Giới thiệu dự án

Huy động vốn tiền gửi từ khách hàng cá nhân (KHCN) là hoạt động cốt lõi, cung ứng nguồn vốn trung và dài hạn mang tính ổn định cao cho hệ thống ngân hàng thương mại (NHTM). Tại thị trường tài chính Việt Nam, dưới tác động của biến động kinh tế vĩ mô và sự cạnh tranh gay gắt từ các kênh đầu tư thay thế (chứng khoán, bất động sản, trái phiếu doanh nghiệp), dịch vụ gửi tiền tiết kiệm vẫn duy trì tỷ trọng lớn trong cơ cấu nguồn vốn huy động nhờ tính an toàn và thanh khoản cao. Thành phố Thủ Đức – trung tâm tài chính và công nghệ mới của TP. Hồ Chí Minh – ghi nhận mật độ các điểm giao dịch ngân hàng dày đặc, dẫn đến sự cạnh tranh quyết liệt giữa các NHTM nhà nước và NHTM cổ phần.

Vấn đề thực tiễn đặt ra đối với Ngân hàng TMCP Ngoại thương Việt Nam (Vietcombank) Chi nhánh Thủ Đức là sự thiếu hụt các mô hình lượng hóa chuẩn xác về các yếu tố tâm lý, hành vi và kinh tế tác động đến quyết định gửi tiết kiệm của KHCN trên địa bàn. Việc áp dụng các chính sách huy động vốn đại trà mà không phân khúc dựa trên căn cứ khoa học làm giảm hiệu quả cạnh tranh và suy giảm tỷ lệ giữ chân khách hàng (customer retention rate).

Đề tài khóa luận tốt nghiệp ngành Tài chính - Ngân hàng (Mã ngành: 7 34 02 01) do sinh viên Đống Ngọc Hoàng Kim thực hiện dưới sự hướng dẫn khoa học của TS. Hồ Thị Ngọc Tuyền tại Trường Đại học Ngân hàng TP. Hồ Chí Minh đã giải quyết trọn vẹn bài toán trên.

Mục tiêu của dự án nghiên cứu:

  1. Xác định hệ thống các nhân tố tác động đến quyết định gửi tiết kiệm của KHCN tại Vietcombank Chi nhánh Thủ Đức.
  2. Đo lường và đánh giá định lượng mức độ tác động của từng nhân tố thông qua mô hình kinh tế lượng.
  3. Kiểm định sự khác biệt về quyết định gửi tiết kiệm theo các đặc tính nhân khẩu học (giới tính, độ tuổi, thu nhập, nghề nghiệp).
  4. Đề xuất hệ thống giải pháp chiến lược và hàm ý quản trị nhằm tối ưu hóa nguồn vốn huy động bán lẻ cho ngân hàng.

Phương pháp tiếp cận dựa trên sự tích hợp giữa Lý thuyết Hành động Hợp lý (Theory of Reasoned Action - TRA) của Fishbein & Ajzen (1975) và Lý thuyết Hành vi Dự định (Theory of Planned Behavior - TPB) của Ajzen (1991), kết hợp quy trình phân tích dữ liệu định lượng hai giai đoạn (nghiên cứu sơ bộ định tính và nghiên cứu chính thức trên phần mềm thống kê chuyên dụng).

Kết quả kỳ vọng của nghiên cứu:

  • Xây dựng mô hình hồi quy tuyến tính bội giải thích trên 50% phương sai của biến quyết định gửi tiền ($R^2 > 0.5$).
  • Xác thực bộ thang đo gồm 31 biến quan sát đạt độ tin cậy Cronbach's Alpha $\ge 0.70$ và giá trị hội tụ EFA (Factor Loading $\ge 0.50$).
  • Cung cấp khung khuyến nghị khả thi giúp tăng trưởng quy mô huy động vốn tối thiểu 15 - 20% trong chu kỳ kinh doanh kế tiếp.

