Bảo toàn nguồn lực COR là gì? Cách áp dụng vào luận văn

Mô hình bảo toàn nguồn lực COR là gì

Bảo toàn nguồn lực COR là cách gọi tiếng Việt của Conservation of Resources theory. Lý thuyết này giải thích vì sao một người cảm thấy căng thẳng khi mất đi nguồn lực, có nguy cơ mất nguồn lực hoặc bỏ ra nhiều nguồn lực nhưng không nhận lại kết quả tương xứng. Nguồn lực ở đây không chỉ là tiền. Đó còn có thể là thời gian, sức khỏe, năng lượng, địa vị, sự hỗ trợ từ đồng nghiệp, quyền kiểm soát công việc và cảm giác an toàn.

Điểm quan trọng của COR là con người thường cố gắng bảo vệ những gì mình đang có, tìm thêm nguồn lực khi có thể và phản ứng mạnh hơn trước nguy cơ mất mát. Một nhân viên có ít thời gian, ít quyền tự chủ và ít hỗ trợ từ cấp trên sẽ dễ bị ảnh hưởng bởi một yêu cầu công việc mới hơn người đang có nhiều nguồn lực dự phòng.

Trong luận văn định lượng, COR thường được dùng để giải thích các quan hệ như áp lực công việc dẫn đến kiệt sức, nguồn lực công việc làm tăng sự gắn kết, hoặc hỗ trợ tổ chức làm giảm ý định nghỉ việc. Bạn có thể xem thêm các chủ đề cùng nhóm về mô hình nghiên cứu trước khi quyết định COR có phù hợp với đề tài của mình hay không.

Cần phân biệt COR với một thang đo đơn lẻ. COR là nền tảng lý thuyết để xây dựng mô hình và lập luận giả thuyết. Các biến như burnout, perceived organizational support, job autonomy hay work-family conflict mới là những khái niệm được đo bằng biến quan sát cụ thể.

Các thành phần trong mô hình

COR không bắt buộc phải được vẽ thành một mô hình duy nhất với số lượng biến cố định. Khi đưa vào luận văn, bạn cần chuyển các ý tưởng của lý thuyết thành nhóm biến có thể đo lường. Bốn nhóm dưới đây thường giúp bạn bắt đầu thiết kế mô hình.

Khi lập bảng khái niệm, bạn không nên đưa cả tám thành phần thành tám biến chỉ vì chúng xuất hiện trong lý thuyết. Hãy chọn những biến liên quan trực tiếp đến câu hỏi nghiên cứu, bối cảnh và dữ liệu bạn có thể thu thập. Ví dụ, một đề tài về bắt nạt nơi làm việc có thể xem xét mất nguồn lực tâm lý và sự hỗ trợ xã hội, trong khi đề tài về an toàn lao động cần chú ý đến điều kiện làm việc và cảm giác kiểm soát.

Bạn có thể đối chiếu cách diễn giải bối cảnh tại bài bắt nạt nơi làm việc là gì hoặc bầu không khí an toàn lao động là gì. Hai khái niệm này không tự động trở thành biến của COR, nhưng chúng giúp bạn kiểm tra xem nguồn lực nào thực sự hiện diện trong bối cảnh nghiên cứu.

Mô hình gốc và các mở rộng phổ biến

Mô hình COR ban đầu tập trung vào quan hệ giữa nguồn lực và stress. Khi cá nhân mất nguồn lực hoặc cảm nhận rõ nguy cơ mất nguồn lực, stress có thể tăng. Ngược lại, nguồn lực hiện có giúp cá nhân chống đỡ yêu cầu, đầu tư cho mục tiêu và phục hồi sau áp lực.

Khi áp dụng vào nghiên cứu tổ chức, COR thường được mở rộng theo ba hướng. Hướng thứ nhất là đưa nguồn lực công việc vào mô hình, chẳng hạn quyền tự chủ, hỗ trợ từ cấp trên, hỗ trợ đồng nghiệp và cơ hội phát triển. Hướng thứ hai là đưa nguồn lực cá nhân như self-efficacy, resilience hoặc perceived control vào vai trò biến trung gian hay biến điều tiết. Hướng thứ ba là mô tả chuỗi tác động, trong đó một biến gây mất nguồn lực tạo ra kết quả tiêu cực, rồi kết quả đó tiếp tục làm suy giảm nguồn lực khác.

