Tiểu luận môn kinh tế lượng - Giá nhà ở tại thành phố Hồ Chí Minh

CHƯƠNG 1: MỞ ĐẦU
1.1 Lý do chọn đề tài
Bất động sản là tài sản lớn của mỗi quốc gia. Nó thường chiếm khoảng 40% lượng
của cải và chiếm tới 30% tổng hoạt động của nền kinh tế. Ngoài ra trong điều kiện kinh tế
thị trường, bất động sản không chỉ là một tài sản lớn của mỗi gia đình với chức năng là
nhà ở, là nơi thực hiện tổ chức hoạt động kinh tế, nhưng nó còn là nguồn vốn để phát
triển thông qua hoạt động thế chấp. Năm 2008 với những biến động lớn của nền kinh tế
thế giới đã một phần ảnh hưởng đến Việt Nam. Cuộc khủng hoảng kinh tế toàn cầu, sự
giảm sút của thị trường chứng khoán… đã khiến cho thị trường bất động sản trong nước
trở nên ảm đảm hơn, đồng thời cũng khiến cho thị trường bất động sản 2009 gặp nhiều
khó khăn hơn và đặt ra cho chúng ta một ẩn số. Tuy nhiên, bất động sản cũng sẽ hồi phục
của nền kinh tế, dự báo của một số nhà kinh tế rằng đến giữa năm 2009 thị trường bất
động sản sẽ bình ổn hơn.
Như đã biết, hiện nay nhu cầu nhà ở của người dân rất là cao, nhất là ở các thành
phố lớn. Theo ông Nguyễn Tấn Bền – giám đốc sở xây dựng Thành phố Hồ Chí Minh –
60% hộ gia đình của TP.HCM có thu nhập thấp thì trong đó số hộ có nhu cầu nhà ở là
30.000. Còn theo Thứ trưởng Bộ Xây dựng, ông Nguyễn Trần Nam thì trong mỗi năm
diện tích nhà ở cả nước tăng bình quân 30 triệu mét vuông nhưng chỉ mới phát triển ở
phân khúc thị trường cao cấp, ít phục vụ cho người có thu nhập trung bình và thấp. Vì
thế, cho dù trong bối cảnh bất động sản 2008-2009 đang trong tình trạng đóng băng thì
phân khúc thị phần nhà giá thấp vẫn không hề nguội một phần do nhu cầu thật và một
phần do gói kích cầu kinh tế của Chính Phủ; trong khi đó phân khúc đất nền rất ảm đảm
và phân khúc nhà cao cấp tiếp tục giảm giá, ít có người giao dịch. Hơn nữa, trong giai
đoạn này, giá nhà hiện đang xuống nên nhu cầu mua nhà lại càng tăng lên. Là sinh viên,
chúng ta cũng có mong muốn sau khi tốt nghiệp sẽ có việc làm, có một chỗ ở ổn định, nói
một cách cụ thể hơn là chúng ta hy vọng sẽ có một căn nhà riêng. Thế nhưng, việc mua
một căn hộ cao cấp thì không khả thi đối với sinh viên ra trường. Vì thế, đích ngắm tới
1
của hầu hết các bạn là những căn nhà phù hợp với khả năng hiện tại của mình. Tuy nhiên,
với việc áp dụng Luật thuế thu nhập cá nhân và những vấn đề nan giải trong thị trường
Bất động sản khiến cho những ai muốn mua nhà cũng còn rất e dè. Do đó, đối với những

