Explore: khám phá phân phối dữ liệu và phát hiện vấn đề trước kiểm định là bài 19 của chuyên đề SPSS trong phân tích dữ liệu BĐS. Dùng Explore để sàng lọc phân bố, median/IQR, extreme cases, boxplot, histogram và normality plots trước khi chọn kiểm định.
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 đối chiếu với IBM SPSS Statistics 31 và các tài liệu phương pháp nêu ở cuối bài. Dữ liệu BĐS trong ví dụ là giả lập phục vụ giảng dạy, trừ khi ghi rõ nguồn khác.
Vị trí của bài trong mạch học
Bài thuộc Chương 3 – Thống kê mô tả và khám phá dữ liệu. Từ đây người học bắt đầu đọc cấu trúc/phân bố của dữ liệu sau khi đã hoàn tất các bước làm sạch cốt lõi ở Chương 2.
1. Explore là data screening
Dùng để mô tả, phát hiện unusual/extreme values, kiểm giả định và khác biệt nhóm.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
2. Dependent List
Chứa biến định lượng cần khám phá.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
3. Factor List
Tách phân bố theo khu vực/loại nhóm của phân tích sau.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
4. Descriptives phong phú
Có median, trimmed mean, IQR, CI, skewness/kurtosis bên cạnh mean/SD.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
5. Percentiles/IQR
Ít nhạy cực trị hơn mean/range và hữu ích với giá lệch.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
6. Boxplot là sàng lọc
Case xa hộp cần kiểm, không tự xóa.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
7. Histogram/Q-Q chuẩn bị bài 20
Dùng để nhận dạng hình dạng trước khi đọc normality sâu.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
8. Missing handling
N có thể khác; cần biết tùy chọn và case base.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
9. Case Labels
Dùng ma_bds để truy ngược extreme cases.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
10. Explore phải dẫn đến quyết định
Kết quả định hướng kiểm outlier, biến đổi, tham số/phi tham số hoặc phân tích nhóm.
Liên hệ BĐS: với giá, diện tích, khu vực, loại hình hoặc dữ liệu khảo sát, một thao tác đúng kỹ thuật vẫn có thể tạo kết quả sai nghĩa nếu đơn vị quan sát, mã hóa, missing hoặc phạm vi mẫu chưa được kiểm. Vì vậy sau mỗi thao tác phải đối chiếu với codebook và ít nhất một số case cụ thể.
Cách tự kiểm: lưu trạng thái trước thao tác, chạy công cụ, ghi N/giá trị đầu ra, rồi kiểm ngược 5–10 dòng. Nếu không giải thích được vì sao một case được giữ, đổi nhóm, trở thành missing hoặc xuất hiện trong Output, chưa chuyển bước.
Bộ dữ liệu thực hành xuyên suốt
Các bài 11–20 dùng một cấu trúc BĐS thống nhất để tập trung vào phương pháp. Có thể thay bằng dữ liệu thật nếu giữ đúng ý nghĩa biến, đơn vị và yêu cầu bảo mật.
| Tên biến | Kiểu | Ý nghĩa | Mã/đơn vị | Measure |
|---|---|---|---|---|
| ma_bds | String | Mã quan sát/tài sản | — | Nominal |
| 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 | triệu đồng/m² | Scale |
| khoang_cach_tam | Numeric | Khoảng cách | km | Scale |
| nam_xay_dung | Numeric | Năm xây dựng | năm | Scale |
| muc_hai_long | Numeric | Mức hài lòng | 1–5; 99=không trả lời nếu đã khai Missing | Ordinal |
| y_dinh_mua | Numeric | Ý định mua | 1–5; 99=không trả lời nếu đã khai Missing | Ordinal |
Cú pháp tham khảo
Nên bấm Paste ở hộp thoại quan trọng để lưu dấu vết thao tác. Syntax dưới đây minh họa logic của bài và cần đổi tên biến theo tệp thực tế.
EXAMINE VARIABLES=gia_m2 dien_tich BY khu_vuc /ID=ma_bds /PLOT BOXPLOT HISTOGRAM NPPLOT /STATISTICS DESCRIPTIVES EXTREME /CINTERVAL 95 /MISSING LISTWISE /NOTOTAL.Tình huống thực hành BĐS
900 căn hộ nhìn toàn mẫu chỉ hơi lệch. Explore theo khu_vuc cho thấy trung tâm có đuôi phải dài và 6 extreme IDs; 4 penthouse thật, 2 sai đơn vị. Chỉ sửa 2 lỗi rồi đánh giá lại.
Trong tình huống này, sinh viên phải tách ba việc: phát hiện – xác minh – xử lý. Không được nhảy từ phát hiện sang xóa/sửa khi chưa có căn cứ từ nguồn, codebook hoặc quy tắc nghiên cứu.
