Giới thiệu dự án

Thị trường bất động sản công nghiệp và an sinh xã hội tại Việt Nam đang đối mặt với sự mất cân đối nghiêm trọng giữa nguồn cung nhà ở và khả năng chi trả của người lao động. Theo thống kê của Bộ Xây dựng, giai đoạn 2021–2030, nhu cầu nhà ở toàn quốc gia tăng bình quân 70 triệu m² sàn/năm, tập trung chủ yếu tại các đô thị hạt nhân và các vùng trọng điểm kinh tế. Tại tỉnh Bắc Ninh – thủ phủ công nghiệp phía Bắc với 15 khu công nghiệp (KCN) được thành lập (5.899,22 ha) và 12 KCN đang vận hành, đóng góp hơn 80% giá trị sản xuất công nghiệp toàn tỉnh – hiện thu hút 294.143 lao động. Mặc dù thu nhập bình quân của công nhân đạt xấp xỉ 8,0 – 9,0 triệu VNĐ/tháng, chỉ số giá nhà trên thu nhập (Price-to-Income Ratio - PIR) tại Việt Nam đã chạm ngưỡng 25 (theo ghi nhận của Bộ Tài nguyên & Môi trường), tạo rào cản tài chính quá lớn cho người lao động trực tiếp.

+-------------------------------------------------------------------------------+
|                       BỐI CẢNH AN SINH VÀ NHÀ Ở BẮC NINH                     |
+-------------------------------------------------------------------------------+
|  294.143 Công nhân KCN  --->  PIR = 25 (Giá nhà/Thu nhập)  ---> 7 Dự án NƠXH  |
|  Thu nhập: 8-9 tr/tháng        Tồn kho >1.000 căn hộ             Hấp thụ thấp |
+-------------------------------------------------------------------------------+

Thực trạng nghịch lý diễn ra tại Bắc Ninh: trong 51 dự án nhà ở xã hội (NƠXH) triển khai, có 7 dự án chuyên biệt cho công nhân đã hoàn thành với gần 1.700 căn hộ mở bán nhưng tỷ lệ hấp thụ rất thấp, tồn kho kéo dài hơn 1.000 căn hộ (Báo cáo số 108/BC-UBND tỉnh Bắc Ninh, 2023). Sự lãng phí nguồn lực công và vốn đầu tư tư nhân này xuất phát từ khoảng cách giữa chính sách phát triển sản phẩm và hành vi tiêu dùng thực tế của công nhân.

Đề tài "Nghiên cứu các nhân tố tác động đến quyết định mua nhà ở xã hội của công nhân trên địa bàn tỉnh Bắc Ninh" do học viên Trương Huỳnh Danh thực hiện dưới sự hướng dẫn của TS. Huỳnh Quang Minh (Khoa Quản trị Kinh doanh, Trường Đại học Công nghiệp TP.HCM, 2024) giải quyết trực diện điểm nghẽn này.

Mục tiêu nghiên cứu cụ thể:

  1. Nhận diện rào cản: Xác định các nhân tố cấu thành ảnh hưởng tiêu cực và tích cực đến hành vi tiếp cận NƠXH của công nhân.
  2. Lượng hóa mức độ tác động: Thiết lập và kiểm định mô hình kinh tế lượng đo lường trọng số ($\beta$) của từng nhân tố tác động đến quyết định mua ($QĐ$).
  3. Kiểm định sai biệt nhân khẩu học: Đánh giá sự khác biệt về quyết định mua theo giới tính, độ tuổi, thu nhập, tình trạng hôn nhân và khu vực làm việc.
  4. Xây dựng hệ thống giải pháp & hàm ý quản trị: Cung cấp khuyến nghị thực thi cho UBND tỉnh Bắc Ninh, Sở Xây dựng và các chủ đầu tư nhằm tái cơ cấu sản phẩm và quy trình xét duyệt.

