Chia sẻ chuyên mục Đề Tài Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Các yếu tố ảnh hưởng đến chuyển đổi số của Công ty Trách Nhiệm Hữu Hạn Một Thành Viên Động Cơ và Máy Nông Nghiệp Miền Nam dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.
3.1. Quy trình nghiên cứu
Nghiên cứu kết hợp phương pháp định tính và định lượng, trong đó định lượng là chính, với quy trình thực hiện như Hình 3.1.
- Hình 3.0.1. Quy trình nghiên cứu
3.2. Nghiên cứu định tính
3.2.1. Tham khảo ý kiến chuyên gia
Trên cơ sở phân tích tài liệu và kế thừa có chọn lọc các nghiên cứu trước, tác giả xây dựng các biến quan sát, hình thành thang đo của đề tài gồm: 6 thang đo đo lường cho 6 biến độc lập của mô hình là: (i) Năng lực số của nhân viên; (ii) Vai trò của lãnh đạo; (iii) Nền tảng công nghệ; (iv) Văn hóa doanh nghiệp hỗ trợ chuyển đổi số; (v) Chiến lược chuyển đổi số; (vi) Chính sách pháp luật và hỗ trợ của Chính phủ; và thang đo đo lường cho biến phụ thuộc là Chuyển đổi số.
Tiếp theo, tác giả tổ chức trao đổi chuyên sâu với năm người tham gia, bao gồm hai chuyên gia hoạt động trong lĩnh vực tư vấn Chuyển đổi số và ba cán bộ quản lý có thời gian công tác trên 10 năm tại Công ty Trách nhiệm hữu hạn MTV Động Cơ và Máy Nông Nghiệp Miền Nam.
Nhóm thảo luận tập trung làm rõ các khái niệm nghiên cứu, đồng thời rà soát và điều chỉnh hệ thống thang đo nhằm bảo đảm tính phù hợp và khả năng ứng dụng trong bối cảnh doanh nghiệp. Khung giả thuyết, mô hình phân tích và bộ thang đo sơ bộ được trình bày để lấy ý kiến phản biện. Các đóng góp từ chuyên gia được tổng hợp nhằm tinh chỉnh cấu trúc câu hỏi, hoàn thiện nội dung đo lường và gia tăng mức độ rõ ràng cho từng biến quan sát.
Kết quả tổng hợp từ buổi trao đổi được sử dụng làm căn cứ để hiệu chỉnh thang đo và thiết kế bảng khảo sát chính thức. Nội dung chi tiết của quá trình thảo luận và kết quả được trình bày tại Phụ lục 1 và Phụ lục 2. Bảng câu hỏi hoàn chỉnh được trình bày tại Phụ lục 3.
3.2.2. Hoàn thiện thang đo
Sau khi thảo luận nhóm chuyên gia, thang đo hoàn thiện được trình bày trong Bảng 3.1 như sau:
- Bảng 3.1. Thang đo các yếu tố ảnh hưởng đến chuyển đổi số
Các biến quan sát được kế thừa và điều chỉnh từ các nghiên cứu gốc, một số biến được bổ sung dựa trên kết quả nghiên cứu định tính tại Công ty Trách nhiệm hữu hạn MTV Động Cơ và Máy Nông Nghiệp Miền Nam cho phù hợp với bối cảnh Chuyển đổi số của Công ty.
3.3. Nghiên cứu định lượng Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
3.3.1. Kích thước mẫu
Trong phân tích EFA, các nhà nghiên cứu thường chú trọng việc đảm bảo kích thước mẫu đủ lớn để đạt được kết quả tin cậy. Rex B. Kline (2016) nhấn mạnh tầm quan trọng của kích thước mẫu trong mô hình EFA và cho rằng kích thước mẫu khoảng 200 quan sát là phù hợp.
Đối với phân tích EFA đáng tin cậy, kích thước mẫu cần đảm bảo ít nhất 50 đơn vị quan sát, tốt hơn là 100 (Hair và cộng sự, 2006). Tỷ lệ giữa số quan sát và số biến đo lường cũng cần được duy trì ở mức hợp lý, trong đó mỗi biến quan sát nên gắn với tối thiểu năm quan sát độc lập (Hair và cộng sự, 2014). Với 34 biến được đưa vào khảo sát, quy mô mẫu tối thiểu theo tiêu chí này tương ứng là 170 quan sát.
