Phân Tích Hiệu Quả Sử Dụng Nguồn Lực Của Các Ngân Hàng Thương Mại Tại Việt Nam Qua Mô Hình Hồi Quy Tobit

Tóm tắt nghiên cứu (Research Summary)

  • Câu hỏi nghiên cứu chính: Mức độ hiệu quả sử dụng các nguồn lực (nhân lực, vật lực, tài lực) của hệ thống Ngân hàng Thương mại (NHTM) tại Việt Nam biến động như thế nào trong giai đoạn dài hạn, và những nhân tố đặc thù nội tại nào tác động trực tiếp đến hiệu quả kỹ thuật này?
  • Phương pháp tiếp cận: Nghiên cứu áp dụng quy trình hai giai đoạn kết hợp: (1) Đánh giá hiệu quả kỹ thuật (CRS_TE, VRS_TE) thông qua mô hình phân tích bao dữ liệu phi tham số (Data Envelopment Analysis - DEA) và hệ thống chỉ tiêu tài chính; (2) Phân tích các nhân tố tác động đến hiệu quả bằng mô hình hồi quy Tobit trên bộ dữ liệu bảng không cân bằng của 33 NHTM Việt Nam giai đoạn 2005 – 2020 (473 quan sát).
  • Phát hiện cốt lõi: Hiệu quả kỹ thuật trung bình không đổi theo quy mô (CRS_TE) của hệ thống đạt 79,22%. Đáng chú ý, không chỉ các ngân hàng lớn (VPBank, Techcombank, TPBank) mà một số ngân hàng quy mô vừa và nhỏ (Bắc Á Bank, Bảo Việt Bank) cũng đạt mức hiệu quả trên 80%. Kết quả hồi quy Tobit chỉ ra rằng tỷ lệ tiền gửi khách hàng (DTA) và tỷ lệ dự phòng rủi ro nợ xấu (RTL) tác động tiêu cực có ý nghĩa thống kê đến hiệu quả sử dụng nguồn lực nếu ngân hàng không tối ưu hóa được đầu ra tương ứng.
  • Hàm ý quản trị: Nghiên cứu cung cấp cơ sở khoa học để các nhà hoạch định chính sách và ban quản trị ngân hàng tái cấu trúc phân bổ nguồn lực, nâng cao chất lượng tài sản và cân đối chi phí vốn huy động với khả năng hấp thụ tín dụng thực tế.

Bối cảnh và tầm quan trọng (Context & Significance)

Thực trạng và khoảng trống nghiên cứu

Trong nền kinh tế thị trường định hướng xã hội chủ nghĩa tại Việt Nam, hệ thống NHTM đóng vai trò là "huyết mạch" tài chính, giữ vị trí trung gian chu chuyển vốn chủ đạo phục vụ tăng trưởng kinh tế. Tuy nhiên, trước các cú sốc vĩ mô toàn cầu, biến động lạm phát, quá trình chuyển đổi số và ảnh hưởng từ đại dịch Covid-19, ngành ngân hàng đang đứng trước áp lực lớn về quản trị chi phí và tối ưu hóa nguồn lực.

Nguồn lực ngân hàng bao gồm ba trụ cột chính: nguồn nhân lực (chất lượng lao động, chi phí nhân viên), nguồn vốn (vốn chủ sở hữu, tiền gửi huy động) và nguồn lực vật chất/công nghệ (tài sản cố định, hạ tầng số). Đa phần các nghiên cứu trước đây tại Việt Nam thường tiếp cận đơn lẻ thông qua phân tích các chỉ số tài chính truyền thống (ROA, ROE, CIR) hoặc chỉ xem xét mô hình DEA tĩnh trong giai đoạn ngắn. Khoảng trống nghiên cứu đặt ra là thiếu một công trình phân tích toàn diện kết hợp giữa DEA hai trạng thái (CRS và VRS) và mô hình hồi quy Tobit trên chuỗi thời gian dài hạn (2005 – 2020) để giải thích cơ chế tác động của các nhân tố nội tại đến hiệu quả sử dụng nguồn lực.

