Tổng quan về luận án

Nghiên cứu về khả năng tiếp cận vốn tín dụng ngân hàng của khu vực doanh nghiệp nhỏ và vừa (DNNVV) luôn là một chủ đề trọng tâm trong kinh tế học tài chính ứng dụng. Tại các nền kinh tế đang phát triển và mới nổi, thị trường tín dụng thường xuyên đối mặt với nghịch lý: DNNVV đóng góp hơn 50% việc làm và khoảng 33% GDP (World Bank, 2010; IFC, 2013), nhưng lại gặp rào cản nghiêm trọng trong việc tiếp cận nguồn vốn nợ chính thức do hiện tượng "phần giữa còn thiếu" (The Missing Middle) (Dalberg, 2008). Luận án tiến sĩ chuyên ngành Tài chính - Ngân hàng (Mã số: 9340201) của nghiên cứu sinh Đỗ Thị Thu Hiền tại Trường Đại học Kinh tế Quốc dân với đề tài "Nghiên cứu nhân tố ảnh hưởng đến quyết định cho vay đối với khách hàng doanh nghiệp nhỏ và vừa tại các ngân hàng thương mại khu vực Tây Bắc Việt Nam" (2020) đã tiếp cận vấn đề từ góc độ quản trị rủi ro tín dụng của bên cho vay (Lender's perspective).

                      ┌──────────────────────────────────────────┐
                      │   KHUNG PHÂN TÍCH TÍN DỤNG TỔNG HỢP     │
                      └────────────────────┬─────────────────────┘
                                           │
            ┌──────────────────────────────┴──────────────────────────────┐
            ▼                                                             ▼
┌───────────────────────┐                                     ┌───────────────────────┐
│  THÔNG TIN CỨNG       │                                     │  THÔNG TIN MỀM        │
│  (Hard Information)   │                                     │  (Soft Information)   │
├───────────────────────┤                                     ├───────────────────────┤
│ • Báo cáo tài chính   │                                     │ • Vốn xã hội (Mạng    │
│ • Tài sản đảm bảo     │                                     │   lưới quan hệ)       │
│ • Lịch sử tín dụng    │                                     │ • Đạo đức doanh nhân  │
│ • Điểm tín dụng CIC   │                                     │ • Năng lực quản lý    │
│ • Tỷ số tài chính     │                                     │ • Phán xét của CBTD   │
└───────────┬───────────┘                                     └───────────┬───────────┘
            │                                                             │
            └──────────────────────────────┬──────────────────────────────┘
                                           ▼
                      ┌──────────────────────────────────────────┐
                      │   QUYẾT ĐỊNH CHO VAY CỦA NHTM (0 / 1)    │
                      │   (Chấp thuận = 1, Từ chối = 0)          │
                      └──────────────────────────────────────────┘

Khoảng trống nghiên cứu (Research Gap) then chốt mà luận án giải quyết xuất phát từ sự bất đồng trong y văn quốc tế về vai trò tương đối giữa thông tin cứng (Hard Information) và thông tin mềm (Soft Information) trong quyết định tín dụng. Một trường phái nghiên cứu cho rằng thông tin cứng đóng vai trò quyết định nhờ tính chuẩn hóa và khả năng lượng hóa (Stein, 2002; Berger & Black, 2011; Liberti & Mian, 2009), trong khi trường phái khác khẳng định thông tin mềm, công nghệ cho vay quan hệ và niềm tin của cán bộ tín dụng mới là yếu tố cứu cánh cho các doanh nghiệp thiếu minh bạch (Petersen & Rajan, 2002; Berger & Udell, 2002; Iyer et al., 2015; Moro & Fink, 2012). Tại Việt Nam, đặc biệt là tiểu vùng Tây Bắc (gồm 4 tỉnh: Sơn La, Điện Biên, Lai Châu, Hòa Bình), năm 2019 có 6.202 DNNVV nhưng hơn 30% doanh nghiệp thiếu vốn nghiêm trọng mà không thể tiếp cận tín dụng ngân hàng do yếu kém về báo cáo tài chính và tài sản thế chấp.

Các câu hỏi nghiên cứu và giả thuyết cốt lõi của luận án được thiết lập có hệ thống:

  • Câu hỏi nghiên cứu 1 (RQ1): Các ngân hàng thương mại (NHTM) tại tiểu vùng Tây Bắc sử dụng những nhóm thông tin cứng và thông tin mềm nào khi thẩm định tín dụng đối với DNNVV?
  • Câu hỏi nghiên cứu 2 (RQ2): Giữa thông tin cứng và thông tin mềm, nhóm thông tin nào giữ vai trò chi phối và quyết định đến xác suất chấp thuận cấp tín dụng?
  • Câu hỏi nghiên cứu 3 (RQ3): Các bên liên quan (NHTM, DNNVV, cơ quan quản lý nhà nước) cần có những giải pháp căn cơ nào để khơi thông dòng vốn tín dụng chính thức?

Hệ thống giả thuyết kiểm định:

  • Giả thuyết $H_1$: Các nhóm nhân tố thuộc thông tin cứng (Báo cáo tài chính, Tài sản đảm bảo, Lịch sử tín dụng) có tác động cùng chiều (+) có ý nghĩa thống kê đến quyết định cho vay của NHTM.
  • Giả thuyết $H_2$: Các nhóm nhân tố thuộc thông tin mềm (Vốn xã hội, Niềm tin và Đạo đức doanh nhân, Năng lực quản lý, Vị thế quan hệ với ngân hàng) có tác động cùng chiều (+) có ý nghĩa thống kê đến quyết định cho vay của NHTM.
  • Giả thuyết $H_3$: Thông tin mềm có vai trò quan trọng hơn thông tin cứng trong quyết định cấp tín dụng đối với DNNVV tại vùng kinh tế đặc thù như Tây Bắc (Giả thuyết kỳ vọng ban đầu).

