Giới thiệu dự án

Trong kỷ nguyên hội nhập kinh tế toàn cầu và sự bùng nổ của chuỗi cung ứng dệt may quốc tế, ngành công nghiệp kéo sợi Việt Nam đang đứng trước áp lực cạnh tranh khốc liệt về năng suất, chất lượng và chi phí vận hành. Theo các báo cáo phân tích ngành dệt may giai đoạn 2018–2020, tỷ lệ biến động nhân sự (turnover rate) tại các nhà máy sản xuất công nghiệp nặng dao động từ 15% đến 25%/năm, gây tổn thất nghiêm trọng về chi phí tuyển dụng và đào tạo lại. Nghiên cứu kinh điển của Farhaan & Arman (2009) đã chứng minh rằng khi người lao động được tạo động lực tối ưu, họ có thể đạt từ 80% đến 90% hiệu suất tiềm năng, đồng thời giảm thiểu tối đa tỷ lệ nghỉ việc và vắng mặt không phép.

Đề tài khóa luận "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" do sinh viên Dương Thị Nhật Ly (Khoa Quản trị Kinh doanh, Trường Đại học Kinh tế – Đại học Huế) thực hiện dưới sự hướng dẫn của ThS. Lê Quang Trực, tập trung giải quyết bài toán nâng cao hiệu suất nguồn nhân lực tại Công ty Cổ phần Sợi Phú Bài 2 (PHU BAI 2 SJSC).

+-----------------------------------------------------------------------------+
|               BỐI CẢNH DOANH NGHIỆP: CÔNG TY CP SỢI PHÚ BÀI 2               |
|  - Quy mô thiết bị: 19.200 cọc sợi (hệ thống Trutzschler, Rieter, Murata)   |
|  - Nhân sự: 162 lao động (85% trực tiếp, 88.1% nam giới, 66% phổ thông)     |
|  - Biến động tài chính: Doanh thu 2019 giảm 26.99%, LNST giảm 55.05%       |
+-----------------------------------------------------------------------------+
  • Vấn đề thực tiễn (Problem Statement): Mặc dù đầu tư dây chuyền sản xuất đồng bộ từ Đức, Nhật Bản và Ấn Độ với sản lượng thiết kế 3.000 tấn/năm, kết quả sản xuất kinh doanh của công ty trong giai đoạn 2017–2019 chịu sự suy giảm rõ rệt (doanh thu giảm từ 34.629 triệu VNĐ xuống còn 23.543 triệu VNĐ; lợi nhuận sau thuế năm 2019 sụt giảm 55,05% so với 2018). Cơ chế tạo động lực tại doanh nghiệp còn mang tính hành chính, thiếu căn cứ định lượng để đo lường mức độ tác động của các nhân tố đãi ngộ, thăng tiến, môi trường làm việc đến năng suất lao động trực tiếp (chiếm 85% lực lượng lao động).
  • Mục tiêu nghiên cứu cụ thể:
    1. Hệ thống hóa cơ sở lý luận về động lực làm việc dựa trên Học thuyết Hai nhân tố Herzberg (1959), Chỉ số Mô tả Công việc JDI của Smith et al. (1969) và mô hình điều chỉnh AJDI của Trần Kim Dung (2005).
    2. Xác định và đo lường mức độ ảnh hưởng của các nhân tố đến động lực làm việc của người lao động tại Công ty Cổ phần Sợi Phú Bài 2 thông qua khảo sát thực chứng $N = 134$ mẫu hợp lệ.
    3. Xây dựng phương trình hồi quy tuyến tính đa biến (OLS Multiple Linear Regression) giải thích sự biến thiên của động lực làm việc.
    4. Đề xuất hệ thống giải pháp can thiệp nhân sự khả thi cho giai đoạn 2021–2023 nhằm gia tăng năng suất và chỉ số gắn kết của nhân sự.
  • Phương pháp tiếp cận giải pháp: Ứng dụng quy trình phân tích định lượng chuẩn mực bao gồm: Đánh giá độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA), Phân tích tương quan Pearson, và Phân tích hồi quy bội OLS trên nền tảng phần mềm thống kê chuyên dụng.
  • Kết quả kỳ vọng (Expected Outcomes):
    • Xây dựng mô hình định lượng đạt hệ số xác định điều chỉnh $R^2_{adj} \ge 0.30$, kiểm định ANOVA đạt mức ý nghĩa $p < 0.001$.
    • Nhận diện chính xác các trọng số Beta chuẩn hóa ($\beta$) của từng nhân tố để tối ưu hóa ngân sách phúc lợi và kế hoạch đào tạo.
  • Phạm vi và giới hạn (Scope & Limitations): Khảo sát toàn diện trên 162 cán bộ công nhân viên đang làm việc tại Khu công nghiệp Phú Bài, Thị xã Hương Thủy, Thừa Thiên Huế; thu về 134 phiếu hợp lệ trong giai đoạn từ tháng 11 đến tháng 12 năm 2020.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành rà soát các khung lý thuyết kinh điển và mô hình thực nghiệm trong và ngoài nước nhằm lựa chọn khung đo lường tối ưu cho môi trường sản xuất sợi công nghiệp nặng.

