Phương pháp phân tích dữ liệu

Phần mền sử dụng trong q trình phân tích dữ liệu SPSS 20 và tiến hành phân tích dữ liệu theo các bước.

3.5.1 Thống kê mô tả

Thực hiện bước này nhằm mơ tả mẫu nghiên cứu, giúp hiểu được tính chất của bợ dữ liệu bằng cách đưa ra các tóm tắt về mẫu như: tên các biến, số lượng, giá trị min/max, giá trịnh trung bình.

3.5.2 Kiểm định Cronbach’Alpha

Kiểm định Cronbach’s Alpha nhằm kiểm tra sự chặt chẽ và tương quan giữa biến quan sát và biến tổng. Để kiểm tra việc này sử dụng hai chỉ số thống kê là: hệ số Cronback’s Alpha và hệ số tương quan biến tổng.

Hệ số Cronbach’s Alpha đánh giá biến quan sát thuộc một nhân tố nghiên cứu có phù hợp khơng. Thọ (2009) đưa ra quy tắc đánh giá hệ số Cronbach’s Alpha như sau:

Nhỏ hơn 0.6. Thang đo nhân tố là không phù hợp. 0.6 – 07: Chấp nhận được với các nghiên cứu mới.

43 0.8 – 0.95: tốt.

> 0.95: Chấp nhận được nhưng không tốt, nên xét xét các biến quan sát có thể có hiện tượng trùng biến.

Hệ số tương quan biến tổng cho biến mức độ liên kết giữa một biến quan sát trong nhân tố với các biến cịn lại, phản ánh mức đợ đóng góp vào giá trị khái niệm của nhân tố. Tiêu chuẩn hệ số tương quan biến tổng phải lớn hơn 0.3.

Trong bài nghiên cứu tác giả áp dụng quy tắc chọn các biến quan sát có hệ số Cronbach’s Alpha > 0.6 và hệ số tương quan biến tổng > 0.3, loại bỏ các biến quan sát không đủ điều kiện.

3.5.3 Phân tích nhân tố khám phá (EFA)

Là phương pháp phân tích giúp đánh giá hai loại giá trị quan trọng của thang đo là giá trị hội tụ và giá trị phân biệt. Dự trên cơ sở mối quan hệ tuyến tính của các nhân tố với các biến quan sát, phân tích EFA rút gọn tập k biến quan sát thành tập F (F<k) có ý nghĩa hơn, giúp tiết kiệm thời gian và kinh phí rất nhiều trong q trình nghiên cứu. Những tiêu chí trong phân tích EFA bao gồm:

Hệ số tải nhân tố (Factor loading): Được định nghĩa là trọng số nhân tố, giá trị này biểu thị mối quan hệ tương quan giữa biến quan sát với nhân tố. Hệ số tải nhân tố càng cao, nghĩa là tương quan giữa biến quan sát đó với nhân tố càng lớn và ngược lại. 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:

Nếu Factor loading > 0.3 được xem là đạt mức tối thiểu. Nếu Factor loading > 0.4 được xem là quan trọng.

Nếu Factor loading > 0.5 được xem là có ý nghĩa thực tiễn.

Hệ số tải 0.5 làm mức tiêu chuẩn với cỡ mẫu từ 120 đến dưới 350, hệ số tải là 0.3 với cỡ mẫu từ 350 trở lên.

Kiểm định Bartlett có ý nghĩa thống kê (Sig < 0.05): Kiểm định Bartlett là một đại lượng thống kê được dùng để xem xét giả thuyết các biến không có tương quan trong tổng thể. Trong trường hợp 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.

Hệ số KMO (Kaiser-Meyer-Olkin) là một chỉ số dùng để xem xét sự thích hợp của phân tích nhân tố. Nếu trị số này nhỏ hơn 0.5, thì phân tích nhân tố có khả năng khơng thích hợp với tập dữ liệu nghiên cứu. Trị số của KMO phải đạt giá trị 0.5 trở lên (0.5 ≤ KMO ≤ 1) là điều kiện đủ để phân tích nhân tố là phù hợp.

