các yếu tố ảnh hưởng đến vốn trí tuệ tại ngân hàng thương mại việt nam

Nghiên cứu này nhằm mục tiêu chính là đánh giá tác động của các yếu tố đặc thù đến việc sử dụng hiệu quả vốn trí tuệ trong ngữ cảnh của các ngân hàng thương mại niêm yết tại Sở Giao dịch

GIỚI THIỆU

Tính cấp thiết của đề tài

Trong kỷ nguyên hiện đại, khi thế giới đang chứng kiến sự phát triển mạnh mẽ của toàn cầu hóa và Cách mạng công nghiệp 4.0, các doanh nghiệp đang dần chuyển hướng từ các phương thức sản xuất truyền thống sang một nền kinh tế dựa trên tri thức Điều này yêu cầu sự tập trung không chỉ vào những tài sản vật chất như thiết bị và cơ sở vật chất, mà còn cả vào năng lực sáng tạo và quản lý thông tin một cách hiệu quả Do đó, vốn trí tuệ dần dần trở thành một yếu tố then chốt, không chỉ quyết định khả năng của doanh nghiệp trong việc xây dựng và bảo vệ sự phát triển lâu dài của mình mà còn ảnh hưởng đến sự thịnh vượng tổng thể So với các tài sản vật chất, vốn trí tuệ mang lại lợi thế cạnh tranh bền vững, khó bị mô phỏng hoặc sao chép, không chỉ qua các đổi mới trong sản phẩm và dịch vụ mà còn thông qua quản lý thông tin hiệu quả, mối quan hệ với khách hàng, và khả năng thích nghi nhanh chóng với các biến động của thị trường Đầu tư vào nguồn nhân lực, hoạt động nghiên cứu và phát triển, cùng với việc hợp tác chiến lược, đều là những yếu tố quan trọng để phát triển vốn trí tuệ Điều này không chỉ giúp công ty nhanh chóng tung ra thị trường những sản phẩm và dịch vụ đột phá mà còn góp phần xây dựng một môi trường kinh doanh đa dạng, linh hoạt, có khả năng thích ứng với các thách thức và cơ hội mới

Trong ngành dịch vụ, nhất là trong lĩnh vực ngân hàng, hoạt động thương mại chủ yếu phát triển dựa trên năng lực và các tài sản không hữu hình Ngành ngân hàng, thông qua việc huy động vốn và cung cấp các khoản vay, tạo nên sự khác biệt đáng kể so với ngành nông nghiệp hay sản xuất, nơi mà sản phẩm cuối cùng là các mặt hàng có thể chạm vào được Ngành ngân hàng, nhờ vào việc tập trung vào cung cấp dịch vụ tài chính, trở thành điển hình cho việc nghiên cứu vốn trí tuệ, một lĩnh vực đòi hỏi sự hiểu biết sâu sắc về tri thức Quản lý rủi ro và cung cấp dịch vụ một cách nhanh chóng, chính xác yêu cầu ngân hàng có đội ngũ lao động có kiến thức và kinh nghiệm, đảm bảo quá trình cho vay diễn ra suôn sẻ Do đó, vốn trí tuệ trở thành yếu tố then chốt trong việc duy trì khả năng cạnh tranh của ngân hàng Ở Việt Nam, việc nghiên cứu về vốn trí tuệ, đặc biệt trong ngành ngân hàng, vẫn còn hạn chế, mặc dù đây là lĩnh vực có vai trò quan trọng trong sự phát triển

2 kinh tế của quốc gia Sự thiếu vắng nghiên cứu chuyên sâu đặt ra thách thức cho ngành, nơi mà sự hiểu biết sâu sắc và trình độ giáo dục cao là cần thiết Tác giả chọn đề tài "Các yếu tố ảnh hưởng đến vốn trí tuệ tại ngân hàng thương mại Việt Nam" để phân tích và xác định những yếu tố ảnh hưởng đến hiệu suất của vốn trí tuệ trong ngành ngân hàng thương mại tại Việt Nam Nghiên cứu này không chỉ nhằm mục đích đóng góp vào lý thuyết về vốn trí tuệ mà còn kiểm định các giả thuyết qua việc xây dựng mô hình định lượng, đồng thời tìm kiếm giải pháp để cải thiện hiệu suất vốn trí tuệ trong ngân hàng, góp phần vào sự phát triển và tối ưu hóa hoạt động của hệ thống ngân hàng tại Việt Nam.

Mục tiêu nghiên cứu

Bài nghiên cứu này nhằm mục đích phân tích và xác định các yếu tố ảnh hưởng đến vốn trí tuệ trong lĩnh vực ngân hàng ở Việt Nam Qua đó, đề xuất hàm ý quản trị nhằm nâng cao hiệu quả vốn trí tuệ Cụ thể, nghiên cứu này sẽ tiếp cận qua ba giai đoạn:

- Xác định các yếu tố quan trọng ảnh hưởng đến hiệu quả vốn trí tuệ trong các ngân hàng thương mại ở Việt Nam

- Đo lường và phân tích mức độ ảnh hưởng của từng yếu tố đối với hiệu quả của vốn trí tuệ trong các ngân hàng

- Đề xuất các biện pháp quản trị nhằm tối ưu hóa hiệu quả của vốn trí tuệ trong hoạt động ngân hàng.

Câu hỏi nghiên cứu

Để đạt được mục tiêu nghiên cứu, các câu hỏi cụ thể sau sẽ được trả lời:

- Các yếu tố nào đang đóng vai trò quan trọng trong việc tăng cường hiệu quả của vốn trí tuệ trong ngân hàng ở Việt Nam?

- Mức độ tác động của mỗi yếu tố đối với hiệu quả của vốn trí tuệ trong ngân hàng là như thế nào?

- Có những biện pháp quản trị cụ thể nào có thể được áp dụng để tối ưu hóa hiệu quả của vốn trí tuệ trong các tổ chức ngân hàng?

Đối tƣợng và phạm vi nghiên cứu

Đối tượng nghiên cứu: Các nhân tố ảnh hưởng đến hiệu quả của vốn trí tuệ trong các ngân hàng thương mại ở Việt Nam

Phạm vi nghiên cứu : Dữ liệu được thu thập từ báo cáo tài chính của một số ngân hàng thương mại ở Việt Nam trong khoảng thời gian 10 năm từ 2012 đến 2022 nhất định để phản ánh các biến động và xu hướng trong lĩnh vực này.

Phương pháp nghiên cứu

Trong nghiên cứu này, tác giả đã sử dụng phương pháp định lượng và định tính kết hợp để phân tích dữ liệu Các phương pháp ước lượng như Pooled OLS, Fixed Effects Model và Random Effects Model được áp dụng cho dữ liệu bảng Dữ liệu tài chính được kiểm toán của 26 ngân hàng thương mại cổ phần từ năm 2012 đến 2022, bao gồm dữ liệu chéo và chuỗi thời gian, đã được sử dụng Sau khi kiểm tra và giải quyết các vấn đề nội tại, tác giả ước lượng hệ số xác định và liên quan để đánh giá tác động của các biến độc lập (mức đầu tư công nghệ, rào cản gia nhập, lợi nhuận, vốn trí tuệ, đòn bẩy tài chính và rủi ro) đối với biến phụ thuộc (giá trị gia tăng được tạo ra).

Bài nghiên cứu đề xuất các giải pháp hiệu quả để cải thiện hiệu suất vốn trí tuệ trong ngân hàng, đóng góp vào tăng cường năng lực cạnh tranh và hiệu quả hoạt động chung của NHTM.

Cấu trúc của nghiên cứu

Chương 1: Giới thiệu: Trong chương này, tác giả mở đầu bằng cách trình bày nguyên nhân lựa chọn đề tài nghiên cứu, đặt ra các mục tiêu cần đạt được, đề

4 cập đến các câu hỏi nghiên cứu chính, xác định đối tượng và phạm vi của nghiên cứu, mô tả phương pháp luận được áp dụng, và giới thiệu khung cảnh lý thuyết hỗ trợ cho nghiên cứu

Chương 2: Cơ sở lý thuyết: Trong phần này, tác giả đi sâu vào việc phân tích cơ sở lý thuyết về các yếu tố có liên quan đến nghiên cứu, tổng hợp và phân tích các nghiên cứu trước đây cả trong và ngoài nước liên quan đến chủ đề được khảo sát Dựa trên những thông tin thu thập được, tác giả xây dựng và đề xuất các giả thuyết nghiên cứu, và phát triển một mô hình nghiên cứu cụ thể cho đề tài

Chương 3: Phương pháp nghiên cứu: Trong chương này, tác giả sẽ nghiên cứu chi tiết về quy trình thực hiện, bao gồm việc mô tả các phương pháp nghiên cứu được áp dụng, cách thức lựa chọn mẫu nghiên cứu, và các kỹ thuật được sử dụng để phân tích dữ liệu

Chương 4: Kết quả phân tích: Trong chương này, tác giả thực hiện phân tích và thảo luận về kết quả thu được từ mô hình nghiên cứu, nhằm xác định và đánh giá các yếu tố ảnh hưởng đến hiệu suất vốn trí tuệ và mức độ ảnh hưởng của những yếu tố này đối với hiệu suất vốn trí tuệ trong lĩnh vực ngân hàng thương mại ở Việt Nam

Chương 5: Kết luận và kiến nghị: Trong phần kết của bài nghiên cứu này, tác giả tổng hợp và đánh giá tác động của các yếu tố được nghiên cứu đến hiệu quả vốn trí tuệ, đồng thời đề xuất các khuyến nghị cho ban lãnh đạo ngân hàng nhằm cải thiện và tối đa hóa hiệu suất vốn trí tuệ Điều này không chỉ giúp nâng cao hiệu quả hoạt động mà còn củng cố vị thế cạnh tranh của ngân hàng thương mại tại Việt Nam

Trong phần đầu tiên của bài nghiên cứu, tác giả đã đưa ra một cái nhìn tổng quát về chủ đề được khảo sát, bao gồm việc giải thích lý do lựa chọn đề tài, đặt ra các mục tiêu và câu hỏi nghiên cứu, cũng như xác định đối tượng và phạm vi nghiên cứu Những thông tin này sẽ tạo nền tảng cho việc phát triển và thảo luận chi tiết hơn về đề tài trong các phần sau của công trình nghiên cứu

TỔNG QUAN NGHIÊN CỨU

Khái niệm về vốn trí tuệ

Vốn trí tuệ được hiểu và thể hiện qua nhiều góc độ khác nhau tùy thuộc vào lĩnh vực nghiên cứu và ứng dụng:

 Trong Quản trị và Kinh doanh: thường được coi như là các nguồn lực không vật chất của tổ chức, bao gồm thông tin, kỹ năng, mối quan hệ và các quy trình hoạt động đã được xây dựng

Trong Tâm lý và Giáo dục, đánh giá trí tuệ thường liên quan đến việc sử dụng các phép đo lường nhằm đánh giá khả năng xử lý vấn đề, tư duy logic và hấp thụ kiến thức mới, qua đó cung cấp thông tin chi tiết về năng lực nhận thức của cá nhân.

