Phân tích vai trò trung gian/đa trung gian trong mô hình đa biến - Lý thuyết và tình huống minh hoạ: Hành vi trì hoãn của nhân viên trong công việc

 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 67 
PHÂN TÍCH VAI TRÒ TRUNG GIAN/ĐA TRUNG GIAN 
TRONG MÔ HÌNH ĐA BIẾN - LÝ THUYẾT 
VÀ TÌNH HUỐNG MINH HOẠ: HÀNH VI TRÌ HOÃN 
CỦA NHÂN VIÊN TRONG CÔNG VIỆC 
Bạch Ngọc Hoàng Ánh*, Cao Quốc Việt** 
Title: Analysing the mediating 
and multi-mediating role in 
multivariate models - Theory and 
case study illustrating: The 
delaying behavior of employees 
at work. 
Từ khóa: Mối quan hệ trung 
gian, đa trung gian, phân tích đa 
biến 
Keywords: Mediating, multi-
mediating, analyzing 
multivariate models. 
Thông tin chung: 
Ngày nhận bài: 03/3/2019; 
Ngày nhận kết quả bình duyệt: 
18/3/2019; 
Ngày chấp nhận đăng bài: 
12/4/2019. 
Tác giả: 
* Trường Đại học Yersin Đà Lạt 
** Trường Đại học Kinh tế TP. Hồ 
Chí Minh 
Email: 
hoanganhbachngoc@yahoo.com 
TÓM TẮT 
Kiểm định vai trò trung gian/đa trung gian là bước quan 
trọng khi phân tích mô hình đa biến trong nghiên cứu hành 
vi. Thực tế nghiên cứu cho thấy, các biến ngoại sinh và nội 
sinh quan hệ chồng chéo qua các biến trung gian là hiện 
tượng tồn tại phổ biến trong nghiên cứu hành vi liên quan 
đến kinh doanh và quản trị. Để kiểm định được vai trò trung 
gian/đa trung gian các nhà nghiên cứu cần xác định chiến 
lược phân tích một cách hệ thống, có căn cứ trên nền tảng lý 
thuyết vững chắc. Sau đó, việc xác định loại hình trung gian 
và kỹ thuật kiểm định đóng vai trò quan trọng trong việc đánh 
giá kết quả nghiên cứu. Bài viết này nhằm mục đích tổng hợp 
nền tảng lý thuyết về kiểm định mối quan hệ trung gian. Đi 
kèm với lý thuyết là tình huống nghiên cứu minh hoạ về hành 
vi trì hoãn của nhân viên trong công việc. Các phân tích của 
tình huống dựa trên nền tảng PLS - SEM với sự hỗ trợ của 
phần mềm Smart PLS phiên bản 3.2.81 
ABSTRACT 
Mediating and multi-mediating role testing is an 
important step when analyzing multivariate models in 
behavioral research. In many previous studies, the situation in 
which exogenous and endogenous variables have overlapping 
relationships through intermediate variables is common in 
business-related behavioral research. In order to test the 
mediating/ multi-mediating role of variables in research 
model, researchers need to determine the analytical strategy 
systematically, based on a solid theoretical foundation. Then, 
determining the type of intermediate effects plays an 
important role in evaluating research results. This paper aims 
to synthesize the theoretical foundation of intermediate 
relationship testing. Accompanying theory is case study 
illustrating the delaying behavior of employees at work. The 
analysis of the situation based on the PLS - SEM platform with 
the support of Smart PLS software version 3.2.8 
1 Nhóm tác giả chân thành cảm ơn Giáo sư Ringle M Christian - Nhà sáng lập phần mềm Smart PLS, 
Giáo sư Đại học Công nghệ Hamburg (Đức) đã tài trợ gói phần mềm mới nhất để thực hành kiểm định 
tình huống minh họa trong bài viết này. 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 68 
1. Giới thiệu 
Những năm vừa qua, kiểm định vai trò 
trung giăn/đă trung gian của các khái niệm 
trong mô hình nghiên cứu đă biến đã trở 
nên phổ biến trong nghiên cứu hành vi và 
các lĩnh vực thuộc quản trị, kinh doănh. Đặc 
biệt, khi mô hình nghiên cứu phức tạp có 
nhiều mối quan hệ chồng chéo giữa các biến 
độc lập và phụ thuộc qua nhiều biến khái 
niệm đóng văi trò trung giăn, nhà nghiên 
cứu cần một kỹ thuật phân tích phổ biến, 
được chấp nhận rộng rãi trong cộng đồng 
khoa học và có độ tin cậy cao. 
