Tất Tần Tật Cách Chạy SPSS Online Từ A – Z | Ví Dụ Bản Mới Nhất

SPSS là một công cụ dùng để thống kê xử lý số liệu, chính vì vậy SPSS rất cần thiết trong nghiên cứu tuy nhiên nhiều người vẫn gặp nhiều khó khăn trong việc sử dụng phần mềm cũng như thao tác chạy số liệu đúng. Best4team sẽ hướng dẫn các bạn cách chạy SPSS chi tiết 6 bước kèm theo ví dụ cụ thể ở bài viết bên dưới!

1. Chuẩn bị các tệp excel chứa số liệu cần chạy

Tệp excel bao gồm tất cả các dữ liệu cần thiết. Nếu bạn là một nhà nghiên cứu, đây có thể được coi là bảng trả lời các câu hỏi nghiên cứu của bạn. Đảm bảo rằng bạn sử dụng các biểu mẫu bảng thích hợp khi bạn làm việc này.

– Khi phân tích dữ liệu nghiên cứu, bạn có thể gặp 4 loại dữ liệu – đó là Dữ liệu danh nghĩa, Dữ liệu thứ tự, Dữ liệu khoảng thời gian và Dữ liệu tỷ lệ.

• Dữ liệu danh nghĩa: Những dữ liệu này có thể được mã hóa dưới dạng số nhưng chúng không có giá trị. Về cơ bản, chúng có thể được gọi là ‘nhãn’ (ví dụ: Màu xe, Giới tính, Tên học sinh)

• Dữ liệu thứ tự: Mặc dù dữ liệu danh nghĩa không thể được đặt theo thứ tự tương ứng, nhưng dữ liệu thứ tự có thể đặt được. 

Ví dụ: Trong các nghiên cứu, bạn đã thấy việc sử dụng các câu hỏi thang đo Likert, phải không? Phản hồi cho những điều này thường nằm trong danh mục dữ liệu này. (Hoàn toàn đồng ý- 5, đồng ý- 4, trung lập -3. Không đồng ý-2, rất không đồng ý- 1)

• Dữ liệu khoảng thời gian: Như tên cho thấy, khoảng thời gian của những dữ liệu số này có ý nghĩa. 

Ví dụ: Thang đo Likert đánh giá mức độ cảm nhận của một đối tượng về một vấn đề, sản phẩm, dịch vụ cụ thể, tính toán các khoảng thời gian của một quá trình, quy trình, sự kiện diễn ra…

• Dữ liệu tỉ lệ: Là loại dữ liệu có đầy đủ các đặc tính của dữ liệu khoảng thời gian nhưng cho phép người dùng có thể lấy tỷ lệ để so sánh giá trị giữa các biến số…

Ví dụ: Dữ liệu số như chiều cao, cân nặng, điểm, tuổi và tiền lương đều thuộc loại dữ liệu này.

2. Nhập dữ liệu vào SPSS

Nhập dữ liệu là bước đầu tiên để có bộ dữ liệu mà SPSS có thể hiểu và thực hiện được các phân tích thống kê. Sau đây Best4team sẽ hướng dẫn các bạn nhập liệu chính xác nhất!

– Từ các cửa sổ chính trong phần mềm SPSS:

• Data editor (Cửa sổ hiệu chỉnh dữ liệu)
• Viewer (Cửa sổ xem)
• Database access (Truy cập dữ liệu)
• Data Transformation (Biến đổi dữ liệu)

– Ta tiến hành nhập liệu vào SPSS theo các bước như sau:

Bước 1: Sau khi khởi động SPSS, nhấp chuột vào cửa sổ Variable View để chuyển sang màn hình khai báo biến. Mỗi biến được tạo ra trên 1 dòng, các cột trên dòng thể hiện các thuộc tính của biến.

Bước 2: Thay đổi kiểu biến, độ rộng của biến (Width) hoặc số chữ số thập phân (Decimal Places), ta nhấn chuột vào nút … trong ô Type.

• Width (độ rộng của biến): số ký số hay ký tự tối đa có thể nhập vào.
• Decimals: số lẻ sau dấu phẩy.
• Label (nhãn của biến): câu mô tả để giải thích ý nghĩa của biến, cần ngắn gọn.
• Values: là thuộc tính quan trọng nhất để mã hóa thang đo định tính, các thông tin thu thập từ thang đo định lượng đã ở dưới dạng số và có ý nghĩa nên không cần mã hóa.

