Tổng tác động là gì? Cách đọc và báo cáo trong SPSS
Tổng tác động là gì
Tổng tác động, tiếng Anh là total effect, là mức ảnh hưởng tổng hợp của biến độc lập lên biến phụ thuộc trong một mô hình nghiên cứu. Chỉ số này bao gồm tác động trực tiếp và tác động gián tiếp đi qua một hoặc nhiều biến trung gian.
Giả sử mô hình có biến độc lập X, biến trung gian M và biến phụ thuộc Y. Khi đó, công thức thường được trình bày như sau:
Tổng tác động = Tác động trực tiếp + Tác động gián tiếp
Trong mô hình trung gian đơn, nếu hệ số từ X đến M là a, hệ số từ M đến Y là b, còn hệ số trực tiếp từ X đến Y sau khi đưa M vào mô hình là c', tổng tác động có thể viết là:
c = c' + ab
Trong đó, c là tổng tác động, c' là tác động trực tiếp và ab là tác động gián tiếp. Các hệ số này thường là hệ số hồi quy chưa chuẩn hóa hoặc chuẩn hóa, tùy bảng output và cách bạn thiết lập mô hình.
Bạn cần phân biệt tổng tác động với riêng tác động trực tiếp. Một biến X có thể không còn tác động trực tiếp rõ ràng lên Y, nhưng vẫn có tổng tác động đáng kể nếu ảnh hưởng của X được truyền qua M. Vì vậy, chỉ nhìn một dòng Direct effect là chưa đủ để kết luận về ảnh hưởng chung của X lên Y.
Nếu đang xây dựng mô hình có biến trung gian, bạn có thể xem thêm bài biến trung gian là gì để phân biệt vai trò của M với biến độc lập và biến phụ thuộc.
Ý nghĩa của tổng tác động trong nghiên cứu định lượng
Tổng tác động trả lời câu hỏi: nếu X thay đổi, Y thay đổi bao nhiêu khi tính cả con đường trực tiếp và các con đường thông qua biến trung gian. Đây là thông tin quan trọng khi giả thuyết nghiên cứu nói về ảnh hưởng tổng thể của một yếu tố đến kết quả.
Ví dụ, bạn nghiên cứu ảnh hưởng của Chất lượng dịch vụ đến Lòng trung thành, với Sự hài lòng là biến trung gian. Chất lượng dịch vụ có thể tác động trực tiếp đến lòng trung thành, đồng thời làm tăng sự hài lòng, rồi sự hài lòng tiếp tục làm tăng lòng trung thành. Tổng tác động gộp cả hai con đường này.
Tổng tác động giúp bạn trả lời ba vấn đề trong chương kết quả:
- X có ảnh hưởng tổng thể đến Y hay không.
- Phần ảnh hưởng nào đi trực tiếp từ X đến Y.
- Phần ảnh hưởng nào được truyền qua biến trung gian.
Trong phân tích trung gian, một cách diễn giải hợp lý là xem tổng tác động trước, sau đó xem tác động trực tiếp và gián tiếp. Nếu chỉ báo cáo tác động gián tiếp mà bỏ qua tổng tác động, người đọc khó biết vai trò của biến trung gian đang chiếm phần nào trong mối quan hệ giữa X và Y.
Bạn cũng cần xác định hướng của hệ số. Tổng tác động dương cho thấy X và Y biến thiên cùng chiều trong mô hình. Tổng tác động âm cho thấy mối quan hệ ngược chiều. Tuy nhiên, dấu của hệ số cần được đọc cùng khoảng tin cậy hoặc p-value, không nên kết luận chỉ vì hệ số lớn hơn hoặc nhỏ hơn 0.
Tổng tác động không phải là phần trăm thay đổi của Y, trừ khi mô hình và cách đo được thiết kế để diễn giải theo phần trăm. Trong đa số luận văn dùng thang đo Likert, hệ số thường được hiểu là mức thay đổi dự kiến của Y theo đơn vị thay đổi của X trên thang đo mô hình.