Khi kiểm định mô hình đă biến, kỹ 
thuật mô hình phương trình cấu trúc bình 
phương bé nhất riêng phần (partial least 
squares structural equation modelling) 
được các học giả sử dụng rất rộng rãi. Đặc 
biệt, khi có sự hiện diện của các biến trung 
giăn/đă trung giăn trong mô hình, kỹ thuật 
kiểm định này càng được nhiều tác giả sử 
dụng. Ví dụ, trong lĩnh vực marketing và 
hành vi người tiêu dùng (Thiruvattal, 2017; 
Rodriguez-Rad & Ramos-Hidalgo, 2018;), 
chiến lược và quản trị nói chung (Hauff, 
Alewell & Hansen, 2018; Cepeda-Carrion, 
Cegarra-Navarro & Cillo, 2019;), hệ thống 
thông tin (Pratono, 2018), khởi nghiệp 
(Spender, Corvello, Grimaldi & Rippa, 2017; 
Pittino, Barroso Martínez, Chirico & 
Sanguino Galván, 2018), nhân sự (Anasori, 
Bayighomog & Tanova, 2019; Sanz-Valle & 
Jiménez-Jiménez, 2018), kế toán (Nitzl, 
2016; Nitzl, 2018), tài chính (Ramli, Latan, 
& Nartea, 2018; Ramli, Latan & Solovida, 
2019); du lịch (Henseler, Müller & 
Schuberth, 2018; Ali, Rasoolimanesh, 
Sarstedt, Ringle & Ryu, 2018). 
Để thấu hiểu và áp dụng được kỹ thuật 
kiểm định, trước tiên cần hiểu về lý thuyết 
các mối quan hệ trung giăn/đă trung giăn 
trong mô hình nghiên cứu đă biến. 
2 Mô hình phân tích đa biến sử dụng tên gọi biến 
ngoại sinh thay cho biến độc lập và biến nội sinh 
thay cho biến phụ thuộc. Ý nghĩa ở đây là một sự 
2. Lý thuyết về mối quan hệ trung 
gian/đa trung gian 
Một quan hệ trung gian xảy ra khi một 
biến thứ ba xen giữa hai biến khác. Hair Jr, 
Hult, Ringle & Sartedt (2016) tổng kết rằng 
khi có một sự thăy đổi về biến ngoại sinh2 
dẫn đến sự thăy đổi biến trung giăn, său đó, 
nó làm thăy đổi biến nội sinh trong mô hình 
cấu trúc. Về mặt lý thuyết, biến trung gian 
chi phối bản chất của mối quan hệ giữa hai 
biến. Nhóm tác giả cũng cho rằng, một lý 
thuyết hỗ trợ mạnh là yêu cầu cốt lõi để giải 
thích cho tác động trung gian một cách đầy 
đủ ý nghĩă. Khi có sự hỗ trợ về mặt lý thuyết, 
tác động trung gian có thể trở thành một 
phân tích thống kê hữu ích nếu thực hiện 
một cách đúng đắn. 
Mô hình nghiên cứu có biến trung giăn 
nghie n cứu mói quăn he ̣ trực tiép vă giắn 
tiép. Tắc đo ̣ ng trực tiép giữa hai biến thẻ 
hie ̣n mối quan hệ nhân quả giữa hai biến với 
mũi tên 1 chiều. Tác động gián tiếp là những 
mối quan hệ có liên quăn đến một chuỗi mối 
quan hệ với ít nhất một biến có liên quan 
xen vào giữa. Vì thế, tác động gián tiếp là 
một chuỗi của 2 hay nhiều tác động trực tiếp 
và được thể hiện bằng nhiều mũi tên. Ví dụ, 
trong mối quan hệ Y1 →Y2 →Y3 thì ρ3 đại 
diện cho tác động trực tiếp giữa Y2 và Y3 và 
tác động gián tiếp (của Y1 lên Y3). Gọi Y2 là 
biến trung giăn và tác động gián tiếp (ρ1. ρ2 
) thể hiện tác động trung gian của biến Y2 
lên mối quan hệ giữa Y1 và Y3. 
Hair Jr và cộng sự (2016) minh hoạ một 
ví dụ liên quăn đến biến trung gian theo 
Hình 1 bên dưới. Ví dụ nă y thẻ hie ̣n mối 
quan hệ giữa nhiệt độ nước biển và số 
lượng sự cố (vd., người bơi cần được cứu 
nguy). Giả thuyết (H1) được các tác giả phát 
biểu: Khi nhiệt độ nước biển (Y1) càng tăng 
lên thì sự cố (người bơi cần được cứu nguy) 
càng giảm (Y3). 
thay đổi ở biến ngoại sinh dẫn đến sự thay đổi của 
biến nội sinh. Như vậy, có thể hiểu biến nội sinh là 
biến kết quả và biến ngoại sinh là biến nguyên nhân 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 69 
Lý do đằng sau giả thuyết trên là nhiệt 
độ cơ thể sụt giảm nhănh hơn nhiệt độ của 
nước, và do đó nó làm kiệt sức người bơi 
nhanh chóng. Vì vậy, họ rất có khả năng 
đánh giá săi cơ hội bơi ră biển và quay lại 
một cách ăn toàn. Do đó, giả thuyết H1 giả 
định rằng ít nguy hiểm hơn khi bơi ở nước 
ấm. Nhiều thành phố ven biển và các tổ chức 
cứu hộ có sẵn dữ liệu thực nghiệm hàng 
ngày về nhiệt độ nước biển và các sự cố bơi 
lội trong nhiều năm. Tuy nhiên, khi sử dụng 
dữ liệu này và ước lượng mối quan hệ (mối 
tương quan giữa nhiệt độ nước biển và số 
lượng sự cố) thì có cả kết quả xảy ra cùng 
chiều có ý nghĩa thống kê và không ý 
nghĩa thống kê đối với mối quan hệ Y1 Y3 
này nói chung. Bằng chứng này cho thấy 
rằng việc bơi lội trong nước ấm có khẳ nă ng 
nguy hiểm hơn. Két quẳ nă y dường như có 
vài điều gì đó khiến chúng tă chưă hiểu sâu 
sắc về mô hình. 
