Tài liệu hướng dẫn thống kê y học sử dụng SPSS - KHẢO SÁT YẾU TỐ TRUNG GIAN

Mô hình lập luận này rất thường được sử dụng trong những nghiên cứu sinh lý bệnh học, ví dụ ta có thể dùng nó để chứng minh: Một hoạt chất X kích thích hoặc ức chế quá trình tổng hợp 1 c

Tài liệu hướng dẫn

Lời mở đầu

Năm 2005 tôi đến Paris và bắt đầu chặng đường du học của mình Mùa đông đầu tiên lạnh đếnmức làm tôi co ro suốt ngày trong một góc phòng trọ Phần lớn thời gian tôi chỉ biết ôm cuốn sáchdược lý học phân tử và nghe nhạc Chopin như một thằng tự kỉ Kết quả là tôi bị ám ảnh bởi đủ loạireceptor, chất thông tin thứ cấp, inhibitor và stimulator…

Càng đọc nhiều tài liệu, tôi càng nhìn thấy con đường nghiên cứu y học dài vô tận Thầy tôi nói rằng

để vượt qua hố sâu giữa cơ chế bệnh sinh và hoạt chất điều trị có khi phải mất 10-20 năm và conđường đó là công trình của rất nhiều nhà khoa học, người thì đặt 1 viên sỏi nhỏ, người thì khuân 1tảng đá lớn, thế hệ sau tiếp bước thế hệ đi trước Trên con đường đó, có một câu hỏi luôn làm trăntrở người nghiên cứu sinh: Giữa viên đá này và viên đá kia là khoảng trống, cái gì có thể lấp đầykhoảng trống đó ?

Thấm thoát 10 năm trôi qua, hành trình của tôi đã rẽ bước khá xa so với mục tiêu ban đầu, nhưngcâu hỏi đó vẫn còn nằm trong đầu tôi Trí tưởng tượng và giả thuyết có thể đặt ra là vô hạn; nhưng

để chứng minh giả thuyết bằng thống kê đôi khi rất nan giải Có lần tôi đã mô tả sức mạnh của môhình hồi quy, hệ số tương quan, nhưng đa số trường hợp chúng không cho phép kết luận điều gìmang tính nhân quả cả

Một phương pháp thống kê cho phép bạn trả lời câu hỏi : Cái gì ? Tại sao ? … thực sự thú vị Tài liệunày sẽ giới thiệu về một phương pháp như vậy Hy vọng tài liệu này sẽ giải phóng trí tưởng tượngcủa các bạn mỗi khi bắt tay vào phân tích số liệu và làm kết quả của bạn vượt ra khỏi phân tíchtương quan thông thường

Như thường lệ, bác sĩ Khả Nhi sẽ giúp các bạn nhìn mọi thứ một cách đơn giản tối đa

Chúc các bạn thành công

2

Quy ước trình bày

Trong tài liệu này chúng ta sẽ làm quen với 3 nhân vật

Bác sĩ Nguyễn Văn Thái

Bác sĩ Thái là một cao thủ thống kê y học trên giang hồ Anh ta sẽ xuấthiện trước mọi vấn đề khó khăn, nhằm đưa ra câu trả lời chính xác và

ôn lại cho bạn những kiến thức cơ bản cũng như chuyên sâu về lýthuyết thống kê Tuy nhiên BS Thái lại rất bận rộn nên không đủ thờigian đi vào cách thực hiện chi tiết Anh ta cũng hay trình bày lý thuyếtthuần túy và sử dụng nhiều công thức toán học nên không mấy gần gũivới sinh viên và gây không ít trở ngại cho các bạn vốn dị ứng với thống

kê …

Bác sĩ Lê Ngọc Khả Nhi

Khả Nhi là một nữ bác sĩ trẻ dễ thương và sử dụng thànhthạo SPSS Như tên gọi của mình, BS Nhi có tính cách hồnnhiên và ngây thơ như trẻ con, vì vậy cô ấy luôn có khuynhhướng đơn giản hóa tối đa mọi vấn đề Khả Nhi sẽ hướngdẫn các bạn sử dụng SPSS qua từng bước cụ thể, chia sẻnhững mẹo vặt, thủ thuật để giúp các bạn đi đến kết quảnhanh và dễ dàng nhất

Sinh viên Trần Quốc Bảo

Bảo là sinh viên y khoa năm thứ sáu và bắt đầu làm quen với nghiêncứu khoa học Đây là một cậu sinh viên rất tò mò và luôn đặt ranhiều câu hỏi liên quan đến thống kê Mặc dù những đế tài do Bảothực hiện còn đơn giản, nhưng đồng hành với cậu ta, các bạn có cơhội tích lũy cho mình nhiều kinh nghiệm trong công việc phân tích

số liệu và thiết kế nghiên cứu

3

Trong bệnh lý xơ phổi, cấu trúc phế nang maomạch bị thay đổi bởi hiện tượng viêm, xơ hóa vàlàm giảm khả năng trao đổi khí, dẫn đến tình trạngsuy hô hấp mạn tính.

