Bối cảnh và vấn đề nghiên cứu

Ngân hàng thương mại (NHTM) giữ vai trò là các định chế trung gian tài chính nòng cốt trong nền kinh tế, đảm nhận chức năng huy động, phân bổ vốn và cung ứng các dịch vụ thanh toán, được ví như hệ thống tuần hoàn vốn của quốc gia. Trong bối cảnh hội nhập kinh tế quốc tế và làn sóng của cuộc Cách mạng Công nghiệp lần thứ tư (khởi nguồn từ tài liệu chiến lược Industrie 4.0 của Chính phủ Đức năm 2013), các công nghệ nền tảng như Internet vạn vật (IoT), Trí tuệ nhân tạo (AI), Dữ liệu lớn (Big Data) và Chuỗi khối (Blockchain) đã thúc đẩy quá trình số hóa mạnh mẽ trong ngành tài chính - ngân hàng. Đặc biệt, đại dịch Covid-19 đã thúc đẩy sự thay đổi hành vi người tiêu dùng sang thanh toán không dùng tiền mặt và giao dịch trực tuyến, đặt ra yêu cầu tái cấu trúc vận hành với sự xuất hiện của các chi nhánh thông minh không người phục vụ và các mô hình ngân hàng thuần số.

Quan điểm học thuật truyền thống khẳng định "Kinh doanh ngân hàng là kinh doanh con người" (Hasebrook & Kirmsse, 2016). Tuy nhiên, theo dự báo của Tổ chức Hợp tác và Phát triển Kinh tế (OECD), khoảng 9% công việc đối mặt với nguy cơ bị tự động hóa thay thế hoàn toàn và 50% - 70% công việc có thể bị tự động hóa một phần. Báo cáo e-Conomy SEA 2023 của Google đánh giá tốc độ tăng trưởng kinh tế số của Việt Nam nhanh nhất khu vực Đông Nam Á. Điều này đặt ra câu hỏi then chốt: Liệu sự đóng góp của nguồn nhân lực trong kỷ nguyên 4.0 còn giữ vai trò trọng yếu đối với hiệu quả hoạt động của các NHTM hay không, và các ngân hàng cần quản trị nguồn nhân lực như thế nào để tối ưu hóa hiệu suất?

Phần lớn các nghiên cứu trước đây tại Việt Nam và quốc tế chỉ tập trung vào các nhân tố tài chính tác động đến khả năng sinh lời của ngân hàng, hoặc khi nghiên cứu về nhân sự chỉ tiếp cận ở khía cạnh định tính, nâng cao năng lực và mức độ hài lòng của nhân viên (như nghiên cứu của Võ Tiến Sĩ, 2021; Lê Thị Nương, 2018). Có một khoảng trống nghiên cứu rõ rệt khi tích hợp các biến số định lượng đo lường nguồn nhân lực vào mô hình kinh tế lượng phân tích hiệu suất sinh lời của ngân hàng thương mại.

Mục tiêu và câu hỏi nghiên cứu

Khóa luận xác định mục tiêu và hệ thống câu hỏi nghiên cứu cụ thể như sau:

  • Mục tiêu nghiên cứu:
    1. Làm rõ cơ sở lý luận và thực tiễn về tác động của các yếu tố nguồn nhân lực đến hiệu suất hoạt động của các NHTM thông qua mô hình hồi quy thực nghiệm.
    2. Đánh giá thực trạng hiệu quả hoạt động và nguồn nhân lực tại 13 NHTM lớn tại Việt Nam trong giai đoạn 2013 - 2022.
    3. Đề xuất các hàm ý quản trị và giải pháp nhằm hoàn thiện công tác quản lý nhân lực và nâng cao hiệu quả hoạt động kinh doanh cho các NHTM Việt Nam.
  • Câu hỏi nghiên cứu:
    1. Thực trạng nguồn nhân lực và kết quả kinh doanh tại các NHTM Việt Nam trong giai đoạn 2013 - 2022 diễn biến ra sao?
    2. Tổng số lượng nhân viên tác động như thế nào đến hiệu suất của các NHTM Việt Nam?
    3. Tốc độ tăng trưởng nhân viên ảnh hưởng như thế nào đến hiệu suất hoạt động của các NHTM?
    4. Mức tiền lương bình quân của nhân viên tác động như thế nào đến hiệu suất của các NHTM?
    5. Khối lượng công việc bình quân trên mỗi nhân viên tác động như thế nào đến hiệu suất ngân hàng?
    6. Năng suất lao động của nhân viên đóng góp ra sao vào hiệu suất của các NHTM?
    7. Những giải pháp và khuyến nghị nào cần được thực thi để nâng cao hiệu suất cho hệ thống NHTM Việt Nam thông qua tối ưu hóa quản trị nhân lực?