Bước 3: Xét ví dụ: Xin vui lòng cho biết giới tính của anh/chị?

1. Nữ         2. Nam

Để thực hiện nhập liệu cho câu hỏi trên, ta nhấn chuột vào nút …của ô trên cột Values, hộp thoại khai báo Value Labels sẽ xuất hiện

Bước 4: Nhập các giá trị Value (mã hóa các dữ liệu định tính)  và Label (nhãn giải thích ý nghĩa của mã số đã nhập). Sau đó nhấn vào nút Add

Bước 5 : Tiếp tục khai báo cho các giá trị mã hóa còn lại trong câu hỏi, sau đó bấm OK

Bước 6: 

• Missing: khai báo các loại giá trị khuyết. Ví dụ, cách đặt con số đại diện cho Missing value cần căn cứ vào ngữ cảnh và sự lựa chọn của người xử lý (ví dụ, nếu chọn 99 làm Missing value cho biến độ tuổi có thể gây nhầm lẫn khi cuộc điều tra có người trả lời đạt 99 tuổi, trong trường hợp này ta có thể chọn con số khác như 999 hay -100…)

• Columns: khai báo độ rộng của biến khi nhập liệu, thường chọn 8.
• Align: vị trí dữ liệu được nhập trong cột, thường chọn Right.
• Measure: loại thang đo thể hiện dữ liệu gồm Nominal (thang đo danh nghĩa), Ordinary (thang đo thứ bậc), Scale (gồm thang đo khoảng cách và thang đo tỉ lệ)

Sau khi tạo xong một biến, xuống dòng để tạo các biến khác theo những bước như trên. Đối với câu hỏi có một lựa chọn, chỉ cần tạo một biến để nhập liệu câu trả lời. 

3. Đưa ra các lệnh SPSS cụ thể

– Lệnh trong SPSS giúp cho người nghiên cứu tránh sử dụng các loại ngôn ngữ thống kê nhằm dễ dàng nhận biết cách phân tích, xử lý số liệu nhanh chóng. Hiện nay có 6 lệnh chính để phân tích số liệu SPSS đó là: 

• Lệnh Descriptive dùng trong thống kê mô tả
• Lệnh Scale dùng trong phân tích độ tin cậy Cronbach’s Alpha
• Lệnh Factor dùng trong phân tích nhân tố khám phá EFA
• Lệnh Correlate dùng trong phân tích Tương quan Pearson 
• Lệnh Compare Means dùng trong Kiểm định T Test trong SPSS
• Tương tự lệnh Compare Means còn được dùng trong phân tích trung bình One way ANOVA

– Ở phần trên, chúng ta đã biết 6 lệnh dùng để làm gì trong SPSS rồi. Vậy cách chạy những lệnh đó ra sao? Hãy cùng Best4team tham khảo chi tiết cách chạy bên dưới!

• Lệnh Descriptive dùng trong thống kê mô tả

Ví dụ: Ta có điểm kiểm tra (trên 100) cho bốn bài kiểm tra xếp lớp: Tiếng Anh, Đọc, Toán và Viết. So sánh thống kê tóm tắt của bốn bài kiểm tra này để có thể xác định bài kiểm tra nào học sinh có xu hướng làm tốt nhất và kém nhất.

Thông qua 4 bước sau đây chúng ta sẽ chạy thành công lệnh Descriptive:

Bước 1: Trên thanh công cụ, chọn vào Analyze —> Descriptive Statistics —> Descriptives.

Bước 2: Hộp thoại Descriptives mở ra, đưa các biến cần thống kê (Tiếng Anh, Đọc, Toán và Viết) từ bên trái vào ô Variable(s) bên phải.

Bước 3: Nhấn chọn Option, tích vào các ô Mean, Deviation, Maximum, Minimum và chọn Continue để quay lại màn hình.

