Dữ liệu thứ tự là một dạng dữ liệu định tính phân loại trong đó các giá trị quan sát sở hữu một trật tự xếp hạng hoặc thứ bậc tự nhiên được xác định rõ ràng, nhưng khoảng cách định lượng hoặc độ lớn chênh lệch toán học giữa các bậc thứ tự liên tiếp là không cố định và không xác định được một cách chính xác. Dữ liệu thứ tự đóng vai trò cầu nối nền tảng giữa dữ liệu định danh thuần túy và dữ liệu khoảng trong lý thuyết đo lường, xuất hiện phổ biến trong các thang đo tâm lý, khảo sát xã hội học, phân loại giai đoạn bệnh học y khoa và đánh giá hiệu suất kinh tế.
Vị trí trong lý thuyết thang đo lường kinh điển
Trong công bố mang tính bước ngoặt trên tạp chí Science vào năm 1946, nhà tâm lý học thực nghiệm Stanley Smith Stevens đã đặt nền móng cho lý thuyết đo lường hiện đại bằng việc phân loại dữ liệu thành 4 cấp độ đo lường cơ bản: thang định danh, thang thứ tự, thang khoảng và thang tỷ lệ. Trong hệ thống phân cấp này, thang đo thứ tự đại diện cho cấp độ đo lường bậc hai, kế thừa tính chất phân loại độc nhất của thang định danh đồng thời bổ sung thêm quan hệ thứ bậc nghiêm ngặt giữa các phần tử.
Theo Stevens (1946), phép toán xác lập nên thang đo thứ tự là phép so sánh quan hệ lớn hơn, nhỏ hơn hoặc tương đương. Đặc tính toán học cốt lõi của dữ liệu thứ tự là tính bất biến dưới các phép biến đổi đơn điệu tăng ngặt. Điều này có nghĩa là mọi phép ánh xạ bảo toàn trật tự sắp xếp ban đầu đều không làm thay đổi cấu trúc thông tin của tập dữ liệu, dù các giá trị số gán cho từng mức thứ bậc có bị thay đổi tùy ý.
Bảng đối chiếu bốn cấp độ thang đo theo Stevens
Để hiểu rõ ranh giới toán học giữa dữ liệu thứ tự và các dạng dữ liệu khác, bảng đối chiếu dưới đây hệ thống hóa 4 cấp độ thang đo lường kinh điển theo công bố của Stevens (1946):
| Cấp độ thang đo | Quan hệ toán học cơ bản | Phép biến đổi toán học bất biến | Thống kê mô tả phù hợp |
|---|---|---|---|
| Thang định danh | Tương đương, phân biệt tính chất | Phép thế hoán vị một - một | Yếu vị (Mode), tần số xuất hiện |
| Thang thứ tự | Thứ bậc, xếp hạng lớn hơn hoặc nhỏ hơn | Phép biến đổi đơn điệu tăng | Trung vị (Median), khoảng phân vị |
| Thang khoảng | Khoảng cách bằng nhau, điểm 0 tuỳ ý (không có điểm 0 tuyệt đối) | Phép biến đổi tuyến tính dương | Trung bình cộng, độ lệch chuẩn |
| Thang tỷ lệ | Tỷ lệ số học, có điểm 0 tuyệt đối | Phép nhân đồng dạng với hằng số dương | Trung bình hình học, hệ số biến thiên |
Đặc tính toán học và các chỉ số thống kê mô tả
Do bản chất phi số liệu của khoảng cách giữa các bậc, việc áp dụng các phép toán số học truyền thống như cộng hoặc trừ trực tiếp trên các mã số thứ tự là không có cơ sở lý thuyết đo lường. Sự chênh lệch giữa bậc rất không hài lòng và không hài lòng không thể được giả định là tương đương với khoảng cách giữa bậc hài lòng và rất hài lòng.
Vì lý do này, các chỉ số thống kê mô tả hợp thức cho dữ liệu thứ tự tập trung vào trật tự tích lũy:
- Trung vị (Median): Là giá trị nằm ở vị trí trung tâm phân chia tập dữ liệu đã sắp xếp thành hai nửa bằng nhau. Trung vị phản ánh xu hướng trung tâm của dữ liệu thứ tự mà không chịu ảnh hưởng bởi độ lớn cụ thể của các nhãn số gán cho từng bậc.
- Độ phân tán và mốc phân vị: Độ phân tán của dữ liệu thứ tự được thể hiện thông qua việc xác định các mốc phân vị hoặc khoảng bao phủ giữa phân vị thứ nhất và phân vị thứ ba, phản ánh phạm vi tập trung của một nửa số quan sát trung tâm mà không đòi hỏi thực hiện phép trừ số học giữa các mã thứ tự.
- Bảng tần số tích lũy: Cho phép theo dõi tỷ lệ phần trăm các quan sát đạt mức độ từ một ngưỡng thứ tự nhất định trở xuống, cung cấp bức tranh toàn diện về hàm phân phối xác suất tích lũy của biến nghiên cứu.
Kiểm định giả thuyết phi tham số và thống kê ưu thế
Khi tiến hành so sánh giữa các nhóm hoặc phân tích mối liên hệ liên quan đến dữ liệu thứ tự, các phương pháp thống kê phi tham số được ưu tiên áp dụng do không đòi hỏi giả định về phân phối chuẩn hay tính liên tục của biến số. Các kiểm định kinh điển bao gồm kiểm định Mann-Whitney cho hai nhóm độc lập và kiểm định Kruskal-Wallis khi so sánh nhiều nhóm phân loại. Đối với các cặp dữ liệu phụ thuộc thứ tự thuần túy, kiểm định dấu (Sign test) là phương pháp chuẩn tắc vì chỉ căn cứ trên chiều hướng khác biệt; trong khi kiểm định thứ bậc có dấu Wilcoxon chỉ áp dụng khi giả định được độ lớn chênh lệch có thể xếp hạng một cách hợp thức.
