Multiple imputation là gì? Cách đọc và xử lý dữ liệu khuyết trong SPSS
Multiple imputation là gì
Bạn mở file dữ liệu lên và thấy một số ô trống trong biến thu nhập, tuổi, điểm đánh giá hoặc các biến quan sát của thang đo. Nếu xóa ngay toàn bộ dòng có ô trống, cỡ mẫu có thể giảm đáng kể và mẫu còn lại có thể khác với mẫu ban đầu. Multiple imputation, thường viết tắt là MI, là một nhóm kỹ thuật dùng thông tin từ các biến khác để tạo ra nhiều giá trị thay thế hợp lý cho dữ liệu khuyết, sau đó phân tích từng bộ dữ liệu và gộp kết quả lại.
Điểm quan trọng nằm ở chữ “multiple”. Bạn không điền một giá trị duy nhất vào mỗi ô khuyết rồi coi đó là dữ liệu thật. Phần mềm tạo ra nhiều bộ dữ liệu hoàn chỉnh, chẳng hạn 5 hoặc 20 bộ, trong đó các giá trị thay thế có thể khác nhau. Mỗi bộ được phân tích riêng. Cuối cùng, các ước lượng, sai số chuẩn và kiểm định được gộp để phản ánh cả sự không chắc chắn do dữ liệu khuyết gây ra.
Về mặt khái niệm, quy trình có ba giai đoạn:
- Tạo nhiều bộ dữ liệu hoàn chỉnh từ dữ liệu quan sát được.
- Chạy cùng một mô hình trên từng bộ dữ liệu.
- Pool, tức gộp các kết quả thành một bộ ước lượng cuối cùng.
Multiple imputation trong SPSS thường được dùng cho hồi quy, so sánh trung bình, ANOVA và một số mô hình phân tích khác. Nó phù hợp hơn việc tự điền mean vào mọi ô khi dữ liệu khuyết có liên quan đến các biến khác trong bảng dữ liệu.
Bạn nên xem thêm bài cơ chế dữ liệu khuyết là gì trước khi chọn phương án xử lý. Cơ chế dữ liệu khuyết giúp bạn giải thích vì sao các ô bị trống và liệu phương pháp MI có hợp lý với bộ dữ liệu của mình hay không.
Ý nghĩa của multiple imputation trong nghiên cứu định lượng
Dữ liệu khuyết làm ảnh hưởng đến hai phần của kết quả. Thứ nhất là cỡ mẫu phân tích. Thứ hai là độ bất định của các hệ số ước lượng. Khi bạn thay thế tất cả ô trống bằng một giá trị trung bình, các quan sát được thay thế sẽ có cùng một giá trị và thường làm giảm độ biến thiên của dữ liệu. Kết quả có thể khiến sai số chuẩn nhỏ hơn thực tế.
Multiple imputation giải quyết vấn đề này bằng cách giữ lại sự khác biệt giữa các giá trị thay thế. Ví dụ, một người không trả lời câu hỏi về thu nhập nhưng có tuổi, nghề nghiệp, trình độ học vấn và mức chi tiêu đã quan sát. Mô hình imputation dùng các thông tin đó để ước lượng phân phối hợp lý của thu nhập, thay vì áp một con số giống nhau cho tất cả người bị khuyết.
MI đặc biệt hữu ích khi bạn cần giữ cỡ mẫu cho mô hình hồi quy hoặc mô hình có nhiều biến kiểm soát. Tuy vậy, MI không biến dữ liệu yếu thành dữ liệu tốt. Nếu một biến bị khuyết quá nhiều, câu hỏi được thiết kế khó hiểu, hoặc mẫu thu thập bị lệch nghiêm trọng, phần mềm chỉ tạo ra các giá trị theo mô hình bạn cung cấp. Bạn vẫn phải giải thích giới hạn của dữ liệu.
Trong luận văn, quyết định dùng MI nên dựa trên ba câu hỏi. Dữ liệu khuyết nằm ở biến nào. Tỷ lệ và kiểu phân bố của dữ liệu khuyết ra sao. Các biến đang có có đủ thông tin để dự đoán phần bị khuyết hay không. Bạn có thể chạy kiểm định Little MCAR, nhưng kết quả kiểm định không nên là căn cứ duy nhất. Hãy kết hợp kết quả đó với bảng mô tả tỷ lệ khuyết và logic của quy trình thu thập dữ liệu.
