Phân tích các yếu tố ảnh hưởng đến giá nhà

Header Page 1 of 166.

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG
KHOA TÀI CHÍNH NGÂN HÀNG
========***========

TIỂU LUẬN NHÓM KINH TẾ LƯỢNG
Đề tài:PHÂN TÍCH CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN GIÁ NHÀ

Giảng viên hướng dẫn: Th.S Phí Minh Hồng
Sinh viên thực hiện:
Đinh Thị Minh Phương

MSV: 1213310087

Nguyễn Thị Hoa

MSV: 1213310033

Đỗ Ngọc Sơn

MSV: 1213310099

Nguyễn Thị Thủy

MSV: 1213310115

Phạm Phượng Anh

MSV: 1213310007

Nguyễn Mạnh Tuấn

MSV: 1213310133

Lớp tín chỉ:

KTL309.7

Hà Nội, tháng 4 năm 2014

Footer Page 1 of 166.


Header Page 2 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

MỤC LỤC
1. MỞ ĐẦU………………………………………………………………....……..3
Lời Mở Đầu ..................................................................................................... 3
2. NỘI DUNG…………...……………………………………………….………..4
2.1. CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU .................................. 4
2.1.1. Giới thiệu mô hình Hedonic .................................................................... 4
2.1.2. Mô hình nghiên cứu ................................................................................ 5
2.2. MÔ TẢ DỮ LIỆU......................................................................................... 6
2.2.1. Đồ thị. ..................................................................................................... 6
2.2.2. Giá trị trung bình, sai số tiêu chuẩn, trung vị.(phụ lục 1)......................... 8
2.3. PHÂN TÍCH DỮ LIỆU. ............................................................................... 9
2.3.1. Hồi quy mô hình (phương pháp OLS). .................................................... 9

2.3.1.1.

Hàm hồi quy mẫu (SRF): P=

0

+

1S

+ 2(Be) + 3Y + 4N +ei (phụ lục 2) ..... 9

2.3.2. Kiểm định các khuyết tật của mô hình.(P= β0 + β1S + β2Y + β3N +Ui) .... 13
2.3.2.1.

Đa công tuyến. ..................................................................................................... 13

2.3.2.2.

Phương sai sai số thay đổi................................................................................... 16

2.3.2.3.

Tự tương quan. .................................................................................................... 19

2.3.3. Khắc phục các khuyết tật của mô hình. ................................................. 19
2.4. ĐÁNH GIÁ ................................................................................................ 20
KẾT LUẬN ......................................................................................................... 22
PHỤ LỤC ............................................................................................................ 23

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 2 of 166.

Trang 2


Header Page 3 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

LỜI MỞ ĐẦU
Thị trường bất động sản là một thị trường có diễn biến phức tạp và là một lĩnh vực có ảnh
hưởng lớn đến sự phát triển của nền kinh tế. Việc xác định giá nhà đất đối với nghiên cứu kinh tế
lượng luôn là một trong những đề tài nghiên cứu đáng quan tâm.Nắm rõ tình hình giá cả của nhà
đất là một lợi thế đối với các nhà kinh doanh bất động sản cũng như những người có nhu cầu
mua nhà.Trên thực tế, quyết định mua một ngôi nhà mang ý nghĩa đầu tư tài chính hơn là đơn
thuần một quyết định tiêu dùng cá nhân.Chính vì thế xét trên cả phương diện các học thuyết kinh
tế và cả phương diện mô hình kinh tế lượng, việc nghiên cứu những nhân tố ảnh hưởng tới giá
nhà mang lại nhiều ý nghĩa thực tiễn thú vị.
Để nghiên cứu giá nhà ta thường thu thập số liệu về những yếu tố ảnh hưởng đến ngôi nhà đó.
Giá nhà khi biến động thường phụ thuộc vào rất nhiều yếu tố, từ những yếu tố tình hình biến
động trên thị trường bất động sản và thị trường tài chính hoặc chỉ đơn giản là những yếu tố liên
quan đến cơ sở vật chất, nội thất, kiến trúc, của ngôi nhà.Những ngôi nhà nào có cơ sở vật chất
khác nhau sẽ có những giá trị khác nhau, dẫn đến giá cả trên thị trường của chúng cũng sẽ khác
nhau. Xuất phát từ thực tế khách quan,và nhu cầu cấp thiết đó, nhóm chúng em tiến hành khảo
sát mô hình hồi quy để tìm ra sự phụ thuộc của giá nhà đến các yếu tố cấu trúc và môi trường
xung quanh.

