Giới thiệu dự án

Hoạt động huy động vốn giữ vai trò huyết mạch đối với sự tồn tại và phát triển bền vững của hệ thống ngân hàng thương mại (NHTM). Trong bối cảnh thị trường tài chính cạnh tranh khốc liệt, việc thu hút nguồn tiền gửi nhàn rỗi từ dân cư đối mặt với nhiều thách thức lớn khi các kênh đầu tư thay thế (bất động sản, chứng khoán, vàng) liên tục phát triển. Theo số liệu thống kê thực tế tại Ngân hàng TMCP Sài Gòn Thương Tín (Sacombank) chi nhánh huyện Vĩnh Hưng, tỉnh Long An, quy mô tiền gửi nội tệ đã sụt giảm nghiêm trọng từ 4.459 tỷ đồng (năm 2017) xuống còn 3.100 tỷ đồng (năm 2020), tương ứng mức giảm 30,48%. Cụ thể, tiền gửi từ các hộ dân cư giảm từ 2.416 tỷ đồng xuống 1.739 tỷ đồng (-28,02%), và tổng tiền gửi có kỳ hạn giảm từ 4.532 tỷ đồng xuống 3.157 tỷ đồng (-30,34%), trong đó kỳ hạn 12–24 tháng giảm từ 2.188 tỷ đồng còn 1.796 tỷ đồng (-17,92%).

Vấn đề cốt lõi (Problem Statement) xuất phát từ 3 điểm nghẽn chính:

  1. Áp lực cạnh tranh lãi suất gay gắt từ các NHTM nhà nước và cổ phần khác trên cùng địa bàn.
  2. Dịch chuyển dòng vốn nhàn rỗi sang các kênh đầu tư có tỷ suất sinh lời ngắn hạn cao hơn.
  3. Chất lượng dịch vụ, sự tiện ích và chính sách khuyến mãi chưa tối ưu hóa theo phân khúc hành vi khách hàng nông thôn - biên giới.

Mục tiêu của đề tài nghiên cứu được xác định cụ thể:

  1. Hệ thống hóa cơ sở lý luận và mô hình lý thuyết về hành vi lựa chọn dịch vụ gửi tiền tiết kiệm của khách hàng cá nhân (KHCN).
  2. Xác định và lượng hóa mức độ tác động của các nhân tố đến quyết định lựa chọn gửi tiết kiệm tại Sacombank Vĩnh Hưng.
  3. Kiểm định sự phù hợp của mô hình hồi quy tuyến tính bội và tính ổn định của thang đo.
  4. Đề xuất hệ thống hàm ý chính sách và giải pháp quản trị thực tiễn nhằm gia tăng nguồn vốn huy động.

Phương pháp tiếp cận sử dụng nghiên cứu kết hợp (mixed-methods): nghiên cứu định tính (phỏng vấn sâu chuyên gia) để hiệu chỉnh thang đo và nghiên cứu định lượng (khảo sát mẫu $N = 304$) phân tích qua SPSS 22.0. Phạm vi nghiên cứu tập trung vào khách hàng cá nhân từ 23 tuổi trở lên có giao dịch tiền gửi tại Sacombank chi nhánh huyện Vĩnh Hưng, tỉnh Long An trong giai đoạn từ tháng 04/2022 đến tháng 06/2022.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu tiến hành đánh giá tổng quan các mô hình hành vi người tiêu dùng kinh điển và thực nghiệm ngành ngân hàng để xác định khoảng cách lý thuyết (Research Gap).

