Xử lý số liệu khóa luận là phần khiến nhiều sinh viên năm cuối lo lắng nhất, nhất là khi đây là lần đầu bạn làm nghiên cứu định lượng và mở phần mềm SPSS. Tin vui là quy trình này có các bước khá cố định, và nếu bắt đầu đúng từ bảng hỏi, bạn hoàn toàn có thể tự làm chủ.

Bài viết đi cùng bạn từ con số 0: bảng hỏi, cỡ mẫu, nhập liệu, Cronbach's Alpha, EFA, hồi quy, kèm lịch trình gợi ý theo tuần, lỗi hay gặp, cách tự luyện bằng dữ liệu mẫu miễn phí và các gói hỗ trợ xử lý số liệu khóa luận phù hợp ngân sách sinh viên.
Điểm chính của bài
- Xử lý số liệu khóa luận bắt đầu từ bảng hỏi và kế hoạch phân tích, không phải từ lúc mở SPSS.
- Chuỗi phổ biến: làm sạch, thống kê mô tả, Cronbach's Alpha, EFA, tương quan, hồi quy, so sánh nhóm.
- Nên dự trù khoảng 10 - 12 tuần để xử lý số liệu khóa luận; thu thập dữ liệu thường tốn thời gian nhất.
- Hãy tự luyện trước bằng dữ liệu mẫu miễn phí có bảng hỏi và mã hóa biến.
- Hỗ trợ từ bên ngoài chỉ dừng ở hướng dẫn, giải thích; dữ liệu phải thật và bạn tự viết khóa luận.
Nội dung bài viết
- Xử lý số liệu khóa luận gồm những việc gì?
- Lịch trình xử lý số liệu khóa luận gợi ý theo tuần
- Chuẩn bị trước khi xử lý số liệu khóa luận: bảng hỏi, cỡ mẫu, nhập liệu
- Làm sạch dữ liệu và thống kê mô tả
- Kiểm định thang đo: Cronbach's Alpha và EFA
- Tương quan, hồi quy và so sánh nhóm
- Lỗi thường gặp khi xử lý số liệu khóa luận lần đầu
- Tự luyện xử lý số liệu khóa luận bằng dữ liệu mẫu
- Chọn gói hỗ trợ xử lý số liệu khóa luận phù hợp ngân sách
- Liêm chính học thuật khi xử lý số liệu khóa luận
- Checklist tài liệu khi cần hỗ trợ xử lý số liệu khóa luận
- Câu hỏi thường gặp về xử lý số liệu khóa luận
- Tài liệu tham khảo
Xử lý số liệu khóa luận gồm những việc gì?
Với khóa luận định lượng, xử lý số liệu khóa luận là toàn bộ chuỗi công việc biến câu trả lời khảo sát thành bằng chứng để kiểm định giả thuyết. Phần khó nhất thường không nằm ở thao tác SPSS mà ở khâu chuẩn bị: bảng hỏi có đo đúng khái niệm không, cỡ mẫu có đủ không, dữ liệu có sạch không.
Thông tư 08/2021/TT-BGDĐT ban hành Quy chế đào tạo trình độ đại học; yêu cầu cụ thể về khóa luận do từng trường quy định. Hãy đọc quy định của khoa và hỏi giảng viên hướng dẫn về mức độ phân tích được kỳ vọng. Văn bản gốc tra cứu tại Cổng thông tin Bộ Giáo dục và Đào tạo.
Các kỹ thuật thường gặp khi xử lý số liệu khóa luận
| Bước phân tích | Mục đích | Menu SPSS |
|---|---|---|
| Thống kê mô tả | Mô tả mẫu, điểm trung bình thang đo | Analyze > Descriptive Statistics > Frequencies |
| Cronbach's Alpha | Độ tin cậy từng thang đo | Analyze > Scale > Reliability Analysis |
| EFA | Biến quan sát hội tụ đúng nhân tố | Analyze > Dimension Reduction > Factor |
| Tương quan Pearson | Liên hệ ban đầu giữa các biến | Analyze > Correlate > Bivariate |
| Hồi quy tuyến tính bội | Kiểm định giả thuyết tác động | Analyze > Regression > Linear |
| T-test, ANOVA | So sánh theo giới tính, năm học | Analyze > Compare Means |
Không phải khóa luận nào cũng cần đủ sáu bước. Đề tài mô tả thực trạng có thể chỉ cần thống kê mô tả và so sánh nhóm; đề tài "các yếu tố ảnh hưởng đến..." thường đi đủ chuỗi. Hãy ghi rõ kế hoạch xử lý số liệu khóa luận ngay trong đề cương.
