Thang đo Likert là một trong những công cụ đo lường được sử dụng phổ biến nhất trong nghiên cứu định lượng, đặc biệt trong các nghiên cứu sử dụng dữ liệu khảo sát và phân tích bằng các phần mềm thống kê như SPSS và AMOS. Việc vận dụng đúng thang đo Likert không chỉ bảo đảm dữ liệu thu thập phản ánh chính xác nhận thức và thái độ của người trả lời, mà còn đóng vai trò nền tảng cho các bước phân tích tiếp theo như đánh giá độ tin cậy bằng Cronbach’s Alpha, phân tích nhân tố khám phá (EFA), phân tích nhân tố khẳng định (CFA) và mô hình cấu trúc tuyến tính (SEM) trong SPSS và AMOS.
1. Khái niệm thang đo Likert
a. Định nghĩa
Thang đo Likert là một dạng thang đo tâm lý học (psychometric scale) do Rensis Likert đề xuất vào năm 1932, được ứng dụng rộng rãi trong nghiên cứu khoa học xã hội nhằm đo lường thái độ, nhận thức hoặc mức độ đồng thuận của người tham gia khảo sát đối với các phát biểu nghiên cứu. Mỗi phát biểu được đánh giá thông qua các mức phản hồi có trật tự, thường là thang 5 mức hoặc 7 mức, dao động từ mức phản đối hoàn toàn đến mức đồng ý hoàn toàn.
Về mặt phương pháp luận, cần phân biệt rõ giữa câu hỏi Likert (Likert item) và thang đo Likert (Likert scale). Một câu hỏi Likert chỉ đại diện cho một biến quan sát đơn lẻ, trong khi thang đo Likert đúng nghĩa là tập hợp nhiều câu hỏi cùng hướng tới đo lường một khái niệm tiềm ẩn. Việc nhầm lẫn hai khái niệm này có thể dẫn đến sai sót trong thiết kế nghiên cứu và phân tích dữ liệu.
b. Thang đo Likert được cấu thành từ nhiều biến quan sát
Trong nghiên cứu định lượng, một khái niệm lý thuyết chỉ được xem là đo lường có giá trị khi được đại diện bởi nhiều biến quan sát sử dụng thang đo Likert, thông thường tối thiểu từ ba biến trở lên. Các biến quan sát này phản ánh những khía cạnh khác nhau của cùng một khái niệm, qua đó góp phần làm giảm sai số đo lường và nâng cao độ tin cậy của thang đo.
Việc chỉ sử dụng một biến Likert đơn lẻ cho mỗi khái niệm không cho phép nhà nghiên cứu kiểm định độ tin cậy, cấu trúc nhân tố hay giá trị hội tụ và phân biệt của thang đo. Do đó, kết quả phân tích thu được sẽ không đáp ứng các tiêu chuẩn học thuật trong nghiên cứu định lượng.
Một thang đo Likert hợp lệ phải bao gồm nhiều biến quan sát cùng đo lường một khái niệm tiềm ẩn.
Ví dụ:
- Khái niệm: Sự hài lòng
- Biến quan sát: HL1, HL2, HL3, HL4
- Thang đo: Likert 5 mức (1 = Rất không đồng ý, 5 = Rất đồng ý)
Không phù hợp về mặt phương pháp khi:
- Thực hiện kiểm định Cronbach’s Alpha cho một biến duy nhất
Đưa một biến Likert đơn lẻ vào phân tích EFA, CFA hoặc SEM
2. Câu hỏi có 5 hoặc 7 phương án trả lời không đồng nghĩa với thang đo Likert
Việc một câu hỏi được thiết kế với 5 hoặc 7 lựa chọn trả lời chỉ phản ánh hình thức trình bày, chưa đủ cơ sở khoa học để được xem là thang đo Likert.
Ví dụ 1: Tần suất sử dụng xe điện của bạn là bao nhiêu?
