Phân tích hiệu quả hoạt động của các quỹ tín dụng nhân dân trên địa bàn tỉnh Đắk Lắk

Nội dung text: Phân tích hiệu quả hoạt động của các quỹ tín dụng nhân dân trên địa bàn tỉnh Đắk Lắk

1. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 PHÂN TÍCH HIỆU QUẢ HOẠT ĐỘNG CỦA CÁC QUỸ TÍN DỤNG NHÂN DÂN TRÊN ĐỊA BÀN TỈNH ĐẮK LẮK AN ANALYSIS OF PERFORMANCE OF PEOPLE’S CREDIT FUNDS IN DAK LAK PROVINCE Nguyễn Thị Phương Thảo, Lê Đức Niêm Khoa Kinh tế - Trường Đại học Tây Nguyên TÓM TẮT Nghiên cứu này sử dụng phương pháp bao số liệu DEA - Data Envelopment Analysis - để phân tích hiệu quả kỹ thuật, sự thay đổi của hiệu quả kỹ thuật và mức độ tiến bộ công nghệ trong cung cấp dịch vụ của các Quỹ Tín dụng Nhân dân (QTDND) trên địa bàn tỉnh Đắk Lắk giai đoạn 2016 – 2019. Kết quả cho thấy không có sự thay đổi đáng kể về năng suất tổng hợp của toàn bộ các QTDND tỉnh Đắk Lắk, thể hiện qua chỉ tiêu Mức thay đổi của năng suất tổng hợp - TFPCH trung bình toàn hệ thống 0,944. Hầu hết các QTDND có cải tiến về hiệu quả kỹ thuật tương đối so với các QTDND đạt hiệu quả, điều này thể hiện qua chỉ tiêu Mức thay đổi của hiệu quả kỹ thuật - EFCH trung bình là 1,166. Tuy nhiên, không có sự gia tăng về mặt công nghệ trong hoạt động với TECHCH (Mức thay đổi của công nghệ) trung bình chỉ đạt 0,809. Nói cách khác, các QTDND trong thời gian qua chủ yếu tập trung vào việc học hỏi lẫn nhau nhằm gia tăng về quy mô nhưng không có sự cải tiến về công nghệ dịch vụ trong hoạt động kinh doanh của mình. Từ khóa: Quỹ Tín dụng Nhân dân, Hiệu quả kỹ thuật, Năng suất yếu tố tổng hợp ABSTRACT This study employed Data Envelopment Analysis Methodology to analyze technical efficiency, changes in technical efficiency and levels of technological advancement in providing services of People's Credit Funds (PCFs) in Dak Lak province over the period 2016 - 2019. The findings indicated that the total factor productivity of all PCFs in the province was virtually unaltered with an average of 0.944 in Total Factor Productivity Change (TFPCH). Most PCFs improved relatively their technical efficiency and reached 1.116 in efficiency change (EFCH). However, there was no improvement in technological level with an averaged of 0.809 in TECHCH. In other words, these PCFs have mainly focused on benchmarking the best PCF in order to increase in scale but without any technological improvement in service in their business operations. Keywords: People's Credit Fund, Technical Efficiency, Total Factor Productivity 1. Giới thiệu Mô hình Quỹ Tín dụng Nhân dân được đưa vào tực tiễn tại Việt Nam từ năm 1993. Hoạt động của mô hình này dựa trên nguyên tắc của một hợp tác xã với chức năng cung ứng các dịch vụ tài chính cho các thành viên là người dân khu vực nông thôn hoặc