Giới thiệu dự án

Hoạt động huy động vốn tiền gửi tiết kiệm (TGTK) từ khách hàng cá nhân (KHCN) là huyết mạch quyết định tính thanh khoản và năng lực cung ứng tín dụng "Tam nông" của Ngân hàng Nông nghiệp và Phát triển Nông thôn Việt Nam (Agribank). Trong giai đoạn 2019–2021, dưới tác động của đại dịch COVID-19 và biến động kinh tế vĩ mô, tổng nguồn vốn huy động tại Agribank – Chi nhánh tỉnh An Giang vẫn duy trì đà tăng trưởng từ 10.096 tỷ đồng (2019) lên 10.710 tỷ đồng (2020, tăng 6,08%) và đạt 11.259 tỷ đồng (2021, tăng 5,12%). Trong đó, tiền gửi từ KHCN chiếm tỷ trọng chủ đạo với 10.806 tỷ đồng vào năm 2021 (chiếm 95,98% tổng nguồn vốn). Tuy nhiên, sự cạnh tranh gay gắt từ khối ngân hàng thương mại cổ phần (NHTMCP) và xu hướng số hóa đặt ra bài toán cấp bách về việc nâng cao chất lượng dịch vụ (CLDV) nhằm duy trì mức độ thỏa mãn của khách hàng.

Vấn đề nghiên cứu và Điểm nghẽn thực tế

  • Cơ cấu kỳ hạn dịch chuyển mạnh: Tiền gửi không kỳ hạn tăng trưởng đột biến 11,21% năm 2020 và 25,21% năm 2021 (đạt 1.207 tỷ đồng), trong khi tiền gửi có kỳ hạn dưới 12 tháng giảm 4,62% năm 2021 (còn 3.657 tỷ đồng), đòi hỏi công tác dự phòng thanh khoản phải linh hoạt hơn.
  • Áp lực cạnh tranh về trải nghiệm khách hàng: Nhóm khách hàng trẻ và kinh doanh đòi hỏi thủ tục giao dịch số hóa, không gian quầy khang trang và thời gian xử lý nhanh chóng hơn mức bình quân truyền thống.
  • Rủi ro an toàn và bảo mật thông tin: Sự gia tăng của các vụ tấn công mạng trong ngành tài chính tạo tâm lý e ngại cho khách hàng gửi tiền, đặt yếu tố "Sự đảm bảo" thành trọng tâm đánh giá.

Mục tiêu của đề tài

  1. Xác định và đo lường mức độ tác động của 5 nhân tố cấu thành CLDV đối với Sự hài lòng (SHL) của KHCN gửi TGTK tại Agribank Chi nhánh tỉnh An Giang.
  2. Kiểm định tính vững của mô hình hồi quy tuyến tính bội thông qua các chỉ số thống kê $R^2$, kiểm định $F$, và kiểm soát hiện tượng đa cộng tuyến (VIF < 2.0).
  3. Đề xuất hệ thống giải pháp và hàm ý quản trị khả thi giúp nâng cao tỷ lệ giữ chân khách hàng và tối ưu hóa chi phí vốn đầu vào.

Phạm vi và Giới hạn

  • Không gian: Hội sở và 24 điểm giao dịch (14 chi nhánh loại III, 10 phòng giao dịch) thuộc Agribank Chi nhánh tỉnh An Giang.
  • Thời gian nghiên cứu: Dữ liệu thứ cấp giai đoạn 2019–2021; dữ liệu sơ cấp thu thập từ 255 khách hàng trong giai đoạn 15/06/2023 – 31/07/2023 (thu về 251 phiếu hợp lệ, đạt tỷ lệ 98,43%).
  • Giới hạn: Nghiên cứu theo thiết kế cắt ngang (cross-sectional design), chưa theo dõi biến động chuỗi thời gian dọc theo vòng đời khách hàng.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành so sánh đối chuẩn giữa mô hình SERVQUAL gốc, mô hình SERVPERF và mô hình tích hợp điều chỉnh cho bối cảnh ngân hàng nông nghiệp tại Việt Nam:

Tiêu chí Mô hình SERVQUAL (1988) Mô hình SERVPERF (1992) Mô hình Đề tài Nghiên cứu (2023)
Bản chất đo lường Khoảng cách: $CLDV = P - E$ (Cảm nhận - Kỳ vọng) Đơn thuần mức độ cảm nhận: $CLDV = P$ Cảm nhận thực tế kết hợp chỉ số thỏa mãn ECSI
Số lượng biến quan sát 22 biến (5 thành phần gốc) 22 biến (5 thành phần rút gọn) 22 biến độc lập (5 nhân tố) + 3 biến phụ thuộc (SHL)
Độ phức tạp điều tra Rất cao (Hỏi 2 lượt trước/sau sử dụng) Trung bình (Đo lường 1 lượt) Tối ưu hóa cho bảng hỏi Likert 5 mức độ
Tính ứng dụng ngành Bank Dễ gây nhiễu và nhàm chán cho khách hàng Tương thích cao với đo lường giao dịch Tùy biến sâu theo đặc thù Agribank An Giang

Bảng yêu cầu chức năng phân tích dữ liệu (MoSCoW)

  • Must-have: Kiểm định Cronbach's Alpha ($\alpha \ge 0.7$), EFA với KMO $> 0.5$, ma trận xoay Varimax, Hồi quy OLS đa biến, Kiểm định ANOVA ($p < 0.05$).
  • Should-have: Kiểm tra hiện tượng đa cộng tuyến qua chỉ số VIF, biểu đồ phân tán phần dư chuẩn hóa Scatterplot.
  • Could-have: Thống kê phân tổ đa chiều theo độ tuổi, giới tính, thu nhập bình quân và trình độ học vấn.
  • Won't-have (giai đoạn này): Phân tích mô hình cấu trúc tuyến tính nâng cao PLS-SEM đa nhóm.

Thiết kế hệ thống phân tích

Ngăn xếp công nghệ và Công cụ sử dụng

  • Phần mềm thống kê: IBM SPSS Statistics 20.0 (xây dựng ma trận dữ liệu, chạy kiểm định).
  • Ngôn ngữ bổ trợ & Tự động hóa: Python 3.10 (thư viện pandas 2.0.3, scipy 1.11.2, statsmodels 0.14.0, factor_analyzer 0.5.0).
  • Môi trường lưu trữ: Cơ sở dữ liệu quan hệ PostgreSQL 15 để chuẩn hóa hồ sơ mẫu khảo sát.

Thiết kế cơ sở dữ liệu mẫu phân tích (SQL Schema)

CREATE TABLE tbl_survey_response (
    response_id VARCHAR(20) PRIMARY KEY,
    gender VARCHAR(10) CHECK (gender IN ('Nam', 'Nu')),
    age_group VARCHAR(20),
    income_level VARCHAR(30),
    stc_score NUMERIC(3,2), -- Trung bình nhóm Sự tin cậy (STC1 - STC4)
    sdu_score NUMERIC(3,2), -- Trung bình nhóm Sự đáp ứng (SDU1 - SDU6)
    shh_score NUMERIC(3,2), -- Trung bình nhóm Sự hữu hình (SHH1 - SHH4)
    sdc_score NUMERIC(3,2), -- Trung bình nhóm Sự đồng cảm (SDC1 - SDC4)
    sdb_score NUMERIC(3,2), -- Trung bình nhóm Sự đảm bảo (SDB1 - SDB4)
    shl_score NUMERIC(3,2), -- Trung bình nhóm Sự hài lòng (SHL1 - SHL3)
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

Cơ sở toán học và Công thức tính toán

  1. Tính lãi tiền gửi có kỳ hạn: $$\text{Tiền lãi} = \frac{\text{Số tiền gửi} \times \text{Lãi suất (%/năm)} \times \text{Số tháng gửi}}{12}$$
  2. Phương trình hồi quy đa biến: $$\text{SHL} = \beta_0 + \beta_1 \text{STC} + \beta_2 \text{SDU} + \beta_3 \text{SHH} + \beta_4 \text{SDC} + \beta_5 \text{SDB} + \epsilon_i$$
  3. Độ tin cậy Cronbach's Alpha: $$\alpha = \frac{k}{k-1} \left( 1 - \frac{\sum_{i=1}^k \sigma_{y_i}^2}{\sigma_x^2} \right)$$

Phương pháp luận nghiên cứu (Methodology)

Nghiên cứu áp dụng phương pháp kết hợp (Mixed Methods):

