GIỚI THIỆU
Phân tích biến trung gian (Mediation Analysis) là phương pháp thống kê được sử dụng phổ biến trong nghiên cứu khoa học nhằm kiểm tra cơ chế mà qua đó một biến độc lập (X) tác động đến biến phụ thuộc (Y) thông qua biến trung gian (M). Phương pháp này giúp nhà nghiên cứu không chỉ xác định mối quan hệ giữa các biến mà còn làm rõ tác động gián tiếp trong mô hình nghiên cứu.
Trong SPSS, Hayes PROCESS Macro Model 4 là một công cụ thường được sử dụng để thực hiện phân tích biến trung gian. Mô hình cho phép ước lượng tác động trực tiếp, tác động gián tiếp và tổng tác động, đồng thời sử dụng phương pháp Bootstrap để xây dựng khoảng tin cậy cho tác động gián tiếp.
Bài viết này hướng dẫn cách phân tích biến trung gian bằng Hayes PROCESS Model 4 trong SPSS, từ việc xác định mô hình nghiên cứu, thiết lập các biến đến đọc và diễn giải kết quả kiểm định, giúp sinh viên, học viên cao học và người nghiên cứu ứng dụng phương pháp một cách chính xác.
Khi kiểm tra xem có “phân tích trung gian” hay sự hiện diện của biến trung gian trong một mô hình hay không, chúng ta cần hiểu một số thuật ngữ được sử dụng, chẳng hạn như tác động trực tiếp, tác động gián tiếp và tổng tác động.
- Tác động trực tiếp đơn giản là mối quan hệ trực tiếp giữa biến độc lập và biến phụ thuộc trong sự hiện diện của biến trung gian (c’).
- Tác động gián tiếp là mối quan hệ đi từ biến độc lập đến biến trung gian, sau đó từ biến trung gian đến biến phụ thuộc (a*b).
- Thuật ngữ tổng tác động là sự ảnh hưởng tổng hợp của tác động trực tiếp giữa hai khái niệm và tác động gián tiếp thông qua biến trung gian (c = c’ + a*b).

- Trong mối quan hệ giữa X và Y, c là tổng tác động (total effect).

VÍ DỤ MINH HỌA
Chúng ta muốn kiểm tra xem khái niệm Văn hóa (Culture) có tác động gián tiếp thông qua Cam kết (Commitment) lên khái niệm Hiệu suất Tổ chức (Organizational Performance) hay không.

Ví dụ các biến: 1 biến dự báo (X), 1 biến trung gian (M), và 1 biến kết quả (Y). Các biến này đều là biến liên tục.
Trong trường hợp này, mối quan hệ giữa các biến có thể được mô tả như sau:
- X (predictor) ảnh hưởng đến M (mediator)
- M (mediator) ảnh hưởng đến Y (outcome)
- Đồng thời, X có thể ảnh hưởng trực tiếp đến Y
Mục tiêu là kiểm tra xem M (biến trung gian) có làm trung gian mối quan hệ giữa X và Y, tức là X ảnh hưởng đến Y thông qua M (tác động gián tiếp).
Mô hình này có thể phân tích bằng cách sử dụng Hayes Process Macro – Model 4 trong SPSS, với các bước như:
- X → M: Kiểm tra tác động của biến dự báo X lên biến trung gian M.
- M → Y: Kiểm tra tác động của biến trung gian M lên biến kết quả Y.
- X → Y: Kiểm tra tác động trực tiếp của X lên Y (trong sự hiện diện của M).
Tổng tác động: c = c’ + a*b
- c’: Tác động trực tiếp của X lên Y.
- a*b: Tác động gián tiếp của X lên Y thông qua M.
SƠ ĐỒ KHÁI NIỆM

THỰC HÀNH CHẠY TRÊN SPSS
Bước 1: Analyze -> Regression -> Process v4.0 by Andrew F. Hayes

Bước 2: Nhập các biến yêu cầu.
Trong trường hợp này:
- Biến Y (Biến phụ thuộc):OP
- Biến X (Biến độc lập):Văn hóa
- Trung gian:Cam kết
- Số mô hình:4

Bước 3: Chọn nút Tùy chọn và chọn các tùy chọn như hình dưới đây:
- Chọn Hiển thị mô hình tổng tác động (chỉ các mô hình 4, 6, 70, 81, 82):Điều này là để tạo ra ước tính tổng tác động.
- Đối với Tác động chuẩn hóa, chọn Tác động chuẩn hóa (chỉ các mô hình trung gian):
- Nhấn Tiếp tục

DIỄN GIẢI KẾT QUẢ
Mô tả Mô hình cùng với các biến khác nhau, trong đó Y là Biến Phụ thuộc, X là Biến Độc lập và M là Biến Trung gian.

Model Summary: Đoạn này cung cấp thông tin tổng quan về mô hình thống kê. Model Summary cho thấy mức độ phù hợp của mô hình thống kê, trong khi Coefficients cung cấp thông tin về tác động của các biến độc lập lên biến phụ thuộc.
- R:Hệ số tương quan Pearson, đo lường mức độ liên quan giữa các biến trong mô hình.
- R-Sq:Hệ số xác định, cho biết tỷ lệ phương sai của biến phụ thuộc được giải thích bởi các biến độc lập.
- F Statistics:Thống kê F, kiểm tra tổng thể sự phù hợp của mô hình.
- P value:Giá trị P, xác định ý nghĩa thống kê của mô hình.
Coefficients: Đoạn này cung cấp thông tin về các hệ số hồi quy cho mỗi biến trong mô hình.


