Giới thiệu dự án
Thị trường tài chính tiêu dùng và tín dụng bán lẻ tại Việt Nam ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) đạt xấp xỉ 14,2% trong giai đoạn 2020–2023. Trong bối cảnh các ngân hàng thương mại cổ phần (TMCP) tư nhân và ngân hàng số liên tục triển khai các gói cho vay với thủ tục số hóa siêu tốc, các ngân hàng thương mại nhà nước như Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank) đối mặt với áp lực cạnh tranh gay gắt nhằm bảo vệ thị phần tín dụng cá nhân tại các đô thị trọng điểm.
Vấn đề cốt lõi đặt ra cho Agribank – Chi nhánh Thành phố Hồ Chí Minh là tình trạng suy giảm tốc độ tăng trưởng dư nợ cho vay khách hàng cá nhân (KHCN), xuất phát từ các điểm nghẽn (pain points): thủ tục thẩm định hồ sơ truyền thống rườm rà, thời gian giải ngân kéo dài, chính sách lãi suất chưa đủ linh hoạt và sự cạnh tranh từ các kênh tín dụng số. Khóa luận tốt nghiệp của tác giả Nguyễn Thị Trà My (2024), do TS. Trần Trọng Huy hướng dẫn tại Trường Đại học Ngân hàng TP. Hồ Chí Minh (HUB), được thực hiện nhằm giải quyết bài toán này thông qua việc phân tích và lượng hóa các yếu tố thúc đẩy quyết định vay vốn của KHCN.
Mục tiêu cụ thể của đề tài bao gồm:
- Xác định và phân loại các yếu tố tác động đến quyết định lựa chọn ngân hàng để vay vốn của KHCN tại Agribank – Chi nhánh TP. Hồ Chí Minh.
- Đo lường trọng số và mức độ tác động của từng yếu tố thông qua mô hình kinh tế lượng thực nghiệm.
- Đề xuất hệ thống hàm ý quản trị và giải pháp thực thi giúp Agribank tối ưu hóa năng lực cạnh tranh, gia tăng tỷ lệ chuyển đổi và thu hút khách hàng vay vốn.
Giải pháp nghiên cứu kết hợp giữa Lý thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA) và Lý thuyết Hành vi Hoạch định (Theory of Planned Behavior - TPB), xây dựng mô hình định lượng 6 biến độc lập với cỡ mẫu $N = 280$ khách hàng thực tế. Kết quả đầu ra cung cấp mô hình hồi quy đa biến có độ tin cậy cao, xác thực mối tương quan thống kê làm cơ sở tái cấu trúc quy trình tín dụng.
Phạm vi nghiên cứu giới hạn tại Agribank – Chi nhánh TP. Hồ Chí Minh trong khung thời gian từ tháng 01/2024 đến tháng 03/2024, khảo sát nhóm khách hàng cá nhân đã và đang phát sinh giao dịch tín dụng.
Phân tích và thiết kế giải pháp
Phân tích hiện trạng
Thực trạng tiếp cận và giữ chân khách hàng vay vốn tại các ngân hàng thương mại hiện nay chịu sự chi phối của nhiều mô hình vận hành khác nhau:
| Tiêu chí |
Mô hình truyền thống (Agribank CN TP.HCM) |
Mô hình Ngân hàng TMCP hiện đại |
Mô hình Ngân hàng số / Fintech Lending |
| Ưu điểm |
Uy tín thương hiệu Nhà nước cao; nguồn vốn dồi dào, an toàn; mạng lưới chi nhánh rộng. |
Lãi suất ưu đãi linh hoạt; phê duyệt hồ sơ nhanh; chăm sóc khách hàng chủ động. |
Quy trình 100% Online; giải ngân tức thì (< 24h); thủ tục tinh gọn tối đa. |
| Nhược điểm |
Thủ tục giấy tờ phức tạp; thời gian xét duyệt 3–7 ngày; hạ tầng số hóa chưa đồng bộ. |
Phí quản lý khoản vay cao; lãi suất sau thời gian ưu đãi thả nổi lớn. |
Hạn mức cho vay thấp; rủi ro bảo mật thông tin; lãi suất thực tế cao. |
Nghiên cứu thị trường so sánh Agribank với các đối thủ cạnh tranh chính (Vietcombank, BIDV, Techcombank, VPBank) cho thấy khoảng trống lớn trong việc cân bằng giữa định vị thương hiệu an toàn và trải nghiệm quy trình số hóa thuận tiện.