Mô hình nghiên cứu Ưu điểm Nhược điểm / Khoảng trống Khả năng áp dụng tại Sacombank Vĩnh Hưng
Phan Đình Khôi & cs (2015) Đánh giá sâu mức độ đáp ứng, cơ sở vật chất, năng lực phục vụ, sự an tâm qua SERVQUAL & Logit. Bỏ qua yếu tố cạnh tranh lãi suất, chính sách khuyến mãi và sức mạnh thương hiệu ngân hàng. Cung cấp nền tảng đo lường chất lượng dịch vụ nội bộ.
Amer & Mohammed (2017) Đánh giá vị thế ngân hàng, lãi suất, sự tiện lợi, nhân viên và chất lượng dịch vụ ($N = 500$). Biến vị thế chỉ đo lường quy mô đơn thuần, chưa phản ánh độ nhận biết và uy tín thương hiệu. Kế thừa các biến tiện lợi và chất lượng dịch vụ.
Hà Nam Khánh Giao & cs (2020) Mô hình đa biến toàn diện cho hệ thống NHTM Việt Nam ($N = 1500$), bổ sung biến khuyến mãi và thái độ nhân viên. Chưa phản ánh đặc thù hành vi gửi tiền tại thị trường cấp huyện/nông thôn biên giới. Mô hình nền tảng chính (Core Baseline Model).

Xác định yêu cầu nghiên cứu theo mô hình MoSCoW:

  • Must have: Đo lường 6 nhóm nhân tố: Thương hiệu (TH), Sự tiện lợi (TL), Chất lượng dịch vụ (CL), Lãi suất tiền gửi (LS), Đội ngũ nhân viên (NV), Chính sách khuyến mãi (KM).
  • Should have: Đánh giá kiểm định phân phối chuẩn, hiện tượng đa cộng tuyến (VIF), tự tương quan (Durbin-Watson), phương sai thay đổi.
  • Could have: Phân tích sâu theo nhóm nhân khẩu học (độ tuổi, thu nhập, nghề nghiệp).
  • Won't have: Mô hình hóa rủi ro thanh khoản toàn hệ thống ngân hàng mẹ.

Thiết kế hệ thống

Mô hình nghiên cứu thực nghiệm được cấu trúc dưới dạng mô hình hồi quy tuyến tính đa biến (Multivariable OLS Regression) với 31 biến quan sát sử dụng thang đo Likert 5 mức độ (1: Rất không đồng ý $\rightarrow$ 5: Rất đồng ý).

Technology Stack và công cụ phân tích:

  • Statistical Software: IBM SPSS Statistics version 22.0.
  • Survey Platform: Google Forms & Phiếu khảo sát giấy trực tiếp tại quầy giao dịch.
  • Data Preprocessing Script: Python 3.10 (thư viện pandas, statsmodels, factor_analyzer phục vụ đối soát dữ liệu).
  • Format Standard: Bộ mã hóa dữ liệu 31 biến số độc lập và 1 biến phụ thuộc (TH1 - TH5, TL1 - TL4, CL1 - CL5, LS1 - LS5, NV1 - NV5, KM1 - KM4, QD1 - QD3).

Methodology

Quy trình nghiên cứu triển khai theo 2 giai đoạn chuẩn mực:

  1. Nghiên cứu sơ bộ (Định tính): Thảo luận nhóm tập trung và phỏng vấn chuyên sâu lãnh đạo, chuyên gia quản lý NHTM trên địa bàn huyện Vĩnh Hưng để hiệu chỉnh nội dung 31 biến quan sát phù hợp ngữ cảnh địa phương.
  2. Nghiên cứu chính thức (Định lượng): Phát 350 bảng khảo sát theo phương pháp chọn mẫu thuận tiện. Thu hồi và làm sạch đạt 304 mẫu hợp lệ ($N = 304$). Cỡ mẫu đáp ứng quy tắc kinh nghiệm của Bollen (1989) và Hair et al. (2014): $N \ge 5 \times \text{Tổng số biến quan sát} = 5 \times 31 = 155$.
  3. Tiêu chuẩn kiểm định thống kê:
    • Cronbach's Alpha $\ge 0.60$; Hệ số tương quan biến - tổng (Corrected Item-Total Correlation) $\ge 0.30$.
    • EFA: Hệ số $0.5 \le \text{KMO} \le 1$; Kiểm định Bartlett có $\text{Sig.} < 0.05$; Giá trị Eigenvalue $> 1$; Tổng phương sai trích (Total Variance Explained) $\ge 50%$; Hệ số tải nhân tố (Factor Loading) $\ge 0.50$.
    • Hồi quy OLS: Mức ý nghĩa $p$-value ($Sig.$) $< 0.05$; Hệ số phóng đại phương sai $\text{VIF} < 10$ (không đa cộng tuyến); Đại lượng Durbin-Watson trong khoảng $1 < d < 3$.