Ma trận lựa chọn nhanh
| Tình huống | Cách hiểu/công cụ | Điểm phải kiểm |
|---|---|---|
| Dependent List | Scale variables | Phân phối |
| Factor List | Nhóm | So theo nhóm |
| Case Label | ID | Truy extreme |
| Descriptives | Median/IQR/trimmed mean | Khám phá |
| Plots | Box/Histogram/Q-Q | Kiểm hình dạng |
Bài thực hành
Explore gia_m2 theo ba khu vực, gắn ma_bds, bật Descriptives/boxplot/histogram/normality plots và lập danh sách case cần xác minh.
Sản phẩm phải nộp
- Output Explore
- Bảng mean/median/IQR theo nhóm
- Danh sách extreme IDs
- Biên bản xác minh
- Sơ đồ quyết định tiếp theo
Những lỗi thường gặp
- Explore mã nominal
- Không Factor khi phân tích nhóm
- Xóa mọi boxplot outlier
- Không gắn ID
- Chỉ nhìn normality test
- Bỏ qua N/missing
Sổ tay thao tác nhanh
- Lưu bản trước thao tác bằng tên version rõ.
- Kiểm Type, Values, Missing, Measure của biến dùng.
- Viết câu hỏi cần trả lời trước khi mở menu.
- Thực hiện và Paste Syntax nếu quy tắc/công thức phức tạp.
- Kiểm N trước–sau và 5–10 case cụ thể.
- Đối chiếu Output với nguồn; không chỉ nhìn bảng đẹp.
- Ghi lỗi/quyết định/lý do vào biên bản QA.
- Save As bản mới, không overwrite nguồn duy nhất.
Phản biện chéo tại lớp
Một nhóm thao tác; nhóm còn lại hỏi về dữ liệu đầu vào, đơn vị quan sát, biến được dùng, thuộc tính biến, tác động của thao tác tới hàng/cột/giá trị và tình huống có thể làm kết quả sai. Người thực hiện phải giải thích được cả thao tác và ý nghĩa.
Sau phản biện, ghi ba điểm: điều làm đúng, lỗi/rủi ro phát hiện và biện pháp ngăn lỗi lặp lại.
Tình huống kiểm tra cuối bài
Giảng viên giao tệp 300–600 case có vấn đề liên quan trực tiếp đến Explore: khám phá phân phối dữ liệu và phát hiện vấn đề trước kiểm định. Sinh viên ghi trạng thái ban đầu, quy tắc kiểm, thao tác, Output/Syntax và bảng trước–sau. Điểm dựa cả vào lý do, không chỉ kết quả cuối.
Phiếu tự kiểm
- Tôi có giữ bản dữ liệu gốc/bản trước thao tác không?
- Tôi có hiểu mỗi dòng và mỗi biến đại diện cho gì không?
- Type, Values, Missing, Measure của biến chính có đúng không?
- Tôi có ghi điều kiện/công thức/ngưỡng thay vì sửa cảm tính không?
- N trước và sau thao tác có hợp lý không?
- Tôi có kiểm 5–10 case cụ thể không?
- Tôi có vô tình xóa/overwrite dữ liệu không?
- Output có category/missing/đơn vị bất thường không?
- Syntax/biên bản có đủ để tái hiện không?
- Tôi có phân biệt mô tả với suy luận không?
- Tôi có ghi giới hạn của thao tác không?
- Tệp sau xử lý có version rõ không?
Ghi nhớ trong 30 giây
- Explore là bước sàng lọc
- Khám phá theo đúng nhóm
- Median/IQR bổ sung mean/SD
- Outlier flag không phải lệnh xóa
- Explore định hướng bước tiếp theo
Nguồn tham khảo
Nguồn kỹ thuật chính là IBM SPSS Statistics 31; nguồn phương pháp bổ sung dùng để giải thích cách đọc thống kê/đồ thị. Khi menu trên máy khác bài, đối chiếu đúng phiên bản SPSS đang sử dụng.
- https://www.ibm.com/docs/en/spss-statistics/31.0.0?topic=features-explore
- https://www.ibm.com/docs/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Base.pdf
- https://www.ibm.com/docs/SSLVMB_31.0.0/pdf/IBM_SPSS_Statistics_Core_System_User_Guide.pdf
Bài tiếp theo
Histogram, Q-Q Plot và kiểm tra phân phối: nên đọc kết quả thế nào?.
Bài luyện tập mở rộng
Luyện tập 1: Explore là data screening
Tạo một bản dữ liệu nhỏ có vấn đề liên quan đến Explore là data screening và Dependent List. Trước khi thao tác, viết dự đoán về N hoặc cấu trúc kết quả. Thực hiện đúng công cụ của bài, lưu Output/Syntax và kiểm lại bằng ít nhất 5 case.