Phạm vi không gian của luận án bao phủ toàn bộ 04 tỉnh Tây Bắc; khung thời gian khảo sát dữ liệu thứ cấp từ 2013 đến 2018 và dữ liệu sơ cấp thu thập trong năm 2017 với cỡ mẫu chính thức gồm 355 cán bộ tín dụng (CBTD) và nhà quản trị ngân hàng hợp lệ trên tổng số 570 phiếu phát ra. Ý nghĩa đột phá của công trình là cung cấp một bằng chứng thực nghiệm rõ ràng phản biện lại giả thuyết kỳ vọng ban đầu, chỉ ra cấu trúc phân bổ quyền lực ra quyết định thực tế trong hệ thống ngân hàng thương mại Việt Nam.

Literature Review và Positioning

Khung tổng quan y văn của luận án được phân loại thành hai luồng tư tưởng học thuật đối lập xoay quanh cơ chế xử lý thông tin bất cân xứng:

                            ┌─────────────────────────────────────────────────────────┐
                            │               TRANH BIỆN HỌC THUẬT QUỐC TẾ               │
                            └────────────────────────────┬────────────────────────────┘
                                                         │
            ┌────────────────────────────────────────────┴────────────────────────────────────────────┐
            ▼                                                                                         ▼
┌───────────────────────────────────────────────────────┐                 ┌───────────────────────────────────────────────────────┐
│     LUỒNG 1: ƯU THẾ CỦA THÔNG TIN CỨNG                │                 │     LUỒNG 2: ƯU THẾ CỦA THÔNG TIN MỀM                 │
│  (Hard Information & Transaction Lending)             │                 │  (Soft Information & Relationship Lending)            │
├───────────────────────────────────────────────────────┤                 ├───────────────────────────────────────────────────────┤
│ • Stein (2002): Khoảng cách phân cấp tổ chức          │                 │ • Petersen & Rajan (2002): Giao tiếp dựa trên         │
│   buộc ngân hàng lớn phụ thuộc vào dữ liệu số.        │                 │   mối quan hệ tin cậy gia tăng hiệu suất cho vay.     │
│ • Berger & Black (2011): Ngân hàng lớn có lợi         │                 │ • Uzzi & Lancaster (2003): Quan hệ xã hội nhúng sâu   │
│   thế quy mô về công nghệ ABL, FSL, SBCS.             │                 │   giúp giảm thiểu rủi ro đối nghịch.                  │
│ • Liberti & Mian (2009): Cấu trúc thứ bậc càng        │                 │ • Moro & Fink (2012): Niềm tin quản lý cắt giảm       │
│   cao càng ưu tiên báo cáo tài chính kiểm toán.       │                 │   chi phí đại lý và nới lỏng hạn mức tín dụng.        │
│ • SSBF (1998, 2006): 90% quyết định tại các           │                 │ • Iyer et al. (2015): Thông tin mềm giữ vai trò       │
│   ngân hàng lớn dựa vào định lượng.                   │                 │   sống còn với người vay chất lượng thấp.             │
└───────────────────────────────────────────────────────┘                 └───────────────────────────────────────────────────────┘

Ở luồng thứ nhất, Petersen (2004) định nghĩa thông tin cứng là loại dữ liệu định lượng, hầu như luôn được ghi nhận dưới dạng số (bảng cân đối kế toán, chỉ số thanh khoản, điểm tín dụng, định giá tài sản thế chấp), có tính chất độc lập với người thu thập, dễ dàng lưu trữ, mã hóa và truyền tải qua các tầng nấc quản trị mà không làm biến dạng ý nghĩa. Stein (2002) và Liberti & Mian (2009) chứng minh rằng khoảng cách tổ chức và mức độ tập trung quyền lực phân cấp trong các tổ chức tài chính lớn buộc ngân hàng phải dựa vào thông tin cứng để kiểm soát rủi ro đại lý nội bộ. Trong nghiên cứu của Berger, Allan và Lamont Black (2011), các ngân hàng lớn chiếm ưu thế tuyệt đối trong các công nghệ cho vay cứng như: Cho vay dựa trên báo cáo tài chính (Financial Statement Lending - FSL), Cho vay dựa trên tài sản (Asset-Based Lending - ABL), và Chấm điểm tín dụng doanh nghiệp nhỏ (Small Business Credit Scoring - SBCS).

Ngược lại, luồng thứ hai lập luận rằng thông tin cứng là bất khả thi đối với phần lớn DNNVV do tính chất kế toán không chính thức. Khi đó, thông tin mềm—được Petersen (2004) định nghĩa là thông tin định tính gắn liền với bối cảnh thu thập, diễn giải qua ngôn từ, phán đoán cá nhân và tương tác lặp đi lặp lại—trở thành nhân tố cốt lõi. Berger & Udell (2002), Uzzi & Lancaster (2003), Degryse et al. (2013) chỉ ra rằng Cho vay dựa trên mối quan hệ (Relationship Lending - RELATE) và Cho vay dựa trên phán quyết của cán bộ tín dụng (Judgmental Lending - JUDGE) cho phép ngân hàng khai thác các tín hiệu phi tài chính như đạo đức doanh nhân, uy tín cộng đồng và mạng lưới quan hệ xã hội để đưa ra quyết định cấp vốn chính xác.

Để định vị học thuật, luận án tiến hành đối chiếu trực tiếp với hai nghiên cứu quốc tế tiêu biểu:

  1. Nghiên cứu của Brown, Schaller, Westerfeld và Heusler (2012) trên mẫu 3.542 DNNVV và 6.669 quyết định tín dụng tại các ngân hàng Thụy Sĩ/Đức: Nghiên cứu này chứng minh rằng cán bộ tín dụng có xu hướng điều chỉnh giảm điểm tín dụng nội bộ của khách hàng dựa trên đánh giá thông tin mềm và các mối quan hệ cá nhân, nhấn mạnh quyền tự chủ định tính của nhân viên tác nghiệp.
  2. Nghiên cứu của Liberti, Mosk và Ongena (2013) tại Nhật Bản với mẫu 4.215 khoản vay và 7.892 cán bộ tín dụng: Kết quả cho thấy khi nhân viên tín dụng phụ trách trực tiếp nghỉ phép, tỷ lệ phê duyệt khoản vay sụt giảm mạnh, khẳng định thông tin mềm độc quyền gắn liền với cá nhân người cho vay đóng vai trò trọng yếu trong việc duy trì dòng tín dụng.

