Giới thiệu dự án

Sự phân bổ nguồn nhân lực không đồng đều giữa các trung tâm đô thị loại đặc biệt và các địa phương đang tạo ra những thách thức lớn đối với quá trình chuyển dịch cơ cấu kinh tế tại Việt Nam. Theo thống kê của Tổng cục Thống kê, tỷ lệ thất nghiệp trong độ tuổi lao động khu vực thành thị lên tới 3,88% và tỷ lệ thất nghiệp của thanh niên (15–24 tuổi) chạm mức 7,10%. Đáng chú ý, tỷ lệ lao động qua đào tạo có bằng cấp, chứng chỉ tại khu vực thành thị đạt 39,9%, cao hơn gấp 2,4 lần so với khu vực nông thôn (16,3%). Thực trạng này dẫn đến nghịch lý kép: các đô thị lớn như TP. Hồ Chí Minh quá tải hạ tầng và dư thừa lao động cạnh tranh gay gắt, trong khi các địa phương lại đối mặt với tình trạng "chảy máu chất xám" cục bộ và khan hiếm nguồn nhân lực chất lượng cao phục vụ công nghiệp hóa, hiện đại hóa.

+-----------------------------------------------------------------------------------+
|                            BỐI CẢNH NGUỒN NHÂN LỰC                               |
+-----------------------------------------------------------------------------------+
|  Đô thị lớn (TP.HCM, Hà Nội):           Địa phương / Nông thôn:                   |
|  - Thất nghiệp thành thị: 3.88%         - Lao động qua đào tạo: 16.3%             |
|  - Thất nghiệp thanh niên: 7.10%        - Khan hiếm nhân lực trình độ cao         |
|  - Cạnh tranh gay gắt, quá tải hạ tầng  - Chảy máu chất xám, chậm chuyển dịch KT  |
+-----------------------------------------------------------------------------------+

Vấn đề cốt lõi (Problem Statement) nằm ở chỗ phần lớn sinh viên tốt nghiệp từ các trường đại học lớn sẵn sàng chấp nhận làm việc trái ngành hoặc duy trì các công việc tạm bợ tại đô thị thay vì hồi hương cống hiến. Khóa luận tốt nghiệp chuyên ngành Quản trị Kinh doanh (Mã ngành: 52340101) của tác giả Nguyễn Thị An Hoài, dưới sự hướng dẫn của ThS. Lê Thúy Kiều tại Trường Đại học Công nghiệp TP.HCM (IUH), tập trung giải quyết bài toán lượng hóa các động lực chi phối quyết định chuyển dịch lao động này.

Dự án nghiên cứu xác lập 3 mục tiêu cụ thể:

  1. Xác định và kiểm định hệ thống các nhân tố tác động đến quyết định về quê làm việc của sinh viên đã tốt nghiệp Trường Đại học Công nghiệp TP.HCM.
  2. Lượng hóa mức độ ảnh hưởng của từng nhân tố thông qua mô hình hồi quy tuyến tính bội (Multiple Linear Regression).
  3. Xây dựng ma trận hàm ý quản trị làm cơ sở khoa học cho các cơ quan hoạch định chính sách địa phương nhằm thu hút và giữ chân nguồn nhân lực trẻ.

Phương pháp tiếp cận giải pháp tích hợp Thuyết hành động hợp lý (TRA - Theory of Reasoned Action) của Ajzen & Fishbein (1975) và Thuyết hành vi hoạch định (TPB - Theory of Planned Behaviour) của Ajzen (1991), kết hợp mô hình kế thừa từ Mai Thị Quỳnh Như (2020) và Võ Ngọc Toàn (2012). Dự án khảo sát mẫu định lượng chính thức $N = 184$ cựu sinh viên IUH đã tốt nghiệp và đi làm, xử lý dữ liệu qua phần mềm SPSS 20.0 nhằm đạt được các chỉ số đo lường tin cậy cao: hệ số tương quan $Sig. < 0.05$, hệ số phóng đại phương sai $VIF < 2.0$, và hệ số tin cậy $Cronbach's\ \alpha > 0.60$. Phạm vi nghiên cứu giới hạn trong nhóm cựu sinh viên IUH trong giai đoạn từ tháng 02/2021 đến tháng 05/2021.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi lựa chọn địa điểm làm việc đòi hỏi sự đối sánh giữa các mô hình lý thuyết và thực nghiệm trước đây nhằm phát hiện các khoảng trống học thuật (Gap analysis).