Theo Tabachnick và Fidell (2007), để tiến hành phân tích hồi quy đa biến, kích thước mẫu tối thiểu được tính bằng công thức n ≥ 50 + 8p, trong đó n là kích thước mẫu tối thiểu và p là số biến độc lập trong mô hình. Trong nghiên cứu này, có tổng cộng 6 biến độc lập, nên kích thước mẫu tối thiểu là 50 + 8 x 6 = 98 quan sát.
Từ những căn cứ trên, tác giả chọn kích thước mẫu cần thiết là lớn hơn 200.
3.3.2. Phương pháp thu thập thông tin
Dữ liệu thứ cấp được tổng hợp từ nhiều nguồn tư liệu khác nhau nhằm phản ánh toàn diện tình hình Chuyển đổi số tại doanh nghiệp, như báo cáo thường niên, báo cáo kết quả kinh doanh, kế hoạch phát triển Chuyển đổi số, các công trình nghiên cứu khoa học, bài viết chuyên ngành và nhận định của chuyên gia.
Dữ liệu sơ cấp được thu thập bằng bảng câu hỏi khảo sát được thiết kế dựa trên thang đo Likert 5 mức, nhằm đánh giá mức độ ảnh hưởng của các yếu tố đến Chuyển đổi số của Công ty Trách nhiệm hữu hạn MTV Động Cơ và Máy Nông Nghiệp Miền Nam. Đối tượng được khảo sát là các cán bộ quản lý và nhân viên của công ty. Mẫu được chọn dựa trên cân nhắc về công việc chuyên môn của đối tượng khảo sát. Tác giả triển khai khảo sát bằng công cụ Google Forms.
3.4. Xử lý và phân tích dữ liệu Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
- Các phiếu khảo sát được chọn lọc và phân tích thống kê bằng phần mềm SPSS 26.0.
3.4.1. Phương pháp xử lý dữ liệu
Dữ liệu thu thập từ các phản hồi trực tuyến được tổng hợp và xử lý nhiều bước trước khi đưa vào phân tích, nhằm đảm bảo độ chính xác và đầy đủ để nâng cao chất lượng của quá trình nghiên cứu định lượng. Quá trình xử lý dữ liệu bao gồm: chuẩn hóa dữ liệu đầu vào, làm sạch và mã hóa dữ liệu định tính.
Chuẩn hóa dữ liệu đầu vào: Bảng khảo sát bằng biểu mẫu Google được xuất qua định dạng file Excel. Kiểm tra sơ bộ dữ liệu và đảm bảo rằng mỗi cột dữ liệu tương ứng chính xác với từng biến đo lường trong mô hình nghiên cứu.
Làm sạch dữ liệu: Để nâng cao độ tin cậy và khách quan cho nghiên cứu, loại trừ các phản hồi có tất cả các câu trả lời cùng lựa chọn, hoặc trả lời liên tiếp nhiều câu hỏi cùng lựa chọn. Gửi bảng khảo sát bằng biểu mẫu Google và đặt yếu tố bắt buộc (*) trả lời tất cả câu hỏi nên không có phiếu trả thiếu.
Mã hóa dữ liệu định tính: Đối với các biến định tính, mỗi giá trị định tính được mã hóa thành con số theo chuẩn SPSS để phân tích thống kê. Sau khi mã hóa, kiểm tra bằng công cụ lọc và hàm kiểm tra trong Excel trước khi nhập dữ liệu vào SPSS.
Quá trình xử lý dữ liệu được thực hiện và kiểm soát cẩn thận bằng file Excel để đảm bảo dữ liệu đầu vào đáng tin cậy, chính xác và sẵn sàng cho các bước phân tích tiếp theo.
3.4.2. Thống kê mô tả
“Phương pháp thống kê mô tả được dùng để tóm tắt và trình bày những đặc điểm chính của bộ dữ liệu, qua đó giúp hình dung tổng quát về khuynh hướng phản hồi và mức độ đánh giá của đối tượng nghiên cứu. Kết quả thống kê mô tả được trình bày bằng các chỉ số tần suất và tỷ lệ phần trăm” (Malhotra, 2010).
Thống kê mô tả cho thấy bức tranh chung về các yếu tố chính chi phối Chuyển đổi số của Công ty Trách nhiệm hữu hạn MTV Đông Cơ và Máy Nông Nghiệp Miền Nam.