Bước 4: Chọn OK và kết quả output sẽ hiển thị:

• Lệnh Scale dùng trong phân tích độ tin cậy Cronbach’s Alpha

Để sử dụng lệnh phân tích hệ số Cronbach’s Alpha, ta lần lượt thực hiện theo các bước sau: 

Bước 1: Trên thanh menu công cụ phần mềm SPSS, chọn Analyze > Scale > Reliability Analysis…

Bước 2: Khi cửa sổ Reliability Analysis mở ra, bạn sẽ chỉ định các biến sử dụng trong phân tích độ tin cậy Cronbach’s Alpha ở cột phía bên trái và di chuyển đến khu vực Items bằng cách chọn và nhấn vào nút mũi tên.

Bước 3: nhấn vào ô Statistic… Tại cửa sổ Reliability Analysis: check vào ô Item, Scale, Scale if item deleted, Correlations. Sau đó bấm Continue để trở lại cửa sổ ban đầu.

Bước 4:Bấm OK, kết quả Output sẽ xuất hiện

• Lệnh Factor dùng trong phân tích nhân tố khám phá EFA

Chúng ta tiến hành những bước sau để phân tích:

Bước 1: Trên thanh công cụ menu ta chọn Analyze-> Data Reduction ->Factor.

Bước 2: Chọn tất cả các biến( hoặc độc lập hoặc phụ thuộc) đưa vào cột Variables bên phải.

Bước 3: Nhấn vào Descriptives, chọn KMO and Bartlett’s test of sphericity

Bước 4: Bấm vào nút Rotation, chọn Varimax

Bước 5: Bấm vào nút Options, chọn Sorted by size và chọn Suppress absolute values less than, gõ vào .3

Bước 6: Sau đó nhấn OK, kết quả sẽ hiển thị khá dài, trong đó có bảng Rotated Component Matrix như sau:

• Lệnh Correlate dùng trong phân tích Tương quan Pearson 

Ta tiến hành chạy phân tích như sau:

Bước 1: Vào menu Analyze-> Correlate -> Bivariate

Bước 2: Chọn các nhân tố vừa được tạo ở bước trên qua ô Variables bên phải. 

Bước 3: Sau đó bấm Ok, kết quả sẽ hiện ra

• Lệnh Compare Means dùng trong kiểm định T-Test trong SPSS

Sau đây là các bước dùng lệnh Compare Means để kiểm định T-Test:

Bước 1: Vào Analyze > Compare Means > Independent Sample T-Test…

Bước 2: Ở giao diện được mở ra, các bạn đưa biến định lượng vào mục Test Variable (s), đưa biến định tính vào mục Grouping Variable. Sau đó nhấn vào mục Define Groups… ngay bên dưới.

Bước 3: Tại đây, các bạn sẽ phân nhóm giá trị ra. Biến giới tính của chúng ta có 2 value: 1 là nam, 2 là nữ, do vậy các bạn sẽ điền 2 số này vào 2 ô trống, không cần phải sắp xếp 1 đến 2, có thể điền 2, 1 cũng được, không sao cả nhé. Sau đó nhấn vào Continue.

Bước 4: Bấm trở lại giao diện ban đầu

Bước 5: nhấn OK để xuất kết quả ra Output.

• Lệnh Compare Means còn được dùng trong phân tích trung bình One way ANOVA

Ta tiến hành thực hiện các bước sau để phân tích:

Bước 1: Cách thực hiện phân tích ANOVA như sau. Vào Analyze > Compare Means > One-Way ANOVA…

Bước 2: Giao diện hiện ra như sau, các bạn đưa biến phụ thuộc vào mục Dependent List, đưa biến định tính vào mục Factor.

Bước 3: Tiếp đến, sử dụng tùy chọn Options. Tích vào 3 mục như hình ảnh phía dưới. Sau đó chọn Continue.

Bước 4: Quay lại giao diện ban đầu 

Bước 5: Chọn OK để xuất kết quả ra Output:

Để so sánh giá trị của những bộ dữ liệu trong SPSS ta cần phải dùng đến kiểm định Anova. Vậy kiểm định Anova là gì? Có mấy loại kiểm định? Cách chạy kiểm định Anova trong SPSS ra sao? Hãy cùng Best4team tham khảo bài viết cụ thể tại đây!

4. Lấy kết quả đã chạy

– SPSS sẽ xuất ra rất nhiều bảng, tuy nhiên chúng ta chỉ sử dụng 3 bảng cho bài nghiên cứu gồm: Model Summary, ANOVA và Coefficients. Best4team sẽ lấy kết quả trong từng bảng này:

– Bảng Model Summary trong phân tích SPSS online:

Trong bảng này, các bạn quan tâm 2 giá trị: Adjusted R Square và Durbin-Watson.