Mô hình nghiên cứu Tác giả & Năm Ưu điểm cốt lõi Nhược điểm & Hạn chế Khả năng áp dụng tại Phú Bài 2
Tháp Nhu cầu A. Maslow (1943) Phân tầng rõ ràng 5 bậc nhu cầu từ sinh lý đến tự hoàn thiện Tính tuần tự quá cứng nhắc, khó định lượng chính xác trong phân tích hồi quy Chỉ dùng làm nền tảng định tính phân loại nhu cầu công nhân
Hai nhân tố F. Herzberg (1959) Phân biệt rõ yếu tố duy trì (Hygiene) và yếu tố động viên (Motivator) Ranh giới giữa hai nhóm nhân tố có thể hoán đổi tùy văn hóa doanh nghiệp Khung lý thuyết nền tảng cho việc phân chia nhóm biến
Mô hình JDI Smith et al. (1969) 5 khía cạnh chuẩn hóa (Bản chất CV, Đào tạo/Thăng tiến, Lương, Cấp trên, Đồng nghiệp) 72 biến quan sát dạng Yes/No gây mệt mỏi cho công nhân, độ nhạy Likert thấp Kế thừa các thành phần cốt lõi nhưng tinh gọn số biến
Mô hình Boeve Boeve (2007) Kết hợp Herzberg và JDI, tích hợp nhân tố nội tại và bên ngoài Khảo sát trên giảng viên y tế Mỹ, chưa tương thích ngành dệt may Việt Nam Kế thừa cấu trúc liên kết nhân tố nội tại - ngoại tại
Thang đo AJDI Trần Kim Dung (2005) Bổ sung điều kiện làm việc và phúc lợi, chuẩn hóa theo văn hóa lao động Việt Nam Thực hiện trên mẫu nhân viên văn phòng TP.HCM, cần hiệu chỉnh cho xưởng sợi Được chọn làm khung tham chiếu chính

So sánh thực tiễn doanh nghiệp cùng ngành

  • Tập đoàn Dệt may Texhong: Tập trung mạnh vào phúc lợi cư trú (4 khu nhà tập thể cho 2.800 lao động, hỗ trợ nhà ở ngoại trú, đào tạo nghề tại chỗ theo hình thức vừa học vừa làm).
  • Công ty Cổ phần Dệt may Huế: Tối ưu hóa môi trường làm việc, duy trì thời gian ca kíp nghiêm ngặt và xây dựng chính sách thưởng thi đua theo tổ đội sản xuất.
  • Thực trạng tại Công ty CP Sợi Phú Bài 2: Công nhân vận hành máy chải bông, ghép thô, sợi con, đánh ống làm việc trong môi trường bụi xơ cao, tiếng ồn lớn, chế độ 3 ca liên tục. Hệ thống đánh giá hiện tại chỉ dựa vào xếp loại thi đua A/B/C với mức thưởng 100.000 – 200.000 VNĐ/tháng, chưa tạo được đòn bẩy động lực mạnh mẽ.

Ma trận yêu cầu hệ thống đánh giá theo chuẩn MoSCoW

  • Must Have: Thang đo Likert 5 điểm đo lường 6 khía cạnh (Bản chất công việc, Điều kiện làm việc, Đào tạo & thăng tiến, Tiền lương & phúc lợi, Lãnh đạo, Đồng nghiệp); Kiểm định EFA với KMO $> 0.5$ và Factor Loading $> 0.5$.
  • Should Have: Mô hình hồi quy bội không vi phạm hiện tượng đa cộng tuyến ($VIF < 10$) và không có tự tương quan bậc nhất ($1 < d < 4$).
  • Could Have: Phân tổ dữ liệu nhân khẩu học (tuổi, thâm niên, thu nhập) để phát hiện sự khác biệt có ý nghĩa thống kê qua One-way ANOVA.
  • Won't Have: Hệ thống đánh giá hiệu suất trực tuyến theo thời gian thực (Real-time HRIS Tracking) do hạn chế hạ tầng IT tại xưởng.