Bạn cần tránh biến COR thành lời giải thích cho mọi quan hệ có vẻ hợp lý. Một mô hình tốt phải trả lời được ba câu hỏi: biến nào là nguồn lực, biến nào đại diện cho mất mát hoặc nguy cơ mất mát, và kết quả nào phản ánh việc cá nhân bảo vệ hoặc đầu tư nguồn lực. Nếu không trả lời được, phần cơ sở lý thuyết sẽ dừng ở mức mô tả.

Các mô hình khác có thể bổ sung cho COR khi câu hỏi nghiên cứu cần một cơ chế cụ thể. Chẳng hạn, mô hình Maslow phù hợp khi bạn muốn bàn về các nhóm nhu cầu theo cấp độ, còn COR tập trung vào việc cá nhân sở hữu, mất và đầu tư nguồn lực. Tháp nhu cầu Maslow cũng không nên được dùng thay thế cho COR chỉ vì cả hai đều đề cập đến nhu cầu và điều kiện sống.

Một mở rộng thường gặp là dùng COR để giải thích mediation. Ví dụ, áp lực công việc làm giảm nguồn lực tâm lý, từ đó làm tăng burnout. Khi đó, áp lực công việc là biến độc lập, nguồn lực tâm lý là mediator và burnout là biến phụ thuộc. Với moderation, bạn có thể giả thuyết rằng hỗ trợ từ cấp trên làm yếu đi tác động của áp lực công việc lên burnout.

Thang đo thường dùng cho từng khái niệm

COR không cung cấp một bộ biến quan sát duy nhất dùng cho mọi đề tài. Bạn cần tìm thang đo cho từng khái niệm, kiểm tra nguồn gốc, bối cảnh sử dụng và cách dịch. Không nên ghi các câu diễn đạt dưới đây là thang đo COR nguyên bản nếu bạn chưa xác định được tài liệu gốc.

Ở bước này, bạn nên lập một bảng riêng gồm tên tác giả, năm, bối cảnh, số biến quan sát, thang Likert và bản gốc tiếng Anh. Nếu đề tài có biến về công nghệ hoặc chấp nhận hệ thống, AMO là gì có thể là một ví dụ để bạn phân biệt một mô hình lý thuyết với một thang đo cụ thể.

Bộ biến quan sát tham khảo cần được dịch và điều chỉnh theo bối cảnh Việt Nam. Ví dụ, câu hỏi về quyền tự chủ phải phù hợp với loại công việc của mẫu nghiên cứu. Nhân viên văn phòng, công nhân dây chuyền và nhân viên bán hàng có phạm vi tự chủ khác nhau. Nếu giữ nguyên một câu dịch chung cho mọi nhóm, người trả lời có thể hiểu khác với ý định của thang đo.

Bạn cũng cần thống nhất chiều của biến. Một biến quan sát diễn đạt theo hướng tiêu cực có thể cần reverse coding trước khi chạy Cronbach's Alpha hoặc EFA. Hãy ghi mã biến như AUT1, AUT2, POS1, POS2 và lưu một bảng codebook để biết biến nào thuộc khái niệm nào.

Áp dụng vào đề tài của bạn

Giả sử bạn nghiên cứu nhân viên văn phòng và muốn giải thích ý định nghỉ việc. Một mô hình gọn có thể gồm job demands, perceived organizational support, burnout và turnover intention. COR giúp bạn lập luận rằng yêu cầu công việc làm tiêu hao nguồn lực, còn hỗ trợ tổ chức bổ sung nguồn lực và có thể hạn chế burnout.

Mô hình khái niệm có thể được trình bày như sau:

Job demands → Burnout → Turnover intention

Perceived organizational support → Burnout

Perceived organizational support → Turnover intention

Bốn giả thuyết minh họa:

• H1: Job demands tác động cùng chiều đến burnout.
• H2: Perceived organizational support tác động ngược chiều đến burnout.
• H3: Burnout tác động cùng chiều đến turnover intention.
• H4: Burnout đóng vai trò trung gian trong quan hệ giữa job demands và turnover intention.

