Cách xử lý biến trung gian mediator trong AMOS

1. Biến trung gian (mediator) và tác động gián tiếp (indirect effects)

Biến trung gian (mediator) là một biến nằm giữa mối quan hệ giữa biến độc lập và biến phụ thuộc, có vai trò giải thích cách thức hoặc cơ chế mà biến độc lập ảnh hưởng đến biến phụ thuộc. Nói cách khác, biến trung gian là “cầu nối” giúp ta hiểu rõ tại sao và bằng cách nào X có thể tác động đến Y.

Tác động gián tiếp (indirect effect) là phần ảnh hưởng của biến độc lập lên biến phụ thuộc thông qua biến trung gian. Hiệu ứng này được tính bằng tích của hai đường: từ biến độc lập đến biến trung gian (X → M) và từ biến trung gian đến biến phụ thuộc (M → Y). Khi tác động gián tiếp có ý nghĩa thống kê, ta kết luận rằng biến trung gian có vai trò quan trọng trong mối quan hệ giữa X và Y. Nếu sau khi đưa biến trung gian vào mô hình, tác động trực tiếp của X lên Y không còn ý nghĩa, mô hình được xem là trung gian toàn phần; ngược lại, nếu vẫn còn ý nghĩa nhưng yếu hơn, đó là trung gian một phần.

Phân tích biến trung gian và tác động gián tiếp giúp nhà nghiên cứu hiểu rõ hơn cơ chế ảnh hưởng giữa các biến trong mô hình, từ đó đưa ra những hàm ý lý thuyết và quản trị sâu sắc hơn thay vì chỉ dừng lại ở mối quan hệ trực tiếp.

Trong mô hình quan hệ trung gian đơn giản bên dưới, X là biến độc lập, Y là phụ thuộc và M là biến trung gian.

Trong mô hình biến trung gian, có hai mối tác động từ X lên Y là trực tiếp (direct) và gián tiếp (indirect). Đường trực tiếp là X → Y, và đường gián tiếp là X → M → Y.

Trong đó:

• B1: Tác động trực tiếp direct effect từ X lên Y
• B2*B3: Tác động gián tiếp indirect effect từ X lên Y

Một biến trung gian M có thể đóng vai trò giải thích cho tác động của nhiều biến độc lập (X1, X2, X3…) tới một biến phụ thuộc Y. Nhiều biến trung gian (M1, M2, M3…) có thể đóng vai trò giải thích cho tác động của một biến độc lập X lên một biến phụ thuộc Y.

• X → M → Y (một biến trung gian – simple mediation)
• X → M1 → M2 → Y (chuỗi biến trung gian – serial mediation)
• X → M1 → Y, X → M2 → Y (biến trung gian song song – parellel mediation)

Ví dụ: Khi nghiên cứu tác động của Sự hài lòng khách hàng (X) lên Lòng trung thành (Y), ta có thể thêm biến trung gian Niềm tin thương hiệu (M). Khi đó:

• X ảnh hưởng đến M (sự hài lòng làm tăng niềm tin).
• M ảnh hưởng đến Y (niềm tin làm tăng lòng trung thành).
• X cũng có thể ảnh hưởng trực tiếp đến Y (đường X → Y).

2. Tác động tổng hợp Total Effects và dấu hệ số tác động gián tiếp

Trong mô hình có biến trung gian, các hệ số tác động giữa các biến được thể hiện như sau:

• X → Y: hệ số tác động (hệ số hồi quy) là B1

• X → M: hệ số tác động là B2

• M → Y: hệ số tác động là B3

• X → M → Y: hệ số tác động gián tiếp được tính bằng B2 × B3

Tác động gián tiếp mang dấu dương khi cả hai hệ số B2 và B3 cùng dương (+) hoặc cùng âm (−), thể hiện rằng hướng tác động giữa các biến là đồng nhất. Ngược lại, tác động gián tiếp sẽ mang dấu âm nếu một trong hai hệ số (B2 hoặc B3) âm, tức là một mối quan hệ thuận và một mối quan hệ nghịch.

Như vậy, từ biến X đến biến Y tồn tại hai loại ảnh hưởng: tác động trực tiếp và tác động gián tiếp. Để phản ánh tổng thể mức độ ảnh hưởng của X lên Y, người ta sử dụng tác động tổng hợp (Total Effect), được tính theo công thức:

Total Effects = Direct Effect + Indirect Effect = B₁+ B₂*B₃.

3. Tác động gián tiếp tổng hợp: Total Indirect Effect

VIDEO HƯỚNG DẪN

Sau đây, chúng ta sẽ tiến hành đánh giá mối quan hệ trung gian trong mô hình cấu trúc tuyến tính (SEM) bằng phần mềm AMOS, thông qua một ví dụ minh họa cụ thể.

