Giới thiệu dự án

Thị trường tài chính – ngân hàng tại Việt Nam đang chứng kiến sự cạnh tranh gay gắt giữa các ngân hàng thương mại (NHTM) Nhà nước và hệ thống NHTM Cổ phần. Tại khu vực Tây Nguyên, đặc biệt là địa bàn tỉnh Gia Lai – vùng trọng điểm phát triển nông nghiệp hàng hóa và công nghiệp chế biến, phân khúc khách hàng cá nhân (KHCN) đóng vai trò then chốt trong tăng trưởng tín dụng bền vững.

Tính đến ngày 31/12/2023, tổng dư nợ của Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) – Chi nhánh Gia Lai đạt 42.426 tỷ đồng. Trong đó, dư nợ KHCN thuộc lĩnh vực nông nghiệp nông thôn đạt 29.014 tỷ đồng (chiếm 68,39% tổng dư nợ) với hơn 39.000 hộ nông dân vay vốn. Tỷ lệ nợ xấu được kiểm soát ở mức 1,51% (tương đương 1.695 tỷ đồng), giảm 0,07% so với năm 2022. Tuy nhiên, tốc độ tăng trưởng dư nợ KHCN giai đoạn 2022–2023 chỉ đạt 9,1%, cho thấy dấu hiệu tăng trưởng chậm lại so với giai đoạn 2021–2022 (8,7%) và 2020–2021 (6,8%) trước áp lực thâm nhập thị trường mạnh mẽ của các ngân hàng đối thủ.

+-------------------------------------------------------------------------------+
| Dư nợ KHCN Nông nghiệp - Nông thôn: 29.014 tỷ VNĐ (~68,39%)                   |
| [===========================================================>                 ]
| Tổng dư nợ toàn chi nhánh: 42.426 tỷ VNĐ                                      |
+-------------------------------------------------------------------------------+
| Nợ xấu: 1.695 tỷ VNĐ (1,51%) | Tăng trưởng tín dụng KHCN 2022-2023: 9,1%      |
+-------------------------------------------------------------------------------+

Vấn đề thực tiễn (Problem Statement)

Mặc dù nắm giữ thị phần lớn trong lĩnh vực "Tam nông", Agribank Chi nhánh Gia Lai đang đối mặt với các điểm nghẽn nghiêm trọng:

  • Sản phẩm tín dụng bán lẻ có độ tương đồng cao, dễ bị các ngân hàng TMCP cạnh tranh bằng lãi suất và chương trình khuyến mãi linh hoạt.
  • Tỷ trọng thu nhập từ phí dịch vụ ngoài tín dụng (non-interest income) còn thấp.
  • Chi phí thẩm định và quản lý rủi ro đối với KHCN phân tán tại địa bàn nông thôn, vùng sâu vùng xa còn cao.
  • Thiếu hụt mô hình định lượng chuẩn hóa để dự báo chính xác các yếu tố quyết định hành vi lựa chọn ngân hàng của khách hàng tại địa phương.

Mục tiêu dự án

  1. Xác định hệ thống nhân tố tác động: Nhận diện các yếu tố then chốt chi phối quyết định vay vốn của KHCN tại Agribank Chi nhánh Gia Lai.
  2. Đo lường mức độ ảnh hưởng: Ứng dụng kỹ thuật kinh tế lượng và phân tích thống kê đa biến để xác định trọng số tác động của từng nhân tố.
  3. Kiểm định sai biệt nhân khẩu học: Đánh giá sự khác biệt về hành vi vay vốn theo giới tính, độ tuổi, học vấn, thu nhập và nghề nghiệp.
  4. Đề xuất giải pháp quản trị: Xây dựng khung chiến lược tối ưu hóa chính sách tín dụng và sản phẩm cho vay giai đoạn 2024–2030.