người nghèo tại khu vực thành thị. Theo Hiệp hội QTDND Việt Nam (2019), tính đến tháng 12 năm 2018, toàn hệ thống QTDND có 1.183 quỹ đang hoạt động trên 57 tỉnh, thành phố với số lượng 1,5 triệu thành viên (bình quân 1.311 thành viên/quỹ). Tổng nguồn vốn huy động đến tháng 12 năm 2018 là 112.546,4 tỷ đồng, tăng 9,7% so với cùng kỳ năm trước, nguồn vốn bình quân là 95,1 tỷ đồng/quỹ. Tổng dư nợ tín dụng là 89.055,8 tỷ đồng, chiếm 79,1% nguồn vốn, tăng 11% so với năm 2017 nhưng thấp hơn mức tăng trưởng chung của toàn hệ thống các Tổ chức tín dụng (16%). Nợ xấu chiếm tỷ lệ 1,07% thấp hơn tỷ lệ nợ xấu toàn hệ thống (2,4%) (VAPCF, 2019). Các QTDND đã phát huy tốt vai trò là kênh dẫn vốn nhằm hỗ trợ thành viên phát triển sản xuất kinh doanh, nâng cao đời sống, góp phần không nhỏ vào công cuộc giảm nghèo cũng như phát triển kinh tế tại địa phương. Mặt khác, hoạt động của QTDND cũng hạn chế được hoạt động của “tín dụng đen” trong cộng đồng dân cư nông thôn. Tuy nhiên, theo Ngân hàng 237
2. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Nhà nước, toàn hệ thống QTDND hiện có 64 quỹ hoạt động yếu kém, trong đó có 24 quỹ cần kiểm soát đặc biệt (VAPCF, 2019). Đề án củng cố và phát triển hệ thống QTDND Việt Nam đến năm 2020, định hướng đến năm 2030 đã được Ngân hàng Nhà nước phê duyệt cho thấy tầm quan trọng của hệ thống này trong phát triển kinh tế ở Việt Nam. Do đó, việc đánh giá hiệu quả hoạt động của các QTDND hiện nay là đặc biệt cần thiết nhằm tìm ra các giải pháp nâng cao hiệu quả hoạt động của các QTDND, bên cạnh đó cung cấp các hàm ý cho việc lập chính sách của Ngân hàng Nhà nước Việt Nam. Theo số liệu của Ngân hàng Nhà nước Việt Nam, chi nhánh tỉnh Đắk Lắk (2019), tính đến tháng 12 năm 2019, toàn tỉnh Đắk Lắk có 12 QTDND đang hoạt động với 25.491 thành viên. Dưới sự cạnh tranh khốc liệt của hệ thống các ngân hàng thương mại cùng kinh doanh trên địa bàn, các QTDND đã nỗ lực khai thác phân khúc thị trường tín dụng và huy động vốn đặc biệt của mình nhằm gia tăng hiệu quả hoạt động, góp phần nâng cao thu nhập cho các thành viên và phát triển kinh tế xã hội khu vực nông nghiệp và nông thôn tại địa phương. Do số liệu khá hạn chế, bài nghiên cứu này tập trung phân tích hiệu quả hoạt động của các QTDND trên địa bàn tỉnh Đắk Lắk giai đoạn 2016 – 2019 thông qua việc phân tích hiệu quả kỹ thuật, sự thay đổi của hiệu quả kỹ thuật và mức độ tiến bộ công nghệ trong cung cấp dịch vụ của các Quỹ Tín dụng Nhân dân (QTDND) trên địa bàn tỉnh Đắk Lắk giai đoạn 2016 – 2019. Phương pháp phân tích màng bao số liệu (DEA) được sử dụng khá rộng rãi trong đánh giá hiệu quả hoạt động của các các tổ chức tài chính trong đó có các ngân hàng thương mại và QTDND. Nguyễn Thị Thu Thương (2017) đã ứng dụng phương pháp DEA để đánh