Tính cấp thiết và giá trị thực tiễn

Việc nghiên cứu giai đoạn 2005 – 2020 mang ý nghĩa lịch sử sâu sắc, bao quát chu kỳ kinh tế từ khi Việt Nam gia nhập WTO, trải qua khủng hoảng tài chính 2008, giai đoạn tái cơ cấu nợ xấu 2011 – 2015 cho đến làn sóng số hóa mạnh mẽ. Kết quả từ nghiên cứu là thước đo khách quan giúp các nhà quản trị nhận diện điểm nghẽn phân bổ nguồn lực, khắc phục tình trạng mở rộng quy mô hình thức nhưng hiệu quả kỹ thuật thuần kém, từ đó gia tăng năng lực cạnh tranh trong kỷ nguyên số.

Phương pháp luận và mô hình nghiên cứu (Methodology & Approach)

Thiết kế nghiên cứu tổng thể

Nghiên cứu áp dụng phương pháp định lượng đa bước nhằm bù đắp điểm yếu của từng phương pháp đơn lẻ, tạo cái nhìn đa chiều:

[Dữ liệu BCTC 33 NHTM (2005 - 2020)]

Phương pháp phân tích bao dữ liệu (DEA)

Mô hình DEA định hướng đầu vào (Input-oriented) được triển khai nhằm xác định khả năng tối thiểu hóa các yếu tố đầu vào với mức sản lượng đầu ra cho trước:

  • Mô hình CRS (Charnes, Cooper & Rhodes - 1978): Đo lường hiệu quả kỹ thuật tổng thể ($TE_{CRS}$), giả định hiệu suất không đổi theo quy mô.
  • Mô hình VRS (Banker, Charnes & Cooper - 1984): Đo lường hiệu quả kỹ thuật thuần ($TE_{VRS}$), loại bỏ tác động của quy mô để đánh giá năng lực quản trị nội tại.

Kỹ thuật phân tích hồi quy Tobit

Vì giá trị hiệu quả kỹ thuật $y_i$ từ DEA nằm trong đoạn chặn $[0, 1]$, việc sử dụng hồi quy OLS thông thường sẽ dẫn đến ước lượng chệch và không vững. Nghiên cứu sử dụng mô hình hồi quy Tobit (Tobin, 1958) với dữ liệu bảng không cân xứng thông qua phần mềm STATA 15:

$$TE_CRS_{it} = \beta_1 ETA_{it} + \beta_2 DTA_{it} + \beta_3 LTA_{it} + \beta_4 RTL_{it} + \beta_5 ROA_{it} + \beta_6 NTA_{it} + \beta_7 STA_{it} + \varepsilon_{it}$$

$$TE_VRS_{it} = \beta_1 ETA_{it} + \beta_2 DTA_{it} + \beta_3 LTA_{it} + \beta_4 RTL_{it} + \beta_5 ROA_{it} + \beta_6 NTA_{it} + \beta_7 STA_{it} + \varepsilon_{it}$$

  • Biến giải thích: $ETA$ (Vốn CSH/Tổng tài sản), $DTA$ (Tiền gửi/Tổng tài sản), $LTA$ (Dư nợ cho vay/Tổng tài sản), $RTL$ (Dự phòng rủi ro nợ xấu/Dư nợ cho vay), $ROA$ (Lợi nhuận ròng/Tổng tài sản), $NTA$ (Thu nhập ngoài lãi/Tổng tài sản), $STA$ (Chi phí nhân viên/Tổng số nhân viên).

Phát hiện nghiên cứu chính (Key Findings)

1. Mức hiệu quả kỹ thuật bình quân và xu hướng biến động

  • Điểm hiệu quả kỹ thuật bình quân ($CRS_TE$) của 33 NHTM giai đoạn 2005 – 2020 đạt 79,22%. Mức hiệu quả chạm đáy vào năm 2011 (67,6%) – trùng với thời điểm hệ thống ngân hàng bộc lộ nhiều rủi ro thanh khoản và nợ xấu gia tăng, sau đó phục hồi dần trong giai đoạn tái cơ cấu 2015 – 2020.
  • Đại đa số các ngân hàng đạt mức hiệu quả trên 50%. Chỉ có hai ngân hàng có hiệu quả kỹ thuật trung bình dưới 50% trong mẫu nghiên cứu là GPBank (48,4%) và OceanBank.

