Theo Baron và Kenny (1986), biến điều tiết được định nghĩa là biến có khả năng làm thay đổi mức độ ảnh hưởng (strength) cũng như hình thức biểu hiện (form) của mối quan hệ giữa biến độc lập và biến phụ thuộc.
1. Cơ sở lý thuyết về biến điều tiết
Biến điều tiết có thể tồn tại dưới dạng biến định tính (biến phân loại) hoặc biến định lượng (biến liên tục). Trong trường hợp biến điều tiết là biến định tính, phương pháp phân tích cấu trúc đa nhóm (multi-group analysis) thường được áp dụng thông qua phần mềm AMOS. Nội dung trình bày trong bài viết này tập trung vào cách tiếp cận và xử lý biến điều tiết định lượng liên tục bằng phương pháp hồi quy trên phần mềm SPSS.
Về mặt lý thuyết, mô hình biến điều tiết có thể được minh họa như hình bên dưới:
Để kiểm định vai trò của biến điều tiết trong SPSS, nghiên cứu thường sử dụng mô hình hồi quy điều tiết MMR (Moderated Multiple Regression) được đề xuất bởi Saunders (1956), với dạng tổng quát như sau:
Trong mô hình này, biến phụ thuộc chịu ảnh hưởng bởi ba thành phần chính:
- Ảnh hưởng trực tiếp của biến độc lập X lên biến phụ thuộc Y
- Ảnh hưởng trực tiếp của biến điều tiết W lên biến phụ thuộc Y
- Ảnh hưởng của biến tương tác X*W lên biến phụ thuộc Y
Theo cách tiếp cận truyền thống được Baron và Kenny (1986) đề xuất, một biến được xem là biến điều tiết khi thỏa mãn hai điều kiện: (1) biến điều tiết không có mối quan hệ trực tiếp với cả biến độc lập và biến phụ thuộc; đồng thời (2) biến tương tác giữa biến độc lập và biến điều tiết (XW) có ảnh hưởng có ý nghĩa thống kê lên biến phụ thuộc. Tuy nhiên, theo các hướng tiếp cận hiện đại, điều kiện thứ nhất không còn được xem là bắt buộc. Chỉ cần hệ số của biến tương tác XW có ý nghĩa thống kê thì có thể kết luận sự tồn tại của tác động điều tiết. Quan điểm này đã được thừa nhận rộng rãi trong các nghiên cứu phương pháp luận gần đây, tiêu biểu như Hair và cộng sự (2013) cũng như Hayes (2013).
Tài liệu tham khảo:
-
Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2013). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 3rd Edition.
-
Hayes, A. F. (2013). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach. New York, NY: The Guilford Press.
Giải thích kết quả biến điều tiết:
Giải thích kết quả của biến điều tiết được thực hiện dựa trên dấu và ý nghĩa của hệ số tác động trực tiếp (hệ số a) từ biến độc lập X lên biến phụ thuộc Y, cũng như hệ số tương tác (hệ số c) giữa biến độc lập và biến điều tiết. Sự kết hợp giữa dấu của hai hệ số này cho phép xác định vai trò của biến điều tiết trong việc làm thay đổi cường độ hoặc chiều hướng của mối quan hệ giữa X và Y, từ đó phân loại tác động điều tiết là tích cực hay tiêu cực.
| Hệ số a tác động từ X lên Y | Hệ số c tác động tương tác | Giải thích kết quả |
| Dương (+) | Dương (+) | Biến điều tiết làm gia tăng cường độ của mối quan hệ tích cực giữa biến độc lập và biến phụ thuộc, cho thấy tác động điều tiết mang tính tích cực. |
| Dương (+) | Âm (-) | Biến điều tiết làm suy giảm cường độ của mối quan hệ tích cực giữa biến độc lập và biến phụ thuộc, phản ánh tác động điều tiết mang tính tiêu cực. |
| Âm (-) | Dương (+) | Biến điều tiết làm suy yếu mối quan hệ tiêu cực giữa biến độc lập và biến phụ thuộc, qua đó thể hiện vai trò điều tiết tích cực. |
| Âm (-) | Âm (-) | Biến điều tiết làm gia tăng cường độ của mối quan hệ tiêu cực giữa biến độc lập và biến phụ thuộc, cho thấy tác động điều tiết mang tính tiêu cực. |
2. Phân tích biến điều tiết bằng macro PROCESS trên SPSS
Hiện nay, SPSS cung cấp nhiều cách tiếp cận khác nhau để phân tích biến điều tiết. Tuy nhiên, nội dung trình bày dưới đây chỉ tập trung vào phương pháp Bootstrapping, được xem là kỹ thuật có độ tin cậy cao và được sử dụng rộng rãi trong các nghiên cứu thực nghiệm những năm gần đây.
Để thực hiện phân tích biến điều tiết bằng Bootstrapping trên SPSS, nghiên cứu sử dụng macro PROCESS do Hayes phát triển, cụ thể là Model 1. Người nghiên cứu cần cài đặt macro này theo hướng dẫn trong bài viết Cách tải và cài đặt macro PROCESS vào SPSS (Cách tải và cài đặt macro PROCESS vào SPSS từ 20 đến 31.).
