Trên cơ sở phân tích các tính chất của dữ liệu và ứng dụng mô hình nghiên cứu đã đề cập ở trên, tác giả triển khai mô hình hồi quy Probit với biến phụ thuộc KNTCV (khả năng vay mua nhà ở của đối tượng thu nhập thấp trên địa bàn TP.HCM, chỉ nhận hai giá trị 1 và 0). Mô hình tổng quát là:
BO + B1*GT + B2*TUOI + B3*TTHN + B4*TDHV + B5*NNGHIEP + B6*TNHAP + B7*CTIEU + B8*PTHUOC + B9*DTVV + B10*CTVV + B11*TKTT + B12*YTQT + B13*KNCN + B14* X1+ B15* X2+ B16*X3 + B17*X4 + B18*X5 + B19*X6
Trong đó: Y là khả năng vay mua nhà ở của đối tượng thu nhập thấp trên địa bàn TP.HCM, được đo lường bằng hai giá trị 1 và 0 (1 là có KNTCV và 0 là không có KNTCV), Các biến X1, X2, X3, X4, X5, X6 là các biến độc lập (biến giải thích). Mô hình ước lượng cụ thể theo SPSS như dưới đây và cho kết quảở bảng sau:
Bảng 2.19. Các kiểm định của hệ số mẫu Omnibus Tests of Model Coefficients
Chi-square df Sig. Step 1 Step 198.487 19 .000 Block 198.487 19 .000 Model 198.487 19 .000 Ở bảng 2.19, ta đọc kết quả kiểm định H0: β1 = β2 = … = βk = 0. Kiểm định này xem xét khả năng giải thích biến phụ thuộc của tổ hợp biến độc lập.
Kết quả cho thấy độ phù hợp tổng quát có mức ý nghĩa quan sát sig. = 0,000 nên ta bác bỏ H0. Nghĩa là tổ hợp liên hệ tuyến tính của toàn bộ các hệ số trong mô hình có ý nghĩa trong việc giải thích cho biến phụ thuộc.
Bảng 2.20. Tổng hợp kết quả mô hình Model Summary
Step -2 Log likelihood Cox & Snell R Square Nagelkerke R Square
1 26.447a .629 .932
a. Estimation terminated at iteration number 13 because parameter estimates changed by less than .001.
Bảng 2.20 thể hiện kết quả độ phù hợp của mô hình. Kết quả bảng cho thấy giá trị của -2LL = 26,447 không cao lắm, như vậy nó thể hiện một độ phù hợp khá tốt của mô hình tổng thể. Bảng 2.21: Bảng phân loại Classification Tablea Observed Predicted KNTCV Percentage Correct 0 1 Step 1 KNTCV 0 48 2 96.0 1 2 148 98.7 Overall Percentage 98.0
a. The cut value is .500
Mức độ chính xác cũng được thể hiện ở bảng 2.21, bảng này cho thấy trong 50 trường hợp không có khả năng tiếp cận vốn cho vay mua nhà ở của đối tượng thu nhập thấp trên địa bàn Tp.HCM (xem theo cột) mô hình đã dự đoán đúng 2 trường hợp (xem theo hàng), vậy tỷ lệđúng là 96%. Còn với 150 trường hợp có khả năng tiếp cận vốn, mô hình dựđoán sai 2 trường hợp, tỷ lệđúng là 98,7%. Từđó ta tính được tỷ lệ dựđoán đúng của toàn bộ mô hình là 98%.
Bảng 2.22: Tổng hợp giá trị các biến Variables in the Equation
B S.E. Wald df Sig. Exp(B)
Step 1a @GT -2.300 1.565 2.159 1 .142 .100 TUOI 2.763 1.316 4.408 1 .036 15.852 TTHN .459 1.424 .104 1 .747 1.582 TDHV 4.687 2.864 2.679 1 .102 108.497 NNGHIEP 15.691 8.444 3.453 1 .063 6526527.104 TNHAP 1.000 .957 1.093 1 .296 2.719 CTIEU -5.874 3.051 3.707 1 .054 .003 PTHUOC -12.504 6.433 3.778 1 .052 .000 DTVV 3.158 2.861 1.219 1 .270 23.525 CTVV -.320 .530 .365 1 .546 .726 TKTT -.913 .896 1.039 1 .308 .401 YTQT -.352 .527 .445 1 .505 .703 KNCN -2.173 1.837 1.400 1 .237 .114
FAC1_20 1.536 2.513 .374 1 .541 4.646 FAC2_20 5.801 3.265 3.158 1 .076 330.787 FAC3_20 -4.440 3.013 2.171 1 .141 .012 FAC4_20 6.183 3.754 2.713 1 .100 484.661 FAC5_20 3.842 2.307 2.773 1 .096 46.641 FAC6_20 6.565 3.455 3.611 1 .057 709.763 Constant 4.368 10.957 .159 1 .690 78.880 a. Variable(s) entered on step 1: @GT, TUOI, TTHN, TDHV, NNGHIEP, TNHAP, CTIEU, PTHUOC, DTVV, CTVV, TKTT, YTQT, KNCN, FAC1_20, FAC2_20, FAC3_20,
FAC4_20, FAC5_20, FAC6_20.
Nguồn: Tính toán của tác giả
Bảng 2.22 thể hiện kết quả của kiểm định Wald (kiểm định giả thuyết hồi quy khác không). Nếu hệ số hồi quy B0 và B1 đều bằng 0 thì tỷ lệ chênh lệch giữa các xác suất sẽ bằng 1, tức xác suất để sự kiện xảy ra hay không xảy ra như nhau, lúc đó mô hình hồi quy không có tác dụng dựđoán.