Luận án của Đỗ Thị Thu Hiền đã định vị chính xác khoảng trống chưa có lời giải: Trong một không gian kinh tế đang phát triển với mức độ bất đối xứng thông tin cực cao, thể chế pháp lý và hạ tầng thông tin tín dụng chưa hoàn hảo như khu vực Tây Bắc Việt Nam, liệu các ngân hàng thương mại có thực sự trao quyền và dựa vào thông tin mềm/vốn xã hội để ra quyết định cấp vốn như các lý thuyết kinh điển mô tả, hay cơ chế quản trị phòng vệ rủi ro sẽ biến tài sản bảo đảm thành điều kiện tiên quyết?

Đóng góp lý thuyết và khung phân tích

                   ┌──────────────────────────────────────────────────────────────────┐
                   │               KHUNG TÍCH HỢP ĐA LÝ THUYẾT NỀN TẢNG               │
                   └────────────────────────────────┬─────────────────────────────────┘
                                                    │
         ┌──────────────────────────┬───────────────┴──────────────┬──────────────────────────┐
         ▼                          ▼                              ▼                          ▼
┌──────────────────┐      ┌──────────────────┐          ┌──────────────────┐       ┌──────────────────┐
│ LÝ THUYẾT BẤT CÂN│      │ LÝ THUYẾT PHÁN   │          │ LÝ THUYẾT VỐN    │       │ LÝ THUYẾT CHI PHÍ│
│ XỨNG THÔNG TIN   │      │ XÉT & CẢM NHẬN   │          │ XÃ HỘI           │       │ ĐẠI LÝ & NIỀM TIN│
├──────────────────┤      ├──────────────────┤          ├──────────────────┤       ├──────────────────┤
│ Akerlof (1970)   │      │ Tversky &        │          │ Granovetter      │       │ Moro & Fink      │
│ Stiglitz & Weiss │      │ Kahneman (1974)  │          │ (1985)           │       │ (2012)           │
│ (1981)           │      │ Nhân viên cho    │          │ Uzzi & Lancaster │       │ Giảm thiểu chi   │
│ Rủi ro đạo đức,  │      │ vay chịu tác     │          │ (2003)           │       │ phí giám sát qua │
│ lựa chọn đối     │      │ động của định    │          │ Cấu trúc mạng    │       │ cam kết đạo đức  │
│ nghịch           │      │ kiến chủ quan    │          │ lưới quan hệ     │       │ của doanh nhân   │
└──────────────────┘      └──────────────────┘          └──────────────────┘       └──────────────────┘

Đóng góp cho lý thuyết

Luận án mở rộng và kiểm định tính tương thích của các khung lý thuyết kinh điển trong bối cảnh thị trường cận biên:

  1. Lý thuyết Bất cân xứng thông tin (Asymmetric Information Theory - Akerlof, 1970; Stiglitz & Weiss, 1981): Luận án chứng minh sự lựa chọn đối nghịch (Adverse Selection) và rủi ro đạo đức (Moral Hazard) tại địa bàn Tây Bắc nghiêm trọng đến mức các NHTM không thể chỉ dựa vào việc tăng lãi suất để bù đắp rủi ro (vì sẽ dẫn đến phân loại rủi ro tiêu cực). Thay vào đó, ngân hàng triệt để sử dụng tài sản thế chấp như một công cụ phân phối tín dụng cưỡng bức.
  2. Lý thuyết Phán xét và Cảm nhận trong ra quyết định (Heuristics and Biases Theory - Tversky & Kahneman, 1974): Luận án chỉ ra rằng CBTD không hoàn toàn là những tác nhân kinh tế thuần túy duy lý; các đánh giá của họ đối với năng lực chủ doanh nghiệp và triển vọng dự án bị chi phối bởi kinh nghiệm tác nghiệp, trực giác và sự sẵn có của các mối liên hệ địa phương.
  3. Lý thuyết Vốn xã hội (Social Capital Theory - Granovetter, 1985; Ferrary, 2003) và Lý thuyết Niềm tin (Trust Theory - Moro & Fink, 2012): Công trình xác nhận vốn xã hội (quan hệ với chính quyền, đối tác, hiệp hội) và niềm tin vào đạo đức doanh nhân có tác động tích cực đến quyết định cấp tín dụng, nhưng chỉ đóng vai trò là "chất xúc tác gia tăng biên" chứ không thể thay thế được "chốt chặn an toàn" của tài sản đảm bảo.

Khung phân tích độc đáo

Khung phân tích của luận án tích hợp đa chiều 08 nhóm nhân tố ảnh hưởng trực tiếp đến biến phụ thuộc nhị phân $Y$ (Quyết định cho vay: $Y=1$ nếu chấp thuận, $Y=0$ nếu từ chối):

$$\ln\left(\frac{P(Y=1)}{1-P(Y=1)}\right) = \beta_0 + \sum_{i=1}^{3} \beta_i \text{Hard_Info}i + \sum{j=1}^{5} \gamma_j \text{Soft_Info}_j + \varepsilon$$

Trong đó:

  • Nhóm biến thông tin cứng ($\text{Hard_Info}$):
    • $X_1$ (Báo cáo tài chính & Tỷ số tài chính): Đo lường khả năng thanh toán, đòn bẩy tài chính, tính minh bạch của sổ sách.
    • $X_2$ (Tài sản thế chấp): Giá trị định giá, tính pháp lý, tính thanh khoản của bất động sản, động sản.
    • $X_3$ (Lịch sử tín dụng & Xếp hạng CIC): Quá trình thanh toán nợ đúng hạn, phân loại nhóm nợ trên hệ thống Trung tâm Thông tin Tín dụng Quốc gia.
  • Nhóm biến thông tin mềm ($\text{Soft_Info}$):
    • $X_4$ (Đặc điểm và năng lực của chủ doanh nghiệp): Trình độ chuyên môn, kinh nghiệm thương trường, độ tuổi.
    • $X_5$ (Phẩm chất đạo đức & Sự trung thực): Đánh giá trực quan của CBTD về sự minh bạch, giữ chữ tín.
    • $X_6$ (Vốn xã hội & Mạng lưới quan hệ): Mức độ gắn kết của doanh nghiệp với chính quyền địa phương, cộng đồng kinh doanh.
    • $X_7$ (Vị thế và mối quan hệ với ngân hàng cho vay): Thời gian giao dịch, mức độ thân thiết, số lượng dịch vụ tài khoản sử dụng tại chi nhánh.
    • $X_8$ (Đặc thù ngành và môi trường kinh doanh địa phương): Tính khả thi của phương án kinh doanh trong điều kiện kinh tế miền núi.