(1) Chưa bao giờ
(2) Hiếm khi
(3) Thỉnh thoảng
(4) Thường xuyên
(5) Rất thường xuyên
→ Câu hỏi trên đo lường mức độ tần suất hành vi, thuộc nhóm thang đo tần suất, không phải thang đo Likert.
Ví dụ 2: Thu nhập trung bình hàng tháng của bạn là bao nhiêu?
(1) Dưới 5 triệu đồng
(2) Từ 5 đến dưới 10 triệu đồng
(3) Từ 10 đến dưới 15 triệu đồng
(4) Từ 15 đến dưới 20 triệu đồng
(5) Từ 20 triệu đồng trở lên
→ Đây là thang đo phân loại theo thứ bậc, dùng để phân nhóm đối tượng nghiên cứu, không phải thang đo Likert.
Điều kiện để một câu hỏi được xác định là thang đo Likert
Một câu hỏi chỉ được xem là thang đo Likert khi đồng thời đáp ứng đầy đủ các tiêu chí sau:
- Có phát biểu mang tính khẳng định hoặc mô tả quan điểm
- Đo lường mức độ đồng ý, cảm nhận hoặc đánh giá chủ quan của người trả lời
- Các phương án trả lời được thiết kế đối xứng và tăng dần theo mức độ
- Mục tiêu đo lường thái độ, nhận thức hoặc đánh giá của cá nhân
Chỉ khi một biến nghiên cứu được đo lường bằng tập hợp nhiều câu hỏi Likert, nhà nghiên cứu mới có cơ sở áp dụng các kỹ thuật kiểm định thang đo như Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) hay phân tích nhân tố khẳng định (CFA).
Trong trường hợp nhầm lẫn các câu hỏi có 5 đáp án với thang đo Likert, các phần mềm phân tích thống kê vẫn có thể cho ra kết quả số liệu, tuy nhiên các kết quả này không mang ý nghĩa khoa học:
- Hệ số Cronbach’s Alpha không phản ánh độ tin cậy thực sự
- Kết quả EFA hoặc CFA sai lệch về bản chất đo lường
- Kết luận nghiên cứu thiếu cơ sở vững chắc và dễ bị phản biện
- Hội đồng khoa học hoặc chuyên gia phản biện có thể đặt vấn đề về tính hợp lệ của thang đo và thiết kế nghiên cứu
3. Phương pháp xử lý thang đo Likert trong SPSS
Việc sử dụng thuật ngữ “thang đo Likert” ngay trong tên gọi cho phép xác định trước các kỹ thuật phân tích thống kê thường được áp dụng đối với loại thang đo này. Trong nghiên cứu định lượng, các phương pháp phân tích phổ biến bao gồm thống kê mô tả, kiểm định độ tin cậy Cronbach’s Alpha, phân tích nhân tố khám phá (EFA) và phân tích nhân tố khẳng định (CFA).
3.1 Phân tích thống kê mô tả thang đo Likert (Mean, Min, Max, SD) bằng SPSS
Sau khi dữ liệu được nhập vào phần mềm SPSS, bước phân tích đầu tiên thường là thực hiện thống kê mô tả đối với các biến đo lường bằng thang Likert nhằm đánh giá đặc điểm phân bố của dữ liệu. Các chỉ số thống kê cơ bản được sử dụng bao gồm giá trị trung bình (Mean), giá trị nhỏ nhất (Minimum), giá trị lớn nhất (Maximum) và độ lệch chuẩn (Standard Deviation).
Giá trị trung bình phản ánh mức độ đánh giá chung của mẫu nghiên cứu đối với từng biến quan sát, trong khi các giá trị Minimum và Maximum được sử dụng để kiểm tra tính chính xác của việc mã hóa thang đo. Độ lệch chuẩn thể hiện mức độ phân tán của các câu trả lời; đối với thang đo Likert 5 mức, độ lệch chuẩn nhỏ hơn 1 thường được xem là mức chấp nhận được, cho thấy dữ liệu không phân tán quá lớn.
