Bài báo nhận major revision sau sáu tháng. Phản biện hỏi: “Vì sao N ở Bảng 3 là 412 trong khi phần phương pháp ghi 428?”. Tác giả mở lại tệp dữ liệu và không nhớ đã loại 16 người nào, bằng tiêu chí gì, bằng những lần bấm menu nào. Tệp dữ liệu có tên “data_final_v3_sua_moi.sav” và ba tệp khác gần giống thế. Mất hai tuần để dựng lại con số.
Chọn phần mềm thống kê thường được bàn như chuyện sở thích. Câu hỏi quan trọng hơn là: sau sáu tháng, bạn hoặc người khác có tái tạo được chính xác mọi con số trong bài từ dữ liệu gốc không? Công cụ nào cũng làm được điều đó nếu dùng đúng cách, và công cụ nào cũng thất bại nếu dùng sai.
So sánh các công cụ phổ biến
| Công cụ | Chi phí | Điểm mạnh | Điểm cần lưu ý |
|---|---|---|---|
| R | Miễn phí, mã nguồn mở | Kho gói thống kê rất lớn, phương pháp mới thường có sớm, đồ hoạ mạnh với ggplot2 | Mất thời gian học ban đầu; nhiều cách làm một việc |
| Python | Miễn phí, mã nguồn mở | Mạnh về xử lý dữ liệu lớn, học máy, tự động hoá; pandas, statsmodels, scipy | Một số phương pháp thống kê chuyên sâu ít gói hơn R |
| SPSS | Bản quyền thương mại, nhiều trường có giấy phép | Giao diện menu quen thuộc, phổ biến trong khoa học xã hội và y tế | Dễ phân tích bằng cách bấm mà không lưu lại; phải chủ động dùng syntax |
| Stata | Bản quyền thương mại | Mạnh cho kinh tế lượng, dịch tễ, dữ liệu bảng; lệnh gọn | Chi phí; cộng đồng nhỏ hơn R, Python ở nhiều ngành |
| jamovi, JASP | Miễn phí | Giao diện giống SPSS, xây trên R, kết quả trình bày theo chuẩn APA, có phân tích Bayes (JASP) | Ít linh hoạt với phân tích phức tạp hoặc tuỳ biến |
Trong thực tế, lựa chọn thường phụ thuộc vào người hướng dẫn và nhóm nghiên cứu hơn là vào tính năng. Nếu cả phòng dùng Stata, dùng Stata sẽ giúp bạn nhận được hỗ trợ nhanh nhất. Điều không nên là dùng công cụ nào mà không lưu lại được các bước.
Nguyên tắc số một: phân tích bằng mã, không bằng trí nhớ
Mọi bước biến dữ liệu gốc thành con số trong bài phải được ghi lại dưới dạng mã chạy được: làm sạch, mã hoá lại biến, loại trường hợp, phân tích, vẽ hình. Với SPSS, mỗi hộp thoại đều có nút Paste để dán lệnh tương ứng vào tệp syntax thay vì chạy ngay. Tập thói quen bấm Paste thay cho OK là thay đổi lớn nhất một người dùng SPSS có thể làm. Với jamovi, dự án lưu lại các phân tích và có thể xuất mã R tương ứng.
Đi kèm là một quy tắc cứng: không bao giờ sửa tay dữ liệu gốc. Không xoá dòng, không sửa ô trong tệp gốc. Mọi thay đổi nằm trong mã, để luôn có thể quay lại. Mở dữ liệu trong Excel rồi lưu đè cũng nguy hiểm: Excel có thể tự đổi một số chuỗi thành ngày tháng, cắt số 0 ở đầu mã số, hoặc đổi định dạng số thập phân theo cài đặt máy.
Cấu trúc thư mục một dự án
- du-lieu-goc/: dữ liệu như nhận được, chỉ đọc, không bao giờ sửa.
- du-lieu-xu-ly/: dữ liệu sau làm sạch, do mã tạo ra, có thể xoá và tạo lại bất cứ lúc nào.
- ma/: các tệp mã đánh số theo thứ tự chạy, ví dụ 01-lam-sach, 02-mo-ta, 03-mo-hinh-chinh, 04-do-nhay, 05-hinh.
- ket-qua/: bảng và hình, do mã tạo ra.
- README: mô tả dự án, nguồn dữ liệu, thứ tự chạy mã, phần mềm và phiên bản.
Phép thử đơn giản: xoá toàn bộ thư mục du-lieu-xu-ly và ket-qua, chạy lại các tệp mã theo thứ tự. Nếu mọi bảng và hình trong bài xuất hiện lại y hệt, dự án của bạn tái tạo được.
Ghi lại phiên bản và yếu tố ngẫu nhiên
- Phiên bản phần mềm và gói thay đổi có thể làm kết quả thay đổi nhỏ. Trong R, renv lưu lại phiên bản gói của dự án; trong Python, tệp requirements hoặc môi trường conda làm việc tương tự; tối thiểu hãy ghi phiên bản vào README.