Phạm vi nghiên cứu:

  • Đối tượng: Khách hàng cá nhân từ 18 tuổi trở lên đang sinh sống, làm việc và mở sổ tiết kiệm tại Vietcombank Chi nhánh TP. Thủ Đức.
  • Không gian: Địa bàn TP. Thủ Đức, TP. Hồ Chí Minh.
  • Thời gian khảo sát: Dữ liệu sơ cấp được thu thập trong giai đoạn từ tháng 04/2023 đến tháng 05/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Tại khu vực TP. Thủ Đức, các giải pháp thu hút tiền gửi của các NHTM hiện hữu đang bộc lộ nhiều điểm hạn chế về mô hình định lượng và chiến lược tiếp cận.

Tiêu chí so sánh Mô hình ngân hàng truyền thống Mô hình nghiên cứu của Đề tài Mô hình FinTech / Digital Banking
Cơ sở ra quyết định Kinh nghiệm quản lý, chỉ tiêu phân bổ cứng Mô hình định lượng TPB/TRA tích hợp EFA & Regression Dữ liệu lớn (Big Data), AI gợi ý sản phẩm tự động
Ưu điểm Dễ triển khai cục bộ, quy trình cứng Đo lường chính xác trọng số ảnh hưởng; tính khách quan cao Tối ưu hóa trải nghiệm số theo thời gian thực
Nhược điểm Thiếu chính xác, không nắm bắt tâm lý khách hàng Yêu cầu cập nhật định kỳ mẫu khảo sát Rào cản niềm tin bảo mật đối với người lớn tuổi
Chi phí vận hành Cao (chiết khấu lãi suất, quảng cáo dàn trải) Tối ưu (tập trung đúng nhân tố cốt lõi) Đầu tư công nghệ ban đầu rất lớn

Dựa trên nguyên tắc MoSCoW, các yêu cầu kỹ thuật và phân tích dữ liệu được ưu tiên như sau:

  • Must-have: Phân tích độ tin cậy Cronbach's Alpha, phân tích nhân tố khám phá EFA (Principal Component Analysis với phép xoay Promax), kiểm định hồi quy tuyến tính bội (Ordinary Least Squares - OLS), kiểm định hiện tượng đa cộng tuyến (VIF < 2.0).
  • Should-have: Kiểm định sự khác biệt giá trị trung bình qua Independent Samples T-Test và One-way ANOVA; ma trận tương quan Pearson ($r$).
  • Could-have: Phân tích phân khúc hành vi khách hàng theo các cụm nhân khẩu học chuyên biệt.
  • Won't-have: Xây dựng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) phức tạp do giới hạn dung lượng mẫu $N = 210$.

Thiết kế hệ thống

Mô hình nghiên cứu định lượng được cấu trúc dưới dạng pipeline xử lý dữ liệu chuẩn hóa gồm 6 biến độc lập và 1 biến phụ thuộc:

graph TD
    A["Kiến thức tài chính (KT)"] --> Y["Quyết định gửi tiết kiệm (QD)"]
    B["Danh tiếng ngân hàng (DT)"] --> Y
    C["Độ an toàn bảo mật (AT)"] --> Y
    D["Sự tiện lợi (TL)"] --> Y
    E["Ảnh hưởng người thân quen (NT)"] --> Y
    F["Lãi suất (LS)"] --> Y
    
    subgraph "Kiểm định nhân khẩu học"
        G["Giới tính (T-Test)"] -.-> Y
        H["Độ tuổi (ANOVA)"] -.-> Y
        I["Thu nhập (ANOVA)"] -.-> Y
        J["Nghề nghiệp (ANOVA)"] -.-> Y
    end

Công nghệ và công cụ sử dụng:

  • SPSS Statistics v26.0: Engine phân tích thống kê cốt lõi thực hiện EFA, OLS Regression, ANOVA.
  • Python v3.10 (pandas v2.0.3, statsmodels v0.14.0, scipy v1.11.2): Mô phỏng lại pipeline phân tích, chuẩn hóa dữ liệu tự động.
  • Google Forms / Excel v2021: Công cụ thu thập và làm sạch dữ liệu khảo sát trực tuyến.