Đối tượng và phạm vi nghiên cứu

  • Đối tượng nghiên cứu: Đóng góp của các yếu tố nguồn nhân lực đến hiệu suất hoạt động kinh doanh của các ngân hàng thương mại.
  • Phạm vi không gian: 13 ngân hàng thương mại cổ phần có tầm quan trọng hệ thống tại Việt Nam theo phân loại của Ngân hàng Nhà nước năm 2024 (bao gồm: VCB, BID, TCB, CTG, STB, VPB, MBB, ACB, SHB, VIB, TPB, HDB, LPB; loại bỏ Agribank do hạn chế về tính đồng bộ dữ liệu).
  • Phạm vi thời gian: Giai đoạn 10 năm từ 2013 đến 2022 (mốc 2013 đánh dấu sự khởi đầu của khái niệm Công nghiệp 4.0 trên thế giới).

Cơ sở lý thuyết và phương pháp

Khung lý thuyết và mô hình nghiên cứu

Khóa luận căn cứ vào Luật Các tổ chức tín dụng năm 2024 của Việt Nam để xác định các nghiệp vụ kinh doanh nòng cốt của NHTM (hoạt động ngân hàng gồm nhận tiền gửi, cấp tín dụng, cung ứng dịch vụ thanh toán qua tài khoản và các hoạt động kinh doanh khác).

Về chỉ tiêu đo lường hiệu suất ngân hàng, tác giả phân tích ba chỉ tiêu: Tỷ suất sinh lời trên tổng tài sản (ROA), Tỷ suất sinh lời trên vốn chủ sở hữu (ROE), và Thu nhập lãi thuần biên (NIM). Nghiên cứu lựa chọn chỉ tiêu ROA làm biến phụ thuộc chính vì ROE có thể bị bóp méo khi ngân hàng sử dụng đòn bẩy tài chính quá cao theo mô hình phân tích Dupont.

Mô hình nghiên cứu dạng tổng quát:

$$ROA_{it} = \beta_0 + \sum \beta_k \cdot X_{kit} + e_{it}$$

Hệ thống các biến độc lập và biến kiểm soát trong mô hình được tổng hợp như sau:

Nhóm biến Tên biến và ký hiệu Cách xác định Kỳ vọng tác động Nguồn tham khảo
Đặc thù ngân hàng Quy mô ngân hàng ($SIZE$) $Ln(\text{Tổng tài sản - } TA)$ $+$ Võ Thị Phương (2017), Athanasoglou (2008)
Tỷ lệ vốn chủ sở hữu ($EA$) $\text{Vốn CSH } (SE) / \text{Tổng tài sản } (TA)$ $+$ Nguyễn Thanh Phương & Đặng Thị Lan Phương (2022)
Dự phòng rủi ro tín dụng ($LLP$) $\text{Dự phòng rủi ro} / \text{Tổng dư nợ}$ $-$ Fadzlan Sufian & Royfaizal Razali Chong (2008)
Tiền gửi khách hàng ($DP$) $\text{Tiền gửi khách hàng} / TA$ $-$ Đoàn Việt Hùng (2016), Anna P. Vong (2009)
Chi phí hoạt động ($CIR$) $\text{Chi phí hoạt động} / \text{Tổng thu nhập HĐ}$ $-$ Võ Thị Phương (2017), Athanasoglou (2008)
Dư nợ cho vay ($LOAN$) $\text{Dư nợ cho vay} / TA$ $+$ Nguyễn Thanh Phương & Đặng Thị Lan Phương (2022)
Nguồn nhân lực Tổng số nhân viên ($EMP$) $Ln(\text{Tổng số lượng nhân viên})$ $+$ Tác giả đề xuất
Tốc độ tăng trưởng nhân viên ($EMPGR$) $(EMP_t - EMP_{t-1}) / EMP_{t-1}$ $+$ Tác giả đề xuất
Tiền lương bình quân ($EMPsalary$) $\text{Chi phí nhân viên} / \text{Tổng số nhân viên}$ $+$ Võ Tiến Sĩ (2021), Lê Thị Nương (2018)
Khối lượng công việc ($EMPworkload$) $(TA / \text{Tổng số nhân viên}) / 10$ $-$ Võ Tiến Sĩ (2021), Lê Thị Nương (2018)
Năng suất lao động ($EMPpro$) $\text{Tổng thu nhập HĐ} / \text{Tổng số nhân viên}$ $+$ Tác giả đề xuất
Vĩ mô & Thị trường Tăng trưởng kinh tế ($GDPGR$) $(GDP_t - GDP_{t-1}) / GDP_{t-1}$ $+$ Võ Thị Phương (2017)
Tỷ lệ lạm phát ($INF$) Chỉ số giá tiêu dùng $CPI_t$ $+$ Anna P. Vong (2009)
Mức độ tập trung thị trường ($HHI$) Tổng bình phương thị phần ($s_1^2 + s_2^2 + \dots$) $-$ Nguyễn Việt Hùng (2008)
Thị phần 3 ngân hàng lớn nhất ($CR3$) Tổng thị phần tài sản của Top 3 ngân hàng $+$ Tác giả xây dựng