Mô hình được xem xét bao gồm năm cấu trúc tiềm ẩn: Quảng cáo (QC), Nhận biết thương hiệu (NB), Quan hệ công chúng (QH) và Trung thành thương hiệu (TT). Trong đó, hai biến NB và QH đóng vai trò biến trung gian, làm cầu nối trong mối quan hệ tác động từ QC đến TT.

Để thực hành, chúng ta sẽ sử dụng một tập dữ liệu mẫu nhằm kiểm định và đánh giá hai mối quan hệ trung gian nói trên. Tại giao diện làm việc của AMOS, người dùng chọn biểu tượng Analysis Properties để tiến hành thiết lập các thông số cần thiết cho quá trình phân tích.

Tại thẻ Output, người dùng đánh dấu chọn các tùy chọn như minh họa trong hình. Trong đó, mục Indirect, Direct & Total Effects được sử dụng để hiển thị và phân tích các tác động trực tiếp, gián tiếp và tổng hợp trong mô hình SEM.

Tiếp theo, chuyển sang thẻ Bootstrap và tích chọn các tùy chọn cần thiết, đồng thời nhập thông số theo hướng dẫn trong hình. Mục Perform bootstrap quy định số lần lặp bootstrap, thông thường được thiết lập là 1.000 lần để đảm bảo độ tin cậy của phép kiểm định. Ở phần Bias-corrected confidence intervals, nhập 95% — đây là mức độ tin cậy được sử dụng phổ biến khi đánh giá kết quả bootstrap trong AMOS.

Sau đã tích chọn xong xuôi, thoát bảng Analysis Properties và thực hiện phân tích SEM. Sau khi phân tích sau xong chúng ta xem Output và đọc kết quả.

Trước tiên, chúng ta cần kiểm tra xem có tồn tại mối quan hệ gián tiếp từ QC đến TT hay không. Đối với bất kỳ mối quan hệ tác động nào trong mô hình, cần đặc biệt chú ý đến hai chỉ số quan trọng sau:

Tại cửa sổ Output, chúng ta vào Estimates > Matrices > Standardized Indirect Effects (Mục 1). Ở mục bootstrap bên dưới, vào Bias-corrected percentile method > Two Tailed Significance (BC) (Mục 2).

• Mục số 1: Dùng để làm việc với các hệ số tác động gián tiếp đã được chuẩn hóa. Phía trên mục này là các tùy chọn hiển thị hệ số tác động trực tiếp, gián tiếp chưa chuẩn hóa và tác động tổng hợp.

• Mục số 2: Hiển thị giá trị sig (p-value) tương ứng với loại chỉ số được chọn ở Mục 1. Ví dụ: nếu ở Mục 1 bạn chọn Standardized Indirect Effects, thì Mục 2 sẽ hiển thị sig của các tác động gián tiếp chuẩn hóa; nếu chọn Standardized Direct Effects, thì Mục 2 sẽ hiển thị sig của các tác động trực tiếp chuẩn hóa.

Sau khi đã chọn Mục 1 và Mục 2, phần Mục số 3 ở bên phải sẽ hiển thị giá trị sig của Standardized Indirect Effects cho tất cả các mối quan hệ gián tiếp trong mô hình SEM. Ở bảng này, hàng ngang biểu diễn biến độc lập (X), còn cột dọc biểu diễn biến phụ thuộc (Y), tạo thành một ma trận mối quan hệ.

Trong ví dụ này, chúng ta chỉ cần quan tâm đến mối quan hệ gián tiếp từ QC đến TT. Kết quả cho thấy giá trị sig = 0.002 < 0.05 (mức ý nghĩa 5%), điều này chứng tỏ có tồn tại mối quan hệ gián tiếp từ QC đến TT, tức là biến trung gian đã có tác động đáng kể. Ngược lại, nếu giá trị sig lớn hơn 0.05, ta kết luận không có mối quan hệ trung gian giữa QC và TT.

Sau khi xác định mối quan hệ này có ý nghĩa, bước tiếp theo là xem xét hệ số tác động gián tiếp chuẩn hóa. Lúc này, tại Mục số 2, bạn chọn mục Estimates để hiển thị giá trị hệ số chuẩn hóa tương ứng.

Đọc kết quả tương tự như giá trị sig, chúng ta hệ số tác động gián tiếp chuẩn hóa của QC lên TT là 0.421.