Bạn có thể đặt tổng tác động trong phần mô tả biến độc lập là gì, phần kiểm định giả thuyết và phần phân tích trung gian. Nếu mô hình có biến kiểm soát, hãy ghi rõ các biến này đã được đưa vào phương trình nào, vì chúng có thể làm thay đổi hệ số ước lượng.
Tổng tác động bao nhiêu là đạt
Không có một ngưỡng duy nhất để nói tổng tác động bao nhiêu là tốt. Một tổng tác động được xem là có ý nghĩa thống kê khi khoảng tin cậy của nó không chứa 0, hoặc p-value nhỏ hơn mức ý nghĩa bạn đã chọn trong thiết kế nghiên cứu. Với tác động gián tiếp, cách kiểm tra khoảng tin cậy bootstrap không chứa 0 được trình bày trong (Preacher và Hayes, 2008).
Vì vậy, bạn không nên lấy một mốc như 0.2 hoặc 0.3 rồi kết luận mọi tổng tác động lớn hơn mốc đó đều đạt. Độ lớn còn phụ thuộc thang đo, bối cảnh, cỡ mẫu, sai số chuẩn và mục tiêu của mô hình.
| Nội dung cần kiểm tra | Cách đọc | Nguồn tham khảo |
|---|---|---|
| Tổng tác động hoặc tác động gián tiếp | Khoảng tin cậy bootstrap không chứa 0 thì tác động có ý nghĩa thống kê | (Preacher và Hayes, 2008) |
| Ý nghĩa của kiểm định | Đọc p-value theo mức ý nghĩa đã đặt trước, thường là 0.05 trong báo cáo nghiên cứu | (Field, 2013) |
| Độ lớn hiệu ứng trong mô hình hồi quy | Có thể xem thêm f² ở mức 0.02, 0.15 và 0.35 tương ứng với nhỏ, vừa và lớn | (Cohen, 1988) |
| Tổng tác động trong PLS-SEM | Báo cáo cùng hệ số đường dẫn, sai số chuẩn, t-value, p-value và khoảng tin cậy bootstrap | (Hair và cộng sự, 2022) |
| Số lần bootstrap | Có thể sử dụng 5.000 mẫu bootstrap khi thực hiện quy trình PLS-SEM | (Hair và cộng sự, 2022) |
Hai bảng output có thể cho cùng một tổng tác động nhưng kết luận khác nhau nếu sai số chuẩn khác nhau. Chẳng hạn, hệ số 0.20 có thể có ý nghĩa trong một mẫu và không có ý nghĩa trong mẫu khác. Vì thế, “đạt” cần được hiểu là vừa phù hợp về hướng, vừa có bằng chứng thống kê, vừa có ý nghĩa đối với câu hỏi nghiên cứu.
Nếu bạn dùng SmartPLS, hãy báo cáo tổng tác động trong nhóm kết quả của mô hình cấu trúc. Các chỉ số CFI, TLI và RMSEA thuộc nhóm đánh giá độ phù hợp của CB-SEM, không nên đưa vào phần đánh giá tổng tác động của PLS-SEM. Quy trình PLS-SEM và cách báo cáo có thể tham khảo (Hair và cộng sự, 2019) và (Hair và cộng sự, 2022).
Cách đọc tổng tác động trên output
Trường hợp dùng PROCESS trong SPSS
Trong SPSS, tổng tác động thường xuất hiện khi bạn chạy mô hình trung gian bằng PROCESS macro. Bạn mở Analyze > Regression > PROCESS, đưa biến độc lập vào ô X, biến phụ thuộc vào ô Y, biến trung gian vào ô M, sau đó chọn mô hình trung gian phù hợp. Với mô hình trung gian đơn, mô hình thường được nhận diện bằng số mô hình tương ứng trong PROCESS.
Trong phần tùy chọn, bạn cần bật bootstrap cho tác động gián tiếp và chọn số lượng mẫu bootstrap theo quy trình bạn đã trình bày trong phương pháp. Sau khi chạy, output thường có các phần như Total effect of X on Y, Direct effect of X on Y và Indirect effect(s) of X on Y.
