Xây dựng mô hình mạng lưới phân tích đường bao dữ liệu để đo lường và phân tích hiệu quả hoạt động của ngành ngân hàng Việt Nam

TRƯỜNG ĐẠI HỌC KINH TẾ - ĐẠI HỌC ĐÀ NẴNG 
46 
XÂY DỰNG MÔ HÌNH MẠNG LƯỚI PHÂN TÍCH ĐƯỜNG BAO DỮ LIỆU 
ĐỂ ĐO LƯỜNG VÀ PHÂN TÍCH HIỆU QUẢ HOẠT ĐỘNG 
CỦA NGÀNH NGÂN HÀNG VIỆT NAM 
MODELLING NETWORK DATA ENVELOPMENT ANALYSIS TO EVALUATE AND 
ANALYSIS THE EFFICIENCY OF VIETNAM BANKING INDUSTRY 
Ngày nhận bài: 15/12/2020 
Ngày chấp nhận đăng: 28/12/2020 
Phùng Mạnh Trung 
TÓM TẮT 
Việc đo lường hiệu quả hoạt động của ngành ngân hàng ở Việt Nam vẫn luôn là một chủ đều hết 
sức quan trọng, thu hút rất nhiều sự quan tâm của các nhà nghiên cứu và quản lý. Nghiên cứu 
này phát triển một Mô hình Phân tích Đường Bao Dữ Liệu Mạng Lưới Hai Giai Đoạn để đánh giá 
hiệu quả của 29 NHTM hoạt động ở Việt Nam trong giai đoạn 2016 – 2018. Phân tích kết quả tính 
toán đã chỉ ra “sức mạnh phân biệt” của mô hình so với mô hình đánh giá truyền thống. Tác giả 
cũng đưa ra một số đề xuất mang tính tham khảo cho các nhà quản lý nhằm mục đích nâng cao 
hiệu quả hoạt động cho ngành ngân hàng Việt Nam. 
Từ khóa: phân tích đường bao dữ liệu; đo lường hiệu quả; mạng lưới hai giai đoạn; hoạt động 
ngân hàng. 
ABSTRACT 
Measuring the performance of Vietnam banking industry has been continuously considered as a 
crucial topic that attracted many concerns of researchers and policy-managers. This research 
develops a Two-stages Network DEA to evaluate the efficiency of 29 commercial banks in Vietnam 
from 2016 – 2018. The results reveal the “discriminating power” of the proposed model in 
comparison with traditional DEA models. Furthermore, the author also proposes some oriented 
suggestions to help policy-managers in order to enhance the efficiency of Vietnam banking 
industry. 
Keywords: data envelopment analysis; measuring efficiency; two-stages network; banking 
industry. 
1. Giới thiệu 
Tốc độ toàn cầu hóa và tự do hóa thương 
mại nhanh chóng trong những năm vừa qua 
đã tạo ra nhiều thay đổi về môi trường kinh 
doanh tại Việt Nam. Hội nhập kinh tế quốc tế 
tạo điều kiện cho quốc gia phát triển, tuy 
nhiên điều này cũng khiến cạnh tranh trong 
các lĩnh vực kinh tế trở nên gay gắt hơn và tài 
chính ngân hàng cũng không phải ngoại lệ. 
Trong nỗ lực nhằm nâng cao năng lực cạnh 
tranh cho ngành ngân hàng Việt Nam, Ngân 
