Giới thiệu dự án

Trong ngành công nghiệp dệt may – lĩnh vực thâm dụng lao động hàng đầu tại Việt Nam, sự cạnh tranh gay gắt từ các doanh nghiệp có vốn đầu tư trực tiếp nước ngoài (FDI) cùng biến động chuỗi cung ứng toàn cầu đặt ra thách thức sống còn về năng suất lao động. Theo các nghiên cứu quản trị nguồn nhân lực (Farhaan & Arman, 2009), nhân viên có động lực làm việc tối ưu có thể đạt 80% – 90% hiệu suất tối đa, đồng thời giảm thiểu đáng kể tỷ lệ vắng mặt và biến động nhân sự (turnover rate). Ngược lại, sự suy giảm động lực làm việc tại các nhà máy sợi quy mô vừa và nhỏ dẫn đến tỷ lệ lỗi sợi tăng cao, hư hao nguyên vật liệu bông xơ và làm gián đoạn dây chuyền kéo sợi liên tục.

Khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh "Nghiên cứu các nhân tố ảnh hưởng đến động lực làm việc của người lao động tại Công ty Cổ phần Sợi Phú Bài 2" tập trung giải quyết bài toán cốt lõi: Xác định chính xác các yếu tố cấu thành động lực lao động và lượng hóa mức độ tác động thực tế của từng yếu tố lên đội ngũ công nhân trực tiếp sản xuất sợi.

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Tổng hợp các học thuyết quản trị kinh điển (Tháp nhu cầu Maslow, Học thuyết 2 nhân tố Herzberg, Thuyết công bằng Adams, Thuyết kỳ vọng Vroom) và khung chỉ số mô tả công việc (Job Descriptive Index - JDI).
  2. Đo lường và lượng hóa thực trạng: Thu thập dữ liệu sơ cấp từ 134 cán bộ công nhân viên tại Công ty Cổ phần Sợi Phú Bài 2, đánh giá mức độ hài lòng theo thang đo Likert 5 mức độ.
  3. Mô hình hóa tác động: Ứng dụng mô hình phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) và hồi quy tuyến tính đa biến (Multiple Linear Regression) nhằm kiểm định các giả thuyết nghiên cứu.
  4. Đề xuất giải pháp thực tiễn: Hoạch định hệ thống chính sách nhân sự chuyên biệt hóa cho giai đoạn 2021 – 2023 nhằm gia tăng năng suất và giữ chân lao động kỹ thuật cao.
+-----------------------------------------------------------------------------------+
|                               PHẠM VI NGHIÊN CỨU                                  |
+-----------------------------------------------------------------------------------+
| * Không gian: Công ty Cổ phần Sợi Phú Bài 2 (KCN Phú Bài, Hương Thủy, TT-Huế)     |
| * Thời gian dữ liệu:                                                              |
|   - Dữ liệu thứ cấp: Báo cáo tài chính & nhân sự giai đoạn 2017 - 2020            |
|   - Dữ liệu sơ cấp: Khảo sát mẫu N = 134 thực hiện từ tháng 11/2020 - 12/2020     |
| * Giới hạn đối tượng: Toàn bộ 162 lao động (công nhân dây chuyền và nhân viên HC)  |
+-----------------------------------------------------------------------------------+

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại Công ty Cổ phần Sợi Phú Bài 2, quy mô vận hành đạt 19.200 cọc sợi với công suất 3.000 tấn sợi cotton/năm. Cơ cấu lao động năm 2020 ghi nhận 162 người, trong đó lao động trực tiếp chiếm 85% ($N=138$), lao động phổ thông chiếm 66% ($N=107$), và nam giới chiếm 86% ($N=140$).