Phương pháp nghiên cứu và quy trình xử lý dữ liệu

Nghiên cứu sử dụng phương pháp định lượng với dữ liệu bảng cân bằng (balanced panel data) gồm 130 quan sát (13 ngân hàng $\times$ 10 năm), thực hiện trên phần mềm thống kê Stata theo quy trình 6 bước:

  1. Thu thập dữ liệu thứ cấp từ báo cáo tài chính kiểm toán, báo cáo thường niên của 13 NHTM, dữ liệu SSI iBoard, Vietstock, Tổng cục Thống kê và World Bank.
  2. Thống kê mô tả và lập ma trận hệ số tương quan để kiểm tra sơ bộ hiện tượng đa cộng tuyến.
  3. Ước lượng mô hình bình phương nhỏ nhất gộp (Pooled OLS) và kiểm tra hệ số phóng đại phương sai (VIF).
  4. Ước lượng mô hình tác động cố định (FEM) và mô hình tác động ngẫu nhiên (REM).
  5. Thực hiện kiểm định $F$-test để lựa chọn giữa FEM và Pooled OLS; kiểm định Breusch-Pagan Lagrange Multiplier để so sánh REM với Pooled OLS; kiểm định Hausman test để lựa chọn mô hình tối ưu giữa FEM và REM.
  6. Kiểm tra các khuyết tật mô hình (kiểm định Wooldridge cho tự tương quan, kiểm định Breusch-Pagan cho phương sai sai số thay đổi) và hiệu chỉnh khuyết tật bằng phương pháp bình phương bé nhất tổng quát khả thi (FGLS) hoặc sai số chuẩn vững (Robust Standard Errors).

Nội dung chính theo từng chương

CHAPTER 1: THEORETICAL BASIS

Chương 1 hệ thống hóa các lý thuyết nền tảng về tổ chức và hoạt động của NHTM, các nhóm chỉ tiêu tài chính phản ánh hiệu suất (ROA, ROE, NIM), cùng các nhân tố tác động từ bên trong và bên ngoài. Tác giả phân loại lao động ngành ngân hàng theo tính chất tiếp xúc khách hàng thành hai nhóm:

  • Nhân viên tiền sảnh (Front office): Giao dịch viên (tellers), chuyên viên quản lý quan hệ khách hàng (RM) – trực tiếp tương tác, tạo dựng niềm tin và quyết định chất lượng trải nghiệm dịch vụ.
  • Nhân viên hậu sảnh (Back office): Nhân sự vận hành, công nghệ thông tin, quản trị rủi ro, pháp chế, hành chính – đảm bảo hệ thống vận hành an toàn, liên tục và chính xác.

