Tác động của chuyển đổi số thông qua đầu tư phần mềm đến hiệu quả hoạt động của các ngân hàng niêm yết tại Việt Nam

Trương Đình Bảo Long

Trường Đại học Tài chính - Marketing

Email: [email protected]

Tóm tắt

Nghiên cứu này phân tích tác động của chuyển đổi số đến hiệu quả tài chính của các ngân hàng tại Việt Nam, sử dụng chi phí đầu tư phần mềm đã được kiểm toán như một đại diện định lượng cho mức độ số hóa. Dựa trên dữ liệu bảng của các ngân hàng niêm yết, nghiên cứu áp dụng mô hình hồi quy tác động cố định để đánh giá ảnh hưởng trực tiếp của đầu tư phần mềm cũng như vai trò điều tiết của biến này trong mối quan hệ giữa Biên lãi ròng và 2 chỉ tiêu hiệu quả hoạt động là Tỷ suất sinh lời trên tài sản và Tỷ suất sinh lời trên vốn chủ sở hữu. Kết quả nghiên cứu cung cấp hàm ý hữu ích cho các nhà hoạch định chính sách và nhà quản trị ngân hàng trong việc xây dựng chiến lược số hóa gắn với hiệu quả tài chính bền vững.

Từ khóa: Hiệu quả hoạt động ngân hàng, chuyển đổi số, dữ liệu bảng, đầu tư phần mềm, ngành ngân hàng Việt Nam

Abstract

This study analyzes the impact of digital transformation on the financial performance of banks in Viet Nam, using audited software investment expenditures as a quantitative proxy for the level of digitalization. Based on panel data from listed banks, the study applies a fixed-effects regression model to assess the direct effect of software investment and its moderating role in the relationship between Net Interest Margin and two performance indicators: Return on Assets and Return on Equity. The research findings offer useful implications for policymakers and bank managers in developing digitalization strategies that align with sustainable financial performance.

Keywords: Banking performance, digital transformation, panel data, software investment, banking sector in Viet Nam

ĐẶT VẤN ĐỀ

Chuyển đổi số đang thúc đẩy đổi mới công nghệ, nâng cao chất lượng dịch vụ và năng lực cạnh tranh của ngành ngân hàng toàn cầu (World Bank, 2022; IMF, 2023). Nhiều nghiên cứu cho thấy đầu tư công nghệ, đặc biệt là phần mềm, có tác động tích cực đến hiệu quả hoạt động ngân hàng thông qua các chỉ tiêu Tỷ suất sinh lời trên tài sản (ROA) và Tỷ suất sinh lời trên vốn chủ sở hữu (ROE) (Cornett và cộng sự, 2021; Ghosh, 2020).

Tại Việt Nam, các ngân hàng thương mại niêm yết đang đẩy mạnh đầu tư hạ tầng số (State Bank of Vietnam, 2023). Tuy nhiên, phần lớn nghiên cứu hiện nay vẫn đo lường chuyển đổi số bằng các chỉ số định tính hoặc khảo sát mức độ ứng dụng công nghệ, gây tranh cãi về độ tin cậy (Nguyen và Tran, 2023; Li và Lin, 2022; Pham, 2024). Bên cạnh đó, các nghiên cứu về vai trò điều tiết của chuyển đổi số đối với hiệu quả tài chính ngân hàng còn hạn chế.

Nghiên cứu này đề xuất sử dụng chi phí đầu tư phần mềm như một biến đại diện định lượng cho chuyển đổi số và đánh giá tác động điều tiết của biến này đối với hiệu quả tài chính ngân hàng thông qua ROA và ROE.

TỔNG QUAN LÝ THUYẾT VÀ NGHIÊN CỨU TRƯỚC

Cơ sở lý thuyết

Nghiên cứu dựa trên Mô hình TOE (Công nghệ - Tổ chức - Môi trường) (Tornatzky và Fleischer, 1990), Mô hình chấp nhận công nghệ - TAM (Davis, 1989) và Lý thuyết khuếch tán đổi mới (Rogers, 2003). Các lý thuyết này cho rằng, việc ứng dụng công nghệ phụ thuộc vào điều kiện công nghệ, năng lực tổ chức và môi trường; đồng thời được thúc đẩy bởi nhận thức về tính hữu ích và dễ sử dụng.

