Listwise và pairwise deletion là gì? Cách đọc và chọn trong SPSS
Bạn mở file SPSS, chạy tương quan hoặc hồi quy rồi thấy số quan sát ở các bảng không giống nhau. Một số dòng bị loại vì có ô trống, nhưng SPSS không luôn báo rõ bằng một câu dễ hiểu. Hai cách xử lý bạn cần phân biệt là listwise deletion và pairwise deletion.
Listwise deletion loại cả một dòng dữ liệu khỏi phép phân tích nếu dòng đó có ít nhất một giá trị khuyết trong các biến đang dùng. Pairwise deletion chỉ loại giá trị khuyết khỏi từng cặp biến hoặc từng phép tính liên quan. Vì vậy, listwise thường giữ cùng một cỡ mẫu trong toàn bộ mô hình, còn pairwise có thể tạo ra cỡ mẫu khác nhau giữa các hệ số.
Bài viết này tập trung vào cách hiểu listwise và pairwise deletion trong SPSS, cách kiểm tra số quan sát thực tế và cách giải trình lựa chọn. Trước hết, bạn nên xem thêm cơ chế dữ liệu khuyết là gì để biết ô trống xuất hiện do người trả lời bỏ qua, do mã hóa sai hay do lỗi nhập dữ liệu.
Listwise và pairwise deletion là gì
Giả sử bạn có ba biến X, Y và Z. Một người trả lời có dữ liệu X và Y nhưng bỏ trống Z. Khi chạy phân tích cần cả X, Y và Z, listwise deletion loại toàn bộ người này. Pairwise deletion vẫn cho phép dùng cặp X và Y của người đó khi tính tương quan X với Y, nhưng không dùng người đó cho các cặp có Z.
Có thể mô tả ngắn gọn như sau:
- Listwise deletion: một dòng có ít nhất một missing value trong nhóm biến phân tích thì dòng đó bị loại khỏi phép phân tích.
- Pairwise deletion: mỗi phép tính sử dụng tất cả trường hợp có dữ liệu hợp lệ cho đúng các biến liên quan đến phép tính đó.
Ví dụ, với bảng dữ liệu gồm X, Y và Z, người thứ 12 có X = 4, Y = 5, nhưng Z để trống. Phân tích tương quan X và Y có thể vẫn dùng người thứ 12 nếu chọn pairwise. Phân tích hồi quy với X, Y và Z thường cần một bộ dữ liệu đầy đủ cho tất cả biến, nên SPSS thường sử dụng số trường hợp theo listwise trong phần Model Summary và Coefficients.
Hai phương pháp này không phải là cách điền giá trị còn thiếu. Chúng chỉ quyết định trường hợp nào được đưa vào một phép phân tích. Nếu muốn ước lượng và thay thế giá trị khuyết, bạn cần cân nhắc multiple imputation là gì, thay vì tự động điền số trung bình cho mọi ô trống.
Ý nghĩa của listwise và pairwise deletion trong nghiên cứu định lượng
Quyết định này ảnh hưởng trực tiếp đến cỡ mẫu, ma trận tương quan, sai số chuẩn và khả năng tái lập kết quả. Listwise dễ giải thích vì mọi hệ số trong cùng một mô hình thường dựa trên cùng tập người trả lời. Đổi lại, nó có thể làm giảm cỡ mẫu khá mạnh khi mỗi dòng có nhiều biến quan sát.
Pairwise giữ lại nhiều dữ liệu hơn cho từng cặp biến. Cách này có ích khi bạn đang kiểm tra ma trận tương quan khám phá và tỷ lệ missing thấp. Tuy nhiên, mỗi tương quan có thể dựa trên một nhóm người khác nhau. Ma trận tạo ra cũng có thể khó diễn giải hoặc không phù hợp với một số phân tích tiếp theo.
