Giới thiệu dự án

Trong cấu trúc tài chính của nền kinh tế thị trường, hoạt động huy động vốn tiền gửi tiết kiệm (TGTK) đóng vai trò huyết mạch, quyết định quy mô tín dụng, khả năng thanh khoản và biên lợi nhuận ròng (NIM) của các ngân hàng thương mại (NHTM). Tại Việt Nam, giai đoạn phục hồi kinh tế hậu đại dịch COVID-19 chứng kiến sự biến động mạnh mẽ của mặt bằng lãi suất điều hành từ Ngân hàng Nhà nước (NHNN) cùng với sự gia tăng cạnh tranh gay gắt từ thị trường tài chính số và các kênh đầu tư thay thế (chứng khoán, bất động sản, trái phiếu doanh nghiệp).

Vấn đề đặt ra đối với Ngân hàng TMCP Đầu tư và Phát triển Việt Nam (BIDV) - Chi nhánh Thành phố Thủ Đức là việc xác định chính xác các nhân tố chi phối hành vi ra quyết định gửi tiền của khách hàng cá nhân (KHCN), trong bối cảnh địa bàn Thành phố Thủ Đức đang chuyển mình thành đô thị sáng tạo với cơ cấu dân cư và thu nhập biến đổi nhanh chóng.

Mục tiêu cụ thể của dự án nghiên cứu:

  1. Xác định và lượng hóa các nhân tố ảnh hưởng đến quyết định gửi tiền tiết kiệm của KHCN tại BIDV - Chi nhánh Thành phố Thủ Đức.
  2. Đo lường mức độ tác động và chiều hướng của từng nhân tố thông qua mô hình kinh tế lượng thực nghiệm.
  3. Kiểm định sự phù hợp của mô hình và đề xuất hệ thống hàm ý quản trị giúp gia tăng quy mô nguồn vốn huy động bán lẻ bền vững.

Giải pháp nghiên cứu được xây dựng dựa trên sự kết hợp giữa Lý thuyết Hành động Hợp lý (TRA - Theory of Reasoned Action) của Fishbein & Ajzen (1975) và Lý thuyết Hành vi Dự định (TPB - Theory of Planned Behavior) của Ajzen (1991), kết hợp quy trình phân tích định lượng chuẩn hóa trên phần mềm thống kê chuyên dụng. Phạm vi nghiên cứu tập trung vào 271 khách hàng cá nhân thực hiện giao dịch TGTK tại BIDV Chi nhánh TP. Thủ Đức trong khung thời gian từ tháng 03/2023 đến tháng 06/2023.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Thị trường huy động tiền gửi cá nhân tại khu vực TP. Thủ Đức có tính cạnh tranh cao giữa các NHTM Nhà nước (Big 4) và các NHTM Cổ phần đô thị. Các giải pháp huy động truyền thống bộc lộ nhiều điểm hạn chế khi tiếp cận nhóm khách hàng số hóa thế hệ mới.

Giải pháp hiện hữu Ưu điểm Nhược điểm Cơ hội tối ưu hóa
Cạnh tranh bằng Lãi suất danh nghĩa Thu hút vốn nhạy cảm nhanh trong ngắn hạn Tăng chi phí vốn (COF), gây rủi ro kỳ hạn và thanh khoản Thiết kế biểu lãi suất bậc thang linh hoạt theo kỳ hạn và số dư
Mở rộng phòng giao dịch vật lý Tăng độ nhận diện thương hiệu truyền thống Chi phí vận hành lớn, không tối ưu cho tệp khách hàng trẻ Tích hợp tiện ích số hóa qua ứng dụng di động (Omni-channel)
Khuyến mãi quà tặng hiện vật Tạo hiệu ứng chú ý tức thời Không tạo ra sự gắn kết tài chính dài hạn Cá nhân hóa ưu đãi theo điểm tín nhiệm và trải nghiệm số

Yêu cầu nghiên cứu được phân loại theo ma trận MoSCoW:

  • Must-have: Xác định mức độ tác động của Lãi suất, Thương hiệu, Chất lượng dịch vụ đối với quyết định gửi tiền.
  • Should-have: Đánh giá vai trò của Nhóm tham khảo (Ảnh hưởng người thân quen) và Sự thuận tiện mạng lưới/công nghệ.
  • Could-have: Đo lường tác động tương hỗ giữa các chương trình Chiêu thị và Kỹ năng tư vấn của Nhân viên.
  • Won't-have (giai đoạn này): Phân tích hành vi gửi tiền của nhóm khách hàng định chế / doanh nghiệp lớn.