Phương pháp đánh giá Ưu điểm Nhược điểm Đánh giá hiện trạng tại Phú Bài 2
Đánh giá định tính truyền thống (Quan sát, đối thoại định kỳ) Nhanh chóng, chi phí triển khai thấp Mang tính cảm tính, thiếu căn cứ số liệu đo lường cụ thể Áp dụng bình bầu A, B, C hàng tháng nhưng chưa phản ánh đúng động lực nội tại
Mô hình JDI nguyên bản (Smith et al., 1969) Độ bao phủ lý thuyết rộng (72 biến quan sát, 5 thành phần) Dạng câu hỏi Yes/No dài dòng, khó phản ánh sắc thái mức độ hài lòng Bảng hỏi quá dài, dễ gây quá tải nhận thức cho công nhân ca kíp
Mô hình nghiên cứu thích ứng (Nghiên cứu đề xuất) Tối ưu hóa biến quan sát (26 biến), thang đo Likert 5 điểm, tích hợp EFA Cần công cụ xử lý dữ liệu định lượng chuyên dụng (SPSS/Python) Phù hợp tối đa: Tách bạch rõ 4 nhóm nhân tố sau tinh lọc thống kê 
graph TD
    A["Nhu cầu cải tiến động lực lao động"] --> B["Khảo sát 26 biến quan sát (Likert 1-5)"]
    B --> C["Kiểm định độ tin cậy thang đo"]
    C --> D["Phân tích nhân tố khám phá (EFA)"]
    D --> E["Hồi quy tuyến tính OLS"]
    E --> F["Mô hình thực nghiệm: DL = f(X1, X2)"]
    F --> G["Chính sách Đào tạo & Lương thưởng 2021-2023"]

Yêu cầu nghiên cứu theo ma trận MoSCoW

  • Must have (Bắt buộc): Đo lường hệ số KMO $\ge 0.5$, Bartlett’s Test $p < 0.05$, phân tích hồi quy xác định các biến có ý nghĩa thống kê ($p < 0.05$).
  • Should have (Nên có): Kiểm định đa cộng tuyến qua hệ số phóng đại phương sai $\text{VIF} < 10$ và hệ số tự tương quan Durbin-Watson trong ngưỡng $1.5 - 2.5$.
  • Could have (Có thể mở rộng): Phân tích phương sai một yếu tố (One-way ANOVA) theo độ tuổi, giới tính và thâm niên làm việc.
  • Won't have (Không bao gồm): Nghiên cứu mở rộng sang các nhà máy dệt nhuộm ngoài địa bàn tỉnh Thừa Thiên Huế trong phạm vi đề tài này.

Thiết kế hệ thống thang đo và mô hình nghiên cứu

Mô hình nghiên cứu ban đầu được kế thừa từ nghiên cứu của Boeve (2007) và Trần Kim Dung (2005), bao gồm 6 biến độc lập cấu thành động lực:

$$\text{ĐL} = f(\text{BCCV}, \text{DKLV}, \text{DTTT}, \text{TLVPL}, \text{LD}, \text{DN})$$

+-----------------------------------------------------------------------------------+
|                        DANH MỤC BIẾN VÀ THANG ĐO CHI TIẾT                         |
+-----------------------------------------------------------------------------------+
| 1. Bản chất công việc (BCCV): 4 biến quan sát (BCCV1 -> BCCV4)                   |
| 2. Điều kiện làm việc (DKLV): 4 biến quan sát (DKLV1 -> DKLV4)                   |
| 3. Cơ hội đào tạo và thăng tiến (DTTT): 4 biến quan sát (DTTT1 -> DTTT4)         |
| 4. Tiền lương và phúc lợi (TLVPL): 5 biến quan sát (TLVPL1 -> TLVPL5)            |
| 5. Lãnh đạo (LD): 3 biến quan sát (LD1 -> LD3)                                    |
| 6. Đồng nghiệp (DN): 3 biến quan sát (DN1 -> DN3)                                 |
| 7. Biến phụ thuộc - Động lực làm việc (ĐL): 3 biến quan sát (ĐL1 -> ĐL3)          |
+-----------------------------------------------------------------------------------+

Công nghệ và công cụ phân tích (Technology Stack)

  • Statistical Analysis Engine: IBM SPSS Statistics Version 22.0 / Python statsmodels & factor_analyzer.
  • Survey Instrumentation: Bảng hỏi cấu trúc chuẩn Likert-5 ($1$: Rất không đồng ý $\rightarrow 5$: Rất đồng ý).
  • Sampling Framework: Điều tra toàn bộ kết hợp chọn mẫu thuận tiện ($N=134$ hợp lệ trên tổng số 162 lao động).

