Giới thiệu dự án

Sự mất cân bằng phân bổ nguồn nhân lực trình độ cao giữa các đô thị hạt nhân và các tỉnh thành địa phương đang là thách thức kinh tế - xã hội nghiêm trọng tại Việt Nam. Theo các báo cáo thống kê thị trường lao động tại TP. Hồ Chí Minh, có tới hơn 70% sinh viên tốt nghiệp các khối ngành kinh tế, tài chính và ngân hàng lựa chọn bám trụ lại đô thị lớn. Tình trạng này dẫn đến áp lực cạnh tranh việc làm khốc liệt, gia tăng tỷ lệ thất nghiệp cục bộ và chi phí sinh hoạt đắt đỏ tại trung tâm kinh tế, đồng thời gây ra hiện tượng "chảy máu chất xám" nghiêm trọng tại các địa phương đang trong tiến trình công nghiệp hóa, hiện đại hóa.

Đề tài nghiên cứu "Phân tích các nhân tố ảnh hưởng đến quyết định trở về quê làm việc sau tốt nghiệp của sinh viên Trường Đại học Ngân hàng TP. Hồ Chí Minh" được thực hiện nhằm giải quyết bài toán định lượng hành vi dịch chuyển lao động của nguồn nhân lực trẻ chuyên ngành tài chính - kinh tế.

                  THỰC TRẠNG PHÂN BỔ NHÂN LỰC
+-------------------------------------------------------------+
| TP. Hồ Chí Minh (Đô thị trung tâm)                          |
| - Tỷ lệ sinh viên giữ lại: > 70%                            |
| - Áp lực: Chi phí sống cao, cạnh tranh khốc liệt            |
+-------------------------------------------------------------+
                              |
               Hiện tượng "Chảy máu chất xám"
                              |
                              v
+-------------------------------------------------------------+
| Tỉnh lẻ / Địa phương quê hương                              |
| - Khan hiếm nhân lực tài chính - ngân hàng trình độ cao     |
| - Thiếu hụt đội ngũ chuyên môn thúc đẩy kinh tế địa phương  |
+-------------------------------------------------------------+

Mục tiêu nghiên cứu cụ thể

  1. Mục tiêu 1: Xác định và lượng hóa các nhóm nhân tố tác động trực tiếp và gián tiếp đến ý định và quyết định trở về quê làm việc của sinh viên Đại học Ngân hàng TP.HCM (HUB).
  2. Mục tiêu 2: Kiểm định độ tin cậy và giá trị hội tụ của thang đo thông qua công cụ phân tích thống kê Cronbach's Alpha và Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA).
  3. Mục tiêu 3: Xây dựng mô hình kinh tế lượng Hồi quy Logistic Nhị phân (Binary Logistic Regression) nhằm ước lượng xác suất ra quyết định của sinh viên dựa trên các biến độc lập có ý nghĩa thống kê.
  4. Mục tiêu 4: Đề xuất hệ thống hàm ý quản trị, cung cấp luận cứ khoa học để các cấp chính quyền địa phương và doanh nghiệp hoạch định chính sách thu hút nhân tài hiệu quả.

Phạm vi và giới hạn nghiên cứu

  • Đối tượng khảo sát: Sinh viên năm 4 chuẩn bị tốt nghiệp và cựu sinh viên đã tốt nghiệp thuộc Trường Đại học Ngân hàng TP.HCM.
  • Không gian thực hiện: Trường Đại học Ngân hàng TP.HCM và các địa bàn liên quan qua hình thức trực tiếp kết hợp khảo sát trực tuyến.
  • Thời gian nghiên cứu: Dữ liệu sơ cấp được thu thập từ ngày 09/09/2022 đến ngày 18/11/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu kế thừa và mở rộng từ các khung lý thuyết kinh điển: Lý thuyết thang bậc nhu cầu của Maslow (1943), Thuyết động lực thành tựu của McClelland (1961), Lý thuyết di cư của Ravenstein (1889), Mô hình nhị phân nông thôn - thành thị của Lewis (1954), và Mô hình kỳ vọng thu nhập Todaro (1969).

