Trước khi đi vào phần phân tích biến điều tiết moderator trên SMARTPLS 3, lưu ý rằng bài viết này sẽ sử dụng các thuật ngữ Tiếng Anh trong đánh giá mô hình PLS-SEM. Nếu bạn không hiểu các khái niệm bên dưới, vui lòng xem bài viết Mô hình cấu trúc và mô hình đo lường trong PLS-SEM.
1. Lý thuyết về biến điều tiết
Về cơ bản, biến điều tiết sẽ can thiệp vào mối quan hệ tác động từ biến độc lập lên biến phụ thuộc, làm cho sự tác động này mạnh hơn hoặc yếu hơn.
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 SMARTPLS 3. Bài viết này sẽ tập trung vào xử lý biến điều tiết định lượng liên tục trên SMARTPLS 3.
Mô hình lý thuyết biến điều tiết có thể được biểu diễn như ảnh bên dưới:
Để phân tích biến điều tiết trên SPSS, chúng ta sẽ sử dụng mô hình hồi quy biến điều tiết MMR (Saunders, 1956) như sau:
Mô hình này có 3 biến tác động vào biến phụ thuộc. Cách đánh giá biến điều tiết trên các phần mềm thống kê cũng sẽ dựa trên 3 mối tác động này:
- Tác động của biến độc lập X lên biến phụ thuộc Y
- Tác động của biến điều tiết W lên biến phụ thuộc Y
- Tác động của tích X*W lên biến phụ thuộc Y (còn gọi là Interaction)
Trích theo Baron & Kenny (1986) với cách đánh giá truyền thống, để một biến là biến điều tiết thì (1) biến này không có quan hệ với cả biến độc lập và biến phụ thuộc, cùng với đó (2) tích số X*W phải có sự tác động lên Y. Tuy nhiên theo hướng tiếp cận mới, điều kiện số (1) không nhất thiết phải xảy ra, chỉ cần điều kiện số (2) thỏa mãn thì có thể kết luận có mối tác động điều tiết.
Hiện các phần mềm phân tích dữ liệu như SPSS, AMOS vẫn chưa có chức năng xử lý biến điều tiết mà phải xử lý thủ công hoặc dùng macro phụ. Trong khi đó SMARTPLS đã tích hợp chức năng này vào phần mềm.
2. Phân tích điều tiết moderator trên SMARTPLS 3
Để trực quan hơn khi hướng dẫn, chúng ta sẽ đi qua một mô hình nghiên cứu có biến điều tiết như sau:
Có 3 construct trong mô hình gồm:
- Workload (Khối lượng công việc): Biến độc lập, được đo bằng 3 indicator.
- Stress (Áp lực trong công việc): Biến phụ thuộc, được đo bằng 3 indicator.
- Support (Sự hỗ trợ trong công việc): Biến điều tiết, được đo bằng 3 indicator.
Trước đó nhà nghiên cứu đã xác định được rằng Khối lượng công việc Workload có tác động thuận chiều đến Áp lực công việc Stress: khi lượng công việc tăng lên, người lao động càng bị áp lực. Tiếp đến, nhà nghiên cứu muốn đánh giá xem Sự hỗ trợ công việc đến từ đồng nghiệp, từ sếp có giúp làm giảm áp lực công việc hay không.
2.1 Vẽ biến điều tiết trong SMARTPLS 3
Biểu diễn các biến vào diagram SMARTPLS như sau. Nếu bạn chưa biết cách vẽ, vui lòng xem tại bài viết Cách sử dụng phần mềm SMARTPLS để phân tích PLS-SEM.
Lúc này biến Support chưa được gán chức năng là biến điều tiết, chúng ta cần làm bước tiếp theo. Nhấp phải chuột vào biến phụ thuộc Stress, chọn Add Moderating Effect…
Cửa sổ Moderating Effect xuất hiện. Tại ô Moderator Variable, chọn biến điều tiết, cụ thể ở đây là Support. Tại ô Independent Variable, chọn biến độc lập, cụ thể ở đây là biến Workload. Các mục còn lại từ số 3 đến số 5, nếu không có yêu cầu đặc biệt, chúng ta sẽ để toàn bộ mặc định của phần mềm.
