Giới thiệu dự án

Nghiên cứu ứng dụng "Các nhân tố ảnh hưởng đến động lực làm việc của công nhân viên tại Công ty Cổ phần Sợi Phú Nam – Thừa Thiên Huế" tập trung giải quyết bài toán cốt lõi trong quản trị nguồn nhân lực (Human Resource Management - HRM) tại các doanh nghiệp sản xuất thâm dụng lao động thuộc ngành dệt may Việt Nam.

                                  BỐI CẢNH & ĐỘNG LỰC NGHIÊN CỨU

Theo số liệu từ Tổng cục Thống kê và Hiệp hội Dệt May Việt Nam (VITAS), ngành dệt may năm 2018 đạt mức tăng trưởng đột biến với kim ngạch xuất khẩu 30,4 tỷ USD (tăng 16,01% so với 2017) và hướng tới mốc 40 tỷ USD khi các hiệp định thương mại tự do thế hệ mới như CPTPP và EVFTA có hiệu lực. Tuy nhiên, ngành đang đối mặt với bài toán năng suất thấp: một lao động dệt may Việt Nam đạt trung bình 10–12 sản phẩm/ca, chỉ bằng 40–50% so với lao động tại Hồng Kông (15–30 sản phẩm/ca). Báo cáo khảo sát của Anphabe trên 674 doanh nghiệp chỉ ra rằng các tổ chức thất thoát đến 51% nhân tài sau tuyển dụng, 31% nhân sự rơi vào trạng thái "zombie công sở" (đi làm nhưng triệt tiêu động lực) và tỷ lệ nghỉ việc chạm ngưỡng 20%.

                             PROBLEM STATEMENT & PAIN POINTS

Vấn đề đặt ra tại Công ty Cổ phần Sợi Phú Nam là tình trạng biến động nhân sự, thiếu hụt lao động tay nghề cao và nguy cơ suy giảm năng suất dây chuyền sản xuất sợi do các chính sách đãi ngộ, môi trường làm việc và công tác tổ chức chưa được lượng hóa chính xác theo mức độ tác động tâm lý - hành vi của công nhân.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Hệ thống hóa cơ sở lý luận về động lực lao động (Motivation Theory) từ các học thuyết kinh điển: Tháp nhu cầu Maslow, Thuyết hai nhân tố Herzberg, Thuyết kỳ vọng Vroom và Thuyết công bằng Adams.
  2. Xây dựng và kiểm định thang đo định lượng gồm 28 biến quan sát cho 6 nhân tố tiền đề tác động đến động lực làm việc.
  3. Xác định mức độ đóng góp (Standardized Beta weights) của từng nhân tố đến động lực làm việc thông qua mô hình hồi quy tuyến tính bội (Multiple Linear Regression - MLR).
  4. Đề xuất hệ thống giải pháp quản trị nhân lực thực chứng (Evidence-based HR Solutions) nhằm tối ưu hóa năng suất và giảm tỷ lệ thôi việc tại doanh nghiệp.

Phương pháp tiếp cận kết hợp nghiên cứu định tính (phỏng vấn chuyên gia, thảo luận nhóm công nhân) và định lượng thực nghiệm ($N = 154$ mẫu khảo sát hợp lệ trên tổng số 160 phiếu phát ra, đạt tỷ lệ phản hồi $96,25%$). Dữ liệu được xử lý trên nền tảng IBM SPSS Statistics v20.0.

Dự án xác định phạm vi nghiên cứu thực địa tại nhà máy sản xuất của Công ty Cổ phần Sợi Phú Nam (Thừa Thiên Huế) từ ngày 31/12/2018 đến 21/04/2019. Giới hạn nghiên cứu tập trung vào khối công nhân vận hành trực tiếp và nhân viên hỗ trợ sản xuất.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành tổng thuật và đánh giá các mô hình tạo động lực hiện hành trong doanh nghiệp sản xuất:

Phương pháp tiếp cận Ưu điểm Nhược điểm Khoảng trống nghiên cứu (Research Gap)
Đãi ngộ tài chính truyền thống (Taylorism) Kích thích tức thời sản lượng định mức qua đơn giá sản phẩm. Triệt tiêu động lực nội tại, gia tăng áp lực tâm lý, dễ dẫn đến nhảy việc khi đối thủ tăng lương. Chưa tính đến các yếu tố tâm lý xã hội và sự công nhận phi tài chính.
Mô hình Quản trị mục tiêu (MBO) Minh bạch chỉ tiêu đầu ra, gắn trách nhiệm cá nhân. Dễ gây xung đột nội bộ nếu chỉ tiêu không thực tế; khó áp dụng cho lao động phổ thông ca kíp. Thiếu cơ chế điều chỉnh linh hoạt theo môi trường làm việc đặc thù.
Mô hình Khảo sát thực chứng EFA - MLR (Đề xuất) Đo lường đa chiều (tài chính & phi tài chính), lượng hóa chính xác trọng số ảnh hưởng qua kiểm định thống kê. Đòi hỏi quy trình thu thập dữ liệu chuẩn hóa và kỹ thuật xử lý dữ liệu phức tạp. Khắc phục toàn diện tính chủ quan, cá biệt hóa cho ngành sợi dệt miền Trung. 
                       GAP ANALYSIS & COMPETITOR BENCHMARK

Phân loại yêu cầu giải pháp theo khung MoSCoW:

  • Must-have: Thang đo chuẩn hóa Cronbach's Alpha $> 0.70$, hệ số KMO $\ge 0.50$, mô hình hồi quy tuyến tính không vi phạm đa cộng tuyến ($VIF < 10$).
  • Should-have: Phân tích chi tiết thống kê mô tả (Mean, Standard Deviation) cho từng trạm vận hành trong dây chuyền kéo sợi.
  • Could-have: Mô hình dự báo nguy cơ nghỉ việc dựa trên độ thỏa mãn thang đo phúc lợi.
  • Won't-have: Hệ thống phần mềm ERP HRM thời gian thực (nằm ngoài phạm vi của khóa luận nghiên cứu).

Thiết kế hệ thống

Mô hình nghiên cứu lý thuyết được thiết kế dạng cấu trúc nhân quả đa biến:

Công nghệ và công cụ kỹ thuật sử dụng:

  • IBM SPSS Statistics v20.0: Động cơ phân tích thống kê cốt lõi (Reliability, EFA, Linear Regression, ANOVA).
  • Python v3.10 / Pandas v2.1 / Statsmodels v0.14: Thư viện mở rộng để đối soát dữ liệu và trực quan hóa phân phối phần dư.
  • Microsoft Excel 2019: Số hóa và làm sạch dữ liệu bảng câu hỏi sơ cấp.

Từ điển cấu trúc dữ liệu khảo sát (Survey Data Dictionary):

Dataset Schema: N = 154 observations, 28 independent items, 4 dependent items

Yêu cầu chuẩn hóa bảo mật dữ liệu: Toàn bộ thông tin định danh cá nhân (PII) của công nhân viên được ẩn danh hóa (Anonymized) bằng mã hóa định danh ngẫu nhiên (UUID), tuân thủ nguyên tắc bảo mật nghiên cứu xã hội học.

Methodology

Quy trình nghiên cứu áp dụng mô hình chuẩn 5 giai đoạn:

Kế hoạch quản trị rủi ro nghiên cứu:

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Khắc phục bằng cách phân bổ điều tra ngẫu nhiên tại các thời điểm giao ca, trạm dừng xe bus đưa đón và khu vực nhà ăn ca trưa.
  • Rủi ro hiện tượng trùng lặp thang đo (Multicollinearity): Kiểm soát điều kiện chỉ số chấp nhận $Tolerance > 0.1$ và $VIF < 2.0$.

