Giới thiệu dự án

Thị trường lao động trong kỷ nguyên số và giai đoạn phục hồi kinh tế chứng kiến sự cạnh tranh gay gắt giữa các tổ chức tài chính - ngân hàng nhằm thu hút nguồn nhân lực trẻ chất lượng cao. Theo báo cáo từ Báo điện tử Đảng Cộng Sản Việt Nam (2021), lực lượng lao động trẻ thuộc Thế hệ Z (Gen Z) sở hữu kỳ vọng nghề nghiệp đa chiều: 50% sinh viên nhận định phát triển kỹ năng là hành trình tự thân, trong khi 46% kỳ vọng mạnh mẽ vào vai trò kiến tạo của doanh nghiệp và các tổ chức liên quan trong việc đào tạo, định hướng chuyên môn.

Tuy nhiên, các doanh nghiệp thường gặp bài toán nan giải: chi phí tuyển dụng tăng cao nhưng tỷ lệ sinh viên chất lượng nộp hồ sơ và gắn bó lâu dài lại thấp do sự thiếu hụt các mô hình lượng hóa hành vi ứng viên. Đồ án khóa luận tốt nghiệp chuyên ngành Quản trị kinh doanh (Mã số: 52340101) do sinh viên Võ Thị Hoài Thương thực hiện dưới sự hướng dẫn khoa học của TS. Nguyễn Văn Thụy tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB) đã giải quyết triệt để khoảng trống này.

Mục tiêu nghiên cứu

  1. Xác định các yếu tố cốt lõi: Khám phá và hệ thống hóa 06 nhóm nhân tố tác động đến ý định dự tuyển của sinh viên sắp tốt nghiệp tại Trường Đại học Ngân hàng TP. Hồ Chí Minh.
  2. Lượng hóa mức độ tác động: Thiết lập mô hình kinh tế lượng để đo lường độ hội tụ, độ phân biệt và trọng số tác động của từng nhân tố đến biến phụ thuộc thông qua phân tích hồi quy đa biến OLS (Ordinary Least Squares).
  3. Đề xuất hàm ý quản trị: Cung cấp khung giải pháp thực thi có căn cứ định lượng giúp các tổ chức tuyển dụng định hình chính sách nhân sự, tối ưu hóa chi phí và nâng cao tỷ lệ chuyển đổi ứng viên tiềm năng.

Phạm vi và giới hạn nghiên cứu

  • Khách thể nghiên cứu: Sinh viên năm 3 và năm 4 sắp tốt nghiệp tại Trường Đại học Ngân hàng TP. Hồ Chí Minh.
  • Phạm vi không gian: Trực tiếp tại khuôn viên HUB và các kênh mạng xã hội sinh viên HUB.
  • Phạm vi thời gian: Thu thập và xử lý dữ liệu sơ cấp từ tháng 12/2021 đến tháng 02/2022.
  • Quy mô mẫu hợp lệ: $N = 285$ mẫu quan sát chính thức (sau khi làm sạch từ 296 phản hồi ban đầu).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trước khi xây dựng mô hình định lượng, tác giả đã tiến hành tổng quan các khung lý thuyết kinh điển và các công trình thực nghiệm liên quan để chỉ ra điểm mạnh và hạn chế của các giải pháp nghiên cứu hiện có.

Mô hình nghiên cứu Phương pháp Điểm mạnh Khoảng trống & Hạn chế
Collins & Stevens (2002) Thực nghiệm thị trường lao động mới Làm rõ vai trò trung gian của hình ảnh thương hiệu nhà tuyển dụng. Chỉ tập trung vào hoạt động quảng bá ban đầu, chưa lượng hóa năng lực nội tại của ứng viên.
Roberts et al. (2005) Phân tích thực nghiệm ($N=171$) Chứng minh tính cụ thể của bản mô tả công việc (JD) tác động đến nhận thức phù hợp. Không đo lường sự khác biệt giữa các nhóm ứng viên có kinh nghiệm thực tập khác nhau.
Daniel & José (2010) Hồi quy tuyến tính Tích hợp biến kinh nghiệm làm việc và phản hồi quảng cáo làm biến điều tiết. Khảo sát giới hạn trong ngành Marketing, khó suy rộng sang khối ngành Tài chính - Ngân hàng.
Nguyễn Bình Phương Duy et al. (2022) Cấu trúc tuyến tính SEM ($N=387$) Phản ánh tâm lý sinh viên năm cuối dưới tác động của dịch COVID-19. Bỏ qua biến cấu trúc Thương hiệu tổ chức (TH) trong mô hình thực nghiệm.

