Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV

Chia sẻ chuyên mục Đề Tài Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV hay nhất năm 2026 cho các bạn học viên ngành đang làm luận văn thạc sĩ tham khảo nhé. Với những bạn chuẩn bị làm bài luận văn tốt nghiệp thì rất khó để có thể tìm hiểu được một đề tài hay, đặc biệt là các bạn học viên đang chuẩn bị bước vào thời gian lựa chọn đề tài làm luận văn thì với đề tài Luận Văn: Các nhân tố ảnh hưởng đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại Ngân hàng Thương mại cổ phần Đầu tư và Phát triển Việt Nam – Chi nhánh Thủ Dầu Một dưới đây chắc chắn sẽ giúp cho các bạn học viên có cái nhìn tổng quan hơn về đề tài sắp đến.

3.1 Quy trình thực hiện nghiên cứu

Để hoàn thành các mục tiêu nghiên cứu đề ra thì luận văn này sẽ được thực hiện với quy trình bao gồm 7 bước như sau:

Hình 3.1: Quy trình thực hiện nghiên cứu

• Bước 1: Tìm hiểu vấn đề, mục tiêu, phạm vi nghiên cứu, sau đó xem xét các nghiên cứu tại Việt Nam và nước ngoài liên quan đến đề tài, từ đó xác định các khoảng trống nghiên cứu.
• Bước 2: Tổng hợp các lý thuyết nền liên quan đến đề tài nghiên cứu.
• Bước 3: Lựa chọn các biến phù hợp.
• Bước 4: Xây dựng mô hình nghiên cứu giữa các biến độc lập và biến phụ thuộc.
• Bước 5: Thu thập dữ liệu từ các báo cáo nội bộ về hoạt động kinh doanh thẻ tại BIDV Thủ Dầu Một giai đoạn 2022 – 2024 và xử lý dữ liệu bằng các mô hình hồi quy phù hợp.
• Bước 6: So sánh các mô hình hồi quy, từ đó lựa chọn mô hình phù hợp và tiến hành kiểm nghiệm
• Bước 7: Trình bày và thảo luận kết quả nghiên cứu, đưa ra những hàm ý chính sách phù hợp.

3.2 Mô hình và giả thuyết nghiên cứu Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

3.2.1 Khái quát mô hình nghiên cứu đề xuất

Dụa các giả thuyết nghiên cứu đã được xây dựng trước đó, tác giả đề xuất mô hình nghiên cứu để phân tích các nhân tố ảnh hưởng đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một với cấu trúc như sau:

NOMINPAY = β0 + β1AGE + β2GENDER + β3MARITAL + β4HOMEOWNE R + β5EDU+ β6INCOME + β7LIMIT + β8OCCUP + β9OLEVEL + β10TOC + β11G UARTY + β12BLOAN + β13BALincome + β14CASHBal +ε

• Trong đó:

Biến phụ thuộc: NOMINPAY là rủi ro tín dụng của sản phẩm thẻ tín dụng tại tại BIDV Thủ Dầu Một và được đo lường bằng số ngày khách hàng chậm thanh toán dư nợ thẻ tín dụng từ 1 ngày trở lên trong khoảng thời gian từ 01/01/2022 đến ngày 31/12/2024.

Các biến độc lập được tổng hợp chi tiết tại bảng 3.1 dưới đây:

• Bảng 3.1: Tổng hợp các biến nghiên cứu trong mô hình đề xuất

3.2.2 Giả thuyết nghiên cứu Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

Dựa vào bảng 2.1 tổng hợp các nhân tố ảnh hưởng đến Rủi ro tín dụng của sản phẩm thẻ tín dụng tại các ngân hàng, tác giả tiến hành phát triển các giả thuyết nghiên cứu của đề tài nghiên cứu như sau:

• Độ tuổi (AGE)

Độ tuổi của chủ thẻ được xác định bằng cách lấy năm tại thời điểm đăng ký mở thẻ tín dụng trừ đi năm sinh của khách hàng. Thông thường, ngân hàng phát hành thẻ quy định chủ thẻ phải từ đủ 18 tuổi trở lên. Kỳ vọng chủ thẻ có tuổi càng cao thì có ít số ngày chậm thanh toán nợ thẻ tín dụng hơn so với độ tuổi nhỏ hơn.