Hi nh 1: Mo hi nh bién trung giăn đơn 
giẳn (Nguồn: Hair và cộng sự (2016)) 
Sự phát hiện này nhắc nhở nhà nghiên 
cứu rằng, việc phân tích dữ liệu một cách 
đơn giản có thể dẫn tới sự sai lệch và kết 
luận sai. Giả thuyết và biện luận logic căn cứ 
trên lý thuyết là những yêu cầu chính khi áp 
dụng kỹ thuật phân tích đă biến. Hair Jr và 
cộng sự (2016) khuyên rằng, khi kết quả 
nghiên cứu không khớp với giả thuyết và lý 
thuyết, các nhà nghiên cứu nên tìm cách giải 
thích dựa vào: (1) xem xét lại lý thuyết/khái 
niệm, (2) các vấn đề liên quăn đến dữ liệu, 
và/hoặc (3) đặc thù kỹ thuật củă phương 
pháp thống kê được sử dụng. 
Trong mô hình nghiên cứu đề xuất của 
Hair Jr và cộng sự (2016), mối quan hệ giữa 
nhiệt độ nước biển (Y1) và số lượng sự cố 
(Y3) sẽ có ý nghĩă hơn khi băo gồm số lượng 
người bơi tại bờ biển được chọn (khái niệm 
Y2). Cụ thể, khi nhiệt độ nước biển càng cao, 
sẽ càng có nhiều người bơi ở một bãi biển 
nào đó (H2). Và có thể, khi càng có nhiều 
người bơi, khả năng xảy ra sự cố người bơi 
cần được giải cứu cũng căo hơn (H3). 
Khi mối quan hệ nhân quả phức tạp 
trong Hình 1 được đánh giá, có khả năng nhà 
nghiên cứu kết luận rằng bơi lội trong vùng 
nước ấm hơn sẽ nguy hiểm hơn khi bơi trong 
vùng nước lạnh bởi vì hai mối quan hệ này 
đều mang dấu dương. Do đó, có thẻ kết hợp 
các mô hình mối quan hệ nhân quả đơn giản 
và phức tạp trong một mô hình trung gian 
như thể hiện trong Hình 1. Ngoài H1, H2 và H3, 
nhà nghiên cứu có thể đề xuất thêm giả 
thuyết H4 (liên quăn đến vai trò trung gian): 
Có mối quan hệ gián tiếp giữa nhiệt độ nước 
biển và số lượng các sự cố bất ngờ thông qua 
trung gian là số lượng người bơi. Trong mô 
hình trung gian này, số lượng người bơi đại 
diện cho một cơ chế thích hợp để giải thích 
mối quan hệ giữa nhiệt độ nước biển và số 
lượng các sự cố. Vì thế, tác động gián tiếp tích 
cực thông qua biến trung gian minh hoạ “thực 
sự” mối quan hệ giữa nhiệt độ nước biển và 
số lượng các sự cố. 
 Ví dụ này chỉ ra rằng kiểm định mô 
hình với biến trung gian là một lĩnh vực đầy 
thử thách. Ước lượng mối quan hệ nhân quả 
có thể không có tác động “thực sự” bởi vì 
một hiện tượng nhất định ảnh hưởng có hệ 
thống (biến trung gian) - không được giải 
thích trong mô hình. Nhiều mô hình đă biến 
băo hàm tác động trung giăn, nhưng cũng có 
những giả thuyết không rõ ràng và không 
được kiểm định (Hair, Sarstedt, Ringle và 
Số lượng 
người đi 
bơi (Y2) 
Số 
lượng sự 
cố (Y3) 
Nhiệt độ 
nước 
biển (Y1) 
ρ1 (+) ρ2 (+) 
Ρ3 (-) 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 70 
cộng sự, 2012). Chỉ khi khái niệm trung gian 
được đưă vào để giải thích theo lý thuyết và 
theo thử nghiệm thì bản chất của mối quan 
hệ nhân quả mới có thể được hiểu đầy đủ và 
chính xác. 
Các dạng tác động trung gian 
Baron & Kenny (1986) đã trình bày các 
cách tiếp cận để phân tích trung gian. Tuy 
nhiên, nhiều nghiên cứu gần đây đã chỉ ra 
các vấn đề về khái niệm và phương pháp với 
cách thức tiếp cận của Baron & Kenny 
(1986) (vd., Hayes, 2013). 
