Nghiên cứu các yếu tố ảnh hưởng đến giá bất động sản tại phường Cầu Giấy, thành phố Hà Nội trong bối cảnh sát nhập chính quyền hai cấp

1. Giới thiệu

Bất động sản là loại tài sản có giá trị lớn, vừa phục vụ nhu cầu ở và kinh doanh, vừa phản ánh chất lượng phát triển đô thị và năng lực quản lý đất đai. Trong các đô thị lớn, giá bất động sản thường chịu tác động đồng thời của vị trí, hạ tầng, đặc điểm kinh tế - xã hội, pháp lý, quy hoạch và những thuộc tính cá biệt của từng tài sản. Do đất đai có tính cố định về vị trí và khan hiếm tự nhiên, giá bất động sản ở khu vực trung tâm thường nhạy cảm với biến động hạ tầng, thay đổi chính sách và kỳ vọng của nhà đầu tư.

Trong bối cảnh sắp xếp đơn vị hành chính cấp xã của thành phố Hà Nội và phân định thẩm quyền theo mô hình chính quyền địa phương hai cấp vào năm 2026 [1-2], không gian quản lý của phường Cầu Giấy được tái cấu trúc. Quá trình chuyển đổi này làm thay đổi mạnh mẽ cơ chế phê duyệt dự án, tốc độ cấp phát giấy chứng nhận quyền sử dụng đất và tính minh bạch của thông tin quy hoạch. Vì vậy, việc đo lường xem những thay đổi quản lý này tác động thế nào đến tâm lý thị trường và sự dịch chuyển giá trị bất động sản là một nhu cầu thực tiễn vô cùng cấp bách.Các nghiên cứu trước đây đã khẳng định vai trò của nhóm yếu tố vị trí, hạ tầng giao thông công cộng, tiện ích đô thị, biến số kinh tế vĩ mô và đặc điểm khu vực đối với giá nhà đất. Một số nghiên cứu quốc tế cho thấy khả năng tiếp cận giao thông, tiện ích công cộng và các thuộc tính không gian có ảnh hưởng đáng kể đến giá nhà [3- 5]. Tại Việt Nam, các nghiên cứu liên quan cũng chỉ ra vai trò nổi bật của vị trí, hạ tầng và môi trường pháp lý trong định giá đất ở đô thị [6-9]. Tuy nhiên, vẫn còn thiếu các nghiên cứu định lượng trực tiếp sự tác động của một cú sốc thể chế - cụ thể là việc sáp nhập hành chính và vận hành mô hình chính quyền hai cấp. Nghiên cứu này lấp đầy khoảng trống đó bằng cách lồng ghép các chỉ báo về "sự tinh gọn thủ tục hành chính" và "tính minh bạch do sáp nhập" vào thang đo biến Chính sách, qua đó cung cấp bằng chứng thực nghiệm về tác động của cải cách bộ máy hành chính đến giá bất động sản.

Vì vậy, bài báo này tập trung trả lời ba câu hỏi: (i) những yếu tố nào ảnh hưởng đến giá bất động sản tại phường Cầu Giấy; (ii) mức độ ảnh hưởng của từng nhóm yếu tố ra sao; và (iii) kết quả định lượng có thể gợi mở hàm ý gì cho quản lý đất đai, phát triển hạ tầng và điều tiết thị trường bất động sản tại địa phương. Đóng góp chính của nghiên cứu là chuyển hóa dữ liệu khảo sát tại cấp phường thành mô hình định lượng, qua đó cung cấp bằng chứng thực nghiệm cho việc xây dựng bảng giá đất, minh bạch hóa giao dịch và định hướng phát triển bất động sản bền vững.

2. Cơ sở lý thuyết và mô hình nghiên cứu

2.1. Cơ sở lý thuyết

Nghiên cứu được xây dựng dựa trên Lý thuyết giá trị hưởng thụ (Hedonic Pricing Theory), cho rằng giá trị của một bất động sản được hình thành từ tập hợp các đặc tính cấu thành nó như vị trí, hạ tầng, cấu trúc vật lý và môi trường xung quanh. Đồng thời, nghiên cứu vận dụng Lý thuyết thể chế trong kinh tế học để lập luận rằng: sự thay đổi về chính sách (sáp nhập chính quyền hai cấp) giúp giảm chi phí giao dịch, tăng tính minh bạch thông tin, từ đó làm giảm rủi ro pháp lý cho nhà đầu tư và tạo ra tác động tích cực đến giá bất động sản.