Trong ngành ngân hàng, các hệ thống phần mềm như Core Banking, CRM và nền tảng phân tích rủi ro góp phần nâng cao hiệu quả hoạt động và khả năng sinh lời (Ghosh, 2020; Li và Lin, 2022). Chi tiêu phần mềm vì vậy phản ánh mức độ triển khai và lan tỏa chuyển đổi số trong hoạt động ngân hàng (Nguyen và Tran, 2023).

Nghiên cứu thực nghiệm

Các nghiên cứu gần đây đều ghi nhận tác động tích cực của chuyển đổi số đối với hiệu quả ngân hàng, nhưng tồn tại khác biệt lớn trong cách đo lường. Nhiều nghiên cứu sử dụng các chỉ số cảm nhận hoặc mức độ sẵn sàng số (Rezk, 2025; Hamid và Musah, 2025; Salem và cộng sự, 2025), trong khi một số tác giả đề xuất sử dụng các biến tài chính như chi tiêu công nghệ thông tin (CNTT) hoặc chi phí phần mềm để tăng tính khách quan (Li và Lin, 2022; Alamad, 2025).

Tại Việt Nam, các nghiên cứu của Hoang và cộng sự (2025), Nguyen và Tran (2023), Pham (2024) đều chỉ ra sự thiếu nhất quán trong đo lường chuyển đổi số và khuyến nghị sử dụng dữ liệu đầu tư công nghệ thực tế nhằm giảm sai lệch đo lường.

Nhìn chung, chưa có thước đo chuyển đổi số được chấp nhận rộng rãi. Nhiều nghiên cứu cho rằng dữ liệu đầu tư phần mềm có tính khách quan và khả năng dự báo cao hơn đối với ROA và ROE.

Điểm mới của nghiên cứu

Nghiên cứu này sử dụng chi phí đầu tư phần mềm đã được kiểm toán từ báo cáo tài chính của các ngân hàng niêm yết Việt Nam làm đại diện cho chuyển đổi số. So với các thước đo khảo sát hoặc cảm nhận, biến này có độ tin cậy và khả năng so sánh cao hơn (Nguyen và Tran, 2023; Pham, 2024).

Ngoài ra, nghiên cứu là một trong những công trình đầu tiên xem xét vai trò điều tiết của đầu tư phần mềm trong mối quan hệ giữa biên lãi ròng (NIM) và hiệu quả hoạt động ngân hàng (ROA/ROE), qua đó làm rõ cơ chế tài chính mà chuyển đổi số tác động đến khả năng sinh lời.

Trên cơ sở các lý thuyết và nghiên cứu trước, nghiên cứu này đề xuất các giả thuyết nghiên cứu như sau:

H1: Chi phí đầu tư phần mềm có mối liên hệ với hiệu quả hoạt động ngân hàng (ROA, ROE), sau khi kiểm soát quy mô tài sản và tỷ lệ vốn chủ sở hữu (Li và Lin, 2022; Ghosh, 2020; Beccalli, 2007).

H2: Chi phí đầu tư phần mềm điều tiết mối quan hệ giữa NIM và hiệu quả hoạt động ngân hàng (Rezk, 2025).

PHƯƠNG PHÁP NGHIÊN CỨU

Dữ liệu

Nghiên cứu sử dụng dữ liệu bảng của 17 ngân hàng thương mại niêm yết tại Việt Nam. Có 6 ngân hàng bị loại do thiếu dữ liệu hoặc không công bố đầy đủ các biến nghiên cứu.

ROA và ROE được thu thập từ báo cáo tài chính kiểm toán và đối chiếu với Vietstock.

NIM = Thu nhập lãi thuần/Tài sản sinh lời bình quân

Chi phí phần mềm được trích xuất thủ công từ thuyết minh báo cáo tài chính.

