Hệ số hồi quy âm trong khi giả thuyết kỳ vọng dương thường do bốn nguyên nhân: quên đảo điểm câu hỏi đảo chiều, hai biến độc lập quá giống nhau (đa cộng tuyến), một biến độc lập thực chất là trung gian của biến khác trong mô hình (hiệu ứng triệt tiêu, suppression), hoặc dấu âm chỉ là nhiễu vì hệ số không có ý nghĩa. Kiểm tra theo đúng thứ tự đó. Nếu B âm và Sig. ≥ 0,05, kết luận là "không ủng hộ giả thuyết", không viết "tác động ngược chiều".
Tình huống này làm nhiều sinh viên hoảng: bảng tương quan cho thấy X và Y đi cùng chiều, nhưng bảng Coefficients lại báo B âm. Bài này dùng một bộ dữ liệu công khai để tái hiện đúng hiện tượng đó, rồi đi qua cách tìm nguyên nhân. Nếu hệ số của bạn dương nhưng không có ý nghĩa, đọc bài giả thuyết không được ủng hộ.
Ví dụ thật: chất lượng cảm nhận "tác động âm" tới lòng trung thành
Dữ liệu mobi (gói R seminr): 250 khách hàng điện thoại di động, thang 1–10, theo mô hình chỉ số hài lòng châu Âu ECSI (Tenenhaus et al., 2005). File mobi.csv tải ở trang kiểm chứng. Lấy trung bình các câu của từng khái niệm, hồi quy lòng trung thành (CUSL) theo năm biến:
| Biến | Tương quan r với CUSL | B | Beta | Sig. | KTC 95% của B | VIF |
|---|---|---|---|---|---|---|
| Kỳ vọng (CUEX) | 0,341 | 0,078 | 0,056 | 0,370 | −0,093 đến 0,249 | 1,49 |
| Sự hài lòng (CUSA) | 0,558 | 0,534 | 0,398 | < 0,001 | 0,300 đến 0,767 | 3,03 |
| Hình ảnh (IMAG) | 0,486 | 0,304 | 0,210 | 0,007 | 0,083 đến 0,525 | 2,32 |
| Chất lượng cảm nhận (PERQ) | 0,444 | −0,249 | −0,177 | 0,061 | −0,509 đến 0,012 | 3,45 |
| Giá trị cảm nhận (PERV) | 0,482 | 0,211 | 0,221 | < 0,001 | 0,089 đến 0,333 | 1,63 |
R² = 0,371; R² hiệu chỉnh = 0,358; F(5; 244) = 28,74; p < 0,001; Durbin–Watson = 2,079. Tương quan giữa PERQ và CUSL là +0,444, hồi quy đơn CUSL theo riêng PERQ cho B = 0,623, p < 0,001. Vậy mà trong mô hình năm biến, B của PERQ thành −0,249. Bảng này chạy bằng Python (statsmodels) và trùng từng chữ số thập phân thứ ba với công cụ phân tích dữ liệu của Góc Nghiên Cứu.
Vì sao tương quan dương mà hệ số hồi quy lại âm?
Tương quan r đo quan hệ của X với Y khi bỏ qua mọi biến khác. Hệ số B trong hồi quy bội đo quan hệ của X với Y khi giữ cố định các biến độc lập còn lại. Hai câu hỏi này khác nhau nên hai con số có thể khác dấu. Conger (1974) gọi biến có hệ số hồi quy ngược dấu với tương quan đơn của nó là biến triệt tiêu (suppressor).
Trong ví dụ trên, câu hỏi B trả lời là: "Với hai khách hàng có cùng mức hài lòng, cùng hình ảnh, cùng kỳ vọng, cùng giá trị cảm nhận, người đánh giá chất lượng cao hơn có trung thành hơn không?". Câu trả lời của dữ liệu là không rõ, thậm chí hơi thấp hơn. Lý do nằm ở bước 3 bên dưới.
Bốn bước tìm nguyên nhân hệ số ngược dấu
1. Câu đảo chiều đã được mã hoá ngược chưa?
Đây là lỗi hay gặp nhất và dễ sửa nhất. Một câu như "Tôi thường thờ ơ với cảm xúc người khác" đo ngược khái niệm "dễ chịu". Nếu không đảo điểm (trên thang 6 mức: điểm mới = 7 − điểm cũ), câu đó kéo điểm trung bình đi sai hướng.
Ví dụ trên dữ liệu bfi (gói R psych, 2.709 người trả lời đủ 5 câu Agreeableness): câu A1 là câu đảo chiều, tương quan âm với cả bốn câu còn lại (từ −0,146 đến −0,340). Không đảo A1, Cronbach's alpha của thang chỉ là 0,431; đảo xong, alpha lên 0,704. Hệ số của một câu đảo chiều chưa mã hoá lại trong hồi quy sẽ đổi dấu đúng như vậy.
