Trong các nghiên cứu thuộc lĩnh vực khoa học xã hội, quản trị, tâm lý học và marketing, bạn thường quan tâm đến việc xác định cơ chế và mức độ mà một biến độc lập (X) tác động đến một biến phụ thuộc (Y). Tuy nhiên, bằng chứng thực nghiệm cho thấy mối quan hệ X → Y hiếm khi diễn ra theo hướng trực tiếp và tuyến tính hoàn toàn. Thay vào đó, ảnh hưởng của X đối với Y thường được truyền dẫn thông qua một hoặc nhiều biến trung gian, phản ánh bản chất phức hợp của hành vi và quá trình ra quyết định.
1. Khái niệm biến trung gian
Biến trung gian (mediator) là biến nằm trong chuỗi quan hệ nhân quả giữa X và Y, có chức năng truyền tải và giải thích cơ chế tác động của biến độc lập lên biến phụ thuộc. Khi bạn đưa biến trung gian vào mô hình nghiên cứu, cấu trúc quan hệ được mở rộng từ dạng tác động trực tiếp sang mô hình có đường dẫn gián tiếp, qua đó làm rõ tiến trình tác động và gia tăng giá trị lý thuyết cũng như hàm ý thực tiễn của nghiên cứu. Về mặt phân tích thống kê, biến trung gian cho phép kiểm định hiệu ứng gián tiếp thông qua các hệ số đường dẫn và ước lượng mức độ suy giảm của tác động trực tiếp khi có sự hiện diện của biến này.
Trên sơ đồ mô hình, bạn có thể nhận diện biến trung gian bằng đặc điểm cấu trúc: biến đó vừa nhận tác động từ một biến khác (mũi tên hướng vào), vừa tác động đến một biến tiếp theo (mũi tên hướng ra). Nói cách khác, nó đồng thời đóng vai trò là biến phụ thuộc trong một quan hệ và là biến độc lập trong một quan hệ khác.
Ví dụ, trong nghiên cứu về ảnh hưởng của chất lượng dịch vụ (X) đến lòng trung thành của khách hàng (Y), sự hài lòng của khách hàng (M) thường được xem là biến trung gian. Kết quả nghiên cứu thực nghiệm cho thấy chất lượng dịch vụ cao làm gia tăng mức độ hài lòng; sự hài lòng này, đến lượt nó, thúc đẩy lòng trung thành. Khi đó, tác động của chất lượng dịch vụ đến lòng trung thành được giải thích thông qua cơ chế trung gian của sự hài lòng.
Trong mô hình trung gian đơn giản, X là biến độc lập, Y là biến phụ thuộc và M là biến trung gian, với các đường dẫn thể hiện tác động từ X đến M và từ M đến Y.
Sự tồn tại của quan hệ trung gian không bắt buộc phải đi kèm với đường tác động trực tiếp từ X đến Y. Tuy nhiên, nếu bạn ước lượng đồng thời cả tác động trực tiếp và gián tiếp, kết quả sẽ cho phép phân loại dạng trung gian. Khi tác động trực tiếp từ X đến Y không còn có ý nghĩa thống kê sau khi đưa M vào mô hình, quan hệ được xem là trung gian toàn phần. Ngược lại, nếu tác động trực tiếp vẫn còn ý nghĩa nhưng suy giảm về cường độ, mô hình được xác định là trung gian một phần. Phân loại này có ý nghĩa quan trọng trong việc diễn giải cơ chế tác động và mức độ phụ thuộc của Y vào các kênh truyền dẫn khác nhau.
2. Trung gian toàn phần và trung gian một phần
Để xác định cơ chế trung gian là toàn phần hay một phần, bạn cần kiểm định đồng thời hai loại quan hệ trong cùng một mô hình nghiên cứu: (1) tác động gián tiếp của biến độc lập X lên biến phụ thuộc Y thông qua biến trung gian M và (2) tác động trực tiếp của X lên Y. Hai dạng quan hệ này thường được biểu diễn trong mô hình trung gian với các đường dẫn cấu trúc tương ứng.
Trong trường hợp mô hình không giả định hoặc không ước lượng đường dẫn trực tiếp từ X đến Y, bạn sẽ không có đủ cơ sở thống kê để phân loại cơ chế trung gian là toàn phần hay một phần. Việc phân loại này đòi hỏi phải so sánh đồng thời ý nghĩa thống kê của cả hiệu ứng trực tiếp và hiệu ứng gián tiếp. Nội dung này sẽ được phân tích chi tiết hơn ở mục số 3 ở cuối bài viết.
