Công bằng Adams là gì? Cách xây dựng mô hình và kiểm định
Mô hình công bằng Adams là gì
Công bằng Adams là cách giải thích hành vi của nhân viên dựa trên cảm nhận về sự công bằng trong trao đổi với tổ chức. Nhân viên so sánh những gì họ đóng góp, chẳng hạn thời gian, năng lực và nỗ lực, với những gì họ nhận được, chẳng hạn lương, cơ hội thăng tiến, sự ghi nhận và quyền lợi. Sau đó, họ tiếp tục so sánh tỷ lệ này với một người hoặc một nhóm tham chiếu.
Mô hình thường được gắn với J. Stacy Adams. Điểm cần giữ khi đưa vào luận văn là đối tượng nghiên cứu phản ứng theo cảm nhận về tỷ lệ đóng góp và kết quả, chứ không chỉ theo mức thu nhập tuyệt đối. Hai nhân viên nhận cùng mức lương vẫn có thể đánh giá khác nhau nếu họ cảm thấy đóng góp, trách nhiệm hoặc cơ hội của mình khác nhau.
Có thể biểu diễn ý tưởng trung tâm như sau:
Tỷ lệ của cá nhân = Kết quả nhận được / Đóng góp bỏ ra
Nhân viên có xu hướng so sánh tỷ lệ của mình với tỷ lệ của người tham chiếu. Khi hai tỷ lệ được xem là tương đương, họ cảm nhận công bằng. Khi tỷ lệ bị xem là thấp hơn hoặc cao hơn, họ có thể điều chỉnh nỗ lực, thay đổi cách nhìn, yêu cầu điều chỉnh quyền lợi hoặc tìm một công việc khác.
Nếu bạn đang chọn chủ đề cho luận văn, có thể xem thêm chủ đề Mô hình nghiên cứu để đặt mô hình Adams vào nhóm các nghiên cứu về hành vi tổ chức và quản trị nhân sự.
Các thành phần trong mô hình
Mô hình công bằng Adams thường được triển khai qua bốn thành phần: đầu vào, đầu ra, đối tượng tham chiếu và cảm nhận công bằng. Trong bảng hỏi, bạn nên tách rõ bốn khái niệm này thay vì gom tất cả vào một biến có tên chung là “công bằng”.
| Thành phần | Nội dung cần đo | Ví dụ trong bối cảnh doanh nghiệp |
|---|---|---|
| Đầu vào, input | Những gì nhân viên đóng góp cho công việc | Nỗ lực, kinh nghiệm, kỹ năng, thời gian, trách nhiệm |
| Đầu ra, outcomes | Những gì nhân viên nhận lại từ tổ chức | Lương, thưởng, phúc lợi, ghi nhận, cơ hội thăng tiến |
| Đối tượng tham chiếu | Người hoặc nhóm được dùng để so sánh | Đồng nghiệp, bộ phận khác, nhân viên cùng ngành |
| Cảm nhận công bằng | Đánh giá chủ quan về sự cân đối giữa đầu vào và đầu ra | Cảm thấy đãi ngộ tương xứng với đóng góp |
| Phản ứng hành vi | Cách nhân viên phản ứng khi thấy công bằng hoặc bất công | Duy trì nỗ lực, giảm nỗ lực, phàn nàn hoặc nghỉ việc |
Đầu vào không chỉ là số giờ làm việc. Một nhân viên có thể coi kiến thức chuyên môn, độ khó của nhiệm vụ hoặc trách nhiệm quản lý là đầu vào. Vì đây là cảm nhận của người trả lời, bảng hỏi cần dùng câu phát biểu rõ ràng, tránh yêu cầu họ tự tính một tỷ lệ tiền bạc chính xác.
Đầu ra cũng rộng hơn tiền lương. Nếu đề tài của bạn tập trung vào nhân viên văn phòng, các biến quan sát có thể đề cập đến sự ghi nhận, khả năng học hỏi, cơ hội thăng tiến và tính linh hoạt trong công việc. Bạn nên chọn những đầu ra thực sự xuất hiện trong bối cảnh nghiên cứu, thay vì đưa toàn bộ danh sách vào bảng hỏi.
Đối tượng tham chiếu là phần thường bị bỏ qua. Người trả lời có thể so sánh mình với đồng nghiệp cùng vị trí, nhân viên ở doanh nghiệp khác hoặc chính bản thân họ trong giai đoạn trước. Vì vậy, câu hỏi sàng lọc và phần giới thiệu bảng hỏi nên xác định bối cảnh so sánh đủ cụ thể.