Cách kiểm tra: mở bảng tương quan giữa các câu trong cùng một thang. Câu nào tương quan âm với các câu còn lại gần như chắc chắn là câu đảo chiều. Xem thêm bảng mã hoá thang đo và mục Item-Total trong bài Cronbach's alpha là gì.
2. Có hai biến độc lập gần như đo cùng một thứ không?
Khi hai biến tương quan rất cao, hồi quy khó tách phần đóng góp riêng của từng biến. Sai số chuẩn phình ra, hệ số dao động mạnh và có thể đổi dấu khi thêm bớt vài phiếu. Dấu hiệu: VIF cao, tương quan giữa hai biến độc lập trên 0,8, hoặc hai thang đo có nội dung câu hỏi trùng nhau.
Trong ví dụ, tương quan PERQ với CUSA là 0,788, VIF của PERQ là 3,45. Chưa vượt ngưỡng 5 hay 10 thường dùng, nhưng đủ để làm hệ số kém ổn định: khoảng tin cậy của B đi từ −0,509 đến 0,012, rộng gấp đôi khoảng của PERV. Cách đọc VIF và các ngưỡng có ở bài hệ số VIF và đa cộng tuyến. Nếu nghi hai khái niệm trùng nhau, kiểm tra giá trị phân biệt bằng HTMT trước khi giữ cả hai trong mô hình.
3. Có biến nào là trung gian của biến ngược dấu không?
Đây là nguyên nhân thực sự trong ví dụ mobi. Theo lý thuyết ECSI, chất lượng cảm nhận làm tăng sự hài lòng, và sự hài lòng làm tăng lòng trung thành. Khi đặt cả PERQ và CUSA vào cùng một phương trình dự báo CUSL, phần lớn tác động của PERQ đã đi qua CUSA và bị CUSA "nhận" mất. Thứ còn lại của PERQ là phần nhỏ, không ổn định, ở đây mang dấu âm.
Kiểm chứng bằng ba phép chạy trên cùng dữ liệu:
| Mô hình | B của PERQ | Sig. |
|---|---|---|
| CUSL theo riêng PERQ | 0,623 | < 0,001 |
| CUSL theo CUEX, IMAG, PERQ, PERV (bỏ CUSA) | 0,047 | 0,697 |
| CUSL theo cả năm biến (có CUSA) | −0,249 | 0,061 |
Tác động gián tiếp PERQ → CUSA → CUSL (kiểm soát CUEX, IMAG, PERV) là a × b = 0,553 × 0,534 = 0,295, khoảng tin cậy bootstrap 95% (5.000 lần lặp) từ 0,153 đến 0,452, không chứa 0. MacKinnon, Krull và Lockwood (2000) chỉ ra rằng trung gian, nhiễu và triệt tiêu là cùng một phép toán thống kê; khác nhau ở cách giải thích. Khi tác động gián tiếp dương còn tác động trực tiếp hơi âm, đó là trường hợp triệt tiêu điển hình.
Cách xử lý đúng: nếu lý thuyết nói CUSA là trung gian, hãy vẽ lại mô hình với đường PERQ → CUSA → CUSL và kiểm định trung gian, thay vì để tất cả biến cùng trỏ thẳng vào Y. Bài biến trung gian và biến điều tiết giải thích cách đặt giả thuyết, và công cụ kiểm định trung gian, điều tiết tính khoảng tin cậy bootstrap theo cách của Hayes. Quyết định này phải dựa trên lý thuyết có trước, không phải vì muốn hết dấu âm.
4. Hệ số âm có ý nghĩa thống kê không?
Trong ví dụ, Sig. của PERQ là 0,061 và khoảng tin cậy của B chứa 0. Với sai số chuẩn vững HC3 (phòng khi phương sai sai số thay đổi), Sig. là 0,133. Vậy dữ liệu không đủ để nói PERQ làm giảm lòng trung thành. Dấu âm ở đây không mang thông tin; viết "tác động ngược chiều" là đọc quá mức.
Nếu B âm và Sig. < 0,05 sau khi đã loại trừ ba nguyên nhân trên, kết quả là thật và phải báo cáo: giả thuyết dương bị bác bỏ, và dữ liệu cho thấy quan hệ ngược chiều khi kiểm soát các biến khác. Đây là phát hiện đáng bàn ở chương 5, không phải lỗi cần giấu.