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 3 of 166.

Trang 3


Header Page 4 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

2. NỘI DUNG
2.1.CƠ SỞ LÝ THUYẾT VÀ MÔ HÌNH NGHIÊN CỨU
2.1.1. Giới thiệu mô hình Hedonic
Phương pháp định giá Hedonic được định nghĩa là kỹ thuật phân tích hồi quy được sử
dụng để xác định giá trị của những thuộc tính liên quan đến hàng hóa trên thị trường trong các
giai đoạn cụ thể. Những thuộc tính có thể đo lường được như kích cỡ, tốc độ, trọng lượng,… sẽ
ảnh hưởng đến giá trị của hàng hóa. Theo Griliches (1971), phương pháp Hedonic dựa trên cơ
sở: giá của một hàng hóa không đồng nhất có thể được xác định thông qua những thuộc tính liên
quan đến hàng hóa đó.
Vì thế, hàm hồi quy Hedonic có dạng:
pi = h(ci),
•

Pi là giá của hàng hóa

•

Ci là vector của các đặc tính liên quan đến hàng hóa.

Theo Triplett (1986), phương pháp định giá Hedonic đã phát triển và được ứng dụng

nhiều vào cách xác định các chỉ số giá trước khi nó được xây dựng thành một khung cơ sở hoàn
chỉnh. Theo Malpezzi (2002), Court (1939) là người đầu tiên áp dụng phương pháp hồi quy
Hedonic. Phương pháp của ông liên hệ giá của xe ô tô với những đặc điểm tạo ra sự hài lòng của
khách hàng như sức mạnh của động cơ, tốc độ, trang trí nội thất của xe,…Vì thế, mô hình được
biết đến với tên gọi “mô hình định giá Hedonic”. Mô hình Hedonic được phát triển hoàn chỉnh
hơn qua hai nghiên cứu quan trọng là lý thuyết tiêu dùng của Lancaster (1966) và mô hình giá ẩn
Hedonic của Rosen (1974). Cả hai hướng tiếp cận đều nhằm mục tiêu ước tính giá trị và số lượng
thuộc tính dựa trên những sản phẩm khác nhau được đưa vào quan sát. Lancaster đã xây dựng
nền tảng lý thuyết cho mô hình Hedonic: sự thỏa dụng của người tiêu dùng có được từ những đặc
tính của sản phẩm, chứ không phải trực tiếp từ sản phẩm đó. Hiện nay, phương pháp định giá
Hedonic được áp dụng rộng rãi tại các quốc gia phát triển.Theo Malpezzi (2003), trong quá trình
phát triển, thị trường nhà ở là một trong ứng dụng rộng rãi của mô hình định giá Hedonic, vì nhà
ở là hàng hóa không đồng nhất; đồng thời nhu cầu của người tiêu thụ cũng không đồng nhất.Thật
vậy, một căn hộ gồm nhiều đặc điểm riêng biệt về diện tích, chất lượng, vị trí,… Mỗi căn nhà có
một vị trí nhất định, thời gian xây dựng khác nhau, có diện tích khác nhau. Bên cạnh đó, mức độ
thỏa dụng của người mua khác nhau, định giá căn hộ cũngkhác nhau. Một căn hộ có cùng một
nhóm đặc điểm được định giá khác nhau theo từng người mua. Việc định giá vì thế cũng trở nên
khó khăn. Từ đó, phương pháp Hedonic được sử dụng phổ biến vì nó ước tính được giá trị của
Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 4 of 166.

