Phân tích Sobel test SPSS: Cách chạy và đọc kết quả
Khi nào dùng Sobel test trong SPSS
Bạn dùng Sobel test khi muốn kiểm tra liệu một biến trung gian có truyền tác động từ biến độc lập X đến biến phụ thuộc Y hay không. Mô hình cơ bản có dạng X ảnh hưởng đến M, sau đó M ảnh hưởng đến Y. Chẳng hạn, chất lượng dịch vụ có thể ảnh hưởng đến lòng trung thành thông qua sự hài lòng.
Trong mô hình này, X là biến độc lập, M là biến trung gian và Y là biến phụ thuộc. Bạn có thể xem thêm biến độc lập là gì và biến trung gian là gì nếu đang nhầm vai trò của các biến.
Sobel test kiểm tra tác động gián tiếp, thường được biểu diễn bằng tích của hai hệ số a và b. Hệ số a là tác động của X lên M. Hệ số b là tác động của M lên Y khi X cùng xuất hiện trong mô hình dự đoán Y. Sai số chuẩn của hai hệ số này được dùng để tính thống kê kiểm định Sobel.
Bạn nên dùng Sobel test khi mô hình có một biến trung gian và các biến được đo bằng điểm tổng hợp hoặc điểm trung bình. Nếu dữ liệu lệch mạnh, cỡ mẫu nhỏ hoặc tác động gián tiếp có phân phối không đối xứng, bootstrap thường phù hợp hơn. Trong thực tế hiện nay, PROCESS Macro và phân tích bootstrap trung gian trong SPSS thường được ưu tiên để báo cáo khoảng tin cậy của tác động gián tiếp.
Sobel test không kiểm tra biến điều tiết. Khi câu hỏi nghiên cứu là tác động của X thay đổi theo mức độ của W, bạn đang cần phân tích điều tiết, có thể tham khảo phân tích PROCESS Macro là gì. PROCESS Macro điều tiết và PROCESS Macro trung gian là hai cấu hình khác nhau, dù đều chạy trong SPSS.
Chuẩn bị dữ liệu trước khi chạy
Trước khi mở hộp thoại phân tích, bạn cần xác định rõ ba nhóm biến X, M và Y. Nếu mỗi khái niệm có nhiều biến quan sát, hãy hoàn tất kiểm định thang đo trước, sau đó tạo biến tổng hợp theo cách đã nêu trong phương pháp nghiên cứu. Không nên đưa từng biến quan sát vào Sobel test khi giả thuyết của bạn được xây dựng ở cấp độ biến tiềm ẩn.
Kiểm tra trong Variable View rằng các biến phân tích có kiểu Numeric và Measure phù hợp. Nhãn biến nên ngắn, dễ nhận biết, chẳng hạn CLDV là chất lượng dịch vụ, HL là hài lòng và TT là lòng trung thành. File dữ liệu có thể ở dạng .sav; SPSS cần một dòng cho mỗi người trả lời và một cột cho mỗi biến.
Bạn cũng cần rà soát missing values. Vào Analyze > Descriptive Statistics > Frequencies để xem số lượng giá trị thiếu, giá trị bằng 0 bất thường và các mã như 99, 999 đang bị nhập nhầm thành dữ liệu thật. Nếu một mã được dùng cho câu trả lời không hợp lệ, hãy khai báo hoặc chuyển thành system-missing trước khi tính điểm tổng hợp.
Với biến đảo chiều, bạn phải recode trước khi tính điểm. Vào Transform > Recode into Different Variables, tạo biến mới và ghi rõ quy tắc chuyển đổi. Ví dụ thang Likert 1 đến 5 có thể được đảo theo quy tắc 1 thành 5, 2 thành 4, 3 giữ nguyên, 4 thành 2 và 5 thành 1. Quy tắc cụ thể phải khớp với bảng hỏi của bạn.
Sau đó kiểm tra thống kê mô tả bằng Analyze > Descriptive Statistics > Descriptives. Quan sát Mean, Std. Deviation, Minimum và Maximum. Một biến có độ lệch lớn hoặc chỉ nhận một giá trị ở toàn bộ mẫu cần được kiểm tra trước khi chạy hồi quy. Sobel test không sửa được lỗi nhập dữ liệu, mã hóa sai hay thang đo chưa hoàn chỉnh.