• Adjusted R Square hay còn gọi là R bình phương hiệu chỉnh, nó phản ánh mức độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Cụ thể trong trường hợp này, 6 biến độc lập đưa vào ảnh hưởng 67.2% sự thay đổi của biến phụ thuộc, còn lại 32.8% là do các biến ngoài mô hình và sai số ngẫu nhiên.
• Thường thì giá trị này từ 50% trở lên là nghiên cứu được đánh giá tốt. Vậy nếu R bình phương hiệu chỉnh dưới 50% thì sao và tại sao dùng R bình phương hiệu chỉnh mà không dùng R bình phương khi phân tích hồi quy.

– Bảng ANOVA trong phân tích SPSS online:

• Tổng thể rất lớn, chúng ta không thể khảo sát hết toàn bộ, nên thường trong nghiên cứu, chúng ta chỉ chọn ra một lượng mẫu giới hạn để tiến hành điều tra, từ đó suy ra tính chất chung của tổng thể. Mục đích của kiểm định F trong bảng ANOVA chính là để kiểm tra xem mô hình hồi quy tuyến tính này có suy rộng và áp dụng được cho tổng thể hay không.
• Cụ thể trong trường hợp này, giá trị sig của kiểm định F là 0.000 < 0.05. Như vậy, mô hình hồi quy tuyến tính xây dựng được phù hợp với tổng thể.

– Bảng Coefficients trong phân tích hồi quy:

• Đầu tiên là giá trị Sig kiểm định t từng biến độc lập, sig nhỏ hơn hoặc bằng 0.05 có nghĩa là biến đó có ý nghĩa trong mô hình, ngược lại sig lớn hơn 0.05, biến độc lập đó cần được loại bỏ.
• Tiếp theo là hệ số hồi quy chuẩn hóa Beta, trong tất cả các hệ số hồi quy, biến độc lập nào có Beta lớn nhất thì biến đó ảnh hưởng nhiều nhất đến sự thay đổi của biến phụ thuộc. Do đó khi đề xuất giải pháp, các bạn nên chú trọng nhiều vào các nhân tố có Beta lớn. Nếu hệ số Beta âm nghĩa là biến đó tác động nghịch, hệ số Beta dương, biến đó tác động thuận. Khi so sánh thứ tự độ lớn, chúng ta xét giá trị tuyệt đối của hệ số Beta.
• Cuối cùng là VIF, giá trị này dùng để kiểm tra hiện tượng đa cộng tuyến. Theo lý thuyết nhiều tài liệu viết, VIF < 10 sẽ không có hiện tượng đa cộng tuyến. Tuy nhiên trên thực tế với các đề tài nghiên cứu có mô hình + bảng câu hỏi sử dụng thang đo Likert thì VIF < 2 sẽ không có đa cộng tuyến, trường hợp hệ số này lớn hơn hoặc bằng 2, khả năng cao đang có sự đa cộng tuyến giữa các biến độc lập. Để hiểu rõ hơn về nguyên nhân, dấu hiệu nhận biết và giải pháp khắc phục đa cộng tuyến.
• Riêng cột Tolerance, các bạn sẽ thấy một số bài nghiên cứu, tài liệu sử dụng hệ số này để kiểm tra đa cộng tuyến. Nhưng ở đây Best4team không dùng, bởi vì hệ số này là nghịch đảo của VIF, nên các bạn có thể sử dụng 1 trong 2, cái nào cũng được, thường mọi người hay dùng VIF hơn.

5. Phân tích các đồ thị và biểu đồ

Sau khi có kết quả phân tích, chúng ta sẽ tiến hành vẽ đồ thị và biểu đồ để phân tích mối quan hệ giữa các biến, có rất nhiều loại đồ thị và biểu đồ khác nhau. Ở phần này chúng ta sẽ phân tích 3 loại đồ thị và biểu đồ đó là: Histograms, Normal Q-Q plot và Scatter Plot.

