doanh nghiệp xác định sẽ được thị trường chấp nhận. Đồng thời mức giá do doanh nghiệp định giá phải đảm bảo sát với mức giá giao dịch bình quân trên thị trường nhất, để đảm bảo mục tiêu tối đa hóa lợi nhuận của doanh nghiệp.
Đồng nghĩa với việc doanh nghiệp xác định được mức giá vừa thỏa mãn được lợi ích của khách hàng vừa đảm bảo được mục tiêu lợi nhuận sẽ đảm bảo được lợi ích của Nhà nước thông qua phần đóng góp của doanh nghiệp vào ngân sách nhà nước. Bên cạnh đó, hoạt động định giá nhà ở TMXDM tại các DNĐTXD&KD nhà ở cần phải quan tâm đến việc cùng với các cơ quan quản lý nhà nước đảm bảo sự bình ổn giá cho thị trường nhà ở, giảm thiểu các yếu tố tác động từ những chính sách giá của doanh nghiệp tác động tiêu cực đến thị trường. Điều này cũng sẽ tác động ngược lại đến chính các doanh nghiệp, làm ảnh hưởng trực tiếp đến lợi ích của doanh nghiệp khi khách hàng không còn lòng tin đối với các doanh nghiệp.
Vì vậy, công tác định giá nhà ở TMXDM của các DNĐTXD&KD nhà ở cần phải giả quyết được bài toán đảm bảo hài hòa lợi ích của doanh nghiệp, lợi ích của doanh nghiệp và lợi ích của nhà nước.
5.2. Các giải pháp hoàn thiện công tác định giá tại các doanh nghiệp đầu tư xây dựng và kinh doanh nhà ở
5.2.1. Ứng dụng mô hình Hedonic xây dựng hàm hồi quy định giá nhà ở TMXDM
5.2.1.1. Lý do lựa chọn mô hình
Từ quá trình nghiên cứu cho thấy, giá nhà ở TMXDM chịu sự tác động bởi rất nhiều yếu tố, hay nói cách khác giá trị của một căn hộ được các DNĐTXD&KD nhà ở định giá sẽ là sự kết hợp bởi những yếu tố khác nhau ảnh hưởng đến nhà ở đó. Nhà ở là một tập hợp các yếu tố như kích thước, chất lượng và vị trí. Vì một số lý do nhất định nên việc định giá nhà ở là khá khó. Là một tài sản hữu hình, mỗi ngôi nhà có vị trí cụ thể của nó, mỗi ngôi nhà sẽ có những yếu tố khác biệt để tạo nên giá trị cho riêng nó. Hơn nữa, các yếu tố này có giá trị khác nhau trong từng khu vực. Ví dụ, một nhà để xe có thể có giá trị hơn trong một ngôi nhà ở vùng có khí hậu lạnh trong khi một bể bơi có thể có giá trị hơn ở nơi có khí hậu nóng. Ngoài ảnh hưởng bởi các yếu tố nói trên, giá trị ngôi nhà còn được đánh giá thông qua những nhu cầu tiện ích khác nhau của người mua nhà. Ví dụ, một người mua nhà có thể đánh giá cao đối với sàn gỗ cứng hơn so với những người khác. Vì vậy những người mua khác nhau sẽ định giá khác nhau cho cùng một ngôi nhà.
Tất cả những yếu tố này cho thấy mỗi ngôi nhà là một thực thể khác nhau. Những yếu tố khác biệt như vậy khiến cho việc định giá đã khó, thêm vào một thực tế là người
mua lại định giá những yếu tố ưu tiên với những giá trị khác nhau khiến cho việc định giá nhà ở TMXDM tại các DNĐTXD&KD nhà ở lại càng thêm phức tạp và khó khăn. Vì vậy, rất nhiều nghiên cứu đã nỗ lực để tìm phương thức định giá nhà ở thông qua các yếu tố ảnh hưởng. Mô hình phân tích hồi quy Hedonic là một mô hình tiêu biểu ước lượng phần đóng góp biên của từng yếu tố đó.