Thiết kế cấu trúc biến số (Data Dictionary):

  • Biến phụ thuộc: QD (Quyết định gửi tiết kiệm, thang đo Likert 5 điểm, 3 biến quan sát).
  • Biến độc lập: KT (4 biến), DT (5 biến quan sát bao gồm biến bổ sung "Ngân hàng có hoạt động kinh doanh ổn định"), AT (5 biến), TL (5 biến bao gồm biến "Thời gian xử lý giao dịch nhanh chóng"), NT (4 biến), LS (5 biến). Tổng cộng 31 biến quan sát.

Phương trình toán học của mô hình hồi quy tổng thể: $$QD = \beta_0 + \beta_1 \cdot KT + \beta_2 \cdot DT + \beta_3 \cdot AT + \beta_4 \cdot TL + \beta_5 \cdot NT + \beta_6 \cdot LS + \epsilon$$

Trong đó: $\beta_0$ là hệ số chặn; $\beta_1 \dots \beta_6$ là các trọng số hồi quy chưa chuẩn hóa; $\epsilon$ là sai số ngẫu nhiên của mô hình.

Methodology

Nghiên cứu áp dụng quy trình chuẩn theo khung CRISP-DM thích ứng cho phân tích kinh tế lượng tài chính:

  1. Giai đoạn 1 (Nghiên cứu định tính sơ bộ): Phỏng vấn chuyên sâu nhóm chuyên gia ngân hàng ($N=5$) và thảo luận tay đôi với khách hàng gửi tiền để hiệu chỉnh thang đo gốc, bổ sung 2 biến quan sát phù hợp với bối cảnh Vietcombank Thủ Đức.
  2. Giai đoạn 2 (Thu thập dữ liệu sơ cấp): Phát tán bảng khảo sát ngẫu nhiên thuận tiện với $N_{target} = 300$, quy tắc xác định cỡ mẫu tối thiểu $N \ge 5 \times k = 5 \times 31 = 155$ mẫu (theo Hair et al., 2010).
  3. Giai đoạn 3 (Xử lý và kiểm định): Lọc sạch dữ liệu loại bỏ phiếu không hợp lệ, thu được $N = 210$ quan sát đạt chuẩn. Kiểm tra phân phối chuẩn, Cronbach's Alpha, EFA, ma trận Pearson, hồi quy OLS và kiểm định sau ước lượng (đồ thị phân tán phần dư, biểu đồ Histogram, P-P plot).

Implementation và kết quả

Development process

Quá trình phân tích dữ liệu được tự động hóa thông qua mã lệnh phân tích kinh tế lượng (thể hiện qua script Python/SPSS Syntax tương đương):

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

# 1. Load data và tiền xử lý
df = pd.read_csv("vietcombank_survey_data.csv")
independent_vars = ['KT', 'DT', 'AT', 'TL', 'NT', 'LS']
dependent_var = 'QD'

# 2. Xây dựng ma trận tương quan Pearson
corr_matrix = df[independent_vars + [dependent_var]].corr(method='pearson')

# 3. Ước lượng mô hình hồi quy OLS
X = df[independent_vars]
X = sm.add_constant(X)
y = df[dependent_var]

model = sm.OLS(y, X).fit()
print(model.summary())

# 4. Kiểm tra đa cộng tuyến qua chỉ 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])]
print(vif_data)

Testing và validation

Kết quả kiểm định chất lượng thang đo và mô hình kinh tế lượng:

Bước kiểm định Tiêu chuẩn kỹ thuật Kết quả thực nghiệm Đánh giá
Độ tin cậy Cronbach's Alpha $\alpha \ge 0.60$; Hệ số tương quan biến-tổng $\ge 0.30$ Toàn bộ 7 thang đo đạt $\alpha \in [0.782, 0.895]$; Corrected Item-Total $> 0.410$ Đạt chuẩn xuất sắc
Hệ số KMO (EFA) $0.5 \le KMO \le 1.0$ $KMO = 0.846$ Thích hợp phân tích nhân tố
Kiểm định Bartlett Sig. $p < 0.05$ Chi-square = 2418.52, Sig. $p = 0.000$ Các biến có tương quan tuyến tính
Tổng phương sai trích (TVE) $TVE \ge 50%$ $TVE = 62.48%$ tại Eigenvalue $> 1.15$ Giải thích tốt biến thiên dữ liệu
Trọng số tải nhân tố Factor Loading $\ge 0.50$ Tất cả 31 biến có Loading $\in [0.584, 0.862]$ Đạt độ giá trị hội tụ và phân biệt
Hiện tượng đa cộng tuyến $VIF < 2.0$ $VIF \in [1.125, 1.480]$ Không vi phạm giả định đa cộng tuyến

