Vai Trò Của Biến Kiểm Soát Trong Phân Tích Mô Hình Phương Trình Cấu Trúc (SEM) và Cách Sử Dụng Chúng Hiệu Quả

Ở các chuyên đề cũ, chúng tôi có trình bày với bạn đọc về cách mô hình hóa và phân tích các biến kiểm soát (control variables). Tuy nhiên, về khái niệm và ý nghĩa thật sự của CV (biến kiểm soát) thì chúng tôi chưa đề cập kỹ tới. Do đó, trong chuyên đề nhỏ này, chúng tôi xin giới thiệu tới bạn đọc về vai trò của biến kiểm soát trong phân tích mô hình phương trình cấu trúc (SEM) và cách sử dụng chúng hiệu quả.

Giới thiệu

Trong nghiên cứu khoa học xã hội, marketing, và các lĩnh vực khác, biến kiểm soát đóng vai trò quan trọng giúp đảm bảo tính chính xác và độ tin cậy của các mô hình phân tích. Đặc biệt trong phân tích mô hình phương trình cấu trúc (SEM), việc sử dụng biến kiểm soát là một yếu tố không thể thiếu. Biến kiểm soát giúp loại bỏ sự ảnh hưởng của các yếu tố bên ngoài mà không phải là đối tượng nghiên cứu chính, từ đó tạo ra những kết luận chính xác hơn về mối quan hệ giữa các biến quan tâm. Tuy nhiên, nhiều người nghiên cứu vẫn chưa hiểu rõ về vai trò của các biến này trong SEM cũng như cách thức sử dụng chúng hiệu quả.

Bài viết này sẽ giúp bạn hiểu rõ hơn về biến kiểm soát trong SEM, tại sao chúng lại quan trọng và cách thức sử dụng chúng trong nghiên cứu để đảm bảo kết quả đáng tin cậy (Byrne, 2016; Hair, Black, Babin, & Anderson, 2019; Kline, 2023).

1. Biến kiểm soát là gì?

Biến kiểm soát là những yếu tố không phải là đối tượng nghiên cứu chính nhưng lại có thể ảnh hưởng đến mối quan hệ giữa các biến chính trong mô hình phân tích. Trong SEM, biến kiểm soát được đưa vào mô hình nhằm điều chỉnh và loại bỏ ảnh hưởng của các yếu tố bên ngoài, từ đó giúp mô hình phân tích các mối quan hệ một cách chính xác hơn.

Nói một cách dễ hiểu: Biến kiểm soát là các yếu tố mà bạn không chủ động nghiên cứu, nhưng lại có thể ảnh hưởng đến các kết quả chính của bạn. Mục đích của biến kiểm soát là loại bỏ sự thiên lệch trong kết quả nghiên cứu của bạn. Biến kiểm soát có thể là các yếu tố như độ tuổi, giới tính, thu nhập, vị trí địa lý, tình trạng sức khỏe, trình độ học vấn, v.v. Những yếu tố này không phải là yếu tố chính của nghiên cứu, nhưng có thể ảnh hưởng đáng kể đến các biến phụ thuộc trong mô hình.

Để hiểu rõ hơn, chúng tôi xin giới thiệu với quý bạn đọc về khái niệm CV được các tác giả lớn giới thiệu trong những công trình của họ:

▲ Theo Byrne (2016), biến kiểm soát là những yếu tố mà nhà nghiên cứu đưa vào mô hình để kiểm soát ảnh hưởng của chúng lên các biến chính, giúp làm rõ mối quan hệ giữa các biến độc lập và biến phụ thuộc. Việc kiểm soát các biến này là cần thiết để tránh sự nhiễu loạn và đảm bảo rằng các kết quả nghiên cứu không bị sai lệch do các yếu tố ngoại lai không được kiểm soát.

▲ Hair et al. (2019) cũng cho rằng biến kiểm soát là các yếu tố được đưa vào mô hình để giảm thiểu ảnh hưởng của các yếu tố không mong muốn, đảm bảo rằng chỉ có các yếu tố quan trọng có mối quan hệ trực tiếp với các biến nghiên cứu chính được xem xét. Các tác giả nhấn mạnh rằng lựa chọn biến kiểm soát phải dựa trên lý thuyết nghiên cứu và thực tế của mô hình, và cần phải đảm bảo rằng chúng không làm mất đi tính chính xác của các kết luận nghiên cứu.

▲ Kline (2023) cung cấp một khái niệm tương tự về biến kiểm soát trong SEM, trong đó ông khẳng định rằng vai trò chính của biến kiểm soát là giảm thiểu sự ảnh hưởng của các yếu tố ngoại lai có thể gây sai lệch kết quả nghiên cứu. Theo Kline, việc sử dụng biến kiểm soát giúp nghiên cứu chỉ tập trung vào các mối quan hệ giữa các biến chính, đảm bảo rằng các kết quả được đánh giá đúng đắn và không bị tác động bởi các yếu tố không mong muốn.

