Giới thiệu dự án

Nguồn vốn huy động từ khu vực dân cư giữ vai trò huyết mạch trong hoạt động kinh doanh của các ngân hàng thương mại (NHTM) và sự phát triển kinh tế - xã hội địa phương. Tại tỉnh Tiền Giang, Ngân hàng TMCP Đầu tư và Phát triển Việt Nam – Chi nhánh Tiền Giang (BIDV Tiền Giang) ghi nhận quy mô vốn huy động năm 2023 đạt 11.271 tỷ đồng, tăng trưởng gấp 1,07 lần so với năm 2022. Tuy nhiên, trước áp lực cạnh tranh gay gắt từ các ngân hàng thương mại cổ phần tư nhân và xu hướng chuyển đổi số mạnh mẽ, ngân hàng đối mặt với bài toán tối ưu hóa chi phí vốn bình quân và duy trì tăng trưởng nguồn tiền gửi khách hàng cá nhân (KHCN) bền vững.

       MÔ HÌNH HỒI QUY ĐÁNH GIÁ CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN HUY ĐỘNG VỐN KHCN

Vấn đề cốt lõi đặt ra là sự phân tán trong nhận thức về các động lực thúc đẩy người dân gửi tiền: liệu mức độ nhạy cảm về lãi suất hay trải nghiệm ngân hàng số (BIDV SmartBanking) đóng vai trò quyết định?

Mục tiêu nghiên cứu cụ thể:

  1. Xác định và lượng hóa các nhân tố ảnh hưởng đến hoạt động huy động vốn tiền gửi KHCN tại BIDV Tiền Giang.
  2. Kiểm định độ tin cậy và giá trị hội tụ của thang đo gồm 32 biến quan sát thông qua hệ số Cronbach's Alpha và phân tích nhân tố khám phá (EFA).
  3. Xây dựng mô hình hồi quy tuyến tính đa biến nhằm đo lường mức độ tác động ($Beta$) của từng nhân tố.
  4. Đề xuất hàm ý quản trị giúp BIDV Tiền Giang nâng cao năng lực cạnh tranh và tối ưu hóa nguồn vốn huy động.

Nghiên cứu sử dụng phương pháp kết hợp định tính (phỏng vấn sâu chuyên gia quản lý) và định lượng thực nghiệm trên tập mẫu $N = 400$ khách hàng cá nhân giai đoạn 2020–2023. Phạm vi nghiên cứu tập trung vào tiền gửi tiết kiệm và tiền gửi thanh toán cá nhân tại địa bàn tỉnh Tiền Giang.


Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Hoạt động huy động vốn tại BIDV Tiền Giang được đặt trong bối cảnh so sánh với các nghiên cứu tiền nhiệm và các đối thủ cạnh tranh trên địa bàn:

Giải pháp / Mô hình Ưu điểm Nhược điểm Khoảng trống nghiên cứu
Mô hình Nguyễn Thị Thùy Trân (2020) Đánh giá sâu yếu tố ổn định chính trị và tâm lý KH Chưa lượng hóa tác động trực tiếp của nền tảng Mobile Banking Bỏ qua yếu tố tính năng công nghệ số chuyên biệt
Mô hình Nguyễn Khánh Linh (2023) Thang đo chi tiết về sự đồng cảm và lãi suất Cỡ mẫu hạn chế ($N = 359$), khảo sát tại đô thị loại đặc biệt Không phản ánh đặc thù hành vi cư dân vùng Đồng bằng sông Cửu Long
Mô hình đề xuất (Nghiên cứu này) Tích hợp nhân tố Công nghệ số (CN), kiểm định $N = 400$ Tập trung vào một chi nhánh ngân hàng cụ thể Đánh giá trực tiếp tác động của hệ sinh thái SmartBanking tại địa phương

Phân tích yêu cầu nghiên cứu theo ma trận MoSCoW:

  • Must-have: Đo lường tác động của Lãi suất (LS), Chất lượng dịch vụ (CLDV), Công nghệ (CN).
  • Should-have: Đánh giá vai trò của Thương hiệu (TH), Sự tin cậy (TC), Phương tiện hữu hình (PTHH).
  • Could-have: Phân tích ANOVA theo nhóm nhân khẩu học (độ tuổi, thu nhập, thói quen gửi tiền).
  • Won't-have: Khảo sát nhóm khách hàng doanh nghiệp (KHDN) và định chế tài chính.

