Yếu tố điều tiết và cách thay đổi quan hệ nhân quả

Điểm cốt lõi là yếu tố điều tiết không nhất thiết giải thích vì sao X gây ra Y. Nó xác định khi nào, trong điều kiện nào hoặc đối với nhóm nào tác động của X lên Y thay đổi. Vì vậy, điều tiết là một thuộc tính của mối quan hệ giữa các biến, không đơn thuần là một tác động riêng của biến thứ ba lên kết quả.

Yếu tố điều tiết trong quan hệ nhân quả là gì?

Giả sử X là nguyên nhân và Y là kết quả. Nếu mức tác động của X lên Y phụ thuộc vào giá trị của một biến M, thì M đóng vai trò yếu tố điều tiết.

Có thể biểu diễn bằng mô hình hồi quy có tương tác:

Y=b0​ b1​X b2​M b3​(XM) ε

Trong đó, XM là tích tương tác giữa X và yếu tố điều tiết M. Hệ số b3​ cho biết quan hệ giữa X và Y thay đổi như thế nào khi M thay đổi.

Khi đó, tác động có điều kiện của X lên Y là:

∂X∂Y​=b1​ b3​M

Công thức này thể hiện đúng bản chất của điều tiết: không tồn tại một mức tác động duy nhất của X lên Y nếu tác động đó phụ thuộc vào M.

Chẳng hạn, một chương trình đào tạo có thể giúp tăng hiệu suất làm việc. Tuy nhiên, nếu hiệu quả của chương trình lớn đối với người ít kinh nghiệm nhưng nhỏ đối với người đã có nhiều kinh nghiệm, thì kinh nghiệm ban đầu có thể đóng vai trò yếu tố điều tiết trong quan hệ giữa đào tạo và hiệu suất.

Yếu tố điều tiết làm thay đổi mức tác động như thế nào?

Trường hợp phổ biến nhất là yếu tố điều tiết làm tăng hoặc giảm độ mạnh của tác động, trong khi hướng tác động vẫn giữ nguyên.

Giả sử X có tác động dương lên Y. Nếu b3​>0, tác động dương của X sẽ lớn hơn khi M tăng. Nếu b3​<0, tác động của X sẽ yếu dần khi M tăng.

Ví dụ, nếu hỗ trợ từ tổ chức làm tăng hiệu quả của một chương trình đào tạo, tác động của đào tạo lên kết quả công việc có thể rất nhỏ ở môi trường ít hỗ trợ nhưng lớn hơn rõ rệt ở môi trường hỗ trợ cao.

Điều này cũng cho thấy một cách diễn giải dễ gây sai lệch: không nên chỉ nói rằng “M ảnh hưởng đến Y”. Vai trò điều tiết nằm ở việc M làm thay đổi tác động của X lên Y, chứ không phụ thuộc vào việc M có một tác động trực tiếp đáng kể lên Y hay không.

Vì vậy, khi phân tích điều tiết, trọng tâm là interaction effect X×M, không phải riêng hệ số của M.

Khi nào yếu tố điều tiết có thể làm tác động đổi hướng?

Điều tiết không chỉ làm tác động mạnh hoặc yếu hơn. Trong một số mô hình, nó có thể khiến tác động của X lên Y đi qua mức 0 và đổi dấu.

Vì:

EffectX→Y​=b1​ b3​M

nên nếu giá trị của M thay đổi đủ lớn, biểu thức này có thể chuyển từ dương sang âm hoặc ngược lại.

Ví dụ, một biện pháp tạo áp lực có thể làm tăng hiệu suất khi mức áp lực ban đầu thấp nhưng làm giảm hiệu suất khi áp lực đã quá cao. Khi đó, cùng một tác động X không còn mang một hướng cố định trong toàn bộ phạm vi của yếu tố điều tiết.

Đây thường được gọi là dạng tương tác đổi chiều hoặc crossover interaction.

Tuy nhiên, không phải cứ phát hiện hệ số tương tác là có thể kết luận tác động đã đổi hướng. Cần kiểm tra tác động có điều kiện tại các mức cụ thể của M. Nếu tất cả các mức quan sát được của M vẫn cho tác động cùng dấu, yếu tố điều tiết chỉ làm thay đổi độ mạnh, chưa làm thay đổi hướng.

Cách đọc một hiệu ứng điều tiết đúng bản chất

Khi có tương tác X×M, hệ số b1​ không còn nên được hiểu là “tác động chung của X lên Y”. Trong mô hình trên, b1​ là tác động của X khi M=0.

Vì thế, việc diễn giải cần chuyển từ câu hỏi:

“X có tác động lên Y hay không?”

sang:

“Tác động của X lên Y bằng bao nhiêu tại từng mức có ý nghĩa của M?”

Với yếu tố điều tiết liên tục, người phân tích thường xem simple slopes — độ dốc của quan hệ X−Y tại các mức đại diện của M, chẳng hạn mức thấp, trung bình và cao. Có thể sử dụng thêm khoảng tin cậy để xác định tại vùng giá trị nào của M tác động có điều kiện khác 0.

