Biến trung gian, biến điều tiết và biến kiểm soát là những khái niệm được sử dụng rộng rãi trong nghiên cứu khoa học, đặc biệt trong các nghiên cứu định lượng. Tuy nhiên, trên thực tế, các loại biến này thường bị nhầm lẫn về mặt khái niệm và vai trò trong mô hình nghiên cứu. Do đó, nội dung dưới đây nhằm làm rõ bản chất và đặc điểm của từng loại biến, qua đó hỗ trợ quá trình xây dựng và phân tích mô hình nghiên cứu.
Biến trung gian (mediator hoặc mediating variable)
Trong mô hình nghiên cứu, biến trung gian M giữ vai trò trung gian trong mối quan hệ giữa biến độc lập X và biến phụ thuộc Y. Cụ thể, biến độc lập X tác động đến biến trung gian M, sau đó biến trung gian M tiếp tục ảnh hưởng đến biến phụ thuộc Y. Trong trường hợp này, mối quan hệ giữa X và Y bao gồm cả tác động trực tiếp và tác động gián tiếp thông qua biến trung gian.

Một mô hình nghiên cứu có thể bao gồm một hoặc nhiều biến trung gian, đồng thời các biến trung gian này có thể được tổ chức theo một hoặc nhiều cấp độ trung gian khác nhau, chẳng hạn như:
- X → M → Y (một cấp trung gian)
- X → M1 → M2 → Y (hai cấp trung gian)
- …
Ví dụ, chất lượng dịch vụ có ảnh hưởng đến sự hài lòng của khách hàng, và sự hài lòng của khách hàng tiếp tục tác động đến ý định quay lại. Trong mối quan hệ này, sự hài lòng của khách hàng đóng vai trò là biến trung gian, giải thích cơ chế tác động từ chất lượng dịch vụ đến ý định quay lại của khách hàng.
Để hiểu rõ hơn về cơ sở lý thuyết cũng như phương pháp đánh giá vai trò của biến trung gian trong mô hình nghiên cứu, có thể tham khảo thêm các tài liệu chuyên sâu Lý thuyết về biến trung gian và cách đánh giá mối quan hệ trung gian
2. Biến điều tiết (moderator, moderating variable)
Trong mô hình nghiên cứu, biến điều tiết Z được sử dụng nhằm làm thay đổi cường độ hoặc chiều hướng của mối quan hệ tác động từ biến độc lập X đến biến phụ thuộc Y.

Một mô hình nghiên cứu có thể bao gồm một hoặc nhiều biến điều tiết, đồng thời một biến điều tiết cũng có khả năng ảnh hưởng đến một hay nhiều mối quan hệ giữa các cặp biến khác nhau. Biến điều tiết có thể tồn tại dưới dạng biến định tính hoặc biến định lượng, tùy thuộc vào đặc điểm đo lường và mục tiêu nghiên cứu.
Chẳng hạn, nhiều nghiên cứu trước đây đã chứng minh rằng Thu nhập đóng vai trò là biến điều tiết trong mối quan hệ giữa Sự hài lòng và Lòng trung thành. Cụ thể, mức thu nhập cao hơn thường làm gia tăng mức độ tác động của Sự hài lòng lên Lòng trung thành. Điều này cho thấy mối quan hệ giữa Sự hài lòng và Lòng trung thành không đồng nhất giữa các nhóm khách hàng, mà có sự khác biệt tùy theo mức thu nhập của từng cá nhân.
Trong trường hợp biến điều tiết là biến định tính, việc đánh giá tác động điều tiết thường được thực hiện thông qua phương pháp phân tích cấu trúc đa nhóm (multigroup analysis) bằng các phần mềm như AMOS hoặc SmartPLS.
Ngược lại, khi biến điều tiết là biến định lượng, tác động điều tiết được kiểm định thông qua mô hình có biến tương tác (interaction). Quy trình và kỹ thuật thực hiện có thể được tham khảo thêm trong các tài liệu và bài viết hướng dẫn liên quan tại đây.
3. Biến kiểm soát (controlled variable)
Biến kiểm soát C là những biến được nhà nghiên cứu đưa vào mô hình phân tích với vai trò cố định hoặc được kiểm soát nhằm bảo đảm mối quan hệ giữa biến độc lập (X) và biến phụ thuộc (Y) không bị sai lệch do tác động của các yếu tố ngoại sinh. Dữ liệu của biến kiểm soát thường phản ánh các đặc điểm nhân khẩu học hoặc đặc tính sẵn có của đối tượng nghiên cứu. Chẳng hạn, biến Giới tính với hai nhóm Nam và Nữ là đặc điểm cố hữu của đáp viên, do đó thường được sử dụng như một biến kiểm soát trong mô hình nghiên cứu.

Trong một mô hình nghiên cứu, có thể tồn tại một hoặc nhiều biến kiểm soát cùng lúc. Biến kiểm soát có thể thuộc loại biến định tính hoặc biến định lượng, tuy nhiên trong thực tiễn nghiên cứu, các biến kiểm soát thường là biến định tính.
Ví dụ, biến Giới tính Nam/Nữ có thể ảnh hưởng đến biến Tần suất mua mỹ phẩm hàng tháng. Thông thường, nam giới có tần suất mua mỹ phẩm thấp hơn so với nữ giới. Trong trường hợp này, biến Giới tính được sử dụng để kiểm soát sự biến thiên của biến Tần suất mua mỹ phẩm, qua đó giúp kết quả phân tích phản ánh chính xác hơn mối quan hệ giữa các biến chính trong mô hình.
Đối với biến kiểm soát là biến định tính, để đánh giá tác động của biến này lên biến phụ thuộc, nhà nghiên cứu có thể lựa chọn hai phương pháp phổ biến: mã hóa biến định tính thành biến giả (dummy variable) và đưa vào mô hình hồi quy để ước lượng tác động, hoặc sử dụng phân tích phương sai một yếu tố (One-way ANOVA) nhằm so sánh sự khác biệt giữa các nhóm.
Trong trường hợp biến kiểm soát là biến định lượng, cách xử lý sẽ tương tự như biến độc lập. Khi đó, tác động của biến kiểm soát lên biến phụ thuộc được đánh giá trực tiếp thông qua các mô hình phân tích như hồi quy tuyến tính hoặc mô hình cấu trúc tuyến tính (SEM).
Trong quá trình xử lý dữ liệu bằng SPSS liên quan đến các biến trung gian, biến điều tiết và biến kiểm soát, việc tham khảo các dịch vụ hỗ trợ phân tích dữ liệu chuyên sâu của Phạm Lộc Blog để có thể giúp tiết kiệm thời gian và đảm bảo kết quả phân tích phù hợp với mục tiêu nghiên cứu.