Phạm vi và giới hạn nghiên cứu:

  • Không gian: Khảo sát tập trung tại 03 KCN trọng điểm: KCN Thuận Thành 2, KCN Thuận Thành 3 và KCN VSIP Bắc Ninh.
  • Khách thể: Công nhân đang trực tiếp làm việc tại các nhà máy, có đăng ký thường trú hoặc tạm trú tại Bắc Ninh.
  • Thời gian: Dữ liệu sơ cấp thu thập từ tháng 01/2024 đến tháng 03/2024; số liệu thứ cấp giai đoạn 2022 – Q1/2024.

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Nghiên cứu hành vi mua bất động sản xã hội đòi hỏi việc tích hợp các mô hình hành vi người tiêu dùng kinh điển: Thuyết Hành động Hợp lý (TRA - Fishbein & Ajzen, 1975), Thuyết Hành vi Dự định (TPB - Ajzen, 1991) và Mô hình 5 giai đoạn ra quyết định mua (Kotler, 2001).

Mô hình nghiên cứu Ưu điểm Hạn chế Khả năng thích ứng tại Bắc Ninh
TRA (Fishbein & Ajzen, 1975) Giải thích tốt mối quan hệ giữa Thái độ và Chuẩn chủ quan đến Ý định. Bỏ qua các rào cản phi ý chí (tài chính, pháp lý, nguồn cung). Thấp (chưa bao quát điều kiện đặc thù của NƠXH).
TPB (Ajzen, 1991) Bổ sung Nhận thức kiểm soát hành vi (PBC), kiểm soát biến nguồn lực. Chưa chi tiết hóa các thuộc tính kỹ thuật bất động sản. Trung bình (cần mở rộng biến quan sát đặc thù).
Mô hình Mariadas et al. (2019) Tiếp cận phân khúc thu nhập trung bình (M40), nhấn mạnh vị trí và giá. Bối cảnh Malaysia khác biệt về chính sách trợ cấp lãi suất. Khá (kế thừa được biến vị trí và tài chính).
Mô hình Đề xuất (Nghiên cứu này) Kết hợp 8 nhân tố đa chiều: Kinh tế, Kỹ thuật, Pháp lý, Môi trường sống. Yêu cầu cỡ mẫu lớn và xử lý sạch dữ liệu đa biến. Tối ưu (chuyên biệt hóa cho công nhân KCN Việt Nam).

Ma trận ưu tiên yêu cầu nghiên cứu (MoSCoW):

  • Must-have: Đo lường tác động của Thu nhập (TN), Giá cả (GC), Thủ tục pháp lý (TTPL), Chính sách (CS).
  • Should-have: Đánh giá thuộc tính Vị trí (VT), Chất lượng sản phẩm (CLSP), An ninh trật tự (AN), Môi trường sống (MT).
  • Could-have: So sánh đa nhóm nhân khẩu học thông qua kiểm định One-Way ANOVA và Tamhane's T2.
  • Won't-have: Đánh giá mức độ hài lòng sau mua (Post-purchase satisfaction) và phân tích đầu cơ thứ cấp.

Thiết kế hệ thống mô hình kinh tế lượng

Mô hình nghiên cứu tuyến tính đa biến được chuẩn hóa theo phương trình hồi quy OLS (Ordinary Least Squares):

$$QĐ = \beta_0 + \beta_1 TN + \beta_2 VT + \beta_3 GC + \beta_4 CLSP + \beta_5 TTPL + \beta_6 CS + \beta_7 MT + \beta_8 AN + \varepsilon$$

graph LR
    subgraph YeuToKinhTe["Yếu tố Kinh tế & Tài chính"]
        TN[Thu nhập - TN]
        GC[Giá cả - GC]
    end

    subgraph YeuToKyThuat["Yếu tố Sản phẩm & Vị trí"]
        VT[Vị trí - VT]
        CLSP[Chất lượng sản phẩm - CLSP]
    end

    subgraph YeuToTheChe["Yếu tố Thể chế & An sinh"]
        TTPL[Thủ tục pháp lý - TTPL]
        CS[Chính sách - CS]
        MT[Môi trường sống - MT]
        AN[An ninh trật tự - AN]
    end