Một bác sĩ muốn thử nghiệm một phương phápthăm dò chức năng hô hấp mới gọi là kỹ thuật đokhuếch tán đôi Kỹ thuật này cho phép đo cùng lúc

hệ số khuếch tán của 2 loại khí là CO và NO, sau đódựa vào TLNO,TLCO để ước tính thông số Dm hay

độ dẫn xuất của màng phế nang mao mạch Dmcho phép đánh giá tổng quát đặc tính vật lý củamàng phế nang mao mạch như độ dày, diện tíchkhả dụng, từ đó biết được phẩm chất của lớp màngnày có bị suy giảm hay không Dm càng giảm thìkhả năng trao đổi khí từ phế nang vào mao mạchphổi càng kém

Sau khi đo Dm ở 14 bệnh nhân xơ phổi, bác sĩ nàycho các bệnh nhân thực hiện nghiệm pháp gắngsức hô hấp-tim mạch Bệnh nhân được đo lưulượng O2 và CO2 trong khí thở, kết hợp với phântích khí máu động mạch và đo độ bão hòa O2(SpO2) Nghiệm pháp gắng sức cho ra rất nhiềuthông số, giúp đánh giá đồng bộ chức năng hô hấp,tim mạch để thích nghi với điều kiện tăng nhu cầutrao đổi chất của cơ thể

Anh bác sĩ muốn chứng minh một số giả thuyếtsinh lý học có yếu tố nhân quả giữa tính chất màngphế nang mao mạch (nguyên nhân) và mức độ bãohòa oxy ngoại biên (hậu quả) Phân tích tươngquan thông thường không cho phép làm việc này.Chúng ta còn giải pháp nào khác không ?

Bảo thân mến, chúng ta có thể áp dụng phân tích yếu

tố trung gian (Mediator) Phương pháp này dựa trên lýthuyết về mô hình hồi quy tuyến tính đa biến …

1 1.1 Tình huống thí dụ

Mục đích của việc khảo sát yếu tố trung gian là để giải thích cơ

chế tác động của yếu tố X lên kết quả Y thông qua 1 yếu tố M:

Yếu tố X dẫn tới sự thay đổi của yếu tố M, từ đó M gây ra sự

thay đổi của yếu tố Y; hay X tác động lên Y thông qua M Nói

cách khác: M giữ vai trò trung gian trong quan hệ giữa X và Y

Mô hình lập luận này rất thường được sử dụng trong những

nghiên cứu sinh lý bệnh học, ví dụ ta có thể dùng nó để chứng

minh: Một hoạt chất X kích thích (hoặc ức chế) quá trình tổng

hợp 1 chất trung gian M, từ đó làm tăng/giảm đáp ứng sinh lý

Y nào đó

Trong thí dụ nghiên cứu chức năng trao đổi khí ở bệnh nhân

xơ phổi này, ta có thể đặt ra giả thuyết về một cơ chế sinh lý

như sau:

Độ dẫn xuất màng phế nang mao mạch (Dm) giảm có thể hạn

chế hiệu quả trao đổi khí giữa phế nang và tuần hoàn ngoại vi,

vốn được đánh giá bằng thông số (DA-aO2), từ đó gây ra hiện

tượng thiếu oxy máu ngoại biên (khảo sát bằng PaO2) khi

bệnh nhân thực hiện test gắng sức

Để chứng minh giả thuyết này, ta sẽ lập ra mô hình với 3 biến

số:

X = biến số độc lập hay yếu tố dự báo, là Dm: độ dẫn xuất của

màng phế nang mao mạch

Y= biến số phụ thuộc hay giá trị dự báo, là PaO2 max (ở điều

kiện gắng sức tối đa)

M= biến số trung gian, là chênh lệch áp suất của khí O2 giữa

phế nang và động mạch ; D(A-a)O2 (ở điều kiện cơ bản, nghỉ

tĩnh)

Y X

M

Y X

a b c’

Y X

M

X

Yếu tố trung gian Biến số độc lập Biến số phụ thuộc

Hiệu ứng gián tiếp (MY)