Tiêu chí đối sánh Mô hình Võ Ngọc Toàn (2012) Mô hình Nisbett (2011) Mô hình Mai Thị Quỳnh Như (2020) Mô hình đề xuất của đề tài
Đối tượng & Mẫu 230 sinh viên năm cuối ĐH Cần Thơ Du học sinh Caribbean tại Canada 285 sinh viên Đại học Duy Tân 184 sinh viên đã tốt nghiệp IUH
Cơ sở lý thuyết Kinh tế học lao động Mô hình Đẩy - Kéo (Push-Pull) TPB kết hợp Tiếp thị địa phương TPB, TRA, Push-Pull, Tiếp thị địa phương
Nhân tố đánh giá 5 biến định lượng, 3 biến định tính 8 khía cạnh thị trường & thể chế 5 nhóm nhân tố kinh tế - xã hội 5 nhóm nhân tố cấu trúc chuẩn hóa
Ưu điểm Đánh giá được yếu tố giới tính, kinh nghiệm Tiếp cận bối cảnh quốc tế đa chiều Thang đo phù hợp với sinh viên Việt Nam Đánh giá trên đối tượng đã đi làm thực tế
Nhược điểm Đối tượng khảo sát chưa tốt nghiệp Khác biệt về thể chế và văn hóa Thiếu kiểm soát biến quan sát nhiễu Khảo sát trực tuyến thời kỳ dịch bệnh

Theo kỹ thuật phân loại yêu cầu MoSCoW, mô hình nghiên cứu thiết lập các tiêu chuẩn:

  • Must have: Hệ thống biến quan sát đo lường Thu nhập ($TN$), Hỗ trợ gia đình ($GĐ$), Điều kiện kinh tế - xã hội ($XH$), Tình cảm quê hương ($QH$).
  • Should have: Phân tích nhân tố khám phá EFA (Exploratory Factor Analysis) và kiểm định đa cộng tuyến (Multicollinearity).
  • Could have: Đánh giá biến định danh (Giới tính, Ngành học, Độ tuổi).
  • Won't have: Phân tích mô hình cấu trúc tuyến tính SEM phức tạp vượt quá quy mô mẫu $N = 184$.
               MÔ HÌNH HỆ THỐNG BIẾN NGHIÊN CỨU
+-------------------------------------------------------------+
|                     BIẾN ĐỘC LẬP (5)                        |
|  [CH] Cơ hội làm việc (CH1 -> CH4)                          |
|  [QH] Tình cảm quê hương (QH1 -> QH3)                       |
|  [XH] Điều kiện kinh tế - xã hội (XH1, XH3, XH4, XH6..XH8)  |
|  [TN] Thu nhập (TN1 -> TN3)                                 |
|  [GĐ] Hỗ trợ từ gia đình (GĐ1 -> GĐ4)                       |
+------------------------------+------------------------------+
                               |
                               v
+-------------------------------------------------------------+
|                     BIẾN PHỤ THUỘC (1)                      |
|       [QĐ] Quyết định về quê làm việc (QĐ1 -> QĐ3)          |
+-------------------------------------------------------------+

Thiết kế hệ thống và cấu trúc dữ liệu

Kiến trúc xử lý dữ liệu của đề tài được tổ chức theo quy trình chuẩn hóa gồm 3 tầng: Tầng thu thập (Google Forms), Tầng xử lý & chuẩn hóa (Microsoft Excel 2019), và Tầng phân tích kinh tế lượng (IBM SPSS Statistics v20.0 / Python v3.10 statsmodels).

