1. Lý thuyết về mối tác động trung gian
Biến xen giữa vào mối quan hệ nhân – quả từ độc lập lên phụ thuộc gọi là biến trung gian (mediator hoặc mediating variable). Xử lý biến trung gian nghĩa là chúng ta sẽ đi đánh giá biến trung gian đó có thực sự can thiệp vào mối quan hệ của độc lập – phụ thuộc hay không, nếu có thì sự can thiệp đó thế nào.
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.
Biểu diễn dưới hình thức khác:
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: Chất lượng dịch vụ tác động lên Sự hài lòng khách hàng, Sự hài lòng khách hàng tác động lên Ý định quay lại. Lúc này, Sự hài lòng là yếu tố trung gian trong mối quan hệ từ Chất lượng dịch vụ đến Ý định quay lại.
2. Trung gian một phần và trung gian toàn phần
Câu hỏi làm thế nào để kiểm định tác động trung gian đã thu hút sự quan tâm trong lĩnh vực phương pháp nghiên cứu suốt nhiều thập kỷ trước đây. Ba thập kỷ trước, Baron & Kenny (1986) đã trình bày hướng phân tích trung gian, cách mà nhiều nhà nghiên cứu vẫn thường nêu ra. Tuy nhiên, nhiều nghiên cứu gần đây đã chỉ ra các vấn đề về khái niệm và phương pháp với cách thức tiếp cận của Baron và Kenny (1986). Chống lại nền tảng này, những người đưa ra sự tổng hợp các nghiên cứu trước về phân tích trung gian và những chỉ dẫn tương ứng cho nghiên cứu trong tương lai. Các tác giả đã mô tả 2 dạng tác động không qua trung gian:
- Trực tiếp không qua trung gian (Direct-only nonmediation): Tác động trực tiếp có ý nghĩa thống kê mà không có tác động gián tiếp.
- Không tác động không qua trung gian (No-effect nonmediation): Không có cả tác động trực tiếp và gián tiếp có ý nghĩa.
Ngoài ra, họ xác định 3 dạng tác động trung gian:
- Trung gian bổ sung (Complementary mediation): Tác động gián tiếp và trực tiếp đều có ý nghĩa và cùng hướng.
- Trung gian cạnh tranh (Competitive mediation): Tác động gián tiếp và trực tiếp đều có ý nghĩa và ngược hướng.
- Trung gian gián tiếp (Indirect-only mediation): Tác động gián tiếp có ý nghĩa nhưng không có tác động trực tiếp.
Hai dạng tác động trung gian đầu được gộp chung thành trung gian một phần (partial mediation), tác động trung gian thứ ba gọi là trung gian toàn phần (full mediation) theo Baron và Kenny (1986).
- Trung gian một phần xảy ra khi tác động gián tiếp (indirect effect) có ý nghĩa và tác động trực tiếp (direct effect) cũng có ý nghĩa. Nghĩa là tích số B2*B3 có ý nghĩa và B1 cũng có ý nghĩa.
- Trung gian toàn phần xảy ra khi tác động gián tiếp có ý nghĩa nhưng tác động trực tiếp hoàn toàn không có ý nghĩa. Nghĩa là tích số B2*B3 có ý nghĩa nhưng B1 không có ý nghĩa.
3. Kiểm định tác động trung gian
Trước đây, kiểm định ý nghĩa của các tác động trung gian dựa trên phương pháp của Sobel (1982). Kiểm định Sobel so sánh mối quan hệ trực tiếp giữa biến độc lập và biến phụ thuộc với mối quan hệ gián tiếp giữa biến độc lập và biến phụ thuộc bao gồm biến trung gian.
Tuy nhiên, kiểm định Sobel không giả định một phân phối chuẩn. Hơn nữa, các giả định tham số của kiểm định Sobel thường không chứa tác động gián tiếp B2*B3, bởi vì việc nhân hai hệ số phân phối chuẩn dẫn đến sự phân bố không chuẩn của kết quả của chúng. Ngoài ra, kiểm định Sobel đòi hỏi hệ số đường dẫn không được chuẩn hóa như là đầu vào cho thống kê kiểm định và thiếu độ nhạy thống kê, đặc biệt là khi áp dụng cho các kích cỡ mẫu nhỏ. Vì những lý do này, các nghiên cứu hiện nay có xu hướng loại bỏ kiểm định Sobel để đánh giá phân tích biến trung gian.
Thay vì sử dụng kiểm định Sobel, các nhà nghiên cứu nên dùng kỹ thuật bootstrapping để đánh giá mối tác động gián tiếp. Cách tiếp cận này cũng đã được đưa ra trong một bối cảnh hồi quy và đã được thực hiện trong Hayes SPSS-based PRO-CESS macro cho SPSS. Bootstrapping không có giả định phân phối của dữ liệu và nó có thể được áp dụng cho các mẫu nhỏ với độ tin cậy nhiều hơn. Ngoài ra, hiệu suất tác động gián tiếp qua bootstrapping có độ nhạy thống kê cao hơn so với kiểm định Sobel (Hair và cộng sự, A Primer on Partial Least Squares Structural Equation Modeling, 2021). Hai phần mềm xử lý SEM phổ biến hiện nay AMOS và SMARTPLS cũng đều đã tích hợp đánh giá biến trung gian bằng kỹ thuật bootstrapping. Xem 3 bài hướng dẫn phân tích biến trung gian trên 3 phần mềm SPSS, AMOS, SMARTPLS tại:
Xử lý biến trung gian mediator bằng macro PROCESS trong SPSS