Kết quả đạt được

Phân tích hồi quy bội theo phương pháp ENTER với $N=210$ cho thấy mô hình có ý nghĩa thống kê cao ($F = 43.82$, Sig. $p = 0.000$), hệ số xác định hiệu chỉnh $R^2_{adj} = 0.558$ (mô hình giải thích được 55.8% sự thay đổi của quyết định gửi tiết kiệm).

Trọng số tác động của các nhân tố (theo thứ tự giảm dần của hệ số hồi quy chuẩn hóa $\beta$):

  1. Lãi suất ($LS$): $\beta = 0.342$ ($p = 0.000$) - Yếu tố quan trọng nhất thúc đẩy khách hàng chọn gửi tiền.
  2. Độ an toàn bảo mật ($AT$): $\beta = 0.285$ ($p = 0.000$) - Nền tảng xây dựng lòng tin KHCN.
  3. Danh tiếng ngân hàng ($DT$): $\beta = 0.214$ ($p = 0.001$) - Lợi thế cốt lõi của thương hiệu Vietcombank.
  4. Sự tiện lợi ($TL$): $\beta = 0.168$ ($p = 0.008$) - Vị trí mạng lưới và tốc độ giao dịch.
  5. Kiến thức tài chính ($KT$): $\beta = 0.145$ ($p = 0.015$) - Khả năng nhận thức sản phẩm của khách hàng.
  6. Ảnh hưởng người thân quen ($NT$): $\beta = -0.092$ ($p = 0.048$) - Tác động nghịch chiều; trong bối cảnh gửi tiết kiệm tại Vietcombank Thủ Đức, các khuyến nghị phi chính thức từ người thân không mang tính quyết định tích cực bằng trải nghiệm và tìm hiểu trực tiếp của khách hàng.

Kiểm định ANOVA và T-Test:

  • Không có sự khác biệt có ý nghĩa thống kê về quyết định gửi tiền theo Giới tính ($p > 0.05$).
  • Có sự khác biệt có ý nghĩa thống kê giữa các nhóm Thu nhập ($p = 0.012 < 0.05$) và Độ tuổi ($p = 0.024 < 0.05$), trong đó nhóm khách hàng trên 35 tuổi có thu nhập ổn định $\ge 15$ triệu đồng/tháng có xu hướng ưu tiên an toàn và danh tiếng thương hiệu vượt trội.

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp khoa học và thực tiễn quan trọng:

  1. Hiệu chỉnh bộ thang đo địa phương hóa: Bổ sung hai biến quan sát đo lường tính ổn định kinh doanh và tốc độ giao dịch vào thang đo gốc, nâng cao độ tin cậy nội tại ($\alpha$ tăng trung bình 4.2% so với các nghiên cứu trước).
  2. Lượng hóa sự phân hóa tác động: Khác với nghiên cứu của Hoàng Thị Anh Thư (2017) tại Huế (vốn xác định "Danh tiếng thương hiệu" đứng đầu), tại địa bàn kinh tế năng động TP. Thủ Đức, "Lãi suất" ($\beta = 0.342$) và "Độ an toàn bảo mật" ($\beta = 0.285$) mới là hai động lực lớn nhất.
  3. Phát hiện tác động nghịch của nhóm tham khảo: Kiểm chứng và chỉ ra ảnh hưởng tiêu cực nhẹ của người thân quen ($\beta = -0.092$), giúp ngân hàng điều chỉnh lại chiến lược marketing từ truyền miệng (word-of-mouth) sang tiếp thị minh bạch dựa trên dữ liệu sản phẩm.
  4. Cơ sở dữ liệu thực nghiệm chuẩn hóa: Cung cấp bộ dữ liệu khảo sát 210 mẫu với quy trình kiểm định đầy đủ từ sơ bộ định tính đến hồi quy đa biến OLS.