Hình sau cho thấy tác động của các biến độc lập lên biến phụ thuộc

Văn hóa (Culture) có tác động đáng kể đến OP (b = 0,2917, t = 5,5426, p < 0,001). Ở đây, hệ số này chính là Tác động Trực tiếp (c’).
Cam kết (COM) cũng được tìm thấy là có tác động đáng kể đến OP (b = 0,4530, t = 8,5392, p < 0,001). Đây là đường dẫn b.

Tiếp theo, kết quả của tổng tác động được trình bày.
Tác động Gián tiếp được tính bằng cách nhân a và b. Tác động gián tiếp = a (0,6041) * b (0,4531) = 0,2736
Tác động Trực tiếp = 0,2917, đây là tác động của Văn hóa lên Hiệu suất khi có sự hiện diện của biến trung gian (c ’)
Tác động tổng thể là tổng của hiệu ứng trực tiếp và gián tiếp.Tác động Tổng thể (hay còn gọi là tổng tác động) = 0,5653

Kết luận về vai trò biến trung gian: Có. Vì tác động Gián tiếp (indirect effect) Có Ý nghĩa (p < 0.05)
Là Trung gian Toàn phần hay Một phần- Một phần, Vì cả tác động gián tiếp và Trực tiếp đều Có Ý nghĩa.

TRÌNH BÀY KẾT QUẢ NGHIÊN CỨU
H1: Cam kết đóng vai trò trung gian trong mối quan hệ giữa Văn hóa Hợp tác và Hiệu suất Tổ chức.
Nghiên cứu đã đánh giá vai trò trung gian của Cam kết đối với mối quan hệ giữa Văn hóa Hợp tác và Hiệu suất Tổ chức. Kết quả cho thấy một hiệu ứng gián tiếp đáng kể của Văn hóa Hợp tác đối với hiệu suất tổ chức (b= 0,273, t = 5,583), hỗ trợ cho H1. Hơn nữa, hiệu ứng trực tiếp của văn hóa hợp tác đối với hiệu suất tổ chức khi có sự hiện diện của biến trung gian cũng được tìm thấy là có ý nghĩa (b = 0,291, p < 0,001). Do đó, cam kết đã một phần trung gian hóa mối quan hệ giữa văn hóa hợp tác và hiệu suất tổ chức. Tóm tắt phân tích trung gian được trình bày trong Bảng 1.

Ứng dụng phân tích biến trung gian trong nghiên cứu định lượng
Phân tích biến trung gian được sử dụng phổ biến trong nghiên cứu quản trị kinh doanh, marketing, tâm lý học và khoa học xã hội nhằm giải thích cơ chế tác động giữa các biến trong mô hình nghiên cứu.
Khi thực hiện phân tích biến trung gian bằng Hayes PROCESS Model 4, người nghiên cứu cần hiểu rõ ý nghĩa của hệ số hồi quy, giá trị P-value và khoảng tin cậy Bootstrap để đánh giá tác động trực tiếp và gián tiếp.
Để hiểu thêm về cách diễn giải ý nghĩa thống kê, bạn có thể tham khảo bài viết P-value là gì? Ý nghĩa và cách đọc kết quả trong SPSS. Ngoài ra, bài viết Cách tạo biến trong SPSS chi tiết cho người mới bắt đầu sẽ hỗ trợ việc chuẩn bị và khai báo dữ liệu trước khi thực hiện phân tích trung gian.
Kết luận
Phân tích biến trung gian bằng Hayes PROCESS Model 4 là phương pháp hữu ích để kiểm định tác động gián tiếp trong nghiên cứu định lượng. Thông qua việc ước lượng các hệ số hồi quy và khoảng tin cậy Bootstrap, nhà nghiên cứu có thể đánh giá liệu biến trung gian có đóng vai trò truyền dẫn tác động từ biến độc lập đến biến phụ thuộc hay không.
Khi diễn giải kết quả phân tích biến trung gian, cần xem xét cả ý nghĩa thống kê, chiều tác động và cơ sở lý thuyết của mô hình, thay vì chỉ dựa vào một chỉ số riêng lẻ.
Tài liệu tham khảo
Hayes PROCESS Macro là công cụ hỗ trợ phân tích tác động trung gian, điều tiết và các mô hình kết hợp trong nghiên cứu định lượng. Người đọc có thể truy cập website chính thức của PROCESS Macro do Andrew F. Hayes phát triển để tìm hiểu tài liệu hướng dẫn, phiên bản phần mềm và các mô hình phân tích.
Đối với mô hình trung gian đơn (Model 4), việc đánh giá tác động gián tiếp thường dựa trên khoảng tin cậy Bootstrap. Khi khoảng tin cậy 95% của tác động gián tiếp không chứa giá trị 0, tác động gián tiếp được xem là có ý nghĩa thống kê ở mức tương ứng.