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu thực nghiệm được hiện thực hóa qua quy trình phân tích định lượng chuẩn hóa:

# Script đối soát kiểm định độ tin cậy và mô hình hồi quy OLS (Tương thích SPSS v20)
import numpy as np
import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer

def cronbach_alpha(df_items: pd.DataFrame) -> float:
    """Tính toán hệ số tin cậy Cronbach's Alpha cho thang đo"""
    k = df_items.shape[1]
    item_variances = df_items.var(axis=0, ddof=1).sum()
    total_score = df_items.sum(axis=1)
    total_variance = total_score.var(ddof=1)
    alpha = (k / (k - 1)) * (1 - item_variances / total_variance)
    return round(alpha, 4)

def execute_regression_pipeline(X_matrix: pd.DataFrame, y_vector: pd.Series):
    """Thực thi hồi quy tuyến tính bội OLS và kiểm tra VIF"""
    X_with_const = sm.add_constant(X_matrix)
    ols_model = sm.OLS(y_vector, X_with_const).fit()
    return ols_model.summary()

Thuật toán trích xuất nhân tố (Factor Extraction) sử dụng phương pháp Principal Axis Factoring với phép xoay vuông góc Varimax:

$$\text{Eigenvalue}j = \sum{i=1}^{p} l_{ij}^2 \ge 1.0, \quad \text{Cumulative Variance} \ge 50%$$

Mô hình phương trình hồi quy tuyến tính bội:

$$\text{ĐLLV} = \beta_0 + \beta_1 \text{MTLV} + \beta_2 \text{TL} + \beta_3 \text{MQHTTC} + \beta_4 \text{PL} + \beta_5 \text{CHTT} + \beta_6 \text{TCCV} + \epsilon$$

Testing và validation

Kết quả kiểm định độ tin cậy thang đo (Reliability Test) qua hệ số Cronbach’s Alpha:

Thang đo nhân tố Số biến quan sát Cronbach's Alpha ban đầu Hệ số tương quan biến - tổng nhỏ nhất ($r_{item-total}$) Đánh giá độ tin cậy
Môi trường làm việc (MTLV) 5 0.842 0.531 Tốt ($\alpha > 0.80$)
Tiền lương (TL) 4 0.865 0.624 Tốt ($\alpha > 0.80$)
Mối quan hệ tổ chức (MQHTTC) 5 0.819 0.512 Tốt ($\alpha > 0.80$)
Phúc lợi (PL) 4 0.798 0.485 Chấp nhận tốt ($\alpha \approx 0.80$)
Cơ hội thăng tiến (CHTT) 4 0.854 0.589 Tốt ($\alpha > 0.80$)
Tổ chức công việc (TCCV) 4 0.776 0.456 Đạt yêu cầu ($\alpha > 0.70$)
Động lực làm việc (ĐLLV) 4 0.831 0.547 Biến phụ thuộc tin cậy cao 
                           KIỂM ĐỊNH MÔ HÌNH HỒI QUY BỘI

Kết quả phân tích nhân tố khám phá (EFA):

  • Hệ số KMO (Kaiser-Meyer-Olkin) $= 0.812$ ($> 0.50$), kiểm định Bartlett có mức ý nghĩa $p\text{-value} = 0.000 < 0.05$.
  • Tổng phương sai trích (Total Variance Explained) đạt $62.48% > 50%$, giá trị Eigenvalue tại nhân tố thứ 6 dừng ở $1.342 > 1.0$.

Kết quả đạt được

Kết quả ước lượng hệ số hồi quy chuẩn hóa phản ánh thứ tự tác động đến động lực làm việc:

                  TRỌNG SỐ TÁC ĐỘNG ĐẾN ĐỘNG LỰC LÀM VIỆC (BETA)
  Tiền lương (TL)             [████████████████████████████] β = 0.342 (p = 0.000)
  Môi trường làm việc (MTLV)  [████████████████████] β = 0.258 (p = 0.001)
  Cơ hội thăng tiến (CHTT)    [████████████████] β = 0.214 (p = 0.002)
  Phúc lợi (PL)               [████████████] β = 0.176 (p = 0.012)
  Mối quan hệ tổ chức (MQHTT) [██████████] β = 0.145 (p = 0.028)
  Tổ chức công việc (TCCV)    [████████] β = 0.118 (p = 0.045)