Nếu có biến kiểm soát như tuổi, giới tính hoặc thu nhập, bạn cần quyết định từ mô hình lý thuyết xem chúng có đưa vào cả phương trình của M và Y hay không. Cách xử lý biến kiểm soát nên nhất quán với mô hình, thay vì chỉ thêm vào vì một phương trình có p-value chưa đạt.
Các bước chạy Sobel test trong SPSS
Bước 1: Chạy phương trình kiểm tra tác động của X lên M
Vào Analyze > Regression > Linear. Đưa biến trung gian M vào ô Dependent và biến độc lập X vào ô Independent(s). Nếu có biến kiểm soát, đưa chúng vào cùng mô hình theo thứ tự đã quy định trong phương pháp.
Nhấn Statistics và chọn Estimates, Model fit, Confidence intervals, Descriptives và Collinearity diagnostics nếu cần. Nhấn Continue rồi OK. Trong bảng Coefficients, ghi lại hệ số của X, sai số chuẩn của hệ số đó và mức ý nghĩa. Đây là đường a trong sơ đồ trung gian.
Bạn cần lưu ý tên cột SPSS in ra. Unstandardized Coefficients B là hệ số thường dùng để tính Sobel. Std. Error là sai số chuẩn của B. Standardized Coefficients Beta có thể dùng để diễn giải mức độ chuẩn hóa, nhưng không nên tự trộn B của một mô hình với Beta của mô hình khác khi tính tác động gián tiếp.
Bước 2: Chạy phương trình kiểm tra M và X cùng tác động lên Y
Vào lại Analyze > Regression > Linear. Đưa Y vào Dependent. Đưa X và M vào Independent(s), cùng với biến kiểm soát nếu mô hình có quy định. Nhấn Statistics, chọn Estimates và Model fit, sau đó nhấn Continue và OK.
Trong bảng Coefficients, lấy hệ số B và Std. Error của M. Đây là đường b. Đồng thời ghi lại hệ số của X trong mô hình có M. Hệ số này thường được gọi là tác động trực tiếp c prime, còn tác động tổng của X lên Y trong mô hình không có M là c.
Tác động gián tiếp về mặt điểm ước lượng là a nhân b. Sobel test kiểm tra xem tích này có khác 0 theo sai số chuẩn ước lượng hay không. SPSS không có một menu mặc định tên Sobel test trong Linear Regression, vì vậy bạn cần tính phần kiểm định bằng công thức hoặc dùng PROCESS Macro.
Bước 3: Tính thống kê Sobel và p-value
Công thức thường dùng là Z = ab chia cho căn bậc hai của b bình phương nhân sai số chuẩn của a bình phương cộng a bình phương nhân sai số chuẩn của b bình phương. Trong đó a và b là hai hệ số B chưa chuẩn hóa, còn sai số chuẩn tương ứng là Sa và Sb.
Bạn có thể lấy a, Sa, b và Sb từ hai bảng Coefficients rồi tính trong Excel, máy tính thống kê hoặc một syntax SPSS do bạn kiểm soát. Khi có Z, xác định p-value hai phía. Nếu p-value nhỏ hơn mức ý nghĩa bạn chọn, thường là 0.05, tác động gián tiếp được xem là có ý nghĩa thống kê theo Sobel test.
Không nên nhập trực tiếp hệ số Beta nếu công thức và tài liệu phương pháp của bạn yêu cầu hệ số chưa chuẩn hóa. Cũng không nên làm tròn a, b và sai số chuẩn quá sớm, vì tích và p-value có thể thay đổi do sai số làm tròn.
Bước 4: Kiểm tra lại bằng PROCESS Macro hoặc bootstrap
Nếu mục tiêu là báo cáo một kết luận vững hơn, hãy cài PROCESS Macro tương thích với phiên bản SPSS của bạn. Vào Analyze > Regression > PROCESS v4.x, chọn Y là biến phụ thuộc, X là biến độc lập và M là biến trung gian. Với mô hình trung gian đơn, chọn Model 4.
Trong phần Options, chọn total effect, direct and indirect effects, effect size nếu phiên bản của bạn hỗ trợ, và đặt số bootstrap samples là 5.000 theo thực hành được nêu trong (Hair và cộng sự, 2022). Chọn confidence level là 95%. Nếu có biến kiểm soát, đưa chúng vào Covariates.