Tuy nhiên một điều lưu ý trong việc sử dụng mô hình này là chỉ được áp dụng tại một khu vực cụ thể và rất khó để khái quát trên nhiều khu vực địa lý khác nhau. Bởi vậy, người ta hay sử dụng mô hình này để có được cái nhìn sâu sắc vào hoạt động mua bán ở một thị trường cụ thể. Mặt khác, so sánh các nghiên cứu ở các khu vực khác nhau cũng giúp nhận ra những yếu tố nào được hầu hết những người mua nhà đánh giá cao hoặc đánh giá thấp.
Bên cạnh đó, các nghiên cứu sử dụng mô hình Hedonic định nghĩa và đo lường các biến ảnh hưởng theo cách khác nhau dẫn đến việc so sánh là rất phực tạp. Ví dụ, một nghiên cứu có thể đo lường biến phòng ngủ đơn giản là số lượng phòng ngủ trong khí đó có nghiên cứu khác lại sử dụng nhị phân biến (một biến giả nếu căn nhà có một phòng ngủ, một biến giả thứ hai nếu nhà có hai phòng ngủ,...). Việc so sánh định giá theo mô hình Hedonic còn bị hạn chế bởi dạng hàm được sử dụng, cụ thể là sử dụng mô hình tuyến tính hay mô hìnhh bán logarit.
Mặc dù còn nhiều hạn chế nhưng về cơ bản mô hình này vẫn rất hữu ích vì đã nêu bật được một số vấn đề trong định giá nhà. Mô hình này không những đã đề cập đến các yếu tố cơ bản của nhà ở mà còn đo lường trên các yếu tố khác như trình độ dân trí, không gian sống, mức độ ô nhiễm môi trường … tại khu vực nhà ở cần định giá.
5.2.1.2. Các bước thực hiện
Bước 1: Thu thập kết quả khảo sát hiện trường hay phân tích số liệu lưu trữ để xác định các biến số:
Các biến số của hàm hedonic có thể thực hiện bằng 2 cách:
• Tổ chức khảo sát hiện trạng mua bán nhà ở TMXDM trong một khu vực nhất định.
• Sử dụng số liệu lưu trữ về mua bán nhà ở TMXDM.
Bước 2: Xác định hệ số tương quan giữa biến phụ thuộc với từng biến độc lập (hệ số tương quan Pearson - r)
Bước 3: Xác định thứ tự của các biến độc lập theo tiêu chí hệ số tương quan Pearson với biến phụ thuộc từ cao xuống thấp.
Bước 4: Đưa lần lượt từng biến vào phân tích hồi quy, biến nào có r cao thì sẽ được đưa vào trước. Quá trình đưa biến vào sẽ dừng lại nếu mô hình hồi quy không nhận biến và các biến đã được đưa vào trước đó chính là các biến được chọn.
Sau khi chọn được các biến từ phương pháp stepwise, mô hình hồi quy sẽ được xác định lại bằng phương pháp enter để lấy các giá trị quan trọng thiết lập mô hình một cách chính xác đồng thời kiểm định lại ý nghĩa của mô hình hồi quy.
5.2.1.3. Xây dựng mô hình hồi quy định giá nhà ở thương mại xây dựng mới thông qua nghiên cứu tình huống nhà chung cư thương mại tại TP. Hà Nội.
Từ các biến đã được xác định và bảng hỏi đã được xây dựng, luận án đã tiến hành khảo sát 300 mẫu căn hộ chung cư tại hơn 10 dự án nhà chung cư thương mại khác nhau trong phạm vi TP. Hà Nội. Những dự án điều tra, khảo sát được thực hiện đảm bảo với các vị trí, chất lượng nhà khác nhau. Phương pháp sử dụng hàm hồi quy theo mô hình Hedonic có mở rộng cho phù hợp với biến và dữ liệu nghiên cứu của luận án.
Quá trình chọn mẫu được thu thập một cách ngẫu nhiên, các dự án khảo sát nằm chủ yếu tại các quận Thanh Xuân, Cầu Giấy, Hà Đông và Hai Bà Trưng. Các dự án này đều đã hoàn thiện và đã bàn giao nhà, các căn hộ đều đã có đầy đủ giấy tờ theo ký kết tại hợp đồng mua bán với chủ đầu tư của dự án.
