Quy trình nhận dạng cực vị thế đối với giá đất ở tại đô thị

Luận án đề xuất quy trình nhận dạng cực vị thế thông qua 2 giai đoạn, từ nhận dạng khái quát đến nhận dạng chi tiết, như trên Hình 2.7.

a. Nhận dạng khái quát

(1) Mục tiêu của giai đoạn nhận dạng khái quát là dựa trên dấu hiệu về giá đất để khoanh vùng những khu vực có giá đất cao nhất, hoặc thấp nhất trên địa bàn nghiên cứu. Vì những khu vực này có tiềm năng xuất hiện cực vị thế. Đây chính là cách tiếp cận sở thích bộc lộ qua giá cả và cũng đáp ứng được 1 trong 3 tiêu chí nhận dạng cực vị thế. Tiếp theo, việc xác định phạm vi nghiên cứu cũng rất quan trọng, chủ yếu là phạm vi về mặt không gian. Luận án tập trung nghiên cứu trong phạm vi quận Cầu Giấy nhưng để đảm bảo độ tin cậy thì khi phân tích cần tính đến mối liên hệ với các quận lân cận và các khu vực khác trong thành phố Hà Nội.

(2) Điều tra, thu thập tài liệu, dữ liệu: Các tài liệu, dữ liệu thu thập bao gồm dữ liệu không gian (bản đồ), các tài liệu thống kê, báo cáo về tình hình kinh tế, văn hóa, xã hội, và đặc biệt là dữ liệu điều tra về thông tin giá đất thị trường của khu vực nghiên cứu. Dữ liệu bản đồ nền là bản đồ địa chính thể hiện ranh giới của từng

72

thửa đất rõ ràng. Ngoài ra, có thể bổ sung thêm một số bản đồ hỗ trợ như bản đồ hiện trạng sử dụng đất, bản đồ quy hoạch sử dụng đất, bản đồ trên Google Map. Công tác điều tra được thực hiện không chỉ ở phạm vi khu vực nghiên cứu mà nên rộng hơn, bổ sung thêm những khu vực lân cận. Trong luận án, mẫu phiếu điều tra được xây dựng gồm 48 câu hỏi gồm các nhóm thông tin: chủ sử dụng, thửa đất, công trình xây dựng trên đất, các tiện ích xung quanh, môi trường. Chi tiết mẫu phiếu điều tra được thể hiện ở Phụ lục 6.

(1) Xác định mục tiêu, phạm vi nghiên cứu

(2) Điều tra, thu thập tài liệu, dữ liệu

(5) Nhận dạng khái quát cực vị thế

(9) Xác định các chỉ tiêu ảnh hưởng chính (4) Nội suy giá đất

(3) Phân tích, xử lý tài liệu, dữ liệu

(10) Tính trọng số của các

chỉ tiêu ảnh hưởng chính (11) Phân khoảng điểm mức độ ảnh hưởng của từng chỉ tiêu

(12) Tính toán chỉ số ảnh hưởng đến từng thửa đất (13) Phân loại các cực vị thế (14) Điều tra thực tế (15) Đánh giá kết quả Nhậ n dạ ng khá i quá t Nhậ n dạ ng chi tiế t