Thiết kế hệ thống

Kiến trúc mô hình nghiên cứu bao gồm 7 biến độc lập tác động trực tiếp lên 1 biến phụ thuộc (Quyết định gửi tiền tiết kiệm - $QD$), được vận hành qua 33 biến quan sát chuẩn hóa trên thang đo Likert 5 điểm (1: Rất không quan trọng $\rightarrow$ 5: Rất quan trọng).

                      MÔ HÌNH HỒI QUY ĐA BIẾN (OLS)

Công thức toán học tổng quát của phương trình hồi quy tuyến tính:

$$Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + \beta_3 X_3 + \beta_4 X_4 + \beta_5 X_5 + \beta_6 X_6 + \beta_7 X_7 + \varepsilon$$

Trong đó:

  • $Y$: Quyết định gửi tiền tiết kiệm của KHCN ($QD$).
  • $X_1$: Lãi suất ($LS$ - 5 biến quan sát).
  • $X_2$: Ảnh hưởng người thân quen ($AH$ - 4 biến quan sát).
  • $X_3$: Sự thuận tiện ($TT$ - 3 biến quan sát).
  • $X_4$: Hình thức chiêu thị ($CT$ - 4 biến quan sát).
  • $X_5$: Đội ngũ nhân viên ($NV$ - 4 biến quan sát).
  • $X_6$: Uy tín thương hiệu ($TH$ - 5 biến quan sát).
  • $X_7$: Chất lượng dịch vụ ($CL$ - 5 biến quan sát).
  • $\beta_0$: Hằng số tự do; $\beta_1 \dots \beta_7$: Hệ số hồi quy riêng phần; $\varepsilon$: Sai số ngẫu nhiên.

Methodology

Quy trình nghiên cứu kết hợp hai giai đoạn:

  1. Nghiên cứu định tính: Phỏng vấn sâu 4 chuyên gia lãnh đạo cấp phòng và ban giám đốc BIDV Chi nhánh TP. Thủ Đức (Giám đốc, Phó Giám đốc, Trưởng phòng Giao dịch, Trưởng phòng Nội bộ) để hiệu chỉnh bảng câu hỏi sơ bộ và xác nhận tính thực tế của các thang đo.
  2. Nghiên cứu định lượng:
    • Xác định quy mô mẫu tối thiểu: Áp dụng quy tắc kinh nghiệm của Hair et al. (2014) với tỷ lệ quan sát trên biến đo lường tối thiểu là $5:1$ ($N \ge 5 \times 33 = 165$) và quy tắc Tabachnick & Fidell (2007) cho hồi quy tuyến tính ($N \ge 50 + 8 \times 7 = 106$).
    • Mẫu thực tế thu thập: Phát ra 276 phiếu, thu về 271 mẫu hợp lệ sau sàng lọc ($N = 271$), thỏa mãn đầy đủ các điều kiện phân tích kinh tế lượng.
    • Công cụ xử lý: Sử dụng phần mềm thống kê chuyên dụng IBM SPSS Statistics phiên bản 25.0.

Implementation và kết quả

Development process

Quá trình thu thập và xử lý dữ liệu được tổ chức theo quy trình nghiêm ngặt gồm 4 bước kỹ thuật chính:

# Mô phỏng thuật toán xử lý dữ liệu thống kê (Data Processing Pipeline)
import numpy as np
import pandas as pd
from statsmodels.stats.outliers_influence import variance_inflation_factor
from sklearn.linear_model import LinearRegression

def validate_econometric_pipeline(df, independent_cols, dependent_col):
    # Bước 1: Kiểm tra tương quan Pearson
    corr_matrix = df[independent_cols + [dependent_col]].corr(method='pearson')
    
    # Bước 2: Ước lượng mô hình OLS
    X = df[independent_cols]
    y = df[dependent_col]
    model = LinearRegression().fit(X, y)
    
    # Bước 3: Tính toán hệ số phóng đại phương sai (VIF)
    vif_data = pd.DataFrame()
    vif_data["feature"] = independent_cols
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(independent_cols))]
    
    return model, corr_matrix, vif_data

Testing và validation

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

Tiêu chuẩn chấp nhận: Hệ số $\text{Cronbach's Alpha} \ge 0.70$, hệ số tương quan biến - tổng biến thiên (Corrected Item-Total Correlation) $\ge 0.30$. Kết quả kiểm định cho thấy cả 8 thang đo (7 độc lập, 1 phụ thuộc) đều đạt độ tin cậy nội hàm cao:

  • Thang đo Lãi suất ($LS$): $\alpha \ge 0.82$, các biến $LS1 - LS5$ đạt chuẩn.
  • Thang đo Thương hiệu ($TH$): $\alpha \ge 0.85$, tương quan biến tổng $> 0.45$.
  • Thang đo Biến phụ thuộc Quyết định gửi tiền ($QD$): $\alpha \ge 0.81$.