Trong bối cảnh Công nghệ Thông tin và Tri thức, vốn trí tuệ thường được liên kết với thông tin, kiến thức và khả năng sáng tạo trong lĩnh vực công nghệ Lĩnh vực này tập trung vào phát triển và quản lý kiến thức, coi trọng vai trò của thông tin, kiến thức và khả năng sáng tạo trong lĩnh vực công nghệ.

 Trong Tài chính và Ngân hàng: vốn trí tuệ thường được liên kết với việc đánh giá và quản lý rủi ro, cải thiện hiệu suất tài chính và việc đầu tư một cách thông minh

 Trong Y học và Nghiên cứu Y sinh: trí tuệ thường bao gồm kiến thức chuyên môn và kỹ năng của các chuyên gia trong lĩnh vực y học, cùng với khả năng tạo ra những phát minh và tiến bộ mới trong quá trình nghiên cứu và phát triển

Theo Stewart (1997), vốn trí tuệ được mô tả như một bộ sưu tập đa dạng của kiến thức, thông tin và kinh nghiệm mà mỗi doanh nghiệp sử dụng để tạo ra giá trị Quan điểm của Roos và đồng nghiệp (1997) đặt vốn trí tuệ là kết quả của việc biến đổi các yếu tố không hình thành thành tài sản vô hình, như nhãn hiệu, bằng sáng chế và thương hiệu trong bảng cân đối kế toán (Brooking 1996) mô tả vốn trí tuệ như một sự pha trộn của các yếu tố vô hình như thị trường, sở hữu trí tuệ, nguồn nhân lực và cơ sở hạ tầng Nhìn chung, vốn trí tuệ đóng vai trò như một nguồn lực không vật chất mà các tổ chức sở hữu và sử dụng để phát triển, nâng cao năng suất và thúc đẩy tiến bộ kinh tế Sự tiến bộ và gia tăng giá trị của vốn trí tuệ có thể tạo ra lợi thế cạnh tranh và đem lại sự phát triển bền vững cho doanh nghiệp

Các thành phần của vốn trí tuệ

Nhiều nhà nghiên cứu đã khẳng định rằng vốn trí tuệ gồm ba thành phần chính: vốn nhân sự, vốn cơ cấu và vốn khách hàng, như đã được Holton và Yamkovenko (2008), Yang và Lin (2009), Mavridis và Kyrmizoglou (2005), và Tayles (2007) nghiên cứu và đề xuất Điều này phản ánh sự nhất quán trong giới học thuật về tầm quan trọng của cả yếu tố vật chất và phi vật chất trong sự phát triển của doanh nghiệp Mô hình Hệ số Giá Trị Gia Tăng Trí Tuệ (VAIC) của Pulic (2000) cũng chỉ ra rằng ba yếu tố này cùng đóng góp vào hiệu quả tổ chức, với vốn nhân sự, vốn cơ cấu và vốn vật chất được đánh giá về mức độ tạo ra giá trị gia tăng Phân loại này đã được áp dụng rộng rãi trong nghiên cứu của Calisir và đồng nghiệp (2010a; 2010b), Joshi và đồng nghiệp (2010), Lê Hà Như Thảo (2014), Maria Morariu (2014), Morariu (2014), và Võ Hồng Đức và đồng nghiệp (2023)

Vốn con người được xem là hạt nhân của vốn trí tuệ (Yang & Lin, 2009), là yếu tố đo lường giá trị gia tăng mà doanh nghiệp tạo ra thông qua việc sử dụng hiệu quả nguồn lực nhân sự của mình Tài nguyên nhân sự bao gồm một loạt các phương tiện như:

Nguồn nhân lực và tài năng là sự kết hợp của nguồn nhân lực và tài năng của nhân viên, tạo điều kiện cho sự phát triển và nâng cao hiệu suất lao động (Sefidgar, Maleki, & Minouei năm 2015).

- Cam Kết và Chia Sẻ: Sự cam kết của nhân viên và khả năng chia sẻ kiến thức là yếu tố quan trọng tạo nên một môi trường làm việc tích cực (Galunic & Anderson 2000)

- Kiến Thức và Kỹ Năng: Sự đa dạng trong kiến thức và kỹ năng của nhân viên góp phần tăng cường sự sáng tạo và linh hoạt trong công việc (Lings & Greenley 2005)

- Đào Tạo và Phát Triển: Việc đầu tư vào đào tạo và phát triển kỹ năng giúp nâng cao năng lực và hiệu suất lao động (Henry 2013)

- Thái Độ và Năng Lực: Thái độ tích cực và sự nhanh nhạy trong công

8 việc, cùng với năng lực chuyên môn, đều là yếu tố quan trọng tạo ra cơ sở cho sự thành công và phát triển của doanh nghiệp (Riahi‐ Belkaoui 2003)

Tài nguyên nhân sự không chỉ đóng vai trò quan trọng trong việc nâng cao chất lượng dịch vụ và tăng cường năng suất, mà còn là yếu tố quyết định giúp doanh nghiệp đạt được mục tiêu và tăng hiệu quả

Vốn cơ cấu, là trụ cột để kích thích hiệu suất lao động tối đa của nhân viên, bao gồm một loạt các yếu tố như khả năng tiếp cận thị trường, hệ thống phần cứng và phần mềm, cơ sở dữ liệu, tổ chức và cấu trúc, cũng như sở hữu trí tuệ và thương hiệu Những nhà nghiên cứu như Bontis (2000), Ordonez de Pablos (2004), và Boisot (2013) đã chỉ ra rằng vốn cơ cấu là một nguồn tài sản quan trọng, giúp tổ chức giữ lại kiến thức và kinh nghiệm đáng giá, ngay cả khi nhân viên rời bỏ tổ chức Pulic (2000) cũng đã khẳng định rằng việc đầu tư vào vốn nhân sự và cơ cấu có thể tạo ra giá trị gia tăng cho doanh nghiệp

Vốn cơ cấu bao gồm hai loại chính: dữ liệu và tài sản trí tuệ (bằng sáng chế, quyền sở hữu trí tuệ, thương hiệu) và cơ sở hạ tầng hỗ trợ hoạt động kinh doanh (hệ thống công nghệ, cơ sở dữ liệu, tổ chức) Vốn cơ cấu đóng vai trò quan trọng trong nghiên cứu doanh nghiệp, giúp giảm chi phí và tạo ra lợi nhuận cao hơn.

(Pulic 1998) nhấn mạnh rằng tài sản vô hình và hữu hình cần được kết hợp một cách hiệu quả để tạo ra giá trị gia tăng cho doanh nghiệp Điều này đòi hỏi việc đo lường hiệu quả sử dụng các loại vốn - tài chính, vật chất và vô hình - bằng cách so sánh giữa giá trị gia tăng mà doanh nghiệp tạo ra và lượng đầu tư vào các tài sản này Vốn trí tuệ, theo quan điểm của Pulic, không chỉ gồm ba thành phần chính là vốn con người, vốn cơ cấu và vốn vật chất, mà còn được đánh giá qua giá trị gia tăng từ việc phối hợp các nguồn lực vô hình một cách hiệu quả Thêm vào đó, Pulic nhấn mạnh

9 tầm quan trọng của việc quản lý và tối ưu hóa sự kết hợp giữa vốn hữu hình và vô hình để tối đa hóa hiệu suất và sự phát triển bền vững của doanh nghiệp Cách tiếp cận này cho phép doanh nghiệp không chỉ tận dụng tốt nhất nguồn lực có sẵn mà còn khai thác tiềm năng tạo ra giá trị mới thông qua sự đổi mới và sáng tạo.

Các nghiên cứu liên quan

Trong thời gian gần đây, sự quan tâm đến việc sử dụng VAIC như một công cụ đo lường hiệu quả của vốn trí tuệ đã tăng lên, tuy nhiên chỉ có một số ít các nghiên cứu đã tập trung vào việc khảo sát hiệu quả của vốn trí tuệ trong ngành tài chính ngân hàng:

2.3.1 Các nghiên cứu trong nước

Trong nghiên cứu của Hoàng Minh Ngọc, Ngô Tấn Lâm Hà và Phạm Trần Giang Quỳnh (2023), họ đã thực hiện một phân tích về hiệu quả của vốn trí tuệ trong các doanh nghiệp niêm yết trên thị trường chứng khoán Việt Nam, dựa trên dữ liệu từ 200 công ty có vốn hóa lớn nhất từ năm 2015 đến 2021 Kết quả của nghiên cứu này chỉ ra rằng vốn nhân lực là yếu tố chính góp phần vào vốn trí tuệ, tiếp theo là vốn cơ cấu và sau cùng là vốn tài chính

Nghiên cứu của Lê Hà Như Thảo (2014) sử dụng mô hình VAIC để đánh giá vốn trí tuệ và hiệu quả sử dụng vốn trí tuệ tại 60 công ty công nghệ cao niêm yết trên Sàn Giao dịch Chứng khoán London Dữ liệu từ Datastream cho thấy các công ty này có doanh thu và lợi nhuận cao nhưng không tạo ra giá trị gia tăng tương xứng.

