HỒI QUY THỨ BẬC CHO BIẾN ĐIỀU TIẾT

Biến điều tiết

Phương pháp thứ bậc (Hierarchical) được sử dụng trong phân tích hồi quy MMR của mô hình nghiên cứu. Đây là phương pháp mang tính phối hợp, xác định trước các biến nào được đưa vào mô hình trước và biến nào được đưa vào mô hình sau lần lượt theo ba phương trình hồi quy sau trong chiến lược phân tích hồi quy (Nguyễn Đình Thọ, 2011):

Y= β0 + β1*X
Y = β0 + β1*X + β2*M
Y = β0 + β1*X + β2*M+ β3*X.M

Với β0, βi : là các trọng số hồi quy.

Phương trình hồi quy (1) thể hiện sự tác động của biến độc lập lên biến phụ thuộc.

Phương trình hồi quy (2) thể hiện sự tác động của biến độc lập lên biến phụ thuộc. Trong đó, biến điều tiết M được đưa vào mô hình và được xem xét như là biến độc lập.

Phương trình hồi quy (3) thể hiện sự tác động của biến độc lập và biến tương tác (X.M) lên biến phụ thuộc. Nếu biến tương tác có mức ý nghĩa sig. < 0.05 chứng tỏ biến M đóng vai trò là biến điều tiết

Các lưu ý trước khi chạy hồi quy thứ bậc (Hồi quy 3 bậc)

Để kiểm định vai trò của biến điều tiết trong mô hình nghiên cứu, sẽ có nhiều cách kiểm định. Một trong những cách đó là dùng hồi quy thứ bậc để kiểm tra. Các quy trình để chạy hồi quy thứ bậc cũng giống như chạy hồ quy thông thường. Các bước chạy:

Đánh giá độ tin cậy thang đo bằng hệ số Cronbach’s Alpha
Phân tích EFA –> Tạo biến đại diện
Phân tích tương quan
Hồi quy thứ bậc (Kiểm tra mức ý nghĩa của biến tương tác)

Trước khi chạy hồi quy thứ bậc, chúng ta sẽ chuẩn hóa các biến độc lập và biến điều tiết trước khi nhân (tương tác) 2 biến này lại với nhau. Việc thực hiện chuẩn hóa này được gọi là center mean. Centering các biến độc lập và điều tiết sẽ tránh hiện tượng đa cộng tuyến khi 2 biến này nhân lại với nhau.

Việc thực hiện kỹ thuật “centering” không làm thay đổi độ lệch chuẩn, cũng như hệ số tương quan của các biến độc lập với nhau và giữa các biến độc lập với phụ thuộc trước và sau khi “centering”.

Hướng dẫn chạy hồi quy thứ bậc

Bước 1: Tạo biến đại diện cho Materialism (MT) = mean( MT1, MT2, MT3). Tương tự như vậy, tính tiếp biến đại diện cho PI = mean (PI1, PI2, PI3( và ST = mean( ST1, ST2, ST3)

Vào Transform –> Compute Variable

Sau đó, tạo từng biến đại diện bằng lệnh Mean

Bước 2: Chuẩn hóa biến độc lập và biến điều tiết bằng kỹ thuật Centering

+ Thống kê điểm trung bình của biế độc lập và biến điều tiết bằng lệnh Descriptive trong Tab Analyze

+ Chuẩn hóa các biến độc lập và biến đại diện bằng cách vào lệnh Transform –> Compute Variable

c.MT = MT – 3.60

c.ST = ST – 3.63

+ Sau khi chuẩn hóa xong, chúng ta sẽ có các biến mới như sau:

+ Sau đó, tạo biến tương tác bằng cách nhân biến độc lập và biến điều tiết. Tiếp tục dùng lệnh Transform –> Compute Variable

Bước 3: Chạy hồi quy thứ bậc

Vào Analyze –> Regression –> Linear

+ Ở Step1 : Bạn đưa biến độc lập và biến thuộc vào trước. Sau khi đưa vào xong, bấm Next để sang Block2

+ Ở step 2: Bạn đưa biến điều tiết vào. Sau đó bấm Next để sang Block3

+ Ở step 3: Bạn đưa biến tương tác vào.

+ Trong tab Statistic: Bạn chọn các mục như hình dưới (chủ yếu là R Square change để xem sự thay đổi của R2 khi thêm 1 biến mới vào mô hình). Sau đó bấm Continue và Bấm OK để đọc kết quả.