Nếu dữ liệu chỉ khuyết rất ít và phân bố ngẫu nhiên, listwise deletion có thể đủ dùng. Nếu bạn chưa phân biệt được các cách này, xem listwise và pairwise deletion là gì. Còn khi các ô khuyết tập trung ở một nhóm người hoặc liên quan đến các biến quan sát khác, MI thường đáng cân nhắc hơn việc xóa hàng loạt.
Multiple imputation bao nhiêu là tốt
Câu hỏi “multiple imputation bao nhiêu là tốt” thường được hiểu theo hai nghĩa. Một là cần tạo bao nhiêu bộ dữ liệu imputed. Hai là sau khi imputation, kết quả nào cho thấy mô hình có thể sử dụng. Không có một con số cố định áp dụng cho mọi đề tài. Số bộ dữ liệu cần dựa trên mức độ khuyết, số biến, mô hình phân tích và mức độ ổn định của kết quả.
Bạn không nên viết rằng tạo 5 bộ dữ liệu chắc chắn là đủ cho mọi trường hợp. Với dữ liệu khuyết ít, số bộ thấp có thể cho kết quả tương đối ổn định. Khi tỷ lệ khuyết cao hơn, cần cân nhắc tăng số bộ dữ liệu và kiểm tra xem ước lượng có thay đổi nhiều giữa các lần chạy hay không. Nếu bạn chạy lại với số imputation cao hơn mà kết luận chính thay đổi, đó là thông tin cần báo cáo chứ không phải một lỗi cần che đi.
Bảng dưới đây tóm tắt các điểm cần kiểm tra. Các ngưỡng được nêu chỉ dùng cho chỉ số đã có nguồn trong danh mục tài liệu cho phép. Với số lượng bộ dữ liệu imputed, nên báo cáo con số bạn chọn và lý do phương pháp, thay vì gắn một ngưỡng cứng không có căn cứ.
| Nội dung cần kiểm tra | Cách đánh giá | Nguồn hoặc cách báo cáo |
|---|---|---|
| Cỡ mẫu sau khi xử lý | So sánh số dòng ban đầu, số dòng còn lại và số dòng được đưa vào các bộ imputed | Báo cáo số liệu thực tế của bộ dữ liệu |
| Cơ chế dữ liệu khuyết | Đối chiếu tỷ lệ khuyết, mẫu hình khuyết và kết quả Little MCAR nếu có | Mô tả quy trình kiểm tra, không kết luận chỉ từ một kiểm định |
| Số bộ dữ liệu imputed | Chọn theo tỷ lệ khuyết, độ phức tạp mô hình và độ ổn định của kết quả | Ghi rõ số bộ đã chọn và lý do |
| Kết quả hồi quy sau khi pool | Đọc hệ số, sai số chuẩn, kiểm định và khoảng tin cậy từ bảng pooled | So sánh với phân tích dữ liệu đầy đủ hoặc phân tích độ nhạy |
| Đa cộng tuyến trong hồi quy | VIF dưới 5 được xem là mức cần kiểm soát trong báo cáo PLS-SEM | (Hair và cộng sự, 2019), chỉ áp dụng khi chỉ số và mô hình phù hợp |
| Cỡ mẫu hồi quy | Với m biến dự báo, có thể tham khảo n từ 50 + 8m trở lên | (Tabachnick và Fidell, 2013) |
Dòng về VIF trong bảng không phải tiêu chí để kết luận MI tốt hay xấu. Nó chỉ nhắc bạn rằng sau khi xử lý dữ liệu khuyết, các vấn đề của mô hình vẫn phải được kiểm tra. Đừng dùng một chỉ số của mô hình khác để thay thế cho việc đánh giá chất lượng imputation.