hàng Nhà nước (NHNN) đã chủ trương tái cơ 
cấu bộ máy ngân hàng thương mại (NHTM), 
minh chứng là sự ra đời các chính sách như 
Quyết định 1058/QĐ-TTg ngày 19/07/2017 
của Thủ tướng Chính phủ, phê duyệt đề án 
“Cơ cấu lại hệ thống các tổ chức tín dụng gắn 
với xử lý nợ xấu giai đoạn 2016 - 2020” và 
Quyết định số 1731/QĐ-NHNN ngày 
31/8/2018 của Thống đốc NHNN phê duyệt 
kế hoạch hành động của ngành Ngân hàng 
hướng đến sự phát triển bền vững. Kết quả 
của các chính sách trên là hàng loạt các 
thương vụ sáp nhập, hợp nhất, mua lại 
(M&A) trong hệ thống NHTM đã diễn ra từ 
năm 2011 đến nay. Mặc dù vậy, vấn đề hiệu 
quả của các NHTM sau M&A như thế nào, 
Phùng Mạnh Trung, Trường Đại học Hàng hải 
Việt Nam 
TẠP CHÍ KHOA HỌC KINH TẾ - SỐ 8(04) - 2020 
47 
liệu sau khi tái cơ cấu, hiệu quả hoạt động 
kinh doanh của các ngân hàng này có vững 
vàng hơn hay đơn giản chỉ là phép toán cộng 
của các ngân hàng yếu kém? Do vậy, việc 
đánh giá hiệu quả hoạt động của các NHTM 
Việt Nam sau giai đoạn tái cấu trúc 2011-
2015 là hết sức cần thiết nhằm tổng kết những 
thành tích đạt được cũng như những hạn chế 
của công cuộc tái cơ cấu hệ thống NHTM. 
Có hai phương pháp đánh giá và xếp hạng 
hiệu quả hoạt động phổ biến nhất hiện này: 
(1) Phân tích biên ngẫu nhiên SFA (đề xuất 
bởi Aigner et al., 1977) và (2) Phân tích 
đường bao dữ liệu DEA do Charnes et al. 
(1978) công bố. Giữa hai phương pháp trên, 
DEA được rất nhiều các chuyên gia và nhà 
nghiên cứu sử dụng bởi lẽ phương pháp này 
dựa trên việc ứng dụng bài toán tối ưu hóa 
trên cơ sở đặc điểm hóa mối quan hệ giữa các 
yếu tố đầu ra và đầu vào của chu trình sản 
xuất. Đặc điểm này dễ dàng được chấp nhận 
hơn việc bắt buộc giả định một mô hình kinh 
tế (ví dụ mô hình sản xuất Cobb-Douglas) 
như yêu cầu của phương pháp SFA. Tuy 
nhiên, mô hình DEA cổ điển không quan tâm 
đến diễn biến xảy ra trong quy trình sản xuất 
mà coi nó như một “hộp đen - black box”. Do 
không quan sát được những thực tế xảy ra 
bên trong “hộp đen” này, chúng ta sẽ bị hạn 
chế tầm nhìn trong việc xác định các yếu tố 
phi hiệu quả, dẫn đến những đánh giá sai lầm. 
Đặc biệt hơn khi ngân hàng là những tổ chức 
tài chính trung gian, việc tạo lập và phân phối 
nguồn tài chính, nếu không được đánh giá 
một cách thích đáng, sẽ làm méo mó kết quả 
nghiên cứu. 