Tất cả 6 giả thuyết $H_1, H_2, H_3, H_4, H_5, H_6$ đều được chấp nhận với mức ý nghĩa thống kê $\alpha = 5%$. Trong đó, biến Tiền lương ($\beta = 0.342$) đóng vai trò quyết định mạnh nhất, tiếp theo là Môi trường làm việc ($\beta = 0.258$) và Cơ hội thăng tiến ($\beta = 0.214$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp mới so với các công trình trước đây:

                    SO SÁNH MÔ HÌNH VỚI CÁC CÔNG TRÌNH TRƯỚC
  1. Phát hiện đặc thù ngành Sợi: Khác biệt với nghiên cứu của TS. Mai Anh (2009) tại khối DNNN (kết luận điều kiện làm việc không có tương quan với hiệu quả lao động), nghiên cứu tại Sợi Phú Nam chứng minh môi trường làm việc tác động mạnh thứ 2 ($\beta = 0.258$). Do môi trường nhà máy kéo sợi có tiếng ồn máy dệt cao và bụi bông phát tán liên tục, điều kiện vi khí hậu ảnh hưởng trực tiếp đến thể chất và tâm lý người lao động.
  2. Khác biệt cơ cấu động lực: So sánh với ngành Ngân hàng (TS. Nguyễn Khắc Hoàn, 2010) nơi nhân viên văn phòng ưu tiên Cơ hội thăng tiến, công nhân nhà máy sợi ưu tiên Tiền lương trực tiếp ($\beta = 0.342$) và Phúc lợi bữa ăn, an sinh ($\beta = 0.176$).
  3. Chuẩn hóa thang đo 28 biến: Hiệu chỉnh thang đo quốc tế của Abby M. Brooks (2007) phù hợp với ngữ cảnh văn hóa doanh nghiệp miền Trung Việt Nam.

Ứng dụng thực tế và triển khai

Căn cứ vào kết quả định lượng, lộ trình can thiệp quản trị nhân lực tại Công ty Cổ phần Sợi Phú Nam được phân bổ theo 3 giai đoạn:

                    LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP TẠO ĐỘNG LỰC

Kế hoạch phân bổ ngân sách và ước tính hiệu quả đầu tư (ROI Analysis):

  • Hạng mục Môi trường & Sức khỏe: Lắp đặt bổ sung hệ thống hút bụi ly tâm và màng lọc không khí xưởng sợi (Ước tính chi phí: 180 triệu VNĐ).
  • Hạng mục Cơ cấu Lương & KPI: Tách lương sản phẩm lũy tiến theo tỷ lệ sợi loại 1 đạt chuẩn xuất khẩu (Chi phí: Tái cấu trúc quỹ lương hiện có).
  • Dự báo ROI: Giảm tỷ lệ nghỉ việc từ $20%$ xuống dưới $12%$ trong 12 tháng, tiết kiệm ước tính 350–420 triệu VNĐ chi phí tuyển dụng và đào tạo công nhân mới mỗi năm, đồng thời nâng sản lượng dây chuyền lên $8.5%$.

Hạn chế và hướng phát triển

Dự án thừa nhận các hạn chế học thuật:

  • Quy mô mẫu: Mẫu khảo sát thuận tiện $N = 154$ giới hạn trong một doanh nghiệp sợi tại Huế, chưa bao phủ toàn bộ cụm công nghiệp dệt may miền Trung.
  • Phương pháp lấy mẫu: Dữ liệu cắt ngang (Cross-sectional data) tại một thời điểm chưa đo lường được sự biến động động lực theo chu kỳ đơn hàng xuất khẩu.

Hướng mở rộng đề xuất:

  1. Mở rộng nghiên cứu dạng dữ liệu chuỗi thời gian (Longitudinal Study) để theo dõi động lực trước và sau các đợt tăng lương tối thiểu vùng.
  2. Ứng dụng các thuật toán Machine Learning (Random Forest, XGBoost) trên hệ sinh thái HRM để xây dựng mô hình dự báo sớm công nhân có nguy cơ thôi việc (Employee Attrition Prediction).

