Trong nghiên cứu khoa học xã hội và khoa học hành vi, phân tích mối quan hệ trung gian (mediation) và tác động điều tiết (moderation) là những kỹ thuật được sử dụng rộng rãi nhằm làm rõ cơ chế và điều kiện ảnh hưởng giữa các biến. Tuy nhiên, trong nhiều bối cảnh thực nghiệm, các mối quan hệ này không tồn tại một cách độc lập mà có thể đan xen và phụ thuộc lẫn nhau. Cụ thể, tác động gián tiếp của biến độc lập (X) lên biến phụ thuộc (Y) thông qua biến trung gian (M) có thể thay đổi theo mức độ của một biến điều tiết (W). Trường hợp này được khái niệm hóa là mô hình moderated mediation, hay còn được gọi là tác động gián tiếp có điều kiện (conditional indirect effect).
1. Mô hình moderated mediation
1.1 Giới thiệu
Mô hình moderated mediation, còn được gọi là mô hình trung gian có điều tiết, là sự kết hợp giữa phân tích trung gian và phân tích điều tiết trong khuôn khổ mô hình nhân quả. Mô hình này tập trung trả lời câu hỏi liệu tác động gián tiếp của biến X lên biến Y thông qua biến trung gian M có phụ thuộc vào mức độ hay trạng thái của một biến điều tiết W hay không.
Moderated mediation xảy ra khi tồn tại đồng thời hai điều kiện.
- Thứ nhất, biến trung gian M đóng vai trò giải thích cơ chế ảnh hưởng của X lên Y.
- Thứ hai, biến điều tiết W làm thay đổi cường độ hoặc ý nghĩa thống kê của tác động gián tiếp này. Do đó, cách tiếp cận moderated mediation không chỉ dừng lại ở việc xác định sự tồn tại của vai trò trung gian, mà còn xem xét mức độ hiệu lực của cơ chế trung gian đó trong các điều kiện khác nhau của biến điều tiết.
Ví dụ,
- Trong nghiên cứu hành vi tiêu dùng, ảnh hưởng của quảng cáo (X) đến ý định mua (Y) thông qua thái độ đối với thương hiệu (M) có thể khác nhau tùy thuộc vào mức độ quen thuộc với thương hiệu của người tiêu dùng (W).
- Tương tự, trong nghiên cứu quản trị nguồn nhân lực, tác động của đào tạo (X) đến hiệu suất làm việc (Y) thông qua động lực nội tại (M) có thể thay đổi theo các đặc điểm nhân khẩu học như giới tính hoặc độ tuổi (W).
Để kiểm định các mô hình này, macro PROCESS do Andrew Hayes phát triển trên nền tảng SPSS được xem là một công cụ hiệu quả, dễ sử dụng và được trích dẫn rộng rãi trong các công bố khoa học quốc tế.
1.2 Tổng quan về mô hình trung gian có điều tiết
Mô hình trung gian (Mediation)
– Khái niệm: Biến độc lập X tác động đến biến phụ thuộc Y thông qua vai trò trung gian của biến M, trong đó ảnh hưởng của X lên Y được giải thích một phần hoặc toàn bộ thông qua M.
– Ví dụ: Nhận thức về lợi ích môi trường (X) ảnh hưởng đến thái độ đối với xe điện (M), từ đó tác động đến ý định mua của người tiêu dùng (Y).
Mô hình điều tiết (Moderation)
– Khái niệm: Mức độ hoặc hướng tác động giữa hai biến thay đổi tùy thuộc vào sự hiện diện hoặc mức độ của một biến thứ ba, gọi là biến điều tiết.
– Ví dụ: Mối quan hệ giữa thái độ đối với xe điện (M) và ý định mua (Y) phụ thuộc vào mức độ am hiểu công nghệ của người tiêu dùng (W).
Mô hình trung gian có điều tiết (Moderated mediation)
– Khái niệm: Ảnh hưởng gián tiếp của X lên Y thông qua biến trung gian M không cố định mà thay đổi theo các mức độ khác nhau của biến điều tiết W.
– Đây là mô hình tích hợp, kết hợp đồng thời cơ chế trung gian và cơ chế điều tiết trong cùng một cấu trúc nghiên cứu.
2. Các mô hình moderated mediation trong PROCESS
Các phiên bản PROCESS v3 và v4 cung cấp nhiều mô hình moderated mediation nhằm kiểm định đồng thời vai trò trung gian và điều tiết trong cùng một khuôn khổ phân tích. Một số mô hình thường được sử dụng bao gồm:
PROCESS moderated mediation Model 7:
- Mô hình này mô tả một quá trình trung gian có điều tiết, trong đó
- Biến W đóng vai trò điều tiết mối quan hệ giữa biến độc lập X và biến trung gian M (đường a).
- Sau đó, biến M tác động đến biến phụ thuộc Y theo cơ chế trung gian thông thường.