Trong mô hình biến trung gian, tổng tác động của X lên Y được cấu thành từ hai thành phần: tác động trực tiếp và tác động gián tiếp. Tác động trực tiếp được thể hiện qua đường dẫn X → Y, phản ánh ảnh hưởng của X lên Y khi đã kiểm soát biến trung gian M. Tác động gián tiếp được xác định thông qua chuỗi quan hệ X → M → Y, thể hiện cơ chế mà qua đó X ảnh hưởng đến Y thông qua M. Trên cơ sở kết quả kiểm định ý nghĩa thống kê của các đường dẫn này, cơ chế trung gian được phân loại thành hai dạng chính: trung gian toàn phần và trung gian một phần.
- Trung gian toàn phần là trường hợp X có ảnh hưởng gián tiếp có ý nghĩa thống kê lên Y thông qua M, trong khi ảnh hưởng trực tiếp của X lên Y không có ý nghĩa thống kê. Nói cách khác, mối quan hệ giữa X và Y được giải thích hoàn toàn thông qua biến trung gian M.
- Trung gian một phần là trường hợp X vừa có ảnh hưởng gián tiếp có ý nghĩa thống kê lên Y thông qua M, vừa duy trì ảnh hưởng trực tiếp có ý nghĩa thống kê lên Y. Khi đó, biến trung gian M chỉ giải thích một phần mối quan hệ giữa X và Y, và vẫn tồn tại một phần tác động trực tiếp không đi qua M.
2.1 Trung gian toàn phần (Full Mediation)
Trung gian toàn phần được xác định khi mối quan hệ trực tiếp giữa biến độc lập X và biến phụ thuộc Y không còn đạt ý nghĩa thống kê sau khi biến trung gian M được đưa vào mô hình phân tích. Khi đó, ảnh hưởng của X đến Y được truyền tải hoàn toàn thông qua M, cho thấy cơ chế tác động diễn ra gián tiếp thay vì trực tiếp.
Điều kiện xác định:
- Tác động gián tiếp theo chuỗi X → M → Y đạt ý nghĩa thống kê.
- Tác động trực tiếp X → Y trong mô hình có sự hiện diện của M không đạt ý nghĩa thống kê.
Ví dụ, trong nghiên cứu về đào tạo nhân viên (X) và hiệu quả công việc (Y), nếu kết quả phân tích cho thấy đào tạo chỉ ảnh hưởng đến hiệu quả thông qua việc nâng cao năng lực chuyên môn (M), đồng thời hệ số tác động trực tiếp từ X đến Y không còn ý nghĩa khi kiểm soát M, thì có thể kết luận tồn tại cơ chế trung gian toàn phần. Khi đó, năng lực đóng vai trò là kênh truyền dẫn duy nhất của ảnh hưởng từ đào tạo đến hiệu quả làm việc.
2.2 Trung gian một phần (Partial Mediation)
Trung gian một phần xảy ra khi biến độc lập X vẫn duy trì ảnh hưởng trực tiếp có ý nghĩa thống kê đến biến phụ thuộc Y, đồng thời một phần tác động của X được truyền thông qua biến trung gian M. Điều này hàm ý rằng mối quan hệ giữa X và Y được giải thích bởi hai con đường tác động song song: trực tiếp và gián tiếp.
Cấu trúc tác động bao gồm:
- X → Y thể hiện tác động trực tiếp.
- X → M → Y thể hiện tác động gián tiếp thông qua biến trung gian.
Điều kiện xác định:
- Tác động gián tiếp X → M → Y có ý nghĩa thống kê.
- Tác động trực tiếp X → Y trong mô hình có sự tham gia của M vẫn đạt ý nghĩa thống kê.
Ví dụ, trong lĩnh vực marketing, hình ảnh thương hiệu (X) có thể ảnh hưởng trực tiếp đến ý định mua hàng (Y), đồng thời tác động gián tiếp thông qua thái độ đối với thương hiệu (M). Khi cả hai đường tác động này đều có ý nghĩa thống kê, bạn có thể kết luận rằng tồn tại cơ chế trung gian một phần, trong đó thái độ thương hiệu chỉ giải thích một phần mối quan hệ giữa hình ảnh thương hiệu và ý định mua.