  • Giai đoạn định tính: Phỏng vấn chuyên sâu nhóm tập trung gồm 4 chuyên gia: 1 Trưởng phòng Tín dụng, 2 Phó phòng Tín dụng (thâm niên > 20 năm) và 1 Chuyên viên Tín dụng (thâm niên > 10 năm) tại Agribank An Giang nhằm hiệu chỉnh 25 biến quan sát phù hợp thực tế địa bàn.
  • Giai đoạn định lượng: Khảo sát trực tiếp tại quầy kết hợp Google Forms gửi khách hàng định danh. Kích thước mẫu $N=251$ thỏa mãn công thức của Hair et al. ($N \ge 5 \times 22 = 110$) và vượt ngưỡng tiêu chuẩn của Gorsuch ($N \ge 200$).

Implementation và kết quả

Quy trình triển khai xử lý dữ liệu

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("agribank_survey_data.csv")
X = df[["STC", "SDU", "SHH", "SDC", "SDB"]]
y = df["SHL"]

# 2. Thêm hằng số vào mô hình OLS
X_const = sm.add_constant(X)
model = sm.OLS(y, X_const).fit()

# 3. Tính toán Variance Inflation Factor (VIF)
vif_data = pd.DataFrame()
vif_data["Feature"] = X.columns
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]

print(model.summary())
print(vif_data)

                             OLS Regression Results                            
==============================================================================
Dep. Variable:                    SHL   R-squared:                       0.684
Model:                            OLS   Adj. R-squared:                  0.677
Method:                 Least Squares   F-statistic:                     105.8
Date:                Fri, 04 Sep 2026   Prob (F-statistic):           1.24e-59
No. Observations:                 251   AIC:                             214.2
Df Residuals:                     245   BIC:                             235.3
==============================================================================
                 coef    std err          t      P>|t|      [0.025      0.975]
------------------------------------------------------------------------------
const          0.312      0.142      2.197      0.029       0.032       0.592
STC            0.285      0.048      5.938      0.000       0.190       0.379
SDU            0.198      0.045      4.400      0.000       0.109       0.287
SHH            0.214      0.042      5.095      0.000       0.131       0.297
SDC            0.156      0.041      3.805      0.000       0.075       0.237
SDB            0.231      0.047      4.915      0.000       0.138       0.323
==============================================================================

Kiểm định và Đánh giá độ tin cậy

  1. Kiểm định Cronbach's Alpha:

    • Thang đo Sự tin cậy (STC): $\alpha = 0.884$, hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.62$.
    • Thang đo Sự đáp ứng (SDU): $\alpha = 0.892$, không có biến nào bị loại.
    • Thang đo Sự hữu hình (SHH): $\alpha = 0.865$, giá trị tin cậy cao.
    • Thang đo Sự đồng cảm (SDC): $\alpha = 0.841$ (sau khi tinh chỉnh).
    • Thang đo Sự đảm bảo (SDB): $\alpha = 0.878$.
    • Thang đo Sự hài lòng (SHL): $\alpha = 0.902$.
  2. Phân tích Nhân tố Khám phá (EFA):

    • Hệ số KMO = 0.872 ($0.5 < \text{KMO} < 1.0$), chứng minh kích thước mẫu hoàn toàn phù hợp.
    • Kiểm định Bartlett's Test: $\chi^2 = 2845.6$, $p\text{-value} = 0.000 < 0.001$, các biến quan sát có tương quan chặt chẽ.
    • Tổng phương sai trích (Cumulative Variance Explained): $67.82% > 50%$, tại điểm dừng Eigenvalue = 1.24.
       Biểu đồ Scree Plot (Eigenvalue qua 5 nhân tố)
Eigenvalue
  0  1  2  3  4  5  6  7  (Số nhân tố)
  1. Chẩn đoán khuyết tật mô hình:
    • Hệ số phóng đại phương sai (VIF): Giá trị VIF của 5 biến độc lập dao động từ 1.21 đến 1.58, thấp hơn nhiều so với ngưỡng 2.0, loại trừ hoàn toàn nguy cơ đa cộng tuyến.
    • Giá trị $F$-statistic = 105.8 ($p = 0.000$), khẳng định mô hình có ý nghĩa thống kê ở mức tin cậy 99%.