Trang 4


Header Page 5 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

các đặc điểm riêng lẻ cấu thành nên giá trị chung của cả căn hộ. Theo nghiên cứu ứng dụng mô
hình Hedonic trong thị trường nhà ở của Thibodeau và Malpezzi (1980), phương pháp định giá
Hedonic là một mô hình hồi quy của giá trị hoặc giá thuê căn hộ dựa trên những đặc tính liên
quan đến căn hộ. Trong đó, từng biến độc lập đại diện cho từng đặc điểm riêng biệt và các hệ số
trong kết quả của mô hình là giá tiềm ẩn của những đặc điểm này. Mô hình hồi quy của giá
thuê nhà hoặc giá trị căn hộ có dạng như sau:
R = f (S, N, L, C, T),
Trong đó: R là giá thuê hoặc giá trị căn hộ; S là những đặc điểm thuộc cấu trúc; N là đặc
điểm thuộc môi trường xung quanh; L là vị trí; C là đặc điểm về hợp đồng giao dịch và T là thời
hạn căn hộ được quan sát.
2.1.2. Mô hình nghiên cứu
Nội dung của bài tiểu luậnsẽ đi nghiên cứu sự ảnh hưởng giá nhà theo các yếu tố sau:
-

Những đặc điểm thuộc cấu trúc:

S: Diện tích của ngôi nhà .
Be: Số phòng ngủ .
Y: Diện tích sân xung quanh ngôi nhà.
-

Những đặc điểm thuộc môi trường xung quanh ngôi nhà:

N: chất lượng của nhà hang xóm(thang điểm 1-4 với 1 =best,4=worst)
Khi đưa vào mô hình hồi quy kinh tế lượng, biến P là biến phụ thuộc, vòn các biến S, Be,
Y N là biến độc lập. Ta xétmô hình hồi quy kinh tế:
P= β0 + β1S + β2Be + β3Y + β4N +Ui
Dự đoán dấu của các hệ số dựa vào lý thuyết /kinh nghiệm thực tế:

Do theo lý thuyết trong các ngành khác cũng như trong thực tế, ta thấy diện tích nhà tác
động cùng chiều với giá nhà, tức là diện tích nhà càng lớn thì diện tích nhà càng có xu
hướng tăng. Vì thế β1 mang dấu (+)
Tương tự với các biến số phòng ngủ và diện tích sân xung quanh càng lớn thì giá nhà
càng có xu hướng tăng. Vì thế β2, β3 đều mang dấu (+)
Ngược lại, chất lượng của các nhà hàng xóm xung quanh càng tăng, thì khả năng
cạnh tranh của các nhà hàng xóm so với nhà chúng ta càng lớn, vì thế biến chất lượng của
các nhà hàng xóm có tác động ngược chiều với giá nhà và β4 mang dấu (-)

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 5 of 166.

Trang 5


Header Page 6 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Ý nghĩa của các tham số hồi quy như sau:
β0: hệ số chặn.
β1 :mức thay đổi giá nhà theo diện tích nhà.
β2 : mức thay đổi giá nhà theo số phòng ngủ.
β3 : mức thay đổi giá nhà theo sân xung quanh nhà.
β4:mức thay đổi giá nhà theo chất lượng của các nhà hàng xóm xung quanh.
Ui :yếu tố ngẫu nhiên.

2.2.Mô tả dự liệu

2.2.1. Đồ thị.

Hình 1: Đồ thị mối liên hệ giữa biến p và s

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 6 of 166.

Trang 6


Header Page 7 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Hình 2: Đồ thị mối liên hệ giữa biến p và y

Hình 3: Đồ thị mối liên hệ giữa biến p và n

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 7 of 166.

