Phân tích biến trung gian (mediator) là một kỹ thuật thống kê được sử dụng khá rộng rãi trong các mô hình cấu trúc SEM ở một số lĩnh vực nghiên cứu khoa học xã hội. Trong bài viết này, Marketing Du Ký sẽ hướng dẫn các bạn cách phân tích biến trung gian mediator bằng phần mềm Smart PLS.
1. Biến trung gian là gì?
Biến trung gian (mediator) là một biến tác động và nhận được sự tác động bởi hai hay nhiều biến khác. Nói theo cách khác, biến trung gian là một biến nằm giữa hai hay nhiều biến khác trong một mối quan hệ tác động.
2. Phân loại biến trung gian
Trên thực tế, biến trung gian có thể được chia thành hai loại chính, gồm: Biến trung gian toàn phần (full mediator) và biến trung gian một phần (partial mediator).
Dưới đây là sự khác biệt chính giữa hai loại biến này.
2.1. Biến trung gian toàn phần (full mediator)
Một biến được gọi là trung gian toàn phần khi biến đó giải thích được toàn bộ sự tác động của biến độc lập lên biến phụ thuộc. Khi ấy, sự ảnh hưởng của biến độc lập lên biến phụ thuộc hoàn toàn được giải thích thông qua biến trung gian.
Thông thường, mô hình tác động của biến trung gian toàn phần sẽ được trình bày dưới dạng: X ➪ M ➪ Y (với X là biến độc lập, M là biến trung gian và Y là biến phụ thuộc).
 |
Biến trung gian toàn phần (full mediator) |
2.2. Biến trung gian một phần (partial mediator)
Một biến được gọi là trung gian một phần khi biến đó chỉ giải thích một phần mối quan hệ giữa biến độc lập và biến phụ thuộc. Trong trường hợp này, biến độc lập vẫn có ảnh hưởng trực tiếp đến biến phụ thuộc, ngay cả khi biến trung gian được đưa vào mô hình.
Thông thường, mô hình tác động của biến trung gian một phần sẽ được trình bày dưới dạng: X ➪ M ➪ Y và X ➪ Y (với X là biến độc lập, M là biến trung gian và Y là biến phụ thuộc).
 |
Biến trung gian một phần (partial mediator) |
3. Cách phân tích biến trung gian bằng Smart PLS
Trong bài viết này, Marketing Du Ký sẽ sử dụng một mô hình nghiên cứu khá đơn giản với 4 biến tham gia. Trong đó, biến PERF và CSOR đóng vai trò độc lập, biến COMP đóng vai trò trung gian và biến CUSL đóng vai trò là biến phụ thuộc.
Đầu tiên, bạn cần phải cho phần mềm Smart PLS xử lý dữ liệu trước khi tiến hành đọc kết quả. Để làm được việc này, bạn lần lượt chọn Bootstrapping ➪ Setup ➪ Start Calculation.
Sau khi phần mềm tính toán xong, bạn cần lưu ý đến 2 nội dung chính bao gồm: Total Indirect Effects và Specific Indirect Effects.
3.1. Specific Indirect Effects
Khi nhấp vào kết quả, bạn sẽ thấy các chỉ số gồm:
Original Sample (O): Hệ số hồi quy chuẩn hóa theo mẫu ban đầu.
Sample Mean (M): Hệ số hồi quy chuẩn hóa trung bình theo mẫu Boostrapping.
Standard Deviation (STDEV): Độ lệch chuẩn của hệ số hồi quy.
T Statistics (|O/STDEV|): Đánh giá ý nghĩa thống kê của hệ số hồi quy dựa trên kiểm định student T.
P Values: Đánh giá ý nghĩa thống kê của phép kiểm định.
Do trong mô hình tác động có 2 mối quan hệ trung gian gồm:
- PERF ➪ COMP ➪ CUSL
- CSOR ➪ COMP ➪ CUSL
Vì vậy, ta cần xét đến chỉ số P Values của cả 2 mối quan hệ này. Do chỉ số P Values < 0.05 nên biến COMP đã thật sự đóng vai trò trung gian giữa CSOR và PERF với CUSL.
Ngoài ra, do hệ số hồi quy chuẩn hóa của mối quan hệ gián tiếp PERF ➪ COMP ➪ CUSL lớn hơn CSOR ➪ COMP ➪ CUSL (0.259 > 0.102) nên có thể thấy COMP đóng vai trò trung gian mạnh hơn trong mối quan hệ PERF ➪ COMP ➪ CUSL.
3.2. Total Indirect Effects
Tiếp theo, bạn hãy chọn Total Indirect Effects. Kết quả cho thấy CSOR và PERF đều có sự tác động gián tiếp đến CUSL vì chỉ số P Values của cả 2 đều < 0.05.
Sau khi kiểm tra ý nghĩa của các mối quan hệ, bạn có thể tiếp tục tiến hành phân tích mô hình đo lường, mô hình cấu trúc hoặc multi group (MGA) dựa trên các bước của quy trình nghiên cứu.
Tóm lại, biến trung gian giúp các nhà nghiên cứu có thể hiểu sâu hơn về các yếu tố ảnh hưởng đến kết quả nghiên cứu. Hy vọng bạn đã có thể biết cách phân tích biến trung gian mediator thông qua bài viết này của Marketing Du Ký.