Thiết kế hệ thống

Khung phân tích định lượng được thiết kế dựa trên thang đo Likert 5 mức độ (1: Hoàn toàn không đồng ý $\rightarrow$ 5: Hoàn toàn đồng ý) với cấu trúc dữ liệu gồm 7 nhóm biến (6 độc lập, 1 phụ thuộc):

graph TD
    subgraph "Biến độc lập (Independent Variables)"
        TH[Thương hiệu - TH: 5 items]
        LS[Lãi suất - LS: 5 items]
        CLDV[Chất lượng dịch vụ - CLDV: 5 items]
        TC[Sự tin cậy - TC: 5 items]
        CN[Công nghệ số - CN: 4 items]
        PTHH[Phương tiện hữu hình - PTHH: 5 items]
    end

    subgraph "Xử lý dữ liệu & Kiểm định (Data Processing Engine)"
        CA[Cronbach's Alpha >= 0.6]
        EFA[EFA: KMO >= 0.5, Varimax Rotation]
        CORR[Pearson Correlation: Sig < 0.05]
        REG[Multiple Linear Regression OLS]
    end

    subgraph "Biến phụ thuộc (Dependent Variable)"
        HDV[Huy động vốn tiền gửi KHCN - HDV: 3 items]
    end

    TH & LS & CLDV & TC & CN & PTHH --> CA --> EFA --> CORR --> REG --> HDV

Technology Stack và công cụ phân tích:

  • Nền tảng thu thập: Google Forms Cloud API, phân phối đa kênh (QR code tại quầy giao dịch, ứng dụng trực tuyến).
  • Công cụ thống kê chính: IBM SPSS Statistics v22.0 (thuật toán Principal Axis Factoring, phép xoay Varimax).
  • Pipeline kiểm định mở rộng: Python v3.11, Pandas v2.2.0, Statsmodels v0.14.1, Scikit-learn v1.4.0 hỗ trợ kiểm toán tự động các chỉ số đa cộng tuyến (VIF) và tự tương quan (Durbin-Watson).

Methodology

Quy trình nghiên cứu triển khai theo 2 giai đoạn:

  1. Nghiên cứu định tính: Phỏng vấn bán cấu trúc với Giám đốc chi nhánh và các Trưởng phòng nghiệp vụ tại BIDV Tiền Giang để hiệu chỉnh thang đo từ 35 biến ban đầu xuống 32 biến quan sát phù hợp với thực tiễn địa bàn.
  2. Nghiên cứu định lượng: Khảo sát chọn mẫu thuận tiện phi xác suất ($N = 400$). Cỡ mẫu đáp ứng tiêu chuẩn Hair et al. ($N \ge 5 \times 32 = 160$) và Bollen ($N \ge 5 \times k$).
[Thiết kế sơ bộ] ➔ [Phỏng vấn chuyên gia] ➔ [Thử nghiệm N=50] ➔ [Khảo sát chính thức N=400] ➔ [SPSS v22 Analysis]

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được mô hình hóa và thực thi bằng syntax chuẩn hóa trên IBM SPSS v22.0 kết hợp kịch bản xác thực tự động trên Python:

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

# Khởi tạo pipeline kiểm định kinh tế lượng
def evaluate_regression_model(data_path):
    df = pd.read_csv(data_path)
    
    # Định nghĩa biến độc lập và phụ thuộc sau khi tính Mean Index
    X = df[['LS_Mean', 'CLDV_Mean', 'CN_Mean', 'TH_Mean', 'TC_Mean', 'PTHH_Mean']]
    y = df['HDV_Mean']
    
