Giới thiệu dự án

Huy động vốn giữ vai trò huyết mạch trong toàn bộ chuỗi cung ứng tài chính của các ngân hàng thương mại (NHTM), đóng vai trò vừa là phương tiện vừa là đối tượng kinh doanh chủ yếu. Trong bối cảnh tỷ lệ huy động vốn từ nguồn tiền nhàn rỗi trong dân cư còn chiếm tỷ trọng phân tán và chịu sự cạnh tranh gay gắt từ các kênh đầu tư thay thế (chứng khoán, bất động sản, trái phiếu), việc tối ưu hóa năng lực huy động vốn tiền gửi tiết kiệm (TGTK) cá nhân trở thành bài toán sinh tồn của các ngân hàng, đặc biệt là các chi nhánh lớn thuộc khối ngân hàng thương mại cổ phần có vốn nhà nước như Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV).

Vấn đề thực tiễn ghi nhận tại BIDV Chi nhánh TP. Hồ Chí Minh phản ánh nhiều thách thức cục bộ:

  • Sự phân hóa nhu cầu gửi tiền giữa các nhóm khách hàng cá nhân (KHCN) có độ tuổi từ 23 tuổi trở lên.
  • Áp lực chạy đua lãi suất huy động giữa các ngân hàng thương mại mà không tối ưu hóa các giá trị phi tài chính (chất lượng dịch vụ, thương hiệu, trải nghiệm điểm chạm).
  • Thiếu hụt mô hình định lượng xác định chính xác trọng số ảnh hưởng của các yếu tố cấu thành đến hành vi ra quyết định gửi tiền của khách hàng tại đô thị trọng điểm phía Nam.

Đồ án/Khóa luận tốt nghiệp chuyên ngành Tài chính – Ngân hàng (Mã số: 7340201) của tác giả Nguyễn Viết Thanh Hà (Trường Đại học Ngân hàng TP. Hồ Chí Minh) triển khai nhằm giải quyết toàn diện bài toán trên.

Mục tiêu nghiên cứu cụ thể

  1. Xác định các nhân tố cấu thành: Nhận diện và hệ thống hóa 6 nhóm nhân tố ảnh hưởng đến quyết định gửi tiền tiết kiệm của khách hàng tại BIDV Chi nhánh TP. Hồ Chí Minh.
  2. Đo lường mức độ tác động: Định lượng hóa mức độ ảnh hưởng của từng nhân tố thông qua hệ số hồi quy chuẩn hóa $\beta$, kiểm định sự phù hợp của mô hình kinh tế lượng.
  3. Đề xuất giải pháp thực thi: Xây dựng hệ thống giải pháp và hàm ý quản trị giúp BIDV TP.HCM nâng cao năng lực cạnh tranh và tỷ lệ giữ chân khách hàng gửi tiền.

Phương pháp tiếp cận và phạm vi nghiên cứu

Nghiên cứu kết hợp phương pháp hỗn hợp (Mixed Methods): nghiên cứu định tính (phỏng vấn sâu chuyên gia) để hiệu chỉnh thang đo, kết hợp nghiên cứu định lượng thông qua khảo sát $N=304$ mẫu hợp lệ, xử lý trên nền tảng IBM SPSS Statistics. Phạm vi khảo sát tập trung vào các khách hàng cá nhân có độ tuổi từ 23 tuổi trở lên, thực hiện giao dịch gửi tiền tại BIDV Chi nhánh TP. Hồ Chí Minh trong giai đoạn từ tháng 07/2021 đến tháng 08/2021.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Trong lĩnh vực nghiên cứu hành vi khách hàng ngành ngân hàng, các phương pháp phân tích đã dịch chuyển từ các mô hình định tính thuần túy sang các mô hình hồi quy đa biến và cấu trúc tuyến tính.