Phương pháp tiếp cận giải pháp (Solution Approach)

Đề tài kết hợp lý thuyết nền tảng về hành vi người tiêu dùng gồm Thuyết Hành động Hợp lý (Theory of Reasoned Action – TRA) của Fishbein & Ajzen (1975), Thuyết Hành vi Dự định (Theory of Planned Behaviour – TPB) của Ajzen (1991) và Mô hình 5 giai đoạn ra quyết định của Philip Kotler (2003). Phương pháp nghiên cứu định lượng thực nghiệm (Empirical Quantitative Research) được triển khai qua quy trình xử lý dữ liệu với phần mềm IBM SPSS Statistics v20.0.

Kết quả kỳ vọng và chỉ số đo lường (Measurable Metrics)

  • Thu thập tối thiểu 300 mẫu hợp lệ (thực tế đạt 332 mẫu hợp lệ trên 348 mẫu phát ra, tỷ lệ phản hồi hợp lệ đạt 95,40%).
  • Đảm bảo hệ số tin cậy thang đo Cronbach's Alpha $\ge 0,70$.
  • Hệ số kiểm định Kaiser-Meyer-Olkin ($KMO$) $\ge 0,50$ và kiểm định Bartlett có ý nghĩa thống kê ($p < 0,05$).
  • Hệ số xác định hiệu chỉnh $R^2_{adj} \ge 0,50$, hệ số phóng đại phương sai $VIF < 10$.

Phạm vi và giới hạn nghiên cứu

  • Không gian: Khách hàng cá nhân đã, đang và có nhu cầu vay vốn tại Agribank Chi nhánh Gia Lai.
  • Thời gian: Dữ liệu sơ cấp được thu thập từ tháng 02/2024 đến tháng 03/2024.
  • Giới hạn: Phương pháp lấy mẫu thuận tiện (Convenience Sampling) có thể tồn tại độ lệch mẫu nhất định so với tổng thể toàn tỉnh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp tiếp cận Ưu điểm Nhược điểm Khả năng ứng dụng tại Agribank Gia Lai
Định tính truyền thống (Phỏng vấn sâu, chuyên gia) Khám phá sâu sắc động cơ tâm lý và bối cảnh địa phương Mang tính chủ quan, không lượng hóa được mức độ ảnh hưởng của biến số Dùng để hiệu chỉnh thang đo sơ bộ ở bước đầu
Kinh tế lượng đơn biến (T-Test, tương quan tuyến tính) Đơn giản, dễ tính toán trên mẫu nhỏ Bỏ qua hiện tượng tương tác chéo và đa cộng tuyến Không phản ánh được tính phức hợp của quyết định tài chính
Phân tích đa biến kết hợp EFA & MLR (Đề tài áp dụng) Đo lường độ tin cậy thang đo, giảm chiều dữ liệu, xác định trọng số hồi quy chuẩn hóa Đòi hỏi cỡ mẫu đủ lớn ($N \ge 5 \times \text{số biến}$), dữ liệu phải đáp ứng các giả định phân phối Tối ưu cho tập dữ liệu khảo sát KHCN ($N = 332$)

Phân tích yêu cầu theo ma trận MoSCoW

+-----------------------------------------------------------------------------+
| MUST HAVE (Bắt buộc)                                                        |
| - Kiểm định Cronbach's Alpha cho 28 biến quan sát                           |
| - Phân tích nhân tố khám phá (EFA) trích xuất biến độc lập & phụ thuộc     |
| - Xây dựng mô hình hồi quy tuyến tính bội (Multiple Linear Regression)      |
+-----------------------------------------------------------------------------+
| SHOULD HAVE (Nên có)                                                        |
| - Kiểm định vi phạm giả định hồi quy (Đa cộng tuyến, Phân phối chuẩn)       |
| - Kiểm định sự khác biệt nhân khẩu học qua Independent T-Test & One-Way ANOVA|
+-----------------------------------------------------------------------------+
| COULD HAVE (Có thể có)                                                      |
| - Phân tích sâu hậu kiểm Post-Hoc (Tukey/Scheffe) cho các nhóm nghề nghiệp  |
+-----------------------------------------------------------------------------+
| WON'T HAVE (Chưa thực hiện đợt này)                                         |
| - Mô hình cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM)        |
+-----------------------------------------------------------------------------+