Giả thuyết H1: Chủ thẻ có độ tuổi càng cao ảnh hưởng ngược chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Giới tính (GENDER)

Giới tính của chủ thẻ là một trong những yếu tố tạo ra sự khác biệt rõ rệt trong hành vi sử dụng và thanh toán dư nợ thẻ tín dụng. Thông thường, nữ giới có xu hướng chi tiêu nhiều hơn cho nhu cầu mua sắm cá nhân, trong khi nam giới lại thể hiện khả năng tiếp cận công nghệ mới và quản lý chi tiêu hiệu quả hơn. Giới tính được lượng hóa bởi biến giả dummy, có giá trị 0 là nữ và giá trị 1 là nam. Kỳ vọng chủ thẻ nữ có khả năng chậm thanh toán nợ thẻ tín dụng cao hơn so với khách hàng nam.

Giả thuyết H2: Chủ thẻ là nữ ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Tình trạng kết hôn (MARITAL)

Tình trạng kết hôn của chủ thẻ phản ánh sự khác biệt trong hành vi chi tiêu. Theo đó, những người đã lập gia đình thường có xu hướng chi tiêu nhiều hơn so với người độc thân, do phải đáp ứng các nhu cầu tài chính phát sinh từ gia đình và con cái. Họ cũng dễ gặp phải những khoản chi tiêu đột xuất hoặc vượt ngoài khả năng thu nhập. Tình trạng kết hôn được lượng hóa dưới dạng biến giả dummy, có giá trị 1 nếu chủ thẻ đã có gia đình và giá trị 0 nếu chủ thẻ thuộc các nhóm trường hợp còn lại (độc thân, ly hôn, góa…) tính tại thời điểm đăng ký mở thẻ tín dụng. Kỳ vọng chủ thẻ đã kết hôn có số ngày chậm thanh toán nợ thẻ tín dụng cao hơn so với chủ thẻ thuộc các nhóm trường hợp còn lại.

Giả thuyết H3: Chủ thẻ đã kết hôn ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Hình thức sở hữu nhà ở (HOMEOWNER) Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

Hình thức sở hữu nhà ở phản ánh loại nhà ở mà chủ thẻ đang nắm giữ nhằm đánh giá khả năng tài chính cũng như mức độ ổn định và năng lực tích lũy tài sản của khách hàng và được lượng hóa dưới dạng biến giả dummy, có giá trị 1 nếu chủ thẻ sở hữu nhà ở riêng và giá trị 0 nếu đang sinh sống trong các loại hình nhà ở khác như ở chung với gia đình, thuê nhà hoặc các hình thức không có quyền sở hữu. Kỳ vọng chủ thẻ sở hữu nhà ở riêng có ít số ngày chậm thanh toán nợ thẻ tín dụng hơn chủ thẻ có sở hữu các loại nhà ở còn lại.

Giả thuyết H4: Chủ thẻ sở hữu nhà ở riêng ảnh hưởng ngược đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Trình độ học vấn (EDU)

Trình độ học vấn phản ánh sự hiểu biết của khách hàng về những kiến thức xã hội và môi trường xung quanh, được lượng hóa bởi biến giả dummy cho rằng có giá trị 1 đối với chủ thẻ có trình độ học vấn từ đại học trở lên và giá trị 0 đối với chủ thẻ có trình độ học vấn thấp hơn. Kỳ vọng chủ thẻ có trình độ học vấn từ đại học trở lên có ít số ngày chậm thanh toán nợ thẻ tín dụng hơn so với những người có trình độ học vấn thấp hơn.