(6) Đề xuất danh mục các chỉ tiêu ảnh hưởng đến giá đất

(8) Phân tích tương quan (7) Cập nhật giá trị cho từng chỉ tiêu

Hình 2.7. Quy trình nhận dạng cực vị thế đối với giá đất ở tại đô thị

73

phân tích, sàng lọc về mức độ sử dụng được, độ tin cậy. Đối với dữ liệu bản đồ, cần thực hiện chuẩn hóa dữ liệu (như phân lớp đối tượng, tiếp biên, cập nhật thông tin thuộc tính). Dữ liệu dạng tài liệu, báo cáo cần chọn lọc các mục, cập nhật thời gian. Dữ liệu điều tra cũng lọc sơ bộ những mẫu phiếu không đáp ứng đủ điều kiện (như thời điểm giao dịch quá xa, giá bất thường,...), tổng hợp thành file Excel và cập nhật các thông tin của từng phiếu. Trong số các mẫu điều tra, có những mẫu thu thập bao gồm cả giá đất và giá nhà, vì vậy cần loại bỏ phần giá nhà bằng các phương pháp chiết trừ, phương pháp so sánh. Kết quả sẽ thu được một CSDL về giá đất theo giá thị trường (tính theo số tiền trên đơn vị m2) để phục vụ cho các bước phân tích tiếp theo. (4) Nội suy giá đất: Mục đích của bước nội suy nhằm tạo ra một lớp giá liên tục của tất cả các thửa đất trên địa bàn nghiên cứu dựa trên những điểm giá đi điều tra thực tế. Có 2 nhóm nội suy: nội suy toàn cục và nội suy cục bộ. Nội suy toàn cục có mục tiêu tiếp cận là phân tích xu hướng bề mặt, sử dụng các hàm đa thức với quy tắc hồi quy bình phương tối thiểu. Nhóm nội suy này thường dễ tạo ra những thiếu sót về tính chi tiết (yếu tố địa phương) của bề mặt [149]. Nội suy cục bộ gồm một số phép nội suy cơ bản như nội suy trị trung bình trọng số IDW, Spline, Kriging. Trong số các phương pháp nội suy trên thì theo M.A. Oliver và R. Webster (1990), Kriging là phương pháp phù hợp khi phân tích dữ liệu không gian địa lý vì có tính đến sự khác biệt về tính chất vùng [149]. Công thức toán học của nội suy Kriging là [94]:

Trong đó: Z(si): là giá trị đã biết ở vị trí i i: là giá trị trọng số ở vị trí i

So: vị trí cần tính N: số lượng điểm mẫu dùng nội suy Giá trị trọng số i không chỉ phụ thuộc vào yếu tố khoảng cách mà còn phụ thuộc vào sự phân bố không gian chung của các điểm mẫu. Điều này làm cho các giá trị nội suy mang tính tương quan không gian nhiều hơn. Cũng bởi những lý do như vậy, trong giai đoạn nhận dạng khái quát, phương pháp nội suy Kriging nên được sử dụng vì giai đoạn này dữ liệu giá đất đầu vào chứa đựng các yếu tố ảnh hưởng, tức mang sự khác biệt về khu vực. Còn phương pháp nội suy trị trung bình trọng số IDW nên được sử dụng khi dữ liệu giá đất đầu vào đã được quy chuẩn, tức

74

đã loại bỏ các yếu tố ảnh hưởng. Lúc này giá trị trọng số chỉ phụ thuộc vào khoảng cách từ điểm mẫu đến đến điểm nội suy.

(5) Nhận dạng khái quát cực vị thế: Từ kết quả nội suy, khu vực nghiên cứu sẽ xuất hiện những vùng giá đất cao nhất và thấp nhất. Đây là cơ sở để nhận dạng khái quát cực vị thế. Đối tượng tạo cực vị thế có thể nằm trong khu vực đó hoặc lân cận.

b. Nhận dạng chi tiết

Mục tiêu của giai đoạn nhận dạng chi tiết là xác định về mặt không gian và loại cực vị thế dựa trên phân tích chỉ số mức độ ảnh hưởng đến giá đất tới từng thửa đất theo các chỉ tiêu đã đề xuất. Chỉ số này được đặt tên là chỉ số chất lượng cuộc sống đô thị (IUQoL). Khu vực nào có chỉ số mức độ ảnh hưởng lớn nhất sẽ là khu vực tạo cực vị thế. Giai đoạn này sẽ giải quyết được 2 tiêu chí nhận dạng cực vị thế còn lại.