• Phân tích đồ thị và biểu đồ Histograms

Để nhận biết một phân phối chuẩn trong SPSS, đơn giản nhất là xem biểu đồ với đường cong chuẩn (Histograms with normal curve) với dạng hình chuông đối xứng với tần số cao nhất nằm ngay giữa và các tần số thấp dần nằm ở 2 bên. Trị trung bình (mean) và trung vị (mediane) gần bằng nhau và độ xiên (skewness) gần bằng 0.

Chúng ta tiến hành phân tích như sau:

Ví dụ: Khảo sát men ALT (ug/l) trên 30 người bình thường, kết quả được nhập vào SPSS như sau:

Bước 1: Trên thanh công cụ SPSS, ta chọn Analyze > Descriptive Statistics> Frequencies…

Bước 2: Mở hộp thoại Frequencies. Nhấp chuyển biến ALT từ ô bên trái vào ô Variable(s).

Bước 3: Nhấp vào hộp thoại Statistics… Vào màn hình Statistics, đánh dấu nháy vào 4 ô: Mean, Median, Std. deviation và Skewness và nhấp Continue

Bước 4: Chọn tiếp hộp thoại Charts.. Đánh dấu vào ô tròn Histograms: và đánh dấu nháy vào ô With Normal curve, nhấp Continue

Bước 5:  Nhấn OK, kết quả sẽ hiện ra:

Giá trị trung bình (mean) = 23,97, trung vị (mediane)=24,00 và độ xiên (skewness)=0,533

Trong phân phối này, trị số trung bình và trung vị gần bằng nhau và độ xiên dao động từ -1 đến +1, vì vậy được coi như có phân phối chuẩn. Thật vậy xem biểu đồ phân phối với đường cong chuẩn có dạng hình chuông, có trị trung bình là 23,97 và số liệu phân phối khá đều 2 bên.

• Phân tích đồ thị và biểu đồ Normal Q-Q plot

Biểu đồ xác suất chuẩn (normal Q-Q plot). Phân phối chuẩn khi biểu đồ xác suất này có quan hệ tuyến tính (đường thẳng)

Sau đây là các bước chạy:

Bước 1: Trên thanh menu ta chọn Analyze> Descriptive Statistics> Explore…

Bước 2: Khi xuất hiện màn hình Explore, chuyển ALT từ ô bên trái vào ô Dependent List:

Bước 3: Nhấn vào nút Plots. Đánh dấu nháy vào ô Histogram và ô Normality plots with tests. Nhấp Continue.

Bước 4: Sau đó bấm OK, kết quả kiểm định phân phối chuẩn như sau:

Vì cỡ mẫu 30 (nhỏ hơn 50), dùng kiểm định Shapiro-Wilk với Sig.=0,571 (lớn hơn 0,05). Chứng tỏ phân phối này là phân phối chuẩn.

Xem biểu đồ Normal Q-Q Plot bên dưới, các trị số quan sát và trị số mong đợi đều nằm gần trên đường chéo.

• Phân tích đồ thị và biểu đồ Scatter Plot

Biểu đồ Scatter Plot (biểu đồ phân tán) sử dụng các dấu chấm để thể hiện giá trị (điểm giao nhau) của hai biến số khác nhau. Vị trí của mỗi dấu chấm trên trục tung và trục hoành tương ứng với một khía cạnh của một điểm dữ liệu riêng lẻ. Biểu đồ phân tán thường được sử dụng để quan sát mối tương quan giữa hai yếu tố khác nhau.

Chúng ta tiến hành phân tích theo các bước sau:

Bước 1: Trên thanh công cụ, chọn Graphs > Legacy Dialogs > Scatter/Dot…

Bước 2: Cửa sổ Scatter/Dot hiện lên, chọn Simple Scatter (ta cũng có thể chọn những chức năng vẽ khác). Sau đó nhấn Define

Bước 3: Sau khi nhấn Define. Cửa sổ Simple Scatter plot hiện lên. Ta đưa biến muốn vẽ trên trục hoành vào ô X Axis, biến muốn vẽ trên trục tung vào ô Y Axis và nhấn OK.