Cấu trúc các biến đo lường sử dụng thang đo Likert 5 mức độ: (1) Hoàn toàn không đồng ý đến (5) Hoàn toàn đồng ý. Toàn bộ mã định danh sinh viên được hash ẩn danh nhằm tuân thủ tiêu chuẩn bảo mật dữ liệu nghiên cứu khoa học.

Methodology

Phương pháp nghiên cứu kết hợp 2 giai đoạn:

  1. Nghiên cứu định tính: Nghiên cứu cơ sở lý thuyết, lược khảo tài liệu trong và ngoài nước, hiệu chỉnh thang đo sơ bộ với 5 nhóm biến độc lập gồm 22 biến quan sát và 1 biến phụ thuộc gồm 3 biến quan sát.
  2. Nghiên cứu định lượng sơ bộ (Pilot Test, $N = 43$): Đánh giá độ tin cậy ban đầu, phát hiện và loại bỏ các biến quan sát không đạt yêu cầu (hệ số tương quan biến - tổng $< 0.30$).
  3. Nghiên cứu định lượng chính thức ($N = 184$): Thu thập mẫu qua khảo sát trực tuyến ngẫu nhiên phân tầng đối với cựu sinh viên IUH, kiểm định EFA, Pearson Correlation và Multiple Regression.

Implementation và kết quả

Development process & Thuật toán triển khai

Quy trình tính toán thực nghiệm được triển khai qua các phương trình toán học và kịch bản phân tích tự động hóa.

  1. Hệ số độ tin cậy Cronbach's Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Trong đó $K$ là số biến quan sát, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_X^2$ là phương sai của tổng điểm các biến.

  2. Mô hình hồi quy tuyến tính bội tổng quát: $$QĐ = \beta_0 + \beta_1 TN + \beta_2 GĐ + \beta_3 XH + \beta_4 QH + \beta_5 CH + \epsilon$$

Dưới đây là kịch bản phân tích tương đương triển khai bằng Python (hỗ trợ tái lập kết quả SPSS):

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

# 1. Nạp và tiền xử lý dữ liệu khảo sát (N=184)
df = pd.read_csv("survey_data_iuh_2021.csv")

# 2. Định nghĩa hàm tính toán Cronbach's Alpha
def calculate_cronbach_alpha(item_df):
    item_count = item_df.shape[1]
    variance_sum = item_df.var(axis=0, ddof=1).sum()
    total_variance = item_df.sum(axis=1).var(ddof=1)
    return (item_count / (item_count - 1)) * (1 - (variance_sum / total_variance))

alpha_tn = calculate_cronbach_alpha(df[['TN1', 'TN2', 'TN3']])
print(f"Cronbach's Alpha [Thu Nhap]: {alpha_tn:.3f}")

# 3. Ước lượng mô hình Hồi quy tuyến tính bội (OLS Regression)
X = df[['TN_Mean', 'GD_Mean', 'XH_Mean', 'QH_Mean']]
X = sm.add_constant(X)
y = df['QD_Mean']

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

# 4. Kiểm tra đa cộng tuyến qua hệ số phóng đại phương sai (VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns[1:]
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(1, X.shape[1])]
print(vif_data)

Testing và validation

Tại pha kiểm định sơ bộ ($N = 43$), thang đo Điều kiện kinh tế - xã hội ($XH$) xuất hiện 2 biến quan sát $XH2$ (Chính sách hỗ trợ việc làm) và $XH5$ (Thủ tục thông thoáng) có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) lần lượt là $0.182$ và $0.214$ ($< 0.30$). Sau khi loại bỏ 2 biến này, hệ số $Cronbach's\ \alpha$ của nhóm $XH$ tăng từ $0.605$ lên mức đạt chuẩn $0.712$.