Mô hình gốc và các mở rộng phổ biến
Mô hình Adams thường được dùng như nền tảng để giải thích vì sao cảm nhận công bằng ảnh hưởng đến thái độ và hành vi của nhân viên. Khi áp dụng vào nghiên cứu định lượng, bạn có thể mở rộng mô hình bằng cách thêm biến trung gian, biến kết quả hoặc biến điều tiết. Việc mở rộng phải xuất phát từ câu hỏi nghiên cứu và tài liệu bạn đã kiểm tra, không nên thêm biến chỉ để có nhiều giả thuyết hơn.
Một hướng phổ biến là đặt cảm nhận công bằng làm biến độc lập, sau đó kiểm định ảnh hưởng đến cam kết tổ chức, sự hài lòng công việc, ý định nghỉ việc hoặc hiệu suất tự đánh giá. Bạn có thể tham khảo cách phân biệt một khái niệm kết quả trong bài cam kết tổ chức là gì. Nếu đề tài quan tâm đến áp lực do cảm nhận bất công, căng thẳng công việc là gì cũng là một hướng liên quan để xem xét, nhưng cần tránh đưa biến này vào nếu bảng hỏi và dữ liệu không đo được nó.
Một hướng khác là đưa công bằng phân phối, công bằng thủ tục và công bằng tương tác thành các khía cạnh riêng. Công bằng phân phối tập trung vào kết quả nhận được. Công bằng thủ tục tập trung vào cách tổ chức đưa ra quyết định. Công bằng tương tác tập trung vào cách cấp trên giao tiếp và đối xử với nhân viên. Khi chọn hướng này, mô hình của bạn không còn chỉ đo một cảm nhận chung mà đo một cấu trúc đa chiều hoặc ba biến độc lập riêng biệt.
| Hướng mở rộng | Biến có thể thêm | Câu hỏi nghiên cứu phù hợp |
|---|---|---|
| Kết quả thái độ | Cam kết tổ chức hoặc sự hài lòng công việc | Cảm nhận công bằng có làm tăng thái độ tích cực với tổ chức không |
| Kết quả hành vi | Ý định nghỉ việc hoặc nỗ lực làm việc | Cảm nhận bất công có liên quan đến ý định nghỉ việc không |
| Mô hình trung gian | Sự hài lòng công việc nằm giữa công bằng và cam kết | Công bằng ảnh hưởng đến cam kết trực tiếp hay qua sự hài lòng |
| Mô hình điều tiết | Thâm niên, loại hợp đồng hoặc cấp bậc | Mối quan hệ có khác nhau giữa các nhóm nhân viên không |
| Mô hình đa chiều | Công bằng phân phối, thủ tục và tương tác | Khía cạnh nào dự báo kết quả mạnh hơn |
Bạn cũng có thể đặt mô hình Adams cạnh các mô hình hành vi khác. Mô hình Maslow thường giải thích nhu cầu theo cấp độ, còn công bằng Adams giải thích cách cá nhân đánh giá sự trao đổi và so sánh với người khác. Tháp nhu cầu Maslow phù hợp khi câu hỏi của bạn xoay quanh nhu cầu, động lực và mức độ thỏa mãn nhu cầu. Hai cách tiếp cận có thể cùng xuất hiện trong phần cơ sở lý thuyết, nhưng các biến đo và giả thuyết phải được tách rõ.
Thang đo thường dùng cho từng khái niệm
Không nên lấy một câu “tôi được đối xử công bằng” rồi gọi đó là thang đo hoàn chỉnh. Một thang đo định lượng cần có nhiều biến quan sát cùng phản ánh khái niệm, sau đó được kiểm định bằng Cronbach's Alpha, EFA hoặc mô hình đo lường PLS-SEM. Các tài liệu phương pháp như (Nguyễn Đình Thọ, 2011) và (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008) có thể giúp bạn trình bày quy trình kiểm định theo cách quen thuộc với luận văn Việt Nam.
Bảng dưới đây là khung thiết kế tham khảo, không phải bản dịch đã được xác nhận cho mọi ngành. Bạn cần đọc nguồn thang đo gốc, điều chỉnh ngữ cảnh và thử nghiệm bảng hỏi trước khi thu thập chính thức.