Quan trọng hơn cả, điểm yếu lớn nhất của 
mô hình DEA cổ điển trong quá trình đánh 
giá hiệu quả của các đơn vị, đó là nó tạo ra 
quá nhiều “điểm hiệu quả tối đa” (unique 
efficiency score). Điều này gây khó khăn cho 
các nhà quản lý trong công tác xếp hạng hiệu 
quả giữa các ngân hàng cũng như phân tích 
các yếu điểm tồn tại trong nội bộ hệ thống 
(Ebrahimnejad và Ziari, 2019). 
Hình 1: Hoạt động của các NHTM 
Xuất phát từ những phân tích trên, yêu 
cầu đặt ra đòi hỏi sự cần thiết xây dựng một 
mô hình thực tế để đánh giá hiệu quả toàn 
diện cho ngành ngân hàng. Do đó, nghiên 
cứu này sẽ phát triển mô hình DEA cổ điển 
trở thành mô hình mạng lưới DEA (NDEA) 
với định hướng đánh giá hiệu quả cho các 
NHTM tại Việt Nam (Hình 1). Trong mô 
hình này, chu trình hoạt động của các ngân 
hàng được chia thành hai giai đoạn (stage), 
được là “tạo lập vốn” (capital organization) 
và “phân phối vốn” (capital allocation). Ở 
giai đoạn A, ngân hàng sẽ sử dụng các tài 
nguyên là lao động (labor) và vốn (capital) 
để tạo ra sản phẩm “tiền gửi” (deposits). Tiếp 
theo đó, tiền gửi sẽ là nhân tố chính để tạo ra 
các sản phẩm cuối cùng của hệ thống là cho 
vay (loans), đầu tư (investment), và dịch vụ 
(service fees). Ưu điểm lớn nhất của mô hình 
này không những có thể đánh giá và xếp 
hạng hiệu quả tổng thể, mà quan trọng hơn, 
hiệu quả và mức ... ứu về hoạt động của ngân hàng 
chứng kiến hai cách tiếp cận cổ điển chính. 
“Cách tiếp cận sản xuất” (production 
approach) do Benston (1965) đề xuất cho 
rằng ngân hàng sử dụng hai nguồn lực chính 
là lao động và vốn (không bao gồm tiền gửi) 
để sản xuất ra các sản phẩm là các loại tiền 
gửi, tiền cho vay và dịch vụ. Trong khi đó 
“cách tiếp cận trung gian” (intermediate 
approach) do Sealey và Lindley (1977) lại 
giải thích rằng mục đích chính của các ngân 
hàng thương mại là tạo ra các khoản cho vay 
và dịch vụ dựa trên việc sử dụng vốn (bao 
gồm cả tiền gửi) và lao động. Việc lựa chọn 
cách tiếp cận nào trong hai cách tiếp cận trên 
vẫn là một tranh cãi chưa thể kết thúc trong 
nghiên cứu về hoạt động của ngân hàng. 
Boďa và Piklová (2018) đã chỉ ra rằng việc 
lựa chọn cách thức tiếp cận, thực sự có ảnh 
hưởng đến kết quả nghiên cứu hiệu quả ngân 
hàng, và cùng với rất nhiều nghiên cứu khác 
(chẳng hạn (Ví dụ Huang et al., 2017; Phung 
01
0 01 1
(5)
I
i ii
A I D
i i d di d
v x
w
v x z

