Các biến Số quan sát Phần trăm Phần trăm tích lũy Trình độ giáo dục 135 100 Phổ thông 39 28,89 28,89 Cao đẳng 23 17,04 45,93 Đại học 73 54,07 100 Sở hữu xe máy 135 100 Không 8 5,93 5,93 Có 127 94,07 100 Mục đích đi lại 135 100 Đi làm 91 67,41 6,67 Đi học 35 25,93 32,59 Gặp bạn bè/người thân 9 6,67 100 Giới Tính 135 100 Nữ 62 45,93 45,93 Nam 73 54,07 100 Nghề nghiệp 135 100 Làm cho khu vực tư
nhân 90 66,67 66,67
Mỗi cá nhân có thể đi lại vì nhiều mục đích khác nhau trong một tuần, mục đích đi lại chính trong nghiên cứu được xem là mục đích có tần suất đi lại nhiều nhất trong một tuần của cá nhân. Các số liệu thu thập mô tả trong Bảng 4.2, cho thấy tỷ lệ các mục đích đi lại chính của người dân: 67,41% cá nhân đi làm, 25,93% cá nhân đi học và thấp nhất 6,67% cá nhân đi gặp bạn bè người thân. Mục đích chính đi mua sắm khơng xuất hiện trong mẫu, bởi vì tất cả cá nhân trong mẫu đều là đối tượng đã đi làm hoặc đang đi học mà khơng phải giữ vị trí nội trợ chính trong gia đình. Bên cạnh đó, một thống kê về tổng các tần suất của các mục đích đi lại khác nhau trong một tuần được thể hiện (Hình 4.4) mục đích đi mua sắm chỉ chiếm 3% phản ánh các cá nhân trong mẫu dành rất ít thời gian đi mua sắm, có thể mua một lần cho cả tuần hoặc cũng có thể người khác trong gia đình đã làm thay việc này. Đặc biệt, mục đích đi gặp bạn bè chiếm 24% càng khẳng định sự đa dạng trong mục đích đi lại ngồi đi làm và đi học.
Hình 4. 4. Tỷ lệ tần suất của các mục đích đi lại của cá nhân
51% 22%
3% 24%
4.2. MƠ HÌNH HỒI QUY
4.2.1. Kết quả mơ hình hồi quy chuẩn
Mơ hình hồi quy cơ bản chỉ bao gồm các thuộc tính mà bất kỳ phương tiện đi lại nào cũng có, bao gồm: tổng thời gian đi lại (Totaltime), tổng chi phí đi lại (Totalcost), và sự sẵn có ghế ngồi (Seat). Mục đích của việc đưa biến ASC vào mơ hình kinh tế lượng nhằm kiểm tra sự khác biệt trong sở thích của người chọn qua các phương án khác nhau, khi các thuộc tính của các phương tiện được giả định giống nhau. Vì mục tiêu nghiên cứu tập trung xem xét khả năng chuyển đổi sử dụng phương tiện của người dân, nên nghiên cứu chỉ đưa vào hệ số cắt ASC đại diện cho phương án tàu điện ngầm, nhằm kiểm tra sự khác biệt trong sở thích của người dân đối với phương tiện tàu điện ngầm so với các phương tiện đã từng sử dụng với cùng mục đích đi lại chính.
Bảng 4. 3. Hệ số ước lượng cho sở thích của người dân đối với việc chọn phương tiện đi lại bằng mơ hình CL chuẩn
Thuộc tính Hệ số hồi qui Độ lệch chuẩn P- value Odd Ratio % Change WTP Totalcost -0,076 0,012 0,000 0,926 -7,4 Totaltime - 0,069 0,013 0,000 0,933 - 6,7 -0,904 Seat 0,296 0,113 0,009 1,344 34,4 3,869 ASC - 0,368 0,200 0,066 0,692 - 30,8 -4,815 Các chỉ số thống kê Log- likelihood -884,544 LR Chi2 (4) 151,06
R-squared -884,544
Number of
observations 2760
Sample size 135
Kết quả ước lượng của mơ hình kinh tế lượng CL chuẩn cho thấy các biến thuộc tính có dấu đúng theo kỳ vọng của giả thuyết nghiên cứu: hệ số hồi quy của hai biến thời gian và chi phí đều có dấu âm, thể hiện thời gian và chi phí đi lại càng cao thì khả năng chọn phương án đó càng thấp. Ngược lại, sự sẵn có của ghế ngồi nếu có sẽ làm tăng khả năng chọn phương tiện đi lại. Biến ASC khơng có ý nghĩa thống kê (p- value > 0,01) hàm ý rằng: khơng có sự khác biệt trong sở thích của người dân khi lựa chọn giữa các phương án đi lại cũ so với phương án đi lại mới tàu điện ngầm, với điều kiện các thuộc tính của phương tiện là như nhau. Nói cách khác, người dân khơng thích chuyển sang sử dụng tàu điện ngầm khi xét trong mơ hình cơ bản.