người hoạt động mua bán nhà nói chung, hay những ai muốn bán nhà cần có một cách
định giá tốt cho căn nhà của mình. Bắt nguồn từ ý tưởng này, nhóm chúng tôi đã thực
hiện đề tài nghiên cứu : “ Các yếu tố ảnh hưởng đến giá nhà trên địa bàn Thành phố Hồ
Chí Minh” để giúp cho các nhà buôn bán nhà có thể định giá tốt hơn cho căn hộ của
mình, đồng thời mong muốn cung cấp cho các người muốn mua nhà có một tài liệu tham
khảo về giá cả nhà hiện nay trên địa bàn Thành Phố. Đồng thời nhóm chúng tôi cũng đưa
ra một số kiến nghị làm tài liệu tham khảo cho các nhà kinh doanh bất động sản cũng như
như những ai đã và đang muốn bán nhà.
Câu hỏi mà nhóm đặt ra là “Những yếu tố nào tác động mạnh mẽ nhất đến
việc định giá bán cho một căn nhà trên địa bàn thành phố hiện nay?”. Xuyên suốt đề
tài, bằng cơ sở lý thuyết kết hợp với thực tiễn, nhóm đã cố gắng trả lời câu hỏi trên một
cách hợp lý nhất.
1.2. Phạm vi đề tài
Nhóm tiến hành khảo sát 100 mẫu ngẫu nhiên (những người muốn bán nhà) trên
địa bàn thành phố.
1.3. Phương pháp nghiên cứu
Thu thập dữ liệu thứ cấp, sơ cấp
Sử dụng phương pháp Least Square
1.4. Cấu trúc đề tài
Chương 1: Mở đầu
Chương 2: Cơ sở lý luận
Chương 3: Thu thập số liệu
Chương 4: Ước lượng – kiểm định và lựa chọn mô hình
Chương 5: Kết luận
2
Chương 2: CƠ SỞ LÝ LUẬN
2.1. Cơ sở lý thuyết
Dựa vào quy luật giá trị, chúng ta biết rằng giá cả có thể lên xuống xoay quanh giá
trị (do tác động của cung, cầu…) nhưng giá cả luôn luôn phụ thuộc vào giá trị (giá cả tỷ
lệ thuận với giá trị). Nhóm chúng tôi đã áp dụng quy luật này vào việc phân tích giá nhà

ở trên địa bàn thành phố Hồ Chí Minh. Từ đó, chúng tôi thấy rằng luôn có mối liên hệ
mật thiết giữa giá cả mà người bán định ra cho căn nhà căn nhà với chất lượng thật sự của
căn nhà của họ.
Theo chúng tôi, các yếu tố sau sẽ quyết định chất lượng thực sự của một căn nhà.
• Thứ nhất: giá mảnh đất xây dựng nên căn nhà đó
• Thứ hai: vị trí của căn nhà (gần chợ, trường học, siêu thị, bệnh viện, trung
tâm thành phố, khu vực không ngập nước, không giải tỏa…)
• Thứ ba: hiện trạng căn nhà (cấp 4, cấp 3, kiên cố…)
• Thứ tư: chiều rộng của mặt đường trước nhà (mặt tiền, hẻm nhỏ, hẻm cụt,
hẻm xe hơi…)
• Thứ năm: tình trạng pháp lý của căn nhà (chủ quyền Hồng, sổ đỏ, giấy tay,
kê khai 99…)
Do nguồn lực có hạn nên chúng tôi quyết định chọn ngẫu nhiên 100 mẫu ở 10
quận trên địa bàn thành phố để khảo sát. Trong quá trình khảo sát, chúng tôi thấy rằng
92% các căn nhà này có giấy tờ pháp lý là chủ quyền hồng (giấy chứng nhận quyền sở
hữu nhà và đất ở). Do vậy, chúng tôi quyết định bỏ qua yếu tố giấy tờ pháp lý của căn
nhà.
2.2. Dự đoán mô hình
Từ cơ sở lý thuyết trên, chúng tôi quyết định đưa ra mô hình như sau:
Y= β
0
+ β
1
X
1
+ β
2
X
2
+ β

3
X
3
+ β
4
X
4
+ β
5
X
5
+ β
6
X
6
3
• Y (triệu đồng): giá 1m
2
nhà (giá 1m
2
đất sau khi đã xây dựng nhà
bằng giá nhà chia diện tích đất).
• X
1
(triệu đồng): giá 1m
2
đất nơi căn nhà được xây dựng.
• X
2
(tầng): số tầng của căn nhà

• X
3
: hẻm nhỏ (biến dummy)
• X
4
: hẻm xe hơi ( biến dummy)
• X
5
: ngập nước (biến dummy)
• X
6
: khoảng cách từ nhà đến chợ (siêu thị) gần nhất (đơn vị: km)
Kỳ vọng về dấu của mô hình
β
1
mang dấu (+): khi giá 1 m
2
đất xây dựng nhà tăng lên thì giá 1 m
2
nhà cũng tăng
lên.
β
2
mang dấu (+): khi số tầng của căn nhà càng tăng thì giá 1 m
2
nhà cũng tăng lên.
β
3
mang dấu (–): nếu nhà trong hẻm nhỏ thì giá 1 m
2