Kết quả bảng 2.22 cho thấy khả năng vay mua nhà ở của đối tượng thu nhập thấp trên địa bàn Tp.HCM có giá trị p (sig.) nhỏ hơn mức ý nghĩa < = 0,1, vì vậy bác bỏ H0. Như vậy các hệ số hồi quy tìm được có ý nghĩa và mô hình được sử dụng tốt.
Từ bảng trên trên chúng ta có thể viết thành phương trình hồi quy dạng:
4.368 + 2.763*TUOI + 15.691*NNGHIEP - 5.874*CTIEU - 12.504*PTHUOC + 5.801* X2 + 6.183*X4 + 3.842*X5 + 6.565*X6 (1) Mô hình có McFadden R-squared = 0.26447, giải thích được 26,447% khả năng (xác suất) quyết định ứng dụng hay không ứng dụng mô hình khả năng vay mua nhà ở của đối tượng thu nhập thấp trên địa bàn Tp.HCM. Quan sát mẫu 200 cho thấy có 150 trường hợp đồng ý tiếp tục mở rộng mô hình (đạt tỷ lệ 75%) và 50 trường hợp còn lại không đồng ý mở rộng mô hình KNTCV (đạt tỷ lệ 25%).
(2) Prob(LR statistic) = 0 < 5% cho thấy giả thiết Ho: Mô hình không phù hợp bị bác bỏ có nghĩa là mô hình có thể sử dụng trong việc giải thích các diễn biến.
(3) Xem xét giả thiết Ho: Các nhân tố không có tác động tới khả năng vay mua nhà ở ứng dụng mô hình KNTCV; ứng với giá trị Pvalue < 10% kết quả cho thấy các biến TUOI, NNGHIEP, CTIEU, PTHUOC, X2 , X4, X5, X6 là có tác động tới quyết định ứng dụng mô hình KNTCV (Bác bỏ Ho) và các biến GT, TTHN, TDHV, TNHAP, DTVV, CTVV, TKTT, YTQT, KNCN, X1, X3 là không có tác động (do Pvalue tương ứng > 10%, chấp nhận Ho). Dưới đây là bảng diễn giải các biến tác động:
Bảng 2.23: Diễn giải các yếu tố tác động Biến Hệ số Diễn giải
C 4.368
Hệ số chặn C cho biết luôn tồn tại một hằng số (một số yếu tố ngẫu nhiên) có tác động tiêu cực, ngược chiều tới quyết định ứng dụng mô hình khả năng vay mua nhà ở của đối tượng có thu nhập thấp trên địa bàn Tp.HCM (KNTCV) mà không phụ thuộc vào các yếu tố Xi (i=1, 2,.. , 39) đang nghiên cứu. Có thểđây là các thói quen cũ, sức ỳ, vấn đề tâm lý, hay tập quán … đã tạo ra một lực cản nhất định và cố định tới việc quyết định ứng dụng mô hình KNTCV.
TUOI 2.763
Tuổi của đối tượng thu nhập thấp có tác động tích cực tới khả năng tiếp cận ứng dụng mô hình KNTCV; mức độ tác động tới khả năng vay mua nhà ở là cao (TUOI tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo (khả năng được vay mua nhà /khả năng không được vay mua nhà) tăng là e2.763).
NNGHIEP 15.691 (adsbygoogle = window.adsbygoogle || []).push({});
Nghề nghiệp của đối tượng thu nhập thấp có tác động tích cực tới khả năng vay mua nhà ứng dụng mô hình KNTCV và mức độ tác động ở mức vừa phải (NNGHIEP tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo (khả năng được vay mua nhà /khả năng không được vay mua nhà) tăng là e15.691).
CTIEU -5.874
Chi tiêu của khách hàng có tác động tiêu cực tới khả năng vay mua nhà ứng dụng mô hình KNTCV và mức độ tác động ở mức vừa phải (CTIEU tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo
(khả năng được vay mua nhà /khả năng không được vay mua nhà) giảm là e5.874).
PTHUOC -12.504
Số người phụ thuộc trong gia đình có tác động tiêu cực tới khả năng vay mua nhà ứng dụng mô hình KNTCV và mức độ tác động ở mức cao (PTHUOC tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo (khả năng được vay mua nhà /khả năng không được vay mua nhà) giảm là e12.504).
X2 5.801
Trở ngại từ suy nghĩ bản thân người đi vay, từ quy định ngân hàng và khó khăn trong việc vay vốn của người lao động tự do có tác động tích cực tới khả năng vay mua nhà ứng dụng mô hình KNTCV và mức độ tác động ở mức cao (X2 tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo (khả năng được vay mua nhà /khả năng không được vay mua nhà) tăng là e5.801).
X4 6.183
Trở ngại từ nguồn cung nhà ở không phong phú và chất lượng tín dụng kém của ngân hàng có tác động tích cực tới khả năng vay mua nhà ứng dụng mô hình KNTCV và mức độ tác động ở mức nhỏ (X4 tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo (khả năng được vay mua nhà /khả năng không được vay mua nhà) tăng là e6.183).
X5 3.842
Trở ngại từ không tin tưởng vào chủ đầu tư có tác động tích cực tới khả năng vay mua nhà ứng dụng mô hình KNTCV và mức độ tác động ở mức nhỏ (X5 tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo (khả năng được vay mua nhà /khả năng không được vay mua nhà) tăng là e3.482).
X6 6.565
Trở ngại từ mức giá nhà ở dành cho đối tượng thu nhập thấp quá cao so với thu nhập của họ tác động tích cực tới khả năng tiếp cận vốn vay mua nhà ứng dụng mô hình KNTCV và mức độ tác động ở mức nhỏ (X6 tăng 1 đơn vị sẽ khiến cho tỷ lệ Oo (khả năng được vay mua nhà /khả năng không được vay mua nhà) tăng là e6.565).