STT TIÊU CHÍ SỐ LƯỢNG (người) TỶ LỆ (%) 1 Chức vụ 201 100,0 NQL cấp cao 67 33,3 NQL cấp trung, cơ sở 120 59,7 Nhân viên 14 7,0 2 Trình độ 201 100,0 Sơ cấp 1 0,5 Trung cấp, cao đẳng 70 34.8 Đại học 126 62,7 Sau đại học 4 2,0 3 Chuyên ngành tốt nghiệp 201 100,0 Quản trị khách sạn, nhà hàng, resort 48 23,9
Quản trị doanh nghiệp KS,DL 11 5,5
Du lịch học 2 1,0
Văn hóa du lịch 3 1,5
Quản trị dịch vụ DL và lữ hành 2 1,0
Quản trị kinh doanh 83 41,3
Ngành khác 52 25,9 4 Kinh nghiệm Dưới 5 năm 54 26,9 5-dưới 10 năm 90 44,8 Từ 10 – dưới 20 năm 50 24,9 Trên 20 năm 7 3,5
Nguồn: Dữ liệu khảo sát năm 2020
+ Về trình độ của NQL được khảo sát, 62,7% người được khảo sát tốt nghiệp đại học, chỉ có 2% người được khảo sát tốt nghiệp sau đại học, còn lại là những người tốt nghiệp cao đẳng, trung cấp, sơ cấp. Trình độ chung của NQL được khảo
sát là khoảng 70% tốt nghiệp đại học, sau đại học. Theo phỏng vấn riêng, với ngành khách sạn đa số các NQL ít có nhu cầu học Cao học, chủ yếu đạt trình độ Đại học để đảm bảo theo tiêu chuẩn của Tổng cục Du lịch.
+ Cơ cấu đối tượng khảo sát chuyên ngành theo học: có 23,9% người được khảo sát tốt nghiệp đúng chuyên ngành Quản trị nhà hàng, khách sạn, resort; có 9% tốt nghiệp chuyên ngành liên quan đến ngành du lịch, hơn 41,3% tốt nghiệp ngành Quản trị kinh doanh, 25,9% tốt nghiệp các chuyên ngành khác. Trong đó, có điều đáng lưu ý là NQL cấp cao tại các khách sạn 4,5 sao tốt nghiệp các chuyên ngành quản trị kinh doanh chiếm tỷ trọng lớn. Khối khách sạn 3 sao, nhiều nhà quản trị, bao gồm cả NQL cấp cao tốt nghiệp các ngành khác.
+ Về tuổi nghề, có 44,8% người được khảo sát có tuổi nghề từ 5-10 năm nhưng chủ yếu rơi vào khoảng 5-7 năm trong nghề, có 26,9% có tuổi nghề dưới 5 năm (tỷ trọng lớn là NQL cấp cơ sở), có 24,9 % là NQL có tuổi nghề trên 10 – dưới 20 năm, 7% có tuổi nghề trên 20 năm. Nhìn chung, NQL trong ngành khách sạn đang dần trẻ hóa trong những năm gần đây.
(4) Xử lý dữ liệu khảo sát
Các dữ liệu khảo sát thu thập được sẽ được tổng hợp thành file Excel và làm sạch đảm bảo độ tin cậy, tính chính xác và có giá trị cho q trình phân tích dữ liệu. NCS tiến hành rà sốt, loại bỏ những phiếu khảo sát không hợp lệ (thiếu quá nhiều thông tin hoặc trả lời một phương án, không rõ đơn vị được khảo sát, đối tượng được khảo sát).
2.2.2.1 Các bước phân tích dữ liệu khảo sát
* Kiểm định mơ hình nghiên cứu và giả thuyết nghiên cứu
Thống kê suy luận chuyên sâu bằng cách sử dụng các công cụ, phương pháp tốn học thống kê để phân tích dữ liệu và kết luận về mơ hình, giả thuyết nghiên cứu. Cụ thể, sử dụng phần mềm SPSS 22 để kiểm định độ tin cậy của thang quan sát bằng phân tích hệ số Cronbach’s Alpha, phân tích nhân tố khám phá EFA. Qua đó, NCS kiểm định sự khác biệt của các yếu tố cấu thành năng lực lãnh đạo của NQL cấp cao tại các khách sạn 3-5 sao trên địa bàn Hà Nội theo các biến kiểm soát. Cụ thể như sau:
Kiểm định độ tin cậy của thang quan sát là kiểm định xem liệu các thang quan sát có phù hợp với biến tương ứng khơng. Cronbach (1951) đưa ra hệ số tin cậy cho thang quan sát. Hệ số Cronbach’s Alpha chỉ đo lường độ tin cậy của thang quan sát (bao gồm từ 3 biến quan sát trở lên) chứ khơng tính được độ tin cậy cho từng biến quan sát (Nguyễn Đình Thọ, 2011). Hệ số Cronbach’s Alpha cho phép đánh giá độ tin cậy của việc thành lập một “biến” tổng hợp trên cơ sở của nhiều biến “đơn” (item). Nói cách khác, Cronbach Alpha cho phép đánh giá “tính nhất quán” của các biến nguyên tắc đại diện cùng một “chủ thể”. Hệ số Cronbach’s Alpha có giá trị biến thiên trong đoạn [0,1]. Về lý thuyết, hệ số này càng cao càng tốt (thang quan sát càng có độ tin cậy cao). Tuy nhiên điều này khơng hồn tồn chính xác. Hệ số Cronbach’s Alpha quá lớn (khoảng từ 0,95 trở lên) cho thấy có nhiều biến trong thang quan sát khơng có khác biệt gì nhau, hiện tượng này gọi là trùng lắp trong thang quan sát (Nguyễn Đình Thọ, 2011).
