Process Macro là gì? Cách đọc và chạy trung gian, điều tiết trong SPSS

Process Macro là gì

Process Macro là một macro mở rộng cho SPSS, được dùng để kiểm định các mô hình có biến trung gian, biến điều tiết hoặc cả hai. Thay vì tự chạy nhiều phương trình hồi quy rồi ghép kết quả bằng tay, bạn chọn model, khai báo biến và để macro ước lượng các đường tác động trong cùng một quy trình.

Trong bài định lượng, Process Macro thường trả về các phần như Model Summary, Model, Coefficients, Conditional indirect effects hoặc Conditional effect of X on Y. Tên bảng có thể thay đổi theo model và phiên bản macro, nhưng logic đọc kết quả vẫn xoay quanh ba câu hỏi: X có tác động đến M không, M có tác động đến Y không, và tác động X lên Y có thay đổi theo W không.

Nếu bạn đang làm mô hình nghiên cứu, hãy xác định rõ vai trò của từng biến trước khi mở SPSS. X thường là biến độc lập, M là biến trung gian, W là biến điều tiết và Y là biến phụ thuộc. Bạn có thể xem thêm cách xác định biến độc lập, biến trung gian và biến kiểm soát nếu sơ đồ nghiên cứu vẫn còn lẫn vai trò.

Ý nghĩa của Process Macro trong nghiên cứu định lượng

Process Macro giúp bạn trả lời một dạng câu hỏi cụ thể hơn hồi quy trực tiếp. Ví dụ, thay vì chỉ hỏi “chất lượng dịch vụ có ảnh hưởng đến lòng trung thành không”, bạn có thể hỏi “chất lượng dịch vụ có ảnh hưởng đến lòng trung thành thông qua sự hài lòng không”. Đây là câu hỏi về mediation, tức tác động trung gian.

Với moderation, câu hỏi lại là “mối quan hệ giữa chất lượng dịch vụ và lòng trung thành có mạnh hơn ở nhóm khách hàng có mức độ tin cậy cao không”. Khi đó, biến W làm thay đổi độ mạnh hoặc hướng của quan hệ X và Y. Tác động tương tác thường được biểu diễn bằng tích X nhân W.

Process Macro không tự quyết định mô hình lý thuyết cho bạn. Model 4 thường được dùng cho trung gian đơn, model 1 thường được dùng cho điều tiết đơn, còn các model khác phục vụ trung gian nối tiếp, trung gian song song hoặc điều tiết trung gian. Bạn cần chọn model dựa trên giả thuyết và sơ đồ đã xây dựng, không chọn vì thấy một con số p-value đẹp hơn.

Điểm hữu ích nhất của Process Macro là bootstrap cho indirect effect. Với trung gian, bạn quan tâm tích của hai đường a và b. Phân phối của tích này thường không đối xứng, nên việc chỉ dựa vào Sobel test có thể bỏ qua đặc điểm đó. Cách tiếp cận bootstrap và khoảng tin cậy cho indirect effect được trình bày trong (Preacher và Hayes, 2008). Bạn có thể đọc thêm về bootstrap trung gian trong SPSS nếu phần bạn đang chạy tập trung vào mediation.

Process Macro bao nhiêu là đạt

Câu hỏi “process macro bao nhiêu là tốt” thường xuất phát từ việc người viết muốn tìm một ngưỡng chung cho toàn bộ output. Process Macro không có một chỉ số duy nhất để kết luận đạt hay không đạt. Bạn phải đọc đúng phần kết quả tương ứng với giả thuyết: p-value của hệ số, khoảng tin cậy bootstrap, R², VIF và tác động tương tác nếu có điều tiết.

Bảng dưới đây là các quy tắc thường dùng. Mỗi dòng gắn với nguồn để bạn không chép một ngưỡng rời khỏi bối cảnh của nó.

Các ngưỡng này không biến một mô hình yếu thành mô hình tốt. Chẳng hạn, indirect effect có khoảng tin cậy không chứa 0 chỉ cho biết tác động gián tiếp có bằng chứng thống kê trong mẫu. Bạn vẫn phải giải thích hướng tác động, độ lớn, cơ sở lý thuyết và giới hạn của thiết kế nghiên cứu.

Nếu bạn đang dùng Process Macro trong SPSS, đừng đưa các ngưỡng CFI, TLI, RMSEA vào phần kết quả của macro hồi quy. Các chỉ số đó thuộc nhóm đánh giá độ phù hợp của CB-SEM, với nguồn (Hu và Bentler, 1999), không phải tiêu chí mặc định để đọc một mô hình mediation hoặc moderation bằng hồi quy.

Cách đọc Process Macro trên output

Giả sử bạn chạy mediation đơn với X là chất lượng dịch vụ, M là sự hài lòng và Y là lòng trung thành. Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thật. Các con số được tạo để bạn nhận diện vị trí và cách diễn giải các cột trên output.

