Cách xử lý biến trung gian

• Giới thiệu nội dung loạt bài viết về Mô hình SEM trên phần mềm AMOS
• Model fit và cách hiển thị nhanh giá trị của model fit ở góc màn hình
• Khái niệm biến tiềm ẩn
• Phân tích nhân tố khẳng định CFA
• Độ tin cậy của thang đo
• Tính hội tụ. Phân tích CFA đơn nhân tố
• Vẽ nhanh mô hình phân tích CFA từ pattern matrix
• Tính phân biệt
• Tính đơn nguyên (đơn chiều)
• Hiệu chỉnh mô hình CFA
• Đọc kết quả mô hình SEM
• Thực hành phân tích bài tập với mô hình SEM, ứng dụng làm luận văn cơ bản
• Kiểm định so sánh giá trị trung bình với SEM
• Phân tích đa nhóm, ứng dụng đánh giá tác động của biến điều tiết
• Xử lý biến điều tiết dạng liên tục
• Bootstrap mô hình SEM trên phần mềm AMOS
• Tác động trực tiếp, gián tiếp và tổng hợp
• Biến trung gian và đánh giá vai trò của biến trung gian trong SEM bằng phần mềm AMOS
• Plug in Validity and Reliability Test (bản amos 24 trở lên)
• Đa cộng tuyến trong SEM
• Biến tiềm ẩn bậc cao

Cập nhật: 10/11/2021 bởi

Quy lại với mô hình ở bài viết trước.

Xét quan hệ tác động gián tiêp của C lên A có đến 3 mối quan hệ đó là

(1) C–>X–>A

(2) C–>Y–>A

(3)C–>X–>Y–>A

Lúc này các biến X, Y được gọi là biến trung gian.

Đểm xem biến nào thực sự có tác động trung gian (mối quan hệ đó phải có ý nghĩa thống kê) chúng ta có thể sử dung Plugin . Cách sử dụng các bạn xem lại ở đây nhé https://ungdung.hotronghiencuu.com/xem-xet-vai-tro-bien-trung-gian-voi-plug-in-indirect-effect-tren-amos

Tại output có khá nhiều mối quan hệ, ở đây ta chỉ cần chú ý đến các mối quan hệ mà mình quan tâm

Xét ví dụ trên ta thu được kết quả sau

Như vậy chỉ có X đóng vai tròn trung gian trong quan hệ (sig=0.014<0.05)

Ta có thể nó rẵng chuyển tải một tác động dương của C lên A, do hệ số ước lượng là dương

So với sobel Test tính băng plugin này (mình cũng không rõ thuật toán tính) có 2 ưu điểm

+ Một là nhanh

+ Hai là không nhât thiết phải có một quan hệ trực tiếp kiểu C–>A

+ Ba là không hạn chế số lượng và câu trúc biến trung gian (theo kiểu X–>Y)

Xem thêm:

+ Kiểm đinh Sobel cho tác động của biến trung gian: https://ungdung.hotronghiencuu.com/kiem-dinh-sobel

+ Đánh giá biến trung gian trong mô hinh PLS SEM: https://ungdung.hotronghiencuu.com/danh-gia-vai-tro-cua-bien-trung-gian-trong-pls-sem-bang-phan-mem-smartpls

1. 1. Lý thuyết về biến trung gian
   1. Biến trung gian (mediator) và quan hệ trung gian (mediation)
   Sự tác động trung gian (mediation) xảy ra khi một biến thứ 3 xen vào giữa mối quan hệ tác động từ biến độc lập lên biến phụ thuộc, lúc này biến xen giữa gọi là biến trung gian (mediator, mediating variable). Trong mô hình bên dưới, X là biến độc lập, Y là phụ thuộc và M là biến trung gian.

   

   Biểu diễn dưới hình thức khác:

   Trong mô hình biến trung gian, có hai mối tác động từ X lên Y là trực tiếp (direct) và gián tiếp (indirect). Đường trực tiếp là X → Y, và đường gián tiếp là X → M → Y.