nhà giảm xuống (so với khi ở
mặt tiền).
β
4
mang dấu (–): nếu nhà trong hẻm xe hơi thì giá 1 m
2
nhà giảm xuống (so với
khi ở mặt tiền).
β
5
mang dấu (–): nếu nhà nằm ở khu vực thường xuyên bị ngập nước khi triều
cường, trời mưa thì giá 1 m
2
nhà giảm xuống.
β
6
mang dấu (–): nếu khoảng cách từ nhà đến chợ hoặc siêu thị gần nhất càng xa
thì giá 1 m
2
nhà giảm xuống.
4
Chương 3: THU THẬP SỐ LIỆU
3.1. Phương pháp thu thập số liệu: thứ cấp và sơ cấp
Thu thập dữ liệu thứ cấp 100 mẫu ngẫu nhiên (những tin đăng bán nhà) của 10
quận nội thành gồm quận 1, quận 2, quận 3, quận 5, quận 6, quận 10, quận Bình Thạnh,
quận Tân Bình, quận Tân Phú, quận Phú Nhuận thông qua những trang web:
www.nhadat24h.net www.nhaban.com , www.muabanthue.com , trên báo Mua và Bán…
Từ những dữ liệu thứ cấp thu thập được chúng tôi tiến hành thu thập dữ liệu sơ
cấp bằng phương pháp phỏng vấn bằng điện thoại để xác minh lại thông tin.
BẢNG CÂU HỎI PHỎNG VẤN QUA ĐIỆN THOẠI

Xin chào anh (chị), em đang tìm mua một căn nhà ở quận… Thành Phố Hồ Chí
Minh. Em có đọc thông tin trên Internet (báo) và được biết anh (chị) đang cần bán một
căn nhà ở quận Xin anh (chị) vui lòng trả lời một số câu hỏi sau đây để em biết rõ hơn
thông tin về căn nhà của anh (chị).
1. Nhà anh (chị) nằm trên đường nào của quận… ?
2. Diện tích đất là bao nhiêu?
3. Hiện trạng căn nhà như thế nào (bao nhiêu tầng)?
4. Nhà anh (chị) ở ngoài mặt tiền hay trong hẻm và hẻm rộng bao nhiêu mét?
5. Khoảng cách từ nhà anh (chị) đến chợ (siêu thị ) gần nhất là bao nhiêu km?
6. Giá thật sự anh (chị) định bán là bao nhiêu?
Cám ơn những thông tin của anh (chị). Mọi vấn đề cần thiết em sẽ liên lạc sau với
anh (chị) qua số điện thoại này.
Thông thường, người bán thường muốn đưa ra thông tin tốt về sản phẩm của mình
từ đó dẫn đến tình trạng thông tin mà người mua thu thập được thường kém chính xác
(chênh lệch thông tin – vấn đề quả chanh). Vì vậy, sau khi phỏng vấn qua điện thoại,
5
nhóm tiến hành đi khảo sát thực tế để xác thực lại một lần nữa thông tin. Mỗi thành viên
trong nhóm phụ trách 2 quận (20 mẫu), kiểm tra lại các thông tin đã thu thập được. Đặc
biệt, nhóm tiến hành hỏi những người sống xung quanh đó xem khu vực này có hay bị
ngập nước không, chợ hay siêu thị gần nhất cách đó khoảng bao nhiêu km. Sau khi kiểm
tra lại dữ liệu mẫu một lần nữa, nhóm đã tổng hợp được bảng số liệu như sau:
3.2. Bảng tổng hợp số liệu
STT Y X
1
X
2
X
3
X
4

