Nguyên gốc Điều chỉnh
Tôi sẽ xem xét ảnh hưởng của thuế lợi nhuận bất động sản (RPGT) trước khi đưa ra quyết định đầu tư vào bất động sản nhà ở
Tôi sẽ xem xét ảnh hưởng của thuế chuyển nhượng bất động sản trước khi tôi ra quyết định đầu tư vào căn hộ
Tôi sẽ xem lãi suất cho vay trước khi đưa ra quyết định đầu tư vào bất động sản nhà ở
Tôi sẽ xem lãi suất cho vay trước khi tôi ra quyết định đầu tư vào căn hộ
Tôi sẽ xem xét tỷ lệ khoản vay trên giá trị tài sản trước khi đưa ra quyết định đầu tư vào bất động sản nhà ở
Tôi sẽ xem xét tỷ lệ khoản vay là bao nhiêu phần trăm trên giá trị tài sản trước khi tôi ra quyết định đầu tư vào căn hộ
Tôi sẽ xem các biện pháp làm mát tài sản của chính phủ trước khi đưa ra quyết định đầu tư vào bất động sản nhà ở
Tôi sẽ xem xét các giải pháp, công cụ điều tiết thị trường bất động sản do chính phủ ban hành trước khi tôi ra quyết định đầu tư vào căn hộ
Tôi sẽ xem xét giá bán trước khi đưa ra quyết định đầu tư vào bất động sản nhà ở
Tôi sẽ xem xét giá bán trước khi tôi ra quyết định đầu tư vào căn hộ
Tôi sẽ xem xét phương thức thanh toán trước khi đưa ra quyết định đầu tư vào bất động sản nhà ở
Tôi sẽ xem xét phương thức thanh toán trước khi tôi ra quyết định đầu tư vào căn hộ
Tôi sẽ xem xét các chương trình hỗ trợ khách hàng của chủ đầu tư trước khi đưa ra quyết định đầu tư vào bất động sản nhà ở
Tôi sẽ xem xét các chính sách bán hàng ưu đãi của chủ đầu tư trước khi tôi ra quyết định đầu tư vào căn hộ
Bảng 3.6: Thang đo động lực đầu tư căn hộ của khách hàng sau khi điều chỉnh
Nguyên gốc Điều chỉnh
Tôi đầu tư vào một bất động sản vì nó mang lại nguồn thu nhập thụ động từ việc thu tiền thuê hoặc tăng giá trị tài sản theo thời gian
Tôi đầu tư vào căn hộ vì nó mang lại nguồn thu nhập thụ động từ việc thu tiền cho thuê hoặc tăng giá trị tài sản theo thời gian
Tơi đầu tư vào một bất động sản vì nó mang lại nguồn lợi nhuận từ việc bán tài sản vốn
Tôi đầu tư vào căn hộ vì nó mang lại nguồn lợi nhuận từ việc bán chuyển nhượng
Tơi đầu tư vào một bất động sản vì nó là cơng cụ đầu tư để chống lại lạm phát
Tôi đầu tư vào căn hộ vì nó là cơng cụ đầu tư để chống lại lạm phát
(Nguồn: Nội dung thảo luận nhóm – phụ lục 2)
3.3 Mẫu
3.3.1 Đối tượng khảo sát
Đối tượng khảo sát là các khách hàng cá nhân đã đầu tư từ hai căn hộ trở lên ở những dự án khác nhau tại khu vực Tp. HCM từ tháng 3 năm 2016 đến tháng 3 năm 2019. Đây là lượng khách hàng đã mua các căn hộ do tác giả và các bạn sale trong công ty tư vấn, hoặc các khách hàng trong các group đầu tư bất động sản. Tác giả sử dụng hai cách thu thập dữ liệu: bảng câu hỏi khảo sát được thiết kế sẵn sẽ gửi đến khách hàng dưới hai hình thức là phỏng vấn trực tiếp hay thơng qua Form – Google Docs. Bảng khảo sát được gửi đường dẫn cho khách hàng bằng zalo, messenger, email hoặc gửi vào các group dự án, group đầu tư trên facebook để khách hàng tự trả lời.