Zhao, Lynch, & Chen (2010) đã tổng 
hợp các nghiên cứu trước về phân tích 
trung gian và những chỉ dẫn áp dụng trong 
tương lăi. Các tác giả này đã mô tả 2 dạng 
tác động không qua trung gian. Ví dụ, khi 
xem xét chuỗi tác động Y1 →Y2 →Y3. 
- Trực tiếp không qua trung gian 
(Direct-only nonmediation): Tác động trực 
tiếp Y1 →Y3 có ý nghĩă thống kê nhưng 
không có tác động gián tiếp (1). 
- Không tác động không qua trung 
gian (No-effect nonmediation): Không có tác 
động trực tiếp và không có tác động gián 
tiếp (có ý nghĩă thống kê) (2). 
Ngoài ra, các tác giả còn xác định 3 dạng 
tác động trung gian: 
- Trung gian gián tiếp (Indirect-only 
mediation): Tác động gián tiếp Y1 →Y2 →Y3 
có ý nghĩă thống kê nhưng Y1 →Y3 không có 
tác động trực tiếp (3). 
- Trung gian cạnh tranh (Competitive 
mediation): Tác động gián tiếp Y1 →Y2 →Y3 
và trực tiếp Y1 →Y3 đều có ý nghĩă và ngược 
hướng (4). 
- Trung gian bổ sung (Complementary 
mediation): Tác động gián tiếp Y1 →Y2 →Y3 
và trực tiếp Y1 →Y3 đều có ý nghĩă và cùng 
hướng (5). 
3. Kiểm định tác động trung gian 
Kiểm định ý nghĩă củă các tác động 
trung giăn thường dựă trên phương pháp 
của Sobel (1982). Kiểm định Sobel so sánh 
mối quan hệ trực tiếp giữa biến độc lập và 
biến phụ thuộc với mối quan hệ gián tiếp 
giữa biến độc lập và biến phụ thuộc bao 
gồm biến trung gian. Tuy nhiên, kiểm định 
Sobel giả định một phân phối chuẩn, không 
phù hợp với phương pháp phi thăm số của 
PLS-SEM. Hơn nữa, các giả định tham số của 
kiểm định Sobel thường không chứa tác 
động gián tiếp (ρ1 . ρ2 ), bởi vì việc nhân hai 
hệ số phân phối chuẩn dẫn đến sự phân bố 
không chuẩn của kết quả của chúng. Ngoài 
ra, kiểm định Sobel đòi hỏi hệ số đường dẫn 
không được chuẩn hóă như là đầu vào cho 
các kiểm định và thiếu độ nhạy thống kê, 
đặc biệt là khi áp dụng cho các kích cỡ mẫu 
nhỏ. Vì những lý do này, các nghiên cứu đã 
loại bỏ kiểm định Sobel để đánh giá phân 
tích biến trung giăn, đặc biệt là trong các 
nghiên cứu PLS-SEM (vd., Klarner, Sarstedt, 
Hoeck, & Ringle, 2013; Sattler, Völckner, 
Riediger, & Ringle, 2010). 
Thay vì sử dụng kiểm định Sobel, các 
nhà nghiên cứu nên dùng kỹ thuật bootstrap 
phân phối mẫu để đánh giá tác động gián 
tiếp. Bootstrapping không có giả định về 
hình dạng sự phân phối của biến hoặc phân 
phối mẫu của dữ liệu thống kê và có thể được 
áp dụng cho các mẫu nhỏ với độ tin cậy nhiều 
hơn. Cách tiếp cận này phù hợp hoàn toàn 
với phương pháp PLS-SEM và được thực 
hiện trong phần mềm SmartPLS phiên bản 3 
theo hướng dẫn của Hair Jr, Hult, Ringle, & 
Sarstedt (2016). Ngoài ra, theo nhóm tác giả 
này, hiệu suất tác động gián tiếp qua 
bootstrăpping có độ nhạy thống kê căo hơn 
so với kiểm định Sobel. 
Kiểm định mô hình đo lường trong mô 
hình đa biến có vai trò của biến trung gian 
Sau khi thiết lập các mô hình đo lường 
có giá trị và độ tin cậy cho biến trung gian 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 71 
cũng như các biến tiềm ẩn nội sinh và ngoại 
sinh, nhà nghiên cứu phải xem xét tất cả các 
tiêu chí đánh giá mô hình cấu trúc. Ví dụ, 
phải đảm bảo rằng sự đă cộng tuyến không 
ở mức tới hạn, nếu không làm điều này có 
thể dẫn đến hệ số đường dẫn bị sai chệch. 
Do kết quả của sự đă cộng tuyến, tác động 
trực tiếp có thể trở nên không có ý nghĩă, 
cho thấy không có tác động trung gian ngay 
cả khi có mặt một tác động trung gian bổ 
sung. Tương tự, mức độ đă cộng tuyến cao 
có thể dẫn đến thăy đổi dấu không mong 
đợi, làm cho bất kỳ sự phân biệt nào giữa 
trung gian bổ sung và cạnh trănh đều trở 
nên vô ích. 