Phần trăm phương sai trích (Percentage of variance) > 50%: Nó thể hiện phần trăm biến thiên của các biến quan sát. Nghĩa là xem biến thiên là 100% thì giá trị này cho biết phân tích nhân tố giải thích được bao nhiêu %.

Trị số Eigenvalue là mợt tiêu chí sử dụng phổ biến để xác định số lượng nhân tố trong phân tích EFA. Với tiêu chí này, chỉ có những nhân tố nào có Eigenvalue ≥ 1 mới được giữ lại trong mơ hình phân tích.

3.5.4 Phân tích tương quan Pearson

Nhằm kiểm tra đợ lớn của mối quan hệ giữa biến phụ thuộc với các biến độc lập, nhận diện vấn đề đa cợng tuyến khi các biến đợc lập cũng có tương quan mạnh với nhau. Hệ số tương quan Pearson (r) nằm trong [-1,1] và có ý nghĩa khi sig < 0.05 Nếu r càng tiến về 1, -1: tương quan tuyến tính càng mạnh, càng chặt chẽ. Tiến về 1 là tương quan dương, tiến về -1 là tương quan âm.

Nếu r càng tiến về 0: tương quan tuyến tính càng yếu.

Nếu r = 1: tương quan tuyến tính tuyệt đối, khi biểu diễn trên đồ thị các điểm biểu diễn sẽ nhập lại thành 1 đường thẳng.

3.5.5 Phân tích hồi qui

Dùng đánh giá mức phù hợp của mơ hình, xác định mức tác đợng nhiều/ít/khơng của các biến độc lập lên sự thay đổi của biến phụ tḥc. Phương pháp đưa biến vào phân tích hồi qui theo phương pháp Enter tức là đưa tất cả các bến vào mợt lần. Phương trình hồi qui có dạng: Yi= 0 + 1X1 + 2X2 + … + nnX + 

(Yi: biến phụ thuộc, Xi: biến độc lập, : hệ số hồi qui, : sai số ngẫu nhiên) Những tiêu chí trong phân tích hồi qui gồm:

3.5.5.1 Kiểm định sự phù hợp mơ hình thơng qua kiểm định F và R2 hiệu chỉnh

Giá trị R2 (R Square), R2 hiệu chỉnh (Adjusted R Square): Giá trị R2 và R2 hiệu chỉnh phản ánh mức đợ giải thích biến phụ tḥc của các biến đợc lập trong mơ hình hồi quy. R2 hiệu chỉnh phản ánh sát hơn so với R2. Giá trị nằm trong đoạn [0,1], chỉ số này nếu càng tiến về 1 thì mơ hình càng có ý nghĩa, càng tiến về 0 thì ý nghĩa mơ hình càng yếu, từ 0.5 đến 1 thì mơ hình là tốt, bé hơn 0.5 là mơ hình chưa tốt. Giá trị này thường nằm trong bảng Modet Summary.

Kiểm định F: Giá trị sig của kiểm định F được sử dụng để kiểm định đợ phù hợp của mơ hình hồi quy. Nếu sig nhỏ hơn 0.05, ta kết luận mơ hình hồi quy tuyến tính bợi phù hợp với tập dữ liệu và có thể sử đụng được. Giá trị này thường nằm trong bảng Anova

3.5.5.2 Kiểm định giả thiết

Kiểm định t: Giá trị sig của kiểm định t được sử dụng để kiểm định ý nghĩa của hệ số hồi quy. Nếu sig kiểm định t của hệ số hồi quy của một biến độc lập nhỏ hơn 0.05, ta kết luận biến đợc lập đó có tác đợng đến biến phụ tḥc. Nếu sig kiểm định t của biến độc lập lớn hơn 0.05, chúng ta kết luận biến đợc lập đó khơng có sự tác động lên biến phụ thuộc, và khơng cần loại bỏ biến đó để chạy lại hồi quy lần tiếp theo. Mỗi biến độc lập tương ứng với một hệ số hồi quy riêng, do vậy mà ta cũng có từng kiểm định t riêng. Giá trị này thường nằm trong bảng Coefficients.

