Thang Đo Likert Là Gì? Likert 5 Điểm Hay 7 Điểm Và Tránh Lỗi Câu Hỏi Dẫn Dắt

Thiết kế thang đo định lượng thiếu chuẩn xác là nguyên nhân chính gây sai lệch hệ thống dữ liệu nghiên cứu. Thang đo Likert là công cụ thống kê đo lường cường độ thái độ và mức độ đồng ý của đáp viên đối với một chuỗi nhận định. Nguyên nhân chính gây nhiễu dữ liệu là việc chọn sai số bậc đo và mắc lỗi đặt câu hỏi dẫn dắt (leading questions). Giải pháp nhanh nhất là xác định rõ mô hình phân tích để chọn Likert 5 điểm hay 7 điểm, đồng thời sử dụng hệ thống ngôn từ trung lập tuyệt đối.

1. Thang đo Likert là gì?

• Định nghĩa chi tiết: Thang đo Likert là một phương pháp đo lường thuộc lĩnh vực tâm lý trắc lượng (Psychometrics) và thống kê học ứng dụng. Khái niệm này đại diện cho một rải băng liên tục (continuum) dùng để định lượng hóa các khía cạnh định tính như thái độ, nhận thức, hoặc hành vi của con người.
• So sánh sự khác biệt: So với các thang đo nhị phân (Dichotomous scale – chỉ có Có/Không) hoặc thang đo định danh (Nominal scale), Thang đo Likert cung cấp độ phân giải dữ liệu cao hơn. Nó không chỉ xác định hướng của thái độ (đồng tình hay phản đối) mà còn đo lường được cường độ của thái độ đó (mức độ mạnh/yếu).
• Luận điểm chính: Lý thuyết của thang đo này lập luận rằng thái độ của con người đối với một thực thể không tồn tại ở trạng thái tuyệt đối, mà trải dài trên một trục tuyến tính đối xứng từ thái cực tiêu cực nhất đến tích cực nhất, với một điểm trung lập ở giữa.
• Các thành phần cốt lõi:
  • Biến quan sát (Item/Statement): Nhận định gốc mang tính khẳng định.
  • Bậc đo (Scale points): Tập hợp các mức độ phản hồi (thường là 5 hoặc 7 mức).
  • Điểm trung lập (Neutral point): Điểm nằm ở vị trí trung tâm, đại diện cho trạng thái không biểu lộ xu hướng.
• Mục tiêu cốt lõi: Mục đích cuối cùng của Thang đo Likert là chuyển đổi các phản hồi định tính thành dữ liệu định lượng có cấu trúc, phục vụ cho quá trình kiểm định thống kê trên các phần mềm như SPSS, AMOS, SmartPLS.

2. Lịch sử hình thành và phát triển của lý thuyết

Sự phát triển của thang đo định lượng này gắn liền với các nỗ lực chuẩn hóa phương pháp nghiên cứu khoa học xã hội.

• Giai đoạn Khởi nguồn: Rensis Likert (1932) – Trong tác phẩm kinh điển “A Technique for the Measurement of Attitudes”, Rensis Likert đã đặt câu hỏi: “Làm thế nào để đo lường chính xác các thái độ phức tạp của con người mà không bị mất đi dữ liệu về cường độ?”. Ông đã giải quyết vấn đề này bằng cách tạo ra một định dạng câu hỏi đa bậc, cho phép đáp viên thể hiện mức độ đồng ý dọc theo một trục một chiều.
• Giai đoạn Hoàn thiện/Phát triển: Stevens (1946) và các nhà thống kê học hiện đại – Sự phân loại dữ liệu của Stevens đã tạo ra một cuộc tranh luận học thuật kéo dài về việc liệu dữ liệu từ Thang đo Likert là dữ liệu thứ bậc (Ordinal scale) hay dữ liệu khoảng (Interval scale). Các nghiên cứu hiện đại đã cung cấp cơ sở toán học để xử lý dữ liệu Likert dưới dạng biến liên tục khi áp dụng các mô hình phương trình cấu trúc (SEM), mở rộng đáng kể tính ứng dụng của lý thuyết sơ khai.

3. Các miền nội dung khái niệm cốt lõi (Core Concepts)

Để ứng dụng chính xác Thang đo Likert, nhà nghiên cứu cần nắm vững các giả định nền tảng định hình nên cấu trúc thống kê của nó.