3.3.2 Kích thước mẫu
“Chọn mẫu đóng vai trị quan trọng trong nghiên cứu định lượng vì nó liên quan trực tiếp đến chi phí và chất lượng của dự án nghiên cứu. Kích thước mẫu cũng là một vấn đề được các nhà nghiên cứu quan tâm vì nó liên quan trực tiếp đến độ tin cậy của các tham số thống kê”, (Nguyễn Đình Thọ, 2013). Quá trình chọn mẫu đáp ứng
phí, thời gian nghiên cứu nhưng vẫn cho kết quả tốt nhất. Vì nghiên cứu này được sử dụng đồng thời phương pháp EFA và phân tích hồi quy tuyến tính bội nên cần có kích thước mẫu lớn. Tác giả sử dụng chọn mẫu phi xác suất theo phương pháp thuận tiện để tiện trong việc chọn những đối tượng khảo sát có khả năng dễ tiếp cận nhất.
Trong phân tích nhân tố khám phá EFA, kích thước mẫu thường được xác định dựa vào kích thước tối thiểu và số lượng biến đo lường đưa vào phân tích. Hair et al. (2006) cho rằng một biến đo lường cần tối thiếu là 5 quan sát. Trong nghiên cứu này có tổng cộng 22 biến quan sát, như vậy kích thước mẫu tối thiểu là 110.
Theo Tabachnick và Fidell (2012): “Mẫu dùng cho phân tích hồi quy bội (MLR) có kết quả tốt có thể đạt cỡ mẫu theo công thức n ≥ 8m + 50, với n là kích thước mẫu tối thiểu, m là số lượng biến độc lập trong mơ hình”. Do đó cần mẫu có kích thước tối thiểu là 82.
Như vậy, kích thước mẫu tối thiếu được chọn trong nghiên cứu này là 110 thỏa mãn cả EFA và MLR về kích thước mẫu. Đồng thời, phần câu hỏi gạn lọc trong bảng khảo sát sẽ giúp chọn ra đúng đối tượng nghiên cứu hơn. Vì vậy, để đáp ứng yêu cầu tối thiểu của kích thước mẫu, tác giả dự kiến cỡ mẫu cho nghiên cứu này là khoảng n = 300.
3.4 Phương pháp xử lý số liệu
3.4.1 Tóm tắt các bước xử lý số liệu
Kết quả của số liệu sẽ được tác giả xử lý bằng phần mềm SPSS 20. Các bước thực hiện theo trình tự sau:
Bước 1: Kiểm định độ tin cậy của các thang đo bằng hệ số Cronbach Alpha. Các thang đo cụ thể trong bài nghiên cứu gồm có: thang đo các yếu tố ảnh hưởng (bao gồm một tập bốn thang đo: thang đo vị trí, thang đo mơi trường xung quanh, thang đo cấu trúc, thang đo tài chính) và thang đo động lực đầu tư căn hộ của khách hàng. “Các biến có hệ số tương quan biến - tổng hiệu chỉnh (corrected item - total
correlation) nhỏ hơn 0.3 và thang đo có Cronbach Alpha nhỏ hơn 0.6 cần được xem xét loại bỏ”, (Nguyễn Đình Thọ, 2013).
Bước 2: Phân tích nhân tố khám phá EFA sẽ giúp xác định lại các nhóm biến trong mơ hình và loại những biến khơng đạt u cầu. Theo Nguyễn Đình Thọ (2013): “Để sử dụng EFA thì hệ số KMO phải > 0.5, sig Bartlett < 0.05, các biến quan sát có hệ số tải nhân tố (factor loading) < 0.5 sẽ bị loại. Mơ hình EFA phù hợp khi tổng phương sai trích (total variance extracted) đạt từ 50% trở lên”.