Hệ thống yêu cầu giải pháp theo ma trận MoSCoW:
- Must-have: Xác định chính xác trọng số các yếu tố (Thương hiệu, Lãi suất, Quy trình, Nhân viên, Thuận tiện, Ảnh hưởng người thân); kiểm định thang đo đạt Cronbach's Alpha $\ge 0.70$ và hệ số tải EFA $\ge 0.50$.
- Should-have: Kiểm định sự khác biệt nhân khẩu học qua Independent Samples T-Test và One-Way ANOVA.
- Could-have: Xây dựng kịch bản hồi quy mô phỏng tỷ lệ chuyển đổi khi điều chỉnh biên độ lãi suất.
- Won't-have: Không can thiệp trực tiếp vào mã nguồn Core Banking trong giai đoạn khảo sát.
Thiết kế hệ thống
Kiến trúc luồng xử lý và phân tích định lượng dữ liệu nghiên cứu được thiết kế chuẩn hóa:
Technology Stack và công cụ phân tích:
- Phần mềm phân tích dữ liệu: IBM SPSS Statistics phiên bản 26.0 (64-bit).
- Môi trường lập trình mở rộng: Python 3.11.8 kết hợp các thư viện
pandas (v2.2.1), numpy (v1.26.4), statsmodels (v0.14.1), scipy (v1.12.0) để tái kiểm định thuật toán OLS.
- Thang đo lường: Thang đo Likert 5 mức độ ($1 = \text{Hoàn toàn không đồng ý}$ đến $5 = \text{Hoàn toàn đồng ý}$).
Từ điển dữ liệu (Data Dictionary) gồm 27 biến quan sát:
- Biến phụ thuộc: Quyết định lựa chọn (QDLC: QDLC1 – QDLC4).
- Biến độc lập:
- Thương hiệu và uy tín (TH: TH1 – TH4).
- Lãi suất và phí vay vốn (LS: LS1 – LS3).
- Quy trình thủ tục (QT: QT1 – QT4).
- Thái độ của đội ngũ nhân viên (NV: NV1 – NV4).
- Sự thuận tiện (TT: TT1 – TT4).
- Ảnh hưởng của người thân (AH: AH1 – AH4).
Bảo mật và chuẩn mực dữ liệu: Dữ liệu khảo sát được mã hóa ẩn danh hoàn toàn (Anonymized PII), tuân thủ Nghị định 13/2023/NĐ-CP về bảo vệ dữ liệu cá nhân và Thông tư 09/2020/TT-NHNN về an toàn thông tin hệ thống ngân hàng.
Yêu cầu hiệu năng thống kê: Chỉ số KMO $\ge 0.50$, kiểm định Bartlett's Sig $< 0.05$, Tổng phương sai trích (Total Variance Explained) $> 50%$, hệ số phóng đại phương sai $\text{VIF} < 2.0$ để loại trừ hiện tượng đa cộng tuyến.
Methodology
Phương pháp luận nghiên cứu áp dụng quy trình thực nghiệm chuẩn (Empirical Research Methodology) gồm 2 giai đoạn:
- Nghiên cứu định tính: Tổng hợp lý thuyết TRA/TPB, phỏng vấn sâu chuyên gia tài chính và giảng viên HUB, tiến hành khảo sát thử nghiệm $N = 30$ để chuẩn hóa từ ngữ.
- Nghiên cứu định lượng: Phát phiếu khảo sát trực tiếp và trực tuyến thu về 280 mẫu hợp lệ ($N = 280$).
Tiến độ thực hiện dự án (Project Timeline):
- Giai đoạn 1 (01/2024 - 01/2024): Xây dựng cơ sở lý thuyết, mô hình và bảng câu hỏi sơ bộ.
- Giai đoạn 2 (01/2024 - 02/2024): Tiến hành Pilot Test ($N=30$), hoàn thiện bảng hỏi chính thức và thu thập 280 mẫu.
- Giai đoạn 3 (02/2024 - 03/2024): Xử lý dữ liệu định lượng, chạy Cronbach's Alpha, EFA, Hồi quy OLS, T-Test và ANOVA.
- Giai đoạn 4 (03/2024): Đánh giá kết quả, tổng hợp hàm ý quản trị và hoàn thiện báo cáo khóa luận.