Phương pháp luận (Methodology)

Quy trình nghiên cứu kết hợp phương pháp định tính (nghiên cứu tài liệu, hiệu chỉnh thang đo) và phương pháp định lượng (thống kê mô tả, EFA, OLS Regression).

Timeline thực hiện:
[Tuần 1-2]: Thu thập tài liệu thứ cấp, thiết kế bảng câu hỏi
[Tuần 3-5]: Phát phiếu khảo sát thực địa tại các phân xưởng kéo sợi (N=134)
[Tuần 6-7]: Nhập liệu, làm sạch dữ liệu, phân tích Cronbach's Alpha & EFA
[Tuần 8-9]: Ước lượng mô hình hồi quy, kiểm định khuyết tật mô hình
[Tuần 10]:  Đề xuất giải pháp và hoàn thiện báo cáo

Implementation và kết quả

Quy trình phân tích định lượng

Dữ liệu sơ cấp sau khi thu thập được mã hóa và xử lý tuần tự qua các thuật toán thống kê. Dưới đây là đoạn mã thực thi quy trình phân tích nhân tố EFA và hồi quy OLS tương đương trên môi trường Python (pandas, factor_analyzer, statsmodels):

import pandas as pd
import statsmodels.api as sm
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_kmo, calculate_bartlett_sphericity

# 1. Tải và tiền xử lý dữ liệu khảo sát (N = 134)
df = pd.read_csv("phubai2_survey_data.csv")
independent_vars = ['DTTT1', 'DTTT2', 'DTTT3', 'DTTT4', 
                    'DN1', 'DN2', 'DN3', 'TLVPL1', 'TLVPL2', 
                    'DKLV1', 'DKLV2', 'BCCV1', 'BCCV2', 'LD1', 'LD2']

# 2. Kiểm định KMO và Bartlett Test
kmo_all, kmo_model = calculate_kmo(df[independent_vars])
chi_square_value, p_value = calculate_bartlett_sphericity(df[independent_vars])
print(f"KMO Score: {kmo_model:.3f} | Bartlett p-value: {p_value:.5f}")

# 3. Phân tích nhân tố khám phá (EFA) với phép xoay Varimax
fa = FactorAnalyzer(n_factors=4, rotation="varimax", method="principal")
fa.fit(df[independent_vars])
factor_loadings = pd.DataFrame(fa.loadings_, index=independent_vars)

# 4. Hồi quy tuyến tính đa biến (OLS Multiple Regression)
X = df[['X1_DaoTaoThangTien', 'X2_LuongQuanHe', 'X3_DieuKienBanChat', 'X4_LanhDaoDongNghiep']]
X = sm.add_constant(X)
y = df['DL_DongLucLamViec']

ols_model = sm.OLS(y, X).fit()
print(ols_model.summary())

Kiểm định và xác thực mô hình (Testing & Validation)