Biến thời gian được tính theo đơn vị: phút, và biến chi phí đi lại được tính theo đơn vị: ngàn Việt Nam Đồng (ngàn VNĐ). Theo như kết quả tình tốn mức sẵn lịng trả của mơ hình này: người dân sẵn lịng trả hay phúc lợi người dân sẽ tăng 0,904 ngàn VNĐ để giảm đi một phút đi lại. Phúc lợi của người dân sẽ tăng thêm 3,869 ngàn VNĐ khi chắc chắn có ghế ngồi trong q trình đi lại, và sự sẵn lịng trả cho việc chuyển đổi qua sử dụng phương tiện tàu điện ngầm khơng xét đến vì biến này khơng có ý nghĩa về mặt thống kê trong mơ hình.
4.2.2. Kết quả mơ hình hồi quy tổng qt
Trong mơ hình CL tổng qt, ngồi các biến về thuộc tính và hệ số ASC, mơ hình bao gồm thêm các biến thuộc tính của cá nhân (SE). Mơ hình CL chuẩn khơng thể đưa trực tiếp các biến này vào mơ hình bởi vì các đặc tính cá nhân không thay đổi
qua các giả định chọn (mỗi cá nhân đối mặt với 10 giả định chọn) sẽ khơng tính được xác suất lựa chọn. Nhưng người nghiên cứu có thể tương tác các đặc tính của mỗi cá nhân với ASC và đưa trực tiếp như biến giải thích trong mơ hình, như vậy có thể tính được xác suất chọn (Anwar Hussain và cộng sự, 2010). Nghiên cứu chỉ đưa vào bốn biến tương tác có liên quan đến đặc điểm cá nhân như: giới tính, tuổi, trình độ học vấn (biến liên tục, khơng chia ra thành các biến giả theo các cấp học), thu nhập cá nhân. Ngồi ra, biến sở hữu xe máy khơng đưa vào mơ hình chính bởi vì sau khi chạy mơ hình kinh tế lượng khơng thể cho ra kết quả hồi quy. Có thể, trong mẫu của nghiên cứu các cá nhân đều sở hữu xe máy (94,07%) chỉ rất ít cá nhân khơng sở hữu (5,93%), đã khơng cho phép mơ hình chạy ra kết quả trên phần mềm thống kê.
Theo cách lập luận về mơ hình kinh tế lượng được áp dụng trong trong nghiên cứu của Anwar Hussain và cộng sự (2010). Các tác giả đã sử dụng hai mơ hình kinh tế lượng CL tương tự cách tiếp cận trong nghiên cứu này, trong đó: mơ hình CL tổng qt bao gồm tất cả các biến về đăc tính cá nhân người chọn cùng một lúc khi xem xét so sánh với mơ hình CL chuẩn.
