Boxplot và ngoại lệ: khi nào một mức giá BĐS cần được kiểm tra lại?

Boxplot và ngoại lệ: khi nào một mức giá BĐS cần được kiểm tra lại? là Bài 21 của chuyên đề SPSS trong phân tích dữ liệu BĐS. Đọc boxplot, IQR, whisker, outlier và extreme trong SPSS; truy vết bằng mã BĐS và phân biệt giá trị hiếm hợp lệ với lỗi dữ liệu.

Biên soạn: ThS. Nguyễn Mạnh Hùng
GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn

Cập nhật 01/10/2026: Nội dung kỹ thuật đối chiếu với IBM SPSS Statistics 31. Tên menu và một số cột Output có thể khác nhẹ theo build/ngôn ngữ giao diện; khi khác, đối chiếu tài liệu chính thức của phiên bản đang sử dụng.

Lưu ý: dữ liệu BĐS, ngưỡng, giá trị chuẩn và tình huống trong bài nếu không ghi nguồn cụ thể đều là giả lập phục vụ giảng dạy. Kết quả kiểm định thống kê không tự chứng minh quan hệ nhân quả hoặc thay thế đánh giá nghiệp vụ/thị trường.

Mục tiêu học tập

Hiểu đúng bản chất thống kê của công cụ trong bài trước khi thao tác.
Biết điều kiện dữ liệu và thiết kế nghiên cứu phù hợp.
Thao tác được trên SPSS và lưu lại Syntax để tái lập.
Đọc đúng Output, gồm N, thống kê mô tả, khoảng tin cậy và p-value khi có.
Diễn giải trong bối cảnh BĐS mà không vượt quá bằng chứng.

Vị trí của bài trong mạch học

Bài thuộc Chương 3 – Thống kê mô tả và khám phá dữ liệu. Mạch 17–24 đi từ tần số, trung tâm, phân phối, ngoại lệ, bảng chéo và biểu đồ đến phân tích theo nhóm/trọng số. Đây là lớp kiểm cuối trước suy luận thống kê.

Boxplot giúp sàng lọc dữ liệu

Boxplot tóm tắt median, quartiles và phần đuôi của một biến định lượng. Với giá/đơn giá BĐS, nó giúp nhìn độ lệch, độ trải và case nằm xa phần lớn dữ liệu.

Đây là công cụ phát hiện để kiểm tiếp, không phải lệnh xóa.

Câu hỏi phản biện: nếu một người khác chỉ có file dữ liệu, Syntax và Output, họ có thể tái hiện quyết định này không? Nếu không, cần ghi thêm điều kiện, nhóm, đơn vị, hướng chênh lệch hoặc lý do chọn phương pháp.

Hộp, median và IQR

Q1 và Q3 tạo thành hộp; đường giữa là median; IQR=Q3−Q1. Hộp dài nghĩa là 50% dữ liệu giữa phân tán rộng hơn.

Median lệch về một phía hoặc whisker bất đối xứng gợi ý phân bố lệch nhưng vẫn cần histogram/Q-Q.

Điểm kiểm thực hành: trước khi chuyển bước, kiểm N, missing, Filter/Split File/Weight Cases và ít nhất một bảng hoặc đồ thị mô tả phù hợp. Nếu trạng thái dữ liệu không đúng thì kết quả ở bước sau không còn đáng tin, dù SPSS vẫn chạy.

Whisker không nhất thiết là min/max

Whisker thường kéo tới giá trị xa nhất còn nằm trong phạm vi không bị đánh dấu outlier/extreme.

Vì vậy không đọc đầu whisker như giá nhỏ nhất/lớn nhất của toàn mẫu.

SPSS dùng ngưỡng IQR để đánh dấu

IBM định nghĩa outlier nằm từ 1,5 đến 3 IQR tính từ mép hộp và extreme nằm hơn 3 IQR.

Đó là quy tắc đồ thị, không phải phán quyết dữ liệu sai.

Case Labels giúp truy vết

Trong Explore, đưa ma_bds vào ID/Label Cases by để Output gắn mã nghiệp vụ thay cho số dòng.

Sau Sort/Filter, số dòng có thể đổi còn ma_bds vẫn truy nguồn được.