Các tiêu chuẩn trong kiểm định độ tin cậy thang quan sát Cronbach’s Alpha gồm giá trị hệ số Cronbach’s Alpha và hệ số tương quan biến tổng (Corrected Item
– Total Correlation). Nếu một biến đo lường có hệ số tương quan biến tổng (Corrected Item – Total Correlation) ≥ 0,3 thì biến đó đạt u cầu (Nunnally, J. 1978). Các biến quan sát có hệ số tương quan biến tổng Item-total Correlation nhỏ hơn 0,3 sẽ bị loại và thang quan sát đảm bảo độ tin cậy khi hệ số Cronbach Alpha từ 0,6 trở lên (Nunnally & Burnstein, 1994). Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), xác định các mức giá trị hệ số Cronbach’s Alpha như sau:
- Từ 0,8 đến gần bằng 1: thang quan sát lường rất tốt.
- Từ 0,7 đến gần bằng 0,8: thang quan sát lường sử dụng tốt. - Từ 0,6 trở lên: thang quan sát lường đủ điều kiện.
Như vậy, các tiêu chuẩn trong kiểm định độ tin cậy thang quan sát Cronbach’s Alpha để kiểm định thang quan sát trong nghiên cứu này gồm 2 tiêu chuẩn là: Giá
trị hệ số Cronbach’s Alpha ≥ 0,6; Hệ số tương quan biến tổng Corrected Item – Total
Correlation ≥ 0,3
Bước 2: Phân tích nhân tố khám phá EFA
Phân tích nhân tố khám phá, gọi tắt là EFA, dùng để rút gọn một tập hợp k biến quan sát thành một tập F (với F < k) các nhân tố có ý nghĩa hơn. Điều này giúp tiết kiệm thời gian và kinh phí nhiều hơn cho người nghiên cứu.
Với kiểm định độ tin cậy thang quan sát Cronbach Alpha (đã thực hiện ở trên), NCS đánh giá mối quan hệ giữa các biến trong cùng một nhóm, cùng một nhân tố, chứ không xem xét mối quan hệ giữa tất cả các biến quan sát ở các nhân tố khác. Trong khi đó, EFA xem xét mối quan hệ giữa các biến ở tất cả các nhóm (các nhân tố) khác nhau nhằm phát hiện ra những biến quan sát tải lên nhiều nhân tố hoặc các biến quan sát bị phân sai nhân tố từ ban đầu. Hai giá trị quan trong phân tích nhân tố khám phá EFA gồm: giá trị hội tụ và giá trị phân biệt (Nguyễn Đình Thọ, 2011). Nói chung, thỏa mãn “giá trị hội tụ” nghĩa là các biến quan sát hội tụ về cùng một nhân tố, thỏa mãn “giá trị phân biệt” nghĩa là các biến quan sát thuộc về nhân tố này và phải phân biệt với nhân tố khác.
Các tiêu chí trong phân tích EFA
- Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích
hợp của phân tích nhân tố. Trị số của KMO phải đạt giá trị 0,5 trở lên (0,5 ≤ KMO ≤
1) là điều kiện đủ để phân tích nhân tố là phù hợp (Hồng Trọng, Chu Nguyễn Mộng
Ngọc, 2008). Nếu trị số này nhỏ hơn 0,5 thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu nghiên cứu.
- Barlett’s test of sphericity là một đại lượng thống kê dùng để xem xét giả thuyết các biến khơng có tương quan trong tổng thể. Kiểm định Bartlett (Bartlett’s test of sphericity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay khơng. Điều kiện cần để áp dụng phân tích nhân tố là các biến quan sát phản ánh những khía cạnh khác nhau của cùng một nhân tố phải có mối tương quan với nhau. Điểm này liên quan đến giá trị hội tụ trong phân tích EFA được nhắc ở trên. Do đó, nếu kiểm định cho thấy khơng có ý nghĩa thống kê thì khơng nên áp dụng phân tích nhân tố cho các biến đang xem xét. Nếu sig kiểm định này bé hơn hoặc bằng 0,05 thì kiểm định có ý nghĩa thống kê, có thể sử dụng kết quả phân tích EFA (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Nói cách khác, kiểm định Bartlett có ý nghĩa thống kê (với điều kiện sig Bartlett’s Test < 0,05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố
trong phân tích EFA. Theo Hồng Trọng và Chu Nguyễn Mộng Ngọc (2008), chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích.