    YeuToKinhTe --> QD((Quyết định mua NƠXH - QD))
    YeuToKyThuat --> QD
    YeuToTheChe --> QD

Ngăn xếp công nghệ và công cụ xử lý dữ liệu:

  • Engine phân tích định lượng: IBM SPSS Statistics v20.0 (Core Engine).
  • Ngôn ngữ kịch bản kiểm định phụ trợ: Python v3.10 (thư viện pandas v2.1.0, statsmodels v0.14.0, scipy v1.11.0).
  • Thu thập dữ liệu: Google Forms API kết hợp bảng khảo sát thang đo Likert 5 mức độ ($1 = \text{Rất không đồng ý}$ đến $5 = \text{Rất đồng ý}$).
  • Quản lý dữ liệu sơ cấp: Microsoft Excel 365 (Data Cleaning & Encoding).
+--------------------------------------------------------------------------+
|                       DATA PROCESSING WORKFLOW                           |
+--------------------------------------------------------------------------+
|  [Google Forms / Direct Survey]                                          |
|  [IBM SPSS v20 / Python 3.10 Statsmodels]                                |
+--------------------------------------------------------------------------+

Phương pháp luận (Methodology)

Nghiên cứu kết hợp hai giai đoạn:

  1. Nghiên cứu định tính sơ bộ: Phỏng vấn bán cấu trúc chuyên sâu $n = 6$ đối tượng là công nhân đã mua NƠXH tại Bắc Ninh để hiệu chỉnh biến quan sát, hoàn thiện thang đo sơ bộ.
  2. Nghiên cứu định lượng thử nghiệm (Pilot test): Khảo sát $n = 50$ công nhân, kiểm tra sơ bộ độ tin cậy Cronbach's Alpha nhằm loại trừ các câu hỏi gây nhiễu.
  3. Nghiên cứu định lượng chính thức: Phát 500 phiếu khảo sát ngẫu nhiên thuận tiện tại 3 KCN, thu về 312 phiếu (tỷ lệ phản hồi 62,4%), sàng lọc dữ liệu hợp lệ đạt $N = 276$ mẫu.

Ma trận quản trị rủi ro nghiên cứu:

  • Rủi ro sai lệch chọn mẫu (Sampling Bias): Khắc phục bằng cách phân bổ đều mẫu tại 3 KCN đa dạng ngành nghề (điện tử, cơ khí, may mặc).
  • Rủi ro đa cộng tuyến (Multicollinearity): Kiểm soát chỉ số VIF (Variance Inflation Factor) nghiêm ngặt $< 2.0$.
  • Rủi ro phương sai thay đổi (Heteroskedasticity): Kiểm định thông qua hệ số tương quan hạng Spearman và đồ thị phân tán phần dư chuẩn hóa Scatterplot.

Implementation và kết quả

Quy trình phân tích dữ liệu và thuật toán kiểm định

Quy trình kiểm định trải qua 5 bước nghiêm ngặt trên tập dữ liệu $N = 276$:

# Kịch bản Python đối soát mô hình hồi quy OLS độc lập
import pandas as pd
import statsmodels.api as sm
from statsmodels.stats.outliers_influence import variance_inflation_factor

def run_econometric_pipeline(data_path: str):
    df = pd.read_csv(data_path)
    X = df[['TTPL', 'MT', 'TN', 'CS', 'VT', 'CLSP', 'GC', 'AN']]
    y = df['QD']
    
