Giới thiệu dự án

Trong bối cảnh hội nhập kinh tế quốc tế và chuyển đổi số ngành ngân hàng, hoạt động bán lẻ – đặc biệt là mảng tín dụng cho vay khách hàng cá nhân (KHCN) – đã trở thành động lực tăng trưởng cốt lõi của các Ngân hàng Thương mại Cổ phần (NHTM). Theo thống kê từ Ngân hàng Nhà nước Việt Nam, dư nợ tín dụng bán lẻ tại các NHTM tăng trưởng bình quân 12–15%/năm trong giai đoạn 2019–2022. Tuy nhiên, sự tương đồng về danh mục sản phẩm giữa các ngân hàng khiến chất lượng dịch vụ (Service Quality) trở thành yếu tố quyết định để duy trì lợi thế cạnh tranh và tối ưu hóa tỷ lệ giữ chân khách hàng (Customer Retention Rate).

Dự án nghiên cứu "Đánh giá chất lượng dịch vụ cho vay dành cho khách hàng cá nhân tại Ngân hàng TMCP Hàng hải Việt Nam (MSB) – Chi nhánh Huế" được thực hiện nhằm giải quyết bài toán tối ưu hóa quy trình tín dụng cá nhân và đo lường trải nghiệm khách hàng thông qua mô hình phân tích định lượng chuẩn hóa.

+-----------------------------------------------------------------------------------+
|                        BỐI CẢNH & VẤN ĐỀ TÍN DỤNG BÁN LẺ                          |
+-----------------------------------------------------------------------------------+
|  • Áp lực cạnh tranh lãi suất và sản phẩm tín dụng tiêu dùng gay gắt              |
|  • Điểm nghẽn: Thủ tục phê duyệt, năng lực thấu cảm và minh bạch hạn mức          |
|  • Mục tiêu: Mô hình hóa các nhân tố ảnh hưởng để nâng cao NPS và sự hài lòng     |
+-----------------------------------------------------------------------------------+

Vấn đề thực tiễn và Pain Points

  • Thời gian xử lý hồ sơ kéo dài: Sự phức tạp trong khâu thẩm định tài sản bảo đảm và chứng minh tài chính khiến chu kỳ giải ngân chậm, làm suy giảm mức độ hài lòng của khách hàng (CSAT).
  • Rào cản thông tin và độ minh bạch: Khách hàng gặp khó khăn trong việc tiếp cận và hiểu rõ các điều khoản về biểu phí dịch vụ, biên độ lãi suất thả nổi sau ưu đãi.
  • Cá nhân hóa dịch vụ chưa cao: Sự chăm sóc, tương tác sau giải ngân (After-sales engagement) còn mang tính thụ động, chưa khai thác tối đa vòng đời khách hàng (Customer Lifetime Value - CLV).

Mục tiêu nghiên cứu cụ thể

  1. Hệ thống hóa cơ sở lý luận: Tổng quan các mô hình đo lường chất lượng dịch vụ tài chính - ngân hàng, so sánh bản chất giữa mô hình kỳ vọng SERVQUAL và mô hình cảm nhận thực tế SERVPERF.
  2. Khảo sát và thu thập dữ liệu thực nghiệm: Thực hiện điều tra xã hội học trên tập khách hàng cá nhân đang vay vốn tại MSB Huế với quy mô mẫu $n = 200$, đảm bảo tiêu chuẩn đại diện thống kê.
  3. Kiểm định mô hình đo lường: Đánh giá độ tin cậy thang đo (Cronbach's Alpha) và phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA) để xác định các chiều đo lường cốt lõi.
  4. Phân tích tác động định lượng: Xây dựng mô hình hồi quy tuyến tính bội (Multiple Linear Regression) nhằm lượng hóa mức độ tác động của từng nhân tố đến sự hài lòng chung.
  5. Đề xuất khung giải pháp can thiệp: Xây dựng lộ trình cải tiến quy trình tín dụng, hạ tầng công nghệ và văn hóa phục vụ khách hàng.

