Giới thiệu dự án

Hoạt động tín dụng bán lẻ tại các ngân hàng thương mại cổ phần (NHTM CP) đóng vai trò huyết mạch trong việc luân chuyển vốn của nền kinh tế, phục vụ nhu cầu sản xuất kinh doanh của hộ cá thể và tiêu dùng cá nhân (mua nhà, mua xe, tiêu dùng đời sống). Tuy nhiên, sau giai đoạn biến động kinh tế do đại dịch Covid-19, thị trường tài chính tiêu dùng chứng kiến sự cạnh tranh gay gắt giữa các NHTM trong nước và các tổ chức tín dụng quốc tế. Tại Ngân hàng TMCP Công Thương Việt Nam – Chi nhánh 4 TPHCM (VietinBank CN 4 TPHCM), tốc độ tăng trưởng dư nợ cho vay khách hàng cá nhân (KHCN) có sự chững lại rõ rệt: năm 2020 dư nợ đạt 2.920 tỷ đồng (tăng trưởng 30,5%), nhưng đến năm 2021 chỉ đạt 3.301 tỷ đồng (tốc độ tăng trưởng giảm còn 13%). Doanh số cho vay năm 2021 đạt 2.947 tỷ đồng (tăng 13,2% so với mức 31,1% của năm 2020). Mặc dù tỷ lệ nợ quá hạn được kiểm soát ở mức ấn tượng 0,02%, số lượng khách hàng vay vốn thực tế chỉ tăng nhẹ từ 1.183 lên 1.235 khách hàng.

Thực trạng này đặt ra vấn đề cốt lõi: Khách hàng cá nhân ngày càng có xu hướng so sánh, đánh giá khắt khe trước khi đưa ra quyết định vay vốn. Sự thiếu hụt các mô hình lượng hóa chuẩn xác về các yếu tố tâm lý, hành vi và kinh tế cản trở ngân hàng trong việc xây dựng các chính sách tín dụng tối ưu.

Đề tài "Các nhân tố ảnh hưởng đến hành vi khách hàng cá nhân lựa chọn vay vốn tại Ngân hàng TMCP Công Thương Việt Nam – Chi nhánh 4 TPHCM" được triển khai nhằm giải quyết triệt để bài toán trên.

Mục tiêu cụ thể của dự án:

  1. Xác định và đo lường các nhân tố tác động đến quyết định chọn vay vốn của KHCN tại địa bàn nghiên cứu.
  2. Lượng hóa mức độ ảnh hưởng của từng nhân tố thông qua mô hình kinh tế lượng chuẩn xác.
  3. Đề xuất hệ thống hàm ý quản trị giúp VietinBank CN 4 TPHCM nâng cao năng lực cạnh tranh và thúc đẩy tăng trưởng tín dụng bán lẻ an toàn.

Phương pháp tiếp cận dựa trên nền tảng Thuyết hành động hợp lý (TRA - Theory of Reasoned Action) của Ajzen & Fishbein (1975) và Thuyết hành vi hoạch định (TPB - Theory of Planned Behavior) của Ajzen (1991). Dự án ứng dụng quy trình phân tích định lượng kết hợp kiểm định độ tin cậy thang đo (Cronbach's Alpha), Phân tích nhân tố khám phá (EFA - Exploratory Factor Analysis) và Hồi quy đa biến OLS (Ordinary Least Squares). Kết quả kỳ vọng cung cấp mô hình hồi quy có hệ số giải thích $R^2 > 50%$, hệ số phóng đại phương sai (VIF) $< 2$, kiểm soát hiện tượng đa cộng tuyến và xây dựng bộ giải pháp thực thi trực tiếp tại chi nhánh.

Phạm vi nghiên cứu tập trung vào 247 khách hàng cá nhân đã và đang vay vốn tại VietinBank CN 4 TPHCM, thu thập dữ liệu sơ cấp từ tháng 01/2022 đến tháng 03/2022 và dữ liệu thứ cấp từ báo cáo tài chính giai đoạn 2019 – 2021. Giới hạn đề tài nằm ở việc sử dụng phương pháp chọn mẫu thuận tiện trong không gian địa bàn Quận 4, TP.HCM.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tổng hợp và đối chiếu các mô hình phân tích hành vi khách hàng vay vốn tiêu biểu trong và ngoài nước nhằm phát hiện các khoảng trống học thuật và thực tiễn:

Nghiên cứu Phương pháp Cỡ mẫu Nhân tố tác động chính Điểm hạn chế
Hafeez Ur Rehman & Ahmed (2008) EFA, Hồi quy đa biến 358 KH (Pakistan) Dịch vụ KH, Sự thuận tiện, Cơ sở vật chất, Môi trường ngân hàng Chưa làm rõ tác động của yếu tố chính sách lãi suất linh hoạt
Christos C. Frangos et al. (2012) Thống kê định lượng 277 KH (Hy Lạp) Chất lượng dịch vụ, Chính sách cho vay, Mức độ hài lòng Chưa tách biệt yếu tố ảnh hưởng xã hội (Social Influence)
Nguyễn Thế Doanh (2017) EFA, OLS Regression 200 KH (VPBank Đà Nẵng) Chất lượng dịch vụ ($\beta$ cao nhất), Chính sách tín dụng, Uy tín, Giá cả Chưa kiểm soát đa cộng tuyến sâu ở nhóm biến thủ tục vay
Lương Trung Ngãi & Phạm Văn Tài (2019) Binary Logistic Regression 300 KH (BIDV Trà Vinh) Thương hiệu, Thủ tục vay, Lãi suất, Nhân viên Chưa đánh giá sự tương tác giữa yếu tố công nghệ và mạng lưới PGD
Mô hình đề xuất (Dự án này) Cronbach's Alpha, EFA, OLS 247 KH (VietinBank CN4) Lãi suất, Chính sách tín dụng, Nhân viên, Sự thuận tiện, Ảnh hưởng XH, Thủ tục vay, Chất lượng DV Tích hợp toàn diện 7 nhân tố đặc thù kinh tế đô thị hậu Covid-19

Phân tích yêu cầu mô hình theo chuẩn MoSCoW:

  • Must-have: Đo lường tác động của Lãi suất (LS), Chính sách tín dụng (CSTD), Nhân viên tín dụng (NV), và Thủ tục vay (TTV).
  • Should-have: Tích hợp biến Sự thuận tiện (STT), Chất lượng dịch vụ (CLDV), Ảnh hưởng xã hội (AHXH).
  • Could-have: Khảo sát hành vi vay trực tuyến (E-banking) và ngân hàng số.
  • Won't-have (giai đoạn này): Phân tích tín dụng doanh nghiệp (KHDN) và mô hình hóa phi tuyến SEM-PLS.

Thiết kế hệ thống mô hình kinh tế lượng

Mô hình nghiên cứu tuyến tính được thiết lập dưới dạng hàm hồi quy:

$$LCVV = \beta_0 + \beta_1 LS + \beta_2 CSTD + \beta_3 NV + \beta_4 STT + \beta_5 AHXH + \beta_6 TTV + \beta_7 CLDV + \epsilon$$

Trong đó:

  • Biến phụ thuộc: $LCVV$ (Hành vi lựa chọn vay vốn, gồm 3 biến quan sát: LCVV1, LCVV2, LCVV3).
  • Biến độc lập: 7 nhóm biến với 24 quan sát khởi tạo trên thang đo Likert 5 mức độ (1 = Rất không đồng ý đến 5 = Rất đồng ý).
                      +-----------------------------+
                      |   Lãi suất vay vốn (LS)     |---+
                      +-----------------------------+   |
                      | Chính sách tín dụng (CSTD)  |---|
                      +-----------------------------+   |
                      |   Nhân viên ngân hàng (NV)  |---|
                      +-----------------------------+   |    +-----------------------------+
                      |     Sự thuận tiện (STT)     |---+--->|   Hành vi lựa chọn vay vốn  |
                      +-----------------------------+   |    |          (LCVV)             |
                      |   Ảnh hưởng xã hội (AHXH)   |---|    +-----------------------------+
                      +-----------------------------+   |
                      |     Thủ tục cho vay (TTV)   |---|
                      +-----------------------------+   |
                      | Chất lượng dịch vụ (CLDV)   |---+
                      +-----------------------------+

Technology Stack và công cụ phân tích:

  • Software: IBM SPSS Statistics Version 25.0 (Build 25.0.0.0).
  • Data Engineering Engine: Microsoft Excel 2019 (v16.0) / Python 3.10 (thư viện pandas, statsmodels, scikit-learn cho mô phỏng hồi quy).
  • Database / Schema: Ma trận dữ liệu dạng phẳng (Flat Matrix) gồm $247 \times 28$ fields (bao gồm biến định danh nhân khẩu học và các mục Likert).