2.2. Các giả thuyết nghiên cứu

Nghiên cứu được tiến hành dựa trên giả thuyết như sau: 
- Nhóm 1: Vị trí (VT) có tác động thuận chiều đến giá bất động sản tại phường Cầu Giấy.

- Nhóm 2: Kinh tế (KT) có tác động thuận chiều đến giá bất động sản.

- Nhóm 3: Xã hội (XH) có tác động thuận chiều đến giá bất động sản.

-Nhóm 4: Chính sách (CS) - đặc biệt là mức độ minh bạch và hiệu quả thủ tục từ mô hình chính quyền hai cấp - có tác động thuận chiều đến giá bất động sản.

- Nhóm 5: Đặc điểm cá biệt (CB) có tác động thuận chiều đến giá bất động sản.

- Nhóm 6: Cơ sở hạ tầng (CSHT) có tác động thuận chiều đến giá bất động sản.

3. Phương pháp nghiên cứu

3.1. Phương pháp điều tra, thu thập thông tin, tài liệu thứ cấp

Tài liệu thứ cấp được thu thập, chọn lọc và hệ thống hóa nhằm phục vụ ba mục đích: xác định cơ sở lý luận về giá bất động sản; nhận diện các yếu tố có khả năng ảnh hưởng đến giá bất động sản tại đô thị; và mô tả bối cảnh tự nhiên, kinh tế - xã hội, pháp lý và hạ tầng của phường Cầu Giấy. Các tài liệu thu thập gồm: (1) Báo cáo tình hình kinh tế - xã hội định kỳ (2024-2025) của UBND phường; (2) Bản đồ quy hoạch sử dụng đất và các văn bản pháp lý về sáp nhập đơn vị hành chính [1],[2] được trích xuất từ Cổng thông tin điện tử Thành phố Hà Nội và Sở Nông nghiệp và Môi trường; (3) Các bài báo khoa học trong nước và quốc tế để xây dựng cơ sở lý

3.2. Phương pháp điều tra, thu thập thông tin, tài liệu sơ cấp

Đối tượng khảo sát: Gồm 3 nhóm chính: người dân đang sinh sống/có sở hữu bất động sản tại địa bàn (40%), nhà đầu tư/môi giới bất động sản (40%), và cán bộ quản lý địa chính/quy hoạch tại địa phương (20%). Tiêu chí lựa chọn là những người có am hiểu về thị trường bất động sản Cầu Giấy và nắm được thông tin về việc sáp nhập chính quyền hai cấp.

Phương pháp chọn mẫu: Nghiên cứu sử dụng phương pháp chọn mẫu phân tầng (theo nhóm đối tượng) kết hợp lấy mẫu thuận tiện (convenience sampling) qua hình thức khảo sát trực tiếp và trực tuyến (Google Forms). Căn cứ theo công thức của Hair et al. (2019) [11], quy mô mẫu tối thiểu N = 5 * m (m là số biến quan sát). Với 28 biến quan sát độc lập, số mẫu tối thiểu là 140. Tác giả phát ra 180 phiếu, thu về 165 phiếu, sau khi làm sạch còn 150 phiếu hợp lệ.

Bảng 1. Hệ thống biến nghiên cứu

3.3. Phương pháp phân tích nhân tố khám phá

Độ tin cậy thang đo được kiểm định bằng hệ số Cronbach’s Alpha [12]. Thang đo được chấp nhận khi Cronbach’s Alpha lớn hơn 0,6 trong nghiên cứu khám phá và hệ số tương quan biến - tổng lớn hơn 0,3. Sau đó, phân tích nhân tố khám phá (EFA) được sử dụng để kiểm tra giá trị hội tụ và phân biệt của thang đo. Các tiêu chí đánh giá gồm KMO lớn hơn 0,5, kiểm định Bartlett có Sig. nhỏ hơn 0,05, Eigenvalue lớn hơn 1, tổng phương sai trích lớn hơn 50% và hệ số tải nhân tố lớn hơn 0,5 [11].