3.4.3. Kiểm định độ tin cậy của thang đo bằng hệ số Cronbach’s Alpha Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
“Hệ số Cronbach’s Alpha được dùng để xác định độ nhất quán nội tại của một thang đo, tức là xem liệu các biến quan sát thuộc cùng một bộ câu hỏi có đo lường cùng một khái niệm hay không. Nếu các câu hỏi trong thang đo có sự tương đồng cao, thì giá trị Alpha sẽ đạt mức cao, tức là thang đo có độ tin cậy cao” (Cronbach, 1951).
“Giá trị của Cronbach’s Alpha thường nằm trong khoảng từ 0 đến 1. Giá trị Cronbach’s Alpha nên từ 0,7 trở lên để đạt độ tin cậy” (Hair và cộng sự, 2010). Trong các nghiên cứu mang tính thăm dò, hệ số Alpha từ 0,6 là chấp nhận được (Nunnally, J. C., & Bernstein, I. H., 1994).
Nguyễn Đình Thọ (2011) đã tiến hành đánh giá độ tin cậy của hệ thống thang đo bằng hệ số Cronbach’s Alpha. Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) cũng cho rằng Cronbach’s Alpha là công cụ cần thiết để đánh giá chất lượng thang đo, qua đó loại trừ những biến chưa phù hợp và bảo đảm tính nhất quán của thang đo.
Hệ số số tương quan biến tổng (Corrected Item-Total Correlation) thể hiện mức độ liên hệ giữa từng biến quan sát và tập hợp các biến còn lại trong cùng thang đo. Ngưỡng tối thiểu được đề xuất là 0,3 (Cristobal và cộng sự, 2007).
Dựa theo các cơ sở trên, trong nghiên cứu này, thang đo được xem là đạt yêu cầu khi Cronbach’s Alpha từ 0,7 trở lên và loại bỏ những biến có hệ số tương quan biến tổng nhỏ hơn 0,3.
3.4.4. Phân tích nhân tố khám phá (EFA)
“Phân tích nhân tố khám phá (EFA) là phương pháp giúp giảm số lượng các biến quan sát thành một bộ nhân tố có ý nghĩa hơn, xem xét mối quan hệ giữa các biến quan sát và loại bỏ các biến đo lường không đạt yêu cầu để đảm bảo thang đo có tính đồng nhất” (Hair và cộng sự, 2010). Một số tiêu chí trong phân tích EFA bao gồm: hệ số KMO, kiểm định Bartlett, trị số Eigenvalue, tổng phương sai trích, hệ số tải nhân tố, giá trị hội tụ và giá trị phân biệt (Nguyễn Đình Thọ, 2011).
“Hệ số KMO (Kaiser-Meyer-Olkin) nhằm đánh giá mức độ phù hợp của bộ dữ liệu cho phân tích nhân tố. Hệ số này trong khoảng từ 0 đến 1; nếu 0,5 < KMO < 1, chứng tỏ các biến quan sát có mối liên hệ tương quan đủ mạnh và dữ liệu đủ điều kiện để thực hiện EFA. Khi hệ số KMO thấp hơn 0,5, việc sử dụng EFA có nguy cơ cho ra kết quả không đáng tin cậy” (Kaiser, H. F., & Rice, J., 1974). Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
“Kiểm định Bartlett (Bartlett’s test of sphericity) được dùng để kiểm tra giả thuyết rằng ma trận tương quan là ma trận đơn vị, tức là các biến không có mối liên hệ. Nếu kết quả kiểm định có ý nghĩa thống kê (Sig. < 0,05), cho thấy dữ liệu có mối tương quan đáng kể và phù hợp để thực hiện EFA” (Bartlett, 1954).
Eigenvalue là giá trị riêng của mỗi nhân tố, thể hiện lượng phương sai tổng thể được giải thích bởi nhân tố đó. Trong EFA, chỉ giữ lại các nhân tố có Eigenvalue lớn hơn 1, vì chúng giải thích ít nhất một biến quan sát và do đó có giá trị thực tiễn (Kaiser, 1960).
Tổng phương sai trích (Total Variance Explained) là tỷ lệ phần trăm phương sai của toàn bộ biến quan sát được các nhân tố giữ lại giải thích. Mô hình EFA được xem là đạt yêu cầu khi tổng phương sai trích lớn hơn 50%, vì nó thể hiện hơn một nửa biến thiên của dữ liệu mà không mất quá nhiều thông tin (Hair và cộng sự, 2010).