Vo, Van, Hoang, & Tran (2023) đã nghiên cứu mối quan hệ giữa vốn trí tuệ, quản trị công ty và trách nhiệm xã hội của doanh nghiệp tại Việt Nam, sử dụng phương pháp GLS và dữ liệu từ báo cáo thường niên của các công ty công nghệ thông tin và viễn thông niêm yết từ 2011 đến 2018

Nghiên cứu đã chỉ ra rằng sự hiệu quả của vốn trí tuệ trong năm trước đó có ảnh hưởng tích cực đến hiệu quả của vốn trí tuệ trong năm tiếp theo Đồng thời, trách nhiệm xã hội của doanh nghiệp cũng đóng một vai trò quan trọng và có ảnh

Một số yếu tố tích cực đáng kể ảnh hưởng hiệu quả của vốn tri thức bao gồm: vị trí của công ty trong ngành, mức chi tiêu cho nghiên cứu và phát triển, tỷ lệ thành viên độc lập trong hội đồng quản trị và quy mô tổng tài sản Trong đó, tỷ lệ thành viên độc lập trong hội đồng quản trị đóng vai trò quan trọng trong việc nâng cao hiệu quả của vốn tri thức, thể hiện qua việc đưa ra những quyết định sáng suốt và khách quan hơn.

2.3.2 Các nghiên cứu nước ngoài

Nghiên cứu của El-Bannany (2008) chỉ ra các yếu tố ảnh hưởng đến hiệu suất vốn trí tuệ trong ngân hàng Anh thông qua phân tích hồi quy đa biến trên dữ liệu từ Tập đoàn Ngân hàng lớn của Anh (MBBG) Các yếu tố được xác định có ảnh hưởng đáng kể bao gồm lợi nhuận ngân hàng, rủi ro, đầu tư vào công nghệ thông tin, hiệu quả hoạt động và rào cản gia nhập thị trường.

Momani, Jamaludin và Zanani (2021) đã tiến hành phân tích dữ liệu từ báo cáo tài chính của 50 công ty công nghiệp niêm yết trên Sở giao dịch chứng khoán Amman trong giai đoạn 2008-2017 Họ dùng mô hình hồi quy phân cấp để điều tra mối quan hệ giữa vốn quan hệ và hiệu quả của doanh nghiệp, và phát hiện ra một mối liên kết tích cực giữa hai yếu tố này

Bhattu-Babajee và Seetanah (2022) đã tìm hiểu về các yếu tố ảnh hưởng đến hiệu quả sử dụng vốn trí tuệ ở Mauritius, sử dụng mô hình VAIC và dữ liệu từ 152 công ty hoạt động trong 4 lĩnh vực kinh tế từ năm 2007 đến 2018 Kết quả cho thấy hiệu quả, lợi nhuận, quy mô và vốn nhân lực đều có ảnh hưởng tích cực đến hiệu quả sử dụng vốn trí tuệ, trong khi các rào cản gia nhập thị trường ảnh hưởng tiêu cực

Nghiên cứu của Duho và Onumah (2019) xác định được các yếu tố tác động đến hiệu quả sử dụng vốn trí tuệ dựa trên dữ liệu từ 25 ngân hàng Ghana trong giai đoạn 2000-2014 Họ phát hiện rằng tỷ lệ nghiên cứu và phát triển, thu nhập và vốn chủ sở hữu có ảnh hưởng tích cực đến hiệu quả sử dụng vốn trí tuệ, trong khi vốn con người và đòn bẩy tài chính lại có tác động tiêu cực.

Calisir và cộng sự (2010b) đã phân tích dữ liệu từ báo cáo tài chính của 14 ngân hàng tư nhân ở Thổ Nhĩ Kỳ từ năm 2002 đến năm 2006 Họ nhận thấy Akbank T.A.S thường có giá trị VAIC cao nhất trong hầu hết các năm nghiên cứu, trong khi Adabank A.S thường có điểm thấp nhất trong HCE, SCE và VAIC

Từ những nghiên cứu này, có thể kết luận rằng đầu tư vào công nghệ thông

11 tin, hiệu quả hoạt động, rào cản gia nhập thị trường, đầu tư vào vốn trí tuệ, lợi nhuận và rủi ro ngân hàng, cũng như quy mô ngân hàng, đều đóng vai trò quan trọng trong hiệu quả sử dụng vốn trí tuệ

Phương pháp nghiên cứu định lượng

Nghiên cứu về vốn trí tuệ đối mặt với thách thức lớn do tính chất vô hình và giá trị định tính của nó, làm cho việc đo lường và lượng hóa trở nên phức tạp Thêm vào đó, sự khan hiếm thông tin công khai và việc dữ liệu thường chỉ dùng trong nội bộ đã cản trở quá trình thu thập dữ liệu để phân tích và đánh giá vốn trí tuệ Dù đã có nhiều phương pháp nghiên cứu như Giá trị kinh tế tăng thêm (EVA), Thẻ điểm cân bằng (BSC), phương pháp vốn hóa thị trường và tiếp cận các thành phần tổng hợp được đề xuất, mỗi phương pháp lại mang những ưu nhược điểm riêng

Phương pháp Giá trị kinh tế tăng thêm (EVA) không mô tả rõ ràng các thành phần của vốn trí tuệ và thiếu hướng dẫn cụ thể về cách triển khai, khiến nó khó áp dụng một cách hiệu quả (Chen et al 2004) Phương pháp Thẻ điểm cân bằng (BSC), mặc dù cung cấp cái nhìn chi tiết về vốn trí tuệ cho từng công ty, nhưng lại thiếu tính ứng dụng chung và không thể sử dụng để so sánh giữa các công ty Phương pháp này cũng không xác định được giá trị tài chính một cách khách quan cho vốn trí tuệ, gây khó khăn trong việc so sánh (Bontis 2001) Phương pháp vốn hóa thị trường đo lường vốn trí tuệ thông qua sự chênh lệch giữa giá trị thị trường và giá trị sổ sách Tuy nhiên, phương pháp này đối mặt với nhược điểm từ các số liệu kế toán chi phí lịch sử và biến động giá trị thị trường, có thể làm sai lệch ước tính giá trị vốn trí tuệ và không chỉ rõ được các thành phần cụ thể trong vốn trí tuệ (Brennan & Connell 2000; Dumay 2012) Nhóm phương pháp tiếp cận các thành phần tổng hợp gặp khó khăn trong việc thực hiện do thiếu thông tin đầy đủ, khó thu thập, hoặc độ tin cậy thấp của dữ liệu về các thành phần của vốn trí tuệ (Forte et al 2015) Vì vậy, cần có sự phát triển và tinh chỉnh thêm trong các phương pháp hiện tại hoặc việc tạo ra các phương pháp mới để đo lường và đánh giá vốn trí tuệ một cách hiệu quả hơn, giúp vượt qua những hạn chế của các phương pháp hiện nay

Trong bài này, em đã áp dụng phương pháp VAIC được phát hiện bởi Pulic năm 1998, để đánh giá hiệu suất vốn trí tuệ của các NHTM ở Việt Nam VAIC, một

12 công cụ đo lường tiêu chuẩn hóa và nhất quán, cho phép so sánh hiệu quả sử dụng vốn trí tuệ giữa các ngân hàng, đã được sử dụng rộng rãi trong nghiên cứu về vốn trí tuệ vì khả năng cung cấp cái nhìn toàn diện về hiệu quả vốn trí tuệ trong doanh nghiệp

Phương pháp VAIC được đánh giá cao hơn các phương pháp khác nhờ vào tính hữu ích, đơn giản, khách quan, có khả năng so sánh và độ tin cậy của nó VAIC không chỉ dễ dàng tính toán và lượng hóa mà còn có thể áp dụng cho các tổ chức ở mọi quy mô Phương pháp này tập trung vào số liệu từ các báo cáo tài chính công bố, làm cho nó trở thành công cụ hữu ích cho việc phân tích hiệu quả sử dụng vốn trí tuệ VAIC cũng đánh giá hiệu quả của cả tài sản hữu hình và vốn vô hình, cung cấp cái nhìn đáng tin cậy và có thể so sánh về vốn trí tuệ

VAIC tồn tại những hạn chế nhất định Công thức đơn giản của VAIC có thể bỏ sót giá trị của vốn trí tuệ hoặc không tính đến ngay tất cả các khía cạnh Ngoài ra, mô hình này cần điều chỉnh cho phù hợp với từng doanh nghiệp, gây ảnh hưởng đến mức độ khái quát và so sánh giữa các tổ chức khác ngành Mô hình VAIC không phù hợp để đánh giá độc lập các tài sản vô hình và không thể đánh giá mức độ vốn trí tuệ trong những công ty báo lỗ hoạt động.