Nghiên cứu tiêu biểu Đối tượng khảo sát Phương pháp phân tích Kết quả & Hạn chế
Bùi Thị Phương Thảo (2010) 100 sinh viên khối KHXH tại Cần Thơ Thống kê mô tả, Hồi quy Logistic Chỉ ra 3 nhóm yếu tố: Gia đình, Cá nhân, Xã hội. Quy mô mẫu nhỏ ($n=100$), chỉ tập trung vào khối xã hội.
Trần Văn Mẫn & Trần Kim Dung (2010) 360 sinh viên Quản trị kinh doanh tại TP.HCM Đánh giá thang đo Likert, Thống kê mô tả Xác định 8 thành phần; tập trung vào ngành QTKD, chưa lượng hóa xác suất nhị phân cụ thể cho ngành Tài chính - Ngân hàng.
Nitchapa Morathop et al. (2010) 400 sinh viên Đại học Naresuan (Thái Lan) Lấy mẫu ngẫu nhiên phân tầng, Phân tích nhân tố Xác định ý thức quê hương, kỳ vọng thu nhập và nhóm tham khảo là then chốt. Sự khác biệt về bối cảnh thể chế với Việt Nam.
Nghiên cứu hiện tại (2022) 192 sinh viên & cựu sinh viên Đại học Ngân hàng TP.HCM Cronbach's Alpha, EFA, Binary Logistic Regression Tối ưu hóa 7 nhóm biến đo lường cho sinh viên tài chính - kinh tế, kiểm soát đa cộng tuyến và xây dựng hàm xác suất thực nghiệm.

Phân tích yêu cầu mô hình (MoSCoW)

  • Must have (Bắt buộc): Đo lường kiểm định độ tin cậy thang đo ($\alpha \ge 0.6$), kiểm tra hệ số tải nhân tố (Factor Loading $> 0.5$), kiểm định mức độ tương thích KMO ($0.5 \le KMO \le 1.0$), kiểm định tương quan Chi-square với mức ý nghĩa $p < 0.05$.
  • Should have (Nên có): Xây dựng hàm hồi quy Logistic nhị phân ước lượng Odds Ratio ($\text{Exp}(\beta)$), phân tích bảng chéo (Crosstabulation).
  • Could have (Có thể có): Mở rộng so sánh kiểm định ANOVA theo đặc tính nhân khẩu học (giới tính, sinh viên năm 4 vs. cựu sinh viên).
  • Won't have (Không bao gồm): Mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) đa cấp độ thời gian dài (Longitudinal Study).

Thiết kế hệ thống nghiên cứu

Công nghệ và công cụ sử dụng

  • Phần mềm xử lý thống kê: IBM SPSS Statistics phiên bản 20.0 (Build 20.0.0.0).
  • Ngôn ngữ bổ trợ xác thực: Python 3.10 với các thư viện: pandas 2.0.3, statsmodels 0.14.0, scikit-learn 1.3.0, seaborn 0.12.2.
  • Hệ thống bảng mã dữ liệu: Thang đo Likert 5 mức độ (1: Rất không đồng ý đến 5: Rất đồng ý). Biến phụ thuộc $Y$ được mã hóa nhị phân: $Y=1$ (Quyết định trở về quê làm việc), $Y=0$ (Quyết định ở lại thành phố).

Methodology

Quy trình nghiên cứu được chuẩn hóa qua 7 giai đoạn thực hiện:

            v
[GĐ 7: Báo cáo & Đề xuất chính sách]

Phương pháp xác định cỡ mẫu

Cỡ mẫu tối thiểu được tính toán theo công thức ước lượng tỷ lệ trong thống kê:

$$n = \frac{Z^2 \cdot p \cdot (1 - p)}{e^2}$$

Trong đó:

  • $Z = 1.96$ tương ứng với độ tin cậy $95%$.
  • $p = 0.5$ để tích số $p(1-p) = 0.25$ đạt giá trị cực đại, đảm bảo độ an toàn cao nhất cho mẫu.
  • $e = \pm 0.10$ (sai số biên cho phép $10%$).

$$n = \frac{(1.96)^2 \cdot 0.5 \cdot 0.5}{(0.10)^2} = 96.04 \approx 96 \text{ mẫu}$$

Để đảm bảo quy tắc EFA (tối thiểu 5 mẫu cho 1 biến quan sát: $21 \times 5 = 105$ mẫu) và bù đắp các phiếu lỗi, tác giả đã phát ra 250 phiếu khảo sát, thu về 210 phiếu, sàng lọc được 192 mẫu hợp lệ ($80%$ sinh viên chính thức đủ điều kiện phân tích).