X
5
X
6
1 18.13 3 2 1 0 1 3
2 26.79 7.7 1 1 0 1 2
3 48.57 21.6 2 0 1 0 0.5
4 28.89 8.8 1.5 1 0 1 2.5
5 49.94 16.2 4 0 1 0 1.5
6 29.17 12.5 1 1 0 0 2
7 29.9 15.6 1.5 0 1 0 0.4
8 25.81 13.2 1.5 1 0 0 1
9 52.75 13.9 3.5 0 1 0 2.5
10 56.45 9.5 4 1 0 1 1
11 73.43 15.2 6 0 0 0 1.5
12 137.09 21.6 4.5 0 0 0 0.5
13 31.94 9.6 1.5 0 1 1 1
14 58.39 7.2 4 0 0 1 3
15 38.15 6 3 0 0 1 1
16 57.35 12 2.5 0 1 1 1.5
17 32.29 6 1 0 0 1 2
18 102.78 13.8 5.5 0 0 1 1
19 72.2 15.2 5 0 0 0 2.5
20 6.5 2.7 3 0 1 1 3.5
21 29.17 7.5 1 1 0 1 2
22 18.65 3.6 2 1 0 1 2.5
6
23 118.75 22 3 0 0 0 1
24 106.88 31.9 4.5 0 1 0 2
25 56.67 18.7 2.5 0 1 0 0.3

26 28.33 4.8 4.5 0 1 1 1
27 58.64 46.2 1 0 1 0 2
28 24.38 3.6 2 1 0 1 1.5
29 71.25 16.5 4.5 0 1 0 0.5
30 50.05 27.5 1 0 1 0 1.5
31 23.61 20.5 1 1 0 0 1
32 73.86 22 3.5 1 0 0 0.5
33 33 17.6 1 0 1 0 1
34 89.06 30.8 3.5 0 0 0 1
35 27.9 5.3 2.5 0 1 1 1.5
36 110 50.6 2 0 1 0 1
37 324.12 36.3 2 0 0 0 1
38 54.05 13.2 2 0 0 0 0.6
39 34.26 11.7 2.5 0 1 0 0.4
40 363.23 17 6 0 0 0 1
41 48.36 18 1.5 0 1 0 1
42 70.51 15.4 4.5 0 1 0 1.5
43 108.55 23.1 3 0 0 0 2
44 68.33 14.3 3 0 1 0 1.5
45 102.38 16.5 3.5 1 0 0 2
46 113.8 15 5.5 0 0 1 1
47 189.39 26.4 5 0 1 0 0.2
48 112.5 46.6 3 1 0 0 1
49 153.88 18.4 1 0 0 0 1
50 79.17 15.2 4 1 0 0 2.5
51 43.33 17 2.5 0 0 0 1
7
52 77.08 16.5 2 1 0 0 0.1
53 100.39 19.8 1 0 0 0 0.2
54 110.24 15.8 5 0 0 0 1.5

55 166.25 20.9 3.5 0 0 0 1
56 50.74 15.4 1.5 0 1 0 2
57 94.37 14.5 4 0 1 0 1
58 296.05 24.2 4 0 0 0 1.5
59 76 13.7 2.5 0 1 0 2
60 142.86 22 2.5 0 0 0 2
61 59.72 6.9 4.5 0 1 1 1.5
62 98.36 15.6 4 0 0 1 0.5
63 64.74 20.6 3.5 0 1 0 0.5
64 20 6.2 3 1 0 0 1.5
65 73.61 10.8 5 0 1 1 2.5
66 72 26.4 4 1 0 0 2
67 124.32 28.6 4 0 0 0 1
68 65.2 9.5 4.5 1 0 1 1
69 54.11 8.6 4.5 1 0 1 1.5
70 54.86 17.2 1 0 1 0 1
71 79.41 10.8 4 0 1 1 2
72 53.76 7.8 3 0 1 1 2
73 205.33 21.3 5 0 0 0 1
74 70.83 14.3 1.5 0 0 0 1.5
75 120.63 12 5 0 1 1 2.5
76 123.7 12.8 4.5 0 0 1 1
77 53.2 19.8 1 0 1 0 1.5
78 49.15 8.6 3 0 1 1 2
79 52.38 6.9 3.5 0 1 1 1.5
80 22.5 7.7 3 1 0 1 1.5
81 16.45 3.5 3 1 0 1 2
8
82 65.66 19.8 4 0 1 1 2
83 88.89 10.3 4 0 0 0 1.5