Implementation và kết quả

Development process

Quá trình thu thập và tiền xử lý dữ liệu được tiến hành với các bước chuẩn hóa, chuyển đổi biến từ dạng thô sang thang đo định lượng Likert 5 điểm, loại bỏ các mẫu khuyết hoặc không đạt tính nhất quán.

Phương trình toán học tổng quát của mô hình nghiên cứu:

$$QD_i = \beta_0 + \beta_1 TH_i + \beta_2 TL_i + \beta_3 CL_i + \beta_4 LS_i + \beta_5 NV_i + \beta_6 KM_i + \varepsilon_i$$

Trong đó:

  • $QD$: Quyết định lựa chọn dịch vụ gửi tiền tiết kiệm.
  • $\beta_0$: Hệ số chặn (Intercept).
  • $\beta_1, \dots, \beta_6$: Các hệ số hồi quy riêng phần chuẩn hóa ($\beta$).
  • $\varepsilon_i$: Sai số ngẫu nhiên thỏa mãn $\varepsilon_i \sim \mathcal{N}(0, \sigma^2)$.

Snippet mã nguồn xử lý định lượng tương đương bằng Python (được ứng dụng để tự động hóa quy trình kiểm định mô hình):

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

# Load cleaned dataset (N=304)
df = pd.read_csv("sacombank_vinh_hung_survey_data.csv")

# Define Independent and Dependent Variables
X_vars = ['TH', 'TL', 'CL', 'LS', 'NV', 'KM']
X = df[X_vars]
y = df['QD']

# Add constant for OLS Regression
X_const = sm.add_constant(X)
ols_model = sm.OLS(y, X_const).fit()

# Output Model Summary
print(ols_model.summary())

# Multicollinearity Check (VIF)
vif_data = pd.DataFrame()
vif_data["Feature"] = X_vars
vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(len(X_vars))]
print(vif_data)

Testing và validation

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

Tất cả 7 cấu trúc thang đo (6 biến độc lập, 1 biến phụ thuộc) với 31 biến quan sát đều đạt chuẩn độ tin cậy cao:

  • Thang đo Thương hiệu (TH1–TH5): Cronbach's Alpha $> 0.80$, Item-Total Correlation $> 0.40$.
  • Thang đo Sự tiện lợi (TL1–TL4): Cronbach's Alpha $> 0.78$.
  • Thang đo Chất lượng dịch vụ (CL1–CL5): Cronbach's Alpha $> 0.82$.
  • Thang đo Lãi suất (LS1–LS5): Cronbach's Alpha $> 0.85$.
  • Thang đo Đội ngũ nhân viên (NV1–NV5): Cronbach's Alpha $> 0.83$.
  • Thang đo Khuyến mãi (KM1–KM4): Cronbach's Alpha $> 0.79$.
  • Thang đo Quyết định gửi tiền (QD1–QD3): Cronbach's Alpha $> 0.81$.

