Theo Baron & Kenny (1986), biến điều tiết (Moderator) là biến làm thay đổi hướng hoặc cường độ của mối quan hệ giữa biến độc lập (X) và biến phụ thuộc (Y). Nói cách khác, tác động X → Y phụ thuộc vào mức độ của W.
1. Biến điều tiết (Moderator) là gì?
Baron & Kenny (1986) cho rằng: Một biến được gọi là biến điều tiết khi nó ảnh hưởng đến mối quan hệ giữa biến độc lập và biến phụ thuộc, chứ không trực tiếp gây ra kết quả. Khác với biến trung gian (Mediator), biến điều tiết không giải thích “vì sao”, mà giải thích “khi nào” hoặc “trong điều kiện nào” mối quan hệ xảy ra mạnh hay yếu.
Mô hình điều tiết cơ bản được biểu diễn như ảnh bên dưới:
Trong đó:
- X: biến độc lập
- Y: biến phụ thuộc
- W: biến điều tiết
Để xử ý biến điều tiết trên SPSS, chúng ta sẽ sử dụng mô hình hồi quy biến điều tiết MMR (Saunders, 1956). Biến điều tiết được kiểm định thông qua tương tác (interaction) giữa X và W trong mô hình hồi quy: Y = β0 + β1X + β2W + β3(X×W) + ε.
Các quan hệ tác động tồn tại trong mô hình điều tiết:
- Tác động của biến độc lập X lên biến phụ thuộc Y (β1)
- Tác động của biến điều tiết W lên biến phụ thuộc Y (β2)
- Tác động của tích X*W lên biến phụ thuộc Y (β3).
Biến điều tiết có thể là định tính (biến phân loại) hoặc biến định lượng (biến liên tục). Với biến điều tiết là biến định tính, chúng ta có thể sử dụng tới kỹ thuật phân tích cấu trúc đa nhóm trên AMOS. Bài viết này sẽ tập trung vào xử lý biến điều tiết định lượng liên tục trên SPSS.
2. Mối quan hệ giữa tác động điều tiết với tác động trực tiếp
| Hệ số a tác động từ X lên Y | Hệ số c tác động tương tác (X*W) | Giải thích kết quả |
|---|---|---|
| Dương (+) | Dương (+) | Biến điều tiết làm mạnh hơn mối quan hệ tích cực giữa biến độc lập và biến phụ thuộc (Điều tiết tích cực) |
| Dương (+) | Âm (-) | Biến điều tiết làm yếu đi mới quan hệ tích cực giữa biến độc lập và biến phụ thuộc (Điều tiết tiêu cực) |
| Âm (-) | Dương (+) | Biến điều tiết làm yếu đi mối quan hệ tiêu cực giữa biến độc lập và biến phụ thuộc (Điều tiết tích cực) |
| Âm (-) | Âm (-) | Biến điều tiết làm mạnh hơn mối quan hệ tiêu cực giữa biến độc lập và biến phụ thuộc (Điều tiết tiêu cực) |
3. Xử lý biến điều tiết moderator trên SPSS qua Macro PROCESS
Macro PROCESS do Andrew F. Hayes phát triển là công cụ chuẩn mực hiện nay để phân tích biến điều tiết (moderation) trên SPSS, kế thừa logic cổ điển của Baron & Kenny nhưng mở rộng bằng bootstrap và các kỹ thuật diễn giải hiện đại. Model PROCESS dùng cho xử lý biến điều tiết là Model 1.
PROCESS không có sẵn trong SPSS, bạn sẽ cần tải và cài đặt vào Extension của SPSS theo hướng dẫn ở bài này.
3.1 Chuẩn bị biến để đưa vào macro PROCESS
Giả sử nghiên cứu sử dụng một tập dữ liệu có cấu trúc biến như sau:
-
Biến độc lập (X): Ý định mua hàng, được đo lường bằng các biến quan sát X1, X2, X3.
-
Biến phụ thuộc (Y): Quyết định mua hàng, được đo lường bằng các biến quan sát Y1, Y2, Y3.
-
Biến điều tiết (W): Khuyến mãi giảm giá, được đo lường bằng các biến quan sát W1, W2, W3.
Trước khi tiến hành phân tích mô hình điều tiết bằng macro PROCESS, bắt buộc phải tính giá trị trung bình của các biến quan sát tương ứng để tạo ra ba biến tổng hợp X, Y và W. Các biến tổng hợp này sẽ được sử dụng trực tiếp trong mô hình hồi quy kiểm định vai trò điều tiết.