Tỷ lệ vốn chủ sở hữu = Vốn chủ sở hữu/Tổng tài sản

Mô hình nghiên cứu

Để kiểm định thực nghiệm các mối quan hệ được đề xuất trong khung phân tích, nghiên cứu này sử dụng mô hình hồi quy dữ liệu bảng. Hai biến phụ thuộc được sử dụng luân phiên là Tỷ suất sinh lời trên tổng tài sản (ROA) và Tỷ suất sinh lời trên vốn chủ sở hữu (ROE), đại diện cho hiệu quả hoạt động tài chính của ngân hàng. Mô hình hồi quy được xây dựng như sau:

Y_it ​= β₀​ + β₁​NIM_it ​+ β₂​LnSoft_it​ + β₃​(Z_NIM_it​×Z_LnSoft_it​) + β₄​LnAssets_it​ + β₅​EquityRatio_it​ + ε_it​ (1)

Trong đó:

Y_it : ROA hoặc ROE;

NIM_it: Biên lãi ròng;

LnSoftit: Logarit chi phí phần mềm;

Z_NIM_it​×Z_LnSoftit: Biến tương tác thể hiện tác động điều tiết;

​LnAssets_it : Quy mô ngân hàng;

EquityRatio_it: Mức độ an toàn vốn.

Phương pháp ước lượng

Nghiên cứu tiến hành kiểm định tính dừng (ADF), đa cộng tuyến (VIF), tự tương quan (Wooldridge), phương sai thay đổi (Breusch-Pagan) và phụ thuộc chéo (Pesaran CD). Để xử lý khả năng nội sinh của biến đầu tư phần mềm, nghiên cứu sử dụng độ trễ của biến này làm biến công cụ trong mô hình 2SLS và System GMM (Beccalli, 2007; Wintoki và cộng sự, 2012). Nếu không phát hiện nội sinh, mô hình được ước lượng bằng hồi quy dữ liệu bảng với sai số chuẩn vững; ngược lại sẽ sử dụng IV hoặc GMM để bảo đảm tính nhất quán của kết quả.

KẾT QUẢ NGHIÊN CỨU

Bảng 1: Thống kê mô tả các biến nghiên cứu (N = 170)

Nguồn: Tác giả tổng hợp từ Stata 17.0

Bảng 1 trình bày thống kê mô tả của 170 quan sát ngân hàng - năm. Giá trị trung bình của ROA và ROE lần lượt đạt 1,19% và 15,35%, cho thấy các ngân hàng nhìn chung có khả năng sinh lời nhưng tồn tại sự khác biệt đáng kể giữa các ngân hàng. NIM dao động từ 1,12% đến 11,23%, phản ánh sự khác biệt trong chiến lược tạo thu nhập từ lãi. Chi phí đầu tư phần mềm - đại diện cho chuyển đổi số - có mức phân tán lớn, từ 12,6 tỷ VND đến hơn 4 nghìn tỷ VND, cho thấy sự chênh lệch đáng kể về mức độ đầu tư công nghệ và biện minh cho việc sử dụng phép biến đổi logarit trong mô hình hồi quy. Kết quả này phù hợp với các nghiên cứu trước về sự khác biệt trong đầu tư số tại các nền kinh tế mới nổi (Ghosh, 2020; Li và Lin, 2022).

Bảng 2: Kiểm định nghiệm đơn vị Levin-Lin-Chu

Nguồn: Tác giả tổng hợp từ Stata 17.0

Kết quả kiểm định nghiệm đơn vị Levin-Lin-Chu (LLC) ở Bảng 2 cho thấy tất cả các biến đều dừng ở mức gốc I (0), với các giá trị thống kê t hiệu chỉnh âm và giá trị p nhỏ hơn 1%. Do đó, dữ liệu đáp ứng điều kiện áp dụng các mô hình hồi quy dữ liệu bảng tĩnh mà không cần sai phân hay kiểm định đồng liên kết (Baltagi, 2021).

Bảng 3: Kết quả kiểm định Hausman cho ROA và ROE

Nguồn: Tác giả tổng hợp từ Stata 17.0

Kết quả kiểm định Hausman cho thấy giá trị p của cả hai mô hình ROA và ROE đều < 1%, bác bỏ giả thuyết không về tính nhất quán của mô hình tác động ngẫu nhiên. Điều này hàm ý tồn tại tương quan giữa các biến giải thích và hiệu ứng cá thể không quan sát được, do đó mô hình tác động cố định (FE) được lựa chọn cho cả hai trường hợp (Hausman, 1978; Baltagi, 2021).