1. Kết quả phân tích nhân tố khám phá (EFA)

  • Phân tích biến độc lập lần 1 (23 biến): $\text{KMO} = 0.808$, kiểm định Bartlett $\chi^2 = 1270.856$ ($p = 0.000$). Loại bỏ 8 biến do hệ số tải nhân tố ($\text{Factor Loading} < 0.5$) hoặc tải chéo không thỏa điều kiện đơn nghĩa.
  • Phân tích biến độc lập lần 2 (15 biến): $\text{KMO} = 0.819 > 0.5$, Bartlett's Test đạt ý nghĩa thống kê cao ($p = 0.000 < 0.05$). Tổng phương sai trích đạt 65.122% ($> 50%$), tất cả các Eigenvalue $> 1.0$.
+---------------------------------------------------------------------------------------+
|                 CẤU TRÚC 4 NHÓM NHÂN TỐ ĐỘC LẬP SAU XOAY VARIMAX                      |
+---------------------------------------------------------------------------------------+
| Nhân tố X1: "Cơ hội đào tạo và thăng tiến"                                           |
|   - Eigenvalue: 5.555 | Phương sai giải thích: 37.032%                                |
|   - Biến tải mạnh nhất: DTTT3 (Hệ số tải = 0.779)                                     |
| Nhân tố X2: "Lương và mối quan hệ trong công việc"                                    |
|   - Eigenvalue: 1.823 | Phương sai giải thích: 12.156%                                |
|   - Biến tải mạnh nhất: DN3 (Hệ số tải = 0.819)                                       |
| Nhân tố X3: "Điều kiện làm việc và bản chất công việc"                                |
|   - Eigenvalue: 1.367 | Phương sai giải thích: 9.112%                                 |
|   - Biến tải mạnh nhất: DKLV2 (Hệ số tải = 0.790)                                     |
| Nhân tố X4: "Lãnh đạo và đồng nghiệp"                                                 |
|   - Eigenvalue: 1.023 | Phương sai giải thích: 6.823%                                 |
|   - Biến tải mạnh nhất: LD2 (Hệ số tải = 0.745)                                       |
+---------------------------------------------------------------------------------------+
  • Biến phụ thuộc (Động lực làm việc): $\text{KMO} = 0.642$, Bartlett's $\chi^2 = 65.705$ ($p = 0.000$). 1 nhân tố duy nhất được rút trích giải thích 61.184% phương sai trích, các hệ số tải của ĐL1, ĐL2, ĐL3 đều đạt $> 0.73$.

2. Kết quả kiểm định hồi quy OLS

Biến độc lập Hệ số chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số chuẩn hóa ($\beta$) Giá trị $t$ Mức ý nghĩa ($p$-value) Hệ số phóng đại phương sai (VIF)
Hằng số (Constant) 1.149 0.376 — 3.06 0.003 —
$X_1$ (Đào tạo & Thăng tiến) 0.227 0.079 0.257 2.81 0.005 1.544
$X_2$ (Lương & Quan hệ việc làm) 0.244 0.092 0.243 2.63 0.009 1.615
$X_3$ (Điều kiện & Bản chất việc) 0.101 0.092 0.096 1.05 0.275 (Loại) 1.499
$X_4$ (Lãnh đạo & Đồng nghiệp) 0.148 0.102 0.137 1.41 0.149 (Loại) 1.735 
Chỉ số kiểm định tổng thể:
- R = 0.577 | R^2 = 0.333 | R^2 Hiệu chỉnh = 0.312 (Giải thích 31.2% biến thiên động lực)
- Kiểm định ANOVA: F(4, 129) = 16.069, p = 0.000 < 0.001 (Mô hình hồi quy có ý nghĩa)
- Hệ số Durbin-Watson: d = 2.070 (Nằm trong khoảng 1.5 - 2.5 => Không có tự tương quan)
- VIF < 2.0 đối với tất cả các biến => Không vi phạm hiện tượng đa cộng tuyến

Phương trình hồi quy thực nghiệm

Sau khi loại bỏ các biến không có ý nghĩa thống kê ($p > 0.05$), mô hình chuẩn hóa tác động đến động lực làm việc tại Công ty CP Sợi Phú Bài 2 được xác định như sau:

$$\text{ĐL} = 1.149 + 0.227 \cdot X_1 + 0.244 \cdot X_2 + e_i$$

Theo hệ số hồi quy chuẩn hóa $\beta$, nhân tố Cơ hội đào tạo và thăng tiến ($\beta = 0.257$) có tác động mạnh nhất, theo sát là Lương và mối quan hệ trong công việc ($\beta = 0.243$).