Ma trận rủi ro và giải pháp kiểm soát:
- Rủi ro sai lệch mẫu (Sampling Bias): Khắc phục bằng cách phân bổ đều nhóm khách hàng theo độ tuổi, giới tính, mức thu nhập và nghề nghiệp tại các quầy giao dịch.
- Rủi ro dữ liệu không chuẩn (Non-normality): Kiểm tra biểu đồ Histogram, P-P Plot và Scatter Plot của phần dư chuẩn hóa.
Implementation và kết quả
Development process
Quá trình xử lý dữ liệu được chia làm các pha rõ ràng: Sàng lọc biến rác $\rightarrow$ Kiểm định độ tin cậy thang đo $\rightarrow$ Rút trích nhân tố $\rightarrow$ Ước lượng mô hình hồi quy.
Công thức toán học thuật toán áp dụng:
-
Hệ số tin cậy Cronbach's Alpha:
$$\alpha = \frac{K}{K - 1} \left( 1 - \frac{\sum_{i=1}^K \sigma_{Y_i}^2}{\sigma_X^2} \right)$$
(Trong đó: $K$ là số biến quan sát; $\sigma_{Y_i}^2$ là phương sai biến quan sát $i$; $\sigma_X^2$ là phương sai của tổng điểm).
-
Phương trình hồi quy tuyến tính bội (OLS Regression Model):
$$QDLC = \beta_0 + \beta_1 TH + \beta_2 LS + \beta_3 QT + \beta_4 NV + \beta_5 TT + \beta_6 AH + \varepsilon$$
Cấu trúc kịch bản phân tích được thể hiện qua cú pháp SPSS Syntax và Python script:
* Kiem dinh do tin cay Cronbach's Alpha cho thang do Thuong Hieu (TH).
RELIABILITY
/VARIABLES=TH1 TH2 TH3 TH4
/SCALE('Scale TH') ALL
/MODEL=ALPHA
/SUMMARY=TOTAL.
* Phan tich Nhan to Kham pha (EFA) phep trich Principal Components voi phep xoay Varimax.
FACTOR
/VARIABLES TH1 TH2 TH3 TH4 LS1 LS2 LS3 QT1 QT2 QT3 QT4 NV1 NV2 NV3 NV4 TT1 TT2 TT3 TT4 AH1 AH2 AH3 AH4
/MISSING LISTWISE
/ANALYSIS TH1 TH2 TH3 TH4 LS1 LS2 LS3 QT1 QT2 QT3 QT4 NV1 NV2 NV3 NV4 TT1 TT2 TT3 TT4 AH1 AH2 AH3 AH4
/PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
/CRITERIA MINEIGEN(1) ITERATE(25)
/EXTRACTION PC
/ROTATION VARIMAX
/METHOD=CORRELATION.
* Chay mo hinh Hoi quy da bien danh gia Quyết định Lựa chọn (QDLC).
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA COLLIN TOL
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT QDLC
/METHOD=ENTER TH LS QT NV TT AH
/RESIDUALS HISTOGRAM(ZRESID) NORMPROB(ZRESID).
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor
# Đọc dữ liệu khảo sát N=280 khách hàng Agribank
df = pd.read_csv("agribank_survey_data.csv")
# Danh sách biến độc lập và biến phụ thuộc
X_vars = ['TH', 'LS', 'QT', 'NV', 'TT', 'AH']
X = df[X_vars]
X = sm.add_constant(X)
y = df['QDLC']
# Ước lượng mô hình hồi quy tuyến tính bằng Ordinary Least Squares (OLS)
ols_model = sm.OLS(y, X).fit()
# Kiểm tra hiện tượng đa cộng tuyến (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))]
print(ols_model.summary())
print(vif_data)
Testing và validation
Kết quả kiểm định chất lượng thang đo và dữ liệu định lượng đạt chuẩn tuyệt đối:
- Kiểm định Cronbach's Alpha: Tất cả 7 thang đo đều có hệ số $\alpha > 0.70$ (dao động từ $0.782$ đến $0.891$), các hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.35$, không có biến quan sát nào bị loại.
- Kiểm định EFA Biến độc lập:
- Hệ số $\text{KMO} = 0.842$ ($0.5 < \text{KMO} < 1.0$), thỏa mãn điều kiện phân tích nhân tố.
- Kiểm định Bartlett: Giá trị Thống kê $\chi^2$ đạt ý nghĩa thống kê cao ($\text{Sig.} = 0.000 < 0.05$), chứng minh các biến có tương quan chặt chẽ.
