Mediator là gì? Cách đọc biến trung gian trong SPSS và SmartPLS
Mediator là gì
Bạn mở bảng kết quả hồi quy hoặc SmartPLS và thấy các cụm từ indirect effect, direct effect, total effect. Mediator là biến trung gian, ký hiệu thường gặp là M, nằm giữa biến nguyên nhân X và biến kết quả Y. Mục tiêu của phân tích mediation là kiểm tra X có ảnh hưởng đến Y thông qua M hay không.
Mô hình cơ bản có dạng: X → M → Y. Ví dụ, chất lượng dịch vụ X có thể làm tăng sự hài lòng M, sau đó sự hài lòng làm tăng ý định tiếp tục sử dụng Y. Trong ví dụ này, sự hài lòng là mediator vì nó giải thích một phần cơ chế dẫn từ chất lượng dịch vụ đến ý định tiếp tục sử dụng.
Phân tích mediator thường xem xét ba đường dẫn. Đường a là tác động của X lên M. Đường b là tác động của M lên Y khi X cũng có mặt trong mô hình. Đường c là tác động tổng của X lên Y khi chưa đưa M vào. Đường c' là tác động trực tiếp của X lên Y sau khi đã đưa M vào. Tác động gián tiếp được tính theo công thức a × b, còn tác động tổng thường được biểu diễn là c = c' + ab.
Trong thực tế, bạn có thể kiểm tra mediator bằng hồi quy trong SPSS, PROCESS macro, AMOS hoặc mô hình cấu trúc trong SmartPLS. SPSS phù hợp khi mô hình dùng các biến quan sát hoặc điểm trung bình thang đo. SmartPLS phù hợp khi mô hình có biến tiềm ẩn và bạn muốn đánh giá đồng thời measurement model với structural model.
Ý nghĩa của mediator trong nghiên cứu định lượng
Mediator trả lời câu hỏi “X ảnh hưởng đến Y bằng cơ chế nào”. Đây là câu hỏi khác với việc chỉ kiểm tra X có ảnh hưởng đến Y hay không. Một hệ số dương của X lên Y cho biết có sự liên hệ theo chiều dương, nhưng chưa cho biết ảnh hưởng đó đi qua yếu tố nào.
Chẳng hạn, bạn nghiên cứu tác động của tính hữu ích cảm nhận đến ý định sử dụng ứng dụng. Nếu niềm tin là mediator, mô hình có thể cho thấy tính hữu ích làm tăng niềm tin, rồi niềm tin làm tăng ý định sử dụng. Kết quả này giúp phần thảo luận đi xa hơn một kết luận rằng “tính hữu ích có ảnh hưởng đến ý định”.
Trong mô hình, mediator có thể tạo ra một trong ba kết quả chính. Nếu indirect effect có ý nghĩa và direct effect vẫn có ý nghĩa, M thường được mô tả là biến trung gian một phần. Nếu indirect effect có ý nghĩa nhưng direct effect không còn ý nghĩa, dữ liệu ủng hộ vai trò trung gian toàn phần theo cách diễn giải kinh điển. Nếu indirect effect không có ý nghĩa, bạn chưa có bằng chứng thống kê để kết luận M truyền tác động từ X đến Y.
Bạn cần phân biệt mediator với biến kiểm soát. Biến kiểm soát được đưa vào để hạn chế ảnh hưởng của các yếu tố khác, chẳng hạn giới tính, tuổi hoặc kinh nghiệm. Mediator lại là một phần của cơ chế lý thuyết mà bạn chủ động đặt ra trong mô hình và giả thuyết.
Phân tích mediator cũng khác với phân tích outlier. Outlier là quan sát có giá trị bất thường trong dữ liệu, còn mediator là một biến trong mô hình nghiên cứu. Nếu file của bạn có giá trị cực đoan, hãy kiểm tra outliers trước khi diễn giải đường dẫn trung gian.
Mediator bao nhiêu là đạt
Mediator không có một ngưỡng duy nhất giống Cronbach's Alpha hay AVE. Bạn cần đánh giá ý nghĩa của indirect effect, khoảng tin cậy bootstrap và chất lượng của thang đo M. Với mediation, câu hỏi chính là khoảng tin cậy của indirect effect có chứa 0 hay không.