Quy trình thực hiện thống kê trung bình, giá trị nhỏ nhất, giá trị lớn nhất và độ lệch chuẩn cho thang đo Likert trong SPSS được trình bày chi tiết trong bài viết Thống kê trung bình, min, max, độ lệch chuẩn trong SPSS.
Bảng kết quả thống kê mô tả thang đo Likert được xuất từ SPSS thường thể hiện các chỉ số cơ bản của từng biến quan sát.
Trong ví dụ minh họa, các biến TL1 đến TL4 được đo lường bằng thang đo Likert 5 mức, với các giá trị từ 1 đến 5.
Việc xem xét các chỉ số Minimum và Maximum nhằm xác định liệu dữ liệu thu thập có xuất hiện các giá trị nằm ngoài phạm vi thang đo quy định hay không. Đây là bước quan trọng để đánh giá tính hợp lệ ban đầu của dữ liệu.
Hai chỉ số còn lại là Mean và Standard Deviation có mối quan hệ chặt chẽ với các giá trị cực trị. Trong trường hợp dữ liệu tồn tại các giá trị bất thường vượt ra ngoài phạm vi thang đo, giá trị trung bình và độ lệch chuẩn thường bị sai lệch hoặc xuất hiện biến động bất thường, từ đó phản ánh chất lượng dữ liệu chưa đảm bảo.
Khi giá trị trung bình của một biến quan sát ở mức cao, điều này cho thấy
- Mức độ đồng ý hoặc đánh giá tích cực của người trả lời đối với nội dung được đo lường.
- Đồng thời, phần lớn các quan sát có xu hướng tập trung vào các mức điểm cao của thang đo Likert, thường là mức 4 hoặc 5.
- Khi đó, biến quan sát được xem là phản ánh rõ ràng nhận thức, thái độ hoặc mức độ chấp thuận mạnh mẽ của đối tượng khảo sát đối với phát biểu hoặc câu hỏi nghiên cứu.
Trong thực tiễn phân tích dữ liệu, giá trị Mean cao của các biến trong thang đo Likert thường được diễn giải rằng:
- Người trả lời có xu hướng đánh giá tích cực hoặc đồng thuận với nội dung đo lường.
- Đồng thời, khái niệm nghiên cứu gắn liền với các biến này được cảm nhận theo hướng tích cực trong mẫu khảo sát.
3.2 Kiểm định độ tin cậy thang đo bằng hệ số Cronbach’s Alpha trong SPSS
Hệ số Cronbach’s Alpha được sử dụng nhằm đánh giá mức độ tin cậy nội tại của thang đo, thông qua việc xem xét mức độ tương quan và nhất quán giữa các biến quan sát được đo lường bằng thang Likert, từ đó xác định khả năng các biến này cùng phản ánh một khái niệm hay nhân tố tiềm ẩn.
a. Phân biệt thang đo Likert và thang đo trong phân tích độ tin cậy Cronbach’s Alpha
Trong thực tiễn nghiên cứu, nhiều người thường nhầm lẫn giữa thang đo Likert và thang đo sử dụng trong phân tích độ tin cậy. Hai khái niệm này có bản chất khác nhau và cần được phân biệt rõ ràng.
Thang đo Likert của biến quan sát là thang đo mức độ phản hồi được sử dụng trong bảng câu hỏi khảo sát, thể hiện mức độ đồng ý hoặc đánh giá của người trả lời đối với từng phát biểu cụ thể.
Ví dụ, thang đo Likert 5 mức thường được mã hóa từ 1 đến 5, lần lượt tương ứng với các mức từ rất không đồng ý đến rất đồng ý.
1: Rất không đồng ý
2: Không đồng ý
3: Bình thường
4: Đồng ý
5: Rất đồng ý
Trong trường hợp này, thang đo Likert chỉ đóng vai trò là cách thức mã hóa dữ liệu đầu vào cho từng biến quan sát riêng lẻ.
