7. KẾT CẤU LUẬN VĂN
4.1.PHÂN TÍCH ĐỘ TIN CẬY CỦA THANG ĐO
Trong qua trình tiến hành điều tra, khảo sát có nhiều nguyên nhân dẫn đến kết quả trả lời của các mẫu là không chính xác, ví dụ như thái độ không quan tâm đến việc trả lời của mẫu khảo sát, trả lời qua loa, không đúng với thực tế hoặc là chưa hiểu hết các vấn đề . . .Vì vậy, trong qua trình phân tích kết quả, việc cần thiết là phải đánh giá mức độ tin cậy của thang đo, của các biến quan sát. Để đánh giá mức độ tin cậy này, chúng ta sử dụng hệ số Cronbach Alpha để xác định. Trong các nghiên cứu hiện nay, Hệ số Cronbach Alpha là một phép kiểm định thống kê về mức độ chặt chẽ mà các mục hỏi trong thang đo tương quan với nhau. Điều này liên quan đến hai khía cạnh là tương quan giữa các biến và tương quan của điểm số từng biến với điểm số toàn bộ các biến của mỗi người trả lời. Phương pháp này cho phép người phân tích loại bỏ những biến không phù hợp hạn chế biến rác trong mô hình nghiên cứu vì nếu không chúng ta không thể biết chính xác độ biến thiên cũng như độ lỗi của các biến.
Độ tin cậy của thang đo các biến được kiểm định thông qua công cụ là hệ số Cronbach Alpha và phân tích nhân tố. Theo Hoàng Trọng và Chu Nguyễn Mộng Ngọc (2008) thì nhiều nhà nghiên cứu đồng ý rằng khi Cronbach alpha từ 0,8 đến gần 1 thì thang đo lường là tốt, từ 0,7 đến 0,8 là sử dụng được. Cũng có nhà nghiên cứu đề nghị rằng Cronbach alpha từ 0,6 trở lên là có thể sử dụng được trong trường hợp khái niệm đang đo lường là mới hoặc mới đối với người trả lời trong bối cảnh nghiên cứu.
Đối với nghiên cứu này, nhằm đảm bảo độ tin cậy của thang đo và phù hợp với vấn đề nghiên cứu chỉ những nhân tố nào có hệ số Cronbach Alpha lớn hơn hoặc bằng 0,6 thì mới được xem là thang đo tin cậy và được giữ lại. Ngoài ra, mối quan hệ giữa các biến quan sát cũng được xem xét chỉ những biến nào có hệ số lớn hơn 0,4 mới được giữ lại
Theo Hair et al (1998) thì hệ số tải nhân tố 0,6 được xem là cao và dưới 0,4 được xem là thấp. Tuy nhiên, đối với nghiên cứu này tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha từ 0,6 trở lên; những biến nào có hệ số tải nhân tố nhỏ hơn 0,4 sẽ bị loại ra để đảm bảo tính hoàn chỉnh của thang đo.
70 4.1.1. Hệ số Cronbach Alpha Công thức tính. = − 1 1 − ∑
Trong đó: k: là biến đưa vào phân tích
: phương sai của biến quan sát thứ i
: phương sai của biến tổng.
Chúng ta lần lượt xem xét hệ số Cronbach Alpha của từng thang đo nhân tố của các yếu tố kinh tế và tài chính ảnh hưởng đến giá căn hộ tại TP.HCM. Việc kiểm định hệ số này được thực hiện trên từng nhóm biến quan sát trong mô hình nghiên cứu, mỗi nhóm quan sát sẽ tính hệ số, giá trị trung bình thang đo, qua đó vừa giải thích được mức độ ảnh hưởng trung bình của từng yếu tố tới mỗi biến, vừa loại bỏ các biến quan sát không phù hợp với kết quả nghiên cứu.