3.4. Phân tích hồi quy tuyến tính đa biến

Sau khi các thang đo đạt yêu cầu, nghiên cứu sử dụng hồi quy tuyến tính đa biến để lượng hóa tác động của các nhóm nhân tố đến giá bất động sản. Mô hình hồi quy có dạng [13]:

AH = β0 + β1 VT + β2KT + β3XH + β4CS + β5CB + β6CSHT + ε

Trong đó AH là biến phụ thuộc đại diện cho giá bất động sản; VT, KT, XH, CS, CB và CSHT lần lượt là các nhân tố vị trí, kinh tế, xã hội, chính sách, cá biệt và cơ sở hạ tầng; β0 là hằng số; β1 đến β6 là hệ số hồi quy; ε là sai số ngẫu nhiên. Mô hình được đánh giá thông qua hệ số R² hiệu chỉnh, kiểm định F, kiểm định t, mức ý nghĩa Sig., Durbin-Watson và kiểm tra đa cộng tuyến [13].

3.5. Phương pháp chuyên gia

Phương pháp chuyên gia được sử dụng trong quá trình rà soát thang đo, lựa chọn biến quan sát phù hợp với đặc thù thị trường Cầu Giấy và diễn giải kết quả hồi quy. Ý kiến chuyên gia giúp kiểm tra tính hợp lý của các hàm ý chính sách, đặc biệt đối với các nội dung về hạ tầng, quy hoạch, minh bạch thông tin và quản lý giao dịch bất động sản ở cấp phường.

3.6. Phương pháp tổng hợp và xử lý số liệu

Dữ liệu sơ cấp được mã hóa và xử lý thông qua phần mềm SPSS 26.0. Quy trình phân tích bao gồm: (1) Thống kê mô tả đặc điểm mẫu; (2) Đánh giá độ tin cậy thang đo qua hệ số Cronbach's Alpha (loại các biến có tương quan biến - tổng < 0,3); (3) Phân tích nhân tố khám phá EFA (với điều kiện KMO ≥ 0,5); và (4) Phân tích hồi quy tuyến tính đa biến, kiểm định các vi phạm giả định (đa cộng tuyến thông qua hệ số VIF, tự tương quan qua Durbin-Watson).

3. Kết quả nghiên cứu và thảo luận

3.1. Kết quả nghiên cứu

3.1.1. Điều kiện tự nhiên, kinh tế - xã hội phường Cầu Giấy

Phường Cầu Giấy nằm trong khu vực trung tâm phía Tây của Hà Nội, có vị trí kết nối thuận lợi với các tuyến giao thông quan trọng như Cầu Giấy - Xuân Thủy, Phạm Văn Đồng, Trần Duy Hưng, Trung Kính và các trục đường đô thị hiện đại. Địa hình tương đối bằng phẳng, phù hợp với phát triển đô thị, thương mại, dịch vụ và nhà ở. 
Về kinh tế - xã hội, Cầu Giấy là địa bàn có cơ cấu kinh tế thiên về dịch vụ, thương mại, công nghiệp và xây dựng. Tổng giá trị sản xuất trên địa bàn năm 2025 theo giá so sánh đạt 110.890 tỷ đồng, trong đó dịch vụ chiếm tỷ trọng 70,8%, công nghiệp - xây dựng chiếm 29,2%. Cơ cấu lao động cũng phản ánh đặc điểm đô thị rõ nét khi lao động dịch vụ duy trì khoảng 79% trong giai đoạn 2023-2025, còn lao động nông nghiệp bằng 0%. Theo số liệu nghiên cứu, phường Cầu Giấy có tổng diện tích tự nhiên 1.225,96 ha; đất phi nông nghiệp chiếm 1.188,46 ha, tương đương 96,94%; đất ở đô thị chiếm 475,00 ha, tương đương 38,74%; đất phát triển hạ tầng chiếm 465,00 ha, tương đương 37,92%. Dân số trên địa bàn đạt 236.981 người, mật độ trung bình 19.683 người/km², đồng thời còn có lượng sinh viên, lao động nhập cư và người tạm trú khá lớn. Những điều kiện này làm cho bất động sản Cầu Giấy có lợi thế về cầu sử dụng thực, nhưng cũng tạo áp lực lớn lên hạ tầng kỹ thuật, hạ tầng xã hội và công tác quản lý đất đai. Hệ thống giáo dục, y tế và tiện ích công cộng là điểm mạnh nổi bật của phường. Trên địa bàn có nhiều trường phổ thông, trường đại học, trung tâm thương mại, cơ quan và doanh nghiệp. Lợi thế này khiến bất động sản Cầu Giấy không chỉ có giá trị cư trú mà còn có giá trị thương mại, cho thuê và khai thác dịch vụ. Vì vậy, các yếu tố như hạ tầng giao thông, vị trí tiếp cận, chất lượng cộng đồng cư dân và tình trạng pháp lý có khả năng tác động mạnh đến giá bất động sản tại địa bàn.

