Mới Đặt phân tích định lượng theo đề tài của bạn, nhận báo giá miễn phí trong ngày →

Common Method Bias (sai lệch phương pháp chung) là phần biến thiên trong dữ liệu sinh ra do cách đo lường, chứ không phải do các khái niệm mà bạn muốn đo. Khi tất cả biến độc lập và phụ thuộc cùng được thu bằng một bảng hỏi tự đánh giá, tại một thời điểm, từ một người trả lời, các tương quan có thể bị thổi phồng hoặc làm lệch. Hội đồng và phản biện tạp chí vì vậy ngày càng yêu cầu bạn chứng minh vấn đề này đã được kiểm soát.

Common Method Bias: 5 cách phòng ngừa và kiểm định trên SPSS, AMOS
Common Method Bias: 5 cách phòng ngừa và kiểm định trên SPSS, AMOS

Bài viết giải thích nguồn gốc của Common Method Bias, các biện pháp phòng ngừa thủ tục theo Podsakoff và cộng sự (2003), cách chạy kiểm định Harman một nhân tố trên SPSS và hạn chế của nó, kiểm định full collinearity VIF theo Kock (2015), kỹ thuật biến đánh dấu (marker variable) và nhân tố phương pháp chung (CLF) trên AMOS, kèm ví dụ và mẫu câu báo cáo.

Điểm chính của bài

  • Common Method Bias xuất hiện chủ yếu khi dữ liệu đến từ một nguồn, một thời điểm, một định dạng thang đo.
  • Phòng ngừa ở khâu thiết kế bảng hỏi quan trọng hơn mọi kiểm định thống kê sau khi thu dữ liệu.
  • Harman một nhân tố (nhân tố đầu tiên giải thích dưới 50% phương sai) dễ làm nhưng là kiểm định yếu.
  • Full collinearity VIF dưới 3,3 (Kock, 2015) là bằng chứng bổ sung phổ biến, nhất là với PLS-SEM.
  • Nên kết hợp ít nhất một biện pháp thủ tục và hai kỹ thuật thống kê khi báo cáo.
Nội dung bài viết
  1. Common Method Bias là gì?
  2. Khi nào cần kiểm tra Common Method Bias?
  3. Phòng ngừa Common Method Bias bằng thủ tục thiết kế
  4. Kiểm định Harman một nhân tố trên SPSS
  5. Full collinearity VIF theo Kock (2015)
  6. Kiểm soát Common Method Bias bằng marker variable và CLF
  7. Ví dụ đánh giá Common Method Bias trong luận văn
  8. Lỗi thường gặp khi xử lý Common Method Bias
  9. Checklist kiểm soát Common Method Bias
  10. Câu hỏi thường gặp về Common Method Bias
  11. Tài liệu tham khảo

Common Method Bias là gì?

Để hiểu Common Method Bias, hãy nhớ rằng mỗi điểm số đo được có thể tách thành ba phần: phần phản ánh khái niệm thật (trait), phần do phương pháp đo (method) và phần sai số ngẫu nhiên. Phương sai phương pháp chung (common method variance, CMV) là phần "method" được chia sẻ giữa nhiều biến. Khi CMV đủ lớn để làm lệch quan hệ ước lượng giữa các khái niệm, ta gọi đó là Common Method Bias.

\[ X_{quan\ sát} = T_{khái\ niệm} + M_{phương\ pháp} + E_{sai\ số} \]

Theo tổng quan của Podsakoff và cộng sự (2003), Common Method Bias có thể làm tương quan giữa hai biến tăng lên hoặc giảm xuống, tùy cách phương sai phương pháp và sai số đo lường tương tác. Vì vậy không thể giả định rằng nó luôn "có lợi" cho giả thuyết.

Nguồn gốc của Common Method Bias

  • Cùng một người trả lời. Xu hướng nhất quán, mong muốn trả lời theo chuẩn mực xã hội, tâm trạng tại thời điểm trả lời, thói quen luôn chọn "đồng ý".
  • Đặc điểm câu hỏi. Câu hỏi mơ hồ, câu hỏi kép, cùng thang đo và cùng nhãn điểm cho mọi biến.
  • Ngữ cảnh câu hỏi. Đặt biến độc lập ngay trước biến phụ thuộc, câu hỏi trước "gợi ý" câu trả lời sau.
  • Bối cảnh đo lường. Đo mọi biến cùng thời điểm, cùng địa điểm, cùng một phương tiện khảo sát.