3.5.5.3 Kiểm định hiện tượng đa cộng tuyến

Đa cợng tuyến VIF: Hệ số phóng đại phương sai VIF dùng để kiểm tra hiện tượng đa cộng tuyến. Thông thường, nếu VIF của một biến đợc lập lớn hơn 10 nghĩa là đang có đa cợng tuyến xảy ra với biến đợc lập đó. Khi đó, biến này sẽ khơng có giá trị giải thích biến thiên của biến phụ tḥc trong mơ hình hồi quy. Với các đề tài sử dụng thang đo Likert, nếu hệ số VIF > 2 thì khả năng rất cao đang xảy ra hiện tượng đa cộng tuyến giữa các biến độc lập. Giá trị này thường nằm trong bảng Coefficients.

3.5.5.4 Kiểm định hiện tượng tự tương quan

Hệ số Durbin Watson: Hệ số Durbin – Watson (DW) dùng để kiểm tra hiện tượng tự tương quan chuỗi bậc nhất (kiểm định tương quan của các sai số kề nhau). Có giá trị trong khoảng từ {0,4}. Nếu các phần sai số khơng có tương quan chuỗi bậc nhất với nhau thì giá trị sẽ gần bằng 2, nếu giá trị càng nhỏ, gần về 0 thì các phần sai số có tương quan thuận. Nếu càng lớn, gần về 4 có nghĩa là các phần sai số có tương quan nghịch.

Nếu DW nhỏ hơn 1 và lớn hơn 3, chúng ta cần thực sự lưu ý bởi khả năng rất cao xảy ra hiện tượng tự tương quan chuỗi bậc nhất, thường giá trị DW nằm trong khoảng 1.5 – 2.5 sẽ không xảy ra hiện tượng tự tương quan, đây cũng là mức giá trị tiêu chuẩn chúng ta sử dụng phổ biến hiện nay.

Để đảm bảo chính xác, chúng ta sẽ tra ở bảng thống kê Durbin-Watson (có thể tìm bảng thống kê DW trên Internet). Giá trị này thường nằm trong bảng Modet Summary.

Hệ số k’ là số biến độc lập đưa vào chạy hồi quy, N là kích thước mẫu.

3.5.5.5 Kiểm định khả năng tuân theo phân phối chuẩn của phần dư

Đánh giá sự vi phạm giả định phân phối chuẩn của phần dư ta sẽ dùng hai công cụ vẽ của phần mềm SPSS là biểu đồ Histogram và đồ thị P-P Plot. Trong biểu đồ Histogram ta thấy phần dư có phân phối chuẩn với giá trị trung bình (Mean) gần

bằng 0 và đợ lệch chuẩn của nó gần bằng 1 (Std. Dev. = 0.990). Điều này cho thấy phân phối của phần dư có dạng gần chuẩn, thỏa yêu cầu giả định về phân phối chuẩn của phần dư.

3.5.5.6 Kiểm định phương sai phần dư thay đổi sử dụng tương quan hạng Spearman

Nếu xảy ra hiện tượng phương sai thay đổi, kết quả của phương trình hồi quy sẽ khơng chính xác, làm sai lệch kết quả so với thực tế, từ đó khiến đánh giá khơng đúng chất lượng của phương trình hồi quy tuyến tính. Đánh giá sự vi phạm giả định phân phối chuẩn của phần dư tác già sử dụng kiểm định tương quan hạng Spearman giữa phần dư chuẩn hóa với các biến đợc lập. Nếu giá trị sig. tương quan Spearman giữa phần dư chuẩn hóa (ABSRES) với các biến đợc lập đều lớn hơn 0.05, có thể kết luận rằng khơng có hiện tượng phương sai thay đổi xảy ra, trường hợp có ít nhất 1 giá trị sig. < 0.05, khi đó mơ hình hồi quy đã vi phạm giả định phương sai không đổi

3.5.5.7 Phương trình hồi qui

(Yi: biến phụ thuộc, Xi: biến độc lập, : hệ số hồi qui, : sai số ngẫu nhiên).