Hiệu ứng gián tiếp

(XM)

Hiệu ứng trực tiếp XY Hiệu ứng toàn thể của X  Y

1 1.2 Giới thiệu

Y X

c’

Y X

c

Y=bo+c*X Khảo sát hiệu ứng toàn thể Hệ số hồi quy c và R2Y,X

M = b’o+a*X Khảo sát hiệu ứng gián tiếp XM Hệ số hồi quy a và R2M,X

Y=b”o+c’*X+b*M Khảo sát hiệu ứng gián tiếp MY

và hiệu ứng trực tiếp XY

Hệ số hồi quy c’, b và

R2Y,MX

1 Phân tích hồi quy dựa vào 3 mô hình

2 Khảo sát hiệu ứng gián tiếp

A) Phân tích định lượng:

Tính hệ số hiệu ứng gián tiếp

Dạng chưa chuẩn hóa: (a*b)Dạng chuẩn hóa 1 phần: a*b/(SD của Y), theo Mac Kinnon (2008)Dạng chuẩn hóa toàn phần: = (a*b/SD của Y)*(SD của X)

So sánh giữa hiệu ứng gián tiếp và trực tiếp hay toàn thể:

Dựa vào tỉ số

Tỉ số hiệu ứng Gián tiếp/Toàn thể = (a*b)/c

Tỉ số hiệu ứng Gián tiếp/Trực tiếp = (a*b)/c’

Dựa vào hệ số Kappa bình phương của Preacher và Kelley (2011)

K2= (a*b)/max(a*b)

Tính hệ số R 2 của hiệu ứng gián tiếp, R2biểu thị cho phần biến thiên của

Y có thể được giải thích bởi M

R2M = R2Y,M – (R2Y,MX-R2Y,X)B) Phân tích định tính :

Kiểm định Sobel (1982)

2 2.1 Quy trình thực hiện

1) Cách đánh giá dựa vào tỉ sốít khi được sử dụng vì có nhiều nhược điểm như :

- Kém chính xác: chúng đòi hỏi cỡ mẫu lớn (khoảng vài trăm trường hợp)

- Khó diễn giải và dễ gây ngộ nhận: Những tỉ số này không thể được diễn đạt với ý nghĩa

phân phối (chúng là tỉ số, không phải tỉ lệ), (a*b) không có liên quan gì đến c hay c’ Thậtvậy, các tỉ số này có thể > 1, thậm chí nhận giá trị âm (nếu a,b trái dấu) Ví dụ trườnghợp: M tỉ lệ nghịch với X, nhưng tỉ lệ thuận với Y

2) Giá trị R 2 M có thể được diễn giải như hệ số R2 của một phương trình hồi quy thôngthường, tuy nhiên nó cũng có thể gây ngộ nhận: R2M không bắt buộc phải nằm trongkhoảng 0-1 như ta thường nghĩ, nó thậm chí có thể nhận giá trị âm

3) Hệ số kappa bình phươnglà giải pháp tối ưu nhất, vì nó biểu thị hiệu ứng gián tiếp như

1 tỉ lệ giữa kích thước hiệu ứng gián tiếp thực tế quan sát được và hiệu ứng gián tiếp tối đa

có thể đạt tới trong quần thể

Đây là 1 tỉ lệ thực sự, giá trị của K2dao động từ 0 tới 1

K2=0 cho thấy hiệu ứng gián tiếp rất nhỏ (1 cách tương đối) so với giá trị lớn nhất theo lýthuyết

K2gần bằng 1 cho thấy hiệu ứng gián tiếp rất lớn, gần với giá trị cao nhất mà nó có thể đạtđược

K2có thể được diễn giải như sau :

0.01 : hiệu ứng gián tiếp rất nhỏ, không đáng kể

0.09 : hiệu ứng gián tiếp trung bình

0.25 : hiệu ứng gián tiếp lớn, quan trọng

4 điều kiện cần có :

(1) X phải cho phép dự báo một cách ý nghĩa giá trị của Y trong mô hình Y(X)

(2) X phải dự báo một cách ý nghĩa giá trị của M trong mô hình M(X)

(3) M phải dự báo có ý nghĩa giá trị của Y trong mô hình Y(X,M)

(4) Hiệu ứng trực tiếp nhỏ hơn hiệu ứng toàn thể (c’ < c), hay nói cách khác, hiệu ứng giántiếp có ý nghĩa