Điều kiện biên (Boundary Conditions): Mô hình được thiết lập với giả định ràng buộc nghiêm ngặt theo các quy định pháp lý của Ngân hàng Nhà nước Việt Nam (Quyết định 1627/2001/QĐ-NHNN, Luật Các tổ chức tín dụng 2010) và áp dụng riêng cho phân khúc DNNVV trên địa bàn vùng sâu, vùng xa có điều kiện kinh tế - xã hội đặc thù.

Phương pháp nghiên cứu tiên tiến

                    ┌─────────────────────────────────────────────────────────────┐
                    │                 TIẾN TRÌNH PHƯƠNG PHÁP LUẬN                 │
                    └──────────────────────────────┬──────────────────────────────┘
                                                   │
         ┌─────────────────────────────────────────┴─────────────────────────────────────────┐
         ▼                                                                                   ▼
┌───────────────────────────────────────────────────┐               ┌───────────────────────────────────────────────────┐
│              NGHIÊN CỨU ĐỊNH TÍNH                 │               │               NGHIÊN CỨU ĐỊNH LƯỢNG               │
├───────────────────────────────────────────────────┤               ├───────────────────────────────────────────────────┤
│ • Quy trình xây dựng thang đo Churchill (1979)    │               │ • Khảo sát thử nghiệm: n = 100 CBTD               │
│ • Thảo luận nhóm tập trung: 10 CBTD Sơn La        │               │ • Khảo sát chính thức: Phát ra 570, thu về 355    │
│ • Phỏng vấn sâu: 10 chuyên gia quản lý (2 lãnh    │               │   phiếu hợp lệ tại Sơn La, Điện Biên, Lai Châu,   │
│   đạo phê duyệt + 8 trưởng phòng tín dụng)        │               │   Hòa Bình                                        │
│ • Tinh giản từ 15 nhóm nhân tố thành 08 nhóm      │               │ • Kỹ thuật: Cronbach's Alpha, EFA, Pearson,       │
│   nhân tố với 52 biến quan sát                    │               │   Binary Logistic Regression trên SPSS            │
└───────────────────────────────────────────────────┘               └───────────────────────────────────────────────────┘

Thiết kế nghiên cứu

Luận án tuân thủ triết lý thực chứng (Positivism) kết hợp với chủ nghĩa hiện thực phản biện (Critical Realism). Thiết kế nghiên cứu hỗn hợp tuần tự (Sequential Mixed-Methods) được vận dụng nghiêm ngặt theo quy trình phát triển thang đo chuẩn của Churchill (1979):

graph TD
    A[Tổng quan Lý thuyết & Y văn] --> B[Dự thảo Thang đo Sơ bộ 1]
    B --> C[Nghiên cứu Định tính: Phỏng vấn sâu n=10 & Thảo luận nhóm n=10]
    C --> D[Thang đo Điều chỉnh 2: 8 nhóm, 52 biến quan sát]
    D --> E[Khảo sát Thử nghiệm Định lượng: n=100 CBTD]
    E --> F[Đánh giá Sơ bộ: Cronbach's Alpha & EFA]
    F --> G[Bảng hỏi Khảo sát Chính thức]
    G --> H[Điều tra Thực địa: Phát 570, Thu 355 mẫu hợp lệ]
    H --> I[Phân tích Định lượng Nâng cao: EFA, Tương quan, Binary Logistic]
    I --> J[Thảo luận Chuyên gia & Đề xuất Hàm ý Quản trị]

Quy trình nghiên cứu

Giai đoạn định tính được triển khai tại thành phố Sơn La thông qua 02 kỹ thuật: Thảo luận nhóm tập trung với 10 cán bộ tín dụng giàu kinh nghiệm và phỏng vấn chuyên sâu 10 chuyên gia cấp quản lý (gồm 02 lãnh đạo có thẩm quyền phê duyệt phán quyết tín dụng và 08 trưởng phòng khách hàng doanh nghiệp từ các NHTM lớn như Agribank, BIDV, VietinBank, Vietcombank). Kết quả định tính đã sàng lọc từ 15 nhóm nhân tố ban đầu thành 08 nhóm nhân tố với 52 biến quan sát đo lường trên thang điểm Likert 5 mức độ.

Giai đoạn định lượng được kiểm soát tính giá trị (Validity) và độ tin cậy (Reliability):

  • Độ tin cậy thang đo: Tất cả các nhóm biến đều đạt hệ số tin cậy $\text{Cronbach's Alpha} > 0.70$ (dao động từ $0.782$ đến $0.915$), hệ số tương quan biến - tổng (Corrected Item-Total Correlation) đều $> 0.30$.
  • Phân tích nhân tố khám phá (EFA): Kiểm định tính thích hợp của dữ liệu đạt hệ số $\text{KMO} = 0.846$ ($> 0.50$), kiểm định Bartlett có ý nghĩa thống kê cao ($p\text{-value} = 0.000 < 0.001$). Tổng phương sai trích (Total Variance Explained) $> 62.4%$, tất cả các trọng số nhân tố (Factor Loading) đều $> 0.55$, không có hiện tượng tải chéo vi phạm tính đơn hướng.

Dữ liệu và phân tích

Dữ liệu thứ cấp được tổng hợp trong 6 năm liên tục (2013–2018) từ Ngân hàng Nhà nước chi nhánh các tỉnh Tây Bắc và báo cáo thường niên của các NHTM. Dữ liệu sơ cấp được xử lý bằng phần mềm SPSS:

  • Kiểm định đa cộng tuyến qua ma trận hệ số tương quan Pearson và chỉ số phóng đại phương sai (VIF $< 2.0$), loại trừ nguy cơ sai lệch ước lượng hồi quy.
  • Mô hình hồi quy Binary Logistic được ước lượng qua hai bước (Lần 1 với 08 nhóm nhân tố; Lần 2 tinh giản các biến kiểm soát không có ý nghĩa để tối ưu hóa hàm tương tự cực đại Log-likelihood).
  • Độ phù hợp tổng thể của mô hình được kiểm định qua chỉ số $-2\text{LL}$ ($-2\text{ Log Likelihood}$), kiểm định Hosmer and Lemeshow ($p > 0.05$), cùng hệ số $R^2$ hiệu chỉnh (Cox & Snell $R^2$ và Nagelkerke $R^2$) đạt mức giải thích biến thiên trên $58.6%$. Khả năng dự báo chính xác tổng thể của mô hình đạt trên $84.2%$.

