3. Thu thập và xử lý dữ liệu
Để thực hiện cuộc khảo sát chính thức, tác giả hướng dẫn và đào tạo nhóm sinh viên hỗ trợ quá trình điều tra khảo sát. Trong đó, có 04 sinh viên năm cuối thuộc chuyên ngành Bất động sản và địa chính tham gia hỗ trợ khảo sát. Cuộc khảo sát được thực hiện trực tiếp tại địa bàn 03 quận nơi dự án đi qua với sự tham gia trực tiếp của 05 thành viên (tác giả + 04 sinh viên hỗ trợ). Thời gian khảo sát thực hiện từ tháng 11/2018 – Tháng 01/2019, tổng số phiếu thu về được 225 phiếu. Sau khi kiểm tra, nhập liệu và tổng hợp và loại những phiếu trả lời thiếu và thông tin các câu trả lời giống nhau, số phiếu sử dụng để phân tích cuối cùng là 216 phiếu. Quá trình xử lý được 02 nhóm (mỗi nhóm 02 sinh viên thực hiện nhập liệu độc lập, sau đó thực hiệu đối chiếu, kiểm tra dữ liệu nhập). Quá trình nhập, xử lý và phân tích số liệu được thực hiện trên phần mềm Excel và SPSS.
II. KẾT QUẢ PHÂN TÍCH
1. Kết quả thống kê mô tả
Nghiên cứu này cũng thăm dò sự đánh giá của người dân khi cảm nhận về chất lượng hạ tầng giao thông (đường Tố Hữu – Yên Lộ) trong khu vực. Cụ thể, trong mẫu khảo sát, phần lớn các cá nhân sử dụng xe máy là phương tiện chính khi tham gia giao thông (chiếm đến 67,6%). Số còn lại sử dụng ô tô cá nhân (chiếm 22,2%) và có tham gia sử dụng các loại hình phương tiện giao thông công cộng (chiếm 4,6%) và khác (chiếm 5,6%). Khi đánh giá về điều kiện cơ sở hạ tầng giao thông tại xung quanh khu vực đang sinh sống, có đến 73 người (tương đương 33,8%) và 36 người (tương đương 16,7%) đáng giá là tốt và rất tốt. Trong khi đó, có 67 người (tương đương 31%) đánh giá CSHT giao thông ở mức độ khá tốt, số còn lại đánh giá ở mức độ trung bình và kém lần lượt là 30 người (tương đương 13,9%) và 10 người (tương đương 4,6%). Theo đó, có khoảng gần 45,4% người được hỏi hài lòng và rất hài lòng với CSHT giao thông tại khu vực, khoảng hơn 1/3 người được hỏi (36,1%) đánh giá ở mức bình thường, còn lại là không hài lòng (chiếm 17,1%) và rất không hài lòng (chiếm 1,4%). Như vậy, có thể thấy rằng, mức độ hài lòng của người dân về CSHT giao thông quanh khu vực là có sự khác biệt.
2. Phân tích nhân tố khám phá (EFA)
2.1. Kiểm định hệ số tin cậy thước đo (Cronbach’s Alpha)
Thực hiện đánh giá độ tin cậy của thước đo qua Cronbach’s Alpha cho từng nhóm biến quan sát thuộc các nhân tố khác nhau.
Kết quả phân tích độ tin cậy cho biến “Khả năng tiếp cận đến đến trung tâm” lần đầu cho thấy hệ số cronbach anpha là 0,778. Trong đó, biến quan sát DIS4 có hệ số tương quan biến tổng (là 0,361) là vẫn đạt yêu cầu >0,3. Tuy nhiên, nếu bỏ biến thành phần DIS4 sẽ có hệ số cronbach anpha là 0,826 là tốt hơn. Do đó, tác giả loại biến DIS4. Sau khi bỏ biến DIS4, kiểm tra thấy Cronbach's Alpha là 0,826; đồng thời các hệ số tương quan biến tổng và tương quan bội bình phương đều cao. Thang đo đạt yêu cầu tin cậy để sử dụng cho các phân tích tiếp theo.