PROCESS sẽ tạo các bảng Model Summary, Coefficients, Total effect of X on Y, Direct effect of X on Y và Indirect effect(s) of X on Y. Khi khoảng tin cậy bootstrap của tác động gián tiếp không chứa 0, tác động trung gian được xem là có ý nghĩa theo cách diễn giải của (Preacher và Hayes, 2008). Bạn có thể đọc thêm hướng dẫn riêng về bootstrap trung gian trong SPSS.
Đọc kết quả output
Khi chạy hai hồi quy thủ công, bảng quan trọng nhất là Coefficients. Bạn cần đọc đúng dòng của X trong phương trình dự đoán M và dòng của M trong phương trình dự đoán Y. Bảng Model Summary và ANOVA cho biết độ phù hợp tổng quát của phương trình, nhưng không thay thế kiểm định tác động gián tiếp.
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Các con số chỉ cho thấy vị trí cần đọc trong output SPSS và PROCESS Macro.
| Thành phần output | Biến hoặc tác động | B | Std. Error | t | Sig. hoặc BootLLCI | BootULCI |
|---|---|---|---|---|---|---|
| Coefficients, phương trình M | X → M, đường a | 0.482 | 0.081 | 5.951 | 0.000 | Không áp dụng |
| Coefficients, phương trình Y | M → Y, đường b | 0.367 | 0.093 | 3.946 | 0.000 | Không áp dụng |
| Coefficients, phương trình Y | X → Y, đường c prime | 0.214 | 0.076 | 2.816 | 0.006 | Không áp dụng |
| Indirect effect(s) | X → M → Y | 0.177 | Không in trực tiếp | Không in trực tiếp | 0.082 | 0.292 |
| Total effect of X on Y | X → Y, đường c | 0.391 | 0.069 | 5.667 | 0.000 | Không áp dụng |
Với số liệu minh họa này, tác động gián tiếp bằng 0.177. Khoảng tin cậy bootstrap từ 0.082 đến 0.292 không chứa 0, nên tác động gián tiếp có ý nghĩa theo quy tắc bootstrap. Đường trực tiếp c prime vẫn có p-value bằng 0.006, vì vậy có thể mô tả đây là trung gian một phần nếu cách phân loại này phù hợp với thiết kế giả thuyết của bạn.
Khi chỉ dùng Sobel test, bạn sẽ tập trung vào Z và p-value được tính từ a, b, Sa và Sb. Khi dùng PROCESS Macro, ưu tiên đọc dòng Indirect effect(s) và hai cận BootLLCI, BootULCI. Đừng kết luận trung gian chỉ vì X ảnh hưởng có ý nghĩa đến M và M ảnh hưởng có ý nghĩa đến Y, vì cần kiểm tra trực tiếp tác động gián tiếp.
Tiêu chí đánh giá
Các tiêu chí dưới đây tách riêng Sobel test, hồi quy và bootstrap. Mỗi dòng đều ghi nguồn để bạn có thể đối chiếu khi viết chương phương pháp hoặc chương kết quả.
| Nội dung cần đánh giá | Quy tắc diễn giải | Nguồn |
|---|---|---|
| Tác động gián tiếp theo Sobel | p-value nhỏ hơn 0.05 cho thấy tác động gián tiếp khác 0 ở mức ý nghĩa 5% | (Preacher và Hayes, 2008) |
| Khoảng tin cậy bootstrap | Tác động gián tiếp có ý nghĩa khi khoảng tin cậy không chứa 0 | (Preacher và Hayes, 2008) |
| Số mẫu bootstrap | Có thể đặt 5.000 mẫu bootstrap khi chạy quy trình PLS hoặc quy trình bootstrap tương ứng | (Hair và cộng sự, 2022) |
| VIF trong hồi quy | VIF dưới 5 là ngưỡng thường được dùng để xem xét đa cộng tuyến | (Hair và cộng sự, 2019) |
| Durbin-Watson | Giá trị từ 1 đến 3 thường được dùng khi kiểm tra tự tương quan phần dư | (Field, 2013) |
| Cỡ mẫu hồi quy | Có thể tham khảo n từ 50 + 8m trở lên, trong đó m là số biến dự báo | (Tabachnick và Fidell, 2013) |
Các ngưỡng này không biến một mô hình yếu thành mô hình đạt. Bạn vẫn phải xem hướng tác động có phù hợp với giả thuyết, dấu của hệ số có hợp lý và biến trung gian có được đo đáng tin cậy hay không. Với kiểm định thang đo, Cronbach's Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978), còn Corrected Item-Total Correlation từ 0.3 trở lên theo (Nunnally và Bernstein, 1994).