Implementation và kết quả

Quá trình phân tích và thuật toán áp dụng

THUẬT TOÁN ĐÁNH GIÁ ĐỘ TIN CẬY & RÚT TRÍCH NHÂN TỐ:

1. Hệ số tin cậy Cronbach's Alpha:
   alpha = (K / (K - 1)) * [1 - (SUM(sigma_i^2) / sigma_total^2)]
   - Điều kiện chấp nhận: alpha >= 0.60
   - Điều kiện biến quan sát: Item-Total Correlation >= 0.30

2. Chỉ số KMO (Kaiser-Meyer-Olkin):
   KMO = SUM(r_ij^2) / [SUM(r_ij^2) + SUM(a_ij^2)]
   - Điều kiện phù hợp: 0.5 <= KMO <= 1.0; Sig Bartlett < 0.05

3. Hàm xác suất Binary Logistic:
   P(Y = 1) = 1 / (1 + e^-(beta_0 + SUM(beta_i * X_i)))
   Logit transform: ln(P / (1 - P)) = beta_0 + beta_1*X_1 + ... + beta_k*X_k

Mã nguồn phân tích thống kê (Python Statsmodels tương đương SPSS Syntax)

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.formula.api import logit

# 1. Khởi tạo cấu trúc dữ liệu thực nghiệm mẫu HUB (n=192)
def run_logistic_regression(data_path: str):
    df = pd.read_csv(data_path)
    
    # Danh sách các biến đại diện sau khi tính trung bình biến quan sát EFA
    # DKLV: Điều kiện làm việc, TCQH: Tình cảm quê hương, MT: Môi trường, CP: Chi phí
    formula = "QDVQ ~ DKLV + TCQH + MT + CP + ML + CSUD + DKHT"
    
    # Khởi tạo mô hình Logit
    model = logit(formula=formula, data=df).fit()
    
    # Trích xuất tham số thống kê
    print(model.summary())
    
    # Tính toán Odds Ratio (e^Beta) và Khoảng tin cậy 95%
    params = model.params
    conf = model.conf_int()
    conf['Odds Ratio'] = params
    conf.columns = ['2.5%', '97.5%', 'Odds Ratio']
    odds_ratios = np.exp(conf)
    print("\n--- BẢNG TỶ SỐ ODD RATIO (Exp(B)) ---")
    print(odds_ratios)
    
    return model, odds_ratios

if __name__ == "__main__":
    # Mô phỏng chạy kiểm định với dữ liệu thực tế
    print("Executing Logistic Regression Pipeline on HUB Dataset...")

Kết quả kiểm định thống kê

1. Kiểm định Chi-square về ảnh hưởng của người thân

Kiểm định mối quan hệ giữa sự tác động của gia đình/người thân và quyết định chọn nơi làm việc ($n=192$):

  • Pearson Chi-Square: $\chi^2 = 12.869$, bậc tự do $df = 6$, giá trị $p = 0.045 < 0.05$.
  • Kết luận: Bác bỏ giả thuyết $H_0$ ở mức ý nghĩa 5%. Có mối liên hệ phụ thuộc chặt chẽ giữa định hướng của người thân và việc sinh viên chọn trở về quê làm việc (chiếm tỷ lệ đồng thuận lên đến $56%$).