Nếu M là biến phân loại, cách diễn giải trực quan hơn. Chẳng hạn, nếu M gồm nhóm A và nhóm B, có thể so sánh trực tiếp độ lớn và hướng của tác động X→Y giữa hai nhóm.

Do đó, kết quả điều tiết có ý nghĩa nhất khi được trình bày dưới dạng tác động có điều kiện, thay vì chỉ báo cáo rằng hệ số tương tác có hay không có ý nghĩa thống kê.

Yếu tố điều tiết khác biến trung gian ở đâu?

Yếu tố điều tiết và biến trung gian đều liên quan đến một biến thứ ba, nhưng trả lời hai câu hỏi khác nhau.

Biến trung gian (mediator) giải thích cơ chế mà qua đó X dẫn đến Y:

X→M→Y

Câu hỏi của phân tích trung gian là: X tác động đến Y thông qua quá trình nào?

Trong khi đó, yếu tố điều tiết thay đổi chính quan hệ X→Y:

X→Y

với độ lớn hoặc hướng của mũi tên phụ thuộc vào M.

Câu hỏi của phân tích điều tiết là: tác động của X lên Y thay đổi trong điều kiện nào, ở nhóm nào hoặc theo mức M nào?

Ví dụ, nếu đào tạo cải thiện kiến thức và kiến thức sau đó cải thiện hiệu suất, kiến thức có thể là biến trung gian. Nếu đào tạo hiệu quả hơn đối với nhân viên ít kinh nghiệm so với nhân viên nhiều kinh nghiệm, kinh nghiệm là yếu tố điều tiết.

Phân biệt này quan trọng vì hai mô hình đưa ra hai loại kết luận khác nhau: trung gian nói về cơ chế truyền tác động; điều tiết nói về tính phụ thuộc của tác động vào điều kiện.

Có tương tác thống kê chưa đủ để kết luận điều tiết quan hệ nhân quả

Một hệ số X×M khác 0 cho thấy mối liên hệ giữa X và Y thay đổi theo M trong mô hình thống kê. Nhưng điều đó không tự động chứng minh rằng đây là điều tiết của một tác động nhân quả.

Muốn diễn giải theo nghĩa nhân quả, trước hết quan hệ X→Y phải có cơ sở nhận diện nhân quả phù hợp. Những vấn đề như biến gây nhiễu, lựa chọn mẫu, sai số đo lường hoặc thứ tự thời gian có thể khiến một tương tác quan sát được không phản ánh sự thay đổi của tác động nhân quả thực sự.

Đặc biệt, cần phân biệt hai phát biểu:

“Quan hệ giữa X và Y khác nhau theo M”

và:

“Tác động nhân quả của X lên Y khác nhau theo M”.

Phát biểu thứ hai mạnh hơn và đòi hỏi các giả định hoặc thiết kế nghiên cứu phù hợp hơn.

Nếu M tồn tại trước khi X xảy ra, chẳng hạn tuổi, đặc điểm nền hoặc điều kiện môi trường ban đầu, việc diễn giải M như một điều kiện làm thay đổi tác động thường rõ ràng hơn. Nếu bản thân M lại có thể bị X tác động, cấu trúc nhân quả trở nên phức tạp hơn và không nên mặc định áp dụng cách diễn giải điều tiết thông thường.

Ý nghĩa thực tế của việc xác định yếu tố điều tiết

Một tác động trung bình có thể che giấu sự khác biệt lớn giữa các điều kiện. Nếu chỉ ước lượng một hệ số chung cho toàn bộ mẫu, người nghiên cứu có thể kết luận rằng một can thiệp có hiệu quả vừa phải, trong khi thực tế nó rất hiệu quả ở một nhóm và gần như không hiệu quả ở nhóm khác.

Phân tích yếu tố điều tiết giúp chuyển từ kết luận tổng quát:

“X ảnh hưởng đến Y”

sang kết luận cụ thể hơn:

“X ảnh hưởng đến Y với mức độ này khi M ở điều kiện A, nhưng tác động thay đổi khi M chuyển sang điều kiện B.”

Giá trị của yếu tố điều tiết vì thế nằm ở việc xác định tính không đồng nhất của tác động. Nó giúp chỉ ra phạm vi mà một kết luận nhân quả có thể áp dụng, những điều kiện làm tác động mạnh lên hoặc suy yếu, và các trường hợp mà một kết luận trung bình có thể gây hiểu nhầm.

Yếu tố điều tiết là biến làm cho tác động của một nguyên nhân lên kết quả phụ thuộc vào điều kiện. Trong mô hình tuyến tính có tương tác, điều này được thể hiện bởi b1​ b3​M: khi M thay đổi, độ lớn của tác động X→Y cũng thay đổi và trong một số trường hợp có thể đổi dấu.

Vì vậy, bản chất của điều tiết không phải là “một biến thứ ba cũng ảnh hưởng đến kết quả”, mà là mức hoặc hướng tác động của X lên Y không cố định. Khi diễn giải theo nghĩa nhân quả, ngoài việc phát hiện tương tác thống kê còn phải bảo đảm rằng thiết kế và các giả định của nghiên cứu đủ để nhận diện tác động nhân quả có điều kiện.