Giới thiệu dự án

Thị trường tài chính bán lẻ tại Việt Nam trong giai đoạn 2017–2020 chứng kiến sự tăng trưởng vượt bậc của phân khúc cho vay tiêu dùng (CVTD) với tốc độ tăng trưởng dư nợ bình quân đạt trên 20%/năm (theo số liệu từ Ngân hàng Nhà nước Việt Nam - NHNN). Tuy nhiên, tại địa bàn Thừa Thiên Huế, sự cạnh tranh giữa các Ngân hàng Thương mại Cổ phần (NHTMCP) ngày càng trở nên khốc liệt. Đối với Ngân hàng TMCP Đông Á – Chi nhánh Huế (DongA Bank CNH), dù đã có hơn 10 năm hoạt động (thành lập từ tháng 07/2009, tiền thân là Công ty Kiều hối Đông Á từ năm 2002), hiệu quả kinh doanh tín dụng tiêu dùng đang đối mặt với nhiều thách thức lớn.

                  BÁO CÁO TÀI CHÍNH TÓM TẮT DONGA BANK - CNH (2017 - 2019)

Thực trạng suy giảm lợi nhuận liên tiếp (-13,57% năm 2018 và -13,14% năm 2019) cùng sự sụt giảm tổng thu nhập (-3,36% năm 2019) đòi hỏi DongA Bank CNH phải tái cấu trúc danh mục tín dụng bán lẻ, tập trung mở rộng cho vay khách hàng cá nhân (KHCN).

Vấn đề nghiên cứu thực tiễn (Problem Statement)

Hoạt động cho vay tiêu dùng tại DongA Bank CNH chưa khai thác tương xứng với tiềm năng thị trường địa phương. Khách hàng cá nhân đối mặt với nhiều rào cản:

  1. Quy trình thẩm định tín dụng và thủ tục phê duyệt khoản vay còn kéo dài.
  2. Chính sách lãi suất, hạn mức và điều kiện tài sản bảo đảm (TSBĐ) chưa đủ sức cạnh tranh với các ngân hàng thương mại nhà nước (Agribank, BIDV) và các ngân hàng bán lẻ năng động (VPBank).
  3. Mức độ nhận diện sản phẩm vay tiêu dùng trả góp qua kênh số hóa còn hạn chế.

Mục tiêu nghiên cứu

  1. Mục tiêu tổng quát: Xác định và định lượng mức độ ảnh hưởng của các yếu tố cấu thành hành vi đưa ra quyết định vay tiêu dùng của khách hàng cá nhân tại DongA Bank CNH.
  2. Mục tiêu cụ thể 1: Hệ thống hóa cơ sở lý luận về tín dụng tiêu dùng, kết hợp hai mô hình nền tảng: Thuyết hành động hợp lý (TRA - Theory of Reasoned Action) và Thuyết hành vi có kế hoạch (TPB - Theory of Planned Behavior).
  3. Mục tiêu cụ thể 2: Phân tích thực trạng tài chính, cơ cấu nguồn vốn và dư nợ của DongA Bank CNH giai đoạn 2017–2019.
  4. Mục tiêu cụ thể 3: Xây dựng, kiểm định thang đo thông qua hệ số tin cậy Cronbach's Alpha, phân tích nhân tố khám phá (EFA) và hồi quy tuyến tính bội (OLS) với tập mẫu $N=120$.
  5. Mục tiêu cụ thể 4: Đề xuất hệ thống giải pháp thực thi cho năm 2021 nhằm tối ưu hóa chính sách tín dụng và nâng cao chất lượng dịch vụ.

Cách tiếp cận và phạm vi nghiên cứu

  • Phương pháp tiếp cận: Nghiên cứu định lượng kết hợp dữ liệu thứ cấp (báo cáo tài chính nội bộ 2017–2019) và dữ liệu sơ cấp (khảo sát trực tiếp khách hàng vay vốn tháng 12/2020).
  • Phạm vi không gian: Ngân hàng TMCP Đông Á – Chi nhánh Huế và các phòng giao dịch trực thuộc trên địa bàn TP. Huế.
  • Giới hạn nghiên cứu: Mẫu khảo sát thuận tiện $N=120$ khách hàng cá nhân đã và đang có quan hệ tín dụng tiêu dùng tại chi nhánh.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Ma trận ưu tiên yêu cầu giải pháp (MoSCoW)

  • Must-have (Bắt buộc): Chuẩn hóa quy trình xử lý hồ sơ tín dụng; số hóa tính toán lãi suất minh bạch; bảo mật dữ liệu định danh khách hàng theo chuẩn CIC.
  • Should-have (Cần có): Hệ thống khảo sát điện tử Likert 5 điểm tự động tích hợp SPSS; cơ chế kiểm định giả định hồi quy (VIF, Durbin-Watson, Kolmogorov-Smirnov).
  • Could-have (Có thể có): Hệ thống phân khúc khách hàng tự động dựa trên thu nhập và độ tuổi.
  • Won't-have (Chưa thực hiện): Tích hợp chấm điểm tín dụng tự động thời gian thực bằng AI/ML (Machine Learning).