Phương pháp tiếp cận Ưu điểm Hạn chế Mức độ phù hợp với đề tài
Khảo sát định tính / Thăm dò ý kiến Nhanh chóng, nắm bắt phản hồi trực tiếp của khách hàng. Thiếu tính định lượng, khó kiểm chứng mức độ tin cậy và phân biệt. Chỉ dùng cho giai đoạn nghiên cứu sơ bộ.
Phân tích nhân tố khám phá & Hồi quy OLS (Đề tài áp dụng) Đo lường chính xác quan hệ nhân quả, kiểm soát hiện tượng đa cộng tuyến, phương sai thay đổi. Đòi hỏi cỡ mẫu đủ lớn ($N \ge 5 \times k$), dữ liệu phải đạt chuẩn phân phối. Rất cao (Tối ưu cho mẫu $N=304$)
Mô hình cấu trúc bình phương bé nhất (PLS-SEM) Đánh giá được các mối quan hệ đa tầng và biến trung gian. Phức tạp trong diễn giải kết quả cho nhà quản trị ngân hàng cơ sở. Đề xuất cho các nghiên cứu mở rộng trong tương lai.

Phân loại yêu cầu nghiên cứu theo mô hình MoSCoW

  • Must-have: Xây dựng khung 31 biến quan sát cho 7 cấu trúc khái niệm; kiểm tra hệ số Cronbach's Alpha $> 0.6$; trích xuất nhân tố EFA với tổng phương sai trích $> 50%$; ước lượng OLS xác định hệ số $\beta_i$.
  • Should-have: Kiểm định đa cộng tuyến (VIF $< 10$), kiểm định tự tương quan (Durbin-Watson từ 1 đến 3), ma trận tương quan Pearson.
  • Could-have: Phân tích ANOVA so sánh sự khác biệt theo độ tuổi, thu nhập của khách hàng gửi tiền.
  • Won't-have (giai đoạn này): Phân tích mô hình phương trình cấu trúc tuyến tính SEM; khảo sát mở rộng ra toàn bộ các chi nhánh BIDV trên toàn quốc.

Khung kiến trúc và mô hình nghiên cứu

Mô hình nghiên cứu được kế thừa và mở rộng từ mô hình gốc của Giao và cộng sự (2020), phát triển dựa trên Thuyết hành vi dự định (Theory of Planned Behavior - TPB; Ajzen, 1991) và Thuyết hành động hợp lý (TRA; Fishbein & Ajzen, 1975):

Thông số công nghệ và cấu trúc dữ liệu

  • Phần mềm phân tích dữ liệu: IBM SPSS Statistics v20.0 / v22.0.
  • Định dạng cấu trúc bảng mã dữ liệu (Data Dictionary):
    • TH1 - TH5: Thang đo Thương hiệu ngân hàng (Likert 1–5: 1 = Rất không đồng ý, 5 = Rất đồng ý).
    • TL1 - TL4: Thang đo Sự tiện lợi (Phòng giao dịch, địa điểm, cơ sở vật chất, thủ tục).
    • CL1 - CL5: Thang đo Chất lượng dịch vụ (Đơn giản, nhanh chóng, kênh đa dạng, linh hoạt, giải quyết khiếu nại).
    • LS1 - LS5: Thang đo Lãi suất tiền gửi (Tính cạnh tranh, linh hoạt, niêm yết rõ ràng, thỏa mãn, thu nhập thụ động).
    • NV1 - NV5: Thang đo Đội ngũ nhân viên (Thao tác chuyên nghiệp, thân thiện, hướng dẫn tỉ mỉ, nắm bắt nhu cầu, tư vấn tối ưu).
    • KM1 - KM4: Thang đo Chính sách khuyến mãi (Cập nhật sản phẩm mới, khuyến mãi thường xuyên, quà tặng dịp lễ tết).
    • QD1 - QD3: Thang đo Quyết định gửi tiền tiết kiệm (Lựa chọn hàng đầu, an tâm gửi tiền, sẵn sàng giới thiệu người thân).

Quy trình nghiên cứu và Đảm bảo chất lượng (QA)


Implementation và kết quả

Quy trình toán học và giải thuật ước lượng kinh tế lượng

  1. Kiểm định độ tin cậy Cronbach’s Alpha: $$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$ Điều kiện chấp nhận: $\alpha \ge 0.60$ và hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.