- Mọi thứ có yếu tố ngẫu nhiên (điền khuyết bội, bootstrap, chia tập huấn luyện, mô phỏng) phải đặt hạt giống ngẫu nhiên (set.seed trong R, random_state trong Python) để chạy lại ra cùng kết quả.
- Dùng Git để quản lý phiên bản mã. Không cần thành thạo; chỉ commit sau mỗi thay đổi có ý nghĩa đã đủ để trả lời “ba tháng trước mô hình trông thế nào”.
Tài liệu động: bảng và văn bản không lệch nhau
Quarto, R Markdown và Jupyter Notebook cho phép viết văn bản xen kẽ mã; con số trong câu được lấy trực tiếp từ kết quả phân tích. Khi dữ liệu thay đổi, chạy lại tài liệu là mọi con số cập nhật. Đây là cách mạnh nhất để tránh lỗi con số trong văn bản không khớp với bảng, lỗi mà phản biện bắt được thường xuyên. Không nhất thiết viết cả bài báo bằng các công cụ này; chỉ cần phần phụ lục phân tích là đã có ích.
Báo cáo phần mềm trong bài báo
Phần phương pháp nên ghi tên và phiên bản phần mềm, các gói chính kèm phiên bản, và trích dẫn chúng. R và nhiều gói có sẵn lệnh in ra cách trích dẫn. Nhiều tạp chí khuyến khích hoặc yêu cầu chia sẻ mã phân tích; lưu mã trên kho như OSF hoặc Zenodo để có DOI và dẫn vào bài. Chia sẻ mã cũng là cách tự buộc mình giữ mã gọn gàng.
Lộ trình chuyển đổi cho người đang dùng SPSS
- Tuần 1–2: tiếp tục SPSS nhưng dùng Paste cho mọi phân tích, lưu syntax theo cấu trúc thư mục ở trên.
- Tuần 3–4: thử jamovi hoặc JASP cho các phân tích quen thuộc, so kết quả với SPSS.
- Tháng 2: học R hoặc Python qua một dự án thật nhỏ, ví dụ làm lại phần thống kê mô tả của bài gần nhất và đối chiếu từng con số.
- Tháng 3 trở đi: dùng mã cho dự án mới, giữ SPSS cho việc cần gấp.
Học một ngôn ngữ lập trình thống kê tốn vài tuần đầu nhưng tiết kiệm thời gian ở mọi dự án về sau, nhất là ở vòng sửa bài.
Áp dụng: danh sách kiểm tái tạo được
- Dữ liệu gốc lưu riêng, chỉ đọc.
- Mọi bước xử lý nằm trong tệp mã hoặc syntax, không có thao tác tay.
- Tệp mã đánh số theo thứ tự chạy.
- Hạt giống ngẫu nhiên được đặt cho mọi thủ tục có yếu tố ngẫu nhiên.
- Phiên bản phần mềm và gói được ghi lại.
- README mô tả cách chạy lại toàn bộ.
- Đã thử xoá kết quả và chạy lại từ đầu.
Việc làm tuần này: chọn dự án đang làm, sắp lại thư mục theo cấu trúc trên, và thử chạy lại từ dữ liệu gốc. Chỗ nào không chạy lại được chính là chỗ phản biện, hoặc chính bạn sáu tháng sau, sẽ mắc kẹt.
Câu hỏi thường gặp
Nên học R hay Python để phân tích thống kê?
R mạnh về thống kê chuyên sâu và đồ hoạ, phổ biến trong nhiều ngành khoa học; Python mạnh về xử lý dữ liệu lớn và học máy. Hãy ưu tiên công cụ mà nhóm nghiên cứu của bạn đang dùng.
SPSS có còn phù hợp cho luận văn không?
Vẫn phù hợp nếu trường có giấy phép và người hướng dẫn dùng. Điều quan trọng là lưu syntax bằng nút Paste để mọi phân tích tái tạo được.
jamovi và JASP là gì?
Là phần mềm thống kê miễn phí có giao diện giống SPSS, xây trên R. Chúng phù hợp cho các phân tích phổ biến và trình bày kết quả theo chuẩn APA, JASP còn mạnh về phân tích Bayes.
Làm sao để phân tích dữ liệu tái tạo được?
Giữ dữ liệu gốc chỉ đọc, ghi mọi bước bằng mã, đánh số tệp mã theo thứ tự, đặt hạt giống ngẫu nhiên, ghi phiên bản phần mềm và thử chạy lại toàn bộ từ đầu.
Có cần ghi phiên bản phần mềm trong bài báo không?
Nên ghi tên và phiên bản phần mềm cùng các gói chính, và trích dẫn chúng. Điều này giúp người khác tái tạo kết quả và ghi nhận công sức người phát triển.