Bước 3: Để kiểm tra mơ hình có mức độ phù hợp như thế nào và xây dựng được phương trình hồi quy, tác giả tiến hành làm rõ các mối quan hệ giữa các biến được nêu ra trong giả thuyết bằng phân tích hồi quy tuyến tính bội.
Bước 4: Kiểm định khác biệt trung bình qua mơ hình Independent samples T- test và ANOVA. Nội dung của phần này là kiểm định sự khác biệt về mức độ đánh giá các yếu tố ảnh hưởng đến động lực đầu tư căn hộ của khách hàng theo các đặc điểm cá nhân.
3.4.2 Kiểm định sơ bộ độ tin cậy của thang đo
Tất cả thang đo của biến các yếu tố ảnh hưởng và động lực đầu tư căn hộ đề cập trong mơ hình nghiên cứu được thể hiện ở nhiều khía cạnh khác nhau. Do đó chúng cần phải được kiểm định chặt chẽ để loại bớt đi những biến quan sát, những thành phần khơng đạt u cầu, khơng liên quan đến mơ hình nghiên cứu.
“Để tính Cronbach Alpha cho một thang đo thì thang đo phải có tối thiểu ba biến đo lường. Hệ số Cronbach Alpha có giá trị biến thiên trong khoảng [0,1]. Về mặt lý thuyết, Cronbach Alpha càng cao càng tốt (thang đo càng có độ tin cậy cao). Tuy nhiên điều này không thực sự như vây. Hệ số Cronbach Alpha quá lớn (> 0.95) cho thấy nhiều biến trong thang đo khơng có sự khác biệt gì nhau (nghĩa là chúng cùng đo lường một nội dung nào đó của khái niệm nghiên cứu). Hiện tương này được gọi là hiện tượng trùng lắp trong đo lường (redundancy)”, (Nguyễn Đình Thọ, 2013).
Nếu Cronbach Alpha lớn hơn hoặc bằng 0.6 thì về mặt độ tin cậy thang đo có thể chấp nhận được (Nunnally and Bernstein, 1994). Đồng thời nếu một biến đo lường có hệ số tương quan biến - tổng hiệu chỉnh (corrected item - total correlation) ≥ 0.3 thì biến đó đạt u cầu (Nunnally and Bernstein, 1994). Do đó trong kiểm định này, các biến quan sát sẽ được chấp nhận nếu thỏa mãn hai điều kiện:
✓ Giá trị Cronbach Alpha ≥ 0.6.
✓ Hệ số tương quan biến – tổng thấp nhất trong các thành phần phải ≥ 0.3.
3.4.3 Phân tích nhân tố khám phá EFA
Sau khi loại bỏ một số biến quan sát khơng thõa mãn hai u cầu trên (nếu có). Tac giả tiến hành phân tích nhân tố khám phá EFA. Các tiêu chuẩn để kiểm tra độ phù hợp mơ hình như sau:
Kiểm định KMO: Chỉ số KMO dùng để so sánh độ lớn của hệ số tương quan từng thành phần giữa các biến quan sát với nhau. “KMO càng lớn càng tốt vì phần chung giữa các biến càng lớn. Để sử dụng EFA thì KMO ≥ 0.5. Kaiser (1974) đề nghị giá trị KMO như sau: KMO ≥ 0.9: rất tốt; ≥ 0.8: tốt; ≥ 0.7: đạt yêu cầu; ≥ 0.6: tạm chấp nhận; ≥ 0.5: xấu và < 0.5: khơng được chấp nhận”, (Nguyễn Đình Thọ, 2013). Ứng dụng trong bài, tác giả lựa chọn điều kiện để hệ số KMO chấp nhận là nằm trong khoảng [0.5;1].
Kiểm định Bartlett (Bartlett’s test of sphenricity) dùng để xem xét các biến quan sát trong nhân tố có tương quan với nhau hay khơng. Vì vậy, u cầu nếu phép kiểm định Barltett có ý nghĩa thống kê (Sig < 0.05), chứng tỏ các biến quan sát có tương quan với nhau trong nhân tố.