Phạm vi và Giới hạn nghiên cứu

  • Phạm vi không gian: Khách hàng cá nhân giao dịch tín dụng trực tiếp tại MSB Chi nhánh Huế (14B Lý Thường Kiệt, TP. Huế).
  • Phạm vi thời gian: Dữ liệu hoạt động kinh doanh thứ cấp thu thập trong giai đoạn 2019–2021; dữ liệu khảo sát sơ cấp hoàn thiện vào Quý I/2023.
  • Giới hạn kỹ thuật: Nghiên cứu tập trung vào phân tích cắt ngang (Cross-sectional study) thông qua bảng câu hỏi đóng sử dụng thang đo Likert 5 mức độ; không bao gồm phân tích chuỗi thời gian dài hạn.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại thị trường Thừa Thiên Huế, MSB phải đối mặt với sự cạnh tranh khốc liệt từ các khối ngân hàng Big4 (Vietcombank, BIDV, VietinBank, Agribank) với lợi thế mạng lưới rộng, cùng các ngân hàng TMCP tư nhân năng động (Techcombank, VPBank, ACB).

Tiêu chí so sánh Khối Ngân hàng Big4 Khối NHTM Tư nhân (VPBank, Techcombank) MSB Chi nhánh Huế (Thực trạng)
Lãi suất cho vay Cạnh tranh nhất thị trường (thấp hơn 0.5 - 1.5%/năm) Linh hoạt, phân hóa theo phân khúc rủi ro Cạnh tranh ở gói vay mua nhà, sản xuất kinh doanh
Quy trình & Thủ tục Chặt chẽ, nhiều tầng kiểm soát, thời gian duyệt 5–7 ngày Tự động hóa cao, giải ngân nhanh (1–3 ngày) Đang chuyển đổi số, quy trình bán tự động (3–5 ngày)
Cơ sở hạ tầng & Chi nhánh Mạng lưới phòng giao dịch phủ kín cấp huyện Không gian giao dịch hiện đại, định danh số eKYC 01 Trụ sở chi nhánh trung tâm, trang thiết bị chuẩn hóa
Chăm sóc khách hàng Quy chuẩn truyền thống, tính cá nhân hóa trung bình Chăm sóc đa kênh (Omnichannel), CRM tự động Đội ngũ RM trẻ, thân thiện nhưng thiếu công cụ CRM sâu

Yêu cầu người dùng được phân loại theo ma trận MoSCoW:

  • Must have (Bắt buộc): Lãi suất minh bạch, bảo mật thông tin hồ sơ vay theo tiêu chuẩn PCI-DSS/SBV, giải ngân đúng hẹn.
  • Should have (Nên có): Quy trình tiếp nhận hồ sơ số hóa, tin nhắn thông báo tự động hạn thanh toán nợ gốc/lãi qua Mobile Banking.
  • Could have (Có thể có): Các chương trình tri ân sinh nhật, tư vấn giải pháp tài chính gia đình toàn diện.
  • Won't have (Chưa ưu tiên): Tự động phê duyệt 100% hồ sơ vay thế chấp bất động sản không qua thẩm định thực địa.

Thiết kế hệ thống đo lường và khung lý thuyết

Nghiên cứu ứng dụng mô hình cảm nhận SERVPERF (Cronin & Taylor, 1992) – một biến thể nâng cao kế thừa từ khung SERVQUAL (Parasuraman et al., 1988) với 5 thành phần chất lượng dịch vụ được chuẩn hóa cho dịch vụ tín dụng bán lẻ:

$$\text{CLDV} = f(\text{HH}, \text{PV}, \text{TC}, \text{DU}, \text{CT})$$

Technology Stack cho phân tích dữ liệu

  • Phần mềm xử lý thống kê chính: IBM SPSS Statistics v26.0 (Hỗ trợ Cronbach's Alpha, EFA, OLS Regression).
  • Môi trường lập trình đối chứng (Data Verification Pipeline): Python 3.10.12 với các thư viện:
    • pandas v2.0.3 (Xử lý và làm sạch dữ liệu bảng câu hỏi).
    • factor_analyzer v0.5.0 (Thực hiện trích xuất nhân tố PCA và xoay ma trận Varimax).
    • statsmodels v0.14.0 (Kiểm định đa cộng tuyến VIF và hồi quy OLS).
    • scipy v1.11.1 (Kiểm định phân phối chuẩn và tương quan Pearson).