Ở dòng Model for M, hệ số của X cho biết X dự đoán M. Đây thường được gọi là đường a. Ở dòng Model for Y, hệ số của M sau khi đã đưa X vào mô hình là đường b. Hệ số X trong cùng phương trình là direct effect, tức tác động trực tiếp của X lên Y khi M được đưa vào.

Dòng quan trọng nhất với mediation là Indirect effect. Trong ví dụ minh họa, LLCI bằng 0,114 và ULCI bằng 0,276, đều nằm về phía dương nên khoảng tin cậy không chứa 0. Theo (Preacher và Hayes, 2008), bạn có thể kết luận tác động gián tiếp có ý nghĩa thống kê trong mẫu minh họa.

Khi chạy moderation, output sẽ có thêm biến tương tác, thường được ghi là X x W. Nếu hệ số của tương tác có ý nghĩa, bạn chưa nên kết luận ngay rằng W làm quan hệ mạnh hơn. Hãy xem tiếp bảng Conditional effect of X on Y at values of the moderator, rồi xác định tác động của X ở các mức thấp, trung bình và cao của W.

Với một số model, Process Macro còn hiển thị Index of moderated mediation. Đây là chỉ số giúp kiểm tra liệu indirect effect có thay đổi theo biến điều tiết hay không. Khi đọc bảng, hãy xem khoảng tin cậy của chỉ số này có chứa 0 không, thay vì chỉ nhìn p-value của từng phương trình riêng lẻ.

Khi Process Macro không đạt thì xử lý thế nào

Trước hết, xác định “không đạt” nằm ở đâu. Nếu indirect effect có khoảng tin cậy chứa 0, bằng chứng cho tác động trung gian chưa đủ theo tiêu chí bootstrap. Nếu hệ số tương tác không có ý nghĩa, giả thuyết điều tiết chưa được ủng hộ. Nếu VIF cao, vấn đề nằm ở đa cộng tuyến và cần xử lý trước khi diễn giải p-value.

Kiểm tra lại cách khai báo biến

Mở lại phần syntax hoặc cửa sổ dialog và kiểm tra X, M, W, Y có đúng với mô hình không. Một lỗi thường gặp là đưa biến tổng hợp vào ô sai, dùng nhầm biến nhân khẩu học làm biến điều tiết, hoặc chọn item đơn lẻ thay cho điểm trung bình của construct.

Kiểm tra mã hóa và dữ liệu thiếu

Nếu một số biến quan sát là câu hỏi đảo chiều, bạn cần reverse code trước khi tính điểm thang đo. Kiểm tra missing values, giá trị ngoài khoảng Likert, các dòng trả lời thiếu quá nhiều và những trường hợp có cùng một đáp án cho gần như toàn bộ bảng hỏi. Process Macro vẫn có thể chạy, nhưng output khi đó không tự chứng minh dữ liệu sạch.

Xem lại giả thuyết và cỡ mẫu

Một giả thuyết không được ủng hộ không phải lý do để đổi model đến khi có ý nghĩa. Bạn nên ghi lại model đã chạy, hệ số, khoảng tin cậy và lý do điều chỉnh nếu có cơ sở phương pháp. Với hồi quy, quy tắc cỡ mẫu thường được tham khảo là n từ 50 + 8m trở lên, trong đó m là số biến dự báo (Tabachnick và Fidell, 2013). Đây là căn cứ lập kế hoạch, không phải bảo đảm rằng mọi indirect effect đều sẽ có ý nghĩa.

Dùng Sobel test như kiểm tra bổ sung

Sobel test có thể được dùng để đối chiếu, nhưng không nên thay thế bootstrap khi mục tiêu chính là kiểm định indirect effect. Bạn có thể xem phân tích Sobel test trong SPSS để hiểu sự khác nhau giữa hai cách tiếp cận. Khi báo cáo, nêu rõ bạn dùng bootstrap hay Sobel test, số lần resampling và khoảng tin cậy.

Phân biệt Process Macro với hồi quy trung gian và điều tiết

Process Macro không phải là một loại biến. Nó là công cụ thực hiện các mô hình hồi quy theo cấu trúc đã chọn. “Process Macro trung gian trong SPSS” nói đến cách dùng macro để kiểm định đường X → M → Y. “Process Macro điều tiết trong SPSS” nói đến việc thêm biến tương tác X × W để xem quan hệ X → Y có thay đổi theo W hay không.

Biến trung gian trả lời câu hỏi “tác động đi qua cơ chế nào”. Ví dụ, X ảnh hưởng đến M, rồi M liên quan đến Y. Biến điều tiết trả lời câu hỏi “mối quan hệ mạnh hay yếu trong điều kiện nào”. W không nhất thiết nằm trên đường truyền tác động, mà thay đổi độ dốc của quan hệ.

Hồi quy trung gian có thể được chạy thủ công bằng nhiều phương trình, nhưng dễ nhầm khi tính indirect effect và khoảng tin cậy. Process Macro tự động hóa phần này. Hồi quy điều tiết cũng có thể tạo biến tương tác trong SPSS, nhưng macro giúp trình bày conditional effect thuận tiện hơn.