Theo Gerbing và Anderson (1988), sử dụng phương pháp trích yếu tố là Principal components với phép quay Varimax và điểm dừng khi trích các yếu tố có Eigenvalues =1. Với các thang quan sát đơn hướng thì sử dụng phương pháp trích yếu tố Princial components. Tiến hành loại các biến số có trọng số nhân tố (cịn gọi là hệ số tải nhân tố) nhỏ hơn 0,4 và tổng phương sai trích được bằng hoặc lớn hơn 50% (thang quan sát được chấp nhận).
- Tổng phương sai trích (Total Variance Explained) ≥ 50% cho thấy mơ hình
EFA là phù hợp. Coi biến thiên là 100% thì trị số này thể hiện các nhân tố được trích cơ đọng được bao nhiêu % và bị thất thoát bao nhiêu % của các biến quan sát. Theo Gerbing và Anderson (1998), kết quả phân tích nhân tố được chấp nhận khi tổng phương sai trích lớn hơn 50% và Eigenvalue lớn hơn 1.
- Hệ số tải nhân tố (Factor Loading) hay còn gọi là trọng số nhân tố, giá trị này
biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. Theo Hair và cộng sự (1998), factor loading là chỉ tiêu để đảm bảo mức ý nghĩa của EFA, factor loading > 0,3 được xem là mức tối thiểu, Factor Loading > 0,4 được xem là quan trọng, factor loading ≥ 0,5 được xem là có ý nghĩa thực tiễn. Hair và cộng sự (1998) cũng khuyên rằng nếu tiêu chí factor loading > 0,3 thì cỡ mẫu ít nhất phải là 350, nếu cỡ mẫu khoảng 100 nên chọn factor loading > 0,55, nếu cỡ mẫu khoảng 50 thì factor loading > 0,75. Khác biệt hệ số tải nhân tố Factor Loading của một biến quan sát giữa các nhân tố phải ≥ 0,3 để đảm bảo tính phân biệt giữa các nhân tố. Do đó, trong ma trận xoay, một biến quan sát, tải lên ở cả 2 nhân tố mà giá trị chênh lệch hệ số dưới 0,3 thì biến đó bị loại (Jabnoun và Al-Tamimi, 2003).
Cũng theo Hair và cộng sự (2009) thì:
Factor Loading ở mức ± 0,3: Điều kiện tối thiểu để biến quan sát được giữ lại. Factor Loading ở mức ± 0,5: Biến quan sát có ý nghĩa thống kê tốt. Factor Loading ở mức ± 0,7: Biến quan sát có ý nghĩa thống kê rất tốt.
Như vậy, từ các lập luận đã trình bày ở trên, những tiêu chí cho phân tích nhân tố khám phá EFA được sử dụng trong luận án sẽ gồm các tiêu chí sau:
Hệ KMO phải đạt giá trị ≥ 0,5 (0,5 ≤ KMO ≤ 1) Hệ số Factor Loading ≥ 0,55
Hệ số sig Bartlett’s Test < 0,05 Hệ số Eigenvalue ≥ 1
Bước 3: Kiểm định giả thuyết nghiên cứu bằng Anova và Independent-Sample T Test để trả lời giả thuyết nghiên cứu
Hai kiểm định này bản chất đều nhằm so sánh giá trị trung bình của 2 mẫu. Tức là so sánh cặp, hay gọi là so sánh đơi một. Independent-Sample T Test có được áp dụng khi so sánh một đơi duy nhất cịn One-way Anova thì làm cho nhiều đơi cùng lúc. Các kiểm định này gồm 2 bước:
Bước 1: Kiểm định sự khác biệt của phương sai xem phương sai giữa các nhóm có đồng nhất hay khơng. Từ đó có phương án lựa chọn ra 1 kiểm định so sánh giá trị trung bình thích hợp.
Bước 2: Kiểm định so sánh giá trị trung bình. Với Independent-Sample T Test dùng kiểm định t; với Anova tùy vào kết quả ở bước 1, NCS sẽ dùng kiểm định Welch ở bảng Robust Test hoặc kiểm định F ở Anova.
Dựa vào kết quả phân tích ở hai bước trong kiểm định, NCS sẽ đưa ra kết luận về giả thuyết nghiên cứu trên.