4.1.2. Thang đo từng nhân tố
Kết quả phân tích Cronbach Alpha đối với các nhân tố. Việc kiểm định hệ số này được thực hiện trên từng nhóm biến quan sát trong mô hình nghiên cứu. Mỗi nhóm quan sát sẽ tính hệ số, giá trị trung bình thang đo, qua đó vừa giải thích được mức độ thỏa mãn trung bình của từng khách hàng đến mỗi nhóm biến, vừa loại bỏ các biến quan sát không phù hợp với kết quả nghiên cứu. Kết quả kiểm định thang đo được tổng hợp bảng dưới:
Bảng 4.1: Tổng hợp Cronbach Alpha và hệ số tương quan biến
Nhóm biến
Hệ số Cronbach
Alpha
Hệ số tương quan biến – tổng Giá trị trung binh thang đo
1 2 3 4 GDP 0.789 0.582 0.627 0.612 0.578 3.698 LP 0.783 0.577 0.721 0.497 0.570 3.520 LS 0.704 0.492 0.629 0.548 0.625 3.673 CS 0.781 0.489 0.524 0.696 0.646 3.590 TG 0.404 0.385 0.205 0.151 3.091
71
Từ bảng tổng hợp kết quả trên, có thể thấy rằng tất cả các nhóm biến điều có hệ số Cronbach Alpha trên 0.6 và các hệ số tương quan biến – tổng của từng quan sát trong tổng thể các nhóm biến điều lớn hơn 0.4. Tuy nhiên có một nhóm biến tỷ giá hối đoái có hệ số 0.404 nên sẽ bị loại ra trong các phân tích tiếp theo.
Giá trị trung bình của thang đo GDP – Tổng sản phẩm quốc nội; LP – Lạm phát; LS - Lãi suất; CS – Chính sách tài chính, pháp luật có giá trị trung bình thang đo ở mức khá lần lượt là 3.698; 3.520; 3.673; 3.590 có thể thấy rằng mức độ đồng ý của khách hàng đối với tác động của nhóm yếu tố GDP, LP, LS, CS đến thị trường căn hộ là khá. Từ kết quả này ta so sánh với thực trạng yếu tố GDP, lạm phát, lãisuất và chính sách tác động đến thị trường căn hộ cũng ở mức trung bình và cần độ trễ nhất định. Và nó cũng là một yếu tố tác động đến nhu cầu thực của người dân khi thu nhập tăng họ sẽ nghĩ đến việc sẽ tìm đến một chỗ để ở ổn định; khi lạm phát tăng làm cho giá cả hàng hóa tăng trong khi thu nhập của người dân không tăng thì lúc này họ chi tiêu nhiều nên sẽ tích lũy ít và sẽ không có tiết kiệm, giá các nguyên vật liệu cho xây dựng tăng lên ảnh hưởng đến thị trường lúc đó sẽ tác động đến giá căn hộ là tất yếu; khi lãi suất và chính sách thay đổi sẽ ảnh hưởng đến thị trường mặc dù có những chính sách chưa thực sự đi vào đời sống hay nó có độ trễ nhất định vì do bất cập về thủ tục thực hiện và nó thực sự tác động đến thị trường trong giai đoạn 2011 – 2013 khi thị trường căn hộ trầm lắng. Chính phủ đã dùng nhiều biện pháp để thị trường dần ấm lên trong giai đoạn hiện nay.
Vậy kết quả kiểm định thang đo cho ta đảm bảo được mức độ tin cậy trong quá trình khảo sát với dữ liệu sẽ loại bỏ yếu tố tỷ giá hối đoái và còn các yếu tố khác hoàn toàn phù hợp để thực hiện phân tích nhân tố khám phá và phân tích hồi qui. Việc tiếp theo là phân tích khám phá , sử dụng ma trận xoay Varimax.
