: tỷ đồng
Tín dụng Năm 2016 Năm 2017 Năm 2018 30/06/2019
Cá nhân 67 544 997 1.189
Doanh nghiệp 79 1.156 2.103 2.198
Tổng cộng 152 1.700 3.100 3.387
(Nguồn: Tác giả thu thập được từ số liệu tại BIDV Bình Tân)
2.1.2.3 Các dịch vụ khác:
Bên cạnh các hoạt động kinh doanh truyền thống là huy động vốn và tín dụng, BIDV Bình Tân cũng đang đẩy mạnh các dịch vụ khác: mở tài khoản, dịch vụ thanh toán, ngân hàng điện tử, thanh tốn hóa đơn, chuyển tiền trong nước và quốc tế, phát hành thẻ và dịch vụ ATM, mua bán ngoại tệ,…Các dịch vụ này góp phần đáng kể vào tỷ trọng thu nhập cũng như lợi nhuận cho chi nhánh.
Với trọng tâm là phát triển hoạt động ngân hàng bán lẻ, các dịch vụ bán lẻ khác đang được BIDV Bình Tân tập trung thực hiện nhằm gia tăng hiệu quả lợi nhuận tối đa từ nguồn này.
2.2. Thực trạng về hoạt động ngân hàng bán lẻ của Ngân hàng đầu tư và phát triển iệt Nam và phát triển iệt Nam
2.2.1. Kết quả khảo sát
2.2.1.1. Mô tả mẫu nghiên cứu
Khảo sát gồm tổng cộng 300 người (trong đó 260 khách hàng giao dịch tại chi nhánh và 40 nhân viên, lãnh đạo chi nhánh). Sau khi nhập dữ liệu và làm sạch, mẫu khơng đạt u cầu loại bỏ, cịn lại 200 phiếu khảo sát.
Các thông tin trên 200 mẫu khảo sát hợp lệ được mã hóa và đưa vào chương trình SPSS để xử lý số liệu và phân tích để đưa ra được các kết quả cần thiết phục vụ mục đích nghiên cứu.
2.2.1.2. Kiểm định thang đo
Bảng 2.3: Hệ số ronbach’s Alpha sau khi loại bỏ các biến
MÃ HĨA
Trung bình thang đo nếu loại biến
Phương sai thang đo nếu loại biến
Tương quan biến - tổng hiệu chỉnh
Cronbach's Alpha nếu loại biến NS, Cronbach's Alpha = ,826 NS1 11.94 4.217 .645 .786 NS2 11.78 3.502 .733 .742 NS3 11.66 5.242 .548 .840 NS4 12.09 2.916 .798 .716
MAR, Cronbach's Alpha = ,830
MAR1 11.16 6.457 .675 .777 MAR2 11.14 6.875 .589 .815 MAR3 11.22 6.283 .671 .779 MAR4 11.09 6.344 .695 .768 TC, Cronbach's Alpha = ,828 TC1 13.60 10.070 .643 .788 TC2 13.57 9.372 .678 .778 TC3 13.52 10.331 .598 .801 TC4 13.49 10.693 .566 .809 TC5 13.53 10.050 .637 .790 CN, Cronbach's Alpha = ,894 CN1 11.42 6.869 .772 .861 CN2 11.68 6.862 .760 .866 CN3 11.60 6.492 .794 .854 CN4 11.42 7.340 .744 .873 SP, Cronbach's Alpha = ,772 SP1 14.58 8.808 .549 .728 SP2 14.56 8.731 .631 .699 SP3 14.53 9.728 .471 .753 SP4 14.55 9.083 .532 .734 SP5 14.58 9.330 .536 .732 NLCT, Cronbach's Alpha = ,756 NLCT1 7.37 1.279 .570 .696 NLCT2 7.35 1.304 .646 .604 NLCT3 7.29 1.483 .548 .716
(Nguồn: Kết quả chạy mơ hình bằng chương trình SPSS)
Hệ số tin cậy Cronbach's Alpha của các thang đo còn lại đều lớn hơn 0.6 nên đảm bảo độ tin cậy. Đồng thời, hệ số tương quan biến tổng thấp nhất của các chỉ
báo trong từng nhân tố đều lớn hơn 0.3 do đó các chỉ báo đã tham gia kiểm định lần cuối cùng đều được giữ lại vì tất cả đều đảm bảo độ tin cậy của thang đo.