Cách đọc multiple imputation trên output SPSS
Trong SPSS, bạn thường gặp các phần như Imputation Summary, Missing Value Patterns, Descriptives, Model Summary, Coefficients và Pooled Results, tùy thủ tục đã chạy. Tên bảng có thể thay đổi theo phiên bản và loại phân tích. Hãy phân biệt bảng mô tả từng imputation với bảng đã gộp, vì con số ở một bộ dữ liệu riêng chưa phải kết quả cuối cùng.
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Giả sử bạn dự đoán Ý định mua từ Chất lượng cảm nhận, Niềm tin và Giá trị cảm nhận. Biến thu nhập có một phần dữ liệu khuyết và được đưa vào mô hình imputation cùng các biến liên quan.
| Bảng SPSS | Biến hoặc chỉ số | Estimate | Std. Error | Sig. | Diễn giải |
|---|---|---|---|---|---|
| Imputation Summary | Number of Imputations | 10 | Có 10 bộ dữ liệu được tạo | ||
| Pooled Coefficients | Chất lượng cảm nhận | 0.284 | 0.071 | 0.001 | Hệ số dương trong kết quả đã gộp |
| Pooled Coefficients | Niềm tin | 0.176 | 0.068 | 0.010 | Hệ số dương trong kết quả đã gộp |
| Pooled Coefficients | Giá trị cảm nhận | 0.092 | 0.064 | 0.151 | Chưa đủ bằng chứng thống kê theo mức ý nghĩa đã chọn |
| Pooled Coefficients | Constant | 0.846 | 0.392 | 0.032 | Hệ số chặn của mô hình minh họa |
| Model Summary | R Square | 0.418 | Tỷ lệ biến thiên được mô hình giải thích |
Ở bảng trên, dòng “Number of Imputations” cho biết số bộ dữ liệu đã tạo, không phải số dòng. “Pooled Coefficients” mới là nơi bạn đọc kết quả cuối cùng của hệ số sau khi gộp. Nếu bạn chỉ chụp bảng Coefficients của một imputation đầu tiên, phần báo cáo có thể không phản ánh quy trình MI.
Khi đọc kết quả, hãy kiểm tra tên biến, dấu của hệ số, sai số chuẩn, p-value hoặc khoảng tin cậy, số quan sát và phương pháp gộp. Với một số thủ tục, SPSS có thể hiển thị kết quả theo từng imputation và kết quả tổng hợp ở phần riêng. Bạn cần lưu cả output Viewer và cú pháp, vì sau này giảng viên có thể hỏi bạn đã tạo bao nhiêu bộ dữ liệu và dùng biến nào để dự đoán giá trị khuyết.
Multiple imputation không làm cho p-value tự động nhỏ hơn. Nếu dữ liệu có nhiều bất định, sai số chuẩn sau khi pool có thể lớn hơn so với việc điền một giá trị duy nhất. Đây là kết quả hợp lý về mặt thống kê, vì nó phản ánh sự không chắc chắn mà phương pháp thay thế đơn giản thường bỏ qua.
Khi multiple imputation không đạt thì xử lý thế nào
Nếu kết quả sau MI không ổn định hoặc mô hình không chạy, hãy xử lý theo thứ tự từ dữ liệu gốc đến mô hình. Đừng bắt đầu bằng việc đổi liên tục số bộ imputed chỉ để tìm bảng có p-value đẹp.
Trước hết, kiểm tra mã missing. Trong SPSS, giá trị 99, 999 hoặc -1 có thể đang được lưu như số hợp lệ thay vì User-missing. Nếu đó là mã không trả lời nhưng chưa được khai báo, mô hình imputation sẽ coi nó là một giá trị thật và tạo kết quả sai.
Tiếp theo, kiểm tra kiểu biến. Biến liên tục, biến thứ bậc, biến nhị phân và biến danh nghĩa không nên được xử lý như nhau. Hãy chọn phương pháp imputation phù hợp với dạng đo và kiểm tra các giá trị sau thay thế có nằm ngoài phạm vi hợp lý hay không.
Sau đó, xem lại các biến đưa vào mô hình imputation. Một biến dự báo tốt thường có liên hệ với biến bị khuyết hoặc với cơ chế tạo ra dữ liệu khuyết. Nếu mô hình chỉ dùng một biến trung bình chung để dự đoán, MI sẽ không tận dụng được thông tin đang có.