- Ý nghĩa của mô hình là ảnh hưởng của X lên M không cố định mà thay đổi theo mức độ của W, dẫn đến hiệu ứng gián tiếp từ X đến Y thông qua M cũng phụ thuộc vào W.
Ví dụ, tác động của chiến dịch quảng cáo (X) lên thái độ đối với thương hiệu (M) có thể khác nhau tùy theo mức độ gắn bó thương hiệu ban đầu (W), và thái độ này sau đó ảnh hưởng đến ý định mua (Y).
PROCESS moderated mediation Model 8:
Model 8 có cấu trúc
- Tương tự Model 7 khi W điều tiết mối quan hệ X → M.
- Tuy nhiên, trong mô hình này, W đồng thời có ảnh hưởng trực tiếp đến biến phụ thuộc Y.
- Điều này cho thấy W không chỉ làm thay đổi hiệu ứng gián tiếp của X lên Y thông qua M, mà còn tác động trực tiếp đến kết quả cuối cùng.
Chẳng hạn, mức độ gắn bó thương hiệu (W) vừa điều chỉnh tác động của quảng cáo (X) lên thái độ thương hiệu (M), vừa trực tiếp ảnh hưởng đến ý định mua (Y).
PROCESS moderated mediation Model 14:
Trong Model 14,
- Biến điều tiết W tác động đến mối quan hệ giữa biến trung gian M
- Biến phụ thuộc Y (đường b), trong khi mối quan hệ X → M không bị điều tiết.
- Ý nghĩa của mô hình là ảnh hưởng của M lên Y thay đổi theo W, dẫn đến hiệu ứng gián tiếp X → M → Y mang tính điều kiện.
Ví dụ, thái độ đối với xe điện (M) có thể ảnh hưởng đến ý định mua (Y) mạnh hơn đối với những cá nhân có mức độ am hiểu công nghệ cao (W).
PROCESS moderated mediation Model 15:
Model 15 mở rộng phạm vi điều tiết khi W đồng thời điều tiết cả mối quan hệ X → M và M → Y. Do đó, hiệu ứng gián tiếp của X lên Y thông qua M thay đổi theo W ở cả hai giai đoạn của quá trình trung gian. Ví dụ, trình độ học vấn (W) có thể ảnh hưởng đến cách chương trình đào tạo (X) hình thành kiến thức (M), đồng thời ảnh hưởng đến mức độ mà kiến thức này chuyển hóa thành hiệu suất làm việc (Y).
PROCESS moderated mediation Model 58:
Cấu trúc:
- Model 58 có cấu trúc trong đó biến W điều tiết đồng thời mối quan hệ giữa X và M cũng như mối quan hệ giữa M và Y.
- Vì vậy, hiệu ứng gián tiếp của X lên Y thông qua M là một hàm phụ thuộc vào W ở cả hai chặng của quá trình.
Ví dụ, trình độ học vấn (W) có thể làm thay đổi tác động của chương trình đào tạo (X) lên kiến thức (M), cũng như tác động của kiến thức (M) lên hiệu suất làm việc (Y).
PROCESS moderated mediation Model 59:
Cấu trúc:
- Model 59 là phiên bản mở rộng của Model 58. Ngoài việc W điều tiết cả hai mối quan hệ X → M và M → Y, biến W còn có ảnh hưởng trực tiếp đến biến phụ thuộc Y.
- Do đó, W tham gia vào toàn bộ cấu trúc mô hình, vừa làm thay đổi hiệu ứng gián tiếp, vừa tác động trực tiếp đến kết quả.
Ví dụ, trình độ học vấn (W) có thể điều chỉnh tác động của đào tạo (X) lên kiến thức (M), điều chỉnh tác động của kiến thức (M) lên hiệu suất làm việc (Y), đồng thời trực tiếp ảnh hưởng đến hiệu suất làm việc (Y).
3. Phân tích trung gian được điều tiết (moderated mediation) bằng macro PROCESS v4 trên SPSS
Để thực hiện phân tích trung gian với phương pháp Bootstrap trên phần mềm SPSS, nghiên cứu sử dụng macro PROCESS do Hayes phát triển. Người nghiên cứu cần cài đặt macro này vào SPSS theo đúng hướng dẫn, áp dụng cho các phiên bản từ 20 đến 31 của phần mềm.
3.1 Chuẩn bị tập dữ liệu cho phân tích
Giả sử một bộ dữ liệu nghiên cứu có cấu trúc biến như sau:
-
Biến độc lập X được đo lường bởi các biến quan sát X1, X2, X3
-
Biến phụ thuộc Y được đo lường bởi các biến quan sát Y1, Y2, Y3
-
Biến trung gian M được đo lường bởi các biến quan sát M1, M2, M3
-
Biến điều tiết W được đo lường bởi các biến quan sát W1, W2, W3
Trước khi tiến hành phân tích, dữ liệu của các biến quan sát được xử lý bằng cách tính giá trị trung bình để hình thành bốn biến tổng hợp đại diện cho các khái niệm tiềm ẩn X, Y, M và W. Các biến tổng hợp này được sử dụng trong mô hình phân tích trung gian được điều tiết bằng macro PROCESS.