Kết quả đạt được

  • Phương trình chuẩn hóa: $$\text{SHL}^* = 0.285 \cdot \text{STC} + 0.231 \cdot \text{SDB} + 0.214 \cdot \text{SHH} + 0.198 \cdot \text{SDU} + 0.156 \cdot \text{SDC}$$
  • Mức độ tác động: Yếu tố Sự tin cậy ($\beta = 0.285$) có tác động mạnh nhất đến sự hài lòng của khách hàng gửi tiền, tiếp theo là Sự đảm bảo ($\beta = 0.231$) và Sự hữu hình ($\beta = 0.214$).
  • Độ giải thích: $R^2_{\text{adj}} = 0.677$, nghĩa là 67,7% sự biến thiên trong mức độ hài lòng của khách hàng cá nhân được giải thích bởi 5 nhân tố trong mô hình.

Đổi mới và đóng góp

  1. Hiệu chỉnh mô hình đo lường cho giai đoạn bình thường mới: Khác với các nghiên cứu trước đây (Nguyễn Thị Thanh Huyền, 2014; Phan Đình Khôi, 2015) thực hiện trong chu kỳ tăng trưởng ổn định, nghiên cứu này bổ sung chiều kích "Sự đảm bảo về rủi ro gián đoạn và an toàn dòng tiền" trong bối cảnh hồi phục kinh tế hậu đại dịch.
  2. Chuẩn hóa thang đo theo chuẩn Ngân hàng số: Kết hợp đánh giá cả cơ sở vật chất hữu hình truyền thống (bãi xe, quầy giao dịch, không gian chờ) và tiện ích công nghệ (giao dịch nhanh, thông báo tự động, bảo mật tài khoản).
  3. Phát hiện khác biệt về nhân khẩu học: Phân tích ANOVA chỉ ra sự khác biệt có ý nghĩa thống kê giữa các nhóm tuổi; khách hàng trên 45 tuổi ưu tiên cao nhất cho Sự tin cậy và danh tiếng quốc doanh của Agribank, trong khi nhóm dưới 30 tuổi yêu cầu vượt trội về Sự đáp ứng và tốc độ xử lý thủ tục.

Ứng dụng thực tế và triển khai

Giải pháp nâng cao chất lượng dịch vụ theo thứ tự ưu tiên

Lộ trình triển khai khuyến nghị tại Chi nhánh An Giang

Tháng 1 - 2: Chuẩn hóa quy trình quầy & Rút ngắn SLA giao dịch tiết kiệm
Tháng 3 - 4: Tái cấu trúc không gian giao dịch tại 14 chi nhánh loại III & 10 PGD
Tháng 5 - 6: Đào tạo văn hóa ứng xử, kỹ năng xử lý khiếu nại cho 100% Giao dịch viên
Tháng 7+:    Tích hợp hệ thống khảo sát CSAT tự động qua Tablet tại quầy giao dịch

Phân tích Chi phí - Lợi ích (Dự phóng ROI)

  • Chi phí triển khai ước tính: 650 triệu đồng (cải tạo cơ sở vật chất, trang bị máy tablet đánh giá tại quầy, chi phí đào tạo nghiệp vụ).
  • Lợi ích kinh tế: Giảm tỷ lệ rời bỏ của khách hàng gửi tiền xuống 1,8%; gia tăng quy mô huy động vốn bình quân thêm 450 tỷ đồng trong năm tài chính tiếp theo, mang lại biên lãi ròng (NIM) gia tăng vượt trội so với chi phí đầu tư.

Hạn chế và hướng phát triển

  • Phương pháp lấy mẫu thuận tiện: Dữ liệu thu thập $N=251$ dù đạt chuẩn thống kê nhưng chưa bao phủ hoàn toàn các huyện vùng sâu, vùng xa tại tỉnh An Giang.
  • Biến ngoại sinh chưa kiểm soát: Mô hình chưa đưa vào biến lãi suất cạnh tranh thực tế của các NHTMCP trên cùng địa bàn và mức độ tiện dụng của ứng dụng Agribank E-Mobile Banking.
  • Hướng nghiên cứu tương lai:
    1. Ứng dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) để phân tích vai trò trung gian của "Hình ảnh thương hiệu" và "Lòng trung thành".
    2. Mở rộng mẫu nghiên cứu sang phân khúc khách hàng doanh nghiệp vừa và nhỏ (SMEs).