- Tổng phương sai trích (Total Variance Explained) đạt $63.48% > 50%$ tại điểm dừng Eigenvalue $= 1.218 > 1$.
- Ma trận xoay nhân tố (Rotated Component Matrix): 23 biến quan sát độc lập hội tụ hoàn hảo vào đúng 6 nhóm nhân tố ban đầu với tất cả hệ số tải Factor Loading $> 0.55$.
Bảng tổng hợp kết quả phân tích hồi quy đa biến:
| Biến độc lập |
Hệ số chưa chuẩn hóa ($B$) |
Sai số chuẩn (Std. Error) |
Hệ số chuẩn hóa ($\beta$) |
Giá trị $t$ |
Mức ý nghĩa ($\text{Sig.}$) |
Hệ số VIF |
| Hằng số (Constant) |
0.214 |
0.108 |
- |
1.981 |
0.048 |
- |
| Thương hiệu & Uy tín (TH) |
0.285 |
0.032 |
0.312 |
8.906 |
0.000 |
1.185 |
| Lãi suất & Phí vay (LS) |
0.241 |
0.030 |
0.268 |
8.033 |
0.000 |
1.214 |
| Quy trình thủ tục (QT) |
0.182 |
0.029 |
0.198 |
6.275 |
0.000 |
1.152 |
| Thái độ nhân viên (NV) |
0.145 |
0.028 |
0.156 |
5.178 |
0.000 |
1.198 |
| Sự thuận tiện (TT) |
0.128 |
0.027 |
0.139 |
4.740 |
0.000 |
1.120 |
| Ảnh hưởng người thân (AH) |
0.098 |
0.025 |
0.105 |
3.920 |
0.000 |
1.087 |
Chỉ số hiệu năng tổng thể của mô hình:
- Hệ số xác định $R^2 = 0.628$, $R^2 \text{ hiệu chỉnh} = 0.620$ (Mô hình giải thích được $62.0%$ sự biến thiên của Quyết định vay vốn).
- Kiểm định $F = 76.845$ ($\text{Sig.} = 0.000$), chứng minh mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp.
- Tất cả các hệ số $\text{VIF} < 1.30$, khẳng định không xảy ra hiện tượng đa cộng tuyến.
- Kiểm định phần dư: Giá trị trung bình phần dư xấp xỉ 0, độ lệch chuẩn $0.989 \approx 1$, biểu đồ phân phối chuẩn không vi phạm các giả định hồi quy.
Kết quả đạt được
Nghiên cứu đã hoàn thành $100%$ các mục tiêu đề ra:
- Xác định thứ tự mức độ tác động của 6 nhân tố đến quyết định vay vốn: $\text{Thương hiệu} (\beta = 0.312) > \text{Lãi suất} (\beta = 0.268) > \text{Quy trình} (\beta = 0.198) > \text{Nhân viên} (\beta = 0.156) > \text{Thuận tiện} (\beta = 0.139) > \text{Người thân} (\beta = 0.105)$.
- Kiểm định T-Test và ANOVA chỉ ra không có sự khác biệt có ý nghĩa thống kê về quyết định lựa chọn theo Giới tính ($\text{Sig.} = 0.412 > 0.05$), nhưng có sự khác biệt rõ rệt theo nhóm Thu nhập ($\text{Sig.} = 0.018 < 0.05$) và Nghề nghiệp ($\text{Sig.} = 0.004 < 0.05$). Nhóm khách hàng kinh doanh cá thể và có thu nhập trên 20 triệu/tháng quan tâm sâu sắc hơn đến tốc độ xử lý quy trình và lãi suất cạnh tranh.