3.1.2. Các yếu tố ảnh hưởng đến giá bất động sản tại phường Cầu Giấy 1. Đặc điểm mẫu khảo sát và mô hình thang đo

Mẫu khảo sát gồm 150 quan sát hợp lệ. Về giới tính, nữ chiếm 68,0% và nam chiếm 32,0%. Về độ tuổi, nhóm từ 30-50 tuổi chiếm tỷ lệ cao nhất với 49,3%, tiếp theo là nhóm trên 50 tuổi với 30,7% và nhóm dưới 30 tuổi với 20,0%. Về nghề nghiệp, công chức/viên chức chiếm 51,3%, kinh doanh chiếm 24,0%, lao động tự do chiếm 16,0% và nhóm khác chiếm 8,7%. Về thu nhập, nhóm 10-20 triệu đồng/tháng chiếm 58,7%, cho thấy mẫu khảo sát tập trung vào nhóm có nhu cầu thực và mức độ quan tâm đáng kể đến nhà ở đô thị.

Bảng 2. Thống kê mẫu khảo sát

2. Kiểm định thang đo bằng hệ số Cronbach’s Alpha

Kết quả kiểm định cho thấy toàn bộ thang đo có độ tin cậy cao. Cronbach’s Alpha của các nhóm biến độc lập dao động từ 0,946 đến 0,980; thang đo biến phụ thuộc đạt 0,825. Các hệ số tương quan biến - tổng đều lớn hơn 0,3. Vì vậy, không có biến quan sát nào bị loại khỏi mô hình và toàn bộ thang đo được sử dụng cho bước phân tích EFA.

Bảng 3. Kết quả kiểm định độ tin cậy thang đo

Nguồn: Tổng hợp từ dữ liệu nghiên cứu, 2026.

3. Phân tích nhân tố khám phá đối với biến độc lập

Trước khi chạy EFA, kiểm định KMO và Bartlett được thực hiện để đánh giá tính phù hợp của dữ liệu.

Bảng 4. Kiểm định KMO

Với KMO = 0,872 (>0,5) và Sig. = 0,000, dữ liệu hoàn toàn phù hợp để phân tích EFA. Kết quả trích xuất được 6 nhân tố với tổng phương sai giải thích là 90,661%.

Bảng 5. Kết quả nhân tố khám phá 
 

Bảng 6. Tóm tắt kết quả EFA

Nguồn: Tổng hợp từ dữ liệu nghiên cứu, 2026.

4. Phân tích hồi quy và kiểm định đa cộng tuyến

Kết quả hồi quy cho thấy R = 0,788; R² = 0,621 và R² hiệu chỉnh = 0,605. Điều này có nghĩa 6 nhóm nhân tố trong mô hình giải thích được 60,5% biến thiên của giá bất động sản tại phường Cầu Giấy. Kiểm định F có giá trị 39,032 với Sig. = 0,000, khẳng định mô hình hồi quy phù hợp với dữ liệu nghiên cứu. Trị số DurbinWatson bằng 1,899, nằm trong ngưỡng chấp nhận, cho thấy phần dư không có hiện tượng tự tương quan bậc nhất nghiêm trọng.

Bảng 7. Độ phù hợp và kiểm định ANOVA của mô hình hồi quy

Nguồn: Tổng hợp từ dữ liệu nghiên cứu, 2026.

Bảng 7 trình bày kết quả hệ số hồi quy. Tất cả các biến độc lập đều có Sig. = 0,000, nhỏ hơn 0,05, do đó đều có ảnh hưởng có ý nghĩa thống kê đến giá bất động sản. Các hệ số hồi quy chưa chuẩn hóa đều dương, cho thấy khi một yếu tố được cải thiện thì giá bất động sản có xu hướng tăng trong điều kiện các yếu tố khác không đổi.

