Xử lý trung gian có điều tiết (moderated mediation) bằng macro PROCESS

Trong nghiên cứu khoa học xã hội và quản trị, mối quan tâm của các học giả không chỉ dừng lại ở việc xác định liệu một biến có ảnh hưởng đến biến khác hay không, mà còn mở rộng sang hai vấn đề cốt lõi hơn: cơ chế nào tạo ra mối quan hệ đó và những điều kiện nào khiến mức độ tác động trở nên mạnh hơn hoặc suy yếu.

Mô hình trung gian (mediation) được sử dụng để làm rõ cơ chế tác động giữa biến độc lập và biến phụ thuộc, trong khi mô hình điều tiết (moderation) giúp nhận diện các yếu tố bối cảnh có khả năng làm thay đổi cường độ của mối quan hệ này. Tuy nhiên, trong nhiều tình huống thực tiễn, cơ chế tác động không mang tính cố định mà có thể biến thiên theo từng điều kiện hoặc đặc điểm của đối tượng nghiên cứu. Chính vì vậy, mô hình moderated mediation được phát triển như một cách tiếp cận tích hợp, cho phép xem xét đồng thời cả cơ chế tác động và vai trò điều tiết, qua đó mang lại cái nhìn toàn diện và sâu sắc hơn về các mối quan hệ nghiên cứu.

1. Mô hình moderated mediation là gì?

Moderated mediation (trung gian có điều tiết) là mô hình nghiên cứu kết hợp đồng thời cơ chế trung gian (mediation) và vai trò điều tiết (moderation), nhằm trả lời câu hỏi cốt lõi: tác động gián tiếp của biến độc lập X lên biến phụ thuộc Y thông qua biến trung gian M có thay đổi theo mức độ của một biến điều tiết W hay không?

Trong đó, mô hình trung gian (mediation) tập trung giải thích cơ chế tác động, với mối quan hệ X → M → Y, cho thấy X ảnh hưởng đến Y thông qua M. Ngược lại, mô hình điều tiết (moderation) nhấn mạnh điều kiện tác động, khi cường độ hoặc chiều hướng của mối quan hệ thay đổi theo các mức khác nhau của biến W. Khi kết hợp hai cách tiếp cận này, moderated mediation cho phép xem xét liệu tác động gián tiếp X → M → Y có khác biệt đáng kể khi W thay đổi hay không.

Chẳng hạn, trong một nghiên cứu về hành vi người tiêu dùng, giả sử X là chất lượng dịch vụ, M là sự hài lòng của khách hàng, Y là ý định mua lại và W là thu nhập. Kết quả phân tích cho thấy chất lượng dịch vụ làm gia tăng sự hài lòng, đồng thời sự hài lòng có tác động tích cực đến ý định mua lại. Tuy nhiên, tác động gián tiếp này lại mạnh hơn đối với nhóm khách hàng có thu nhập cao so với nhóm thu nhập thấp. Trong trường hợp này, thu nhập đóng vai trò là biến điều tiết của quá trình trung gian, và mô hình nghiên cứu được xác định là mô hình moderated mediation.

Để kiểm định loại mô hình này, Macro PROCESS do Andrew Hayes phát triển trên SPSS được xem là một công cụ phân tích hiệu quả và dễ sử dụng. Công cụ này đã được áp dụng rộng rãi trong các nghiên cứu khoa học xã hội và quản trị, với tần suất trích dẫn cao trong nhiều công bố quốc tế.

2. Các model moderated mediation trong PROCESS

Trong các phiên bản PROCESS v3 và v4 do Andrew Hayes phát triển, một số mô hình moderated mediation được sử dụng phổ biến nhằm kiểm định tác động gián tiếp có điều kiện, bao gồm các mô hình 7, 8, 14, 15, 58 và 59. Mỗi mô hình phản ánh một cấu trúc điều tiết khác nhau trong quá trình trung gian.

2.1 PROCESS moderated mediation Model 7

Ở mô hình này, biến điều tiết W tác động đến mối quan hệ giữa X và M (đường a), trong khi mối quan hệ từ M đến Y (đường b) không chịu sự điều tiết. Do đó, ảnh hưởng của X lên M thay đổi theo các mức khác nhau của W, kéo theo tác động gián tiếp X → M → Y cũng trở thành một hiệu ứng có điều kiện.

Ví dụ: Ảnh hưởng của chiến dịch quảng cáo (X) đến thái độ thương hiệu (M) phụ thuộc vào mức độ gắn bó thương hiệu trước đó (W); sau đó, thái độ thương hiệu tiếp tục tác động đến ý định mua (Y).

2.2 PROCESS moderated mediation Model 8

Model 8 mở rộng từ Model 7 khi biến điều tiết W không chỉ điều tiết mối quan hệ X → M (đường a), mà còn có tác động trực tiếp đến biến phụ thuộc Y. Vì vậy, W vừa làm thay đổi tác động gián tiếp của X lên Y thông qua M, vừa ảnh hưởng trực tiếp đến kết quả Y.