Khi nào cần kiểm tra Common Method Bias?

Bạn gần như chắc chắn cần kiểm tra khi nghiên cứu dùng dữ liệu khảo sát cắt ngang, tự báo cáo, và các biến là nhận thức, thái độ, ý định. Đây là tình huống điển hình của luận văn ngành quản trị, marketing, giáo dục, du lịch. Nếu biến phụ thuộc lấy từ nguồn khác (doanh thu thực tế từ báo cáo tài chính, điểm thi từ phòng đào tạo), rủi ro thấp hơn nhiều.

Ngoài ra, với mô hình có biến trung gian hoặc điều tiết, Common Method Bias có thể ảnh hưởng đến hiệu ứng gián tiếp và hệ số tương tác. Khi chạy PLS-SEM trên SmartPLS hay SEM trên AMOS, phản biện thường hỏi ngay câu này ở phần phương pháp.

Phòng ngừa Common Method Bias bằng thủ tục thiết kế

Để giảm Common Method Bias, Podsakoff và cộng sự (2003) nhấn mạnh: biện pháp thủ tục (procedural remedies) nên đi trước biện pháp thống kê. Không kỹ thuật thống kê nào "chữa" được hoàn toàn dữ liệu đã thu sai cách. Các biện pháp sau áp dụng được ngay cả với luận văn có ngân sách và thời gian hạn chế.

  1. Tách nguồn đo. Lấy biến phụ thuộc từ nguồn khác, ví dụ nhân viên đánh giá phong cách lãnh đạo, còn quản lý đánh giá hiệu suất của nhân viên.
  2. Tách thời điểm. Thu biến độc lập ở đợt 1, biến phụ thuộc ở đợt 2 cách vài tuần, ghép phiếu bằng mã ẩn danh.
  3. Tách tâm lý. Chèn phần câu hỏi đệm hoặc lời dẫn để người trả lời không thấy mối liên hệ giữa các phần.
  4. Bảo đảm ẩn danh. Ghi rõ không có câu trả lời đúng hay sai, dữ liệu chỉ dùng cho mục đích học thuật.
  5. Cải thiện câu hỏi. Dùng từ ngữ đơn giản, tránh câu hỏi kép, thử nghiệm bảng hỏi với một nhóm nhỏ trước.
  6. Đa dạng định dạng thang đo. Kết hợp thang Likert 5 mức, 7 mức hoặc thang ngữ nghĩa với nhãn điểm khác nhau.

Các bước này cần được thực hiện ngay từ giai đoạn xây dựng công cụ. Bài thiết kế bảng hỏi hướng dẫn chi tiết cách viết câu hỏi và sắp xếp các khối nội dung.

Nên và không nên khi thiết kế bảng hỏi để giảm Common Method Bias
Các biện pháp thủ tục theo Podsakoff và cộng sự (2003) cần áp dụng trước khi thu dữ liệu.

Kiểm định Harman một nhân tố trên SPSS

Ý tưởng của kiểm định Harman đơn giản: nếu Common Method Bias chiếm ưu thế, khi gộp toàn bộ biến quan sát vào phân tích nhân tố, một nhân tố duy nhất sẽ giải thích phần lớn phương sai. Đây là kỹ thuật được dùng nhiều nhất trong luận văn Việt Nam vì chỉ cần SPSS.

  1. Mở hộp thoại. Vào Analyze > Dimension Reduction > Factor, đưa tất cả biến quan sát của mọi thang đo (cả độc lập, trung gian, phụ thuộc) vào ô Variables.
  2. Chọn phương pháp trích. Nhấp Extraction, chọn Principal components (hoặc Principal axis factoring), tại mục Extract chọn Fixed number of factors và nhập 1.
  3. Không xoay. Nhấp Rotation, chọn None.
  4. Đọc kết quả. Trong bảng Total Variance Explained, xem cột % of Variance tại phần Extraction Sums of Squared Loadings của nhân tố 1.

Cú pháp tương đương (giả sử các biến quan sát nằm liền nhau từ HQ1 đến YD4 trong file dữ liệu):

FACTOR
  /VARIABLES HQ1 TO YD4
  /MISSING LISTWISE
  /ANALYSIS HQ1 TO YD4
  /PRINT INITIAL EXTRACTION
  /CRITERIA FACTORS(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION NOROTATE
  /METHOD=CORRELATION.