– Ngược lại, thang đo trong phân tích độ tin cậy Cronbach’s Alpha là một tập hợp gồm nhiều biến quan sát được thiết kế nhằm đo lường cùng một khái niệm hoặc nhân tố nghiên cứu.
Chẳng hạn, khái niệm sự hài lòng có thể được đo lường thông qua bốn biến quan sát HL1, HL2, HL3 và HL4;
→ Khi đó, thang đo sự hài lòng được hình thành từ tổng hợp các biến này. HL = HL1 + HL2 + HL3 + HL4
Phân tích Cronbach’s Alpha được sử dụng để đánh giá độ tin cậy của toàn bộ thang đo khái niệm, chứ không nhằm kiểm định riêng lẻ thang điểm Likert 1–5 của từng biến.
b. Điều kiện áp dụng phân tích Cronbach’s Alpha
Một điều kiện bắt buộc khi áp dụng phân tích Cronbach’s Alpha là thang đo phải bao gồm ít nhất hai biến quan sát.
Hệ số Cronbach’s Alpha phản ánh mức độ nhất quán nội tại giữa các biến trong cùng một thang đo; do đó, nếu thang đo chỉ có một biến quan sát thì không thể tính toán hệ số Alpha vì không tồn tại mối tương quan để so sánh.
Trong trường hợp thang đo chỉ gồm hai biến quan sát, hệ số Cronbach’s Alpha vẫn có thể được tính toán nhưng mức độ tin cậy thường thấp và kết quả rất nhạy cảm với sai số đo lường. Khi số lượng biến quan sát từ ba biến trở lên, kết quả phân tích sẽ ổn định hơn và có ý nghĩa thống kê cao hơn. Vì vậy, trong nghiên cứu thực nghiệm, nhiều tác giả khuyến nghị thang đo nên có tối thiểu ba biến quan sát.
c. Thực hiện phân tích Cronbach’s Alpha cho thang đo Likert
Việc tiến hành phân tích Cronbach’s Alpha đối với thang đo Likert được thực hiện thông qua phần mềm SPSS theo quy trình chuẩn của phân tích độ tin cậy xem thêm Phân tích độ tin cậy Cronbach’s Alpha trong SPSS.
Trong một ví dụ minh họa, các biến quan sát DT1 đến DT5 được đo lường bằng thang Likert 5 mức độ đồng ý và cùng cấu thành thang đo của nhân tố DT.
Phân tích Cronbach’s Alpha được thực hiện đồng thời cho toàn bộ năm biến quan sát này nhằm đánh giá độ tin cậy của thang đo nhân tố DT, thay vì kiểm định riêng lẻ từng biến DT1, DT2,…
Kết quả cho thấy thang đo DT đạt độ tin cậy khi hệ số Cronbach’s Alpha đạt giá trị 0.880, lớn hơn ngưỡng chấp nhận 0.7. Đồng thời, các biến quan sát DT1 đến DT5 đều có ý nghĩa đóng góp vào thang đo do hệ số tương quan biến tổng hiệu chỉnh đều lớn hơn 0.3, cho thấy các biến này phù hợp để đo lường nhân tố DT.
3.3 Phân tích nhân tố khám phá EFA trong SPSS
Phân tích nhân tố khám phá (Exploratory Factor Analysis – EFA) được sử dụng nhằm
- Xác định cấu trúc tiềm ẩn của tập hợp các biến quan sát,
- Kiểm tra mức độ các biến đo lường bằng thang Likert có cùng phản ánh một khái niệm nghiên cứu hay không,
- Đồng thời đánh giá giá trị hội tụ và giá trị phân biệt của các nhân tố được hình thành từ các biến quan sát.
Phương pháp thực hiện EFA đối với thang đo Likert có thể tham khảo tại bài viết hướng dẫn Phân tích nhân tố khám phá EFA trong SPSS.