2. Sự phân hóa hiệu quả và phát hiện bất ngờ về quy mô

  • Nhóm dẫn đầu (>80%): Gồm 6 NHTM là VPBank (90,3% - cao nhất toàn hệ thống), Techcombank, SeABank, TPBank, Bắc Á Bank (NSB), và Bảo Việt Bank (BVB).
  • Phát hiện bất ngờ: Hiệu quả kỹ thuật không hoàn toàn phụ thuộc vào quy mô tổng tài sản. Các ngân hàng thương mại cổ phần quy mô nhỏ/trung bình như Bắc Á Bank và Bảo Việt Bank đạt thứ hạng hiệu quả cao nhờ chiến lược tối ưu hóa chi phí đầu vào, tinh gọn tài sản cố định và kiểm soát tốt chi phí nhân viên trên từng đơn vị doanh thu tạo ra.

3. Tác động nghịch chiều của tỷ lệ tiền gửi khách hàng (DTA)

Hồi quy Tobit cho thấy biến $DTA$ mang dấu âm có ý nghĩa thống kê ở cả hai mô hình $CRS_TE$ và $VRS_TE$. Điều này phản ánh thực trạng: Khi tỷ lệ huy động vốn từ tiền gửi quá lớn nhưng ngân hàng không khơi thông được dòng vốn tín dụng đầu ra tương ứng hoặc đầu tư kém hiệu quả, chi phí trả lãi sẽ trở thành gánh nặng tài chính, làm suy giảm hiệu quả sử dụng nguồn vốn tổng thể.

4. Rủi ro nợ xấu và gánh nặng trích lập dự phòng (RTL)

Biến $RTL$ (tỷ lệ dự phòng rủi ro trên tổng dư nợ) có hệ số hồi quy âm rất lớn (-2,1087 trong mô hình $CRS_TE$). Đây là nhân tố nội tại tác động tiêu cực mạnh mẽ nhất. Nợ xấu tăng buộc các ngân hàng phải tăng chi phí trích lập dự phòng rủi ro, làm xói mòn lợi nhuận đầu ra trong khi các chi phí nguồn lực đầu vào cố định không thể cắt giảm ngay lập tức.

Đóng góp khoa học và hàm ý chính sách (Academic & Policy Contributions)

Đóng góp về mặt lý luận và phương pháp luận

  • Lý luận: Củng cố khung lý thuyết về trung gian tài chính và lý thuyết sản xuất biên trong lĩnh vực ngân hàng, phân tách rõ giữa hiệu quả quy mô và hiệu quả kỹ thuật thuần trong bối cảnh các nền kinh tế đang phát triển.
  • Phương pháp luận: Minh chứng cho tính ưu việt của mô hình tích hợp DEA - Tobit trên dữ liệu bảng dài hạn, giải quyết triệt để vấn đề biến phụ thuộc bị chặn mà các mô hình hồi quy tuyến tính cổ điển không xử lý được.

Hàm ý thực tiễn cho quản trị ngân hàng

  1. Tối ưu hóa bài toán vốn - đầu ra: Các NHTM cần chuyển dịch từ chiến lược "chạy đua quy mô huy động vốn" sang quản trị thanh khoản linh hoạt, gắn kết chặt chẽ giữa kế hoạch huy động và khả năng giải ngân an toàn.
  2. Kiểm soát chất lượng tín dụng từ gốc: Nâng cao năng lực thẩm định và giám sát sau vay nhằm hạn chế phát sinh nợ xấu, từ đó giảm áp lực trích lập dự phòng $RTL$.
  3. Đẩy mạnh chuyển đổi số để tối ưu chi phí nhân sự ($STA$): Đào tạo nguồn nhân lực số, áp dụng tự động hóa quy trình (RPA) và trí tuệ nhân tạo để tăng năng suất lao động trên mỗi nhân viên, tối đa hóa tỷ trọng thu nhập ngoài lãi ($NTA$).