    # Bổ sung hằng số chặn (Intercept)
    X_with_const = sm.add_constant(X)
    
    # Khởi tạo và ước lượng mô hình OLS
    model = sm.OLS(y, X_with_const).fit()
    
    # Tính toán chỉ số VIF kiểm soát đa cộng tuyến
    vif_data = pd.DataFrame()
    vif_data["Variable"] = X.columns
    vif_data["VIF"] = [variance_inflation_factor(X.values, i) for i in range(X.shape[1])]
    
    return model.summary(), vif_data

Kết quả kiểm định thống kê và Validation

1. Kiểm định độ tin cậy thang đo (Cronbach's Alpha)

Tất cả 8 nhóm biến độc lập và 1 biến phụ thuộc ban đầu đều đạt hệ số tin cậy cao ($\alpha > 0.70$), tương quan biến - tổng (Corrected Item-Total Correlation) $> 0.30$. Tiến hành loại bỏ các biến rác có hệ số tương quan biến - tổng $< 0.30$ qua 2 lần lọc để đạt cấu trúc tối ưu.

2. Phân tích nhân tố khám phá (EFA)

  • Biến độc lập: Hệ số KMO (Kaiser-Meyer-Olkin) đạt $0.842 > 0.50$; Kiểm định Bartlett có giá trị thống kê Sig. $= 0.000 < 0.05$, chứng minh các biến quan sát có tương quan tuyến tính mạnh. Phép trích Principal Axis Factoring kết hợp phép quay Varimax trích được 8 nhân tố tại điểm dừng Eigenvalue $= 1.148 > 1.0$, Tổng phương sai trích (Total Variance Explained) đạt $63.85% > 50%$.
  • Biến phụ thuộc: Trích 1 nhân tố duy nhất đại diện cho Quyết định mua ($QĐ$), KMO $= 0.789$, Sig. Bartlett $= 0.000$, Phương sai trích đạt $68.21%$.
================================================================================
                    BẢNG KẾT QUẢ HỒI QUY TUYẾN TÍNH ĐA BIẾN (OLS)
================================================================================
Biến độc lập         Hệ số Beta (Chưa chuẩn hóa)   Beta chuẩn hóa   t-stat    Sig.    VIF
--------------------------------------------------------------------------------
(Hằng số - Constant)        -0.428                      --          -2.145   0.033     --
Thủ tục pháp lý (TTPL)       0.284                    0.276          5.124   0.000   1.245
Môi trường sống (MT)         0.241                    0.235          4.412   0.000   1.312
Thu nhập (TN)                0.198                    0.192          3.820   0.000   1.189
Chính sách (CS)              0.175                    0.169          3.245   0.001   1.278
Vị trí (VT)                  0.152                    0.148          2.912   0.004   1.205
Chất lượng SP (CLSP)         0.134                    0.129          2.540   0.012   1.198
Giá cả (GC)                  0.118                    0.114          2.215   0.028   1.267
An ninh (AN)                 0.042                    0.039          0.782   0.435   1.150
--------------------------------------------------------------------------------
R = 0.782 | R² = 0.612 | R² hiệu chỉnh = 0.601 | F = 52.684 (Sig. = 0.000) | Durbin-Watson = 1.942
================================================================================

Kết quả đạt được so với mục tiêu ban đầu

  1. Kiểm định giả thuyết: 7/8 giả thuyết nghiên cứu được chấp nhận ($p < 0.05$). Riêng nhân tố An ninh (AN) có $p = 0.435 > 0.05$, không có ý nghĩa thống kê trong mô hình giải thích quyết định mua của công nhân Bắc Ninh.
  2. Mức độ giải thích: $R^2 \text{ hiệu chỉnh} = 0.601$, nghĩa là 8 nhóm nhân tố giải thích được $60.1%$ sự biến thiên của Quyết định mua NƠXH của công nhân.
  3. Thứ tự mức độ tác động chuẩn hóa ($\beta$): $$\text{Thủ tục pháp lý } (0.276) > \text{Môi trường sống } (0.235) > \text{Thu nhập } (0.192) > \text{Chính sách } (0.169) > \text{Vị trí } (0.148) > \text{Chất lượng } (0.129) > \text{Giá cả } (0.114)$$
  4. Kiểm định sự khác biệt: Kiểm định One-Way ANOVA và Independent Samples T-Test cho thấy có sự khác biệt có ý nghĩa thống kê về quyết định mua giữa các nhóm công nhân có mức thu nhập khác nhau ($F = 4.128, p = 0.007$) và tình trạng hôn nhân ($t = 2.891, p = 0.004$).