Bảng 8. Hệ số hồi quy của mô hình

Phương trình hồi quy theo hệ số chưa chuẩn hóa được viết như sau:

AH = -0,244 + 0,221VT + 0,126KT + 0,201XH + 0,122CS + 0,156CB + 0,256CSHT + ε

Theo phương trình trên, khi yếu tố vị trí tăng 1 đơn vị, giá bất động sản tăng trung bình 0,221 đơn vị; khi yếu tố kinh tế tăng 1 đơn vị, giá tăng 0,126 đơn vị; khi yếu tố xã hội tăng 1 đơn vị, giá tăng 0,201 đơn vị; khi yếu tố chính sách tăng 1 đơn vị, giá tăng 0,122 đơn vị; khi yếu tố cá biệt tăng 1 đơn vị, giá tăng 0,156 đơn vị; và khi cơ sở hạ tầng tăng 1 đơn vị, giá bất động sản tăng 0,256 đơn vị. Xét theo hệ số chuẩn hóa, cơ sở hạ tầng là yếu tố có ảnh hưởng tương đối lớn nhất. Tỷ lệ ảnh hưởng tương đối tại Bảng 8 được xác định theo tỷ trọng tuyệt đối của hệ số Beta chuẩn hóa của từng nhân tố trên tổng giá trị tuyệt đối của các hệ số Beta chuẩn hóa trong mô hình: Tỷ lệ_i = |Beta_i|/Σ|Beta_j| × 100% [14].

Bảng 9. Thứ tự mức độ ảnh hưởng của các yếu tố

Nguồn: Tổng hợp từ dữ liệu nghiên cứu, 2026.

3.2. Thảo luận

Nghiên cứu xác nhận 6 nhóm nhân tố tác động tích cực đến giá bất động sản, trong đó Cơ sở hạ tầng (Beta = 0,473) chiếm vai trò quan trọng nhất. Sự vượt trội của yếu tố hạ tầng so với vị trí truyền thống phản ánh một thực tế tương đồng với các nghiên cứu quốc tế của Soltani et al. (2024) [5] và Duan et al. (2021) [3], nơi khả năng tiếp cận các tiện ích và mạng lưới giao thông công cộng định hình lại giá trị đất đai trong lòng đô thị. So sánh với các nghiên cứu tại thị trường Hà Nội trước đây như Lê Phương Thúy et al. (2020) [9], vốn đề cao "Vị trí" là nhân tố số 1, nghiên cứu của chúng tôi chỉ ra một sự dịch chuyển cấu trúc. Sự khác biệt này xuất phát từ bối cảnh mới của phường Cầu Giấy khi các tuyến đường sắt đô thị đi vào hoạt động và quỹ đất lõi bị thu hẹp, khiến chất lượng hạ tầng tiện ích nội khu trở thành yếu tố quyết định thanh khoản. Đặc biệt, việc chứng minh tính hiệu quả của biến Chính sách (Beta = 0,215) cung cấp một góc nhìn sâu sắc về tác động của thể chế. Trong bối cảnh sáp nhập chính quyền hai cấp, sự tinh gọn trong phân quyền và đẩy nhanh tốc độ giải quyết thủ tục hành chính đất đai đã trực tiếp nâng cao tính minh bạch. Người mua và nhà đầu tư định giá tài sản cao hơn khi các rủi ro về quy hoạch và pháp lý được giảm thiểu, một yếu tố hiếm được lượng hóa rõ ràng trong các nghiên cứu trước đây. 
Từ các kết quả trên, có thể rút ra một số hàm ý quản lý. Thứ nhất, chính quyền cần ưu tiên nâng cấp hạ tầng vi mô trong khu dân cư, bao gồm thoát nước, chiếu sáng, vệ sinh môi trường và an toàn phòng cháy chữa cháy. Thứ hai, cần công khai hóa thông tin quy hoạch, tiến độ dự án hạ tầng và dữ liệu giao dịch thành công để giảm bất cân xứng thông tin. Thứ ba, việc xây dựng bảng giá đất nên tính đến hệ số vị trí, mức độ tiếp cận giao thông công cộng và khả năng khai thác thương mại của từng nhóm thửa đất. Thứ tư, cần kiểm soát chặt hoạt động chia tách thửa, xây dựng nhà siêu mỏng, siêu méo và các giao dịch thiếu minh bạch. Thứ năm, cần khuyến khích phát triển đô thị theo định hướng giao thông công cộng, đồng thời bảo đảm cân bằng giữa tăng trưởng giá trị tài sản và khả năng tiếp cận nhà ở của người dân có nhu cầu thực.

