Kết luận
Để đánh giá chính xác sự tác động của
biến điều tiết, nhà nghiên cứu cần hiểu rõ
bản chất của biến điều tiết. Công trình của
Hair Jr và cộng sự (2017) giúp nhà nghiên
cứu có một nền tảng lý thuyết chặt chẽ để
phân tích và đánh giá. Biến tương tác được
tạo ra một cách tự động với Smart PLS 3
khi nhà nghiên cứu thực hiện theo các
hướng tiếp cận tích biến quan sát, trực giao
và hai giai đoạn. Hướng tiếp cận hai giai
đoạn được các nhà nghiên cứu khuyến
khích sử dụng khi mục tiêu nghiên cứu là
đánh giá mức độ tác động lên một mối
quan hệ của biến điều tiết hoặc biến điều
tiết là biến đo lường phản ánh nguyên
nhân. Phân tích vai trò điều tiết là một kỹ
thuật tiên tiến nâng cao, phức tạp về mặt
thuật toán. Nhưng hiểu và vận dụng được
điều này sẽ phát hiện ra những mối quan
hệ rất thú vị và ý nghĩa trong nghiên cứu
quản trị kinh doanh.
13 trang |
Chia sẻ: hachi492 | Ngày: 13/01/2022 | Lượt xem: 301 | Lượt tải: 0
Bạn đang xem nội dung tài liệu Đánh giá vai trò điều tiết của biến điều tiết liên tục trong mô hình nghiên cứu đa biến – tình huống minh hoạ: Hành vi đổi mới sáng tạo trong công việc, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 3
ĐÁNH GIÁ VAI TRÒ ĐIỀU TIẾT CỦA BIẾN ĐIỀU TIẾT
LIÊN TỤC TRONG MÔ HÌNH NGHIÊN CỨU ĐA BIẾN –
TÌNH HUỐNG MINH HOẠ: HÀNH VI ĐỔI MỚI
SÁNG TẠO TRONG CÔNG VIỆC
Cao Quốc Việt1 ,
Bạch Ngọc Hoàng Ánh2, Nguyễn Quang Anh1
Title: Assessment of the
moderating role of moderator
variable in multivariate
research model – illustrative
case study: innovative work
behaviour
Từ khóa: Biến điều tiết liên tục,
hướng tiếp cận tích biến quan
sát, hướng tiếp cận trực giao,
hướng tiếp cận hai giai đoạn,
hành vi đổi mới sáng tạo
Keywords: Continuing
moderator variable, product
indicator approach,
orthogonalizing approach, two-
stage approach, innovative work
behavior.
Ngày nhận bài: 15/7/2019;
Ngày nhận kết quả bình duyệt:
23/7/2019;
Ngày chấp nhận đăng bài:
25/7/2019.
Tác giả:
1 Trường Đại học Kinh tế TP.HCM
2 Trường Đại học Yersin Đà Lạt
Email: badv1@yersin.edu.vn
TÓM TẮT
Kiểm định mối quan hệ giữa hai biến thông qua vai trò của
biến điều tiết góp phần trả lời cho câu hỏi nghiên cứu rất thú vị
trong lĩnh vực quản trị kinh doanh. Bài viết này tóm tắt lý thuyết
về kiểm định mô hình nghiên cứu đa biến với biến điều tiết liên
tục. Đầu tiên, nhóm tác giả giới thiệu về biến điều tiết, các dạng
biến điều tiết và các hướng tiếp cận khi kiểm định bằng PLS –
SEM. Thứ hai, bài viết này chỉ tập trung vào biến điều tiết liên
tục và giới thiệu ba hướng tiếp cận khi kiểm định mối quan hệ
nhân quả có biến điều tiết. Hướng tiếp cận hai giai đoạn được
các nhà nghiên cứu khuyến khích sử dụng. Cuối cùng, tình
huống về mức độ tác động của hành vi lướt mạng lên mối quan
hệ giữa hiệu quả làm việc và hành vi đổi mới sáng tạo của nhân
viên được minh hoạ cho lý thuyết kiểm định trên.
ABSTRACT
Testing the relationship between exogenous variables and
endogenous variables through the moderating role can answer
to the interesting research question in business administration.
This paper summarizes the theory on the testing multivariable
research model with continuing moderator variable. Firstly,
the authors make an introduction on moderator, type of
moderators and approaches in PLS-SEM. Secondly, the paper
just only focuses on continuing moderator variable and present
three approaches in testing causal moderating relationship. A
two-stage approach is recommended by researchers instead of
using product indicator approach and orthogonalizing
approach. Finally, the authors conduct a case study illustrative
the moderating effect of cyberloafing on the relationship
between job performance and innovative work behaviour.
1. Giới thiệu
Phân tích đánh giá mô hình nghiên
cứu dưới tác động của biến điều tiết ngày
càng được chú ý trong nghiên cứu định
lượng thuộc lĩnh vực quản trị kinh doanh.
