Tác động trực tiếp và gián tiếp: Phương pháp phân tích biến trung gian

Tác động trực tiếp và gián tiếp là hai thành phần cơ bản cấu thành nên tổng tác động giữa biến độc lập và biến phụ thuộc trong các mô hình cấu trúc tuyến tính SEM và hồi quy đa biến khi có sự tham gia của biến trung gian. Trong nghiên cứu định lượng hiện đại, việc phân tách và kiểm định ý nghĩa thống kê của hai loại tác động này cho phép các nhà khoa học làm sáng tỏ cơ chế truyền dẫn phức tạp, giải thích thấu đáo nguyên nhân tại sao và bằng cách nào một biến số lại tạo ra sự biến thiên trên biến số khác.

Bản chất lý thuyết của tác động trực tiếp và gián tiếp trong mô hình cấu trúc

Để hiểu rõ bản chất của tác động trực tiếp và gián tiếp, chúng ta cần xem xét mô hình trung gian đơn giản gồm ba biến số: Biến độc lập (X), Biến trung gian (M) và Biến phụ thuộc (Y).

1. Tác động trực tiếp (Direct Effect)

Tác động trực tiếp là mức độ ảnh hưởng trực diện từ biến độc lập X đến biến phụ thuộc Y mà không đi qua bất kỳ biến số nào khác trong mô hình. Trong phương trình cấu trúc, tác động này được đại diện bởi hệ số đường dẫn c’ sau khi đã kiểm soát ảnh hưởng của biến trung gian M.

2. Tác động gián tiếp (Indirect Effect)

Tác động gián tiếp là mức độ ảnh hưởng của biến độc lập X truyền tới biến phụ thuộc Y thông qua biến trung gian M. Về mặt toán học, giá trị của tác động gián tiếp bằng tích số của hai hệ số đường dẫn thành phần: a × b, trong đó a là tác động từ X → M và b là tác động từ M → Y.

3. Tổng tác động (Total Effect)

Tổng tác động là mức độ ảnh hưởng tổng thể của X lên Y, bao gồm cả đường dẫn trực tiếp và đường dẫn gián tiếp, được biểu diễn qua phương trình: c = c’ + (a × b).

“Một biến số đóng vai trò là biến trung gian khi nó làm rõ cách thức hoặc cơ chế mà qua đó một biến độc lập bên ngoài có khả năng tác động và định hình kết quả của biến phụ thuộc mục tiêu.” — Baron & Kenny (1986)

Phân loại các dạng thức trung gian theo các trường phái học thuật hiện đại

Trong quá trình phân tích dữ liệu, việc xác định chính xác mô hình thuộc dạng trung gian nào là bước đi then chốt. Dựa trên nghiên cứu chuẩn mực của Zhao, Lynch và Chen (2010) trên Tạp chí Nghiên cứu Người tiêu dùng (Journal of Consumer Research), các dạng thức trung gian được phân loại thành 5 trường hợp cụ thể:

1. Trung gian bổ trợ (Complementary Mediation / Partial Mediation)

Xảy ra khi cả tác động gián tiếp (a × b) và tác động trực tiếp (c’) đều có ý nghĩa thống kê (p < 0.05) và cùng mang dấu dương hoặc cùng mang dấu âm. Điều này cho thấy biến trung gian giải thích một phần mối quan hệ, và vẫn còn các cơ chế trung gian tiềm năng khác chưa được đưa vào mô hình.

2. Trung gian cạnh tranh (Competitive Mediation)

Xảy ra khi cả tác động gián tiếp (a × b) và tác động trực tiếp (c’) đều có ý nghĩa thống kê nhưng mang dấu trái ngược nhau (một bên mang dấu dương, một bên mang dấu âm). Đây là hiện tượng triệt tiêu một phần tác động tổng thể.

3. Chỉ có tác động gián tiếp (Indirect-only / Full Mediation)

Xảy ra khi tác động gián tiếp (a × b) có ý nghĩa thống kê (p < 0.05), trong khi tác động trực tiếp (c’) hoàn toàn không có ý nghĩa thống kê (p ≥ 0.05). Đây là trạng thái trung gian toàn phần lý tưởng, chứng minh toàn bộ ảnh hưởng của X lên Y đều phải đi qua cầu nối M.

4. Chỉ có tác động trực tiếp (Direct-only / No Mediation)

Xảy ra khi tác động trực tiếp (c’) có ý nghĩa thống kê, nhưng tác động gián tiếp (a × b) không có ý nghĩa thống kê. Trường hợp này bác bỏ vai trò trung gian của biến M.

5. Không có tác động (No-effect Non-mediation)

Cả tác động trực tiếp và tác động gián tiếp đều không đạt mức ý nghĩa thống kê, cho thấy không tồn tại mối liên hệ thực nghiệm giữa các biến số.