Đổi mới và đóng góp
Nghiên cứu mang lại những cải tiến học thuật và thực tiễn rõ rệt khi so sánh với các công trình trước:
| Tiêu chí |
Safiek Mokhlis (2009) |
Nguyễn Thị Tuyên Ngôn (2016) |
Bùi Văn Thụy & CS (2021) |
Mô hình Đề tài (2024) |
| Phương pháp |
Thống kê mô tả (Malaysia) |
Hồi quy OLS (Agribank Đà Nẵng) |
Hồi quy Binary Logistic (Vietcombank Đồng Nai) |
EFA + Hồi quy Đa biến OLS + ANOVA chuyên sâu (Agribank TP.HCM) |
| Cỡ mẫu |
368 sinh viên |
200 KHCN |
250 KHCN |
280 KHCN thực tế |
| Số lượng nhân tố |
6 nhân tố chung |
4 nhân tố |
7 nhân tố |
6 nhân tố chuẩn hóa |
| Độ giải thích ($R^2$) |
Không xác định |
$54.2%$ |
Cox & Snell $R^2 = 0.485$ |
$R^2 \text{ hiệu chỉnh} = 62.0%$ |
| Đóng góp mới |
Phân tích theo giới tính sinh viên |
Chưa phân tích nhân khẩu học sâu |
Tập trung khách hàng ngoại tỉnh |
Lượng hóa tác động đô thị loại 1 và phân tầng thu nhập |
Đóng góp kỹ thuật và ứng dụng:
- Tinh chỉnh bộ thang đo Likert 27 biến thích ứng với thị trường tài chính đô thị phát triển mạnh mẽ như TP. Hồ Chí Minh.
- Cung cấp bằng chứng thực nghiệm khẳng định Thương hiệu và Lãi suất vẫn là 2 trụ cột chiến lược chiếm hơn $58%$ tổng trọng số tác động đến hành vi vay vốn của khách hàng.
- Lượng hóa chính xác tác động của biến "Ảnh hưởng người thân" ($\beta = 0.105$), chứng minh sức mạnh của Marketing truyền miệng (Word-of-Mouth) trong phân khúc tín dụng bán lẻ.
Ứng dụng thực tế và triển khai
Kịch bản ứng dụng
Agribank – Chi nhánh TP. Hồ Chí Minh có thể áp dụng ngay kết quả nghiên cứu vào thực tế vận hành qua các Use Cases:
- Tối ưu hóa phễu tiếp cận tín dụng bán lẻ: Thiết kế thông điệp truyền thông tập trung vào tính an toàn vốn, thương hiệu 100% vốn Nhà nước kết hợp bảng tính lãi suất minh bạch trên cổng thông tin.
- Cải tiến quy trình phê duyệt hồ sơ: Chuẩn hóa danh mục hồ sơ cho từng nhóm khách hàng (vay tiêu dùng, vay kinh doanh, vay mua nhà), giảm thời gian xét duyệt từ 5 ngày xuống dưới 48 giờ.
- Chương trình Referral Marketing: Triển khai chính sách giảm $0.2% - 0.5%$ lãi suất năm đầu cho khách hàng hiện hữu giới thiệu người thân vay vốn thành công.
Chiến lược và lộ trình triển khai
Hiệu quả tài chính và ROI dự kiến:
- Chi phí đầu tư cải tiến quy trình và đào tạo: Ước tính 450 triệu VNĐ/năm.
- Dự phóng tăng trưởng: Tăng trưởng dư nợ cho vay KHCN đạt thêm $15% - 18%$ sau 12 tháng triển khai; tỷ lệ khách hàng hoàn tất thủ tục vay vốn sau khi nhận tư vấn tăng từ $42%$ lên $65%$; thời gian thu hồi vốn đầu tư (Payback Period) dưới 8 tháng.
Hạn chế và hướng phát triển
Dù đạt được các kết quả định lượng chặt chẽ, đề tài vẫn tồn tại một số giới hạn:
- Phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện phi xác suất ($N = 280$) tại khu vực TP. Hồ Chí Minh, chưa bao phủ toàn bộ các chi nhánh huyện ngoại thành.
- Tính thời điểm: Dữ liệu thu thập trong Quý 1/2024 có thể chịu ảnh hưởng bởi biến động chính sách lãi suất điều hành của Ngân hàng Nhà nước trong giai đoạn đầu năm.
Hướng phát triển tiếp theo:
- Mở rộng cỡ mẫu lên $N \ge 600$ và áp dụng kỹ thuật Mô hình Phương trình Cấu trúc Tuyến tính (PLS-SEM) để phân tích sâu các biến trung gian như "Niềm tin thương hiệu" và "Sự hài lòng".
- Tích hợp mô hình dự báo học máy (Random Forest / XGBoost) vào hệ thống LOS (Loan Origination System) để chấm điểm tự động khả năng chấp thuận khoản vay của khách hàng.
Đối tượng hưởng lợi
Nghiên cứu mang lại giá trị định lượng rõ ràng cho từng nhóm đối tượng:
- Sinh viên & Học viên cao học: Tiếp cận cấu trúc mẫu chuẩn mực của một khóa luận định lượng ứng dụng (TRA/TPB $\rightarrow$ EFA $\rightarrow$ OLS Regression $\rightarrow$ ANOVA) với cú pháp SPSS/Python có thể tái lập 100%.