    # Thêm hằng số vào mô hình
    X_const = sm.add_constant(X)
    model = sm.OLS(y, X_const).fit()
    
    # Tính toán hệ số 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])]
    
    return model.summary(), vif_data

# Công thức toán học của mô hình hồi quy tổng quát:
# HDV = \beta_0 + \beta_1*LS + \beta_2*CLDV + \beta_3*CN + \beta_4*TH + \beta_5*TC + \beta_6*PTHH + \epsilon

Testing và validation

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

Tất cả 7 nhóm thang đo đều đạt độ tin cậy cao ($\alpha > 0.7$), hệ số tương quan biến - tổng ($Corrected\ Item-Total\ Correlation$) đều $> 0.3$:

Thang đo Số biến quan sát Cronbach's Alpha Biến có tương quan biến - tổng nhỏ nhất Trạng thái
Thương hiệu (TH) 5 0.842 TH1 (0.589) Đạt yêu cầu
Lãi suất (LS) 5 0.887 LS4 (0.672) Đạt yêu cầu
Chất lượng dịch vụ (CLDV) 5 0.865 CLDV3 (0.614) Đạt yêu cầu
Sự tin cậy (TC) 5 0.831 TC2 (0.578) Đạt yêu cầu
Công nghệ (CN) 4 0.819 CN3 (0.595) Đạt yêu cầu
Phương tiện hữu hình (PTHH) 5 0.854 PTHH5 (0.603) Đạt yêu cầu
Huy động vốn (HDV) 3 0.876 HDV1 (0.712) Biến phụ thuộc

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Chỉ số $KMO = 0.874$ ($0.5 < KMO < 1.0$), kiểm định Bartlett đạt mức ý nghĩa thống kê cao ($Sig. = 0.000 < 0.05$). Tổng phương sai trích đạt $62.45% > 50%$ tại điểm dừng $Eigenvalues = 1.218 > 1.0$. Ma trận xoay nhân tố hội tụ rõ nét vào 6 nhóm biến, không có biến bị loại do hệ số tải ($Factor\ Loading$) đều $> 0.5$.
  • Biến phụ thuộc: $KMO = 0.721$, $Sig. = 0.000$, Tổng phương sai trích đạt $74.12%$.

Kết quả đạt được

Mô hình hồi quy bội sau khi loại bỏ các biến không có ý nghĩa thống kê ($Sig. > 0.05$) xác định được 3 nhân tố tác động trực tiếp:

$$\widehat{HDV} = 0.312 + 0.412 \times LS + 0.285 \times CLDV + 0.194 \times CN$$

                                 BẢNG HỆ SỐ HỒI QUY CHUẨN HÓA
* R² điều chỉnh (Adjusted R Square) = 0.618 | F-statistic = 106.82 (Sig. = 0.000) | Durbin-Watson = 1.942
  • Hệ số $R^2$ hiệu chỉnh đạt $0.618$, nghĩa là $61.8%$ sự biến thiên của hoạt động huy động vốn tiền gửi KHCN tại BIDV Tiền Giang được giải thích bởi 3 nhân tố: Lãi suất, Chất lượng dịch vụ, và Công nghệ.
  • Chỉ số $VIF < 2.0$ chứng minh mô hình hoàn toàn không xảy ra hiện tượng đa cộng tuyến. Chỉ số $Durbin-Watson = 1.942$ (tiệm cận 2.0) khẳng định không có hiện tượng tự tương quan bậc nhất giữa các phần dư.

Đổi mới và đóng góp

  1. Bổ sung nhân tố Công nghệ số vào mô hình thực nghiệm địa phương: Khác với các nghiên cứu truyền thống tại khu vực miền Tây vốn chỉ tập trung vào yếu tố chi nhánh vật lý và lãi suất, nghiên cứu này chứng minh Công nghệ số ($Beta = 0.194$) đã trở thành động lực tăng trưởng tiền gửi cấp thiết.
  2. Cung cấp bằng chứng thực nghiệm chính xác: Lãi suất vẫn giữ vị thế chi phối mạnh nhất ($Beta = 0.412$), chứng minh tính nhạy cảm về giá của phân khúc khách hàng cá nhân nông thôn và đô thị loại 2-3 tại Tiền Giang.
  3. Hiệu chỉnh mô hình lý thuyết: Kết quả kiểm định loại bỏ 3 giả thuyết (TH, TC, PTHH) trong mô hình hồi quy sau cùng ($Sig. > 0.05$), phản ánh sự dịch chuyển hành vi: Uy tín thương hiệu BIDV đã được người dân mặc định công nhận, không còn là yếu tố tạo ra sự khác biệt cạnh tranh tức thời bằng chính sách lãi suất và tính năng ứng dụng di động.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, lộ trình can thiệp quản trị tại BIDV Tiền Giang được thiết lập cụ thể:

LỘ TRÌNH 4 BƯỚC NÂNG CAO HIỆU QUẢ HUY ĐỘNG VỐN TẠI BIDV TIỀN GIANG
[Quý 1: Tái cấu trúc Lãi suất] ➔ [Quý 2: Nâng cấp SmartBanking] ➔ [Quý 3: Chuẩn hóa CLDV] ➔ [Quý 4: Đánh giá KPI]

1. Tối ưu hóa chính sách Lãi suất (Trọng số 41.2%)

  • Triển khai cơ chế lãi suất bậc thang linh hoạt cho các kỳ hạn gửi online trên BIDV SmartBanking (cộng thêm biên độ từ $0.2% - 0.4%$/năm so với gửi tại quầy) nhằm điều hướng dòng vốn nhàn rỗi vào kênh số hóa, giúp giảm chi phí vận hành quầy giao dịch.
  • Đa dạng hóa gói tiền gửi tích lũy định kỳ linh hoạt theo ngày/tuần dành cho tiểu thương và hộ kinh doanh nông sản tại các huyện Cái Bè, Cai Lậy, Gò Công.

2. Nâng cao Chất lượng dịch vụ (Trọng số 28.5%)

  • Tái cấu trúc quy trình giao dịch tại quầy theo tiêu chuẩn SLA (Service Level Agreement), giảm thời gian xử lý mở sổ tiết kiệm/tất toán xuống dưới 5 phút/giao dịch.
  • Đào tạo kỹ năng tư vấn tài chính cá nhân chuyên sâu cho giao dịch viên và chuyên viên quản lý khách hàng (RM).

3. Đẩy mạnh tiện ích Công nghệ số (Trọng số 19.4%)

  • Mở rộng hệ sinh thái số trên BIDV SmartBanking: tích hợp tính năng thanh toán viện phí, học phí không dùng tiền mặt, dịch vụ công trực tuyến cấp tỉnh Tiền Giang.
  • Ứng dụng định danh điện tử (eKYC) thế hệ mới giúp khách hàng mở tài khoản và trích lập sổ tiết kiệm trực tuyến 24/7 không cần đến điểm giao dịch vật lý.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Phương pháp lấy mẫu thuận tiện phi xác suất ($N = 400$) tại một chi nhánh có thể làm giảm tính khái quát hóa cho toàn bộ hệ thống ngân hàng thương mại khu vực Đồng bằng sông Cửu Long.
  • Giới hạn biến số: Mô hình chưa tích hợp các biến kinh tế vĩ mô ngoại sinh như tỷ lệ lạm phát, tốc độ tăng trưởng GRDP tỉnh Tiền Giang, và biến động tỷ giá.
  • Hướng nghiên cứu tiếp theo: Ứng dụng mô hình phương trình cấu trúc tuyến tính (SEM - Structural Equation Modeling) trên phần mềm AMOS/SmartPLS để phân tích các tác động gián tiếp thông qua biến trung gian "Sự hài lòng của khách hàng".