Phân tích tác động đa trung gian 
 Phân tích việc thiết lập mô hình như 
trên còn được gọi là phân tích tác động 
trung giăn đơn giản. Tuy nhiên, trong thực 
tiễn nghiên cứu, các biến ngoại sinh ảnh 
hưởng đến nhiều hơn một biến trung gian. 
Trong Hình 2, ρ3 đại diện cho tác động trực 
tiếp giữa biến ngoại sinh và nội sinh. Tác 
động gián tiếp cụ thể ... khi đối với biến trung gian thứ hai Y4, 
tác động gián tiếp cụ thể được cho bởi 
(ρ4.ρ5) Tổng tác động giắn tiép lă tổng của 
các tác động gián tiếp cụ thể (tức là, ρ1.ρ2 + 
ρ4.ρ5). Cuối cùng, tổng tác động của Y1 lên Y3 
là tổng củă tác động trực tiếp và tổng tác 
động gián tiếp (tức là, ρ3 + ρ1.ρ2 + ρ4.ρ5). 
Để kiểm định mô hình như trong Hình 
2, các nhà nghiên cứu có thể dựa trên chiến 
lược giản đơn chạy một loạt các phân tích 
trung giăn đơn giản, xử lý lần lượt các biến 
trung giăn được đề xuất. Tuy nhiên, 
Preăcher và Hăyes (2008) đã chỉ ra rằng cằn 
xem xét tất cả biến trung gian một cách 
đồng thời trong mô hình, nhà nghiên cứu sẽ 
có được một bức tranh hoàn chỉnh hơn về 
các cơ chế mà thông quă đó một biến ngoại 
sinh ảnh hưởng lên một biến nội sinh. 
Hi nh 2. Mo hi nh đă bién phức tặp- đă 
trung gian (Nguồn: Hair và cộng sự (2016)) 
Trong mô hình đă trung giăn, một tác 
động gián tiếp cụ thể có thể được hiểu là tác 
động gián tiếp của Y1 lên Y3 thông qua một 
biến trung gian nhất định, kiểm soát tất cả 
các biến trung giăn khác. Lưu ý rằng, tác 
động gián tiếp này khác với tác động mà 
chúng tă có được khi kiểm định nhiều biến 
trung gian riêng biệt trong phân tích trung 
giăn đơn giản. Trong trường hợp thứ hai, 
tác động gián tiếp có thể tăng lên đáng kể 
ngoại trừ trường hợp rất không chắc rằng 
tất cả các biến trung giăn khác không tương 
quan với biến trung giăn được xem xét. 
4. Tình huống minh hoạ: Hành vi trì 
hoãn của nhân viên trong công việc 
Giả sử chúng ta có mô hình nghiên cứu 
đề xuất như Hình 3 bên dưới. Trong Hình 3, 
các giả thuyết său đây được thiết lập: 
H1(-): Sự bất ổn trong công việc ảnh 
hưởng nghịch chiều đến sự gắn kết của nhân 
viên với công việc 
H2(-): Sự gắn kết với công việc có ảnh 
hưởng nghịch chiều đến sự trì hoãn trong 
công việc 
H3(+): Căng thẳng trong công việc có 
ảnh hưởng cùng chiều đến sự trì hoãn trong 
công việc 
Y2 
Y3 
Y4 
Y1 
ρ3 
ρ1 ρ2 
ρ4 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 72 
Hình 3. Mô hình nghiên cứu đề xuất 
H4(+): Sự bất ổn trong công việc có ảnh 
hưởng cùng chiều đến sự trì hoãn trong công việc 
H5(+): Căng thẳng trong công việc có 
ảnh hưởng cùng chiều đến sự bất ổn trong 
công việc 
H6(-): Căng thẳng trong công việc có 
ảnh hưởng nghịch chiều đến sự gắn kết của 
nhân viên với công việc 
H7(+): Sự bất ổn trong công việc ảnh 
hưởng cùng chiều một cách gián tiếp thông 
qua sự gắn kết đến sự trì hoãn trong công việc 
H8(+): Sự căng thẳng trong trong việc 
ảnh hưởng cùng chiều một cách gián tiếp 
thông qua sự bất ổn và sự gắn kết đến sự trì 
hoãn trong công việc 
3 Liên hệ tác giả bài viết này để tham khảo các 
thang đo và bảng câu hỏi 
Muốn kiểm định hai giả thuyết H7 và 
H8, yêu cầu phải được thực hiện đó là đánh 
giá vai trò trung gian của các biến được đề 
cập trong mô hình. 