Nếu tổng phương sai trích của nhân tố đầu tiên nhỏ hơn 50%, nhiều tác giả kết luận Common Method Bias không phải là vấn đề nghiêm trọng. Ngưỡng 50% là quy ước thực hành, không phải một kiểm định có phân phối xác định. Để ôn lại thao tác phân tích nhân tố, xem bài EFA trên SPSS.

Hạn chế của Harman khi đánh giá Common Method Bias

Podsakoff và cộng sự (2003) chỉ ra rằng kiểm định này không nhạy. Khi số biến quan sát nhiều, gần như không thể có một nhân tố giải thích quá 50%, ngay cả khi Common Method Bias tồn tại ở mức đáng kể. Kiểm định cũng không ước lượng được độ lớn của sai lệch và không điều chỉnh kết quả. Vì vậy, Harman chỉ nên là bằng chứng sơ bộ, kèm theo ít nhất một kỹ thuật khác.

Kết quả kiểm định Harman một nhân tố cho Common Method Bias trên SPSS, số liệu minh họa
Nhân tố đầu tiên giải thích 31,40% phương sai, dưới ngưỡng 50% (số liệu minh họa).

Full collinearity VIF theo Kock (2015)

Kock (2015) đề xuất đánh giá Common Method Bias qua đa cộng tuyến toàn phần: mỗi biến tiềm ẩn được hồi quy theo tất cả biến tiềm ẩn còn lại. Nếu có một nguồn phương sai chung mạnh, các biến sẽ cộng tuyến cao với nhau và VIF tăng. Ngưỡng đề xuất là mọi VIF đều nhỏ hơn hoặc bằng 3,3.

\[ VIF_j = \frac{1}{1 - R^2_j} \]

Trên SPSS, bạn có thể làm nhanh bằng một biến phụ thuộc ngẫu nhiên. Vì VIF chỉ phụ thuộc vào quan hệ giữa các biến dự báo, hồi quy một biến ngẫu nhiên theo tất cả biến tổng hợp cho ra đúng các giá trị \(VIF_j\) cần tìm:

SET SEED=1234.
COMPUTE RAND = RV.NORMAL(0,1).
EXECUTE.
REGRESSION
  /STATISTICS COEFF R ANOVA COLLIN TOL
  /DEPENDENT RAND
  /METHOD=ENTER HQ XH NT DD HL YD.

Các biến HQ, XH, NT, DD, HL, YD là điểm trung bình của từng thang đo, tạo bằng Transform > Compute Variable. Đọc cột VIF trong bảng Coefficients. Trên SmartPLS 4, cách làm tương tự: tạo một biến ngẫu nhiên, nối mọi cấu trúc tới nó rồi đọc Collinearity statistics (VIF) > Inner model. Khái niệm VIF được giải thích kỹ trong bài đa cộng tuyến.

Cấu trúc VIF (số liệu minh họa) So với 3,3
HQ 1,82 Đạt
XH 1,58 Đạt
NT 2,07 Đạt
DD 1,64 Đạt
HL 2,41 Đạt
YD 2,26 Đạt

Mẹo: Nhớ đưa cả biến phụ thuộc thật (YD) vào vế phải. Mục đích là kiểm tra cộng tuyến giữa tất cả các cấu trúc trong mô hình, không chỉ giữa các biến độc lập.

Kiểm soát Common Method Bias bằng marker variable và CLF

Hai kỹ thuật dưới đây không chỉ phát hiện mà còn cho phép ước lượng, thậm chí điều chỉnh mức độ Common Method Bias trong kết quả. Đổi lại, chúng đòi hỏi kế hoạch từ đầu hoặc thao tác mô hình phức tạp hơn.

Kỹ thuật biến đánh dấu (marker variable)

Biến đánh dấu là một thang đo được đưa vào bảng hỏi ngay từ đầu, không có quan hệ lý thuyết với các khái niệm chính nhưng chịu cùng điều kiện đo lường, ví dụ mức độ yêu thích một màu sắc. Tương quan nhỏ nhất giữa biến đánh dấu và các biến chính được xem là ước lượng của phương sai phương pháp. Sau đó, các tương quan được điều chỉnh theo công thức:

\[ r_{A} = \frac{r_{U} - r_{M}}{1 - r_{M}} \]

Trong đó \(r_U\) là tương quan chưa điều chỉnh, \(r_M\) là tương quan của biến đánh dấu. Nếu các tương quan quan trọng vẫn có ý nghĩa sau điều chỉnh, kết luận ít bị ảnh hưởng. Hạn chế lớn khi dùng kỹ thuật này để kiểm soát Common Method Bias: bạn phải lên kế hoạch từ trước, không thể bổ sung sau khi đã thu dữ liệu. Bài tương quan Pearson trên SPSS giúp bạn lấy ma trận tương quan cần thiết.