Methodology

Quy trình nghiên cứu chuẩn hóa qua 2 giai đoạn:

  1. Nghiên cứu định tính: Phỏng vấn sâu nhóm chuyên gia (cán bộ tín dụng, lãnh đạo phòng giao dịch) và thảo luận nhóm 10 khách hàng để hiệu chỉnh thang đo từ nghiên cứu quốc tế sang bối cảnh Việt Nam.
  2. Nghiên cứu định lượng: Phát 250 bảng câu hỏi trực tiếp tại quầy giao dịch, thu hồi 247 phiếu hợp lệ (tỷ lệ phản hồi hợp lệ đạt 98,8%).
[ Cơ sở lý thuyết TRA & TPB ] 
[ Hàm ý quản trị & Triển khai ]

Kế hoạch kiểm soát rủi ro:

  • Rủi ro sai lệch chọn mẫu: Áp dụng công thức cỡ mẫu tối thiểu của Hair et al. ($N \ge 5 \times k = 5 \times 27 = 135$ quan sát). Mẫu thực tế $N = 247$ đảm bảo vượt ngưỡng yêu cầu 182,9%.
  • Rủi ro đa cộng tuyến: Kiểm tra ngưỡng VIF $< 2$ và tương quan Pearson giữa các biến độc lập.

Implementation và kết quả

Development process

Quy trình xử lý dữ liệu được thực thi thông qua cú pháp phân tích thống kê chuyên dụng. Dưới đây là thuật toán mẫu triển khai pipeline kiểm định và hồi quy:

import numpy as np
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

# 1. Load survey dataset (N=247, 21 items after initial screening)
df = pd.read_csv("vietinbank_cn4_loan_survey.csv")

# 2. Define dependent and independent factors
X_vars = ['LS', 'CSTD', 'NV', 'STT', 'AHXH', 'TTV', 'CLDV']
y_var = 'LCVV'

# 3. Add Constant and Fit Ordinary Least Squares (OLS) Model
X = sm.add_constant(df[X_vars])
y = df[y_var]
model = sm.OLS(y, X).fit()

# 4. Check Multicollinearity using Variance Inflation Factor (VIF)
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]

# 5. Output Regression Summary
print(model.summary())
print(vif_data)

Xử lý cấu trúc dữ liệu: Trong phân tích EFA lần 1 với 24 biến độc lập, có 3 biến quan sát vi phạm tính đơn nhất và giá trị phân biệt do xuất hiện hệ số tải nhân tố (Factor Loading) $> 0,5$ đồng thời trên 2 cột khác nhau:

  • TTV4 (Thủ tục vay vốn đơn giản, nhanh gọn)
  • STT4 (Địa điểm giao dịch dễ tìm kiếm)
  • CSTD3 (Mức giới hạn thu nhập để được vay vốn thấp)

Tiến hành loại bỏ 3 biến trên và thực hiện EFA lần 2 với 21 biến độc lập chuẩn hóa.

Testing và validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 8 thang đo đều đạt độ tin cậy cao, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0,3$:

  • Sự thuận tiện (STT): 3 biến ($\alpha = 0,739$)
  • Lãi suất (LS): 3 biến ($\alpha = 0,782$)
  • Chính sách tín dụng (CSTD): 3 biến ($\alpha = 0,618$)
  • Nhân viên ngân hàng (NV): 3 biến ($\alpha = 0,625$)
  • Chất lượng dịch vụ (CLDV): 3 biến ($\alpha = 0,737$)
  • Thủ tục vay (TTV): 3 biến ($\alpha = 0,622$)
  • Ảnh hưởng xã hội (AHXH): 3 biến ($\alpha = 0,638$)
  • Lựa chọn vay vốn (LCVV): 3 biến ($\alpha = 0,784$)

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập (21 items):
    • Hệ số KMO = $0,838 > 0,5$ (mẫu nghiên cứu rất thích hợp cho EFA).
    • Kiểm định Bartlett: Giá trị Sig. = $0,000 < 0,05$ (các biến tương quan có ý nghĩa thống kê).
    • Tổng phương sai trích (Cumulative Variance Explained): $68,762% > 50%$.
    • Eigenvalues của nhân tố thứ 7 = $1,142 > 1$.
  • Biến phụ thuộc (3 items):
    • Hệ số KMO = $0,679$, Bartlett Sig. = $0,000$.
    • Phương sai trích = $70,852% > 50%$ tại Eigenvalue = $2,126$.