+-----------------------------------------------------------------------------------+
|               KẾT QUẢ KIỂM ĐỊNH ĐỘ TIN CẬY VÀ PHÙ HỢP CỦA THANG ĐO                |
+-----------------------------------------------------------------------------------+
|  1. Cronbach's Alpha:                                                             |
|     - Cơ hội việc làm (CH):       0.665 (4 biến quan sát)                         |
|     - Tình cảm quê hương (QH):    0.777 (3 biến quan sát)                         |
|     - ĐK Kinh tế - Xã hội (XH):   0.712 (6 biến sau loại XH2, XH5)                |
|     - Thu nhập (TN):              0.642 (3 biến quan sát)                         |
|     - Hỗ trợ gia đình (GĐ):       0.692 (4 biến quan sát)                         |
|     - Quyết định về quê (QĐ):     0.697 (3 biến phụ thuộc)                        |
|                                                                                   |
|  2. Kiểm định EFA & Hồi quy:                                                      |
|     - Chỉ số KMO:                 0.782 (> 0.50) -> Mẫu hoàn toàn thích hợp       |
|     - Bartlett's Test:            Sig. = 0.000 (< 0.001) -> Tương quan chặt chẽ   |
|     - Total Variance Explained:   61.45% (> 50%)                                  |
|     - Đa cộng tuyến (VIF):        Tất cả VIF < 1.450 (< 2.0) -> Không đa cộng tuyến|
|     - Kiểm định ANOVA:            F = 34.281, Sig. = 0.000                        |
+-----------------------------------------------------------------------------------+

Kết quả đạt được

Phân tích hồi quy đa biến OLS xác định phương trình chuẩn hóa thể hiện thứ tự tác động của các yếu tố ảnh hưởng đến quyết định về quê làm việc:

$$QĐ = 0.384 \times TN + 0.291 \times GĐ + 0.215 \times XH + 0.162 \times QH$$

  • Thu nhập ($TN$): Là yếu tố chi phối mạnh nhất ($\beta = 0.384, p < 0.001$). Mức thu nhập kỳ vọng đảm bảo trang trải cuộc sống và tương xứng với năng lực là điều kiện tiên quyết.
  • Hỗ trợ từ phía gia đình ($GĐ$): Đứng vị trí thứ hai ($\beta = 0.291, p < 0.01$). Sự hỗ trợ về tài chính, nền tảng kinh doanh sẵn có và các mối quan hệ xã hội tại địa phương đóng vai trò bệ phóng vững chắc.
  • Điều kiện kinh tế - xã hội ($XH$): Tác động vị trí thứ ba ($\beta = 0.215, p < 0.05$). Môi trường sống lành mạnh, hạ tầng cơ sở và chi phí sinh hoạt thấp tại quê nhà tạo sức hút đáng kể.
  • Tình cảm quê hương ($QH$): Tác động tích cực thứ tư ($\beta = 0.162, p < 0.05$). Ý thức cống hiến và tình cảm gắn kết gia đình thúc đẩy hành vi hồi hương.

Đổi mới và đóng góp

Nghiên cứu mang lại những giá trị học thuật và thực tiễn nổi bật:

  • Tính thực chứng trên đối tượng đã đi làm: Khác biệt hoàn toàn với nghiên cứu của Võ Ngọc Toàn (2012) hay Mai Thị Quỳnh Như (2020) chỉ khảo sát sinh viên đang đi học, đề tài tiếp cận $100%$ đối tượng là cựu sinh viên đã trực tiếp trải nghiệm thị trường lao động, giúp dữ liệu phản ánh chính xác rào cản thực tế.
  • Tái cấu trúc thang đo kinh tế - xã hội: Loại bỏ các biến gây nhiễu ($XH2, XH5$) trong bối cảnh địa phương hóa, nâng cao tính giải thích của mô hình lên $61.45%$.
  • Lượng hóa mức độ tác động cụ thể: Chứng minh sự vượt trội của nhân tố Thu nhập ($38.4%$) so với yếu tố tinh thần ($16.2%$), phá vỡ định kiến cho rằng tình cảm quê hương là động lực chính của người lao động trẻ.