Bảng 4: Kết quả các kiểm định chẩn đoán cho mô hình dữ liệu bảng (ROA và ROE)

Nguồn: Tác giả tổng hợp từ Stata 17.0

Các kiểm định chẩn đoán cho thấy mô hình không gặp vấn đề đa cộng tuyến khi các giá trị VIF đều < ngưỡng 10 (Gujarati và Porter, 2009). Kiểm định Pesaran cho thấy không tồn tại phụ thuộc chéo giữa các ngân hàng. Tuy nhiên, kiểm định Wooldridge phát hiện tự tương quan bậc nhất và kiểm định Modified Wald chỉ ra hiện tượng phương sai thay đổi. Vì vậy, sai số chuẩn Driscoll-Kraay được sử dụng nhằm khắc phục đồng thời 2 vấn đề này và bảo đảm tính vững của ước lượng (Hoechle, 2007).

Bảng 5: Kiểm định tính hợp lệ của biến công cụ và nội sinh đối với ln_Chi_phi_phan_mem

Nguồn: Tác giả tổng hợp từ Stata 17.0

Để kiểm tra nội sinh của biến chi phí phần mềm, nghiên cứu sử dụng phương pháp 2SLS với các độ trễ bậc một và bậc hai của biến này làm công cụ. Kết quả cho thấy mô hình được xác định tốt với thống kê Kleibergen-Paap có ý nghĩa thống kê (p = 0,0095). Đồng thời, thống kê Cragg-Donald F đều cao hơn đáng kể ngưỡng tới hạn Stock-Yogo, khẳng định các biến công cụ đủ mạnh.

Bên cạnh đó, kiểm định Hansen J không có ý nghĩa thống kê, cho thấy các biến công cụ là hợp lệ và không tương quan với sai số. Kiểm định nội sinh cũng không bác bỏ giả thuyết không đối với biến ln_Software_cost, hàm ý không có bằng chứng mạnh về hiện tượng nội sinh. Kết quả này ủng hộ việc sử dụng mô hình FE làm mô hình chính và phù hợp với các nghiên cứu trước trong lĩnh vực ngân hàng (Arellano và Bond, 1991; Baum và cộng sự, 2007).

Tóm lại, dữ liệu không tồn tại đa cộng tuyến, phụ thuộc chéo hay nội sinh, nhưng xuất hiện tự tương quan và phương sai thay đổi. Với dữ liệu bảng cân bằng gồm 17 ngân hàng trong 10 năm và kết quả Hausman ủng hộ FE, nghiên cứu sử dụng mô hình tác động cố định với sai số chuẩn Driscoll-Kraay làm phương pháp ước lượng chính; đồng thời áp dụng sai số chuẩn cụm theo ngân hàng để kiểm tra độ vững của kết quả (Wooldridge, 2010; Hoechle, 2007).

Bảng 6a: Hồi quy hiệu ứng cố định với sai số chuẩn vững Driscoll-Kraay (ROA)

Nguồn: Tác giả tổng hợp từ Stata 17.0

Bảng 6b: Hồi quy hiệu ứng cố định với sai số chuẩn vững Driscoll-Kraay (ROE)

Nguồn: Tác giả tổng hợp từ Stata 17.0

Kết quả hồi quy (Bảng 6a, 6b) cho thấy đầu tư phần mềm có vai trò đáng kể đối với hiệu quả hoạt động ngân hàng. Trong mô hình ROA, biến ln_Software_cost có tác động dương và có ý nghĩa thống kê ở mức 5% (β = 0,0462; p = 0,032), cho thấy đầu tư phần mềm góp phần cải thiện hiệu quả sử dụng tài sản, phù hợp với các nghiên cứu về tác động tích cực của đầu tư CNTT trong ngân hàng (Tan, 2020; Brynjolfsson và Hitt, 2000). Tuy nhiên, biến tương tác không có ý nghĩa thống kê, cho thấy chưa có bằng chứng về vai trò điều tiết của đầu tư phần mềm trong mối quan hệ giữa NIM và ROA.

Ngược lại, trong mô hình ROE, ln_Software_cost có tác động âm và có ý nghĩa thống kê (β = -0,9343; p = 0,017), phản ánh gánh nặng chi phí chuyển đổi số trong ngắn hạn đối với lợi nhuận của cổ đông. Đáng chú ý, biến tương tác mang dấu âm và có ý nghĩa cao (β = -1,1959; p = 0,002), cho thấy mức đầu tư phần mềm lớn có thể làm suy giảm tác động tích cực của NIM lên ROE. Kết quả này hàm ý khả năng xuất hiện hiệu quả giảm dần hoặc sự kém hiệu quả trong quá trình triển khai đầu tư công nghệ. Những phát hiện trái chiều này nhấn mạnh tính phức tạp và phụ thuộc bối cảnh của tác động chuyển đổi số đối với hiệu quả hoạt động ngân hàng (Li và Lin, 2022).

