Phân tích dữ liệu thang Likert bằng kiểm định tham số (t-test, ANOVA) hay phi tham số (Mann-Whitney, Kruskal-Wallis) là một câu hỏi còn tranh luận thật sự trong giới phương pháp, không có đáp án duy nhất được mọi người chấp nhận. Hai phe đều có lập luận nghiêm túc và có tài liệu dẫn chứng; điều hội đồng chờ ở bạn không phải là chọn "đúng phe" mà là chọn có lý do và nhất quán.
Bài này trình bày các quan điểm chính một cách trung lập, giải thích sự khác nhau giữa một câu Likert đứng riêng và điểm thang gộp từ nhiều câu (chỗ mà nhiều cuộc tranh luận bị lẫn lộn), cho một ví dụ giả định để thấy mỗi cách tóm tắt che đi điều gì, rồi gợi ý cách quyết định và cách viết vào luận văn. Các bài tính tay Mann-Whitney, Kruskal-Wallis, Wilcoxon và Friedman nằm trong cùng danh mục.
Gốc rễ của tranh luận: thang đo thứ bậc hay khoảng
Theo cách phân loại mức đo lường của Stevens (1946), biến thứ bậc chỉ cho biết thứ tự, còn biến khoảng cho biết thêm rằng các khoảng cách bằng nhau. Một câu Likert năm mức từ "hoàn toàn không đồng ý" đến "hoàn toàn đồng ý" chắc chắn có thứ tự. Câu hỏi là khoảng cách tâm lý giữa "không đồng ý" và "trung lập" có bằng khoảng cách giữa "đồng ý" và "hoàn toàn đồng ý" hay không. Nếu không bằng, phép tính trung bình (vốn giả định khoảng cách bằng nhau) trở nên đáng ngờ, và theo cách lập luận chặt, các kiểm định dựa trên trung bình cũng vậy.
Người ủng hộ cách tiếp cận thứ bậc dẫn lập luận này làm nền. Bài viết của Jamieson (2004) trên tạp chí Medical Education là một trong những tài liệu được trích nhiều nhất, cho rằng dữ liệu Likert là thứ bậc nên nên mô tả bằng trung vị, tần suất và phân tích bằng kiểm định phi tham số.
Người ủng hộ cách tiếp cận tham số không phủ nhận bản chất thứ bậc của một câu đơn, nhưng lập luận rằng điều quan trọng là kiểm định có cho kết quả đáng tin hay không trên dữ liệu kiểu này. Norman (2010), trên tạp chí Advances in Health Sciences Education, tổng hợp bằng chứng rằng t-test và ANOVA khá bền với vi phạm giả định, kể cả trên dữ liệu Likert, và cho rằng việc cấm dùng chúng là quá mức. Carifio và Perla (2007, 2008) nhấn mạnh sự khác nhau giữa câu Likert đơn và thang Likert gộp nhiều câu.
Câu đơn và điểm thang: hai đối tượng khác nhau
Rất nhiều tranh cãi trở nên dễ hiểu hơn khi tách hai thứ hay bị gọi chung là "dữ liệu Likert". Rensis Likert khi đề xuất phương pháp năm 1932 vốn có ý định cộng nhiều câu lại để đo một thái độ, chứ không phân tích từng câu riêng.
| Đặc điểm | Một câu Likert đứng riêng | Điểm thang (tổng hoặc trung bình nhiều câu) |
|---|---|---|
| Số giá trị có thể nhận | Rất ít (5 hoặc 7 nấc) | Nhiều hơn, ví dụ 10 câu năm mức cho tổng từ 10 đến 50 |
| Hình dạng phân phối | Rời rạc, dễ dồn về một đầu | Gần liên tục hơn, thường đối xứng hơn |
| Giả định khoảng cách bằng nhau | Khó bảo vệ | Dễ chấp nhận hơn theo nhiều tác giả, nếu thang đã được kiểm tra độ tin cậy và cấu trúc |
| Hướng phân tích hay gặp | Tần suất, trung vị, kiểm định trên hạng, mô hình thứ bậc | Trung bình, t-test, ANOVA; hoặc phi tham số nếu lệch mạnh |
Sự phân biệt này không giải quyết mọi tranh luận, vì vẫn có người cho rằng cộng các câu thứ bậc không biến chúng thành khoảng. Nhưng nó giúp bạn tránh một lỗi hay gặp: dùng lập luận dành cho điểm thang để biện hộ việc tính trung bình cho từng câu đơn, hoặc ngược lại dùng lập luận về câu đơn để bác việc phân tích điểm thang. Kiểm tra độ tin cậy và cấu trúc thang đo là chủ đề của phương pháp đo lường, có ở các trang chuyên về nghiên cứu yếu tố ảnh hưởng.