Ví dụ: Gắn bó thương hiệu (W) vừa điều tiết ảnh hưởng của quảng cáo (X) lên thái độ thương hiệu (M), vừa tác động trực tiếp đến ý định mua (Y).

2.3 PROCESS moderated mediation Model 14

Trong mô hình này, biến điều tiết W tác động đến mối quan hệ giữa M và Y (đường b), trong khi mối quan hệ X → M (đường a) không bị điều tiết. Khi đó, ảnh hưởng của M lên Y thay đổi theo W, khiến tác động gián tiếp X → M → Y trở thành một hiệu ứng phụ thuộc điều kiện.

Ví dụ: Thái độ đối với xe điện (M) có tác động mạnh hơn đến ý định mua (Y) khi mức độ am hiểu công nghệ (W) ở mức cao.

2.4 PROCESS moderated mediation Model 15

Model 15 cho phép biến điều tiết W đồng thời tác động đến cả hai mối quan hệ X → M (đường a) và M → Y (đường b). Do đó, tác động gián tiếp của X lên Y thông qua M thay đổi theo W ở cả hai giai đoạn của quá trình trung gian.

Ví dụ: Trình độ học vấn (W) không chỉ ảnh hưởng đến cách chương trình đào tạo (X) hình thành kiến thức (M), mà còn tác động đến việc kiến thức (M) được chuyển hóa thành hiệu suất làm việc (Y).

2.5 PROCESS moderated mediation Model 58

Trong mô hình này, biến điều tiết W điều tiết đồng thời hai mối quan hệ X → M và M → Y, nhưng không có tác động trực tiếp từ W đến Y. Vì vậy, hiệu ứng gián tiếp X → M → Y thay đổi theo W ở cả hai chặng của quá trình trung gian, trong khi W chỉ giữ vai trò điều tiết thuần túy.

Ví dụ: Trình độ học vấn (W) vừa điều tiết mối quan hệ giữa đào tạo (X) và kiến thức (M), vừa điều tiết mối quan hệ giữa kiến thức (M) và hiệu suất làm việc (Y).

2.6 PROCESS moderated mediation Model 59

Model 59 là phiên bản mở rộng của Model 58, trong đó biến điều tiết W không chỉ điều tiết đồng thời hai mối quan hệ X → M và M → Y, mà còn có tác động trực tiếp đến biến phụ thuộc Y. Như vậy, W tham gia vào toàn bộ cấu trúc tác động của mô hình, vừa làm thay đổi hiệu ứng gián tiếp X → M → Y, vừa ảnh hưởng trực tiếp đến kết quả Y.

Ví dụ: Trình độ học vấn (W) không chỉ làm thay đổi tác động của đào tạo (X) lên kiến thức (M) và của kiến thức (M) lên hiệu suất làm việc (Y), mà còn ảnh hưởng trực tiếp đến hiệu suất làm việc (Y).

3. Phân tích moderated mediation bằng macro PROCESS v4 trên SPSS

Để phân tích mô hình trung gian có điều tiết bằng phương pháp bootstrap trong SPSS, nghiên cứu sử dụng macro PROCESS do Andrew F. Hayes phát triển. Trước khi phân tích, người nghiên cứu cần cài đặt PROCESS Macro phù hợp với phiên bản SPSS đang sử dụng (từ SPSS 20 đến SPSS 31).

3.1 Chuẩn bị tập dữ liệu phân tích

Giả sử dữ liệu nghiên cứu được xây dựng với các nhóm biến sau:

• Biến độc lập (X): gồm các biến quan sát X1, X2, X3
• Biến phụ thuộc (Y): gồm các biến quan sát Y1, Y2, Y3
• Biến trung gian (M): gồm các biến quan sát M1, M2, M3
• Biến điều tiết (W): gồm các biến quan sát W1, W2, W3

Trước khi đưa dữ liệu vào PROCESS, cần tính giá trị trung bình của các biến quan sát trong mỗi thang đo để tạo ra bốn biến tổng hợp đại diện cho X, Y, M và W. Các biến tổng hợp này sẽ được sử dụng làm dữ liệu đầu vào cho phân tích mô hình moderated mediation bằng PROCESS Macro trên SPSS.

2.2 Thực hành phân tích moderated mediation bằng PROCESS trên SPSS

Trên giao diện SPSS, người nghiên cứu vào Analyze → Regression → PROCESS v4.2 by Andrew F. Hayes để mở hộp thoại phân tích.

Bước 1 – Chọn mô hình phân tích

Tại mục Model number, chọn mô hình moderated mediation phù hợp với giả thuyết nghiên cứu, bao gồm các model: 7, 8, 14, 15, 58 hoặc 59.

Bước 2 – Khai báo các biến trong mô hình

• Đưa biến phụ thuộc vào ô Y Variable
• Đưa biến độc lập vào ô X Variable
• Đưa biến trung gian vào ô Mediator(s) (M)

Bước 3 – Khai báo biến điều tiết

Đưa biến điều tiết vào ô Moderator Variable (W).

Sau khi khai báo xong các biến, nhấn Options để thiết lập các tùy chọn phân tích.