Ví dụ như trong lĩnh vực lãnh đạo, điển
hình có các công trình của Van Lange,
Joireman, Parks và Van Dijk (2013);
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 4
Mohamed, Hassan và Spencer (2011).
Trong nhân sự có các công trình của Koay
(2018); De Witte (2012); Altinay và cộng
sự (2019). Đặc biệt, trong lĩnh vực
marketing, rất nhiều công trình kiểm định
vai trò của biến điều tiết như Clayton
(2015); Lee & Kim (2018); Noddings
(2012); Svensson và cộng sự (2018);
Thiruvattal (2017).
Chính vì vậy, hiểu và vận dụng kỹ
thuật kiểm định mô hình phân tích đa biến
trong nghiên cứu khoa học rất quan trọng
và cần thiết. Điều này giúp các nhà nghiên
cứu trong nước tiếp cận với các kỹ thuật
phân tích tiên tiến, mới nhất mà các nhà
khoa học trên thế giới trong lĩnh vực quản
trị kinh doanh nói chung đang thực hiện.
Cấu trúc bài báo này gồm ba phần chính.
Đầu tiên chúng tôi giới thiệu tầm quan
trọng của mô hình nghiên cứu đa biến dưới
vai trò của biến điều tiết. Phần tiếp theo,
tóm lược lý thuyết về kiểm định mô hình
nghiên cứu có sự can thiệp của biến điều
tiết liên tục. Cuối cùng, trình bày ví dụ minh
họa để các nhà nghiên cứu, sinh viên hieểu
và vận dụng được lý thuyeế t vào thực tieễn
nghiên cứu qua ví dụ về hành vi đổi mới
sáng tạo trong công việc. Phần mềm Smart
PLS 3.2.7 được sử dụng cho ví dụ này.
2. Cơ sở lý thuyết về biến điều tiết
và tác động của biến điều tiết lên mối
quan hệ nhân quả của hai biến trong mô
hình nghiên cứu đa biến
Tác động điều tiết mô tả một tình
huống mà ở đó mối quan hệ giữa hai biến
không phải là một hằng số, nó thay đổi phụ
thuộc vào các giá trị của biến thứ ba, được
gọi là biến điều tiết. Biến điều tiết (hoặc
khái niệm nghiên cứu điều tiết - moderator
construct) thay đổi cường độ hoặc chiều
hướng của mối quan hệ giữa hai khái niệm
trong mô hình.
Hair Jr, Hult, Ringle và Sarstedt (2017)
đã đưa ra một ví dụ minh hoạ cho mối quan
hệ giữa sự hài lòng và lòng trung thành của
khách hàng có sự khác biệt giữa các mức
thu nhập khác nhau. Các tác giả đề xuất thu
nhập có ảnh hưởng nghịch chiều đến mối
quan hệ giữa sự hài lòng - lòng trung thành
của họ. Nghĩa là mức thu nhập càng cao thì
mối quan hệ giữa sự hài lòng và trung
thành càng yếu. Nói cách khác, thu nhập
đóng vai trò là một biến điều tiết gây ra sự
không đồng nhất trong mối quan hệ sự hài
lòng và lòng trung thành. Mối quan hệ này
không giống nhau đối với tất cả khách hàng
mà thay đổi tùy thuộc vào thu nhập của họ.
Hình 1 minh họa một tác động điều tiết
trong mô hình lên mối quan hệ giữa sự hài
lòng và lòng trung thành của khách hàng.
Hình 1: Mô hình biến điều tiết (Nguồn:
Hair Jr, Hult, Ringle và Sarstedt (2017))
Các dạng biến điều tiết
Bieến đieều tieế t có theể có mặt trong các
mô hı̀nh caếu trúc dưới nhieều hıǹh thức
khác nhau. Chúng có theể đại diện cho các
đặc đieểm có theể quan sát được như giới
tı́nh, độ tuoể i, hoặc thu nhập. Chúng cũng có
thể là các biến tiềm ẩn (latent variable)
Sự hài
lòng của
KH Lòng trung thành của KH
Thu nhập
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 5
không quan sát trực tiếp được chẳng hạn
như căng thẳng trong công việc, trì hoãn
trong công việc.
Hair Jr và cộng sự (2017) tổng kết
rằng sự khác biệt quan trọng nhất liên
quan đến thang đo của biến điều tiết, bao
gồm sự phân biệt giữa biến điều tiết phân
loại và biến điều tiết liên tục.
Biến điều tiết phân loại
Nhiều tác giả sử dụng biến điều tiết
phân loại như giới tính, trình độ học vấn,
thu nhập, loại hình doanh nghiệp, Trong
hầu hết các trường hợp, các nhà nghiên
cứu sử dụng biến điều tiết phân loại để chia
bộ dữ liệu thành hai nhóm trở lên và ước
lượng các mô hình riêng cho từng nhóm dữ
liệu. Chạy phân tích đa nhóm cho phép xác
định mối quan hệ mô hình khác biệt giữa
các nhóm.
