Trong nghiên cứu khoa học xã hội và hành vi, phân tích trung gian (mediation) và điều tiết (moderation) là hai kỹ thuật được sử dụng rất phổ biến nhằm khám phá cơ chế và điều kiện tác động giữa các biến.
Tuy nhiên, trong thực tiễn nghiên cứu, nhiều mối quan hệ nhân quả có cấu trúc phức tạp hơn khi tác động gián tiếp của biến độc lập (X) lên biến phụ thuộc (Y) thông qua biến trung gian (M) không cố định, mà thay đổi theo mức độ của một biến điều tiết (W). Trường hợp này được gọi là moderated mediation, hay còn được biết đến với tên gọi conditional indirect effect.
1. Khái niệm mô hình Moderated Mediation
Moderated mediation (mô hình trung gian có điều tiết) là sự kết hợp giữa mediation và moderation trong cùng một mô hình phân tích. Mô hình này trả lời câu hỏi nghiên cứu cốt lõi: Tác động gián tiếp của X lên Y thông qua M có thay đổi theo mức độ của biến điều tiết W hay không?
Moderated mediation xảy ra khi thỏa mãn đồng thời các điều kiện:
- Tồn tại biến trung gian M giải thích mối quan hệ giữa X và Y;
- Biến điều tiết W làm thay đổi cường độ hoặc ý nghĩa của tác động gián tiếp;
- Trọng tâm phân tích không chỉ là “có trung gian hay không”, mà là “tác động trung gian đó mạnh hay yếu tùy theo W”.
Ví dụ:
- Hành vi tiêu dùng: Ảnh hưởng của quảng cáo (X) đến ý định mua (Y) thông qua thái độ đối với thương hiệu (M) có thể mạnh hơn hoặc yếu hơn tùy thuộc vào mức độ quen thuộc với thương hiệu (W).
- Quản trị nhân sự: Tác động của đào tạo (X) đến hiệu suất làm việc (Y) thông qua động lực nội tại (M) có thể thay đổi theo giới tính hoặc độ tuổi (W).
Trong thực hành nghiên cứu, macro PROCESS của Andrew F. Hayes trên SPSS là công cụ được sử dụng rộng rãi để kiểm định các mô hình moderated mediation nhờ tính linh hoạt, đơn giản và được trích dẫn nhiều trong các công bố quốc tế.
2. Các mô hình Moderated Mediation trong PROCESS
Trong các phiên bản PROCESS v3 và v4, Hayes đề xuất nhiều mô hình moderated mediation, trong đó thường gặp nhất là Model 7, 8, 14, 15, 58 và 59.
a. PROCESS moderated mediation Model 7:
Cấu trúc:
- Biến điều tiết W tác động lên mối quan hệ X → M (a-path).
- Biến trung gian M ảnh hưởng đến Y theo cơ chế trung gian thông thường.
Ý nghĩa: Tác động của X lên M phụ thuộc vào mức độ của W, do đó tác động gián tiếp X → M → Y thay đổi theo W.
Ví dụ: Ảnh hưởng của chiến dịch quảng cáo (X) đến thái độ đối với thương hiệu (M) phụ thuộc vào mức độ gắn bó thương hiệu trước đó (W); sau đó, thái độ thương hiệu tác động đến ý định mua (Y).
b. PROCESS moderated mediation Model 8:
Cấu trúc:
- Tương tự Model 7: W điều tiết đường X → M.
- Đồng thời, W có tác động trực tiếp lên Y.
Ý nghĩa: Ngoài việc làm thay đổi tác động gián tiếp, W còn ảnh hưởng trực tiếp đến biến kết quả Y.
Ví dụ: Mức độ gắn bó thương hiệu (W) không chỉ điều chỉnh tác động của quảng cáo (X) lên thái độ thương hiệu (M), mà còn trực tiếp ảnh hưởng đến ý định mua (Y).
c. PROCESS moderated mediation Model 14:
Cấu trúc:
- W điều tiết mối quan hệ M → Y (b-path).
- Đường X → M (a-path) không bị điều tiết.
