Sobel test là gì? Cách đọc và chạy trong SPSS
Sobel test là gì
Bạn dùng Sobel test khi mô hình nghiên cứu có một biến trung gian và muốn kiểm tra xem biến độc lập X có tác động đến biến phụ thuộc Y thông qua M hay không. Ví dụ, chất lượng dịch vụ X có thể làm tăng sự hài lòng M, rồi sự hài lòng làm tăng ý định mua lại Y. Khi đó, Sobel test tập trung vào tác động gián tiếp X đến Y qua M, thay vì chỉ nhìn riêng từng hệ số hồi quy.
Trong mô hình đơn giản, bạn cần hai hệ số hồi quy chính:
a: hệ số của đường X → M.b: hệ số của đường M → Y, sau khi đã đưa X vào mô hình.SEa: sai số chuẩn của hệ số a.SEb: sai số chuẩn của hệ số b.
Công thức Sobel thường được viết như sau:
z = (a × b) / √(b² × SEa² + a² × SEb²)
Giá trị z cho biết tác động gián tiếp a × b cách bao xa so với sai số chuẩn của nó. Trong thực hành, nhiều sinh viên nhập a, b, SEa và SEb vào một bảng tính hoặc syntax hỗ trợ trong SPSS, sau đó đọc z và p-value. Sobel test là một kiểm định dựa trên giả định phân phối gần chuẩn của tác động gián tiếp, vì vậy cần thận trọng khi mẫu nhỏ hoặc tác động gián tiếp có phân phối lệch.
Bạn nên xác định rõ biến nào là X, M và Y trước khi chạy. Nếu chưa phân biệt được biến trung gian với biến độc lập, hãy xem biến trung gian là gì và biến độc lập là gì trước khi đọc output.
Ý nghĩa của Sobel test trong nghiên cứu định lượng
Sobel test trả lời một câu hỏi hẹp: tác động gián tiếp thông qua biến trung gian có khác 0 hay không. Nó không tự chứng minh toàn bộ mô hình nhân quả, cũng không cho biết biến trung gian giải thích bao nhiêu phần trăm tác động nếu bạn chưa tính các hiệu ứng cần thiết.
Giả sử bạn kiểm định mô hình X → M → Y. Trước hết, hồi quy M theo X để lấy đường a. Tiếp theo, hồi quy Y theo X và M để lấy đường b. Tích a × b là indirect effect. Nếu indirect effect có ý nghĩa thống kê, bạn có bằng chứng rằng M là một cơ chế trung gian trong mối quan hệ giữa X và Y.
Kết quả này cần được đặt cạnh direct effect, total effect và hướng của các hệ số. Nếu X vẫn tác động trực tiếp đến Y sau khi thêm M, mô hình có thể cho thấy trung gian một phần. Nếu đường trực tiếp không còn ý nghĩa nhưng indirect effect có ý nghĩa, bạn có thể mô tả kết quả theo hướng trung gian toàn phần, nhưng cần trình bày thận trọng, dựa trên mô hình và cách ước lượng đã dùng.
Sobel test không thay thế bước kiểm tra thang đo, hồi quy và điều kiện dữ liệu. Bạn vẫn cần kiểm tra missing values, outlier, cách mã hóa biến và đa cộng tuyến. Nếu dùng SPSS, quy trình thường gồm chạy Cronbach's Alpha, tạo biến đại diện, kiểm tra tương quan và chạy hồi quy theo mô hình giả thuyết.
Trong các nghiên cứu hiện nay, bootstrap thường được ưu tiên hơn Sobel test vì không yêu cầu tác động gián tiếp phải có phân phối chuẩn. Bạn có thể xem thêm bootstrap trung gian trong SPSS để so sánh hai cách tiếp cận. Sobel test vẫn có giá trị khi giảng viên yêu cầu đúng kiểm định này hoặc khi bạn muốn trình bày một kiểm tra bổ sung cho mô hình trung gian.
Sobel test bao nhiêu là đạt
Cụm “Sobel test bao nhiêu là tốt” thường làm sinh viên nhầm giữa giá trị z và p-value. Sobel test không có một mức điểm càng cao càng tốt như Cronbach's Alpha. Quyết định thường dựa vào p-value của kiểm định tác động gián tiếp, hoặc so sánh trị tuyệt đối của z với giá trị tới hạn theo mức ý nghĩa đã chọn.