Bạn không nên chọn phương pháp chỉ vì nó cho ra cỡ mẫu lớn hơn. Hãy ghi lại ba thông tin: tỷ lệ dữ liệu khuyết, biến nào bị khuyết nhiều, và cơ chế dữ liệu khuyết có hợp lý hay không. Nếu người trả lời bỏ qua một câu hỏi nhạy cảm hoặc câu hỏi đặt ở cuối bảng hỏi, missing có thể có quy luật. Nếu vài cột bị trống do lỗi nhập dữ liệu, cách xử lý sẽ khác.
Bạn có thể kiểm tra giả định về dữ liệu khuyết bằng các bảng tần số, mô tả nhóm có và không có missing, hoặc kiểm định Little MCAR là gì. Kết quả kiểm định chỉ là một phần thông tin. Bạn vẫn cần xem bối cảnh bảng hỏi và cách dữ liệu được thu thập.
Trong một bài luận văn định lượng, lựa chọn dễ bảo vệ thường là lựa chọn nhất quán với mục tiêu phân tích. Nếu mô hình hồi quy cần một tập biến cố định, listwise giúp bạn báo cáo một cỡ mẫu rõ ràng. Nếu mục tiêu là xem tương quan giữa nhiều cặp biến và missing rất ít, pairwise có thể được cân nhắc, nhưng bạn phải báo cáo số quan sát của từng cặp khi cần.
Listwise và pairwise deletion bao nhiêu là tốt
Không có một ngưỡng duy nhất áp dụng cho mọi bộ dữ liệu. Câu hỏi đúng hơn là: có bao nhiêu dữ liệu bị loại, việc loại có làm thay đổi nhóm mẫu, và phương pháp đã chọn có phù hợp với phép phân tích hay chưa. Bạn cần phân biệt tỷ lệ missing của dữ liệu gốc với tỷ lệ trường hợp bị loại sau khi chọn các biến.
Bảng dưới đây là các mốc liên quan để kiểm tra trước khi quyết định. Đây là tiêu chí tham khảo có nguồn, không phải quy tắc cho phép bạn giữ hoặc xóa dữ liệu một cách máy móc.
| Nội dung cần kiểm tra | Mốc hoặc cách đọc | Nguồn |
|---|---|---|
| Cỡ mẫu theo số biến độc lập trong hồi quy | Có thể tham khảo n từ 50 + 8m trở lên, trong đó m là số biến độc lập | (Tabachnick và Fidell, 2013) |
| Số quan sát trên mỗi biến quan sát | Tham khảo 5 đến 10 quan sát cho một biến quan sát | (Hair và cộng sự, 2010) |
| Kiểm tra phân phối và chẩn đoán trong SPSS | Xem thống kê mô tả, outlier và các chẩn đoán phù hợp với phép phân tích | (Field, 2013) |
| Nếu dùng trung bình để thay giá trị khuyết | Phải giải thích điều kiện và tác động, không mặc định xem là phương án tốt | (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) |
Ví dụ, bạn có 250 bảng trả lời và mô hình có 20 biến độc lập. Nếu listwise loại 45 dòng, cỡ mẫu phân tích còn 205. Con số 205 có thể vẫn đáp ứng yêu cầu thiết kế của bạn, nhưng bạn cần kiểm tra liệu 45 người bị loại có tập trung vào một nhóm cụ thể hay không. Nếu những người này chủ yếu thuộc một khoa, độ tuổi hoặc kênh khảo sát, mẫu sau khi loại có thể bị lệch.
Với pairwise, đừng chỉ nhìn vào cỡ mẫu lớn nhất. Hãy mở bảng tương quan và xem N ở từng ô nếu SPSS hiển thị. Một cặp có N = 240 và cặp khác có N = 198 cần được ghi nhận, nhất là khi bạn dùng ma trận đó cho các phân tích tiếp theo.
Cách đọc listwise và pairwise trên output
Trong SPSS, tùy thủ tục và phiên bản, tùy chọn loại missing có thể nằm trong hộp thoại Options, Missing Values hoặc được thể hiện trong phần ghi chú của output. Bạn cần đọc đúng bảng chứ không suy đoán từ tổng số dòng trong Data View.
