Biến trung gian, biến điều tiết và biến kiểm soát là các loại biến thường sử dụng phổ biến trong nghiên cứu. Tuy nhiên, rất dễ nhầm lẫn về khái niệm giữa các loại biến này, vì vậy bài viết này sẽ giải thích chi tiết hơn về chúng.
1. Biến trung gian (mediator – mediating variable)
Trong mô hình nghiên cứu, biến trung gian M đóng vai trò làm trung gian, là cầu nối giữa biến độc lập X và phụ thuộc Y. X tác động lên M, M tác động lên Y, lúc này giữa X và Y có hai mối liên hệ là trực tiếp và gián tiếp.
Một mô hình có thể có một hoặc nhiều biến trung gian và có thể có một hay nhiều cấp trung gian:
- X → M → Y (một cấp)
- X → M1 → M2 → Y (hai cấp)
- …
Ví dụ: Chất lượng dịch vụ tác động lên Sự hài lòng khách hàng, Sự hài lòng khách hàng tác động lên Ý định quay lại. Lúc này, Sự hài lòng là yếu tố trung gian trong mối quan hệ từ Chất lượng dịch vụ đến Ý định quay lại.
2. Biến điều tiết (moderator – moderating variable)
Trong mô hình nghiên cứu, biến điều tiết Z làm thay đổi mối quan hệ tác động từ biến độc lập X lên phụ thuộc Y.
Một mô hình có thể xuất hiện một hay nhiều biến điều tiết và một biến điều tiết có thể làm thay đổi một hay nhiều tác động của các cặp biến. Biến điều tiết có thể là biến định tính hoặc biến định lượng.
Ví dụ: Nhiều công trình nghiên cứu trước đây đã chỉ ra rằng Thu nhập là một yếu tố điều tiết lên mối quan hệ từ Sự hài lòng đến Lòng trung thành. Thu nhập cao hơn có xu hướng làm giảm mối quan hệ từ Sự hài lòng lên Lòng trung thành. Như vậy, mối quan hệ giữa Sự hài lòng và Lòng trung thành không giống nhau ở tất cả các khách hàng mà sẽ thay đổi tùy vào thu nhập của người đó.
Nếu biến điều tiết là biến định tính, muốn đánh giá sự tác động của nó chúng ta sẽ sử dụng phân tích cấu trúc đa nhóm (multigroup analysis) trên AMOS, SMARTPLS.
Nếu biến điều tiết là biến định lượng, muốn đánh giá sự tác động của nó chúng ta sẽ sử dụng mô hình có biến tương tác Interaction. Cách thức thực hiện các bạn có thể tham khảo các bài viết tại đây.
3. Biến kiểm soát (controlled variable)
Biến kiểm soát C thể hiện mức độ giải thích của chúng thế nào cho biến thiên của biến phụ thuộc Y.
Một mô hình có thể xuất hiện một hay nhiều biến kiểm soát. Biến kiểm soát có thể là biến định tính hoặc biến định lượng nhưng đa phần là biến định tính.
Ví dụ: Giới tính Nam/Nữ có sự kiểm soát lên biến Tần suất mua mỹ phẩm hàng tháng. Nam giới có tần suất mua thấp hơn nữ giới. Như vậy, biến Giới tính là biến kiểm soát sự biến thiên của biến Tần suất mua mỹ phẩm.
Nếu biến kiểm soát là biến định tính, muốn đánh giá sự tác động của nó lên biến phụ thuộc, chúng ta có hai lựa chọn: hoặc sẽ mã hóa sang biến giả (dummy) và chạy hồi quy đánh giá tác động hoặc sẽ phân tích One-way ANOVA.
Nếu biến kiểm soát là biến định lượng, nó lại trở thành một biến độc lập, chúng ta sẽ đánh giá sự tác động của nó như là biến độc lập X thông qua hồi quy.
Nếu bạn đang gặp khó khăn trong xử lý dữ liệu trên SPSS liên quan đến biến trung gian, điều tiết, kiểm soát. Bạn có thể tham khảo dịch vụ hỗ trợ SPSS của Phạm Lộc Blog để tối ưu về thời gian và có được kết quả phù hợp.