Mặc dù có những hạn chế, VAIC vẫn là phương pháp ưu việt trong việc đo lường vốn trí tuệ, nhất là trong bối cảnh phân tích thống kê, do tính sẵn có của dữ liệu và quy trình thu thập dữ liệu ít rủi ro hơn VAIC dựa trên số liệu định lượng từ báo cáo tài chính, đảm bảo kết quả là khách quan, được kiểm tra và so sánh Điều này làm cho VAIC trở thành công cụ thuận lợi, đơn giản và đáng tin cậy cho việc đánh giá và so sánh hiệu quả vốn trí tuệ giữa các giai đoạn của cùng một công ty hoặc giữa các doanh nghiệp khác nhau

Dựa trên phương pháp đo lường từ các nghiên cứu trước, em đã tổng hợp và xác định phương pháp đo lường hiệu quả vốn trí tuệ và các thành phần liên quan được áp dụng trong nghiên cứu này như sau:

- Đánh giá hiệu quả hoạt động kinh doanh thông qua việc đo lường Giá Trị Gia Tăng (VA) của doanh nghiệp là phương pháp phản ánh sự khác biệt giữa giá trị sản xuất (đầu ra) và tổng chi phí hoạt động (đầu vào), không bao gồm chi phí nhân

13 sự Cụ thể, đầu ra (OUT) được hiểu là doanh thu thuần từ bán hàng và cung cấp dịch vụ, trong khi đầu vào (IN) bao gồm các chi phí hoạt động khác ngoài chi phí nhân viên Phương pháp này đã được áp dụng bởi nhiều nhà nghiên cứu trong việc đánh giá khả năng tạo ra giá trị gia tăng của công ty, từ đó phản ánh hiệu quả và sự thành công của hoạt động kinh doanh Cách tính này cũng được nhiều nhà nghiên cứu sử dụng (Calisir và các cộng sự 2010; Joshi và các cộng sự 2010; Lê Hà Như Thảo 2014; Maria Morariu 2014; Chahal & Bakshi 2016; Wahyu và các cộng sự 2018; Hoàng Minh Ngọc và các cộng sự 2023):

HC = Chi phí nhân viên (xem như một khoản đầu tư)

CA = Tài sản cố định hữu hình (đại diện cho vốn vật chất)

Giá trị gia tăng của vốn con người (VAHC) = VA/HC

Giá trị gia tăng của vốn vật chất (VACA) = VA/CA

Giá trị gia tăng của vốn cơ cấu (VASC) = SC/VA (với SC = VA - HC)

Mô hình VAIC là tổng hợp của các thành phần và thước đo trên:

Trong chương này, tác giả đã tổng hợp và phân tích các lý thuyết cơ bản về hiệu suất vốn trí tuệ, bao gồm các khía cạnh như vốn nhân lực, vốn cơ cấu, và hiệu suất sử dụng vốn Bên cạnh đó, nghiên cứu cũng khám phá các lý thuyết khác có liên quan trực tiếp đến đề tài và mô hình VAIC Hơn nữa, bài viết đã thiết lập một cơ sở lý luận vững chắc về tác động của các yếu tố lên hiệu suất vốn trí tuệ tại các ngân hàng TMCP, cung cấp một cái nhìn thống nhất về vốn trí tuệ nói chung và vốn trí tuệ trong ngành ngân hàng nói riêng, cách thức đo lường vốn trí tuệ và các yếu tố ảnh hưởng đến hiệu quả của nó Bài nghiên cứu cũng đã review các công trình nghiên cứu trước đây liên quan đến chủ đề này ở các nước, từ đó đặt nền móng để phát triển các học thuyết và chọn lựa phương pháp nghiên cứu phù hợp

PHƯƠNG PHÁP NGHIÊN CỨU

Quy trình nghiên cứu

Nghiên cứu "Các yếu tố ảnh hưởng đến hiệu quả vốn trí tuệ tại ngân hàng thương mại Việt Nam" được thực hiện theo trình tự các bước sau:

Bước đầu tiên của quá trình nghiên cứu khoa học là xác định vấn đề cần khảo sát, phát hiện những hạn chế trong các công trình nghiên cứu trước và đề xuất những góc nhìn mới để bổ sung cho lĩnh vực nghiên cứu.

- Tiếp theo, đề ra các mục tiêu cụ thể mà nghiên cứu này hướng tới, dựa trên vấn đề đã được xác định Các mục tiêu này sẽ hỗ trợ trong việc thiết lập quy trình nghiên cứu thích hợp, xác định đối tượng và phạm vi nghiên cứu, cách thức chọn mẫu, cũng như phát triển các biến và chỉ số cần thiết Dữ liệu sẽ được thu thập và phân tích nhằm thực hiện các mục tiêu đã được xác định, qua đó làm sáng tỏ ý nghĩa thực tiễn của đề tài và góp phần bổ sung vào kho tàng kiến thức lý thuyết

- Tác giả sau đó khảo sát các nghiên cứu liên quan nhằm xây dựng cơ sở lý thuyết vững chắc, phát triển một quy trình nghiên cứu hợp lí, đề xuất các giả thuyết và chọn lựa mô hình phù hợp với các biến đã xác định

- Tiếp theo, thực hiện phân tích mô tả dữ liệu, kiểm định sự phù hợp của mô hình và áp dụng mô hình hồi quy đã chọn để phân tích Dựa trên kết quả, tác giả đánh giá và đánh giá các giả thuyết nghiên cứu

Cuối cùng, chúng ta sẽ lựa chọn mô hình hồi quy phù hợp nhất và tiến hành giải thích ý nghĩa của các biến có trong mô hình Sau đó, chúng ta sẽ cung cấp một cái nhìn tổng quan về toàn bộ kết quả nghiên cứu, làm nổi bật tầm quan trọng và ý nghĩa của chúng trong bối cảnh ngành ngân hàng thương mại Việt Nam.

Nguồn: Tác giả tự nghiên cứu

Giả thuyết nghiên cứu

- Đầu tƣ hệ thống CNTT

Mạng lưới công nghệ thông tin (CNTT) được chia thành hai loại chính:

(1) Hệ thống nội bộ, bao gồm các thiết bị và phần mềm được sử dụng cho mục đích quản lý nội bộ, như máy tính và các ứng dụng liên quan

(2) Mạng lưới CNTT dành cho việc sử dụng bên ngoài, gồm các công cụ và dịch vụ nhằm phục vụ nhu cầu của khách hàng, bao gồm máy rút tiền tự động và dịch vụ ngân hàng trực tuyến

Cả hai loại hệ thống này đều được coi là thách thức đối với nhân viên, nhất là

Hình 3.1: Quy trình nghiên cứu

17 những người thiếu kỹ năng và hiểu biết về công nghệ Do đó, có thể đặt ra luận điểm rằng tồn tại một mối quan hệ ngược giữa việc đầu tư vào công nghệ thông tin (CNTT) và hiệu suất vốn trí tuệ: việc đầu tư mạnh mẽ vào các hệ thống CNTT hiện đại có thể làm tăng rủi ro mất việc làm cho nhân viên ngân hàng (El‐Bannany, 2008) Để hỗ trợ quan điểm này, nghiên cứu sử dụng chi phí phần mềm máy tính (chi phí điện toán) được ghi nhận trong bảng thuyết minh của báo cáo tài chính như một chỉ số đo lường mức độ đầu tư vào hệ thống CNTT của ngân hàng và đề xuất một giả thuyết sau:

H1: Có một mối quan hệ tiêu cực giữa mức độ đầu tư vào công nghệ thông tin và hiệu quả vốn trí tuệ

Rào cản gia nhập cao trong một số ngành có thể bảo vệ doanh nghiệp khỏi sự cạnh tranh, như ngành ngân hàng với yêu cầu đầu tư lớn, công nghệ tiên tiến và quy định nghiêm ngặt Tuy nhiên, theo El-Bannany (2008), rào cản gia nhập cao cũng có thể dẫn đến sự tự mãn, giảm đổi mới và năng suất của nhân viên ngân hàng Để đánh giá rào cản gia nhập trong nghiên cứu này, tỷ lệ giữa tài sản cố định và tổng tài sản được sử dụng theo nghiên cứu của Hidayah & Adityawarman (2017).

H2: Có một mối quan hệ tiêu cực giữa các rào cản gia nhập ngành và hiệu quả vốn trí tuệ

- Hiệu quả đầu tƣ vốn trí tuệ

Ngân hàng cần chú trọng vào việc đào tạo và phát triển kỹ năng cho nhân viên, vì việc này không chỉ giúp tăng năng suất lao động mà còn là một phần quan trọng của việc đầu tư vào vốn nhân lực, mang lại lợi ích lâu dài cho tổ chức Đầu tư một cách hiệu quả vào vốn trí tuệ sẽ tăng cường đóng góp của nó vào lợi nhuận tổng thể của ngân hàng Tiền lương trả cho nhân viên không chỉ được xem xét như một khoản chi phí mà còn được coi là đầu tư vào vốn nhân lực, dựa trên quan niệm

18 rằng nhân viên sẽ đóng góp nhiều hơn vào sự phát triển kinh tế của công ty nếu họ được hưởng mức thu nhập cao hơn (El‐Bannany 2008) (Meressa 2016) đã áp dụng logarit tự nhiên của chi phí điện toán như một phương pháp để đo lường hiệu quả đầu tư vào vốn trí tuệ Theo cách tiếp cận của El‐Bannany (2008) và Meressa (2016), bài viết này thực hiện đánh giá về hiệu quả của việc đầu tư vào vốn trí tuệ trong ngành ngân hàng và đưa ra giả thuyết:

H3: Có một mối quan hệ tích cực giữa hiệu quả đầu tư vào vốn trí tuệ và hiệu quả vốn trí tuệ