Trong Analyze > Correlate > Bivariate, phần Missing thường cho phép chọn Exclude cases pairwise hoặc Exclude cases listwise. Với pairwise, N có thể thay đổi theo từng cặp tương quan. Với listwise, SPSS chỉ dùng những trường hợp có đủ dữ liệu cho toàn bộ biến được đưa vào phép tính.
Trong Analyze > Regression > Linear, bạn có thể mở Statistics để chọn các thống kê cần thiết. Bảng Model Summary thường cho biết số quan sát được dùng thông qua phần ghi chú hoặc thông tin liên quan. Bảng Coefficients có thể hiện số biến và hệ số, nhưng bạn nên xem thêm Casewise Diagnostics nếu muốn phát hiện trường hợp bất thường. Với hồi quy, việc loại một dòng có missing ở bất kỳ biến nào trong mô hình thường dẫn đến cách hiểu theo listwise.
Dưới đây là bảng số liệu minh họa, không phải kết quả của một nghiên cứu thật. Tên cột được trình bày theo dạng sinh viên thường gặp khi xem output SPSS.
| Phép phân tích hoặc bảng SPSS | Valid N | Missing N | Cách hiểu |
|---|---|---|---|
| Descriptive Statistics, biến X | 238 | 12 | X có 12 trường hợp thiếu giá trị |
| Descriptive Statistics, biến Y | 244 | 6 | Y có 6 trường hợp thiếu giá trị |
| Descriptive Statistics, biến Z | 231 | 19 | Z có 19 trường hợp thiếu giá trị |
| Correlations, X với Y, pairwise | 236 | Dùng các dòng có đồng thời X và Y | |
| Correlations, X với Z, pairwise | 225 | Dùng các dòng có đồng thời X và Z | |
| Regression, toàn bộ biến, listwise | 218 | Chỉ dùng dòng đủ dữ liệu cho tất cả biến trong mô hình |
Trong bảng minh họa, bạn không được lấy 238, 244 hoặc 231 làm cỡ mẫu hồi quy. Cỡ mẫu hồi quy là 218 vì đó là số trường hợp còn lại sau khi yêu cầu mọi biến trong mô hình đều có dữ liệu. Nếu báo cáo nhầm 250 bảng phát ra thành N của hồi quy, người đọc sẽ không biết kết quả thực tế dựa trên bao nhiêu quan sát.
Khi chạy tương quan, hãy ghi chú N theo từng cặp nếu các giá trị khác nhau đáng kể. Khi chạy EFA, Cronbach's Alpha hoặc hồi quy, hãy xác định danh sách biến được đưa vào phép phân tích và kiểm tra số dòng hợp lệ trước khi diễn giải kết quả.
Khi listwise và pairwise không đạt thì xử lý thế nào
Nếu cỡ mẫu giảm nhiều sau listwise, hãy xử lý theo thứ tự sau.
Kiểm tra mã missing trước khi xóa dữ liệu
Mở Variable View và xem cột Missing. Một số file mã giá trị 99, 999 hoặc -1 là missing nhưng SPSS vẫn đọc chúng như số bình thường nếu bạn chưa khai báo. Khi đó, listwise và pairwise có thể cho kết quả sai mà không báo lỗi. Đối chiếu codebook, bảng hỏi và tần số từng biến trước khi chạy lại.
Xác định dòng bị thiếu có phải lỗi nhập hay không
Nếu một ô trống do nhập thiếu, bạn có thể đối chiếu bảng trả lời gốc. Nếu toàn bộ một nhóm cột bị trống, nguyên nhân có thể là người trả lời chưa đi qua nhánh câu hỏi hoặc file xuất dữ liệu bị lệch cột. Không nên xóa ngay các dòng này trước khi biết nguyên nhân.
Kiểm tra tỷ lệ và kiểu missing theo biến
Chạy Analyze > Descriptive Statistics > Frequencies cho các biến cần phân tích. Ghi lại Valid, Missing, phần trăm và các giá trị bất thường. Nếu missing tập trung ở một biến, hãy xem lại cách đặt câu hỏi và cách nhập dữ liệu. Nếu missing rải đều và tỷ lệ nhỏ, listwise có thể vẫn là lựa chọn dễ giải trình cho mô hình cụ thể.