Trang 7


Header Page 8 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Price of the house (Thousands of USA

600
500
400
300
200
100
0
0

0.5

1

1.5

2

2.5

3

3.5

4

4.5

Number of bedrooms

Hình 4: Đồ thị mối liên hệ giữa biến P và biến Be

2.2.2. Giá trị trung bình, sai số tiêu chuẩn, trung vị.(phụ lục 1).
Các biến
P(nghìn đô la)

Giá trị trung Giá trị lớn giá trị nhỏ Trung vị
bình
nhất
nhất
242.30
503.00
107.00
242.00

Phương sai
79.242

S(feet vuông)

1470.2

3269.0

702.00

1478.0

513.08

Be(số phòng)

2.8372

4.0000

2.0000

3.0000

0.65211

Y(feet vuông)

6284.8

19580

1780.0

6086.0

3072.6

N

1.7791

4.0000

1.0000

1.5000

0.87493

Nhận xét:
• Biến P ( Price of the house) : Nghìn đô la
Kết quả cho thấy:
- Giá trị trung bình của dữ liệu: 242.30
- Trung vị của dữ liệu là : 242.00, giá trị lớn nhất là 503.00 và nhỏ nhất là 107.00
- Độ lệch chuẩn là 8.901 tương đương với phương sai là 79.242
Ta có thể thấy dữ liệu có độ chênh lệch rất lớn, chính vì thế không thể đánh giá qua
các giá trị trung bình hay phân vị để đưa ra một mức kết quả chung. Điều này thể hiện
Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 8 of 166.

Trang 8


Header Page 9 of 166.
Nhóm 17_Lớp KTE309.7

-

-

-

BÀI TẬP KINH TẾ LƯỢNG

tầm quan trọng của việc xây dựng mô hình kinh tế lượng để đưa ra những con số tốt
nhất.
• Biến S ( size of the house) : feet vuông
Kết quả cho thấy:
Giá trị trung bình của dữ liệu: 1470.2
Trung vị của dữ liệu là: 3269.0 , giá trị lớn nhất là: 3269.0 và nhỏ nhất là 702.00
Độ lệch chuẩn là 22.651 tương đương với phương sai là 513.08
Ta có thể thấy với biến S này, cũng như P độ chênh lệch của dữ liệu là rất lớn.
• Biến Be (Numbers of bedroom in the house) :
Kết quả cho thấy:
Giá trị trung bình của dữ liệu: 2.8372
Trung vị của dữ liệu là: 3.0000 , giá trị lớn nhất là: 4.0000 và nhỏ nhất là 2.0000
Độ lệch chuẩn là 0.8075 tương đương với phương sai là 0.65211
Ta có thế thấy dữ liệu có độ chênh lệch không lớn lắm
• Biến Y ( size of the yard around the house) : feet vuông
Giá trị trung bình của dữ liệu: 6284.8
Trung vị của dữ liệu là: 6086.0, giá trị lớn nhất là: 19580.0 và nhỏ nhất là 1780.0
Độ lệch chuẩn là 55.43 tương đương với phương sai là 3072.6
• Biến N ( Quality of the neighborhood near the house) :
Giá trị trung bình của dữ liệu: 1.7791
Trung vị của dữ liệu là: 1.5000, giá trị lớn nhất là: 4.0000 và nhỏ nhất là 1.0000
Độ lệch chuẩn là 0.935 tương đương với phương sai là 0.87493

2.3.Phân tích dữ liệu.
2.3.1. Hồi quy mô hình (phương pháp OLS).

2.3.1.1. Hàm hồi quy mẫu (SRF): P=

0

+

1S

+ 2(Be) + 3Y + 4N +ei (phụ lục 2)

Với : β0 = 122.212
β1= 0.105368
β2= -3.07718
β3= 0.00413637
β4 = -29.2793
a) Kiểm định các tham số hồi quy (với mức ý nghĩa α=5%).
∗

Kiểm định hệ số β0:
Đặt giả thiết: H0: β0=0 (hệ số không có ý nghĩa thống kê)
H1: β0 0.
Cách 1: p-value=1.29(e^-5)<0.05 =>Với mức ý nghĩa α=5% bác bỏ H0,chấp nhận H1 tức
là hệ số chặn có ý nghĩa thống kê
Cách 2: |tqs| ≥ t

(

/

)

,

(

>t

)

(

.