Nếu tỷ lệ khuyết tập trung ở một nhóm câu hỏi, hãy xem lại bảng hỏi và quy tắc lọc dữ liệu. Có thể người trả lời bị bỏ qua một phần do câu hỏi điều kiện, hoặc bạn đã nhập sai mã. Khi lỗi đến từ nhập liệu, sửa file gốc và chạy lại thường dễ giải trình hơn việc tiếp tục impute.
Bạn cũng có thể chạy phân tích độ nhạy bằng cách so sánh kết quả MI với một phương án hợp lý khác. Phương án thay thế giá trị khuyết bằng trung bình có hạn chế riêng, được giải thích trong bài thay thế giá trị khuyết bằng trung bình là gì. Không nên chọn phương án cho ra kết quả có lợi hơn. Hãy chọn phương án phù hợp với cơ chế khuyết và ghi rõ lý do.
Nếu một biến có quá nhiều ô khuyết, không có biến liên quan để dự đoán, hoặc dữ liệu bị bỏ trống theo một quy tắc có hệ thống mà bạn không quan sát được, MI có thể không cứu được tình hình. Khi đó, bạn cần trao đổi với giảng viên về việc loại biến, thu thập bổ sung hoặc điều chỉnh câu hỏi nghiên cứu. Phần mềm không thể khôi phục thông tin chưa từng được ghi nhận.
Phân biệt multiple imputation với các cách xử lý dữ liệu khuyết
Multiple imputation thường bị nhầm với mean imputation, listwise deletion và pairwise deletion. Điểm khác nhau nằm ở cách phương pháp sử dụng dữ liệu và cách nó tác động đến cỡ mẫu.
Listwise deletion xóa cả dòng nếu dòng đó có ít nhất một giá trị khuyết trong nhóm biến được phân tích. Cách này dễ thực hiện và dễ giải thích, nhưng có thể làm giảm cỡ mẫu. Pairwise deletion dùng từng cặp biến có đủ dữ liệu cho từng phép tính, nên số quan sát có thể khác nhau giữa các tương quan hoặc thống kê.
Mean imputation điền giá trị trung bình của biến vào ô khuyết. Nó giữ được số dòng nhưng làm giảm biến thiên và không thể hiện sự bất định của giá trị thay thế. Với dữ liệu khuyết ít, mục tiêu phân tích đơn giản và có giải thích rõ, một số nghiên cứu vẫn dùng cách này. Bạn cần ghi đúng phương pháp đã dùng, không gọi nó là multiple imputation.
MI tạo nhiều bộ dữ liệu và pool kết quả. Vì vậy, nó phức tạp hơn nhưng thường phù hợp hơn khi bạn muốn giữ thông tin từ nhiều biến và phản ánh sự bất định của phần được thay thế. MI cũng đòi hỏi bạn lưu cú pháp, số bộ imputed, biến đưa vào mô hình và bảng kết quả sau gộp.
Trong luận văn, hãy trình bày lựa chọn theo bối cảnh thay vì tuyên bố MI luôn tốt nhất. Một mô hình đơn giản với dữ liệu khuyết rất ít không nhất thiết cần quy trình phức tạp. Ngược lại, một bộ dữ liệu có nhiều biến kiểm soát và mất nhiều quan sát có thể cần MI để tránh xóa quá nhiều dòng.
Lỗi thường gặp
Lỗi đầu tiên là chạy MI trước khi kiểm tra mã missing. Đây là lỗi nguy hiểm vì output vẫn có thể xuất hiện bình thường. Hãy mở Variable View, kiểm tra Missing, Measure và nhãn giá trị trước khi chạy.
Lỗi thứ hai là chỉ báo cáo số bộ dữ liệu imputed mà không nói biến nào được dùng để dự đoán dữ liệu khuyết. Người đọc cần biết mô hình imputation có liên hệ với mô hình phân tích và bối cảnh nghiên cứu hay không.
Lỗi thứ ba là lấy kết quả của imputation đầu tiên làm kết quả cuối. Bạn cần tìm bảng pooled hoặc bảng tổng hợp tương ứng với thủ tục đã chạy. Nếu SPSS không tạo bảng gộp cho thủ tục của bạn, hãy kiểm tra tài liệu của phiên bản đang dùng và ghi rõ cách tính.