- Chuyên viên phân tích dữ liệu & Rủi ro tín dụng: Sở hữu bộ khung dữ liệu mẫu và các chỉ số chuẩn hóa để thiết kế bảng câu hỏi khảo sát hành vi tài chính người dùng.
- Ban Giám đốc & Quản lý Agribank: Nắm bắt dữ liệu thực nghiệm để ban hành các quyết định điều hành về biểu phí, lãi suất và KPI chất lượng phục vụ của giao dịch viên.
- Nhà nghiên cứu kinh tế - ngân hàng: Cung cấp tài liệu tham khảo với trích dẫn thực nghiệm cập nhật năm 2024 về hành vi tín dụng tiêu dùng tại các siêu đô thị đang phát triển.
Câu hỏi thường gặp
1. Yêu cầu kỹ thuật để triển khai và chạy lại mô hình nghiên cứu này là gì?
Hệ thống cần máy tính cá nhân cấu hình tối thiểu Intel Core i3 / 8GB RAM, cài đặt phần mềm IBM SPSS Statistics phiên bản 20.0 trở lên (khuyến nghị v26.0) hoặc môi trường Python 3.9+ với các thư viện statsmodels, scipy, pandas.
2. Mô hình có áp dụng được cho các chi nhánh ngân hàng khác ngoài TP.HCM không?
Có thể chuyển giao và áp dụng cho các chi nhánh Agribank trên toàn quốc hoặc các ngân hàng TMCP khác. Tuy nhiên, cần chạy lại bước Pilot Test ($N \approx 30$) để tái chuẩn hóa các biến đặc thù địa phương trước khi phân tích quy mô lớn.
3. Làm thế nào để tích hợp phát hiện nghiên cứu vào hệ thống ngân hàng hiện hữu?
Ngân hàng có thể đưa các tiêu chí đánh giá về "Sự thuận tiện" và "Thái độ nhân viên" vào hệ thống quản trị chất lượng dịch vụ (SLA) nội bộ, đồng thời tích hợp cổng nộp hồ sơ vay trực tuyến vào ứng dụng Agribank E-Mobile Banking.
4. Chi phí duy trì và đo lường định kỳ mô hình này là bao nhiêu?
Chi phí thực hiện khảo sát và tái đánh giá mô hình định kỳ hàng năm dao động từ 20 – 30 triệu VNĐ, chủ yếu dành cho công tác thu thập mẫu và phân tích dữ liệu chuyên sâu.
5. Tại sao yếu tố "Thương hiệu và uy tín" lại có tác động lớn nhất ($\beta = 0.312$)?
Trong lĩnh vực tài chính tín dụng, người đi vay chịu áp lực lớn về tính pháp lý, bảo mật tài sản thế chấp và tính minh bạch của hợp đồng. Do đó, uy tín của Agribank với tư cách là ngân hàng thương mại 100% vốn Nhà nước tạo ra sự an tâm tuyệt đối, vượt lên trên cả yếu tố cạnh tranh về lãi suất.
Kết luận
Khóa luận tốt nghiệp của tác giả Nguyễn Thị Trà My đã lượng hóa thành công các yếu tố cốt lõi tác động đến quyết định vay vốn của KHCN tại Agribank – Chi nhánh TP. Hồ Chí Minh. Với mô hình OLS đạt $R^2 \text{ hiệu chỉnh} = 62.0%$, nghiên cứu đã chứng minh khoa học thứ tự ưu tiên: Thương hiệu ($\beta = 0.312$), Lãi suất ($\beta = 0.268$), Quy trình ($\beta = 0.198$), Nhân viên ($\beta = 0.156$), Sự thuận tiện ($\beta = 0.139$) và Ảnh hưởng người thân ($\beta = 0.105$).
Kết quả này không chỉ đóng góp giá trị học thuật trong việc ứng dụng mô hình TRA/TPB vào thị trường tài chính Việt Nam mà còn là cẩm nang hành động thực tế cho ban lãnh đạo Agribank. Việc kết hợp đồng bộ giữa nâng cao uy tín thương hiệu, minh bạch hóa chính sách lãi suất và chuyển đổi số quy trình phê duyệt tín dụng sẽ là chìa khóa then chốt giúp ngân hàng duy trì vị thế dẫn đầu trong mảng tín dụng bán lẻ.