Phân tích nhân tố khám phá (EFA)
Phân tích nhân tố khám phá là kỹ thuật được sử dụng để đánh giá giá trị phân biệt và giá trị hội tụ của thang đo. Khi phân tích nhân tố khám phá EFA, các nhà nghiên cứu thường quan tâm đến một số tiêu chuẩn:
- “Hệ số KMO (Kaiser- Meyer-Olkin) là một chỉ tiêu dùng để xem xét sự thích hợp của EFA. KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn (Nguyễn Đình Thọ, 2011). Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu nghiên cứu1
- Kiểm định Bartlett xem xét giả thuyết về độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.05) thì giữa các biến quan sát có tương quan với nhau2.
- Trị số Eigenvalue là một tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích3
”
- “Hệ số tải nhân tố (Factor Loading), theo Hair & các tác giả (2009,116), là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Hệ số tải nhân tố bằng 0.3 được xem đạt mức tối thiểu, từ giá trị 0.4 trở lên, hệ số tải nhân tố được xem là quan trọng, và từ 0.5 được xem là có ý nghĩa thực tiễn. Trên thực tế áp dụng, việc nhớ từng mức hệ số tải với từng khoảng kích thước mẫu là khá khó khăn, do vậy người ta thường lấy hệ số tải 0.45 hoặc 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến
1
“Trị số của KMO phải đạt giá trị 0.5 trở lên là điều kiện đủ để phân tích nhân tố là phù hợp trích nguồn từ: Hoàng Trọng, Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, Trang 31.
2 Kiểm định Bartlett có ý nghĩa thống kê (sig < 0.05) chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố trích nguồn từ: Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 413.
3 Chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích trích nguồn từ: Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS Tập 2, NXB Hồng Đức, trang 34.
dưới 350. Do đó, với 200 mẫu quan sát, tác giả lấy hệ số tải là 0,5. Như vậy, trong nghiên cứu này, nếu biến quan sát nào có hệ số tải nhân tố < 0.50 sẽ bị loại; trường hợp một biến quan sát tải lên ở cả 2 nhân tố, chúng ta cần lưu ý chênh lệch hệ số tải Factor Loading của biến quan sát giữa 2 nhóm nhân tố. Theo các nhà nghiên cứu, nếu chênh lệch hệ số tải nhỏ hơn 0.3, chúng ta cần loại bỏ biến quan sát đó. Tuy nhiên, chúng ta cũng cần xem xét đóng góp của biến vào giá trị nội dung của nhân tố trước khi quyết định loại bỏ hay giữ lại biến quan sát4.”
Kết quả thực hiện phân tích EFA như sau (tham khảo thêm tại Phụ lục 4)
Thực hiện phân tích EFA cho biến độc lập
Xem thêm Phụ lục 4.1 - Phân tích nhân tố EFA cho biến độc lập
Theo kết quả ma trận xoay lần 1 cho thấy, biến SP5: "Ngân hàng cung cấp đa dạng các sản phẩm, dịch vụ liến quan đến thanh toán quốc tế" tải lên trên cả 2 nhân tố (Component 1 và Component 2) nên vi phạm tính phân biệt trong ma tra trận xoay với hệ số tải lần lượt là 0,520 và 0,638, mức chênh lệch hệ số tải nhỏ hơn 0,3. Sau khi tiến hành phân tích nhân tố khám phá EFA để loại bỏ biến SP5 (xem thêm phụ lục 4.1), thì kết quả cho thấy khơng có biến nào tải lên trên 1 nhân tố nên khơng vi phạm tính phân biệt trong ma tra trận xoay. 20 biến quan sát được gom thành 5 nhân tố, tất cả các biến quan sát đều có hệ số tải nhân tố Factor Loading lớn hơn 0,5. KMO and Barlett’s Test. 0.5 ≤ KMO = 0.74 ≤ 1, phân tích nhân tố được chấp nhận với tập dữ liệu nghiên cứu. Sig Barlett’s Test = 0.000 < 0.05, phân tích nhân tố là phù hợp.