Theo mô hình chất lượng dịch vụ của Parasuraman, các yếu tố con người như năng lực chuyên môn, thái độ phục vụ, tính tin cậy và sự thấu cảm là nhân tố không thể thay thế hoàn toàn bởi máy móc. Trong bối cảnh Cách mạng 4.0, các ngân hàng tích hợp AI, Cloud Computing, Big Data khiến cấu trúc lao động dịch chuyển: các công việc lặp đi lặp lại bị tự động hóa, nhu cầu nhân lực chất lượng cao am hiểu kỹ năng số gia tăng. Dẫn chứng báo cáo của McKinsey (2020) và Diễn đàn Kinh tế Thế giới (WEF, 2020), chương 1 nhấn mạnh khoảng 65% công việc mới xuất hiện gắn liền với chuyển đổi số và 56% người lao động Đông Nam Á có nguy cơ mất việc nếu không kịp thời trang bị năng lực số.

CHAPTER 2: CURRENT SITUATION OF HUMAN RESOURCES AND THE PERFORMANCE OF VIETNAM COMMERCIAL BANKS IN THE PERIOD OF 2013 - 2022

Chương 2 phân tích bức tranh kinh tế vĩ mô và thực trạng vận hành của hệ thống NHTM Việt Nam trong 10 năm:

  • Bối cảnh vĩ mô: Tăng trưởng GDP duy trì ổn định 5% - 7%/năm giai đoạn 2013 - 2019, giảm sâu trong hai năm dịch bệnh 2020 - 2021 và phục hồi mạnh mẽ ở mức 8,02% năm 2022. Lạm phát CPI được kiểm soát tốt (thấp nhất 0,63% năm 2015, duy trì dưới 4% các năm 2020 - 2022).
  • Quy mô và hoạt động kinh doanh: Đến năm 2024, toàn hệ thống có 46 NHTM. Nhóm 4 ngân hàng có vốn Nhà nước (VCB, BIDV, CTG, Agribank) chiếm hơn một nửa tổng tài sản toàn ngành, trong đó năm 2022 mỗi ngân hàng đều ghi nhận tổng tài sản vượt 1 triệu tỷ đồng. Có 5 ngân hàng sở hữu vốn chủ sở hữu trên 100.000 tỷ đồng (VCB, TCB, CTG, BIDV, VPB).
  • Hoạt động tín dụng và huy động vốn: Tăng trưởng tín dụng đạt đỉnh 18,25% năm 2016, sau đó giảm dần và được kiểm soát chặt chẽ theo Thông tư 41/2021/TT-NHNN nhằm hạn chế dòng vốn vào lĩnh vực rủi ro (bất động sản, chứng khoán). Huy động vốn chịu áp lực cạnh tranh CASA và quy định giảm tỷ lệ nguồn vốn ngắn hạn cho vay trung dài hạn từ 45% (2018) xuống 40% (2019).
  • Rủi ro nợ xấu: Tỷ lệ nợ xấu giảm dần từ 2013 đến 2019, đạt mức thấp nhất 1,31% năm 2020 nhờ chính sách cơ cấu nợ, sau đó tăng lên 1,96% năm 2021 và tiếp tục tăng năm 2022 do tác động trễ của đại dịch Covid-19 và biến động thị trường bất động sản.
  • Thực trạng nguồn nhân lực: Quy mô nhân sự bình quân của 13 NHTM khảo sát tăng gấp đôi sau một thập kỷ, từ 8.307 nhân viên (2013) lên 16.849 nhân viên (2022).
    • Giai đoạn 2013 - 2018: Tăng trưởng nhân sự mạnh mẽ, đạt mức tăng bình quân trên 17,5%/năm nhờ sự mở rộng mạng lưới kinh doanh.
    • Giai đoạn 2019 - 2021: Tốc độ tăng trưởng nhân sự chậm lại rõ rệt, quy mô dao động quanh 15.000 - 16.000 người, mức tăng bình quân chỉ đạt 4,x%; một số ngân hàng (như Sacombank, VPBank) ghi nhận tăng trưởng nhân sự âm do tinh gọn bộ máy ứng phó dịch bệnh.
    • Năm 2022: Tăng trưởng nhân sự phục hồi đạt 7,x%, quy mô bình quân vượt 16.000 người khi các ngân hàng đẩy mạnh tuyển dụng nhân sự số.