Ví dụ giả định: mỗi cách tóm tắt che đi một điều
Ví dụ giả định: hai nhóm, mỗi nhóm 50 người, trả lời cùng một câu năm mức về mức hài lòng với dịch vụ thư viện. Bảng ghi số người chọn từng mức.
| Mức | 1 | 2 | 3 | 4 | 5 | Trung vị | Trung bình | Tỷ lệ chọn 4–5 | Tỷ lệ chọn 1–2 |
|---|---|---|---|---|---|---|---|---|---|
| Nhóm A | 4 | 8 | 14 | 18 | 6 | 3 | 3,28 | 48% | 24% |
| Nhóm B | 2 | 4 | 20 | 14 | 10 | 3 | 3,52 | 48% | 12% |
Kiểm tra trung vị: ở cả hai nhóm, người thứ 25 và 26 khi xếp thứ tự đều chọn mức 3, nên trung vị đều bằng 3. Trung bình nhóm A là (4 × 1 + 8 × 2 + 14 × 3 + 18 × 4 + 6 × 5)/50 = 164/50 = 3,28; nhóm B là 176/50 = 3,52. Tỷ lệ hài lòng (chọn 4 hoặc 5) đều là 24/50 = 48%.
Nếu chỉ báo trung vị, hai nhóm trông như nhau. Nếu chỉ báo tỷ lệ hài lòng, hai nhóm cũng như nhau. Trung bình cho thấy khác biệt nhưng không cho biết khác ở đâu. Chỉ khi nhìn toàn bộ phân phối mới thấy nhóm A có gấp đôi tỷ lệ không hài lòng. Bài học trung lập rút ra: dù chọn phe nào, nên trình bày phân phối tần suất của các câu quan trọng, vì mọi con số tóm tắt đơn lẻ đều mất thông tin với dữ liệu ít nấc.
Bằng chứng mô phỏng nói gì, và nói tới đâu
Về tỷ lệ sai lầm loại I và lực. Một số nghiên cứu mô phỏng so sánh trực tiếp t-test và Mann-Whitney trên dữ liệu năm mức, như của de Winter và Dodou (2010), nhìn chung thấy hai kiểm định cho tỷ lệ sai lầm loại I gần mức danh nghĩa và lực tương đương trong phần lớn tình huống, với khác biệt đáng kể ở một số dạng phân phối đặc biệt. Kết quả này thường được phe tham số dẫn để nói rằng lựa chọn ít quan trọng hơn người ta nghĩ.
Về diễn giải. Phe thứ bậc đáp lại rằng ngay cả khi p tương tự, con số "trung bình 3,52" vẫn khó có nghĩa rõ ràng nếu khoảng cách giữa các nấc không bằng nhau, và người đọc dễ hiểu sai. Đây là tranh luận về ý nghĩa đo lường chứ không chỉ về hiệu năng kiểm định, nên mô phỏng không giải quyết hết.
Về con đường thứ ba. Nhiều tác giả phương pháp đề xuất mô hình hồi quy thứ bậc (như mô hình logit tích luỹ) cho câu Likert đơn, vì nó tôn trọng tính thứ bậc mà vẫn ước lượng được hiệu ứng và đưa thêm biến kiểm soát. Sullivan và Artino (2013) là một bài tổng quan dễ đọc, trình bày các lựa chọn này theo hướng thực dụng. Cách này đòi kiến thức thống kê nhiều hơn và có giả định riêng cần kiểm tra.
Giới hạn của mọi bằng chứng trên. Kết quả mô phỏng phụ thuộc vào kịch bản được chọn: cỡ mẫu, số nấc, hình dạng phân phối. Đừng trích một nghiên cứu như thể nó chấm dứt tranh luận; hãy trích như một căn cứ cho lựa chọn của bạn trong bối cảnh tương tự.
Những ngộ nhận hay gặp ở cả hai phía
Tranh luận lâu năm sinh ra một số câu nói được lặp lại như chân lý. Dưới đây là những ngộ nhận hay gặp, không thuộc riêng phe nào:
- "Dữ liệu Likert là thứ bậc nên tính trung bình là sai về toán học." Phép tính thì luôn làm được; câu hỏi là con số đó có ý nghĩa đo lường hay không, và đó là chuyện diễn giải, phụ thuộc vào việc khoảng cách các nấc có xấp xỉ bằng nhau trong bối cảnh cụ thể.
- "Mẫu lớn thì cứ dùng t-test, không cần nghĩ." Định lý giới hạn trung tâm giúp phân phối của trung bình mẫu, nhưng không làm cho câu "trung bình đồng ý là 3,52" dễ hiểu hơn, và không cứu được thang đo có câu hỏi bị dồn hết về một đầu.
- "Phi tham số luôn an toàn hơn." Với câu năm mức, rất nhiều hạng trùng làm kiểm định trên hạng phải hiệu chỉnh nhiều, và kết quả vẫn cần diễn giải cẩn thận, nhất là khi hình dạng phân phối các nhóm khác nhau.
- "Trung vị là con số đúng cho Likert." Như ví dụ ở trên, trung vị của câu năm mức thường bất động ở một nấc và che mất khác biệt đáng kể giữa các nhóm.