(6) Đề xuất danh mục các chỉ tiêu ảnh hưởng đến giá đất: luận án đề xuất danh mục các chỉ tiêu ảnh hưởng đến giá đất của khu vực như đã trình bày ở mục 2.1.3.

(7) Cập nhật giá trị cho từng chỉ tiêu: Các giá trị của từng chỉ tiêu có thể được lấy từ kết quả khảo sát thực địa, từ các báo cáo thống kê, từ bản đồ hoặc chiết xuất từ các công cụ phân tích không gian. Luận án chủ yếu sử dụng công cụ phân tích mạng Network Analyst trong phần mềm ArcGIS và phân tích cấu trúc không gian Space Syntax trong phần mềm DepthMap X.

- Phương pháp phân tích mạng Network Analyst cung cấp nhiều công cụ như Closet Facility, OD Cost Matrix,... để phân tích mạng lưới trong phần mở rộng của phần mềm ArcGIS. Luận án sử dụng công cụ Closet Facility để phân tích khoảng cách từ thửa đất đến các địa điểm kinh tế xã hội gần nhất theo đường giao thông. Để thực hiện công cụ, cần xác định 2 thành phần là (i) Incident tức lớp thửa đất ở dạng điểm (Point) và (ii) Facility tức các điểm kinh tế - xã hội như trường học, bệnh viện cũng ở dạng điểm. Kết quả thể hiện là tuyến đường Route xác định đường đi ngắn nhất. Các giá trị được thể hiện trong bảng thuộc tính của lớp kết quả Route.

- Phương pháp Space Syntax đo lường cấu hình không gian kiến trúc ở cấp độ đô thị và các tòa nhà. Ở quy mô của một đô thị, thành phố, mạng lưới giao thông là một trong những cấu trúc không gian điển hình. Các giá trị liên quan đến phân tích

75

tuyến đường giao thông là connectivity (giá trị kết nối), integration (giá trị tích hợp) và choice (giá trị lưu lượng chuyển động).

+ Giá trị kết nối (Connectivity) cho biết có bao nhiêu đường trực tiếp kết nối với một đường xác định [111]. Ví dụ minh họa ở Hình 2.8 cho thấy đường Line 1 có giá trị kết nối là 2, đường Line 2 có giá trị kết nối là 3.

Hình 2.8. Ví dụ minh họa giá trị kết nối

+ Giá trị tích hợp (Integration) cho biết mức độ tích hợp của không gian dựa trên thuật ngữ “deepth” (độ sâu), tính toán số lượng không gian và những thay đổi về hướng để tiếp cận được tất cả các không gian khác trong hệ thống [77]. Một không gian đô thị có tính tích hợp cao được kỳ vọng sẽ thu hút hơn so với các không gian biệt lập có giá trị tích hợp thấp. Hình 2.9 minh họa một không gian có giá trị tích hợp thấp (hình trái) và một không gian có giá trị tích hợp cao (hình phải) (xem xét với không gian số 1).

4

3

2

1 1

2 3 4

Không gian tích hợp thấp Không gian tích hợp cao

Hình 2.9. Minh họa giá trị tích hợp

+ Giá trị lưu lượng chuyển động (Choice) cho biết mức độ chuyển động có thể đi qua một không gian giữa không gian điểm xuất phát và điểm đến [77]. Hay nói cách khác, đó là lưu lượng chuyển động đi qua một tuyến đường. Những tuyến

76

đường chính luôn có lưu lượng chuyển động lớn hơn so với những đường nhánh, đường cụt.

Các giá trị này có thể được phân tích ở phạm vi toàn hệ thống mạng (được gọi là global) hoặc ở trong một phạm vi nhất định, ví dụ thuận tiện đi bộ (được gọi là local) trong phần mềm DepthmapX với dữ liệu đầu vào là mạng lưới giao thông dạng tuyến (polyline). Dựa trên nhiều nghiên cứu [75] và phỏng vấn người dân, việc đề xuất 10 phút đi bộ, với vận tốc trung bình 5km/h thì khoảng cách 800m được coi là ngưỡng phù hợp. Chi tiết về lý thuyết cũng như phương pháp về Space Syntax được thể hiện ở nhiều tài liệu như [112, 147].