Ứng dụng thực tế và triển khai

Các hàm ý quản trị được chuyển đổi thành chiến lược hành động cụ thể tại Vietcombank Chi nhánh TP. Thủ Đức:

[Chiến lược Huy động Vốn Toàn diện Vietcombank Thủ Đức]
 ├── 1. Chính sách Lãi suất Linh hoạt
 │     ├── Biểu lãi suất bậc thang theo kỳ hạn và số dư
 │     └── Tích hợp ưu đãi cộng biên độ 0.2 - 0.4%/năm khi gửi online trên VCB Digibank
 ├── 2. Nâng cấp An toàn & Bảo mật
 │     ├── Triển khai xác thực sinh trắc học FIDO2 / Smart OTP cấp cao
 │     └── Đẩy mạnh truyền thông về cơ chế bảo hiểm tiền gửi và chứng chỉ bảo mật quốc tế
 ├── 3. Tối ưu Hóa Sự Tiện lợi & Mạng lưới
 │     ├── Rút ngắn thời gian mở sổ tại quầy xuống < 5 phút/giao dịch
 │     └── Mở rộng các điểm AutoBank nộp/rút tiền tự động 24/7 tại khu công nghệ cao Thủ Đức
 └── 4. Nâng cao Kiến thức Tài chính Khách hàng
       ├── Xây dựng công cụ tính toán lãi suất tự động (Savings Calculator) trên web/app
       └── Tổ chức hội thảo tư vấn quản lý tài chính cá nhân định kỳ cho cư dân

Lộ trình triển khai dự kiến:

  • Giai đoạn 1 (Tháng 1 - Tháng 2): Tái cấu trúc gói lãi suất gửi trực tuyến và đào tạo kỹ năng tư vấn cho giao dịch viên.
  • Giai đoạn 2 (Tháng 3 - Tháng 5): Nâng cấp luồng giao dịch số trên app, triển khai chiến dịch truyền thông an toàn bảo mật.
  • Giai đoạn 3 (Tháng 6 trở đi): Đánh giá định kỳ mức độ hài lòng khách hàng và đo lường tỷ lệ tăng trưởng tiền gửi ròng.

Hạn chế và hướng phát triển

Dù đạt được các mục tiêu đặt ra, đề tài vẫn có một số hạn chế nhất định:

  • Phương pháp lấy mẫu thuận tiện: Cỡ mẫu $N = 210$ tuy đáp ứng tiêu chuẩn phân tích EFA nhưng tính đại diện tổng thể cho toàn bộ dân cư TP. Thủ Đức có thể chưa tuyệt đối.
  • Phạm vi không gian đơn lẻ: Nghiên cứu giới hạn tại một chi nhánh ngân hàng (Vietcombank Thủ Đức), chưa thực hiện khảo sát so sánh chéo (cross-sectional) với các NHTM khác trong cùng khu vực.
  • Biến số chưa bao quát yếu tố chuyển đổi số: Chưa tách bạch sâu giữa hành vi gửi tiết kiệm truyền thống tại quầy và gửi tiết kiệm số (Digital Savings).

Hướng phát triển tiếp theo:

  • Mở rộng quy mô mẫu lên $N \ge 500$, áp dụng kỹ thuật lấy mẫu phân tầng ngẫu nhiên (Stratified Random Sampling).
  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) để phân tích các biến trung gian như Niềm tin (Trust) và Sự hài lòng (Customer Satisfaction).