Trong mô hình nghiên cứu đề xuất trên, 
thăng đo sự trì hoãn là thăng đo đă hướng 
(gồm hai thành phần trốn việc và làm việc 
riêng trên mạng). Thăng đo sự gắn kết gồm 
ba thành phần (sự cống hiến, sự say mê và 
sự hăng hái) kế thừa từ thăng đo 9 biến 
quan sát của Schaufeli, Bakker, & Salanova 
(2006). Thăng đo căng thẳng trong công 
việc được lấy từ Schaubroeck, Cotton, & 
Jennings (1989). Cuối cùng thăng đo sự bất 
ổn của công việc được lấy từ Vander Elst, De 
Witte, & De Cuyper (2014)3. 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 73 
 Hình 4. Kết quả kiểm định mô hình cấu trúc - boostrap 5000 mẫu 
Sau khi chạy thống kê mô tả trên phần 
mềm SPSS, các thăng đo được đưă vào phân 
tích mô hình cấu trúc tuyến tính theo kỹ 
thuật PLS - SEM với phần mềm Smart PLS 
3.2.8. Các kết quả phân tích mô hình đo 
lường liên quăn như độ tin cậy Cronbach 
Alphă, độ tin cậy tổng hợp, AVE, HTMT và 
đă cộng tuyến đều được xem xét, đánh giá. 
Kết quả phân tích mô hình cấu trúc với 
boostrapping 5000 mẫu như Hình 4. 
Kết quả kiểm định các giả thuyết 
Bảng 1 cho thấy trong 6 giả thuyết đề 
xuất (H1 đến H6) thì chỉ có 3 giả thuyết được 
chấp nhận (H1, H4, H5). Còn lại 3 giả thuyết 
không được chấp nhận (H2, H3, H6) do 
không có bằng chứng thống kê để ủng hộ các 
mối quan hệ này. Rất đáng tiếc nếu nhà 
nghiên cứu không kiểm định thêm giả thuyết 
H7, H8 và vội vàng kết luận ngay các kết quả 
nghiên cứu và đưă ră hàm ý quản trị. 
Bảng 1. Kết quả kiểm định các giả thuyết 
Giả 
thuyết 
Mối quan hệ Trọng số 
Sai số 
chuẩn 
(STERR) 
Trị số T 
(|O/STERR|) 
Giá trị 
p 
Kết luận 
 H4(+) JI PW 0.351 0.056 6.250 0.000 Chấp nhận 
 H1(-) JI WEn -0.372 0.052 7.178 0.000 Chấp nhận 
 H5(+) Stress JI 0.403 0.046 8.827 0.000 Chấp nhận 
 H3(+) Stress PW 0.069 0.057 1.212 0.225 Bác bỏ 
 H6(-) Stress WEn -0.024 0.058 0.412 0.680 Bác bỏ 
H2(-) WEn PW -0.016 0.059 0.279 0.780 Bác bỏ 
Nguồn: Dữ liệu trích xuất từ phần mềm Smart PLS của nhóm tác giả 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 74 
Đánh giá tác động gián tiếp, kiểm định giả thuyết H7, H8 
Kết quả kiểm định H7, H8 được diễn giải và minh hoạ ở Bảng 2 bên dưới: 
Bảng 2. Phân tích ý nghĩă thống kê củă tác động trực tiếp và gián tiếp 
Tác 
động 
trực 
tiếp 
95% 
khoảng 
tin cậy 
của tác 
động 
trực 
tiếp 
t 
value 
Mức ý 
nghĩa 
(p<0.05)? 
Tác 
động 
gián 
tiếp 
95% 
khoảng 
tin cậy 
của tác 
động 
gián 
tiếp 
t 
value 
Mức ý 
nghĩa 
(p<0.05)? 
JI 
PW 
0.351 
[0.236, 
0.460] 
6.250 Có 0.006 
[0.007, 
0.143] 
0.276 Không 
Stress 
 PW 
0.069 
[-0.041, 
0.182] 
1.222 Không 0.144 
[0.152, 
0.293] 
5.191 Có 
 Nguồn: Dữ liệu tổng hợp từ các bảng tính của nhóm tác giả 
Trong giả thuyết H7, chúng tă có đề 
xuất: Sự bất ổn trong công việc (JI) ảnh 
hưởng cùng chiều một cách gián tiếp thông 
qua sự gắn kết đến sự trì hoãn trong công 
việc (PW). Bảng 2 cho thấy JI tác động trực 
tiếp đến PW (0.351, p < 0.05). Tuy nhiên tác 
động gián tiếp (0.006, p>0.05) cho thấy tác 
động gián tiếp không có ý nghĩă thống kê, 
hay nói cách khác, JI chỉ tác động trực tiếp 
đến PW và sự gắn kết không đóng văi trò 
trung gian trong mô hình. 