(8) Phân tích tương quan: Trong số rất nhiều các chỉ tiêu được đề xuất, thường chỉ có một lượng nhất định các chỉ tiêu có mức độ ảnh hưởng nhiều đến giá đất của khu vực xác định. Vì vậy, luận án sử dụng phương pháp phân tích tương quan với hệ số tương quan Pearson để lọc những chỉ tiêu có tương quan thống kê đến giá đất ở. Hệ số tương quan Pearson có giá trị từ -1 đến 1, được tính bằng cách chia hiệp phương sai (covariance) của hai biến với tích độ lệch chuẩn (standard deviation) của chúng [108]. Những chỉ tiêu nào có giá trị tuyệt đối của hệ số tương quan càng cao thì càng có mối liên hệ chặt đến giá đất và ngược lại. Nếu hệ số tương quan có giá trị âm thì phản ảnh mối liên hệ nghịch giữa giá đất và chỉ tiêu đó (tức giá trị của chỉ tiêu đó tăng thì giá đất có xu hướng giảm và ngược lại). Nếu hệ số tương quan là dương thì phản ảnh mối liên hệ thuận (tức giá trị của chỉ tiêu đó tăng thì giá đất tăng và ngược lại). Để hệ số tương quan có ý nghĩa thống kê thì giá trị significant của kiểm định Pearson phải nhỏ hơn 0.05 (5%), tương đương độ tin cậy từ 95% trở lên. Việc phân tích tương quan có thể thực hiện trên phần mềm SPSS, công cụ Correlate → Bivariate, với biến phụ thuộc (dependent variable) là giá đất ở tại đô thị và biến độc lập (independent variable) là các chỉ tiêu ảnh hưởng đến giá đất. Ngoài việc kiểm tra mối quan hệ giữa giá đất ở đô thị với các chỉ tiêu thì phân tích tương quan cũng cho phép nhận dạng mối quan hệ giữa các chỉ tiêu. Điều này rất hữu ích để hỗ trợ bước tính trọng số của các chỉ tiêu.

77

quan, có thể xác định những chỉ tiêu ảnh hưởng chính đến giá đất ở tại đô thị của khu vực nghiên cứu. Đó là những chỉ tiêu đáp ứng được yêu cầu kiểm định thống kê của phân tích tương quan với độ tin cậy từ 95% đến 99%.

(10) Tính trọng số của các chỉ tiêu ảnh hưởng chính: Các chỉ tiêu có mức độ quan trọng khác nhau đối với việc ảnh hưởng đến giá đất ở tại đô thị. Phương pháp phân tích đa chỉ tiêu là một đề xuất hợp lý với một số kỹ thuật tính trọng số phổ biến như quy trình phân tích thứ bậc (Analytic Hierarchy Process – AHP), quy trình phân tích mạng (Analytic Network Process – ANP). Do ANP có lợi thế hơn AHP vì có tính đến mối quan hệ giữa các chỉ tiêu [36, 153], luận án sử dụng phương pháp ANP trong việc tính trọng số của các chỉ tiêu. Các bước cơ bản khi tiến hành phân tích bằng ANP được thể hiện rút gọn ở Hình 2.10.