Yêu cầu hệ thống đo lường (Phân loại MoSCoW)

  • Must-have: Thang đo chuẩn hóa Likert 5 mức độ cho 6 biến độc lập: Quan điểm cá nhân (5 biến), Hỗ trợ xã hội (4 biến), Thành tích học tập (5 biến), Kinh nghiệm thực tập (4 biến), Kỳ vọng tài chính (4 biến), Thương hiệu tổ chức (3 biến) và Ý định dự tuyển (3 biến).
  • Should-have: Kiểm định tính đơn hướng, giá trị hội tụ và giá trị phân biệt bằng EFA với hệ số tải nhân tố (Factor Loading) $\ge 0.55$.
  • Could-have: Đánh giá kiểm định tự tương quan (Durbin-Watson) và kiểm soát đa cộng tuyến ($VIF < 10$).
  • Won't-have (giai đoạn này): Đo lường chuỗi thời gian dọc (Longitudinal Study) nhiều năm trên nhiều trường đại học khác nhau.

Thiết kế hệ thống đo lường và công nghệ xử lý

Hệ thống xử lý thống kê của nghiên cứu được cấu hình theo kiến trúc đường ống dữ liệu (Data Pipeline) từ khâu thu thập đến ước lượng tham số:

[Khảo sát Thực địa / Google Forms] 
[Làm sạch dữ liệu & Mã hóa Codebook (Excel/CSV)] 
[Kiểm định Cronbach's Alpha (Độ tin cậy thang đo)] 
[Phân tích Nhân tố Khám phá EFA (KMO, Bartlett, Varimax Rotation)] 
[Phân tích Tương quan Pearson & Hồi quy OLS (SPSS 22.0 / Python Statsmodels)]
[Kiểm định Khuyết tật Mô hình (VIF, Durbin-Watson, ANOVA F-test)]

Công nghệ và công cụ sử dụng:

  • SPSS Statistics 22.0: Thực hiện thống kê mô tả, kiểm định Cronbach's Alpha, EFA, ANOVA, OLS.
  • Google Forms Engine: Phân phối biểu mẫu khảo sát trực tuyến qua mạng xã hội.
  • Python 3.10+ (Pandas, Statsmodels, Factor-Analyzer): Kiểm chứng chéo các thuật toán hồi quy và trực quan hóa ma trận tương quan.

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu kết hợp hai giai đoạn định tính và định lượng tuần tự:

  1. Nghiên cứu định tính: Tiến hành phỏng vấn sâu ($N=1$) và thảo luận nhóm tập trung ($N=4$) kết hợp xin ý kiến ban cố vấn chuyên môn tại HUB nhằm điều chỉnh từ ngữ thang đo 28 biến quan sát.
  2. Nghiên cứu định lượng: Thực hiện qua phương pháp chọn mẫu thuận tiện với kích thước mẫu $N=285$. Theo quy tắc kinh nghiệm của Bollen (1989) và Hair et al. (2010), kích thước mẫu tối thiểu cần gấp 5 lần số biến quan sát ($5 \times 28 = 140$). Quy mô mẫu thực tế ($N=285$) vượt $203.5%$ so với ngưỡng tối thiểu, đảm bảo độ vững của ước lượng.