Methodology

Nghiên cứu áp dụng phương pháp tiếp cận định lượng suy diễn (Deductive Quantitative Approach):

  1. Quy mô mẫu lý thuyết: Dựa theo nguyên tắc Hair et al. (1998), quy mô mẫu tối thiểu $N \ge 5 \times m$ (với $m = 24$ biến quan sát $\Rightarrow N_{\min} = 120$). Theo Tabachnick & Fidell (2007) cho phân tích hồi quy: $N \ge 8p + 50 = 8 \times 5 + 50 = 90$. Cỡ mẫu thực tế được chọn là $N = 200$, thỏa mãn vượt mức mọi điều kiện kiểm định.
  2. Phương pháp lấy mẫu: Chọn mẫu hệ thống (Systematic Sampling) kết hợp chọn mẫu thuận tiện. Trong 5 tuần (30 ngày làm việc) với tổng 420 lượt khách đến giao dịch:
    • Bước nhảy chọn mẫu: $k = \frac{N_{\text{tổng}}}{n} = \frac{420}{200} \approx 2$.
    • Mỗi ngày khảo sát cố định $\approx 7$ khách hàng hoàn tất giao dịch tín dụng.
  3. Quy trình quản lý rủi ro dữ liệu: Sàng lọc phiếu lỗi (Missing data / Straight-lining responses) trước khi mã hóa 100% dữ liệu vào ma trận số học.

Implementation và kết quả

Development Process và Pipeline phân tích

Quy trình xử lý dữ liệu được chuyển đổi thành mã kịch bản tự động hóa nhằm phục vụ tính kiểm chứng khoa học và khả năng tái lập (Reproducibility):

import numpy as np
import pandas as pd
from factor_analyzer import FactorAnalyzer
from factor_analyzer.factor_analyzer import calculate_bartlett_sphericity, calculate_kmo
import statsmodels.api as sm

def run_psychometric_pipeline(df_survey, independent_cols, dependent_cols):
    """
    Pipeline kiểm định độ tin cậy và phân tích nhân tố EFA cho dữ liệu khảo sát MSB
    """
    # 1. Kiểm định KMO & Bartlett Test cho biến độc lập
    chi_square_value, p_value = calculate_bartlett_sphericity(df_survey[independent_cols])
    kmo_all, kmo_model = calculate_kmo(df_survey[independent_cols])
    print(f"[KMO Test]: {kmo_model:.3f} | [Bartlett's Chi-Square]: {chi_square_value:.3f} (p={p_value:.4f})")
    
    # 2. Phân tích nhân tố khám phá EFA (Extraction: PCA, Rotation: Varimax)
    fa = FactorAnalyzer(n_factors=5, rotation="varimax", method="principal")
    fa.fit(df_survey[independent_cols])
    
    eigenvalues, _ = fa.get_eigenvalues()
    variance_explained = fa.get_factor_variance()
    
    print("\n--- EIGENVALUES & TỔNG PHƯƠNG SAI TRÍCH ---")
    for idx, ev in enumerate(eigenvalues[:5]):
        print(f"Nhân tố {idx+1}: Eigenvalue = {ev:.3f}")
    print(f"Tổng phương sai tích lũy: {variance_explained[2][-1] * 100:.2f}%")
    
    # 3. Chạy mô hình Hồi quy Tuyến tính Bội (OLS)
    X = df_survey[['HH_mean', 'PV_mean', 'TC_mean', 'DU_mean', 'CT_mean']]
    X = sm.add_constant(X)
    y = df_survey[dependent_cols].mean(axis=1)
    
    ols_model = sm.OLS(y, X).fit()
    return ols_model.summary()

Testing và Validation dữ liệu thực nghiệm

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

Toàn bộ 6 thang đo đều đạt độ tin cậy rất cao ($\alpha > 0.70$), các hệ số tương quan biến – tổng (Corrected Item-Total Correlation) đều vượt ngưỡng loại trừ $0.30$.