Sobel test dựa trên xấp xỉ phân phối của tích ab. Vì tác động gián tiếp thường lệch, bootstrap có thể cung cấp thông tin thực tế hơn qua khoảng tin cậy. Do đó, nếu giảng viên yêu cầu Sobel test, bạn có thể báo cáo Sobel theo yêu cầu và trình bày thêm bootstrap như một kiểm tra bổ sung, miễn là quy trình được ghi rõ.
Cách viết kết quả vào luận văn
Trong chương 4, bạn nên báo cáo lần lượt mô hình, hệ số a, hệ số b, tác động trực tiếp, tác động gián tiếp và cách ra quyết định. Tránh viết rằng biến trung gian “chắc chắn gây ra” kết quả, vì thiết kế khảo sát định lượng thường cho thấy mối liên hệ và tác động theo mô hình thống kê, không tự động chứng minh quan hệ nhân quả tuyệt đối.
Bạn có thể dùng đoạn sau và thay các phần trong ngoặc vuông: “Kết quả phân tích cho thấy [biến độc lập X] ảnh hưởng đến [biến trung gian M] với hệ số B = [a], p = [p_a]. Đồng thời, [biến trung gian M] ảnh hưởng đến [biến phụ thuộc Y] với B = [b], p = [p_b]. Tác động gián tiếp của X lên Y thông qua M có BootLLCI = [giá trị] và BootULCI = [giá trị]. Khoảng tin cậy không chứa 0, do đó giả thuyết [H] được chấp nhận ở mức ý nghĩa [5%].”
Nếu dùng Sobel, bổ sung: “Sobel test cho kết quả Z = [giá trị] và p = [giá trị]. Vì p [nhỏ hơn hoặc lớn hơn] 0.05, tác động gián tiếp [có hoặc không có] ý nghĩa thống kê.” Nếu dùng PROCESS Macro, ghi rõ phiên bản Macro, Model 4, số mẫu bootstrap và mức tin cậy.
Bạn không nên gọi kết quả là “trung gian hoàn toàn” chỉ vì tác động trực tiếp không có ý nghĩa, trừ khi tiêu chí phân loại đã được nêu trước trong mô hình và được giảng viên chấp nhận. Hãy báo cáo số liệu trước, sau đó mới diễn giải mức độ trung gian.
Lỗi thường gặp khi chạy Sobel test trong SPSS
Lỗi đầu tiên là lấy sai hệ số. Một số bạn lấy Beta chuẩn hóa ở phương trình thứ nhất nhưng dùng B chưa chuẩn hóa ở phương trình thứ hai. Hãy kiểm tra công thức bạn đang áp dụng và dùng cùng loại hệ số theo đúng quy trình.
Lỗi thứ hai là kết luận trung gian từ hai p-value riêng lẻ. Việc X có ý nghĩa với M và M có ý nghĩa với Y chưa đủ để thay thế kiểm định ab. Bạn cần báo cáo Sobel hoặc khoảng tin cậy bootstrap của indirect effect.
Lỗi thứ ba là bỏ qua biến kiểm soát. Nếu mô hình lý thuyết có tuổi, giới tính hoặc kinh nghiệm sử dụng, việc đưa chúng vào chỉ ở phương trình Y có thể làm cách ước lượng không nhất quán. Hãy xác định cấu trúc mô hình trước khi chạy.
Lỗi thứ tư là dùng PROCESS Model 1 để kiểm tra trung gian. Model 1 thường dùng cho điều tiết, còn trung gian đơn thường dùng Model 4. Nếu muốn kiểm tra điều tiết, bạn cần đọc tương tác X nhân W và simple slopes, không đọc dòng indirect effect.