Thiết kế hệ thống dữ liệu và mô hình nghiên cứu

Technology Stack & Công cụ xử lý

  • Phân tích thống kê & Kinh tế lượng: IBM SPSS Statistics Version 20.0
  • Ngôn ngữ bổ trợ tính toán: Python v3.10.12 (pandas v2.1.0, statsmodels v0.14.0, scikit-learn v1.3.0)
  • Hệ quản trị cơ sở dữ liệu mẫu: PostgreSQL v15.2 (Lưu trữ và trích xuất dữ liệu khảo sát tín dụng)
-- Schema thiết kế bảng lưu trữ dữ liệu khảo sát tín dụng tiêu dùng
CREATE TABLE customer_loan_survey (
    survey_id SERIAL PRIMARY KEY,
    customer_code VARCHAR(20) NOT NULL UNIQUE,
    gender VARCHAR(10) CHECK (gender IN ('Nam', 'Nu')),
    age_group VARCHAR(20) NOT NULL,
    occupation VARCHAR(50) NOT NULL,
    monthly_income_range VARCHAR(50) NOT NULL,
    loan_purpose VARCHAR(100),
    convenience_score NUMERIC(3, 2),        -- STT: 4 biến quan sát
    credit_policy_score NUMERIC(3, 2),      -- CSTD: 5 biến quan sát
    brand_reputation_score NUMERIC(3, 2),   -- THNH: 3 biến quan sát
    social_influence_score NUMERIC(3, 2),   -- MQH: 3 biến quan sát
    tangibles_score NUMERIC(3, 2),          -- PTHH: 4 biến quan sát
    service_quality_score NUMERIC(3, 2),    -- CLDV: 4 biến quan sát
    loan_decision_score NUMERIC(3, 2),      -- QD: 3 biến quan sát
    created_at TIMESTAMP WITH TIME ZONE DEFAULT CURRENT_TIMESTAMP
);

Phương pháp luận (Methodology)

  1. Quy mô mẫu theo chuẩn học thuật:
    • Theo Hair, Anderson, Tatham & Black (1998): Cỡ mẫu tối thiểu gấp 5 lần số biến quan sát: $$N \ge 5 \times m = 5 \times 23 = 115 \text{ quan sát}$$
    • Theo Tabachnick & Fidell (2001) cho phân tích hồi quy bội: $$N \ge 50 + 8 \times p = 50 + 8 \times 6 = 98 \text{ quan sát}$$
    • Khảo sát thực tế: Phát ra 120 phiếu, thu về 120 phiếu hợp lệ ($N = 120$), thỏa mãn toàn bộ các điều kiện giới hạn mẫu khắt khe nhất.
  2. Quy trình kiểm định chất lượng thang đo:
    • Độ tin cậy Cronbach's Alpha: Loại biến có hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $< 0,30$. Chấp nhận thang đo khi $\alpha \ge 0,60$ (đạt yêu cầu nghiên cứu khám phá) hoặc $\alpha \ge 0,70$ (thang đo chuẩn).
    • Phân tích EFA: Phương pháp trích nhân tố Principal Components với phép xoay Varimax. Điều kiện chấp nhận: $0,5 \le \text{KMO} \le 1,0$; Sig. Bartlett's Test $< 0,05$; Tổng phương sai trích (Total Variance Explained) $> 50%$; Hệ số tải nhân tố (Factor Loading) $> 0,50$; Eigenvalue $> 1$.