- Khả năng sinh lợi của ngân hàng

Hoạt động hiệu quả và sinh lợi của ngân hàng không chỉ tạo ra vốn cho các dự án kinh doanh mới, mà còn giúp mở rộng quy mô hoạt động trong tương lai Để tăng lợi nhuận, nhân viên ngân hàng cần liên tục thu hút khách hàng mới, phát triển sản phẩm mới và cải tiến công nghệ Một tình hình tài chính ổn định cũng giúp ban lãnh đạo ngân hàng thu hút dễ dàng vốn đầu tư từ cổ đông và nhà đầu tư, từ đó nâng cao uy tín và tín nhiệm với các bên liên quan Theo nghiên cứu của Anam Ousama và các cộng sự (2012), Hidayah & Adityawarman (2017), và Abdullah (2020), tác giả sử dụng tỷ lệ lợi nhuận trên tổng tài sản (ROA) để đánh giá khả năng sinh lợi của ngân hàng và đề xuất giả thuyết sau:

H4: Có một mối quan hệ tích cực giữa khả năng sinh lợi ngân hàng và hiệu quả vốn trí tuệ

Trong lĩnh vực nghiên cứu về vốn trí tuệ, đã có nhiều công trình khảo sát mối liên hệ giữa rủi ro và vốn trí tuệ, nhưng các kết luận vẫn chưa thống nhất Meressa (2016) và Hidayah & Adityawarman (2017) đều nhận định rằng rủi ro trong hoạt động ngân hàng có ảnh hưởng tiêu cực đến vốn trí tuệ Ngược lại, El‐Bannany (2008) lại tìm ra mối quan hệ đồng biến giữa rủi ro và vốn trí tuệ Al-Musalli và Ismail (2012b, 2012a) bổ sung rằng rủi ro tăng cao có thể khiến khách hàng lo ngại, từ đó làm suy giảm uy tín của ngân hàng Họ khẳng định rằng để khắc phục, ngân hàng cần tăng cường vốn trí tuệ để cải thiện chất lượng dịch vụ và xây

19 dựng lòng tin với khách hàng

Trong việc đo lường rủi ro ngân hàng, các chỉ số tài chính dựa trên dữ liệu kế toán như chất lượng tài sản và khả năng sinh lợi thường được ưa chuộng do tính khả thi và dễ dàng thu thập Tuy nhiên, hạn chế của cách tiếp cận này là không cung cấp được chỉ số độc lập nào để đo lường rủi ro vỡ nợ phục vụ cho mô hình hồi quy đa biến có tính nội sinh Để giải quyết vấn đề này, De Nicolo (2001) đã sử dụng hệ số

Z score, một phương pháp tính toán dựa trên đòn bẩy tài chính, giá trị trung bình và độ lệch chuẩn của lợi nhuận trên tài sản của ngân hàng Phương pháp này cũng đã được Meressa (2016), Nguyễn Minh Hà & Nguyễn Bá Hướng (2016), Dương Thúy

Các nhà nghiên cứu như Hà (2021), Ullah, Pinglu & Zaman (2023) đã áp dụng nhiều phương pháp đánh giá rủi ro trong ngân hàng Trên cơ sở nghiên cứu trước đó, bài viết này tiếp tục áp dụng những phương pháp này để đánh giá rủi ro cho các ngân hàng.

Z score như một phương pháp đo lường rủi ro cho ngân hàng, với giả thuyết là:

H5: Rủi ro ngân hàng có mối quan hệ tích cực với hiệu suất vốn trí tuệ

Một số nhà khoa học đã đưa ra quan điểm rằng ảnh hưởng của các chủ nợ lên doanh nghiệp thường gia tăng khi tỷ lệ nợ so với tổng tài sản của doanh nghiệp tăng cao, khiến cho nhà đầu tư có nhiều quyền lực hơn trong việc định hướng chiến lược quản lý, bao gồm việc đẩy mạnh đầu tư vào vốn trí tuệ (Keenan & Aggestam 2001) Các công trình nghiên cứu của Zuliana (2007), Anam Ousama và các cộng sự (2012), Kweh, Chan và Ting (2015), cùng với Matar và Eneizan (2018) đã áp dụng tỷ lệ nợ so với tổng tài sản làm chỉ số để đo lường mức độ đòn bẩy tài chính Dựa vào những nghiên cứu này, bài viết này tiếp tục sử dụng phương pháp đo lường đòn bẩy tài chính và đặt ra dự đoán về mối quan hệ tích cực giữa đòn bẩy tài chính (LEV) và hiệu suất vốn trí tuệ

H6: Một mối quan hệ tiêu cực tồn tại giữa đòn bẩy tài chính của ngân hàng và hiệu suất vốn trí tuệ.

Dữ liệu nghiên cứu

Dữ liệu cho nghiên cứu này bao gồm thông tin thứ cấp từ báo cáo tài chính hàng năm đã được kiểm toán của 35 ngân hàng niêm yết trên sàn chứng khoán Việt

Nam, từ năm 2012 đến 2022, trích xuất từ cơ sở dữ liệu Fiinpro Trong trường hợp thiếu dữ liệu từ một số ngân hàng, trang web Vietstock.com, một nguồn thông tin uy tín ở Việt Nam, được sử dụng để bổ sung thông tin còn thiếu Ngân hàng nào không có báo cáo tài chính cho ba năm liên tiếp trong khoảng thời gian từ 2012 đến

2015 sẽ bị loại bỏ khỏi nghiên cứu Từ tiêu chí này, 26 ngân hàng đã được lựa chọn để phân tích mục tiêu về các yếu tố ảnh hưởng đến hiệu quả vốn trí tuệ trong ngành ngân hàng Lựa chọn khoảng thời gian từ 2012 đến 2022 là do giai đoạn này ghi nhận sự phát triển mạnh mẽ của công nghệ, dẫn đến sự chuyển dịch của nền kinh tế sang một mô hình dựa trên tri thức Danh sách 26 ngân hàng thương mại bao gồm các ngân hàng: An Bình, ACB, Agribank, Bắc Á, Bảo Việt, BIDV, Bản Việt, VietinBank, Eximbank, HDBank, KienlongBank, LienVietPostBank, MBBank, MSB Bank, Phương Đông, PG Bank, Sài Gòn Công thương, SHB, Sacombank, Techcombank, TPBank, Việt Á, Vietcombank, VIBBank, VPBank.

Mô hình nghiên cứu

VAIC = c + 𝜷1*ITCit + 𝜷2*ENTRYit + 𝜷3*SERVit + 𝜷4*ROAit + 𝜷5*RISKit +𝜷6*LEVit + 𝜺𝒊𝒕

Trong đó: i đại diện cho các NHTM, t đại diện cho khoảng thời gian từ năm 2012-2022 Biến phụ thuộc: VAIC là hiệu quả vốn trí tuệ của 26 NHTM tại Việt Nam trong giai đoạn 2012-2022

ITC – Đầu tư CNTT của từng ngân hàng

ENTRY – Rào cản gia nhập ngành của từng ngân hàng

SERV – Hiệu quả đầu tư vốn trí tuệ của từng ngân hàng

ROA – Khả năng sinh lợi của từng ngân hàng

RISK – Rủi ro của từng ngân hàng

LEV – Đòn bẩy tài chính của từng ngân hàng

Các biến trong mô hình và công thức tính toán được thể hiện qua bảng sau:

Tên biến Cách đo lường Chiều tác động dự báo Đầu tư CNTT

(ITC) Log chi phí phần mềm -

(ENTRY) Tài sản cố định / Tổng tài sản -

Hiệu quả đầu tư IC

(SERV) Chi phí nhân viên / Tổng doanh thu +

(ROA) Lợi nhuận sau thuế / Vốn chủ sở hữu +

Rủi ro NH (RISK) (ROA + VCSH/ Tổng tài sản) / Độ lệch chuẩn ROA trong 3 năm liên tiếp + Đòn bẩy tài chính

(LEV) Nợ phải trả /Tổng tài sản -

Nguồn: Tác giả nghiên cứu

Phương pháp ước lượng

Nghiên cứu này sử dụng dữ liệu panel, một hình thức dữ liệu kết hợp giữa quan sát theo chuỗi thời gian và dữ liệu chéo không gian, loại dữ liệu này rất phổ biến trong các nghiên cứu về kinh tế và tài chính ngân hàng Dữ liệu panel được đánh giá cao trong nghiên cứu vì các lý do sau:

- Cho phép phát triển và kiểm tra các mô hình phức tạp, bao gồm phân tích lợi ích kinh tế từ quy mô và đổi mới công nghệ, thường cho kết quả tốt hơn so với việc sử dụng dữ liệu chuỗi thời gian hoặc dữ liệu cắt ngang duy nhất

- Cung cấp dữ liệu đa dạng hơn thông qua sự kết hợp của chuỗi thời gian và không gian, tăng số bậc tự do, giảm bớt vấn đề đa cộng tuyến và giúp kiểm soát tốt hơn các ảnh hưởng cố định, làm cho mô hình phân tích hiệu quả hơn

- Khả năng giải thích sự khác biệt giữa các đơn vị chéo, nhận diện sự không đồng nhất giữa chúng, và tính đến các đặc trưng cụ thể của từng đơn vị chéo

- Cung cấp khả năng tiếp cận các vấn đề một cách toàn diện hơn, xử lý vấn đề phức tạp hơn thông qua việc kết hợp dữ liệu cắt ngang và chuỗi thời gian, cho phép phân tích sự biến động theo thời gian và sự khác biệt giữa các đối tượng nghiên cứu Dữ liệu panel giúp cải thiện độ chính xác của các biến, giảm thiểu hoặc loại trừ sự thiên lệch từ việc sử dụng dữ liệu tổng hợp ở mức độ vĩ mô

Trong việc ước lượng các mô hình sử dụng dữ liệu panel, các phương pháp phổ biến bao gồm ước lượng hồi quy OLS (Ordinary Least Squares), ước lượng tác động cố định (Fixed Effects Model - FEM), và ước lượng tác động ngẫu nhiên (Random Effects Model - REM) Lựa chọn phương pháp ước lượng phù hợp phụ thuộc vào đặc điểm cụ thể của bộ dữ liệu và mục tiêu nghiên cứu

