Câu hỏi Các phương án Mã
hóa Mục đích sử dụng website BĐS của anh/chị là? (có thể chọn nhiều phương án)
Để tìm kiếm thông tin về BĐS mình quan tâm 1
Để tìm hiểu về chủ đầu tư, bên môi giới, đại lý, ... 2
Để so sánh, đánh giá các BĐS 3
Để đăng thông tin về BĐS (mua, bán, cho thuê, ...) 4
Để tìm hiểu các thông tin về thị trường 5
Loại BĐS nhà ở anh/chị tìm kiếm trên website là gì?
Nhà chung cư 1
Đất nền dự án 2
Biệt thự 3
Đất thổ cư 4
Nhà ở có sẵn trong khu dân cư 5
Nguồn: Nhóm tác giả tổng hợp Mặc dù ở cả hai câu hỏi trên đều có phương án “Khác” nhưng do không có đáp viên nào lựa chọn nên nhóm tác giả quyết định bỏ qua đáp án này trong quá trình mã hóa. Đối với những câu hỏi về chất lượng website, nhận thức trong quá trình sử dụng, thái độ và ý định hành vi với website bất động sản, nhóm tác giả sử dụng thang điểm
76
Likert để quy ước với (1) “Rất không đồng ý”; (2) “Không đồng ý”; (3) “Trung lập”; (4) “Đồng ý”; (5) “Rất đồng ý”.
Thống kê đặc điểm của mẫu nghiên cứu
Dữ liệu được tiến hành thống kê các đặc điểm nhân khẩu học bao gồm: tuổi, giới tính, nơi ở, trình độ học vấn, thu nhập và kinh nghiệm tham gia thị trường. Nhóm cũng tiến hành thống kê về website bất động sản được sử dụng nhiều nhất, mục đích sử dụng website bất động sản và loại nhà ở tìm kiếm trên website theo từng địa bàn nghiên cứu.
Thống kê mô tả các biến
Đưa ra những đặc điểm về các biến trong mô hình, gồm giá trị lớn nhất, giá trị nhỏ nhất, giá trị trung bình và độ lệch chuẩn.
Đánh giá độ tin cậy của thang đo
Phân tích Cronbach’s Alpha được sử dụng để đánh giá mức độ tin cậy của thang đo đối với các câu hỏi trọng tâm của nghiên cứu (Phần 2 của bản khảo sát). “Loại các biến có hệ số tương quan biến tổng nhỏ (nhỏ hơn 0.3), tiêu chuẩn chọn thang đo khi có độ tin cậy Alpha lớn hơn 0.6 (Alpha càng lớn, thì độ tin cậy nhất quán càng cao)” (Nunally & Burnstein, 1994).
“Các giá trị của Cronbach’s Alpha lớn hơn 0,8 là thang đo lường tốt, từ 0,7 đến 0,8 là sử dụng được, từ 0.6 trở lên là có thể sử dụng trong trường hợp khái niệm nghiên cứu là mới. Các biến quan sát có tương quan biến tổng nhỏ (nhỏ hơn 0.4) được xem là biến rác thì sẽ được loại ra và thang đo được chấp nhận, khi hệ số tin cậy Alpha đạt yêu cầu (lớn hơn 0.7).” (Nunally, 1978; Peterson, 1994; Slater, 1995).
Nhóm nghiên cứu chấp nhận các trị số xấp xỉ 0.7 trở lên. Thêm vào đó, để tăng độ tin cậy Cronbach's alpha, nhóm tiến hành loại biến dựa trên các tiêu chí:
Hệ số tương quan biến tổng < 0.3
Hệ số “Cronbach's alpha nếu loại biến” lớn hơn hệ số Cronbach hiện tại.