Để đảm bảo giảm thiểu việc biến động lớn về giá của các giai đoạn thị trường ảnh hưởng đến kết quả nghiên cứu, mẫu nghiên cứu trong bài nghiên cứu được thực hiện từ tháng 8 năm 2011 đến tháng 3 năm 2012. Đây là giai đoạn thị trường nhà ở có ít biến động bất thường nhất về giá, sẽ làm cho kết quả khảo sát về giá nhà ở ít có tác động bởi tình trạng thị trường nhà ở “đóng băng” hoặc “sốt”, đồng thời giúp giảm thiểu những biến động vĩ mô trên thị trường, như biến động về đầu tư vốn, lãi suất, tỷ giá.
Xây dựng hàm hồi quy tuyến tính phản ánh các yếu tố ảnh hưởng đến giá chung cư thương mại xây dựng mới
Phương pháp hồi quy bình phương nhỏ nhất OLS (Ordinary Least Squares) được sử dụng với biến phụ thuộc: GIA (Giá chung cư) và các biến độc lập được xác định trong bảng dưới đây:
Bảng 5.1: Mô tả biến độc lập
Mã hóa | Ý nghĩa | Kỳ vọng | |
1 | DIENTICH | Diện tích chung cư | + |
2 | KC_TT | Khoảng cách đến trung tâm thành phố | - |
3 | KC_DC | Khoảng cách đến đường chính | - |
4 | VITRI | Biến giả mô tả vị trí của tòa nhà, nhận giá trị 1 nếu chung cư | + |
Có thể bạn quan tâm!
-
Thực Trạng Mục Tiêu Và Phương Pháp Định Giá Nhà Ở Thương Mại Tại Các Doanh Nghiệp Đầu Tư, Xây Dựng Và Kinh Doanh Nhà Ở -
So Sánh Mức Giá Do Dn Định Giá Và Mức Giá Bình Quân Giao Dịch Thành Công Trên Thị Trường Tại Một Số Dự Án -
Đánh Giá Về Thực Trạng Định Giá Nhà Ở Thương Mại Xây Dựng Mới Tại Các Doanh Nghiệp Đầu Tư, Xây Dựng Và Kinh Doanh Nhà Ở -
Hoàn Thiện Và Xây Dựng Hệ Thống Cơ Sở Dữ Liệu Phục Vụ Cho Công Tác Định Giá Nhà Ở Tmxdm Tại Các Dnđtxd&kd Nhà Ở -
Hoàn Thiện Mô Hình Tổ Chức Định Giá Nhà Ở Tại Các Doanh Nghiệp Đầu Tư, Xây Dựng Và Kinh Doanh Nhà Ở -
Định giá nhà ở thương mại xây dựng mới ở các doanh nghiệp đầu tư, xây dựng và kinh doanh nhà ở - 20
Xem toàn bộ 206 trang tài liệu này.
ở mặt tiền; nhận giá trị 0 nếu chung cư không ở mặt tiền | |||
5 | KC_TH | Khoảng cách đến trường học | - |
6 | KC_MS | Khoảng cách đến nơi mua sắm | - |
7 | KC_BV | Khoảng cách đến bệnh viên | - |
8 | KC_LV | Khoảng cách đến nơi làm việc của thành viên chính trong gia đình | - |
9 | MOITRUONG | Môi trường sinh thái ở chung cư, nhận giá trị 1 (Rất ô nhiễm); 2 (Ít ô nhiễm); 3 (Trung bình); 4 (Tốt); 5 (Rất tốt) | + |
10 | ANNINH | Tình hình an ninh ở chung cư nhận giá trị 1 (Rất kém); 2 (Kém); 3 (Trung bình); 4 (Tốt); 5 (Rất tốt) | + |
11 | KHONGGIAN | Không gian sống khu vực chung cư, nhận giá trị 1 (Rất ồn ào); 2 (Ồn ào); 3 (Bình thường); 4 (Yên tĩnh); 5 (Rất yên tĩnh) | + |
12 | GIAOTHONG | Mật độ giao thông, nhận giá trị 1 (Rất đông); 2 (Đông); 3 (Bình thường); 4 (Vắng); 5 (Rất vắng) | + |
13 | DANTRI | Dân trí khu vực tòa nhà, nhận giá trị 1 (Thấp); 2 (Trung bình); 3 (Cao) | + |
14 | KHU_VC | Chất lượng khu vui chơi, nhận giá trị 1 (Hoàn toàn không tốt); 2 (Không tốt); 3 (Bình thường); 4 (Tốt); 5 (Hoàn toàn tốt) | + |
15 | KHU_TT | Chất lượng khu thể thao, nhận giá trị 1 (Hoàn toàn không tốt); 2 (Không tốt); 3 (Bình thường); 4 (Tốt); 5 (Hoàn toàn tốt) | + |