CHAPTER 3: METHODOLOGY AND RESULT DISCUSSION

Chương 3 trình bày các kết quả thực nghiệm từ dữ liệu bảng 130 quan sát:

Biến số Số quan sát (Obs) Giá trị trung bình (Mean) Độ lệch chuẩn (Std. Dev.) Giá trị nhỏ nhất (Min) Giá trị lớn nhất (Max)
ROA 130 1,15% 0,69% 0,08% 3,24%
SIZE 130 13,38 0,86 10,86 14,56
EA 130 7,94% 3,12% 3,85% 20,89%
LLP 130 1,42% 0,58% 0,031% 3,18%
DP 130 66,54% 10,78% 42,00% 89,37%
CIR 130 45,56% 12,26% 23,15% 78,42%
LOAN 130 62,85% 9,84% 37,06% 79,86%
EMP 130 9,33 0,71 6,66 10,26
EMPGR 130 11,57% 16,34% -11,81% 122,41%
EMPsalary 130 0,29 0,11 0,07 0,68
EMPworkload 130 4,32 1,45 1,26 8,03
EMPpro 130 1,48 0,64 0,29 3,29
GDP 130 5,871% 1,70% 2,58% 8,02%
INF 130 3,212% 1,53% 0,63% 6,60%

Kết quả kiểm định lựa chọn mô hình:

  • Kiểm định $F$-test ($p\text{-value} = 0,0003 < 0,05$): Mô hình Fixed Effects (FEM) phù hợp hơn Pooled OLS.
  • Kiểm định Breusch-Pagan ($p\text{-value} = 0,0015 < 0,05$): Mô hình Random Effects (REM) phù hợp hơn Pooled OLS.
  • Kiểm định Hausman ($p\text{-value} = 0,9723 > 0,05$): Mô hình Random Effects (REM) phù hợp hơn mô hình FEM.

Kết quả hồi quy các biến số nguồn nhân lực và tài chính:

  • Năng suất lao động ($EMPpro$) có tác động dương mạnh mẽ và có ý nghĩa thống kê ở mức 1% trên cả ba mô hình (hệ số dương lớn), chứng minh năng suất lao động là động lực cốt lõi nâng cao ROA.
  • Khối lượng công việc ($EMPworkload$) có tác động âm có ý nghĩa thống kê ở mức 1%, khẳng định áp lực công việc quá mức trên mỗi nhân viên làm suy giảm hiệu quả quản trị và an toàn hoạt động.
  • Tốc độ tăng trưởng nhân viên ($EMPGR$) có ý nghĩa thống kê ở mức 5% trong mô hình REM và FEM, phản ánh sự mở rộng nhân sự có kế hoạch đóng góp tích cực vào việc mở rộng kinh doanh.
  • Quy mô nhân sự ($EMP$) và tiền lương nhân viên ($EMPsalary$) tác động có ý nghĩa thống kê đến ROA.
  • Các biến tài chính: Tỷ lệ vốn CSH ($EA$) và Dư nợ cho vay ($LOAN$) tác động tích cực; Chi phí hoạt động ($CIR$), Tiền gửi khách hàng ($DP$) và Dự phòng rủi ro tín dụng ($LLP$) tác động tiêu cực đến ROA ở mức ý nghĩa 1%. Các khuyết tật phương sai sai số thay đổi và tự tương quan được xử lý triệt để qua kiểm định FGLS.

CHAPTER 4: CONCLUSION AND RECOMMENDATIONS

Chương 4 đúc kết các phát hiện thực nghiệm và đề xuất các nhóm giải pháp:

  • Đối với các ngân hàng thương mại:
    1. Chuẩn hóa và nâng cao chất lượng nguồn nhân lực gắn liền với đào tạo kỹ năng số, phân tích dữ liệu và an toàn thông tin.
    2. Tối ưu hóa phân bổ khối lượng công việc thông qua tự động hóa các quy trình tác nghiệp lặp lại, giảm tải áp lực cho nhân viên tiền sảnh và hậu sảnh.
    3. Xây dựng cơ chế đãi ngộ, tiền lương gắn liền với năng suất lao động thực tế ($EMPpro$) thay vì chỉ dựa trên thâm niên.
    4. Cân đối quy mô nhân sự hợp lý trong từng chu kỳ kinh doanh để kiểm soát tỷ lệ chi phí trên thu nhập ($CIR$).
  • Đối với Ngân hàng Nhà nước Việt Nam:
    1. Hoàn thiện khung khổ pháp lý thúc đẩy tài chính số, ngân hàng mở (Open Banking) và các mô hình thử nghiệm có kiểm soát (Sandbox).
    2. Định hướng các chuẩn mực năng lực nghề nghiệp ngành ngân hàng tiệm cận chuẩn mực quốc tế, hỗ trợ các cơ sở đào tạo nâng cao chất lượng đào tạo nhân lực ngành tài chính.

