BIẾN TRUNG GIAN TRONG MÔ HÌNH CB SEM (PHẦN 2)

Phần này tiếp nối với phần 1. Phần 1 chi tiết tại đây: Click here. Ở phần 2 này, chúng ta sẽ không đề cập tới cách kiểm định các ước lượng hồi qui trong SEM, mà sẽ bàn sâu hơn về biến trung gian trong CB SEM. Đối với biến trung gian trong PLS SEM, chúng tôi sẽ có một bài phân tích giới thiệu riêng.

Phần hai này, chúng ta sẽ sử dụng một mô hình khác với phần một. Mục tiêu của phần 2 này là hướng dẫn cách xác định p-value của các mối quan hệ được chuẩn hóa trong mô hình SEM chạy bootstrap.

Mô hình nghiên cứu như sau:

Có nhiều bạn đặt câu hỏi, sao nhìn bảng trọng số hồi qui sau khi chạy phân tích thấy các mối quan hệ đều có p-value ≤ 5%, nhưng sao mình lại kết luận “No mediation” (không có trung gian). Là bởi vì, chúng ta cần phải lưu ý, kết quả mô hình sau khi chạy phân tích SEM là kết quả của mô hình gốc, còn khi phân tích biến trung gian chúng ta cần phải dựa trên kết quả phân tích bootstrap. Ví dụ, mô hình trên sau khi chạy SEM kết quả phân tích trọng số hồi qui (Hình 1) cho thấy, TV → SAT là có p-value ≤ 5%, SAT → LOY là có p-value ≤ 5%, và TV → LOY là có p-value ≤ 5%. Nên thông thường chúng ta sẽ kết luận TV có vai trò trung gian một phần (Partial mediation). Về mặt lý thuyết phân tích trung gian là đúng, nhưng chúng ta nhầm là câu chuyện các trọng số hồi qui cần phải dựa trên phương pháp bootstrap để kết luận thì mới chuẩn xác được.

Hình 1 – Kết quả phân tích trọng số hồi qui của mô hình gốc

Bây giờ, chúng ta tiến hành chạy bootstrap để kiểm tra các mối quan hệ trong SEM và đánh giá mediation nhé. Kết quả chạy bootstrap như Hình 2 (lưu ý đây là kết quả chưa chuẩn hóa, vì mối quan hệ này được định nghĩa bởi người dùng, chi tiết các bạn xem thêm tại phần 1).

Hình 2 – Kết quả phân tích ảnh hưởng bởi người dùng

Kết quả cho thấy ảnh hưởng gián tiếp của TV không có ý nghĩa thống kê, nên TV trong trường hợp này chính xác là không đóng vai trò trung gian (No mediation). Tới đây, chúng ta có thể thấy sự khác biệt giữa kết quả mô hình gốc với kết quả mô hình bootstrap. Nhắc lại, để đánh giá mối quan hệ trung gian, chúng ta cần dựa vào p-value của mô hình bootstrap.

Tiếp theo sau đây, chúng tôi sẽ hướng dẫn các bạn cách xác định p-value cho các mối quan hệ với trọng số hồi qui được chuẩn hóa.

Hình 3 – Các bước để lấy trọng số hồi qui chuẩn hóa của mô hình bootstrap

Trước tiên, ở của sổ Output của Amos, chúng ta chọn Matrices và chọn một trong các ảnh hưởng chuẩn hóa (số 2). Tiếp theo, bên dưới mục Estimates/Bootstrap, chọn Estimates. Bên phải sẽ xuất hiện trọng số hồi qui tương ứng. Trong Hình 3, thể hiện kết quả ảnh hưởng trực tiếp chuẩn hóa.

Hình 4 – Các bước để lấy p-value

Kết quả tổng hợp lại trong bảng sau:

Có thể thấy rằng, kết quả phân tích vai trò của biến trung gian trong mô hình SEM thông qua phương pháp bootstrap sẽ cho kết quả khác nhiều so với việc bạn chỉ dựa vào mô hình gốc để kết luận.

Cách đánh giá vai trò trung gian trong CB SEM được thực hiện bằng AMOS đến đây chúng tôi xin dừng lại tại đây. Nếu bạn có nhu cầu phân tích xử lý dữ liệu để đạt được kỳ vọng mong đợi thì hãy liên hệ với Dịch vụ xử lý dữ liệu Lê Minh. Chúng tôi sẽ cố gắng hỗ trợ bạn đạt được những mục tiêu nghiên cứu.

Trong chuyên đề tiếp theo, chúng tôi sẽ trình bày chi tiết về cách đánh giá biến trung gian trong PLS SEM bằng phần mềm SmartPLS.