Khó khăn lớn nhất đối với nhà nghiên cứu khi chuyển từ hồi quy đa biến sang mô hình cấu trúc tuyến tính (SEM) là sự thay đổi thuật ngữ. Biến nội sinh và biến ngoại sinh là hai định nghĩa phân loại biến dựa trên nguồn gốc của sự biến thiên. Nguyên nhân chính của sự thay đổi này là do các biến trong SEM sở hữu tính chất đa vai trò. Giải pháp nhanh nhất để phân biệt chính xác là căn cứ vào chiều hướng của mũi tên tác động trên sơ đồ đường dẫn (path diagram). Việc hiểu thấu đáo khái niệm này giúp các nhà quản trị và nghiên cứu sinh thiết lập chuẩn xác mạng lưới nhân quả, từ đó đảm bảo tính toàn vẹn của dữ liệu đầu ra khi phân tích hệ thống phức tạp.
1. Khái Niệm Biến Nội Sinh Và Biến Ngoại Sinh Là Gì?
Biến ngoại sinh (Exogenous Variables) là gì?
Biến ngoại sinh là các biến đóng vai trò là nguyên nhân ban đầu trong mô hình, nguyên nhân sinh ra sự biến thiên của chúng nằm ngoài mô hình nghiên cứu đang được phân tích. Trong các nghiên cứu học thuật, yếu tố ngoại sinh thường đại diện cho các kích thích ban đầu, đặc điểm nhân khẩu học, hoặc các nguồn lực nền tảng không chịu sự chi phối của cấu trúc lý thuyết bên trong.
- Dấu hiệu nhận biết trên sơ đồ: Biến ngoại sinh chỉ có mũi tên tác động bắn đi, hoàn toàn không có mũi tên nào hướng vào nó. Cấu trúc thống kê của chúng được đo lường trực tiếp thông qua tập hợp các biến quan sát (observed variables) tạo thành biến tiềm ẩn (latent variables) độc lập.
Biến nội sinh (Endogenous Variables) là gì?
Biến nội sinh là các biến mà sự biến thiên của chúng được giải thích bởi một hoặc nhiều biến khác bên trong mô hình (có thể nhận tác động từ biến ngoại sinh hoặc một biến nội sinh khác). Đây là các cấu trúc lý thuyết đóng vai trò phản ánh kết quả hoặc hiệu ứng trung gian của quá trình nghiên cứu.
- Dấu hiệu nhận biết trên sơ đồ: Biến nội sinh phải có ít nhất một mũi tên hướng vào nó (nhận mũi tên đâm vào). Nó luôn đi kèm với phần dư (sai số – error term/residual) để đo lường các yếu tố biến thiên chưa được giải thích. Phần dư này là bắt buộc về mặt toán học, bởi không một lý thuyết hay mô hình cấu trúc tuyến tính nào có thể dự báo chính xác 100% sự thay đổi của thực tế.
2. Tại Sao Mô Hình SEM/PLS-SEM Gọi Là Biến Nội Sinh Và Ngoại Sinh Thay Vì Độc Lập/Phụ Thuộc?
Hạn chế của thuật ngữ “Biến độc lập” và “Biến phụ thuộc” truyền thống
Trong các phương pháp hồi quy đa biến truyền thống (sử dụng phần mềm SPSS), một biến chỉ có thể đóng một vai trò duy nhất trong một phương trình: hoặc là nguyên nhân (biến độc lập), hoặc là kết quả (biến phụ thuộc). Tuy nhiên, mô hình cấu trúc tuyến tính được thiết kế để xử lý các mối quan hệ nhân quả đa tầng và phức tạp cùng một lúc, khiến hệ thống thuật ngữ cũ không đủ năng lực để diễn đạt chính xác tính logic của mạng lưới cấu trúc.