Thiết kế mạng lưới - Các cụm, chỉ tiêu - Các liên kết Tính toán - Siêu ma trận mức độ quan trọng - Ma trận cụm - Siêu ma trận trọng số - Siêu ma trận giới hạn Đánh giá So sánh cặp (thang đo Satty)

Kiểm tra tỷ số nhất quán (CR) < 0.1 Nếu CR > 0.1

Kết quả

Trọng số các chỉ tiêu

Hình 2.10. Quy trình phân tích ANP

- Thiết kế mạng lưới: bao gồm (i) xác định các cụm và các chỉ tiêu tham gia vào mạng lưới; và (ii) mối quan hệ trong mạng lưới. Trong ngôn ngữ của ANP, cụm (cluster) được hiểu là tập hợp các chỉ tiêu theo một tiêu chí nhất định. Để đơn giản hơn cho mô hình, trong luận án này, các cụm là các tiêu chí lớn, và mỗi cụm sẽ có các chỉ tiêu cụ thể. Mối quan hệ trong mạng lưới bao gồm 2 loại: Liên kết phụ thuộc ngoài (outer dependence) khi có sự so sánh giữa các cụm với nhau (đường liên kết là mũi tên thẳng); liên kết phụ thuộc trong (inner dependence) khi có sự so sánh bên trong 1 cụm (đường liên kết là mũi tên dạng vòng). Cụm A có mối liên hệ với cụm B khi có ít nhất 1 chỉ tiêu ở cụm A tác động / ảnh hưởng đến ít nhất 2 chỉ tiêu của cụm B [153]. Liên kết bên trong được xuất hiện khi có ít nhất 1 chỉ tiêu tiềm năng trong cụm đó tác động tới các chỉ tiêu còn lại. Việc nhận diện các mối quan hệ này dựa trên phân tích tương quan ở bước trên.

78

từng cặp các chỉ tiêu khi cùng tác động đến chỉ tiêu khác. Các giá trị quan trọng tương đối được xác định theo thang đo của Saaty từ 1 đến 9. Việc đánh giá mức độ ưu tiên giữa các chỉ tiêu được tham khảo ý kiến từ các chuyên gia. Để đảm bảo độ tin cậy và tính thống nhất trong đánh giá, các giá trị so sánh được kiểm tra tỷ số nhất quán (CR). Nếu CR <0,1 là đáp ứng điều kiện nhất quán [154]. Nếu CR > 0,1 thì cần điều chỉnh lại các giá trị so sánh của từng cặp chỉ tiêu. Cơ sở điều chỉnh có thể dựa trên kết quả phân tích tương quan giữa các chỉ tiêu từ dữ liệu thống kê. Điều này giúp cho các kết quả đánh giá mang tính khách quan hơn.

- Tính toán các siêu ma trận: Kết quả của bước trên sẽ hình thành siêu ma trận mức độ quan trọng (unweighted supermatrix) và ma trận cụm (cluster matrix). Thực hiện phép tính nhân ma trận cụm với siêu ma trận mức độ quan trọng cho ra kết quả siêu ma trận trọng số (weighted supermatrix) [154]. Siêu ma trận giới hạn được hình thành bằng cách lấy lũy thừa siêu ma trận trọng số đến khi nào ma trận này hội tụ [154]. Khi đó, giá trị của từng hàng trong ma trận sẽ bằng nhau và đây chính là trọng số cuối cùng của các chỉ tiêu.

Các bước tính toán theo ANP có thể được hỗ trợ trong phần mềm SuperDecisions.

(11) Phân khoảng điểm mức độ ảnh hưởng của từng chỉ tiêu: Trong một chỉ tiêu, các mức độ ảnh hưởng đến giá đất ở tại đô thị cũng có thể khác nhau. Việc phân khoảng mức độ ảnh hưởng được dựa trên cơ sở của những nguyên tắc đảm bảo chất lượng cuộc sống đô thị, các quy chuẩn kỹ thuật quốc gia về quy hoạch xây dựng, hoặc đánh giá chủ quan của con người. Sau đó, các khoảng này được gán điểm số từ 0 đến 1 với điểm 1 thể hiện ý nghĩa tốt nhất. Phương pháp chủ yếu được sử dụng trong phân khoảng điểm là phương pháp lôgic mờ và phương pháp so sánh