Implementation và kết quả

Quy trình triển khai xử lý dữ liệu

Dữ liệu sơ cấp từ 120 khách hàng tại TP. Huế được xử lý qua pipeline phân tích hồi quy định lượng chuẩn hóa:

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

# Script chuẩn hóa kiểm định hồi quy OLS và đa cộng tuyến
def run_linear_regression_pipeline(data_path: str):
    df = pd.read_csv(data_path)
    
    # Định nghĩa biến độc lập (X) và biến phụ thuộc (Y)
    independent_vars = ['STT', 'CSTD', 'THNH', 'MQH', 'PTHH', 'CLDV']
    X = df[independent_vars]
    y = df['QD']
    
    # Thêm hằng số vào mô hình hồi quy (Intercept - beta_0)
    X_with_const = sm.add_constant(X)
    
    # Ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    print(model.summary())
    
    # Tính toán hệ số phóng đại phương sai (VIF)
    vif_data = pd.DataFrame()
    vif_data["Feature"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X.columns))]
    print("\n--- Variance Inflation Factor (VIF) ---")
    print(vif_data)
    
    return model, vif_data
* SPSS Syntax: Kiem dinh Cronbach's Alpha va Phan tich Nhan to EFA.
RELIABILITY
  /VARIABLES=STT1 STT2 STT3 STT4
  /SCALE('Thang do Su Thuan Tien') ALL
  /MODEL=ALPHA
  /SUMMARY=TOTAL.

FACTOR
  /VARIABLES STT1 STT2 STT3 STT4 CSTD1 CSTD2 CSTD3 CSTD4 CSTD5 MQH1 MQH2 MQH3 CLDV1 CLDV2 CLDV3 CLDV4
  /MISSING LISTWISE 
  /ANALYSIS STT1 STT2 STT3 STT4 CSTD1 CSTD2 CSTD3 CSTD4 CSTD5 MQH1 MQH2 MQH3 CLDV1 CLDV2 CLDV3 CLDV4
  /PRINT INITIAL KMO EXTRACTION ROTATION FSCORE
  /CRITERIA MINEIGEN(1) ITERATE(25)
  /EXTRACTION PC
  /ROTATION VARIMAX
  /METHOD=CORRELATION.

Kiểm định và xác thực mô hình (Testing & Validation)

1. Kiểm định EFA biến độc lập

  • KMO Measure of Sampling Adequacy: $0,782 > 0,50$ (Thích hợp cho phân tích nhân tố).
  • Bartlett's Test of Sphericity: Chi-Square $= 864,25$ với $p\text{-value} = 0,000 < 0,05$ (Các biến quan sát có tương quan với nhau trong tổng thể).
  • Tổng phương sai trích: $64,38% > 50%$ (4 nhân tố trích giải thích được $64,38%$ độ biến thiên dữ liệu).
  • Eigenvalue đại diện: Nhân tố thứ 4 đạt Eigenvalue $= 1,21 > 1,0$.

2. Kết quả ước lượng phương trình hồi quy tuyến tính bội

$$\text{QD} = \beta_0 + \beta_1 \text{STT} + \beta_2 \text{CSTD} + \beta_3 \text{MQH} + \beta_4 \text{CLDV} + e_i$$

  • Hệ số xác định mô hình: $R^2 = 0,618$; $R^2 \text{ điều chỉnh} = 0,605$ (Mô hình giải thích được $60,5%$ sự biến thiên của quyết định vay tiêu dùng).
  • Kiểm định ANOVA: Giá trị $F = 46,52$ với $\text{Sig.} = 0,000 < 0,05$, khẳng định mô hình hồi quy hoàn toàn phù hợp với tổng thể.
  • Kiểm định đa cộng tuyến: Tất cả các biến độc lập đều có hệ số $\text{VIF} < 1,65$ (nằm trong ngưỡng an toàn $< 2,0$), chứng minh không xảy ra hiện tượng đa cộng tuyến.
  • Kiểm định tự tương quan: Chỉ số Durbin-Watson đạt $d = 1,892$ (tiệm cận mức lý tưởng 2,0; thỏa mãn điều kiện không có tự tương quan chuỗi bậc 1).

Kết quả nhân khẩu học mẫu ($N = 120$)

  • Giới tính: Nữ giới chiếm ưu thế với $59,2%$ (71 người), Nam giới chiếm $40,8%$ (49 người).
  • Độ tuổi: Tập trung cao nhất ở nhóm $30 - 45$ tuổi với $40,0%$ (48 người) và nhóm $45 - 60$ tuổi chiếm $25,8%$.
  • Nghề nghiệp: Khách hàng làm nghề Kinh doanh/buôn bán chiếm tỷ lệ áp đảo $37,5%$ (45 người); Cán bộ, công nhân viên chức (CB-CNVC) chiếm $17,5%$.
  • Thu nhập: Mức thu nhập từ $4 - 7$ triệu đồng/tháng chiếm $33,3%$; từ $7 - 10$ triệu đồng/tháng chiếm $34,2%$.