Giả thuyết H5: Chủ thẻ có trình độ học vấn từ đại học trở lên ảnh hưởng ngược chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một. Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

• Thu nhập (INCOME)

Thu nhập được xác định dựa trên mức thu nhập bình quân hàng tháng của khách hàng. Những cá nhân có thu nhập cao thường phát sinh nhu cầu chi tiêu lớn hơn, từ đó dẫn đến xu hướng sử dụng thẻ tín dụng với tần suất và giá trị giao dịch cao hơn. Kỳ vọng chủ thẻ thuộc nhóm có thu nhập cao có số ngày chậm thanh toán nợ thẻ tín dụng ít hơn so với những khách hàng có mức thu nhập thấp hơn.

Giả thuyết H6: Chủ thẻ có thu nhập cao ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Hạn mức tín dụng thẻ (LIMIT)

Hạn mức tín dụng thẻ là mức chi tiêu tối đa mà ngân hàng phát hành cho phép chủ thẻ sử dụng, căn cứ theo chính sách tín dụng và tiêu chí xét duyệt của từng tổ chức phát hành. Kỳ vọng chủ thẻ có hạn mức và dư nợ thẻ tín dụng càng lớn thì nguy cơ chậm thanh toán nợ thẻ tín dụng càng cao.

Giả thuyết H7: Chủ thẻ có hạn mức thẻ tín dụng càng cao ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Nghề nghiệp (OCCUP)

Nghề nghiệp là yếu tố thể hiện trình độ chuyên môn, mức độ tiếp cận công nghệ và năng lực tài chính của khách hàng. Đây là căn cứ quan trọng để ngân hàng đánh giá tiềm năng tín dụng, trong đó nhóm nhân viên văn phòng thường được xếp vào đối tượng ưu tiên khi xem xét phát hành thẻ tín dụng. Nghề nghiệp được lượng hóa dưới dạng biến giả dummy, có giá trị 1 nếu là nhân viên văn phòng và có giá trị là 0 nếu hoạt động trong các ngành nghề khác (sinh viên, công nhân, lao động tự do…). Kỳ vọng chủ thẻ làm việc trong lĩnh vực văn phòng có ít số ngày chậm thanh toán nợ thẻ tín dụng hơn so với những người hoạt động trong các ngành nghề khác.

Giả thuyết H8: Chủ thẻ là nhân viên ngân hàng ảnh hưởng ngược chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một. Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

• Chức vụ công tác (OLEVEL)

Chức vụ công tác của chủ thẻ được lượng hóa dưới dạng biến giả dummy, trong đó giá trị 1 nếu khách hàng đang giữ chức vụ cao tại cơ quan làm việc và có giá trị 0 đối với những người không giữ chức vụ. Kỳ vọng rằng chủ thẻ giữ chức vụ cao trong công việc có ít số ngày chậm thanh toán nợ thẻ tín dụng hơn so với chủ thẻ không giữ chức vụ.

Giả thuyết H9: Chủ thẻ giữ chức vụ cao trong công việc ảnh hưởng ngược chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Loại hình công ty (TOC – TYPE OF COMPANY)

Loại hình công ty mà khách hàng đang công tác được lượng hóa dưới dạng biến giả dummy, có giá trị 1 nếu khách hàng đang làm việc tại các công ty TNHH, công ty cổ phần, công ty hợp danh, doanh nghiệp tư nhân, hộ kinh doanh cá thể, tiểu thương khác… và có giá trị 0 nếu khách hàng đang làm việc tại các loại hình tổ chức khác (cơ quan hành chính sự nghiệp, doanh nghiệp nhà nước, tập đoàn kinh tế thuộc sở hưũ nhà nước hoặc doanh nghiệp có vốn đầu tư nước ngoài…). Kỳ vọng chủ thẻ đang làm việc tại các doanh nghiệp tư nhân có khả năng chậm thanh toán nợ thẻ tín dụng cao hơn so với những người làm việc tại các loại hình công ty khác.