* Phân tích mơ tả: Để đánh giá thực trạng từng yếu tố cấu thành năng lực lãnh đạo
của NQL cấp cao tại các khách sạn 3-5 sao trên địa bàn Hà Nội và so sánh làm rõ các sự khác biệt trong từng yếu tố (thống kê mô tả và kiểm định sự khác biệt trong giá trị trung bình của các dữ liệu liên quan đến từng nhóm các yếu tố cấu thành năng lực lãnh đạo của NQL cấp cao theo các nhóm biến kiểm sốt). Trong đó, NCS sử dụng thang đo Likert 5 mức độ để đánh giá từng yếu tố cấu thành năng lực lãnh đạo của NQL cấp cao tại các khách sạn 3-5 sao trên địa bàn Hà Nội.
Ý nghĩa của các mức được sử dụng để đánh giá như sau:
Mức 1.00 – 1.80: Rất không đồng ý/ Rất khơng hài lịng/ Rất khơng quan trọng Mức 1.81 – 2.60: Không đồng ý/ Khơng hài lịng/ Khơng quan trọng
Mức 2.61 – 3.40: Khơng ý kiến/ Trung bình Mức 3.41 – 4.20: Đồng ý/ Hài lòng/ Quan trọng
TIỂU KẾT CHƯƠNG 2
Trong chương 2, NCS đã trình bày rõ quy trình nghiên cứu của quy trình nghiên cứu của mình. Từ đó làm rõ các bước NCS thực hiện để có kết quả nghiên cứu được trình bày trong luận án.
NCS cũng trình bày các nguồn dữ liệu thứ cấp và sơ cấp được sử dụng trong luận án. Trong đó nguồn dữ liệu thứ cấp từ hai nguồn: các nghiên cứu đã công bố trên các nguồn đáng tin cậy trong và ngoài nước; các dữ liệu được cung cấp bởi các đơn vị thống kê, cơ quan quản lý nhà nước về du lịch của Hà Nội và Việt Nam. Các nguồn dữ liệu sơ cấp thu thập thông qua các phỏng vấn và khảo sát của NCS được thực hiện trong năm 2020.
Phương pháp nghiên cứu được NCS sử dụng là kết hợp phương pháp nghiên cứu định tính và định lượng. Phương pháp nghiên cứu định tính mục tiêu để kiểm tra lại mơ hình nghiên cứu được sử dụng và tìm kiếm các giải pháp nâng cao năng lực lãnh đạo phù hợp cho NQL cấp cao tại khách sạn 3-5 sao trên địa bàn Hà Nội. Phương pháp nghiên cứu định lượng được NCS sử dụng để kiểm tra độ tin cậy của thang quan sát trong nghiên cứu, khẳng định lại các yếu tố cấu thành khung nghiên cứu về năng lực lãnh đạo của NQL cấp cao tại khách sạn 3-5 sao trên địa bàn Hà Nội và kiểm định một số giả thuyết nghiên cứu được đưa ra. Phương pháp phân tích dữ liệu được sử dụng gồm: Phân tích thống kê mơ tả, phân tích kiểm định.
CHƯƠNG 3. THỰC TRẠNG NĂNG LỰC LÃNH ĐẠO CỦA NHÀ QUẢN LÝ CẤP CAO TẠI CÁC KHÁCH SẠN 3-5 SAO TRÊN ĐỊA BÀN HÀ NỘI 3.1 Khái quát chung về hoạt động kinh doanh khách sạn và tình hình nhân lực quản lý cấp cao tại các khách sạn 3-5 sao trên địa bàn Hà Nội
3.1.1 Khái quát tình hình kinh doanh khách sạn trên địa bàn Hà Nội
Hà Nội là thị trường sôi động với mật độ dân cư cao, kinh tế, khoa học – kỹ thuật và cơng nghệ phát triển nhanh chóng. Với vai trị về trung tâm kinh tế, nhu cầu về hoạt động giao lưu, kết nối và kinh doanh cũng như sở hữu nhiều giá trị tài ngun văn hóa. Vì vậy, Hà Nội là một điểm đến hấp dẫn, nhu cầu về các dịch vụ lưu trú là vô cùng lớn. Với sự hấp dẫn của thị trường, hàng loạt khách sạn được xây dựng tại các khu đông dân cư, khu vực du lịch, vui chơi giải trí. Những thương hiệu khách sạn lớn không ngừng đẩy mạnh hoạt động kinh doanh của mình bằng cách đầu tư ngân sách cho các hoạt động truyền thông. Điều này tạo nên thị trường kinh doanh khách sạn cạnh tranh sôi động và mạnh mẽ ở Hà Nội.
Về thị trường khách của khách sạn 3-5 sao tại Hà Nội:
Giai đoạn 2016-2019, lượng khách du lịch đến Hà Nội tăng khá nhanh và ổn định,