Đổi mới và đóng góp

  1. Cấu trúc lại nhóm nhân tố trong ngành dệt sợi: Khác với các nghiên cứu văn phòng dịch vụ, nghiên cứu chứng minh tại môi trường nhà máy sản xuất sợi, biến Lương và Quan hệ đồng nghiệp hội tụ thành một cấu trúc chung ($X_2$), phản ánh đặc thù làm việc theo tổ kíp đứng máy và chia sẻ tiền thưởng năng suất theo sản lượng tổ.
  2. Loại bỏ tính bất biến của biến môi trường làm việc: Biến Điều kiện làm việc không có ý nghĩa thống kê trực tiếp đến động lực ($p = 0.275$), khẳng định tính đúng đắn của thuyết 2 nhân tố Herzberg: điều kiện an toàn, thiết bị chỉ là nhân tố duy trì (Hygiene factor), thiếu sẽ gây bất mãn nhưng có đầy đủ không tự động tạo ra động lực tăng vọt.
  3. Mô hình định lượng hóa chính sách nhân sự: Chuyển đổi công tác quản trị từ cảm tính sang quản trị dựa trên dữ liệu (Evidence-based Management), lượng hóa chính xác tỷ lệ đóng góp của cơ hội đào tạo thăng tiến đến 31.2% biến thiên động lực lao động.

Ứng dụng thực tế và triển khai

Dựa trên kết quả hồi quy thực nghiệm, lộ trình can thiệp nhân sự cho Công ty Cổ phần Sợi Phú Bài 2 giai đoạn 2021 – 2023 tập trung vào 2 trụ cột cốt lõi:

gantt
    title Lộ trình triển khai giải pháp nâng cao động lực (2021 - 2023)
    dateFormat  YYYY-MM
    section Trụ cột 1: Đào tạo & Thăng tiến
    Chuẩn hóa tiêu chuẩn chức danh & KPI       :2021-01, 2021-06
    Xây dựng khóa đào tạo tay nghề đứng máy   :2021-07, 2022-06
    Chương trình quy hoạch cán bộ tổ trưởng    :2022-01, 2023-12
    section Trụ cột 2: Lương thưởng & Phúc lợi
    Tái cấu trúc quy chế trả lương theo KCS   :2021-03, 2021-09
    Áp dụng thưởng năng suất tổ kíp liên tục   :2021-10, 2023-12

1. Nâng cao cơ hội đào tạo và thăng tiến ($X_1$)

  • Thiết lập lộ trình thăng tiến minh bạch (Career Path): Xóa bỏ cơ chế bổ nhiệm cảm tính; quy định rõ tiêu chuẩn từ công nhân bậc 1-2 lên thợ chính, tổ phó, tổ trưởng sản xuất.
  • Tổ chức đào tạo chéo kỹ năng (Cross-training): Công nhân công đoạn Bông chải được huấn luyện kỹ thuật ghép thô và sợi con nhằm tăng tính linh hoạt và nâng cao hệ số lương chức danh.

2. Cải tiến chính sách lương và gắn kết làm việc nhóm ($X_2$)

  • Tái cơ cấu quỹ thưởng: Chuyển dịch từ mức thưởng cố định loại A/B/C (100.000 – 200.000 VNĐ) sang cơ chế thưởng lũy tiến theo tỷ lệ sợi loại 1 xuất khẩu và mức độ tiết kiệm phế liệu xơ bông.
  • Gắn kết đội nhóm: Duy trì thưởng hiệu quả theo tổ dây chuyền nhằm khuyến khích văn hóa hỗ trợ kỹ thuật giữa thợ bậc cao và công nhân mới.

Hạn chế và hướng phát triển

  • Hạn chế cỡ mẫu: Mẫu khảo sát đạt $N = 134$, dù đạt tỷ lệ đại diện 82.7% toàn công ty nhưng vẫn là mẫu nhỏ đối với một số phân tích cấu trúc phức tạp (SEM).
  • Độ biến thiên giải thích: Giá trị $R^2_{\text{adj}} = 0.312$ cho thấy còn 68.8% biến thiên của động lực chịu ảnh hưởng bởi các nhân tố chưa đưa vào mô hình (như văn hóa doanh nghiệp, áp lực gia đình, biến động kinh tế vĩ mô).
  • Hướng nghiên cứu tiếp theo: Mở rộng mô hình nghiên cứu theo phương pháp mô hình hóa phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) và khảo sát đa thời điểm (Longitudinal Study) trên chuỗi doanh nghiệp dệt may miền Trung.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tham khảo khung phương pháp luận chuẩn mực về xử lý dữ liệu EFA, lọc biến và ước lượng OLS trong nghiên cứu hành vi tổ chức.
  • Chuyên viên & Giám đốc Nhân sự (HR): Tiếp cận bộ thang đo 15 biến chuẩn hóa và minh chứng định lượng về tầm quan trọng của cơ hội thăng tiến so với điều kiện làm việc đơn thuần.
  • Ban Lãnh đạo Công ty CP Sợi Phú Bài 2: Nhận diện điểm nghẽn chính sách để phân bổ ngân sách đào tạo và cải cách tiền lương trúng đích, tối ưu hóa ROI nhân sự.