2. Phân tích nhân tố khám phá (Exploratory Factor Analysis - EFA)

Thực hiện trích hệ số chính (Principal Component Analysis) với phép quay vuông góc Varimax:

  • Biến độc lập: Chỉ số $KMO = 0.842$ ($0.5 \le KMO \le 1.0$), kiểm định Bartlett có $\text{Sig.} = 0.000 < 0.05$, bác bỏ giả thuyết $H_0$ về ma trận tương quan đơn vị.
  • Giá trị Eigenvalue của nhân tố thứ 7 đạt $> 1.0$, Tổng phương sai trích (Total Variance Explained) đạt $> 61.4% (> 50%)$, các hệ số tải nhân tố (Factor Loading) đều vượt ngưỡng $0.50$.
  • Biến phụ thuộc: $KMO = 0.731$, $\text{Sig. Bartlett} = 0.000$, phương sai trích đạt $> 63.8%$.

3. Phân tích tương quan Pearson & Đa cộng tuyến (VIF)

  • Ma trận tương quan Pearson khẳng định tất cả các biến độc lập đều có mối liên hệ tuyến tính có ý nghĩa thống kê ($p < 0.01$) với biến phụ thuộc $QD$.
  • Kiểm định hiện tượng đa cộng tuyến: Hệ số phóng đại phương sai $VIF$ của tất cả các biến độc lập đều nằm trong khoảng $1.15 \le VIF \le 2.30$, nhỏ hơn nhiều so với ngưỡng cảnh báo vi phạm ($VIF < 10$), khẳng định không xảy ra hiện tượng đa cộng tuyến.
  • Hệ số Durbin-Watson đạt giá trị xấp xỉ $1.89 \approx 2.0$, chứng minh phần dư không có tương quan chuỗi bậc nhất.
                      PHÂN PHỐI CHUẨN CỦA PHẦN DƯ
                        (Standardized Residual)
                                
                       -3   -2  -1 0  1  2  3
                      Mean ≈ 0, Std. Dev ≈ 0.99

Kết quả đạt được

Mô hình hồi quy đạt độ phù hợp tổng thể cao với hệ số xác định hiệu chỉnh $R^2 \text{ Adj} = 0.584$, nghĩa là 7 nhân tố trong mô hình giải thích được $58.4%$ sự biến thiên trong quyết định gửi tiền tiết kiệm của khách hàng cá nhân. Kiểm định ANOVA có giá trị kiểm định $F$ với mức ý nghĩa $Sig. = 0.000 < 0.05$.

XẾP HẠNG MỨC ĐỘ ẢNH HƯỞNG CỦA CÁC YẾU TỐ (THEO HỆ SỐ BETA CHUẨN HÓA)

Lãi suất (LS)          [██████████████████████████████] β = 0.342 (Mạnh nhất)
Thương hiệu (TH)       [████████████████████] β = 0.228
Chất lượng DV (CL)     [████████████████] β = 0.185
Sự thuận tiện (TT)     [████████████] β = 0.141
Người thân quen (AH)   [██████████] β = 0.119
Nhân viên (NV)         [████████] β = 0.098
Chiêu thị (CT)         [██████] β = 0.076

Tất cả 7 giả thuyết từ $H_1$ đến $H_7$ đều được chấp nhận ở mức ý nghĩa thống kê $p < 0.05$. Yếu tố Lãi suất ($X_1$) có trọng số tác động cao nhất, tiếp theo là Uy tín thương hiệu ($X_6$) và Chất lượng dịch vụ ($X_7$).

Đổi mới và đóng góp

Nghiên cứu mang lại những đóng góp học thuật và thực tiễn rõ rệt khi đặt trong hệ quy chiếu so sánh với các công trình nghiên cứu hành vi tài chính tiêu biểu tại Việt Nam.

