Metric, ordinal, binary và categorical trong SmartPLS 4
Kiểu dữ liệu trong SmartPLS không phải là nhãn trang trí. Nó quyết định cách phần mềm hiểu khoảng cách, thứ tự và nhóm của từng cột dữ liệu.
Metric mang thông tin định lượng, ordinal giữ thứ tự, binary có hai trạng thái và categorical biểu thị các nhóm không có thứ tự. Mã số giống nhau không làm các loại dữ liệu này trở nên tương đương.
Loại dữ liệu và cách mã hóa là hai quyết định
- Liên tục
Giá trị số có khoảng cách có nghĩa
- Thứ bậc
Có thứ tự, khoảng cách cần cân nhắc
- Nhị phân
Hai nhóm và mã tham chiếu rõ
- Định danh
Nhiều nhóm không có thứ tự
Sơ đồ khái niệm. Khai báo thang đo và mã hóa trước khi lựa chọn bộ ước lượng.
Nguồn: Lê Minh biên soạn · Minh họa khái niệm, không phải đầu ra phần mềm.1. Phân biệt bốn kiểu dữ liệu
Một cột chứa số không tự động là metric. Mã 1, 2, 3 cho ba ngành nghề vẫn là categorical vì chênh lệch giữa 1 và 2 không mang ý nghĩa định lượng.
| Kiểu | Đặc điểm | Ví dụ |
|---|---|---|
| Metric | Khoảng cách giữa giá trị có ý nghĩa | Tuổi, doanh thu, điểm tổng |
| Ordinal | Có thứ tự nhưng khoảng cách chưa chắc bằng nhau | Mức học vấn, xếp hạng |
| Binary | Chỉ có hai trạng thái | Có/không, nhóm can thiệp/đối chứng |
| Categorical | Các nhóm không có thứ tự | Tỉnh, ngành nghề, loại hình doanh nghiệp |
2. Thang Likert nên khai báo thế nào?
Item Likert đơn lẻ về bản chất có thứ tự. Trong nhiều ứng dụng PLS-SEM, các item nhiều mức được xử lý như metric để ước lượng mô hình tuyến tính. Quyết định này cần phù hợp với thiết kế thang đo, số mức phản hồi và quy ước phương pháp của nghiên cứu (Ringle et al., 2024).
Không nên thay đổi cách khai báo chỉ vì một phương án tạo kết quả đẹp hơn. Hãy ghi lại quyết định từ trước và kiểm tra dữ liệu thực tế.
Các mã như 99 hoặc -999 phải được khai báo là missing hoặc chuyển thành ô trống theo quy trình dữ liệu. Nếu giữ như giá trị thật, chúng có thể làm sai trung bình, phương sai và hệ số mô hình.
3. Mã hóa biến binary và categorical
Binary nên dùng 0/1 khi biến tham gia hồi quy hoặc điều tiết để hệ số có điểm tham chiếu rõ. Với categorical nhiều hơn hai nhóm, không đưa trực tiếp mã 1, 2, 3 vào như một biến metric. Hãy tạo biến giả phù hợp hoặc dùng chức năng nhóm nếu mục tiêu là MGA.
| Biến | Mã nên dùng | Ghi chú |
|---|---|---|
| Can thiệp | 0 = đối chứng; 1 = can thiệp | Nhóm 0 là tham chiếu |
| Khu vực 3 nhóm | Hai biến giả | Giữ một nhóm làm tham chiếu |
| Mức hài lòng 1-5 | Ordinal hoặc metric có lý giải | Không đổi nhãn giữa các đợt dữ liệu |
| Không trả lời | Missing | Không dùng 0 nếu 0 là giá trị hợp lệ |
4. Quy trình kiểm tra trước khi nhập
Lập codebook
Ghi tên biến, nhãn, kiểu dữ liệu, mã giá trị và quy tắc missing.
Rà giá trị ngoài phạm vi
Tìm mã lạ, khoảng trắng, dấu thập phân không thống nhất và ô văn bản trong cột số.
Kiểm tra chiều item
Đảo chiều đúng các item nghịch trước khi tạo điểm hoặc chạy mô hình.
Đối chiếu nhóm
Bảo đảm mã nhóm trong dữ liệu khớp định nghĩa dùng trong SmartPLS.
Lưu bản dữ liệu đóng băng
Giữ một bản dữ liệu sạch có ngày và không chỉnh trực tiếp sau khi bắt đầu phân tích.
5. Lỗi thường gặp
| Lỗi | Hậu quả |
|---|---|
| Xem mọi cột số là metric | Tạo khoảng cách giả giữa các nhóm |
| Dùng 1/2 cho binary moderator | Khó diễn giải điểm tham chiếu |
| Giữ mã missing như 99 | Làm méo thống kê mô tả và ước lượng |
| Đổi mã giữa các file | Sai nhóm hoặc đảo chiều tác động |
6. Bảng kiểm dữ liệu
- Mỗi biến có tên duy nhất, ngắn và không chứa khoảng trắng bất thường.
- Codebook khớp hoàn toàn với file nhập SmartPLS.
- Mã missing đã được xử lý và kiểm tra tần suất.
- Binary dùng 0/1 khi cần điểm tham chiếu hồi quy.
- Categorical nhiều nhóm không bị đưa vào như một biến metric.
- Quyết định xử lý item Likert được ghi trong phương pháp nghiên cứu.
Kết luận
Một file dữ liệu sạch không chỉ không có ô trống. Mỗi cột phải mang đúng ý nghĩa đo lường và được mã hóa nhất quán. Kiểm tra kiểu dữ liệu trước khi dựng mô hình giúp tránh những lỗi khó phát hiện ở giai đoạn diễn giải.
Tài liệu tham khảo
- Ringle, C. M., Wende, S., & Becker, J.-M. (2024). SmartPLS 4. https://www.smartpls.com
- SmartPLS. (n.d.). PLS-SEM glossary. https://www.smartpls.com/documentation/literature/glossary/
Ghi chú học thuật: Kiểu dữ liệu cần được quyết định từ bản chất biến và thiết kế đo lường, không dựa vào việc cột đang hiển thị dưới dạng số hay chữ.