Bạn đã từng nghe đến khái niệm “biến trung gian mediator” trên SPSS chưa? Trong bài viết này, chúng ta sẽ tìm hiểu về phân tích và xử lý biến trung gian trên SPSS bằng Sobel Test và Bootstrap.
Mục lục
1. Xử lý biến trung gian bằng Sobel Test
Theo Baron & Kenny (1986), một biến được xem là biến trung gian nếu thỏa mãn 3 điều kiện sau đây:
- Biến X có tác động lên biến M.
- Biến M có tác động lên biến Y.
- Biến X không còn tác động lên biến Y khi biến M thay đổi.
Để kiểm tra xem một biến trung gian có thỏa mãn 3 điều kiện trên hay không, chúng ta cần thực hiện 3 phép hồi quy. Sau đó, sử dụng Sobel Test trên SPSS để đánh giá quan hệ trung gian.
Với tập dữ liệu mẫu gồm 3 biến X (biến độc lập), M (biến trung gian) và Y (biến phụ thuộc), chúng ta sẽ thực hiện phân tích biến trung gian bằng Sobel Test để xem sự hài lòng có vai trò trung gian tác động lên mối quan hệ giữa chất lượng dịch vụ và ý định quay lại của khách hàng.
Bước 1: Thực hiện hồi quy đơn X → M
Đầu tiên, chúng ta thực hiện hồi quy đơn X → M để xác định tác động của biến X lên biến M. Kết quả cho thấy biến X có tác động lên biến M.
Bước 2: Thực hiện hồi quy bội X, M → Y
Tiếp theo, chúng ta thực hiện hồi quy bội X, M → Y để xem biến trung gian M có tác động lên biến Y hay không. Kết quả cho thấy biến M có tác động lên biến Y.
Bước 3: Thực hiện hồi quy đơn X → Y
Cuối cùng, chúng ta thực hiện hồi quy đơn X → Y để xem tác động của biến X lên biến Y khi có sự hiện diện của biến trung gian M. Kết quả cho thấy biến trung gian M đã làm giảm tác động của biến X lên biến Y.
Hiệu số giữa tác động chưa chuẩn hóa từ X lên Y (c) và tác động chưa chuẩn hóa từ X lên Y khi có sự hiện diện của M (c’) cho thấy sự khác biệt. Để xác định xem sự khác biệt này có ý nghĩa thống kê hay không, chúng ta cần thực hiện kiểm định t. Sobel Test sẽ giúp chúng ta đánh giá sự khác biệt này.
Bước 4: Đánh giá sự khác biệt bằng Sobel Test
Sobel Test là một phép kiểm định t để xác định xem sự khác biệt giữa tác động chưa chuẩn hóa từ X lên Y (c) và tác động chưa chuẩn hóa từ X lên Y khi có sự hiện diện của M (c’) có ý nghĩa thống kê hay không. Kết quả của Sobel Test sẽ cho biết liệu M có vai trò trung gian tác động lên mối quan hệ từ X đến Y hay không.
2. Xử lý biến trung gian bằng Bootstrap
Trong nghiên cứu về biến trung gian và mối tác động trung gian, một điều kiện cần để xem xét mối quan hệ trung gian là biến X phải có tác động tổng hợp (total effect) có ý nghĩa lên biến Y.
Tuy nhiên, có những ý kiến tranh cãi rằng mối tác động tổng hợp không nhất thiết phải có ý nghĩa để xác định quan hệ trung gian chính xác. Do đó, chúng ta cần các phương pháp đánh giá mối quan hệ trung gian một cách chính xác hơn.
Bootstrap là một phương pháp liên quan đến việc lấy mẫu lặp lại từ một tập dữ liệu để ước tính tác động gián tiếp (indirect effect) trong mỗi tập dữ liệu được lấy mẫu lại. Phương pháp này tạo ra phân phối của tác động gián tiếp và tạo ra khoảng tin cậy của các mối quan hệ gián tiếp (Preacher and Hayes, 2004).
Nhiều nghiên cứu đã chứng minh rằng kỹ thuật Bootstrap tốt hơn Sobel Test và các phương pháp khác trong việc đánh giá mối quan hệ trung gian (Williams & MacKinnon, 2008; Preacher & Hayes, 2008; Zhao, Lynch & Chen, 2010). Bootstrap khắc phục được các hạn chế của Sobel Test và không yêu cầu cỡ mẫu lớn và phân phối chuẩn.
Để thực hiện phân tích biến trung gian bằng Bootstrap trên SPSS, chúng ta sẽ sử dụng Macro Hayes Process. Macro này cho phép đánh giá mối quan hệ trung gian chính xác hơn. Bạn có thể tải Macro tại https://www.processmacro.org/download.html và làm theo hướng dẫn để cài đặt vào SPSS.
Sau khi cài đặt Macro, bạn có thể mở tệp dữ liệu SPSS cần phân tích trung gian và sử dụng Macro PROCESS để thực hiện phân tích. Macro này sẽ xuất kết quả phân tích ra Output, trong đó bạn có thể đánh giá sự tác động gián tiếp thông qua khoảng tin cậy của tích số a*b.
Với phân tích bằng Bootstrap, chúng ta sẽ có kết quả xác định có tác động gián tiếp từ X lên Y hay không dựa trên khoảng tin cậy phân phối bootstrap của tích số a*b.
Tóm lại, phân tích biến trung gian trên SPSS bằng Sobel Test và Bootstrap là những phương pháp hữu ích để đánh giá quan hệ trung gian giữa các biến. Việc chọn phương pháp nào phụ thuộc vào tình huống nghiên cứu và mục tiêu của bạn.
