Biến độc lập (X) là yếu tố được giả định gây ra thay đổi; biến phụ thuộc (Y) là kết quả mà nghiên cứu muốn giải thích. Biến trung gian nằm giữa, truyền tác động từ X sang Y; biến điều tiết làm tác động của X lên Y mạnh lên, yếu đi hoặc đổi chiều; biến kiểm soát được đưa vào để loại ảnh hưởng của yếu tố bên ngoài. Theo cách đo, mọi biến thuộc một trong bốn cấp độ của Stevens (1946): định danh, thứ bậc, khoảng, tỉ lệ.
Bài này đi qua tám vai trò của biến trong một mô hình định lượng và bốn cấp độ đo, dùng một ví dụ xuyên suốt là mô hình chấp nhận công nghệ TAM: nhận thức tính dễ sử dụng (PEOU) và nhận thức sự hữu ích (PU) tác động đến ý định sử dụng (BI) (Davis, 1989; Davis và cộng sự, 1989).
Bảng tóm tắt các loại biến
| Loại biến | Vai trò | Ví dụ trong mô hình TAM về ý định dùng ví điện tử |
|---|---|---|
| Biến độc lập (independent, X) | Nguyên nhân giả định, mũi tên đi ra | PEOU, PU |
| Biến phụ thuộc (dependent, Y) | Kết quả cần giải thích, mũi tên đi vào | BI: ý định sử dụng |
| Biến trung gian (mediator) | Cơ chế: X → M → Y | PU trên đường PEOU → PU → BI |
| Biến điều tiết (moderator) | Làm thay đổi độ mạnh hoặc chiều của X → Y | Kinh nghiệm sử dụng, như trong UTAUT (Venkatesh và cộng sự, 2003) |
| Biến kiểm soát (control) | Yếu tố ngoài được giữ cố định khi ước lượng | Tuổi, giới tính, thu nhập |
| Biến quan sát (observed, indicator) | Câu hỏi đo trực tiếp trên bảng hỏi | PU1 "Sử dụng [hệ thống] giúp tôi hoàn thành công việc nhanh hơn" |
| Biến tiềm ẩn (latent, construct) | Khái niệm không đo trực tiếp, suy ra từ nhiều biến quan sát | PU, đo bằng 6 câu PU1–PU6 |
| Biến giả (dummy) | Biến định danh mã hoá 0/1 để đưa vào hồi quy | Giới tính: nữ = 1, nam = 0 |
Biến độc lập và biến phụ thuộc là gì?
Biến độc lập là biến mà nhà nghiên cứu giả định tác động lên biến khác; biến phụ thuộc là biến chịu tác động, thứ bạn muốn giải thích hay dự báo. Trên sơ đồ, mũi tên đi từ biến độc lập vào biến phụ thuộc. Trong đề tài "các yếu tố ảnh hưởng đến ý định sử dụng ví điện tử", "các yếu tố" là biến độc lập và "ý định sử dụng" là biến phụ thuộc.
Tên gọi nói về vai trò trong một mô hình, không phải bản chất của biến. Cùng biến PU là biến phụ thuộc trong phương trình PEOU → PU và là biến độc lập trong phương trình PU → BI. Trong khảo sát cắt ngang, mũi tên là giả định lý thuyết: hồi quy cho biết X và Y đi cùng nhau, không tự chứng minh X gây ra Y.
Biến phụ thuộc là X hay Y?
Biến phụ thuộc là Y, nằm ở vế trái phương trình hồi quy: Y = β₀ + β₁X₁ + β₂X₂ + ε. Các biến X ở vế phải là biến độc lập (còn gọi là biến giải thích, biến dự báo). Trong SPSS, Y đưa vào ô Dependent, các X đưa vào ô Independent(s).
Biến trung gian và biến điều tiết
Biến trung gian trả lời câu hỏi "X tác động đến Y qua con đường nào": X → M → Y. Biến điều tiết trả lời "tác động của X lên Y mạnh hơn với ai, khi nào": nó không nằm trên đường đi mà trỏ vào mũi tên X → Y (Baron & Kenny, 1986). Hai khái niệm này dễ lẫn nhất trong khoá luận; định nghĩa, bảng so sánh và cách kiểm định bằng bootstrap, biến tương tác có ở bài riêng biến trung gian và biến điều tiết là gì. Chạy kiểm định trên dữ liệu của bạn bằng công cụ kiểm định trung gian, điều tiết.
Biến kiểm soát là gì?
Biến kiểm soát là biến không nằm trong giả thuyết chính nhưng được đưa vào mô hình vì có thể ảnh hưởng đến biến phụ thuộc, để ước lượng tác động của biến độc lập "sạch" hơn. Trong khảo sát hành vi, biến kiểm soát hay gặp là tuổi, giới tính, thu nhập, năm học. Trong nghiên cứu tài chính doanh nghiệp, gần như mô hình nào cũng có quy mô doanh nghiệp (ln tổng tài sản) làm biến kiểm soát khi biến phụ thuộc là ROA và biến độc lập là, ví dụ, đòn bẩy tài chính.