Ý nghĩa: Tác động của M lên Y thay đổi theo W, kéo theo hiệu ứng gián tiếp X → M → Y phụ thuộc vào mức độ của biến điều tiết.
Ví dụ: Thái độ đối với xe điện (M) ảnh hưởng đến ý định mua (Y) mạnh hơn khi mức độ am hiểu công nghệ (W) cao.
d. PROCESS moderated mediation Model 15:
Cấu trúc
-
W điều tiết đồng thời cả hai đường X → M và M → Y (a-path và b-path).
Ý nghĩa: Tác động gián tiếp của X lên Y thay đổi theo W ở cả hai giai đoạn của quá trình trung gian.
Ví dụ: Trình độ học vấn (W) ảnh hưởng đến cách chương trình đào tạo (X) hình thành kiến thức (M), đồng thời ảnh hưởng đến việc kiến thức đó chuyển hóa thành hiệu suất làm việc (Y).
e. PROCESS moderated mediation Model 58:
Cấu trúc
-
W điều tiết đồng thời cả X → M và M → Y.
Ý nghĩa: Hiệu ứng gián tiếp X → M → Y biến thiên theo W trên toàn bộ tiến trình trung gian.
Ví dụ: Trình độ học vấn (W) làm thay đổi cả quá trình đào tạo (X) tạo ra kiến thức (M) và quá trình kiến thức (M) dẫn đến hiệu suất làm việc (Y).
f. PROCESS moderated mediation Model 59:
Cấu trúc
-
Giống Model 58: W điều tiết cả X → M và M → Y.
-
Đồng thời, W có tác động trực tiếp lên Y.
Ý nghĩa: Đây là mô hình toàn diện nhất, trong đó W tham gia vào tất cả các mối quan hệ: điều tiết tác động gián tiếp và đồng thời ảnh hưởng trực tiếp đến biến kết quả.
Ví dụ: Trình độ học vấn (W) vừa điều chỉnh tác động của đào tạo (X) lên kiến thức (M), vừa điều chỉnh tác động của kiến thức (M) lên hiệu suất (Y), đồng thời trực tiếp ảnh hưởng đến hiệu suất làm việc (Y).
3. Xử lý moderated mediation bằng macro PROCESS v4 trên SPSS
Để kiểm định mô hình moderated mediation bằng phương pháp Bootstrap trên SPSS, nghiên cứu sử dụng macro PROCESS do Andrew F. Hayes phát triển. Trước tiên, người nghiên cứu cần cài đặt macro này vào SPSS theo hướng dẫn cài đặt PROCESS Macro (phiên bản 4.x) tại bài viết này.
3.1 Chuẩn bị tập dữ liệu phân tích
Giả sử bộ dữ liệu nghiên cứu có cấu trúc như sau:
-
Biến độc lập (X): gồm các biến quan sát X1, X2, X3
-
Biến phụ thuộc (Y): gồm các biến quan sát Y1, Y2, Y3
-
Biến trung gian (M): gồm các biến quan sát M1, M2, M3
-
Biến điều tiết (W): gồm các biến quan sát W1, W2, W3
Các biến quan sát được tính giá trị trung bình để tạo ra bốn biến tổng hợp đại diện cho X, Y, M và W. Những biến này sẽ được sử dụng trực tiếp trong phân tích mô hình trung gian có điều tiết bằng macro PROCESS.
3.2 Thực hành phân tích moderated mediation bằng PROCESS trên SPSS
Tại cửa sổ SPSS, vào Analyze > Regression > PROCESS v4.2 by Andrew F. Hayes.
Trong cửa sổ PROCESS:
- Mục số 1: Chọn mô hình moderated mediation phù hợp (Model 7, 8, 14, 15, 58 hoặc 59).
- Mục số 2: Đưa biến phụ thuộc vào Y variable, biến độc lập vào X variable, biến trung gian vào Mediator(s) M,
- Mục số 3: Đưa biến điều tiết vào Moderator variable W.
Sau khi khai báo các biến, nhấp vào nút Options.