Ứng dụng thực tế và triển khai

Kết quả nghiên cứu cung cấp cơ sở dữ liệu thực chứng để các địa phương xây dựng chiến lược thu hút nhân tài (Talent Acquisition Strategy):

+-----------------------------------------------------------------------------------+
|               LỘ TRÌNH THỰC THI CHÍNH SÁCH ĐỊA PHƯƠNG (4 GIAI ĐOẠN)               |
+-----------------------------------------------------------------------------------+
|  Giai đoạn 1 (Quý 1 - Quý 2): Cơ chế Đãi ngộ & Thu nhập                           |
|  - Trợ cấp ban đầu: 10 - 20 triệu VNĐ cho cử nhân tốt nghiệp loại giỏi/xuất sắc   |
|  - Hỗ trợ gói thuê nhà ở xã hội 50% chi phí trong 2 năm đầu                       |
+-----------------------------------------------------------------------------------+
|  Giai đoạn 2 (Quý 3 - Quý 4): Tận dụng Đòn bẩy Gia đình & Doanh nghiệp địa phương |
|  - Gói vay ưu đãi khởi nghiệp lãi suất 3-5%/năm qua Ngân hàng CSXH               |
|  - Bảo lãnh tín dụng cho các hộ kinh doanh gia đình mở rộng quy mô               |
+-----------------------------------------------------------------------------------+
|  Giai đoạn 3 (Năm thứ 2): Nâng cấp Hạ tầng Số & Môi trường sống                   |
|  - Triển khai không gian làm việc chung (Co-working Space) & Internet cáp quang   |
|  - Hoàn thiện tiện ích y tế, giáo dục mầm non chất lượng cao                      |
+-----------------------------------------------------------------------------------+
|  Giai đoạn 4 (Năm thứ 3 trở đi): Tuyên truyền & Kích hoạt Tự hào Quê hương        |
|  - Chiến dịch "Trở về cống hiến" gắn với các dự án chuyển đổi số cấp tỉnh/huyện    |
|  - Tôn vinh gương mặt trí thức trẻ khởi nghiệp tiêu biểu                          |
+-----------------------------------------------------------------------------------+

Hạn chế và hướng phát triển

Dù đạt được các kết quả thực nghiệm có ý nghĩa, đề tài vẫn tồn tại một số hạn chế:

  • Hạn chế kỹ thuật & cỡ mẫu: Quy mô mẫu $N = 184$ tập trung vào cựu sinh viên IUH, chưa bao quát toàn bộ các khối ngành đặc thù như Y dược, Nghệ thuật. Phương pháp chọn mẫu thuận tiện có thể tạo ra độ lệch phân tầng nhất định.
  • Rào cản bối cảnh: Dữ liệu thu thập trong giai đoạn dịch Covid-19 (đầu năm 2021) có thể phản ánh tâm lý chuyển dịch tạm thời tránh dịch bệnh hơn là xu hướng dài hạn.
  • Hướng phát triển: Mở rộng nghiên cứu đa trung tâm ($N > 1.000$), kết hợp mô hình cấu trúc bình phương bé nhất từng phần (PLS-SEM) và tích hợp các biến điều tiết (Moderating variables) như Chính sách thuế và Mức độ số hóa địa phương.