| Khái niệm | Nội dung biến quan sát nên phản ánh | Cách viết phát biểu tham khảo |
|---|---|---|
| Đầu vào cảm nhận | Nỗ lực, kỹ năng và trách nhiệm mà nhân viên bỏ ra | “Tôi phải bỏ ra nhiều nỗ lực để hoàn thành công việc hiện tại” |
| Đầu ra cảm nhận | Lương, thưởng, ghi nhận và cơ hội nhận được | “Những gì tôi nhận được tương xứng với đóng góp của tôi” |
| Công bằng phân phối | Mức độ tương xứng giữa kết quả và đóng góp | “Phần thưởng tôi nhận được là công bằng so với công việc đã thực hiện” |
| Công bằng thủ tục | Tính nhất quán, minh bạch và khả năng giải thích của quy trình | “Quy trình ra quyết định về quyền lợi được áp dụng nhất quán” |
| Công bằng tương tác | Sự tôn trọng và giải thích từ cấp trên | “Cấp trên giải thích rõ ràng các quyết định liên quan đến tôi” |
| Cam kết tổ chức | Mức gắn bó và mong muốn tiếp tục ở lại | “Tôi muốn tiếp tục làm việc tại tổ chức này” |
Nếu đề tài chỉ kiểm định công bằng tổng thể, hãy giải thích vì sao bạn gộp các khía cạnh. Nếu đề tài so sánh ba loại công bằng, mỗi loại cần có mã biến riêng, chẳng hạn PP1 đến PP4 cho công bằng phân phối, PT1 đến PT4 cho công bằng thủ tục và TT1 đến TT4 cho công bằng tương tác. Không dùng cùng một mã cho hai khái niệm.
Bạn nên dùng thang Likert nhất quán, chẳng hạn từ 1 là hoàn toàn không đồng ý đến 5 là hoàn toàn đồng ý. Thang Likert bắt nguồn từ kỹ thuật đo lường thái độ của (Likert, 1932). Với biến đảo chiều, cần ghi chú rõ trong file dữ liệu và recode trước khi chạy kiểm định. Một biến đảo chiều chưa được recode có thể làm giảm tương quan biến tổng và khiến bạn loại nhầm một biến quan sát.
Áp dụng vào đề tài của bạn
Giả sử bạn nghiên cứu nhân viên tại các doanh nghiệp dịch vụ và muốn giải thích cam kết tổ chức. Mô hình có thể gồm công bằng phân phối, công bằng thủ tục và công bằng tương tác là ba biến độc lập, cam kết tổ chức là biến phụ thuộc. Đây là ví dụ minh họa về cấu trúc nghiên cứu, không phải kết quả từ một nghiên cứu thực tế.
Bạn có thể viết các giả thuyết như sau:
- H1: Công bằng phân phối có ảnh hưởng tích cực đến cam kết tổ chức.
- H2: Công bằng thủ tục có ảnh hưởng tích cực đến cam kết tổ chức.
- H3: Công bằng tương tác có ảnh hưởng tích cực đến cam kết tổ chức.
- H4: Sự hài lòng công việc đóng vai trò trung gian trong mối quan hệ giữa cảm nhận công bằng và cam kết tổ chức.
H4 chỉ nên giữ lại khi bảng hỏi có thang đo sự hài lòng công việc và thiết kế nghiên cứu đủ để kiểm định biến trung gian. Nếu bạn chỉ thu thập công bằng và cam kết, không thể kết luận về vai trò trung gian của sự hài lòng.
Cách viết vào luận văn: “Dựa trên lý thuyết công bằng Adams, nghiên cứu đề xuất rằng [tên biến công bằng] có ảnh hưởng [tích cực/tiêu cực] đến [tên biến kết quả] trong bối cảnh [đối tượng và địa bàn nghiên cứu]. Cụ thể, giả thuyết H[ ] được phát biểu như sau: [nội dung giả thuyết].”
Khi vẽ mô hình, mỗi mũi tên cần có một lý do lý thuyết và một nhóm biến quan sát tương ứng. Bạn nên ghi mã giả thuyết cạnh mũi tên để tránh nhầm giữa bảng mô hình, bảng kết quả và phần diễn giải. Nếu dùng biến kiểm soát như tuổi, giới tính hoặc thâm niên, hãy nói rõ mục đích đưa chúng vào mô hình.
Cách kiểm định mô hình bằng SPSS hoặc SmartPLS
SPSS phù hợp khi bạn dùng hồi quy tuyến tính, kiểm định độ tin cậy, EFA và muốn xem các bảng như Reliability Statistics, KMO and Bartlett's Test, Rotated Component Matrix và Coefficients. Quy trình thường bắt đầu bằng làm sạch dữ liệu, chạy Cronbach's Alpha, chạy EFA, tính điểm nhân tố hoặc điểm trung bình rồi chạy hồi quy.
SmartPLS phù hợp khi mô hình có biến tiềm ẩn, nhiều biến quan sát, biến trung gian hoặc biến điều tiết. Bạn sẽ kiểm tra Outer Loadings, Composite Reliability, AVE, HTMT, VIF, Path Coefficients và bootstrapping. Các chỉ số CFI, TLI và RMSEA thuộc CB-SEM, vì vậy không nên đưa chúng vào phần đánh giá mô hình SmartPLS.