Nhóm thang đo Ký hiệu Số biến quan sát Hệ số Cronbach's Alpha Hệ số tương quan biến - tổng nhỏ nhất
Phương tiện hữu hình HH 4 0.865 0.578 (HH4 - Trang phục nhân viên)
Năng lực phục vụ PV 5 0.842 0.512 (PV5 - Đường dây nóng 24/7)
Mức độ tin cậy TC 4 0.824 0.543 (TC2 - Giao dịch chính xác)
Khả năng đáp ứng DU 4 0.809 0.606 (DU3 - Thời gian duyệt hồ sơ)
Mức độ cảm thông CT 4 0.789 0.576 (CT1 - Quan tâm nhu cầu vốn)
Chất lượng dịch vụ chung HL 3 0.793 0.613 (HL3 - Giới thiệu cho người khác)
Cronbach's Alpha Benchmark:
[  < 0.60: Loại bỏ  ] -> [  0.60 - 0.70: Chấp nhận  ] -> [  0.70 - 0.90: Tốt (MSB Dataset)  ] -> [  > 0.90: Xuất sắc  ]

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Chỉ số $\text{KMO} = 0.810$ (thỏa mãn điều kiện $0.5 \le \text{KMO} \le 1$).
    • Kiểm định Bartlett’s Test: Chi-Square $= 2161.451$, $df = 210$, $p = 0.000 < 0.001$.
    • Rút trích 5 nhân tố với phương pháp Principal Components và phép xoay Varimax: Tổng phương sai trích đạt $67.454%$ ($> 50%$), giá trị Eigenvalue của nhân tố thứ 5 đạt $1.159 > 1$. Tất cả 21 biến quan sát đều có Factor Loading $> 0.582$.
  • Biến phụ thuộc: $\text{KMO} = 0.706$, Bartlett’s Test Chi-Square $= 199.337$ ($df = 3, p = 0.000$), trích xuất 1 nhân tố duy nhất giải thích biến thiên sự hài lòng.

Kết quả kinh doanh và chỉ số đạt được

Bên cạnh dữ liệu định lượng, tình hình tăng trưởng của MSB Chi nhánh Huế giai đoạn 2019–2021 ghi nhận những bước tiến vững chắc về quy mô và năng suất lao động:

Tài sản & Nguồn vốn (Tỷ VNĐ)       Lợi nhuận sau thuế (Tỷ VNĐ)
      2019: 617.2                        2019: 21.96
      2020: 687.5 (+11.37%)              2020: 17.99 (-18.09% - trích lập dự phòng)
      2021: 750.4 (+9.21%)               2021: 21.23 (+18.00%)
  • Quy mô nhân sự: Tăng từ 30 nhân sự (2019) lên 38 nhân sự (2021), $100%$ đạt trình độ Đại học và sau Đại học.
  • Cơ cấu mẫu khảo sát tín dụng: $58.5%$ là nam giới; $44.0%$ thuộc độ tuổi thanh niên/trung niên năng động (22–40 tuổi); $38.0%$ làm nghề kinh doanh hộ cá thể; $41.5%$ vay với mục đích mua đất, xây sửa nhà ở.

Đổi mới và đóng góp

  1. Chuẩn hóa khung SERVPERF thích ứng ngành ngân hàng địa phương: Thay vì sử dụng mô hình khoảng cách kỳ vọng SERVQUAL cồng kềnh (44 biến hỏi dễ gây nhiễu và mệt mỏi cho người trả lời), nghiên cứu tinh gọn thành khung SERVPERF 24 biến quan sát tập trung hoàn toàn vào chất lượng cảm nhận thực tế, giúp tăng tỷ lệ phản hồi hợp lệ lên $100%$.
  2. Chứng minh định lượng cấu trúc 5 nhân tố: Khẳng định sự tồn tại độc lập và giá trị phân biệt (Discriminant Validity) của 5 chiều chất lượng dịch vụ tín dụng bán lẻ tại thị trường miền Trung với tổng phương sai giải thích ấn tượng ($67.454%$).
  3. Phát hiện tỷ trọng kênh truyền miệng (Word-of-Mouth): Kết quả khảo sát chỉ ra có tới $43.5%$ khách hàng tiếp cận gói vay MSB thông qua giới thiệu từ người thân, bạn bè – cao gấp đôi kênh nhân viên ngân hàng trực tiếp ($22.0%$) và gấp ba lần các kênh báo chí/Internet ($13.5%$). Điều này chứng minh chất lượng dịch vụ vượt trội là động lực marketing chi phí thấp hiệu quả nhất.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, ngân hàng cần thiết lập lộ trình can thiệp có mục tiêu nhằm cải thiện các chiều không gian có hệ số tải cao.