Lịch trình xử lý số liệu khóa luận gợi ý theo tuần
Phần lớn sinh viên có khoảng 3 - 4 tháng cho khóa luận. Bảng dưới đây là lộ trình xử lý số liệu khóa luận tham khảo, là khuyến nghị chung để dự trù thời gian, không phải mốc cam kết của đơn vị hỗ trợ nào. Hãy điều chỉnh theo lịch của khoa.

| Tuần | Việc cần làm | Kết quả đầu ra |
|---|---|---|
| 1 - 2 | Chốt mô hình, giả thuyết, tìm và điều chỉnh thang đo gốc | Bảng hỏi nháp, bảng mã hóa biến |
| 3 | Khảo sát thử 20 - 30 người, sửa câu khó hiểu | Bảng hỏi chính thức được duyệt |
| 4 - 6 | Thu thập dữ liệu, theo dõi số phiếu hằng ngày | Đủ cỡ mẫu, dư 10 - 20% phiếu |
| 7 | Nhập liệu, mã hóa, làm sạch, ghi nhật ký | File .sav sạch, file cú pháp |
| 8 | Thống kê mô tả, Cronbach's Alpha, EFA | Bảng kết quả thang đo |
| 9 | Tương quan, hồi quy, giả định, T-test/ANOVA | Kết luận từng giả thuyết |
| 10 - 12 | Viết chương 4, chỉnh theo góp ý, ôn bảo vệ | Chương kết quả hoàn chỉnh |
Mẹo: Thu thập dữ liệu là khâu dễ trễ nhất. Nếu đến tuần 5 bạn mới có dưới một nửa số phiếu, hãy báo giảng viên hướng dẫn ngay để điều chỉnh, thay vì dồn việc xử lý số liệu khóa luận vào sát hạn nộp.
Chuẩn bị trước khi xử lý số liệu khóa luận: bảng hỏi, cỡ mẫu, nhập liệu
Bảng hỏi đo đúng khái niệm
Mỗi khái niệm trong mô hình nên được đo bằng 3 - 6 biến quan sát, lấy từ thang đo đã công bố rồi điều chỉnh cho bối cảnh, ghi rõ nguồn từng câu. Xem thêm hướng dẫn thiết kế bảng hỏi để tránh câu hỏi kép, câu hỏi dẫn dắt.
Cỡ mẫu bao nhiêu là đủ?
Hai quy tắc kinh nghiệm hay dùng: với EFA, Hair và cộng sự gợi ý tối thiểu 5 quan sát cho mỗi biến quan sát; với hồi quy, Tabachnick và Fidell gợi ý \(n \geq 50 + 8m\), với \(m\) là số biến độc lập. Bài cách tính cỡ mẫu trình bày chi tiết hơn.
Trong đó \(k\) là số biến quan sát đưa vào EFA. Ví dụ 25 biến quan sát và 5 biến độc lập thì cần ít nhất 125 phiếu hợp lệ; nên cộng thêm 10 - 20% để bù phiếu lỗi.
Nhập liệu và mã hóa
Nếu khảo sát bằng Google Forms, mở file CSV trong SPSS qua File > Import Data > CSV Data, rồi vào Variable View đặt tên biến ngắn (HL1, HL2...), nhãn biến, nhãn giá trị và thang đo. Câu trả lời dạng chữ như "Rất đồng ý" phải chuyển thành số. Chi tiết có trong bài nhập liệu SPSS.
Lưu ý: Xóa họ tên, số điện thoại, email của người trả lời trước khi xử lý số liệu khóa luận. Dữ liệu phân tích chỉ cần mã phiếu.
Làm sạch dữ liệu và thống kê mô tả
Làm sạch quyết định độ tin cậy của mọi bước xử lý số liệu khóa luận phía sau. Hãy kiểm tra giá trị ngoài thang đo (số 6 trong thang 1 - 5), giá trị thiếu và phiếu trả lời một kiểu. Dùng Analyze > Descriptive Statistics > Frequencies để soát nhanh giá trị nhỏ nhất, lớn nhất của từng biến.
Tiêu chí loại phiếu phải đặt ra trước khi xem kết quả, và mọi phiếu bị loại phải ghi lý do. Sau đó chạy thống kê mô tả cho biến nhân khẩu học (tần số, phần trăm) và biến thang đo (trung bình, độ lệch chuẩn), xem bài thống kê mô tả SPSS.