Bảng tổng hợp tiêu chí phân biệt các dạng thức trung gian

Bảng ma trận dưới đây giúp các nhà nghiên cứu tra cứu và kết luận dạng trung gian một cách chuẩn xác:

Dạng thức trung gian	Tác động gián tiếp (a × b)	Tác động trực tiếp (c’)	Mối quan hệ về dấu (a × b × c’)
Trung gian bổ trợ (Một phần)	Có ý nghĩa thống kê (p < 0.05)	Có ý nghĩa thống kê (p < 0.05)	Cùng dấu (a × b × c’ > 0)
Trung gian cạnh tranh (Một phần)	Có ý nghĩa thống kê (p < 0.05)	Có ý nghĩa thống kê (p < 0.05)	Trái dấu (a × b × c’ < 0)
Trung gian toàn phần (Full)	Có ý nghĩa thống kê (p < 0.05)	Không có ý nghĩa (p ≥ 0.05)	Không xét dấu vì c’ bằng 0
Không có trung gian (Chỉ trực tiếp)	Không có ý nghĩa (p ≥ 0.05)	Có ý nghĩa thống kê (p < 0.05)	Không xét dấu vì tích a × b bằng 0
Không có mối quan hệ	Không có ý nghĩa (p ≥ 0.05)	Không có ý nghĩa (p ≥ 0.05)	Không tồn tại mối liên hệ

Các phương pháp kiểm định ý nghĩa thống kê của tác động gián tiếp

Trong lịch sử phân tích dữ liệu, hai phương pháp kiểm định tác động gián tiếp phổ biến bao gồm:

1. Kiểm định Sobel (Sobel Test) và những hạn chế

Kiểm định Sobel (1982) dựa trên giả định rằng tích số a × b tuân theo phân phối chuẩn. Tuy nhiên, các nhà thống kê học hiện đại (Preacher & Hayes, 2004, 2008) đã chứng minh rằng tích của hai biến ngẫu nhiên hầu như luôn bị lệch (Skewed) và không tuân theo phân phối chuẩn, đặc biệt trong các cỡ mẫu nhỏ và vừa. Do đó, kiểm định Sobel có xu hướng làm giảm lực kiểm định thống kê và dễ dẫn đến sai lầm loại II.

2. Kỹ thuật Bootstrapping không tham số

Kỹ thuật Bootstrapping không đưa ra bất kỳ giả định nào về phân phối của biến số. Thuật toán tiến hành lấy mẫu lặp lại có hoàn lại từ tập dữ liệu gốc (thường từ 5.000 đến 10.000 mẫu lặp) để ước lượng phân phối thực nghiệm của tích a × b. Tác động gián tiếp được kết luận là có ý nghĩa thống kê nếu Khoảng tin cậy hiệu chỉnh độ lệch 95% (95% Bias-Corrected Confidence Interval) hoàn toàn không chứa giá trị 0.

Quy trình báo cáo kết quả tác động trực tiếp và gián tiếp trên SmartPLS và AMOS

Khi trình bày kết quả trong luận văn học thuật chuẩn quốc tế, tác giả thực hiện theo các bước sau:

1. Trích xuất bảng hệ số đường dẫn trực tiếp (Path Coefficients): Trình bày hệ số hồi quy chuẩn hóa (β), độ lệch chuẩn (STDEV), giá trị t-value và giá trị p-value cho từng mối quan hệ trực tiếp X → Y, X → M và M → Y.
2. Trích xuất bảng tác động gián tiếp cụ thể (Specific Indirect Effects): Báo cáo hệ số ước lượng của a × b, kèm theo giới hạn dưới (2.5%) và giới hạn trên (97.5%) của khoảng tin cậy Bootstrapping 95%.
3. Tính toán chỉ số phương sai được giải thích bởi trung gian (VAF – Variance Accounted For):
   • Công thức: VAF = (a × b) / [c’ + (a × b)]
   • VAF < 20%: Hầu như không có tác động trung gian.
   • 20% ≤ VAF ≤ 80%: Tồn tại tác động trung gian một phần.
   • VAF > 80%: Tồn tại tác động trung gian toàn phần.
4. Biện luận học thuật: Giải thích ý nghĩa thực tiễn của cơ chế truyền dẫn trong bối cảnh nghiên cứu cụ thể.

Các câu hỏi thường gặp về tác động trực tiếp và gián tiếp (FAQ)

Nếu tác động trực tiếp không có ý nghĩa nhưng tác động gián tiếp có ý nghĩa thì kết luận ra sao?

Đây là trường hợp trung gian toàn phần (Full Mediation). Điều này chứng minh toàn bộ ảnh hưởng từ biến độc lập sang biến phụ thuộc bắt buộc phải truyền qua biến trung gian, khẳng định vai trò cầu nối tuyệt đối của biến M.

Khoảng tin cậy Bootstrapping chứa số 0 thì mang ý nghĩa gì?

Nếu khoảng tin cậy 95% có giới hạn dưới mang dấu âm và giới hạn trên mang dấu dương (ví dụ: [-0.045; +0.120]), điều đó có nghĩa là giá trị 0 nằm trong khoảng ước lượng, do đó tác động gián tiếp không có ý nghĩa thống kê ở mức độ tin cậy 95% (p ≥ 0.05).

Cần cài đặt bao nhiêu mẫu lặp Bootstrapping trong SmartPLS?

Theo khuyến nghị của Hair et al. (2017, 2022), số lượng mẫu lặp Bootstrapping chuẩn hóa nên được cài đặt tối thiểu là 5.000 mẫu lặp để bảo đảm tính ổn định và chuẩn xác của các giá trị p-value và khoảng tin cậy.

Kết luận và định hướng nghiên cứu

Tóm lại, việc phân tích tác động trực tiếp và gián tiếp là một kỹ thuật định lượng cao cấp, mang lại cái nhìn sâu sắc và toàn diện về các mối liên kết nhân quả trong khoa học quản trị và hành vi. Việc áp dụng đúng quy chuẩn phương pháp luận sẽ nâng cao độ tin cậy và giá trị học thuật cho toàn bộ công trình nghiên cứu.

Nếu bạn đang cần tư vấn xử lý số liệu, phân tích mô hình định lượng hoặc hỗ trợ đề tài nghiên cứu khoa học chuẩn học thuật, hãy tham khảo các bài viết chuyên sâu và dịch vụ học thuật tại NCS Nguyễn Thanh Phương.