Xem boxplot theo nhóm

Một giá rất cao toàn mẫu có thể bình thường trong phân khúc cao cấp. Boxplot theo khu_vuc hoặc loai_bds giúp đánh giá trong nhóm tương đồng hơn.

Không nên kết luận một case bất thường chỉ bằng phân bố gộp.

Kiểm nghiệp vụ trước khi sửa

Kiểm đơn vị tiền, diện tích, loại hình, khu vực, thời điểm, pháp lý và nguồn giá. Sai 3,5 tỷ thành 3.500.000 triệu là lỗi; 300 triệu/m² có thể vẫn là dữ liệu thật.

Xác minh nguồn trước khi sửa hoặc loại.

Outlier ảnh hưởng mean, SD và kiểm định

Giá trị xa có thể kéo mean và SD, đồng thời ảnh hưởng t-test/ANOVA/hồi quy.

Không xóa case chỉ để p-value đẹp hơn; nếu cần, thực hiện phân tích độ nhạy có giải thích.

Có thể giữ outlier và dùng thống kê bền vững

Median và IQR thường hữu ích khi dữ liệu lệch. Sau này có thể cân nhắc biến đổi hoặc kiểm định phi tham số nếu giả định không phù hợp.

Giữ dữ liệu thật tốt hơn ép dữ liệu thành phân phối đẹp.

Biên bản outlier phải truy vết được

Ghi ID, giá trị, lý do bị đánh dấu, nguồn xác minh, quyết định giữ/sửa/gắn cờ và version.

Nếu sửa phải giữ giá trị gốc trong audit log.

Bộ dữ liệu thực hành xuyên suốt

Các bài 21–30 dùng một bộ dữ liệu BĐS thống nhất để người học thấy quan hệ giữa làm sạch, mô tả và kiểm định. Trong dữ liệu thật, tên biến có thể khác nhưng phải giữ đúng bản chất mức đo, đơn vị và đơn vị quan sát.

Tên biến	Kiểu	Ý nghĩa	Mã/đơn vị	Lưu ý
ma_bds	String	Mã tài sản/quan sát	—	Dùng truy vết case; không tính trung bình
khu_vuc	Numeric	Khu vực	1=Trung tâm; 2=Cận trung tâm; 3=Ngoại vi	Nominal
loai_bds	Numeric	Loại BĐS	1=Căn hộ; 2=Nhà phố; 3=Đất ở	Nominal
dien_tich	Numeric	Diện tích	m²	Scale
gia_rao	Numeric	Giá rao	triệu đồng	Scale
gia_m2	Numeric	Đơn giá rao	triệu đồng/m²	Scale
khoang_cach_tam	Numeric	Khoảng cách tới trung tâm	km	Scale
muc_hai_long	Numeric	Mức hài lòng	1–5; missing theo codebook	Ordinal
y_dinh_mua	Numeric	Ý định mua	1–5; missing theo codebook	Ordinal
nhom_khach	Numeric	Nhóm khách	1=Đã mua; 2=Chưa mua	Nominal
diem_truoc	Numeric	Điểm đánh giá trước	0–100	Scale
diem_sau	Numeric	Điểm đánh giá sau	0–100	Scale

Cú pháp tham khảo

Có thể thao tác bằng menu; tuy nhiên nên dùng Paste để lưu Syntax. Từ Chương 4, Test Value, mã nhóm, Confidence Interval và Post Hoc method phải được lưu để tránh tình trạng chạy lại nhưng không biết đã chọn tùy chọn nào.

EXAMINE VARIABLES=gia_m2 BY khu_vuc /ID=ma_bds /PLOT=BOXPLOT /STATISTICS=DESCRIPTIVES EXTREME /MISSING=LISTWISE /NOTOTAL.

Tình huống thực hành BĐS

900 căn hộ có 9 case xa trên boxplot đơn giá. Kiểm nguồn cho thấy 2 case sai đơn vị, 4 penthouse thật và 3 case chưa xác minh. Nhóm sửa 2 lỗi, giữ 4 case hợp lệ và gắn cờ 3 case còn lại.