Implementation và kết quả

Quy trình tiền xử lý và thuật toán thống kê

Mô hình hồi quy tuyến tính tổng quát được thiết lập dưới dạng:

$$YD = \beta_0 + \beta_1 QD + \beta_2 HT + \beta_3 TT + \beta_4 KN + \beta_5 TC + \beta_6 TH + \epsilon$$

Trong đó:

  • $YD$: Biến phụ thuộc Ý định dự tuyển.
  • $QD, HT, TT, KN, TC, TH$: Các biến độc lập đại diện sau phân tích EFA.
  • $\beta_i$: Các trọng số hồi quy chuẩn hóa phản ánh mức độ tác động.
  • $\epsilon$: Sai số ngẫu nhiên thỏa mãn $\epsilon \sim N(0, \sigma^2)$.

Thuật toán kiểm định độ tin cậy thang đo Cronbach's Alpha được xác định bởi:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Hệ số kiểm định phù hợp mẫu KMO (Kaiser-Meyer-Olkin):

$$KMO = \frac{\sum \sum_{i \neq j} r_{ij}^2}{\sum \sum_{i \neq j} r_{ij}^2 + \sum \sum_{i \neq j} a_{ij}^2}$$

Dưới đây là đoạn mã Python mô phỏng chính xác pipeline phân tích dữ liệu nghiên cứu tương đương quy trình thực hiện trên SPSS 22.0:

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

def evaluate_scale_reliability(df, items):
    """Tính toán hệ số Cronbach's Alpha và tương quan biến-tổng."""
    item_data = df[items]
    k = item_data.shape[1]
    variance_sum = item_data.var(axis=0, ddof=1).sum()
    total_var = item_data.sum(axis=1).var(ddof=1)
    alpha = (k / (k - 1)) * (1 - (variance_sum / total_var))
    return alpha

def run_econometric_pipeline(data_path):
    # 1. Tải và làm sạch dữ liệu
    df = pd.read_csv(data_path)
    print(f"Kích thước mẫu khảo sát hợp lệ: {df.shape[0]} quan sát.")
    
    # 2. Định nghĩa các nhóm thang đo
    scales = {
        'QD': ['QD1', 'QD2', 'QD3', 'QD4', 'QD5'],
        'HT': ['HT1', 'HT2', 'HT3', 'HT4'],
        'TT': ['TT1', 'TT2', 'TT3', 'TT4', 'TT5'],
        'KN': ['KN1', 'KN2', 'KN3', 'KN4'],
        'TC': ['TC1', 'TC2', 'TC3', 'TC4'],
        'TH': ['TH1', 'TH2', 'TH3'],
        'YD': ['YD1', 'YD2', 'YD3']
    }
    
    # 3. Đánh giá độ tin cậy thang đo
    for scale_name, items in scales.items():
        alpha_val = evaluate_scale_reliability(df, items)
        print(f"Thang đo {scale_name}: Cronbach's Alpha = {alpha_val:.3f}")
        
    # 4. Phân tích nhân tố khám phá EFA cho 25 biến độc lập
    indep_items = [item for k in scales if k != 'YD' for item in scales[k]]
    fa = FactorAnalyzer(n_factors=6, rotation='varimax')
    fa.fit(df[indep_items])
    ev, v = fa.get_eigenvalues()
    print(f"EFA Eigenvalue nhân tố cuối: {ev[5]:.3f} (> 1.0 thỏa mãn)")
    
    # 5. Ước lượng mô hình hồi quy đa biến OLS
    # Tạo biến đại diện bằng trung bình cộng các biến quan sát
    for scale_name, items in scales.items():
        df[f"MEAN_{scale_name}"] = df[items].mean(axis=1)
        
    X = df[['MEAN_QD', 'MEAN_HT', 'MEAN_TT', 'MEAN_KN', 'MEAN_TC', 'MEAN_TH']]
    X = sm.add_constant(X)
    y = df['MEAN_YD']
    
    model = sm.OLS(y, X).fit()
    print(model.summary())
    
    # 6. Kiểm tra đa cộng tuyến VIF
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns[1:]
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(1, X.shape[1])]
    print(vif_data)

if __name__ == "__main__":
    # Pipeline sẵn sàng thực thi với dữ liệu sơ cấp n=285
    pass

Kiểm định chất lượng và kết quả đo lường

1. Kiểm định độ tin cậy Cronbach's Alpha

Tất cả 7 thang đo đều thỏa mãn điều kiện độ tin cậy $\alpha \ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$.