Chiến lược nâng cao từng nhân tố cụ thể

  • Nhân tố Năng lực phục vụ (PV) & Khả năng đáp ứng (DU):
    • Thiết lập SLA (Service Level Agreement) cam kết thời gian thẩm định sơ bộ hồ sơ vay dưới 24 giờ và giải ngân trong vòng 48 giờ làm việc kể từ khi hoàn thiện thủ tục công chứng tài sản bảo đảm.
    • Ứng dụng công nghệ khởi tạo khoản vay số (Loan Origination System - LOS) kết nối dữ liệu định danh căn cước công dân gắn chip để cắt giảm $50%$ khối lượng giấy tờ thủ công.
  • Nhân tố Mức độ tin cậy (TC) & Phương tiện hữu hình (HH):
    • Công khai bảng tính lịch trả nợ, cơ chế lãi suất sau ưu đãi trên ứng dụng Mobile Banking nhằm triệt tiêu hoàn toàn sự thiếu minh bạch.
    • Tái cấu trúc không gian phòng giao dịch 14B Lý Thường Kiệt theo chuẩn nhận diện mới: bố trí khu vực tư vấn khách hàng cá nhân riêng biệt, nâng cao tính bảo mật thông tin.
  • Nhân tố Mức độ cảm thông (CT):
    • Xây dựng hệ thống CRM kích hoạt tin nhắn và quà tặng tự động nhân dịp kỷ niệm, sinh nhật khách hàng; thiết lập đường dây hotline ưu tiên dành riêng cho khách hàng vay hiện hữu.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  • Phương pháp chọn mẫu: Mặc dù áp dụng chọn mẫu hệ thống theo ngày nhưng việc thu thập mẫu tại một chi nhánh duy nhất (MSB Huế) giới hạn khả năng tổng quát hóa (Generalizability) cho toàn bộ hệ thống MSB toàn quốc.
  • Cơ cấu biến mô hình: Mô hình chưa tích hợp các biến kiểm soát (Control variables) như thu nhập, hạn mức vay hay loại tài sản bảo đảm (bất động sản vs phương tiện giao thông) vào phân tích phương sai nhiều biến (MANOVA).

Hướng nghiên cứu mở rộng

  • Ứng dụng mô hình cấu trúc tuyến tính PLS-SEM (Partial Least Squares Structural Equation Modeling) để đánh giá các mối quan hệ trung gian (Mediating roles) của sự tin tưởng thương hiệu và chi phí chuyển đổi.
  • Mở rộng phạm vi khảo sát liên chi nhánh khu vực Bắc Trung Bộ (Đà Nẵng, Quảng Trị, Thừa Thiên Huế) để so sánh phương sai hành vi liên vùng.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------------+
|                            ĐỐI TƯỢNG HƯỞNG LỢI                                    |
+-----------------------------------------------------------------------------------+
|  [Sinh viên & Nghiên cứu sinh]  -->  Template chuẩn mực cho EFA, SPSS & SERVPERF  |
|  [Cán bộ Quản lý Ngân hàng]     -->  Framework can thiệp nâng cao CSAT/NPS        |
|  [Chuyên viên Quan hệ KH (RM)]  -->  Cẩm nang chuẩn hóa quy trình tư vấn tín dụng |
|  [Khách hàng Cá nhân]           -->  Trải nghiệm quy trình vay minh bạch, tối ưu  |
+-----------------------------------------------------------------------------------+
  • Sinh viên chuyên ngành QTKD/Tài chính - Ngân hàng: Tiếp cận một mẫu nghiên cứu ứng dụng mẫu mực từ khâu xây dựng bảng hỏi, kiểm định thang đo độ tin cậy đến phân tích định lượng nâng cao.
  • Ban Lãnh đạo MSB Chi nhánh Huế: Sở hữu bức tranh dữ liệu thực chứng xác thực về trải nghiệm khách hàng, cung cấp căn cứ ra quyết định phân bổ ngân sách đào tạo và cải tiến cơ sở vật chất.
  • Các tổ chức tín dụng trên địa bàn: Tham khảo mô hình phân khúc khách hàng tín dụng cá nhân đô thị loại 1 để điều chỉnh chính sách sản phẩm phù hợp.