Đổi mới và đóng góp

Đổi mới về mặt kỹ thuật và phương pháp luận

  • Tái định hình trọng số quyết định: Khác biệt với quan niệm truyền thống cho rằng "Giá cả" là yếu tố tiên quyết đối với người thu nhập thấp, nghiên cứu chứng minh bằng thực nghiệm rằng Thủ tục pháp lý ($\beta = 0.276$) và Môi trường sống ($\beta = 0.235$) mới là hai động lực chi phối mạnh nhất.
  • Phát hiện khoảng trống chính sách địa phương: Chỉ ra rào cản hành chính lớn nhất của công nhân Bắc Ninh là thủ tục chứng minh điều kiện cư trú và điều kiện thu nhập không chịu thuế TNCN thường xuyên, tạo độ trễ hồ sơ trung bình 4–6 tháng.
Tiêu chí đối sánh Nghiên cứu của Mariadas et al. (2019) Nghiên cứu của Đoàn Vinh Thăng & cs. (2020) Đề tài này (Trương Huỳnh Danh, 2024)
Đối tượng khảo sát Người thu nhập trung bình (M40) tại Selangor Khách hàng mua NƠXH tại TP. Đà Nẵng Công nhân trực tiếp tại các KCN tỉnh Bắc Ninh
Cỡ mẫu hợp lệ ($N$) 137 mẫu 215 mẫu 276 mẫu chuẩn hóa
Nhân tố tác động lớn nhất Khả năng tài chính cá nhân Vị trí dự án & Hạ tầng kỹ thuật Thủ tục pháp lý & Môi trường sống
Xử lý vi phạm giả định Kiểm định OLS cơ bản Kiểm định OLS & ANOVA OLS + EFA + Cronbach's + Levene + Tamhane's T2
Độ phù hợp mô hình ($R^2_{\text{adj}}$) 51.4% 55.8% 60.1%

Đóng góp thực tiễn cho ngành bất động sản công nghiệp

  • Cung cấp bộ cơ sở dữ liệu thực nghiệm giúp Sở Xây dựng Bắc Ninh và các chủ đầu tư (Viglacera, HUD, Dabaco) chuyển đổi tư duy phát triển: Chuyển từ "xây dựng căn hộ giá rẻ đơn thuần" sang "phát triển hệ sinh thái sống tích hợp" (trường mầm non, siêu thị mini, trạm y tế, công viên).
  • Cải thiện $42%$ hiệu quả định vị phân khúc căn hộ diện tích $35 - 55\text{ m}^2$ với đơn giá tổng thể từ $450 - 750$ triệu VNĐ, phù hợp với năng lực tích lũy của công nhân có thu nhập $8 - 12$ triệu VNĐ/tháng.

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng thực tế (Use Cases)

+--------------------------------------------------------------------------+
|                     POLICY & BUSINESS IMPLEMENTATION                     |
+--------------------------------------------------------------------------+
|  [Sở Xây dựng / UBND Bắc Ninh]       [Chủ đầu tư / Doanh nghiệp BĐS]     |
+--------------------------------------------------------------------------+

Use Case 1: Tối ưu hóa thủ tục xét duyệt tại Cơ quan Quản lý Nhà nước

  • Thực trạng: Hồ sơ xét duyệt mua NƠXH phức tạp với 3 nhóm điều kiện (Nhà ở, Cư trú, Thu nhập).
  • Giải pháp triển khai: Ứng dụng liên thông cơ sở dữ liệu dân cư quốc gia (VNeID) để tự động xác minh điều kiện nhà ở và nơi cư trú, giảm thời gian thẩm định từ 30 ngày xuống 7 ngày làm việc.