 
01
0 01 1
(6)
D
d dd
B I D
i i d di d
z
w
v x z



 
0 0* 1 1
0
0 01 1
1 1
1 1
(7)
. .
, , ; ,
D R A B
d d r rAB d r
D I
d d i id i
D IA
d dj i ijd i
R DB
r rj d djr d
A B
i r d
z u y
Max
z v x
s t z v x j
u y z j
v u free
  


 
 
   
 
 
 
 
 
 
*
0 0 01 1
0 01 1
1 1
1 1
(8)
. . 1
, , ; ,
D RAB A B
d d r rd r
D I
d d i id i
D IA
d dj i ijd i
R DB
r rj d djr d
A B
i r d
Max z u y
s t z v x
z v x j
u y z j
v u free
   

 
 
   
 
 
 
 
 
 
0* 1
0
01
01 1
(4)
. .
, ;
R B
r rB r
D
d dd
R DB
r rj d dr d
B
d r
u y
Max
z
s t u y z j
u free



 
  
 


 
TẠP CHÍ KHOA HỌC KINH TẾ - SỐ 8(04) - 2020 
51 
et al., 2020), đã chỉ ra cách thức an toàn nhất 
để trung hòa hai luồng quan điểm trên là tách 
chu trình hoạt động của ngân hàng thành hai 
giai đoạn và coi tiền gửi như một sản phẩm 
trung gian giữa hai giai đoạn đó. 
Xuất phát từ phân tích trên, trong phần 
thực nghiệm này, tác giả sử dụng biến đầu 
vào là lao động (labor) và vốn (capital), sản 
phẩm đầu ra cuối cùng của chu trình sản xuất 
là các khoản cho vay (loans), các khoản đầu 
tư (investments) và phí dịch vụ (service 
fees). Do tính chất lưỡng tính của tiền gửi 
(deposits) như đã giải thích bên trên, tác giả 
sẽ sử dụng biến này như sản phẩm trung 
gian, cụ thể, nó vừa là sản phẩm đầu ra của 
giai đoạn A, vừa là “nguyên liệu” đầu vào 
cho giai đoạn B. 
Số liệu về các biến sử dụng được tác giả 
trích xuất từ nguồn tổng hợp của Công ty cổ 
phần Dữ liệu Kinh tế Việt Nam bao gồm 30 
ngân hàng công khai dữ liệu báo cáo tài 
chính trên các Sở giao dịch. Trong số 30 
ngân hàng trên, do số liệu của Ngân hàng 
Nông nghiệp và Phát triển Nông thôn Việt 
nam không đầy đủ qua các năm nghiên cứu 
nên tác giả đã loại ra khỏi mẫu. Dựa vào các 
nghiên cứu trước đây (Sealey và Lindley, 
1977; Benston, 1965), tác giả định nghĩa 
“vốn” là vốn chủ sở hữu và các khoản nghĩa 
vụ (sau khi đã trừ đi tiền gửi). Các khoản 
“cho vay” là dư nợ cho vay khách hàng tại 
thời điểm cuối năm được lấy trên Bảng cân 
đối kế toán. Biến “phí dịch vụ” được xác 
định là chênh lệch giữa thu nhập và chi phí 
tất cả các hoạt động dịch vụ lấy từ báo cáo 
Kết quả hoạt động kinh doanh. 
Bảng 1. Thống kê mô tả các biến lựa chọn 
Thống kê mô tả ở Bảng 1 cho thấy các 
ngân hàng Việt Nam có sự chênh lệch khá 
lớn về quy mô kinh doanh. Ví dụ, chênh lệch 
giữa số vốn của ngân hàng lớn nhất (BIDV) 
so với ngân hàng nhỏ nhất (NCB) lên tới 21 
lần, trong khi đó, ngân hàng có tổng khoản 
thu phí dịch vụ lớn nhất gấp đến hơn 600 lần 
so với thu nhập tương ứng của ngân hàng 
nhỏ nhất. Không những vậy, giá trị độ lệch 
tiêu chuẩn của tất cả các biến cũng khẳng 
định sự phân bố không đồng đều của các yếu 
tố sản xuất trong ngành ngân hàng Việt Nam. 
3.2. Hiệu quả hoạt động của các ngân hàng 
Kết quả tính toán hiệu quả hoạt động của 
các NHTM ở Việt Nam được thể hiện thông 
qua Bảng 2. Trong bảng này, hiệu quả của hệ 
thống sẽ được xác định trước. Tiếp theo, hiệu 
quả và trọng số (mức đóng góp quan trọng 
tương đối) của giai đoạn A và giai đoạn B 
cũng được xác định lần lượt. Tất cả các điểm 
hiệu quả đều được xếp hạng theo thứ tự từ 
lớn đến bé. 
Bảng 2. Hiệu quả hoạt động của các NHTM 