74
Sau đó, tác giả tiếp tục thực hiện phân tích độ tin cậy cho biến “Thời gian di chuyển” lần đầu cho thấy hệ số cronbach anpha là 0,591. Trong đó, biến TIME4 có hệ số tương quan biến tổng (là 0,104) < 0,3 (không đạt yêu cầu để đưa vào phân tích). Do đó, tác giả loại biến số thành phần TIME4. Kết quả kiểm tra thấy Cronbach's Alpha (sau khi bỏ biến quan sát TIME4) đạt 0,745; đồng thời các hệ số tương quan biến tổng và tương quan bội bình phương đều đạt yêu cầu.
Tương tự, phân tích độ tin cậy thước đó các nhân tố đều có hệ số cronbach anpha lớn hơn 0,7 và hệ số tương quan biến tổng lớn hơn 0,3. Tuy nhiên, đối với biến “Thay đổi trong sử dụng đất” kết quả phân tích độ tin cậy lần đầu có hệ số cronbach anpha là 0,874. Trong đó, biến quan sát LUC5 có hệ số tương quan biến tổng (là 0,437) là đạt yêu cầu >0,3; tuy nhiên, nếu bỏ biến thành phần LUC5 sẽ có hệ số cronbach anpha là 0,909 là tốt hơn. Tác giả cân nhắc về kết quả này và tiếp tục giữ lại biến thành phần LUC5 để thực hiện các phân tích tiếp theo. Sau đó tác giả thực hiện kiểm tra biến còn lại đều cho kết quả đạt hiệu cầu. Kết quả tổng hợp phân tích hệ số tin cậy thước đo được thể hiện bảng dưới. Như vậy, thang đo của các biến đáp ứng độ tin cậy cần thiết để thực hiện các phân tích tiếp theo (Hair và cộng sự, 2010).
Bảng 4. Kết quả Cronbach’s Alpha của các thước đo trong nghiên cứu lần 1
Trung bình thước đo nếu loại biến | Phương sai thước đo nếu loại biến | Hệ số tương quan biến tổng | Cronbach's Alpha nếu loại biến | |
Cronbach’s Alpha DIS = .826 | ||||
DIS1 | 7.68 | 1.651 | .714 | .728 |
DIS2 | 7.71 | 1.519 | .741 | .698 |
DIS3 | 7.85 | 1.838 | .598 | .839 |
Cronbach’s Alpha TIME = .722 | ||||
TIME1 | 8.94 | 1.297 | .575 | .659 |
TIME2 | 8.66 | 1.170 | .605 | .621 |
TIME3 | 8.61 | 1.266 | .538 | .701 |
Cronbach’s Alpha OPT = .804 | ||||
OPT1 | 15.09 | 2.540 | .477 | .687 |
OPT2 | 15.05 | 2.268 | .562 | .651 |
OPT3 | 15.03 | 2.548 | .475 | .688 |
OPT4 | 14.97 | 2.520 | .435 | .703 |
OPT5 | 15.03 | 2.325 | .498 | .679 |
Cronbach’s Alpha LUC = .874 | ||||
LUC1 | 15.48 | 5.200 | .794 | .825 |
LUC2 | 15.59 | 5.834 | .676 | .855 |
LUC3 | 15.51 | 5.004 | .822 | .817 |
LUC4 | 15.54 | 5.078 | .816 | .819 |
LUC5 | 15.42 | 6.226 | .437 | .909 |
Cronbach’s Alpha LVU = .904 | ||||
LVU1 | 7.75 | 1.828 | .839 | .837 |
LVU2 | 7.71 | 1.928 | .711 | .943 |
LVU3 | 7.82 | 1.690 | .882 | .797 |
Có thể bạn quan tâm!