4. Tác động gián tiếp riêng biệt: Specific Indirect Effect

Trong ví dụ trên, có thể thấy hai biến trung gian cùng tham gia vào mối quan hệ tác động từ QC lên TT, đó là NB và QH. Tuy nhiên, khi phân tích ở mục số 1 (tác động gián tiếp tổng hợp – Total Indirect Effect), AMOS chỉ cung cấp mức độ tác động gián tiếp tổng cộng từ QC đến TT. Nghĩa là, kết quả này gộp chung toàn bộ các đường tác động trung gian lại với nhau, nên chúng ta không thể biết được tác động gián tiếp thông qua NB hay thông qua QH cái nào mạnh hơn và liệu cả hai biến NB và QH đều đóng vai trò trung gian, hay chỉ một trong hai biến thực sự là biến trung gian trong mối quan hệ từ QC đến TT.

Chúng ta sẽ cần thực hiện phân tích tác động gián tiếp riêng biệt (specific indirect effect) để đánh giá từng mối quan hệ riêng lẻ. Chức năng này không có sẵn trong AMOS mà chúng ta sẽ dùng plugin phụ kèm với estimand trên AMOS 24. Lưu ý rằng, phần mềm AMOS 24 không tích hợp sẵn plugin, nên sau khi bạn cài phần mềm xong, bạn sẽ cần cài thêm plugin. Bạn tải phần mềm và bộ plugin tại bài viết này.

Bước 1: Khai báo estimand trung gian cho mô hình SEM

Để có thể sử dụng plugin Indirect Effects, trước hết chúng ta cần khai báo tập estimand cho mô hình. Bạn có thể tải file estimand tại đây.

Sau khi tải về, hãy giải nén file, bên trong sẽ có một tệp có tên là SpecificIndirectEffects_Path.AmosEstimandVB.vb. Lưu tệp này ở Desktop hoặc bất kỳ thư mục nào bạn dễ nhớ, vì chúng ta sẽ sử dụng nó ở bước kế tiếp.

Tiếp theo, mở mô hình SEM (lưu ý: phải là mô hình SEM, không phải CFA) trong phần mềm AMOS 24. Ở góc dưới bên trái của giao diện AMOS, bạn sẽ thấy dòng chữ “Not estimating any user-defined estimand”.
Hãy nhấp chuột trái hoặc phải vào dòng này, sau đó chọn “Select estimands” để tiến hành khai báo estimand cho mô hình.

Tìm đến thư mục có chứa file SpecificIndirectEffects_Path.AmosEstimandVB.vb khi nãy, cụ thể trong trường hợp bên dưới file này chứa trong thư mục Specific Indirect Effects ở đường dẫn như mục 1. Tại mục số 2, nhấp vào và chọn dòng số 2 hoặc dòng số 3 đều được.

Lúc này, trong cửa sổ sẽ xuất hiện file SpecificIndirectEffects_Path.AmosEstimandVB.vb. Chúng ta nhấp chọn file và chọn Open.

Quay lại giao diện SEM trên AMOS, chúng ta vào Plugins > Indirect Effects để thực hiện phân tích quan hệ gián tiếp riêng biệt.

Phần mềm sẽ mở ra một file .html trên trình duyệt mặc định của máy (có thể là Chrome, Internet Explorer, Firefox, MS Edge…) với nội dung bên trong như ảnh bên dưới.

Bảng kết quả này liệt kê toàn bộ các mối quan hệ trung gian xuất hiện trong mô hình, bao gồm cả giữa các biến quan sát và các biến tiềm ẩn. Tuy nhiên, trong phân tích SEM, chúng ta thường chỉ tập trung vào các mối quan hệ giữa các biến tiềm ẩn. Trong ví dụ này, hai hàng được bôi vàng thể hiện hai mối quan hệ gián tiếp riêng biệt thông qua hai biến trung gian là NB và QH:

• NB đóng vai trò trung gian trong mối quan hệ từ QC → TT, với p-value = 0.001 < 0.05 và hệ số tác động chuẩn hóa = 0.276.
• QH cũng là biến trung gian giữa QC → TT, với p-value = 0.001 < 0.05 và hệ số tác động chuẩn hóa = 0.144.

Khi cộng hai hệ số chuẩn hóa này lại, ta được tổng tác động gián tiếp từ QC lên TT là: 0.276 + 0.144 = 0.420. Giá trị này xấp xỉ với 0.421 – hệ số tác động gián tiếp chuẩn hóa được hiển thị trong phần Total Indirect Effects. Hệ số Total Indirect Effect chính là tổng của các hệ số Specific Indirect Effects; sự chênh lệch nhỏ có thể xuất hiện do làm tròn số thập phân.

Tóm lại: Khi trong mô hình có nhiều hơn một biến trung gian ảnh hưởng từ một biến độc lập đến biến phụ thuộc, cần phân tích đồng thời cả hai chỉ số — Total Indirect Effect (đánh giá tổng thể) và Specific Indirect Effect (đánh giá chi tiết từng đường tác động) — để hiểu rõ mức độ và vai trò riêng của từng biến trung gian.