4. Kết luận

Bài báo đã phân tích các yếu tố ảnh hưởng đến giá bất động sản tại phường Cầu Giấy, thành phố Hà Nội trong bối cảnh sáp nhập đơn vị hành chính và vận hành mô hình chính quyền hai cấp. Trên cơ sở 150 phiếu khảo sát hợp lệ và các phương pháp Cronbach’s Alpha, EFA, tương quan Pearson và hồi quy tuyến tính đa biến, nghiên cứu xác định 6 nhóm nhân tố có tác động thuận chiều và có ý nghĩa thống kê đến giá bất động sản: cơ sở hạ tầng, vị trí, xã hội, cá biệt, kinh tế và chính sách. Mô hình có R² hiệu chỉnh đạt 0,605, cho thấy khả năng giải thích tương đối tốt đối với biến động giá trong phạm vi nghiên cứu.

Kết quả quan trọng nhất là cơ sở hạ tầng giữ vai trò ảnh hưởng mạnh nhất, vượt lên trên yếu tố vị trí truyền thống. Điều này phản ánh sự thay đổi trong tiêu chí định giá bất động sản tại đô thị hiện đại: giá trị tài sản không chỉ gắn với tọa độ địa lý mà còn phụ thuộc vào chất lượng kết nối, tiện ích công cộng, an toàn đô thị và khả năng khai thác kinh tế. Vị trí vẫn là nền tảng tạo ra địa tô chênh lệch, trong khi các yếu tố xã hội và cá biệt góp phần gia tăng giá trị bền vững và tính thanh khoản của tài sản.

Từ góc độ quản lý, nghiên cứu kiến nghị phường Cầu Giấy cần đẩy mạnh số hóa dữ liệu đất đai, công khai thông tin quy hoạch, nâng cấp hạ tầng trong khu dân cư, hoàn thiện cơ chế tham chiếu giá giao dịch và kiểm soát các hành vi đầu cơ hoặc thổi giá dựa trên thông tin thiếu chính thống.Các chính sách điều tiết cần hướng đến mục tiêu kép: khai thác hiệu quả giá trị đất đai đô thị và bảo đảm thị trường phát triển minh bạch, ổn định, phục vụ nhu cầu ở thực của người dân.

Hạn chế của nghiên cứu là dữ liệu chủ yếu phản ánh nhận thức của người trả lời khảo sát, chưa kết hợp sâu với dữ liệu giao dịch thực tế theo tọa độ địa lý và chuỗi thời gian. Các nghiên cứu tiếp theo có thể mở rộng bằng mô hình Hedonic kết hợp GIS, dữ liệu giao dịch thứ cấp, hoặc mô hình học máy để đo lường chính xác hơn tác động của khoảng cách đến nhà ga, tuyến giao thông công cộng, trường học, bệnh viện và các tiện ích đô thị đến giá bất động sản tại từng vị trí cụ thể [18]- [20].

Cam kết của các tác giả

Tên tôi là Bùi Thị Cẩm Ngọc. Đơn vị công tác: Trường Đại học Kinh tế - Đại học Quốc gia Hà Nội. Là tác giả của bài báo “Nghiên cứu các yếu tố ảnh hưởng đến giá bất động sản tại phường Cầu Giấy, thành phố Hà Nội trong bối cảnh sát nhập chính quyền hai cấp” 
Tôi xin cam kết đây là công trình nghiên cứu của riêng tôi. Nghiên cứu, số liệu và kết quả được trình bày trong bài báo là hoàn toàn trung thực và chưa từng được công bố trên bất kỳ tạp chí hay ấn phẩm nào khác. Mọi thông tin trích dẫn từ các tài liệu khác đều được xác định rõ rang nguồn gốc. Tôi xin cam kết hoàn toàn chịu trách nhiệm về tính chính xác và bản quyền của bài báo này. 
[1] Ủy ban Thường vụ Quốc hội. (2025). Nghị quyết số 1656/NQ-UBTVQH15 ngày 16/6/2025 về việc sắp xếp các đơn vị hành chính cấp xã của thành phố Hà Nội năm 2025.

[2] Chính phủ. (2025). Nghị định số 151/2025/NĐ-CP ngày 12/6/2025 quy định về phân định thẩm quyền của chính quyền địa phương 02 cấp, phân quyền, phân cấp trong lĩnh vực đất đai.