Đây là mô hình minh họa, không phải kết quả của một nghiên cứu đã thu thập dữ liệu. Khi áp dụng, bạn phải thay tên biến bằng đúng khái niệm trong bảng hỏi và xác định rõ đối tượng, địa bàn, thời gian nghiên cứu.

Phần lý thuyết nên đi theo logic biến, không chỉ kể lại COR. Trước hết, giải thích job demands tiêu hao nguồn lực nào. Tiếp theo, nêu vì sao burnout phản ánh trạng thái nguồn lực bị suy giảm. Sau đó, giải thích vì sao nhân viên có thể hình thành ý định nghỉ việc khi tiếp tục mất nguồn lực. Cuối cùng, trình bày vai trò bù đắp của perceived organizational support.

Cách viết vào luận văn: “Dựa trên lý thuyết bảo toàn nguồn lực COR, nghiên cứu đề xuất rằng [biến độc lập] làm thay đổi [biến trung gian] do tác động đến [loại nguồn lực]. Khi [biến trung gian] gia tăng hoặc suy giảm, [biến phụ thuộc] được kỳ vọng thay đổi theo [chiều tác động]. Vì vậy, nghiên cứu đề xuất giả thuyết H[ số ]: [phát biểu giả thuyết].”

Khi viết chương 3, hãy nêu nguồn thang đo, cách dịch, số biến quan sát và thang Likert. Khi viết chương 4, hãy tách kết quả đo lường khỏi kết quả mô hình cấu trúc. Việc một thang đo đạt độ tin cậy không có nghĩa là giả thuyết đã được chấp nhận.

Cách kiểm định mô hình bằng SPSS hoặc SmartPLS

Nếu mô hình của bạn chỉ gồm các biến tổng hợp và hồi quy, SPSS có thể đủ cho Cronbach's Alpha, EFA, tương quan và hồi quy. Bạn có thể bắt đầu tại Analyze > Scale > Reliability Analysis, đưa các biến quan sát của từng khái niệm vào cùng một lần chạy, rồi mở Statistics và chọn Scale if item deleted để xem thông tin khi loại biến.

Sau đó, chạy EFA tại Analyze > Dimension Reduction > Factor. Kiểm tra KMO and Bartlett's Test, Total Variance Explained và Rotated Component Matrix. EFA hiếm khi ra đúng cấu trúc ở lần đầu. Nếu một biến tải mạnh vào nhiều nhân tố, bạn cần xem nội dung biến, tải nhân tố và logic lý thuyết trước khi quyết định loại, thay vì xóa hàng loạt để làm bảng đẹp.

Nếu mô hình có biến tiềm ẩn, nhiều đường dẫn, mediation hoặc moderation và bạn muốn đánh giá đồng thời measurement model với structural model, SmartPLS có thể phù hợp hơn. File .csv cần có hàng đầu là tên biến, các hàng sau là người trả lời, không trộn chữ vào cột số và không để nhiều dòng tiêu đề.

Trong SmartPLS 4, bạn tạo project, nhập dữ liệu, kéo các construct vào canvas, nối các path và gán indicator cho từng construct. Chạy PLS-SEM Algorithm để xem Outer Loadings, Reliability and Validity, Discriminant Validity, Path Coefficients và R Square. Sau đó chạy Bootstrapping, thường dùng 5.000 bootstrap subsamples theo hướng dẫn của (Hair và cộng sự, 2022) để đánh giá độ ổn định của hệ số và khoảng tin cậy.

Bảng dưới đây là số liệu minh họa, không phải phát hiện từ dữ liệu của bạn.

Bạn không nên đưa CFI, TLI hoặc RMSEA vào báo cáo SmartPLS. Đây là nhóm fit index thường gắn với CB-SEM, trong khi mô hình PLS-SEM cần tập trung vào outer loading, reliability, AVE, HTMT, VIF, R², f², Q² và path coefficient. Nếu dùng AMOS, logic đánh giá sẽ khác, bạn có thể xem bài AMO là gì để tránh nhầm tên công cụ và mô hình.

Lỗi thường gặp khi dùng mô hình này

Lỗi đầu tiên là viết COR như một đoạn giới thiệu chung nhưng không nối được với giả thuyết. Mỗi giả thuyết cần chỉ rõ bên nào là nguồn lực, bên nào là mất mát hoặc kết quả của quá trình tiêu hao nguồn lực.