Phân tích nhân tố khám phá (EFA)
Phân tích rút trích nhân tố EFA được dùng để đánh giá độ chính xác của các biến quan sát trong thang đo. Kết quả phân tích EFA để phân biệt các khái niệm trong nghiên cứu. Theo Hair & cộng sự (1998, 111), hệ số tải nhân tố hay trọng số nhân tố (factor loading) là chỉ tiêu để đảm bảo mức ý nghĩa thiết thực của EFA:
Hệ số tải nhân tố > 0.3 được xem là đạt mức tối thiểu
Hệ số tải nhân tố > 0.4 được xem là quan trọng
Điều kiện để phân tích nhân tố khám phá là phải thỏa mãn các yêu cầu:
Hệ số tải nhân tố > 0.5
0.5 ≤ KMO ≤ 1: Hệ số KMO (Kaiser-Meyer-Olkin) là chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Hệ số KMO lớn có ý nghĩa phân tích nhân tố đó là thích hợp.
Kiểm định Bartlett có ý nghĩa thống kê (Sig. < 0.05): đây là một đại lượng thống kê để xem xét các giả thuyết các biến không có tương quan trong tổng thể. Nếu kiểm định này có ý nghĩa thống kê (Sig. < 0.05) thì các biến quan sát có mối tương quan với nhau trong tổng thể.
Phân tích nhân tố khẳng định (CFA)
Phương pháp phân tích nhân tố khẳng định (CFA) được áp dụng để khẳng định lại tính đơn biến, đa biến, giá trị hội tụ và phân biệt của bộ thang đo. Vì vậy, để mô hình đo lường phù hợp với dữ liệu thị trường thì kết quả phân tích cần phải thỏa mãn 03 tiêu chí sau:
Hệ số tải nhân tố của biến quan sát phải lớn hơn 0.5 và những biến quan sát nào có hệ số tải nhỏ hơn 0.5 sẽ bị loại khỏi mô hình. Nếu hệ số tải sau khi chuẩn hóa có giá trị >1 hay <-1 thì chứng tỏ số liệu vô lý cần phải xem xét lại bộ số liệu đó.
Tỷ số Chi-Square/bậc tự do: χ /df (CMIN/df) dùng để đo mức độ phù hợp một 2
cách chi tiết hơn của cả mô hình. Theo Hair và cộng sự (1998) thì 1 < χ /df < 3, còn theo 2
Segar & Grover (1993) thì χ /df < 3, còn Kettinger & Lee (1995) thì phân biệt ra 2 2
trường hợp χ /df < 5 (với cỡ mẫu n > 300) hay < 3 (khi cỡ mẫu n < 300) thì mô hình 2
được xem là phù hợp.
Giá trị Pvalue ≤ 0.05 (tương đương độ tin cậy ở mức ≥ 95%) được xem là mô hình phù hợp tốt tức là không thể bác bỏ giả thuyết Ho (giả thuyết mô hình tốt).
77
Trong phân tích nhân tố khẳng định CFA, độ tin cậy của thang đo được gọi là độ tin cậy tổng hợp. Đây là chỉ số đánh giá tốt hơn Cronbach Alpha bởi vì nó không phạm sai lầm giả định độ tin cậy của các biến là bằng nhau (Anderson & Gerbing, 1988). Theo Hair và cộng sự (1998) thang đo đảm bảo tin cậy khi độ tin cậy tổng hợp > 0.6.
Mô hình cấu trúc tuyến tính (SEM)
Quy trình phân tích mô hình SEM gồm các bước sau:
Bước 1: Kiểm tra độ tin cậy của thang đo bằng hệ số Cronbach's Alpha, ước lượng các hệ số hồi quy và T-value; phân tích nhân tố khẳng định CFA trên từng mô hình con sau đó kiểm định mô hình tổng thể.
Bước 2: Kiểm định mức độ phù hợp của tổng thể mô hình thông qua các tiêu chí giống như phân tích nhân tố khẳng định CFA bao gồm:
- Kiểm định Chi-Square (x): biểu thị mức độ phù hợp tổng quát của toàn bộ mô hình tại mức ý nghĩa P = 0.05.