Phân tích nhân tố khám phá (EFA)

  • Biến độc lập:
    • Hệ số Kaiser-Meyer-Olkin (KMO) $= 0.842$ (thỏa mãn $0.5 < \text{KMO} < 1.0$).
    • Kiểm định Bartlett's Test of Sphericity: Chi-square $= 3412.56$, $df = 378$, mức ý nghĩa $\text{Sig.} = 0.000 < 0.05$, chứng minh các biến có tương quan tuyến tính chặt chẽ.
    • Rút trích được 6 nhân tố với Eigenvalues $= 1.345 > 1.0$, Tổng phương sai trích (Cumulative Variance) $= 64.82% > 50%$.
    • Ma trận xoay nhân tố (Varimax Rotation) cho thấy tất cả các hệ số tải nhân tố (Factor Loadings) đều lớn hơn $0.55$, không có biến nào bị loại do tải chéo.
  • Biến phụ thuộc (QD):
    • $\text{KMO} = 0.712$, Bartlett's test có $\text{Sig.} = 0.000$, trích được 1 nhân tố duy nhất với tổng phương sai trích $= 68.45%$.

Kết quả đạt được

Kết quả hồi quy tuyến tính bội ước lượng bằng phương pháp bình phương nhỏ nhất OLS trên phần mềm SPSS 22.0:

Biến độc lập Ký hiệu Hệ số hồi quy chưa chuẩn hóa ($B$) Sai số chuẩn (Std. Error) Hệ số hồi quy chuẩn hóa ($\beta$) Giá trị $t$-statistic Mức ý nghĩa ($Sig.$) Hệ số VIF
(Hằng số) Constant 0.214 0.112 - 1.911 0.057 -
Lãi suất tiền gửi LS 0.285 0.038 0.298 7.500 0.000 1.342
Chất lượng dịch vụ CL 0.231 0.035 0.245 6.600 0.000 1.415
Đội ngũ nhân viên NV 0.198 0.034 0.210 5.823 0.000 1.380
Thương hiệu ngân hàng TH 0.165 0.032 0.174 5.156 0.000 1.290
Sự tiện lợi TL 0.142 0.031 0.148 4.580 0.000 1.255
Chính sách khuyến mãi KM 0.115 0.029 0.121 3.965 0.000 1.185

Chỉ số đánh giá độ phù hợp của mô hình:

  • Hệ số xác định $R^2 = 0.612$; Hệ số xác định hiệu chỉnh $R^2_{\text{Adjusted}} = 0.604$. Điều này chứng minh 6 nhân tố độc lập giải thích được $60.40%$ sự biến thiên trong quyết định gửi tiền tiết kiệm của KHCN tại Sacombank Vĩnh Hưng.
  • Kiểm định $F$-test: Giá trị $F = 78.142$ với $\text{Sig.} = 0.000 < 0.001$, khẳng định mô hình hồi quy tuyến tính xây dựng là hoàn toàn phù hợp với dữ liệu thực nghiệm.
  • Kiểm định hiện tượng đa cộng tuyến: Tất cả các giá trị $\text{VIF} \in [1.185, 1.415] < 2.0$, chứng minh mô hình không vi phạm giả định đa cộng tuyến.
  • Kiểm định tự tương quan: Đại lượng Durbin-Watson $d = 1.892$ ($1.5 < d < 2.5$), bác bỏ giả thuyết có tương quan chuỗi bậc nhất giữa các phần dư.

Đổi mới và đóng góp

  1. Bổ sung khoảng trống lý thuyết thực nghiệm: Tích hợp đồng thời 2 yếu tố thường bị tách rời trong các nghiên cứu ngân hàng nông thôn trước đây: Lãi suất cạnh tranh theo góiChính sách khuyến mãi cá nhân hóa.
  2. Lượng hóa thứ bậc tác động thực tế: Xác định rõ trật tự ưu tiên ảnh hưởng đến quyết định của khách hàng: $$\text{Lãi suất tiền gửi } (\beta = 0.298) > \text{Chất lượng dịch vụ } (\beta = 0.245) > \text{Đội ngũ nhân viên } (\beta = 0.210) > \text{Thương hiệu } (\beta = 0.174) > \text{Sự tiện lợi } (\beta = 0.148) > \text{Khuyến mãi } (\beta = 0.121)$$
  3. Giá trị ứng dụng địa phương hóa: Đề tài xây dựng bộ dữ liệu sơ cấp trực tiếp tại huyện Vĩnh Hưng, tỉnh Long An – khu vực có tính chất kinh tế nông nghiệp biên giới, giúp ban giám đốc Sacombank có căn cứ khoa học thay vì phán đoán định tính.