4.1.3. Phân tích nhân tố khám phá EFA (phụ lục B.2 trang 105)
Phân tích nhân tố thường được dùng trong quá trình xây dựng thang đo lường các khía cạnh khác nhau của khái niệm nghiên cứu, kiểm tra tính đơn khía cạnh của thang đo lường (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008). Như vậy, phân tích nhân tố vừa giúp ta rút gọn tập hợp nhiều biến thành một số biến tương đối ít đồng thời kiểm tra độ kết dính hay độ tin cậy của các biến trong cùng một thang đo. Bên cạnh đó, nó sẽ giúp ta
72
kiểm định lại lần nữa các chỉ số đánh giá biến trong từng yếu tố có thực sự đáng tin cậy và có độ kết dính như chúng đã thể hiện ở phần xác định hệ số Cronbach Alpha hay không? Tương tự nó giúp ta kiểm tra xem 4 yếu tố mà chúng ta đã xây dựng có thực sự đo lường cùng khái niệm và có độ kết dính cao hay không. Khi phân tích nhân tố khám phá EFA một số tiêu chuẩn mà các nhà khoa học quan tâm là:
Thứ nhất, hệ số KMO (Kaiser – Meyer – OlKin) ≥ 0.5, mức ý nghĩa kiểm định Bartlett ≤ 0.5. KMO là một chỉ tiêu dùng để xem xét sự thích hợp của EFA, 0.5 ≤ KMO ≤ 1 thì phân tích nhân tố là thích hợp. Kiểm định Bartlett xem xét giả thuyết H0: độ tương quan giữa các biến quan sát bằng không trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig ≤ 0.5) thì các biến quan sát có tương quan với nhau trong tổng thể;
Thứ hai, hệ số tải nhân tố (Factor Loading) ≥ 0.5; nếu biến quan sát nào có hệ số tải nhân tố < 0.5 sẽ bị loại. Theo Hair & ctg (1998,111), Multivariate Data Analysis, Prentice – Hall International, Inc, Factor loading là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA. Factor loading >0.3 được xem là đạt được mức tối thiểu; Factor loading >0.4 được xem là quan trọng; Factor loading >0.3 được xem là có ý nghĩa thực tiễn. Trong nghiên cứu này tác giả chọn Factor loading > 0.5 để kiểm định;
Thứ ba, thang đo được chấp nhận khi tổng phương sai trích ≥ 50%. Theo Hair & ctg (1998) yêu cầu rằng phương sai trích phải đạt từ 50% trở lên và Journal ò Maketing Research, Vol.25, 186 – 192 cũng yêu cầu phương sai trích phải lớn hơn hoặc bằng 50%;
Thứ tư, Hệ số Eigenvalua phải có giá trị ≥ 1 (Cerbing và Anderson 1998). Để đảm bảo giá trị phân biệt giữa các nhân tố (Jabnoum & AL – Tamimi 2003).
Tiến hành phân tích nhân tố, trước khi tiến hành phân tích nhân tố ta cũng cần kiểm tra xem việc dùng phương pháp này có phù hợp hay không. Việc kiểm tra này sẽ được thực hiện bởi việc tính hệ số KMO và Bartlett’s Test. Trị số KMO đạt mức trung bình là 0.773 và Sig. của Bartlett’s Test nhỏ hơn 1/1000 cho thấy 16 biến này có tương quan với nhau và hoàn toàn phù hợp với phân tích nhân tố.
Phương pháp trích trong phân tích nhân tố của nghiên cứu này là phân tích nhân tố chính (Principal component analysis) với giá trị Eigenvalue > 1. (adsbygoogle = window.adsbygoogle || []).push({});
73
Nghĩa là chỉ những nhân tố được trích ra có giá trị Eigenvalue > 1 mới được giữ lại trong mô hình phân tích.