Hệ số tải nhân tố (Factor Loading) biểu thị mức độ tương quan giữa mỗi biến quan sát và nhân tố mà nó thuộc về. Hệ số tải nhân tố bằng 0,3 là mức tối thiểu để giữ biến, biến đạt mức ý nghĩa thống kê tốt khi hệ số tải từ 0,5 trở lên, và hệ số tải nhân tố từ 0,7 trở lên biểu thị biến có ý nghĩa thống kê rất cao (Hair và cộng sự, 2010).
Giá trị hội tụ (Convergent validity) đề cập đến mức độ liên hệ giữa các biến quan sát đo lường cho một khái niệm. Chấp nhận thang đo khi hệ số tải đạt tối thiểu 0,5, các biến dưới ngưỡng này sẽ bị loại bỏ (Cooper, D. R., & Schindler, P. S. , 2014).
Giá trị phân biệt (Discriminant validity) đề cập đến mức độ độc lập giữa các nhóm biến quan sát đo lường những khái niệm tiềm ẩn khác nhau. Thang đo đạt giá trị phân biệt khi mỗi biến quan sát chỉ tải lên một nhân tố. Nếu một biến quan sát tải lên hai nhân tố thì chênh lệch giữa hai hệ số tải của hai nhân tố này phải lớn hơn 0,3, để đảm bảo biến phản ánh đúng nhân tố chính (Cooper, D. R., & Schindler, P. S. , 2014).
3.4.5. Phân tích tương quan Pearson Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
Phân tích tương quan Pearson thường được tiến hành trước hồi quy trong nghiên cứu định lượng bằng SPSS, nhằm sớm nhận diện hiện tượng đa cộng tuyến khi các biến độc lập có mối liên hệ chặt chẽ với nhau (Gayen, 1951).
Hệ số tương quan Pearson (ký hiệu là r) có giá trị từ -1 đến +1. Khi r tiến gần tới +1, hai biến có xu hướng cùng tăng mạnh; khi r gần -1, chúng di chuyển ngược chiều nhau một cách đáng kể. Nếu r = +1 hoặc -1, quan hệ giữa hai biến là tuyến tính hoàn hảo; khi r = 0 thì chúng không có liên hệ tuyến tính (Gayen, 1951).
Sau khi thu được hệ số tương quan r, bước tiếp theo là kiểm định xem giá trị này có ý nghĩa thống kê hay không. Khi sig nhỏ hơn 0,05 thì mối tương quan được coi là có ý nghĩa; ngược lại, khi sig lớn hơn 0,05, không có tương quan tuyến tính (Field, 2009).
3.4.6. Phân tích hồi quy
Nếu hai biến có mối tương quan với nhau, mối quan hệ này được mô hình hóa bằng phương pháp hồi quy tuyến tính nhằm đánh giá mức độ và chiều hướng ảnh hưởng của biến độc lập (X) đến biến phụ thuộc (Y), dựa trên mô hình quan hệ tuyến tính.
Phương trình hồi quy tuyến tính đa biến có dạng: Y = β0 + β1X1 + β2X2 + … + β nXn + ε
Trong đó, Y là biến phụ thuộc, X, X1, X2, Xn là các biến độc lập, β0 là hằng số hồi quy, β1, β2, βn: hệ số hồi quy và ε là phần dư.
Trong phân tích hồi quy đa biến, một số tiêu chí chính thường được sử dụng để đánh giá độ phù hợp và độ tin cậy của mô hình bao gồm: hệ số xác định R² và R² hiệu chỉnh, kiểm định F, hệ số Durbin–Watson, cùng với việc xem xét giá trị Sig. của từng hệ số hồi quy. Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
“Quy trình phân tích hồi quy bao gồm: xem xét mối liên hệ giữa các biến, kiểm định sự phù hợp của mô hình, đánh giá ảnh hưởng qua Beta chuẩn hóa và kiểm tra các giả định hồi quy” (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
3.4.7. Kiểm định t cho hai mẫu độc lập (Independent-Samples T-test)
Kiểm định t cho hai mẫu độc lập trong SPSS được dùng để phân tích khác biệt một biến định lượng với một biến định tính chỉ có 2 giá trị, xác định xem liệu có sự khác biệt trung bình của một biến định lượng đối với các giá trị khác nhau của một biến định tính hay không. Kiểm định t cho hai mẫu độc lập phù hợp hơn với những biến định tính chỉ có 2 giá trị, ví dụ: giới tính (chỉ có nam và nữ), còn phân tích phương sai (ANOVA) phù hợp với những biến định tính có từ 3 nhóm giá trị trở lên.