Biến điều tiết liên tục
Trong nhiều trường hợp, các nhà
nghiên cứu có một biến điều tiết liên tục
mà họ cho rằng có thể ảnh hưởng đến độ
mạnh của một mối quan hệ nhân quả cụ
thể giữa hai biến tiềm ẩn. Trở lại nghiên
cứu trường hợp của Hair và cộng sự
(2017) về mô hình danh tiếng công ty, các
tác giả đưa ra giả thuyết rằng mối quan hệ
giữa sự hài lòng và lòng trung thành bị
ảnh hưởng bởi thu nhập của khách hàng.
Nói cách khác, mối quan hệ giữa sự hài
lòng và lòng trung thành của khách hàng
sẽ yếu hơn đối với các khách hàng có thu
nhập cao và mạnh hơn đối với các khách
hàng có thu nhập thấp.
1 Điều tiết với biến phân loại khá phức tạp,
chúng tôi sẽ trình bày ở bài viết khác. Độc giả
quan tâm có thể xem thêm hướng dẫn của Hair
Jr, J. F., Sarstedt, M., Ringle, C. M., &
Hair Jr và cộng sự (2017) đề xuất
không nên sử dụng các biến đơn để đo
lường khái niệm. Các biến đơn (single
variable) thì kém hơn so với thang đo đa
biến về giá trị ước lượng (xem Sarstedt,
Diamantopoulos, Salzberger và
Baumgartner, 2016; Diamantopoulos,
Sarstedt, Fuchs, Wilczynski và Kaiser,
2012), điều này có thể gây ra những vấn đề
đặc biệt phụ thuộc vào bối cảnh điều tiết.
Aguinis, Beaty, Boik và Pierce ( 2005) giải
thích sự điều tiết thường liên quan đến độ
lớn tác động giới hạn mà bất kỳ sự thiếu
hụt độ nhạy thống kê nào đó sẽ khó nhận
dạng được mối quan hệ có ý nghĩa. Hơn
nữa, khi mô hình hóa các tác động điều tiết,
mô hình đo lường của biến điều tiết được
bao gồm hai lần trong mô hình - trong
chính biến điều tiết cũng như trong biến
tương tác. Đặc điểm này khuếch đại những
hạn chế của phép đo đơn biến trong bối
cảnh điều tiết. Trong bài viết này, chúng tôi
chỉ tập trung vai trò điều tiết của biến liên
tục1. Mô hình hoá sự tác động được trình
bày ở mục tiếp theo.
Mô hình nghiên cứu có tác động
của biến điều tiết
Trong Hình 2, thu nhập đóng vai trò là
biến điều tiết (M), tác động đến mối quan hệ
giữa sự hài lòng của khách hàng (Y1) và lòng
trung thành của khách hàng (Y2). Tác động
điều tiết (ρ3) được thể hiện bởi một mũi tên
chỉ tác động ρ1, liên kết Y1 và Y2. Hơn nữa,
khi có tác động điều tiết trong mô hình cấu
trúc, cũng có một mối quan hệ trực tiếp (ρ2)
từ biến điều tiết đến biến nội sinh.
Gudergan, S. P. (2017). Advanced issues in
partial least squares structural equation
modeling. Sage Publications.
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 6
Hình 2: Mô hình hoá tác động điều tiết
(Nguồn: Đề xuất của tác giả)
Đường dẫn bổ sung này rất quan trọng
(và là một sai lầm thường gặp) vì nó kiểm
soát tác động trực tiếp của biến điều tiết
lên biến nội sinh. Nếu tác động ρ2 được bỏ
qua, tác động của M lên mối quan hệ giữa
Y1 và Y2 (tức là, ρ3) sẽ bị phóng đại lên. Có
thể thấy, tác động điều tiết tương tự như
tác động trung gian, trong đó một biến thứ
ba (biến điều tiết biến trung gian) tác động
đến độ mạnh của mối quan hệ giữa hai biến
tiềm ẩn. Sự khác biệt quan trọng giữa hai
khái niệm này là biến điều tiết không phụ
thuộc vào biến ngoại sinh. Trong khi đó,
khi xem xét mô hình với biến trung gian, có
một tác động trực tiếp giữa biến ngoại sinh
và biến trung gian. Biểu diễn bằng công thức toán học mô
hình nghiên cứu trên như sau:
Y2 = (ρ1 + ρ3 • M) • Y1 + ρ2 • M
Như vậy, theo Hair Jr và cộng sự
(2017), ảnh hưởng của Y1 lên Y2 không chỉ
phụ thuộc vào độ mạnh của tác động đơn
ρ1 mà còn dựa vào tích của ρ3 và M. Để hiểu
được cách thức một biến điều tiết có thể
được tích hợp trong mô hình, phương
trình trên được viết lại như sau:
Y2 = ρ1• Y1 + ρ2 • M + ρ3• (Y1 • M)
Phương trình này cho thấy rằng tác
động điều tiết yêu cầu đặc điểm tác động
của biến tiềm ẩn ngoại sinh (ρ1• Y1), tác
động của biến điều tiết (ρ2 • M) và tích số
hạng ρ3• (Y1 • M), còn được gọi là biến
tương tác. Kết quả là hệ số ρ3 giải thích tác
động của ρ1 thay đổi khi biến điều tiết M
tăng hoặc giảm một độ lệch chuẩn. Hình 3
minh hoạ khái niệm tương tác.