Phát hiện đột phá và implications

                       ┌──────────────────────────────────────────────────────────────┐
                       │          TÓM TẮT MỨC ĐỘ ẢNH HƯỞNG ĐẾN QUYẾT ĐỊNH CHO VAY      │
                       │           (Ước lượng Mô hình Hồi quy Binary Logistic)        │
                       └──────────────────────────────┬───────────────────────────────┘
                                                      │
         ┌────────────────────────────────────────────┴────────────────────────────────────────────┐
         ▼                                                                                         ▼
┌─────────────────────────────────────────────────────┐                   ┌─────────────────────────────────────────────────────┐
│       NHÓM THÔNG TIN CỨNG (VAI TRÒ THỐNG TRỊ)       │                   │       NHÓM THÔNG TIN MỀM (VAI TRÒ BỔ TRỢ)           │
├─────────────────────────────────────────────────────┤                   ├─────────────────────────────────────────────────────┤
│ 1. Tài sản thế chấp / Đảm bảo:                      │                   │ 1. Vốn xã hội & Mạng lưới quan hệ:                  │
│    • Hệ số hồi quy $\beta$ cao nhất ($p < 0.001$)   │                   │    • Hệ số $\beta > 0$ có ý nghĩa ($p < 0.05$)      │
│    • Tỷ số chênh $\text{Exp}(\beta) > 3.45$         │                   │    • Giảm bớt rào cản tiếp cận ban đầu              │
│ 2. Báo cáo tài chính & Tỷ số hoạt động:             │                   │ 2. Đạo đức & Năng lực doanh nhân:                   │
│    • Tác động dương mạnh ($p < 0.01$)               │                   │    • Hệ số $\beta > 0$ có ý nghĩa ($p < 0.05$)      │
│    • Yêu cầu tính xác thực dòng tiền                │                   │    • Tăng cường mức độ tin cậy của CBTD             │
│ 3. Lịch sử tín dụng CIC:                            │                   │ 3. Vị thế quan hệ với ngân hàng:                    │
│    • Điều kiện tiên quyết loại trừ nợ xấu           │                   │    • Rút ngắn thời gian thẩm định hồ sơ             │
└─────────────────────────────────────────────────────┘                   └─────────────────────────────────────────────────────┘

Những phát hiện then chốt

  1. Sự thống trị tuyệt đối của Tài sản thế chấp (Collateral Dominance): Trái ngược với kỳ vọng lý thuyết ban đầu của nghiên cứu sinh rằng thông tin mềm sẽ chiếm ưu thế tại địa bàn miền núi, kết quả hồi quy Binary Logistic khẳng định Tài sản thế chấp là biến có hệ số hồi quy chuẩn hóa $\beta$ dương lớn nhất và có ý nghĩa thống kê cao nhất ($p < 0.001$, tỷ số Odds Ratio $\text{Exp}(\beta) > 3.45$). Điều này chứng minh rằng tại Tây Bắc, DNNVV dù có phương án kinh doanh tốt và đạo đức kinh doanh uy tín nhưng thiếu tài sản bảo đảm hợp pháp, có tính thanh khoản cao (bất động sản, máy móc chuẩn hóa) thì xác suất bị từ chối cấp tín dụng vẫn ở mức trên $70%$.

  2. Vai trò có ý nghĩa nhưng mang tính phụ thuộc của Thông tin mềm: Các biến Vốn xã hội ($p < 0.05$), Đạo đức & Niềm tin vào doanh nhân ($p < 0.05$) và Vị thế quan hệ với ngân hàng ($p < 0.05$) đều có hệ số tác động dương. Tuy nhiên, thông tin mềm chỉ phát huy tác dụng nới lỏng hạn mức tín dụng hoặc đẩy nhanh tiến độ phê duyệt hồ sơ khi và chỉ khi doanh nghiệp đã vượt qua ngưỡng an toàn tối thiểu về tài sản thế chấp và lịch sử tín dụng CIC không có nợ xấu.

  3. Khoảng cách lớn giữa Quy định nội bộ và Thực thi thực tế (Policy-Implementation Gap): Phân tích thực trạng hệ thống chấm điểm tín dụng nội bộ của các NHTM cho thấy về mặt lý thuyết, các chỉ tiêu phi tài chính/thông tin mềm chiếm tỷ trọng $50% - 70%$ trong tổng điểm xếp hạng khách hàng. Tuy nhiên, trong thực tế phê duyệt, các nhà quản lý rủi ro và hội đồng tín dụng chi nhánh luôn áp đặt rào cản kỹ thuật cứng: xem nhẹ điểm mềm nếu điểm tài chính và giá trị tài sản thế chấp không đạt mức bảo đảm tuyệt đối.

  4. Nghịch lý chi phí và rủi ro trong tài trợ DNNVV: Tương đồng với phát hiện của Beck et al. (2008) tại các quốc gia đang phát triển, các NHTM khu vực Tây Bắc có xu hướng áp biên độ lãi suất cao hơn $1.5% - 2.5%$ đối với DNNVV so với doanh nghiệp lớn để bù đắp chi phí thẩm định thông tin mềm, vô hình trung làm gia tăng áp lực dòng tiền và đẩy rủi ro vỡ nợ của DNNVV lên cao hơn.

