Theo Baron & Kenny (1986), biến điều tiết là biến làm thay đổi độ mạnh (strength) và dạng (form) của mối quan hệ giữa độc lập và phụ thuộc.
1. Lý thuyết về biến điều tiết
Biến điều tiết có thể là định tính (biến phân loại) hoặc biến định lượng (biến liên tục). Với biến điều tiết là biến định tính, chúng ta có thể sử dụng tới kỹ thuật phân tích cấu trúc đa nhóm trên AMOS. Bài viết này sẽ tập trung vào xử lý biến điều tiết định lượng liên tục trên SPSS.
Mô hình lý thuyết biến điều tiết có thể được biểu diễn như ảnh bên dưới:
Để phân tích biến điều tiết trên SPSS, chúng ta sẽ sử dụng mô hình hồi quy biến điều tiết MMR (Saunders, 1956) như sau:
Mô hình này có 3 biến tác động vào biến phụ thuộc:
- Tác động của biến độc lập X lên biến phụ thuộc Y
- Tác động của biến điều tiết W lên biến phụ thuộc Y
- Tác động của tích X*W lên biến phụ thuộc Y
Trích theo Baron & Kenny (1986) với cách đánh giá truyền thống, để một biến là biến điều tiết thì (1) biến này không có quan hệ với cả biến độc lập và biến phụ thuộc, cùng với đó (2) tích số X*W phải có sự tác động lên Y. Tuy nhiên theo hướng tiếp cận mới , điều kiện số (1) không nhất thiết phải xảy ra, chỉ cần điều kiện số (2) thỏa mãn thì có thể kết luận có mối tác động điều tiết. Các công trình về hướng tiếp cận mới này có thể tham khảo tại Hair và cộng sự (2013), Andrew F. Hayes (2013).
1. Hair và cộng sự (A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM), 3rd Edition, 2013)
2. Andrew F. Hayes (Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach. New York, NY: The Guilford Press, 2013)
Giải thích kết quả biến điều tiết:
| 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 mạnh hơn mối quan hệ tích cực giữa biến độc lập và biến phụ thuộc (Điều tiết tích cực) |
| Dương (+) | Âm (-) | Biến điều tiết làm yếu đi mới quan hệ tích cực giữa biến độc lập và biến phụ thuộc (Điều tiết tiêu cực) |
| Âm (-) | Dương (+) | Biến điều tiết làm yếu đi mối quan hệ tiêu cực giữa biến độc lập và biến phụ thuộc (Điều tiết tích cực) |
| Âm (-) | Âm (-) | Biến điều tiết làm mạnh hơn mối quan hệ tiêu cực giữa biến độc lập và biến phụ thuộc (Điều tiết tiêu cực) |
2. Xử lý biến điều tiết moderator bằng mac PROCESS trên SPSS
Có nhiều phương thức xử lý biến điều tiết trên SPSS khác nhau, tuy nhiên, nội dung bên dưới sẽ chỉ tập trung vào phương pháp Bootstrapping là kỹ thuật tối ưu nhất và sử dụng phổ biến trong những năm gần đây.
Để thực hiện phân tích biến điều tiết bằng Bootstrap trên SPSS, chúng ta sẽ dụng Hayes Process Macro Model 1. Các bạn tiến hành cài đặt macro này theo hướng dẫn tại bài viết Cách tải và cài đặt macro PROCESS vào SPSS từ 20 đến 31.
VIDEO HƯỚNG DẪN
a. Chuẩn bị tập dữ liệu
Lấy ví dụ một tập dữ liệu với cấu trúc biến như sau:
- Biến độc lập X: Ý định mua hàng, được đo bằng X1, X2, X3.
- Biến phụ thuộc Y: Quyết định mua hàng, được đo bằng Y1, Y2, Y3.
- Biến điều tiết W: Khuyến mãi giảm giá, được đo bằng W1, W2, W3.
Bắt buộc phải tính trung bình cộng dữ liệu biến quan sát để tạo ra 3 biến tiềm ẩn X, Y, W dùng phân tích mô hình điều tiết bằng PROCESS.
Về mặt ý nghĩa quản trị, nghiên cứu khác đã chứng minh rằng Khối lượng công việc có tác động thuận lên Áp lực công việc. Khi khối lượng công việc tăng lên, áp lực công việc của nhân viên cao hơn. Nghiên cứu này sẽ xét thêm vai trò của biến điều tiết Sự hỗ trợ trong công việc, xem liệu rằng nếu có và không có sự hỗ trợ từ sếp và đồng nghiệp thì sự tác động của Khối lượng công việc lên Áp lực công việc có thay đổi gì không.
Nếu bạn đang gặp khó khăn trong xử lý dữ liệu trên SPSS liên quan đến biến trung gian, điều tiết, kiểm soát. Bạn có thể tham khảo dịch vụ hỗ trợ SPSS của Phạm Lộc Blog để tối ưu về thời gian và có được kết quả phù hợp.
b. Thực hành phân tích moderator bằng PROCESS model 1 trên SPSS
Thực hiện xử lý biến điều tiết moderator trên SPSS, vào Analyze > Regression > PROCESS v4.2 by Andrew F. Hayes.
Cửa sổ PROCESS xuất hiện,:
- Mục số 1: Chọn PROCESS model 1 - xử lý biến điều tiết.
- Mục số 2: Đưa biến phụ thuộc vào Y variable, biến độc lập vào X variable, biến điều tiết vào Moderator variable W.
Xong xuôi, chúng ta nhấp vào Options mục 4.
Trong Options, thiết lập các mục 1-2-3-4 như ảnh. Nhấp Continue để quay lại cửa sổ ban đầu, sau đó nhấp OK để xuất kết quả ra Output.
c. Đọc kết quả phân tích biến điều tiết trên SPSS
Macro PROCESS sẽ xuất kết quả mô hình hồi quy với sự tham gia của 3 biến độc lập: X, W, X*W (tích số X*W được ký hiệu là Int_1). Để kết luận quan hệ điều tiết có ý nghĩa hay không chúng ta chỉ cần dựa vào biến Int_1:
- Nếu Int_1 có p-value < 0.05 → quan hệ điều tiết có ý nghĩa, hay nói cách khác, biến W có vai trò điều tiết quan hệ tác động từ X lên Y.
- Nếu Int_1 có p-value ≥ 0.05 → quan hệ điều tiết không có ý nghĩa, hay nói cách khác, biến W không có vai trò điều tiết quan hệ tác động từ X lên Y.
Bởi vì cơ chế Bootstrapping mỗi lần thực hiện sẽ lấy mẫu khác nhau nên trong nhiều trường hợp kết quả chạy ra giữa các lần có sự chênh lệch nhỏ ở phần thập phân số 2, số 3.
Cụ thể trong ví dụ trên:
Biến Int_1 có p-value kiểm định t bằng 0.000 < 0.05, như vậy biến W có vai trò điều tiết sự tác động từ X lên Y. Hệ số điều tiết bằng 0.625 > 0, như vậy, khi W tăng sẽ làm X tác động mạnh hơn lên Y.
Khi trình bày vào bài nghiên cứu, chúng ta sẽ liên kết với ý nghĩa các biến để viết nhận xét cho phù hợp. Với tình huống ở trên, biến Khuyến mãi giảm giá có sự điều tiết dương lên mối tác động từ Ý định mua hàng lên Quyết định mua hàng. Nghĩa là, khi có sự gia tăng của chính sách giảm giá sẽ đẩy mạnh sự tác động từ Ý định lên Quyết định mua hàng hơn.