Đối tượng hưởng lợi

  • Sinh viên / Học viên cao học: Tiếp cận quy trình nghiên cứu khoa học chuẩn chỉ từ cơ sở lý thuyết (TRA, TPB), thiết kế bảng hỏi, đến xử lý dữ liệu SPSS chi tiết.
  • Chuyên viên phân tích dữ liệu & Nghiên cứu thị trường: Nắm bắt phương pháp chuyển đổi các câu hỏi Likert thành các nhân tố định lượng và mô hình hồi quy đa biến có thể diễn giải được.
  • Nhà quản trị ngân hàng & Giám đốc chi nhánh: Sử dụng trọng số hồi quy để phân bổ ngân sách marketing và thiết kế gói sản phẩm huy động vốn trúng đích, tối ưu hóa chi phí vốn (Cost of Funds - COF).
  • Giảng viên & Nhà nghiên cứu: Nguồn tài liệu tham khảo thực chứng cập nhật cho giảng dạy các học phần Nghiệp vụ Ngân hàng thương mại, Phương pháp Nghiên cứu Kinh tế.

Câu hỏi thường gặp

1. Cần chuẩn bị công cụ và dữ liệu gì để tái lập mô hình nghiên cứu này?

Yêu cầu tối thiểu gồm bộ dữ liệu dạng bảng (CSV/Excel) chứa các biến quan sát đo lường theo thang Likert 5 điểm và phần mềm IBM SPSS Statistics (từ bản 20.0 trở lên) hoặc môi trường Python (pandas, statsmodels, scipy).

2. Vì sao biến "Ảnh hưởng người thân quen" lại có hệ số hồi quy âm?

Trong bối cảnh tài chính cá nhân ngày càng độc lập và sự minh bạch thông tin cao, khách hàng có xu hướng tự tìm hiểu biểu lãi suất và độ an toàn của ngân hàng thay vì phụ thuộc vào ý kiến truyền miệng. Khi có quá nhiều thông tin nhiễu từ người quen không có chuyên môn, khách hàng trở nên thận trọng hơn, dẫn đến hệ số hồi quy chuẩn hóa mang giá trị âm ($\beta = -0.092$).

3. Làm thế nào để giải quyết vấn đề đa cộng tuyến khi phân tích hồi quy?

Kiểm tra hệ số phóng đại phương sai ($VIF$). Nếu $VIF > 2.0$, cần loại bỏ các biến quan sát có tương quan quá cao ($r > 0.8$) hoặc sử dụng phân tích nhân tố EFA để gom các biến trùng lặp thành một biến đại diện duy nhất trước khi chạy hồi quy.

4. Chi phí triển khai các giải pháp kiến nghị cho chi nhánh ngân hàng là bao nhiêu?

Phần lớn các giải pháp tập trung vào tối ưu hóa quy trình dịch vụ, đào tạo nhân sự và truyền thông chính sách lãi suất hiện hành nên chi phí gia tăng không đáng kể so với ngân sách hoạt động thường niên của chi nhánh.

5. Kết quả nghiên cứu có thể áp dụng cho các chi nhánh ngân hàng khác không?

Mô hình và thang đo hoàn toàn có thể tái sử dụng cho các chi nhánh NHTM khác tại các đô thị loại I, chỉ cần thực hiện khảo sát lại để cập nhật trọng số các hệ số $\beta$ theo đặc thù dân cư địa bàn mới.

Kết luận

Khóa luận tốt nghiệp của tác giả Đống Ngọc Hoàng Kim đã hoàn thành xuất sắc mục tiêu phân tích các nhân tố ảnh hưởng đến quyết định gửi tiết kiệm của KHCN tại Vietcombank Chi nhánh TP. Thủ Đức. Thông qua bộ công cụ kinh tế lượng chuẩn mực, đề tài đã chứng minh một cách khoa học rằng Lãi suất ($\beta = 0.342$), Độ an toàn bảo mật ($\beta = 0.285$), và Danh tiếng ngân hàng ($\beta = 0.214$) là ba trụ cột chi phối mạnh nhất đến hành vi gửi tiền của người dân.

Nghiên cứu không chỉ có giá trị học thuật cao trong việc bổ sung dữ liệu thực nghiệm về hành vi tài chính tiêu dùng tại Việt Nam, mà còn là bản kế hoạch hành động thiết thực giúp ban lãnh đạo Vietcombank Thủ Đức nâng cao năng lực cạnh tranh và phát triển nguồn vốn bền vững.