Với mức ý nghĩa 5%, cách kết luận phổ biến là bác bỏ H0 khi p-value < 0.05. Nếu dùng kiểm định hai phía và không có p-value, trị tuyệt đối của z vượt khoảng 1.96 thường được xem là có ý nghĩa. Bạn phải ghi rõ mức ý nghĩa, loại kiểm định và nguồn của tiêu chí trong luận văn. Ngưỡng này không phải tiêu chí để đánh giá chất lượng thang đo.
| Nội dung cần đọc | Quy tắc quyết định | Nguồn hoặc lưu ý |
|---|---|---|
| Tác động gián tiếp | Có ý nghĩa khi khoảng tin cậy bootstrap không chứa 0 | (Preacher và Hayes, 2008) |
| Sobel p-value | Bác bỏ H0 khi p-value nhỏ hơn 0.05, nếu đề tài chọn mức ý nghĩa 5% | Mức ý nghĩa phải được nêu trước khi kiểm định |
| Sobel z hai phía | Trị tuyệt đối của z lớn hơn khoảng 1.96 ở mức 5% | Quy tắc phân phối chuẩn, cần nêu cách dùng trong phương pháp |
| Ý nghĩa của indirect effect | Tích a × b khác 0 có ý nghĩa thống kê | (Preacher và Hayes, 2008) |
| Số lần bootstrap khi dùng PLS-SEM | 5.000 mẫu bootstrap là thiết lập được khuyến nghị trong quy trình PLS-SEM | (Hair và cộng sự, 2022) |
Bảng trên phân biệt Sobel test với bootstrap. Nếu output cho p = 0.032, bạn có thể kết luận tác động gián tiếp có ý nghĩa ở mức 5%. Nếu p = 0.218, tác động gián tiếp chưa có ý nghĩa ở mức 5%, dù hệ số a hoặc b riêng lẻ có thể có ý nghĩa.
Khi báo cáo, không nên viết “Sobel test đạt” một cách chung chung. Cách viết chính xác hơn là “Tác động gián tiếp của X lên Y thông qua M có ý nghĩa thống kê, z = [giá trị], p = [giá trị]” hoặc “Chưa có đủ bằng chứng thống kê để kết luận tác động gián tiếp khác 0”.
Cách đọc Sobel test trên output
SPSS không tạo sẵn một bảng có tên Sobel Test trong quy trình hồi quy tuyến tính thông thường. Bạn lấy hệ số và sai số chuẩn từ hai bảng Coefficients, sau đó tính z và p-value bằng công cụ phù hợp. Đây là điểm khiến nhiều bạn mở output nhưng không thấy dòng “Sobel”.
Giả sử bạn chạy mô hình thứ nhất với M là biến phụ thuộc và X là biến độc lập. Trong bảng Coefficients, lấy hệ số chưa chuẩn hóa ở cột B của X làm a và cột Std. Error làm SEa. Sau đó chạy mô hình thứ hai với Y là biến phụ thuộc, X và M là biến độc lập. Lấy B của M làm b và Std. Error của M làm SEb.
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế.
| Nguồn output SPSS | Biến hoặc thông tin | Cột cần lấy | Giá trị minh họa | Vai trò trong Sobel |
|---|---|---|---|---|
Coefficients của mô hình M | X | B | 0.58 | a |
Coefficients của mô hình M | X | Std. Error | 0.09 | SEa |
Coefficients của mô hình Y | M | B | 0.41 | b |
Coefficients của mô hình Y | M | Std. Error | 0.11 | SEb |
| Tính toán Sobel | Indirect effect | a × b | 0.2378 | Tác động gián tiếp |
| Tính toán Sobel | z | Sobel z | 3.01 | Chỉ số kiểm định |
| Tính toán Sobel | p-value | Sig. hai phía | 0.003 | Quyết định thống kê |
Với số liệu minh họa này, indirect effect bằng 0.58 × 0.41 = 0.2378. Vì p-value bằng 0.003, nhỏ hơn 0.05, bạn có thể bác bỏ giả thuyết H0 rằng tác động gián tiếp bằng 0 ở mức ý nghĩa 5%. Đây chỉ là cách đọc minh họa, bạn phải thay bằng hệ số trong file của mình.
Khi nhìn bảng Coefficients, hãy dùng cột B nếu công thức hoặc hướng dẫn của bạn yêu cầu hệ số chưa chuẩn hóa. Không tự động lấy Standardized Coefficients Beta rồi trộn với Std. Error của hệ số B. Hai loại hệ số này có cách diễn giải khác nhau và việc trộn chúng làm phép tính không nhất quán.