Kết quả và đóng góp

Kết quả chính kèm số liệu

  • Xác lập bằng chứng thực nghiệm về đóng góp của các yếu tố nhân lực lên ROA của 13 NHTM Việt Nam: ROA trung bình đạt 1,15% (dao động từ 0,08% đến 3,24%).
  • Quy mô nhân sự toàn ngành tăng gấp 2 lần sau 10 năm (từ 8.307 lên 16.849 người/ngân hàng); năng suất lao động bình quân đạt 1,48 tỷ đồng thu nhập hoạt động/nhân viên (tối đa 3,29 tỷ đồng).
  • Khẳng định mối quan hệ nghịch chiều giữa khối lượng công việc ($EMPworkload$, trung bình 4,32) và hiệu suất tài chính, đồng thời chỉ ra vai trò then chốt của năng suất lao động ($EMPpro$) ở mức ý nghĩa 1%.
  • Kiểm định mô hình kinh tế lượng xác định mô hình REM là tối ưu ($p\text{-value}$ Hausman $= 0,9723$).

Giải pháp và kiến nghị

  • Tập trung chuyển đổi nguồn nhân lực từ số lượng sang chất lượng, tăng tỷ trọng nhân sự công nghệ và phân tích dữ liệu.
  • Ứng dụng công nghệ tự động hóa quy trình (RPA) để tối ưu hóa khối lượng công việc trên từng nhân sự.
  • Áp dụng chính sách tiền lương và phúc lợi linh hoạt, gắn trực tiếp với chỉ số tạo ra doanh thu trên mỗi đầu mối nhân viên.

Đóng góp học thuật

  • Bổ sung bộ biến số đo lường nguồn nhân lực ($EMP$, $EMPGR$, $EMPsalary$, $EMPworkload$, $EMPpro$) vào mô hình định lượng đánh giá hiệu quả kinh doanh của các NHTM tại thị trường mới nổi như Việt Nam.
  • Cung cấp cơ sở khoa học chứng minh giả thuyết "kinh doanh ngân hàng vẫn là kinh doanh con người" ngay trong kỷ nguyên số hóa mạnh mẽ của Cách mạng Công nghiệp 4.0.

Hạn chế và hướng nghiên cứu tiếp

  • Hạn chế của đề tài:
    • Cỡ mẫu gồm 13 NHTM cổ phần có tầm quan trọng hệ thống, chưa bao quát toàn bộ 46 ngân hàng trong hệ thống (trong đó thiếu vắng Agribank do hạn chế về chuỗi dữ liệu công khai đồng nhất).
    • Chuỗi dữ liệu 2013 - 2022 có giai đoạn đứt gãy do tác động bất thường của đại dịch Covid-19 (chính sách giãn hoãn nợ làm sai lệch tạm thời các chỉ số nợ xấu và lợi nhuận).
    • Chưa đo lường trực tiếp mức độ đầu tư cho chuyển đổi số (chi phí IT, tỷ trọng giao dịch số) để xem xét tác động tương hỗ giữa công nghệ và con người.
  • Hướng nghiên cứu mở rộng:
    • Mở rộng mẫu nghiên cứu sang toàn bộ hệ thống NHTM cổ phần và các ngân hàng liên doanh, ngân hàng 100% vốn nước ngoài tại Việt Nam.
    • Cập nhật chuỗi dữ liệu sau năm 2022 để kiểm chứng tính ổn định của mô hình trong giai đoạn bình thường mới.
    • Đưa thêm biến tương tác giữa chi phí đầu tư công nghệ số và biến số nguồn nhân lực để phân tích tác động cộng hưởng đến hiệu suất ngân hàng.

Giá trị tham khảo

Tài liệu này là nguồn tham khảo hữu ích cho:

  1. Sinh viên và học viên cao học ngành Tài chính - Ngân hàng, Quản trị Kinh doanh, Quản trị Nhân lực: Tham khảo phương pháp xây dựng mô hình kinh tế lượng dữ liệu bảng (Panel Data), quy trình thực hiện và kiểm định mô hình (OLS, FEM, REM, FGLS) trên Stata.
  2. Nhà quản trị ngân hàng (Bank Administrators): Cung cấp luận cứ thực nghiệm về mối quan hệ giữa định biên nhân sự, khối lượng công việc, chính sách lương thưởng và năng suất lao động đối với chỉ tiêu lợi nhuận ROA để xây dựng chiến lược nhân sự phù hợp trong kỷ nguyên số.
  3. Các nhà nghiên cứu kinh tế: Cung cấp bộ khung chỉ tiêu định lượng hóa yếu tố con người trong các nghiên cứu về hiệu quả tài chính doanh nghiệp.