Trong SmartPLS, có thể đánh giá outer loading từ 0.7 trở lên theo (Chin, 1998) hoặc (Hair và cộng sự, 2022), CR từ 0.7 và AVE từ 0.5 theo (Fornell và Larcker, 1981), HTMT dưới 0.85 hoặc 0.90 tùy mức độ gần nhau về khái niệm theo (Henseler và cộng sự, 2015). VIF dưới 5 là ngưỡng thường được báo cáo theo (Hair và cộng sự, 2019). Khi chạy bootstrapping, (Hair và cộng sự, 2022) đề cập 5.000 mẫu lặp.
Bảng sau là số liệu minh họa, được trình bày theo dạng bạn có thể gặp trong output SmartPLS. Các con số này không phải phát hiện của một nghiên cứu và không được chép vào luận văn như kết quả thật.
| Path Coefficients | Original Sample (O) | Sample Mean (M) | Standard Deviation (STDEV) | T Statistics | P Values |
|---|---|---|---|---|---|
| Công bằng phân phối -> Cam kết tổ chức | 0.284 | 0.286 | 0.071 | 4.000 | 0.000 |
| Công bằng thủ tục -> Cam kết tổ chức | 0.176 | 0.179 | 0.082 | 2.146 | 0.032 |
| Công bằng tương tác -> Cam kết tổ chức | 0.351 | 0.348 | 0.068 | 5.162 | 0.000 |
| Sự hài lòng công việc -> Cam kết tổ chức | 0.229 | 0.232 | 0.076 | 3.013 | 0.003 |
Với bảng minh họa này, bạn có thể mô tả hướng tác động bằng hệ số Original Sample. P Values chỉ được kết luận theo mức ý nghĩa đã chọn trong đề cương, thường là 5 phần trăm nếu nghiên cứu của bạn quy định như vậy. Đừng chỉ nhìn P Values. Cần xem thêm dấu của hệ số, khoảng tin cậy bootstrapping, VIF và mức giải thích của R².
Nếu chạy SPSS, tại Analyze > Scale > Reliability Analysis, đưa các biến quan sát của từng khái niệm vào cùng một lần chạy. Trong Statistics, chọn Scale if item deleted để xem Cronbach's Alpha nếu loại từng biến. Alpha từ 0.7 trở lên thường được chấp nhận theo (Nunnally, 1978), alpha từ 0.6 có thể được cân nhắc trong thang đo khám phá theo (Hair và cộng sự, 2010), còn Corrected Item-Total Correlation từ 0.3 trở lên theo (Nunnally và Bernstein, 1994).
Lỗi thường gặp khi dùng mô hình này
Lỗi đầu tiên là đồng nhất công bằng với mức lương. Lương là một phần của đầu ra, còn công bằng là đánh giá về sự tương xứng giữa đầu vào và đầu ra, đồng thời có thể bao gồm thủ tục và cách ứng xử. Nếu bảng hỏi chỉ hỏi “mức lương của bạn là bao nhiêu”, bạn chưa đo được cảm nhận công bằng.
Lỗi thứ hai là dùng nguồn thang đo không rõ xuất xứ. Bạn cần ghi tác giả, năm, bối cảnh, số biến quan sát và cách điều chỉnh. Nếu chưa có nguồn thang đo phù hợp, hãy mô tả đây là thang đo tham khảo và trình bày quy trình hiệu chỉnh, thay vì gọi là thang đo chuẩn hóa.
Lỗi thứ ba là loại biến chỉ vì một chỉ số chưa đẹp. Khi Alpha tăng sau khi loại biến, bạn vẫn phải xem nội dung biến, tương quan với các biến còn lại và ý nghĩa lý thuyết. Việc loại nhiều biến để ép output đạt ngưỡng có thể làm khái niệm bị thiếu nội dung.
Lỗi thứ tư là kết luận nhân quả từ dữ liệu khảo sát cắt ngang. Nếu bạn thu thập dữ liệu tại một thời điểm, hãy dùng cách viết “có ảnh hưởng theo mô hình kiểm định” hoặc “có mối quan hệ”, phù hợp với thiết kế và phạm vi dữ liệu. Không viết rằng mô hình chắc chắn chứng minh một thay đổi theo thời gian.
