MỤC LỤC
Một phương pháp hiệu quả để xây dựng mô hình phân tích các yếu tố là kết hợp phương pháp phân tích bằng biểu đồ xương cá và phương pháp ứng dụng mô hình đo lường cấu trúc tuyến tính SEM (Structural Equation Modeling).
Biểu đồ nhân quả (fishbone diagram) có thể được áp dụng cho các nhu cầu khác nhau: sản xuất, dịch vụ, cải tiến chất lượng, giải quyết vấn đề, v.v. Biểu đồ xương cá Ishikawa thường được sử dụng khi muốn giải quyết những vấn đề phức tạp xảy ra trong đời sống và hoạt động sản xuất, kinh doanh chịu tác động của nhiều nguyên nhân, yếu tố khác nhau mà không tìm hiểu cặn kẽ sẽ không thể xác định được bản chất. Ngoài ra, khi muốn tổng hợp thông tin về các ngành, nghề, lĩnh vực kinh doanh thì việc sử dụng mô hình này cũng rất hữu dụng.
Thông qua việc ứng dụng sơ đồ tư duy xương cá và lần lượt trả lời các câu hỏi tại sao giỳp tỡm ra nguyờn nhõn cốt lừi của vấn đề để khắc phục. Một trong những ưu điểm lớn nhất của phương pháp biểu đồ xương cá là giúp ta nhìn nhận được tổng thể vấn đề trong mối quan hệ nhân – quả, trong đó hậu quả hay hiện tượng, vấn đề ta đang đối mặt nằm ở vị trí đầu cá, còn các nguyên nhân có thể gây ra hậu quả đó được ghi nhận ở những xương cá. Một trong những kỹ thuật phức hợp và linh hoạt nhất sử dụng để phân tích mối quan hệ phức tạp trong mô hình nhân quả là mô hình mạng SEM (Structural Equation Modeling).
Mô hình SEM đã được sử dụng rộng rãi trong các lĩnh vực nghiên cứu như tâm lý học, xã hội học, nghiên cứu sự phát triển của trẻ em và trong lĩnh vực quản lý. Đặc biệt mô hình này cũng được ứng dụng trong rất nhiều mô hình thỏa mãn khách hàng như : Ngành dịch vụ thông tin di động tại Hàn Quốc [27] (2004), Mô hình nghiên cứu sự trung thành của khách hàng Dịch vụ thông tin di động tại Việt Nam [28]. Mô hình SEM phối hợp được tất cả các kỹ thuật như hồi quy đa biến, phân tích nhân tố và phân tích mối quan hệ hỗ tương (giữa các phần tử trong sơ đồ mạng) để cho phép chúng ta kiểm tra mối quan hệ phức hợp trong mô hình.
Khác với những kỹ thuật thống kê khác chỉ cho phép ước lượng mối quan hệ riêng phần của từng cặp nhân tố (phần tử) trong mô hình cổ điển (mô hình đo lường), SEM cho phép ước lượng đồng thời các phần tử trong tổng thể mô hình, ước lượng mối quan hệ nhân quả giữa các khái niệm tiềm ẩn (Latent Constructs) qua các chỉ số kết hợp cả đo lường và cấu trúc của mô hình lý thuyết, đo các mối quan hệ ổn định (recursive) và không ổn định (non-recursive), đo các ảnh hưởng trực tiếp cũng như gián tiếp, kể cả sai số đo và tương quan phần dư. Với kỹ thuật phân tích nhân tố khẳng định (CFA) mô hình SEM cho phép linh động tìm kiếm mô hình phù hợp nhất trong các mô hình đề nghị. Sau khi đã xác định được các yếu tố ảnh hưởng đến LSQ Việt Nam thông qua mô hình xương cá, tác giả sẽ tiến hành phỏng vấn 3 chuyên gia về mặt lý thuyết và 7 người là lãnh đạo các doanh nghiệp tại Việt Nam, mà họ đang sử dụng dịch vụ logistics.
Trong số này, 4 chuyên gia là người quản lý nhà nước trong các khu công nghiệp hoặc có dịch vụ liên quan đến logistics. Thông qua việc phỏng vấn những chuyên gia và nhà quản lý doanh nghiệp có kinh nghiệm trong lĩnh vực logistics, tác giả có thể thu thập thông tin chính xác và sâu sắc về thực tế và tình hình sử dụng dịch vụ logistics của các doanh nghiệp tại Việt Nam. Các chuyên gia và người quản lý này có thể cung cấp thông tin về hiệu quả, những khó khăn, thách thức và tiềm năng trong việc sử dụng dịch vụ logistics, từ đó giúp đưa ra những nhận định và khuyến nghị về cải tiến và phát triển hệ thống logistics trong lĩnh vực này.