  2. Chỉ số Kaiser-Meyer-Olkin (KMO) trong EFA: $$KMO = \frac{\sum \sum_{j \neq k} r_{jk}^2}{\sum \sum_{j \neq k} r_{jk}^2 + \sum \sum_{j \neq k} p_{jk}^2}$$ Điều kiện chấp nhận: $0.5 \le KMO \le 1.0$, kiểm định Bartlett có mức ý nghĩa $Sig. < 0.05$, hệ số tải nhân tố (Factor Loading) $\ge 0.50$, tổng phương sai trích (Total Variance Explained) $> 50%$, Eigenvalue $> 1.0$.

  3. Mô hình hồi quy tuyến tính đa biến (OLS Regression Model): $$QD_i = \beta_0 + \beta_1 TH_i + \beta_2 TL_i + \beta_3 CL_i + \beta_4 LS_i + \beta_5 NV_i + \beta_6 KM_i + \epsilon_i$$ Trong đó: $\beta_0$ là hằng số hồi quy; $\beta_1, \dots, \beta_6$ là các hệ số hồi quy riêng phần tương ứng; $\epsilon_i \sim N(0, \sigma^2)$ là sai số ngẫu nhiên.

Đoạn mã triển khai phân tích dữ liệu

Toàn bộ quy trình từ làm sạch, kiểm định độ tin cậy đến hồi quy OLS được mã hóa tái lập thông qua SPSS Syntax và Python Econometrics Script:

* --- SPSS SYNTAX: RELIABILITY & EFA ANALYSIS --- *

* 1. Kiem dinh Cronbach's Alpha cho bien Thuong hieu (TH).
RELIABILITY
  /VARIABLES=TH1 TH2 TH3 TH4 TH5
  /SCALE('Scale_TH') ALL
  /MODEL=ALPHA
  /STATISTICS=DESCRIPTIVE SCALE
  /SUMMARY=TOTAL.

* 2. Phan tich Nhan to Kham pha (EFA) cho cac bien doc lap.
FACTOR
  /VARIABLES TH1 TH2 TH3 TH4 TH5 TL1 TL2 TL3 TL4 CL1 CL2 CL3 CL4 CL5 
             LS1 LS2 LS3 LS4 LS5 NV1 NV2 NV3 NV4 NV5 KM1 KM2 KM3 KM4
  /MISSING LISTWISE 
  /ANALYSIS TH1 TO KM4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PAF
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

* 3. Hoi quy da bien OLS kiem dinh da cong tuyen va tu tuong quan.
REGRESSION
  /MISSING LISTWISE
  /STATISTICS COEFF OUTS R ANOVA COLLIN TOL
  /CRITERIA=PIN(.05) POUT(.10)
  /NOORIGIN 
  /DEPENDENT Mean_QD
  /METHOD=ENTER Mean_TH Mean_TL Mean_CL Mean_LS Mean_NV Mean_KM
  /RESIDUALS DURBIN.

Tương đương trong môi trường Python cho việc tái lập tự động (Reproducibility):

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

# Nạp dữ liệu 304 mẫu khảo sát đã làm sạch
df = pd.read_csv("bidv_survey_cleaned_n304.csv")

# Tính giá trị trung bình đại diện cho từng thang đo
independent_vars = ['TH', 'TL', 'CL', 'LS', 'NV', 'KM']
for var in independent_vars:
    cols = [c for c in df.columns if c.startswith(var)]
    df[f'Mean_{var}'] = df[cols].mean(axis=1)

df['Mean_QD'] = df[['QD1', 'QD2', 'QD3']].mean(axis=1)

# Xây dựng mô hình OLS
X = df[[f'Mean_{var}' for var in independent_vars]]
X = sm.add_constant(X)
y = df['Mean_QD']

model = sm.OLS(y, X).fit()
print(model.summary())

# Kiểm tra hiện tượng đa cộng tuyến (VIF)
vif_data = pd.DataFrame()
vif_data["Variable"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
print("\nKiểm tra Đa cộng tuyến (VIF):")
print(vif_data)

Kết quả kiểm định thống kê đạt được

Từ 350 phiếu phát đi, thu về 304 phiếu hợp lệ (tỷ lệ phản hồi đạt 86.86%). Kết quả phân tích định lượng trên SPSS đạt các ngưỡng tiêu chuẩn thống kê nghiêm ngặt:

  1. Kiểm định Cronbach's Alpha: Toàn bộ 7 thang đo đều có hệ số $\alpha \in [0.782, 0.895] > 0.60$, không có biến quan sát nào có tương quan biến - tổng $< 0.30$.
  2. Kiểm định EFA: Hệ số $KMO = 0.842$ (thuộc mức tốt theo Kaiser, 1974), kiểm định Bartlett đạt giá trị thống kê với $Sig. = 0.000 < 0.05$. Tổng phương sai trích đạt $62.45% > 50%$, trích xuất được đúng 6 nhóm nhân tố với Eigenvalue dừng tại $1.218 > 1.0$.
  3. Mô hình hồi quy OLS:
    • Hệ số xác định $R^2 = 0.584$, $R^2$ hiệu chỉnh $= 0.576$, giải thích được $57.6%$ sự biến thiên của quyết định gửi tiền tiết kiệm.
    • Kiểm định $F = 69.58$ với $Sig. = 0.000 < 0.001$, khẳng định mô hình hoàn toàn phù hợp với tổng thể.
    • Hệ số Durbin-Watson đạt $1.892$ ($1 < d < 3$), loại trừ khả năng tự tương quan phần dư.
    • Hệ số $VIF \in [1.145, 1.482] < 2.0$, loại trừ hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp rõ rệt về mặt học thuật và thực tiễn so với các công trình trước đây tại thị trường ngân hàng Việt Nam:

                               SO SÁNH ĐÓNG GÓP HỌC THUẬT

Bảng so sánh chi tiết với các nghiên cứu tiền nhiệm

Tiêu chí so sánh Tâm và Thúy (2010) Nam và Vân (2015) Khóa luận hiện tại (2022)
Mô hình ước lượng Hồi quy OLS đa biến Hồi quy Binary Logistic Hồi quy OLS kết hợp EFA & Alpha
Nhân tố Đội ngũ nhân viên Không đưa vào mô hình Chưa kiểm định chi tiết Đưa vào chính thức (H5, 5 chỉ báo)
Nhân tố Khuyến mãi/Tri ân Chỉ đo lường quảng cáo Đo lường chung về quảng bá Đo lường quà tặng & tri ân (H6, 4 chỉ báo)
Độ bao phủ thực nghiệm Đa ngân hàng, tổng quan Khảo sát các quận đông dân Tập trung sâu tại BIDV Chi nhánh TP.HCM
Phương sai giải thích ($R^2$) ~ 42.5% Pseudo $R^2 \approx 38.2%$ Đạt 58.4% (Cao hơn 15.9% - 20.2%)

Đóng góp thực tiễn nổi bật

  1. Lấp đầy khoảng trống nghiên cứu: Chứng minh bằng định lượng tác động tích cực của năng lực tư vấn nhân viên và chính sách quà tặng/khuyến mãi đối với hành vi khách hàng gửi tiền, vốn thường bị bỏ qua trong các nghiên cứu vĩ mô.
  2. Khung thang đo chuẩn hóa: Thiết lập bộ 31 biến quan sát đặc thù cho khách hàng đô thị trên 23 tuổi, tạo tài liệu tham khảo cho các nghiên cứu tiếp theo về huy động vốn ngân hàng.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng về trọng số tác động của các nhân tố, hệ thống giải pháp thực thi tại BIDV Chi nhánh TP. Hồ Chí Minh được xây dựng theo lộ trình 4 giai đoạn cụ thể:

Các nhóm chính sách trọng tâm

1. Nâng cao chất lượng đội ngũ nhân sự và văn hóa phục vụ (Trọng số tác động cao)

  • Định kỳ tổ chức các khóa huấn luyện chuyên sâu về kỹ năng thấu cảm khách hàng, nắm bắt tâm lý khách hàng gửi tiền nhàn rỗi.
  • Chuẩn hóa bộ quy tắc tác phong giao dịch: thao tác máy tính chính xác, tư vấn minh bạch bảng tính lãi suất và quyền lợi rút vốn linh hoạt.

2. Tối ưu hóa sự tiện lợi và chuyển đổi số quy trình (Sự tiện lợi & Chất lượng dịch vụ)

  • Tích hợp liền mạch giữa quầy giao dịch vật lý và ứng dụng BIDV SmartBanking, cho phép mở sổ tiết kiệm online với lãi suất cộng thêm ($+0.1% - 0.3%$/năm).
  • Mở rộng và sắp xếp mạng lưới phòng giao dịch tại các vị trí đắc địa, có bãi đỗ xe an toàn, không gian chờ tiện nghi đạt chuẩn quốc tế.

