Welcome to Marketing Faculty -University of Finace and Marketing (UFM)
(028) 3997 2243 | khoamkt@ufm.edu.vn

Phân tích hồi quy có biến trung gian

01/12/2016
321

Một trong những “điểm chết” của các Luận văn, Nghiên cứu khoa học hay Chuyên đề tốt nghiệp là khâu phân tích hồi qui ở các mô hình có biến trung gian. Cách đơn giản là dùng phần mềm AMOS, song nhiều người “sợ AMOS như sợ ma” nên thường tránh né và rắc rối bắt đầu từ đây.

Để đơn giản, một số người đem chặt trái, chém phải những mô hình liên quan mà người ta đã đưa ra để chế ra mô hình quá đơn giản đến mức sau khi kiểm định song thì chỉ còn mỗi hai hạt (biến độc lập) và một dài (biến phụ thuộc), khỏi có biến trung gian. Một số người lại dùng SPSS để tính ra 2 phương trình tương quan riêng (1) từ biến độc lập đến biến trung gian và (2) từ biến trung gian đến biến phụ thuộc rồi để đó cho nó nhìn nhau như mặt trăng với mặt trời chứ không có mối liên quan nào cả.

Hình minh họa

Hình minh họa

Nếu dùng SPSS trong trường hợp này phải theo qui trình 4 bước  của Baron và Kenny, 1986. Bước 1 phân tích hồi qui giữa các biến độc lập X với biến phụ thuộc Y. Bước 2 phân tích hồi qui giữa các biến độc lập X và biến trung gian M. Bước 3 phân tích hồi qui giữa biến trung gian và biến phụ thuộc. Bước 4 phân tích hồi qui đa biến giữa các biến độc lập X và biến trung gian M với biến phụ thuộc Y.

Phương pháp tiếp cận bốn bước được nhiều nhà nghiên cứu sử dụng, tuy vậy chúng ta không thực sự kiểm tra ý nghĩa của các tác động gián tiếp X ảnh hưởng đến Y thông qua con đường hợp nhất của a và b. Vấn đề thứ hai là phương pháp tiếp cận này có xu hướng bỏ lỡ một số tác động trung gian. Do vậy hay qui trình 2 bước của Judd và Kenny (1981) hoặc của Sobel (1982) gần đây được sử dụng nhiều.

Mô hình Judd và Kenny (1981) sẽ thích hợp hơn để tính toán sự khác biệt giữa hai hệ số hồi qui. Bước 1 xác định hồi qui đa biến giữa các biến độc lập X và trung gian M với biến phụ thuộc Y theo phương trình 1: Y = βo + β1X + β2M + e. Và hồi qui đơn giữa biến độc lập X và biến phụ thuộc Y theo phương trình 2: Y = βo + βX + e.

Phương pháp này bao gồm việc trừ đi hệ số hồi quy B1 một phần thu được trong mô hình 1, từ các hệ số hồi quy đơn giản B thu được từ mô hình 2. Lưu ý rằng cả hai đại diện cho tác động của X vào Y nhưng mà B là hệ số zero- order từ các hồi quy đơn và B1 là hệ số hồi quy một phần từ hồi quy bội. Các tác động gián tiếp là sự khác biệt giữa hai hệ số này: βGián tiếp = β – β1

Một cách tiếp cận tương tự tính toán tác động gián tiếp bằng cách nhân hai hệ số hồi quy theo phương pháp của Sobel (1982). Hai hệ số được lấy từ hai mô hình hồi quy. Phương trình 1: Y = βo + β1X + β2M + e. Và hồi qui đơn giữa biến độc lập X và biến phụ thuộc Y theo phương trình 2: Y = βo + βX + e. Chú ý rằng mô hình 2 trong cách tiếp cận Sobel bao gồm các mối quan hệ giữa X và M. Một sản phẩm được hình thành bằng cách nhân hai hệ số tương quan với nhau, tác dụng hồi quy một phần cho M tác động vào Y, β2, và hệ số đơn giản để dự đoán tác động của X vào M. β Gián tiếp = (β2)( β). Lưu ý trong tính toán phải sử dụng hệ số chưa chuẩn hóa (unstandardized). Với mô hình nhiều biến độc lập, nhiều biến trung gian thì xử lý là vấn đề phức tạp và cần phần mềm bổ trợ thêm của Hayes chứ SPSS sẽ rất mệt.

Để hiểu và thực hiện tốt được vấn đề này, các bạn nên đến dự lớp: “Introduction to Mediation and Moderation Analysis.” Kéo dài 5 ngày, từ 13/7 đến 17/7/2015 tại thành phố Philadelphia, Hoa Kỳ của tiến sĩ Andrew F. Hayes, chuyên gia hàng đầu thế giới về kiểm định biến trung gian và biến điều tiết. Học phí cũng không phải dạng vừa đâu, chỉ có 1795 USD và nếu đăng ký sớm trước ngày 15/6 thì chỉ có 1595 USD thôi mà.

Nếu mà ngại đi xa xa quá thì gặp TS. Trường chỉ với 1 bình trà bắc vỉa hè kèm kẹo dồi Hà Nội là đủ.

Ts. Nguyễn Xuân Trường

[fbcomments]