Spearman Correlation: khi dữ liệu thứ bậc hoặc không phù hợp Pearson

Spearman Correlation: khi dữ liệu thứ bậc hoặc không phù hợp Pearson là Bài 34 của chuyên đề SPSS trong phân tích dữ liệu BĐS. Dùng Spearman rho cho liên hệ đơn điệu giữa ranks/biến thứ bậc hoặc khi Pearson không phù hợp; đọc rho, CI, p và so với Pearson đúng logic.

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 bảng Output có thể khác nhẹ theo bản build/ngôn ngữ giao diện; khi khác cần đối chiếu tài liệu chính thức.

Lưu ý: dữ liệu và tình huống BĐS trong bài nếu không nêu nguồn cụ thể đều là giả lập phục vụ giảng dạy. Tương quan/liên hệ thống kê không tự chứng minh quan hệ nhân quả.

Mục tiêu học tập

Nhận diện đúng loại biến và thiết kế dữ liệu trước khi chọn thủ tục.
Hiểu bản chất thống kê của hệ số/kiểm định trong bài, không chỉ biết bấm menu.
Thực hiện được trên SPSS và lưu Syntax để có thể chạy lại.
Đọc Output theo thứ tự: mô tả → điều kiện/giả định → hệ số/kiểm định → khoảng tin cậy → diễn giải.
Viết kết luận trong bối cảnh BĐS mà không vượt quá bằng chứng.

Vị trí của bài trong mạch học

Bài thuộc Chương 5 – Mối liên hệ giữa các biến. Mạch 33–40 đi từ Pearson, Spearman và Partial Correlation đến scatterplot, Chi-square, Cramer's V, ma trận tương quan và case tích hợp. Trọng tâm là phân biệt loại liên hệ và giới hạn diễn giải.

Spearman là rank-order correlation

rho đo mức liên hệ monotonic giữa thứ hạng hai biến.

Monotonic không nhất thiết linear.

Cách kiểm tại lớp: hãy chỉ ra biến nào đang được phân tích, mỗi biến thuộc mức đo nào, mỗi dòng dữ liệu đại diện cho ai/cái gì, và điều kiện nào khiến kết luận thay đổi. Nếu chưa trả lời được bốn câu này, chưa nên đọc p-value.

Khi nào phù hợp

Ordinal variables, continuous data lệch/outlier hoặc monotonic nonlinear.

Không dùng chỉ vì p nhỏ hơn Pearson.

Dấu vết cần lưu: giữ lại Syntax, bảng Output chính, số trường hợp hợp lệ, quy tắc missing và ít nhất một biểu đồ/bảng mô tả phù hợp. Mục tiêu là để người khác có thể chạy lại và biết vì sao chọn phương pháp đó.

Monotonicity cần plot

U-shape không monotonic có thể rho≈0.

Phi tham số không thay scatterplot.

Ties với ordinal

Likert 1–5 có nhiều ties; rank resolution thấp hơn continuous.

Kendall tau-b là lựa chọn khác cho ranks/ties.

So Pearson/Spearman để chẩn đoán

rho cao hơn r có thể do nonlinear monotonic hoặc outlier.

Không chọn hậu nghiệm theo significance.

SPSS hỗ trợ Pearson/Spearman/Kendall

Bivariate Correlations có các lựa chọn này.

Phải ghi method chính.

CI cho Spearman

NONPAR CORR có CI subcommand với các phương pháp SE.

Ở lớp nhập môn có thể dùng default và ghi method nếu report chính thức.

Pairwise/listwise missing

N có thể khác giữa pairs.

Không bỏ N.

rho không phải slope

rho=−0,7 không nghĩa X tăng 1 thì Y giảm 0,7.

Regression trả lời slope.

P không nói magnitude

N lớn làm rho nhỏ significant.

Báo rho/CI.

Nominal code không dùng Spearman

Order 1/2/3 của loại BĐS không có nghĩa rank.

Dùng Crosstabs/Chi-square.

Báo cáo

N, rho, CI, p, monotonic pattern và lý do chọn Spearman.

Không causal.

Bộ dữ liệu thực hành xuyên suốt

Các ví dụ dùng một cấu trúc dữ liệu BĐS thống nhất. Trong bài thật có thể đổi tên biến, nhưng không được đổi bản chất mức đo. Mã category lưu bằng số vẫn là Nominal/Ordinal nếu ý nghĩa của nó là category.

Biến	Mức đo	Ý nghĩa/đơn vị	Vai trò minh họa
gia_m2	Scale	Đơn giá rao, triệu đồng/m²	Biến giá
dien_tich	Scale	Diện tích, m²	Thuộc tính vật lý
khoang_cach_tam	Scale	Khoảng cách tới trung tâm, km	Vị trí
diem_tien_ich	Scale	Điểm tổng hợp tiện ích 0–100	Tiện ích
khu_vuc	Nominal	1=Trung tâm; 2=Cận trung tâm; 3=Ngoại vi	Nhóm vị trí
loai_bds	Nominal	1=Căn hộ; 2=Nhà phố; 3=Đất ở	Loại hình
phap_ly_day_du	Nominal	0=Chưa đầy đủ; 1=Đầy đủ	Biến phân loại
muc_hai_long	Ordinal	1–5	Biến thứ bậc
diem_truoc	Scale	Điểm trước, 0–100	Đo lặp
diem_sau	Scale	Điểm sau, 0–100	Đo lặp
diem_t3	Scale	Điểm lần 3, 0–100	Đo lặp nhiều lần

Cú pháp tham khảo

Sinh viên có thể thao tác bằng menu, nhưng nên bấm Paste để lưu Syntax. Syntax đặc biệt cần thiết khi có nhiều biến, nhiều nhóm, pairwise/listwise missing hoặc các tùy chọn CI/Statistics.