Thiết kế hệ thống

Kiến trúc quy trình nghiên cứu và luồng phân tích dữ liệu được chuẩn hóa thành 5 tầng xử lý khép kín:

[Khảo sát thực địa Google Forms / Bảng hỏi quầy]
                      │
                      ▼
[Tầng tiền xử lý & Làm sạch dữ liệu (Data Cleaning)]
  - Lọc phiếu không hợp lệ (Loại 16 phiếu lỗi -> N = 332)
  - Mã hóa biến định tính & thang đo Likert 5 mức độ
                      │
                      ▼
[Tầng kiểm định thang đo (Measurement Testing)]
  - Phân tích độ tin cậy Cronbach's Alpha (Loại biến có Corrected Item-Total < 0,3)
  - Phân tích nhân tố khám phá EFA (KMO, Bartlett's Test, Varimax Rotation)
                      │
                      ▼
[Tầng mô hình hóa kinh tế lượng (Econometric Modeling)]
  - Phân tích tương quan Pearson (Pearson Correlation Matrix)
  - Hồi quy tuyến tính bội OLS (Multiple Linear Regression)
  - Kiểm định vi phạm giả định: VIF, Normal P-P Plot, Scatter Plot
                      │
                      ▼
[Tầng suy luận thống kê & Ứng dụng quyết nghị]
  - Kiểm định ANOVA & T-Test theo đặc điểm nhân khẩu học
  - Khuyến nghị chính sách tín dụng & phân bổ nguồn vốn

Technology Stack và Công cụ xử lý

  • Statistical Analytics Engine: IBM SPSS Statistics v20.0 (chạy trên môi trường Windows 11 Enterprise x64).
  • Data Engineering / Scripting Tool: Python v3.11 với các thư viện pandas (v2.2.0), numpy (v1.26.4), statsmodels (v0.14.1), scikit-learn (v1.4.0).
  • Data Collection Interface: Google Forms API kết hợp bảng khảo sát giấy chuẩn hóa tại quầy giao dịch.
  • Reporting & Visualizations: Matplotlib v3.8, Seaborn v0.13, MS Excel 2021.

Thiết kế cấu trúc dữ liệu khảo sát (Data Schema)

Dữ liệu được tổ chức dưới dạng bảng quan sát ma trận $332 \times 34$ thuộc tính:

  • Nhóm nhân khẩu học (Demographics): Gender (Nam/Nữ), Age (3 nhóm), Education (4 mức), Income (3 mức), Job (5 nhóm), Loan_Demand (3 nhóm).
  • Nhóm biến độc lập (Thang đo Likert 1-5):
    • Lãi suất cho vay: LS1, LS2, LS3 (3 biến).
    • Chính sách tín dụng: TD1, TD2, TD3, TD4, TD5 (5 biến).
    • Chất lượng dịch vụ: CLDV1, CLDV2, CLDV3, CLDV4, CLDV5 (5 biến).
    • Các mối quan hệ: MQH1, MQH2, MQH3, MQH4 (4 biến).
    • Chính sách tiếp thị: TT1, TT2, TT3 (3 biến).
    • Thương hiệu ngân hàng: TH1, TH2, TH3, TH4, TH5 (5 biến).
  • Nhóm biến phụ thuộc: QD1, QD2, QD3 (Quyết định lựa chọn ngân hàng vay vốn).

An toàn và bảo mật dữ liệu (Data Privacy)

  • Toàn bộ dữ liệu định danh khách hàng (PII - Personally Identifiable Information) như Họ tên, Số CCCD, Địa chỉ chi tiết và Số điện thoại được ẩn danh hóa (Anonymized) hoàn toàn trước khi đưa vào cơ sở dữ liệu xử lý.
  • Đảm bảo tuân thủ nghiêm ngặt Luật An ninh mạng và các quy định về bảo mật thông tin khách hàng của Ngân hàng Nhà nước Việt Nam.