• Giả định 1: Tính khoảng cách đều (Equal intervals). Lý thuyết giả định rằng khoảng cách tâm lý giữa các bậc đo là bằng nhau. Nghĩa là khoảng cách từ “Hoàn toàn không đồng ý” (1) đến “Không đồng ý” (2) tương đương với khoảng cách từ “Đồng ý” (4) đến “Hoàn toàn đồng ý” (5).
• Giả định 2: Tính đơn hướng (Unidimensionality). Tất cả các câu hỏi (biến quan sát) thuộc cùng một nhóm nhân tố phải cùng đo lường một cấu trúc khái niệm duy nhất. Nếu vi phạm giả định này, hệ số tin cậy Cronbach’s Alpha sẽ bị giảm sút nghiêm trọng.

Các đặc tính/biến số quan trọng:

1. Độ nhạy của thang đo (Scale Sensitivity): Khả năng phân biệt các mức độ thái độ khác nhau của đáp viên. Bậc đo càng cao (7 điểm), độ nhạy càng lớn.
2. Độ hội tụ trung tâm (Central Tendency): Xu hướng đáp viên chọn các đáp án an toàn ở giữa (mức 3 hoặc mức 4) do không muốn thể hiện thái độ cực đoan.
3. Thiên vị phản hồi (Response Bias): Sai số hệ thống do lỗi đặt câu hỏi dẫn dắt (leading questions) hoặc cấu trúc bảng hỏi gây ra.

Bảng so sánh: Phân tích quyết định chọn Thang đo Likert 5 điểm và Likert 7 điểm

Tiêu chí phân tích	Thang đo Likert 5 điểm	Thang đo Likert 7 điểm
Bản chất thống kê	Phân tán dữ liệu ở mức trung bình	Cung cấp phương sai (variance) lớn hơn
Độ nhạy (Sensitivity)	Thấp hơn	Cao hơn (Phản ánh chính xác hơn các biến thiên nhỏ)
Tiệm cận dữ liệu khoảng	Thấp	Cao (Phù hợp hơn cho các kiểm định tham số phức tạp)
Tải lượng nhận thức	Thấp, đáp viên xử lý thông tin nhanh	Cao, yêu cầu đáp viên suy nghĩ sâu hơn
Bối cảnh ứng dụng	Khảo sát đại chúng, thị trường chung	Nghiên cứu học thuật chuyên sâu, mô hình SEM/CFA

4. Nội hàm các khái niệm và Thang đo các biến (Measurement Scales)

Việc thiết lập các thang đo cho các biến số phụ thuộc vào mục tiêu đo lường. Thang đo Likert được cấu trúc hóa dưới nhiều hình thức nội hàm khác nhau.

• Đo lường Mức độ đồng ý (Agreement): Thường được sử dụng để đo lường thái độ. Thang đo 5 điểm bao gồm: 1 = Hoàn toàn không đồng ý, 2 = Không đồng ý, 3 = Phân vân/Trung lập, 4 = Đồng ý, 5 = Hoàn toàn đồng ý.
• Đo lường Tần suất (Frequency): Sử dụng để đánh giá hành vi lặp lại. Các mức độ thường là: 1 = Không bao giờ, 2 = Hiếm khi, 3 = Thỉnh thoảng, 4 = Thường xuyên, 5 = Luôn luôn.
• Cách thức mã hóa (Coding): Các phản hồi định tính này được gán giá trị số nguyên (từ 1 đến 5 hoặc từ 1 đến 7) để tính toán điểm trung bình (Mean), độ lệch chuẩn (Standard Deviation), và ma trận hiệp phương sai.

5. Các nghiên cứu liên quan tiêu biểu (Related Studies)

Tính tin cậy của Thang đo Likert đã được kiểm chứng qua nhiều công trình nghiên cứu định lượng.