giá hiệu quả hoạt động của 21 ngân hàng thương mại trên địa bàn tỉnh Thái Nguyên trong giai đoạn 2011 – 2015. Với các yếu tố đầu vào bao gồm Lượng vốn huy động, Chi phí cho hoạt động tín dụng, Chi phí cho các hoạt động khác và các yếu tố đầu ra gồm Lượng tiền cho vay, Thu nhập từ hoạt động tín dụng, Thu nhập từ hoạt động khác được sử dụng để đo lường hiệu quả kỹ thuật và chỉ số năng suất yếu tố tổng hợp Malmquist. Kết quả cho thấy các ngân hàng thương mại sử dụng tương đối hiệu quả nguồn lực đầu vào với chỉ số hiệu quả kỹ thuật trung bình đạt 94% và tiến bộ công nghệ là nguyên nhân chính dẫn đến sự thay đổi chỉ số Malmquist. Phan Thị Thu Hà và Nguyễn Hoàng Phong (2018) sử dụng hai phương pháp Phân tích biên (SFA) và DEA để đo lường hiệu quả biên của 34 ngân hàng thương mại Việt Nam giai đoạn 2015 – 2017 với 410 quan sát. Nhóm tác giả sử dụng các biến đầu vào và đầu ra gồm: Tổng chi phí, Chi phí nhân viên, Tiền gửi khách hàng, Vốn vật chất, Giá tiền gửi, Giá nhân viên, Giá vốn vật chất; Dư nợ cho vay, Tài sản sinh lời khác, Tài sản ngoại bảng để sử dụng trong mô hình ước lượng hiệu quả của ngân hàng. Kết quả cho thấy hiệu quả chi phí trung bình của toàn hệ thống ngân hàng Việt Nam theo phương pháp DEA là 0,7411 nghĩa là để tạo ra cùng một mức sản lượng đầu ra nhất định thì các ngân hàng thương mại vẫn còn lãng phí khoảng 25,89% chi phí đầu vào. Nghiên cứu cũng chỉ ra được sự chênh lệch về hiệu quả chi phí giữa các nhóm ngân hàng khác nhau. Vuong Quoc Duy (2017) sử dụng DEA để đánh giá các yếu tố quyết định đến hiệu quả hoạt động của 134 QTDND tại Đồng bằng sông Cửu Long giai đoạn 2013 – 2016. Các biến đầu vào gồm Tài sản ròng, Nợ, Chi phí nhân công và các biến đầu ra gồm NIM (Net Interest Margin) và NOM (Net Out- Interest Margin). Kết quả nghiên cứu cho thấy hiệu quả kỹ thuật của các QTDND ở địa bàn nghiên cứu là khá thấp với hiệu quả chi phí (CE) khoảng 43,2%. Như vậy, yếu tố đầu vào chưa được sử dụng hiệu quả lãng phí phí khoảng 35,3%. Dong và Featherstone (2004) nhận thấy các hợp tác xã tín dụng tại nông thôn Trung Quốc (RCC) -nhà cung cấp tín dụng chính cho khu vực nông thôn Trung Quốc- đang gặp phải những thử thách nhất định trong quá trình hoạt động và có nhu cầu về tái cấu trúc. Do đó, nhóm tác giả đã sử dụng mô hình DEA để khảo sát hiệu quả kỹ thuật theo quy mô và hiệu quả hoạt động nói chung. Với dung lượng mẫu là 145 RCC và hiệu quả hoạt động trong giai đoạn 1991 – 1995 được tính toán. Kết quả cho thấy mức độ thay đổi về hiệu quả kỹ thuật ở các RCC trong giai đoạn nghiên cứu là không đáng kể. Nghiên cứu cũng chỉ rõ RCC tại địa phương nào cần phải điều chỉnh quy mô dịch vụ đối với hoạt động cho vay để có thể cải thiện hiệu quả kỹ thuật. Bên cạnh đó, cần tăng hiệu quả tổng thể của đối với hoạt động cho vay trong lĩnh vực nông nghiệp. 238
3. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 2. Phương pháp nghiên cứu Bài viết sử dụng phương pháp bao số liệu (DEA) để tính toán hiệu quả kỹ thuật (TE), chỉ số EFCH để đo lường sự thay đổi hiệu quả kỹ thuật theo thời gian (khi đường giới hạn sản xuất không đổi), chỉ số TECHCH đo lường sự tiến bộ kỹ thuật (thay đổi đường giới hạn sản xuất) và chỉ số năng suất các yếu tố tổng hợp Malmquist (TFPCH) ở các QTDND trong đó hiệu quả kỹ thuật được sử dụng như một đại diện của hiệu quả hoạt động QTDND và chỉ số năng suất tổng hợp kết hợp (TFPCH) với các thành phần của TFPCH được dùng để đánh giá mức độ cải tiến kỹ thuật trong hoạt động kinh doanh của các QTDND tại điểm nghiên cứu trong giai đoạn 2016 – 2019. Hiệu quả kinh tế (economic effciency) bao gồm hiệu quả kỹ thuật và hiệu quả phân bổ. Trong đó, khái niệm hiệu quả kỹ thuật (technical effciency) được sử dụng để tính toán/so sánh đầu ra (outputs) thu được tương ứng với các đầu vào (inputs) cho trước và được sử dụng phổ biến trong kinh tế học. Hiệu quả kỹ thuật là khả năng sử dụng đầu vào ít nhất để sản xuất một số lượng đầu ra cho trước hoặc khả năng thu được đầu ra lớn nhất từ một số lượng đầu vào cho trước. Phương pháp phân tích bao dữ liệu DEA (Data Envelopment Analysis) được xây dựng bởi Charnes và cộng sự (1978) để đánh giá hiệu quả so sánh giữa các đơn vị ra quyết định (DMU). Phương pháp DEA phù hợp với các nghiên cứu có dung lượng mẫu nhỏ do DEA được xây dựng dựa trên so sánh tương đối giữa các điểm thực tế (observed data). Trong nghiên cứu này, DEA được sử dụng để kiểm tra một QTDND hoạt động như thế nào so với các QTDND khác trong mẫu. DEA đưa ra một đường biên được hình thành bởi các QTDND hiệu quả và so với các QTDND kém hiệu quả hơn. Hiệu quả của các QTDND tiến từ 0 đến 1, với QTDND đạt hiệu quả tối đa khi kết quả là 1. Hiệu quả kỹ thuật của việc sử dụng yếu tố đầu vào x để thu được yếu tố đầu ra y có thể được đo lường bằng công thức: Đầ = = (1) Đầ 푣à표 Trường hợp các DMU có k yếu tố đầu vào và sản xuất m yếu tố đầu ra, thì cần phải dựa trên giá cả 푖 và 푤푗 của các yếu tố đầu vào/đầu ra để tính toán: ổ푛𝑔 đầ + ⋯ + = = 1 1 (2) ổ푛𝑔 đầ 푣à표 푤1 1 + ⋯ + 푤 Tuy nhiên, đối với lĩnh vực tài chính ngân hàng, việc xác định giá cả cho các yếu tố đầu vào/đầu rất phức tạp. Trong trường hợp này, có thể giả thiết là mỗi DMU sẽ sử dụng những trọng số nhất định và 푣 sao cho điểm hiệu quả TE của nó là cao nhất, nghĩa là và 푣 là những trọng số giúp cho DMU đó tiến đến gần đường giới hạn sản xuất PPF nhất. Như vậy, trường hợp với n DMU, mỗi DMU sử dụng k yếu tố đầu vào để tạo ra m yếu tố đầu ra việc xác định hiệu quả 0 của một 푈0 bất kỳ sẽ được xác định như sau: ,푣 0 (3) Trong điều kiện: ∑ 0 0 0 = (Đ푖ể ℎ푖ệ 푞 ả ủ 푈0) ∑ 푣0 0 ∑ 푗 푗 푗 = ≤ 1, 푗 = 1, , 푛 ∑ 푣푗 푗 (Đ푖ể ℎ푖ệ 푞 ả ủ 푡ấ푡 ả á 푈 ℎô푛𝑔 푣ượ푡 푞 á 1, 푛𝑔ℎĩ 푙à ℎô푛𝑔 푣ượ푡 ℎỏ푖 đườ푛𝑔 푃푃퐹) , 푣 ≥ 0 (các trọng số không âm) 239
4. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Ngoài việc tính toán hiệu quả kỹ thuật tại một thời điểm nhất định, Fare và cộng sự (1994) đã đưa ra mô hình xác định mức thay đổi của năng suất tổng hợp theo thời gian trong đó một DMU bất kỳ sẽ được nghiên cứu tại hai thời điểm khác nhau t và (t + 1), sau đó so sánh sự thay đổi về năng suất tổng hợp của DMU đó. Theo đó, chỉ số năng suất tổng hợp Malmquist được tính như sau: 푡+1 푡+1 푡 푡 퐹푃 = 0( , , , ) 1 푡+1 푡+1 푡+1 1 푡+1 푡+1 1 1 1 2 ( , ) ( , ) ( , ) = 1 1 1 [ 푡+1 푡+1 푡+1 푡+1 1 1 ] ( , ) ( , ) ( , ) 퐹푃 = 퐹 1 푡+1 Trong đó , là các mô hình đo lường khoảng cách (hiệu quả kỹ thuật) của DMU dựa vào đường giới hạn khả năng sản xuất năm t và năm (t+1). Vector 1, 푡+1 là đầu vào và 1, 푡+1 là đầu ra của DMU đó ở năm t và năm (t+1). TFPCH: Mức thay đổi của năng suất tổng hợp (chỉ số Malmquist TFP) EFCH: Mức thay đổi của hiệu quả kỹ thuật TECHCH: Mức thay đổi của công nghệ hay đường giới hạn Khi TFPCH >1, năng suất tổng hợp của DMU đó đã có sự gia tăng tại thời điểm (t+1) so với tại thời điểm t và ngược lại. Số liệu được sử dụng trong bài viết này được thu thập từ 12 QTDND trên địa bàn tỉnh Đắk Lắk giai đoạn 2016 – 2019. 3. Kết quả nghiên cứu 3.1 Đặc điểm của các QTDND trên địa bàn tỉnh Đắk Lắk Bảng 1: Đặc điểm các QTDND trên địa bàn tỉnh Đắk Lắk giai đoạn 2016 – 2019 Kết quả kinh Số thành viên Tổng nguồn vốn Tỷ lệ nợ xấu doanh (người) (triệu đồng) (%) Tên quỹ (triệu đồng) 2016 2019 2016 2019 2016 2019 2016 2019 Hòa Thắng 1.440 944 59.997 66.414 372 509 0,05 0,31 Pơng Drang 2.423 2.282 126.978 120.891 1.402 983 0,00 0,42 Thống Nhất 1.689 1.683 81.780 74.409 390 573 0,00 0,95 Hòa Tiến 1.520 1.702 78.839 98.090 475 903 0,05 0,08 Ea Yông 1.681 1.656 80.837 116.017 677 975 0,00 0,00 Cư Êbur 1.217 1.314 69.166 99.120 460 541 0,82 0,00 Phước An 1.983 1.782 140.573 175.636 1.142 1.348 0,02 0,02 Huy Hoàng 2.804 2.770 143.688 160.578 1.253 950 0,00 0,39 Cao Su 8.325 8.999 630.458 739.552 8.815 8.013 0,00 0,00 Hòa Khánh 1.178 1.235 59.904 71.936 542 384 0,03 0,22 Tân Hòa 1.129 1.179 47.357 77.766 355 439 0,87 0,30 Bình Hòa 102 297 5.429 25.204 (112) 217 0,00 0,00 Tổng 25.491 25.843 1.525.006 1.825.613 15.773 15.837 0,07 0,14 Nguồn: Ngân hàng Nhà nước tỉnh Đắk Lắk Các QTDND trên địa bàn tỉnh Đắk Lắk chủ yếu tập trung ở các huyện, nơi mà các hệ thống Ngân hàng thương mại chưa tiếp cận đến người dân. Do đó, trong thời gian qua, các QTDND tập trung chủ yếu vào tăng 240
5. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 trưởng quy mô về nguồn vốn. Cá biệt có một số QTDND mặc dù số lượng thành viên tham gia vào quỹ giảm xuống nhưng lại tăng mạnh về tổng nguồn vốn hoạt động. Về kết quả kinh doanh, nhìn chung các QTDND đều có lãi, tỷ lệ nợ xấu thấp, rất nhiều QTDND có tỷ lệ nợ xấu bằng 0. 3.2 Các biến trong mô hình DEA Bảng 2 trình bày số liệu thống kê mô tả tóm tắt các biến đầu vào và đầu ra theo giá trị nhỏ nhất, giá trị lớn nhất, giá trị trung bình và số quan sát qua hai năm 2016 và 2019. Bảng 2: Mô tả các biến trong mô hình DEA Đầu ra Đầu vào Doanh số cho Kết quả kinh Tổng số Tổng nguồn Chi phí hoạt Năm Giá trị vay doanh* nhân viên vốn động (triệu đồng) (triệu đồng) (người) (triệu đồng) (triệu đồng) Nhỏ nhất 2.400 (112) 9 5.429 241 Lớn nhất 631.801 8.815 25 630.458 57.400 2016 Trung bình 147.929 1.314 14 127.084 12.057 Số quan sát 12 12 12 12 12 Nhỏ nhất 22.917 217 10 25.204 2.276 Lớn nhất 845.264 8.013 26 739.552 55.560 2019 Trung bình 178.353 1.320 15 163.831 13.408 Số quan sát 12 12 12 12 12 Tốc độ tăng 20,57% 0,41% 7,14% 28,92% 11,20% * Số liệu được hiệu chỉnh bằng cách cộng thêm 113 triệu đồng. Nguồn: Tác giả tổng hợp Bảng 2 cho thấy tất cả các biến năm 2019 đều tăng lên so với năm 2016 nhưng tốc độ không đồng đều giữa các biến đầu vào và đầu ra. Chi phí hoạt động tăng 11,2% trong khi lợi nhuận chỉ tăng 0,41% (không tính khoản hiệu chỉnh để phù hợp với mô hình DEA). Tổng số thành viên tăng không đáng kể nhưng lượng vốn huy động tăng lên đáng kể (28,92%) chứng tỏ việc huy động vốn trong giai đoạn này của các quỹ khá hiệu quả. Tuy nhiên, doanh số cho vay chỉ tăng 20,57%. Do đó, các QTDND trên địa bàn tỉnh Đắk Lắk cần có những chính sách để điều chỉnh việc sử dụng các nguồn lực đầu vào hiệu quả hơn để có thể tối đa hóa sản lượng và thu được lợi nhuận tối đa. 3.3 Kết quả phân tích hiệu quả kỹ thuật TE Trong bảng 3, CRS TE là chỉ số hiệu quả kỹ thuật ước lượng theo phương pháp lợi ích không đổi theo quy mô (mô hình CCR), VRS TE là chỉ số hiệu quả kỹ thuật ước lượng theo phương pháp lợi ích thay đổi theo quy mô (BCC), SE đo lường hiệu quả quy mô đầu tư với SE = CRS TE/ VRS TE. Bảng 3: Hiệu quả kỹ thuật của các QTDND tại Đắk Lắk trong hai năm 2016 và 2019 Năm 2019 DMUP CRS TE VRS TE SE Scale Hòa Thắng 0,900 0,942 0,956 IRS Pơng Drang 0,805 0,815 0,988 IRS Thống Nhất 0,803 0,877 0,916 IRS Hòa Tiến 0,901 0,904 0,997 IRS Ea Yông 0,930 0,950 0,979 IRS 241
6. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 Cư Êbur 0,996 1,000 0,996 IRS Phước An 0,880 1,000 0,880 IRS Huy Hoàng 1,000 1,000 1,000 CRS Cao Su 1,000 1,000 1,000 CRS Hòa Khánh 0,711 0,748 0,950 IRS Tân Hòa 0,767 0,873 0,879 IRS Bình Hòa 1,000 1,000 1,000 CRS Chung 0,88572 0,92199 0,96065 Nguồn: Tác giả tính toán dựa trên kết quả ước lượng DEA Kết quả cho thấy hiệu quả kỹ thuật của các QTDND ở Đắk Lắk trong năm 2019 là khá cao. Chỉ số CRS TE chung của hệ thống QTDND Đắk Lắk đạt 0,88572, nghĩa là các QTDND có thể thay đổi kỹ thuật kinh doanh bằng cách tiết kiệm 11,428% lượng đầu vào mà vẫn không làm giảm các chỉ tiêu đầu ra. Khi quy mô kinh doanh được điều chỉnh, các QTDND đạt được chỉ số kỹ thuật cao hơn, tương ứng VRS TE đạt 0,92. Chỉ số hiệu quả quy mô đầu tư SE chung = 0,96 cho thấy trung bình toàn hệ thống QTDND Đắk Lắk có 7,81% tính phi hiệu quả của quy mô đầu tư. QTDND số 8, số 9 và số 12 có CRS TE và VRS TE đều bằng 1 và được khuyến khích nên tăng quy mô hoạt động trong thời gian tới trong khi các QTDND còn lại đều nên giảm quy mô hoạt động. 3.4 Kết quả phân tích chỉ số Malmquist - TFP Để đo lường sự thay đổi về các thành phần của năng suất tổng hợp, tác giả sử dụng phương pháp DEA để ước lượng năng suất tổng hợp Malmquist, sự thay đổi về hiệu quả kỹ thuật (EFCH) và sự tiến bộ về công nghệ (TECHCH) với các yếu tố đầu vào, đầu ra trong hoạt động kinh doanh năm 2016 và 2019, kết quả được trình bày ở bảng 4. Bảng 4: Sự thay đổi năng suất tổng hợp, sự thay đổi hiệu quả kỹ thuật và sự thay đổi công nghệ của các QTDND trong giai đoạn 2016 - 2019 DMU TFPCH EFCH TECHCH Hòa Thắng 1,160 1,371 0,846 Pơng Drang 0,802 0,934 0,858 Thống Nhất 1,160 1,378 0,842 Hòa Tiến 1,057 1,316 0,803 Ea Yông 0,964 1,137 0,848 Cư Êbur 1,039 1,387 0,749 Phước An 0,612 0,880 0,695 Huy Hoàng 0,908 1,246 0,728 Cao Su 0,980 1,000 0,980 Hòa Khánh 0,756 0,888 0,852 Tân Hòa 0,592 0,789 0,750 Bình Hòa 1,790 2,248 0,796 Chung 0,944 1,166 0,809 Nguồn: Tác giả tính toán dựa trên kết quả ước lượng DEA Từ Bảng 4 có thể thấy, trong giai đoạn 2016 – 2019, không có sự thay đổi đáng kể về năng suất tổng hợp tại các QTDND (TFPCH 1). Trong toàn tỉnh chỉ có 05 QTDND có sự cải tiến năng suất tổng hợp. Đi 242
7. Hội thảo Khoa học quốc gia “Hệ thống Tài chính – Ngân hàng với sự phát triển kinh tế - xã hội miền Trung – Tây Nguyên trong bối cảnh cách mạng công nghệ”– DCFB 2020 sâu vào chi tiết, chỉ số thay đổi công nghệ bình quân là 0,809. Điều này cho thấy các QTDND ở Đắk Lắk trong giai đoạn 2016 – 2019 không có sự cải tiến về công nghệ dịch vụ (Frontier Shift). Như vậy, các QTDND trên địa bàn nghiên cứu đã không đầu tư chiều sâu để có sự thay đổi đột phá trong hoạt động của các QTDND xét về mặt tổng thể. Tuy nhiên, trong giai đoạn này một số QTDND có hiệu quả kỹ thuật thấp vào năm 2016 đã có sự cải thiện về hiệu quả kỹ thuật của mình một cách tương đối so với các QTDND năm trên đường bao (đạt hiệu quả). Nói một cách khác, các QTDND hầu hết chỉ quan tâm đến việc học hỏi lẫn nhau để gia tăng hiệu quả hoạt động của mình hay các QTDND đã có sự cải thiện về khoảng cách một cách tương đối, nghĩa là có sự dịch chuyển gần đến đường bao giới hạn khả năng sản xuất. Kết quả là