Biến kiểm soát trong SEM: chọn theo lý thuyết và báo cáo độ nhạy
Tuổi, giới tính hay thu nhập không tự động trở thành biến kiểm soát. Mỗi control phải có lý do nằm trong mô hình nhân quả và có thể làm thay đổi estimand cần diễn giải.
Chọn biến kiểm soát từ lý thuyết và sơ đồ nhân quả, không từ p-value. Mô hình hóa đúng loại biến, khai báo trước kết quả chính có/không control và thực hiện sensitivity analysis.
Biến kiểm soát cần lý do và kiểm tra độ nhạy
- Cơ sở lý thuyết
Giải thích vì sao cần kiểm soát
- Mã hóa
Khai báo loại biến và nhóm gốc
- Đặc tả
Đưa vào đúng phương trình
- Độ nhạy
So sánh kết quả có và không control
Sơ đồ khái niệm. Thêm nhiều biến kiểm soát không tự làm suy luận đáng tin hơn.
Nguồn: Lê Minh biên soạn · Minh họa khái niệm, không phải đầu ra phần mềm.1. Biến kiểm soát đang kiểm soát điều gì?
Control variable là covariate được đưa vào để điều chỉnh một nguồn khác biệt có liên quan đến biến dự báo và/hoặc kết quả. Việc thêm control thay đổi ý nghĩa hệ số chính thành quan hệ có điều kiện theo tập biến đã giữ cố định.
Một biến chỉ liên quan đến kết quả nhưng không phải confounder vẫn có thể tăng precision; một biến là mediator hoặc collider có thể tạo bias nếu bị kiểm soát. Vì vậy, danh sách nhân khẩu học mặc định không thay thế lý thuyết nhân quả.
Biến kiểm soát không có ý nghĩa thống kê vẫn có thể cần giữ theo thiết kế; biến có p nhỏ vẫn có thể không nên đưa vào nếu là hậu quả của biến phơi nhiễm hoặc collider.
2. Bốn câu hỏi trước khi đưa một control vào mô hình
Thời điểm của biến
Biến có tồn tại trước X và Y hay là hệ quả của chúng?
Quan hệ nhân quả
Biến có thể gây cả X và Y, chỉ gây Y, hay là collider/mediator?
Chất lượng đo
Biến được mã hóa và đo đủ tin cậy không? Missing có chọn lọc không?
Estimand
Hệ số sau khi giữ biến này cố định còn trả lời đúng câu hỏi nghiên cứu không?
3. Mô hình hóa và mã hóa
Không nhất thiết nối mọi control vào mọi biến nội sinh. Đường dẫn cần phản ánh vai trò giả định. Các control ngoại sinh thường được cho phép hiệp phương sai với biến ngoại sinh khác khi đặc tả yêu cầu.
| Control | Cách đưa vào | Điểm cần lưu ý |
|---|---|---|
| Liên tục | Đường trực tiếp đến biến nội sinh liên quan | Kiểm tra phi tuyến nếu hợp lý |
| Nhị phân | Mã 0/1 với nhóm tham chiếu rõ | Hệ số là chênh lệch có điều kiện |
| Phân loại nhiều nhóm | k−1 biến giả | Không dùng mã 1/2/3 như metric |
| Latent covariate | Mô hình đo lường riêng | Tính đến sai số đo lường |
| Cụm/thời gian | Mô hình đa cấp hoặc panel phù hợp | SEM một cấp có thể sai SE |
4. Báo cáo mô hình có và không có controls
Một thực hành hữu ích là trình bày mô hình cơ sở và mô hình điều chỉnh đã xác lập trước. Nếu dấu, độ lớn hoặc CI của hệ số chính thay đổi, cần giải thích thay vì chỉ chọn mô hình cho kết quả mong muốn.
Bernerth và Aguinis (2016) cho thấy controls thường được dùng theo thói quen và thiếu biện minh. Bảng phụ lục ghi nguồn lý thuyết, mã hóa, missing và tác động lên kết quả giúp đánh giá minh bạch hơn.
| Mô hình | Controls | Hệ số chính | CI | Kết luận |
|---|---|---|---|---|
| M0 | Không | β = … | […; …] | … |
| M1 | Đã xác lập trước | β = … | […; …] | … |
| M2 | Bộ hợp lý thay thế | β = … | […; …] | … |
5. Mẫu báo cáo
Mẫu báo cáo tiếng Việt
[Biến C] được đưa vào như biến kiểm soát vì lý thuyết/nghiên cứu trước cho thấy C có thể ảnh hưởng [X và Y/Y]. C được mã hóa [ ] và có đường dẫn đến [ ]. Hệ số X → Y là [ ] khi chưa điều chỉnh và [ ] sau điều chỉnh. Kết luận [ổn định/thay đổi]; phân tích độ nhạy với [bộ control khác] cho [kết quả].
- Mỗi control có lý do lý thuyết riêng.
- Xác định control trước khi xem p-value.
- Không kiểm soát mediator hoặc collider ngoài ý định.
- Mã hóa categorical bằng biến giả phù hợp.
- Báo cáo mô hình có/không control.
- Nêu missing và độ tin cậy của control.
Kết luận
Biến kiểm soát tốt làm rõ estimand; biến kiểm soát dùng theo thói quen có thể làm mô hình khó hiểu hoặc lệch hơn. Minh bạch về lý do và sensitivity quan trọng hơn số lượng controls.
Tài liệu tham khảo
- Bernerth, J. B., & Aguinis, H. (2016). A critical review and best-practice recommendations for control variable usage. Personnel Psychology, 69(1), 229–283. https://doi.org/10.1111/peps.12103
Ghi chú học thuật: Dữ liệu quan sát và việc thêm controls không tự động tạo diễn giải nhân quả. Thiết kế, thời gian đo và giả định không có confounding chưa đo vẫn quyết định phạm vi kết luận.