• Nhóm 1: Các bài báo nền tảng (Foundational Works):
  • Likert, R. (1932). “A Technique for the Measurement of Attitudes”, Archives of Psychology. Đây là công trình khai sinh, định hình cơ chế đo lường thái độ bằng cách cộng tổng điểm của các biến quan sát.
• Nhóm 2: Ứng dụng và So sánh Thang đo:
  • Dawes, J. (2008). “Do data characteristics change according to the number of scale points used? An experiment using 5-point, 7-point and 10-point scales”, International Journal of Market Research. Nghiên cứu này cung cấp bằng chứng thực nghiệm về việc thang đo Likert 5 điểm và 7 điểm tạo ra các mức giá trị trung bình có thể so sánh được sau khi chuẩn hóa, nhưng 7 điểm cho phương sai tốt hơn.
• Nhóm 3: Phân tích tổng hợp (Meta-Analysis):
  • Lozano, L. M., et al. (2008). Nghiên cứu về ảnh hưởng của số lượng lựa chọn đối với độ tin cậy và độ giá trị (Validity). Công trình này chứng minh rằng độ tin cậy của thang đo tăng lên khi số bậc tăng từ 2 đến 7, nhưng sau mức 7, mức độ cải thiện độ tin cậy giảm dần và tải lượng nhận thức tăng quá cao.

6. Những mặt hạn chế và khoảng trống nghiên cứu (Limitations)

Dù là tiêu chuẩn vàng trong nghiên cứu định lượng, Thang đo Likert không hoàn hảo và tồn tại các hạn chế mang tính hệ thống.

• Hạn chế về đo lường (Measurement Limits): Sự tranh cãi về khoảng cách đều. Trên thực tế tâm lý học, khoảng cách giữa “Đồng ý” và “Hoàn toàn đồng ý” có thể không tương đương với khoảng cách giữa “Không đồng ý” và “Hoàn toàn không đồng ý”. Việc gượng ép dữ liệu thứ bậc (Ordinal) để chạy các thuật toán dữ liệu khoảng (Interval) có thể dẫn đến sai lệch hệ số tương quan.
• Hạn chế về bối cảnh và hành vi (Contextual Limits): Sự xuất hiện của “Thiên vị đồng tình” (Acquiescence bias) – người trả lời có xu hướng đồng ý với các nhận định được đưa ra bất kể nội dung, hoặc “Thiên vị hội tụ trung tâm” – né tránh việc đưa ra quyết định ở hai thái cực.
• Hạn chế do cấu trúc câu hỏi: Lỗi đặt câu hỏi dẫn dắt (leading questions) dễ dàng phá vỡ tính khách quan của dữ liệu thu thập, khiến kết quả phản ánh ý định của người soạn bảng hỏi thay vì thực tế khách quan.

7. Các hướng nghiên cứu (Research Applications)

Sự linh hoạt của Thang đo Likert cho phép tích hợp với nhiều khung lý thuyết khác nhau để tạo ra các hướng nghiên cứu đa chiều.

• Kết hợp với Lý thuyết Hành vi Kế hoạch (Theory of Planned Behavior – TPB): Sử dụng Thang đo Likert 7 điểm để lượng hóa các biến số khó quan sát như Chuẩn chủ quan (Subjective Norms) hoặc Nhận thức kiểm soát hành vi (Perceived Behavioral Control) nhằm dự báo chính xác ý định mua hàng.
• Kết hợp ứng dụng Machine Learning trong xử lý nhiễu dữ liệu: Sử dụng các thuật toán học máy phân tích cụm (Clustering) để tự động nhận diện và loại bỏ các đáp viên có hành vi đánh dấu theo đường thẳng (Straight-lining) trên các ma trận câu hỏi Likert, từ đó làm sạch dữ liệu trước khi đưa vào phần mềm SPSS.

8. Cách ứng dụng lý thuyết vào thực tiễn doanh nghiệp (Practical Application)

Đối với nhà quản trị và chuyên viên nghiên cứu thị trường, việc nắm vững phương pháp này cung cấp bộ công cụ sắc bén để thu thập dữ liệu chính xác.