NONPAR CORR /VARIABLES=muc_hai_long y_dinh_mua diem_tien_ich gia_m2 /PRINT=TWOTAIL SIG SPEARMAN /MISSING=PAIRWISE /CI CILEVEL(95).

Tình huống thực hành BĐS

Ý định mua 1–5 và hài lòng 1–5 có nhiều ties; nhóm dùng Spearman và kiểm xu hướng monotonic, không diễn giải rho như slope.

Trong tình huống trên, không được chuyển trực tiếp từ bảng Sig. sang kết luận. Cần đối chiếu mô tả dữ liệu, hình dạng phân bố/bảng chéo, số quan sát, case bất thường và ý nghĩa nghiệp vụ. Một kết quả thống kê chính xác về tính toán vẫn có thể bị diễn giải sai nếu sample, biến hoặc câu hỏi nghiên cứu sai.

Ma trận lựa chọn nhanh

Tình huống	Cách hiểu/công cụ	Mục tiêu	Điểm phải kiểm
Ordinal×Ordinal	Spearman	Rank association	Order có nghĩa
Scale monotonic nonlinear	Spearman	Monotonic	Xem plot
Nominal	Không dùng	No order	Crosstabs
rho	−1..+1	Strength/direction ranks	Không slope
CI	Uncertainty	Precision	Báo cùng rho

Quy trình 12 bước áp dụng

Viết câu hỏi nghiên cứu bằng lời trước khi mở Analyze.
Xác định đơn vị quan sát và thiết kế độc lập/ghép cặp/lặp lại.
Kiểm Type, Values, Missing, Measure và đơn vị của các biến.
Kiểm trạng thái Filter, Split File và Weight Cases.
Chạy Frequencies/Descriptives/Explore/Crosstabs phù hợp.
Kiểm các case bất thường bằng ID và dữ liệu nguồn.
Chọn hệ số/kiểm định theo measurement level và hình dạng quan hệ.
Dùng Paste để lưu Syntax và ghi rõ tùy chọn.
Đọc N và thống kê mô tả trước hệ số/kiểm định.
Đọc coefficient/test statistic cùng CI và p-value nếu có.
Đánh giá độ lớn thực tế/effect size, không chỉ significance.
Lưu Output, Syntax, data version và decision log.

Đọc Output theo thứ tự để tránh sai logic

Đọc N hợp lệ và missing.
Đọc mô tả gốc: mean/median/IQR hoặc count/%.
Kiểm plot/table diagnostics liên quan.
Đọc hệ số hoặc test statistic.
Đọc Confidence Interval nếu thủ tục hỗ trợ.
Đọc p-value sau khi đã biết coefficient và sample.
Đối chiếu với câu hỏi ban đầu.
Viết giới hạn: association không đồng nghĩa causation.

Bài thực hành

Chạy Pearson và Spearman cho một cặp Scale và Spearman cho một cặp ordinal; so kết quả.

Sản phẩm sinh viên phải nộp

Plots
Pearson/Spearman Output
Bảng N
2 reports
Linear vs monotonic note

Những lỗi thường gặp

Spearman cho nominal
Không kiểm monotonicity
Chọn theo p
rho như slope
Bỏ ties/N
Chỉ nhìn **
Không báo lý do
Causal language

Lỗi 1 – Spearman cho nominal: tạo một bản dữ liệu hoặc Output nhỏ minh họa lỗi này, sau đó sửa và ghi rõ điểm nào trong kết quả thay đổi. Cách học này giúp phân biệt lỗi thao tác, lỗi thiết kế và lỗi diễn giải.

Lỗi 2 – Không kiểm monotonicity: tạo một bản dữ liệu hoặc Output nhỏ minh họa lỗi này, sau đó sửa và ghi rõ điểm nào trong kết quả thay đổi. Cách học này giúp phân biệt lỗi thao tác, lỗi thiết kế và lỗi diễn giải.

Lỗi 3 – Chọn theo p: tạo một bản dữ liệu hoặc Output nhỏ minh họa lỗi này, sau đó sửa và ghi rõ điểm nào trong kết quả thay đổi. Cách học này giúp phân biệt lỗi thao tác, lỗi thiết kế và lỗi diễn giải.

Lỗi 4 – rho như slope: tạo một bản dữ liệu hoặc Output nhỏ minh họa lỗi này, sau đó sửa và ghi rõ điểm nào trong kết quả thay đổi. Cách học này giúp phân biệt lỗi thao tác, lỗi thiết kế và lỗi diễn giải.