16 | DV_GX | Chất lượng dịch vụ giữ xe, nhận giá trị 1 (Hoàn toàn không tốt); 2 (Không tốt); 3 (Bình thường); 4 (Tốt); 5 (Hoàn toàn tốt) | + |
17 | DV_GT | Chất lượng dịch vụ giải trí, nhận giá trị 1 (Hoàn toàn không tốt); 2 (Không tốt); 3 (Bình thường); 4 (Tốt); 5 (Hoàn toàn tốt) | + |
18 | GIATHANH | Giá thành căn hộ được tính trên m2 | + |
Một trong những yếu tố phản ánh ý nghĩa của mô hình hồi quy là hệ số R2 và hệ số này là một hàm không giảm theo số lượng biến đưa vào mô hình. Điều này có nghĩa khi đưa càng nhiều biến vào mô hình hồi quy thì giá trị R2 càng cao, tuy nhiên không phải biến nào đưa vào hàm hồi quy cũng có ý nghĩa giải thích cho sự biến thiên của biến phụ thuộc. Vì vậy 18 biến tác giả dự trù đưa vào mô hình hồi quy là một con số không nhỏ, do đó tác giả quyết định lựa chọn biến bằng phương pháp stepwise – phương pháp chọn biến từng bước. Để thực hiện được thủ tục này tác giả tiến hành kiểm tra mối tương quan giữa biến phụ thuộc (GIA) với 18 biến độc lập thông qua bảng ma trận hệ số tương quan Pearson. Sau khi xác định được các hệ số tương quan tác giả tiến hành phân tích hồi quy đa biến bằng phần mềm SPSS 16 với phương pháp stepwise.
Kết quả phân tích hồi quy đa biến bằng phương pháp stepwise cho thấy chỉ có 5 biến độc lập là phù hợp để đưa vào mô hình hồi quy đa biến, đó là các biến KC_TT; GIATHANH; KC_MS; ANNINH; MOITRUONG.
Bảng 5.2: Kết quả phân tích hồi quy đa biến bằng phương pháp stepwise
Hệ số chưa chuẩn hóa | Hệ số chuẩn hóa | t | Sig. | Kiểm định đa cộng tuyến | |||
B | Độ lệch chuẩn | Beta | Tolerance | VIF | |||
Hằng số | 19,855 | 3,379 | 5,876 | 0,000 | |||
KC_TT | -0,814 | 0,091 | -0,377 | -8,973 | 0,000 | 0,198 | 5,045 |
GIATHANH | 0,712 | 0,110 | 0,285 | 6,487 | 0,000 | 0,181 | 5,511 |
KC_MS | -0,556 | 0,243 | -0,096 | -2,284 | 0,023 | 0,197 | 5,085 |
ANNINH | 1,563 | 0,357 | 0,165 | 4,379 | 0,000 | 0,246 | 4,065 |
MOITRUONG | 0,889 | 0,326 | 0,100 | 2,727 | 0,007 | 0,262 | 3,822 |
Kết quả bảng 1 cho thấy 5 biến được chọn bằng phương pháp stepwise đều có ý nghĩa khi giá trị Sig của các biến này đều bé hơn 0,05. Cụ thể biến KC_TT; GIATHANH; ANNINH; MOITRUONG có độ tin cậy 99%, riêng biến KC_MS có độ tin cậy 95%. Điều này cho thấy Giá chung cư chịu sự tác động của 5 yếu tố Khoảng cách từ chung cư đến trung tâm thành phố; Giá thành của chung cư; Khoảng cách từ chung cư đến trung tâm mua sắm; Tình hình an ninh của khu chung cư; Môi trường sinh thái. Hàm hồi quy được xây dựng có dạng như sau:
GIA = 19,855 – 0,814*KC_TT + 0,712*GIATHANH – 0,556*KC_MS + 1,563*ANNINH + 0,889*MOITRUONG
Hệ số các biến trong hàm hồi quy đều đúng như kỳ vọng của tác giả, đồng thời hệ số Beta (hệ số chuẩn hóa) cho thấy được tầm quan trọng của từng biến trong mô hình hay mức độ tác động của từng biến đến đến biến phụ thuộc GIA. Hệ số Beta của biến KC_TT lớn nhất (37,7%) nên khoảng cách từ chung cư đến trung tâm là yếu tố tác động mạnh nhất đến Giá chung cư, tiếp đến là biến GIATHANH (28,5%); biến ANNINH (16,5%); biến MOITRUONG (10%); KC_MS (9,6%).