   Trong đó:

   • c’: Tác động trực tiếp direct effect từ X lên Y
   • a*b: Tác động gián tiếp indirect effect từ X lên Y
   • c: Tác động tổng hợp total effects từ X lên Y
     

   Theo Baron & Kenny (1986), một biến được xác định là đóng vai trò trung gian nếu thỏa mãn cùng lúc 3 điều kiện sau đây:

   1. Điều kiện 1: Biến độc lập có tác động lên biến trung gian (a ≠ 0).
   2. Điều kiện 2: Biến trung gian có tác động lên biến phụ thuộc (b ≠ 0).
   3. Điều kiện 3: Khi điều kiện 1 và 2 thỏa mãn, sự xuất hiện của biến trung gian sẽ làm giảm sự tác động từ biến độc lập lên biến phụ thuộc (c’< c), trong đó c là hệ số hồi quy từ X lên Y khi chưa có sự hiện diện của biến trung gian M.

   Để kiểm tra một biến trung gian có thỏa được 3 điều kiện ở trên hay không, chúng ta sẽ thực hiện 3 phép hồi quy như sau:

   1. Hồi quy đơn: X → M: Để biết biến độc lập có tác động lên biến trung gian hay không (điều kiện 1). Kết quả mong đợi là sig kiểm định t của biến X nhỏ hơn 0.05.

   M = hằng số 1 + aX + e1

   2. Hồi quy bội: X, M → Y: Để biết biến trung gian có tác động lên biến phụ thuộc hay không (điều kiện 2). Kết quả mong đợi là sig kiểm định t của biến M nhỏ hơn 0.05.

   Y = hằng số 2 + c’X + bM + e2

   3. Hồi quy đơn: X → Y: Để biết sự xuất hiện của biến trung gian có làm giảm sự tác động từ biến độc lập lên biến phụ thuộc hay không. Kết quả mong đợi là hệ số c’ < c.

   Y = hằng số 3 + cX + e3

   Nếu 1 trong 3 điều kiện trên bị vi phạm, biến M không đóng vai trò trung gian can thiệp vào sự tác động từ X lên Y.

   Tuy nhiên, một số tác giả (Collins, Graham, & Flaherty, 1998; Judd & Kenny, 1981; Kenny et al., 1998; MacKinnon, 1994, 2000; MacKinnon, Krull, & Lockwood, 2000; Shrout & Bolger, 2002) đã đưa ra tranh cãi rằng, mối tác động tổng hợp total effects không nhất thiết phải có ý nghĩa thì mới có mối quan hệ trung gian. Do đó, chúng ta cần có một hướng đánh giá mối quan hệ trung gian chính xác hơn.

   Bootstrapping là một kỹ thuật liên quan đến việc lấy mẫu lặp lại từ tập dữ liệu mẫu và ước tính tác động gián tiếp indirect (tích số a*b) trong mỗi tập dữ liệu được lấy mẫu lại.

   Nhiều nghiên cứu đã chứng minh kỹ thuật Bootstrapping tốt hơn các kỹ thuật khác khi đánh giá mối quan hệ trung gian (Williams & MacKinnon, 2008; Preacher & Hayes, 2008; Zhao, Lynch & Chen, 2010) vì nó không yêu cầu dữ liệu phải có phân phối chuẩn và có thể áp dụng cho các cỡ mẫu nhỏ. Cách tiếp cận này hoàn toàn phù hợp với phương pháp PLS-SEM và thuật toán của SMARTPLS cũng sử dụng kỹ thuật này trong đánh giá biến trung gian.

   2. Phân tích biến trung gian mediator trên SMARTPLS
   Để trực quan hơn khi hướng dẫn, chúng ta sẽ đi qua một mô hình nghiên cứu với các biến như sau:

   CLDV – Chất lượng dịch vụ: Được đo bằng 4 chỉ báo CLDV1, CLDV2, CLDV3, CLDV4

   GTCN – Giá trị cảm nhận: Được đo bằng 2 chỉ báo GTCN1, GTCN2

   SHL – Sự hài lòng khách hàng: Được đo bằng 1 chỉ báo SHL1

   YDQL – Ý định quay lại: Được đo bằng 3 chỉ báo YDQL1, YDQL2, YDQL3

   Tất cả các mối tác động trực tiếp trong mô hình đều mang dấu dương – tác động thuận chiều.

   Chúng ta sẽ đánh giá mối tác động gián tiếp từ CLDV lên YDQL thông qua hai biến trung gian GTCN và SHL.

Chia sẻ trang này