- "Đã có tài liệu ủng hộ thì không cần giải thích." Hội đồng có thể theo trường phái khác; một câu lý do ngắn kèm trích dẫn và một phân tích độ nhạy thường thuyết phục hơn việc chỉ dẫn một nguồn.
Nhìn chung, các tác giả nghiêm túc ở cả hai phía đồng ý với nhau nhiều hơn người ta tưởng: mô tả dữ liệu đầy đủ, phân biệt câu đơn với điểm thang, và diễn giải khiêm tốn.
Cách chọn và viết vào luận văn
Vì tranh luận chưa ngã ngũ, cách an toàn nhất là chọn có căn cứ, chọn trước, và trình bày minh bạch. Các bước gợi ý:
- Xác định đơn vị phân tích: bạn phân tích từng câu đơn hay điểm thang gộp nhiều câu. Đây là quyết định quan trọng nhất.
- Hỏi người hướng dẫn và xem thông lệ của chuyên ngành, của tạp chí hay trường bạn hướng tới. Một số lĩnh vực quen trung bình và t-test cho điểm thang, một số ưu tiên trung vị và kiểm định trên hạng.
- Ghi lựa chọn vào kế hoạch phân tích trước khi xem kết quả, kèm một câu lý do và một hai tài liệu phương pháp làm căn cứ.
- Mô tả dữ liệu đầy đủ: với câu đơn, báo tần suất hoặc tỷ lệ từng mức; với điểm thang, báo trung bình, độ lệch chuẩn và cả trung vị nếu phân phối lệch.
- Nếu muốn tăng độ tin cậy, chạy cách còn lại như phân tích độ nhạy và báo cáo cả hai. Kết quả giống nhau củng cố kết luận; kết quả khác nhau là thông tin đáng bàn, không phải thứ để giấu.
- Tránh hai lỗi: đổi phương pháp sau khi thấy p, và trộn lẫn ngôn ngữ (chạy Mann-Whitney mà viết "trung bình nhóm A cao hơn có ý nghĩa").
Một câu phương pháp mẫu, ví dụ giả định: "Điểm thang hài lòng (trung bình của 8 câu năm mức) được so sánh giữa các nhóm bằng ANOVA một nhân tố; để kiểm tra độ nhạy, kiểm định Kruskal-Wallis cũng được thực hiện và cho kết luận tương tự." Câu này cho thấy bạn biết tranh luận tồn tại và đã xử lý nó, mà không cần tuyên bố phe nào đúng.
Câu hỏi thường gặp
Hội đồng hỏi vì sao tính trung bình cho dữ liệu Likert thì trả lời thế nào?
Nêu đơn vị phân tích (nếu là điểm thang gộp nhiều câu, lập luận dễ hơn), trích một hai tài liệu phương pháp làm căn cứ như Norman (2010) hoặc Carifio và Perla, và cho biết bạn đã chạy kiểm định trên hạng như phân tích độ nhạy nếu có. Thừa nhận rằng đây là vấn đề còn tranh luận là điểm cộng, không phải điểm trừ.
Thang 7 mức có được coi gần liên tục hơn thang 5 mức không?
Thêm nấc làm dữ liệu có nhiều giá trị hơn và phân phối mịn hơn, nên nhiều tác giả cho rằng phương pháp tham số ít bị ảnh hưởng hơn. Tuy vậy câu hỏi khoảng cách giữa các nấc có bằng nhau hay không vẫn còn đó. Số nấc nên chọn theo mục đích đo lường, không chỉ để thuận tiện phân tích.
Có nên báo cả trung bình lẫn trung vị cho câu Likert không?
Báo cả hai không sai, nhưng như ví dụ trong bài cho thấy, với câu năm mức trung vị thường kém nhạy và trung bình khó diễn giải. Cách nhiều người chọn là bảng tần suất hoặc tỷ lệ từng mức cho các câu quan trọng, kèm một chỉ số tóm tắt thống nhất trong toàn luận văn.
Kiểm định chi bình phương có dùng được cho Likert không?
Dùng được nếu coi các mức như nhóm định danh, nhưng cách này bỏ qua thứ tự, nên thường kém lực hơn kiểm định trên hạng khi giả thuyết của bạn là một nhóm có xu hướng đồng ý nhiều hơn. Ngoài ra cần chú ý điều kiện tần số kỳ vọng khi có mức ít người chọn.
Mô hình hồi quy thứ bậc có bắt buộc cho luận văn thạc sĩ không?
Không bắt buộc. Đây là một lựa chọn tốt về mặt lý thuyết cho câu Likert đơn nhưng đòi hỏi kiểm tra giả định riêng và diễn giải hệ số phức tạp hơn. Nếu bạn và người hướng dẫn chưa quen, một phân tích đơn giản hơn trình bày minh bạch thường tốt hơn một mô hình phức tạp diễn giải sai.