:

Bước	Bị loại	Còn lại
Không qua câu sàng lọc (SANGLOC = Chưa từng)	1	7
Sai câu kiểm tra chú ý (AC1 khác 2)	1	6
Làm quá nhanh (dưới 60 giây)	1	5
Trả lời một chiều (cùng một mức cho cả 6 câu)	1	4
Trùng lặp với phiếu gửi trước	1	3
Thiếu câu trả lời	1	2

Còn 2 phiếu hợp lệ, thiếu 8 so với mục tiêu 10.

Đọc kết quả

• Bảng từng bước đọc từ trên xuống: mỗi phiếu chỉ tính ở quy tắc đầu tiên nó vi phạm. Cột "Gắn cờ nếu xét riêng" đếm mọi phiếu vi phạm quy tắc đó, nên có thể lớn hơn cột "Bị loại" khi phiếu đã bị loại ở bước trước.
• Một quy tắc loại quá nhiều phiếu (ví dụ câu kiểm tra chú ý loại phần lớn số phiếu) thường là dấu hiệu câu hỏi khó hiểu hoặc đáp án đúng khai báo sai, không hẳn là người trả lời ẩu. Mở file "mọi phiếu kèm lý do loại" để xem lại.
• Số phiếu còn thiếu so với cỡ mẫu mục tiêu cho biết cần thu thêm bao nhiêu phiếu hợp lệ; xem mục bên dưới.

Viết vào khoá luận thế nào?

Công cụ viết sẵn đoạn chương 3 mô tả quy trình làm sạch: các quy tắc đã áp dụng, số phiếu bị loại ở từng bước và số phiếu hợp lệ cuối cùng. Bấm "Sao chép" hoặc "Tải Word". Đoạn văn chỉ đúng khi quy tắc được quyết định trước khi xem kết quả phân tích và áp dụng như nhau cho mọi phiếu; đừng thêm bớt quy tắc để hệ số đẹp hơn. Bảng mã hoá tải về dùng làm phụ lục. Giải thích chi tiết từng quy tắc có ở bài cách lọc phiếu khảo sát không hợp lệ.

Khi số phiếu hợp lệ chưa đủ

Nếu có nhập cỡ mẫu mục tiêu, báo cáo ghi rõ còn thiếu bao nhiêu phiếu. Cách duy nhất để bù là thu thêm phiếu thật, rồi làm sạch phần thu thêm theo đúng các quy tắc cũ. Công cụ không điền thay, nhân bản hay ước lượng câu trả lời để đủ số; làm vậy là bịa dữ liệu. Cỡ mẫu tối thiểu tính bằng máy tính cỡ mẫu; nên thu dư 15–20% vì thường có một phần phiếu bị loại. Cách đặt câu kiểm tra và các dấu hiệu phiếu không hợp lệ khác có trong bài cách lọc phiếu khảo sát không hợp lệ.

Câu hỏi thường gặp

Có tải thẳng sang công cụ phân tích được không?

Chưa. Tải “File sạch (CSV)” rồi tải file đó lên Phân tích dữ liệu để chạy Cronbach's alpha, EFA và hồi quy. Câu đảo chiều trong file sạch đã đảo điểm, nên đừng khai báo lại ở trang phân tích.

Vì sao không có file .sav?

Chạy cú pháp xong, chọn File → Save As để lưu thành .sav.

Mã thông tin chung được đặt theo thứ tự nào?

Theo bảng mã hoá nếu có. Nếu không, nhãn có số (“Dưới 3 triệu”, “Năm 2”) xếp theo số, nhãn khác theo chữ cái, “Khác” xếp cuối.

Tài liệu tham khảo

• Curran, P. G. (2016). Methods for the detection of carelessly invalid responses in survey data. Journal of Experimental Social Psychology, 66, 4–19. https://doi.org/10.1016/j.jesp.2015.07.006
• Huang, J. L., Curran, P. G., Keeney, J., Poposki, E. M., & DeShon, R. P. (2012). Detecting and deterring insufficient effort responding to surveys. Journal of Business and Psychology, 27(1), 99–114. https://doi.org/10.1007/s10869-011-9231-8
• Johnson, J. A. (2005). Ascertaining the validity of individual protocols from Web-based personality inventories. Journal of Research in Personality, 39(1), 103–129. https://doi.org/10.1016/j.jrp.2004.09.009
• Meade, A. W., & Craig, S. B. (2012). Identifying careless responses in survey data. Psychological Methods, 17(3), 437–455. https://doi.org/10.1037/a0028085
• Oppenheimer, D. M., Meyvis, T., & Davidenko, N. (2009). Instructional manipulation checks: Detecting satisficing to increase statistical power. Journal of Experimental Social Psychology, 45(4), 867–872. https://doi.org/10.1016/j.jesp.2009.03.009