Ứng dụng thực tế và triển khai

Dựa trên trọng số tác động ($\beta$), đề tài đề xuất lộ trình hành động 5 giai đoạn cho Sacombank chi nhánh Vĩnh Hưng:

Chi tiết giải pháp triển khai:

  • Giải pháp Lãi suất ($\beta = 0.298$): Ban hành chính sách lãi suất linh hoạt theo kỳ hạn lẻ (ví dụ: 7 tháng, 13 tháng, 15 tháng) và sản phẩm "Tiết kiệm tích lũy tương lai" cộng thêm biên độ $0.2% - 0.4%/\text{năm}$ cho khách hàng thân thiết.
  • Giải pháp Chất lượng dịch vụ ($\beta = 0.245$): Chuẩn hóa thời gian giao dịch tại quầy dưới 5 phút/giao dịch; nâng cấp ứng dụng Sacombank Pay với giao diện đơn giản hóa cho người lớn tuổi.
  • Giải pháp Đội ngũ nhân viên ($\beta = 0.210$): Xây dựng bộ chỉ số KPI đo lường mức độ hài lòng khách hàng tức thời (CSAT) tại quầy giao dịch qua thiết bị tablet đánh giá 5 sao.
  • Dự báo hiệu quả tài chính: Khi áp dụng đồng bộ các chính sách, dự kiến tốc độ tăng trưởng nguồn vốn huy động tiền gửi dân cư tại chi nhánh sẽ phục hồi từ mức âm sang tăng trưởng dương $12% - 15%/\text{năm}$ trong giai đoạn 2023–2025.

Hạn chế và hướng phát triển

  • Hạn chế mẫu nghiên cứu: Phương pháp chọn mẫu thuận tiện ($N = 304$) tại một địa bàn cấp huyện có thể chưa phản ánh đầy đủ toàn bộ hành vi khách hàng trên toàn tỉnh Long An hoặc khu vực Đồng bằng Sông Cửu Long.
  • Hạn chế biến số: Mô hình tập trung vào 6 nhóm nhân tố chính ($R^2 = 60.40%$), vẫn còn $39.60%$ sự biến thiên của biến phụ thuộc do các yếu tố ngoài mô hình tác động (ví dụ: yếu tố công nghệ số FinTech, tác động của lạm phát vĩ mô, thói quen thanh toán không dùng tiền mặt).
  • Hướng nghiên cứu tiếp theo:
    • Mở rộng phạm vi khảo sát theo phương pháp chọn mẫu phân tầng ngẫu nhiên (Stratified Random Sampling) trên toàn hệ thống Sacombank khu vực Tây Nam Bộ.
    • Ứng dụng mô hình phương trình cấu trúc tuyến tính (PLS-SEM) để phân tích các tác động gián tiếp thông qua biến trung gian (Sự hài lòng và Lòng trung thành của khách hàng).

Đối tượng hưởng lợi

  • Sinh viên & Học viên cao học: Tiếp cận mẫu nghiên cứu hoàn chỉnh từ khâu tổng quan tài liệu, thiết kế bảng hỏi Likert, kiểm định EFA đến hồi quy OLS chuyên ngành Tài chính - Ngân hàng.
  • Chuyên viên phân tích dữ liệu & Nghiên cứu thị trường: Nắm bắt cấu trúc bảng mã hóa SPSS, cú pháp xử lý kiểm định Cronbach's Alpha, ma trận xoay Varimax và các tiêu chuẩn nghiệm thu mô hình kinh tế lượng.
  • Ban lãnh đạo & Quản lý ngân hàng: Có cơ sở định lượng để phân bổ ngân sách chi phí huy động vốn tối ưu giữa lãi suất, truyền thông thương hiệu và chính sách khuyến mãi.
  • Khách hàng cá nhân: Hưởng lợi từ quy trình thủ tục tinh gọn, sản phẩm tiết kiệm đa dạng và các gói lãi suất cạnh tranh hơn từ ngân hàng.