Bước 4: Sau đó nhấn OK ta có kết quả sau

6. Đưa ra kết luận sau khi chạy SPSS

Đây là bước cuối cùng. Ở đây, bạn đi đến kết luận của bạn dựa trên phân tích được thực hiện. Nếu bạn thực hiện nghiên cứu, mục tiêu cuối cùng là đi đến kết luận và sau đó là các đề xuất dựa trên những gì bạn đã tìm thấy trong cuộc khảo sát của mình.‎

‎SPSS cũng giúp dự đoán xu hướng trong tương lai, làm cho khối lượng công việc của nhà nghiên cứu thậm chí còn ít hơn.‎

‎Và, đây là một số hoạt động thống kê có thể hữu ích cho bạn biết. Các khóa học giảng dạy phần mềm SPSS cho sinh viên cũng dạy những điều sau đây để phân tích suôn sẻ. (những điều này rất quan trọng khi xử lý Bảng thống kê trong SPSS)‎

• Mean (giá trị trung bình): Tất cả các số được cộng lại với nhau và chia cho số lượng giá trị‎
• Median (‎Số trung vị)‎‎: Số ở giữa bản phân phối‎
• The Range (‎Phạm vi): Sự khác biệt giữa giá trị lớn nhất và giá trị thấp nhất trong bản phân phối‎

Trong quá trình xử lý số liệu SPSS, các bạn còn gặp những khó khăn, vướng mắc còn chưa giải quyết hay những thao tác xử lý chưa đúng chưa cho kết quả chính xác như mong đợi. Đừng ngần ngại hãy liên hệ Best4team để được nhận thuê chạy SPSS uy tín nhất, chất lượng cao, cam kết số liệu hoàn toàn mới, hoàn chỉnh. Hãy tham khảo ngay!

7. Ví dụ cách chạy SPSS cụ thể

Chúng ta xét ví dụ sau:

Có ý kiến cho rằng: “Tình trạng việc làm của những người lao động trong các hộ dân tái định cư trên địa bàn thành phố Đà Nẵng không chịu ảnh hưởng bởi yếu tố giới tính”. Với mức ý nghĩa 5% thì ý kiến trên có đáng tin cậy hay không? Đối với ví dụ trên thì hai cặp giả thuyết cần kiểm định là H0  và H1

• Giả thuyết H0: Trình trạng việc làm và giới tính của người lao động là không có mối liên hệ (độc lập nhau).
• Giả thuyết H1: Trình trạng việc làm và giới tính của người lao động có mối liên hệ với nhau. (phụ thuộc nhau)

Sau đây là quy trình 6 bước để thực hiện kiểm định chi-square trong spss.

Bước 1: Chọn  Analyze > Descriptive Statistics > Crosstabs trên thanh menu.

Bước 2: Chuyển một trong các biến vào ô Row(s) (các hàng). Sau đó chuyển các biến khác vào ô Column(s)( các cột).

Bước 3: Nhấp vào Statistics. Chọn Chi-square và Phi and Cramer’s V. Sau đó chọn Continue.

Bước 4: Bấm chọn Cells > Xuất hiện hộp thoại Crosstabs

Trong hộp thoại này chọn: Cell Display > Tích chọn Observed, Row, Column, Total và Round cell counts. Bấm chọn Continue.

Bước 5: Bấm vào nút Format > Tùy chọn Ascending (Tăng dần) hoặc Descending (Giảm dần)

Bước 6: Cuối cùng chọn Continue > Chọn OK để bắt đầu chạy kiểm định. Ta được kết quả như sau:

Như ví dụ trên, những trường hợp trả lời cả giới tính và tình trạng làm việc thì mới được tính là hợp lệ.

Bảng kiểm tra Chi-Square

Kết quả: Pearson Chi-Square Sig=0.002 <0.05 => Không có mối liên hệ giữa tình trạng việc làm  của người lao động trong hộ dân tái định cư và giới tính của họ. 

Làm cách nào để xử lý số liệu SPSS đạt kết quả cao? Đây là câu hỏi luôn được nhiều bạn sinh viên đang học các trường Đại Học, Cao Đẳng đặt ra khi làm báo cáo khoa học, luận văn cuối năm. Best4team sẽ giúp cho các bạn có đầy đủ kiến thức qua bài viết này. Hãy tham khảo!

Như vậy, bài viết trên đã hướng dẫn cách chạy SPSS Online toàn tập, đầy đủ từ A-Z, bao gồm 6 bước cũng như ví dụ cụ thể kèm hình ảnh minh họa để các bạn dễ nắm bắt được thông tin. Hy vọng sẽ giúp ích cho các bạn. Chúc các bạn đạt điểm cao!