Bản chất đa vai trò (Ví dụ về Biến Trung Gian)
Một biến trung gian (mediator) trong SEM có khả năng đảm nhận nhiều vị trí. Nó có thể vừa nhận mũi tên từ biến A (đóng vai trò như biến phụ thuộc đối với A), vừa trực tiếp bắn mũi tên sang biến B (đóng vai trò như biến độc lập đối với B). Do tính chất “vừa đóng vai nguyên nhân, vừa đóng vai kết quả” xuất hiện trong cùng một cấu trúc, việc sử dụng “biến độc lập” và “biến phụ thuộc” trở nên sai lệch về mặt bản chất thống kê. Cách gọi tên theo nguồn gốc phương sai giúp phản ánh toàn diện hiện tượng đa cộng tuyến hoặc tác động gián tiếp (indirect effects) trong hệ thống.
Quy tắc sơ đồ đường dẫn (Path Diagram Rules)
Thay vì bám sát việc phân loại độc lập/phụ thuộc, SEM và PLS-SEM phân loại các biến số theo nguồn gốc của sự biến thiên thông qua nguyên tắc mũi tên được quy định nghiêm ngặt:
- Ngoại sinh (Exogenous): Nguồn gốc bên ngoài (chỉ bắn mũi tên đi).
- Nội sinh (Endogenous): Nguồn gốc bên trong mô hình (bị mũi tên đâm vào, bất kể sau đó nó có đâm tiếp vào biến quan sát hay biến tiềm ẩn khác hay không).
3. Bảng So Sánh Chi Tiết Biến Nội Sinh Và Biến Ngoại Sinh
Dưới đây là bảng phân tích đối sánh sự khác biệt cốt lõi giữa biến nội sinh và biến ngoại sinh trong phân tích SEM, được cấu trúc hóa để hỗ trợ đối chiếu thông tin nhanh chóng:
| Tiêu chí | Biến ngoại sinh (Exogenous) | Biến nội sinh (Endogenous) |
| Vai trò trong mô hình | Chỉ đóng vai trò là nguyên nhân khởi nguồn. | Có thể là kết quả, hoặc vừa là nguyên nhân vừa là kết quả. |
| Hướng mũi tên tác động | Chỉ xuất phát (bắn đi). | Có mũi tên hướng vào (bị đâm vào). |
| Sai số (Error term) | Không có phần dư (phương sai được giả định hoàn toàn độc lập). | Bắt buộc phải có phần dư (thể hiện phần biến thiên chưa giải thích được). |
| Thuật ngữ tương đương (Hồi quy cơ bản) | Biến độc lập (Independent Variable). | Biến phụ thuộc (Dependent Variable) hoặc Biến trung gian (Mediator Variable). |
4. Ví Dụ Cụ Thể Về Biến Nội Sinh Và Biến Ngoại Sinh Trên SmartPLS / AMOS
Để minh họa trực quan, xét một mô hình cấu trúc giả định về Sự hài lòng của khách hàng theo quy trình: Chất lượng dịch vụ -> Sự hài lòng -> Lòng trung thành.
- Chất lượng dịch vụ: Đóng vai trò là biến ngoại sinh (Chỉ bắn mũi tên đi tới Sự hài lòng). Đây là yếu tố đầu vào do doanh nghiệp thiết lập.
- Sự hài lòng: Đóng vai trò là biến nội sinh (Bị mũi tên từ Chất lượng dịch vụ đâm vào, đồng thời bắn mũi tên đi tới Lòng trung thành – vai trò biến trung gian). Nó nhận giá trị tác động và chuyển tiếp sức mạnh nhân quả.
- Lòng trung thành: Đóng vai trò là biến nội sinh cuối cùng (Chỉ bị mũi tên đâm vào). Đây là đích đến tối hậu của mô hình nghiên cứu.