Thiết kế hệ thống

+---------------------------------------------------------------------------------------+
|                    KIẾN TRÚC LUỒNG XỬ LÝ VÀ PHÂN TÍCH DỮ LIỆU ĐỊNH LƯỢNG               |
|                                                                                       |
|  [Thu thập Dữ liệu]                                                                  |
|   Phiếu khảo sát Likert 5 mức độ (N=134) -> Dữ liệu nhân khẩu + 26 Biến quan sát     |
|         |                                                                             |
|         v                                                                             |
|  [Làm sạch & Chuẩn hóa Dữ liệu]                                                      |
|   Data Cleaning -> Mã hóa biến (BCCV1..4, DKLV1..4, DTTT1..4, TLVPL1..5, LD, DN, ĐL)  |
|         |                                                                             |
|         v                                                                             |
|  [Phân tích Nhân tố Khám phá - EFA Engine]                                            |
|   KMO & Bartlett's Test -> Principal Axis Factoring / Varimax Rotation                |
|   Loại bỏ biến tải chéo/thấp (<0.5) -> Trích xuất 4 Nhân tố mới (X1, X2, X3, X4)      |
|         |                                                                             |
|         v                                                                             |
|  [Phân tích Tương quan & Mô hình Hồi quy OLS]                                         |
|   Pearson Correlation Matrix -> OLS Regression: ĐL = f(X1, X2, X3, X4)                |
|   Kiểm định Đa cộng tuyến (VIF), Tự tương quan (Durbin-Watson), ANOVA F-test         |
|         |                                                                             |
|         v                                                                             |
|  [Mô hình Rút gọn & Đề xuất Can thiệp]                                                |
|   Phương trình Hồi quy Tối ưu -> Bộ giải pháp Quản trị Nhân sự 2021-2023             |
+---------------------------------------------------------------------------------------+

Technology Stack & Công cụ xử lý

  • Statistical Computing Platform: IBM SPSS Statistics Version 26.0 (sử dụng cho EFA, Pearson Correlation, OLS Regression, ANOVA).
  • Data Processing Scripting: Python 3.10 với các thư viện pandas (v2.0.3), statsmodels (v0.14.0), scipy (v1.11.1) phục vụ tự động hóa kiểm định chéo và trực quan hóa.
  • Spreadsheet Engine: Microsoft Excel 2019 (v16.0) phục vụ nhập liệu thô và sơ chế ma trận mẫu.
  • Data Storage Schema: RDBMS MySQL 8.0 cho việc lưu trữ hồ sơ nhân sự và bảng điểm khảo sát phục vụ mở rộng hệ thống HRIS.

Cấu trúc Schema Cơ sở Dữ liệu Khảo sát Nhân sự (HR Survey Schema)

-- Schema lưu trữ dữ liệu khảo sát động lực làm việc
CREATE TABLE NhanVien (
    MaNV VARCHAR(10) PRIMARY KEY,
    GioiTinh ENUM('Nam', 'Nu') NOT NULL,
    DoTuoi ENUM('18-22', '23-35', '36-50', 'Tren50') NOT NULL,
    ThamNien ENUM('Duoi1Nam', '1-3Nam', '3-7Nam', 'Tren7Nam') NOT NULL,
    BoPhan ENUM('VanPhong', 'PhanXuong') NOT NULL,
    MucThuNhap ENUM('Duoi5Tr', '5-8Tr', 'Tren8Tr') NOT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

CREATE TABLE KhaoSatDongLuc (
    KhaoSatID INT AUTO_INCREMENT PRIMARY KEY,
    MaNV VARCHAR(10),
    -- Thang đo 5 mức Likert: 1 (Rất không đồng ý) -> 5 (Rất đồng ý)
    DTTT1 TINYINT CHECK (DTTT1 BETWEEN 1 AND 5),
    DTTT2 TINYINT CHECK (DTTT2 BETWEEN 1 AND 5),
    DTTT3 TINYINT CHECK (DTTT3 BETWEEN 1 AND 5),
    DTTT4 TINYINT CHECK (DTTT4 BETWEEN 1 AND 5),
    TLVPL1 TINYINT CHECK (TLVPL1 BETWEEN 1 AND 5),
    DN2 TINYINT CHECK (DN2 BETWEEN 1 AND 5),
    DN3 TINYINT CHECK (DN3 BETWEEN 1 AND 5),
    LD3 TINYINT CHECK (LD3 BETWEEN 1 AND 5),
    DKLV1 TINYINT CHECK (DKLV1 BETWEEN 1 AND 5),
    DKLV2 TINYINT CHECK (DKLV2 BETWEEN 1 AND 5),
    BCCV1 TINYINT CHECK (BCCV1 BETWEEN 1 AND 5),
    BCCV2 TINYINT CHECK (BCCV2 BETWEEN 1 AND 5),
    LD1 TINYINT CHECK (LD1 BETWEEN 1 AND 5),
    LD2 TINYINT CHECK (LD2 BETWEEN 1 AND 5),
    DN1 TINYINT CHECK (DN1 BETWEEN 1 AND 5),
    DL1 TINYINT CHECK (DL1 BETWEEN 1 AND 5),
    DL2 TINYINT CHECK (DL2 BETWEEN 1 AND 5),
    DL3 TINYINT CHECK (DL3 BETWEEN 1 AND 5),
    CreatedAt TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    FOREIGN KEY (MaNV) REFERENCES NhanVien(MaNV) ON DELETE CASCADE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4;