Việt Nam qua các năm 
Mean Min Max Std. 
2016 
Stage A 0.62 0.10 1.00 0.27 
Stage B 0.85 0.43 1.00 0.19 
System 0.69 0.14 1.00 0.21 
2017 
Stage A 0.49 0.04 0.99 0.31 
Stage B 0.92 0.48 1.00 0.14 
System 0.53 0.07 0.99 0.29 
2018 
Stage A 0.61 0.06 1.00 0.26 
Stage B 0.82 0.82 1.00 0.22 
System 0.68 0.36 1.00 0.20 
Có thể nhận, hiệu quả bình quân của 
ngành ngân hàng Việt Nam không được đánh 
giá cao. Cụ thể, trong năm giá trị trung bình 
của hiệu quả hệ thống chỉ đạt 0.68 điểm 
trong khi đó, hiệu quả của giai đoạn A và 
giai đoạn B đạt tương ứng 0.61 và 0.82 điểm. 
Đáng chú ý, có hai ngân hàng duy nhất nằm 
trên đường hiệu quả sản xuất là BID và BVB, 
TRƯỜNG ĐẠI HỌC KINH TẾ - ĐẠI HỌC ĐÀ NẴNG 
52 
đặc biệt, cả hai ngân hàng này đều đạt hiệu 
quả tối đa ở cả hai giai đoạn. Đứng cuối bảng 
xếp hạng là ngân hàng VPB khi chỉ đạt 0.36 
điểm hiệu quả và cá biệt hiệu quả của giai 
đoạn B chỉ đạt 0.19 điểm. 
Xem xét hiệu quả và trọng số (mức độ 
quan trọng tương đối) của các giai đoạn, kết 
quả nghiên cứu cũng chỉ ra một số điểm đáng 
chú ý. Thứ nhất, đối với các ngân hàng Việt 
Nam, giai đoạn A (tạo lập vốn) được đánh 
giá có trọng số cao hơn rất nhiều so với giai 
đoạn B (phân phối vốn) với tỷ lệ trung bình 
cụ thể là 72:28. Tuy nhiên, điều thứ hai, cũng 
là một nghịch lý đáng chú ý, hiệu quả của 
giai đoạn A lại thấp hơn giai đoạn B đến 21 
điểm % (61% so với 82%). Thứ ba, các ngân 
hàng chỉ đạt được đánh giá là có hiệu quả 
tuyệt đối khi và chỉ khi ngân hàng đó đạt 
hiệu quả tuyệt đối ở cả hai giai đoạn. 
3.3. Phân tích kết quả và các đề xuất 
Để làm nổi bật tác dụng của việc đánh giá 
mô hình mạng lưới DEA hai giai đoạn (two-
stage NDEA). Tác giả đã tính toán hiệu quả 
của các ngân hàng ở Việt Nam bằng hai mô 
hình black-box truyền thống với giả định tiền 
gửi là biến đầu vào (deposits as input) và tiền 
gửi là biến đầu ra (deposit as output). Kết 
quả về sự thay đổi hiệu quả bình quân qua 
các năm 2016-2018 được thể hiện thông qua 
Hình 3. 
Hình 3: Hiệu quả theo các mô hình 
Có thể thấy rất rõ ràng, hiệu quả của ngân 
hàng tính toán theo mô hình mạng lưới DEA 
luôn luôn nằm dưới hai mô hình black-box 
truyền thống. Điều này có thể giải thích 
thông qua “hiệu ứng ma sát” (Phung et al. 
2020), theo đó, nếu càng chia nhỏ hệ thống 
sản xuất thành nhiều giai đoạn, hiệu quả tổng 
thể tính toán sẽ càng giảm sút do sự phân 
tách kỹ lưỡng ở hiệu quả các giai đoạn. Hơn 
nữa, sự biến thiên của hiệu quả trong mô 
hình mà cho dù tiền gửi được xem như đầu 
vào hay đầu ra là không rõ rệt. Trong khi đó, 
đánh giá hiệu quả các ngân hàng sử dụng mô 
hình tác giả đề xuất thể hiện sự thay đổi rất 
đáng kể trong giai đoạn 2016-2018. 
Thêm vào đó, việc sử dụng mô hình 
black-box truyền thống còn một nhược điểm 
rất lớn, đó là điểm hiệu quả đánh giá của rất 
nhiều DMU sẽ đạt mức tối đa. Cụ thể theo 
kết quả ở Bảng 3, khi sử dụng mô hình cổ 
điển coi tiền gửi là đầu vào, số lượng ngân 
hàng đạt hiệu quả tối đa qua các năm lần lượt 
là 6,7,7. Trong khi đó, nếu coi tiền gửi là đầu 
vào số lượng này vẫn khá lớn, lần lượt là 
5,4,6. Điều này thực sự gây ra khó khăn 
trong việc xếp hạng hiệu quả của các ngân 