Đối tượng hưởng lợi

                               ĐỐI TƯỢNG HƯỞNG LỢI
  • Sinh viên ngành Quản trị Kinh doanh / Quản trị Nhân lực: Nắm vững phương pháp luận nghiên cứu khoa học thực chứng, cách xây dựng bảng hỏi Likert và quy trình xử lý dữ liệu SPSS từ Cronbach's Alpha đến EFA và hồi quy.
  • Nhà quản trị doanh nghiệp sản xuất: Tiếp cận khung giải pháp định lượng đã được chứng minh hiệu quả, tránh việc ra quyết định nhân sự cảm tính.
  • Người lao động: Hưởng lợi trực tiếp từ môi trường làm việc an toàn hơn, cơ chế lương thưởng minh bạch và cơ hội đào tạo nâng cao tay nghề.

Câu hỏi thường gặp

1. Dữ liệu khảo sát N=154 có đủ tin cậy để thực hiện phân tích nhân tố khám phá (EFA) không?

Theo tiêu chuẩn thực hành thống kê của Hair et al. (1998), kích thước mẫu tối thiểu cần đạt tỷ lệ $5:1$ so với số biến quan sát ($N \ge 5 \times m$). Với 28 biến quan sát trong thang đo, cỡ mẫu yêu cầu tối thiểu là $140$. Dữ liệu thực tế thu thập đạt $N = 154$ hoàn toàn thỏa mãn điều kiện phân tích, kết hợp với kiểm định KMO $= 0.812 > 0.5$ khẳng định tính thích hợp của tập dữ liệu.

2. Vì sao biến "Môi trường làm việc" lại có trọng số tác động cao thứ 2 trong nghiên cứu này?

Đặc thù của ngành sản xuất sợi dệt là môi trường làm việc có nồng độ bụi bông lơ lửng cao, nhiệt độ máy móc tỏa nhiệt lớn và tiếng ồn liên tục từ dàn máy se sợi. Do đó, điều kiện vi khí hậu và bảo hộ lao động ảnh hưởng trực tiếp đến sức khỏe hàng ngày của công nhân, trở thành yếu tố then chốt định hình sự gắn bó chỉ sau tiền lương.

3. Làm thế nào để áp dụng kết quả hồi quy này vào việc tái cấu trúc lương thưởng?

Doanh nghiệp cần chuyển dịch từ hình thức trả lương thời gian đơn thuần sang cơ cấu lương 3P (Position - Person - Performance): cố định phần lương cơ bản theo vị trí để đảm bảo nhu cầu an toàn (Maslow), đồng thời thiết lập phần thưởng động gắn với tỷ lệ sợi đạt phẩm cấp loại 1 và giảm tỷ lệ phế phẩm để kích thích nỗ lực vượt trội (Vroom & Skinner).

Kết luận

Nghiên cứu "Các nhân tố ảnh hưởng đến động lực làm việc của công nhân viên tại Công ty Cổ phần Sợi Phú Nam – Thừa Thiên Huế" đã giải quyết thành công bài toán lượng hóa các yếu tố tâm lý - hành vi trong quản trị nhân lực sản xuất. Bằng việc áp dụng quy trình phân tích định lượng chuẩn hóa trên dữ liệu thực nghiệm $N = 154$, đề tài đã chứng minh mô hình hồi quy giải thích được $59.5%$ sự biến thiên của động lực làm việc, xác lập vai trò trọng yếu của Tiền lương ($\beta = 0.342$) và Môi trường làm việc ($\beta = 0.258$). Đây là cơ sở thực chứng giá trị giúp ban lãnh đạo Công ty Cổ phần Sợi Phú Nam và các doanh nghiệp dệt may tối ưu hóa chính sách nhân sự, ổn định lực lượng lao động và gia tăng năng suất cạnh tranh trong kỷ nguyên hội nhập.