Methodology

Quy trình nghiên cứu áp dụng phương pháp tiếp cận định lượng suy diễn (Deductive Quantitative Approach) gồm 6 giai đoạn chuẩn mực:

[Thiết kế Thang đo] -> [Thu thập Sơ cấp N=134] -> [EFA Khám phá] -> [Phân tích Tương quan] -> [Hồi quy Bội OLS] -> [Kiểm định Giả thuyết]
  1. Thu thập dữ liệu thứ cấp: Dữ liệu tài chính, doanh thu, lợi nhuận, biến động định biên lao động giai đoạn 2017–2020 do Phòng Tổ chức – Hành chính và Phòng Kế toán cung cấp.
  2. Thu thập dữ liệu sơ cấp: Phát phiếu khảo sát 162 công nhân viên tại xưởng sợi; thu về 134 phiếu hợp lệ (tỷ lệ phản hồi hữu ích đạt 82,7%).
  3. Quy mô mẫu theo chuẩn thống kê: Theo công thức thực nghiệm của Hair et al. (1998) và Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), quy mô mẫu tối thiểu $N \ge 5 \times \text{Số biến quan sát} = 5 \times 26 = 130$. Cỡ mẫu thực tế $N = 134$ đáp ứng trọn vẹn yêu cầu kiểm định EFA với mức Factor Loading $\ge 0.50$.
  4. Quy chuẩn kiểm định chất lượng dữ liệu:
    • Hệ số KMO (Kaiser-Meyer-Olkin) $\in [0.5, 1.0]$.
    • Kiểm định Bartlett’s Test of Sphericity có mức ý nghĩa $p < 0.05$.
    • Tiêu chuẩn rút trích Kaiser: Eigenvalue $> 1.0$, Tổng phương sai trích (Cumulative Variance Explained) $\ge 50%$.
    • Đa cộng tuyến: Hệ số phóng đại phương sai $VIF < 10$ (thực tế $< 2.0$), Tolerance $> 0.1$.
    • Tự tương quan: Hệ số Durbin-Watson $d \in [1.5, 2.5]$.

Implementation và kết quả

Development process & Thuật toán phân tích

Hệ thống xử lý phân tích dữ liệu được xây dựng dựa trên SPSS Syntax và kịch bản tự động hóa Python. Đoạn mã dưới đây mô tả cấu trúc trích xuất nhân tố và ước lượng hồi quy tuyến tính:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def evaluate_hr_motivation_model(data_path: str):
    """
    Tải dữ liệu khảo sát, tính toán các chỉ số nhân tố tổng hợp
    và ước lượng mô hình hồi quy tuyến tính OLS.
    """
    df = pd.read_csv(data_path)
    
    # 1. Tính toán điểm số trung bình cho 4 nhân tố EFA đã trích xuất
    df['X1_DaoTaoThangTien'] = df[['DTTT1', 'DTTT2', 'DTTT3', 'DTTT4']].mean(axis=1)
    df['X2_LuongQuanHe'] = df[['DN2', 'DN3', 'LD3', 'TLVPL1']].mean(axis=1)
    df['X3_DieuKienBanChat'] = df[['DKLV1', 'DKLV2', 'BCCV1', 'BCCV2']].mean(axis=1)
    df['X4_LanhDaoDongNghiep'] = df[['LD1', 'LD2', 'DN1']].mean(axis=1)
    
    # Biến phụ thuộc: Động lực làm việc (3 biến quan sát DL1, DL2, DL3)
    df['Y_DongLuc'] = df[['DL1', 'DL2', 'DL3']].mean(axis=1)
    