Đối tượng hưởng lợi

  • Sinh viên & Cựu sinh viên: Có bức tranh thực tế về cán cân chi phí cơ hội giữa sinh sống tại siêu đô thị và hồi hương phát triển sự nghiệp.
  • Doanh nghiệp địa phương: Nắm bắt chính xác các yếu tố thu hút lao động trẻ để thiết kế gói đãi ngộ ($C&B$) và lộ trình thăng tiến phù hợp.
  • Nhà hoạch định chính sách công: Sở Lao động - Thương binh & Xã hội các tỉnh có căn cứ dữ liệu để xây dựng đề án tuyển dụng công chức trẻ và phát triển quỹ khởi nghiệp.
  • Giới nghiên cứu học thuật: Cung cấp bộ thang đo đã được kiểm định độ tin cậy ($Cronbach's\ \alpha, EFA$) làm tài liệu tham khảo cho các phân tích kinh tế lượng tiếp theo.

Câu hỏi thường gặp

  1. Yêu cầu kỹ thuật và công cụ cần thiết để nhân rộng mô hình phân tích định lượng này? Hệ thống yêu cầu máy tính cài đặt IBM SPSS Statistics (tối thiểu phiên bản 20.0) hoặc môi trường Python 3.8+ với các thư viện pandas, numpy, statsmodels, scikit-learn cùng công cụ thu thập Google Forms / KoboToolbox.

  2. Giới hạn quy mô mẫu và cách khắc phục hiện tượng sai số chọn mẫu? Theo quy tắc Hair et al., quy mô mẫu tối thiểu cần đạt $5 \times$ số biến quan sát ($5 \times 23 = 115$). Cỡ mẫu $N = 184$ đáp ứng tốt tiêu chuẩn. Để mở rộng, cần áp dụng phương pháp lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling).

  3. Mô hình có thể tích hợp với các hệ thống cơ sở dữ liệu nhân sự (HRM / BI Dashboard) không? Hoàn toàn có thể. Các trọng số hồi quy ($\beta$) có thể được nạp vào Power BI hoặc Tableau để xây dựng Dashboard dự báo chỉ số nguy cơ rời bỏ hoặc tỷ lệ chấp nhận việc làm của ứng viên địa phương.

  4. Cách thức duy trì và cập nhật thang đo khi chính sách kinh tế - xã hội thay đổi? Cần thực hiện kiểm định lại CFA (Confirmatory Factor Analysis) định kỳ 12–24 tháng một lần để tái chuẩn hóa các biến quan sát trong nhóm Điều kiện kinh tế - xã hội ($XH$).

  5. Chi phí triển khai và lộ trình đo lường chỉ số ROI cho chính sách thu hút nhân lực địa phương? Chi phí phân bổ chủ yếu vào gói hỗ trợ ban đầu và ưu đãi thuế. Chỉ số ROI được đo lường sau 3 năm dựa trên giá trị gia tăng tổng sản phẩm trên địa bàn (GRDP), số lượng doanh nghiệp khởi nghiệp mới và số thuế thu nhập doanh nghiệp phát sinh.

Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Thị An Hoài đã giải quyết bài toán cấp thiết về phân bổ nguồn nhân lực trẻ tại Việt Nam. Bằng phương pháp nghiên cứu định lượng chặt chẽ với mẫu khảo sát $N = 184$, đề tài đã lượng hóa thành công mô hình 4 nhân tố tác động: Thu nhập ($\beta = 0.384$), Hỗ trợ gia đình ($\beta = 0.291$), Điều kiện kinh tế - xã hội ($\beta = 0.215$) và Tình cảm quê hương ($\beta = 0.162$).

Nghiên cứu khẳng định rằng việc thu hút trí thức trẻ hồi hương không thể chỉ dựa vào lời kêu gọi tình cảm đơn thuần, mà bắt buộc phải giải quyết bài toán kinh tế thông qua chính sách thu nhập thỏa đáng, phát huy đòn bẩy kinh tế gia đình và hiện đại hóa hạ tầng địa phương. Đây chính là kim chỉ nam quan trọng cho các nhà hoạch định chính sách trong kỷ nguyên tái cấu trúc kinh tế vùng bền vững.