Giá trị Eigenvalue = 1.334 ≥ 1 và trích được 5 nhân tố mang ý nghĩa tóm tắt thơng tin tốt nhất. Tổng phương sai trích = 66.607 ≥ 50% cho thấy mơ hình EFA là phù hợp. Như vậy, 5 nhân tố được trích cơ đọng được 66.61% biến thiên các biến quan sát.
Thực hiện phân tích EFA cho biến phụ thuộc
4 Biến quan sát bị loại bỏ khi chênh lệch hệ số tải của biến ở 2 nhân tố nhỏ hơn 0.3 trích nguồn từ Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 420.
Biến phụ thuộc là: Đánh giá NLCT trong hoạt động NHBL tham gia khảo sát (Xem thêm Phụ lục 4.2 - Phân tích nhân tố EFA cho biến phụ thuộc)
KMO and Barlett’s Test. 0.5 ≤ KMO = 0.679 ≤ 1, phân tích nhân tố được chấp nhận với tập dữ liệu nghiên cứu. Sig Barlett’s Test = 0.000 < 0.05, phân tích nhân tố là phù hợp.
Giá trị Eigenvalue = 2.786 ≥ 1 và trích được 1 nhân tố mang ý nghĩa tóm tắt thơng tin tốt nhất. Tổng phương sai trích = 67.406% ≥ 50% cho thấy mơ hình EFA là phù hợp. Như vậy, 1 nhân tố được trích cơ đọng được 67.406% biến thiên các biến quan sát.
Bảng 2.4: Tổng hợp kết quả các nhân tố sau khi thực hiện phân tích EFA
STT Nhân tố Tên các biến quan sát Số biến
quan sát Loại
1 NS NS1, NS2, NS3, NS4 4 Độc lập
2 MAR MAR1, MAR2, MAR3, MAR4 5 Độc lập
3 TC TC1, TC2, TC3, TC4, TC5 5 Độc lập
4 CN CN1, CN2, CN3, CN4 4 Độc lập
5 SP SP1, SP2, SP3, SP4, SP5 4 Độc lập
6 NLCT NLCT1, NLCT2, NLCT3 3 Phụ
thuộc Tổng số lượng biến quan sát độc lập: 22 biến
Tổng số lượng biến quan sát phụ thuộc: 3 biến (Nguồn: Kết quả tổng hợp của tác giả)
ương quan Pearson
“Tương quan Pearson r có giá trị dao động từ -1 đến 1:
Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.
Nếu r càng tiến về 0: tương quan tuyến tính càng yếu.”
Xem thêm phụ lục 5 – Phân tích tương quan Pearson
Sig tương quan Pearson của 05 biến độc lập (NS, MAR, TC, CN, SP) với biến phụ thuộc NLCT nhỏ hơn 0,05. Như vậy, có mối liên hệ tuyến tính giữa các biến độc lập này với biến NLCT. Đồng thời, Sig tương quan Pearson của biến TC với biến phụ thuộc NLCT lớn hơn 0,05. Như vậy, khơng có mối liên hệ tuyến tính giữa biến TC với biến NLCT
Giữa NLCT và MAR có mối tương quan mạnh nhất với hệ số r là 0,602 Kết quả phân tích tương quan Pearson khơng thấy giữa các biến độc lập nào có sig <0.05 và hệ số tương quan Pearson r lớn hơn 0,4. Các cặp biến độc lập đều có mức tương quan khá yếu với nhau. Như vậy khả năng cao sẽ không xảy ra hiện tượng đa cộng tuyến.”