Hệ số tải nhân tố: Đây là chỉ tiêu đảm bảo mức ý nghĩa của EFA. “Hệ số tải nhân tố > 0.3 đạt mức tối thiểu, > 0.4 là quan trọng, ≥ 0.5 có ý nghĩa thực tiễn. Trong bài nghiên cứu, tác giả lựa chọn sử dụng hệ số tải nhân tố phải > 0.5, những biến quan sát có hệ số ≤ 0.5 sẽ bị loại”, (Hair et al., 2010).
Tổng phương sai trích được dùng để đánh giá thang đo trong EFA. Hệ số này thể hiện các nhân tố trích được bao nhiêu phần trăm của các biến đo lường, yêu cầu đối với tổng phương sai trích của các nhân tố phải đạt từ 50% trở lên, điều đó có ý nghĩa là phần chung phải lớn hơn phần riêng và sai số.
Trong nghiên cứu này, khi phân tích EFA tác giả sử dụng phép trích nhân tố là phương pháp phân tích mơ hình thành phần chính với phép quay vng góc Varimax. Khi sử dụng phương pháp PCA trong phân tích này, phần trích chung ban đầu ln bằng 1 và phần trích cuối cùng nhỏ hơn 1. Điểm dừng khi trích các nhân tố có Eigenvalue ≥1 được sử dụng để diễn giải kết quả của EFA.
3.4.4 Phân tích hồi quy 3.4.4.1 Phân tích tương quan 3.4.4.1 Phân tích tương quan
Phân tích tương quan nhằm kiểm tra mối quan hệ tương quan tuyến tính giữa các biến với nhau. Hệ số tương quan Pearson (kí hiệu là r) sẽ được sử dụng để lượng hóa mức độ chặt chẽ của các mối quan hệ tuyến tính giữa hai biến định lượng.
“Hệ số r luôn nằm trong khoảng từ -1 đến 1, nếu hệ số r > 0 thể hiện tương quan đồng biến, nếu r < 0 thể hiện tương quan nghịch biến và khi r = 0 thì hai biến khơng có mối quan hệ tuyến tính. Giá trị r càng gần về 1 thì hai biến này có mối quan hệ tương quan tuyến tính càng chặt chẽ (nếu│r│= 1 thì tất cả các điểm phân tán xếp thành một đường thẳng)”, (Nguyễn Đình Thọ, 2013).
3.4.4.2 Phân tích hồi quy bội
Thực hiện phân tích hồi quy bội bằng phương pháp bình phương nhỏ nhất thông thường (Ordinary Least Square – OLS) được thực hiện nhằm kiểm định mơ hình lý thuyết và qua đó xác định mức độ tác động của từng yếu tố ảnh hưởng đến động lực đầu tư căn hộ của khách hàng. Trình tự phân tích hồi quy tuyến tính bội trong bài nghiên cứu được thực hiện như sau:
✓ Phương pháp đưa biến vào phân tích hồi quy là phương pháp đồng thời (phương pháp ENTER trong SPSS).
✓ Thực hiện kiểm định F để kiểm định sự phù hợp của mơ hình hồi quy.
✓ Để đánh giá mức độ phù hợp của mơ hình hồi quy đối với tập dữ liệu, ta sử dụng hệ số R2 hiệu chỉnh.
✓ Sử dụng hệ số Beta để đánh giá mức độ ảnh hưởng (nhiều hay ít) giữa các biến ảnh hưởng đến động lực đầu tư căn hộ của khách hàng đầu tư.
✓ Cuối cùng, nhằm đảm bảo độ tin cậy của phương trình hồi quy được xây dựng cuối cùng là phù hợp, tác giả thực hiện các dị tìm vi phạm của các giả định gồm có: giả định quan hệ tuyến tính, phân phối chuẩn của phần dư, kiểm tra hiện tượng đa cộng tuyến (kiểm tra hiện tượng đa cộng tuyến dùng hệ số phóng đại phương sai VIF).