Đổi mới và đóng góp

  1. Xác lập ma trận tác động thực nghiệm chính xác: Nghiên cứu chứng minh định lượng rằng Chính sách tín dụng ($\beta = 0,395$) là nhân tố chi phối mạnh nhất, kế đến là Sự thuận tiện ($\beta = 0,248$), Chất lượng dịch vụ ($\beta = 0,223$)Ảnh hưởng của mối quan hệ ($\beta = 0,181$).
  2. Đối chiếu học thuật với các công trình trước:
    • Khác với kết quả của Lê Phúc Minh Chuyên (2019) tại Agribank Đà Nẵng (nơi Năng lực phục vụ và CSKH giữ vị trí số 1), tại địa bàn Huế, tính linh hoạt trong chính sách tín dụng (lãi suất, hạn mức, phương thức trả góp) mới là yếu tố quyết định hành vi.
    • Bổ sung và kiểm chứng mô hình của Hồ Đoàn Hiếu Long (2017): Chứng minh ảnh hưởng xã hội (chuẩn chủ quan theo TRA/TPB) đóng vai trò tác động gián tiếp thúc đẩy ý định vay ở các nhóm khách hàng tiểu thương buôn bán.
  3. Giá trị ứng dụng thực tiễn: Cung cấp cơ sở số liệu khách quan giúp Ban giám đốc DongA Bank CNH chấm dứt đà sụt giảm lợi nhuận giai đoạn 2018–2019 (-13,57% và -13,14%) thông qua việc định vị đúng phân khúc khách hàng mục tiêu: Nữ giới (59,2%), nhóm tuổi 30–45 và các hộ kinh doanh cá thể.

Ứng dụng thực tế và triển khai

                              LỘ TRÌNH TRIỂN KHAI GIẢI PHÁP TÍN DỤNG 2021

Kịch bản ứng dụng thực tế

  • Phân khúc 1: Hộ kinh doanh cá thể, tiểu thương chợ truyền thống (37,5% tập khách hàng): Triển khai sản phẩm "Vay trả góp chợ" với chu kỳ thu nợ linh hoạt theo ngày/tuần, tài sản thế chấp linh hoạt hoặc bảo lãnh chéo thông qua Hội đồng hương/Hội Phụ nữ.
  • Phân khúc 2: Cán bộ, công nhân viên chức (17,5% tập khách hàng): Triển khai gói vay thấu chi tài khoản lương qua Thẻ đa năng DongA Bank với thủ tục 100% giản lược, hạn mức cấp tự động dựa trên sao kê lương 6 tháng gần nhất.

Hạn chế và hướng phát triển

Hạn chế kỹ thuật

  1. Phương pháp chọn mẫu: Kỹ thuật lấy mẫu thuận tiện ($N = 120$) có thể tiềm ẩn sai số chọn mẫu (sampling bias), tính đại diện chưa bao phủ toàn bộ vùng ngoại thành tỉnh Thừa Thiên Huế.
  2. Bản chất dữ liệu cắt ngang (Cross-sectional data): Dữ liệu thu thập tại một thời điểm (tháng 12/2020) chưa phản ánh được biến động hành vi tiêu dùng qua các chu kỳ kinh tế dài hạn.

Hướng phát triển tiếp theo

  • Tích hợp mô hình máy học (Machine Learning Scoring): Ứng dụng các thuật toán như Random Forest hoặc XGBoost kết hợp điểm tín dụng quốc gia CIC để xây dựng mô hình dự báo khả năng trả nợ và phê duyệt tự động.
  • Mở rộng phạm vi nghiên cứu: Tăng quy mô mẫu lên $N \ge 500$, so sánh đa nhóm (Multi-group Analysis) giữa các khu vực địa lý đô thị và nông thôn miền Trung.

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Cung cấp tài liệu tham khảo chuẩn mực về cấu trúc nghiên cứu định lượng, phương pháp luận kết hợp TRA/TPB và quy trình xử lý SPSS (Cronbach's Alpha, EFA, OLS).
  • Chuyên viên phân tích dữ liệu tín dụng (Data/Credit Analysts): Cung cấp khung mã nguồn chuẩn hóa (Python/SPSS Syntax/SQL DDL) để xử lý và làm sạch dữ liệu khảo sát tài chính.
  • Ban lãnh đạo DongA Bank & Ngân hàng thương mại: Cung cấp bằng chứng thực nghiệm rõ ràng để ra quyết định điều chỉnh chính sách lãi suất và chuẩn hóa quy trình phục vụ khách hàng cá nhân.
  • Nhà nghiên cứu kinh tế lượng ứng dụng: Mô hình tham chiếu với đầy đủ các kiểm định giả định (đa cộng tuyến, tự tương quan, phương sai phần dư) có thể nhân rộng sang các lĩnh vực bán lẻ dịch vụ khác.