Tình huống cần xử lý theo bốn lớp: (1) mô tả dữ liệu; (2) kiểm điều kiện và giả định; (3) chọn thủ tục; (4) diễn giải độ lớn và bất định. Không nhảy thẳng vào cột Sig. rồi kết luận. Nếu dữ liệu có lỗi nghiệp vụ, sửa lỗi trước; nếu dữ liệu thật nhưng không phù hợp giả định, thay cách phân tích chứ không sửa dữ liệu để đạt giả định.

Ma trận lựa chọn nhanh

Tình huống	Cách hiểu/công cụ	Mục tiêu	Điểm phải kiểm
Trong 1,5 IQR	Không bị đánh dấu	Vùng thông thường theo boxplot	Không đồng nghĩa chắc chắn đúng
1,5–3 IQR	Outlier	Cần kiểm	Không tự xóa
>3 IQR	Extreme	Ưu tiên xác minh	Có thể vẫn hợp lệ
Sai đơn vị	Lỗi dữ liệu	Sửa theo nguồn	Giữ log
Penthouse thật	Giá trị hiếm	Giữ	Bổ sung median/IQR

Quy trình 12 bước áp dụng

Xác định câu hỏi và đơn vị quan sát.
Kiểm Type, Values, Missing, Measure và đơn vị.
Kiểm Filter, Split File và Weight Cases đang ON hay OFF.
Chạy Frequencies/Descriptives/Explore phù hợp.
Kiểm ID của các case bất thường và xác minh nguồn.
Viết H0/H1 hoặc mục tiêu mô tả trước khi chạy thủ tục.
Chọn đúng menu, nhóm và tùy chọn; dùng Paste để lưu Syntax.
Đọc bảng mô tả trước bảng kiểm định.
Đọc Confidence Interval cùng p-value.
Báo effect size hoặc chênh lệch có đơn vị khi phù hợp.
Thực hiện một kiểm tra độ nhạy nếu dữ liệu có điểm bất thường hoặc giả định đáng lo.
Lưu dữ liệu, Syntax, Output và biên bản quyết định theo version.

Cách đọc Output theo thứ tự

Kiểm N: số case có khớp dữ liệu dự kiến không?
Kiểm mean/median/SD/IQR hoặc count/%: dữ liệu có hợp lý về mặt nghiệp vụ không?
Kiểm các bảng/đồ thị giả định đúng với thủ tục.
Nếu có nhiều dòng kết quả, xác định trước dòng nào phù hợp và vì sao.
Đọc độ lớn chênh lệch và Confidence Interval.
Sau cùng mới đọc p-value như một phần của bằng chứng.
Đối chiếu effect size với ý nghĩa thực tế trong BĐS.
Viết kết luận giới hạn đúng thiết kế; không dùng từ nhân quả nếu chỉ là dữ liệu quan sát.

Bài thực hành

Tạo boxplot gia_m2 toàn mẫu và theo khu vực, gắn ma_bds làm label, chọn 10 case xa nhất và lập biên bản xác minh.

Sản phẩm phải nộp

Output boxplot
Danh sách 10 case
Biên bản xác minh
Tệp sau QA
Đoạn giải thích outlier không đồng nghĩa lỗi

Những lỗi thường gặp

Cho rằng whisker=min/max
Xóa mọi outlier
Dùng số dòng thay ID
Không xem theo nhóm
Sửa giá về median
Không kiểm đơn vị
Xóa case vì làm p-value xấu
Không lưu before/after

Phản biện chéo tại lớp

Nhóm phản biện không hỏi trước “p bao nhiêu” mà hỏi: đây là thiết kế độc lập hay ghép cặp? Biến nào là Scale/Factor? N từng nhóm là bao nhiêu? Có missing/outlier không? Giả định variance/normality được xem ở đâu? Độ lớn chênh và Confidence Interval thế nào? Nếu đổi phương pháp, lý do là dữ liệu hay vì muốn significance?

Người trình bày phải chỉ đúng bảng Output và đúng dòng/cột làm căn cứ. Nếu không giải thích được mẫu số, hướng Mean Difference, cách tính difference, hoặc trạng thái Split/Weight, bài chưa đạt dù SPSS chạy thành công.