Hình 3: Biến tương tác trong sự điều
tiết (Nguồn: đề xuất của tác giả)
Có thể thấy, mô hình chứa biến tương
tác như là một biến tiềm ẩn bổ sung bao hàm
tích của biến tiềm ẩn ngoại sinh Y1 và biến
điều tiết M. Do biến tương tác này, các nhà
nghiên cứu thường đề cập đến tác động
tương tác khi mô hình hóa các biến điều tiết.
Tạo biến tương tác
Henseler và Chin (2010); Henseler và
Fassott (2010); Rigdon, Ringle và Sarstedt,
(2010) đã đề xuất một số cách tiếp cận để
tạo ra điều kiện tương tác. Có ba cách tiếp
cận nổi bật: (1) Cách tiếp cận tích biến
quan sát (product indicator approach), (2)
cách tiếp cận trực giao (orthogonalizing
approach), và (3) cách tiếp cận hai giai
đoạn (Two – stage approach). Do các hạn
chế của tiếp cận tích và tiếp cận trực giao,
trong bài viết này, chúng tôi chỉ tập trung
vào tiếp cận hai giai đoạn.
Thu nhập
(M)
Sự hài
lòng của
KH (Y1)
Lòng
trung
thành của
KH (Y2)
ρ 1
ρ 3 ρ 2
Thu nhập
(M)
Sự hài
lòng của
KH (Y1) Lòng trung thành của KH (Y2) ρ 1
ρ 3 ρ 2
Sự hài lòng KH
(Y1)* Thu nhập
(M)
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 7
Cách tiếp cận hai giai đoạn
Cách tiếp cận hai giai đoạn như là một
công cụ để chạy phân tích điều tiết khi biến
ngoại sinh và/ hoặc biến điều tiết đo lường
nguyên nhân. Cụ thể, hai giai đoạn này diễn
ra như sau:
Giai đoạn 1: Mô hình tác động chính
(mô hình không có biến tương tác) được
ước lượng để có được điểm số của các biến
tiềm ẩn. Chúng được lưu lại để phân tích
thêm ở giai đoạn thứ hai.
Giai đoạn 2: Các điểm số biến tiềm ẩn
của biến tiềm ẩn ngoại sinh và biến điều
tiết từ Giai đoạn 1 được nhân lên để tạo ra
một đo lường đơn biến dùng để đo biến
tương tác. Tất cả các biến tiềm ẩn khác
được biểu diễn bằng các biến đơn của điểm
số biến tiềm ẩn của chúng từ Giai đoạn 1.
Hình 4 minh họa cách tiếp cận hai giai đoạn
cho mô hình nghiên cứu trước đây, nhưng
2 biến quan sát nguyên nhân được sử dụng
trong Giai đoạn 1 để đo lường biến điều tiết
(chú ý dấu mũi tên quay đầu vào khái niệm
M). Mô hình tác động chính trong Giai đoạn
1 được chạy để có được điểm số biến tiềm
ẩn cho Y1, Y2 và M (tức là, LVS (Y1), LVS (Y2)
và LVS (M)).
Giai đoạn 1:
Giai đoạn 2:
Hình 4: Mô hình nghiên cứu theo
hướng tiếp cận 2 giai đoạn (Nguồn: Đề xuất
của tác giả)
Các điểm số biến tiềm ẩn của Y2 và M
sau đó được nhân lại để tạo thành một biến
đơn dùng để đo lường số hạng tương tác Y1•
M trong Giai đoạn 2. Các biến tiềm ẩn Y1, Y2
và M được đo bằng một biến đơn của điểm
số biến tiềm ẩn từ Giai đoạn 1. Điều quan
trọng cần lưu ý là những hạn chế được xác
định khi sử dụng các biến đơn không áp
dụng trong trường hợp này, vì biến đơn thể
hiện các điểm số biến tiềm ẩn được lấy từ
phép đo đa biến trong Giai đoạn 1.
Cách tạo Biến tương tác trong tiếp
cận hai giai đoạn
Hình 5 tóm tắt kết quả của Henseler và
Chin (2010), có tính đến các khác biệt về
khái niệm giữa các cách tiếp cận đã được
trình bày ở phần trước.