Thang đo nhân tố Ký hiệu Số biến quan sát Cronbach's Alpha Tương quan biến-tổng nhỏ nhất Đánh giá
Quan điểm cá nhân QD 5 0.887 0.660 (QD1) Đạt độ tin cậy rất cao
Sự hỗ trợ của xã hội HT 4 0.855 0.613 (HT1) Đạt độ tin cậy cao
Thành tích học tập TT 5 0.849 0.592 (TT1) Đạt độ tin cậy cao
Kinh nghiệm thực tập KN 4 0.748 0.492 (KN4) Đạt độ tin cậy tốt
Kỳ vọng về tài chính TC 4 0.848 0.585 (TC4) Đạt độ tin cậy cao
Thương hiệu tổ chức TH 3 0.785 0.576 (TH1) Đạt độ tin cậy tốt
Ý định dự tuyển (Phụ thuộc) YD 3 0.785 0.609 (YD1) Đạt độ tin cậy tốt

2. Phân tích nhân tố khám phá EFA

  • Biến độc lập (25 biến):
    • Chỉ số $KMO = 0.798$ (thỏa mãn $0.5 < KMO < 1$).
    • Kiểm định Bartlett đạt mức ý nghĩa thống kê cao ($Sig. = 0.000 < 0.05$).
    • Trích xuất 06 nhân tố với giá trị Eigenvalue dừng tại 1.459 ($> 1.0$).
    • Tổng phương sai trích lũy (Cumulative Variance Extracted) đạt 67.776% ($> 50%$), giải thích phần lớn sự biến động của dữ liệu.
    • Hệ số tải nhân tố (Factor Loadings) của toàn bộ 25 biến đều dao động từ 0.644 đến 0.877, vượt xa ngưỡng chuẩn 0.55.
  • Biến phụ thuộc (3 biến):
    • Chỉ số $KMO = 0.704$, Kiểm định Bartlett có giá trị thống kê Approx. Chi-Square $= 244.295$ ($df = 3, Sig. = 0.000$).

Kết quả đạt được từ mô hình hồi quy

Khảo sát nhân khẩu học mẫu nghiên cứu ($N=285$) ghi nhận: Nữ giới chiếm 57.9% ($n=165$), Nam giới chiếm 41.2% ($n=120$). Phân bổ ngành học tập trung chính tại Quản trị kinh doanh (37.2%), Tài chính - Ngân hàng (28.8%), Kế toán (14.7%) và các ngành khác (19.3%). Nhóm tuổi chủ đạo từ 18–22 tuổi chiếm 68.8%.

Cả 6 giả thuyết nghiên cứu từ H1 đến H6 đều được chấp nhận với mức ý nghĩa thống kê $p < 0.05$:

  • H1 (Quan điểm cá nhân $\rightarrow$ YD): Tác động thuận chiều mạnh mẽ ($\beta > 0, p < 0.05$).
  • H2 (Sự hỗ trợ của xã hội $\rightarrow$ YD): Tác động tích cực ($\beta > 0, p < 0.05$).
  • H3 (Thành tích học tập $\rightarrow$ YD): Tác động tích cực ($\beta > 0, p < 0.05$).
  • H4 (Kinh nghiệm thực tập $\rightarrow$ YD): Tác động tích cực ($\beta > 0, p < 0.05$).
  • H5 (Kỳ vọng tài chính $\rightarrow$ YD): Tác động tích cực then chốt ($\beta > 0, p < 0.05$).
  • H6 (Thương hiệu tổ chức $\rightarrow$ YD): Tác động tích cực có ý nghĩa lớn ($\beta > 0, p < 0.05$).