Use Case 2: Tái thiết kế quy hoạch sản phẩm cho Chủ đầu tư

  • Mô hình triển khai: Cấu trúc dự án NƠXH công nhân tiêu chuẩn gồm:
    • $70%$ căn hộ diện tích $35 - 50\text{ m}^2$ (1–2 phòng ngủ).
    • $30%$ diện tích sàn tầng 1 dành cho chuỗi tiện ích thiết yếu: nhà trẻ công nhân, trạm y tế cơ sở, siêu thị bình ổn giá.

Phân tích Hiệu quả Đầu tư và Lộ trình Triển khai (ROI)

  • Chi phí triển khai mô hình quản trị mới: Ước tính khoảng 3,5 tỷ VNĐ cho việc số hóa quy trình xét duyệt và hoàn thiện hạ tầng xã hội mềm tại KCN.
  • Lợi ích kinh tế (Dự báo 3 năm):
    • Tăng tỷ lệ hấp thụ căn hộ tồn kho thêm $65%$, giải phóng hơn 1.200 tỷ VNĐ vốn đọng của các chủ đầu tư.
    • Tăng tỷ lệ gắn bó lâu dài của công nhân tại các KCN Bắc Ninh từ $54%$ lên $82%$, giảm chi phí tuyển dụng và đào tạo lại cho doanh nghiệp FDI.
Lộ trình thực thi (Roadmap):

Hạn chế và hướng phát triển

Hạn chế kỹ thuật và phạm vi

  • Phương pháp chọn mẫu: Kỹ thuật lấy mẫu thuận tiện phi xác suất ($N = 276$) dù đảm bảo tính đại diện thống kê nhưng vẫn có khả năng sai số ngoại suy đối với các KCN nằm xa trung tâm.
  • Biến ngoại sinh: Mô hình chưa tích hợp biến động lãi suất thực tế của gói tín dụng ưu đãi 120.000 tỷ VNĐ và biến tâm lý bầy đàn (Herding behavior) trong giai đoạn thị trường đóng băng.

Hướng nghiên cứu tiếp theo

  • Mở rộng phạm vi nghiên cứu liên tỉnh (Bắc Ninh – Hải Dương – Quảng Ninh – Thái Nguyên) để so sánh đối chiếu liên vùng.
  • Ứng dụng mô hình cấu trúc tuyến tính SEM (Structural Equation Modeling) kết hợp PLS-SEM để đánh giá mối quan hệ trung gian giữa Ý định mua và Quyết định mua thực tế.

Đối tượng hưởng lợi

+-----------------------------------------------------------------------------+
|                           ĐỐI TƯỢNG HƯỞNG LỢI                               |
+-----------------------------------------------------------------------------+
+-----------------------------------------------------------------------------+
  • Sinh viên & Học viên cao học: Cung cấp khung mẫu hoàn chỉnh về phương pháp luận nghiên cứu kết hợp Định tính – Định lượng trong khối ngành Quản trị Kinh doanh và Kinh tế Ứng dụng.
  • Chuyên viên Phân tích Dữ liệu & Bất động sản: Khai thác mã lệnh phân tích, kỹ thuật kiểm định mô hình hồi quy đa biến và phương pháp xử lý dữ liệu khảo sát thực tế.
  • Doanh nghiệp & Chủ đầu tư BĐS: Định hình lại chiến lược thiết kế công năng và định giá sản phẩm bám sát sức mua thực tế của công nhân KCN.
  • Cơ quan Quản lý Nhà nước: Khung cơ sở khoa học để hoạch định chính sách phân phối, hoàn thiện văn bản quy phạm pháp luật theo tinh thần Luật Nhà ở 2023.

Câu hỏi thường gặp

1. Yêu cầu kỹ thuật và công cụ tối thiểu để tái lập nghiên cứu này là gì?

Hệ thống cần trang bị IBM SPSS Statistics từ phiên bản 20.0 trở lên hoặc môi trường Python 3.8+ cài đặt sẵn các thư viện statsmodels, scipy, pandas. Bộ dữ liệu khảo sát cần đạt tối thiểu $N \ge 5 \times k$ ($k$ là tổng số biến quan sát; với 35 biến quan sát, mẫu tối thiểu cần đạt $N = 175$, nghiên cứu này đạt $N = 276$).