Đầu tiên, cách tiếp cận tích biến quan
sát hay cách tiếp cận trực giao không thể
áp dụng được khi biến ngoại sinh và/ hoặc
biến điều tiết có mô hình đo lường nguyên
nhân. Vì vậy, khi có đo lường nguyên nhân,
phải sử dụng cách tiếp cận hai giai đoạn.
M
Y1
Y2
m1
m2
X1
X2
X3
X4
P2
P1
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 8
Nếu biến ngoại sinh và biến điều tiết đo
lường kết quả, việc lựa chọn phương pháp
tiếp theo phụ thuộc vào mục tiêu nghiên
cứu. Khi mục tiêu là xác định xem biến điều
tiết có ảnh hưởng đáng kể đến mối quan hệ
hay không thì cách tiếp cận hai giai đoạn
được ưa thích hơn. Cách tiếp cận này mang
lại độ nhạy thống kê cao so với cách tiếp
cận trực giao và đặc biệt là cách tiếp cận
tích biến quan sát. Tuy nhiên, khi mối quan
tâm chı́nh là giảm thieểu sự sai chệch ước
lượng, cách tieếp cận trực giao nên được lựa
chọn vı̀ nó thực hiện toế t nhaế t veề độ chıńh
xác điểm. Tương tự như vậy, khi mục đích
là để tối đa hóa dự báo về biến nội sinh, các
nhà nghiên cứu nên áp dụng cách tiếp cận
trực giao vì cách tiếp cận này mang lại độ
chính xác dự báo cao.
Hình 5: Hướng dẫn tạo biến tương tác (Nguồn: Tổng hợp của tác giả)
Kiểm tra kiểu mô hình đo lường của khái
niệm điều tiết và khái niệm ngoại sinh
Khái niệm điều
tiết/ngoại sinh là KN
nguyên nhân Khái niệm điều tiết/ngoại sinh là KN kết quả
Tiếp cận hai giai
đoạn Xác định mục đích của phân tích
Khám phá mức
ý nghĩa của tác
động điều tiết Tối thiểu sai lệch ước lượng của tác động điều tiết Tối đa sự dự báo
Tiếp cận hai
giai đoạn Tiếp cận trực giao Tiếp cận trực giao
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 9
Đánh giá mô hình đo lường
Khi đánh giá mô hình đo lường kết quả,
biến điều tiết phải đáp ứng tiêu chuẩn có liên
quan về nhất quán độ tin cậy bên trong, giá
trị hội tụ, và giá trị phân biệt. Tương tự, tất
cả tiêu chuẩn mô hình đo lường nguyên
nhân cũng áp dụng toàn bộ cho biến điều
tiết. Tuy nhiên, biến tương tác không có yêu
cầu như vậy.
Những tiêu chuẩn để đánh giá mô hình
cấu trúc rất quan trọng. Trong trường hợp
tác động tương tác, giá trị f2 chỉ ra mức độ
đóng góp của biến điều tiết là bao nhiêu
trong việc giải thích biến tiềm ẩn ngoại sinh.
Hướng dẫn chung cho đánh giá f2 chỉ ra
rằng các giá trị 0.02, 0.15 và 0.35 đại diện
cho tác động tương ứng nhỏ, trung bình và
lớn (Cohen, 1988). Tuy nhiên, Aguinis và
cộng sự (2005) chỉ ra tác động trung bình
trong kiểm định của biến điều tiết chỉ là
0.009. Ngược lại, Kenny (2016)2 không chỉ
đề xuất 0.005, 0.01, và 0.025 tương ứng tác
động nhỏ, trung bình và lớn, mà còn chỉ ra
rằng những giá trị này là lạc quan so với tổng
kết của Aguinis và cộng sự (2005).
Diễn giải các kết quả
Khi diễn giải kết quả của phân tích biến
điều tiết, lợi ích đầu tiên đó là ý nghĩa của biến
tương tác. Nếu tác động của biến tương tác vào
các khái niệm nội sinh có ý nghĩa thống kê, kết
luận rằng biến điều tiết M có sự điều tiết một
cách có ý nghĩa lên mối quan hệ giữa Y1 và Y2.
Quy trình bootstrapping tạo điều kiện cho
đánh giá này. Trong trường hợp biến điều tiết
có ý nghĩa, bước tiếp theo xác định độ mạnh
2
của tác động điều tiết, việc phân tích phụ thuộc
vào cách biến tương tác được tạo ra.