Cân nhắc thay thế hoặc ước lượng có cơ sở
Thay giá trị khuyết bằng trung bình có thể làm giảm biến thiên và ảnh hưởng đến tương quan. Vì vậy, thay thế giá trị khuyết bằng trung bình là gì cần được đọc cùng điều kiện áp dụng, chứ không nên dùng chỉ để tăng N.
Nếu dữ liệu khuyết đáng kể và giả định phù hợp, multiple imputation có thể là hướng phân tích nghiêm túc hơn. Bạn cần ghi rõ biến dùng để ước lượng, số lần imputation và cách gộp kết quả. Nếu chưa có cơ sở phương pháp hoặc hướng dẫn từ giảng viên, đừng tự chọn một cách phức tạp rồi chỉ báo cáo kết quả cuối cùng.
Chọn một phương án và ghi lại trước khi chạy lại
Bạn nên lưu bản dữ liệu gốc, bản đã khai báo missing và syntax hoặc nhật ký các lần chạy. Nếu chạy nhiều phiên bản rồi chỉ giữ phiên bản cho kết quả đẹp, bạn sẽ khó giải thích ở buổi bảo vệ. EFA hiếm khi ra đẹp ở lần chạy đầu, nhưng việc loại dữ liệu vẫn cần lý do có thể kiểm tra được.
Phân biệt listwise và pairwise với thay thế missing
Listwise và pairwise là cách loại trường hợp khỏi phép tính. Imputation là cách tạo hoặc ước lượng giá trị để tiếp tục phân tích. Hai nhóm này không thể thay thế nhau về mặt ý nghĩa.
| Cách xử lý | Đơn vị bị tác động | Ưu điểm | Rủi ro cần báo cáo |
|---|---|---|---|
| Listwise deletion | Cả dòng trong phép phân tích | Cỡ mẫu và tập phân tích dễ mô tả, nhất quán | Mất nhiều quan sát nếu biến có missing |
| Pairwise deletion | Từng cặp biến hoặc phép tính | Giữ được nhiều dữ liệu cho một số tương quan | N thay đổi giữa các cặp, ma trận có thể khó sử dụng |
| Mean substitution | Từng ô có missing | Dễ thực hiện trong SPSS | Có thể làm giảm độ phân tán và bóp méo quan hệ giữa biến |
| Multiple imputation | Từng ô dựa trên mô hình ước lượng | Có thể tận dụng thông tin từ các biến khác | Cần kiểm tra giả định và quy trình báo cáo chặt chẽ |
Một nhầm lẫn phổ biến là thấy N nhỏ rồi đổi từ listwise sang pairwise để tăng số quan sát cho hồi quy. Việc này không biến một mô hình hồi quy thành mô hình phù hợp hơn. Bạn phải xem thủ tục đang chạy hỗ trợ cơ chế nào, tập biến nào được đưa vào và cỡ mẫu cuối cùng được tính ra sao.
Cách viết vào luận văn: “Sau khi kiểm tra dữ liệu, nghiên cứu ghi nhận [số lượng] trường hợp có giá trị khuyết, chiếm [tỷ lệ]% tổng số quan sát. Đối với phân tích [tên phân tích], nghiên cứu sử dụng [listwise deletion/pairwise deletion] vì [lý do cụ thể], do đó cỡ mẫu hợp lệ còn [N] trường hợp.”
Nếu dùng nhiều cách cho các phép phân tích khác nhau, hãy viết riêng từng đoạn. Chẳng hạn, bạn có thể dùng pairwise cho ma trận tương quan mô tả, nhưng dùng tập dữ liệu listwise cho hồi quy. Đừng viết chung rằng “dữ liệu được làm sạch” mà không nêu N trước và sau xử lý.
Lỗi thường gặp
Gọi toàn bộ giá trị trống là missing hợp lệ. Một ô trống do chưa trả lời khác với giá trị 99 được nhập để biểu thị “không biết”. Bạn cần kiểm tra mã hóa trước khi chọn phương án.