Câu hỏi thường gặp

1. Tại sao nhân tố "Điều kiện làm việc" lại bị loại khỏi phương trình hồi quy cuối cùng?

Trong phân tích hồi quy, biến $X_3$ có giá trị $p = 0.275 > 0.05$, không đạt mức ý nghĩa thống kê 95%. Điều này hoàn toàn phù hợp với Thuyết 2 nhân tố của Herzberg: Đối với công nhân sản xuất, điều kiện bảo hộ và thiết bị làm việc là "yếu tố duy trì" hiển nhiên. Khi được đáp ứng, nó ngăn ngừa sự bất mãn nhưng không trực tiếp chuyển hóa thành động lực cống hiến vượt trội.

2. Cỡ mẫu 134 quan sát có đảm bảo tính đại diện và độ tin cậy thống kê?

Quy mô mẫu $N = 134$ hoàn toàn thỏa mãn các tiêu chuẩn học thuật:

  • Theo Hair et al. (1998): Cỡ mẫu tối thiểu gấp 5 lần số biến quan sát ($5 \times 26 = 130$).
  • Tỷ lệ bao phủ đạt $82.7%$ trên tổng số 162 nhân sự của toàn công ty, đảm bảo tính đại diện gần như tuyệt đối cho quần thể nghiên cứu.

3. Làm thế nào để kiểm soát hiện tượng đa cộng tuyến trong mô hình?

Độ tin cậy được kiểm soát chặt chẽ qua chỉ số phóng đại phương sai (VIF). Trong kết quả hồi quy, hệ số VIF của $X_1$ là $1.544$ và $X_2$ là $1.615$, thấp hơn rất nhiều so với ngưỡng cảnh báo vi phạm ($\text{VIF} < 10$), khẳng định giữa các biến độc lập không xảy ra xung đột đa cộng tuyến.

4. Chi phí triển khai hệ thống đào tạo thăng tiến có làm tăng gánh nặng tài chính cho doanh nghiệp?

Chi phí đào tạo nội bộ (On-the-job training) và chuẩn hóa lộ trình nghề nghiệp chủ yếu tận dụng đội ngũ kỹ sư và thợ bậc cao hiện hữu. Hiệu quả mang lại từ việc giảm tỷ lệ đứt sợi, tăng sản lượng sợi xuất khẩu và giảm chi phí tuyển dụng thay thế ước tính mang lại ROI dương ngay trong vòng 6 – 12 tháng.

5. Kết quả nghiên cứu có thể khái quát hóa cho các ngành công nghiệp khác không?

Mô hình có giá trị tham khảo cao cho các ngành sản xuất chế tạo thâm dụng lao động (da giày, may mặc, lắp ráp điện tử). Tuy nhiên, đối với các ngành dịch vụ tri thức hoặc công nghệ cao, trọng số của các biến có thể thay đổi và cần tái kiểm định lại ma trận xoay nhân tố EFA.

Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc mục tiêu nghiên cứu thông qua việc áp dụng phương pháp định lượng hiện đại để giải quyết bài toán nhân sự tại Công ty Cổ phần Sợi Phú Bài 2. Kết quả chỉ ra rằng Cơ hội đào tạo - thăng tiến ($\beta = 0.257$) và Lương thưởng - mối quan hệ công việc ($\beta = 0.243$) là hai đòn bẩy chiến lược quyết định $31.2%$ mức độ gắn kết và nỗ lực của người lao động. Việc chuyển dịch từ cơ chế quản lý truyền thống sang quản trị nhân sự thực chứng là chìa khóa then chốt giúp các doanh nghiệp dệt may nâng cao năng lực cạnh tranh và phát triển bền vững trong kỷ nguyên công nghiệp mới.