Bảng kết quả phân tích nhân tố cho thấy có tất cả 16 nhân tố nhưng chỉ có 4 nhân tố Eigenvalue lớn hơn 1. Bốn nhân tố này sẽ được giữ lại tiếp tục phân tích. Phương sai trích đạt 60.643% > 50%, điều này thể hiện sự biến thiên của nhân tố trong mô hình có thể giải thích được 60.643% sự biến thiên của tổng thể, tỷ lệ này nằm trong nhóm trung bình. Hệ số Sig = 0.000 < 0.05 và hệ số Eigenvalue = 4.481 điều này thể hiện được việc thống kê là đảm bảo sự tin cậy. Như vậy các yêu cầu trong quá trình phân tích nhân tố điều đảm bảo, từ đó những nhân tố thu được từ việc phân tích sẽ là nhân tố ảnh hưởng đến sự đồng ý của khách hàng tác động vào thị trường căn hộ tại thời điểm hiện tại.
Nhìn vào hệ số tải nhân tố ở ma trận (component matrix) ta khó có thể thấy được những biến nào giải thích nhân tố nào, do vậy ta cần phải xoay các nhân tố. Ở đây phương pháp xoay được chọn là Varimax procedure, xoay nguyên góc các nhân tố để tối thiểu hóa số lượng biến có hệ số lớn tại cùng một nhân tố, vì vậy sẽ tăng cường khả năng giải thích các nhân tố. Sau khi xoay ta cũng sẽ loại bỏ các biến có hệ số tải nhân tố nhỏ hơn 0.5 và chênh lệch hệ số tải nhân tố nhỏ hơn 0.3. Chỉ những biến có hệ số tải nhân tố lớn hơn 0.5 mới được sử dụng để giải thích một nhân tố nào đó. Sau khi xoay các nhân tố sự tập trung của các biến theo từng nhân tố đã thể hiện rõ ràng với 04 biến được phân chia cụ thể. Kết quả phân tích nhân tố khám phá cho các biến quan sát thu được như sau:
Bảng 4.2: Tổng hợp kết quả phân tích nhân tố khám phá cho các biến quan sát (Sau khi tiến hành xoay nhân tố (16 biến))
Nhân tố Hệ số tải nhân tố
Tổng sản phẩm quốc nội (GDP) 0.775 0.772 0.769 0.745
Lạm phát (LP) 0.856 0.782 0.673 0.635
Lãi suất 0.747 0.736 0.666 0.632
Chính sách 0.851 0.790 0.689 0.629
Hệ số KMO = 0.773 Phương sai trích: 60.643%
Sig = 0,000 Eigenvalue = 4.481
74
Từ kết quả tổng hợp nêu trên, tác giả nhận thấy các nhân tố ảnh hưởng đến thị trường căn hộ bao gồm 04 nhân tố theo sự lựa chọn ban đầu là 05 và loại bỏ khi kiểm định Cronbach Alpha (01 biến tỷ giá hối đoái USD/ VND). Như vậy, bốn nhân tố gồm: Tổng sản phẩm quốc dân; lạm phát; lãi suất; chính sách.
Phân tích nhân tố cũng giúp ta xác định được hệ số của các biến đối với từng nhân tố như sau: Fi = Wi1 X1 + Wi2 X2 + Wi3 X3 + Wi4 X4 + . . . + Wi16 X16
Trong đó:
Fi: nhân tố thứ i được giải thích bởi 16 biến quan sát Wi: là biến thứ k khi giải thích biến thứ i
k: là số biến (1; 16)
Qua kết quả phân tích nhân tố, ta ước lượng điểm nhân tố của 4 nhân tố trên qua việc xét các điểm nhân tố trong từng phương pháp ước lượng điểm nhân tố thì nhân tố có điểm cao nhất sẽ ảnh hưởng đến mức độ đồng ý của khách hàng nhiều nhất. Thể hiện rõ trong bảng Component Score Coefficient Matrix (trang 111)
4.2. PHÂN TÍCH HỒI QUI TUYẾN TÍNH
Tác giả đã dùng hệ số Cronbach Alpha và phân tích nhân tố EFA đã xác định được 04 nhân tố ảnh hưởng đến thị trường căn hộ. Đó là, GDP; lạm phát; lãi suất và chính sách. Do vậy, mô hình nghiên cứu này sau khi phân tích hệ số Cronbach Alpha và phân tích nhân tố EFA được xác định lại như sau:
Hình 4.1: Mô hình nghiên cứu chính thức
(Nguồn: Từ phân tích số liệu của tác giả)
Tổng sản phẩm quốc Lạm phát Lãi suất Chính sách Giá căn hộ
75
Phân tích hồi qui tuyến tính sẽ giúp chúng ta biết được cường độ ảnh hưởng của các biến độc lập lên biến phụ thuộc. Phương pháp hồi qui được sử dụng ở đây là phương pháp bình phương bé nhất thông thường OLS với biến phụ thuộc là tình hình kinh tế và việc thực thi chính sách tài chính ảnh hưởng đến thị trường căn hộ, còn các biến độc lập là các biến thể hiện ở mô hình đã điều chỉnh ở trên.