Tình huống kiểm tra cuối bài

Giảng viên giao tệp 300–900 case có ít nhất một bẫy liên quan trực tiếp đến Boxplot và ngoại lệ: khi nào một mức giá BĐS cần được kiểm tra lại?: missing, mã nhóm sai, outlier, variance không đều, trạng thái Split/Weight hoặc chênh rất nhỏ nhưng N lớn. Sinh viên phải phát hiện bẫy trước khi kết luận và ghi rõ bằng chứng đã dùng.

Phiếu tự kiểm

Tôi có biết mỗi dòng đại diện cho gì không?
Biến kết quả và biến nhóm có đúng mức đo không?
Filter/Split/Weight hiện đang ON hay OFF?
N hợp lệ từng biến/nhóm có khớp dự kiến không?
Tôi đã xem outlier/phân bố trước kiểm định chưa?
H0/H1 hoặc mục tiêu mô tả có được viết trước không?
Tôi có đang đọc đúng bảng và đúng dòng Output không?
Mean Difference đang tính theo hướng nào?
Confidence Interval cho biết độ lớn và precision thế nào?
Effect size hoặc chênh gốc có được xem không?
Kết luận có vượt quá thiết kế dữ liệu không?
Syntax và version có đủ để người khác tái lập không?

Ghi nhớ trong 30 giây

Boxplot dựa trên median/quartiles/IQR
SPSS đánh dấu outlier/extreme theo IQR
Dấu outlier không phải lệnh xóa
Luôn truy vết bằng ID
Xác minh nguồn trước khi sửa

Nguồn tham khảo

Nguồn kỹ thuật chính là IBM SPSS Statistics 31. Các khuyến nghị phương pháp được trình bày ở mức nhập môn ứng dụng; khi làm nghiên cứu chính thức cần kết hợp thiết kế nghiên cứu, lý thuyết lĩnh vực và tài liệu thống kê chuyên sâu.

https://www.ibm.com/docs/en/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Command_Syntax_Reference.pdf
https://www.ibm.com/docs/en/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Base.pdf

Bài tiếp theo

Crosstabs: mô tả mối liên hệ giữa hai biến phân loại.

Bài luyện tập mở rộng

Luyện tập 1

So boxplot gia_m2 theo khu_vuc và loai_bds.

Yêu cầu nộp: Output hoặc Syntax cần thiết, một đoạn giải thích 100–150 từ, và ít nhất một phép kiểm đối chứng. Nếu có p-value, phải kèm thống kê mô tả và độ lớn chênh phù hợp.

Luyện tập 2

Tạo lỗi đơn vị ×1000 rồi sửa.

Luyện tập 3

So mean/SD với median/IQR trước–sau outlier.

Luyện tập 4

Viết quy tắc giữ/sửa/gắn cờ/loại khỏi phân tích.

Phòng kiểm chứng: thay đổi một điều kiện và chạy lại

Tạo một phiên bản thứ hai của dữ liệu bằng cách thay đổi có kiểm soát một yếu tố: cỡ mẫu, tỷ lệ missing, một outlier, độ chênh mean, độ phân tán hoặc cách phân nhóm. Trước khi chạy, ghi dự đoán bảng nào sẽ thay đổi. Sau khi chạy, so với dự đoán để kiểm tra người học hiểu cơ chế thay vì chỉ nhớ menu.

Ở các bài kiểm định, nên tạo hai tình huống đối nghịch: chênh rất nhỏ nhưng N lớn và chênh lớn nhưng N nhỏ. So p-value, Confidence Interval và effect size để thấy “có ý nghĩa thống kê” không đồng nghĩa “quan trọng về thực tiễn”.

Biên bản QA tối thiểu

Mục	Trước phân tích	Sau phân tích	Quyết định
N	Ghi tổng và từng nhóm	Đối chiếu Output	Khớp/không khớp
Missing	Ghi mã và tỷ lệ	Kiểm N hợp lệ	Không bù tùy tiện
Outlier	Danh sách ID	Xác minh nguồn	Giữ/sửa/gắn cờ
Giả định	Đồ thị/test liên quan	Ghi bằng chứng	Chọn thủ tục
Hiệu ứng	Mean difference/effect size	CI/p	Diễn giải thực tiễn
Version	Tên file trước	Tên file sau	Có thể quay lại