Phân tích biến kiểm soát trong AMOS: chọn đúng, đặc tả đúng và báo cáo minh bạch

1. Mục tiêu học tập và estimand phải xác định trước

Sau chuyên đề này, bạn cần phân biệt confounder với mediator và collider, quyết định biến nào nên điều chỉnh, đưa biến liên tục hoặc phân loại vào AMOS, rồi đánh giá kết luận chính có nhạy với tập control hay không.

Trước khi chọn control, phải nêu rõ đại lượng cần ước lượng. Total effect của X lên Y bao gồm các đường trung gian hợp lệ. Direct effect giữ mediator cố định trả lời câu hỏi khác. Nếu mục tiêu thay đổi giữa hai mô hình, sự thay đổi của hệ số X đến Y không thể được gọi đơn giản là mô hình đã kiểm soát tốt hơn (Cinelli, Forney và Pearl, 2024).

• Đã nêu rõ X, Y và hiệu ứng cần ước lượng.
• Đã xác định thời điểm đo của từng biến.
• Đã phân biệt total effect với direct effect.
• Tập control được chọn trước khi xem kết quả chính.
• Mỗi control có căn cứ lý thuyết hoặc thiết kế.
• Dữ liệu chứa phép đo đủ tin cậy cho control quan trọng.

2. Thêm control là một giả định nhân quả

Trong dữ liệu quan sát, một control thường được dùng để chặn đường back-door giữa X và Y. Trường hợp dễ hiểu nhất là Z gây ra cả X và Y. Điều chỉnh Z có thể giúp tách phần liên hệ không đi qua đường nhân quả X đến Y, nhưng kết luận này phụ thuộc cấu trúc giả định chứ không phụ thuộc riêng tương quan hoặc p-value (Rohrer, 2018).

Spector và Brannick (2011) cảnh báo việc thêm control một cách tự động với kỳ vọng làm sạch quan hệ. Một biến có tương quan với Y chưa chắc là confounder. Một biến không có ý nghĩa thống kê vẫn có thể cần điều chỉnh nếu thiết kế và lý thuyết cho thấy nó chặn đường gây nhiễu.

AMOS ước lượng mô hình covariance đã đặc tả. Phần mềm không thể xác định một mũi tên control là nguyên nhân, mediator hay collider. Trách nhiệm nhận dạng đại lượng vẫn thuộc về thiết kế nghiên cứu và lập luận của người phân tích.

3. Confounder, mediator, collider và hậu quả của X

Confounder là nguyên nhân chung của X và Y hoặc là biến giúp chặn một đường gây nhiễu thích hợp. Mediator nằm trên đường X đến Y. Collider là hậu quả chung của hai biến. Điều chỉnh mediator khi mục tiêu là total effect sẽ chặn một phần hiệu ứng cần ước lượng; điều chỉnh collider có thể mở một đường liên hệ giả (Cinelli và cộng sự, 2024).

Biến được đo trước X thường an toàn hơn biến hậu xử lý, nhưng pre-treatment không tự động có nghĩa là control tốt. Vai trò của một biến còn phụ thuộc các biến khác trong adjustment set. Cùng một Z có thể hữu ích trong một cấu trúc và gây bias trong cấu trúc khác.

Nếu biến giới tính, tuổi hoặc thâm niên chỉ là proxy cho cơ chế thật sự quan trọng, cần nói rõ giới hạn. Spector và Brannick (2011) khuyến nghị tránh dùng nhân khẩu học thay cho khái niệm lý thuyết mà nghiên cứu thực sự quan tâm.

4. Chọn và đo lường control trước khi chạy AMOS

Becker (2005) và Bernerth và Aguinis (2016) yêu cầu giải thích biến nào được xem xét, vì sao được đưa vào hoặc loại ra, cách đo và kết quả có phụ thuộc lựa chọn đó hay không. Câu vì nghiên cứu trước đã kiểm soát là chưa đủ nếu nghiên cứu trước không có cùng câu hỏi nhân quả.

Control đo kém có thể không chặn đầy đủ confounding. Nếu control là một khái niệm tiềm ẩn quan trọng, dùng một chỉ báo đơn không đáng tin có thể để lại residual confounding. Khi có thang đo nhiều item và cỡ mẫu phù hợp, có thể mô hình hóa control như latent variable; khi dùng điểm tổng, phải công khai cách tạo điểm và độ tin cậy.

Nên lập một bảng quyết định trước phân tích gồm tên biến, thời điểm đo, vai trò dự kiến, đường cần điều chỉnh, cách mã hóa và phân tích độ nhạy. Bảng này giảm nguy cơ thêm hoặc bớt control sau khi nhìn thấy kết quả.

5. Đặc tả biến kiểm soát trong AMOS

Trong IBM SPSS Amos 29, control quan sát được đưa vào như biến ngoại sinh nếu nó không có phương trình giải thích trong mô hình. Vẽ đường một chiều từ control đến đúng biến nội sinh cần điều chỉnh. Cho control hiệp phương sai với các biến ngoại sinh liên quan khi cấu trúc lý thuyết cho phép. Không nối control vào mọi biến nội sinh theo thói quen (IBM Corp., 2022).

Nếu control là latent variable, cần đặc tả mô hình đo lường và kiểm tra nghiệm như các cấu trúc khác. Nếu control là điểm tổng quan sát, sai số đo không được AMOS tự sửa. Hai cách này không tương đương.