Khi Sobel test không đạt thì xử lý thế nào
Nếu p-value lớn hơn hoặc bằng 0.05, bước đầu tiên là ghi nhận đúng kết quả. Bạn không nên xóa biến trung gian, đổi cách mã hóa hoặc loại mẫu chỉ vì muốn p-value nhỏ hơn. Kết quả không có ý nghĩa có thể phản ánh mô hình lý thuyết, chất lượng thang đo, cỡ mẫu hoặc dữ liệu thật của bạn.
Thứ tự kiểm tra nên là:
- Kiểm tra lại X, M và Y có được đặt đúng theo giả thuyết hay không.
- Kiểm tra hai mô hình hồi quy có dùng cùng nhóm quan sát và cùng cách xử lý missing values hay không.
- Kiểm tra bảng
Coefficients, đặc biệt là cộtB,Std. Errorvà hướng dấu của a, b. - Kiểm tra độ tin cậy và giá trị của thang đo M trước khi tạo biến đại diện.
- Kiểm tra outlier, đa cộng tuyến và các điều kiện hồi quy.
- Chạy bootstrap để có khoảng tin cậy của indirect effect, nếu phương pháp nghiên cứu cho phép.
Bạn có thể chạy lại phân tích sau khi sửa lỗi nhập dữ liệu hoặc lỗi quy trình. Việc loại một biến quan sát chỉ có cơ sở khi biến đó vi phạm tiêu chí đã nêu từ trước, có vấn đề về nội dung hoặc làm thang đo không phù hợp. Không nên loại biến chỉ vì nó làm Sobel test không đạt.
Nếu bootstrap cũng cho khoảng tin cậy chứa 0, hãy báo cáo rằng tác động gián tiếp chưa có ý nghĩa thống kê. Khi đó, giả thuyết về vai trò trung gian chưa được ủng hộ trong mẫu nghiên cứu. Bạn vẫn có thể báo cáo các đường dẫn a, b và direct effect nếu chúng thuộc câu hỏi nghiên cứu, nhưng không gọi M là biến trung gian được xác nhận chỉ dựa trên một đường dẫn có ý nghĩa.
Sobel test không đạt cũng có thể do cỡ mẫu chưa đủ để phát hiện tác động nhỏ. Tuy nhiên, bạn không được tự kết luận như vậy nếu chưa có lập luận về thiết kế mẫu. Nếu cần giải trình, hãy nói rõ kết quả quan sát được, tiêu chí quyết định và kiểm tra bổ sung đã thực hiện.
Phân biệt Sobel test với bootstrap trung gian
Sobel test và bootstrap trung gian đều nhằm đánh giá indirect effect, nhưng cách suy luận khác nhau. Sobel test dùng tích a × b và ước lượng sai số theo công thức chuẩn. Bootstrap tạo nhiều mẫu tái lấy mẫu, tính indirect effect ở từng mẫu rồi xây dựng khoảng tin cậy.
Bootstrap thường phù hợp hơn khi phân phối của indirect effect lệch khỏi chuẩn, điều khá dễ xảy ra vì indirect effect là tích của hai hệ số. Trong báo cáo, bạn đọc cận dưới và cận trên của khoảng tin cậy. Nếu khoảng này không chứa 0, tác động gián tiếp có ý nghĩa theo tiêu chí đã chọn, như cách trình bày của (Preacher và Hayes, 2008).
Nếu đề tài của bạn dùng SmartPLS, hãy đọc Path Coefficients, Specific Indirect Effects và kết quả Bootstrapping. Không đưa các chỉ số fit của CB-SEM như CFI, TLI hay RMSEA vào phần đánh giá PLS-SEM. Với SPSS, bạn có thể dùng hồi quy theo từng bước, PROCESS hoặc một syntax phù hợp với hướng dẫn của giảng viên. Bài phân tích Sobel test SPSS đi sâu hơn vào quy trình thao tác.
Sobel test có ưu điểm là công thức dễ giải thích và phù hợp với yêu cầu của một số đề cương. Bootstrap có ưu điểm là báo cáo trực tiếp khoảng tin cậy của indirect effect và giảm sự phụ thuộc vào giả định chuẩn. Bạn nên chọn một phương pháp chính, nêu rõ lý do, không chạy nhiều phương pháp rồi chỉ giữ lại phương pháp cho p-value đẹp hơn.