hàng bởi lẽ không có bất cứ cơ sở nào để xếp 
hạng các ngân hàng có cùng điểm hiệu quả 
này. Trong khi đó, như đã chỉ ra ở trên, sử 
dụng mô hình mạng lưới DEA, chỉ có tối đa 
hai ngân hàng đạt 100% hiệu quả hệ thống. 
Điều này góp phần củng cố “sức mạnh phân 
biệt” (discrimination power) của mô hình mà 
tác giả đề xuất. 
Bảng 3. So sánh số lượng ngân hàng đạt 
điểm hiệu quả tối đa theo các mô hình 
 2016 2017 2018 
Two-stages NDEA 2 0 2 
Deposits as input 6 7 7 
Deposits as output 5 4 6 
Kết quả đánh giá phân tích còn chỉ ra 
nguyên nhân chính dẫn đến hiệu quả yếu 
kém trong ngành ngân hàng Việt Nam chủ 
yếu xuất phát từ việc khai thác kém các 
TẠP CHÍ KHOA HỌC KINH TẾ - SỐ 8(04) - 2020 
53 
nguồn lực tài chính. Thực tế, ngành ngân 
hàng Việt Nam đã làm khá tốt công tác sử 
dụng vốn, thể hiện ở hiệu quả giai đoạn B 
khá cao (bình quân 3 năm 87%). Tuy nhiên, 
với thực trạng khó khăn chung của các nền 
kinh tế đang phát triển là thiếu thốn nguồn 
lực tài chính dẫn đến hệ quả giai đoạn tạo lập 
nguồn vốn chính của ngân hàng – tiền gửi, 
đươc xem là giai đoạn quan trọng hàng đầu, 
lại có mức hiệu quả khá thấp (bình quân chỉ 
đạt 57%). Từ đó, tác giả đề xuất các nhà 
quản lý ngân hàng cần xem xét, giải quyết 
bài toán huy động vồn một cách hiệu quả 
bằng cách mở rộng hơn nữa các kênh huy 
động vốn, nâng cao chất lượng dịch vụ, đảm 
bảo niềm tin cho người gửi tiền. Hơn nữa, 
trọng số và hiệu quả của giai đoạn B cũng ám 
chỉ một thực tế, đó là, các ngân hàng Việt 
Nam có thể vẫn khá dễ dàng trong công tác 
sử dụng nguồn vốn, đặc biệt trong công tác 
tín dụng, cho vay và đầu tư. Trong phạm vi 
của nghiên cứu này, tác giả chưa nghiên cứu 
sâu về ảnh hưởng của các biến đầu ra không 
kỳ vọng (ví dụ các khoản nợ xấu), nếu xét 
các biến này trong mô hình, kết quả đánh giá 
hiệu quả của ngành ngân hàng Việt Nam có 
thể sẽ rất khác biệt. 
4. Kết luận 
Nghiên cứu này, dựa trên thực tiễn về 
hoạt động kinh doanh của các NHTM Việt 
Nam, đã phát triển một mô hình DEA mạng 
lưới hai giai đoạn để đánh giá hiệu quả hoạt 
động của các ngân hàng này. Phân tích kết 
quả tính toán đã chỉ ra “sức mạnh phân biệt” 
của mô hình tác giả xây dựng so với mô hình 
DEA truyền thống. Điều này giúp các nhà 
quản lý có thể dễ dàng đánh giá, phân loại và 
xếp hạng hiệu quả của các tổ chức trung gian 
tài chính này. Không những vậy, mô hình 
còn chỉ ra sự “đóng góp” của các giai đoạn 
trong hoạt động kinh doanh của ngân hàng 
vào hiệu quả tổng thể. Từ đó đưa ra một số 
gợi ý chính sách cho các nhà quản lý về việc 
phân phối nguồn lực cho một cách hợp lý 
cho từng giai đoạn. 
 Trên thực tế, mô hình hoạt động của các 
ngân hàng có thể còn phức tạp hơn mô hình 
mà tác giả đã đề xuất và luôn thay đổi để phù 
hợp với sự vận động của nền kinh tế. Do đó, 
việc đi sâu khám phá, xây dựng các mô hình 
đánh giá hiệu quả phù hợp với sự tác động 
của các yếu tốt khách/chủ quan cũng sẽ là 
một hướng đi tốt cho các nghiên cứu sau này. 
Lời cảm ơn: Nghiên cứu này được tài trợ bởi Trường Đại học Hàng hải Việt Nam trong đề 
tài mã số: DT20-21.86 
TÀI LIỆU THAM KHẢO 
Aigner, D., Lovell, C., & Schmidt, P. (1977). Formulation and Estimation of Stochastic 