-
Xin Ông/ Bà Cho Biết Quan Điểm Cá Nhân Đối Với Các Phát Biểu Về Gia Tăng Giá Trị -
Tổng Hợp Các Biến Cơ Bản Trong Phân Tích Mô Hình -
Kết Quả Tổng Hợp Của Mô Hình Đầy Đủ Biến Model Summaryb -
Nghiên cứu các yếu tố tác động đến gia tăng giá trị đất đô thị tại Việt Nam - 37
Xem toàn bộ 301 trang tài liệu này.
Nguồn: Kết quả phân tích số liệu.
75
2.2. Kết quả phân tích EFA
Phương pháp phân tích nhân tố khám phá EFA được sử dụng nhằm mục đích nhóm các biến/ thước đo vào các nhân tố được tối thiểu hóa với tính đồng nhất, không có tương quan vưới cá thang đó khác trong cùng nhân tố. Phương pháp này cho phép loại bỏ những biến có độ hội thụ thấp và có tương quan với các các thước đo khác trong cùng một nhân tố. Phương pháp này cũng giúp có thể loại bỏ những biến phụ thuộc nếu tất các các biên quan sát/ thước đo đo lường nhân tố bị loại bỏ toàn bộ.
Để đánh giá giá trị thang đo, tác giả tiến hành phân tích EFA cho từng thang đo để kiểm tra tính đơn hướng của từng thang đo, sau đó tiến hành kiểm tra đồng thời EFA cho toàn bộ các tiêu chí đo lường. Tác giả thực hiện phân tích EFA riêng rẽ cho các biến độc lập và biến phụ thuộc. Kết quả phân tích EFA (lần đầu) của các biến độc lập được tổng hợp trong bảng dưới đây.
Bảng 5. Kết quả ma trận sau khi xoay nhân tố lần 1 của biến độc lập
Ký hiệu | ||||
1 | 4 | |||
LUC3 LUC1 LUC4 LUC2 | .868 .860 .830 .771 | |||
OPT2 OPT1 OPT4 OPT5 OPT3 | .769 .673 .643 .629 .611 | |||
DIS2 DIS1 DIS3 LUC5 | .396 | .869 .832 .796 .412 | ||
TIME2 TIME3 TIME1 | .817 .766 .731 | |||
Sig. = 0,000; KMO = 0,762 | ||||
Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a a. Rotation converged in 5 iterations. | ||||
Component
2 3
Kết quả cho thấy biến thành phần LUC5 tải 02 nhân tố và không tải vào đúng nhân tố cần đo. Ngoài ra, biến quan sát LUC5 cho kết quả hệ số tải nhân tố là khá thấp (<0,5). Tác giả thực hiện việc loại biến thành phần LUC5 và kiểm tra độ tin cậy thước đo trước thực hiện phân tích EFA lần tiếp theo. Kết quả kiểm tra thước đo sau khi loại biến thành phần LUC5 được tổng hợp bảng dưới.
76
Bảng 6. Kết quả Cronbach’s Alpha của các thước đo trong nghiên cứu sau khi loại biến LUC5 (lần 2)
Trung bình thước đo nếu loại biến | Phương sai thước đo nếu loại biến | Hệ số tương quan biến tổng | Cronbach's Alpha nếu loại biến | |
Cronbach’s Alpha DIS = .826 | ||||
DIS1 | 7.68 | 1.651 | .714 | .728 |
DIS2 | 7.71 | 1.519 | .741 | .698 |
DIS3 | 7.85 | 1.838 | .598 | .839 |
Cronbach’s Alpha TIME = .722 | ||||
TIME1 | 8.94 | 1.297 | .575 | .659 |
TIME2 | 8.66 | 1.170 | .605 | .621 |
TIME3 | 8.61 | 1.266 | .538 | .701 |
Cronbach’s Alpha OPT = .804 | ||||
OPT1 | 15.09 | 2.540 | .477 | .687 |
OPT2 | 15.05 | 2.268 | .562 | .651 |
OPT3 | 15.03 | 2.548 | .475 | .688 |
OPT4 | 14.97 | 2.520 | .435 | .703 |
OPT5 | 15.03 | 2.325 | .498 | .679 |
Cronbach’s Alpha LUC = .909 | ||||
LUC1 | 11.51 | 3.563 | .802 | .878 |
LUC2 | 11.62 | 4.023 | .716 | .908 |
LUC3 | 11.55 | 3.393 | .835 | .867 |
LUC4 | 11.57 | 3.456 | .828 | .869 |
Cronbach’s Alpha LVU = .904 | ||||
LVU1 | 7.75 | 1.828 | .839 | .837 |
LVU2 | 7.71 | 1.928 | .711 | .943 |
LVU3 | 7.82 | 1.690 | .882 | .797 |
Nguồn: Kết quả phân tích số liệu.