• Ứng dụng 1: Chiến lược ra quyết định chọn Likert 5 điểm hay 7 điểm.
  • Sử dụng Likert 5 điểm khi: Thực hiện khảo sát sự hài lòng của khách hàng (CSAT) trên quy mô lớn, thao tác trên thiết bị di động, yêu cầu tốc độ phản hồi nhanh để giảm tỷ lệ bỏ dở (Drop-off rate).
  • Sử dụng Likert 7 điểm khi: Thực hiện nghiên cứu hành vi người tiêu dùng chuyên sâu, xây dựng mô hình nhân quả phức tạp yêu cầu sự nhạy bén dữ liệu cao và kích thước mẫu lớn.
• Ứng dụng 2: Tối ưu hóa bảng hỏi và triệt tiêu lỗi đặt câu hỏi dẫn dắt.
  • Tuyệt đối loại bỏ các tính từ mang tính áp đặt cảm xúc.
  • Mẫu sai (Dẫn dắt): “Bạn có đồng ý rằng tính năng X của chúng tôi rất tuyệt vời không?”
  • Mẫu chuẩn khoa học: “Vui lòng đánh giá mức độ đồng ý của bạn về hiệu suất của tính năng X.”
• Ứng dụng 3: Quy trình đảm bảo tính đối xứng của biến quan sát. Luôn duy trì số lượng các bậc tùy chọn tích cực và tiêu cực bằng nhau xung quanh trục trung lập. Cấu trúc câu hỏi rõ ràng, mỗi biến quan sát chỉ hỏi về một vấn đề duy nhất (tránh lỗi Double-barreled questions).

9. Các câu hỏi thường gặp (FAQ)

Thang đo Likert chẵn (ví dụ 4 điểm hoặc 6 điểm) có ý nghĩa gì và khi nào nên sử dụng?

Thang đo Likert chẵn loại bỏ điểm trung lập (Neutral point), ép buộc người trả lời (Forced-choice) phải nghiêng về phía tích cực hoặc tiêu cực. Phương pháp này chỉ nên được áp dụng khi nhà nghiên cứu có cơ sở chắc chắn rằng đối tượng khảo sát không thể có thái độ trung lập đối với vấn đề được hỏi.

Lỗi đặt câu hỏi dẫn dắt (Leading questions) tác động trực tiếp như thế nào đến kết quả kiểm định SPSS?

Lỗi đặt câu hỏi dẫn dắt tạo ra sai số hệ thống. Nó đẩy dữ liệu hội tụ bất thường về một phía, làm giảm phương sai tự nhiên. Hậu quả là kết quả kiểm định độ tin cậy Cronbach’s Alpha có thể bị “bơm phồng” giả tạo, và ma trận xoay trong Phân tích nhân tố khám phá (EFA) sẽ không trích xuất đúng các cấu trúc khái niệm gốc.

Nên xử lý dữ liệu Thang đo Likert bằng kiểm định tham số (Parametric) hay phi tham số (Non-parametric)?

Về mặt lý thuyết toán học thuần túy, dữ liệu Likert là dữ liệu thứ bậc, do đó cần sử dụng kiểm định phi tham số (như Mann-Whitney, Kruskal-Wallis). Tuy nhiên, trong thực tiễn học thuật, nếu phân phối dữ liệu đạt chuẩn (Normal distribution) và mẫu đủ lớn, các nhà nghiên cứu thường xử lý dữ liệu Likert dưới dạng dữ liệu khoảng để áp dụng kiểm định tham số (như T-test, ANOVA) vì độ mạnh thống kê (statistical power) lớn hơn.

10. Kết luận

Thang đo Likert không đơn thuần là một danh sách các hộp đánh dấu trong biểu mẫu khảo sát, mà là một phương pháp luận đo lường khoa học sở hữu các quy tắc khắt khe về giả định và cấu trúc. Việc xác định đúng mức độ chi tiết bằng cách sử dụng Thang đo Likert 5 điểm hay 7 điểm, kết hợp với kỹ năng soạn thảo triệt tiêu hoàn toàn lỗi đặt câu hỏi dẫn dắt, là nền tảng cốt lõi để đảm bảo độ tin cậy của bất kỳ mô hình nghiên cứu định lượng nào. Những dữ liệu chuẩn xác này chính là cơ sở dữ liệu thực tế (Fact-based) giúp các nhà quản trị đưa ra các quyết định chiến lược hiệu quả, tối ưu hóa quy trình và giảm thiểu rủi ro vận hành. Để hiểu rõ hơn về các kỹ thuật xử lý dữ liệu SPSS và thiết kế quy trình nghiên cứu, bạn có thể tham khảo thêm các bài phân tích chuyên sâu từ giảng viên Nguyễn Thanh Phương.