Bảng dưới đây tóm tắt các tiêu chí thường dùng. Số liệu trong bảng là tiêu chí tham khảo từ các nguồn được nêu, không phải kết quả mặc định cho mọi đề tài.
| Nội dung cần kiểm tra | Cách đánh giá | Nguồn canonical |
|---|---|---|
| Indirect effect | Có ý nghĩa khi bootstrap confidence interval không chứa 0 | (Preacher và Hayes, 2008) |
| Bootstrap | Có thể dùng 5.000 bootstrap subsamples khi chạy PLS-SEM | (Hair và cộng sự, 2022) |
| Outer loading của biến quan sát M | Từ 0.7 trở lên là mức tham khảo trong PLS-SEM | (Chin, 1998), (Hair và cộng sự, 2022) |
| Composite Reliability của M | Từ 0.7 trở lên | (Fornell và Larcker, 1981) |
| AVE của M | Từ 0.5 trở lên | (Fornell và Larcker, 1981) |
| HTMT giữa M và cấu trúc khác | Dưới 0.85, hoặc dưới 0.90 với khái niệm gần nhau | (Henseler và cộng sự, 2015) |
| VIF của các đường dẫn | Dưới 5 | (Hair và cộng sự, 2019) |
| f² của một tác động | 0.02 nhỏ, 0.15 trung bình, 0.35 lớn | (Cohen, 1988) |
Ví dụ, indirect effect bằng 0.126 và bootstrap 95% CI từ 0.052 đến 0.219. Vì khoảng này không chứa 0, bạn có thể kết luận tác động gián tiếp có ý nghĩa theo tiêu chí bootstrap. Nếu CI từ -0.014 đến 0.198, khoảng này chứa 0 nên chưa đủ bằng chứng để khẳng định indirect effect có ý nghĩa.
Bạn không nên chỉ nhìn p-value của đường a hoặc đường b rồi kết luận mediation. Có trường hợp từng đường riêng lẻ có p-value thấp nhưng tích a × b không có ý nghĩa, hoặc ngược lại. Hãy báo cáo indirect effect và confidence interval, sau đó mô tả direct effect để xác định dạng trung gian.
Cách đọc mediator trên output
Đọc mediator trong output SPSS
Nếu dùng hồi quy, bạn thường chạy mô hình thứ nhất với M là biến phụ thuộc và X là biến độc lập. Đường dẫn X → M nằm trong bảng Coefficients. Tiếp theo, chạy mô hình Y theo X và M. Đường dẫn M → Y là hệ số của M, còn đường X → Y trong mô hình có M là direct effect.
Nếu dùng PROCESS macro, output thường có các phần Model Summary, coefficients, Direct effect of X on Y, Indirect effect(s) of X on Y. Hãy xác định đúng tên biến X, M, Y ở đầu output trước khi đọc các con số. Nhiều lỗi xuất phát từ việc đảo biến trung gian và biến phụ thuộc khi khai báo mô hình.
Đọc mediator trong SmartPLS 4
Trong SmartPLS 4, bạn tạo ba latent variables, nối X với M, M với Y và thường nối thêm X với Y nếu muốn kiểm tra direct effect. Sau đó chạy Calculate > Bootstrapping. Trong phần kết quả, mở Specific Indirect Effects để xem tác động gián tiếp X → M → Y. Mở Direct Effects để xem X → Y, và Total Effects để xem tổng tác động.
Bảng dưới đây là số liệu minh họa, được tạo để chỉ cách đọc cột output. Đây không phải kết quả của một nghiên cứu thực tế.
| Bảng output SmartPLS 4 | Path | Original Sample (O) | Sample Mean (M) | Standard Deviation (STDEV) | T Statistics | P Values |
|---|---|---|---|---|---|---|
| Specific Indirect Effects | X → M → Y | 0.126 | 0.128 | 0.041 | 3.073 | 0.002 |
| Direct Effects | X → Y | 0.184 | 0.181 | 0.058 | 3.172 | 0.002 |
| Total Effects | X → Y | 0.310 | 0.309 | 0.047 | 6.596 | 0.000 |
| Direct Effects | M → Y | 0.421 | 0.419 | 0.063 | 6.683 | 0.000 |
Ở dòng Specific Indirect Effects, O bằng 0.126 và p-value bằng 0.002. Nếu khoảng tin cậy bootstrap tương ứng không chứa 0, đường trung gian có ý nghĩa thống kê. Direct effect X → Y vẫn dương và có p-value bằng 0.002, vì vậy số liệu minh họa này phù hợp với cách diễn giải mediator một phần.