[3] Duan, J., Tian, G., Yang, L., & Zhou, T. (2021). Addressing the macroeconomic and hedonic determinants of housing prices in Beijing Metropolitan Area, China. Habitat International, 113, 102374. DOI:10.1016/j.habitatint.2021.102374

[4] Luo, H., Zhao, S., & Yao, R. (2021). Determinants of Housing Prices in Dalian City, China: Empirical Study Based on Hedonic Price Model. Journal of Urban Planning and Development, 147(2). DOI:10.1061/(ASCE)UP.1943-5444.0000698

[5] Soltani, A., Zali, N., Aghajani, H., Hashemzadeh, F., Rahimi, A., & Heydari, M. (2024). The nexus between transportation infrastructure and housing prices in metropolitan regions. Journal of Housing and the Built Environment, 39, 787-812. DOI:10.1007/s10901-023-10085-3

[6] Phan Thị Thanh Huyền, Lo Thi Hong, & Ho Thi Lam Tra. (2017). Factors Affecting Residential Land Price in Dien Bien Phu City, Dien Bien Province. Tạp chí Khoa học Nông nghiệp Việt Nam, 15(9), 1186-1195. DOI: https://doi.org/10.31817/tckhnnvn.2017.15.9.

[7] Nguyễn Văn Bình, Hồ Nhật Linh, & Trần Thị Ánh Tuyết. (2020). Factors Affecting Real Estate Price in Hue City, Thua Thien Hue Province. Hue University Journal of Science: Agriculture and Rural Development, 129(3). https://doi.org/10.26459/hueunijard.v129i3C.5986

[8] Doãn Quang Cường, & Trần Quốc Bình. (2020). Application of Exploratory Factor Analysis (EFA) and Analytic Hierarchy Process (AHP) in Valuation of Urban Residential Land in Quoc Oai Town, Quoc Oai District, Hanoi City. VNU Journal of Science: Earth and Environmental Sciences, 36(2). https://doi.org/10.25073/2588-1094/vnuees.4521

[9] Lê Phương Thúy, Bùi Ngọc Tú, Phạm Lê Tuấn, & Trần Quốc Bình. (2020). Effects of Urban Transportation Infrastructure Development Projects on Residential Land Price in Cau Giay District, Hanoi City. VNU Journal of Science: Earth and Environmental Sciences, 36(4). https://doi.org/10.25073/2588-1094/vnuees.4522

[10] Likert, R. (1932). A Technique for the Measurement of Attitudes. Archives of Psychology, 140, 1-55. https://legacy.voteview.com/pdf/Likert_1932.pdf

[11] Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2019). Multivariate Data Analysis (8th ed.). Cengage Learning. https://eli.johogo.com/Class/CCU/SEM/_Multivariate%20Data%20Analysis_Hair.pdf

[12] Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16, 297-334. http://cda.psych.uiuc.edu/psychometrika_highly_cited_articles/cronbach_1951.pdf

[13] Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics (5th ed.). McGraw-Hill/Irwin.

https://www.cbpbu.ac.in/userfiles/file/2020/STUDY_MAT/ECO/1.pdf

[14] Nathans, L. L., Oswald, F. L., & Nimon, K. (2012). Interpreting multiple linear regression: A guidebook of variable importance. Practical Assessment, Research & Evaluation, 17(9), 1-19. doi: https://doi.org/10.4159/harvard.9780674063297.c1

[15] Quốc hội. (2023). Luật Nhà ở số 27/2023/QH15.

[16] Quốc hội. (2023). Luật Kinh doanh bất động sản số 29/2023/QH15.

[17] Quốc hội. (2024). Luật Đất đai số 31/2024/QH15.

[18] Nguyễn Lâm Quỳnh Trâm, & Nguyễn Xuân Long. (2025). Đánh giá tác động của tuyến Metro số 1 đến giá bất động sản tại TP.HCM: Ứng dụng mô hình Hedonic kết hợp GIS. Tạp chí Vật liệu và Xây dựng - Bộ Xây dựng, 15(06), 197-205. https://ojs.jomc.vn/index.php/vn/article/view/1131

[19] Malaitham, S., Fukuda, A., Vichiensan, V., & Wasuntarasook, V. (2020). Hedonic pricing model of assessed and market land values: A case study in Bangkok metropolitan area, Thailand. Case Studies on Transport Policy, 8(1), 153-162. doi: https://doi.org/10.1016/j.cstp.2018.09.008

[20] Yin, Z., Li, W., Li, C., & Zheng, Y. (2025). The relationship between accessibility and land prices: A focus on accessibility to transit in the 15-min city. Travel Behaviour and Society, 38, Article 100914. doi: https://doi.org/10.1016/j.tbs.2024.100914