Dựa vào hệ số hồi quy của các biến tác giả nhận thấy:
Khi biến KC_TT tăng lên 1 đơn vị (Khoảng cách từ chung cư đến trung tâm tăng lên 1 km) thì sẽ làm cho Giá chung cư giảm xuống 0,814 triệu đồng với điều kiện các yếu tố khác trong mô hình được cố định. Điều này hoàn toàn phù hợp với thực tế ở Thủ đô Hà
Nội nói riêng và các địa bàn khác trên cả nước nói chung. Những khách hàng khi mua hay thuê trung cư thường rất lưu tâm đến vị trí mà họ sinh sống so với trung tâm thành phố - nơi có nhiều điều kiện thuận lợi về công việc, chăm sóc sức khỏe, trường học…vì vậy những chung cư có vị trí không thuận lợi, cách xa trung tâm địa bàn có giá thấp là một điều tất yếu.
GIATHANH (Giá thành chung cư tính trên 1 m2) là biến có tác động không nhỏ đến Giá chung cư. Điều được chứng minh khi GIATHANH tăng lên 1 triệu đồng thì Giá chung cư tăng lên 0,712 triệu đồng đồng trong điều kiện các yếu tố khác được cố định.
Khi các yếu tố khác không đổi, biến KC_MS (Khoảng cách từ chung cư đến trung tâm mua sắm/chợ) tăng lên 1 đơn vị (1 km) thì Giá chung cư sẽ giảm xuống 0,556 triệu đồng.
Khi yếu tố ANNINH (Tình hình an ninh ở khu vực chung cư) tăng lên 1 đơn vị thì Giá chung cư tăng lên 1,563 triệu đồng trong điều kiện các yếu tố khác không đổi.
Tương tự khi yếu tố MOITRUONG (Môi trường sinh thái khu vực chung cư) tăng lên 1 đơn vị thì Giá chung cư tăng lên 0,889 triệu đồng.
Hệ số R2 điều chỉnh của mô hình đạt 89,3% chứng tỏ 5 biến trong mô hình hồi quy giải thích được 89,3% biến thiên của biến Giá chung cư.
Bảng 5.3: Kết quả phân tích hồi quy
R | R2 | R2 điều chỉnh | Sai số chuẩn của ước lượng | |
1 | 0,946 | 0,895 | 0,893 | 3,044 |
Bảng 5.4: Kết quả phân tích phương sai
Tổng bình phương | Bậc tự do | Bình phương trung bình | F | Sig. | ||
1 | Hồi quy | 23676,260 | 5 | 4735,252 | 511,195 | 0,000 |
Phần dư | 2778,931 | 300 | 9,263 | |||
Tổng | 26455,191 | 305 |
Giá trị F của mô hình hồi quy đạt 511,195, giá trị Sig = 0,000, chứng tỏ giả thuyết H0 đã bị bác bỏ và tồn tại mối quan hệ tuyến tính giữa biến GIA với ít nhất một biến trong các biến KC_TT; GIATHANH; KC_MS; ANNINH; MOITRUONG.
Dò tìm vi phạm của hàm hồi quy
Để tăng cường khả năng giải thích và sự chính xác cho mô hình tác giả tiến hàng dò tìm các vi phạm cần thiết. Vấn đề này được xem xét ở khía cạnh xem mô hình có vi phạm những giả định quan trọng hay không và nếu có thì có ảnh hưởng lớn đến ý nghĩa của mô hình không và cách khắc phục như thế nào.
- Giả định liên hệ tuyến tính
Trong bảng 2 ta thấy hệ số tương quan mẫu R của hàm hồi quy đạt 0,946 > 0,8, ngoài ra hệ số tương quan Pearson của biến GIA với các biến KC_TT; GIATHANH; KC_MS; ANNINH; MOITRUONG lần lượt là 0,905; 0,893; 0,864; 0,820 và 0,804. Điều
này cho thấy tương quan tuyến tính của mô hình hồi quy là rất mạnh và giả định liên hệ tuyến tính không bị vi phạm.