2 2.2 Tiêu chuẩn đánh giá

Test Sobel

SPSS không hỗ trợ phân tích yếu tố trung gian và dĩ nhiên không tồn tại chứ cnăng testSobel, tuy nhiên chúng ta hoàn toàn có thể làm test này một cách thủ công, nó có cùngnguyên lý như test t hoặc test Z

Đầu tiên ta tính giá trị của t , là tỉ số giữa hệ số hiệu ứng gián tiếp (a*b) và sai số chuẩncủa hiệu ứng gián tiếp :

𝑏 + 𝑏2+ 𝜎2

𝑎Trong đó:

a là hệ số hồi quy giữa X và M,

b là hệ số hồi quy giữa Y và M

𝜎2là phương sai của a và b

Sau đó ta có thể dùng bảng phân phối t hoặc phân phối bình thường cho giá trị chuẩnhóa của t (Z) để kiểm tra giả thuyết 0: (a*b) = 0

Nếu test Sobel cho kết quả dương tính (p<0,05) ta loại bỏ giả thuyết H0: (ab)=0, tức làchấp nhận (ab) ≠ 0 hay nói cách khác hiệu ứng gián tiếp X-M-Y có ý nghĩa thống kê và M

có vai trò trung gian trong quan hệ giữa X và Y

Nếu test Sobel âm tính (p>0,05) và hoặc khoảng tin cậy của (ab) có chứa giá trị 0, ta cóthể phủ nhận sự tồn tại của hiệu ứng gián tiếp X-M-Y hay nói cách khác M không có vaitrò trung gian

Tuy nhiên, kết quả test Sobel chỉ có ý nghĩa tham khảo Độ chính xác của test Sobel rấtkém, nó phụ thuộc vào cỡ mẫu, để chắc chắn ta phải áp dụng phương pháp Bootstrap

và tính khoảng tin cậy 95% của hệ số tương quan (a*b)

Quan trọng nhất trong phân tích yếu tố trung gian không phải là giá trị p mà là khoảngtin cậy 95% của hệ số hồi quy gián tiếp không chứa giá trị 0

2 2.3 Kiểm định Sobel

Trước năm 2013, chúng ta bắt buộc phải làm phân tích

yếu tố trung gian hoàn toàn thủ công, bằng cách thực

hiện 3 lần phân tích hồi quy cho 3 mô hình X-Y, X-M và

X-M-Y, sau đó dựa vào kết quả 3 mô hình này để khảo

sát hiệu ứng gián tiếp, trực tiếp, tính effect size và làm

test Sobel Quy trình này tốn khá nhiều thời gian và bắt

buộc lập trình cú pháp lệnh trên SPSS nên làm nản lòng

sinh viên; nhất là khi họ có quá nhiều giả thuyết cần

kiểm tra

Tuy nhiên hiện nay quy trình phân tích yếu tố trung gian

trên SPSS trở nên đơn giản và nhanh chóng nhờ vào

công cụ Process của tiến sĩ Andrew F Hayes (đại học

Ohio, Hoa kỳ)

Như ta biết, SPSS cho phép mở rộng chức năng cơ bản

bằng cách nạp thêm những gói macro syntax được lập

trình sẵn Ít người tận dụng chức năng lập trình trong

SPSS vì vậy chúng ta không có nhiều package để xài như

trong R Tuy vậy, package của SPSS có giao diện đồ họa

(GUI) nên rất thân thiện và dễ sử dụng hơn nhiều so với

package của R

Process là một tập hợp những mã lệnh (syntax) SPSS và

hơn thế nữa, nó đi kèm với giao diện đồ họa tương tác,

cho phép bạn thao tác dễ dàng như vẫn thường làm

trên SPSS Bạn không cần hiểu về cú pháp lệnh SPSS

nhưng vẫn có thể xuất kết quả chỉ với vài lần nhấn nút

Nếu không nhờ vào Process, tài liệu hướng dẫn này chắc

phải dài gấp 3 lần

Để tưởng nhớ công lao của tiến sĩ Hayes, khi thực hiện

luận văn, bài báo khoa học, xin bạn hãy trích dẫn lại

nguồn gốc công trình của ông như dưới đây:

Hayes,AF (2013) Introduction to mediation,

moderation, and conditional process analysis New York:

The Guilford Press

Andrew F Hayes, Ph.D.Department of PsychologyThe Ohio State UniversityColumbus, OH 43210,U.S.A

Công cụ Process rất mạnh , nó cho phép phântích yếu tố trung gian và yếu tố điều tiết trên