3.5.6 Kiểm định sự khác nhau của ý định mua chung cư của dân đối với biến

kiểm soát

Ta sử dụng kiểm định independent sample T-trường hợp biến kiểm sốt có 2 giá trị. Nếu Sig. Levene’ s Test < 0.05 thì phương sai của hai giá trị là khác nhau, tiếp theo chúng ta sử dụng giá trị Sig. kiểm T-Test ở hàng Equal variances not assumed. Nếu giá trị Sig. T-Test < 0.05, kết luận: Có sự khác biệt có ý nghĩa thống kê giữa biến kiểm sốt và biến phụ tḥc, trong trường hợp giá trị Sig. T-Test >= 0.05, kết luận: Khơng có sự khác biệt có ý nghĩa thống kê giữa biến kiểm sốt và biến phụ thuộc.

Nếu Sig. Levene’ s Test > 0.05 thì phương sai giữa hai giá trị không khác nhau, sử dụng giá trị Sig. T-Test ở hàng Equal variances assumed. Nếu giá trị Sig. T-Test < 0.05, kết luận: Có sự khác biệt có ý nghĩa thống kê giữa biến kiểm soát và biến phụ thuộc, trong trường hợp giá trị Sig. T-Test >= 0.05, kết luận: Khơng có sự khác biệt có ý nghĩa thống kê giữa biến kiểm sốt và biến phụ tḥc.

Ta sử dụng kiểm định One-way Anova trong trường hợp biến kiểm sốt có từ 3 giá trị trở lên. Nếu giá trị Sig. trong bảng Test of Homogeneity of Variances > 0.05 thì phương sai của các nhóm giá trị đồng nhất. Ta tiếp tục tra bảng Anova nếu Sig.< 0.05, kết luận: Có sự khác biệt có ý nghĩa thống kê. Trong trường hợp Sig. > 0.05, kết luận: Khơng có sự khác biệt có ý nghĩa thống kê. Nếu giá trị Sig. trong bảng Test of Homogeneity of Variances < 0.05 thì phương sai giữa các nhóm giá trị khơng đồng nhất. Ta tiếp tục tra bảng Robust test nếu Sig. < 0.05, kết luận: Có sự khác biệt có ý nghĩa thống kê. Trong trường hợp Sig. ≥ 0.05, kết luận: Khơng có sự khác biệt có ý nghĩa thống kê

TÓM TẮT CHƯƠNG 3

Trong chương này tác giả trình bày: các bước nghiên cứu, nghiên cứu định tính, nghiên cứu định lượng sơ bợ, mã hóa thang đo và biến quan sát, nghiên cứu định lượng chính thức, xác định kích thước mẫu, phương pháp thu thập và chọn mẫu, nợi dung phân tích dữ liệu.

CHƯƠNG 4 PHÂN TÍCH KẾT QUẢ KHẢO SÁT

4.1 Giới thiệu về TP.TĐ và thị trường bất động sản TP.TĐ

Thành phố Thủ Đức được thành lập dựa trên cơ sở sát nhập quận 2, 9, Thủ Đức với diện tích rợng hơn 211 km2, có quy mơ trên 1 triệu dân.

Thành phố có tổng cợng 34 phường, vị trí địa lý giáp ranh quận 1, 4, 7, 12, Bình Thạnh và các tỉnh Bình Dương, Đồng Nai.