Kết quả đạt được

Hồi quy OLS đa biến xác nhận 7 giả thuyết nghiên cứu ($H1 \to H7$) đều đạt ý nghĩa thống kê với $p\text{-value} < 0,05$. Thứ tự cường độ tác động của các nhân tố đến quyết định lựa chọn vay vốn được xác định qua hệ số hồi quy chuẩn hóa ($\beta$):

STT Nhân tố Ký hiệu Hệ số $\beta$ chuẩn hóa Ý nghĩa thống kê ($p$) VIF Xếp hạng tác động
1 Lãi suất LS 0,312 0,000 1,245 Hạng 1 (Mạnh nhất)
2 Chính sách tín dụng CSTD 0,248 0,000 1,312 Hạng 2
3 Nhân viên ngân hàng NV 0,215 0,000 1,189 Hạng 3
4 Sự thuận tiện STT 0,184 0,002 1,421 Hạng 4
5 Ảnh hưởng xã hội AHXH 0,152 0,008 1,105 Hạng 5
6 Thủ tục vay TTV 0,138 0,014 1,350 Hạng 6
7 Chất lượng dịch vụ CLDV 0,119 0,028 1,288 Hạng 7

Kiểm định độ phù hợp mô hình:

  • Hệ số xác định $R^2 = 0,612$, $R^2$ hiệu chỉnh = $0,601$. Mô hình giải thích được $60,1%$ sự biến thiên trong hành vi lựa chọn ngân hàng vay vốn của KHCN.
  • Kiểm định ANOVA: Giá trị $F = 53,842$ với Sig. = $0,000$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với tổng thể.
  • Tất cả các hệ số VIF $< 1,5$, biểu đồ Scatterplot và P-P plot phân phối phần dư chuẩn hóa chứng minh không có hiện tượng vi phạm giả định hồi quy (không đa cộng tuyến, phương sai sai số không đổi).

Đổi mới và đóng góp

  1. Lượng hóa sự dịch chuyển tâm lý tín dụng sau đại dịch: Khác với nghiên cứu của Nguyễn Thế Doanh (2017) tại VPBank Đà Nẵng (nơi Chất lượng dịch vụ đứng vị trí số 1), nghiên cứu này chứng minh rằng trong bối cảnh phục hồi kinh tế tại TPHCM, Lãi suất ($\beta = 0,312$) và Chính sách tín dụng ($\beta = 0,248$) đã vươn lên thành 2 yếu tố chi phối quyết định vay vốn mạnh nhất. Khách hàng cá nhân ưu tiên tối ưu hóa chi phí tài chính và tính linh hoạt của dòng tiền hơn là cảm nhận dịch vụ đơn thuần.
  2. Loại trừ biến nhiễu trong đo lường thủ tục & vị trí: Quá trình EFA 2 giai đoạn đã phát hiện sự giao thoa khái niệm giữa "thủ tục đơn giản" (TTV4) và "chính sách gói vay", giúp thanh lọc thang đo còn 21 biến có tính hội tụ cao ($68,762%$).
  3. Mô hình định lượng hóa chuyên sâu cho chi nhánh cấp 1: Cung cấp cơ sở dữ liệu thực nghiệm chuẩn xác tại một địa bàn đặc thù (Quận 4 - khu vực có tốc độ đô thị hóa nhanh nhưng cơ cấu dân cư và thu nhập đa tầng), đóng góp bộ thang đo đã kiểm định cho ngành Ngân hàng Bán lẻ Việt Nam.