3.2 Thực hiện phân tích moderated mediation bằng PROCESS trên SPSS
Trong giao diện SPSS (ví dụ SPSS phiên bản 27, các phiên bản khác từ 20 đến 31 thực hiện tương tự), người nghiên cứu truy cập theo đường dẫn Analyze > Regression > PROCESS v4.2 by Andrew F. Hayes.
Khi hộp thoại PROCESS xuất hiện, tiến hành thiết lập các tham số như sau:
-
Tại mục 1, lựa chọn mô hình moderated mediation phù hợp với giả thuyết nghiên cứu, bao gồm các mô hình 7, 8, 14, 15, 58 hoặc 59.
-
Tại mục 2, lần lượt đưa biến phụ thuộc vào ô Y variable, biến độc lập vào ô X variable và biến trung gian vào ô Mediator(s) M.
-
Tại mục 3, đưa biến điều tiết vào ô Moderator variable W.
Sau khi hoàn tất việc khai báo các biến, chọn Options tại mục 4.
Trong cửa sổ Options, thiết lập các tùy chọn cần thiết theo yêu cầu phân tích (bao gồm các tham số liên quan đến Bootstrap, mức ý nghĩa và hiển thị kết quả). Sau đó nhấn Continue để quay lại cửa sổ chính và nhấn OK để chạy mô hình và xuất kết quả phân tích ra cửa sổ Output.
4. Diễn giải kết quả moderated mediation từ các mô hình PROCESS 7, 8, 14, 15, 58 và 59
Theo Hayes (2018), việc kết luận sự tồn tại của moderated mediation không nên dựa vào ý nghĩa thống kê của từng hệ số tương tác riêng lẻ trong các phương trình hồi quy của mô hình. Thay vào đó, moderated mediation cần được kiểm định trực tiếp thông qua chỉ số Index of Moderated Mediation. Chỉ số này phản ánh mức độ thay đổi của tác động gián tiếp theo giá trị của biến điều tiết và được đánh giá dựa trên khoảng tin cậy bootstrap.
Cụ thể, nếu khoảng tin cậy bootstrap của Index of Moderated Mediation không bao hàm giá trị 0, có thể kết luận rằng tồn tại tác động trung gian có điều tiết. Ngược lại, nếu khoảng tin cậy này bao gồm giá trị 0, thì không có đủ bằng chứng thống kê để khẳng định sự tồn tại của moderated mediation, bất kể các hệ số tương tác điều tiết (X*W) trong mô hình hồi quy có đạt ý nghĩa thống kê hay không. Điều này cho thấy ý nghĩa của quan hệ điều tiết riêng lẻ không phải là điều kiện quyết định để kết luận moderated mediation.
Do đó, tiêu chí đánh giá ý nghĩa của một quan hệ trung gian có điều tiết được xác định dựa trên khoảng tin cậy bootstrap của Index of Moderated Mediation như sau:
- Khoảng tin cậy bootstrap không chứa 0 cho thấy quan hệ moderated mediation có ý nghĩa thống kê.
- Khoảng tin cậy bootstrap chứa 0 cho thấy quan hệ moderated mediation không có ý nghĩa thống kê.
Mặc dù ý nghĩa của quan hệ điều tiết không quyết định trực tiếp đến việc kết luận moderated mediation, việc xem xét và báo cáo kết quả của các tương tác điều tiết vẫn cần thiết nhằm cung cấp thông tin đầy đủ và toàn diện hơn về cấu trúc của mô hình nghiên cứu.
Phần tiếp theo minh họa cách diễn giải kết quả moderated mediation thông qua PROCESS Model 7; cách đọc kết quả đối với các mô hình còn lại là tương tự.
→ Trong mô hình PROCESS Model 7, biến tương tác Int_1 có giá trị p trong kiểm định t bằng 0.000, nhỏ hơn mức ý nghĩa 0.05, cho thấy biến điều tiết W có vai trò điều tiết mối quan hệ giữa X và M. Hệ số tương tác mang giá trị dương (0.354), cho thấy khi giá trị của W tăng, mức độ tác động của X lên M trở nên mạnh hơn.
→ Trọng tâm của việc diễn giải moderated mediation nằm ở kết quả kiểm định Index of Moderated Mediation. Khoảng tin cậy bootstrap của tác động trung gian có điều tiết nằm trong khoảng [0.150; 0.383] và không bao gồm giá trị 0, cho thấy tác động gián tiếp X → M → Y được điều tiết bởi W có ý nghĩa thống kê. Giá trị ước lượng của hệ số tác động trung gian có điều tiết là 0.244, phản ánh mức độ ảnh hưởng gián tiếp của X lên Y thông qua M thay đổi theo giá trị của biến điều tiết W.
———-
Nguồn:
Hayes, A. F. (2018). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (Methodology in the Social Sciences) (2nd ed.). New York, NY: The Guilford Press.