3.5.1 Mô hình hồi quy OLS

Theo Nguyễn Thị Tuyết Trinh (2016), phương pháp bình phương tối thiểu (OLS) mang nhiều đặc tính thống kê hấp dẫn, đặc biệt là trong phân tích hồi quy, trở thành một trong những phương pháp mạnh mẽ và được sử dụng rộng rãi nhất

Mô hình hồi quy Pooled OLS đã được điều chỉnh để giải quyết một số vấn đề như tự tương quan giữa các biến và sự thay đổi của phương sai sai số, cũng như vấn đề không đồng nhất theo thời gian và không gian Trong trường hợp các đối tượng nghiên cứu đều tương tự nhau, không có sự phân biệt đáng kể về đặc điểm cá nhân giữa chúng (Zi = 0), hoặc những đặc điểm cá nhân đó không gây ảnh hưởng đến biến phụ thuộc Yit, thì việc áp dụng phương pháp ước lượng Bình phương tối thiểu thông thường (OLS) cho dữ liệu panel là phù hợp Tuy nhiên, điều kiện này ít khi đúng trong thực tiễn Mô hình này được trình bày dưới đây :

Yit = 𝛼 + 𝛽1 Xit,1 + 𝛽2 Xit,2 + … + 𝛽k Xit,k + uit (a)

Yit: Biến phụ thuộc của quan sát i trong thời kỳ t

Xit: Biến độc lập của quan sát i trong thời kỳ t i =1…n

Mô hình (a) chỉ ra rằng, hệ số qua thời gian và giữa các đơn vị chéo không có sự thay đổi, nói cách khác, mô hình giả định tính đồng nhất về hệ số qua các đơn vị và thời gian Điều này có nghĩa là mô hình chỉ xem xét ảnh hưởng của các biến độc lập đối với biến phụ thuộc mà không tính đến đặc điểm riêng biệt của từng đơn vị chéo Trong mô hình OLS, sai số chuẩn thường được đánh giá thấp do không xem xét đến cấu trúc phân cấp của dữ liệu, dẫn đến nguy cơ sai lệch trong ước lượng (Bell, A., & Jones, K., 2015)

3.5.2 Mô hình ước lượng tác động cố định (FEM)

Mô hình ước lượng tác động cố định (Fixed Effects Model - FEM) được phát

23 triển nhằm giải quyết các vấn đề phát sinh từ sự không đồng nhất giữa các đối tượng nghiên cứu bằng cách phân tích sự liên kết giữa phần dư của từng đơn vị với các biến giải thích FEM có khả năng kiểm soát và loại trừ ảnh hưởng của những đặc điểm riêng biệt không biến đổi qua thời gian từ các biến giải thích, giúp làm rõ ảnh hưởng thực sự của các biến này lên biến phụ thuộc Mô hình này làm giảm vấn đề nội sinh bằng cách mô hình hóa cả phương sai cấp độ cao và hiệp phương sai, mang lại một giải pháp hiệu quả hơn trong việc xử lý dữ liệu không đồng nhất FEM rất phù hợp trong tình huống các hệ số hồi quy giả định là ổn định xuyên suốt các đơn vị chéo, nhưng lại cho phép sự phân biệt với các hệ số chặn riêng biệt giữa chúng, nhấn mạnh sự khác biệt của các đặc điểm không thay đổi theo thời gian giữa các đơn vị Thêm vào đó, FEM đề cao việc nhận dạng và điều chỉnh dữ liệu theo từng cá nhân hoặc đơn vị, tạo điều kiện cho việc phân tích tập trung vào biến đổi trong mỗi đơn vị qua thời gian Điều này giúp nghiên cứu đạt được độ chính xác cao hơn trong việc ước lượng mối quan hệ giữa biến phụ thuộc và độc lập, đặc biệt khi đối mặt với thách thức từ sự không đồng nhất và dữ liệu nhiễu Kết quả là, FEM cung cấp một cái nhìn sâu sắc và chính xác về ảnh hưởng của các biến độc lập đối với biến phụ thuộc, đồng thời nâng cao khả năng hiểu biết về cấu trúc và động lực của dữ liệu được nghiên cứu Mô hình được biểu diễn dưới dạng sau đây:

Yit = 𝛼 𝑖𝑡 + 𝛽1 X1,it + 𝛽2 X2,it + … + 𝛽k Xk,it + uit (b)

Yit: Biến phụ thuộc của quan sát i trong thời kỳ t

Xk,it: Biến độc lập của quan sát i trong thời kỳ t i =1…n

Trong mô hình nghiên cứu này, các đơn vị chéo được coi là giống nhau trong cùng một năm quan sát, tuy nhiên, hệ số chặn (tung độ gốc) của mô hình có sự biến đổi qua các năm Điều này cho thấy, trong khi ảnh hưởng của thời gian và các biến không quan sát được là nhất quán giữa các đơn vị chéo, sự khác biệt về hệ số chặn qua thời gian phản ánh sự thay đổi trong các yếu tố nội bộ hoặc chính sách quản lý của từng doanh nghiệp Ngược lại, trong trường hợp độ dốc của mô hình giữ nguyên qua các đơn vị chéo nhưng hệ số chặn lại biến đổi, điều này chỉ ra rằng mặc dù có sự đồng nhất về mối quan hệ giữa các biến độc lập và phụ thuộc qua thời gian, hệ số chặn - phản ánh đặc thù cơ bản của mỗi doanh nghiệp - lại không chịu

Các ảnh hưởng của thời gian đối với hệ số chặn trong chi phí là do đặc thù của từng doanh nghiệp, bao gồm các chính sách quản lý và hoạt động kinh doanh đặc trưng.

3.5.3 Mô hình ước lượng tác động ngẫu nhiên (REM)

Mô hình ước lượng tác động ngẫu nhiên (Random Effects Model - REM) cung cấp một giải pháp kỹ thuật để giải quyết vấn đề nội sinh và đối phó với tính không đồng nhất giữa các đối tượng Khi có sự không đồng nhất giữa các đối tượng nghiên cứu, tức là có sự khác biệt về đặc điểm riêng (Zi ≠ 0) giữa chúng, và mặc dù những đặc điểm này tác động lên biến phụ thuộc Yit nhưng không có mối liên hệ với các biến độc lập Xit, thì việc bổ sung biến Zi vào mô hình không được coi là cần thiết Trong trường hợp này, biến Zi có thể được xem xét trong sai số uit mà không gây ra vấn đề nội sinh Điểm khác biệt chính giữa REM và mô hình tác động cố định (Fixed Effects Model - FEM) là REM giả định rằng sự khác biệt giữa các đơn vị chéo được phản ánh qua phân phối của sai số, trong khi FEM xác định sự khác biệt đó qua hệ số chặn cố định cho mỗi đơn vị Mô hình hồi quy tác động ngẫu nhiên có dạng:

Yit = 𝛼 𝑖𝑡 + 𝛽1 X1,it + 𝛽2 X2,it + … + 𝛽k Xk,it + ωit (c)

Sai số phức hợp ωit bao gồm hai thành phần chính Thành phần đầu tiên là sai số Zi đại diện cho các yếu tố không quan sát được và không thay đổi theo thời gian, phản ánh sự khác nhau giữa các đối tượng Thành phần thứ hai là sai số chung uit áp dụng cho mọi đối tượng.

Bell và cộng sự (2015) nhận định rằng một trong những nhược điểm của mô hình ước lượng tác động ngẫu nhiên (REM) là việc nó có thể bỏ qua các biến sai lệch, dẫn đến sự tương quan và tạo ra phần dư lớn Tuy nhiên, họ chỉ ra rằng điều này có thể được khắc phục thông qua công thức của Mundlak (1978), cho phép REM không chỉ thực hiện tất cả những gì mô hình tác động cố định (FEM) có thể làm mà còn vượt trội hơn khi xử lý dữ liệu không cân bằng hoặc khi có sự hiện diện của các biến không thay đổi theo thời gian Mô hình ước lượng tác động ngẫu nhiên (REM) được thiết kế với khả năng linh hoạt cao, cho phép tích hợp các hệ số ngẫu nhiên, tạo điều kiện cho việc phân tích tương tác giữa các cấp độ khác nhau, và áp dụng các hàm phương sai phức tạp Điều này tạo nên sự đa dạng trong việc mô hình hóa, khác biệt rõ ràng so với Mô hình Ước lượng Tác

KẾT QUẢ NGHIÊN CỨU

Phân tích thống kê mô tả

Để hiểu rõ bộ dữ liệu nghiên cứu, tác giả đã tiến hành thống kê mô tả Bộ dữ liệu này gồm 269 mẫu quan sát thu được từ 26 ngân hàng thương mại (NHTM) trong khoảng thời gian từ 2012 đến 2022 Sau quá trình sàng lọc và xử lý dữ liệu, các thông tin được tổng hợp và thể hiện qua bảng thống kê mô tả dưới đây:

Variable Mean Std dev Min Max

Nguồn: Tác giả tự tính toán bằng Stata

Trong khoảng thời gian từ 2012 đến 2022, chỉ số VAIC cho các ngân hàng thương mại tại Việt Nam biến động rộng từ -2.7736 đến 319.693, với độ lệch chuẩn là 20.6342, cho thấy sự biến động lớn trong khả năng tạo ra giá trị gia tăng từ vốn trí tuệ Giá trị trung bình của chỉ số VAIC trong giai đoạn này là 10.01751, với giá trị cao nhất đạt 319.694 tại VAB vào năm 2012 và thấp nhất là -2.7736 tại SHB năm 2013 Chỉ số ITC, biểu thị cho công nghệ thông tin, có giá trị TB là 11.16013, dao động từ 6.5522 đến 14.5433, với giá trị thấp nhất tại AGRB năm 2013 và cao nhất tại TPB năm 2021 Chỉ số ENTRY, đo lường mức độ dễ dàng gia nhập thị trường, có sự biến động nhỏ và ổn định qua độ lệch chuẩn là 0.01107, với giá trị nhỏ nhất là 0.00072 tại NH ACB năm 2017 và lớn nhất là 0.06018 tại NH HDB năm 2014 Về chỉ số ROA, biểu thị cho lợi nhuận trên tài sản, có giá trị trung bình là 0.00711 (tức 7.11%), với ngân hàng BVB ghi nhận ROA thấp nhất là 0.0087 năm

2016 và TCB có ROA cao nhất là 3.6526 vào năm 2021 Chỉ số RISK, đo lường mức độ rủi ro, cho thấy sự biến động mạnh với độ lệch chuẩn 116.3836, giá trị nhỏ nhất là 0.0285 tại VAB năm 2013 và lớn nhất là 1303.752 tại BAB năm 2018 Chỉ số LEV, thể hiện tỷ lệ nợ vay, có giá trị trung bình là 0.0374 với độ lệch chuẩn là 0.91134, MBB và HDB lần lượt ghi nhận giá trị lớn nhất và nhỏ nhất Cuối cùng, chỉ số SERV, liên quan đến dịch vụ, có sự dao động từ 0 đến 0.5055, với OCB ghi nhận giá trị cao nhất vào năm 2020 Phân tích này cho thấy, trong những năm đầu, các ngân hàng tập trung vào việc mở rộng thị trường qua hoạt động marketing và đầu tư vào tài sản cố định Tuy nhiên, về lâu dài, vốn trí tuệ trở thành yếu tố quan trọng tăng cường hiệu suất hoạt động và ưu thế cạnh tranh, dẫn đến việc các ngân hàng đầu tư mạnh mẽ hơn vào nguồn nhân lực.

Phân tích tương quan

Để khám phá mối liên hệ giữa các biến độc lập và biến phụ thuộc, nghiên cứu cũng đã xem xét hiện tượng đa cộng tuyến giữa các biến độc lập trong mô hình Dưới đây là kết quả từ ma trận tự tương quan:

Bảng 4.2: Phân tích tương quan

Nguồn: Tác giả tự tính toán bằng Stata

Nghiên cứu này áp dụng phân tích tương quan sử dụng ma trận hệ số tương quan Pearson để đánh giá mối quan hệ giữa các biến độc lập và biến phụ thuộc Kết quả, được thể hiện trong bảng 4.2, khẳng định rằng các biến độc lập có mối tương quan với biến phụ thuộc VAIC như dự đoán trong nghiên cứu Cụ thể, các biến ENTRY, SERV, RISK và LEV cho thấy mối quan hệ tương quan âm với VAIC, trong khi đó, ITC và ROA lại có mối quan hệ tương quan dương với VAIC Để kiểm tra hiện tượng đa cộng tuyến, nghiên cứu xét tới mối tương quan giữa các biến độc lập Dựa theo tiêu chí của Narus (1990), HSTQ giữa bất kỳ hai biến lớn hơn 0.8 sẽ được coi là có thể gây ra ảnh hưởng nghiêm trọng đến độ tin cậy của mô hình Tuy nhiên, hầu hết các hệ số Pearson trong bảng 4.2 đều dưới 0.8, cho thấy rằng các biến độc lập ít có khả năng gây ra đa cộng tuyến, từ đó giảm thiểu nguy cơ làm sai lệch kết quả mô hình Để kiểm định thêm về sự không đa cộng tuyến trong mô hình, tác giả tiến hành kiểm tra nhân tử phóng đại phương sai (VIF) qua phân tích Collinearity Kiểm định VIF giúp xác định mức độ tương quan giữa các biến độc lập, qua đó cung cấp bằng chứng thêm về sự độc lập tương đối giữa chúng và khẳng định độ tin cậy của mô hình phân tích

Phân tích nhân tử phóng đại phương sai

R là HSTQ giữa các biến độc lập trong mô hình Khi hệ số R tăng, điều này dẫn đến sự tăng của nhân tử phóng đại phương sai (VIF), từ đó làm tăng mức độ đa cộng tuyến trong mô hình Theo quy tắc thông thường, một VIF bằng hoặc lớn hơn 10 được coi là chỉ ra một mức độ đa cộng tuyến đáng kể giữa các biến độc lập trong mô hình, cần được xem xét và giải quyết để đảm bảo độ chính xác và độ tin cậy của kết quả phân tích

Bảng 4.3: Kết quả kiểm định VIF

Nguồn: Tác giả tự tính toán

Kiểm định đa cộng tuyến thông qua VIF cho thấy tất cả hệ số VIF đều nhỏ hơn 10, và giá trị VIF trung bình (Mean VIF) của mô hình là 1.32, thấp hơn 2 Điều này chỉ ra rằng các biến độc lập trong mô hình không gặp phải vấn đề đa cộng tuyến nghiêm trọng, và do đó, chúng phù hợp để tiến hành phân tích hồi quy.

Kết quả hồi quy

4.4.1 Ước lượng mô hình Để đánh giá chính xác ảnh hưởng của các yếu tố lên hiệu quả vốn trí tuệ của các ngân hàng thương mại cổ phần tại Việt Nam, nghiên cứu này sẽ áp dụng nhiều phương pháp ước lượng khác nhau cho toàn bộ mẫu gồm 26 ngân hàng trong khoảng thời gian từ 2012 đến 2022

Bước đầu tiên, tác giả sẽ thực hiện hồi quy sử dụng ba mô hình khác nhau: Pooled OLS, Fixed Effects Model (FEM), và Random Effects Model (REM) Tiếp theo, qua quá trình kiểm định, mô hình phù hợp nhất sẽ được chọn lựa dựa trên các tiêu chí thống kê Sau khi xác định mô hình ước lượng phù hợp, tác giả sẽ tiếp tục kiểm tra và giải quyết các vấn đề như tự tương quan và sự thay đổi của phương sai sai số trong mô hình được chọn

Cuối cùng, kết quả từ các mô hình Pooled OLS, FEM, REM, cùng với các kiểm định để lựa chọn phương pháp ước lượng hợp lí sẽ được trình bày trong bảng 4.6, cung cấp cái nhìn toàn diện về tác động của các nhân tố đến hiệu suất vốn trí tuệ tại các NHTM ở Việt Nam

Bài nghiên cứu sử dụng Kiểm định White để kiểm tra hiện tượng phương sai sai số thay đổi Kiểm định Wite có giả thuyết:

+ H0: Mô hình không có hiện tượng phương sai sai số thay đổi (Prob > 0.05) + H1: Mô hình có hiện tượng phương sai sai số thay đổi (Prob < 0.05)

Kết quả kiểm định có P value = 0 < 0.05, do đó mô hình mắc hiện tượng phương sai sai số thay đổi

Dùng kiểm định Wooldridge để kiểm tra tự tương quan giữa các biến trong mô hình, với giả thuyết như sau:

+ H0: Mô hình không có tự tương quan (Prob > 0.05)

+ H1: Mô hình có tự tương quan (Prob < 0.05)

Tại mức ý nghĩa 5%, kết quả kiểm định Wooldridge cho thấy P value 0.0000, nhỏ hơn 0.05, chứng tỏ mô hình Pooled OLS gặp phải hiện tượng tự tương quan Do mô hình Pooled OLS không chỉ bị tự tương quan mà còn gặp vấn đề về phương sai sai số biến đổi, việc sử dụng nó để hồi quy không còn phù hợp Vì lý do này, tác giả quyết định áp dụng các mô hình khác như Fixed Effects Model (FEM) và Random Effects Model (REM) để tiếp tục phân tích

Tác giả đã sử dụng cả mô hình hồi quy tác động cố định (Fixed Effects

Model - FEM) và mô hình hồi quy tác động ngẫu nhiên (Random Effects Model - REM) trong nghiên cứu Tiếp theo, để xác định mô hình phù hợp nhất cho nghiên cứu, tác giả đã thực hiện kiểm định Hausman Giả thuyết:

+ H0: Không có tương quan giữa sai số và biến độc lập, nghĩa là mô hình REM phù hợp nếu P-value > 0.05

+ H1: Có tương quan giữa sai số và các biến độc lập, nghĩa là mô hình FEM phù hợp nếu P-value < 0.05

Kết quả kiểm định Hausman cho thấy Prob>chi2 = 0.0855, lớn hơn 0.05, điều này chứng minh mô hình REM là phù hợp Đồng thời, tác giả cũng tiến hành kiểm định Breusch-Pagan để lựa chọn giữa mô hình Pooled OLS và mô hình REM, với giả thuyết như sau:

+ H0: Mô hình phù hợp là Pooled OLS

+ H1: Mô hình phù hợp là REM

Kết quả kiểm định Breusch-Pagan với Prob>chi2 = 0.0041 < 0.05 chứng tỏ mô hình REM phù hợp hơn so với mô hình Pooled OLS

Như vậy, dựa vào kết quả của cả kiểm định Hausman và Breusch-Pagan, mô hình REM được chọn là mô hình thích hợp cho nghiên cứu này Điều này chỉ ra rằng việc tích hợp các biến ngẫu nhiên vào phân tích giúp mô hình hóa tốt hơn các yếu tố tác động đến hiệu quả vốn trí tuệ của các ngân hàng thương mại cổ phần tại Việt Nam trong giai đoạn từ 2012 đến 2022

Kết quả ƣớc lƣợng với mô hình REM :

Tác giả sử dụng mô hình REM để ước lượng và kết quả được trình bày dưới bảng sau đây:

Bảng 4.4: Kết quả phân tích ƣớc lƣợng với REM

Nguồn: Tác giả tự tính toán

Trong kết quả từ phương pháp Random Effects Model (REM) được trình bày trong bảng 4.3, cho thấy các biến rào cản gia nhập (ENTRY), hiệu suất đầu tư vào vốn trí tuệ (SERV), và đòn bẩy tài chính (LEV) đều có ý nghĩa thống kê ở mức 5%, với giá trị kiểm định Probchi2 > 0.05) + H1: Mô hình không xảy ra hiện tượng phương sai thay đổi (Prob>chi2 < 0.05)

Với mức ý nghĩa 5%, kết quả kiểm định Breusch-Pagan là P>chi2 = 0.000 < 0.05, chỉ ra rằng mô hình không có hiện tượng phương sai thay đổi

Tuy nhiên, do mô hình REM gặp phải hiện tượng tự tương quan làm giảm độ chính xác và tin cậy của ước lượng, nên phương pháp Bình Phương Tối Thiểu Tổng Quát (GLS) được đề xuất là phương pháp phù hợp nhất để khắc phục vấn đề này.