3. Kiểm định tương quan
Để phân tích rõ hơn sự tác động và mức độ tác động của các nhân tố độc lập đến sự gia tăng giá trị đât đai do khi có đầu tư CSHT (mở đường giao thông), qua đánh giá của người sử dụng đất, tác giả thực hiện kỹ thuật phân tích hệ số tương quan Pearson, trước khi thực hiện kỹ thuật phân tích hồi bội. Cần thiết thực hiện kiểm định tương quan giữa các biến phụ thuộc và biến độc lập với nhau để loại biến độc lập không có tương quan với biến phụ huộc và kiểm tra hiện tượng đa cộng tuyến thông qua hệ số Pearson (Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2008).
Thực hiện phân tích tương quan Pearson trong SPSS, tác giả có được kết quả được trình bày trong bảng phía dưới. Theo bảng này, ta thấy: Kết quả kiểm định Hệ số tương quan Pearson (Pearson Correlation) giữa biến phụ thuộc (Giá trị đất gia tăng – LVU) và các biến độc lập (biến nghiên cứu) đều có ý nghĩa thống kê với Hệ số kiểm định Pearson (Sig.
<0,05). Như vậy, khi phân tích hồi quy tác giả thực hiện đưa các biến đó phân tích. Tuy nhiên, kết quả hệ số tương quan Pearson giữa các cặp biến độc lập cũng cho thấy có một số cặp có giá trị Sig. có ý nghĩa thống kê. Điều này cho thấy khả năng xảy ra hiện tượng đa cộng tuyến, nhưng để biết chính xác cần căn cứ vào hệ số phóng đại phương sai (VIF) trong phân tích hồi quy.
77
Bảng 7. Kết quả phân tích hệ số tương quan
MDIS | MOPT | MLUC | MLVU | MTIME | ||
Pearson Correlation | 1 | .244** | .321** | .348** | .219** | |
MDIS | Sig. (2-tailed) | .000 | .000 | .000 | .001 | |
N | 216 | 216 | 216 | 216 | 216 | |
Pearson Correlation | .244** | 1 | .463** | .593** | .213** | |
MOPT | Sig. (2-tailed) | .000 | .000 | .000 | .002 | |
N | 216 | 216 | 216 | 216 | 216 | |
Pearson Correlation | .321** | .463** | 1 | .600** | .419** | |
MLUC | Sig. (2-tailed) | .000 | .000 | .000 | .000 | |
N | 216 | 216 | 216 | 216 | 216 | |
Pearson Correlation | .348** | .593** | .600** | 1 | .597** | |
MLVU | Sig. (2-tailed) | .000 | .000 | .000 | .000 | |
N | 216 | 216 | 216 | 216 | 216 | |
Pearson Correlation | .219** | .213** | .419** | .597** | 1 | |
MTIME | Sig. (2-tailed) | .001 | .002 | .000 | .000 | |
N | 216 | 216 | 216 | 216 | 216 |
**. Correlation is significant at the 0.01 level (2-tailed).
Nguồn: Kết quả phân tích số liệu.