Khi thiết lập mô hình và chạy thuật toán trên phần mềm SmartPLS hoặc AMOS, việc xác định chuẩn xác vai trò và thiết lập đúng hướng mũi tên là yêu cầu bắt buộc để phần mềm tính toán chính xác thuật toán. Việc phân loại sai lệch hoặc vẽ ngược mũi tên sẽ làm sai lệch cấu trúc ma trận hiệp phương sai. Từ đó, các chỉ số đánh giá độ phù hợp của mô hình và sức mạnh dự báo như hệ số xác định R², năng lực dự báo Q², chỉ số độ phù hợp toàn cục GoF, cũng như các bộ tiêu chuẩn khắt khe như SRMR ≤ 0.08 và GFI ≥ 0.90 sẽ trả về kết quả ảo, làm mất hoàn toàn độ tin cậy của công trình nghiên cứu.
5. Câu Hỏi Thường Gặp (FAQ) Về Biến Nội Sinh Và Biến Ngoại Sinh
Có thể có một mô hình SEM chỉ toàn biến ngoại sinh không?
Không, mô hình cấu trúc phải có ít nhất một mối quan hệ nhân quả, do đó bắt buộc phải có ít nhất một biến nội sinh nhận tác động. Nếu không, các biến chỉ đơn thuần mang tính tương quan rời rạc, không hình thành cấu trúc nhân quả (causal structure) theo tiêu chuẩn của hệ thống phương trình cấu trúc.
Việc xác định sai biến nội sinh và biến ngoại sinh ảnh hưởng thế nào đến kết quả chạy SmartPLS?
Việc xác định sai dẫn đến sai lệch sơ đồ đường dẫn, từ đó phần mềm sẽ tính toán sai hoàn toàn các hệ số tác động (Path coefficients) và giá trị R². Hệ quả là các kiểm định giả thuyết thống kê bị vô hiệu, các chỉ số đo lường mức độ phù hợp mô hình (như GoF, SRMR ≤ 0.08) bị thay đổi cấu trúc toán học, làm mất giá trị khoa học của bài phân tích thực nghiệm.
Biến kiểm soát (Control Variables) là biến nội sinh hay biến ngoại sinh?
Trong phần lớn các thiết kế nghiên cứu, biến kiểm soát được xem là biến ngoại sinh vì chúng tác động trực tiếp lên biến nội sinh (biến phụ thuộc chính) để sàng lọc các nhiễu loạn thống kê, nhưng không bị bất kỳ biến nào trong mô hình tác động lại. Việc sử dụng biến kiểm soát giúp gia tăng độ thuần khiết cho mối quan hệ nhân quả của hệ thống lõi.
Kết luận
Việc phân định rạch ròi bản chất thông qua hướng mũi tên giúp nhà nghiên cứu sử dụng chính xác hệ thống thuật ngữ trong SEM. Hiểu và phân loại đúng biến nội sinh và biến ngoại sinh là điều kiện tiên quyết trước khi tiến hành vẽ mô hình và phân tích dữ liệu trên phần mềm. Việc thiết lập đúng cấu trúc ban đầu không chỉ giúp phần mềm trả ra các chỉ số R², Q² hay SRMR ≤ 0.08 chính xác, mà còn đảm bảo ý nghĩa quản trị rút ra từ số liệu là khả tín. Để thiết kế được một mô hình lý thuyết có giá trị thực tiễn cao, học giả cần nắm vững các nguyên tắc phân tích định lượng cũng như phương pháp luận trong nghiên cứu khoa học một cách toàn diện và bài bản.
Giảng viên Nguyễn Thanh Phương là chuyên gia chuyên sâu về Nghiên cứu khoa học, Ứng dụng AI, Digital Marketing và Quản trị bản thân. Với kinh nghiệm giảng dạy thực chiến, tác giả trực tiếp hướng dẫn ứng dụng phương pháp luận và phân tích dữ liệu chuyên sâu cho người học nên được sinh viên gọi là Thầy giáo quốc dân. Mọi nội dung chia sẻ đều tuân thủ nguyên tắc khách quan, thực chứng và mang giá trị ứng dụng cao, hướng tới mục tiêu cốt lõi: “Làm bạn tốt hơn!