Tác động giữa Y1 và Y2 (ρ1) khác với mô
hình có và không có biến điều tiết khi sử
dụng tiếp cận tích biến quan sát và tiếp cận
2 giai đoạn. Nhà nghiên cứu cần lưu ý điều
này. Nếu một nhà nghiên cứu quan tâm đến
ý nghĩa kiểm định của tác động chính ρ1 giữa
Y1 và Y2, phân tích PLS-SEM nên thực hiện
ban đầu với không có biến điều tiết. Sau đó,
phân tích mô hình nên theo phân tích bổ
sung cho mối quan hệ điều tiết cụ thể. Vấn
đề này quan trọng bởi vì tác động trực tiếp
trở thành tác động đơn trong mô hình biến
điều tiết, điều này sẽ dẫn đến sự khác biệt
trong giá trị ước lượng của nó, ý nghĩa của
nó, và cách diễn giải. Tác động đơn đại diện
cho mối quan hệ giữa một biến ngoại sinh và
một biến tiềm ẩn nội sinh khi giá trị biến
điều tiết ngang bằng với giá trị trung bình
của nó (sự chuẩn hóa đã được áp dụng). Vì
thế, diễn giải kết quả tác động đơn của mô
hình biến điều tiết như thể nó là tác động
trực tiếp (vd, giả thuyết kiểm định mối quan
hệ có ý nghĩa ρ1 giữa Y1 và Y2) có thể dẫn
đến kết luận sai và không chính xác
(Henseler và Fassott, 2010).
Việc minh họa kết quả bằng đồ họa giúp
hiểu biết thấu đáo hơn và rút ra kết luận chặt
chẽ hơn. Cách thông thường nhất để minh
họa kết quả của phân tích biến điều tiết là
bằng đồ thị đường dốc.
Trong ví dụ tương tác 2 chiều (Hình 6)
giả sử rằng mối quan hệ giữa Y1 và Y2 có giá
trị 0.50, mối quan hệ giữa M và Y2 có giá trị
0.10, giới hạn tương tác (Y1 x M) là 0.25
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 10
quan hệ với Y2. Hình 6 chỉ ra đường dốc cho
một thiết lập như vậy, ở đó trục-x đại diện
cho các khái niệm ngoại sinh (Y1) và trục-y
cho các khái niệm nội sinh (Y2).
Hai đường trong Hình 6 đại diện cho
mối quan hệ giữa Y1 và Y2 cho mức thấp và
cao của khái niệm M. Thông thường, mức
thấp của M là 1 đơn vị độ lệch chuẩn bên
dưới giá trị trung bình của nó (đường thẳng
trong Hình 6) trong khi mức cao của M là 1
đơn vị độ lệch chuẩn bên trên giá trị trung
bình của nó (đường thẳng đứt đoạn trong
Hình 6). Bởi vì tác động điều tiết dương
được biểu diễn 0.25 mối quan hệ giữa điều
kiện tương tác và khái niệm nội sinh, độ dốc
của đường thẳng có mức độ điều tiết cao sẽ
dốc hơn. Có nghĩa là, mối quan hệ giữa Y1 và
Y2 trở nên mạnh hơn với mức cao của M. Với
mức thấp của M, độ dốc sẽ phẳng hơn trong
Hình 6. Vì thế, với mức thấp của khái niệm
biến điều tiết M, mối quan hệ giữa Y1 và Y2
trở nên yếu hơn.
Hình 6: Sơ đồ hoá mức độ tác động khi có biến điều tiết M (Nguồn: Đề xuất của tác giả)
Tình huống minh hoạ: Hành vi đổi
mới sáng tạo của nhân viên
Để minh hoạ cho mô hình
nghiên cứu có biến điều tiết. Chúng
tôi đề xuất mô hình nghiên cứu như
Hình 7 bên dưới.
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 11
Hình 7: Mô hình nghiên cứu đề xuất - hành vi đổi mới sáng tạo của nhân viên trong công
việc (Nguồn: Đề xuất của tác giả)
Trong mô hình nghiên cứu đề xuất
trên, chúng tôi tập trung vào mối quan hệ
giữa JP (hiệu quả công việc) và IWB (hành
vi đổi mới sáng tạo của nhân viên). Giả
thuyết đặt ra là nhân viên càng đánh giá
hiệu quả công việc của họ càng cao thì hành
vi đổi mới sáng tạo của họ càng tăng lên.
Liệu mối quan hệ này thay đổi như thế nào
khi có sự hiện diện của hành vi lướt mạng
trong khi làm việc (cyberloafing) là câu hỏi
nghiên cứu đáng quan tâm.
Vì hành vi lướt mạng là hành động
mang tính tiêu cực, nhân viên không tập
trung vào làm việc mà họ sử dụng thời gian
làm việc để chat chit, vào facebook, gửi tin
nhắn Do đó, suy diễn ở đây là hành vi làm
việc riêng qua mạng càng cao thì mối quan
hệ giữa hiệu quả công việc và hành vi đổi
mới sáng tạo càng giảm. Để kiểm định
được tác động này (giả thuyết H8(-) như
trong Hình 7), biến trung gian hành vi lướt
mạng được đưa vào mô hình và mũi tên
của nó chỉ trực tiếp vào khái niệm nội sinh
IWB. Sau đó, kỹ thuật tạo biến tương tác 2
giai đoạn của Smart PLS 3 góp phần tạo ra
biến tương tác Moderating effect
JP*Cyberloafing minh hoạ trên Hình 7.