Lỗi thứ tư là thay giá trị khuyết xong rồi nói dữ liệu không còn thiếu nên không cần báo cáo. Dữ liệu được tạo ra từ mô hình vẫn là một bước xử lý phương pháp. Hãy ghi tỷ lệ khuyết ban đầu, số bộ imputed, biến sử dụng và cách pool.
Lỗi cuối là xóa dòng, chạy MI, thay mean và chọn kết quả tốt nhất mà không lưu từng bước. Hãy tạo một bản sao file gốc, đặt tên riêng cho file sau mỗi vòng xử lý và lưu Syntax Editor. Điều này giúp bạn kiểm tra lại khi kết quả thay đổi.
Cách viết vào luận văn: “Dữ liệu khuyết được kiểm tra trên các biến [tên biến]. Sau khi xem xét tỷ lệ và mẫu hình dữ liệu khuyết, nghiên cứu sử dụng multiple imputation với [số bộ dữ liệu] bộ dữ liệu. Các biến [danh sách biến] được đưa vào mô hình imputation, sau đó kết quả phân tích được gộp để sử dụng trong kiểm định [tên mô hình]. Các con số trong đoạn này cần thay bằng kết quả thật từ file của bạn.
Đọc thêm: chủ đề thong ke.
Câu hỏi thường gặp
Multiple imputation có phải là thay thế dữ liệu bằng giá trị trung bình không
Không. Mean imputation điền một giá trị, thường là trung bình, vào các ô khuyết. Multiple imputation tạo nhiều bộ dữ liệu và cho phép các giá trị thay thế khác nhau dựa trên thông tin của các biến liên quan, sau đó gộp kết quả phân tích.
Multiple imputation trong SPSS nằm ở đâu
Bạn có thể tìm các thủ tục liên quan trong nhóm xử lý Missing Values, tùy phiên bản SPSS và loại phân tích. Hãy kiểm tra dữ liệu trước, khai báo đúng User-missing, chọn biến đưa vào mô hình và đọc bảng pooled sau khi chạy. Tên menu hoặc vị trí hộp thoại có thể khác giữa các phiên bản, nên cần đối chiếu với output đang mở thay vì sao chép máy móc một đường dẫn.
Dữ liệu khuyết bao nhiêu thì phải dùng multiple imputation
Không có một tỷ lệ duy nhất để quyết định bắt buộc dùng MI. Bạn cần xem tỷ lệ khuyết, biến bị khuyết, mẫu hình khuyết, cơ chế khuyết và mục tiêu phân tích. Nếu dữ liệu khuyết rất ít, deletion có thể đủ. Nếu xóa dữ liệu làm mất nhiều quan sát hoặc tạo nguy cơ lệch mẫu, MI đáng được cân nhắc.
Có cần kiểm định Little MCAR trước khi chạy multiple imputation không
Little MCAR có thể cung cấp thêm thông tin về giả định dữ liệu khuyết hoàn toàn ngẫu nhiên, nhưng nó không thay thế việc kiểm tra tỷ lệ, mẫu hình và nguyên nhân khuyết. Một kết quả kiểm định không có ý nghĩa thống kê cũng không chứng minh rằng toàn bộ quy trình MI chắc chắn phù hợp.
Có được báo cáo kết quả trước khi imputation không
Bạn có thể báo cáo kết quả phân tích độ nhạy hoặc kết quả mô tả trước xử lý nếu mục tiêu là cho thấy dữ liệu ban đầu. Tuy nhiên, hãy nói rõ đâu là kết quả chính, đâu là kết quả so sánh. Không trộn bảng của dữ liệu gốc, một imputation riêng lẻ và bảng pooled vào cùng một kết luận mà không ghi nguồn của từng bảng.
Bạn hãy mở lại file SPSS, lập bảng tỷ lệ dữ liệu khuyết theo từng biến, kiểm tra mã missing rồi lưu một bản sao trước khi chạy MI. Khi cần chạy phân tích trên chính file .sav hoặc .csv và giữ lại output, bạn có thể dùng module M4 phân tích dữ liệu.