Số liệu minh họa
Bảng dưới đây là số liệu minh họa, không phải kết quả của một nghiên cứu thực tế. Tên cột được viết theo dạng thường gặp trong output PROCESS để bạn đối chiếu với file của mình.
| Phần output | Effect | BootSE | BootLLCI | BootULCI | Diễn giải minh họa |
|---|---|---|---|---|---|
| Total effect of X on Y | 0.482 | 0.071 | 0.341 | 0.623 | Tổng tác động dương, khoảng tin cậy không chứa 0 |
| Direct effect of X on Y | 0.291 | 0.068 | 0.157 | 0.425 | Tác động trực tiếp dương |
| Indirect effect of X on Y | 0.191 | 0.043 | 0.112 | 0.284 | Tác động gián tiếp dương qua M |
Với số liệu minh họa này, có thể kiểm tra công thức: 0.291 + 0.191 = 0.482. Khoảng tin cậy bootstrap của tác động gián tiếp từ 0.112 đến 0.284 không chứa 0, nên tác động gián tiếp có ý nghĩa thống kê theo quy tắc của (Preacher và Hayes, 2008).
Khi đọc file thật, bạn không sao chép các con số trên. Hãy ghi lại đúng Effect, BootSE, BootLLCI và BootULCI của mô hình mình. Nếu khoảng tin cậy chạy từ số âm sang số dương, chẳng hạn -0.012 đến 0.085, bạn chưa có đủ bằng chứng để kết luận tác động tương ứng khác 0.
Trường hợp dùng SmartPLS
Trong SmartPLS 4, bạn chạy Calculate > Bootstrapping, chọn số mẫu bootstrap theo thiết kế phân tích, sau đó xem các bảng Total Effects, Specific Indirect Effects và Direct Effects. Tên bảng có thể khác đôi chút theo phiên bản và loại kết quả bạn mở, vì vậy hãy kiểm tra đúng mô hình và đúng lần chạy bootstrap.
Ở bảng Total Effects, các cột thường cần quan sát gồm Original Sample, Sample Mean, Standard Deviation, T Statistics, P Values và khoảng tin cậy nếu bạn bật hiển thị. Original Sample là hệ số ước lượng từ mẫu ban đầu. Khoảng tin cậy bootstrap giúp đánh giá tổng tác động có khác 0 hay không.
Trong SmartPLS, tổng tác động X đến Y có thể bao gồm nhiều đường gián tiếp. Ví dụ, X đi qua M1 rồi đến Y, hoặc X đi qua M2 rồi đến Y. Khi đó, Specific Indirect Effects giúp tách từng con đường, còn Total Effects cộng các tác động phù hợp để cho biết ảnh hưởng tổng hợp.
Khi tổng tác động không đạt thì xử lý thế nào
Trước tiên, kiểm tra bạn đang đọc đúng dòng và đúng hướng mũi tên. Nhiều bạn nhầm Total Effects với Specific Indirect Effects, hoặc đọc hệ số của đường X đến M thay cho tổng tác động X đến Y. Hãy đối chiếu tên biến ở hàng và cột trước khi sửa dữ liệu.
Tiếp theo, kiểm tra khoảng tin cậy bootstrap, p-value, cỡ mẫu và cách mã hóa biến. Một biến quan sát đảo chiều nhưng chưa reverse code có thể làm giảm chất lượng thang đo và ảnh hưởng đến các hệ số trong mô hình. Nếu dữ liệu có giá trị thiếu, mã ngoài phạm vi hoặc dòng trả lời không hợp lệ, bạn cần rà soát file .sav hoặc .csv trước khi chạy lại.
Nếu tổng tác động không có ý nghĩa, bạn có thể giữ kết quả không có ý nghĩa và kết luận giả thuyết không được ủng hộ. Đây là cách xử lý chấp nhận được nếu quy trình phân tích đã được thiết kế trước và không có lỗi dữ liệu. Không nên xóa biến chỉ vì hệ số không đạt kỳ vọng lý thuyết.