Do đó, các biến quan sát đều được chấp nhận và sẽ được sử dụng để phân tích nhân tố khám phá (EFA). 7 nhân tố được rút trích với giá trị riêng lớn hơn 1, qua đó tổng hợp hiệu quả thông tin của 24 biến quan sát đưa vào EFA. Kết quả phân tích nhân tố cho thấy 24 biến được nhóm thành 7 nhân tố, giống với mô hình lý thuyết ban đầu và các biến chỉ tải lên một nhân tố duy nhất, cho thấy kết quả phân tích nhân tố đạt yêu cầu.
Như vậy, tất cả các thang đo được lựa chọn cho các biến trong mô hình đều đáp ứng yêu cầu và có thể được sử dụng trong các phân tích tiếp theo. Kết quả nghiên cứu cho thấy chỉ số CMIN/df là 2,029 < 3 cho thấy giá trị này đạt yêu cầu và cho thấy mô hình phù hợp với dữ liệu nghiên cứu. Điều này khẳng định các biến quan sát có mức ý nghĩa rất cao trong mô hình, có khả năng tác động hoặc tương quan đáng kể với các biến khác.
Ngoài ra, kết quả nghiên cứu cho thấy rằng tất cả các biến quan sát đều có trọng số hồi quy chuẩn hóa lớn hơn 0,5 và một số thậm chí vượt quá 0,7. Vì vậy, các biến quan sát đều thể hiện mức độ phù hợp cao chứng tỏ chất lượng của các biến quan sát trong mô hình là tốt. Giá trị CR trong kết quả nghiên cứu vượt ngưỡng 0,7 (CR > 0,7) cho thấy thang đo đang có mức độ tin cậy tốt, tức là các mục tiêu của thang đo được đo lường một cách đáng tin cậy.
Giá trị AVE trong nghiên cứu vượt ngưỡng 0,5 (AVE > 0,5) cho thấy các biến quan sát đóng góp một phần lớn vào sự biến động của biến tiên lượng. Kết quả nghiên cứu cho thấy phương sai chia sẻ lớn nhất (MSV) < Phương sai trích trung bình (AVE). Đồng thời, kết quả cũng cho thấy căn bậc hai AVE của một biến lớn hơn mối tương quan giữa biến đó với các biến khác trong mô hình.
Giá trị chi-squared/df của mô hình là 2.045, nằm dưới ngưỡng 3 cho thấy mô hình có độ phù hợp tương đối. Tóm lại, kết quả SEM cho thấy mô hình xây dựng phù hợp với dữ liệu nghiên cứu, các chỉ tiêu đều đáng tin cậy. Kết quả ước lượng các tham số chính trong mô hình lý thuyết được trình bày trong Bảng 4.11, cho thấy ý nghĩa thống kê của mối quan hệ giữa các biến độc lập và biến phụ thuộc và hệ số chuẩn hóa thể hiện mức độ ảnh hưởng giữa các biến độc lập và biến phụ thuộc.
Nghiên cứu đã chỉ ra rằng 4 yếu tố ảnh hưởng tích cực đến sự phát triển Logistic các doanh nghiệp tại Việt Nam theo thứ tự giảm dành “Công nghệ thông tin”, “Chất lượng sản phẩm/dịch vụ”, Cơ sở vật chất, “Chính sách pháp lý”. Trong khi đó “Nguồn nhân lực” được cho là yếu tố không được ủng hộ, điều này có nghĩa là nguồn nhân lực không phải là yếu tố tác động đến sự phát triển của hoạt động logistic tại các doanh nghiệp Việt Nam nếu các cơ sở trên được đáp ứng.
Đầu tư vào công nghệ thông tin: Do công nghệ thông tin đóng vai trò quan.
Lời cảm ơn: “Chúng tôi xin trân trọng cảm ơn giảng viên đã hướng dẫn chúng tôi là TS. Thái Hoàng Tuyết Nhi, cô đã tận tình hướng dẫn chúng tôi trong quá trình học tập cũng như trong việc hoàn thành nghiên cứu. Do giới hạn kiến thức và khả năng lý luận của bản thân còn nhiều thiếu sót và hạn chế, kính mong sự chỉ dẫn và đóng góp của cô để bài nghiên cứu của chúng tôi được hoàn thiện hơn.