    # 2. Thiết lập ma trận biến độc lập OLS
    X = df[['X1_DaoTaoThangTien', 'X2_LuongQuanHe', 'X3_DieuKienBanChat', 'X4_LanhDaoDongNghiep']]
    X_with_const = sm.add_constant(X)
    y = df['Y_DongLuc']
    
    # 3. Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # 4. Tính toán hệ số phóng đại phương sai (VIF)
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

# Ví dụ thực thi:
# summary, vif = evaluate_hr_motivation_model("data_khao_sat_phu_bai_2.csv")
# print(summary)

Testing và validation

Kiểm định Nhân tố Khám phá (EFA)

  • Biến độc lập (Vòng 1): Phân tích 23 biến quan sát thu được $KMO = 0.808$, Kiểm định Bartlett đạt $\chi^2 = 1270.856$ ($df = 253, p = 0.000$). Có 6 nhân tố có Eigenvalue $> 1.0$, giải thích $63.121%$ phương sai. Tuy nhiên, các biến TLVPL2, TLVPL3 có hệ số tải $< 0.50$; các biến DKLV3, DKLV4, BCCV3, BCCV4 không đủ số lượng biến tối thiểu trên nhân tố nên đã bị loại bỏ.
  • Biến độc lập (Vòng 2 - Tinh chỉnh): Khảo sát 15 biến quan sát còn lại. Kết quả cho thấy $KMO = 0.819 > 0.5$, Bartlett's Test có $\text{Sig.} = 0.000 < 0.05$. Tổng cộng trích xuất 4 nhân tố giải thích $65.122%$ sự biến thiên dữ liệu với tất cả Factor Loading $> 0.50$.
  • Biến phụ thuộc (Động lực làm việc): Trích xuất 1 nhân tố duy nhất từ 3 biến quan sát (DL1, DL2, DL3), $KMO = 0.642$, Bartlett's Test $\chi^2 = 65.705$ ($df = 3, p = 0.000$), tổng phương sai trích đạt $61.184%$ ($Eigenvalue = 1.836$).

Ma trận xoay nhân tố EFA lần 2 (Rotated Component Matrix)

Biến quan sát (Items) Mã hóa Nhân tố 1 (X1) Nhân tố 2 (X2) Nhân tố 3 (X3) Nhân tố 4 (X4)
Cơ hội thăng tiến nhiều DTTT3 0.779
Chính sách thăng tiến rõ ràng DTTT2 0.752
Đào tạo bồi dưỡng kỹ năng DTTT1 0.645
Tạo điều kiện học tập DTTT4 0.613
Đồng nghiệp hòa đồng, thân thiện DN3 0.819
Được đồng nghiệp giúp đỡ DN2 0.777
Được đối xử công bằng LD3 0.724
Tiền lương công bằng TLVPL1 0.602
Máy móc thiết bị ít hư hỏng DKLV2 0.790
Trang bị đầy đủ phương tiện DKLV1 0.670
CV phù hợp năng lực bản thân BCCV1 0.639
Phân chia công việc hợp lý BCCV2 0.631
Cấp trên quan tâm nhân viên LD2 0.745
Đồng nghiệp phối hợp tốt DN1 0.628
Ghi nhận sự đóng góp LD1 0.588
Eigenvalue 5.555 1.823 1.367 1.023
% Phương sai giải thích 37.032% 12.156% 9.112% 6.823%

Kết quả đạt được

Kết quả Phân tích Tương quan Pearson

Ma trận tương quan cho thấy cả 4 nhân tố đều có mối liên hệ tuyến tính thuận chiều có ý nghĩa thống kê ($p < 0.01$) với biến phụ thuộc Động lực làm việc ($\text{ĐL}$): $r_{X1} = 0.469$; $r_{X2} = 0.465$; $r_{X4} = 0.447$; $r_{X3} = 0.393$.

Kết quả Mô hình Hồi quy Tuyến tính Bội (Regression Output)