Khi đọc output, bạn cần kiểm tra cả dấu của hệ số. Indirect effect dương cho thấy hai đường dẫn tạo ra tác động gián tiếp cùng chiều hoặc đều có dấu âm. Indirect effect âm cho thấy tác động thông qua M đi ngược chiều. Đừng đổi một kết quả âm thành “có tác động tích cực” chỉ vì p-value đạt.
Bạn có thể tham khảo thêm cách đọc moderator, vì moderator trả lời câu hỏi tác động thay đổi theo điều kiện nào. Nếu mô hình của bạn có cả mediator và moderator, hãy ghi rõ biến nào là cơ chế trung gian và biến nào làm thay đổi cường độ hoặc chiều tác động.
Khi mediator không đạt thì xử lý thế nào
Trước tiên, kiểm tra thang đo của mediator. Nếu outer loading quá thấp, hãy xem biến quan sát có bị nhập sai mã, đảo chiều chưa xử lý hoặc có nhiều giá trị thiếu không. Với dữ liệu SPSS, kiểm tra Variable View, Data View, bảng tần số và mã hóa của các biến trước khi chạy lại.
Tiếp theo, xem độ tin cậy và giá trị hội tụ của M. Trong SPSS, bạn có thể vào Analyze > Scale > Reliability Analysis để xem Cronbach's Alpha, Corrected Item-Total Correlation và thông tin khi loại từng biến. Alpha từ 0.7 trở lên thường được xem là chấp nhận được theo (Nunnally, 1978), còn corrected item-total correlation từ 0.3 trở lên được nêu trong (Nunnally và Bernstein, 1994). Với thang đo khám phá, Alpha từ 0.6 có thể được cân nhắc theo (Hair và cộng sự, 2010), nhưng bạn cần giải thích bối cảnh và không nên loại biến chỉ để làm đẹp con số.
Nếu measurement model đạt nhưng indirect effect không đạt, hãy quay lại giả thuyết và cơ sở lý thuyết. Có thể X thật sự không ảnh hưởng đến M, M không ảnh hưởng đến Y khi kiểm soát X, hoặc cỡ mẫu chưa đủ để nhận diện tác động nhỏ. Bạn không nên tự ý đổi mediator sau khi đã xem kết quả chỉ để tạo ra p-value mong muốn.
Một lựa chọn có thể chấp nhận là báo cáo kết quả không có ý nghĩa và thảo luận nguyên nhân phù hợp với dữ liệu. Bạn cũng có thể kiểm tra lỗi nhập liệu, missing values, outlier và đa cộng tuyến. Việc xóa quan sát phải có tiêu chí trước, được ghi lại và có lý do phương pháp rõ ràng.
Nếu mô hình không có cơ sở lý thuyết chắc chắn, hãy trao đổi với giảng viên trước khi thêm đường dẫn mới. Các phần mềm như AMOS, JASP và R có thể thực hiện mediation, nhưng đổi phần mềm không làm một indirect effect không đạt trở thành đạt. Dịch vụ chạy SPSS có thể tiết kiệm thời gian thao tác, nhưng bạn vẫn phải hiểu mô hình để giải trình khi hội đồng hỏi về X, M, Y và cách bootstrap.
Phân biệt mediator với biến dễ nhầm
Mediator là biến giải thích cơ chế giữa X và Y. Moderator là biến làm thay đổi mức độ hoặc chiều của quan hệ X và Y. Ví dụ, sự hài lòng có thể là mediator nếu chất lượng dịch vụ ảnh hưởng đến ý định thông qua sự hài lòng. Thu nhập có thể là moderator nếu tác động của chất lượng dịch vụ lên ý định khác nhau giữa các nhóm thu nhập.
Biến điều tiết thường được kiểm tra bằng interaction term hoặc đường dẫn tương tác. Mediator thường được kiểm tra bằng indirect effect. Hai khái niệm có thể cùng xuất hiện trong một mô hình, nhưng câu hỏi nghiên cứu, giả thuyết và cách đọc output khác nhau. Bạn có thể xem bài moderating để phân biệt cách dùng thuật ngữ, hoặc xem scale là gì nếu chưa chắc điểm số của một thang đo được tạo như thế nào.
Biến kiểm soát cũng dễ bị nhầm với mediator. Tuổi, giới tính và kinh nghiệm thường được đưa vào mô hình để kiểm soát khác biệt giữa các nhóm. Bạn chỉ gọi một biến là mediator khi mô hình lý thuyết đặt nó vào chuỗi X → M → Y và bạn có giả thuyết cho các đường dẫn liên quan.