VIDEO HƯỚNG DẪN
a. Chuẩn bị dữ liệu nghiên cứu
Xét một bộ dữ liệu minh họa với cấu trúc biến như sau:
-
Biến độc lập X: Ý định mua hàng, được đo lường thông qua các biến quan sát X1, X2, X3.
-
Biến phụ thuộc Y: Quyết định mua hàng, được đo lường thông qua các biến quan sát Y1, Y2, Y3.
-
Biến điều tiết W: Khuyến mãi giảm giá, được đo lường thông qua các biến quan sát W1, W2, W3.
Theo yêu cầu của phân tích bằng PROCESS, các biến quan sát cần được tổng hợp bằng cách tính giá trị trung bình để tạo thành ba biến đại diện X, Y và W trước khi đưa vào mô hình điều tiết.
Xét dưới góc độ quản trị, nhiều nghiên cứu trước đây đã chỉ ra rằng khối lượng công việc có tác động cùng chiều đến áp lực công việc, theo đó khi khối lượng công việc gia tăng thì mức độ áp lực mà nhân viên phải đối mặt cũng tăng lên. Nghiên cứu này mở rộng mô hình bằng cách xem xét vai trò điều tiết của sự hỗ trợ trong công việc, nhằm đánh giá liệu mối quan hệ giữa khối lượng công việc và áp lực công việc có sự thay đổi trong bối cảnh có hoặc không có sự hỗ trợ từ cấp trên và đồng nghiệp hay không.
Trong trường hợp gặp khó khăn khi xử lý dữ liệu trên SPSS liên quan đến các biến trung gian, biến điều tiết hoặc biến kiểm soát, người nghiên cứu có thể tham khảo dịch vụ hỗ trợ SPSS của Phạm Lộc Blog nhằm tiết kiệm thời gian và đảm bảo kết quả phân tích phù hợp với mục tiêu nghiên cứu.
b. Thực hành phân tích biến điều tiết (moderator) bằng PROCESS Model 1 trên SPSS
Phân tích biến điều tiết được thực hiện bằng macro PROCESS phiên bản 4.2 do Andrew F. Hayes phát triển, tích hợp trong phần mềm SPSS. Người nghiên cứu truy cập theo đường dẫn Analyze > Regression > PROCESS v4.2 by Andrew F. Hayes để tiến hành phân tích.
Sau khi hộp thoại PROCESS xuất hiện:
– Tại mục số 1, lựa chọn Model 1 nhằm phục vụ phân tích tác động điều tiết.
– Tại mục số 2, lần lượt đưa biến phụ thuộc vào ô Y Variable, biến độc lập vào ô X Variable và biến điều tiết vào ô Moderator Variable W.
Sau khi hoàn tất việc khai báo các biến, người dùng tiếp tục nhấp vào mục Options tại vị trí số 4.
Trong cửa sổ Options, tiến hành thiết lập các tùy chọn theo các mục 1, 2, 3 và 4 như minh họa. Sau khi hoàn tất cài đặt, nhấp Continue để quay trở lại cửa sổ chính của PROCESS, rồi chọn OK để chạy phân tích và xuất kết quả ra cửa sổ Output.
c. Đọc kết quả phân tích biến điều tiết trên SPSS
Macro PROCESS cung cấp kết quả của mô hình hồi quy với sự tham gia của ba biến độc lập, bao gồm X, W và biến tương tác X*W (được ký hiệu là Int_1). Việc đánh giá sự tồn tại của tác động điều tiết được thực hiện thông qua kiểm định ý nghĩa thống kê của biến tương tác Int_1:
– Trường hợp Int_1 có giá trị p-value < 0.05 cho thấy tác động điều tiết có ý nghĩa thống kê, hay nói cách khác, biến W đóng vai trò điều tiết mối quan hệ tác động từ X đến Y.
– Ngược lại, nếu Int_1 có p-value ≥ 0.05 thì không đủ bằng chứng thống kê để khẳng định vai trò điều tiết của W trong mối quan hệ giữa X và Y.
Do phương pháp Bootstrapping sử dụng các mẫu chọn ngẫu nhiên khác nhau ở mỗi lần ước lượng, nên kết quả giữa các lần chạy có thể xuất hiện sai khác nhỏ ở các chữ số thập phân thứ hai hoặc thứ ba.
Trong ví dụ minh họa trên:
Biến Int_1 có giá trị p-value của kiểm định t bằng 0.000, nhỏ hơn mức ý nghĩa 0.05, cho thấy biến W có vai trò điều tiết mối quan hệ tác động từ X lên Y. Hệ số ước lượng của biến tương tác đạt giá trị 0.625 và mang dấu dương, hàm ý rằng khi mức độ của W tăng lên thì cường độ tác động của X lên Y cũng gia tăng.
Khi trình bày trong bài nghiên cứu, kết quả phân tích cần được diễn giải gắn liền với ý nghĩa thực tiễn của các biến nghiên cứu. Trong trường hợp này, biến Khuyến mãi giảm giá có tác động điều tiết dương đối với mối quan hệ giữa Ý định mua hàng và Quyết định mua hàng. Điều này cho thấy sự gia tăng của các chính sách giảm giá sẽ làm tăng cường mức độ ảnh hưởng của Ý định mua hàng đến Quyết định mua hàng của người tiêu dùng.