Một luận văn đặt giả thuyết “hỗ trợ của giảng viên điều tiết mối quan hệ giữa áp lực học tập và kiệt sức”, rồi chạy mô hình ba bước kiểu trung gian: áp lực dự báo hỗ trợ, hỗ trợ dự báo kiệt sức. Hội đồng chỉ ra rằng phân tích không kiểm định giả thuyết đã nêu. Điều tiết và trung gian nghe gần nhau, cùng là “biến thứ ba”, nhưng trả lời hai câu hỏi khác hẳn.
Nhầm lẫn này rất phổ biến, và kéo theo lỗi ở cả thiết kế, phân tích lẫn diễn giải. Bài này tách bạch hai khái niệm và đưa ra quy trình phân tích cho từng loại.
Hai câu hỏi khác nhau
| Biến điều tiết (moderator) | Biến trung gian (mediator) | |
|---|---|---|
| Câu hỏi | Khi nào, với ai, hiệu ứng mạnh hay yếu | Bằng cách nào, qua con đường nào, hiệu ứng xảy ra |
| Ví dụ | Áp lực gây kiệt sức ít hơn ở sinh viên được giảng viên hỗ trợ nhiều | Áp lực làm giảm giấc ngủ, và giấc ngủ kém dẫn đến kiệt sức |
| Quan hệ với biến độc lập | Thường không bị biến độc lập tác động | Bị biến độc lập tác động |
| Phân tích | Số hạng tương tác X × W | Hiệu ứng gián tiếp a × b |
| Thứ tự thời gian | Không bắt buộc | X trước M, M trước Y |
Mẹo kiểm tra nhanh: nếu bạn có thể viết giả thuyết bằng từ “phụ thuộc vào” hoặc “mạnh hơn ở”, đó là điều tiết. Nếu viết được bằng “thông qua” hoặc “vì”, đó là trung gian.
Phân tích điều tiết: tương tác, căn giữa, độ dốc đơn giản
- Căn giữa biến độc lập và biến điều tiết liên tục (trừ trung bình). Việc này không thay đổi kiểm định tương tác, nhưng làm hệ số chính dễ đọc: hệ số của X là ảnh hưởng của X khi W ở mức trung bình.
- Đưa số hạng tương tác X × W vào mô hình cùng X và W. Không bỏ X hoặc W ra khỏi mô hình dù chúng không có ý nghĩa.
- Nếu tương tác có ý nghĩa, đừng dừng ở hệ số. Tính độ dốc đơn giản (simple slopes): ảnh hưởng của X tại các mức W thấp, trung bình, cao, hoặc tại các giá trị có ý nghĩa thực tế.
- Vẽ đồ thị ba đường hồi quy ứng với ba mức W. Đồ thị thường nói nhiều hơn bảng.
- Với W liên tục, phương pháp Johnson–Neyman chỉ ra khoảng giá trị W mà tại đó ảnh hưởng của X có ý nghĩa thống kê.
Lưu ý năng lực: kiểm định tương tác cần cỡ mẫu lớn hơn nhiều so với kiểm định hiệu ứng chính cùng độ lớn. Nhiều nghiên cứu nhỏ “không tìm thấy điều tiết” đơn giản vì không đủ năng lực để tìm.
Phân tích trung gian: hiệu ứng gián tiếp là trung tâm
Cách tiếp cận ba bước kinh điển (X dự báo Y, X dự báo M, M dự báo Y khi kiểm soát X) từng rất phổ biến nhưng nay không còn được khuyến nghị làm phép kiểm định chính. Lý do: nó đòi X phải dự báo Y có ý nghĩa ở bước đầu, trong khi hiệu ứng gián tiếp có thể tồn tại ngay cả khi tổng hiệu ứng không có ý nghĩa; và nó không kiểm định trực tiếp hiệu ứng gián tiếp.
Cách hiện nay:
- Ước lượng đường a (X → M) và đường b (M → Y, kiểm soát X).
- Hiệu ứng gián tiếp = a × b.
- Kiểm định bằng khoảng tin cậy bootstrap (thường vài nghìn lần lấy mẫu lại). Nếu khoảng không chứa 0, có bằng chứng hiệu ứng gián tiếp.
- Báo cả hiệu ứng trực tiếp (c′) và tổng hiệu ứng (c).
Các cụm từ “trung gian toàn phần” và “trung gian một phần” ngày càng ít được khuyến khích, vì chúng phụ thuộc cỡ mẫu và dễ bị hiểu là đã tìm ra toàn bộ cơ chế.