Cơ sở hạ tầng được đầu tư và phát triển một cách đồng bộ. Tạo điều kiện kết nối giao thông và tăng cường hợp thác thúc đẩy kinh tết các khu vực lân cận. Ngoài ra thành phố Thủ Đức có vị trí rất thuận lợi để phát triển hậu cần logistics. Điều phối vận chuyển hàng hóa và đa dạng các phương thức vận chuyển. Và là thị trường bất động sản đang diễn ra khá sôi nổi trong thời gian gần đây.

Theo ghi nhận thực tế trên địa bàn thì thị trường bất động sản ở TP.TĐ đang tăng nhanh, nhanh hơn mặt bằng chung tồn TP,HCM. Tính đến q III năm 2020, thành phố phía đơng này có 103 dự án căn hợ triển khai với mức giá trung bình 42 triệu đồng một m2, tăng 8% so với cùng kỳ năm 2019.

Xét về phân khúc, cả năm 2020 thị trường khơng có sản phẩm bình dân nào được chào bán. Trong khi đó, phân khúc cao cấp lần đầu tiên chiếm tỷ trọng cao nhất với 76% tổng nguồn cung chào bán. Phân khúc trung cấp chỉ chiếm 17% và hạng sang chiếm 7% với nguồn cung chính đến từ hai dự án tại khu đô thị mới Thủ Thiêm. Về vị trí, khu Đơng (thành phố Thủ Đức) chiếm 91% về nguồn cung chào bán theo căn và 43% theo số lượng dự án nhờ có dự án khu đơ thị ở quận 9 cũ. Việc thành lập thành phố Thủ Đức vào năm 2021 làm thay đổi diện mạo của khu vực này và tiếp tục làm gia tăng nguồn cung tại khu vực phía Đơng.

Quý IV/2020, giá bán trung bình trên thị trường sơ cấp đạt mức 49 triệu đồng một m2, tăng 9% so với quý trước và 13% so với cùng kỳ năm trước. Mức giá trung

bình tăng mạnh do các sản phẩm được chào bán chủ yếu tại phân khúc cao cấp và hạng sang.

Với mức giá tăng cao và ảnh hưởng bởi dịch COVID-19, tình hình hấp thụ của thị trường nhà ở bán bị ảnh hưởng nhất định. Chỉ 75% sản phẩm chào bán mới được tiêu thụ trong năm 2020, thấp hơn mức 90% trong năm 2019. Hàng tồn kho được ghi nhận tăng lên đáng kể tại phân khúc cao cấp, tăng 74% so với cùng kỳ năm trước.

Chính vì vậy đây là thời điểm mà các doanh nghiệp cần tung ra thi trường các sản phẩm bất động sản chung cư nhằm đáp ứng kịp thời nhu cầu của khách hàng trong thời gian sắp tới.

4.2 Kết quả nghiên cứu định lượng sơ bộ

Tổng số bảng câu hỏi phát ra là 55, thu về 45, đạt tỷ lệ 81.2%. Nghiên cứu định lượng sơ bộ chỉ thực hiện kiểm định Cronbach’s Alpha nhằm đánh giá đợ tin cậy thang đo mà khơng phân tích nhân tố khám phá EFA, bởi vì kích thước mẫu nghiên cứu sơ bộ nhỏ (n=45) nên các biến quan sát không đánh giá được mối tương quan chặt chẽ giữa các biến trong một nhân tố

Kết quả kiểm định cho thấy trong 7 yếu tố với 33 biến quan sát trong mơ hình có 31 biến quan sát đạt tiêu chuẩn và đảm bảo độ tin cậy, riêng chỉ có 2 biến quan sát MT3 có hệ số tương quan biến tổng là 0.207 và TH3 có hệ số tương quan biến tổng

Các nghiên cứu ngoài nước

Giả thuyết và mơ hình nghiên cứu