Thảo luận

Kết quả thực nghiệm cho thấy mối quan hệ giữa đầu tư phần mềm và hiệu quả hoạt động ngân hàng có sự khác biệt giữa ROA và ROE. Trong mô hình ROA, chi phí phần mềm có tác động dương và có ý nghĩa thống kê, hàm ý rằng đầu tư số góp phần nâng cao hiệu quả vận hành. Kết quả này phù hợp với các nghiên cứu về tác động năng suất của đầu tư CNTT trong ngành ngân hàng (Brynjolfsson và Hitt, 2000; Tan, 2020).

Tuy nhiên, biến tương tác giữa chi phí phần mềm và NIM không có ý nghĩa thống kê đối với ROA, cho thấy lợi ích từ chuyển đổi số có thể chưa được phản ánh ngay trong khả năng tạo thu nhập ngắn hạn.

Đối với ROE, chi phí phần mềm có tác động âm, phản ánh gánh nặng chi phí đầu tư ban đầu hoặc những bất cập trong giai đoạn chuyển đổi. Đồng thời, biến tương tác mang dấu âm và có ý nghĩa thống kê, cho thấy đầu tư số có thể làm suy giảm tác động tích cực của NIM lên lợi nhuận vốn chủ sở hữu. Điều này phản ánh tính phức tạp của quá trình chuyển đổi số trong bối cảnh mức độ trưởng thành số giữa các ngân hàng Việt Nam còn khác biệt.

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Nghiên cứu phân tích tác động của chuyển đổi số trong ngành ngân hàng Việt Nam thông qua chi phí đầu tư phần mềm đã được kiểm toán. Kết quả cho thấy đầu tư phần mềm có thể cải thiện hiệu quả sử dụng tài sản (ROA), nhưng tác động đến lợi nhuận vốn chủ sở hữu (ROE) phức tạp hơn do chi phí chuyển đổi hoặc độ trễ trong việc hiện thực hóa lợi ích. Đồng thời, đầu tư phần mềm có thể làm thay đổi mối quan hệ giữa NIM và hiệu quả hoạt động ngân hàng.

Về chính sách, kết quả cho thấy cần xây dựng các cơ chế hỗ trợ chuyển đổi số dựa trên hiệu quả triển khai thay vì chỉ hỗ trợ đầu tư hạ tầng. Các chương trình khuyến khích đổi mới sáng tạo hoặc nâng cao năng lực số cho các ngân hàng quy mô vừa có thể mang lại hiệu quả cao hơn. Đồng thời, các chính sách cần được thiết kế phù hợp với mức độ trưởng thành số của từng ngân hàng (State Bank of Vietnam, 2023).

Đối với các nhà quản trị ngân hàng, đầu tư phần mềm chỉ phát huy hiệu quả khi được gắn với cải cách quy trình, quản trị thay đổi và phát triển nguồn nhân lực. Việc kết hợp đồng bộ giữa chiến lược công nghệ và chiến lược kinh doanh sẽ giúp chuyển hóa đầu tư số thành hiệu quả hoạt động bền vững (Aral và Weill, 2007; Li và Lin, 2022).

Tài liệu tham khảo:

1. Alamad, S. (2025). AI-driven regional heterogeneity and the reinvention of conventional banking in South Asia. SSRN. https://doi.org/10.2139/ssrn.5473075

2. Aral, S., & Weill, P. (2007). IT assets, organizational capabilities, and firm performance: How resource allocations and organizational differences explain performance variation. Organization Science, 18(5), 763-780. https://doi.org/10.1287/orsc.1070.0306

3. Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies, 58(2), 277-297. https://doi.org/10.2307/2297968

4. Baltagi, B. H. (2021). Econometric analysis of panel data (6th ed.). Springer. https://doi.org/10.1007/978-3-030-53953-5