Giả thuyết H10: Chủ thẻ đang làm việc tại các doanh nghiệp tư nhân ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Hình thức bảo đảm (GUARTY)

Hình thức bảo đảm tài sản đóng vai trò quan trọng trong quá trình ngân hàng xét duyệt hạn mức tín dụng và quyết định phát hành thẻ tín dụng dưới dạng tín chấp hoặc có tài sản bảo đảm. Đối với những khách hàng không chứng minh được nguồn thu nhập ổn định và bền vững, ngân hàng thường yêu cầu cung cấp tài sản để bảo đảm toàn phần hoặc một phần dưới nhiều hình thức như ký quỹ bằng tiền gửi, sổ tiết kiệm hoặc thế chấp bất động sản… tùy thuộc vào quy định cụ thể của từng tổ chức phát hành thẻ. Biến này được lượng hóa bởi biến giả dummy, có giá trị 1 nếu chủ thẻ được bảo đảm bằng tài sản và giá trị 0 nếu chủ thẻ được phát hành thẻ tín chấp. Kỳ vọng rằng chủ thẻ được cấp thẻ tín chấp có nguy cơ chậm thanh toán nợ thẻ tín dụng cao hơn so với những chủ thẻ được cấp bảo đảm bằng tài sản.

Giả thuyết H11: Chủ thẻ được cấp thẻ tín chấp ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một. Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

• Dư nợ tại ngân hàng khác (BLOAN)

Dư nợ tại ngân hàng khác được lượng hóa dưới dạng biến giả dummy, có giá trị 1 nếu khách hàng có dư nợ tại ngân hàng khác và giá trị 0 nếu khách hàng không có quan hệ tín dụng. Kỳ vọng chủ thẻ có nhiều khoản dư nợ tín dụng tại ngân hàng khác có nguy cơ chậm thanh toán nợ thẻ tín dụng cao hơn so với những chủ thẻ còn lại.

Giả thuyết H12: Chủ thẻ có dư nợ tại ngân hàng khác ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Hệ số thanh toán thẻ (BALincome)

Hệ số thanh toán thẻ phản ánh khả năng bù đắp các khoản dư nợ thẻ tín dụng đến hạn căn cứ theo sao kê được gửi định kỳ hàng tháng trên thu nhập bình quân tháng của chủ thẻ. Hệ số này được tính như sau:

Kỳ vọng rằng hệ số thanh toán thẻ của chủ thẻ càng cao thì số ngày chậm thanh toán nợ thẻ tín dụng càng cao và ngược lại.

Giả thuyết H13: Chủ thẻ có hệ số thanh toán thẻ càng cao ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

• Hệ số ứng tiền mặt (CASHBal)

Hệ số ứng tiền mặt phản ánh mức độ của chủ thẻ sử dụng tính năng ứng tiền mặt từ thẻ tín dụng so với dư nợ tín dụng hiện tại. Khi thực hiện giao dịch ứng tiền mặt qua máy ATM hoặc POS, chủ thẻ không chỉ phải chịu mức phí và lãi suất cao hơn so với giao dịch thông thường, mà lãi còn được tính ngay tại thời điểm giao dịch phát sinh. Những khách hàng thường xuyên sử dụng thẻ tín dụng cho mục đích ứng tiền mặt không những đối diện với nguy cơ mất khả năng thanh toán mà còn xếp vào nhóm khách hàng có hành vi tài chính không ổn định. Hệ số này được tính theo công thức sau:

Kỳ vọng hệ số ứng tiền mặt của chủ thẻ có mối quan hệ thuận chiều với nguy cơ chậm thanh toán nợ thẻ tín dụng và ngược lại.