2. Mục đích của biến kiểm soát trong mô hình SEM

Trong phân tích mô hình phương trình cấu trúc (SEM), việc sử dụng biến kiểm soát là cực kỳ quan trọng nhằm đảm bảo kết quả nghiên cứu không bị sai lệch bởi các yếu tố ngoài lề không được xem xét. Biến kiểm soát giúp loại bỏ sự thiên lệch có thể ảnh hưởng đến các mối quan hệ trong mô hình, từ đó làm cho kết quả trở nên đáng tin cậy hơn (Collier, 2020).

Byrne (2016) cho rằng, không kiểm soát các yếu tố thuộc nhân khẩu học, hay đặc điểm mẫu nghiên cứu có thể dẫn đến việc đánh giá sai mối quan hệ giữa các biến nghiên cứu chính. Các yếu tố như giới tính, thu nhập, và sự lo ngại về công nghệ có thể ảnh hưởng đến hành vi và sự tương tác của người tiêu dùng với các công nghệ tự phục vụ, ví dụ như máy bán hàng tự động. Nếu không kiểm soát những yếu tố này, kết quả nghiên cứu sẽ không phản ánh đúng mối quan hệ thực sự giữa các yếu tố chính trong mô hình (Xem video của Collier).

Theo Hair và cộng sự (2019), biến kiểm soát giúp giảm thiểu sai sót trong mô hình hóa, đặc biệt trong những nghiên cứu có nhiều yếu tố ngoài lề có thể ảnh hưởng đến kết quả. Nếu không kiểm soát đúng các yếu tố này, kết quả nghiên cứu có thể đánh giá sai sự ảnh hưởng thực sự của các biến nghiên cứu chính. Ví dụ, khi nghiên cứu mối quan hệ giữa trình độ học vấn và thu nhập, các yếu tố như kinh nghiệm làm việc và ngành nghề cần được kiểm soát để tránh sự thiên lệch trong kết quả. Một người có trình độ học vấn cao nhưng ít kinh nghiệm làm việc có thể có thu nhập thấp hơn một người có trình độ học vấn thấp nhưng lại có nhiều năm kinh nghiệm trong ngành nghề có mức thu nhập cao. Việc bỏ qua những yếu tố này có thể dẫn đến việc hiểu sai về ảnh hưởng của trình độ học vấn đối với thu nhập (Hair et al., 2019).

Sử dụng biến kiểm soát giúp làm rõ mối quan hệ giữa các yếu tố chính trong mô hình, đồng thời bảo vệ nghiên cứu khỏi những chỉ trích về việc bỏ qua các yếu tố quan trọng có thể làm méo mó kết quả. Vì vậy, việc lựa chọn và kiểm soát các yếu tố này là một bước không thể thiếu trong quá trình phân tích SEM để nâng cao độ chính xác và tính hợp lý của kết luận nghiên cứu.

3. Cách thêm biến kiểm soát vào mô hình SEM

Khi phân tích bằng Mô hình phương trình cấu trúc (SEM), nguyên tắc đặt mũi tên từ biến kiểm soát (control variable) lên biến phụ thuộc (dependent variable - DV) cần được xem xét kỹ lưỡng để đảm bảo tính chính xác của kết quả nghiên cứu và tránh sai lệch trong phân tích. Quá trình thêm biến kiểm soát vào mô hình SEM cần phải thực hiện cẩn thận để không làm mất đi tính chất của mô hình ban đầu (Hair và cộng sự, 2019).

Cụ thể, dưới đây là cách thức và các nguyên tắc bạn nên lưu ý khi quyết định biến kiểm soát có tác động lên biến nào trong mô hình SEM.

a. Biến Kiểm Soát ảnh hưởng trực tiếp đến Biến Phụ Thuộc

Nếu lý thuyết hoặc nghiên cứu trước đây cho thấy rằng biến kiểm soát có thể có tác động trực tiếp lên biến phụ thuộc trong mô hình của bạn, bạn sẽ đặt mũi tên từ biến kiểm soát đến biến phụ thuộc.

Ví dụ: Nếu bạn nghiên cứu sự ảnh hưởng của tiện lợi trong công nghệ tự phục vụ (independent variable) đến niềm tin vào công nghệ (dependent variable), và bạn biết rằng độ tuổi có thể ảnh hưởng trực tiếp đến niềm tin vào công nghệ, bạn sẽ đặt mũi tên từ độ tuổi đến niềm tin vào công nghệ trong mô hình của mình.

b. Biến Kiểm Soát ảnh hưởng gián tiếp thông qua Biến Trung Gian

Đôi khi, các biến kiểm soát không tác động trực tiếp lên các biến phụ thuộc mà tác động gián tiếp thông qua các biến trung gian (mediating variables). Các biến này có thể làm thay đổi mối quan hệ giữa các biến độc lập và biến phụ thuộc.

Ví dụ: Nếu bạn nghiên cứu sự ảnh hưởng của tiện lợi đến niềm tin vào công nghệ, và bạn biết rằng độ tuổi không tác động trực tiếp đến niềm tin vào công nghệ nhưng lại ảnh hưởng đến nhận thức về tính dễ sử dụng (ease of use), từ đó nhận thức về tính dễ sử dụng mới ảnh hưởng đến niềm tin vào công nghệ, bạn sẽ đặt mũi tên từ độ tuổi đến nhận thức về tính dễ sử dụng và sau đó từ nhận thức về tính dễ sử dụng đến niềm tin vào công nghệ.

c. Biến Kiểm Soát ảnh hưởng đến Cả Biến Độc Lập và Biến Phụ Thuộc

Đôi khi, biến kiểm soát không chỉ tác động đến biến phụ thuộc mà còn ảnh hưởng đến các biến độc lập (independent variables). Điều này đặc biệt quan trọng khi bạn muốn kiểm soát tất cả các yếu tố có thể làm sai lệch mối quan hệ giữa các biến chính.

Ví dụ: Nếu bạn muốn kiểm tra ảnh hưởng của tiện lợi (một biến độc lập) đến niềm tin vào công nghệ (biến phụ thuộc), và bạn biết rằng giới tính có thể làm thay đổi cách mà tiện lợi ảnh hưởng đến niềm tin vào công nghệ, bạn sẽ cần thêm mũi tên từ giới tính đến tiện lợi và từ giới tính đến niềm tin vào công nghệ.

4. Phân tích kết quả sau khi thêm biến kiểm soát

Việc đưa biến kiểm soát vào mô hình SEM có thể thay đổi các mối quan hệ giữa các yếu tố trong mô hình (Hair và cộng sự, 2019). Một số mối quan hệ có thể mạnh hơn hoặc yếu hơn sau khi kiểm soát các yếu tố như độ tuổi, giới tính, thu nhập, hoặc tâm lý. Điều này giúp làm rõ hơn sự tương tác giữa các yếu tố chính trong mô hình và cung cấp một bức tranh chính xác hơn về kết quả nghiên cứu.

Ví dụ, trong nghiên cứu về công nghệ tự phục vụ, nếu không kiểm soát độ tuổi, có thể sẽ không phát hiện ra rằng người tiêu dùng lớn tuổi cảm thấy tin tưởng vào công nghệ hơn nhưng lại gặp khó khăn khi sử dụng.

5. Khi nào nên loại bỏ biến kiểm soát ra khỏi SEM?

Mặc dù biến kiểm soát rất quan trọng, nhưng trong một số trường hợp, chúng có thể không có ảnh hưởng đáng kể đến kết quả nghiên cứu. Nếu biến kiểm soát không làm thay đổi đáng kể các chỉ số phù hợp mô hình, bạn có thể cân nhắc loại bỏ chúng để làm giảm độ phức tạp của mô hình. Tuy nhiên, ngay cả khi một biến kiểm soát không có tác động lớn, việc bao gồm nó vẫn có thể bảo vệ nghiên cứu khỏi các phê phán về thiếu sót trong phân tích (Collier, 2020).

6. Kết Luận:

Biến kiểm soát đóng vai trò quan trọng trong việc bảo vệ tính chính xác và đáng tin cậy của mô hình SEM. Việc sử dụng biến kiểm soát giúp loại bỏ các yếu tố ngoài lề có thể gây sai lệch kết quả nghiên cứu. Khi thực hiện đúng quy trình thêm và phân tích biến kiểm soát, mô hình nghiên cứu sẽ trở nên mạnh mẽ hơn và có độ tin cậy cao hơn (Hair và cộng sự, 2019; Collier, 2020).

Tài Liệu Tham Khảo:

Byrne, B. M. (2016). Structural equation modeling with Amos: Basic concepts, applications, and programming (3rd ed.). Routledge.

Collier, J. (2020). Structural equation modeling with AMOS: A practical guide. Sage Publications.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate data analysis (8th ed.). Pearson Education.

Kline, R. B. (2023). Principles and practice of structural equation modeling (5th ed.). The Guilford Press.

Rivera, L. (2015). Structural equation modeling (SEM): Concepts, applications, and misconceptions. Nova Science Publishers.