Xét về ý nghĩa quản trị, nhiều nghiên cứu trước đây đã chỉ ra rằng khối lượng công việc có tác động thuận chiều đến áp lực công việc; tức là khi khối lượng công việc tăng lên thì mức độ áp lực mà nhân viên phải chịu cũng gia tăng. Trên cơ sở đó, nghiên cứu này mở rộng mô hình bằng cách đưa thêm biến điều tiết là sự hỗ trợ trong công việc, nhằm kiểm tra liệu mức độ hỗ trợ từ cấp trên và đồng nghiệp có làm thay đổi cường độ tác động của khối lượng công việc lên áp lực công việc hay không.
Trong trường hợp bạn gặp khó khăn khi xử lý dữ liệu trên SPSS liên quan đến biến điều tiết có thể tham khảo dịch vụ hỗ trợ SPSS của Xử Lý Định Lượng để tiết kiệm thời gian và đảm bảo kết quả phân tích phù hợp với yêu cầu nghiên cứu nhé.
3.2 Phân tích moderator bằng PROCESS model 1 trên SPSS
Thực hiện xử lý biến điều tiết moderator trên SPSS, vào Analyze > Regression > PROCESS v4.2 by Andrew F. Hayes.
Khi cửa sổ PROCESS xuất hiện, bạn thực hiện các bước sau:
-
Mục (1): Chọn PROCESS Model 1, đây là mô hình dùng để xử lý biến điều tiết.
-
Mục (2): Khai báo các biến trong mô hình, trong đó:
-
Đưa biến phụ thuộc vào ô Y Variable,
-
Đưa biến độc lập vào ô X Variable,
-
Đưa biến điều tiết vào ô Moderator (W).
-
Sau khi hoàn tất việc khai báo các biến, tiếp tục nhấp vào mục Options (mục 4) để thiết lập các tùy chọn phân tích cần thiết.
Trong cửa sổ Options, bạn thiết lập các mục (1), (2), (3) và (4) theo đúng như minh họa trong hình. Sau khi hoàn tất, nhấp Continue để quay lại cửa sổ PROCESS ban đầu, rồi tiếp tục nhấp OK để chạy phân tích và xuất kết quả ra Output của SPSS.
3.3 Đọc kết quả phân tích điều tiết trên SPSS
Macro PROCESS sẽ xuất ra kết quả mô hình hồi quy với sự tham gia của ba biến giải thích, bao gồm X, W và biến tương tác X×W (được ký hiệu là Int_1). Để kết luận mối quan hệ điều tiết có ý nghĩa hay không, bạn chỉ cần tập trung vào biến Int_1.
-
Nếu Int_1 có p-value < 0.05 → mối quan hệ điều tiết có ý nghĩa thống kê, hay nói cách khác, biến W có vai trò điều tiết tác động từ X lên Y.
-
Nếu Int_1 có p-value ≥ 0.05 → mối quan hệ điều tiết không có ý nghĩa, tức là biến W không có vai trò điều tiết tác động từ X lên Y.
Do cơ chế bootstrapping của PROCESS, mỗi lần chạy phân tích sẽ lấy mẫu khác nhau, vì vậy trong một số trường hợp có thể xuất hiện sai khác nhỏ ở các chữ số thập phân thứ hai hoặc thứ ba, tuy nhiên điều này không làm thay đổi bản chất kết luận nghiên cứu.
→ Trong ví dụ minh họa, biến Int_1 có p-value kiểm định t bằng 0.000 < 0.05, cho thấy biến W đóng vai trò điều tiết trong mối quan hệ giữa X và Y. Hệ số điều tiết mang giá trị 0.625 > 0, hàm ý rằng khi W tăng lên thì tác động của X lên Y trở nên mạnh hơn.
Khi trình bày trong bài nghiên cứu, bạn cần liên kết kết quả thống kê với ý nghĩa thực tiễn của các biến để đưa ra nhận xét phù hợp. Cụ thể trong trường hợp này, biến Khuyến mãi giảm giá có tác động điều tiết dương lên mối quan hệ giữa Ý định mua hàng và Quyết định mua hàng. Điều này có nghĩa là khi mức độ khuyến mãi giảm giá gia tăng, tác động của ý định mua hàng lên quyết định mua hàng cũng được khuếch đại mạnh hơn.
Kết luận
Bài viết đã trình bày một cách hệ thống và dễ áp dụng quy trình phân tích biến điều tiết bằng macro PROCESS trên SPSS, từ khâu chuẩn bị dữ liệu, thiết lập mô hình đến cách đọc và diễn giải kết quả. Thông qua việc tập trung vào hệ số tương tác (Int_1), bài viết giúp bạn hiểu rõ khi nào biến điều tiết thực sự phát huy vai trò và cách liên kết kết quả thống kê với ý nghĩa thực tiễn nghiên cứu. Qua đó, Xử Lý Định Lượng kỳ vọng hỗ trợ bạn thực hiện các phân tích điều tiết một cách chính xác, nhất quán và phù hợp với chuẩn mực nghiên cứu định lượng hiện nay.