Lúc này trên diagram sẽ xuất hiện một biến mới có tên là Moderating Effect 1 màu xanh. Đây là chính là biến Interaction X*W. Nhấp phải chuột vào biến này chọn Rename và đặt lại tên gọn hơn là INT (có thể đặt tên bất kỳ, thường sẽ đặt là INT hoặc Workload*Support). Như vậy, chúng ta đã hoàn thành việc khai báo biến điều tiết trong SMARTPLS 3.
2.2 Phân tích biến điều tiết moderator trên SMARTPLS 3
SMARTPLS sử dụng kỹ thuật Bootstrapping để đánh giá mối quan hệ điều tiết. Thực hiện phân tích bootstrap cho mô hình này với 1000 mẫu lặp lại, cách thức thực hiện vui lòng xem tại bài này. Sau khi phân tích xong, nhấp vào mục Path Coefficients.
Chúng ta sẽ đọc kết quả qua giá trị P Values và Original Sample (O) của các mối quan hệ. Tập trung chủ yếu vào mối quan hệ điều tiết:
- Nếu giá trị P Values mối tác động từ biến tương tác INT lên Stress nhỏ hơn 0.05 (độ tin cậy 95%), nghĩa là tồn tại mối quan hệ điều tiết của biến Support lên mối quan hệ từ Workload lên Stress. Ngược lại, nếu P Values lớn hơn 0.05, không có mối quan hệ điều tiết.
- Nếu hệ số hồi quy chuẩn hóa Original Sample (O) của mối tác động từ biến tương tác INT lên Stress mang dấu âm, nghĩa là khi biến điều tiết Support tăng thì biến độc lập Workload sẽ tác động yếu hơn lên biến phụ thuộc Stress. Ngược lại, nếu hệ số hồi quy chuẩn hóa mang dấu dương, khi biến điều tiết Support tăng sẽ làm biến độc lập Workload tác động mạnh hơn lên biến phụ thuộc Stress.
Cụ thể ở tình huống kết quả chạy ra trong ví dụ thực hành:
- P-value kiểm định t của mối quan hệ Workload tác động lên Stress bằng 0.000 < 0.05 cho thấy Workload có tác động đến Stress. Hệ số hồi quy Original Sample (O) = 1.065 > 0 cho thấy Workload tác động thuận chiều lên Stress, khối lượng công việc càng tăng thì áp lực công việc càng cao.
- P-value kiểm định t của mối quan hệ Support tác động lên Stress bằng 0.000 < 0.05 cho thấy Support có tác động đến Stress. Hệ số hồi quy Original Sample (O) = -1.119 < 0 cho thấy Support tác động ngược chiều lên Stress, hỗ trợ công việc càng tăng thì áp lực công việc càng giảm.
- P-value kiểm định t của mối quan hệ INT tác động lên Stress bằng 0.002 < 0.05 cho thấy INT (hay tích số Workload*Support) có tác động đến Stress. Như vậy, Support có vai trò điều tiết mối quan hệ từ Workload lên Stress. Hệ số hồi quy Original Sample (O) = -0.142 < 0 cho thấy Support càng tăng sẽ càng làm giảm sự tác động từ Workload lên Stress.
Từ kết quả phân tích biến điều tiết, chúng ta liên kết với hàm ý quản trị của sự điều tiết này như sau. Khi lượng công việc tăng, áp lực công việc của nhân viên vì đó mà cũng tăng theo. Nhưng khi có sự hỗ trợ từ đồng nghiệp, từ sếp áp lực này có xu hướng giảm bớt đi. Do đó, nếu tăng lượng công việc cho nhân viên lên, nhà quản lý cũng đồng thời nên trực tiếp hỗ trợ và kêu gọi sự hỗ trợ lẫn nhau giữa các nhân viên cấp dưới để giảm bớt áp lực cho nhân viên.
Nếu bạn gặp những vấn đề trong phân tích SMARTPLS, bạn có thể tham khảo dịch vụ SMARTPLS của Xử Lý Định Lượng ở đây hoặc liên hệ trực tiếp email xulydinhluong@gmail.com.