Frontier Production Functions. Journal of Econometrics, 6, 21-37. doi:10.1016/0304-
4076(77)90052-5 
Banker, R., Charnes, A., & Copper, W. (1984). Some models for estimating technical and scale 
inefficiencies in data envelopment analysis. Management Science, 30(9), 1031-1142. 
doi:10.1287/mnsc.30.9.1078 
Benston, G. J. (1965). Branch Banking and Economies of Scale. The Journal of Finance, 20(2), 
312-331. doi:10.1111/j.1540-6261.1965.tb00212.x 
TRƯỜNG ĐẠI HỌC KINH TẾ - ĐẠI HỌC ĐÀ NẴNG 
54 
Boďa, M., & Piklová, Z. (2018). The Production or Intermediation Approach?: It Matters. In: 
Jajuga K., Locarek-Junge H., Orlowski L. (eds) Contemporary Trends and Challenges in 
Finance. Springer Proceedings in Business and Economics. Springer, Cham. 
doi:10.1007/978-3-319-76228-9_11 
Charnes, A., & Cooper, W. (1962). Programming with linear fractional functionals. Naval 
Research Logistics Quarterly, 9(3-4), 181-186. doi:10.1016/0304-4076(90)90048-X 
Chen, Y., Cook, W. D., Li, N., & Zhu, J. (2009). Additive efficiency decomposition in two-
stage DE. European Journal of Operational Research, 196(3), 1170-1176. 
doi:10.1016/j.ejor.2008.05.011 
Ebrahimnejad, A., & Ziari, S. (2019). New model for improving discrimination power in DEA 
based on dispersion of weights. International Journal of Mathematics in Operational 
Research, 14(3), 433-450. 
Huang, T.-H., Lin, C.-I., & Chen, K.-C. (2017). Evaluating efficiencies of Chinese commercial 
banks in the context of stochastic multistage technologies. Pacific-Basin Finance Journal, 
41, 93-110. doi:10.1016/j.pacfin.2016.12.008 
Kao, C., & Huang, S.-N. (2008). Efficiency decomposition in two-stage data envelopment 
analysis: An application to non-life insurance companies in Taiwan. European Journal of 
Operational Research, 185(1), 418-429. doi:10.1016/j.ejor.2006.11.041 
Nguyễn, P. (2019). Phân tích hiệu quả hoạt động tại các ngân hàng thương mại Việt Nam. Tạp 
chí Công thương, online. 
Phan, T. T., & Daly, K. (2014). Cost Efficiency and the Relation with Risks in Vietnamese 
Banking Industry. Australian Journal of Basic & Applied Sciences, 8(12), 30-38. 
Retrieved from  
Phan, T., & Nguyễn, H. (2018). Hiệu quả chi phí biên của các ngân hàng thương mại Việt 
Nam. Tạp chí Ngân hàng, 22. 
Phung, M.-T., Cheng, C.-P., Guo, C., & Kao, C.-Y. (2020). Mixed Network DEA with Shared 
Resources: A Case of Measuring Performance for Banking Industry. Operations Research 
Perspectives, 7, 100173. doi:10.1016/j.orp.2020.100173 
Phung, M.-T., Cheng, P.-C., & Kao, C.-Y. (2018). Ownership Structure and Efficiency of 
Banking Industry in China and Vietnam - A Political View. International Journal of 
Financial Research, 9(3), 61-74. doi:10.5430/ijfr.v9n3p61 
Sealey, C. W., & Lindley, J. T. (1977, 9). Inputs, Outputs, and a Theory of Production and Cost 
at Depository Financial Institutions. The Journal of Finance, 32(4), 1251-1266. 
doi:10.2307/2326527 
Seiford, L. M., & Zhu, J. (1999). Profitability and marketability of the top 55 U.S. commercial 
banks. Management Science, 45(9), 1270-1288. doi:10.1287/mnsc.45.9.1270