Bảng kiểm tra nhanh khi gặp hệ số ngược dấu
| Dấu hiệu | Nguyên nhân có khả năng | Việc cần làm |
|---|---|---|
| Một câu trong thang tương quan âm với các câu khác; alpha thấp | Chưa đảo câu đảo chiều | Đảo điểm, tính lại điểm trung bình và chạy lại |
| r giữa hai biến độc lập > 0,8; VIF cao; hệ số đổi khi bớt vài phiếu | Đa cộng tuyến | Kiểm tra HTMT; gộp hoặc bỏ một khái niệm nếu lý thuyết cho phép |
| r dương, B âm, có biến khác là kết quả của biến này theo lý thuyết | Triệt tiêu do biến trung gian | Vẽ lại mô hình với đường trung gian, kiểm định bằng bootstrap |
| B âm nhưng Sig. ≥ 0,05, khoảng tin cậy chứa 0 | Nhiễu ngẫu nhiên | Kết luận "không ủng hộ giả thuyết", không diễn giải dấu |
| B âm, Sig. < 0,05, đã loại trừ các lỗi trên | Quan hệ ngược chiều thật | Báo cáo trung thực, giải thích bằng bối cảnh ở chương 5 |
Những việc không được làm để "sửa" dấu
- Bỏ phiếu cho đến khi hệ số đổi dấu. Quy tắc lọc phiếu phải cố định trước và áp dụng cho mọi phiếu, xem cách lọc phiếu không hợp lệ.
- Đảo điểm một câu không phải câu đảo chiều chỉ vì nó làm hệ số đẹp hơn.
- Đổi giả thuyết từ "cùng chiều" thành "ngược chiều" sau khi đã thấy kết quả.
- Báo cáo hồi quy đơn thay cho hồi quy bội mà không nói rõ.
- Bỏ biến độc lập ra khỏi mô hình mà không có lý do lý thuyết và không ghi lại.
Viết vào chương 4 và chương 5 thế nào?
Chương 4 (khi hệ số âm không có ý nghĩa): "Chất lượng cảm nhận có hệ số hồi quy âm nhưng không có ý nghĩa thống kê (B = −0,249; β = −0,177; p = 0,061; KTC 95%: −0,509 đến 0,012), vì vậy giả thuyết H4 không được ủng hộ. Tương quan đơn giữa chất lượng cảm nhận và lòng trung thành là dương (r = 0,444; p < 0,001)."
Chương 5: "Kết quả không có nghĩa chất lượng cảm nhận không quan trọng. Khi kiểm soát sự hài lòng, tác động trực tiếp của chất lượng cảm nhận tới lòng trung thành không còn; tác động gián tiếp qua sự hài lòng có ý nghĩa (0,295; KTC bootstrap 95%: 0,153 đến 0,452). Điều này phù hợp với mô hình ECSI, trong đó chất lượng tác động tới lòng trung thành thông qua sự hài lòng."
Hội đồng thường hỏi đúng câu "sao tương quan dương mà hồi quy âm?". Trả lời bằng ba ý: r và B đo hai điều khác nhau; đã kiểm tra mã hoá và đa cộng tuyến; tác động đi qua biến trung gian. Các câu hỏi phản biện khác có ở bài hội đồng hỏi gì về phần khảo sát.
Câu hỏi thường gặp
Hệ số Beta âm có phải là sai không?
Không. Beta âm chỉ nghĩa là khi các biến khác giữ nguyên, X tăng thì Y giảm. Nó chỉ là vấn đề khi trái lý thuyết, và khi đó cần kiểm tra bốn nguyên nhân ở trên trước khi kết luận.
VIF dưới 5 thì có thể bỏ qua đa cộng tuyến không?
Không hẳn. Ví dụ trên có VIF lớn nhất 3,45 mà hệ số vẫn ngược dấu. VIF thấp loại trừ đa cộng tuyến nghiêm trọng, không loại trừ hiệu ứng triệt tiêu do trung gian.
Có nên dùng hồi quy đơn cho từng biến thay vì hồi quy bội?
Không, nếu giả thuyết của bạn là tác động khi kiểm soát các yếu tố khác. Hồi quy đơn cho mỗi biến bỏ qua phần trùng lặp giữa các biến độc lập và thường phóng đại tác động. Có thể báo cáo thêm bảng tương quan để người đọc thấy cả hai góc nhìn.
Chạy PLS-SEM thì có gặp hiện tượng này không?
Có. Hệ số đường dẫn trong PLS-SEM cũng là hệ số hồi quy riêng phần nên cũng có thể ngược dấu với tương quan. Cách xử lý giống hệt; xem bài PLS-SEM là gì.
Tài liệu tham khảo
- Conger, A. J. (1974). A revised definition for suppressor variables: A guide to their identification and interpretation. Educational and Psychological Measurement, 34(1), 35–46. https://doi.org/10.1177/001316447403400105
- MacKinnon, D. P., Krull, J. L., & Lockwood, C. M. (2000). Equivalence of the mediation, confounding and suppression effect. Prevention Science, 1(4), 173–181. https://doi.org/10.1023/A:1026595011371
- Tenenhaus, M., Esposito Vinzi, V., Chatelin, Y.-M., & Lauro, C. (2005). PLS path modeling. Computational Statistics & Data Analysis, 48(1), 159–205. https://doi.org/10.1016/j.csda.2004.03.005
- Revelle, W. Gói R psych, bộ dữ liệu bfi. https://CRAN.R-project.org/package=psych