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học ngành Tài chính - Ngân hàng: Tiếp cận tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu kết hợp SPSS/Python cho các đề tài phân tích hành vi khách hàng tài chính.
  • Chuyên viên phân tích dữ liệu ngân hàng: Vận dụng bộ thang đo 32 biến và quy trình kiểm định kinh tế lượng để đo lường định kỳ sự thỏa mãn của khách hàng.
  • Ban lãnh đạo NHTM: Căn cứ vào trọng số Beta để phân bổ ngân sách marketing, đầu tư hạ tầng công nghệ số và điều hành lãi suất đạt hiệu quả biên tối ưu.
  • Các nhà nghiên cứu kinh tế: Sở hữu bộ dữ liệu thực chứng về hành vi tiêu dùng tài chính của cư dân tại khu vực kinh tế trọng điểm phía Nam.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật tối thiểu để tái lập quy trình phân tích dữ liệu của đề tài là gì?

Hệ thống cần cài đặt IBM SPSS Statistics phiên bản 20.0 trở lên (khuyến nghị v22.0 hoặc v26.0), hoặc môi trường Python 3.9+ với các thư viện pandas, statsmodels, factor_analyzer để xử lý tập dữ liệu khảo sát định dạng .sav hoặc .csv.

2. Tại sao biến Thương hiệu (TH) và Sự tin cậy (TC) không có ý nghĩa thống kê trong mô hình hồi quy?

Trong kiểm định hồi quy đa biến, các biến TH ($Sig. = 0.382$) và TC ($Sig. = 0.430$) có giá trị $p-value > 0.05$. Điều này cho thấy với vị thế là NHTM cổ phần nhà nước quy mô lớn, thương hiệu và độ an toàn của BIDV đã đạt ngưỡng tin cậy nền tảng, do đó khách hàng đưa ra quyết định gửi tiền dựa trên các yếu tố so sánh trực tiếp hơn như chênh lệch lãi suất và tính tiện dụng của dịch vụ.

3. Mô hình này có thể áp dụng cho các chi nhánh ngân hàng khác không?

Có thể chuyển giao và áp dụng trực tiếp mô hình này cho các chi nhánh NHTM trên các địa bàn có đặc điểm kinh tế - xã hội tương đồng (khu vực nông nghiệp - dịch vụ đang trong tiến trình số hóa). Thang đo cần được kiểm định lại Cronbach's Alpha khi thay đổi địa bàn.

4. Chi phí huy động vốn bình quân chịu ảnh hưởng như thế nào từ giải pháp công nghệ?

Việc chuyển dịch dòng vốn gửi từ quầy truyền thống sang kênh SmartBanking giúp chi phí hoạt động (OpEx) giảm từ $30% - 40%$, bù đắp cho phần chi phí khuyến khích lãi suất online ($+0.2% - 0.4%$), từ đó giảm chi phí vốn bình quân gia quyền (COF) cho chi nhánh.

5. Cỡ mẫu 400 có đảm bảo độ tin cậy thống kê cho đề tài khóa luận không?

Rất đảm bảo. Với 32 biến quan sát, tiêu chuẩn tối thiểu cần 160 mẫu ($5 \times 32$). Cỡ mẫu $N = 400$ đạt tỷ lệ quan sát/biến là $12.5:1$, vượt trội so với yêu cầu chuẩn của Hair et al. (2010), giúp giảm thiểu sai số chọn mẫu và tăng cường sức mạnh kiểm định ($Statistical\ Power$) của mô hình hồi quy.


Kết luận

Khóa luận đã giải quyết bài toán nghiên cứu thực nghiệm về các nhân tố tác động đến hoạt động huy động vốn tiền gửi KHCN tại BIDV Chi nhánh Tiền Giang. Thông qua phương pháp kiểm định định lượng chặt chẽ trên tập mẫu $N = 400$, đề tài khẳng định vai trò quyết định của bộ ba nhân tố: Lãi suất ($\beta = 0.412$), Chất lượng dịch vụ ($\beta = 0.285$), và Công nghệ ($\beta = 0.194$) với độ giải thích $R^2 = 61.8%$. Kết quả nghiên cứu là luận cứ khoa học vững chắc giúp ngân hàng chuyển dịch chiến lược từ cạnh tranh mạng lưới vật lý thuần túy sang tối ưu hóa lãi suất linh hoạt gắn liền với trải nghiệm ngân hàng số, tạo đòn bẩy duy trì vị thế dẫn đầu trong hệ thống tài chính địa phương.