Trong nghiên cứu minh họa, phân tích EFA được tiến hành cho hai thang đo, bao gồm thang đo Sự hài lòng (HL) với ba biến quan sát (HL1, HL2, HL3) và thang đo Lòng trung thành (TT) với bốn biến quan sát (TT1, TT2, TT3, TT4). Tất cả các biến đều được đo lường bằng thang Likert 5 mức. Kết quả phân tích bằng phần mềm SPSS được trình bày như sau.
Thứ nhất, xét mức độ phù hợp của dữ liệu đối với phân tích EFA.
Chỉ số KMO đạt giá trị 0.785, lớn hơn ngưỡng tối thiểu 0.5, cho thấy dữ liệu có mức độ thích hợp tốt để tiến hành phân tích nhân tố khám phá. Bên cạnh đó, kiểm định Bartlett có giá trị Chi-square bằng 275.793 với mức ý nghĩa Sig. = 0.000 nhỏ hơn 0.05, chứng tỏ các biến quan sát có mối tương quan tuyến tính với nhau và việc áp dụng EFA là phù hợp về mặt thống kê.
Thứ hai, xét số lượng nhân tố được trích và tổng phương sai giải thích.
Kết quả từ bảng Total Variance Explained cho thấy có hai nhân tố được trích với giá trị eigenvalue đều lớn hơn 1. Hai nhân tố này giải thích được 70.332% tổng phương sai của dữ liệu, vượt ngưỡng chấp nhận 50%, cho thấy mô hình nhân tố có khả năng giải thích tốt sự biến thiên của các biến quan sát.
Thứ ba, xét cấu trúc nhân tố và giá trị hội tụ.
Kết quả từ ma trận xoay cho thấy các biến TT1, TT2, TT3 và TT4 đều có hệ số tải nhân tố cao trên nhân tố thứ nhất, dao động từ 0.786 đến 0.850. Trong khi đó, các biến HL1, HL2 và HL3 tải mạnh lên nhân tố thứ hai với hệ số tải từ 0.835 đến 0.848. Tất cả các hệ số tải đều lớn hơn 0.5, phản ánh mức độ hội tụ tốt của các biến quan sát vào nhân tố mà chúng đại diện.
Thứ tư, xét giá trị phân biệt giữa các nhân tố.
Kết quả phân tích không ghi nhận hiện tượng tải chéo đáng kể giữa hai nhân tố. Các biến thuộc thang đo Lòng trung thành không tải lên nhân tố Sự hài lòng và ngược lại, cho thấy sự phân biệt rõ ràng giữa hai khái niệm nghiên cứu.
Kết luận.
Kết quả phân tích EFA khẳng định mô hình gồm hai nhân tố riêng biệt, phù hợp với cơ sở lý thuyết ban đầu của nghiên cứu. Hai thang đo Sự hài lòng và Lòng trung thành đo lường bằng thang Likert đều đạt được giá trị hội tụ và giá trị phân biệt, đáp ứng yêu cầu cho các bước phân tích tiếp theo.
3.4 Phân tích nhân tố khẳng định CFA bằng AMOS
Phân tích nhân tố khẳng định (Confirmatory Factor Analysis – CFA) được sử dụng nhằm kiểm định cấu trúc của thang đo Likert dựa trên nền tảng lý thuyết đã được đề xuất, đồng thời đánh giá mức độ phù hợp của mô hình đo lường với bộ dữ liệu nghiên cứu. CFA cho phép xác nhận mối quan hệ giữa các biến quan sát và các khái niệm tiềm ẩn, qua đó đánh giá tính hợp lệ của thang đo.
Kết quả CFA được xem xét thông qua hệ thống các chỉ số đo lường mức độ phù hợp của mô hình. Bên cạnh đó, CFA còn được sử dụng để kiểm định giá trị hội tụ, giá trị phân biệt và độ tin cậy tổng hợp của các thang đo, trong đó việc đánh giá các giá trị này trên CFA có độ chính xác cao hơn so với phân tích nhân tố khám phá (EFA). Nhờ vậy, CFA góp phần khẳng định tính hợp lệ và độ tin cậy của thang đo Likert, tạo tiền đề cho các phân tích mô hình cấu trúc tuyến tính (SEM) và kiểm định giả thuyết trong các bước tiếp theo.