Lỗi thường gặp
Lấy sai hệ số trong bảng Coefficients. Lỗi phổ biến là lấy Beta chuẩn hóa làm a hoặc b, trong khi hướng dẫn yêu cầu B chưa chuẩn hóa. Hãy ghi lại tên mô hình, biến phụ thuộc, biến độc lập và cột đã sử dụng trước khi tính.
Chỉ kiểm tra p-value của đường a hoặc b. Một đường dẫn có ý nghĩa riêng lẻ chưa đủ để kết luận indirect effect có ý nghĩa. Bạn phải kiểm định tích a × b bằng Sobel hoặc bootstrap.
Viết “Sobel test đạt” nhưng không nêu số. Phần kết quả nên có indirect effect, z hoặc khoảng tin cậy, p-value và kết luận về giả thuyết. Nếu dùng bảng tính ngoài SPSS, hãy lưu công thức để có thể giải trình khi được hỏi.
Nhầm trung gian với điều tiết. Mediator giải thích cơ chế hoặc con đường tác động, còn moderator làm thay đổi độ mạnh hoặc hướng của mối quan hệ. Hai loại mô hình này cần cách kiểm định khác nhau.
Loại dữ liệu sau khi thấy p-value không đạt. Chỉ loại quan sát khi có tiêu chí xử lý dữ liệu hợp lý, được áp dụng nhất quán và có thể giải trình. Không biến kết quả không đạt thành đạt bằng cách thử nhiều cách lọc mẫu.
Dùng ngưỡng của phương pháp này cho phương pháp khác. Sobel test không có liên quan đến Cronbach's Alpha, KMO hay factor loading. Mỗi chỉ số trả lời một câu hỏi khác nhau trong quy trình phân tích.
Câu hỏi thường gặp
Sobel test có bắt buộc khi kiểm định biến trung gian không?
Không bắt buộc trong mọi nghiên cứu. Bạn có thể dùng bootstrap để kiểm định indirect effect, đặc biệt khi muốn báo cáo khoảng tin cậy và tránh phụ thuộc nhiều vào giả định phân phối chuẩn. Phương pháp nào được chọn cần phù hợp với đề cương, phần phương pháp và yêu cầu của giảng viên.
Sobel test bao nhiêu là tốt?
Không có điểm Sobel “càng cao càng tốt”. Bạn thường xem p-value nhỏ hơn 0.05 hoặc khoảng tin cậy của indirect effect không chứa 0. Hãy báo cáo cả giá trị kiểm định và quy tắc quyết định thay vì chỉ ghi “đạt” hoặc “không đạt”.
Có thể chạy Sobel test trong SPSS không?
Có, nhưng SPSS không tự tạo một bảng Sobel Test trong lệnh hồi quy cơ bản. Bạn chạy hai mô hình, lấy B và Std. Error từ bảng Coefficients, sau đó tính z và p-value bằng công cụ hoặc syntax phù hợp. Bạn cần giữ nguyên cách xử lý mẫu giữa hai mô hình.
Sobel test không đạt nhưng biến trung gian có tương quan với biến phụ thuộc thì sao?
Tương quan giữa M và Y chưa đủ để chứng minh tác động gián tiếp X → M → Y có ý nghĩa. Hãy kiểm tra lại hai mô hình, cách lấy hệ số, thang đo và chạy bootstrap nếu thiết kế nghiên cứu cho phép. Nếu kết quả vẫn không đạt, hãy báo cáo đúng rằng giả thuyết trung gian chưa được ủng hộ.
Sobel test và bootstrap trung gian nên chọn cái nào?
Sobel test dễ trình bày bằng công thức, còn bootstrap thường cung cấp khoảng tin cậy trực tiếp cho indirect effect và phù hợp hơn khi phân phối của tác động gián tiếp không chuẩn. Bạn nên chọn theo thiết kế nghiên cứu và yêu cầu của người hướng dẫn, không chọn dựa trên kết quả có lợi hơn.
Bây giờ bạn mở lại file SPSS, xác định đúng X, M và Y, ghi bốn giá trị a, b, SEa và SEb từ hai bảng Coefficients, rồi đối chiếu với tiêu chí đã chọn. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, bạn có thể dùng M4 phân tích dữ liệu của DoThesis để thực hiện bước này.