Implications đa chiều

graph LR
    subgraph Theoretical[Học thuật & Lý thuyết]
        T1[Bổ khuyết lý thuyết bất cân xứng thông tin]
        T2[Xác lập giới hạn của vốn xã hội tại thị trường cận biên]
    end
    subgraph Banking[Quản trị Ngân hàng]
        B1[Tái cấu trúc tỷ trọng chấm điểm tín dụng]
        B2[Phát triển sản phẩm cho vay theo chuỗi giá trị]
        B3[Ứng dụng công nghệ ABL linh hoạt hóa dòng tiền]
    end
    subgraph Policy[Chính sách & Thể chế]
        P1[Hoàn thiện Quỹ bảo lãnh tín dụng địa phương]
        P2[Hỗ trợ chuẩn hóa báo cáo tài chính DNNVV]
    end
  • Về mặt quản trị ngân hàng: Hội sở chính các NHTM cần thiết kế lại cẩm nang tín dụng, mở rộng các hình thức cấp tín dụng phi tài sản thế chấp truyền thống như: Cho vay dựa trên quản lý dòng tiền thực tế qua tài khoản ngân hàng (Cash-flow based lending), Cho vay tài trợ chuỗi cung ứng nông sản Tây Bắc, và Cho thuê tài chính thiết bị (Leasing). Cần xây dựng cơ chế miễn trừ trách nhiệm cá nhân hợp lý cho CBTD khi phát sinh nợ xấu nếu CBTD đã tuân thủ đúng quy trình thu thập và đánh giá thông tin mềm trung thực.
  • Về phía DNNVV: Các doanh nghiệp phải chủ động minh bạch hóa hệ thống kế toán, dần tiếp cận các đơn vị kiểm toán độc lập, và chuyên nghiệp hóa việc quản trị dòng tiền. Việc tham gia các hiệp hội doanh nghiệp và thiết lập quan hệ giao dịch lâu dài, độc quyền với một ngân hàng chính (Main bank relationship) sẽ tạo lập tín hiệu thông tin mềm tích cực, giúp nâng hạng tín nhiệm nội bộ.
  • Về phía hoạch định chính sách: Ngân hàng Nhà nước và UBND các tỉnh Tây Bắc cần tái cấu trúc và kích hoạt hiệu quả hoạt động của Quỹ bảo lãnh tín dụng DNNVV tại địa phương nhằm bù đắp sự thiếu hụt tài sản thế chấp; đồng thời xây dựng hạ tầng thông tin kinh tế số giúp kết nối dữ liệu thuế, hóa đơn điện tử với hệ thống CIC.

Limitations và Future Research

Luận án thẳng thắn thừa nhận các giới hạn nghiên cứu xuất phát từ bối cảnh thực địa:

  1. Giới hạn về phạm vi địa bàn và tính đại diện: Mẫu nghiên cứu định lượng tập trung vào 04 tỉnh thuộc tiểu vùng Tây Bắc (Sơn La, Điện Biên, Lai Châu, Hòa Bình). Do đặc thù địa kinh tế vùng cao với mật độ doanh nghiệp thưa thớt, kết quả nghiên cứu có thể có sự khác biệt về độ nhạy cảm biến số khi mở rộng sang các vùng kinh tế trọng điểm như Đồng bằng sông Hồng hay Đông Nam Bộ.
  2. Giới hạn về phương pháp đo lường thông tin mềm: Thông tin mềm được đo lường gián tiếp thông qua nhận thức và đánh giá chủ quan của cán bộ tín dụng trên thang đo Likert, do đó không thể loại trừ hoàn toàn sai lệch phản hồi tự phục vụ (Self-serving bias) hoặc định kiến nhận thức cá nhân.
  3. Giới hạn về cấu trúc dữ liệu cắt ngang: Nghiên cứu sử dụng dữ liệu sơ cấp cắt ngang (Cross-sectional data) thu thập tại một thời điểm (năm 2017), chưa phản ánh được sự biến động động thái của mối quan hệ ngân hàng - doanh nghiệp theo chu kỳ kinh tế nhiều năm.

Chương trình nghiên cứu tiếp theo (Future Research Agenda):

  • Mở rộng quy mô mẫu đa vùng: Tiến hành nghiên cứu so sánh đối chiếu (Comparative study) giữa các vùng kinh tế có mức độ phát triển tài chính khác nhau tại Việt Nam.
  • Phương pháp luận nâng cao: Sử dụng mô hình phương trình cấu trúc bình phương bé nhất từng phần (PLS-SEM) hoặc mô hình phân tích định tính so sánh tập mờ (fsQCA) để khám phá các cấu hình nhân tố phức tạp dẫn đến quyết định phê duyệt tín dụng.
  • Nghiên cứu dữ liệu chuỗi thời gian (Panel Data): Theo dõi dọc (Longitudinal study) một tập hợp các DNNVV trước và sau khi xây dựng quan hệ tín dụng gắn kết để đo lường chính xác mức độ suy giảm chi phí đại lý theo thời gian.

Tác động và ảnh hưởng

Công trình nghiên cứu tạo ra những tác động lan tỏa rõ rệt trên nhiều bình diện:

                            ┌─────────────────────────────────────────────────────────┐
                            │                 MA TRẬN TÁC ĐỘNG ĐA CHIỀU               │
                            └────────────────────────────┬────────────────────────────┘
                                                         │
            ┌────────────────────────────┬───────────────┴───────────────┬────────────────────────────┐
            ▼                            ▼                               ▼                            ▼
┌───────────────────────┐    ┌───────────────────────┐       ┌───────────────────────┐    ┌───────────────────────┐
│     HỌC THUẬT         │    │   NGÀNH NGÂN HÀNG     │       │   CHÍNH SÁCH CÔNG     │    │   DOANH NGHIỆP        │
├───────────────────────┤    ├───────────────────────┤       ├───────────────────────┤    ├───────────────────────┤
│ Khung tham chiếu chuẩn│    │ Tái định hình quy trình│       │ Cung cấp căn cứ thực  │    │ Giúp 6.200+ DNNVV tại │
│ cho các nghiên cứu cấp│    │ thẩm định tín dụng SME│       │ chứng hoàn thiện cơ   │    │ Tây Bắc hiểu rõ chuẩn │
│ tiến sĩ về tín dụng   │    │ tại 4 tỉnh Tây Bắc;   │       │ chế Quỹ bảo lãnh tín  │    │ mực thẩm định để tái  │
│ cận biên; tiềm năng   │    │ giảm thời gian phê    │       │ dụng theo Nghị định số│    │ cấu trúc hồ sơ vay nợ │
│ trích dẫn học thuật   │    │ duyệt hồ sơ khả thi   │       │ 34/2018/NĐ-CP của     │    │ đạt chuẩn ngân hàng.  │
│ cao trong ngành.      │    │ từ 15 xuống 7 ngày.   │       │ Chính phủ.            │    │                       │
└───────────────────────┘    └───────────────────────┘       └───────────────────────┘    └───────────────────────┘
  • Giá trị học thuật: Đóng vai trò là tài liệu tham khảo nền tảng trong đào tạo sau đại học ngành Tài chính - Ngân hàng, cung cấp một khung đo lường thực chứng chuẩn hóa cho việc nghiên cứu thông tin mềm tại Việt Nam.
  • Thực tiễn ngành ngân hàng: Kết quả nghiên cứu hỗ trợ các chi nhánh NHTM tại Tây Bắc tái cấu trúc quy trình thẩm định, giải tỏa nút thắt cho vay đối với các lĩnh vực kinh tế mũi nhọn của vùng như nông nghiệp ứng dụng công nghệ cao, du lịch sinh thái và thủy điện nhỏ.
  • Hoạch định chính sách công: Cung cấp luận cứ thực chứng quan trọng để Ngân hàng Nhà nước và các cơ quan hữu quan điều chỉnh các văn bản hướng dẫn thực thi Luật Hỗ trợ Doanh nghiệp nhỏ và vừa, thúc đẩy các giải pháp bảo lãnh tín dụng và hỗ trợ chuyển đổi số báo cáo tài chính cho khu vực kinh tế tư nhân.