2.2.1.3. Phân tích hồi quy tuyến tính
Phương trình hồi quy sau có dạng sau:
NL = β1CN+ β2NS + β3SP+ β4 MAR + ε ánh giá sự phù hợp của mơ hình (Xem phụ lục 6)
Tại mức ý nghĩa α =5% thì Sig kiểm định t hệ số hồi quy của các biến độc lập: NS, MAR, TC, CN, SP nhỏ hơn 0.05, do đó các biến độc lập này có ý nghĩa giải thích cho biến phụ thuộc.
Hệ số VIF của các biến độc lập đều nhỏ hơn 2 do vậy khơng có đa cộng tuyến xảy ra5
Các hệ số hồi quy đều lớn hơn 0. Như vậy tất cả các biến độc lập đưa vào phân tích hồi quy đều tác động cùng chiều với biến phụ thuộc. Dựa vào độ lớn của hệ số hồi quy chuẩn hóa Beta, thứ tự mức độ tác động từ mạnh nhất tới yếu nhất của
5
Nếu hệ số VIF của một biến độc lập lớn hơn 10 nghĩa là có đa cộng tuyến xảy ra, biến độc lập này khơng có
giá trị giải thích cho biến phụ thuộc trích nguồn từ: Nguyễn Đình Thọ, Phương pháp nghiên cứu khoa học trong kinh doanh, NXB Tài chính, Tái bản lần 2, Trang 518.
các biến độc lập tới biến phụ thuộc NLCT là: MAR (0,250) > SP (0,240) > TC (0.220) > CN (0,194) > NS (0,129). Tương ứng với:
- Biến Năng lực về Marketing tác động mạnh nhất tới năng lực cạnh tranh trong hoạt động NHBL của BIDV
- Biến Năng lực về sản phẩm, dịch vụ tác động mạnh thứ 2 tới năng lực cạnh tranh trong hoạt động NHBL của BIDV
- Biến Năng lực về tài chính tác động mạnh thứ 3 tới năng lực cạnh tranh
trong hoạt động NHBL của BIDV
- Biến Năng lực về tiếp cận và đổi mới công nghệ tác động mạnh thứ 4 tới
năng lực cạnh tranh trong hoạt động NHBL của BIDV
- Biến Năng lực về nhân sự tác động mạnh thứ 5 tới năng lực cạnh tranh
trong hoạt động NHBL của BIDV
Giá trị R2 hiệu chỉnh bằng 0.705 cho thấy biến độc lập đưa vào chạy hồi quy ảnh hưởng 70.5% sự thay đổi của biến phụ thuộc, còn lại 29.5% là do các biến ngồi mơ hình và sai số ngẫu nhiên.
Hệ số Durbin – Watson = 2.076, nằm trong khoảng 1.5 đến 2.5 nên khơng có hiện tượng tự tương quan chuỗi bậc nhất xảy ra6.
Kiểm định sự phù hợp của mơ hình
Giá trị sig của thống kê F rất nhỏ (0.000) nên có thể an tồn bác bỏ giả thuyết Ho, tức là sự kết hợp giữa các biến trong mơ hình có thể giải thích được sự thay đổi của biến phụ thuộc: NLCT trong hoạt động NHBL của BIDV, điều này có nghĩa là mơ hình ta xây dựng phù hợp với tập dữ liệu và có thể sử dụng được. Sig kiểm định t hệ số hồi quy của các biến độc lập đều nhỏ hơn 0.05, do đó các biến độc lập đều có ý nghĩa giải thích cho biến phụ thuộc, không biến nào bị loại khỏi mơ hình.