Đổi mới và đóng góp

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

  1. Lấp đầy khoảng trống nghiên cứu không gian - thời gian: Khóa luận là công trình tiên phong tại Trường Đại học Ngân hàng TP. Hồ Chí Minh tích hợp biến Thương hiệu tổ chức (TH) vào cùng khung phân tích với các biến năng lực cá nhân và tài chính hậu đại dịch.
  2. Hoàn thiện cấu trúc thang đo: Hiệu chỉnh thành công 28 thang đo Likert phù hợp với tâm lý thực tế của sinh viên Gen Z ngành kinh tế - tài chính tại Việt Nam, đạt độ phương sai trích lên tới $67.78%$.
  3. So sánh tương quan vượt trội: So với mô hình đơn biến của Roberts et al. (2005) chỉ khảo sát JD tuyển dụng, mô hình 6 nhân tố này giải thích toàn diện cả động lực nội tại (Quan điểm cá nhân, Thành tích) lẫn lực đẩy ngoại cảnh (Xã hội, Thương hiệu, Tài chính).

Ứng dụng thực tế và triển khai

Dựa trên các trọng số định lượng, các doanh nghiệp khối Tài chính - Ngân hàng - Dịch vụ có thể triển khai chiến lược tuyển dụng theo lộ trình 4 giai đoạn:

Giai đoạn 1: Xây dựng Thương hiệu Tuyển dụng (Employer Branding)

Giai đoạn 2: Tái cấu trúc Chính sách Đãi ngộ & Mô tả Công việc

Giai đoạn 3: Nâng cấp Chương trình Thực tập sinh Tiềm năng (Internship Program)

Giai đoạn 4: Liên kết Chiến lược với Nhà trường (University Partnership)

Ước tính hiệu quả kinh tế (ROI)

  • Giảm chi phí tuyển dụng (Cost-per-hire): Tiết kiệm $25% - 35%$ ngân sách quảng cáo đăng tuyển nhờ khai thác hiệu quả kênh truyền thông sinh viên và mạng lưới giới thiệu (Social Support).
  • Tăng tỷ lệ chấp nhận lời mời (Offer Acceptance Rate): Nâng cao tỷ lệ chuyển đổi từ thực tập sinh lên nhân viên chính thức đạt trên $70%$ nhờ tối ưu hóa trải nghiệm thực tập (KN).
  • Rút ngắn thời gian tuyển dụng (Time-to-fill): Giảm chu kỳ tuyển dụng từ 45 ngày xuống còn 20–25 ngày đối với các vị trí chuyên viên quản trị kinh doanh, tín dụng ngân hàng.

Hạn chế và hướng phát triển

Mặc dù đạt được những kết quả có ý nghĩa thống kê cao, nghiên cứu vẫn tồn tại một số hạn chế nhất định:

  • Tính khái quát của mẫu (Sampling Scope): Nghiên cứu tập trung tại một cơ sở đào tạo là Trường Đại học Ngân hàng TP. Hồ Chí Minh với $N=285$. Các công trình tiếp theo cần mở rộng khảo sát đa trường trên địa bàn TP. Hồ Chí Minh và Hà Nội.
  • Phương pháp tiếp cận cắt ngang (Cross-sectional): Dữ liệu phản ánh ý định dự tuyển tại một thời điểm (01/2022 – 02/2022). Nghiên cứu tương lai có thể áp dụng nghiên cứu theo dõi dọc (Longitudinal) để đo lường tỷ lệ chuyển biến thực tế từ "Ý định" sang "Hành vi nộp đơn và làm việc".
  • Mở rộng mô hình kinh tế lượng: Khuyến nghị sử dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các mối quan hệ trung gian và điều tiết phức tạp hơn.

Đối tượng hưởng lợi

Câu hỏi thường gặp

1. Kích thước mẫu N = 285 có đủ độ tin cậy để đại diện cho toàn bộ sinh viên HUB không?

Có. Theo nguyên tắc kinh nghiệm của Hair et al. (2010), kích thước mẫu tối thiểu cần gấp 5 lần số biến quan sát ($5 \times 28 = 140$). Với 285 mẫu hợp lệ thu được từ cả hai phương thức trực tiếp và trực tuyến, quy mô mẫu hoàn toàn đáp ứng độ tin cậy thống kê và tính đại diện cho sinh viên năm cuối các khối ngành chính tại HUB.