Implementation và kết quả

Quy trình phân tích và thuật toán áp dụng

Quy trình phân tích dữ liệu ứng dụng thuật toán kinh tế lượng được thiết lập qua pipeline Python/SPSS tương đương:

$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^{K} \sigma_{Y_i}^2}{\sigma_X^2} \right)$$

Trong đó $K$ là số biến quan sát trong thang đo, $\sigma_{Y_i}^2$ là phương sai của biến quan sát thứ $i$, và $\sigma_X^2$ là phương sai của tổng điểm các biến quan sát.

Mô hình hồi quy tổng quát dự kiến:

$$QD = \beta_0 + \beta_1 \cdot TD + \beta_2 \cdot LS + \beta_3 \cdot TH + \beta_4 \cdot CLDV + \beta_5 \cdot MQH + \beta_6 \cdot TT + \varepsilon$$

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

# 1. Load và tiền xử lý dữ liệu khảo sát (N = 332)
df = pd.read_csv("agribank_gialai_survey_data.csv")

# 2. Xây dựng biến tổng hợp từ trung bình các biến quan sát đạt chuẩn EFA
df['LS'] = df[['LS1', 'LS2', 'LS3']].mean(axis=1)
df['TD'] = df[['TD1', 'TD2', 'TD3', 'TD4', 'TD5']].mean(axis=1)
df['CLDV'] = df[['CLDV1', 'CLDV2', 'CLDV3', 'CLDV4', 'CLDV5']].mean(axis=1)
df['MQH'] = df[['MQH1', 'MQH2', 'MQH3', 'MQH4']].mean(axis=1)
df['TH'] = df[['TH1', 'TH2', 'TH3', 'TH4', 'TH5']].mean(axis=1)
df['QD'] = df[['QD1', 'QD2', 'QD3']].mean(axis=1)

# 3. Ước lượng mô hình hồi quy tuyến tính bội OLS
X = df[['TD', 'LS', 'TH', 'CLDV', 'MQH']]
X_with_const = sm.add_constant(X)
y = df['QD']

model = sm.OLS(y, X_with_const).fit()

# 4. Tính toán hệ số phóng đại phương sai (VIF) kiểm tra đa cộng tuyến
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))]

print(model.summary())
print(vif_data)

Kết quả kiểm định độ tin cậy Cronbach's Alpha

Tất cả 6 thang đo biến độc lập và 1 thang đo biến phụ thuộc đều đạt độ tin cậy nội tại rất cao ($\alpha > 0,85$), các hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều vượt ngưỡng 0,30:

Tên thang đo Mã hóa Số biến quan sát Hệ số Cronbach's Alpha Biến có tương quan biến - tổng nhỏ nhất Đánh giá chất lượng
Lãi suất cho vay LS 3 0,898 LS2 ($r = 0,754$) Rất tốt
Chính sách tín dụng TD 5 0,891 TD1 ($r = 0,626$) Rất tốt
Chất lượng dịch vụ CLDV 5 0,873 CLDV4 ($r = 0,653$) Rất tốt
Các mối quan hệ MQH 4 0,872 MQH2 ($r = 0,646$) Rất tốt
Thương hiệu ngân hàng TH 5 0,885 TH3 ($r = 0,612$) Rất tốt
Chính sách tiếp thị TT 3 0,865 TT1 ($r = 0,605$) Tốt
Quyết định vay vốn QD 3 0,892 QD2 ($r = 0,721$) Rất tốt

Chi tiết thang đo Lãi suất cho vay ($LS$): Giá trị trung bình nếu loại biến dao động từ 7,89 đến 7,94; phương sai nếu loại biến từ 3,203 đến 3,448; hệ số tương quan biến tổng đạt đỉnh tại LS1 ($r = 0,835$).

Chi tiết thang đo Chính sách tín dụng ($TD$): TD4 (Thời gian thẩm định khoản vay phù hợp) đạt tương quan biến tổng cao nhất ($r = 0,824$), kế tiếp là TD5 ($r = 0,815$) và TD2 ($r = 0,731$).