3. Đổi mới chính sách lãi suất và chương trình khuyến mãi

  • Đa dạng hóa các gói kỳ hạn linh hoạt (1, 2, 3, 6, 9, 12, 18, 24, 36 tháng) kèm hình thức trả lãi linh hoạt (đầu kỳ, định kỳ hàng tháng, cuối kỳ).
  • Thiết kế chương trình khuyến mãi theo mùa: tặng quà tri ân dịp sinh nhật, lễ Tết, ngày Quốc tế Phụ nữ, tích điểm đổi dặm bay hoặc voucher nghỉ dưỡng.

Phân tích Hiệu quả Tài chính & Chỉ số ROI dự phóng


Hạn chế và hướng phát triển

Hạn chế kỹ thuật và dữ liệu

  • Phương pháp lấy mẫu: Áp dụng phương pháp lấy mẫu thuận tiện phi xác suất, dù đạt kích thước $N=304$ nhưng khả năng đại diện hoàn hảo cho toàn bộ tệp khách hàng cả nước còn hạn chế.
  • Phạm vi không gian: Khảo sát chỉ giới hạn trong địa bàn TP. Hồ Chí Minh tại một chi nhánh ngân hàng cụ thể.
  • Thời điểm khảo sát: Diễn ra vào giai đoạn tháng 07 - 08/2021 (thời điểm chịu ảnh hưởng của các đợt giãn cách xã hội do dịch Covid-19), có thể tác động nhất định đến tâm lý ưu tiên bảo toàn vốn của người dân.

Hướng nghiên cứu tiếp theo

  • Mở rộng mô hình kinh tế lượng: Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích vai trò trung gian của "Sự hài lòng" và "Niềm tin thương hiệu".
  • Mở rộng địa bàn và mẫu nghiên cứu: Triển khai khảo sát đa trung tâm (Hà Nội, Đà Nẵng, Cần Thơ) với cỡ mẫu $N \ge 1,000$ đại diện cho nhiều vùng kinh tế trọng điểm.
  • Tích hợp các yếu tố số hóa: Bổ sung các biến quan sát về "Bảo mật ngân hàng số", "Trải nghiệm giao diện ứng dụng (UX/UI)" và "Tích hợp hệ sinh thái Fintech".

Đối tượng hưởng lợi

                 TÁC ĐỘNG VÀ GIÁ TRỊ TỚI CÁC BÊN LIÊN QUAN
  • Sinh viên & Học viên cao học ngành Tài chính - Ngân hàng: Nhận được tài liệu tham khảo hoàn chỉnh về phương pháp luận nghiên cứu định lượng, kỹ thuật xây dựng thang đo Likert 5 mức độ và quy trình xử lý SPSS đạt chuẩn học thuật.
  • Chuyên viên tư vấn & Giao dịch viên ngân hàng: Thấu hiểu các yếu tố cốt lõi chi phối quyết định của người gửi tiền để điều chỉnh phong cách phục vụ, chuyển đổi từ cung cấp dịch vụ thụ động sang tư vấn giải pháp tài chính toàn diện.
  • Ban điều hành & Quản trị ngân hàng: Sở hữu bằng chứng thực nghiệm vững chắc để hoạch định chính sách lãi suất cạnh tranh, phân bổ ngân sách marketing - khuyến mãi trúng đích và nâng cấp mạng lưới chi nhánh hiệu quả.
  • Nhà nghiên cứu kinh tế lượng ứng dụng: Có thêm bộ dữ liệu thực chứng tại thị trường mới nổi Việt Nam làm cơ sở so sánh và kiểm chứng các lý thuyết hành vi người tiêu dùng hiện đại.