Kiểm định thang đo: Cronbach's Alpha và EFA
Kiểm định thang đo là bước xử lý số liệu khóa luận mà hội đồng hay hỏi nhất. Chạy Cronbach's Alpha cho từng thang đo: Analyze > Scale > Reliability Analysis, bấm Statistics và chọn Scale if item deleted. Ngưỡng thường dùng: Alpha từ 0,7 trở lên là tốt (0,6 có thể chấp nhận với nghiên cứu khám phá), tương quan biến - tổng hiệu chỉnh từ 0,3 trở lên.
RELIABILITY
/VARIABLES=HL1 HL2 HL3 HL4
/SCALE('Hai long') ALL
/MODEL=ALPHA
/SUMMARY=TOTAL.
Tiếp theo, đưa các biến quan sát còn lại vào EFA qua Analyze > Dimension Reduction > Factor: chọn KMO and Bartlett's test, phép trích Principal axis factoring, phép quay Promax, ẩn hệ số nhỏ hơn 0,3.
FACTOR
/VARIABLES CL1 CL2 CL3 GC1 GC2 GC3 TT1 TT2 TT3
/PRINT INITIAL KMO EXTRACTION ROTATION
/FORMAT SORT BLANK(.30)
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PAF
/ROTATION PROMAX(4).
Đọc kết quả: KMO từ 0,5 trở lên, Bartlett có \(p < 0{,}05\), tổng phương sai trích từ 50% trở lên, hệ số tải trong Pattern Matrix từ 0,5 trở lên và không tải chéo mạnh. Xem thêm bài phân tích EFA và Cronbach's Alpha.
Ví dụ: (tình huống minh họa, số liệu minh họa) Một bạn khảo sát 210 sinh viên về ví điện tử. Thang đo "Tính dễ sử dụng" có Alpha 0,68 vì câu DSD4 có tương quan biến - tổng 0,21. Bạn kiểm tra lại nội dung, thấy câu bị dịch tối nghĩa, ghi lý do vào chương 4 rồi mới loại; Alpha sau khi loại đạt 0,79.
Muốn có người kèm khi xử lý số liệu khóa luận?
Kaas.vn hướng dẫn từng bước trên máy của bạn qua hình thức hướng dẫn SPSS trực tuyến, hoặc hỗ trợ theo gói niêm yết tại trang Báo giá. Bạn nhận cú pháp, output để tự chạy lại; Kaas.vn không viết thay, không chỉnh số liệu.
Tương quan, hồi quy và so sánh nhóm
Tạo biến đại diện cho mỗi nhân tố bằng trung bình các biến quan sát qua Transform > Compute Variable (ví dụ COMPUTE CL = MEAN(CL1, CL2, CL3).), rồi chạy tương quan Pearson và hồi quy.
REGRESSION
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/DEPENDENT HL
/METHOD=ENTER CL GC TT
/SCATTERPLOT=(*ZRESID ,*ZPRED)
/RESIDUALS DURBIN HISTOGRAM(ZRESID) NORMPROB(ZRESID).
Hồi quy là phần trung tâm khi xử lý số liệu khóa luận. Đọc lần lượt: bảng ANOVA (\(p < 0{,}05\)), \(R^2\) hiệu chỉnh, hệ số \(\beta\) chuẩn hóa và Sig. từng biến, VIF để phát hiện đa cộng tuyến (nhiều tài liệu dùng ngưỡng dưới 10, một số khuyến nghị dưới 5), và biểu đồ phần dư. Bài hồi quy tuyến tính bội hướng dẫn chi tiết.
Với câu hỏi về khác biệt theo giới tính hay năm học, dùng Analyze > Compare Means > Independent-Samples T Test cho hai nhóm và One-Way ANOVA cho ba nhóm trở lên, đọc kiểm định Levene trước khi kết luận.
Lưu ý: Giả thuyết bị bác bỏ không có nghĩa khóa luận thất bại. Kết quả không có ý nghĩa thống kê vẫn phải báo cáo trung thực và giải thích trong phần thảo luận.
Lỗi thường gặp khi xử lý số liệu khóa luận lần đầu

- Làm bảng hỏi xong mới nghĩ đến phân tích. Thang đo chỉ có 2 câu thì không chạy được EFA.
- Quên mã hóa ngược câu phủ định. Dùng Transform > Recode into Different Variables trước khi tính Alpha.
- Không lưu cú pháp. Bấm Paste thay vì OK để lưu mọi lệnh vào file .sps, khi cần chạy lại sẽ không bị quên đã loại biến nào.