Phần giải thích: trình bày 120–180 từ về vì sao dùng để mô tả, phát hiện unusual/extreme values, kiểm giả định và khác biệt nhóm. Đồng thời đối chiếu với nguyên tắc thứ hai: chứa biến định lượng cần khám phá. Nếu kết quả khác dự đoán, xác định chênh lệch do dữ liệu hay do thao tác.
Luyện tập 2: Factor List
Tạo một bản dữ liệu nhỏ có vấn đề liên quan đến Factor List và Descriptives phong phú. Trước khi thao tác, viết dự đoán về N hoặc cấu trúc kết quả. Thực hiện đúng công cụ của bài, lưu Output/Syntax và kiểm lại bằng ít nhất 5 case.
Phần giải thích: trình bày 120–180 từ về vì sao tách phân bố theo khu vực/loại nhóm của phân tích sau. Đồng thời đối chiếu với nguyên tắc thứ hai: có median, trimmed mean, iqr, ci, skewness/kurtosis bên cạnh mean/sd. Nếu kết quả khác dự đoán, xác định chênh lệch do dữ liệu hay do thao tác.
Luyện tập 3: Percentiles/IQR
Tạo một bản dữ liệu nhỏ có vấn đề liên quan đến Percentiles/IQR và Boxplot là sàng lọc. Trước khi thao tác, viết dự đoán về N hoặc cấu trúc kết quả. Thực hiện đúng công cụ của bài, lưu Output/Syntax và kiểm lại bằng ít nhất 5 case.
Phần giải thích: trình bày 120–180 từ về vì sao ít nhạy cực trị hơn mean/range và hữu ích với giá lệch. Đồng thời đối chiếu với nguyên tắc thứ hai: case xa hộp cần kiểm, không tự xóa. Nếu kết quả khác dự đoán, xác định chênh lệch do dữ liệu hay do thao tác.
Luyện tập 4: Histogram/Q-Q chuẩn bị bài 20
Tạo một bản dữ liệu nhỏ có vấn đề liên quan đến Histogram/Q-Q chuẩn bị bài 20 và Missing handling. Trước khi thao tác, viết dự đoán về N hoặc cấu trúc kết quả. Thực hiện đúng công cụ của bài, lưu Output/Syntax và kiểm lại bằng ít nhất 5 case.
Phần giải thích: trình bày 120–180 từ về vì sao dùng để nhận dạng hình dạng trước khi đọc normality sâu. Đồng thời đối chiếu với nguyên tắc thứ hai: n có thể khác; cần biết tùy chọn và case base. Nếu kết quả khác dự đoán, xác định chênh lệch do dữ liệu hay do thao tác.
Luyện tập 5: Case Labels
Tạo một bản dữ liệu nhỏ có vấn đề liên quan đến Case Labels và Explore phải dẫn đến quyết định. Trước khi thao tác, viết dự đoán về N hoặc cấu trúc kết quả. Thực hiện đúng công cụ của bài, lưu Output/Syntax và kiểm lại bằng ít nhất 5 case.
Phần giải thích: trình bày 120–180 từ về vì sao dùng ma_bds để truy ngược extreme cases. Đồng thời đối chiếu với nguyên tắc thứ hai: kết quả định hướng kiểm outlier, biến đổi, tham số/phi tham số hoặc phân tích nhóm. Nếu kết quả khác dự đoán, xác định chênh lệch do dữ liệu hay do thao tác.
Luyện tập 6: Explore là data screening
Tạo một bản dữ liệu nhỏ có vấn đề liên quan đến Explore là data screening và Dependent List. Trước khi thao tác, viết dự đoán về N hoặc cấu trúc kết quả. Thực hiện đúng công cụ của bài, lưu Output/Syntax và kiểm lại bằng ít nhất 5 case.
Phần giải thích: trình bày 120–180 từ về vì sao dùng để mô tả, phát hiện unusual/extreme values, kiểm giả định và khác biệt nhóm. Đồng thời đối chiếu với nguyên tắc thứ hai: chứa biến định lượng cần khám phá. Nếu kết quả khác dự đoán, xác định chênh lệch do dữ liệu hay do thao tác.
Biên bản QA tối thiểu
| Mục | Trước | Quy tắc/thao tác | Sau | Xác nhận |
|---|---|---|---|---|
| Số case | Ghi N | Theo đúng mục tiêu | Ghi N sau | Hợp lý |
| Biến chính | Type/Measure | Kiểm thuộc tính | Không đổi ngoài ý muốn | Đạt/không đạt |
| Missing/category | Ghi hiện trạng | Theo quy tắc bài | Ghi sau | Không hợp thức hóa lỗi |
| Giá trị bất thường | Danh sách | Xác minh nguồn | Giữ/sửa/gắn cờ | Có lý do |
| Version | Tên file trước | Save As | Tên file sau | Không overwrite |