Giả thuyết H14: Chủ thẻ có hệ số ứng tiền mặt càng cao ảnh hưởng cùng chiều đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

3.3 Phương pháp nghiên cứu Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

3.3.1 Dữ liệu nghiên cứu

Tác giả thu thập dữ liệu trực tiếp từ báo cáo nội bộ về kết quả hoạt động kinh doanh thẻ tín dụng của BIDV Thủ Dầu Một giai đoạn 2022 – 2024. Trong đó:

Thông tin về nhân thân của chủ thẻ được thu thập từ từ dữ liệu đầu vào của hệ thống chấm điểm tín dụng cá nhân và được lưu trữ trên hệ thống Cadencie thông qua hợp đồng phát hành thẻ tín dụng quốc tế của BIDV. Các dữ liệu này được chọn ngẫu nhiên từ báo cáo hoạt động kinh doanh thẻ từ nhiều phòng kinh doanh khác nhau trong cùng chi nhánh nhằm đảm bảo tính khách quan đồng thời hạn chế sự trùng lặp về đặc điểm địa lý và khu vực cư trú của chủ thẻ.

Dữ liệu về lịch sử giao dịch được hệ thống Cadencie ghi nhận tức thì ngay khi chủ thẻ thực hiện thanh toán hàng hóa, dịch vụ hoặc giao dịch ứng tiền mặt.

Đồng thời, trong nghiên cứu tác giả sử dụng dữ liệu thẻ tín dụng được phát hành và có phát sinh giao dịch từ ngày 01/01/2022 đến 31/12/2024. Trong khoảng thời gian này, nền kinh tế Việt Nam đã trả qua nhiều biến động do ảnh hưởng từ cuộc khủng hoảng kinh tế toàn cầu đến các vấn đề chính trị trên thế giới như chiến tranh thương mại Mỹ – Trung, chiến tranh giữa Nga – Ukraina, v.v. Đặc biệt, thời điểm sau dịch Covid-19, người dân có cơ hội tiếp cận và có nhiều kiến thức về các phương thức thanh toán không dùng tiền mặt so với thời điểm trước kia. Do đó, khoảng thời gian này sẽ có những tác động mạnh mẽ đến hoạt động chi tiêu thẻ tín dụng của khách hàng tại BIDV Thủ Dầu Một nói riêng và hệ thống Ngân hàng thương mại Việt Nam nói chung.

Theo Tabachnick và Fidell (2001) đã chỉ ra trong nghiên cứu định lượng, số lượng mẫu nghiên cứu cần được đo lường theo công thức sau n ≥ 50 + 8m. Trong đó, n là số lượng mẫu nghiên cứu; m là số biến độc lập và biến kiểm soát có trong mô hình. Trong luận văn này, tác giả có 14 biến độc lập và biến kiểm soát, do đó số lượng mẫu nghiên cứu tối thiểu là 162 quan sát. Tác giả đã thu thập dữ liệu số lượng thẻ tín dụng phát hành và có phát sinh giao dịch tại BIDV Thủ Dầu Một trong vòng 2 năm, tổng cộng thu thập được 196 quan sát. Do đó, số lượng quan sát trong bài nghiên cứu là hoàn toàn phù hợp và có cơ sở.

3.3.2 Phương pháp tính toán và ý nghĩa Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

3.3.2.1 Phương pháp xử lý dữ liệu

Trong nghiên cứu này, dữ liệu sau khi thu thập sẽ được xử lý như sau:

• Biến tuổi (AGE) được tác giả xử lý bằng cách lấy năm tại thời điểm đăng ký phát hành thẻ trừ đi năm sinh của khách hàng.
• Các biến giới tính (GENDER), tình trạng kết hôn (MARITAL), hình thức sở hữu nhà (HOMEOWNER), nghề nghiệp (OCCUP), chức vụ (OLEVEL), tài sản đảm bảo (GUARTY), dư nợ tín dụng tại ngân hàng khác (BLOAN) được lượng hóa bằng biến giả dummy như đã trình bày ở phần 2.4.
• Các biến hệ số thanh toán thẻ (BALincome) và hệ số ứng tiền mặt bình quân (CASHbal) không có sẵn nên tác giả căn cứ trên sao kê hàng tháng của chủ thẻ trong vòng 6 tháng gần nhất và được tính toán theo các công thức đã nêu ở phần 2.4 để đưa ra kết quả.