- Quy trình thực hiện kiểm định t cho hai mẫu độc lập gồm hai bước:
Kiểm tra khác biệt phương sai giữa 2 nhóm giá trị (kiểm định Levene): Đặt giả thuyết HF0: “Không có sự khác biệt phương sai giữa hai nhóm giá trị”. Nếu Sig. < 0,05, có sự khác biệt phương sai giữa hai nhóm giá trị, sử dụng giá trị Sig. của kiểm định t ở hàng “Giả định phương sai không bằng nhau”. Ngược lại, nếu Sig > 0,05, không có sự khác biệt phương sai giữa hai nhóm giá trị, chấp nhận giả thuyết HF0, sử dụng giá trị Sig. của kiểm định t ở hàng “Giả định phương sai bằng nhau”.
Kiểm tra khác biệt trung bình giữa 2 nhóm giá trị (kiểm định T-test): Đặt giả thuyết H0: “Không có sự khác biệt trung bình giữa hai nhóm giá trị”. Nếu Sig. < 0,05 thì có sự khác biệt về giá trị trung bình giữa hai nhóm, giả thuyết H0 bị bác bỏ. Ngược lại, khi Sig > 0,05 thì không có sự khác biệt về giá trị trung bình giữa hai nhóm, chấp nhận giả thuyết H0 (Pallant, 2020).
3.4.8. Phân tích phương sai một yếu tố (One-way ANOVA) Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
Phân tích phương sai một yếu tố trong SPSS được dùng để xác định xem liệu có sự khác biệt trung bình biến định lượng đối với các giá trị khác nhau của một biến định tính hay không. Kiểm định t cho hai mẫu độc lập dùng để so sánh giá trị trung bình giữa hai nhóm, trong khi Phân tích phương sai một yếu tố dùng cho trường hợp từ ba nhóm trở lên (Hoàng Trọng & Chu Nguyễn Mộng Ngọc, 2008).
Quy trình thực hiện Phân tích phương sai một yếu tố gồm:
- Kiểm tra khác biệt phương sai giữa các nhóm giá trị. Nếu Sig Levene Test > 0.05, phương sai các nhóm giá trị là đồng nhất, dùng kiểm định F trong bảng Nếu Sig Levene Test < 0,05, phương sai các nhóm giá trị không đồng nhất và dùng kiểm định Welch trong bảng Robust Test.
- Kiểm tra khác biệt trung bình: dựa trên kết quả kiểm định F (khi phương sai đồng nhất) hoặc kiểm định Welch (khi phương sai không đồng nhất). Nếu Sig. < 0,05 thì có sự khác biệt giá trị trung bình giữa hai nhóm. Nếu Sig. > 0,05, không có bằng chứng cho sự khác biệt, chấp nhận giả thuyết “không có sự khác biệt trung bình giữa các nhóm giá trị”.
TÓM TẮT CHƯƠNG 3
Chương 3 tập trung mô tả cách thức triển khai nghiên cứu và hệ thống phương pháp được vận dụng trong quá trình xử lý dữ liệu. Từ kết quả trao đổi chuyên sâu ở giai đoạn định tính, tác giả tiến hành rà soát, điều chỉnh thang đo và xây dựng bộ công cụ khảo sát nhằm phục vụ cho bước thu thập dữ liệu thực nghiệm. Chương 3 cũng làm rõ quy trình xác định quy mô mẫu, cách thức tiếp cận đối tượng khảo sát và các kỹ thuật phân tích được sử dụng, bao gồm kiểm định độ tin cậy, phân tích nhân tố, đánh giá mối liên hệ giữa các biến, mô hình hồi quy, cùng các phép kiểm định so sánh. Luận văn: PPNC đến chuyển đổi số của Công ty Động Cơ.
XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:
Pingback: Luận văn: Ảnh hưởng đến chuyển đổi số của Công ty Động Cơ