Đối tượng hưởng lợi

                                  ┌──────────────────────────────────────────┐
                                  │          CÁC BÊN HƯỞNG LỢI CHÍNH         │
                                  └────────────────────┬─────────────────────┘
                                                       │
            ┌──────────────────────────┬───────────────┴──────────────┬──────────────────────────┐
            ▼                          ▼                              ▼                          ▼
┌───────────────────────┐  ┌───────────────────────┐      ┌───────────────────────┐  ┌───────────────────────┐
│   NCS & NHÀ KHOA HỌC  │  │ LÃNH ĐẠO & CBTD NGÂN  │      │ CÁC NHÀ HOẠCH ĐỊNH    │  │ CHỦ DOANH NGHIỆP      │
│   (Academics)         │  │ HÀNG (Bank Managers)  │      │ CHÍNH SÁCH (Policies) │  │ DNNVV (SME Owners)    │
├───────────────────────┤  ├───────────────────────┤      ├───────────────────────┤  ├───────────────────────┤
│ Kế thừa bộ thang đo   │  │ Nhận diện rõ mức độ   │      │ Thiết kế chính sách   │  │ Chủ động nâng cao     │
│ 52 biến quan sát và mô│  │ thiên lệch giữa chính │      │ bảo lãnh tín dụng và  │  │ năng lực đáp ứng      │
│ hình nhị phân ứng     │  │ sách và thực thi để   │      │ hỗ trợ kế toán minh   │  │ thông tin cứng, tận   │
│ dụng trong kinh tế học│  │ điều chỉnh hạn mức rủi│      │ bạch sát hợp với thực │  │ dụng thông tin mềm để │
│ tài chính khu vực.    │  │ ro tín dụng SME.      │      │ tiễn vùng khó khăn.   │  │ tiếp cận vốn.         │
└───────────────────────┘  └───────────────────────┘      └───────────────────────┘  └───────────────────────┘
  1. Nghiên cứu sinh và Giới học thuật: Tiếp cận một nghiên cứu mẫu mực về quy trình thiết kế thang đo Churchill (1979) kết hợp định tính - định lượng xử lý bài toán kinh tế học ngân hàng trong môi trường dữ liệu hạn chế.
  2. Hội đồng quản trị và Ban Tổng Giám đốc NHTM: Có cơ sở dữ liệu định lượng chính xác để điều chỉnh phân bổ trọng số trong hệ thống chấm điểm tín dụng nội bộ, giao quyền phán quyết linh hoạt hơn cho các chi nhánh miền núi.
  3. Đội ngũ Cán bộ tín dụng tác nghiệp: Nhận thức rõ các sai lệch nhận thức (Cognitive biases) trong quá trình tiếp xúc khách hàng, nâng cao kỹ năng phỏng vấn thu thập thông tin mềm có kiểm chứng.
  4. Cộng đồng DNNVV địa phương: Hiểu rõ các tiêu chí ưu tiên thực tế của ngân hàng (đặc biệt là yêu cầu về tài sản đảm bảo và dòng tiền minh bạch), từ đó có định hướng khắc phục các điểm yếu cấu trúc nội tại để gia tăng khả năng huy động vốn nợ.

Câu hỏi chuyên sâu

┌────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┐
│                                           HỎI - ĐÁP HỌC THUẬT CHUYÊN SÂU                                              │
└────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────┘

1. Đóng góp lý thuyết độc đáo nhất của luận án là gì và đã mở rộng lý thuyết nào?

Đóng góp độc đáo nhất của luận án là làm rõ và kiểm định giới hạn hiệu lực của Lý thuyết Cho vay quan hệ (Relationship Lending Theory) và Lý thuyết Vốn xã hội (Social Capital Theory) trong bối cảnh nền kinh tế cận biên. Trong khi y văn quốc tế phương Tây (Uzzi & Lancaster, 2003; Moro & Fink, 2012) khẳng định thông tin mềm và niềm tin có thể thay thế cho sự thiếu hụt thông tin cứng, luận án đã mở rộng và chứng minh rằng tại một thị trường có mức độ bất đối xứng thông tin cực cao như vùng Tây Bắc Việt Nam, thông tin mềm chỉ đóng vai trò là điều kiện bổ trợ gia tăng biên, còn tài sản thế chấp (thông tin cứng) mới là điều kiện tiên quyết giữ quyền phủ quyết.

2. Điểm đổi mới phương pháp luận của luận án khi so sánh với ít nhất 2 nghiên cứu quốc tế trước đây?