Bảng 4.4. Hệ số ước lượng cho sở thích của người dân đối với việc chọn phương tiện đi lại bằng mơ hình CL tổng qt
Hệ số hồi qui Độ lệch chuẩn P- value Odd Ratio % Change WTP Thuộc tính Totalcost -0,079 0,013 0,000 0,924 -7,6 Totaltime - 0,048 0,013 0,000 0,953 -4,7 -0,606 Seat 0,330 0,118 0,005 1,391 39,1 4,160 ASC 5,105 0,698 0,000 164,87 16387,0 64,360 Các biến đặc tính cá nhân ASC*age -0,290 0,035 0,000 0,748 -25,2 ASC*sex -0,113 0,122 0,354 0,893 -10,7
ASC*inc 0,0717 0,028 0,010 1,074 7,4 ASC*educ 0,121 0,058 0,037 1,129 12,9 Các chỉ số thống kê Log-likelihood -822,689 LR Chi2 (8) 274,78 R-squared 0,1431 Number of observations 2760 Sample size 135
Kết quả hồi quy với mơ hình CL tổng qt được trình bày chi tiết trong Bảng 4.4, các biến thuộc tính phương tiện như: thời gian, chi phí, sự sẵn có của ghế ngồi, đều có ý nghĩa thống kê trong mơ hình ở mức độ tin cậy cao với dấu hệ số hồi quy đúng theo giả thuyết đặt ra. Điều này phản ánh được những quy luật cơ bản trong hành vi lựa chọn của người dân. Tuy nhiên, biến ASC so với mơ hình cơ bản đã thay đổi mức ý nghĩa thống kê và dấu của hệ số hồi quy, có thể giải thích vì các thuộc tính cá nhân đã tác động dẫn đến quyết định lựa chọn chuyển sang dùng phương tiện tàu điện ngầm mà khơng phải là các thuộc tính của ban thân phương tiện tác động. Theo cách so sánh này, diễn giải ý nghĩa của ASC như sau: có sự khác biệt trong sở thích giữa các phương tiện cũ và tàu điện ngầm, với những thuộc tính như nhau ở các phương tiện, người dân thích đi tàu điện ngầm hơn. Đối với các đặc điểm cá nhân tác động đến sở thích cho phương án tàu điện ngầm, một số nhận xét như sau:
Thứ nhất, các biến tương tác có ý nghĩa về mặt thống kê, bao gồm: tuổi
(ASC*age), trình độ giáo dục (ASC*educ) và thu nhập của cá nhân người chọn (ASC*inc). Có thể diễn giải ý nghĩa của các biến tương tác cùng lúc với giả định là các yếu tố thuộc tính phương tiện như nhau:
(1) Đối với biến tương tác độ tuổi: có sự khác biệt về sở thích đối với phương án tàu điện theo độ tuổi, càng lớn tuổi thì người dân càng khơng thích đổi qua tàu điện ngầm.
(2) Đối với biến tương tác trình độ giáo dục: có sự khác biệt về sở thích đối với phương án tàu điện ngầm, càng có trình độ giáo dục cao hay số năm đi học cao hơn thì cá nhân đó càng thích đi tàu – điểm này khơng có gì sai bởi vì trên thực tế khơng có lý thuyết nào cho thấy càng có trình độ cao thì người dân sẽ chuyển sang thích tàu điện hơn người học ít. Nhưng suy luận có thể là: người có trình độ học vấn cao hơn, có thể hiểu biết nhiều hơn về tiện ích và lợi ích đem lại từ tàu điện nhiều hơn dẫn đến khả năng họ thích hoặc chọn sử dụng tàu điện trong tương lai.
(3) Đối với biến tương tác thu nhập: người có thu nhập cao hơn, thích đi tàu điện hơn so với người thu nhập thấp. Mức thu nhập trung bình trong mỗi tháng trong mẫu là 6,241 triệu VNĐ, thấp so với mức thu nhập trung bình theo đầu người trên địa bàn thành phố Hồ Chí Minh mà Cục thống kê TP.HCM công bố năm 2014, nằm ở mức khoảng 107 triệu VNĐ/người/năm (5,131 Đô-la Mỹ/người/năm).
Thứ hai, chỉ duy nhất biến tương tác giới tính (ASC*sex) khơng có ý nghĩa thống
kê. Hàm ý của biến tương tác này là: khơng có sự khác biệt trong sở thích đối với phương án tàu điện giữa nam và nữ. Một cách diễn đạt khác, sở thích đi tàu điện giữa nam và nữ là như nhau.