3.4.5 Kiểm định khác biệt trung bình qua mơ hình T- test và ANOVA
Để kiểm định xem mức độ ảnh hưởng các yếu tố đến động lực đầu tư căn hộ có sự khác biệt hay khơng giữa các khách hàng có đặc điểm cá nhân khác nhau như: giới tính, tình trạng hơn nhân, độ tuổi, trình độ học vấn, nghề nghiệp và thu nhập, tác giả sử dụng phương pháp kiểm định Independent samples T- test và ANOVA. T- test được sử dụng để kiểm định sự khác biệt giá trị trung bình về một chỉ tiêu nghiên cứu giữa hai đối tượng với cách chọn mẫu độc lập. Phân tích phương sai ANOVA là sự mở rộng của kiểm định T-test vì phương pháp này giúp ta so sánh giá trị trung bình của ba nhóm trở lên.
Đầu tiên, thực hiện Levene test nhằm kiểm định phân phối chuẩn của phương sai của các tổng thể con trước khi tiến hành kiểm định sự bằng nhau của giá trị trung bình. Nếu Sig Levene’s Test >0.05, ta kiểm định Independent samples T- test (giữa 2 nhóm đối tượng) hoặc ANOVA (từ 3 nhóm trở lên). Nếu Sig Levene’s Test < 0.05, giả thuyết phương sai đồng nhất giữa các nhóm giá trị biến định tính đã bị vi phạm. Chúng ta khơng thể sử dụng ANOVA mà sẽ đi vào kiểm định Welch cho trường hợp vi phạm giả định phương sai đồng nhất (Green et al., 2005; Field, 2009).Tóm tắt
chương
đo qua hệ số Cronbach Alpha, phân tích EFA, phân tích hồi quy tuyến tính bội, kiểm định T-test và ANOVA. Tiếp theo nêu rõ đối tượng khảo sát, trình bày cách lấy mẫu và xác định kích thước mẫu của nghiên cứu là 300 mẫu, điều chỉnh thang đo nghiên cứu gồm 19 biến quan sát trong các yếu tố ảnh hưởng (5 biến quan sát về vị trí, 3 biến quan sát về mơi trường xung quanh, 4 biến quan sát về cấu trúc, 7 biến quan sát về tài chính) và 3 biến quan sát động lực đầu tư căn hộ của khách hàng. Nội dung chương 4 sẽ phân tích và đánh giá kết quả nghiên cứu dựa trên dữ liệu có được từ kết quả khảo sát.
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU VÀ THẢO LUẬN
Chương 4 sẽ trình bày kết quả phân tích dữ liệu được thu thập từ việc xử lý kết quả khảo sát định lượng bằng phần mềm SPSS 20. Những nội dung chính trong chương này gồm: kiểm định thang đo bằng hệ số tin cậy Cronbach Alpha, phân tích nhân tố khám phá EFA và phân tích hồi quy tuyến tính bội để đánh giá sự ảnh hưởng của các yếu tố đến động lực đầu tư căn hộ của khách hàng tại Tp. HCM.
4.1 Thống kê mô tả
Sau khi tiến hành khảo sát các khách hàng đã mua căn hộ tại Tp. HCM, tác giả thu về được 300 kết quả khảo sát. Trong đó có 256 kết quả khảo sát từ Google biểu mẫu và 44 khảo sát giấy, dựa vào hai câu hỏi gạn lọc trong bảng khảo sát tác giả thu về được tổng cộng 270 kết quả khảo sát hợp lệ, bao gồm 240 khảo sát từ Google biểu mẫu và 40 khảo sát giấy. Tác giả tiến hành xử lý và phân tích số liệu dựa trên 270 bảng khảo sát, đạt tỷ lệ 90%.
Một số thông tin về các đối tượng khảo sát như giới tính, độ tuổi, tình trạng hơn