- Chép ngưỡng không có nguồn. Mỗi ngưỡng trong chương 4 nên kèm trích dẫn.
- Dán nguyên output vào bài. Hãy trình bày lại theo chuẩn APA 7, gọn và có chú thích.
Phần lớn các lỗi này đều tránh được nếu bạn coi xử lý số liệu khóa luận là một kế hoạch có thứ tự, không phải vài thao tác chạy phần mềm vào phút cuối.
Tự luyện xử lý số liệu khóa luận bằng dữ liệu mẫu
Cách học xử lý số liệu khóa luận nhanh nhất là luyện trên bộ dữ liệu có cấu trúc giống khóa luận thật trước khi đụng vào dữ liệu của mình. Trang data thực hành miễn phí có 31 bộ dữ liệu, mỗi bộ kèm bảng hỏi, mã hóa biến và bài hướng dẫn; chỉ cần tạo tài khoản miễn phí để tải file CSV.
Các bộ hợp với SPSS: "Ý định mua hàng trực tuyến (TAM mở rộng)" để luyện Alpha, EFA, tương quan, hồi quy; "Sự hài lòng của sinh viên với chất lượng đào tạo" để luyện thống kê mô tả, T-test, ANOVA. Cần tài liệu có sẵn cú pháp thì xem cửa hàng dữ liệu thực hành.
Lưu ý: Các bộ thực hành số 1 - 30 là dữ liệu mô phỏng, chỉ để học phần mềm, tuyệt đối không dùng làm dữ liệu khóa luận.
Chạy trọn quy trình trên dữ liệu mẫu, viết thử một trang kết quả rồi đối chiếu. Khi đã quen tay, xử lý số liệu khóa luận trên dữ liệu thật sẽ nhẹ nhàng hơn nhiều.
Chọn gói hỗ trợ xử lý số liệu khóa luận phù hợp ngân sách
Kaas.vn niêm yết công khai các gói trên trang Báo giá; giá dưới đây là giá niêm yết tại thời điểm viết, xem cập nhật tại trang Báo giá. Với xử lý số liệu khóa luận đại học, các gói thường phù hợp:

- DTC-1 (800.000 đ): thống kê mô tả, Cronbach's Alpha, EFA.
- DTC-2 (1.200.000 đ): thêm tương quan và hồi quy, quy trình khóa luận phổ biến.
- DTC-3 (2.200.000 đ): thêm T-test, ANOVA theo nhân khẩu học.
- SDTC-3 (500.000 đ): chỉ tương quan và hồi quy, khi thang đo đã đạt.
Mọi gói gồm tư vấn ban đầu, kế hoạch phân tích bằng văn bản, làm sạch dữ liệu, bàn giao dữ liệu sạch, cú pháp, output gốc, bảng APA 7 và buổi giải thích trực tuyến. Muốn tự tay chạy, bạn có thể chọn hướng dẫn trực tiếp 1 - 1.
Quy trình hỗ trợ xử lý số liệu khóa luận và thanh toán
- Gửi yêu cầu. Đề cương, mô hình, bảng hỏi, dữ liệu đã ẩn danh qua form, Zalo 0947 971 630 hoặc email.
- Tư vấn và báo giá miễn phí. Đề xuất gói hoặc báo giá riêng, không bắt buộc đăng ký.
- Đăng ký và thanh toán. Đặt gói trên website, quét VietQR có sẵn số tiền và nội dung.
- Thống nhất kế hoạch phân tích. Chốt phương pháp, ngưỡng, tiêu chí làm sạch trước khi chạy.
- Phân tích và kiểm tra chéo. Chạy bằng cú pháp, ghi nhật ký, người thứ hai rà soát.
- Bàn giao và giải thích. Buổi giải thích qua Zalo, Google Meet hoặc Zoom; hỗ trợ theo chính sách bảo hành.
Trong thời hạn bảo hành (ghi trong báo giá hoặc hợp đồng), bạn được giải thích lại chỉ số, hướng dẫn chạy lại từ cú pháp và sửa miễn phí lỗi kỹ thuật do Kaas.vn gây ra.
Liêm chính học thuật khi xử lý số liệu khóa luận
Khóa luận đánh giá năng lực của chính bạn, nên ranh giới giữa "được hướng dẫn" và "nhờ làm thay" phải rõ. Theo cam kết liêm chính học thuật của Kaas.vn:
- Kaas.vn làm: tư vấn bảng hỏi, cỡ mẫu, phương pháp; hướng dẫn SPSS; chạy phân tích theo kế hoạch đã thống nhất và giải thích; rà soát kết quả bạn tự chạy; đào tạo 1 - 1.