Ứng dụng thực tế và triển khai

Giải pháp và hàm ý quản trị cho VietinBank CN 4 TPHCM

                                CHIẾN LƯỢC TÍN DỤNG BÁN LẺ
[ Tối ưu Lãi suất ] [ Linh hoạt CSTD ] [ Nâng chuẩn NV ] [ Rút ngắn TTV ] [ Tận dụng AHXH ]
  - Gói vay ưu đãi     - Đa dạng kỳ hạn    - Đào tạo kỹ năng   - Xử lý < 48h      - Chương trình
  - Biên độ thả nổi    - Biên độ TSBĐ       tư vấn tài chính   - Số hóa hồ sơ       giới thiệu KH
  1. Chính sách Lãi suất (Tác động mạnh nhất, $\beta = 0,312$):
    • Thiết kế các gói vay ưu đãi lãi suất bậc thang cho các mục đích vay mua nhà dự án, vay sản xuất kinh doanh đầu chu kỳ.
    • Minh bạch hóa công thức tính lãi, biên độ điều chỉnh lãi suất sau thời gian ưu đãi để giảm tâm lý e ngại của người vay.
  2. Đa dạng hóa Chính sách tín dụng ($\beta = 0,248$):
    • Mở rộng các gói vay tín chấp dựa trên dòng tiền sao kê lương hoặc lịch sử thanh toán hóa đơn đối với nhóm khách hàng thu nhập 5 – 20 triệu đồng (nhóm chiếm 76,5% mẫu khảo sát).
    • Nới lỏng linh hoạt tỷ lệ cho vay trên giá trị tài sản bảo đảm (LTV - Loan-to-Value) cho các phân khúc rủi ro thấp.
  3. Nâng cao năng lực Đội ngũ Nhân viên ($\beta = 0,215$):
    • Đào tạo kỹ năng tư vấn giải pháp tài chính cá nhân thay vì bán sản phẩm đơn thuần; xây dựng chỉ số KPI gắn liền với mức độ hài lòng của khách hàng vay.
  4. Tối ưu hóa Thủ tục và Không gian giao dịch ($\beta = 0,184$ & $\beta = 0,138$):
    • Chuẩn hóa quy trình thẩm định, áp dụng luồng phê duyệt nhanh cho các khoản vay tiêu dùng nhỏ, cam kết giải ngân trong vòng 48 giờ kể từ khi hoàn thiện hồ sơ.
  5. Khai thác Mạng lưới Khách hàng & Ảnh hưởng xã hội ($\beta = 0,152$):
    • Triển khai chương trình "Member-Get-Member" (Khách hàng hiện hữu giới thiệu khách hàng mới) với cơ chế giảm phí quản lý khoản vay hoặc ưu đãi điểm thưởng tích lũy.

Lộ trình triển khai (Roadmap)

  • Quý 1: Rà soát biểu lãi suất cho vay cá nhân, ban hành các gói sản phẩm tín chấp mới cho nhóm khách hàng trẻ (25 – 35 tuổi).
  • Quý 2: Hoàn thiện số hóa khâu tiếp nhận hồ sơ qua ứng dụng VietinBank iPay; tổ chức 3 khóa đào tạo chuyên sâu về kỹ năng tư vấn tín dụng cho cán bộ chi nhánh.
  • Quý 3: Triển khai chương trình truyền thông nội bộ và ưu đãi người thân/bạn bè giới thiệu vay vốn.
  • Quý 4: Đánh giá lại tốc độ tăng trưởng dư nợ (mục tiêu nâng tốc độ tăng trưởng từ 13% lên trên 20%/năm), kiểm soát tỷ lệ nợ quá hạn duy trì $< 0,05%$.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Kích thước mẫu $N = 247$ được thu thập bằng phương pháp lấy mẫu thuận tiện tại một chi nhánh duy nhất (CN 4 TPHCM), chưa bao quát toàn bộ địa bàn các quận lân cận tại TP.HCM.
  • Hạn chế về cấu trúc mô hình: Nghiên cứu chỉ sử dụng mô hình hồi quy tuyến tính OLS, chưa đánh giá được các tác động gián tiếp (Mediating effects) và tác động điều tiết (Moderating effects) của các biến nhân khẩu học (thu nhập, độ tuổi).
  • Hướng phát triển:
    • Mở rộng quy mô khảo sát lên $N \ge 600$ trên toàn hệ thống VietinBank khu vực miền Nam.
    • Ứng dụng mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để phân tích các cấu trúc tiềm ẩn phức tạp.
    • Tích hợp thêm các biến số công nghệ tài chính (Fintech, E-KYC, Digital Lending) vào mô hình hành vi vay vốn.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học chuyên ngành Tài chính - Ngân hàng: Tiếp cận mẫu nghiên cứu thực nghiệm hoàn chỉnh, nắm vững phương pháp chuyển hóa từ lý thuyết hành vi (TRA/TPB) sang thang đo định lượng trong SPSS.
  • Cán bộ Tín dụng & Quản lý Chi nhánh Ngân hàng: Nhận diện chính xác 7 đòn bẩy thúc đẩy khách hàng cá nhân chọn vay, từ đó tối ưu hóa quy trình tư vấn và thiết kế sản phẩm tín dụng sát thực tế.
  • Nhà hoạch định chính sách NHTM: Cung cấp bằng chứng định lượng về mức độ nhạy cảm của khách hàng cá nhân đối với lãi suất và thủ tục, hỗ trợ điều chỉnh biểu lãi suất và hạn mức tín dụng linh hoạt.
  • Nhà nghiên cứu kinh tế lượng ứng dụng: Tham khảo bộ thang đo 21 biến chuẩn hóa đã kiểm định đạt độ tin cậy và phân biệt cao ($KMO = 0,838$, Phương sai trích $= 68,762%$).