Nếu phát hiện vấn đề kỹ thuật, hãy xử lý theo thứ tự sau:
- Kiểm tra mã hóa, nhãn biến, missing values và biến đảo chiều.
- Kiểm tra xem biến trung gian, biến phụ thuộc và biến độc lập có được đặt đúng ô hay không.
- Kiểm tra các quan sát bất thường và tiêu chí loại dữ liệu đã nêu trong phương pháp.
- Chạy lại mô hình sau khi ghi rõ thay đổi.
- So sánh kết quả trước và sau khi xử lý, không chỉ giữ lại phiên bản có p-value đẹp hơn.
Bạn có thể tham khảo hướng dẫn bootstrap trung gian trong SPSS khi cần kiểm tra tác động gián tiếp. Sobel test cũng thường được nhắc đến trong các luận văn, nhưng nó dựa trên giả định phân phối của tác động gián tiếp. Nếu sử dụng, hãy trình bày rõ phương pháp và xem thêm phân tích Sobel test SPSS.
Nếu tổng tác động không có ý nghĩa nhưng tác động gián tiếp lại được báo cáo là có ý nghĩa, bạn cần đọc mô hình cẩn thận. Đây có thể là trường hợp các đường tác động có hướng khác nhau, làm triệt tiêu một phần khi cộng lại. Không nên tự động kết luận mô hình trung gian thất bại chỉ từ một dòng tổng tác động.
Phân biệt tổng tác động với tác động trực tiếp và gián tiếp
Tác động trực tiếp là ảnh hưởng từ X đến Y khi biến trung gian đã được đưa vào mô hình. Trong PROCESS, nó thường nằm ở phần Direct effect of X on Y. Trong SmartPLS, bạn có thể xem đường dẫn trực tiếp trên bảng Path Coefficients hoặc kết quả tương ứng của mô hình cấu trúc.
Tác động gián tiếp là ảnh hưởng truyền qua biến trung gian. Với một biến trung gian, nó thường được tính bằng tích a × b. Với nhiều biến trung gian, có thể có nhiều tác động gián tiếp cụ thể và mỗi tác động cần được xem riêng.
Tổng tác động là tổng của các thành phần phù hợp. Ba khái niệm này có thể tóm tắt như sau:
| Loại tác động | Câu hỏi trả lời | Ví dụ cách đọc |
|---|---|---|
| Tác động trực tiếp | X có ảnh hưởng đến Y sau khi kiểm soát M không | X tăng thì Y thay đổi bao nhiêu trên đường X đến Y |
| Tác động gián tiếp | X ảnh hưởng đến Y thông qua M bao nhiêu | X tác động đến M, rồi M tác động đến Y |
| Tổng tác động | X ảnh hưởng đến Y bao nhiêu khi tính cả mọi đường đã mô hình hóa | Tác động trực tiếp cộng tác động gián tiếp |
Bạn cũng cần phân biệt total effect với total variance explained hoặc R². Tổng tác động là hệ số của quan hệ giữa các biến. R² cho biết tỷ lệ biến thiên của biến phụ thuộc được giải thích bởi các biến dự báo trong phương trình, và không thể dùng thay cho tổng tác động.
Lỗi thường gặp
Lỗi đầu tiên là viết “tổng tác động càng lớn càng tốt”. Một hệ số lớn chưa chắc có ý nghĩa thống kê, và một hệ số nhỏ vẫn có thể có ý nghĩa trong bối cảnh nghiên cứu cụ thể. Cách viết nên dựa vào dấu, độ lớn, khoảng tin cậy và mục tiêu giả thuyết.
Lỗi thứ hai là lấy p-value của tác động trực tiếp để kết luận cho tổng tác động. Hai dòng này có thể có sai số chuẩn và mức ý nghĩa khác nhau. Hãy đọc đúng phần Total effect hoặc bảng tổng tác động trong phần mềm.