4.4.2 Phương pháp ước lượng GLS

Bình phương tối thiểu tổng quát (GLS) là một kỹ thuật ước lượng tham số trong các mô hình hồi quy tuyến tính, đặc biệt hữu ích trong trường hợp các sai số (phần dư) của mô hình không tuân theo hai giả định cơ bản là độc lập và đồng nhất về phương sai Phương pháp này tinh chỉnh ước lượng tham số bằng cách tính toán trọng số cho các quan sát, nhằm mục đích cải thiện độ chính xác và hiệu quả của ước lượng khi giả định về tính độc lập và phương sai đồng nhất không được thoả mãn GLS mở rộng khả năng áp dụng của mô hình hồi quy tuyến tính bằng cách giảm thiểu ảnh hưởng của các vấn đề như tương quan giữa các phần dư và không đồng nhất về phương sai, qua đó nâng cao tính hiệu quả và độ tin cậy của phân tích hồi quy

Kết quả hồi quy mô hình GLS được thể hiện qua bảng sau:

Bảng 4.5: Kết quả phân tích ƣớc lƣợng GLS

Nguồn: Tác giả tự tính toán

Kết quả phân tích cho thấy, tại mức ý nghĩa 5%, các biến ENTRY (rào cản gia nhập ngành), SERV (hiệu suất đầu tư vốn trí tuệ), ROA (mức sinh lợi), và LEV (đòn bẩy tài chính) đều là những nhân tố có tác động đáng kể và ý nghĩa thống kê (Prob < 0.05) đối với hiệu suất vốn trí tuệ của NHTM Ngược lại, các biến RISK (rủi ro ngân hàng) và ITC (đầu tư vào công nghệ thông tin) không cho thấy mối quan hệ có ý nghĩa với hiệu suất vốn trí tuệ của ngân hàng TMCP

Thảo luận kết quả nghiên cứu

Bảng 4.6: Tóm tắt phân tích hồi quy

Nguồn: Tác giả tổng hợp từ Stata

Sau khi áp dụng mô hình GLS, thu được kết quả như sau:

VAIC = 84.08085 - 0.0738222 * ITC - 257.9695 * ENTRY - 54.51463 * SERV + 129.3442 * ROA + 0.0000644 * RISK - 67.12124 * LEV

Kết quả hồi quy áp dụng Generalized Least Squares (GLS) cho thấy rằng, phù hợp với kỳ vọng của tác giả đề ra ở chương 2, rào cản gia nhập ngành có tác động ngược chiều đến hiệu quả vốn trí tuệ của các ngân hàng thương mại (NHTM) Điều này được thể hiện qua hệ số tương quan là -257.9695, cho thấy rằng sự gia tăng trong rào cản gia nhập ngành dẫn đến sự giảm sút trong hiệu quả vốn trí tuệ của các NHTM Điều này hợp lý với kết quả nghiên cứu trước đây của El‐Bannany (2008) và Duho & Onumah (2019), những nghiên cứu đã chỉ ra rằng các tổ chức được bảo vệ bởi rào cản gia nhập cao có xu hướng ít khuyến khích đổi mới do môi trường cạnh tranh thấp, từ đó ảnh hưởng tiêu cực đến hiệu suất của nhân viên và giảm vốn trí tuệ của ngân hàng Như vậy, giả thuyết H2 của nghiên cứu được xác nhận qua phân tích

Phân tích đã cho thấy năng suất đầu tư vốn trí tuệ tác động ngược chiều đến hiệu suất vốn trí tuệ của các ngân hàng thương mại (NHTM), điều này không phù hợp với dự đoán ban đầu của tác giả Hệ số tương quan được ghi nhận là -54.51463 với mức ý nghĩa thống kê 1%, chỉ rõ rằng sự tăng cường đầu tư vào nhân sự lại dẫn

36 đến giảm hiệu suất vốn trí tuệ của các ngân hàng TMCP Phân tích này phù hợp với những phát hiện trước đó của El‐Bannany (2008), nhưng lại trái ngược với nghiên cứu từ Meressa (2016) Theo Meressa (2016), việc tăng khoản chi nhân sự do đầu tư vào con người sẽ khích lệ nhân viên làm việc năng suất hơn do họ cảm nhận giá trị của mình mang lại được nhiều hơn, được ngân hàng công nhận Tuy nhiên, Duho & Onumah (2019) lưu ý rằng không chỉ nhân viên mới là người hành động cài thiện, đổi mới Việc đầu tư mạnh mẽ vào nhân sự có thể dẫn đến tình trạng phụ thuộc và thiếu tinh thần làm việc, khiến họ góp phần ít hơn cho ngân hàng dù nhận lương cao Vì thế, giả thuyết H3 của nghiên cứu này không được chấp nhận, làm nổi bật một góc nhìn khác về tác động của đầu tư vào vốn trí tuệ đối với hiệu suất của ngân hàng

Biến khả năng sinh lợi của ngân hàng, được đo lường bởi ROA, có mối quan hệ tỷ lệ thuận với hiệu suất vốn trí tuệ, với HSTQ là 129.3442, điều này phù hợp với kỳ vọng của tác giả và dẫn đến việc chấp nhận giả thuyết H4 cho thấy rằng các NHTM có khả năng sinh lợi cao thường có hiệu suất vốn trí tuệ cao hơn so với thị trường Kết quả này có thể được giải thích bởi việc tăng doanh thu và lợi nhuận của ngân hàng, giúp cải thiện mức lương và thưởng cho nhân viên, từ đó tăng động lực làm việc, khuyến khích sự đa dạng sản phẩm, cung cấp dịch vụ chất lượng cao để tạo dựng lòng trung thành của khách hàng và nâng cao uy tín của ngân hàng Đòn bẩy tài chính có ảnh hưởng tiêu cực đến hiệu quả vốn trí tuệ của các ngân hàng thương mại, với hệ số tương quan là -67.12124 Điều này ủng hộ giả thuyết được đưa ra trong chương 2, khẳng định rằng việc tăng mức độ nợ vay sẽ làm giảm hiệu quả sử dụng vốn trí tuệ ở các ngân hàng thương mại Nghĩa là, ngân hàng càng mượn nhiều tiền, khả năng sử dụng hiệu quả vốn trí tuệ càng giảm, và ngược lại Kết quả này phù hợp với những phát hiện của Kweh et al (2015) và Duho & Onumah (2019), nhưng ngược lại với kết quả của Zuliana (2007) và Hidayah & Adityawarman (2017) Goebel (2015) đã đề cập rằng các chủ nợ có tác động lớn, thực hiện giám sát kỹ lưỡng đối với các khoản đầu tư và quản lý giá trị của vốn trí tuệ một cách tích cực Tuy nhiên, Duho & Onumah (2019) nhấn mạnh rằng các NHTM có tỷ lệ nợ cao thường có hiệu suất vốn trí tuệ thấp hơn Với phân tích này, giả thuyết H6 của nghiên cứu được chấp nhận

Bảng 4.7: Tóm lƣợc kết quả kiểm định các giả thuyết

Giả thuyết Kỳ vọng Thực tế Kết quả giả thuyết

H1: Có một mối quan hệ tiêu cực giữa mức độ đầu tư vào công nghệ thông tin và hiệu quả vốn trí tuệ

- Không có ý nghĩa thống kê

H2: Có một mối quan hệ tiêu cực giữa

ENTRY và hiệu quả vốn trí tuệ - - Chấp nhận

H3: Có một mối quan hệ tích cực

SERV và hiệu quả vốn trí tuệ + - Bác bỏ

H4: Có một mối quan hệ tích cực giữa

ROE và hiệu quả vốn trí tuệ + + Chấp nhận

H5: Có một mối quan hệ tích cực giữa rủi ro ngân hàng và hiệu quả vốn trí tuệ +

Không có ý nghĩa thống kê

H6: Có một mối quan hệ tiêu cực giữa

LEV và hiệu quả vốn trí tuệ - - Chấp nhận

Nguồn: Tác giả tự tính toán và tổng hợp

Như vậy, các phân tích tính toán của bài nghiên cứu đã trả lời được các câu hỏi đặt ra Các giả thuyết được đề xuất trong chương 2 đa số đều được chứng minh bởi kết quả nghiên cứu

Tác giả đã đo lường và phân tích tác động của các yếu tố đến hiệu suất vốn trí tuệ trong ngành ngân hàng Việt Nam Quá trình ước lượng và phân tích mô hình được thực hiện bằng phần mềm Stata, phần lớn kết quả đều phù hợp với các giả định lý thuyết đặt ra