Tiêu chí phân tích Nghiên cứu của Lê Thị Kim Anh (2016) Nghiên cứu của Cẩm Vân (2021) Đề tài hiện tại (BIDV Thủ Đức - 2023)
Địa bàn nghiên cứu TP. Tuy Hòa, Tỉnh Phú Yên Agribank Chi nhánh Long An BIDV - Chi nhánh TP. Thủ Đức
Quy mô mẫu ($N$) 512 mẫu Không nêu rõ chuẩn hóa 271 mẫu chuẩn hóa ($N \ge 5k$)
Phương pháp kiểm định EFA & Hồi quy OLS Cronbach's $\alpha$, EFA, OLS Phỏng vấn chuyên gia + EFA + OLS + Kiểm định phần dư chuẩn
Nhân tố chi phối chính Sự an toàn & Lợi ích tài chính Uy tín thương hiệu Lãi suất ($\beta = 0.342$) & Thương hiệu ($\beta = 0.228$)
Bối cảnh kinh tế Ổn định vĩ mô giai đoạn 2016 Cạnh tranh nông thôn/ngoại thành Biến động lãi suất phục hồi hậu COVID-19 & Đô thị hóa TP. Thủ Đức

Những điểm cải tiến nổi bật:

  1. Tính cập nhật thời điểm: Nghiên cứu phản ánh sự thay đổi căn bản trong tâm lý người gửi tiền sau biến động kinh tế vĩ mô 2022-2023, khi biến số lãi suất vươn lên thành động lực quyết định vượt trội so với các yếu tố truyền thống.
  2. Định lượng tác động kênh số hóa: Đưa biến quan sát công nghệ ngân hàng số (Internet Banking/Mobile Banking) vào cấu phần của thang đo Sự thuận tiện ($TT3$), phản ánh xu hướng chuyển dịch của khách hàng đô thị mới tại TP. Thủ Đức.
  3. Quy trình kết hợp định tính - định lượng đa tầng: Sử dụng phỏng vấn sâu ban điều hành chi nhánh để hiệu chỉnh bảng hỏi trước khi khảo sát thực địa giúp nâng cao giá trị nội dung (Content Validity) của thang đo.

Ứng dụng thực tế và triển khai

Dựa trên kết quả định lượng, một lộ trình triển khai 4 nhóm giải pháp chiến lược được thiết kế cho BIDV Chi nhánh TP. Thủ Đức:

                          LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP
  1. Chính sách Lãi suất linh hoạt (Ưu tiên số 1):
    • Áp dụng lãi suất bậc thang tự động cộng thêm từ $0.1% - 0.3%$/năm cho khách hàng gửi tiền trực tuyến qua ứng dụng BIDV SmartBanking.
    • Minh bạch hóa công cụ tính lãi dự thu tức thì trên nền tảng web và app để khách hàng chủ động tính toán lợi nhuận.
  2. Củng cố Uy tín Thương hiệu và An toàn tài chính:
    • Truyền thông mạnh mẽ vị thế định chế tài chính Nhà nước vững mạnh, bảo chứng tuyệt đối cho an toàn tiền gửi.
    • Ứng dụng xác thực sinh trắc học và thông báo biến động số dư tức thời nhằm triệt tiêu rủi ro an ninh tài khoản.
  3. Nâng cao Chất lượng dịch vụ và Năng lực nhân sự:
    • Thiết lập quy chuẩn xử lý giao dịch tại quầy dưới 5 phút/khách hàng.
    • Chuẩn hóa bộ kỹ năng tư vấn danh mục đầu tư tích lũy an toàn cho đội ngũ giao dịch viên.

Dự phóng hiệu quả tài chính:

  • Tăng trưởng quy mô tiền gửi cá nhân tại chi nhánh: Dự kiến tăng $15% - 18%$ sau 12 tháng triển khai đồng bộ.
  • Tỷ lệ duy trì khách hàng tái gửi khi đáo hạn (Retention Rate): Đạt trên $85%$.

Hạn chế và hướng phát triển

Dự án thừa nhận một số giới hạn phương pháp luận cần tiếp tục hoàn thiện:

  1. Phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu thuận tiện (phi xác suất) do rào cản tiếp cận dữ liệu bảo mật ngân hàng, có thể làm giảm tính đại diện cho toàn bộ địa bàn TP. Hồ Chí Minh.
  2. Phạm vi không gian: Dữ liệu chỉ giới hạn tại một chi nhánh ngân hàng (BIDV Chi nhánh TP. Thủ Đức), chưa đối chiếu đa trung tâm với các chi nhánh BIDV khác hoặc các ngân hàng thương mại đối thủ trong cùng phân khúc.
  3. Phương pháp kinh tế lượng: Mô hình chỉ dừng lại ở hồi quy OLS đơn chiều, chưa phân tích cấu trúc tuyến tính bình phương bé nhất từng phần (PLS-SEM) để đánh giá các biến trung gian hoặc biến điều tiết như Thu nhập cá nhân hay Độ tuổi.

Hướng nghiên cứu tiếp theo:

  • Mở rộng quy mô mẫu lên $N \ge 600$ trên phạm vi toàn vùng kinh tế trọng điểm phía Nam.
  • Ứng dụng mô hình SEM (Structural Equation Modeling) để kiểm tra tác động điều tiết của yếu tố công nghệ tài chính FinTech đối với hành vi gửi tiết kiệm truyền thống.