Lỗi thứ ba là dùng số liệu minh họa trong bài viết hoặc ảnh hướng dẫn để điền vào luận văn. Bảng trong bài này chỉ giúp bạn nhận diện cấu trúc output. Kết quả chính thức phải lấy từ file dữ liệu và lần chạy của bạn.
Lỗi thứ tư là chạy nhiều phiên bản mô hình rồi chỉ chọn phiên bản có kết quả thuận lợi mà không ghi lại lý do. Nếu phải loại biến hoặc điều chỉnh mô hình, hãy lưu từng file output và mô tả tiêu chí quyết định trong chương phương pháp hoặc chương kết quả.
Cuối cùng, đừng trộn cách diễn giải của SPSS PROCESS với SmartPLS mà không nói rõ phần mềm. Khi viết, hãy ghi tên công cụ, loại mô hình, biến X, biến M, biến Y, số mẫu bootstrap và tiêu chí kết luận.
Bạn có thể viết vào luận văn theo mẫu sau: “Kết quả cho thấy tổng tác động của [biến độc lập] lên [biến phụ thuộc] đạt [hệ số], với khoảng tin cậy bootstrap [cận dưới; cận trên]. Vì khoảng tin cậy [không chứa/chứa] giá trị 0, tác động tổng thể của [biến độc lập] lên [biến phụ thuộc] [có/không có] ý nghĩa thống kê.” Hãy thay toàn bộ phần trong ngoặc vuông bằng kết quả thật của bạn.
Câu hỏi thường gặp
Tổng tác động là gì trong SPSS
Trong SPSS, tổng tác động là ảnh hưởng của biến X lên biến Y khi cộng cả tác động trực tiếp và tác động gián tiếp qua biến trung gian. Khi chạy PROCESS, bạn thường tìm nó ở phần Total effect of X on Y.
Tổng tác động bao nhiêu là tốt
Không có một con số cố định áp dụng cho mọi đề tài. Bạn cần xem dấu của hệ số, khoảng tin cậy bootstrap, p-value, độ lớn hiệu ứng và ý nghĩa lý thuyết của mối quan hệ. Với tác động gián tiếp, khoảng tin cậy bootstrap không chứa 0 là căn cứ thường dùng (Preacher và Hayes, 2008).
Tổng tác động khác tác động trực tiếp như thế nào
Tác động trực tiếp chỉ xét đường X đến Y sau khi đưa biến trung gian vào mô hình. Tổng tác động cộng đường trực tiếp với các đường gián tiếp qua biến trung gian, nên hai hệ số này có thể khác nhau về độ lớn hoặc thậm chí khác nhau về ý nghĩa thống kê.
Tổng tác động không có ý nghĩa thì có phải bỏ mô hình không
Chưa thể kết luận như vậy ngay. Bạn cần kiểm tra dữ liệu, mô hình, khoảng tin cậy, tác động trực tiếp và từng tác động gián tiếp. Nếu phân tích không có lỗi, bạn có thể báo cáo kết quả không có ý nghĩa và ghi nhận giả thuyết tương ứng không được ủng hộ.
Có thể tính tổng tác động bằng cách cộng hệ số không
Trong mô hình trung gian đơn, tổng tác động thường bằng tác động trực tiếp cộng tác động gián tiếp. Tuy nhiên, khi có nhiều biến trung gian, nhiều đường dẫn hoặc sử dụng hệ số từ các mô hình khác nhau, bạn nên dùng bảng kết quả của PROCESS hoặc SmartPLS thay vì cộng thủ công các hệ số không cùng điều kiện ước lượng.
Mở file kết quả của bạn, xác định đúng dòng Total effect, kiểm tra khoảng tin cậy và đối chiếu với tác động trực tiếp, gián tiếp trước khi viết chương 4. Nếu cần chạy phân tích trên chính file .sav hoặc .csv, M4 phân tích của DoThesis hỗ trợ bước này bằng SPSS và SmartPLS.