Nhân tố phương pháp chung (CLF) trên AMOS

Common latent factor là cách mô hình hóa trực tiếp Common Method Bias như một nhân tố tiềm ẩn ảnh hưởng đồng thời đến mọi biến quan sát. Quy trình trên AMOS gồm bốn bước.

  1. Chuẩn bị mô hình CFA. Dựng mô hình đo lường đầy đủ như trong bài CFA trên AMOS.
  2. Thêm nhân tố CLF. Vẽ một biến tiềm ẩn mới, nối mũi tên tới tất cả biến quan sát; cố định phương sai của CLF bằng 1, không cho tương quan với các nhân tố khác.
  3. Ràng buộc tải bằng nhau. Đặt cùng một nhãn (ví dụ "m") cho mọi đường từ CLF, để AMOS ước lượng một hệ số tải chung.
  4. So sánh. Chạy lại, so sánh hệ số tải chuẩn hóa có và không có CLF. Bình phương tải chung chuẩn hóa ước lượng tỷ lệ phương sai phương pháp.

Một quy tắc thực hành hay dùng: nếu chênh lệch tải chuẩn hóa của biến nào đó lớn hơn 0,20, biến đó chịu ảnh hưởng đáng kể và nên giữ CLF khi ước lượng mô hình cấu trúc. Đây là quy ước của người dùng, không phải ngưỡng chính thức. Podsakoff và cộng sự (2003) cũng lưu ý CLF không đo được có thể lẫn với phương sai khái niệm thật, nên diễn giải thận trọng.

Ví dụ đánh giá Common Method Bias trong luận văn

Ví dụ: Nghiên cứu về ý định mua sắm trực tuyến với 6 thang đo, 26 biến quan sát, 350 phiếu hợp lệ (số liệu minh họa). Người nghiên cứu đã tách bảng hỏi thành hai phần có lời dẫn riêng, bảo đảm ẩn danh và dùng thang 5 mức cho biến độc lập, thang 7 mức cho ý định.

Kiểm định Harman (số liệu minh họa): nhân tố đầu tiên có eigenvalue 8,164, giải thích 31,40% phương sai (8,164 / 26 = 0,314), thấp hơn ngưỡng 50%. Full collinearity VIF của sáu cấu trúc dao động từ 1,58 đến 2,41, đều dưới 3,3. Mô hình CLF cho tải chung chuẩn hóa 0,28, tức phương sai phương pháp ước lượng khoảng 7,8% (\(0{,}28^2 \approx 0{,}078\)); chênh lệch tải lớn nhất 0,09.

Kỹ thuật Kết quả (số liệu minh họa) Ngưỡng tham chiếu Kết luận
Harman một nhân tố 31,40% phương sai < 50% Đạt
Full collinearity VIF 1,58 - 2,41 \(\leq 3{,}3\) (Kock, 2015) Đạt
CLF trên AMOS CMV ≈ 7,8%; chênh lệch tải tối đa 0,09 Chênh lệch < 0,20 (quy ước) Đạt

Mẫu câu báo cáo Common Method Bias theo APA

"Để hạn chế sai lệch phương pháp chung, nghiên cứu áp dụng các biện pháp thủ tục theo Podsakoff và cộng sự (2003), gồm bảo đảm ẩn danh, tách tâm lý giữa các phần và dùng định dạng thang đo khác nhau. Kiểm định Harman cho thấy nhân tố đầu tiên giải thích 31,40% phương sai, dưới mức 50%. Các hệ số VIF toàn phần nằm trong khoảng 1,58 đến 2,41, thấp hơn ngưỡng 3,3 (Kock, 2015). Do đó, Common Method Bias không phải là mối đe dọa nghiêm trọng trong nghiên cứu này."

Đoạn này thường đặt ở cuối phần đánh giá thang đo trong chương 3 hoặc đầu chương 4 luận văn, trước khi trình bày mô hình cấu trúc.

So sánh các kỹ thuật kiểm định Common Method Bias và ngưỡng tham chiếu
Mỗi kỹ thuật có ưu và hạn chế riêng, nên kết hợp ít nhất hai kỹ thuật.