3. Mô hình không vẽ quan hệ trực tiếp từ X lên Y thì có xác định được trung gian toàn phần hay một phần hay không?
Theo cơ sở lý thuyết về phân tích trung gian, để phân loại quan hệ trung gian là toàn phần (full mediation) hay một phần (partial mediation), bạn bắt buộc phải xem xét đồng thời hai loại tác động: (1) tác động gián tiếp từ X đến Y thông qua biến trung gian M và (2) tác động trực tiếp từ X đến Y. Việc phân loại chỉ có ý nghĩa khi cả hai đường tác động này được ước lượng và kiểm định trong cùng một mô hình.
Mô hình 1:
Mô hình 2:
Trong mô hình có đầy đủ cả đường dẫn X → M → Y và X → Y, bạn có thể so sánh ý nghĩa thống kê và cường độ của tác động trực tiếp và gián tiếp để xác định loại trung gian. Ngược lại, nếu mô hình không bao gồm đường dẫn trực tiếp từ X đến Y, bạn chỉ có thể kết luận về sự tồn tại của tác động gián tiếp, nhưng không đủ cơ sở để phân biệt đó là trung gian toàn phần hay một phần. Do đó, chỉ những mô hình tương đương với Mô hình 1 (có đường dẫn trực tiếp) mới cho phép phân loại trung gian; còn các mô hình tương tự Mô hình 2 (không có đường dẫn trực tiếp) sẽ không đáp ứng điều kiện này.
Vậy tại sao trong một số nghiên cứu, tác giả không trình bày mũi tên tác động trực tiếp từ X lên Y nhưng vẫn phân loại được quan hệ trung gian?
Về nguyên tắc phương pháp luận, điều kiện để xác định trung gian toàn phần hay một phần là phải ước lượng được tác động trực tiếp từ X đến Y. Nếu bạn quan sát thấy một số nghiên cứu không thể hiện đường dẫn này trên sơ đồ lý thuyết nhưng vẫn đưa ra kết luận về loại trung gian, điều đó thường xuất phát từ đặc thù của công cụ phân tích dữ liệu được sử dụng.
– Trong bối cảnh phân tích trung gian bằng macro PROCESS trên SPSS
Đây là một công cụ hồi quy theo phương pháp ước lượng từng phương trình, không yêu cầu bạn phải vẽ sơ đồ đường dẫn như trong mô hình cấu trúc tuyến tính.
Khi khai báo biến độc lập, biến trung gian và biến phụ thuộc, PROCESS sẽ tự động ước lượng cả tác động trực tiếp của X lên Y và tác động gián tiếp thông qua M, bất kể trên sơ đồ lý thuyết bạn có minh họa đường dẫn trực tiếp hay không. Kết quả đầu ra của PROCESS luôn bao gồm bảng hệ số hồi quy thể hiện tác động trực tiếp của X và M lên Y.
Chính đặc điểm này khiến nhiều người hiểu rằng không cần xem xét tác động trực tiếp vẫn có thể phân loại trung gian, trong khi thực chất công cụ đã âm thầm ước lượng đường dẫn đó.
– Trong bối cảnh phân tích bằng mô hình cấu trúc tuyến tính như AMOS hoặc SmartPLS
Nguyên tắc lại khác. SEM là mô hình đường dẫn, nghĩa là phần mềm chỉ ước lượng các quan hệ mà bạn trực tiếp chỉ định bằng mũi tên.
Nếu bạn vẽ đường dẫn trực tiếp từ X đến Y, phần mềm sẽ tính toán hệ số tương ứng, từ đó bạn có cơ sở để so sánh và phân loại trung gian toàn phần hay một phần. Ngược lại, nếu bạn không vẽ mũi tên từ X đến Y, mô hình sẽ không ước lượng tác động trực tiếp này; khi đó bạn chỉ có thể kiểm định ý nghĩa của tác động gián tiếp mà không thể xác định loại trung gian.
Vì vậy, trong nhiều nghiên cứu sử dụng SEM, để phân loại trung gian, tác giả thường xây dựng thêm một mô hình có bổ sung đường dẫn trực tiếp từ X đến Y nhằm thu thập hệ số ước lượng của tác động này. Tuy nhiên, trong quá trình trình bày bài viết, tác giả có thể không minh họa đầy đủ tất cả các sơ đồ đã kiểm định, dẫn đến việc bạn không nhìn thấy đường dẫn trực tiếp nhưng vẫn thấy kết luận về loại trung gian trong phần kết quả.