Thứ ba, trong một bài nghiên cứu với tựa đề:“Science and Statistics” được George Box 5 đăng trên tạp chí Journal of the American Statistical Association vào
5 George Edward Pelham Box (18/10/ 1919 – 28/5/ 2013) là nhà thống kê học người Anh với những đóng góp trong lĩnh vực kiểm sốt chất lượng, các phân tích dữ liệu chuỗi thời gian, thiết kế thí nghiệm, và phương pháp suy luận Bayesian.
năm 1976, có câu viết: “Tất cả mơ hình đều sai, nhưng một số mơ hình hữu dụng”. Để thực hiện việc so sánh chọn ra mơ hình có thể giải thích tốt nhất cho hành vi lựa chọn cách thức đi lại hay để xem mức độ phù hợp của mơ hình CL chuẩn so với mơ hình CL tổng quát, nghiên cứu đã chọn ra một vài chỉ số quan trọng để so sánh, chi tiết như sau:
Bảng 4. 5. So sánh độ phù hợp của mơ hình CL chuẩn và CL tổng quát
Đo lường mức độ phù hợp của các mơ hình Mơ hình Conditional Logit
chuẩn Conditional Logit tổng quát Sự khác biệt Log-Lik Full Model - 884,544 - 822,689 61,855 Deviance 1769,089 (1346) 1645,378 (1342) 123,711 (4) LR 151,065 (4) 274,775 (8) 123,711 (4) Prob > LR 0,000 0,000 0,000 McFadden's R2 0,079 0,143 0,064 McFadden's Adj R2 0,075 0,135 0,060 AIC 1,316 1,231 - 0,086 BIC - 7932,691 - 8027,570 - 94,879 N 135 135 0
Mơ hình CL tổng qt có khả năng giải thích hành vi lựa chọn tốt hơn mơ hình CL chuẩn. Bởi vì các chỉ số: Log-Likehood (LL), Deviance (D), Akaike Information Criteria (AIC) và Bayesian Information Criteria (BIC) 6 của mơ hình tổng qt có giá
6 AIC và BIC là hai căn cứ để tìm ra mơ hình tốt nhất để giải thích cho vấn đề nghiên cứu. Các giá trị này
càng thấp thì mơ hình đó càng tốt. Công thức: AIC = -2LL +2 p và BIC = -2LL + ln(N) * p. Trong đó: p là số lượng hệ số trong mơ hình và N là số lượng quan sát.
trị thấp hơn so với mơ hình cơ bản. Khi tiến hành so sánh độ phù hợp của mơ hình tổng qt với các mơ hình bao gồm từng biến tương tác tuần tự vào hoặc từng cặp biến tương tác thì các chỉ số đều cho ra kết quả mơ hình phù hợp nhất vẫn là mơ hình CL tổng quát.
4.2.3. Xác suất lựa chọn tàu điện ngầm
Số cá nhân chọn sử dụng tàu điện ngầm trong mẫu và xác suất chọn sử dụng, được nghiên cứu tính trung bình theo từng mức giá vé hay mức chi phí đi lại được giả định. Những số liệu dưới đây, được tác giả tính tốn lại từ dữ liệu thu thập bằng phần mềm MS Excel 2013, cụ thể như sau:
Thứ nhất, các cá nhân được hỏi về quyết định chuyển sang sử dụng tàu điện ngầm
ở nhiều mức giá vé giả định khác nhau. Tỷ lệ cao nhất ở mức giá thấp nhất 300 VNĐ/1km với 96 người chọn và có xu hướng giảm dần khi mức giá vé giả định tăng lên đến mức chấp nhận sử dụng thấp nhất 54,07% đối với mức giá 1250 VNĐ/1km.