Bên cạnh các phép kiểm định dựa trên tổng hạng, năm 1993, nhà tâm lý học Norman Cliff đã công bố công trình nền tảng trên tạp chí Psychological Bulletin đề xuất hệ thống thống kê ưu thế. Cliff (1993) lập luận rằng các nhà nghiên cứu cần sử dụng các chỉ số thứ tự thuần túy để trả lời trực tiếp các câu hỏi nghiên cứu mang bản chất thứ tự, thay vì phụ thuộc vào các phép biến đổi giả tạo thành biến số thực nghiệm liên tục.
Chỉ số delta ưu thế của Cliff đo lường xác suất một phần tử ngẫu nhiên thuộc nhóm thứ nhất có bậc thứ tự cao hơn một phần tử ngẫu nhiên thuộc nhóm thứ hai, trừ đi xác suất ngược lại. Phương pháp này mang lại một thước đo độ lớn hiệu ứng trực quan, phản ánh trung thực bản chất xếp hạng của dữ liệu, có tính vững cao trước các giá trị cực trị và bất biến trước các phép biến đổi đơn điệu tăng.
Mô hình hóa hồi quy cho dữ liệu thứ tự
Trong phân tích đa biến, khi biến phụ thuộc là biến thứ tự có nhiều hơn hai mức phân loại, các mô hình hồi quy tuyến tính thông thường không còn phù hợp do vi phạm giả định phần dư đồng nhất và tính liên tục của thang đo. Để giải quyết thách thức này, nhà thống kê học Peter McCullagh đã công bố mô hình hồi quy tỷ số chênh tỷ lệ trên Journal of the Royal Statistical Society vào năm 1980.
Mô hình hồi quy logit tích lũy của McCullagh (1980) liên kết xác suất tích lũy có điều kiện của các bậc thứ tự với tập hợp các biến giải thích thông qua hàm liên kết logit:
Trong công thức trên, Y đại diện cho biến phản hồi thứ tự, j là chỉ số biểu thị các ngưỡng phân vị bậc thứ tự thỏa mãn tính đơn điệu tăng ngặt, alpha là tập hợp các điểm cắt phân định không gian biến ẩn liên tục, và beta là vector hệ số hồi quy thể hiện tác động của các biến giải thích x lên tỷ số chênh tích lũy. Giả định tỷ số chênh tỷ lệ xác lập rằng vector hệ số beta là đồng nhất trên mọi ngưỡng cắt, phản ánh ảnh hưởng bất biến của biến dự báo lên tỷ số chênh của việc rơi vào mức thứ bậc từ j trở xuống.
Tranh luận phương pháp luận và các sai lệch thực nghiệm
Việc xử lý dữ liệu thứ tự từ lâu đã là chủ đề của những cuộc tranh luận học thuật sôi nổi trong phương pháp luận nghiên cứu, đặc biệt xoay quanh việc sử dụng thang đo Likert trong khoa học xã hội và y học.
Năm 2010, trong bài báo trên Advances in Health Sciences Education, Geoff Norman đã phân tích tính vững của các kiểm định tham số khi áp dụng cho dữ liệu thu thập từ thang đo Likert. Norman (2010) lập luận rằng các phép kiểm định tham số như kiểm định t hoặc phân tích phương sai thể hiện sự bền bỉ đáng kể trước các vi phạm về bản chất thang đo lường và hình thái phân phối, đặc biệt khi các mục hỏi Likert đơn lẻ được tổng hợp thành một chỉ số thang đo gộp nhiều thành phần với cỡ mẫu nghiên cứu đủ lớn.
Ngược lại, năm 2018, Liddell và Kruschke đã công bố nghiên cứu phương pháp luận và mô phỏng thống kê quy mô lớn trên Journal of Experimental Social Psychology cảnh báo những hệ lụy nghiêm trọng khi phân tích dữ liệu thứ tự bằng các mô hình số liệu liên tục. Thông qua các mô phỏng Monte Carlo chặt chẽ, Liddell và Kruschke (2018) chứng minh rằng việc áp đặt giả định thang khoảng cho dữ liệu thứ tự có thể dẫn đến hiện tượng đảo ngược chiều kích thước hiệu ứng, làm tăng vọt tỷ lệ sai lầm loại một cũng như sai lầm loại hai, và tạo ra các kết luận nghiên cứu sai lệch hoàn toàn so với bản chất phân phối thực tế.
Khuyến nghị ứng dụng trong nghiên cứu khoa học
Từ các nghiên cứu lý thuyết và thực chứng, việc phân tích dữ liệu thứ tự đòi hỏi sự cẩn trọng và phân biệt rõ ràng giữa mục hỏi thứ tự đơn lẻ và thang đo điểm gộp tổng hợp. Đối với các biến thứ tự riêng biệt, việc ưu tiên sử dụng trung vị, bảng tần số tích lũy, các kiểm định phi tham số và mô hình hồi quy logit tích lũy là giải pháp chuẩn mực để đảm bảo tính hợp thức nội tại của các kết luận khoa học.