Cronbach's Alpha Reliability Comparison:
LS   [==================================================] 0.898
TD   [================================================= ] 0.891
TH   [================================================  ] 0.885
CLDV [==============================================    ] 0.873
MQH  [==============================================    ] 0.872
TT   [============================================      ] 0.865

Kết quả phân tích nhân tố khám phá (EFA) và Mô hình hồi quy

  • Kiểm định KMO and Bartlett’s Test (Biến độc lập): Hệ số $KMO = 0,862$ ($0,5 \le KMO \le 1,0$), kiểm định Bartlett đạt giá trị $\chi^2 = 4215,68$ với mức ý nghĩa $p = 0,000 < 0,05$, chứng minh tính tương quan chặt chẽ giữa các biến quan sát.
  • Tổng phương sai trích (Cumulative Variance Explained): Đạt 68,45% ($> 50%$) tại điểm dừng Eigenvalue $= 1,241$ ($> 1$), nghĩa là 5 nhân tố trích xuất giải thích được 68,45% độ biến thiên của dữ liệu.
  • Phương trình hồi quy chuẩn hóa:

$$\widehat{QD} = 0,384 \cdot TD + 0,268 \cdot LS + 0,195 \cdot TH + 0,142 \cdot CLDV + 0,098 \cdot MQH$$

Biến độc lập Hệ số chuẩn hóa ($\beta$) Mức độ tác động (Thứ hạng) Giá trị thống kê $t$ Mức ý nghĩa ($p$-value) Hệ số phóng đại phương sai ($VIF$)
Chính sách tín dụng (TD) 0,384 1 7,892 0,000 1,452
Lãi suất cho vay (LS) 0,268 2 5,614 0,000 1,328
Thương hiệu ngân hàng (TH) 0,195 3 4,102 0,000 1,511
Chất lượng dịch vụ (CLDV) 0,142 4 3,025 0,003 1,389
Các mối quan hệ (MQH) 0,098 5 2,118 0,035 1,215

Biến Chính sách tiếp thị ($TT$) có $p$-value $> 0,05$ trong phân tích hồi quy, không đạt ý nghĩa thống kê trong việc tác động trực tiếp đến quyết định vay vốn tại địa bàn nghiên cứu.

  • Kiểm định độ phù hợp mô hình: Hệ số $R^2 = 0,612$, $R^2_{adj} = 0,606$ (mô hình giải thích được 60,6% sự biến thiên của Quyết định vay vốn). Kiểm định ANOVA có giá trị thống kê $F = 102,84$ với $p = 0,000$, bác bỏ giả thuyết $H_0$.
  • Kiểm định hiện tượng đa cộng tuyến: Toàn bộ hệ số $VIF$ dao động từ $1,215$ đến $1,511$, nhỏ hơn rất nhiều so với ngưỡng 10, khẳng định không xảy ra hiện tượng đa cộng tuyến.

Đổi mới và đóng góp

Điểm mới về mặt học thuật và thực nghiệm

  1. Lấp đầy khoảng trống nghiên cứu địa phương: Đây là công trình đầu tiên ứng dụng hệ thống thang đo định lượng chuẩn hóa để đánh giá hành vi vay vốn của khách hàng cá nhân tại Agribank Chi nhánh Gia Lai, làm rõ đặc thù kinh tế nông nghiệp Tây Nguyên.
  2. Xác lập lại vị thế của Chính sách tín dụng: Khác biệt với các nghiên cứu ở khu vực đô thị (nơi Lãi suất thường đứng đầu), nghiên cứu chứng minh tại Gia Lai, Chính sách tín dụng ($\beta = 0,384$) có tác động mạnh nhất, vượt qua Lãi suất ($\beta = 0,268$). Điều này phản ánh thực tế người vay vốn nông nghiệp coi trọng hạn mức, thời gian vay theo chu kỳ mùa vụ cây trồng (cà phê, hồ tiêu, cao su) và thủ tục giải ngân hơn là chênh lệch lãi suất nhỏ.
Mức độ tác động chuẩn hóa (Standardized Beta Weights):
Chính sách tín dụng [====================================>       ] 0.384
Lãi suất cho vay    [===========================>                ] 0.268
Thương hiệu NH      [===================>                        ] 0.195
Chất lượng dịch vụ  [==============>                             ] 0.142
Các mối quan hệ     [==========>                                 ] 0.098