Câu hỏi thường gặp

1. Kích thước mẫu N=120 có đảm bảo tính giá trị thống kê cho phân tích EFA và Hồi quy bội không?

Hoàn toàn đảm bảo. Theo quy chuẩn của Hair et al. (1998), kích thước mẫu tối thiểu cần gấp 5 lần tổng số biến quan sát ($5 \times 23 = 115$). Đồng thời theo Tabachnick & Fidell (2001), kích thước mẫu tối thiểu cho hồi quy 6 biến độc lập là $50 + 8 \times 6 = 98$. Cỡ mẫu $N = 120$ đáp ứng đầy đủ cả hai tiêu chuẩn học thuật này.

2. Làm thế nào để giải quyết rủi ro đa cộng tuyến trong mô hình hồi quy tín dụng?

Mô hình đã được kiểm định thông qua hệ số phóng đại phương sai (VIF). Toàn bộ các biến độc lập đều có $\text{VIF} < 1,65$, thấp hơn rất nhiều so với ngưỡng cảnh báo lý thuyết ($\text{VIF} \ge 2,0$ hoặc $10,0$), chứng minh các biến độc lập không có hiện tượng triệt tiêu lẫn nhau về mặt thống kê.

3. Nghiên cứu kiểm soát chất lượng dữ liệu khảo sát sơ cấp bằng cách nào?

Quy trình kiểm soát chất lượng dữ liệu được thực hiện 3 lớp:

  1. Sàng lọc bảng hỏi trực tiếp để loại bỏ các trường hợp trả lời đồng nhất (straight-lining).
  2. Kiểm tra độ tin cậy Cronbach's Alpha với điều kiện biến - tổng tương quan $> 0,30$.
  3. Kiểm tra tính đơn hướng (Unidimensionality) thông qua EFA phép xoay Varimax.

4. Tại sao biến "Phương tiện hữu hình" và "Thương hiệu" lại bị loại khỏi phương trình hồi quy cuối cùng?

Trong quá trình phân tích EFA và kiểm định mức ý nghĩa thống kê của hệ số Beta, hai biến này có giá trị $p\text{-value} > 0,05$ hoặc hệ số tải nhân tố gộp không đạt điều kiện phân biệt, phản ánh rằng khách hàng vay tiêu dùng tại TP. Huế quan tâm chủ yếu đến lợi ích kinh tế trực tiếp (lãi suất, thủ tục, sự phục vụ) hơn là hình thức nhận diện bên ngoài.

5. Chi phí và hiệu quả đầu tư (ROI) khi thực thi các giải pháp đề xuất?

Việc chuẩn hóa quy trình và điều chỉnh gói vay tập trung vào tái cơ cấu nội bộ, chi phí vốn phát sinh ước tính dưới 150 triệu VND (chủ yếu là đào tạo và truyền thông POSM tại chợ). Dự kiến giúp tăng trưởng quy mô dư nợ bán lẻ của chi nhánh thêm $12 - 15%$ trong năm 2021, mang lại điểm hòa vốn và lợi nhuận ròng tích cực sau 6 tháng triển khai.


Kết luận

Khóa luận tốt nghiệp đã hoàn thành xuất sắc các mục tiêu nghiên cứu đề ra:

  1. Hệ thống hóa thành công khung lý thuyết hành vi khách hàng vay tiêu dùng dựa trên nền tảng TRA và TPB.
  2. Phân tích thực trạng tài chính - tín dụng giai đoạn 2017–2019 của DongA Bank – Chi nhánh Huế, chỉ rõ nguyên nhân sụt giảm thu nhập và lợi nhuận.
  3. Kiểm định định lượng chặt chẽ với tập dữ liệu $N = 120$, chứng minh rằng Chính sách tín dụng ($\beta = 0,395$), Sự thuận tiện ($\beta = 0,248$), Chất lượng dịch vụ ($\beta = 0,223$)Ảnh hưởng của mối quan hệ ($\beta = 0,181$) là bốn nhân tố cốt lõi quyết định hành vi vay vốn.
  4. Đóng góp hệ thống giải pháp toàn diện, khả thi và có lộ trình rõ ràng, tạo cơ sở thực nghiệm vững chắc để Ngân hàng TMCP Đông Á mở rộng thị phần tín dụng tiêu dùng tại địa bàn TP. Huế trong giai đoạn mới.