Thêm biến kiểm soát không phải lúc nào cũng tốt. Becker (2005) và Spector và Brannick (2011) chỉ ra rằng biến kiểm soát chọn không có lý do lý thuyết có thể làm sai lệch kết quả, nhất là khi nó thật ra là biến trung gian hoặc chịu tác động của biến độc lập. Mỗi biến kiểm soát cần một câu giải thích vì sao nó có thể ảnh hưởng đến Y, kèm nguồn.
Biến kiểm soát trong mô hình hồi quy đưa vào thế nào?
Trong SPSS, đưa biến kiểm soát vào Block 1, bấm Next, đưa các biến độc lập chính vào Block 2, rồi tích R squared change để xem các biến chính giải thích thêm bao nhiêu phần trăm biến thiên. Biến kiểm soát định danh (giới tính, ngành học) phải chuyển thành biến giả trước.
Biến kiểm soát và biến điều tiết khác gì?
Biến kiểm soát chỉ cộng thêm vào phương trình (Y theo X và C) để loại ảnh hưởng của C. Biến điều tiết đi kèm một số hạng tương tác X × W, vì giả thuyết là tác động của X thay đổi theo W. Cùng biến giới tính có thể là biến kiểm soát trong đề tài này và biến điều tiết trong đề tài khác; điều quyết định là giả thuyết bạn đặt ra.
Biến quan sát và biến tiềm ẩn là gì?
Biến tiềm ẩn (latent variable, construct, khái niệm nghiên cứu) là thứ không đo trực tiếp được, như sự hài lòng, niềm tin, ý định. Biến quan sát (observed variable, indicator, item) là từng câu hỏi trên bảng hỏi dùng để đo khái niệm đó. Bollen (2002) định nghĩa biến tiềm ẩn là biến mà không có giá trị quan sát được trong mẫu, phải suy ra qua các biến quan sát.
Ví dụ, khái niệm PU trong thang đo TAM được đo bằng 6 biến quan sát PU1–PU6 trên thang Likert. Cronbach's alpha, EFA, CFA và PLS-SEM đều làm việc với quan hệ giữa biến quan sát và biến tiềm ẩn. Khi tính điểm trung bình PU = (PU1 + … + PU6) / 6 để chạy hồi quy, bạn đang thay biến tiềm ẩn bằng một điểm tổng hợp. Cách đặt mã PU1, PU2… và ghi nguồn từng câu có ở bài bảng mã hoá thang đo.
Biến giả (dummy) là gì?
Biến giả là biến chỉ nhận giá trị 0 hoặc 1, dùng để đưa một biến định danh vào hồi quy. Biến có k nhóm cần k − 1 biến giả; nhóm không có biến giả là nhóm tham chiếu. Ví dụ biến "năm học" có 4 nhóm thì tạo 3 biến giả Nam2, Nam3, Nam4 (năm 1 là tham chiếu); hệ số của Nam3 là chênh lệch giữa năm 3 và năm 1 khi các biến khác giữ nguyên. Tạo đủ 4 biến giả cùng hằng số sẽ gây đa cộng tuyến hoàn hảo (bẫy biến giả), SPSS sẽ tự loại một biến.
4 loại thang đo trong nghiên cứu khoa học
Stevens (1946) chia cách đo thành bốn cấp độ. Cấp độ quyết định phép tính và kiểm định được dùng: không thể tính trung bình cho giới tính, nhưng tính được cho thu nhập.
| Cấp độ đo | Đặc điểm | Ví dụ trong bảng hỏi | Phép tính hợp lệ | Measure trong SPSS |
|---|---|---|---|---|
| Định danh (nominal) | Chỉ phân loại, không có thứ tự | Giới tính, ngành học, ngân hàng đang dùng | Tần số, mốt, chi bình phương | Nominal |
| Thứ bậc (ordinal) | Có thứ tự, khoảng cách giữa các mức không chắc bằng nhau | Năm học, mức thu nhập theo khoảng, xếp hạng ưu tiên | Thêm trung vị, tương quan Spearman, kiểm định phi tham số | Ordinal |
| Khoảng (interval) | Khoảng cách bằng nhau, không có điểm 0 tuyệt đối | Nhiệt độ °C, điểm thang đo tổng hợp từ nhiều câu Likert | Thêm trung bình, độ lệch chuẩn, t-test, hồi quy | Scale |
| Tỉ lệ (ratio) | Có điểm 0 tuyệt đối, so sánh gấp mấy lần được | Tuổi, thu nhập chính xác, số giờ dùng mạng xã hội mỗi ngày | Mọi phép tính, kể cả tỉ số | Scale |
Lấy ví dụ về thang đo thứ bậc và câu hỏi thang đo định danh
Câu hỏi định danh: "Bạn đang học ngành nào? (1) Kinh tế (2) Kỹ thuật (3) Y dược (4) Khác"; các số 1–4 chỉ là nhãn, đổi thứ tự không làm mất thông tin. Câu hỏi thứ bậc: "Thu nhập hằng tháng của bạn: (1) Dưới 3 triệu (2) 3 đến dưới 7 triệu (3) 7 đến dưới 15 triệu (4) Từ 15 triệu"; mức 4 cao hơn mức 3, nhưng khoảng cách giữa các mức không bằng nhau. Câu Likert đơn lẻ "Hoàn toàn không đồng ý … Hoàn toàn đồng ý" là thứ bậc; điểm trung bình của nhiều câu Likert thường được xử lý như thang khoảng. Tranh luận này và điều kiện để làm vậy có ở bài Likert là thang đo khoảng hay thứ bậc.