Bạn cũng cần phân biệt mediator với moderator trong phần lý thuyết. Nếu sơ đồ của bạn đặt “sự hài lòng” nằm giữa chất lượng dịch vụ và lòng trung thành, đó là mediator. Nếu “độ tuổi” làm thay đổi cường độ quan hệ giữa hai biến, đó là moderator. Đổi tên hai vai trò này cho nhau sẽ làm sai cả model, giả thuyết và cách đọc output.

Lỗi thường gặp

Chọn model theo tên biến

Model 4, model 1 hay model 7 không được chọn chỉ vì đề tài có chữ “trung gian” hoặc “điều tiết”. Bạn cần xem biến nằm ở vị trí nào trong sơ đồ. Cùng một biến có thể là mediator trong một giả thuyết nhưng là moderator trong giả thuyết khác, tùy logic nghiên cứu.

Kết luận trung gian chỉ vì X và Y có tương quan

Tổng effect có ý nghĩa không đủ để chứng minh indirect effect có ý nghĩa. Ngược lại, một indirect effect có thể tồn tại trong khi total effect không nổi bật. Hãy đọc trực tiếp dòng indirect effect và khoảng tin cậy bootstrap.

Chỉ nhìn p-value của biến tương tác

Trong moderation, p-value của X x W là bước kiểm tra đầu. Bạn còn phải xem conditional effects để biết hướng và mức độ thay đổi. Nếu chỉ viết “p-value nhỏ nên có điều tiết”, phần giải thích sẽ thiếu thông tin mà hội đồng thường hỏi.

Không center biến khi cần diễn giải

Mean-centering các biến liên tục trước khi tạo interaction có thể giúp việc diễn giải hệ số chính dễ hơn và giảm tương quan không cần thiết giữa biến gốc với tích tương tác. Tuy nhiên, centering không biến một interaction không có ý nghĩa thành có ý nghĩa. Hãy ghi rõ bạn đã center biến nào và tạo interaction ra sao.

Chép nguyên output vào chương 4

Output dài không đồng nghĩa với báo cáo tốt. Chọn bảng cần thiết, giữ tên biến nhất quán, báo cáo hệ số, SE hoặc t-value, p-value và khoảng tin cậy phù hợp. Phần còn lại có thể đưa vào phụ lục nếu giảng viên yêu cầu.

Câu hỏi thường gặp

Process Macro là gì trong SPSS?

Process Macro là công cụ mở rộng cho SPSS, dùng các mô hình hồi quy để kiểm định mediation, moderation và các biến thể của chúng. Bạn cần cài macro, chọn model, khai báo biến và đọc các bảng kết quả do macro xuất ra.

Process Macro bao nhiêu là tốt?

Không có một con số chung gọi là “Process Macro tốt”. Với trung gian, hãy xem khoảng tin cậy bootstrap của indirect effect có chứa 0 không. Với điều tiết, đọc hệ số tương tác và bảng conditional effect, sau đó giải thích hướng tác động cùng cơ sở lý thuyết.

Cách chạy Process Macro trung gian trong SPSS như thế nào?

Bạn chuẩn bị điểm tổng hợp cho X, M và Y, mở Process Macro, chọn X, M, Y, chọn model trung gian đơn, bật bootstrap và đặt số lần resampling theo thiết kế phân tích. Sau khi chạy, đọc Indirect effect of X on Y cùng LLCI và ULCI.

Cách chạy Process Macro điều tiết trong SPSS có khác trung gian không?

Có. Với moderation, bạn khai báo X, Y và W, chọn model điều tiết phù hợp, rồi kiểm tra biến tương tác X x W. Nếu tương tác có ý nghĩa, xem tiếp Conditional effect of X on Y at values of the moderator để diễn giải quan hệ ở các mức của W.

Khoảng tin cậy bootstrap chứa 0 thì phải làm sao?

Khi khoảng tin cậy của indirect effect chứa 0, dữ liệu mẫu chưa cung cấp đủ bằng chứng cho tác động gián tiếp theo tiêu chí bạn chọn. Kiểm tra lại mã hóa, missing values, cách tính thang đo, vai trò biến và cỡ mẫu. Bạn không nên đổi model hoặc loại dữ liệu chỉ để loại 0 khỏi khoảng tin cậy.

Có thể dùng Process Macro thay cho SmartPLS không?

Process Macro phù hợp với các mô hình hồi quy trên điểm quan sát hoặc điểm tổng hợp trong SPSS. SmartPLS phù hợp khi bạn xây dựng mô hình PLS-SEM với biến tiềm ẩn, outer loading, CR, AVE, HTMT và path coefficient. Chọn công cụ theo mô hình đo lường, không chỉ theo việc công cụ nào cho output ngắn hơn.

Mở file .sav của bạn, vẽ lại X, M, W và Y trên một sơ đồ, sau đó ghi model cần chạy trước khi chọn Process Macro. Nếu bạn muốn chạy phân tích trên chính file dữ liệu của mình và giữ lại toàn bộ output để viết chương, xem module M4 phân tích dữ liệu SPSS và SmartPLS.