- Chỉ số độ phù hợp GFI (Goodness-of-fit index): được xây dựng để làm độ nhạy theo cỡ mẫu của thống kê chi – bình phương. Chỉ số độ phù hợp GFI không phải là một kiểm định thống kê mà chỉ là một chỉ tiêu hướng dẫn để đánh giá. Khoảng giá trị của GFI dao động từ 0 đến 1, với các giá trị cao thể hiện mô hình phù hợp tốt hơn. Giá trị
78
GFI lớn hơn 0.90 được xem là tốt. Khắt khe hơn, một số tranh luận khác cho rằng cần sử dụng mô hình với GFI lớn hơn 0.95.
- Chỉ số RMSEA: viết tắt là Root Mean Square Error of Approximation, là một trong những chỉ số được sử dụng phổ biến nhằm khắc phục xu hướng bác bỏ các mô hình với cỡ mẫu lớn hoặc nhiều quan sát của thống kê chi- bình phương GOF. Vì vậy, nó mô tả tốt hơn một mô hình phù hợp với tổng thể, chứ không phải mẫu được dùng trong ước lượng. Nó cố gắng điều chỉnh cho cả mô hình phức tạp và cỡ mẫu lớn bằng cách đưa chúng vào tính toán.
- Chỉ số phù hợp tăng cường (Incremental Fit Index): có sự khác biệt so với chỉ số phù hợp tuyệt đối ở chỗ nó đánh giá mức độ phù hợp tương đối của một mô hình so với mô hình cơ sở (thông thường là mô hình Null với không có mối quan hệ nào giữa các biến). Nhóm kiểm định này cho biết mức độ phù hợp được cải thiện bằng cách mô tả mối quan hệ giữa các khái niệm nhiều biến quan sát. Phần lớn các mô hình SEM trình bày các chỉ số phù hợp tăng cường như các kết quả chuẩn. Hai chỉ số phù hợp tăng cường được sử dụng phổ biến nhất là TLI và CFI.
- Chỉ số NFI: viết tắt là Normed Fit Index, là một trong những chỉ số phù hợp tăng cường ban đầu. Nó được tính bằng tỷ lệ chi – bình phương ở mô hình phù hợp và chi bình phương ở mô hình Null. Giá trị của NFI thay đổi trong khoảng (0;1) với giá trị NFI càng lớn cho thấy mô hình càng phù hợp. Nhược điểm của NFI xảy ra ở các mô hình phức tạp có chi- bình phương cao, do đó, có thể làm khuếch đại giả tạo độ phù hợp của mô hình. Vì vậy, ngày nay nó ít được sử dụng so với các chỉ số phù hợp tăng cường khác như TLI, CFI.
79
-Chỉ số TLI: viết tắt là Tucker Lewis Index, có ý nghĩa tương tự NFI nhưng nó không sử dụng các giá trị chi bình phương chuẩn (normed chi-square) nên giá trị của TLL có thể nhỏ hơn 0 hoặc lớn hơn 1. Thông thường, các mô hình được xem là phù hợp có TLI gần 1 và giá trị TL càng lớn cho thấy mô hình phù hợp tốt hơn mô hình với giá trị TCI thấp.
Bước 3: Kiểm tra ước lượng mô hình bằng phương pháp Bootstrap: phương pháp này dùng để đánh giá mức độ tin cậy của các hệ số ước lượng cũng như có thể đánh giá được tính bền vững của mô hình. Đây là phương pháp lấy mẫu lặp lại có thay thế từ mẫu ban đầu trong đó mẫu ban đầu đóng vai trò là tổng thể. Số lần lấy mẫu lặp lại trong nghiên cứu được chọn là N lần. Kết quả ước lượng với N lần từ n mẫu được tính trung bình và giá trị này có xu hướng gần với ước lượng của tổng thể. Nếu kết quả phân tích cho thấy độ chênh lệch của ước lượng (Bias) và sai lệch chuẩn (Se) có giá trị rất nhỏ không có ý nghĩa thống kê (P-value > 0.05) thì có thể kết luận rằng các ước lượng của các nhân tố trong mô hình SEM là tin cậy.