Bảng 4.6. Tỷ lệ cá nhân chuyển sang sử dụng tàu điện ngầm Giá vé (VNĐ/1km) 300 500 750 1000 1250 Giá vé (VNĐ/1km) 300 500 750 1000 1250
Số quan sát 96 93 91 81 73
Tỷ lệ phần trăm 71% 69% 67,41% 60% 54,07%
Thứ hai, nghiên cứu tính tốn xác suất chọn phương tiện tàu điện ngầm qua các
mức giả định khác nhau về giá và sự sẵn có của ghế ngồi theo mơ hình CL chuẩn: sự thay đổi mức giá vé sẽ dẫn đến sự thay đổi trong tổng chi phí đi lại của cá nhân. Như vậy, xác suất chọn sử dụng tàu điện ngầm của mỗi cá nhân tại từng mức chi phí theo hai giả định về ghế ngồi được tính như sau:
𝑃𝑖(𝑀𝑒𝑡𝑟𝑜) = 𝑒𝑥𝑝( 𝛽𝑡𝑖𝑚𝑒∗ 𝑇𝑜𝑡𝑎𝑙𝑡𝑖𝑚𝑒 + 𝛽𝑠𝑒𝑎𝑡∗ 𝑆𝑒𝑎𝑡 + 𝛽𝑚𝑒𝑡𝑟𝑜∗ 𝑇𝑜𝑡𝑎𝑙𝑐𝑜𝑠𝑡) ∑𝐽𝑗=1𝑒𝑥𝑝(𝛽′ ∗ 𝑆𝑗)
Trong đó 𝛽’ là tập vec-tơ hệ số hồ quy chung cho thuộc tính phương tiện j bất kỳ. Hình 4.5 thể hiện mức giá càng thấp thì trung bình xác suất lựa chọn sử dụng tàu điện ngầm trong mẫu càng cao. Mức giá được giả định thay đổi từ giá trị 0 đến 5600 (VNĐ/1km), xác suất được tính theo sự thay đổi của chi phí đi lại (vì mức giá vé giả định được thay đổi) bằng tàu điện ngầm với khoảng cách đi lại cho mục đích chính đã được cố định cho mỗi cá nhân trong mẫu. Trung bình xác suất chọn của các cá nhân theo từng mức giá, dựa trên hai giả định về sự sẵn có của ghế ngồi tàu điện ngầm thể hiện được: nếu tàu điện ngầm luôn cung cấp đầy đủ nghế ngồi cho người dân thì xác suất chọn chắc chắn sẽ cao hơn.
Hình 4.5. Xác suất chọn sử dụng tàu điện ngầm theo các mức giá định theo mơ hình Conditional Logit chuẩn
Thứ ba, nghiên cứu tính trung bình xác suất chọn theo sự thay đổi mức giá và sự
sẵn có của ghế ngồi cho mơ hình CL tổng qt, tương tự như cách tính cho mơ hình CL chuẩn nhưng có bao gồm thêm các đặc tính cá nhân vào phương trình xác suất chọn. 𝑃𝑖(𝑀𝑒𝑡𝑟𝑜) =𝑒𝑥𝑝( 𝛽𝑡𝑖𝑚𝑒∗ 𝑇𝑜𝑡𝑎𝑙𝑡𝑖𝑚𝑒 + 𝛽𝑠𝑒𝑎𝑡∗ 𝑆𝑒𝑎𝑡 + 𝛽𝑚𝑒𝑡𝑟𝑜∗ 𝑇𝑜𝑡𝑎𝑙𝑐𝑜𝑠𝑡 + 𝛼′ ∗ 𝑆𝐸𝑖) ∑𝐽𝑗=1𝑒𝑥𝑝(𝛽′∗ 𝑆𝑗+ 𝛼′ ∗ 𝑆𝐸𝑖) 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 300 600 900 1200 1500 1800 2100 2400 2700 3000 3300 3600 3900 4200 4500 4800 5100 5400 X ác suấ t chọ n tà u điện ng ầm Mức giá vé
Trong đó, 𝛼′ và 𝛽′ lần lượt là: tập vec-tơ hệ số hồi quy của các biến tương tác với hệ số cắt ASCmetro , và tập các vec-tơ hệ số hồi quy các thuộc tính phương tiện. Trung bình xác suất chọn theo từng mức giá của các cá nhân trong mẫu, xét theo hai giả định về sự sẵn có của ghế ngồi trên tàu điện ngầm.
Hình 4.6. Xác suất chọn sử dụng tàu điện ngầm theo các mức giá định theo mô hình Conditional Logit tổng quát
4.3. MỨC SẴN LÒNG TRẢ
Sự khác nhau trong hệ số hồi quy của hai mơ hình đã dẫn đến sự khác nhau trong mức phúc lợi của các cá nhân khi một đơn vị thuộc tính thay đổi. Trong đó, người