  • Hệ số xác định: $R = 0.577$, $R^2 = 0.333$, $R^2 \text{ hiệu chỉnh} = 0.312$ (Mô hình giải thích được 31.2% sự biến thiên của động lực làm việc).
  • Độ chuẩn xác thống kê: Sai số chuẩn ước lượng $= 0.481$.
  • Kiểm định tự tương quan: Durbin-Watson $d = 2.070$ (nằm hoàn hảo trong ngưỡng không có tự tương quan bậc nhất $1.5 \le d \le 2.5$).
  • Kiểm định độ phù hợp mô hình (ANOVA): Giá trị kiểm định $F = 16.069$ với mức ý nghĩa $\text{Sig.} = 0.000 < 0.001$, khẳng định mô hình hồi quy có ý nghĩa thực tiễn cao.
Mô hình Hệ số B chưa chuẩn hóa Sai số chuẩn (Std. Error) Hệ số Beta ($\beta$) chuẩn hóa Giá trị $t$ Mức ý nghĩa ($p$-value) Tolerance VIF
Hằng số (Constant) 1.149 0.376 — 3.06 0.003 — —
X1: Cơ hội đào tạo & thăng tiến 0.227 0.079 0.257 2.81 0.005 0.648 1.544
X2: Lương & mối quan hệ CV 0.244 0.092 0.243 2.63 0.009 0.619 1.615
X3: ĐK làm việc & Bản chất CV 0.101 0.092 0.096 1.05 0.275 (Loại) 0.667 1.499
X4: Lãnh đạo & Đồng nghiệp 0.148 0.102 0.137 1.41 0.149 (Loại) 0.576 1.735 
PHƯƠNG TRÌNH HỒI QUY TỐI ƯU CỦA ĐỘNG LỰC LÀM VIỆC:
ĐL = 1.149 + 0.227 * X1 + 0.244 * X2 + e

Trong đó:
- ĐL: Động lực làm việc tổng thể của người lao động
- X1: Cơ hội đào tạo và thăng tiến (Beta chuẩn hóa = 0.257, p = 0.005)
- X2: Tiền lương và mối quan hệ trong công việc (Beta chuẩn hóa = 0.243, p = 0.009)

Hai nhân tố $X_3$ ($p = 0.275 > 0.05$) và $X_4$ ($p = 0.149 > 0.05$) bị loại khỏi phương trình cuối cùng do không đạt mức ý nghĩa thống kê $5%$. Điều này phản ánh thực tế: đối với công nhân sản xuất sợi, điều kiện làm việc và sự quan tâm đơn thuần của cấp trên được xem là các yếu tố duy trì tối thiểu (Hygiene Factors), không tạo ra tác động biên đáng kể lên động lực cống hiến nếu thiếu cơ hội nâng bậc tay nghề và thu nhập công bằng.

Đổi mới và đóng góp

  • Hiệu chỉnh thang đo cho ngành công nghiệp nặng: Nghiên cứu đã chuyển đổi thành công bộ thang đo JDI từ môi trường văn phòng/dịch vụ sang môi trường nhà máy kéo sợi cotton khép kín, gom cụm các biến quan sát rời rạc thành 4 nhân tố EFA có độ hội tụ cao ($65.122%$ phương sai).
  • So sánh đóng góp khoa học với các công trình công bố:
    • So với Boeve (2007): Trong nghiên cứu của Boeve trên giảng viên y tế tại Mỹ, "Bản chất công việc" là yếu tố tác động mạnh nhất. Ngược lại, tại Công ty CP Sợi Phú Bài 2, "Cơ hội đào tạo và thăng tiến" ($\beta = 0.257$) và "Tiền lương & quan hệ công việc" ($\beta = 0.243$) mới là hai lực đẩy chi phối trực tiếp.
    • So với Teck-Hong & Waheed (2011): Nhóm tác giả Malaysia cho rằng điều kiện làm việc quyết định động lực nhân viên bán hàng; tuy nhiên tại xưởng sợi Phú Bài 2, điều kiện làm việc chỉ đóng vai trò yếu tố nền tảng, không tạo sự bứt phá trong hàm hồi quy OLS.
    • So với Trần Kim Dung (2005): Khóa luận chứng minh việc gộp "Tiền lương" và "Mối quan hệ đồng nghiệp" vào cùng một cấu trúc nhân tố EFA phản ánh đúng đặc thù làm việc theo ca kíp tổ đội tại các xưởng công nghiệp miền Trung Việt Nam.
  • Tối ưu hóa nguồn lực can thiệp: Cung cấp bằng chứng định lượng giúp Ban Giám đốc loại bỏ việc đầu tư dàn trải, tập trung $100%$ nguồn lực vào 2 đòn bẩy trọng yếu: Minh bạch hóa lộ trình nâng bậc thợ và tái cấu trúc hệ thống tiền lương công bằng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng (Real-World Use Cases)