Báo cáo N của bảng hỏi thay cho N phân tích. Số bảng thu về, số bảng hợp lệ và số quan sát trong từng mô hình có thể khác nhau. Chương kết quả phải dùng đúng N của phép phân tích đang trình bày.
Dùng pairwise nhưng không báo cáo N. Nếu cỡ mẫu giữa các cặp biến thay đổi, người đọc cần biết thay đổi đó. Ít nhất, hãy ghi N trong bảng tương quan hoặc nêu khoảng N trong phần mô tả.
Xóa người trả lời chỉ vì có một ô trống. Listwise chỉ loại dòng khỏi một phép phân tích cụ thể. Bạn không nhất thiết phải xóa dòng đó khỏi file gốc. Hãy lưu bản gốc và tạo bản phân tích riêng.
Đổi phương pháp sau khi xem p-value. Việc chọn listwise hay pairwise nên dựa trên thiết kế dữ liệu và yêu cầu của phép phân tích, không dựa trên việc muốn một giả thuyết có ý nghĩa thống kê.
Đọc thêm: chủ đề thong ke.
Câu hỏi thường gặp
Listwise và pairwise deletion bao nhiêu là tốt
Không có một con số chung gọi là “tốt” cho mọi đề tài. Bạn cần nhìn tỷ lệ missing, cỡ mẫu còn lại, mức độ khác nhau giữa các nhóm bị loại và yêu cầu của phép phân tích. Một phương án có N lớn hơn vẫn có thể kém phù hợp nếu làm thay đổi cấu trúc mẫu.
Listwise deletion trong SPSS nằm ở đâu
Với tương quan, vào Analyze > Correlate > Bivariate, sau đó tìm phần Missing và chọn Exclude cases listwise hoặc Exclude cases pairwise. Với các thủ tục khác, vị trí tùy hộp thoại. Hãy xem phần Options, Missing Values hoặc ghi chú cuối bảng output, rồi kiểm tra N thực tế thay vì chỉ nhìn Data View.
Pairwise có dùng được cho hồi quy không
Bạn không nên mặc định pairwise cho hồi quy chỉ để giữ thêm quan sát. Hồi quy cần một tập giá trị nhất quán cho biến phụ thuộc và các biến độc lập trong từng mô hình. Hãy xem cách SPSS xử lý missing ở thủ tục bạn dùng và báo cáo rõ số trường hợp được đưa vào Model Summary.
Có nên thay missing bằng giá trị trung bình thay vì dùng listwise không
Không nên thay tự động cho mọi biến. Mean substitution có thể làm giảm độ phân tán và thay đổi mối liên hệ giữa các biến. Nếu chọn cách này, bạn phải nêu tỷ lệ missing, lý do, biến được xử lý và kiểm tra độ nhạy của kết quả.
Kiểm định Little MCAR có quyết định thay tôi không
Không. Little MCAR có thể cung cấp thông tin về giả định missing hoàn toàn ngẫu nhiên, nhưng quyết định cuối cùng còn phụ thuộc vào bối cảnh bảng hỏi, tỷ lệ missing và mục tiêu phân tích. Bạn nên kết hợp kết quả kiểm định với kiểm tra dữ liệu và trao đổi phương án báo cáo.
Tôi có cần xóa dòng bị missing khỏi file SPSS không
Bạn nên giữ file gốc nguyên trạng và tạo một bản làm sạch hoặc bản phân tích riêng. Khi cần đối chiếu, bạn vẫn biết dòng nào bị loại và vì sao. Trong luận văn, báo cáo số quan sát trước xử lý, số quan sát sau xử lý và phương pháp đã dùng.
Mở lại file dữ liệu của bạn, kiểm tra Variable View, chạy Frequencies cho các biến có thể bị khuyết và ghi riêng Valid, Missing của từng biến. Sau đó chọn phương án phù hợp cho từng phép phân tích, lưu lại file gốc cùng nhật ký xử lý, hoặc dùng module M4 phân tích dữ liệu thật của DoThesis tại DoThesis để chạy trên file .sav hoặc .csv của bạn.