Lỗi cuối là đưa cả công bằng, cam kết, hài lòng và căng thẳng vào mô hình nhưng không đủ dữ liệu hoặc không có giả thuyết rõ. Mỗi biến làm bảng hỏi dài hơn và tăng số bước kiểm định. Giữ mô hình vừa đủ để trả lời câu hỏi nghiên cứu sẽ dễ giải trình hơn tại buổi bảo vệ.
Câu hỏi thường gặp
Công bằng Adams có giống công bằng tổ chức không
Hai khái niệm có liên quan nhưng không hoàn toàn đồng nhất. Công bằng Adams nhấn mạnh sự so sánh giữa đóng góp và kết quả của cá nhân với một đối tượng tham chiếu. Công bằng tổ chức thường là khái niệm rộng hơn, có thể bao gồm công bằng phân phối, công bằng thủ tục và công bằng tương tác.
Khi viết luận văn, bạn nên định nghĩa phạm vi ngay từ đầu. Nếu chỉ đo cảm nhận về sự tương xứng giữa nỗ lực và đãi ngộ, hãy gọi biến theo đúng nội dung đó thay vì dùng “công bằng tổ chức” quá rộng.
Nên dùng SPSS hay SmartPLS cho mô hình Adams
SPSS phù hợp khi mô hình của bạn dùng các thang đo đã tổng hợp thành điểm và kiểm định bằng hồi quy. SmartPLS phù hợp khi bạn muốn giữ biến tiềm ẩn và biến quan sát, đồng thời kiểm định mô hình đo lường và mô hình cấu trúc trong cùng quy trình.
AMOS và các phần mềm CB-SEM có thể phù hợp với mục tiêu khác, còn JASP hoặc R phù hợp khi bạn quen với quy trình phân tích tương ứng. Việc tự chạy giúp bạn hiểu dữ liệu khi bị hỏi tại buổi bảo vệ. Dịch vụ chạy SPSS có thể tiết kiệm thời gian trước mắt, nhưng rủi ro tăng nếu bạn không biết vì sao một biến bị loại hoặc vì sao giả thuyết không được ủng hộ.
Có thể dùng một biến quan sát để đo công bằng không
Có thể dùng trong một số thiết kế đặc biệt, nhưng với luận văn định lượng, thang đo nhiều biến quan sát thường dễ giải thích và kiểm định hơn. Một câu hỏi đơn lẻ khó phản ánh đầy đủ đầu vào, đầu ra, so sánh và cảm nhận công bằng.
Bạn nên bắt đầu từ khái niệm cần đo, tìm nguồn thang đo phù hợp, điều chỉnh ngữ cảnh Việt Nam và kiểm tra độ rõ của từng phát biểu. Đừng thêm biến quan sát chỉ để tăng số lượng câu hỏi.
Nếu Cronbach's Alpha của thang đo công bằng thấp thì xử lý thế nào
Trước tiên, kiểm tra biến đảo chiều, mã hóa thiếu, dữ liệu nhập sai và việc trộn các khía cạnh khác nhau vào cùng một thang đo. Sau đó xem Corrected Item-Total Correlation và nội dung của biến bị lệch. Ngưỡng alpha cần được diễn giải theo bối cảnh, trong đó (Nunnally, 1978) nêu mức 0.7, còn (Hair và cộng sự, 2010) cho phép cân nhắc mức 0.6 với thang đo khám phá.
Không nên xóa liên tiếp nhiều biến chỉ để đạt một con số. Nếu các biến thuộc công bằng phân phối, thủ tục và tương tác thực sự khác nhau, hãy tách chúng thành các khái niệm riêng và kiểm định lại mô hình đo lường.
Có cần đo đối tượng tham chiếu trong bảng hỏi không
Nếu câu hỏi nghiên cứu tập trung vào cơ chế so sánh, bạn nên xác định đối tượng tham chiếu trong thiết kế bảng hỏi hoặc phần hướng dẫn trả lời. Nếu mô hình chỉ dùng cảm nhận công bằng tổ chức như một biến độc lập tổng quát, bạn có thể đo cảm nhận về sự tương xứng mà không yêu cầu người trả lời tự nêu một cá nhân cụ thể.
Dù chọn cách nào, phần phương pháp phải nói rõ bạn đo nội dung gì và vì sao cách đo đó phù hợp với mô hình. Người đọc cần phân biệt giữa “tôi được đối xử công bằng” và “tôi được đối xử công bằng so với đồng nghiệp cùng vị trí”.
Bạn có thể mở file dữ liệu ngay bây giờ, kiểm tra tên biến, đánh dấu biến đảo chiều và vẽ lại các mũi tên H1 đến H4 trước khi chạy phân tích; nếu cần một quy trình chạy trên chính file .sav hoặc .csv của mình, xem M4 phân tích dữ liệu của DoThesis.