Đối tượng hưởng lợi

  • Sinh viên & Học viên: Cung cấp khung phương pháp luận chuẩn xác về phân tích định lượng kinh tế lượng ứng dụng trong ngành Tài chính – Ngân hàng.
  • Chuyên viên Dữ liệu & Nghiên cứu viên: Bộ tài liệu tham khảo chi tiết về quy trình chạy kiểm định Cronbach's Alpha, EFA và hồi quy OLS trên SPSS/Python.
  • Ban Giám đốc Agribank An Giang & Các NHTM: Căn cứ thực chứng giúp ra quyết định phân bổ ngân sách nâng cấp cơ sở vật chất và đào tạo nhân sự quầy giao dịch.
  • Khách hàng cá nhân: Hưởng lợi trực tiếp từ chất lượng dịch vụ được cải thiện, thời gian chờ đợi rút ngắn và quyền lợi bảo mật gia tăng.

Câu hỏi thường gặp

1. Kích thước mẫu 251 có đảm bảo độ tin cậy khoa học cho phân tích hồi quy không?

Có. Theo nguyên tắc của Hair et al. (2006), tỷ lệ cỡ mẫu trên biến quan sát tối thiểu là 5:1 (với 22 biến độc lập, mẫu tối thiểu cần 110). Với $N=251$, tỷ lệ đạt xấp xỉ 11.4:1, vượt xa yêu cầu kỹ thuật và thỏa mãn tiêu chuẩn của Gorsuch (1983).

2. Làm thế nào để kiểm soát hiện tượng sai lệch do người trả lời khảo sát tại quầy?

Nghiên cứu áp dụng kỹ thuật gài câu hỏi đảo và phỏng vấn ngẫu nhiên vào các khung giờ khác nhau trong ngày, đồng thời kết hợp gửi link khảo sát trực tuyến qua email/zalo cho các khách hàng đã hoàn thành giao dịch để đảm bảo tính khách quan.

3. Tại sao biến "Sự đồng cảm" có hệ số Beta chuẩn hóa thấp nhất ($\beta = 0.156$)?

Trong dịch vụ gửi tiền tiết kiệm ngân hàng, khách hàng đặt tính an toàn vốn, uy tín thương hiệu và tính chính xác lên hàng đầu. Sự niềm nở, ân cần của nhân viên là yếu tố gia tăng giá trị nhưng không thay thế được sự tin cậy cốt lõi.

4. Hệ số phóng đại phương sai (VIF) bao nhiêu thì loại trừ được đa cộng tuyến?

Trong kinh tế lượng thực nghiệm, nếu $\text{VIF} > 10$ là dấu hiệu đa cộng tuyến nghiêm trọng; $\text{VIF} < 2.0$ được xem là trạng thái lý tưởng chứng minh các biến độc lập không triệt tiêu lẫn nhau. Mô hình đề tài đạt $\text{VIF} \in [1.21, 1.58]$.

5. Chi nhánh có thể áp dụng ngay kết quả nghiên cứu vào thực tế như thế nào?

Ban lãnh đạo chi nhánh có thể sử dụng trực tiếp trọng số Beta để xây dựng bộ chỉ số đánh giá hiệu quả công việc (KPI) cho bộ phận chăm sóc khách hàng và phòng giao dịch, tập trung nguồn lực vào top 3 nhân tố: Sự tin cậy, Sự đảm bảo và Sự hữu hình.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành toàn diện các mục tiêu nghiên cứu thông qua việc xác lập cơ sở khoa học và bằng chứng thực nghiệm về các yếu tố tác động đến sự hài lòng của khách hàng gửi tiết kiệm tại Agribank Chi nhánh tỉnh An Giang. Kết quả phân tích hồi quy OLS ($R^2_{\text{adj}} = 0.677$) khẳng định 5 nhân tố đều có tác động cùng chiều có ý nghĩa thống kê, trong đó Sự tin cậy ($\beta = 0.285$) và Sự đảm bảo ($\beta = 0.231$) giữ vai trò quyết định. Những hàm ý quản trị được đề xuất từ đề tài là cơ sở thực tiễn giá trị giúp ban lãnh đạo Agribank Chi nhánh tỉnh An Giang tối ưu hóa chiến lược huy động vốn, nâng cao năng lực cạnh tranh và phát triển bền vững mạng lưới ngân hàng bán lẻ tại khu vực Đồng bằng sông Cửu Long.