Lỗi thường gặp
Lỗi đầu tiên là kết luận mediator chỉ vì X có ảnh hưởng đến Y. X → Y là direct hoặc total effect, chưa chứng minh X tác động qua M. Bạn cần xem Specific Indirect Effects hoặc bảng indirect effect tương ứng.
Lỗi thứ hai là dùng tiêu chí CFI, TLI, RMSEA của CB-SEM để đánh giá một mô hình SmartPLS. Các chỉ số này thuộc nhóm fit index của CB-SEM theo (Hu và Bentler, 1999), nên không được trộn vào phần đánh giá PLS-SEM.
Lỗi thứ ba là viết “mediator đạt” như thể đây là một chỉ số đơn lẻ. Mediator là vai trò của biến trong mô hình, còn các con số cần báo cáo gồm hệ số đường dẫn, indirect effect, khoảng tin cậy, p-value và các chỉ tiêu đo lường của chính biến M.
Lỗi thứ tư là xóa biến quan sát ngay khi thấy loading thấp mà không kiểm tra nội dung. Việc loại biến có thể làm thay đổi ý nghĩa khái niệm. Hãy lưu từng phiên bản dữ liệu, ghi lý do loại và kiểm tra lại độ tin cậy, AVE cùng giá trị phân biệt sau mỗi lần điều chỉnh.
Lỗi cuối là báo cáo p-value bằng 0.000 như một xác suất bằng không. Trong bảng SPSS hoặc SmartPLS, bạn có thể ghi p < 0.001 khi phần mềm hiển thị 0.000, đồng thời giữ đúng hướng và độ lớn của hệ số.
Đọc thêm: outliers, moderating, moderator, scale là gì, std là gì.
Câu hỏi thường gặp
Mediator là gì trong nghiên cứu định lượng?
Mediator là biến trung gian giải thích cách X ảnh hưởng đến Y. Mô hình cơ bản là X → M → Y, trong đó tác động gián tiếp được kiểm tra qua tích của đường X → M và M → Y.
Biến trung gian và biến điều tiết khác nhau thế nào?
Biến trung gian giải thích cơ chế truyền tác động. Biến điều tiết cho biết tác động của X lên Y thay đổi theo mức của một biến khác. Mediator được đọc qua indirect effect, còn moderator thường liên quan đến interaction effect hoặc đường dẫn tương tác.
Indirect effect bao nhiêu là đạt?
Không có một mức số tuyệt đối áp dụng cho mọi đề tài. Indirect effect được xem là có ý nghĩa khi bootstrap confidence interval không chứa 0, theo tiêu chí của (Preacher và Hayes, 2008). Bạn cũng cần xem dấu, độ lớn, p-value và ý nghĩa lý thuyết của tác động.
Mediator có cần direct effect có ý nghĩa không?
Direct effect không nhất thiết phải có ý nghĩa để indirect effect tồn tại. Khi indirect effect có ý nghĩa nhưng direct effect không có ý nghĩa, bạn có thể mô tả dữ liệu phù hợp với trung gian toàn phần theo cách diễn giải của mô hình. Cần trình bày rõ kết quả cụ thể thay vì chỉ gắn nhãn cho mô hình.
Mediator bị lỗi thì làm sao?
Kiểm tra lại mã hóa biến, biến đảo chiều, missing values, outlier, thang đo và đa cộng tuyến trước khi chạy lại. Nếu measurement model đạt nhưng indirect effect không đạt, hãy báo cáo kết quả đó và giải thích dựa trên lý thuyết, thay vì tự ý xóa dữ liệu hoặc đổi mô hình để tìm p-value thấp.
Nên chạy mediator bằng SPSS hay SmartPLS?
SPSS phù hợp với hồi quy trên điểm tổng hợp hoặc điểm trung bình, đặc biệt khi bạn dùng PROCESS macro. SmartPLS phù hợp khi mediator là biến tiềm ẩn có nhiều biến quan sát và bạn muốn chạy bootstrapping trong mô hình PLS-SEM. Hãy chọn theo mô hình, dữ liệu và yêu cầu của giảng viên, không chọn chỉ vì một phần mềm hiển thị kết quả đẹp hơn.
Bạn hãy mở lại output của mình, xác định đúng X, M, Y, rồi chép riêng các dòng Specific Indirect Effects, Direct Effects và khoảng tin cậy bootstrap vào bảng kết quả trước khi viết diễn giải; nếu cần chạy phân tích trên file .sav hoặc .csv thật của bạn, M4 phân tích của DoThesis hỗ trợ bước này.