Câu hỏi thường gặp

1. Khóa luận sử dụng chỉ tiêu nào làm biến phụ thuộc đo lường hiệu suất của ngân hàng và vì sao?

Nghiên cứu sử dụng chỉ tiêu Tỷ suất sinh lời trên tổng tài sản (ROA) làm biến phụ thuộc chính. Tác giả không chọn ROE vì chỉ tiêu này dễ bị bóp méo khi ngân hàng sử dụng tỷ lệ đòn bẩy tài chính (nợ vay) quá cao theo phân tích Dupont, khiến ROE cao ảo mà không phản ánh đúng năng lực quản trị tài sản thực tế.

2. Mẫu nghiên cứu bao gồm những ngân hàng nào và giai đoạn thu thập dữ liệu là bao lâu?

Mẫu nghiên cứu gồm 13 NHTM có tầm quan trọng hệ thống tại Việt Nam (VCB, BID, TCB, CTG, STB, VPB, MBB, ACB, SHB, VIB, TPB, HDB, LPB) trong giai đoạn 10 năm từ 2013 đến 2022, tạo thành bộ dữ liệu bảng cân bằng gồm 130 quan sát.

3. Các biến số đại diện cho nguồn nhân lực trong mô hình được đo lường bằng những chỉ số nào?

Nghiên cứu đưa vào 5 biến số nhân sự: Tổng số nhân viên ($EMP = Ln(\text{Tổng nhân viên})$), Tốc độ tăng trưởng nhân viên ($EMPGR$), Lương bình quân ($EMPsalary = \text{Chi phí nhân viên}/\text{Tổng nhân viên}$), Khối lượng công việc ($EMPworkload = (TA/\text{Tổng nhân viên})/10$), và Năng suất lao động ($EMPpro = \text{Tổng thu nhập hoạt động}/\text{Tổng nhân viên}$).

4. Kết quả kiểm định lựa chọn mô hình hồi quy kinh tế lượng cho ra kết luận gì?

Kiểm định $F$-test ($p = 0,0003$) cho thấy FEM tốt hơn Pooled OLS; kiểm định Breusch-Pagan ($p = 0,0015$) cho thấy REM tốt hơn Pooled OLS; và kiểm định Hausman ($p = 0,9723 > 0,05$) kết luận mô hình tác động ngẫu nhiên (REM) là mô hình phù hợp nhất.

5. Quy mô nhân sự bình quân của 13 NHTM trong mẫu biến động như thế nào trong giai đoạn 2013 - 2022?

Quy mô nhân sự bình quân tăng gấp đôi từ 8.307 nhân viên (năm 2013) lên 16.849 nhân viên (năm 2022). Tốc độ tăng trưởng nhân sự đạt đỉnh trên 17,5%/năm trong giai đoạn 2013 - 2018, giảm xuống mức thấp nhất khoảng 4,x% trong giai đoạn dịch Covid-19 (2019 - 2021) và phục hồi đạt 7,x% vào năm 2022.

Kết luận

Khóa luận tốt nghiệp của tác giả Thái Vũ Hoàng Long đã hệ thống hóa cơ sở lý luận và cung cấp bằng chứng thực nghiệm về tác động của các yếu tố nguồn nhân lực đối với hiệu suất hoạt động (ROA) tại 13 ngân hàng thương mại Việt Nam giai đoạn 2013 - 2022. Kết quả nghiên cứu khẳng định năng suất lao động và sự tăng trưởng nhân sự hợp lý đóng góp tích cực vào hiệu quả kinh doanh, trong khi áp lực khối lượng công việc quá tải gây suy giảm hiệu suất ngân hàng. Công trình là tài liệu tham khảo có giá trị học thuật và thực tiễn cho công tác hoạch định chiến lược quản trị nhân lực trong ngành ngân hàng dưới tác động của cuộc Cách mạng Công nghiệp lần thứ tư.