Ghi các loại biến vào khoá luận như thế nào
Trong chương 2, mỗi giả thuyết nói rõ biến nào là độc lập, phụ thuộc, trung gian hay điều tiết. Trong chương 3, bảng mã hoá liệt kê từng biến tiềm ẩn, các biến quan sát đo nó, nguồn thang đo và cấp độ đo; biến kiểm soát và biến nhân khẩu học ghi cả cách mã hoá (ví dụ "Giới tính: nữ = 1, nam = 0"). Mẫu câu để tự điều chỉnh:
Mô hình gồm [số] biến độc lập ([tên các biến]), [số] biến trung gian ([tên]) và biến phụ thuộc [tên]. [Tên biến] được đưa vào làm biến kiểm soát vì [lý do lý thuyết, có trích dẫn]. Các biến tiềm ẩn được đo bằng thang Likert [5/7] mức, kế thừa từ [tác giả, năm].
Chưa chọn được thang đo cho từng khái niệm? Thư viện thang đo có nguồn gốc có sẵn biến quan sát tiếng Anh, bản dịch và trích dẫn.
Câu hỏi thường gặp
Biến độc lập và biến phụ thuộc trong nghiên cứu khoa học là gì?
Biến độc lập là yếu tố được giả định tác động (X), biến phụ thuộc là kết quả chịu tác động (Y). Ví dụ trong đề tài "ảnh hưởng của niềm tin đến ý định mua online", niềm tin là biến độc lập và ý định mua là biến phụ thuộc.
Biến quan sát và biến độc lập khác nhau thế nào?
Hai khái niệm thuộc hai trục khác nhau. "Biến quan sát" nói về cách đo (một câu hỏi đo trực tiếp); "biến độc lập" nói về vai trò trong mô hình. Một biến độc lập như PU thường là biến tiềm ẩn, đo bằng nhiều biến quan sát PU1–PU6.
Biến giải thích là gì?
Biến giải thích (explanatory variable) là tên khác của biến độc lập, hay dùng trong kinh tế lượng. Các tên khác: biến dự báo (predictor), biến hồi quy (regressor).
Biến kiểm soát tiếng Anh là gì?
Control variable. Biến độc lập là independent variable, biến phụ thuộc là dependent variable, biến trung gian là mediator, biến điều tiết là moderator, biến tiềm ẩn là latent variable hay construct.
Một mô hình cần bao nhiêu biến độc lập?
Không có con số bắt buộc; số biến do lý thuyết nền quyết định. Nhưng mỗi biến thêm vào làm tăng cỡ mẫu cần thiết. Tính cỡ mẫu theo số biến độc lập ở máy tính cỡ mẫu nghiên cứu online.
Tài liệu tham khảo
- Baron, R. M., & Kenny, D. A. (1986). The moderator–mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51(6), 1173–1182. https://doi.org/10.1037/0022-3514.51.6.1173
- Becker, T. E. (2005). Potential problems in the statistical control of variables in organizational research: A qualitative analysis with recommendations. Organizational Research Methods, 8(3), 274–289. https://doi.org/10.1177/1094428105278021
- Bollen, K. A. (2002). Latent variables in psychology and the social sciences. Annual Review of Psychology, 53, 605–634. https://doi.org/10.1146/annurev.psych.53.100901.135239
- Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008
- Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982–1003. https://doi.org/10.1287/mnsc.35.8.982
- Spector, P. E., & Brannick, M. T. (2011). Methodological urban legends: The misuse of statistical control variables. Organizational Research Methods, 14(2), 287–305. https://doi.org/10.1177/1094428110369842
- Stevens, S. S. (1946). On the theory of scales of measurement. Science, 103(2684), 677–680. https://doi.org/10.1126/science.103.2684.677
- Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540