Kiểm tra vi phạm giả định phân phối chuẩn của phần dư
6 Mức giá trị Durbin Watson dao động trong khoảng 1.5 – 2.5 thường sẽ không xảy ra hiện tượng tự tương quan chuỗi bậc nhất trích nguồn từ: Yahua Qiao (2011), Instertate Fiscal Disparities in America, Trang 150
Biểu đồ 2.1: Biểu đồ tần số của phần dư chuẩn
(Nguồn: Kết quả chạy mơ hình bằng chương trình SPSS)
Biểu đồ 2.6 cho thấy, Giá trị trung bình Mean = 9.35E-16 gần bằng 0, độ lệch chuẩn là 0,990 gần bằng 1, như vậy có thể nói, phân phối phần dư xấp xỉ chuẩn. Do đó, có thể kết luận rằng, giả định phân phối chuẩn của phần dư không bị vi phạm.
Biểu đồ 2.2: Biểu đồ phân phối của phần dư
Các điểm phân vị trong phân phối của phần dư tập trung thành 1 đường chéo, giả định phân phối chuẩn của phần dư không bị vi phạm.
Kiểm tra vi phạm giả định liên hệ tuyến tính
Biểu đồ 2.3: Biểu đồ phân tán
(Nguồn: Kết quả chạy mơ hình bằng chương trình SPSS)
Biểu đồ 2.8 cho thấy, Phần dư chuẩn hóa phân bổ ngẫu nhiên tập trung xung quanh đường tung độ 0 tạo thành dạng đường thẳng, do vậy giả định quan hệ tuyến tính giữa biến phụ thuộc với các biến độc lập không bị vi phạm.
Kiểm định sự khác biệt trị trung bình bằng Independent Sample T - Test và One - way Anova
Biến định lượng cần để tính trung bình là biến phụ thuộc: Năng lực cạnh tranh (NLCT). Phân tích One-Way Anova các biến định tính lần lượt được đưa vào
kiểm định là: Lĩnh vực hoạt động/Bộ phận công tác tại BIDV; Kinh nghiệm cơng tác trong lĩnh vực tài chính ngân hàng
Kết quả thực hiện phân tích Anova đối với biến "Lĩnh vực hoạt động/Bộ phận công tác tại BIDV" như sau:
Sig Levene Statistic = 0,668 > 0.05, ta chấp nhận giả thuyế phương sai giữa các nhóm bộ phận làm việc là bằng nhau. Kết quả Anova sử dụng tốt.
Sig kiểm định F trong bảng ANOVA = 0,592 > 0,05. Như vậy khơng có sự khác biệt có ý nghĩa thống kê về đánh giá NLCT trong hoạt động NHBL của BIDV của những nhân viên ngân hàng BIDV hay các chuyên gia ngân hàng làm việc tại các lĩnh vực, bộ phận khác nhau.
Kết quả thực hiện phân tích Anova đối với biến "Kinh nghiệm cơng tác trong lĩnh vực tài chính ngân hàng" như sau:
Sig Levene Statistic = 0,008 < 0.05. Như vậy giả định phương sai bằng nhau giữa các nhóm thâm niên đã bị vi phạm hay nói cách khác, phương sai giữa các nhóm thâm niên làm việc là khác nhau. Như vậy, chúng ta không sử dụng kết quả ở bảng ANOVA mà đi vào kiểm định Welch cho trường hợp vi phạm giả định phương sai bằng nhau.
Sig kiểm định Welch trong bảng Robust Tests = 0,000 < 0,05. Như vậy có sự khác biệt có ý nghĩa thống kê về đánh giá NLCT trong hoạt động NHBL của BIDV của những nhân viên ngân hàng có thâm niên làm việc khác nhau, kết quả cho thấy, nhóm nhân viên có thâm niên làm việc lâu dài với ngân hàng có mức độ đánh giá NLCT trong hoạt động NHBL của BIDV cao hơn so với nhóm nhân viên có thâm