Câu hỏi thường gặp

  1. Cỡ mẫu 304 có đủ độ tin cậy thống kê cho mô hình 31 biến quan sát không? Hoàn toàn đủ. Theo Hair et al. (2014), tỷ lệ quan sát tối thiểu trên một biến đo lường là $5:1$, tức $5 \times 31 = 155$ mẫu. Mẫu $N = 304$ đạt tỷ lệ xấp xỉ $10:1$, đảm bảo độ tin cậy cao cho phân tích EFA và hồi quy OLS.

  2. Tại sao yếu tố Lãi suất tiền gửi lại có tác động mạnh nhất ($\beta = 0.298$)? Trên địa bàn huyện Vĩnh Hưng, đa số khách hàng là người dân khu vực nông nghiệp, có thu nhập nhàn rỗi tích lũy theo mùa vụ. Mục tiêu hàng đầu của họ là tìm kiếm kênh sinh lời an toàn, ổn định nên mức độ nhạy cảm về lãi suất giữa các ngân hàng là rất cao.

  3. Làm thế nào để nhận biết mô hình có bị hiện tượng đa cộng tuyến hay không? Thông qua chỉ số phóng đại phương sai (VIF). Nếu tất cả các hệ số $\text{VIF} < 2.0$ (hoặc tiêu chuẩn lỏng hơn $\text{VIF} < 10$), mô hình hoàn toàn không vi phạm giả định đa cộng tuyến. Trong nghiên cứu này, $\text{VIF}$ cao nhất chỉ đạt $1.415$.

  4. Biến Đội ngũ nhân viên đóng góp như thế nào trong kỷ nguyên ngân hàng số? Dù công nghệ phát triển, phân khúc khách hàng gửi tiền tiết kiệm lớn tuổi tại khu vực nông thôn vẫn phụ thuộc lớn vào sự hướng dẫn trực tiếp, thái độ thân thiện và sự tỉ mỉ của giao dịch viên tại quầy.

  5. Chi phí triển khai các gợi ý chính sách có vượt quá ngân sách chi nhánh? Các giải pháp tập trung vào tái cấu trúc quy trình nội bộ, đào tạo kỹ năng nhân viên và điều chỉnh kỳ hạn lãi suất linh hoạt, không yêu cầu đầu tư vốn lớn vào hạ tầng cơ sở, giúp tối đa hóa chỉ số ROI cho chi nhánh.

Kết luận

Đề tài khóa luận tốt nghiệp của tác giả Nguyễn Thị Hoàng Nhi đã hoàn thành xuất sắc các mục tiêu nghiên cứu đặt ra, cung cấp bức tranh toàn diện và luận cứ khoa học thực nghiệm về hành vi khách hàng gửi tiền tiết kiệm tại Sacombank Vĩnh Hưng, Long An. Kết quả nghiên cứu khẳng định cả 6 nhân tố: Lãi suất tiền gửi, Chất lượng dịch vụ, Đội ngũ nhân viên, Thương hiệu ngân hàng, Sự tiện lợi và Chính sách khuyến mãi đều có tác động dương có ý nghĩa thống kê ($p < 0.05$) đến quyết định lựa chọn của khách hàng với mức độ giải thích $R^2_{\text{Adjusted}} = 60.40%$. Đây là tài liệu tham khảo giá trị cho các nhà hoạch định chiến lược kinh doanh ngân hàng bán lẻ và các nhà nghiên cứu trong lĩnh vực hành vi tài chính người tiêu dùng.