Kiểm định khác biệt bằng phương pháp phân tích đa nhóm
Sau khi phân tích thống kê mô tả cho các biến kiểm soát, nhóm nghiên cứu đã sử dụng phương pháp phân tích đa nhóm cho một số biến kiểm soát để đánh giá sự khác biệt của các mối quan hệ trong mô hình SEM giữa các giá trị khác nhau của biến định tính hay nói cách khác là xem mô hình có thay đổi đối với các đối tượng khác nhau hay không. Dựa theo cách tiếp cận truyền thống của Joreskog (1971), để đánh giá có sự khác biệt một mô hình giữa các đối tượng khác nhau hay không, nhóm tác giả đã dựa vào sự chênh lệch của giá trị Chi-square (Chi bình phương) trong mối ràng buộc với bậc tự do (df) giữa mô hình khả biến và mô hình bất biến.
Theo đó mô hình khả biến là mô hình các hệ số tác động của đường dẫn được để tự do. Trong khi đó đối với mô hình bất biến sẽ cố định hệ số tác động tất cả các đường dẫn của mô hình cấu trúc SEM. Để hệ số tác động tự do hoặc cố định là như thế nào chúng ta sẽ làm rõ trong ví dụ thực hành. Sau khi phân tích SEM cho hai mô hình khả biến và bất biến, thu được giá trị Chi-square và bậc tự tự do df ở từng mô hình. Thực hiện kiểm định sự khác biệt Chi-square theo bậc tự do giữa hai mô hình này, giả thiết đặt ra:
H0: Không có sự khác biệt giữa hai mô hình bất biến và khả biến
Nếu H0 không bị bác bỏ, chúng ta sẽ chọn mô hình bất biến để giải thích kết quả do mô hình có bậc tự do cao hơn. Nếu H0 bị bác bỏ, có nghĩa giữa hai mô hình có sự khác biệt đáng kể, chúng ta sẽ chọn mô hình khả biến để giải thích kết quả.
3.4. Kết quả mô tả sơ bộ về mẫu nghiên cứu
Bảng 3.9. Thống kê mô tả về giới tính, tuổi, nơi ở, kinh nghiệm và thu nhập của những người tham gia khảo sát
TIÊU CHÍ Tần suất Tỷ lệ (%) GIỚI TÍNH Nam 571 67.4 Nữ 276 32.6 TUỔI Trên 55 tuổi 249 29.4 Từ 26 đến 35 tuổi 107 12.6 Từ 36 đến 45 tuổi 254 30.0 Từ 46 đến 55 tuổi 237 28.0 HỌC VẤN Đại học 445 52.5 Trên đại học 402 47.5 NƠI Ở Thành phố Hà Nội 641 75.7 Thành phố Hồ Chí Minh 206 24.3 THU NHẬP Dưới 10 triệu đồng 58 6.8 Trên 100 triệu đồng 61 7.2 Từ 10 đến 20 triệu đồng 103 12.2 Từ 20 đến 30 triệu đồng 171 20.2 Từ 30 đến 40 triệu đồng 180 21.3 Từ 40 đến 50 triệu đồng 178 21.0 Từ 50 đến 100 triệu đồng 96 11.3 Dưới 1 năm 51 6.0 Trên 10 năm 85 10.0 Từ 1 đến dưới 3 năm 232 27.4
80
Ệ
Từ 3 đến dưới 5 năm 236 27.9
Từ 5 đến dưới 10 năm 243 28.7
Nguồn: Nhóm nghiên cứu tổng hợp
Có thể thấy các nhóm tuổi phân bố khá đồng đều, trong đó đa số thuộc nhóm tuổi từ 36 đến 45 tuổi (30%), sau đó là nhóm trên 55 tuổi (29.40%), nhóm từ 46 đến 55 tuổi (28%) và ít nhất là nhóm người từ 18 đến 35 tuổi (12.6%). Về giới tính của người tham gia khảo sát, chiếm đa số là nam giới với 67.41% và nữ giới với 32.59%.