Ta có phương trình hồi qui tuyến tính như sau: Yi = β0 + β1X1 + β2X2 + β3X3 + β4X4
Trong đó
Xi : giá trị sự thỏa mãn của quan sát thứ i βk: hệ số hồi qui riêng phần của biến thứ k Xpi : biến độc lập thứ p đối với quan sát thứ i
Từ ma trận tương quan và các biến nhân tố; các biến phụ thuộc đo lường sự thỏa mãn của khách hàng về các yếu tố kinh tế, tài chính ảnh hưởng đến giá căn hộ, cho thấy được biến nhân tố tác động phụ thuộc đồng biến hay nghịch biến. Điều chỉnh giả thuyết của mô hình: (adsbygoogle = window.adsbygoogle || []).push({});
Giả thuyết H1: yếu tố F1 “GDP” tăng ảnh hưởng tốt đến giá căn hộ.
H2: yếu tố F2 “Lạm phát” có tác động đồng biến biến giá căn hộ H3: yếu tố F3 “Lãi suất” có tác động đồng biến biến giá căn hộ H4: yếu tố F4 “Chính sách” có tác động đồng biến biến giá căn hộ
4.2.1. Kiểm định hệ số tương quan (phụ lục B.3 trang 110)
Bước đầu tiên khi phân tích hồi qui tuyến tính ta sẽ xem xét các mối quan hệ tương quan tuyến tính giữa các biến phụ thuộc và từng biến độc lập. Nếu hệ số tương quan giữa các biến phụ thuộc và biến độc lập lớn chứng tỏ giữa chúng có mối quan hệ với nhau và phân tích hồi qui tuyến tính có thể phù hợp. Mặc khác nếu giữa các biến có tương quan lớn với nhau thì đó cũng là dấu hiệu cho biết giữa chúng có thể xảy ra hiện tượng đa cộng tuyến trong mô hình hồi qui tuyến tính ta đang xét.
76
Kết quả bảng hệ số tương quan cho ta thấy biến phụ thuộc có mối quan hệ tương quan tuyến tính với cả biến độc lập, trong đó hệ số tương quan giữa biến độc lập với GDP là lớn nhất, hệ số tương quan giữa biến độc lập với chính sách là thấp nhất.
4.2.2. Đánh giá độ phù hợp của mô hình (phụ lục B.4 trang 111)
Bước tiếp theo ta tiến hành xây dựng phương trình hồi qui tuyến tính. Dựa vào cơ sở lý thuyết và kết quả phân tích hệ số tương quan Pearson ở trên, ta sẽ đưa ra tất cả các biến độc lập trong mô hình hồi qui đã điều chỉnh bằng phương pháp đưa vào cùng một lúc (phương pháp Enter). Phần mềm xử lý số liệu cho ra phương trình hồi qui tuyến tính với các biến độc lập được đưa ra bao gồm: tổng sản phẩm quốc nội (GDP); lạm phát; lãi suất;