Với dữ liệu thiếu, estimator và cơ chế missing phải được giữ nhất quán giữa mô hình cơ sở với mô hình điều chỉnh. So sánh hai mô hình trên hai tập trường hợp khác nhau có thể làm thay đổi hệ số vì mẫu đổi, không chỉ vì control.

6. Mã hóa biến phân loại và tránh đổi câu hỏi nghiên cứu

Biến danh nghĩa K nhóm cần K - 1 biến dummy khi được đưa vào như predictor quan sát. Nhóm bị bỏ là nhóm tham chiếu, nên mọi hệ số phải được diễn giải so với nhóm này. Đổi nhóm tham chiếu thay đổi cách viết hệ số, không thay đổi các giá trị dự báo của mô hình.

Không mã hóa các nhóm không có thứ tự thành 1, 2, 3 rồi dùng như biến liên tục. Cách đó áp một khoảng cách và xu hướng tuyến tính không được thiết kế hỗ trợ. Với ordinal control, quyết định giữ liên tục hay tạo dummy phải dựa trên số mức, hình dạng quan hệ và mục tiêu.

Nếu mục tiêu là kiểm tra hệ số X đến Y có khác giữa các nhóm, biến nhóm đang đóng vai trò moderator. Khi đó, multigroup SEM và measurement invariance thường phù hợp hơn việc gọi nhóm là control.

7. So sánh mô hình cơ sở và mô hình điều chỉnh

Không chỉ nhìn p-value của control. Bằng chứng chính là hệ số trọng tâm thay đổi ra sao khi adjustment set hợp lý được áp dụng. Nên ưu tiên hệ số chưa chuẩn hóa và khoảng tin cậy vì hệ số chuẩn hóa có thể đổi do phương sai được tái phân bổ giữa các mô hình.

Fit tốt hơn không chứng minh control đúng. Thêm đường thường giảm chi-square trong mẫu. Kline (2023) nhấn mạnh phải đọc fit cùng đặc tả, tham số và mục tiêu suy luận. Một control không có căn cứ vẫn có thể cải thiện fit.

Khi các control tương quan mạnh, sai số chuẩn có thể tăng và dấu hệ số dao động. Cần xem correlation, variance inflation trong mô hình hồi quy tương ứng hoặc condition diagnostics, đồng thời tránh biến nhiều proxy gần nhau thành adjustment set mặc định.

8. Ví dụ số giả định: control tốt và mediator bị dùng sai

Ví dụ dưới đây là minh họa, không phải dữ liệu nghiên cứu thật. Mục tiêu là total effect của X lên Y. Mô hình cơ sở trên N = 420 cho b = 0,42, SE = 0,07, CI 95% [0,28; 0,56]. Lý thuyết xác định tuổi là nguyên nhân chung của X và Y. Sau khi điều chỉnh tuổi, b = 0,31, SE = 0,08, CI 95% [0,15; 0,47]. Kết luận về dấu và độ bất định vẫn ổn định, nhưng độ lớn giảm.

Một mô hình khác thêm M, trong khi M được giả thuyết là mediator do X tác động. Hệ số trực tiếp X đến Y còn b = 0,08, SE = 0,07, CI 95% [-0,05; 0,21]. Kết quả này không chứng minh X hết tác động sau kiểm soát. Nó chuyển câu hỏi từ total effect sang direct effect giữ M cố định.

Nếu bài báo cần cả hai câu hỏi, hãy báo mô hình total effect và mô hình mediation riêng. Không xếp M chung với tuổi trong một danh sách control vì hai biến có vai trò nhân quả khác nhau.

9. Phân tích độ nhạy cho lựa chọn control

Một bộ kết quả có thể ổn định với adjustment set chính nhưng nhạy với các control còn tranh luận. Hãy xác định trước mô hình chính, sau đó chạy một số đặc tả có lý do: bỏ proxy trùng lặp, thay cách mã hóa phi tuyến hoặc thêm một control nền còn bất định.

Bernerth và Aguinis (2016) khuyến nghị minh bạch ảnh hưởng của control lên kết luận trọng tâm. Phân tích độ nhạy không phải thử mọi tổ hợp rồi chọn mô hình thuận lợi. Mỗi đặc tả phải đại diện cho một giả định có thể giải thích.

Nếu một confounder quan trọng không được đo, thêm nhiều nhân khẩu học không bảo đảm hết omitted variable bias. Cần nêu giới hạn và, khi phù hợp, dùng công cụ sensitivity analysis ngoài AMOS để định lượng mức confounding chưa quan sát cần thiết để đảo kết luận.

10. Các lỗi thường gặp khi dùng biến kiểm soát

11. Mẫu báo cáo APA 7 và bảng kiểm hoàn tất

Mẫu sau dùng số giả định ở mục 8. Khi áp dụng, thay số, tên biến và vai trò nhân quả bằng thông tin của nghiên cứu thật.

• Đã nêu estimand là total hay direct effect.
• Mỗi control có vai trò và thời điểm đo rõ.
• Không chọn control bằng p-value.
• Không điều chỉnh mediator hoặc collider ngoài mục tiêu.
• Biến phân loại dùng coding và nhóm tham chiếu rõ ràng.
• Mô hình cơ sở và điều chỉnh dùng cùng dữ liệu.
• Đã báo b chưa chuẩn hóa, SE và CI.
• Đã xem đa cộng tuyến giữa các control.
• Đã báo ảnh hưởng của control lên kết luận chính.
• Đã lưu nhật ký các control được cân nhắc nhưng không dùng.
• Đã thực hiện độ nhạy cho control còn tranh luận.
• Đã nêu giới hạn của confounding chưa quan sát.