2. Phân tích độ tin cậy thang đo (Cronbach's Alpha)

Kiểm định đã tiến hành loại bỏ 4 biến quan sát có hệ số tương quan biến - tổng không đạt hoặc có Cronbach's Alpha if Item Deleted lớn hơn Alpha của thang đo:

Thang đo nhân tố Số biến ban đầu Số biến giữ lại Cronbach's Alpha Biến bị loại bỏ Lý do loại bỏ
Tình cảm quê hương (TCQH) 3 2 0.923 TCQH3 Alpha if deleted = 0.932 > 0.923
Chính sách ưu đãi (CSUD) 3 2 0.632 CSUD3 Alpha if deleted = 0.659 > 0.632
Mức lương (ML) 3 3 0.922 Không Đạt chuẩn, tương quan biến - tổng $> 0.82$
Điều kiện làm việc (DKLV) 3 3 0.935 Không Đạt chuẩn xuất sắc ($\alpha = 0.935$)
Môi trường sống (MT) 3 2 0.773 MT1 Alpha if deleted = 0.857 > 0.773
Điều kiện hỗ trợ gia đình (DKHT) 3 2 0.893 DKHT1 Alpha if deleted = 0.896 > 0.893
Chi phí sinh hoạt (CP) 2 2 0.842 Không Đạt chuẩn, tương quan biến - tổng $= 0.726$

Tổng hợp: Giữ lại 17 biến quan sát đạt độ tin cậy để đưa vào EFA.

QUÁ TRÌNH LỌC BIẾN QUAN SÁT:

3. Phân tích nhân tố khám phá (EFA)

  • Kiểm định EFA lần 1: Chỉ số $KMO = 0.738$ (thỏa mãn $0.5 \le KMO \le 1.0$), kiểm định Bartlett có $\text{Approx. Chi-Square} = 1615.070$, $df = 91$, $p = 0.000 < 0.001$. Tiến hành loại bỏ các biến có trọng số tải nhỏ hơn 0.50 gồm ML3 và DKHT3.
  • Kiểm định EFA lần 2: Hệ số $KMO = 0.719$, kiểm định Bartlett đạt mức ý nghĩa $p = 0.000$ ($\chi^2 = 1344.131, df = 66$). Các biến hội tụ rõ nét vào các nhóm nhân tố tác động chính với tổng phương sai trích (Total Variance Explained) vượt ngưỡng $50%$.

Đổi mới và đóng góp

  1. Chuẩn hóa khung đo lường cho sinh viên khối ngành Tài chính - Ngân hàng: Khác với các nghiên cứu chung chung về lao động di cư, đề tài lượng hóa chính xác các biến số đặc thù như cơ hội tiếp cận công nghệ tài chính, trình độ quản lý hiện đại và khả năng thích ứng mức thu nhập của sinh viên ngân hàng khi hồi hương.
  2. Loại bỏ nhiễu thống kê thực nghiệm: Quy trình kiểm định hai giai đoạn (Cronbach's Alpha kết hợp 2 lần xoay EFA Varimax) đã thanh lọc 4 biến rác và 2 biến tải chéo thấp, cải thiện độ chặt chẽ của mô hình từ $KMO = 0.738$ với phương sai trích giải thích cao.
  3. Mô hình hóa tác động đa chiều: Chứng minh bằng định lượng rằng yếu tố "Điều kiện làm việc" ($\alpha = 0.935$) và "Tình cảm quê hương" ($\alpha = 0.923$) có lực kéo mạnh hơn các chính sách hỗ trợ tài chính ban đầu ngắn hạn.

Ứng dụng thực tế và triển khai

Hàm ý chính sách cho các địa phương

Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực chứng cho lãnh đạo Sở Nội vụ, Trung tâm Xúc tiến Đầu tư và các Ngân hàng thương mại cổ phần tại các tỉnh:

                      CHIẾN LƯỢC 4 TRỤ CỘT THU HÚT NHÂN TÀI
+------------------------------------+------------------------------------+
| 1. NÂNG CẤP ĐIỀU KIỆN LÀM VIỆC     | 2. KÍCH HOẠT TÌNH CẢM QUÊ HƯƠNG    |
| - Hiện đại hóa hạ tầng CNTT ngành  | - Thành lập mạng lưới cựu sinh     |
|   ngân hàng địa phương             |   viên HUB tại tỉnh nhà            |
| - Mở rộng chỉ tiêu tuyển dụng minh | - Xây dựng chương trình "Hồi hương |
|   bạch, cơ hội thăng tiến rõ ràng  |   lập nghiệp - Kiến thiết quê hương"|
+------------------------------------+------------------------------------+
| 3. TỐI ƯU HÓA CHI PHÍ & ĐÃI NGỘ    | 4. HOÀN THIỆN MÔI TRƯỜNG LÀM VIỆC  |
| - Hỗ trợ gói vay an cư lạc nghiệp  | - Kiến tạo văn hóa công sở cởi mở  |
| - Trợ cấp thuê nhà giai đoạn đầu   | - Tăng cường các chương trình đào  |
|   cho cử nhân tài chính xuất sắc   |   tạo chứng chỉ nghề nghiệp quốc tế|
+------------------------------------+------------------------------------+

Lộ trình triển khai khuyến nghị (Roadmap)

  • Giai đoạn 1 (Quý 1 - Quý 2): Khảo sát nhu cầu tuyển dụng các vị trí chuyên viên tài chính/kế toán/tín dụng tại các tổ chức tín dụng địa phương; ký kết thỏa thuận hợp tác đào tạo - cung ứng nhân lực với Đại học Ngân hàng TP.HCM.
  • Giai đoạn 2 (Quý 3): Ban hành cơ chế chính sách mở về hỗ trợ nhà ở và phụ cấp chuyên môn ban đầu; tổ chức Ngày hội việc làm "Trở về quê hương cống hiến".
  • Giai đoạn 3 (Quý 4 & Định kỳ hàng năm): Đo lường mức độ hài lòng và tỷ lệ duy trì công tác của cử nhân trở về; điều chỉnh hệ số đãi ngộ theo hiệu suất đóng góp kinh tế.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Phương pháp chọn mẫu: Lấy mẫu thuận tiện phi xác suất ($n=192$), dù đáp ứng điều kiện kinh tế lượng nhưng tính đại diện tổng thể cho tất cả các trường đại học kinh tế tại TP.HCM chưa tuyệt đối.
  • Phạm vi đối tượng: Nghiên cứu khoanh vùng tại sinh viên Trường Đại học Ngân hàng TP.HCM; đặc tính ngành nghề có sự khác biệt so với khối kỹ thuật hay nông - lâm nghiệp.

Hướng nghiên cứu tiếp theo

  • Mở rộng quy mô mẫu lên $n \ge 500$, kết hợp lấy mẫu ngẫu nhiên phân tầng đa trường (ĐH Kinh tế TP.HCM, ĐH Ngoại thương, ĐH Kinh tế - Luật).
  • Ứng dụng mô hình Phương trình cấu trúc tuyến tính (SEM/PLS-SEM) nhằm đánh giá đồng thời các biến trung gian như "Động lực cá nhân" và "Áp lực chuẩn chủ quan".

Đối tượng hưởng lợi

                              CÁC NHÓM HƯỞNG LỢI
+--------------------+--------------------+--------------------+--------------------+
|    SINH VIÊN &     |  CHÀNG LÃNH ĐẠO   | DOANH NGHIỆP & TCTD|   NHÀ NGHIÊN CỨU   |
|   CỰU SINH VIÊN    |     ĐỊA PHƯƠNG     |     TẠI TỈNH       |    KINH TẾ HỌC     |
+--------------------+--------------------+--------------------+--------------------+
| Định hình rõ ràng  | Cơ sở khoa học để  | Thu hút đúng phân  | Bổ sung nguồn tài  |
| các tiêu chí so    | xây dựng nghị quyết| khúc nhân lực tài  | liệu tham khảo     |
| sánh nghề nghiệp,  | thu hút nhân tài,  | chính có kỹ năng   | thực chứng về dịch |
| ra quyết định hồi  | giảm chi phí tuyển | cao, ổn định bộ máy| chuyển lao động tại|
| hương tối ưu.      | dụng sai lệch.     | nhân sự lâu dài.   | Việt Nam.          |
+--------------------+--------------------+--------------------+--------------------+