  • Use Case 1: Tái cấu trúc lộ trình thăng tiến kỹ thuật (Career Pathing): Xây dựng tiêu chuẩn thi nâng bậc thợ từ bậc 1/6 lên bậc 6/6 định kỳ 6 tháng/lần cho công nhân 5 công đoạn chính (Bông chải, Ghép thô - Chải kỹ, Sợi con, Đánh ống - Đậu xe, Đóng gói).
  • Use Case 2: Cải cách quy chế phân phối lương theo năng suất (3P System): Thay thế mức thưởng cào bằng loại A/B/C (100.000–200.000 VNĐ) bằng hệ số thưởng gắn liền với tỷ lệ phế phẩm bông hồi và số lượng cọc sợi vận hành an toàn/ca.
+-----------------------------------------------------------------------------+
|               LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP GIAI ĐOẠN 2021 - 2023            |
|                                                                             |
|  [Q1/2021 - Q2/2021] Khảo sát định kỳ & Chuẩn hóa bản mô tả công việc (JD)  |
|  [Q3/2021 - Q4/2021] Ban hành quy chế đào tạo tay nghề & Thi nâng bậc thợ  |
|  [Q1/2022 - Q2/2022] Triển khai hệ thống lương 3P gắn với KPIs chất lượng  |
|  [Q3/2022 - Q4/2023] Đánh giá tác động hồi quy sau can thiệp (Post-Survey)  |
+-----------------------------------------------------------------------------+

Phân tích Chi phí - Lợi ích & Hoàn vốn (Cost-Benefit & ROI Analysis)

  • Ngân sách triển khai ước tính: 180.000.000 VNĐ/năm (bao gồm: Chi phí tổ chức các lớp huấn luyện kỹ thuật tại xưởng: 60 triệu; Chi phí nâng cấp quỹ thưởng thi đua hiệu suất: 90 triệu; Phần mềm quản lý đánh giá: 30 triệu).
  • Lợi ích kinh tế lượng hóa:
    • Giảm tỷ lệ đứt sợi con và lỗi đậu xe giúp tiết kiệm nguyên liệu bông xơ: ước tính 240.000.000 VNĐ/năm.
    • Giảm tỷ lệ nghỉ việc từ $18%$ xuống dưới $10%$, tiết kiệm chi phí tuyển mộ và đào tạo sơ cấp nghề cho 15 công nhân mới: 180.000.000 VNĐ/năm.
    • Tổng giá trị mang lại: 420.000.000 VNĐ/năm.
  • Chỉ số ROI (Return on Investment): $$\text{ROI} = \frac{420.000.000 - 180.000.000}{180.000.000} \times 100% = 133.3%$$ Thời gian hoàn vốn ước tính đạt 5.1 tháng.

Hạn chế và hướng phát triển

  • Hạn chế kỹ thuật và phạm vi mẫu:
    1. Thiết kế nghiên cứu cắt ngang (Cross-sectional Study): Dữ liệu thu thập tại một thời điểm ($11–12/2020$) chưa phản ánh được sự biến động động lực theo chu kỳ thời vụ và biến động kinh tế vĩ mô.
    2. Dung lượng giải thích của mô hình: Hệ số $R^2_{adj} = 31.2%$ cho thấy còn $68.8%$ sự biến thiên của động lực làm việc phụ thuộc vào các nhân tố ngoài mô hình (ví dụ: Áp lực gia đình, cam kết tổ chức, văn hóa doanh nghiệp, tác động của dịch bệnh Covid-19).
    3. Quy mô nghiên cứu: Giới hạn trong phạm vi một nhà máy với $N=134$, chưa mở rộng kiểm chứng chéo (Cross-validation) sang các đơn vị thành viên khác trong khu vực.
  • Hướng nghiên cứu tiếp theo:
    • Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc CB-SEM qua phần mềm SmartPLS/AMOS nhằm kiểm định vai trò trung gian của biến "Sự hài lòng công việc" (Job Satisfaction) và "Gắn kết tổ chức" (Organizational Commitment).
    • Xây dựng nghiên cứu chuỗi thời gian (Longitudinal Study) để đo lường độ trễ tác động của chính sách tăng lương đến năng suất máy kéo sợi.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu mẫu mực về phương pháp nghiên cứu ứng dụng, quy trình phân tích EFA và hồi quy OLS hoàn chỉnh trên dữ liệu doanh nghiệp thực tế.
  • Chuyên viên Nhân sự & HR Data Analysts: Kế thừa bộ câu hỏi 26 biến quan sát đã chuẩn hóa, script xử lý dữ liệu và phương pháp chuyển hóa kết quả hồi quy thành chính sách nhân sự cụ thể.
  • Ban Lãnh đạo Doanh nghiệp Sản xuất: Nắm bắt công thức định lượng để tối ưu hóa chi phí vận hành, cải thiện môi trường làm việc và duy trì sự ổn định của đội ngũ kỹ thuật lành nghề.
  • Các nhà nghiên cứu ứng dụng: Bổ sung bằng chứng thực nghiệm giá trị về hành vi tổ chức trong ngành công nghiệp kéo sợi tại thị trường mới nổi.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để triển khai mô hình phân tích định lượng này là gì?