84 47.92 15.6 2 1 0 0 0.5
85 19 3.3 3 1 0 1 3
86 142.86 18.5 1 0 0 0 0.2
87 30.2 9.7 2 1 0 1 2
88 14.36 2.2 1.5 1 0 1 3
89 104.07 28.6 2.5 1 0 0 0.5
90 15.39 2.4 2 1 0 1 2.5
91 24.74 7.8 2 1 0 1 1
92 52.72 7.2 2.5 0 1 1 2
93 25 4.2 3 0 0 0 1.5
94 17.74 2.2 2 0 1 1 3
95 16.03 3.3 1.5 1 0 0 1.5
96 39.4 5.4 3 0 1 1 2.5
97 48.78 2.5 5 0 0 0 3.5
98 120.45 13.2 4 0 1 0 2
99 19.16 5.2 1 0 1 1 2.5
100 21.29 4.2 2 1 0 1 3
CHƯƠNG 4: ƯỚC LƯỢNG – KIỂM ĐỊNH
VÀ LỰA CHỌN MÔ HÌNH
4.1. Ước lượng và kiểm định mô hình
Mô hình 1: Từ dữ liệu thu thập được, kết quả ước lượng ban đầu là như sau:
Y = 35.2778
*
+ 2.7014 X
1
****
+ 13.1561 X
2
****
- 47.4137 X

3
****
9

(20.1365) (0.5898) (3.3098) (12.1242)
- 46.2423 X
4
****

- 1.8165 X
5
- 4.6303 X
6

(10.7387) (11.4244) (6.1685)
R
2
= 0.54264 ; N = 100, ESS = 168882.5
Nhận xét: Ta thấy rằng hai biến X
5
(ngập nước) và X
6
(gần chợ - siêu thị) không
có ý nghĩa trong mô hình. Loại bỏ hai biến X
5
, X
6
ra khỏi mô hình 1, ta được:
Mô hình 2:
Y = 25.9117 + 2.9159 X

1
****
+ 12.9533 X
2
****
- 48.9384 X
3
****

- 47.5666 X
4
****
(16.165) (0.4587) (3.264) (11.7727) (10.4488)
R
2
= 0.53939 ; N = 100 ; ESS = 170084.4
Kiểm định F : Giả thuyết thống kê H
0
: β
5
= β
6
= 0
(ESS
R
– ESS
U
) / J (170084.4 - 168882.5) / 2
F
c

= = = 0.331
ESS
U
/ (N – K) 168882.5 / (100 – 7)
=> F
C
< F
0.05
(2, 93) => DNRH
0
?? Vị trí của căn nhà : gần hay xa chợ, siêu thị, khu vực ngập nước hay không
lại không ảnh hưởng đến giá nhà?
Liên hệ thực tế ta thấy rằng giá 1 m
2
đất (bảng giá đất năm 2009) xây dựng nên
căn nhà do Ủy Ban Nhân Dân thành phố Hồ Chí Minh ban hành có mối quan hệ với vị trí
của mảnh đất đó. Điển hình rằng trung bình giá 1 m
2
đất ở nội thành luôn cao hơn giá 1
m
2
đất ở ngoại thành; trung bình giá 1 m
2
đất ở trung tâm thành phố (quận 1) cao hơn các
10
quận khác; trong cùng một quận, trung bình giá 1 m
2
đất ở những đường lớn, có nhiều
trung tâm thương mại, bệnh viện, cơ sở hạ tầng tốt… thường cao hơn các đường khác.
Chúng tôi thấy rằng giá đất và vị trí của mảnh đất (vị trí nhà) không độc lập nhau  đa

cộng tuyến. Vì vậy, loại bỏ hai biến X
5,
X
6
ra khỏi mô hình là hoàn toàn hợp lý.
Nhóm thấy rằng, ở mô hình 2, hằng số C có p- value = 0.1123 không có ý nghĩa.
Vì sao lại như vậy? Liệu có mô hình nào khác tốt hơn nữa không?
Nhóm thấy rằng cả hai biến dummy X
3,
X
4
nhằm mục đích phân loại độ lớn của
đường trước mặt nhà (hẻm nhỏ, hẻm xe hơi). Nếu không thuộc hẻm nhỏ, hẻm xe hơi thì
nhà nằm trên mặt tiền đường. Nhóm tiến hành gộp hai biến X
3,
X
4
thành một và chuyển
thành biến dummy X
3
: nhà nằm trong hẻm.
Mô hình 3:
Y = 25.5098 + 2.9264 X
1
****
+ 13.0166 X
2
****
- 48.069 X
3

****
(1.5789) (0.4493) (3.211) (9.6675)
R
2
= 0.5393 ; N = 100 ; ESS = 170115
Hằng số C có p-value = 0.109 vẫn không có ý nghĩa, nhóm chuyển Y thành Ln Y
và được
Mô hình 4:
Ln Y = 3.1797
****
+ 0.0452 X
1
****
+ 0.20295 X
2
****
- 0.5127 X
3
****
(0.1564) (0.004452) (0/03182) (0.0958)
R
2
= 0.6981 ; N = 100 ; ESS = 16.7
11
Dependent Variable: Y
Method: Least Squares
Date: 05/27/09 Time: 18:54
Sample: 1 100
Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob.