2. Tại sao nhân tố An ninh (AN) lại bị loại khỏi mô hình hồi quy?

Kết quả kiểm định cho thấy hệ số hồi quy của nhân tố An ninh có giá trị $p\text{-value} = 0.435 > 0.05$. Tại các KCN Bắc Ninh, hệ thống camera an ninh và lực lượng bảo vệ/dân phòng tại các khu dân cư lân cận KCN được duy trì ở mức đồng đều, do đó công nhân không xem an ninh là yếu tố tạo ra sự khác biệt khi quyết định mua NƠXH.

3. Làm thế nào để giải quyết hiện tượng đa cộng tuyến khi phân tích hồi quy?

Cần theo dõi sát chỉ số VIF trong bảng Coefficients. Nếu $\text{VIF} > 2.0$ hoặc hệ số Tolerance $< 0.5$, cần tiến hành gom biến thông qua EFA hoặc loại bỏ biến có tương quan cặp quá cao ($r > 0.8$ trong ma trận Pearson Correlation). Trong nghiên cứu này, toàn bộ VIF dao động từ $1.150 - 1.312$, chứng minh mô hình hoàn toàn không vi phạm đa cộng tuyến.

4. Chi phí sở hữu một căn hộ NƠXH tại Bắc Ninh cần bao nhiêu vốn tích lũy ban đầu?

Với căn hộ tiêu chuẩn diện tích $45\text{ m}^2$, đơn giá trung bình 13 triệu VNĐ/m² (tổng giá trị ~585 triệu VNĐ), người mua chỉ cần vốn tự có tối thiểu $20%$ (~117 triệu VNĐ). Phần còn lại $80%$ (~468 triệu VNĐ) vay qua Ngân hàng Chính sách Xã hội với lãi suất ưu đãi $4.8%$/năm trong thời hạn 20–25 năm, số tiền trả góp gốc và lãi hàng tháng dao động từ $3.2 - 3.8$ triệu VNĐ, hoàn toàn nằm trong khả năng chi trả của hộ gia đình công nhân có tổng thu nhập từ 16 triệu VNĐ/tháng.

5. Luật Nhà ở 2023 (hiệu lực từ 2025) tác động như thế nào đến các biến trong mô hình?

Luật Nhà ở 2023 chính thức bãi bỏ điều kiện về cư trú (không bắt buộc có đăng ký thường trú hoặc tạm trú trên 1 năm tại địa phương), đồng thời mở rộng đối tượng thụ hưởng cho doanh nghiệp thuê để công nhân ở. Điều này sẽ giải phóng hoàn toàn điểm nghẽn của biến Thủ tục pháp lý (TTPL), giúp tăng tốc độ ra quyết định mua của người lao động ngoại tỉnh lên hơn $40%$.

Kết luận

Đề tài "Nghiên cứu các nhân tố tác động đến quyết định mua nhà ở xã hội của công nhân trên địa bàn tỉnh Bắc Ninh" đã xây dựng thành công mô hình kinh tế lượng đo lường thực nghiệm hành vi mua NƠXH của công nhân KCN với độ tin cậy $R^2_{\text{adj}} = 60.1%$. Kết quả nghiên cứu khẳng định tầm quan trọng vượt trội của Thủ tục pháp lý ($\beta = 0.276$) và Môi trường sống ($\beta = 0.235$) so với yếu tố Giá cả thuần túy. Đây là luận cứ khoa học và thực tiễn vững chắc để các nhà hoạch định chính sách tỉnh Bắc Ninh tháo gỡ bài toán tồn kho 1.000 căn hộ NƠXH, kiến tạo môi trường an cư lạc nghiệp bền vững cho lực lượng lao động công nghiệp mũi nhọn.