Đối với giả thuyết H8, chúng ta có phát 
biểu: Sự căng thẳng trong công việc (Stress) 
ảnh hưởng cùng chiều một cách gián tiếp 
thông qua sự bất ổn (JI) và sự gắn kết (WEn) 
đến sự trì hoãn trong công việc (PW). Kết 
quả kiểm định cho thấy Stress không tác 
động trực tiếp đến PW (0.069, p>0.05), 
nhưng tác động gián tiếp lại có ý nghĩă 
thống kê (0.144, p < 0.05). Nói cách khác, JI 
và WEn đóng văi trò trung giăn toàn phần 
trong mối quan hệ giữa Stress và PW. Kết 
quả này cho thấy nhà nghiên cứu sẽ kết luận 
căng thẳng trong công việc không tác động 
đến sự trì hoãn của nhân viên khi họ thực 
hiện công việc. Về mặt logic của lý thuyết 
hành vi, có điều gì đó chưă ổn nếu căn cứ 
trên bằng chứng nghiên cứu và đưă ră kết 
luận. Khi nhân viên cảm thấy căng thẳng 
trong công việc, họ sẽ trì hoãn công việc họ 
đăng làm, trong thời gian trì hoãn họ sẽ 
dành thời gian cho các hoạt động bên ngoài 
công việc phổ biến khác như lên mạng lướt 
Făcebook, đọc tin tức trực tuyến hay mua 
sắm trực tuyến trong giờ làm việc. H8 được 
chấp nhận cho thấy có một cơ chế trung 
gian toàn phần theo phân tích lý thuyết 
kiểm định ở phần đầu. 
5. Kết luận và đề xuất 
Kết quả đánh giá ở trên cho thấy vai trò 
rất quan trọng của biến trung gian. Nhà 
nghiên cứu không chú ý đến biến trung gian 
có thể đưă ră một kết luận sai lệch khi chỉ 
dựa trên giả thuyết về tác động trực tiếp. 
Kết quả kiểm định tác động gián tiếp và vai 
trò của biến trung gian có thể hỗ trợ tốt và 
giải thích được một cách thấu đáo các mối 
quan hệ. Chính vì vậy, việc thực hành và 
kiểm định nhiều mo hi nh có bién trung giăn 
từ đơn giản đến phức tạp góp phần ý nghĩă 
trong việc đào tạo và nghiên cứu. Hayes 
(2013) giới thiệu hơn 70 mô hình có biến 
trung gian kết hợp cả văi trò điều tiết trong 
mô hình. Trong tương lăi, nhà nghiên cứu 
nên cập nhật các phương pháp kiểm định để 
thực hiện các công trình nghiên cứu khoa 
học của mình. 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 75 
TÀI LIỆU THAM KHẢO 
Ali, F., Rasoolimanesh, S. M., Sarstedt, M., 
Ringle, C. M., & Ryu, K. (2018). An 
assessment of the use of partial least 
squares structural equation modeling 
(PLS-SEM) in hospitality research. 
International Journal of Contemporary 
Hospitality Management, 30(1), 514–
538. https://doi.org/10.1108/IJCHM-
10-2016-0568 
Anasori, E., Bayighomog, S. W., & Tanova, C. 
(2019). Workplace bullying , 
psychological distress , resilience , 
mindfulness , and emotional exhaustion. 
The Service Industries Journal, 0(0), 1–25. 
https://doi.org/10.1080/02642069.20
19.1589456 
Baron, R. M., & Kenny, D. A. (1986). The 
moderator–mediator variable distinction 
in social psychological research: 
Conceptual, strategic, and statistical 
considerations. Journal of Personality and 
Social Psychology, 51(6), 1173–1182. 
https://doi.org/10.1037/0022-3514.51.6.1173 
Cepeda-Carrion, G., Cegarra-Navarro, J. G., & 
Cillo, V. (2019). Tips to use partial least 
squares structural equation modelling (PLS-
SEM) in knowledge management. Journal of 
Knowledge Management, 23(1), 67–89. 
https://doi.org/10.1108/JKM-05-2018-0322 
Hair Jr, Joseph F., Hult, G. T. M., Ringle, C. M., 
& Sartedt, M. (2016). A Primer on Partial 
Least Squares Structural Equation 
Modeling (PLS-SEM) (2nd ed.). Los 
Angeles: SAGE Publications Ltd. 
Hauff, S., Alewell, D., & Hansen, N. K. (2018). 
Further exploring the links between high-
performance work practices and firm 
performance: A multiple-mediation model 
in the German context. German Journal of 
Human Resource Management, 32(1), 5–
26.https://doi.org/10.1177/2397002217728251 
Hayes, A. F. (2013). Introduction to Mediation, 
Moderation, and Conditional Process 
Analysis: A Regression-Based Approach. 
New York: Guilford Publications. 
Retrieved from 
www.guilford.com/ebooks 
Henseler, J., Müller, T., & Schuberth, F. 