78
4. Phân tích hồi quy và kiểm định giả thuyết
Kết quả hợp mức ý nghĩa của các hệ số hồi quy của các biến được tổng hợp bảng dưới đây:
Bảng 8. Tóm tắt kết luận về các hệ số của mô hình hồi quy
Tên biến | Hệ số Beta chuẩn hóa | |
MDIS | Khả năng tiếp cận đến đến trung tâm | .095** |
MLUC | Thay đổi trong sử dụng đất | .225*** |
MTIME | Thời gian di chuyển | .400*** |
MOPT | Cơ hội phát triển | .380*** |
Trong đó: ***: với P-value < 0,001; **: với P-value < 0,05;
Như vậy, kết quả nghiên cứu cho thấy cả 04 giả thuyết đề xuất ban đầu được ủng hộ trong nghiên cứu này.
Bảng 9. Tóm tắt kết luận về các giả thuyết cần kiểm định
Kết quả | |
H1: Khoảng cách đến trung tâm có tác động đáng kể đến giá trị đất gia tăng; | Được ủng hộ |
H2: Thời gian di chuyển có tác động đáng kể đến giá trị đất gia tăng; | Được ủng hộ |
H3: Cơ hội phát triển tại khu vực có tác động đáng kể đến giá trị đất gia tăng; | Được ủng hộ |
H4: Thay đổi trong sử dụng đất có tác động đáng kể đến giá trị đất gia tăng; | Được ủng hộ |
Trước khi viết phương trình hồi quy, tác giả thực hiện kiểm tra các giả định trong mô hình hồi quy bội. Đầu tiên, dựa vào các hệ số VIF có thể thấy rằng mô hình không có đa cộng tuyến xảy ra (do các hệ số VIF đều nhỏ hơn 2). Trong khi đó, hệ số Durbin- Watson (DW) bằng 1,126; có thể kết luận mô hình không có tự tương quan. Thứ hai, căn cứ vào biểu đồ histogram của phần dư chuẩn hóa, thấy rằng, biểu đồ phân bố theo hình dạng của phân phối chuẩn. Đồng thời, giá trị trung bình mean là -5.68E-15 xấp xỉ
=0, và độ lệch chuẩn bằng 0.991 xấp xỉ =1, có thể khẳng định thêm phần dư chuẩn hóa có tuân theo quy luật của phân phối chuẩn.
79
Hình 2. Biểu đồ thể hiện phần dư chuẩn hóa
Ngoài ra, biều đồ Normal P-P Plot (biều đồ Normal P-P Lot của phân phối chuẩn của phần dư) phía dưới, ta thấy: các trị số quan sát và trị số mong đợi đều nằm gần trên đường chéo chứng tỏ phần dư chuẩn hóa có phân phối chuẩn. Cụ thể, khi kiểm định bằng Biểu đồ P- P Plot, có thể thấy những giá trị của các điểm phân vị của phân phối của biến theo các phân vị của phân phối chuẩn – được phản ánh qua mức độ của các điểm thực tế, tập trung sát đường thẳng kỳ vọng.
Như vậy, chúng ta có thể kết luận là dữ liệu trong nghiên cứu này là khá tốt, với phần dư chuẩn hóa có phân phối xấp xỉ với phân phối chuẩn, hay nói cách khác giả thiết phân phối chuẩn của phần dư không bị vi phạm.
80
Hình 3. Biểu đồ Normal P-P Plot
Đối với việc kiểm tra giả định về liên hệ tuyến tính, tác giả sử dụng biểu đồ phân tán Scatterplot. Khi nhhìn vào biểu đồ Scatterplot bên dưới, ta thấy phần dư chuẩn hóa (Regression Standardized Residual) phân bổ tập trung xung quanh đường hoành độ 0, do vậy giả định quan hệ tuyến tính không bị vi phạm.
Hình 4. Biểu đồ phân tán Scatterplot
81