Lỗi 5 – Bỏ ties/N: tạo một bản dữ liệu hoặc Output nhỏ minh họa lỗi này, sau đó sửa và ghi rõ điểm nào trong kết quả thay đổi. Cách học này giúp phân biệt lỗi thao tác, lỗi thiết kế và lỗi diễn giải.

Phản biện chéo tại lớp

Nhóm phản biện phải hỏi: coefficient/test này đo cái gì; điều kiện nào quan trọng; N thực sự là bao nhiêu; mẫu số/tập case có thay đổi vì missing không; có outlier/cluster/ties không; và kết luận đang mô tả association hay ngầm chuyển thành causation? Người trình bày phải trỏ đúng bảng/plot trong Output để trả lời.

Nếu hai phương pháp cho kết quả khác nhau, không được chọn phương pháp cho p-value đẹp hơn. Phải quay lại mức đo, hình dạng quan hệ, giả định và câu hỏi nghiên cứu để chọn method chính; phương pháp còn lại có thể dùng như sensitivity analysis nếu hợp lý.

Tình huống kiểm tra cuối bài

Giảng viên cung cấp một tệp 400–1.500 case có ít nhất một bẫy liên quan trực tiếp đến Spearman Correlation: khi dữ liệu thứ bậc hoặc không phù hợp Pearson: mã nominal bị khai Scale, một outlier hợp lệ, cluster theo khu vực, missing không đồng đều, nhiều ties hoặc N rất lớn làm p nhỏ. Sinh viên phải phát hiện bẫy trước khi viết kết luận.

Phiếu tự kiểm

Tôi có biết từng biến là Nominal, Ordinal hay Scale không?
Thiết kế là độc lập hay dữ liệu liên quan/lặp lại?
N hợp lệ có đúng dự kiến không?
Missing được xử lý pairwise/listwise/analysis như thế nào?
Tôi đã xem biểu đồ/bảng mô tả trước hệ số hoặc p-value chưa?
Outlier/cluster/ties có ảnh hưởng cách chọn phương pháp không?
Hệ số đang đo tuyến tính, đơn điệu, thứ hạng hay liên hệ category?
Confidence Interval có được đọc nếu có không?
Tôi có đang nhầm p-value với độ lớn hiệu ứng không?
Tôi có đang biến correlation/association thành causal claim không?
Syntax có đủ để người khác chạy lại không?
File sau phân tích có version và decision log không?

Ghi nhớ trong 30 giây

Spearman đo monotonic rank association
Ordinal có thể hợp Spearman
Không mọi nonlinear đều monotonic
rho không slope
Chọn method theo dữ liệu

Nguồn tham khảo

Nguồn kỹ thuật chính là IBM SPSS Statistics 31. Khi menu hoặc tùy chọn khác bài, cần kiểm đúng phiên bản đang dùng. Trong nghiên cứu chính thức, kết quả SPSS phải được đặt trong thiết kế nghiên cứu và tài liệu phương pháp phù hợp.

https://www.ibm.com/docs/en/spss-statistics/31.0.0?topic=features-bivariate-correlations
https://www.ibm.com/docs/en/spss-statistics/31.0.0?topic=corr-ci-subcommand-nonpar-command
https://www.ibm.com/docs/en/spss-statistics/30.0.0?topic=reference-nonpar-corr

Bài tiếp theo

Partial Correlation: kiểm soát biến thứ ba khi xem mối liên hệ.

Bài luyện tập mở rộng

Luyện tập 1

Tạo monotonic curve.

Yêu cầu nộp: Output/Syntax, một đoạn giải thích 100–150 từ và một phép kiểm đối chứng. Nếu có correlation hoặc p-value, phải báo coefficient/test statistic và N; không được chỉ nộp dấu *.

Luyện tập 2

Tạo ordinal nhiều ties.

Luyện tập 3

Dùng nominal code để chỉ sai.

Luyện tập 4

So pairwise/listwise.

Phòng kiểm chứng bằng thay đổi dữ liệu

Tạo một bản sao dữ liệu và chỉ thay một yếu tố: thêm outlier, thu hẹp range, tăng sample size, tạo cluster, tăng tỷ lệ ties hoặc missing. Chạy lại đúng thủ tục và ghi yếu tố nào trong Output thay đổi. Mục đích là hiểu độ nhạy của method thay vì học thuộc bảng kết quả.

Biên bản QA tối thiểu

Mục	Trước phân tích	Sau phân tích	Kết luận QA
N	Ghi tổng và N hợp lệ	Đối chiếu Output	Khớp/không khớp
Mức đo	Ghi Nominal/Ordinal/Scale	Đối chiếu method	Phù hợp/không
Missing	Pairwise/listwise/analysis	N từng bảng	Không mất case âm thầm
Outlier/cluster	ID/pattern	Kiểm sensitivity	Giữ/sửa có lý do
Hệ số/test	Dự kiến method	Coefficient/statistic/p	Đúng câu hỏi
Diễn giải	Association/difference	Report cuối	Không causal hóa