Do số lượng phiếu phát ra ở Hà Nội và Thành phố Hồ Chí Minh khá chênh lệch nên cơ cấu mẫu tại hai khu vực này cũng có sự khác biệt lớn. Cụ thể, số phiếu ở Hà Nội là 75.68% và thành phố Hồ Chí Minh là 24.32%.
Trong số 07 nhóm thu nhập chính dao động trong khoảng từ dưới 10 đến 100 triệu đồng, nhóm chiếm đa số có thu nhập từ 30 đến 40 triệu đồng, chiếm 21.3%. Hai nhóm cao tiếp theo là nhóm có thu nhập từ 40 đến 50 triệu đồng (21%) và nhóm có thu nhập từ 20 đến 30 triệu (20.2%).
Xét về kinh nghiệm thị trường của người tham gia khảo sát, chiếm đa số là nhóm có kinh nghiệm từ 5 đến dưới 10 năm với 28.7%, tiếp đến là nhóm có kinh nghiệm từ 3 đến dưới 5 năm chiếm 27.9, nhóm kinh nghiệm có ít người tham gia khảo sát nhất là
81
dưới 1 năm, chỉ 51 người, tương đương với 6%.
Bảng 3.10. Mô tả về tần suất trên tổng và tần suất trên nơi ở của các website BĐS, mục đích và loại BĐS nhà ở
Tiêu chí
Tần suất trên tổng
Tần suất trên nơi ở Thành phố Hà Nội Thành phố Hồ Chí Minh Số lượng Tỉ lệ (%) Số lượng Tỉ lệ (%) Số lượng Tỉ lệ (%) WEBSITE batdongsan.com.vn 362 42.7% 235 36.7% 127 61.7% cafeland.vn 191 22.6% 175 27.3% 16 7.8% cenhomes.vn 135 15.9% 116 18.1% 19 9.2% chotot.com.vn 89 10.5% 60 9.4% 29 14.1% online.vinhomes.vn 70 8.3% 55 8.6% 15 7.3% MỤC ĐÍCH Để tìm kiếm thông 847 100% 641 100% 206 100%
82 Tiêu chí
Tần suất trên tổng
Tần suất trên nơi ở Thành phố Hà Nội Thành phố Hồ Chí Minh Số lượng Tỉ lệ (%) Số lượng Tỉ lệ (%) Số lượng Tỉ lệ (%) tin về bất động sản mình quan tâm Để tìm hiểu về chủ đầu tư, bên môi giới, đại lý,…
422 50% 324 50.55% 98 47.57%
Để so sánh, đánh giá
các bất động sản 425 50% 317 49.45% 108 52.43%
Để đăng thông tin về bất động sản (mua, bán, cho thuê,...) 429 51% 328 51.17% 101 49.03% Để tìm hiểu các thông tin về thị trường 418 49% 313 48.83% 105 50.97% LOẠI BĐS NHÀ Ở Nhà chung cư 402 47% 295 46% 107 52% Đất nền dự án (nhà liền kề) 445 53% 346 53.98% 99 48% Biệt thự 216 26% 156 24% 60 29% Đất thổ cư 193 23% 137 21% 56 27% Nhà ở có sẵn trong
khu dân cư 438 52% 348 54.29% 90 44%
Nguồn: Nhóm nghiên cứu tổng hợp Theo dữ liệu khảo sát ở bảng 3.10, website bất động sản được nhiều người lựa chọn để tìm kiếm thông tin nhất là batdongsan.com.vn (42.74%), cafeland.vn
Hình 4.8. Kết quả phân tích CFA
Nguồn: Nhóm tác giả tổng hợp 4.2.4. Kết quả phân tích SEM
Kết quả kiểm định giả định về tính phân phối chuẩn của dữ liệu các thang đo trong nghiên cứu đều đảm bảo và các câu hỏi đặt ra trong thang đo đều có tính tương quan cao với các nhân tố. Nhóm tác giả thực hiện chạy các mô hình cấu trúc tuyến tính để kiểm định các giả thuyết, mô hình có giá trị χ 2 =1505.402 với bậc tự do là 304; hệ