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và môi trường để tái thực thi nghiên cứu này là gì?

Cần cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (khuyến nghị phiên bản 25.0) hoặc môi trường Python 3.8+ với các thư viện pandas, statsmodels, scipy. Dữ liệu đầu vào yêu cầu tệp định dạng .sav hoặc .csv chứa 247 quan sát sạch không có giá trị khuyết thiếu (missing values).

2. Giới hạn quy mô mẫu $N = 247$ có ảnh hưởng đến độ tin cậy của mô hình không?

Theo tiêu chuẩn Hair et al. (1998), tỷ lệ quan sát trên một biến đo lường tối thiểu là $5:1$. Với 21 biến độc lập chính thức, số mẫu tối thiểu cần thiết là $21 \times 5 = 105$. Quy mô $N = 247$ đạt tỷ lệ $11,76:1$, hoàn toàn đáp ứng độ tin cậy cho cả phân tích EFA và hồi quy OLS.

3. Làm thế nào để chi nhánh tích hợp kết quả nghiên cứu vào hệ thống CRM hiện tại?

Dữ liệu trọng số $\beta$ có thể được cấu hình vào hệ thống chấm điểm khách hàng tiềm năng (Lead Scoring) trong CRM. Khi tiếp cận khách hàng, hệ thống tự động gợi ý nhân viên tín dụng tập trung tư vấn gói lãi suất ưu đãi và chính sách hạn mức trước khi giải thích về thủ tục giấy tờ.

4. Chi phí triển khai các khuyến nghị quản trị tại chi nhánh là bao nhiêu?

Hầu hết các giải pháp tập trung vào việc tối ưu hóa quy trình nội bộ, điều chỉnh biên độ lãi suất và tái đào tạo kỹ năng nhân viên, do đó chi phí trực tiếp rất thấp. Chi phí chủ yếu phân bổ cho các chương trình khuyến mãi lãi suất và ưu đãi tiếp thị liên kết (khoảng 0,5% – 1% trên tổng doanh số tăng thêm).

5. Tại sao yếu tố Chất lượng dịch vụ lại có hệ số tác động thấp nhất ($\beta = 0,119$)?

Trong lĩnh vực ngân hàng bán lẻ hiện nay, chất lượng dịch vụ (cơ sở vật chất, thái độ lịch sự cơ bản) đã trở thành "tiêu chuẩn bắt buộc" (Hygiene factor). Khách hàng xem đây là điều hiển nhiên phải có và sẽ ra quyết định dựa trên các yếu tố trực tiếp liên quan đến chi phí tài chính (Lãi suất) và sự thuận tiện của khoản vay.

Kết luận

Đề tài nghiên cứu đã hoàn thành xuất sắc các mục tiêu đề ra: hệ thống hóa cơ sở lý luận về tín dụng cá nhân, xây dựng và kiểm định thành công mô hình định lượng 7 nhân tố ảnh hưởng đến hành vi lựa chọn vay vốn tại VietinBank CN 4 TPHCM với độ giải thích cao ($R^2 = 61,2%$). Kết quả nghiên cứu chứng minh vai trò then chốt của Lãi suất ($\beta = 0,312$) và Chính sách tín dụng ($\beta = 0,248$), đồng thời cung cấp lộ trình 4 quý khả thi để chi nhánh phục hồi tốc độ tăng trưởng tín dụng bán lẻ an toàn. Nghiên cứu là tài liệu tham khảo giá trị cho cả công tác quản trị thực tế tại ngân hàng thương mại lẫn nghiên cứu học thuật về hành vi tài chính người tiêu dùng.