không có sự gia tăng năng suất tổng hợp (TFPCH bình quân là 0,944). Chi tiết hơn, chỉ có 5/12 QTDND (số 1, số 3, số 4, số 6 và số 12) là có sự thay đổi về năng suất tổng hợp. Các QTDND còn lại có năng suất tổng hợp giảm. 4. Kết luận Hệ thống QTDND ở Đắk Lắk trong giai đoạn 2016 – 2019 đã có những mức tăng trưởng về quy mô hoạt động tạo ra một kênh tích cực dẫn vốn đến các thành viên, góp phần phát triển kinh tế xã hội của địa phương. Tuy nhiên, kết quả tính toán từ phương pháp DEA cho thấy các QTDND đã sử dụng đầu vào chưa hợp lý, có thể tiết kiệm được khoảng 11% chi phí đầu vào mà vẫn giữ nguyên được các giá trị của yếu tố đầu ra. Mặt khác, có sự tiến bộ về mặt kỹ thuật một cách tương đối ở hầu hết các QTDND, nghĩa là có sự học hỏi lẫn nhau giữa các QTDND. Tuy nhiên, các QTDND chưa coi trọng việc cải tiến công nghệ tạo các đột phá trong quá trình hoạt động kinh doanh của mình. Về tổng thể, năng suất yếu tố tổng hợp giảm trong giai đoạn nghiên cứu song vẫn có một số quỹ tăng nhưng không nhiều. TÀI LIỆU THAM KHẢO [1] Charnes, A., Cooper, W. W. và Rhodes, E. (1978), “Measuring the efficiency of decision making units”, European Journal of Operational Research. Volume 2, Issue 6, November 1978, Pages 429-444 [2] Färe, R., Grosskopf, S., Norris, M., & Zhang, Z. (1994), “Productivity growth, technical progress, and efficiency change in industrialized countries”, American Economic Review 84 (1), 66 - 83 [3] Fengxia Dong and Allen Featherstone (2004), “Technical and Scale Efficiencies for Chinese Rural Credit Cooperatives: A Bootstrapping Approach in Data Envelopment Analysis”, Journal of Chinese Economic and Business Studies, Pages 57-75 | Published online: 17 Feb 2007, [4] Hiệp hội Quỹ Tín dụng Nhân dân Việt Nam VAPCF (2019), Báo cáo tình hình hoạt động Hiệp hội Quỹ Tín dụng Nhân dân năm 2018, phương hướng, nhiệm vụ năm 2019. [5] Ngân hàng Nhà nước Việt Nam – Chi nhánh tỉnh Đắk Lắk (2016), Báo cáo tổng hợp tình hình hoạt động của Quỹ Tín dụng Nhân dân năm 2016. [6] Ngân hàng Nhà nước Việt Nam – Chi nhánh tỉnh Đắk Lắk (2019), Báo cáo tổng hợp tình hình hoạt động của Quỹ Tín dụng Nhân dân năm 2019. [7] Nguyễn Thị Thu Thương (2017), “Hiệu quả hoạt động của các ngân hàng thương mại trên địa bàn tỉnh Thái Nguyên”, Tạp chí Khoa học Trường Đại học Cần Thơ, Tập 50, Phần D (2017): Trang 52-62 [8] Phan Thị Thu Hà, Nguyễn Hoàng Phong (2018), “Hiệu quả chi phí biên của các ngân hàng thương mại Việt Nam”, Tạp chí Ngân hàng, Số 22/2018, Trích dẫn từ: phi-bien-cua-cac-ngan-hang-thuong-mai-viet-nam.htm [9] Vuong Quoc Duy (2017), “The Determinants of People Credit Funds Efficiency in Mekong Delta of Vietnam”, International Research Journal of Advanced Engineering and Science. Volume 2, Issue 4, pp. 231-237, 2017. 243