Kết quả nghiên cứu sau khi
bootstrapping 5000 mẫu được thể hiện
trong Hình 8 sau:
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 12
Hình 8: Kết quả kiểm định mô hình nghiên cứu đề xuất (Nguồn: Tổng hợp của tác giả)
Trong Hình 8, chúng ta chú ý đến biến
tương tác Moderating effect JP*Cyberloafing
và sự tác động của nó lên mối quan hệ giữa JP – IWB. Hình 9 cho kết quả biến tương tác
Moderating effect JP*Cyberloafing và sự tác
động của nó lên mối quan hệ giữa JP – IWB là – 0.032 và không có ý nghĩa thống kê (p >
0.05). Chúng ta có thể kết luận, giả thuyết
H8 không được chấp nhận trong tình
huống này. Có nghĩa là, mối quan hệ giữa
hiệu quả công việc và hành vi đổi mới
sáng tạo không thay đổi trong trường hợp
có sự hiện diện của cyberloafing với vai
trò điều tiết.
Hình 9: Kết quả hồi quy đa biến sau khi bootstrapping 5000 mẫu (Nguồn: Tổng hợp của
tác giả)
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 13
Để minh hoạ, chúng tôi giả sử kết quả
biến tương tác Moderating effect
JP*Cyberloafing và sự tác động của nó lên
mối quan hệ giữa JP – IWB là – 0.032 và có
ý nghĩa thống kê (p < 0.05). Trong tình
huống giả sử này, nhà nghiên cứu sẽ đọc và
diễn giải kết quả nghiên cứu căn cứ trên
Hình 10 như sau:
Hình 10: Biểu đồ minh hoạ độ dốc khi có biến điều tiết (Nguồn: Đề xuất của tác giả)
Biến tương tác có tác động nghịch
chiều lên IWB (-0.032). Tác động giữa JP
IWB là (0.250). Điều này có nghĩa là mối
quan hệ giữa JP và IWB là 0.250 cho mức
độ cyberloafing trung bình. Khi
cyberloafing tăng lên 1 độ lệch chuẩn thì
mối quan hệ JP IWB giảm xuống 1
khoảng (0.250 – 0.032 = 0.218). Ngược lại,
khi cyberloafing giảm xuống 1 độ lệch
chuẩn thì mối quan hệ JP IWB trở thành
(0.250 + 0.032 = 0.282). Hình 10 cho thấy
hành vi đổi mới sáng tạo – IWB được thể
hiện ở trục tung (Y) và hiệu quả làm việc JP
được thể hiện ở trục X. Đường màu xanh
chính giữa thể hiện mối quan hệ cho một
mức độ điều tiết trung bình của
cyberloafing. Hai đường còn lại minh hoạ
mối quan hệ JP IWB ở mức độ cao (giá
trị trung bình của cyberloafing cộng thêm
1 độ lệch chuẩn) và mức độ thấp hơn (giá
trị trung bình của cyberloafing trừ bớt đi 1
độ lệch chuẩn). Độ dốc dương của cả 3
đường thẳng cho thấy một tác động dương:
Đánh giá hiệu quả công việc càng cao thì
hành vi đổi mới sáng tạo càng cao. Có thể
kết luận mức độ cyberloafing càng cao kéo
theo mối quan hệ JP IWB càng yếu và
mức độ cyberloafing càng yếu dẫn đến mối
quan hệ mạnh hơn giữa JP IWB.
Cuối cùng, nhìn vào Hình 11 - kết quả
tác động f2 và xem xét giá trị của nó. Giá trị
f2 = 0.001 cho thấy một ảnh hưởng nhỏ của
biến tương tác. Kết quả này hợp lý vì trong
tình huống này, chúng tôi đang giả sử rằng
tác động của biến tương tác lên mối quan
hệ là có ý nghĩa thống kê.
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 14
Hình 11: Kết quả tác động f2 (Nguồn: Tổng hợp của tác giả)
3. Kết luận
Để đánh giá chính xác sự tác động của
biến điều tiết, nhà nghiên cứu cần hiểu rõ
bản chất của biến điều tiết. Công trình của
Hair Jr và cộng sự (2017) giúp nhà nghiên
cứu có một nền tảng lý thuyết chặt chẽ để
phân tích và đánh giá. Biến tương tác được
tạo ra một cách tự động với Smart PLS 3
khi nhà nghiên cứu thực hiện theo các
hướng tiếp cận tích biến quan sát, trực giao
và hai giai đoạn. Hướng tiếp cận hai giai
đoạn được các nhà nghiên cứu khuyến
khích sử dụng khi mục tiêu nghiên cứu là
đánh giá mức độ tác động lên một mối
quan hệ của biến điều tiết hoặc biến điều
tiết là biến đo lường phản ánh nguyên
nhân. Phân tích vai trò điều tiết là một kỹ
thuật tiên tiến nâng cao, phức tạp về mặt
thuật toán. Nhưng hiểu và vận dụng được
điều này sẽ phát hiện ra những mối quan
hệ rất thú vị và ý nghĩa trong nghiên cứu
quản trị kinh doanh.