Để phân tích dữ liệu thu thập, tác giả sử dụng phần mềm STATA 14.0 để xác định và đo lường mức độ ảnh hưởng của các yếu tố đến rủi ro tín dụng của sản phẩm thẻ tín dụng tại BIDV Thủ Dầu Một.

3.3.2.2 Phân tích thống kê mô tả mẫu nghiên cứu

Bước đầu, tác giả sẽ thực hiện đánh giá tổng quan về sự biến động của các nhân tố ảnh hưởng đến rủi ro tín dụng trong hoạt động kinh doanh thẻ tín dụng tại BIDV Thủ Dầu Một trong giai đoạn 2022 – 2024. Sau đó, tác giả sẽ tiến hành phân tích thống kê mô tả bao gồm các giá trị trung bình, giá trị lớn nhất, giá trị nhỏ nhất và độ lệch chuẩn của các biến trong mô hình nghiên cứu. Đồng thời, tác giả cũng xem xét cũng như đánh giá sự khác biệt giữa các nhóm chủ thẻ tín dụng nhằm làm rõ đặc điểm và tác động của từng biến số.

3.3.2.3 Phân tích ma trận tương quan của các biến số độc lập và kiểm soát

Trong mô hình hồi quy đa biến, một giả định quan trọng để đảm bảo tính phù hợp của mô hình là các biến độc lập hoặc biến kiểm soát không được có mối tương quan cao với nhau. Nếu xảy ra vi phạm này, hiện tượng đa cộng tuyến có thể xảy ra. Để phát hiện vấn đề này, nghiên cứu đưa vào một phương pháp để xác định là sử dụng ma trận cấu trúc tương quan giữa các biến số. Nếu hệ số tương quan của một cặp biến trong ma trận vượt quá 0,8, nghĩa là giữa chúng có mối tương quan mạnh. Trong trường hợp này, nguy cơ xảy ra đa cộng tuyến là rất nghiêm trọng và cần được kiểm định sâu hơn để đưa ra kết luận chính xác.

3.3.2.4 Phân tích các mô hình hồi quy đa biến Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

Tác giả sử dụng mô hình hồi quy Logistic để kiểm tra tính tuyến tính giữa các biến độc lập và logit của xác suất nhằm đảm bảo không xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập thông qua kỹ thuật thống kê được sử dụng để phân tích mối quan hệ giữa một biến phụ thuộc dạng nhị phân (hoặc phân loại) và một hoặc nhiều biến độc lập (có thể là định tính hoặc định lượng). Mô hình này đặc biệt hữu ích khi biến phụ thuộc có hai giá trị, chẳng hạn như có hoặc không; đúng hoặc sai; thành công hoặc thất bại và là một công cụ mạnh mẽ trong phân tích dữ liệu và dự đoán, đặc biệt khi tập trung vào các vấn đề phân loại và đưa ra quyết định.

• KẾT LUẬN CHƯƠNG 3

Chương 3 đã trình bày các nội dung về quy trình thực hiện nghiên cứu, cách thức thu thập, xử lý và phân tích dữ liệu. Ngoài ra, cách thức chọn mẫu và số lượng quan sát trong bài nghiên cứu cũng được trình bày. Cuối cùng, phương pháp tính toán và ý nghĩa các hệ số dùng vào các kiểm định cũng đã được trình bày chi tiết. Phần tiếp theo tác giả sẽ tập trung thảo luận về kết quả nghiên cứu của đề tài. Luận văn: PPNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV.

XEM THÊM NỘI DUNG TIẾP THEO TẠI ĐÂY:  

===>>> Luận văn: KQNC rủi ro tín dụng sản phẩm thẻ tín dụng tại BIDV