1. Common Method Variance (CMV), Common Method Bias (CMB) là gì?
CMB hay CMV (sau đây sẽ gọi chung là CMB) là hiện tượng giải thích sự biến thiên trong dữ liệu nghiên cứu do phương pháp đo lường chung, chứ không phải do các biến mà phương pháp đó nhằm đo lường. Nói cách khác, sự biến thiên của dữ liệu trong một nghiên cứu được giải thích:
- Bởi các biến trong mô hình (tốt).
- Bởi sai lệch từ việc sử dụng cùng một phương pháp đo lường cho các biến trong mô hình, gọi là CMB (xấu, cần phát hiện và loại bỏ).
CMB có thể xuất hiện vì các lý do sau:
- Sai lệch từ nguồn thu thập dữ liệu giống nhau cho toàn bộ các biến trong mô hình: Khi dữ liệu của biến độc lập, biến trung gian, biến phụ thuộc... được thu thập từ cùng một nguồn (ví dụ: bảng hỏi thiết kế các biến đều là dữ liệu sơ cấp khảo sát, người được khảo sát trả lời toàn bộ các câu hỏi), người tham gia có thể có xu hướng bị ảnh hưởng đáp án trả lời theo mong muốn hay nhận định của số đông, hoặc bị ảnh hưởng bởi cảm xúc cá nhân với vấn đề khảo sát.
- Đặc tính của công cụ đo lường: Một số đặc tính của công cụ đo lường, như định dạng của câu hỏi, các điểm cuối của thang đo, hoặc từ ngữ, có thể dẫn người tham gia trả lời tương tự hoặc có độ lệch trong các câu trả lời qua các câu hỏi.
- Yếu tố thời gian: Người tham gia có thể nhớ lại các câu trả lời trước đó hoặc bị ảnh hưởng bởi các sự kiện gần đây, dẫn đến câu trả lời không phản ánh đúng.
- Đặc tính của mẫu: Nếu mẫu bao gồm các cá nhân có các đặc tính chung như nhân viên tổ chức, họ có thể có quan điểm hoặc kinh nghiệm tương tự nhau ảnh hưởng đến các câu trả lời.
- Sự không hợp tác của đáp viên: Một số người tham gia có thể có xu hướng đồng ý với các câu trả lời mà không quan tâm đến nội dung của chúng, dẫn đến các mối quan hệ giữa các biến bị phóng đại hoặc không đúng.
CMB có thể dẫn đến sự sai lệch của các ước lượng tham số về mối quan hệ giữa hai nhân tố trong một mô hình. Loại sai lệch này có thể làm tăng hoặc giảm ước lượng về mối quan hệ giữa hai nhân tố đó (Antonakis và cộng sự, 2010). Theo Podsakoff và cộng sự (2012), tùy thuộc vào việc CMB làm tăng hoặc giảm mối quan hệ, điều này có thể:
(1) ảnh hưởng đến kiểm định giả thuyết các tác động trong mô hình,
(2) dẫn đến đánh giá sai lệch về lượng phương sai của một biến có vai trò phụ thuộc nhận tác động từ một hoặc các biến độc lập,
(3) làm phóng đại hoặc giảm thiểu tính phân biệt giữa các nhân tố với nhau.
2. Phương pháp kiểm soát hiện tượng CMB
Kiểm soát hiện tượng Common Method Bias (CMB) là một phần quan trọng trong thiết kế và thực hiện nghiên cứu để đảm bảo tính chính xác và tin cậy của kết quả. Dưới đây là các phương pháp kiểm soát CMB:
a. Thiết kế nghiên cứu hợp lý
- Tách biệt thời gian và không gian: Thu thập dữ liệu về biến độc lập và biến phụ thuộc vào các thời điểm hoặc địa điểm khác nhau để giảm thiểu sự liên kết giữa chúng.
- Sử dụng nhiều nguồn dữ liệu: Thu thập dữ liệu từ nhiều nguồn khác nhau (ví dụ: từ cả người lao động và quản lý) để tránh sự phụ thuộc vào một nguồn duy nhất.
- Ẩn danh và bảo mật: Đảm bảo rằng người tham gia biết rằng câu trả lời của họ là ẩn danh và sẽ được bảo mật để giảm thiểu sự thiên lệch do lo ngại về hậu quả.
- Trộn lẫn các câu hỏi: Sắp xếp các câu hỏi ngẫu nhiên để giảm bớt khả năng người tham gia nhận ra các mối liên hệ giữa chúng.
- Đa phương pháp đo lường: Sử dụng nhiều phương pháp đo lường khác nhau cho các biến khác nhau (ví dụ: sử dụng cả bảng hỏi và phỏng vấn).
- Thay đổi định dạng câu hỏi: Sử dụng các định dạng câu hỏi khác nhau (ví dụ: câu hỏi mở và câu hỏi đóng) để giảm bớt sự thiên lệch do một định dạng duy nhất.
3. Phương pháp thống kê nhận diện hiện tượng CMB
Dữ liệu thu về sau khi sàng lọc, làm sạch, chúng ta sẽ đưa vào đánh giá xem có tồn tại CMB hay không. Dưới đây là một số kỹ thuật phổ biến được ứng dụng trong thống kê để phát hiện hiện tượng CMB.
- Harman’s Single Factor Test: Thực hiện phân tích yếu tố khám phá (EFA) với tất cả các biến đo lường. Nếu một yếu tố duy nhất giải thích phần lớn phương sai, khả năng cao là có CMB. Cách thức thực hiện bạn xem tại đây.
- Marker Variable Technique: Thêm vào một biến không liên quan đến nghiên cứu nhưng được đo lường bằng cùng phương pháp. Sau đó kiểm tra xem biến này có tương quan mạnh với các biến khác hay không.
- Confirmatory Factor Analysis (CFA): Sử dụng mô hình CFA để kiểm tra CMB. Một mô hình với một yếu tố phương pháp chung có thể được thêm vào và so sánh với mô hình không có yếu tố này.
- Partial Correlation: Sử dụng biến điều khiển hoặc các phương pháp tính toán để loại bỏ phần phương sai do phương pháp chung gây ra trước khi tiến hành phân tích chính.