74 loại mô hình khác nhau, có những mô hìnhphức tạp hơn rất nhiều so với ví dụ cơ bản

mà chúng ta đang thực hiện Nếu tò mò, bạn

có thể tìm đọc quyển sách này của tác giả đểtìm hiểu sâu hơn

3 3.1 Công cụ Process của Hayes

Hướng dẫn cài đặt Process cho SPSS:

Lưu ý: Gói công cụ này chỉ tương thích với SPSS 18 trở lên, nếu bạn đang sử dụng phiên bản cũ hơn,hãy cài phiên bản SPSS mới nhất trước khi sử dụng Process

Truy cập trang web sau để tải gói tập tin Process.zip

Sau khi giải nén, bạn sẽ thấy những tập tin bên trong, quan trọng nhất là file process.psd chứa bộ mã

Bạn khởi động chương trình SPSS với vai trò quản trị,

nhấp chuột phải vào icon SPSS và chọn thi hành với

quyền hạn administrator Điều này rất cần thiết vì chỉ có

quản trị viên mới có quyền thay đổi cấu trúc những gì có

trong thư mục Programme Nếu bạn sử dụng SPSS tại

công ty hay thư viện trường, bạn không có quyền cài

Process, bạn chỉ có thể cài cho máy tính của riêng bạn

7

8

3 3.3 Cài đặt công cụ Process

Sau khi cài đặt xong, trong menu Analysis> Regression sẽ xuất hiện thêm chức năng Process

by Andrew F Hayes

9

3 3.3 Cài đặt công cụ Process

M X

Y

M

Y X

Đầu tiên bạn sẽ tạo những biến số cần khảo sát trong SPSS Đối với phân tích yếu tố trung gian, giả thuyếtnghiên cứu ban đầu của chúng ta gồm có ít nhất 3 biến số :

Biến số kết quả (hay phụ thuộc ) Y : ở đây là PaO2 max = áp suất riêng phần oxy máu động mạch ở trạng tháigắng sức tối đa Đây là hiệu quả của quá trình cung cấp oxy nhằm thích ứng với sự tăng nhu cầu chuyển hóa của

cơ thể trong nghiệm pháp gắng sức

Biến số nguyên nhân (yếu tố dự báo độc lập) X: ở đây là DmCO = khả năng dẫn xuất khí CO của màng phế nangmao mạch Thông số này đại diện cho tính chất vật lý của màng phế nang mao mạch

Biến số trung gian cần khảo sát (M): ở đây là DAaO2base = chênh lệch nồng độ Oxy giữa phế nang và độngmạch, đo ở điều kiện nghỉ tĩnh Thông số này đại diện cho khả năng trao đổi khí oxy giữa phế nang và tuần hoànngoại biên

Lưu ý: Để sử dụng được Process, bạn cần chú ý một vài điểm như sau:

- Process chỉ « hiểu » được biến kiểu số, bạn không thể dùng kí tự (string) Nếu có biến số định tính bạn phải

mã hóa nó dưới dạng số (1,2,3,4…) và nó sẽ được hiểu như biến định lượng thứ hạng

- Process chỉ chấp nhận tên biến số dài tối đa 8 kí tự Bạn nên rút gọn tên biến số càng ngắn càng tốt và dùngchức năng Label để giải thích ý nghĩa nếu sợ quên

- Bạn không được đặt tên biến số là XXX (có vẻ kì cục, nhưng đơn giản là bạn không được dùng tên này, vì đây

là 1 variable riêng trong mã lệnh của Process)

- Tiếp theo bạn có thể nhập số liệu vào bảng SPSS

- như hình bên cạnh

4 4.1 Nhập số liệu

2

3

Để kích hoạt gói công cụ Process, bạn lần lượt truy

nhập vào: Analyze > Regression > PROCESS …

Hình bên cạnh là giao diện của Process,

như bạn thấy, nó có cấu trúc tương tự như

bất cứ hộp thoại nào trong SPSS nên bạn sẽ

làm quen với công cụ này rất nhanh

Tên mô hình

Bước đầu tiên bạn sẽ làm là xác định

mô hình nào sẽ được áp dụng Theo

mặc định, Process mở sẵn mô hình số 4,

tương ứng với phân tích yếu tố trung

gian đơn giản với X,Y và M mà ta đang

nhắm tới

Process cho phép phân tích tới 74 mô

hình khác nhau Để tìm hiểu sâu hơn

bạn có thể đọc thêm tài liệu gốc của

Hayes Muốn áp dụng mô hình nào, bạn

chỉ cần chọn nó trong danh sách

4

4 4.2 Khởi động