Cần máy trạm cấu hình cơ bản (CPU 2 cores, 4GB RAM), cài đặt IBM SPSS Statistics v22.0 trở lên hoặc môi trường Python 3.8+ (pandas, statsmodels, scipy). Dữ liệu đầu vào cần tối thiểu 100 mẫu khảo sát không bị khuyết thiếu (missing data) theo thang đo Likert 5 điểm.

2. Vì sao nhân tố "Điều kiện làm việc" và "Lãnh đạo" bị loại khỏi phương trình hồi quy cuối cùng?

Trong phân tích hồi quy bội, hai nhân tố này có mức ý nghĩa $p$-value lần lượt là $0.275$ và $0.149$, đều lớn hơn ngưỡng tiêu chuẩn $\alpha = 0.05$. Điều này chỉ ra rằng tại Sợi Phú Bài 2, môi trường vật chất và quản lý trực tiếp đóng vai trò điều kiện cần (yếu tố duy trì theo Herzberg), không tạo ra sự biến thiên độc lập có ý nghĩa thống kê lên động lực nếu không đi kèm cơ hội thăng tiến và tiền lương.

3. Làm thế nào để tích hợp quy trình khảo sát này vào hệ thống ERP/HRIS sẵn có?

Doanh nghiệp có thể nhúng module khảo sát trực tuyến qua giao diện web nội bộ hoặc ứng dụng di động kết nối trực tiếp với cơ sở dữ liệu MySQL theo Schema đã thiết kế, sau đó thiết lập API trích xuất dữ liệu tự động sang kịch bản Python để cập nhật báo cáo biến động động lực hàng quý.

4. Chi phí duy trì hệ thống tạo động lực này có vượt quá ngân sách của doanh nghiệp vừa và nhỏ?

Hoàn toàn không. Trọng tâm của mô hình là tối ưu hóa việc phân bổ quỹ lương và minh bạch hóa tiêu chí đánh giá thăng tiến sẵn có, không làm phát sinh chi phí cố định lớn. Ngân sách bổ sung chủ yếu dành cho đào tạo nội bộ và thưởng hiệu suất theo tỷ lệ hoàn vốn ROI $> 100%$.

5. Kết quả phân tích có thể áp dụng cho các nhà máy dệt may khác không?

Khung nghiên cứu và bộ công cụ đo lường có tính tổng quát cao, có thể áp dụng ngay cho các nhà máy dệt, nhuộm, may công nghiệp. Tuy nhiên, các trọng số $\beta$ hồi quy cần được tái ước lượng (re-calibration) thông qua mẫu khảo sát riêng tại từng đơn vị để đảm bảo tính chuẩn xác cục bộ.

Kết luận

Khóa luận tốt nghiệp của tác giả Dương Thị Nhật Ly đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra, mang lại giá trị to lớn cả về mặt học thuật lẫn thực tiễn quản trị:

  • Thành tựu kỹ thuật: Chuẩn hóa quy trình phân tích thực chứng $N=134$ mẫu, trích xuất thành công 4 nhân tố EFA giải thích $65.122%$ phương sai dữ liệu, thiết lập phương trình hồi quy tuyến tính tối ưu ($\text{ĐL} = 1.149 + 0.227 \cdot X_1 + 0.244 \cdot X_2$) đạt độ tin cậy $99%$ ($p < 0.01$) và loại trừ hoàn toàn rủi ro đa cộng tuyến ($VIF < 1.7$).
  • Đóng góp thực tiễn: Khẳng định vai trò dẫn dắt của "Cơ hội đào tạo & thăng tiến" ($\beta = 0.257$) và "Lương & mối quan hệ công việc" ($\beta = 0.243$) đối với người lao động tại Công ty Cổ phần Sợi Phú Bài 2.
  • Giá trị ứng dụng: Cung cấp bộ giải pháp đồng bộ giai đoạn 2021–2023 với ước tính ROI đạt $133.3%$, hỗ trợ doanh nghiệp vượt qua giai đoạn biến động thị trường và nâng cao năng lực cạnh tranh bền vững.

Doanh nghiệp và các nhà nghiên cứu quan tâm có thể áp dụng trực tiếp khung phân tích và hệ thống chỉ số trong đề tài để xây dựng chiến lược quản trị nhân tài hiệu quả cho các phân xưởng sản xuất công nghiệp hiện đại.