Câu hỏi thường gặp

1. Kích thước mẫu 304 quan sát có đảm bảo tính đại diện và yêu cầu thống kê không?

Hoàn toàn đảm bảo. Theo nguyên tắc kinh nghiệm của Hair et al. (2010) và Hoàng Trọng & Chu Nguyễn Mộng Ngọc (2008), kích thước mẫu tối thiểu cho phân tích nhân tố EFA phải gấp ít nhất 5 lần số biến quan sát ($N_{min} = 5 \times 31 = 155$). Khóa luận đạt $N = 304$ hợp lệ, gấp gần 2 lần mức tối thiểu, đảm bảo độ tin cậy và lực lượng thống kê cho mô hình hồi quy.

2. Sự khác biệt giữa kiểm định Cronbach's Alpha và phân tích EFA trong đồ án là gì?

Kiểm định Cronbach's Alpha đo lường tính nhất quán nội tại (Internal Consistency) của từng thang đo đơn lẻ, loại bỏ các biến rác có tương quan biến - tổng $< 0.3$. Trong khi đó, phân tích EFA đánh giá giá trị hội tụ (Convergent Validity) và giá trị phân biệt (Discriminant Validity), giúp rút gọn tập hợp 31 biến thành 6 nhóm nhân tố đại diện độc lập.

3. Làm thế nào để kiểm soát và loại trừ hiện tượng đa cộng tuyến trong mô hình?

Đề tài sử dụng chỉ số phóng đại phương sai (Variance Inflation Factor - VIF) và hệ số dung nạp (Tolerance). Kết quả kiểm định cho thấy tất cả hệ số VIF của 6 biến độc lập đều nằm trong khoảng $1.145 - 1.482$, thấp hơn nhiều so với ngưỡng cảnh báo $10$ (và ngưỡng nghiêm ngặt $2.0$), khẳng định mô hình hoàn toàn không vi phạm giả định đa cộng tuyến.

4. Tại sao nhân tố Đội ngũ nhân viên và Chính sách khuyến mãi lại quan trọng trong bối cảnh hiện nay?

Trong thời kỳ cạnh tranh bão hòa về lãi suất, sự khác biệt giữa các ngân hàng nằm ở trải nghiệm khách hàng tại điểm chạm. Nhân viên đóng vai trò trực tiếp giải thích quyền lợi và giải tỏa e ngại rủi ro cho khách hàng; trong khi các chính sách khuyến mãi/quà tặng đóng vai trò là chất xúc tác cảm xúc thúc đẩy hành vi chốt giao dịch gửi tiền nhanh chóng hơn.

5. Khóa luận này có thể mở rộng sang các ngân hàng thương mại cổ phần tư nhân không?

Có thể mở rộng. Bộ thang đo 31 biến quan sát được xây dựng trên nền tảng lý thuyết chuẩn quốc tế (TRA, TPB) và mô hình thực nghiệm của Giao et al. (2020), do đó hoàn toàn có khả năng áp dụng cho các NHTM cổ phần tư nhân (Techcombank, VPBank, ACB,...) sau khi hiệu chỉnh một số đặc thù về phân khúc khách hàng mục tiêu.


Kết luận

Khóa luận tốt nghiệp của tác giả Nguyễn Viết Thanh Hà đã giải quyết trọn vẹn và khoa học các mục tiêu nghiên cứu đề ra:

                                TÓM TẮT ĐẦU RA NGHIÊN CỨU
  1. Khẳng định thực nghiệm: Xác nhận 6 nhóm nhân tố tác động cùng chiều có ý nghĩa thống kê đến quyết định gửi tiền tiết kiệm tại BIDV Chi nhánh TP. Hồ Chí Minh gồm: Thương hiệu ngân hàng, Sự tiện lợi, Chất lượng dịch vụ, Lãi suất tiền gửi, Đội ngũ nhân viên và Chính sách khuyến mãi.
  2. Giá trị ứng dụng: Cung cấp cho Ban lãnh đạo BIDV Chi nhánh TP. Hồ Chí Minh hệ thống giải pháp toàn diện từ đào tạo nguồn nhân lực, tối ưu mạng lưới phòng giao dịch, đa dạng hóa gói lãi suất đến cá nhân hóa chương trình khuyến mãi.
  3. Ý nghĩa học thuật: Bổ sung luận cứ định lượng vững chắc vào hệ thống nghiên cứu kinh tế lượng ứng dụng trong ngành ngân hàng Việt Nam, là tài liệu tham khảo giá trị cho sinh viên, giảng viên và các nhà nghiên cứu tài chính.