Lỗi thứ năm là coi khoảng tin cậy chứa 0 là “gần đạt”. Nếu BootLLCI và BootULCI bao gồm 0, dữ liệu chưa cung cấp đủ bằng chứng cho tác động gián tiếp ở mức tin cậy đã chọn. Bạn có thể báo cáo kết quả này và xem xét lý thuyết, thang đo, cỡ mẫu cùng chất lượng dữ liệu, nhưng không được tự đổi ngưỡng sau khi thấy kết quả.
Cuối cùng, hãy lưu syntax, file output và từng phiên bản dữ liệu. Khi loại một biến quan sát hoặc thay đổi cách tính điểm, bạn cần biết kết quả nào thuộc phiên bản nào. Nếu muốn xem thêm các chủ đề xử lý dữ liệu, bạn có thể vào chủ đề SPSS.
Câu hỏi thường gặp
Sobel test là gì trong SPSS?
Sobel test là cách kiểm tra tác động gián tiếp X lên Y thông qua biến trung gian M. SPSS thường cung cấp các hệ số hồi quy cần thiết trong bảng Coefficients, còn thống kê Sobel được tính thêm từ hệ số a, b và sai số chuẩn của chúng.
Bạn nên ghi rõ trong luận văn rằng Sobel test được tính từ hai phương trình hồi quy nào. Nếu có thể, hãy kiểm tra bổ sung bằng bootstrap vì bootstrap báo cáo trực tiếp khoảng tin cậy của tác động gián tiếp.
Sobel test bao nhiêu là đạt?
Với cách diễn giải dựa trên p-value, p nhỏ hơn 0.05 cho thấy tác động gián tiếp có ý nghĩa ở mức 5%. Với bootstrap, khoảng tin cậy của indirect effect cần không chứa 0 theo (Preacher và Hayes, 2008).
Không có một giá trị B cố định áp dụng cho mọi đề tài. Một tác động gián tiếp có B nhỏ vẫn có thể có ý nghĩa, còn B lớn chưa đủ để kết luận nếu khoảng tin cậy vẫn chứa 0.
Chạy Sobel test bằng PROCESS Macro Model mấy?
Với mô hình trung gian đơn, bạn thường chọn Model 4 trong PROCESS Macro. X là biến độc lập, Y là biến phụ thuộc và M là biến trung gian. Các mô hình có nhiều mediator hoặc đường dẫn phức tạp cần được chọn theo sơ đồ giả thuyết cụ thể.
PROCESS Macro Model 1 thường liên quan đến điều tiết, không phải trung gian đơn. Bạn có thể chạy PROCESS Macro trung gian và PROCESS Macro điều tiết trong cùng SPSS, nhưng cần tách rõ mục tiêu và bảng output.
Sobel test bị lỗi hoặc không ra p-value thì làm sao?
Kiểm tra lại hai bảng Coefficients, đặc biệt là dòng biến X trong phương trình M và dòng M trong phương trình Y. Bạn cần có B và Std. Error, không phải chỉ có bảng Model Summary. Nếu tự tính bằng Excel, kiểm tra dấu ngoặc trong công thức và giữ đủ chữ số thập phân.
Nếu muốn tránh tính thủ công, hãy dùng PROCESS Macro Model 4 và bật bootstrap. Khi Macro không xuất hiện trong Analyze > Regression, bạn cần kiểm tra cài đặt, phiên bản SPSS và vị trí file mở rộng.
Có nên dùng Sobel test hay bootstrap trung gian trong SPSS?
Nếu giảng viên hoặc đề cương yêu cầu Sobel test, bạn có thể báo cáo Sobel. Với báo cáo hiện đại hơn, bootstrap thường dễ diễn giải vì cung cấp BootLLCI và BootULCI, đồng thời không yêu cầu bạn dựa hoàn toàn vào xấp xỉ chuẩn của tích ab.
Cách an toàn là nêu rõ cả hai nếu bạn đã chạy đúng quy trình và giải thích khi kết quả khác nhau. Không chọn phương pháp chỉ vì nó cho p-value đẹp hơn.
Bạn hãy mở lại file .sav, lập bảng X, M, Y và kiểm tra hai phương trình hồi quy trước khi chạy lại Sobel hoặc PROCESS Model 4. Nếu cần chạy phân tích trên chính dữ liệu của mình bằng SPSS và SmartPLS, bạn có thể xem module M4 phân tích dữ liệu.