Đối tượng hưởng lợi

  • Sinh viên & Học viên chuyên ngành Tài chính - Ngân hàng: Cung cấp tài liệu tham khảo chuẩn mực về phương pháp luận nghiên cứu định lượng, kỹ thuật xây dựng thang đo và phân tích dữ liệu SPSS 25.0 hoàn chỉnh.
  • Ban điều hành BIDV & Quản lý Chi nhánh: Sở hữu bộ số liệu định lượng làm cơ sở hoạch định chính sách lãi suất, ngân sách chiêu thị và tiêu chuẩn đánh giá chất lượng dịch vụ khách hàng cá nhân.
  • Nhà nghiên cứu kinh tế lượng ứng dụng: Tham khảo mô hình nghiên cứu kết hợp giữa TRA, TPB trong bối cảnh phân tích hành vi tiêu dùng dịch vụ tài chính vi mô tại Việt Nam.

Câu hỏi thường gặp

1. Cần điều kiện gì để ứng dụng mô hình nghiên cứu này cho các chi nhánh ngân hàng khác?

Chi nhánh cần thiết kế lại kích thước mẫu theo công thức $N \ge 5k$ tương ứng với số biến quan sát sau khi đã thực hiện phỏng vấn định tính chuyên gia địa phương để điều chỉnh các chỉ báo đo lường đặc thù.

2. Vì sao hệ số VIF thấp lại quan trọng trong phân tích hồi quy tiền gửi tiết kiệm?

Hệ số $VIF < 2.0$ đảm bảo các biến độc lập (như Lãi suất và Thương hiệu) không bị trùng lắp thông tin giải thích, giúp giá trị các hệ số $\beta$ phản ánh chính xác tác động riêng phần của từng nhân tố mà không bị sai lệch ước lượng.

3. Nghiên cứu giải quyết vấn đề khách hàng chuyển dịch sang gửi tiết kiệm trực tuyến như thế nào?

Biến quan sát $TT3$ ("BIDV triển khai nhiều hình thức online như internet banking/mobile banking thuận tiện để quản lý và giao dịch các khoản tiết kiệm") được tích hợp trực tiếp vào thang đo Sự thuận tiện, đạt hệ số tải nhân tố $> 0.60$, khẳng định vai trò trọng yếu của ngân hàng số trong việc thúc đẩy quyết định gửi tiền.

4. Chi phí để nâng cao chỉ số "Chất lượng dịch vụ" có quá tốn kém so với hiệu quả mang lại?

Không nhất thiết phải đầu tư hạ tầng tốn kém. Tối ưu hóa quy trình thủ tục tinh gọn, đào tạo tác phong phục vụ chuyên nghiệp của nhân viên giao dịch và cải thiện giao diện ứng dụng số là những giải pháp có chi phí thấp nhưng mang lại giá trị cải thiện $\beta = 0.185$ trực tiếp vào quyết định của khách hàng.

5. Kết quả nghiên cứu có áp dụng được trong giai đoạn lãi suất thị trường giảm sâu không?

Có. Khi lãi suất danh nghĩa giảm, vai trò của các biến số Thương hiệu ($\beta = 0.228$) và Chất lượng dịch vụ ($\beta = 0.185$) sẽ tự động trở thành các yếu tố trọng tâm giúp ngân hàng giữ chân dòng vốn tiền gửi ổn định nhờ niềm tin và sự thuận tiện.

Kết luận

Đề tài khóa luận đã giải quyết trọn vẹn mục tiêu nghiên cứu thông qua việc nhận diện và lượng hóa chính xác 7 nhân tố ảnh hưởng đến quyết định gửi tiền tiết kiệm của khách hàng cá nhân tại BIDV Chi nhánh TP. Thủ Đức với cỡ mẫu $N = 271$. Bằng hệ thống kiểm định thống kê đa biến chặt chẽ từ Cronbach's Alpha, phân tích nhân tố khám phá EFA đến hồi quy OLS, nghiên cứu chứng minh Lãi suất ($\beta = 0.342$), Thương hiệu ($\beta = 0.228$) và Chất lượng dịch vụ ($\beta = 0.185$) là ba trụ cột chi phối mạnh nhất đến quyết định của khách hàng. Kết quả thực nghiệm là căn cứ khoa học vững chắc để ban lãnh đạo ngân hàng ban hành các quyết sách kinh doanh phù hợp, nâng cao năng lực cạnh tranh và phát triển nguồn vốn huy động ổn định trong giai đoạn phát triển mới.