TÀI LIỆU THAM KHẢO
Aguinis, H., Beaty, J. C., Boik, R. J., & Pierce,
C. A. (2005). Effect size and power in
assessing moderating effects of
categorical variables using multiple
regression: A 30-year review. Journal of
Applied Psychology, 90(1), 94–107.
Altinay, L., Dai, Y. De, Chang, J., Lee, C. H.,
Zhuang, W. L., & Liu, Y. C. (2019). How
to facilitate hotel employees’ work
engagement: The roles of leader-
member exchange, role overload and
job security. International Journal of
Contemporary Hospitality Management.
Clayton, B. C. (2015). Shared vision and
autonomous motivation vs. financial
incentives driving success in corporate
acquisitions. Frontiers in Psychology,
6(JAN), 1–19.
Cohen, J. (1988). Statistical Power Analysis
for the Behavioral Sciences.
De Witte, H. (2012). Job insecurity: Review
of the international literature on
definitions, prevalence, antecedents
and consequences. SA Journal of
Industrial Psychology, 31(4).
TẠP CHÍ KHOA HỌC YERSIN – CHUYÊN ĐỀ QUẢN LÝ KINH TẾ
Tập 05 (8/2019) 15
Diamantopoulos, A., Sarstedt, M., Fuchs, C.,
Wilczynski, P., & Kaiser, S. (2012).
Guidelines for choosing between multi-
item and single-item scales for
construct measurement: A predictive
validity perspective. Journal of the
Academy of Marketing Science, 40(3), 434–449.
Hair Jr, J. F., Hult, G. T. M., Ringle, C., &
Sarstedt, M. (2017). A primer on
partial least squares structural
equation modeling (PLS-SEM) (2nd
ed.). Thousand Oaks, CA: SAGE
Publications, Inc.
Henseler, J., & Chin, W. W. (2010). A
comparison of approaches for the
analysis of interaction effects between
latent variables using partial least
squares path modeling. Structural
Equation Modeling, 17(1), 82–109.
Henseler, J., & Fassott, G. (2010). Testing
Moderating Effects in PLS Path Models:
An Illustration of Available Procedures.
In E. V. V., C. W., H. J., & W. H. (Eds.),
Handbook of Partial Least Squares (pp.
713–735).
Koay, K. Y. (2018). Workplace ostracism
and cyberloafing: a moderated–
mediation model. Internet Research,
28(4), 1122–1141.
Lee, S., & Kim, D. Y. (2018). Brand
personality of Airbnb: application of
user involvement and gender
differences. Journal of Travel and
Tourism Marketing, 35(1), 32–45.
Mohamed, F., Hassan, A., & Spencer, B.
(2011). Conceptualization and
measurement of perceived risk of online
education. Academy of Educational
Leadership Journal, 15(4), 1–16.
Noddings, N. (2012). Cosmopolitismo,
patriotismo y ecología Cosmopolitanism,
Patriotism, and Ecology Le
Cosmopolitisme, le patriotisme, et
l’écologie. 13, 15–26.
Rigdon, E. E., Ringle, C. M., & Sarstedt, M.
(2010). Structural modeling of
heterogeneous data with partial least
squares. Review of Marketing Research,
7, 255–296.
Sarstedt, M., Diamantopoulos, A.,
Salzberger, T., & Baumgartner, P.
(2016). Selecting single items to
measure doubly concrete constructs: A
cautionary tale. Journal of Business
Research, 69(8), 3159–3167.
Svensson, G., Ferro, C., Høgevold, N., Padin,
C., Carlos Sosa Varela, J., & Sarstedt, M.
(2018). Framing the triple bottom line
approach: Direct and mediation effects
between economic, social and
environmental elements. Journal of
Cleaner Production, 197, 972–991. Thiruvattal, E. (2017). Impact of value co-
creation on logistics customers’ loyalty.
Journal of Global Operations and Strategic
Sourcing, 10(3), 334–361.
Van Lange, P. a M., Joireman, J., Parks, C. D.,
& Van Dijk, E. (2013). The psychology of
social dilemmas: A review.
Organizational Behavior and Human
Decision Processes, 120(2), 125–141.
Các file đính kèm theo tài liệu này:
- danh_gia_vai_tro_dieu_tiet_cua_bien_dieu_tiet_lien_tuc_trong.pdf