Lỗi thứ hai là dùng “COR scale” như thể có một bảng hỏi duy nhất. Bạn cần tìm thang đo theo từng construct. Thang đo burnout không thể tự động đo nguồn lực, và thang đo hỗ trợ tổ chức không thể đại diện cho toàn bộ COR.

Lỗi thứ ba là đổi chiều biến sau khi xem kết quả. Hướng tác động phải được xác định từ lý thuyết và cách mã hóa trước khi chạy mô hình. Nếu kết quả trái giả thuyết, hãy báo cáo kết quả, kiểm tra dữ liệu và giải thích giới hạn thay vì sửa mã để làm p-value đẹp hơn.

Lỗi thứ tư là loại biến chỉ vì outer loading hoặc Cronbach's Alpha chưa đạt, nhưng không ghi lại các vòng xử lý. Việc loại biến cần có lý do về thống kê và nội dung. Một mô hình đạt chỉ số sau khi xóa quá nhiều biến có thể mất ý nghĩa đo lường ban đầu.

Cuối cùng, đừng đồng nhất tương quan với cơ chế nhân quả. Dữ liệu khảo sát cắt ngang có thể cho thấy các biến liên hệ với nhau, nhưng cách viết kết luận cần phù hợp với thiết kế nghiên cứu và phạm vi mẫu.

Câu hỏi thường gặp

Bảo toàn nguồn lực COR có phải là một thang đo không

Không. COR là lý thuyết dùng để giải thích cách cá nhân bảo vệ, mất và đầu tư nguồn lực. Thang đo phải được chọn riêng cho từng construct như job demands, job autonomy, burnout hoặc perceived organizational support.

COR phù hợp với đề tài nào

COR phù hợp với các đề tài có nội dung về stress, burnout, kiệt sức, áp lực công việc, hỗ trợ tổ chức, nguồn lực cá nhân, phục hồi, ý định nghỉ việc hoặc hiệu suất. Bạn vẫn cần kiểm tra bối cảnh và khả năng thu thập dữ liệu trước khi chốt mô hình.

Có thể dùng COR để nghiên cứu hành vi khách hàng không

Có thể, nếu bạn xác định được nguồn lực mà khách hàng sở hữu, mất hoặc đầu tư, chẳng hạn thời gian, tiền bạc, năng lượng và sự thuận tiện. Tuy nhiên, mô hình phải giải thích được cơ chế này, thay vì gắn nhãn COR cho mọi quan hệ giữa biến độc lập và biến phụ thuộc.

Nên chạy SPSS hay SmartPLS cho mô hình COR

SPSS phù hợp khi bạn cần Cronbach's Alpha, EFA, hồi quy hoặc PROCESS theo thiết kế nghiên cứu. SmartPLS phù hợp khi mô hình có nhiều biến tiềm ẩn và cần đánh giá measurement model cùng structural model. Công cụ không thay thế cho việc xây dựng lý thuyết và thang đo.

Nếu kết quả trái với giả thuyết COR thì phải làm sao

Bạn giữ nguyên kết quả quan sát, kiểm tra mã hóa, dữ liệu thiếu, outlier, độ tin cậy và cách đặc tả mô hình. Sau đó thảo luận khả năng bối cảnh, mẫu nghiên cứu hoặc cách đo khiến quan hệ khác với kỳ vọng. Không nên đổi giả thuyết sau khi xem p-value rồi trình bày như thể đã định trước.

Có cần đưa toàn bộ thành phần của COR vào mô hình không

Không cần. Bạn chỉ đưa các construct phục vụ câu hỏi nghiên cứu và có thang đo phù hợp. Phần cơ sở lý thuyết có thể trình bày rộng hơn mô hình thực nghiệm, nhưng phải nói rõ thành phần nào được chọn và vì sao các thành phần khác không được kiểm định.

Mở file dữ liệu của bạn, lập bảng gồm construct, mã biến, nguồn thang đo và chiều tác động trước khi chạy phân tích; nếu cần kiểm tra mô hình, thang đo và dữ liệu thật bằng SPSS hoặc SmartPLS, bạn có thể dùng M4 phân tích của DoThesis.