X1 0.045161 0.004452 10.14420 0.0000
X2 0.202945 0.031816 6.378757 0.0000
X3 -0.512706 0.095787 -5.352576 0.0000
C 3.117974 0.156440 19.93079 0.0000
R-squared 0.698080 Mean dependent var 4.021092
Adjusted R-squared 0.688645 S.D. dependent var 0.747483
S.E. of regression 0.417090 Akaike info criterion 1.128147
Sum squared resid 16.70052 Schwarz criterion 1.232354
Log likelihood -52.40735 F-statistic 73.98837
Durbin-Watson stat 1.924495 Prob(F-statistic) 0.000000
12
13
4.2. Lựa chọn mô hình
Các biến giải thích Mô hình 1 Mô hình 2 Mô hình 3 Mô hình 4
C (hằng số) 35.2778
*
(20.1365)
25.9117
(16.165)
25.5098
(15.789)
3.1797
****
(0.1564)
X
1
(giá 1 m
2
đất) 2.7014
****

(0.5898)
2.9159
****
(0.4587)
2.9264
****
(0.4493)
0.0452
****
(0.004452)
X
2
(số tầng) 13.1561
****
(3.3098)
12.9533
****
(3.264)
13.0166
****
(3.211)
0.20295
****
(0.03182)
Hẻm
nhỏ (X
3)
-47.4137
****
(12.1242)

-48.9384
****
(11.7727) -48.069
****
-0.5127
****
xe hơi (X
4)
-46.2423
****
(10.7387)
-47.5666
****
(10.4488)
Ngập nước -1.8165
(11.4244)
K.cách đến chợ, ST -4.6303
(6.1685)
R
2
0.54264 0.53939 0.5393 0.6981
R
2
0.51313 0.51999 0.52491 0.68865
ESS 168882.5 170084.4 170115 16.7
AIC 10.4097 10.3768 10.3569 1.1281
SCHWARZ 10.592 10.507 10.46114 1.23235
14
Nhận xét:
R

2
hiệu chỉnh tăng dần từ mô hình 1 đến mô hình 4
AIC, Schwarz giảm dần từ mô hình 1 đến mô hình 4
 mô hình 4 là mô hình tốt nhất trong 4 mô hình
Dự báo 10 mẫu đầu tiên ta được kết quả sau:
STT Dữ liệu mẫu Dự báo
01 2.8976 3.14664
02 3.288 3.15595
03 3.883 3.98664
04 3.3635 3.3071
05 3.9108 4.14865
06 3.3731 3.3727
07 3.39785 3.6142
08 3.25076 3.5058
09 3.96556 3.9433
10 4.03336 3.84608
15
 Kết quả dự báo bằng mô hình 4 khá phù hợp với dữ liệu thu thập được
CHƯƠNG 5: KẾT LUẬN
Từ mô hình nghiên cứu trên, nhóm thấy rằng giá nhà luôn tuân theo một quy luật:
chất lượng nhà càng cao thì giá nhà càng cao.
Một số kiến nghị của nhóm:
Đối với người bán nhà:
Cần tìm hiểu kỹ thông tin ví dụ như giá đất nơi căn nhà mình xây dựng hiện tại là
bao nhiêu để định giá nhà một cách hợp lý nhất.
Đối với người mua nhà:
Nếu một căn nhà định giá quá thấp so với giá trị (mà người bán nói) của nó, hãy
cảnh giác vì có thể bạn đang bị lừa hay có thể người bán đang giấu bạn một thông tin gì.
Tóm lại, giá cả của một căn nhà luôn tỷ lệ thuận với giá trị của nó. Các yếu tố ảnh
hưởng mạnh mẽ nhất đến giá trị của một căn nhà là giá đất, hiện trạng căn nhà và chiều

rộng mặt đường trước nhà. Cần áp dụng quy luật này vào trong quá trình định giá bán
cho một căn nhà.
16
17