So sánh đối sánh với các nghiên cứu tiền nhiệm

Tiêu chí so sánh Frangos và cộng sự (2012) Nguyễn Thế Doanh (2017) Huỳnh Liêu Ngọc Thúy An & Bùi Văn Trịnh (2022) Hàn Hồng Nhung (2024) (Đề tài này)
Không gian nghiên cứu Hy Lạp (NHTM Quốc tế) VPBank - CN Đà Nẵng Agribank - CN Hậu Giang Agribank - CN Gia Lai
Cỡ mẫu ($N$) 420 250 180 332
Yếu tố tác động số 1 Lãi suất cho vay Chính sách tín dụng Thương hiệu ngân hàng Chính sách tín dụng ($\beta = 0,384$)
Yếu tố tác động số 2 Chất lượng dịch vụ Lãi suất ngân hàng Ích lợi tài chính Lãi suất cho vay ($\beta = 0,268$)
Yếu tố tác động số 3 Quan hệ khách hàng Danh tiếng ngân hàng Chính sách chiêu thị Thương hiệu ngân hàng ($\beta = 0,195$)
Ý nghĩa biến Tiếp thị Có ý nghĩa Có ý nghĩa Có ý nghĩa Không có ý nghĩa trực tiếp ($p > 0,05$)

Ứng dụng thực tế và triển khai

Kịch bản triển khai ứng dụng thực tiễn

Kịch bản 1: Tối ưu gói tín dụng nông nghiệp theo chu kỳ sinh trưởng cây trồng

  • Bối cảnh: Hộ nông dân chuyên canh cây cà phê và hồ tiêu tại các huyện Chư Sê, Đak Đoa có nhu cầu vốn ngắn hạn mua phân bón và vốn trung hạn tái canh.
  • Giải pháp áp dụng: Thiết kế thời hạn cho vay linh hoạt khớp với thời điểm thu hoạch nông sản (từ tháng 11 đến tháng 2 năm sau), áp dụng phương thức trả nợ gốc và lãi phân kỳ theo mùa vụ thay vì trả đều hàng tháng.

Kịch bản 2: Số hóa quy trình nộp và thẩm định hồ sơ tín dụng

  • Bối cảnh: Địa bàn trải rộng, khách hàng ở xa trung tâm chi nhánh tốn nhiều thời gian đi lại bổ sung hồ sơ giấy tờ.
  • Giải pháp áp dụng: Tích hợp tính năng đăng ký hạn mức vay trên Agribank E-Mobile Banking, cho phép tải tài liệu bảo đảm số hóa giúp rút ngắn thời gian thẩm định từ 5 ngày xuống dưới 48 giờ.

Lộ trình triển khai khuyến nghị (Roadmap)

Giai đoạn 1 (Tháng 01 - 03/2025):
  - Tái cấu trúc quy trình thẩm định hồ sơ vay vốn KHCN
  - Đào tạo chuẩn hóa kỹ năng tư vấn tín dụng nông nghiệp cho cán bộ tín dụng
Giai đoạn 2 (Tháng 04 - 08/2025):
  - Ban hành gói sản phẩm tín dụng "Nông nghiệp công nghệ cao Tây Nguyên"
  - Công khai minh bạch biểu phí phát sinh và cơ chế tính lãi suất linh hoạt
Giai đoạn 3 (Tháng 09 - 12/2025):
  - Nâng cấp cơ sở vật chất phòng giao dịch và điểm giao dịch lưu động bằng xe chuyên dùng
  - Đẩy mạnh mạng lưới ATM/CDM tại các thị trấn, xã vùng sâu
Giai đoạn 4 (Năm 2026 trở đi):
  - Đánh giá định kỳ mức độ hài lòng khách hàng qua mô hình khảo sát tự động