Lỗi thường gặp khi xử lý Common Method Bias

  • Chỉ báo cáo Harman và kết luận "không có sai lệch". Hãy viết "không phải mối đe dọa nghiêm trọng" và bổ sung kỹ thuật thứ hai.
  • Chạy Harman có xoay hoặc để SPSS tự chọn số nhân tố. Phải cố định 1 nhân tố và không xoay; nếu không, phần trăm của nhân tố đầu sẽ sai.
  • Chỉ đưa biến độc lập vào kiểm định. Cần đưa tất cả biến quan sát của mọi thang đo.
  • Nhầm full collinearity VIF với VIF hồi quy thông thường. VIF toàn phần phải bao gồm cả biến phụ thuộc.
  • Bỏ qua phòng ngừa thủ tục. Thiếu phần mô tả thiết kế bảng hỏi là điểm yếu dễ bị phản biện.

Lưu ý: Không xóa biến quan sát hoặc phiếu khảo sát chỉ để tỷ lệ Harman giảm xuống. Mọi thao tác làm sạch dữ liệu phải có tiêu chí rõ ràng và được báo cáo minh bạch.

Checklist kiểm soát Common Method Bias

  • Đã mô tả các biện pháp thủ tục phòng ngừa Common Method Bias trong phần phương pháp nghiên cứu.
  • Kiểm định Harman: cố định 1 nhân tố, không xoay, báo cáo % phương sai.
  • Full collinearity VIF cho tất cả cấu trúc, so với ngưỡng 3,3.
  • Nếu có thể: marker variable hoặc CLF, kèm diễn giải thận trọng.
  • Câu kết luận dùng từ ngữ chừng mực, có trích dẫn nguồn.

Câu hỏi thường gặp về Common Method Bias

Harman trên 50% thì phải làm gì?

Đừng vội kết luận có Common Method Bias. Hãy kiểm tra thêm bằng full collinearity VIF và CLF. Nếu các kỹ thuật này cũng cho thấy vấn đề, hãy giữ CLF khi ước lượng mô hình hoặc nêu rõ đây là giới hạn của nghiên cứu.

Dùng Principal components hay Principal axis factoring cho Harman?

Cả hai đều được dùng trong các nghiên cứu đã công bố. Điều quan trọng là ghi rõ phương pháp đã chọn, cố định một nhân tố và không xoay.

Ngưỡng VIF 3,3 hay 5?

Với mục đích phát hiện sai lệch phương pháp, Kock (2015) đề xuất 3,3. Ngưỡng 5 hay 10 dùng cho đa cộng tuyến thông thường trong hồi quy, không áp dụng cho trường hợp này.

Dữ liệu thứ cấp có cần kiểm tra Common Method Bias không?

Thường không, vì các biến lấy từ nguồn độc lập như báo cáo tài chính hay cơ sở dữ liệu quốc tế. Common Method Bias chủ yếu xảy ra với khảo sát tự báo cáo.

Có thể bổ sung marker variable sau khi đã thu dữ liệu không?

Không. Biến đánh dấu phải được đo cùng lúc với các biến chính. Nếu đã thu dữ liệu, hãy dùng Harman, full collinearity VIF và CLF.

Cần kiểm tra Common Method Bias cho luận văn?

Kaas.vn hướng dẫn qua dịch vụ phân tích dữ liệu, giải thích từng kỹ thuật và bàn giao file SPSS, AMOS để bạn tự chạy lại; bạn cũng có thể luyện tập với bộ dữ liệu thực hành. Chúng tôi không viết thay và không chỉnh số liệu.

Tài liệu tham khảo

  • Kock, N. (2015). Common method bias in PLS-SEM: A full collinearity assessment approach. International Journal of e-Collaboration, 11(4), 1-10. doi:10.4018/ijec.2015100101
  • Podsakoff, P. M., MacKenzie, S. B., Lee, J.-Y., & Podsakoff, N. P. (2003). Common method biases in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88(5), 879-903. doi:10.1037/0021-9010.88.5.879
Đánh giá bài post
Bạn có đề tài và mô hình riêng?

Gửi mô hình (ảnh, Word, PDF) và chọn SPSS, AMOS, SmartPLS, Stata, Eviews hoặc R. Kaas.vn đề xuất phương án và báo giá miễn phí.

Đặt phân tích theo yêu cầu

Để lại một bình luận

Email của bạn sẽ không được hiển thị công khai. Các trường bắt buộc được đánh dấu *

0947 971 630