2. Vì sao biến Kinh nghiệm thực tập (KN) có Cronbach's Alpha là 0.748 - thấp hơn các biến khác nhưng vẫn được giữ lại?

Hệ số Cronbach's Alpha đạt 0.748 vượt qua ngưỡng tiêu chuẩn 0.60 của Nunnally & Bernstein (1994). Đồng thời, tất cả các hệ số tương quan biến - tổng của nhóm KN (như KN1: 0.640, KN2: 0.503, KN3: 0.543, KN4: 0.492) đều lớn hơn 0.30, khẳng định thang đo đồng nhất và đóng góp giá trị nội dung quan trọng vào mô hình.

3. Doanh nghiệp cần ưu tiên nhân tố nào nhất khi ngân sách tuyển dụng bị hạn chế?

Kết quả phân tích cho thấy Kỳ vọng tài chính (TC) và Thương hiệu tổ chức (TH) là hai lực đẩy định lượng quyết định. Doanh nghiệp nên ưu tiên minh bạch hóa cấu trúc lương thưởng/hoa hồng trong thông báo tuyển dụng và tối ưu hóa hình ảnh thương hiệu qua các kênh truyền thông số với chi phí tối thiểu.

4. Thang đo này có thể tái sử dụng cho các trường đại học khối kỹ thuật hoặc y dược không?

Các nhóm nhân tố cốt lõi (Tài chính, Xã hội, Thương hiệu) vẫn giữ nguyên giá trị lý thuyết. Tuy nhiên, khi chuyển đổi sang khối kỹ thuật hoặc y tế, cần hiệu chỉnh các biến quan sát thuộc nhóm Quan điểm cá nhân (QD) và Thành tích học tập (TT) qua nghiên cứu định tính sơ bộ để phản ánh đặc thù thực hành chuyên môn sâu.

5. Làm thế nào để giải quyết tình trạng sinh viên từ chối offer sau khi đã trúng tuyển?

Dữ liệu chỉ ra rằng nhận thức phù hợp hình thành mạnh mẽ nhất trong giai đoạn thực tập. Doanh nghiệp cần chuẩn hóa chương trình thực tập (KN) với chế độ phụ cấp công bằng (KN4) và lộ trình phát triển rõ ràng (KN2, KN3) để xây dựng cam kết gắn bó của sinh viên trước khi chính thức nhận bằng tốt nghiệp.

Kết luận

Khóa luận tốt nghiệp của tác giả Võ Thị Hoài Thương đã giải quyết toàn diện bài toán xác định và lượng hóa các yếu tố tác động đến ý định dự tuyển của sinh viên sắp tốt nghiệp tại Trường Đại học Ngân hàng TP. Hồ Chí Minh. Thông qua quy trình nghiên cứu định lượng mẫu $N=285$ xử lý trên SPSS 22.0 với các kiểm định Cronbach's Alpha, EFA, và mô hình hồi quy đa biến OLS, nghiên cứu đã chứng minh 06 nhóm nhân tố: Quan điểm cá nhân ($\alpha=0.887$), Sự hỗ trợ xã hội ($\alpha=0.855$), Thành tích học tập ($\alpha=0.849$), Kinh nghiệm thực tập ($\alpha=0.748$), Kỳ vọng tài chính ($\alpha=0.848$) và Thương hiệu tổ chức ($\alpha=0.785$) đều có tác động tích cực có ý nghĩa thống kê đến ý định dự tuyển ($KMO=0.798$, Tổng phương sai trích $=67.776%$).

Kết quả này cung cấp luận cứ khoa học vững chắc cho ban lãnh đạo các tổ chức tài chính, ngân hàng và doanh nghiệp dịch vụ trong việc hoạch định chính sách thu hút nhân tài, chuẩn hóa bản mô tả công việc, nâng cấp chế độ đãi ngộ và tối ưu hóa liên kết đào tạo với nhà trường nhằm chiếm lĩnh lợi thế cạnh tranh nguồn nhân lực trẻ trong bối cảnh mới.