Theo Baron & Kenny (1986), biến điều tiết là biến làm thay đổi độ mạnh (strength) và dạng (form) của mối quan hệ giữa độc lập và phụ thuộc.
1. Lý thuyết về biến điều tiết
Biến điều tiết có thể là định tính (biến phân loại) hoặc biến định lượng (biến liên tục). Với biến điều tiết là biến định tính, chúng ta có thể sử dụng tới kỹ thuật phân tích cấu trúc đa nhóm trên AMOS. Bài viết này sẽ tập trung vào xử lý biến điều tiết định lượng liên tục trên SPSS.
Mô hình lý thuyết biến điều tiết có thể được biểu diễn như ảnh bên dưới:
Để phân tích biến điều tiết trên SPSS, chúng ta sẽ sử dụng mô hình hồi quy biến điều tiết MMR (Saunders, 1956) như sau:
Mô hình này có 3 biến tác động vào biến phụ thuộc:
- Tác động của biến độc lập X lên biến phụ thuộc Y
- Tác động của biến điều tiết W lên biến phụ thuộc Y
- Tác động của tích X*W lên biến phụ thuộc Y
Trích theo Baron & Kenny (1986) với cách đánh giá truyền thống, để một biến là biến điều tiết thì (1) biến này không có quan hệ với cả biến độc lập và biến phụ thuộc, cùng với đó (2) tích số X*W phải có sự tác động lên Y. Tuy nhiên theo hướng tiếp cận mới, điều kiện số (1) không nhất thiết phải xảy ra, chỉ cần điều kiện số (2) thỏa mãn thì có thể kết luận có mối tác động điều tiết.
Có nhiều phương thức xử lý biến điều tiết trên SPSS khác nhau, tuy nhiên, nội dung bên dưới sẽ chỉ tập trung vào phương pháp Bootstrapping là kỹ thuật tối ưu nhất và sử dụng phổ biến trong những năm gần đây.
2. Xử lý biến điều tiết moderator trên SPSS
2.1 Cài macro Process vào SPSS
Phần mềm SPSS không hỗ trợ sẵn chức năng phân tích biến điều tiết, chúng ta sẽ dụng tới Hayes Process Macro. Các bạn tải Macro này tại https://www.processmacro.org/download.html, cách tải và cài đặt vào SPSS, các bạn xem ở video bên dưới.
Phần hướng dẫn bên dưới sẽ thực hiện với tập dữ liệu mẫu có cấu trúc thang đo như sau:
- Biến độc lập X: Khối lượng công việc, được đo bằng X1, X2, X3.
- Biến phụ thuộc Y: Áp lực công việc, được đo bằng Y1, Y2, Y3.
- Biến điều tiết W: Sự hỗ trợ trong công việc, được đo bằng W1, W2, W3.
Các biến X, Y, W là biến đại diện được tạo bằng trung bình cộng của các biến quan sát. Chúng ta sẽ đánh giá xem W có đóng vai trò điều tiết sự tác động từ X lên Y hay không.
Về mặt ý nghĩa quản trị, nghiên cứu khác đã chứng minh rằng Khối lượng công việc có tác động thuận lên Áp lực công việc. Khi khối lượng công việc tăng lên, áp lực công việc của nhân viên cao hơn. Nghiên cứu này sẽ xét thêm vai trò của biến điều tiết Sự hỗ trợ trong công việc, xem liệu rằng nếu có và không có sự hỗ trợ từ sếp và đồng nghiệp thì sự tác động của Khối lượng công việc lên Áp lực công việc có thay đổi gì không.
Nếu bạn đang gặp khó khăn trong xử lý dữ liệu trên SPSS liên quan đến biến trung gian, điều tiết, kiểm soát. Bạn có thể tham khảo dịch vụ hỗ trợ SPSS của Phạm Lộc Blog để tối ưu về thời gian và có được kết quả phù hợp.
2.2 Phân tích biến điều tiết trên SPSS
VIDEO HƯỚNG DẪN
Thực hiện xử lý biến điều tiết moderator trên SPSS, vào Analyze > Regression > PROCESS v3.5 by Andrew F. Hayes (macro cập nhật liên tục theo thời gian, do vậy số phiên bản 3.5 có thể thay đổi).
Cửa sổ PROCESS xuất hiện, chúng ta đưa biến phụ thuộc vào Y variable, biến độc lập vào X variable, biến điều tiết vào Moderator variable (W). Chọn các tùy chọn giống như mục số 2, sau đó nhấp vào Options mục 3.
Trong Options, tích vào các lựa chọn như ảnh. Trong đó, mục số 2 dùng kỹ thuật “mean centering” các biến định lượng để tránh tình trạng cộng tuyến giữa biến độc lập và biến điều tiết. Nhấp Continue để quay lại cửa sổ ban đầu, sau đó nhấp OK để xuất kết quả ra Output.
2.3 Đọc kết quả phân tích biến điều tiết trên SPSS
Macro PROCESS sẽ xuất kết quả mô hình hồi quy với sự tham gia của 3 biến độc lập: X, W, X*W (tích số X*W được ký hiệu là Int_1). Bởi vì mỗi lần chạy Bootstrap, phần mềm sẽ lấy mẫu khác nhau nên kết quả có sự sai biệt giữa ảnh bên dưới với phần thực hành là bình thường, không phải lỗi.
Kết quả này cho thấy X không có tác động lên Y do p-value = 0.1875 > 0.05, W có tác động lên Y do p-value = 0.0328 < 0.05. Tuy nhiên như đề cập ở phần lý thuyết, chỉ cần tích số X*W có tác động lên Y thì đã có thể kết luận W có vai trò điều tiết lên mối quan hệ X và Y. Cụ thể ở đây, p-value của Int_1 bằng 0.0002 < 0.05, như vậy tích số X*W có tác động lên Y. Kết luận: W có vai trò điều tiết mối tác động từ X lên Y.
Hệ số tác động chưa chuẩn hóa của Int_1 là 0.1873 > 0, như vậy, khi W tăng thì sẽ làm tăng sự tác động từ X lên Y.