Trung gian trên dữ liệu cắt ngang: giới hạn phải nói rõ
Trung gian là một tuyên bố nhân quả về chuỗi X → M → Y. Khi cả ba biến được đo cùng lúc trong một bảng hỏi, dữ liệu không phân biệt được chuỗi đó với những chuỗi khác, như Y → M hay M gây ra cả X và Y. Mô hình vẫn chạy ra số đẹp, nhưng lập luận nhân quả dựa hoàn toàn vào lý thuyết.
Những việc nên làm:
- Nếu có thể, đo X, M, Y ở các thời điểm khác nhau.
- Nêu rõ trong phần hạn chế rằng hướng quan hệ là giả định.
- Cân nhắc các biến gây nhiễu cho đường M → Y, thường bị bỏ qua.
- Dùng ngôn ngữ thận trọng: “phù hợp với giả thuyết trung gian” thay vì “chứng minh cơ chế”.
Khi hai thứ kết hợp: điều tiết có trung gian, trung gian có điều tiết
Các mô hình kết hợp (moderated mediation) hỏi liệu hiệu ứng gián tiếp có khác nhau theo biến điều tiết không. Chúng mạnh nhưng đòi cỡ mẫu lớn và lý thuyết rõ. Macro PROCESS cho SPSS, SAS và R đánh số sẵn nhiều mô hình kiểu này, còn gói lavaan trong R cho phép tự viết mô hình linh hoạt hơn. Đừng chọn mô hình số 58 chỉ vì nó có sẵn; hãy vẽ mô hình lý thuyết trước, rồi tìm công cụ.
Áp dụng thực tế: bảng kiểm trước khi phân tích
- Viết giả thuyết thành câu; kiểm tra từ khoá “phụ thuộc vào” hay “thông qua”.
- Vẽ sơ đồ: điều tiết là mũi tên trỏ vào một mũi tên khác; trung gian là chuỗi mũi tên.
- Với điều tiết: căn giữa, đưa tương tác, tính độ dốc đơn giản, vẽ đồ thị.
- Với trung gian: ước lượng a, b, a × b, khoảng tin cậy bootstrap, báo c và c′.
- Kiểm tra cỡ mẫu có đủ cho tương tác hoặc hiệu ứng gián tiếp dự kiến không.
- Viết phần hạn chế về thứ tự thời gian và biến gây nhiễu chưa đo.
Mẫu câu: “Hiệu ứng gián tiếp của áp lực học tập lên kiệt sức thông qua chất lượng giấc ngủ là 0,12 (KTC bootstrap 95%: 0,06–0,19), phù hợp với giả thuyết trung gian; do dữ liệu cắt ngang, hướng quan hệ cần được kiểm chứng bằng thiết kế theo dõi.”
Việc làm tiếp theo: mở phần giả thuyết của bài bạn đang viết, gạch dưới từng giả thuyết có “biến thứ ba” và ghi bên cạnh chữ Đ (điều tiết) hoặc T (trung gian). Sau đó đối chiếu với phần phân tích: nếu nhãn và phép phân tích không khớp, sửa ngay bây giờ.
Câu hỏi thường gặp
Biến điều tiết và biến trung gian khác nhau thế nào?
Biến điều tiết cho biết hiệu ứng mạnh hay yếu tuỳ điều kiện nào; biến trung gian giải thích hiệu ứng xảy ra qua con đường nào. Chúng được phân tích bằng tương tác và hiệu ứng gián tiếp tương ứng.
Có cần căn giữa biến khi kiểm định tương tác không?
Căn giữa không thay đổi kiểm định tương tác nhưng giúp hệ số chính dễ diễn giải, vì chúng trở thành ảnh hưởng tại mức trung bình của biến kia.
Cách tiếp cận ba bước kinh điển còn dùng được không?
Nó không còn được khuyến nghị làm phép kiểm định chính. Nên ước lượng trực tiếp hiệu ứng gián tiếp và kiểm định bằng khoảng tin cậy bootstrap.
Phân tích trung gian trên dữ liệu cắt ngang có được không?
Chạy được nhưng không chứng minh được thứ tự nhân quả. Hãy nêu rõ giới hạn, dùng ngôn ngữ thận trọng và ưu tiên đo các biến ở những thời điểm khác nhau nếu có thể.
Độ dốc đơn giản (simple slopes) là gì?
Là ảnh hưởng của biến độc lập tại các mức cụ thể của biến điều tiết, giúp diễn giải một tương tác có ý nghĩa thay vì chỉ đọc hệ số tương tác.