Đối tượng thụ hưởng và quan tâm (Target Audience)

  • Ban điều hành và Giám đốc tài chính (CFO/CRO) các NHTM: Tham chiếu bộ chỉ số hiệu quả kỹ thuật để định vị ngân hàng mình so với toàn ngành, từ đó tái cơ cấu danh mục tài sản và chi phí hoạt động.
  • Ngân hàng Nhà nước Việt Nam (NHNN) & Cơ quan Thanh tra Giám sát: Cung cấp luận cứ thực nghiệm để xây dựng các chính sách điều hành tín dụng, kiểm soát room tăng trưởng và chuẩn hóa các tỷ lệ an toàn vốn (Basel II, Basel III).
  • Chuyên viên phân tích đầu tư và định giá cổ phiếu ngành Ngân hàng: Sử dụng điểm số DEA và các biến số hồi quy Tobit như một công cụ lượng hóa năng lực quản trị doanh nghiệp ngoài các báo cáo tài chính truyền thống.
  • Giảng viên, nghiên cứu sinh ngành Tài chính - Ngân hàng: Tài liệu tham khảo học thuật chuẩn mực về quy trình ứng dụng DEA kết hợp Tobit trong nghiên cứu kinh tế lượng ứng dụng.

Câu hỏi thường gặp (FAQ)

1. Phát hiện quan trọng nhất của nghiên cứu này là gì?

Phát hiện quan trọng nhất là mối quan hệ nghịch chiều giữa tỷ lệ tiền gửi ($DTA$) và hiệu quả kỹ thuật, cùng với thực tế là các ngân hàng nhỏ (như BVB, NSB) hoàn toàn có thể đạt hiệu quả sử dụng nguồn lực cao hơn ngân hàng lớn nếu tối ưu hóa tốt chi phí đầu vào và quản trị chi phí hoạt động chặt chẽ.

2. Tại sao nghiên cứu phải kết hợp DEA với mô hình hồi quy Tobit?

DEA giúp tính toán chỉ số hiệu quả kỹ thuật ($TE$) mà không cần giả định hàm sản xuất cụ thể. Tuy nhiên, giá trị $TE$ luôn bị giới hạn trong khoảng $[0, 1]$. Do đó, mô hình Tobit (censored regression) là lựa chọn kinh tế lượng chuẩn xác nhất để phân tích các yếu tố tác động đến $TE$ mà không bị sai lệch ước lượng như phương pháp OLS.

3. Kết quả nghiên cứu có thể khái quát hóa cho giai đoạn hiện nay không?

Có. Mẫu nghiên cứu kéo dài 16 năm (2005 – 2020) trải qua đầy đủ các chu kỳ thăng trầm của nền kinh tế Việt Nam. Các nguyên lý về quản trị nợ xấu ($RTL$), tối ưu hóa cơ cấu huy động - cho vay và nâng cao năng suất nhân sự vẫn giữ nguyên giá trị cốt lõi trong bối cảnh hiện tại.

4. Hạn chế của nghiên cứu và hướng mở rộng là gì?

Nghiên cứu chủ yếu tập trung vào các yếu tố nội tại của ngân hàng và dữ liệu bảng không cân xứng do một số thương vụ sáp nhập. Hướng mở rộng tiếp theo có thể tích hợp thêm các biến kinh tế vĩ mô (lạm phát, tăng trưởng GDP) và áp dụng mô hình Dynamic DEA hoặc DEA mạng lưới (Network DEA).

5. Ứng dụng thực tế tức thì của nghiên cứu đối với một NHTM là gì?

Ngân hàng có thể rà soát lại tương quan giữa chi phí lao động ($STA$), tài sản cố định ($I2$) với mức đóng góp vào thu nhập lãi thuần ($O1$) và phi lãi ($O2$), từ đó cắt giảm các chi nhánh hoạt động kém hiệu quả và tái phân bổ hạn mức tín dụng sinh lời cao.

Kết luận (Conclusion)

Công trình nghiên cứu đã lượng hóa thành công bức tranh toàn cảnh về hiệu quả sử dụng nguồn lực của 33 NHTM Việt Nam xuyên suốt giai đoạn 2005 – 2020. Thông qua việc kết hợp chặt chẽ giữa phân tích bao dữ liệu (DEA) và hồi quy Tobit, đề tài đã chứng minh rằng năng lực quản trị chất lượng tài sản, kiểm soát nợ xấu và phân bổ đầu vào hợp lý mang tính quyết định đến hiệu quả hoạt động hơn là việc đơn thuần mở rộng quy mô tổng tài sản. Đây là tài liệu tham khảo giá trị cho các nhà quản trị ngân hàng trong tiến trình tái cơ cấu và nâng cao năng lực cạnh tranh bền vững.

(Nguồn tham khảo: Đề tài Nghiên cứu Khoa học Sinh viên - Học viện Ngân hàng, Năm học 2021 – 2022)