- Kaas.vn không làm: viết thay khóa luận hay bất kỳ chương nào; tạo, bịa hoặc chỉnh sửa dữ liệu; cam kết giả thuyết được chấp nhận hay điểm số.
- Trách nhiệm của bạn: dữ liệu thu thập thật, tự viết diễn giải và thảo luận, tuân thủ quy định của trường về hỗ trợ bên ngoài và AI, ghi nhận hỗ trợ khi quy định yêu cầu.
Bạn là tác giả và chịu trách nhiệm toàn bộ công trình; con số nào chưa tự giải thích được thì hãy học lại cho đến khi trình bày được.
Checklist tài liệu khi cần hỗ trợ xử lý số liệu khóa luận
- Tên đề tài, ngành học, mô hình nghiên cứu và giả thuyết.
- Bảng hỏi chính thức và bảng mã hóa biến.
- File dữ liệu đã ẩn danh (.sav, .xlsx hoặc .csv).
- Mẫu trình bày khóa luận của khoa.
- Kết quả đã tự chạy (nếu có) và câu hỏi cụ thể đang vướng, ví dụ "EFA ra 5 nhân tố thay vì 4".
- Thời hạn nộp bản thảo cho giảng viên hướng dẫn.
Câu hỏi thường gặp về xử lý số liệu khóa luận
Chưa từng dùng SPSS có tự xử lý số liệu khóa luận được không?
Được. Các bước chạy SPSS cho khóa luận khá cố định; luyện trước trên dữ liệu mẫu 1 - 2 tuần là phần lớn sinh viên tự chạy được. Khó nhất khi xử lý số liệu khóa luận thường là làm sạch và diễn giải.
Cronbach's Alpha thấp thì có được sửa dữ liệu không?
Không. Bạn có thể loại biến quan sát có tương quan biến - tổng thấp nếu có lý do về nội dung và báo cáo rõ. Sửa câu trả lời là gian lận dữ liệu.
Khóa luận có bắt buộc chạy EFA không?
Không với mọi đề tài. EFA thường dùng khi đo khái niệm bằng nhiều biến quan sát và có điều chỉnh thang đo. Hãy hỏi giảng viên hướng dẫn.
Thu được ít phiếu hơn dự kiến thì làm sao?
Báo giảng viên hướng dẫn trước khi tiếp tục xử lý số liệu khóa luận, để khảo sát bổ sung thật hoặc điều chỉnh phạm vi. Không nhân bản phiếu hay tạo phiếu giả.
Gói nào phù hợp nhất để xử lý số liệu khóa luận đại học?
Đề tài "các yếu tố ảnh hưởng" thường hợp gói DTC-2; cần thêm so sánh nhóm thì chọn DTC-3. Nhắn Zalo 0947 971 630 để được tư vấn gói miễn phí.
Bắt đầu xử lý số liệu khóa luận đúng cách
Gửi đề cương và bảng hỏi qua trang đăng ký hoặc liên hệ Zalo 0947 971 630 để được tư vấn miễn phí, hoặc tự luyện với bộ dữ liệu thực hành. Kaas.vn hướng dẫn, giải thích và bàn giao file để bạn tự chạy lại; không viết thay, không chỉnh số liệu.
Tài liệu tham khảo
- American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.).
- Field, A. (2024). Discovering statistics using IBM SPSS Statistics (6th ed.). Sage.
- O'Brien, R. M. (2007). A caution regarding rules of thumb for variance inflation factors. Quality & Quantity, 41(5), 673-690. doi:10.1007/s11135-006-9018-6
Gửi mô hình (ảnh, Word, PDF) và chọn SPSS, AMOS, SmartPLS, Stata, Eviews hoặc R. Kaas.vn đề xuất phương án và báo giá miễn phí.
- Phân tích dữ liệu bài báo khoa học: 6 bước xử lý góp ý phản biện
- Hồi quy logistic SPSS: 7 bước chạy Binary Logistic và cách đọc Exp(B)
- Kiểm định phi tham số: 5 phép kiểm định trên SPSS kèm effect size
- Hồi quy tuyến tính bội trong SPSS: 6 bước chạy và đọc kết quả chính xác
- Đa cộng tuyến: 3 chỉ số phát hiện và cách xử lý trên SPSS, Stata

