5. Baum, C. F., Schaffer, M. E., & Stillman, S. (2007). Enhanced routines for instrumental variables/generalized method of moments estimation and testing. Stata Journal, 7(4), 465-506. https://doi.org/10.1177/1536867X0700700402

6. Beccalli, E. (2007). Does IT investment improve bank performance? Journal of Banking & Finance, 31(7), 2205-2230. https://doi.org/10.1016/j.jbankfin.2006.10.022

7. Brynjolfsson, E., & Hitt, L. M. (2000). Beyond computation: Information technology, organizational transformation and business performance. Journal of Economic Perspectives, 14(4), 23-48. https://doi.org/10.1257/jep.14.4.23

8. Cornett, M. M., Erhemjamts, O., & Tehranian, H. (2021). The performance of banks: The role of technology and regulation. Journal of Financial Services Research, 59(2-3), 191-216. https://doi.org/10.1007/s10693-021-00356-y

9. Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008

10. Ghosh, S. (2020). Digital banking and profitability: Evidence from Indian banks. Information Economics and Policy, 53, 100872. https://doi.org/10.1016/j.infoecopol.2020.100872

11. Gujarati, D. N., & Porter, D. C. (2009). Basic econometrics (5th ed.). McGraw-Hill Education.

12. Hamid, F., & Musah, M. (2025). Service quality, customer loyalty, and organizational performance in Nigerian commercial banks. ResearchGate. https://www.researchgate.net/publication/395228834

13. Hausman, J. A. (1978). Specification tests in econometrics. Econometrica, 46(6), 1251-1271. https://doi.org/10.2307/1913827

14. Hoang, H. T. T., Pham, T. T., & Do, H. T. T. (2025). Human resources and bank performance in the context of digital transformation: An empirical study in Vietnam. Pacific Accounting Review. https://doi.org/10.1108/PAR-01-2025-0017

15. Hoechle, D. (2007). Robust standard errors for panel regressions with cross-sectional dependence. The Stata Journal, 7(3), 281-312. https://doi.org/10.1177/1536867X0700700301

16. IMF (International Monetary Fund). (2023). Digitalization and the future of banking. IMF Departmental Paper No. 23/13. https://doi.org/10.5089/9781513580178.087

17. Li, J., & Lin, X. (2022). Digital transformation and bank efficiency: Evidence from emerging markets. Emerging Markets Finance and Trade, 58(9), 2594-2611. https://doi.org/10.1080/1540496X.2021.2005298

18. Nguyen, T. T., & Tran, M. H. (2023). Rethinking digital readiness in Vietnamese banking: A methodological critique. Asian Banking Review, 12(1), 22-39. https://doi.org/10.1016/j.abr.2023.03.002

19. Pham, Q. V. (2024). Measurement bias in digital banking research: The case for expenditure-based indicators. Vietnam Journal of Finance & Technology, 6(2), 77-95. https://doi.org/10.1016/j.vjft.2024.02.005

20. Rezk, W. M. (2025). Strategic adaptation of traditional banks to FinTech disruption in Egypt. Journal of Contemporary Economic Studies and Evaluation. https://jcese.journals.ekb.eg/article_452456.html

21. Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.

22. Salem, S., Mohammed, Y. M., & Khalil, S. A. (2025). Impact of digital transformation on bank performance in Saudi Arabia. KnE Social Sciences. https://search.ebscohost.com/login.aspx?direct=true&db=bth&AN=187924632

23. State Bank of Vietnam (2023). Annual report on banking digital transformation. Hanoi, Vietnam.

24. Tan, M. L. (2020). Digital technology and bank performance in emerging markets. Journal of Financial Services Research, 58(2), 215-238. https://doi.org/10.1007/s10693-019-00317-0

25. Tornatzky, L. G., & Fleischer, M. (1990). The processes of technological innovation. Lexington Books.

26. Wintoki, M. B., Linck, J. S., & Netter, J. M. (2012). Endogeneity and the dynamics of internal corporate governance. Journal of Financial Economics, 105(3), 581-606. https://doi.org/10.1016/j.jfineco.2012.03.005

27. Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data (2nd ed.). MIT Press. https://mitpress.mit.edu/9780262232586

28. World Bank (2022). Digital transformation in banking: Progress and prospects. World Development Report. https://doi.org/10.1596/978-1-4648-1764-84648-1764-8