Phân tích Chi phí - Lợi ích (Cost-Benefit Analysis & ROI)

  • Chi phí dự kiến: Khoảng 1,2 - 1,5 tỷ đồng/năm (chi cho đào tạo nhân sự, nâng cấp trang thiết bị số hóa hồ sơ tại các điểm giao dịch huyện).
  • Lợi ích định lượng:
    • Tăng trưởng dư nợ KHCN thêm 2,5% - 3,5%/năm, đạt mức tăng trưởng 12% - 12,5%/năm.
    • Tăng doanh thu lãi thuần dự kiến 15 - 20 tỷ đồng/năm.
    • Giảm tỷ lệ nợ xấu KHCN xuống dưới 1,20%.
    • Tỷ suất sinh lời trên chi phí đầu tư (ROI) ước đạt 185% sau 18 tháng triển khai.

Hạn chế và hướng phát triển

Hạn chế học thuật thừa nhận

  1. Phương pháp chọn mẫu: Nghiên cứu sử dụng kỹ thuật chọn mẫu thuận tiện phi xác suất ($N = 332$), tập trung vào các khách hàng trực tiếp đến quầy giao dịch, có thể chưa bao phủ hết nhóm khách hàng tiềm năng chưa tiếp cận dịch vụ ngân hàng.
  2. Tính chất dữ liệu cắt ngang (Cross-sectional Data): Dữ liệu thu thập trong khoảng thời gian ngắn (tháng 02–03/2024), chưa phản ánh được sự biến động hành vi của người đi vay qua các chu kỳ kinh tế khác nhau.
  3. Phạm vi địa lý: Nghiên cứu chỉ thực hiện tại tỉnh Gia Lai, cần thận trọng khi tổng quát hóa kết quả cho toàn bộ khu vực Tây Nguyên hoặc các vùng kinh tế khác.

Hướng phát triển tiếp theo

  • Mở rộng mô hình kinh tế lượng: Ứng dụng mô hình Phương trình Cấu trúc Tuyến tính (Structural Equation Modeling – SEM) kết hợp phân tích đa nhóm (Multi-group Analysis) để đánh giá vai trò trung gian của sự hài lòng và lòng trung thành.
  • Tích hợp Machine Learning: Xây dựng mô hình phân loại rủi ro tín dụng tự động (Credit Scoring) dựa trên các thuật toán Random Forest hoặc XGBoost từ dữ liệu lớn giao dịch thực tế của khách hàng.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
| SINH VIÊN & HỌC VIÊN TÀI CHÍNH - NGÂN HÀNG                                  |
| - Cung cấp mẫu khóa luận chuẩn mực về phương pháp định lượng SPSS           |
| - Tài liệu tham khảo cấu trúc thang đo Likert trong dịch vụ ngân hàng bán lẻ|
+-----------------------------------------------------------------------------+
| CHUYÊN VIÊN PHÂN TÍCH DỮ LIỆU & LẬP TRÌNH FINTECH                          |
| - Quy trình Pipeline xử lý dữ liệu khảo sát từ Data Cleaning -> EFA -> MLR  |
| - Bộ chỉ số kiểm định chất lượng thang đo (Cronbach's Alpha, VIF, KMO)      |
+-----------------------------------------------------------------------------+
| BAN LÃNH ĐẠO AGRIBANK CHI NHÁNH GIA LAI                                     |
| - Căn cứ khoa học chuẩn xác để điều chỉnh phân bổ chỉ tiêu tín dụng         |
| - Cơ sở tối ưu hóa quy trình thủ tục và chính sách giữ chân khách hàng      |
+-----------------------------------------------------------------------------+
| NHÀ NGHIÊN CỨU & HỌC GIẢ                                                    |
| - Bổ sung dữ liệu thực nghiệm về thị trường tín dụng nông nghiệp Tây Nguyên |
| - Bộ thang đo 28 biến quan sát đã được kiểm định độ tin cậy nội tại cao     |
+-----------------------------------------------------------------------------+

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ cần thiết để tái lập quy trình phân tích của đề tài là gì?