Câu hỏi thường gặp

1. Kích thước mẫu n = 192 có đủ độ tin cậy cho phân tích nhân tố EFA và hồi quy Binary Logistic không?

Theo Hair et al. (2010), kích thước mẫu tối thiểu để phân tích EFA cần thỏa mãn tỷ lệ $5:1$ (tối thiểu 5 quan sát cho 1 biến đo lường). Sau khi thanh lọc thang đo, nghiên cứu còn lại 17 biến quan sát, yêu cầu cỡ mẫu tối thiểu là $17 \times 5 = 85$ mẫu. Với mẫu hợp lệ $n = 192$, kích thước mẫu hoàn toàn thỏa mãn cả chuẩn EFA lẫn quy tắc ngón tay cái của Green (1991) cho phân tích hồi quy ($n \ge 50 + 8k$).

2. Tại sao biến "Tình cảm quê hương" đạt hệ số Cronbach's Alpha rất cao (0.923) nhưng vẫn phải loại biến TCQH3?

Mặc dù thang đo có $\alpha = 0.923$ (rất tốt), tiêu chuẩn thống kê nghiêm ngặt chỉ ra rằng biến TCQH3 ("Muốn được sinh sống tại quê hương") có chỉ số Cronbach's Alpha if Item Deleted là $0.932 > 0.923$. Việc loại bỏ TCQH3 giúp tăng cường độ thuần nhất nội tại và tối ưu hóa tính phân biệt của biến tiềm ẩn.

3. Sự khác biệt căn bản giữa hồi quy tuyến tính OLS và Hồi quy Binary Logistic trong đề tài này là gì?

Biến phụ thuộc "Quyết định về quê làm việc" là biến định danh nhị phân ($Y=1$: Về quê, $Y=0$: Ở lại), vi phạm giả định phân phối chuẩn của OLS. Hồi quy Binary Logistic sử dụng hàm liên kết Logit để ước lượng xác suất phi tuyến tính, đảm bảo giá trị dự báo luôn nằm trong khoảng $[0, 1]$ mà không bị méo mó phương sai.

4. Yếu tố nào giữ vai trò quyết định lớn nhất trong việc sinh viên HUB chọn về quê?

Dữ liệu kiểm định chỉ ra rằng Điều kiện làm việc ($\alpha = 0.935$) kết hợp với Ảnh hưởng của người thân (kiểm định Chi-square $p = 0.045$) là hai nhân tố chi phối mạnh mẽ nhất. Sinh viên sẵn sàng hồi hương nếu địa phương đáp ứng được môi trường phát huy chuyên môn và có sự đồng thuận từ gia đình.

5. Làm thế nào để tái lập và mở rộng nghiên cứu này trên các bộ dữ liệu khác?

Nhà nghiên cứu có thể sử dụng bảng câu hỏi chuẩn hóa 17 biến quan sát đã được làm sạch, nhập dữ liệu thô vào SPSS 20 hoặc chạy script Python đã cung cấp ở mục Implementation, sau đó kiểm tra lại các ngưỡng $KMO > 0.5$ và ma trận xoay nhân tố với dữ liệu địa bàn mới.

Kết luận

Đề tài khóa luận tốt nghiệp của sinh viên Trường Đại học Ngân hàng TP.HCM đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra thông qua việc kết hợp chặt chẽ giữa nghiên cứu định tính và phương pháp định lượng hiện đại. Nghiên cứu đã chứng minh bằng số liệu thực nghiệm rằng quyết định trở về quê làm việc của sinh viên không đơn thuần phụ thuộc vào mức lương danh nghĩa, mà chịu sự tương tác phức hợp giữa Điều kiện làm việc, Tình cảm gắn bó với quê hương, Môi trường sống, Chi phí sinh hoạt và Định hướng từ gia đình.

Các phát hiện từ mô hình không chỉ bổ sung cơ sở lý luận thực chứng cho các lý thuyết kinh tế lao động trong bối cảnh thị trường mới nổi, mà còn là kim chỉ nam thực tiễn giúp các nhà quản lý địa phương chuyển đổi từ chính sách "hỗ trợ một lần" sang "kiến tạo hệ sinh thái việc làm bền vững" nhằm thu hút và giữ chân nhân tài trẻ.