- Giả định phương sai sai số không đổi
Giả thuyết đặt ra cho kiểm định tương quan hạng là Phương sai sai số sẽ thay đổi, nếu giả thuyết này đúng thì hệ số tương quan hạng tổng thể giữa phần dư và biến độc lập sẽ khác 0.
Giả thuyết H0 cho phần dư với từng biến độc lập là: Hệ số tương quan hạng của tổng thể bằng không.
Dựa vào giá trị Sig của kiểm định Spearman của biến Giá trị tuyệt đối của phần dư không chuẩn hóa với từng biến KC_TT; GIATHANH; KC_MS; ANNINH; MOITRUONG đều lớn hơn 0,05 do đó không thể bác bỏ giả thuyết H0. Tức là hàm hồi quy mà tác giả đã xây dựng không vi phạm giả định phương sai sai số không đổi.
- Giả định về phân phối chuẩn của phần dư
Hình 5.1: Biểu đồ tần số phần dư chuẩn hóa
Phần dư có thể không tuân theo phân phối chuẩn vì những lý do như: sử dụng sai mô hình, phương sai không phải là hằng số, số lượng phần dư nhiều không đủ để phân tích…Vì vậy chúng ta nên thực hiện nhiều cách khảo sát khác nhau. Một cách khảo sát đơn giản nhất là xây dựng biểu đồ tần số của phần dư.
Dựa vào hình 1, tác giả nhận thấy một đường cong phân phối chuẩn được chồng lên biểu đồ tần số. Với trung bình Mean = 0 và độ lệch chuẩn Std. Dev gần bằng 1, ta kết luận giả định về phân phối chuẩn của phần dư dữ liệu không bị vi phạm.
- Giả định về hiện tượng đa cộng tuyến và tự tương quan
Số liệu thu thập trong đề tài được thực hiện trong thời gian ngắn, do đó hiện tượng tự tương quan chính là phương sai sai số thay đổi. Theo kiểm định tương quan hạng ở phần trên giả định này không bị vi phạm, vì vậy hiện tượng tự tương quan do số liệu mang tính chất thời gian không ảnh hưởng đến ý nghĩa mô hình hồi quy đa biến đã được thiết lập. Dựa vào kết quả chạy hồi quy (bảng 1), tác giả nhận thấy hệ số VIF (hệ số phóng đại phương sai) của các biến độc lập trong mô hình đều bé hơn 102 do đó hiện tượng đa cộng tuyến không xảy ra trong mô hình. Nên kết quả hàm hồi quy không bị ảnh hưởng.
Sử dụng mô hình hồi quy để định giá cho dự án chung cư cụ thể
Từ kết quả phân tích và hàm hồi quy được xây dựng, tác giả sử dụng để định giá cho một dự án chung cư cụ thể để xác định giá, qua đó so sánh mức giá được xác định bằng mô hình hồi quy với mức giá chủ đầu tư đã công bố và mức giá bình quân mà thị trường đã giao dịch thành công của dự án đó. Thông tin cụ thể của dự án như sau:
- Tên chung cư: Tòa nhà Bitexco II.
- Mức giá bán căn hộ chủ đầu tư đã công bố: 23,5 triệu đồng/1m2
- Mức giá bình quân giao dịch thành công trên thị trường: 28 triệu đồng/1m2
- Các thông tin về các biến theo mô hình đã được xây dựng: Khoảng cách từ trung cư đến trung tâm thành phố là 15 km; Giá thành của chung cư là 16 triệu đồng/1m2; Khoảng cách từ trung cư đến trung tâm mua sắm 2 km; Tình hình an ninh ở khu vực chung cư được đánh giá ở mức 4 (tốt) và Môi trường sinh thái của khu vực chung cư được đánh giá ở mức 3 (trung bình). Thay các thông tin của các biến vào mô hình hồi quy đã xây dựng ta có:
GIA = 19,855 – 0,814*15 + 0,712*16 – 0,556*2 + 1,563*4 + 0,889*3 = 26,8 triệu
đồng/1m2
2 Hoàng Trọng&Chu Nguyễn Mộng Ngọc (2008), Phân tích dữ liệu nghiên cứu với SPSS, NXB Hồng Đức, tr 251-251