Để tái lập nghiên cứu, cần môi trường máy tính trang bị phần mềm IBM SPSS Statistics v20.0 trở lên (hoặc môi trường Python 3.10+ với các thư viện pandas, statsmodels, scipy, factor_analyzer). Tệp dữ liệu khảo sát cần được định dạng dưới dạng .sav hoặc .csv đã làm sạch và gán nhãn biến chuẩn hóa.

2. Tại sao biến "Chính sách tiếp thị" lại bị loại khỏi mô hình hồi quy sau cùng?

Trong phân tích hồi quy bội, biến TT có mức ý nghĩa kiểm định $p$-value lớn hơn $0,05$. Điều này cho thấy tại địa bàn tỉnh Gia Lai, khách hàng nông thôn đưa ra quyết định vay vốn dựa trên nhu cầu thực tế, kinh nghiệm từ mối quan hệ và uy tín thương hiệu lâu đời của Agribank chứ không bị tác động đáng kể bởi các hoạt động quảng cáo, tiếp thị truyền thông đại chúng.

3. Làm thế nào để tích hợp kết quả nghiên cứu vào hệ thống phần mềm quản lý tín dụng hiện hữu?

Ngân hàng có thể chuyển hóa các trọng số beta ($\beta$) của mô hình thành thang điểm đánh giá ưu tiên sản phẩm (Product Priority Scoring). Khi khách hàng nhập hồ sơ trên hệ thống Core Banking hoặc ứng dụng số, thuật toán sẽ tự động đề xuất gói tín dụng có hạn mức và thời gian thẩm định tối ưu nhất theo nhóm đối tượng.

4. Chi phí duy trì và cập nhật mô hình định lượng này định kỳ là bao nhiêu?

Chi phí duy trì rất thấp do khung thang đo và script phân tích đã được xây dựng hoàn chỉnh. Ngân hàng chỉ cần đầu tư kinh phí khảo sát định kỳ hàng năm (khoảng 30 - 50 triệu đồng cho 400 mẫu khảo sát) để cập nhật lại hệ số hồi quy theo biến động thị trường.

5. Khảo sát 332 mẫu có đảm bảo tính đại diện thống kê cho toàn tỉnh Gia Lai không?

Theo quy tắc kinh nghiệm của Hair và cộng sự (1998) về phân tích nhân tố EFA ($N \ge 5 \times \text{số biến quan sát} = 5 \times 28 = 140$) và tiêu chuẩn của Comrey & Lee (2013) ($N \ge 300$ cho cỡ mẫu tốt), quy mô 332 mẫu hợp lệ tại mức độ tin cậy 95% và khoảng tin cậy 5% hoàn toàn đảm bảo ý nghĩa thống kê và độ tin cậy khoa học.

Kết luận

Công trình khóa luận tốt nghiệp "Các yếu tố ảnh hưởng đến quyết định lựa chọn ngân hàng để vay vốn của khách hàng cá nhân tại Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam – Chi nhánh Gia Lai" của tác giả Hàn Hồng Nhung đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra.

Bằng phương pháp phân tích định lượng chặt chẽ với quy mô mẫu $N = 332$, nghiên cứu đã lượng hóa chính xác thứ bậc tác động của 5 nhân tố: Chính sách tín dụng ($\beta = 0,384$), Lãi suất cho vay ($\beta = 0,268$), Thương hiệu ngân hàng ($\beta = 0,195$), Chất lượng dịch vụ ($\beta = 0,142$) và Các mối quan hệ ($\beta = 0,098$).

Kết quả nghiên cứu không chỉ đóng góp luận cứ khoa học thực nghiệm giá trị cho kho tàng tài liệu học thuật tài chính bán lẻ, mà còn cung cấp cẩm nang hành động thực tiễn cho Ban lãnh đạo Agribank Chi nhánh Gia Lai trong việc thiết kế sản phẩm tín dụng "Tam nông", nâng cao năng lực cạnh tranh và thúc đẩy phát triển kinh tế - xã hội bền vững tại địa phương.