(2018). Chapter 2 New Guidelines for 
the Use of PLS Path Modeling in 
Hospitality, Travel, and Tourism 
Research. In Applying Partial Least 
Squares in Tourism and Hospitality 
Research (pp. 17–33). Emerald 
Publishing Limited. 
https://doi.org/10.1108/978-1-78756-
699-620181002 
Klarner, P., Sarstedt, M., Hoeck, M., & Ringle, 
C. M. (2013). Disentangling the effects of 
team competences, team adaptability, and 
client communication on the performance 
of management consulting teams. Long 
Range Planning, 46(3), 258–286. 
https://doi.org/10.1016/j.lrp.2013.03.001 
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 
Nitzl, C. (2016). The use of partial least 
squares structural equation modelling 
(PLS-SEM) in management accounting 
research: Directions for future theory 
development. Journal of Accounting 
Literature, 37, 19–35. 
https://doi.org/10.1016/j.acclit.2016.09.003 
Nitzl, C. (2018). Management Accounting 
and Partial Least Squares-Structural 
Equation Modelling (PLS-SEM): Some 
Illustrative Examples (Vol. 267). 
https://doi.org/10.1007/978-3-319-71691-6 
 TẠP CHÍ KHOA HỌC YERSIN 
Tập 04 (4/2019) 76 
Nitzl, C., Roldan, J. L., & Cepeda, G. (2016). 
Mediation analysis in partial least squares 
path modeling. Industrial Management & 
Data Systems, 116(9), 1849–1864. 
https://doi.org/10.1108/IMDS-07-2015-0302 
Pittino, D., Barroso Martínez, A., Chirico, F., 
& Sanguino Galván, R. (2018). 
Psychological ownership, knowledge 
sharing and entrepreneurial orientation 
in family firms: The moderating role of 
governance heterogeneity. Journal of 
Business Research, 84, 312–326. 
https://doi.org/10.1016/j.jbusres.2017.08.014 
Pratono, A. H. (2018). From social network 
to firm performance. Management 
Research Review, 41(6), 680–700. 
https://doi.org/10.1108/MRR-03-2017-0080 
Preacher, K. J., & Hayes, A. F. (2008). 
Asymptotic and resampling strategies 
for assessing and comparing indirect 
effects in multiple mediator models. 
Behavior Research Methods, 40(3), 879–891. 
https://doi.org/10.3758/BRM.40.3.879 
Ramli, N. A., Latan, H., & Nartea, G. V. (2018). 
Why Should PLS-SEM Be Used Rather 
Than Regression? Evidence from the Capital 
Structure Perspective (pp. 171–209). 
https://doi.org/10.1007/978-3-319-71691-6_6 
Ramli, N. A., Latan, H., & Solovida, G. T. 
(2019). Determinants of capital 
structure and firm financial 
performance—A PLS-SEM approach: 
Evidence from Malaysia and Indonesia. 
The Quarterly Review of Economics and 
Finance, 71(July), 148–160. 
https://doi.org/10.1016/j.qref.2018.07.001 
Rodriguez-Rad, C. J., & Ramos-Hidalgo, E. 
(2018). Spirituality, consumer ethics, 
and sustainability: the mediating role of 
moral identity. Journal of Consumer 
Marketing, 35(1), 51–63. 
https://doi.org/10.1108/JCM-12-2016-2035 
Sanz-Valle, R., & Jiménez-Jiménez, D. 
(2018). HRM and product innovation: 
does innovative work behaviour 
mediate that relationship? Management 
Decision, 56(6), 1417–1429. 
https://doi.org/10.1108/MD-04-2017-0404 
Sattler, H., Völckner, F., Riediger, C., & 
Ringle, C. M. (2010). The impact of brand 
extension success drivers on brand 
extension price premiums. International 
Journal of Research in Marketing, 27(4), 319–328. 
https://doi.org/10.1016/j.ijresmar.2010.08.005 
Schaubroeck, J., Cotton, J. L., & Jennings, K. 
R. (1989). Antecedents and consequences 
of role stress : A covăriănce structure 
analysis. Journal of Organizational 
Behavior, 10, 35–58. Retrieved from 
https://www.jstor.org/stable/2488265
?seq=1#page_scan_tab_contents 
Schaufeli, W. B., Bakker, A. B., & Salanova, M. 
(2006). The measurement of work 
engagement with a short questionnaire: 
A cross-national study. Educational and 
Psychological Measurement, 66(4), 701–716. 
https://doi.org/10.1177/0013164405282471 
Spender, J.-C., Corvello, V., Grimaldi, M., & 
Rippa, P. (2017). Startups and open 
innovation: a review of the literature. 
European Journal of Innovation 
Management, 20(1), 4–30. 
https://doi.org/10.1108/EJIM-12-2015-0131 
Thiruvattal, E. (2017). Impact of value co-
creătion on logistics customers’ loyălty. 
Journal of Global Operations and 
Strategic Sourcing, 10(3), 334–361. 
https://doi.org/10.1108/JGOSS-11-2016-0034 
Vander Elst, T., De Witte, H., & De Cuyper, N. 
(2014). The Job Insecurity Scale: A psychometric 
evaluation across five European countries. 
European Journal of Work and Organizational 
Psychology, 23(3), 364–380. 
https://doi.org/10.1080/1359432X.2012.745989 
Zhao, X., Lynch, J. G., & Chen, Q. (2010). 
Reconsidering Baron and Kenny: Myths and 
Truths about Mediation Analysis. Journal of 
Consumer Research, 37(2), 197–206. 
https://doi.org/10.1086/651257