Trong cửa sổ Options, thiết lập các tùy chọn cần thiết (ví dụ: số mẫu bootstrap, mức khoảng tin cậy, hiển thị hiệu ứng gián tiếp có điều kiện) theo ảnh bên dưới.
Nhấp Continue để quay lại cửa sổ chính, sau đó nhấp OK để chạy mô hình và xuất kết quả ra Output của SPSS.
4. Diễn giải kết quả Moderated Mediation trong PROCESS (Model 7, 8, 14, 15, 58, 59)
Theo quan điểm của Hayes (2018), việc kết luận moderated mediation không nên dựa trên ý nghĩa thống kê của từng hệ số tương tác riêng lẻ trong các phương trình hồi quy. Thay vào đó, cần kiểm định trực tiếp chỉ số Index of Moderated Mediation, bởi đây là chỉ số phản ánh mức độ thay đổi của tác động gián tiếp theo biến điều tiết.
Chỉ số moderated mediation được đánh giá thông qua khoảng tin cậy Bootstrap. Cách diễn giải như sau:
-
Nếu khoảng tin cậy Bootstrap không chứa giá trị 0, có thể kết luận tồn tại tác động trung gian có điều tiết.
-
Ngược lại, nếu khoảng tin cậy Bootstrap chứa giá trị 0, thì không có đủ bằng chứng để khẳng định moderated mediation, bất kể các hệ số tương tác điều tiết (ví dụ X × W) trong mô hình có đạt ý nghĩa thống kê hay không.
Nói cách khác, ý nghĩa thống kê của quan hệ điều tiết riêng lẻ không quyết định việc moderated mediation có tồn tại hay không.
Việc đánh giá một mối quan hệ trung gian có điều tiết được thực hiện dựa trên Index of Moderated Mediation như sau:
- CI Bootstrap không chứa 0 → Quan hệ moderated mediation có ý nghĩa thống kê
- CI Bootstrap chứa 0 → Quan hệ moderated mediation không có ý nghĩa thống kê
Mặc dù các hệ số điều tiết riêng lẻ không quyết định kết luận về moderated mediation, việc xem xét và báo cáo chúng vẫn cần thiết để mô tả đầy đủ cấu trúc và cơ chế tác động của mô hình.
Ví dụ: Cách đọc kết quả của Model 7 được trình bày dưới đây; các mô hình còn lại (8, 14, 15, 58, 59) được diễn giải theo logic tương tự.
→ Kết quả quan hệ điều tiết:
Biến tương tác Int_1 có giá trị p = 0.000 < 0.05, cho thấy biến W đóng vai trò điều tiết trong mối quan hệ giữa X và M.
Hệ số điều tiết mang giá trị dương (β = 0.354), hàm ý rằng khi W tăng, tác động của X lên M trở nên mạnh hơn.
→ Kết quả trọng tâm – tác động trung gian có điều tiết:
Khoảng tin cậy Bootstrap của tác động gián tiếp được điều tiết nằm trong khoảng [0.150; 0.383], không bao gồm giá trị 0. Điều này cho thấy tác động gián tiếp X → M → Y phụ thuộc vào W và có ý nghĩa thống kê, với hệ số tác động gián tiếp là 0.244.
Kết luận
Bài viết trên dịch vụ xử lý SPSS DVS đã hệ thống hóa một cách ngắn gọn và dễ hiểu về mô hình moderated mediation, từ cơ sở lý thuyết, các dạng mô hình phổ biến trong macro PROCESS cho đến cách thực hiện và diễn giải kết quả trên SPSS.
Trọng tâm của bài viết nhấn mạnh đúng cách tiếp cận theo quan điểm của Hayes, đó là kết luận moderated mediation dựa trên Index of Moderated Mediation và khoảng tin cậy Bootstrap, thay vì chỉ dựa vào ý nghĩa thống kê của từng hệ số tương tác riêng lẻ.
----------
Nguồn:
Hayes, A. F. (2018). Introduction to Mediation, Moderation, and Conditional Process Analysis: A Regression-Based Approach (Methodology in the Social Sciences) (2nd ed.). New York, NY: The Guilford Press.