Quy trình thực hiện phân tích CFA cho thang đo Likert có thể tham khảo trong bài viết hướng dẫn phân tích nhân tố khẳng định CFA trên phần mềm AMOS.
Trong nghiên cứu minh họa, phân tích CFA được tiến hành cho các thang đo với các biến quan sát đều được đo lường bằng thang Likert 5 mức độ, bao gồm:
Thang đo QC với 5 biến quan sát,
– Thang đo QH với 5 biến quan sát,
– Thang đo KM với 4 biến quan sát,
– Thang đo BH với 5 biến quan sát,
– Thang đo NB với 4 biến quan sát và
– Thang đo TT với 5 biến quan sát.
Kết quả phân tích CFA trên phần mềm AMOS cho thấy:
Các chỉ số độ phù hợp của mô hình đều đạt và vượt các ngưỡng khuyến nghị trong nghiên cứu định lượng. Cụ thể, chỉ số Chi-square/df đạt 1.318, nhỏ hơn 2; các chỉ số GFI, CFI và TLI lần lượt đạt 0.922, 0.980 và 0.977, đều lớn hơn 0.9; chỉ số RMSEA đạt 0.030, nhỏ hơn 0.05 và chỉ số PCLOSE đạt 1.000, lớn hơn 0.05. Những kết quả này cho thấy mô hình đo lường có mức độ phù hợp cao và sai số ước lượng thấp so với dữ liệu nghiên cứu.
Kết quả CFA cũng cho thấy các biến quan sát trong từng thang đo đều có khả năng giải thích tốt cho các nhân tố tiềm ẩn tương ứng, thể hiện qua hệ số tải nhân tố chuẩn hóa đều lớn hơn 0.5.
Xét về giá trị hội tụ, các thang đo đều có hệ số độ tin cậy tổng hợp (CR) lớn hơn 0.7, phản ánh mức độ tin cậy đạt yêu cầu. Giá trị phương sai trích trung bình (AVE) của phần lớn các thang đo đều lớn hơn 0.5, cho thấy các biến quan sát giải thích tốt cho khái niệm tiềm ẩn. Riêng thang đo QH có giá trị AVE bằng 0.493, nhỏ hơn ngưỡng 0.5, do đó biến quan sát QH1 được loại bỏ nhằm cải thiện giá trị AVE của thang đo.
Đối với giá trị phân biệt, căn bậc hai của AVE của từng khái niệm đều lớn hơn các hệ số tương quan giữa khái niệm đó với các khái niệm còn lại, đồng thời giá trị phương sai chia sẻ tối đa (MSV) của mỗi thang đo đều nhỏ hơn AVE. Kết quả này cho thấy các khái niệm nghiên cứu có sự phân biệt rõ ràng và không tồn tại hiện tượng trùng lắp trong đo lường.
Kết luận
Nội dung trình bày đã mô tả một cách hệ thống và logic toàn bộ quy trình kiểm định thang đo Likert trong nghiên cứu định lượng. Quy trình này bao gồm thống kê mô tả và tính giá trị trung bình nhằm phản ánh xu hướng đánh giá của người trả lời, kiểm định độ tin cậy Cronbach’s Alpha để loại bỏ các biến quan sát không phù hợp, phân tích nhân tố khám phá (EFA) nhằm xác định cấu trúc tiềm ẩn của thang đo, và phân tích nhân tố khẳng định (CFA) để kiểm định mô hình đo lường cũng như đánh giá giá trị hội tụ và giá trị phân biệt.
Việc thực hiện đầy đủ các bước trên giúp đảm bảo tính hợp lệ và độ tin cậy của thang đo Likert, đồng thời tạo nền tảng khoa học vững chắc cho các phân tích SEM và kiểm định giả thuyết trong các nghiên cứu học thuật cũng như các nghiên cứu ứng dụng trong thực tiễn.