Câu hỏi thường gặp

1. Tại sao nghiên cứu lựa chọn mô hình SERVPERF thay vì SERVQUAL gốc?

Mô hình SERVQUAL yêu cầu khảo sát 2 lần (22 câu hỏi kỳ vọng + 22 câu hỏi cảm nhận = 44 câu), gây hiện tượng tâm lý mệt mỏi và trùng lặp cho khách hàng. SERVPERF (Cronin & Taylor, 1992) chỉ đo lường mức độ cảm nhận thực tế ($P$), đã được chứng minh thực nghiệm có giá trị dự báo sự hài lòng tương đương hoặc vượt trội, đồng thời giảm $50%$ số lượng biến hỏi, tối ưu hóa chất lượng dữ liệu thu thập.

2. Tiêu chuẩn kích thước mẫu $n = 200$ có đảm bảo tính đại diện thống kê không?

Hoàn toàn đảm bảo. Theo Hair et al. (1998), với mô hình 24 biến quan sát, cỡ mẫu tối thiểu cần đạt là $24 \times 5 = 120$ quan sát. Đồng thời, theo quy tắc hồi quy $N \ge 8 \times 5 + 50 = 90$. Cỡ mẫu $n = 200$ vượt $166%$ yêu cầu tối thiểu, kết hợp chỉ số $\text{KMO} = 0.810$ khẳng định cỡ mẫu rất tốt cho phân tích EFA.

3. Tỷ lệ giải thích phương sai $67.454%$ trong phân tích EFA có ý nghĩa gì?

Tỷ lệ này chỉ ra rằng 5 nhân tố trích xuất (Phương tiện hữu hình, Năng lực phục vụ, Độ tin cậy, Khả năng đáp ứng, Mức độ cảm thông) cô đọng và giải thích được $67.454%$ sự biến thiên của 21 biến quan sát độc lập ban đầu, vượt xa tiêu chuẩn học thuật thông thường là $50%$, khẳng định mô hình đo lường đạt độ giá trị hội tụ cao.

4. Giải pháp nào mang tính đột phá nhất để giảm thời gian xử lý khoản vay?

Triển khai phân hệ số hóa hồ sơ tín dụng và chấm điểm tín dụng nội bộ tự động (Credit Scoring Engine). Thay vì luân chuyển hồ sơ giấy giữa các phòng ban, luồng công việc số hóa (Digital Workflow) cho phép Chuyên viên Quản lý Khách hàng (RM), Bộ phận Kiểm soát và Phê duyệt rủi ro xử lý đồng thời, giúp rút ngắn chu kỳ xét duyệt từ 3–5 ngày xuống còn 24–48 giờ.


Kết luận

Đề tài "Đánh giá chất lượng dịch vụ cho vay dành cho khách hàng cá nhân tại Ngân hàng TMCP Hàng hải Việt Nam – Chi nhánh Huế" đã giải quyết trọn vẹn cả hai phương diện: học thuật lý luận và ứng dụng thực tiễn quản trị. Bằng phương pháp nghiên cứu định lượng chặt chẽ trên mẫu khảo sát $n = 200$, nghiên cứu đã chứng minh tính hợp lệ của mô hình SERVPERF 5 thành phần với các chỉ số thống kê vượt chuẩn ($\text{KMO} = 0.810$, Phương sai trích $= 67.454%$, Cronbach's Alpha từ $0.789$ đến $0.865$).

Kết quả nghiên cứu cung cấp cơ sở thực chứng vững chắc để Ban Lãnh đạo MSB Huế tái định hình chiến lược tín dụng bán lẻ: tập trung tối ưu hóa năng lực phục vụ của đội ngũ cán bộ tín dụng, minh bạch hóa chính sách lãi suất và hiện đại hóa hạ tầng công nghệ. Đây là đòn bẩy then chốt giúp MSB giữ vững vị thế ngân hàng bán lẻ tin cậy, thấu hiểu và dẫn đầu trải nghiệm khách hàng tại khu vực miền Trung.