So với nghiên cứu của Brown et al. (2012) (chỉ sử dụng dữ liệu thứ cấp từ hệ thống xếp hạng nội bộ của ngân hàng Thụy Sĩ) và Iyer et al. (2015) (sử dụng dữ liệu cho vay ngang hàng P2P trên nền tảng Prosper), luận án đã đổi mới bằng cách:

  • Kết hợp quy trình phát triển thang đo 8 bước của Churchill (1979) từ nghiên cứu định tính (phỏng vấn sâu 20 chuyên gia/CBTD) đến định lượng sơ bộ ($n=100$) và định lượng chính thức ($n=355$).
  • Khảo sát trực tiếp nhận thức, cảm nhận và phán xét chuyên môn của chính các cán bộ tín dụng trực tiếp thẩm định—những người trực tiếp sản xuất thông tin mềm tại hiện trường—kết hợp với dữ liệu hồi quy Binary Logistic kiểm định đa tầng.

3. Phát hiện nào trong luận án gây bất ngờ nhất và có bằng chứng định lượng hỗ trợ ra sao?

Phát hiện bất ngờ nhất là kết quả kiểm định thực nghiệm đi ngược lại với giả thuyết kỳ vọng ban đầu của tác giả (vốn cho rằng tại địa bàn miền núi nơi quan hệ xã hội khăng khít thì thông tin mềm sẽ chi phối quyết định cho vay). Bằng chứng định lượng thực tế chỉ ra rằng: Biến Tài sản thế chấp đạt hệ số hồi quy $\beta$ cao nhất với mức ý nghĩa $p < 0.001$, tỷ số Odds Ratio $\text{Exp}(\beta) > 3.45$; trong khi các biến thông tin mềm dù có ý nghĩa thống kê ($p < 0.05$) nhưng có trọng số thấp hơn đáng kể. Điều này phản ánh tư duy phòng thủ rủi ro nghiêm ngặt của hệ thống NHTM Việt Nam dưới áp lực nợ xấu và các chế tài pháp lý cá nhân đối với CBTD.

4. Luận án có cung cấp quy trình nhân bản/tái lập nghiên cứu (Replication Protocol) hoàn chỉnh không?

Luận án cung cấp một giao thức nhân bản cực kỳ chi tiết và minh bạch:

  • Trình bày toàn bộ cấu trúc bảng hỏi, bảng mã hóa 52 biến quan sát, thang đo Likert chuẩn hóa.
  • Mô tả chi tiết kỹ thuật chọn mẫu ngẫu nhiên phân tầng theo 04 tỉnh Tây Bắc.
  • Công bố đầy đủ quy trình xử lý dữ liệu qua các bước kiểm định Cronbach's Alpha, EFA (với các ngưỡng KMO, Bartlett, Eigenvalues, Factor Loading cụ thể) và cú pháp hồi quy Binary Logistic trên SPSS, cho phép các nhà nghiên cứu độc lập dễ dàng tái lập mô hình trên các địa bàn kinh tế khác.

5. Chương trình nghiên cứu 10 năm (10-year Research Agenda) được phác thảo từ luận án gồm những gì?

Chương trình nghiên cứu dài hạn hướng tới:

  • Giai đoạn 1 (1-3 năm): Mở rộng mô hình nghiên cứu sang các loại hình tổ chức tài chính vi mô và Ngân hàng Chính sách Xã hội tại các vùng dân tộc thiểu số.
  • Giai đoạn 2 (4-6 năm): Ứng dụng Trí tuệ nhân tạo (AI) và Học máy (Machine Learning) để lượng hóa thông tin mềm (Text mining từ dữ liệu phỏng vấn, hành vi số của chủ doanh nghiệp) nhằm chuyển hóa thông tin mềm thành điểm số cứng (Hardened soft information).
  • Giai đoạn 3 (7-10 năm): Đánh giá tác động dài hạn của khung khổ thể chế tài chính số (Fintech, Open Banking) đối với việc xóa bỏ rào cản tài sản thế chấp cho khu vực DNNVV tại các nền kinh tế đang phát triển.

Kết luận

Luận án tiến sĩ của Đỗ Thị Thu Hiền (2020) là một công trình khoa học công phu, giải quyết trọn vẹn cả yêu cầu hàn lâm và tính cấp thiết thực tiễn của nền kinh tế Việt Nam.

Tóm lược 06 đóng góp mang tính dấu ấn của luận án:

  1. Hệ thống hóa toàn diện cơ sở lý thuyết về cơ chế truyền dẫn và xử lý thông tin cứng - thông tin mềm trong quản trị rủi ro tín dụng ngân hàng tại thị trường mới nổi.
  2. Xây dựng và kiểm định thành công bộ thang đo chuẩn hóa gồm 08 nhóm nhân tố với 52 biến quan sát phản ánh đặc thù thẩm định tín dụng DNNVV tại địa bàn miền núi Tây Bắc.
  3. Cung cấp bằng chứng thực nghiệm phản biện giả thuyết ban đầu, khẳng định vị trí thống trị của Tài sản thế chấp (thông tin cứng) và vai trò bổ trợ có điều kiện của Vốn xã hội/Niềm tin (thông tin mềm).
  4. Làm sáng tỏ khoảng cách thực thi chính sách (Policy-Implementation Gap) giữa cơ cấu chấm điểm tín dụng nội bộ trên giấy tờ và quyết định phê duyệt thực tế tại các chi nhánh ngân hàng thương mại.
  5. Đề xuất hệ thống giải pháp đồng bộ đa tầng cho NHTM Hội sở chính, các chi nhánh địa phương, cộng đồng DNNVV và các cơ quan quản lý vĩ mô nhằm tháo gỡ rào cản cung ứng tín dụng.
  6. Mở ra 03 hướng nghiên cứu mới trong học thuật: Lượng hóa thông tin mềm bằng công nghệ số; Phân tích động thái mối quan hệ tín dụng theo chuỗi thời gian; và Thiết kế mô hình bảo lãnh tín dụng công kết hợp dữ liệu lớn (Big Data).

Công trình đã chứng minh rằng việc giải quyết bài toán tiếp cận vốn cho DNNVV không thể chỉ dựa vào sự kỳ vọng đơn phương về vốn xã hội hay thông tin mềm, mà đòi hỏi một cuộc cải cách căn cơ từ chuẩn hóa dữ liệu kế toán doanh nghiệp đến đổi mới công nghệ quản trị tín dụng hiện đại trong toàn hệ sinh thái tài chính.