)

5.010>t

(

.

)

Với mức ý nghĩa α=5% bác bỏ H0,chấp nhận H1 tức là hệ số chặn có ý nghĩa thống kê.
•

Kiểm định hệ số β1:

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 9 of 166.

Trang 9


Header Page 10 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Đặt giả thiết H0: β1=0 (hệ số không có ý nghĩa thống kê)
H1: β1≠0.
Cách 1: p-value=1.92(e^-10)<0.05 =>Với mức ý nghĩa α=5% bác bỏ H0 ,chấp nhận H1
tức làhệ sốβ1 có ý nghĩa thống kê
Cách 2:|tqs| ≥ t

(

)

/

,

(

)

>t

(

)

.

8.596>t

(

)

.

Với mức ý nghĩa α=5% bác bỏ H0 ,chấp nhận H1 tức làhệ số β1 có ý nghĩa thống kê,tức là
diện tích nhà ở (S) có ảnh hưởng đến giá mua nhà (P).
•

Kiểm định hệ số β2:
Đặt giả thiết H0: β2=0 (hệ số không có ý nghĩa thống kê)
H1: β2≠0.
Cách 1: p-value=0.7301> 0.05 =>Với mức ý nghĩa α=5% chấp nhận H0 tức là hệ số β2
không có ý nghĩa thống kê.
Cách 2: |tqs| ≥ t

(

)

/

(

)


(

.

)

0.3476
(

.

)

Với mức ý nghĩa α=5% chấp nhận H0 tức là hệ số β2 khôngcó ý nghĩa thống kê, tức là số
phòng ngủ (Be) không ảnh hưởng đến giá mua nhà(P).
•

Kiểm định hệ số β3:
Đặt giả thiết H0: β3=0 (hệ số không có ý nghĩa thống kê)
H1: β3≠0.
Cách 1: p-value=0.0073<α =>Với mức ý nghĩa α=5% bác bỏ H0 ,chấp nhậnH1 tức làhệ số
β3 có ý nghĩa thống kê.

Cách 2:|tqs| ≥ t

(

/

)

(

>t

)

(

)

.

2.837>t

(

)

.

Với mức ý nghĩa α=5% bác bỏ H0 ,chấp nhận H1 tức là hệ số β3 có ý nghĩa thống kê ,tức
là diện tích sân xung quanh nhà(Y) có ảnh hưởng đến giá mua nhà(P).

•

Kiểm định hệ số β4:
Đặt giả thiết H0: β4=0 (hệ số không có ý nghĩa thống kê)
H1: β4≠0.
Cách 1: p-value=1.85(e^-6)< 0.05 =>Với mức ý nghĩa α=5% bác bỏ H0 ,chấp nhận H1
tức là hệ số β4 có ý nghĩa thống kê.
Cách 2:|tqs| ≥ t

(

/

)

(

)

>t

(

.

)

5.627>t

(

.

)

Với mức ý nghĩa α=5% bác bỏ H0 ,chấp nhậnH1 tức làhệ số β4 có ý nghĩa thống kê ,tức là
chất lượng nhà hàng xóm xung quanh(N) có ảnh hưởng đến giá mua nhà(P).
Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 10 of 166.

Trang 10


Header Page 11 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

b)Hệ số R2.
•

Có hệ số R2 = 90.5090%,ý nghĩa: các biến giải thích giải thích được 90.5090% sự biến
động của biến phụ thuộc.

•

Kiểm định sự phù hợp của mô hình (với mức ý nghĩa α=5%).
Đặt giả thiết H0:

=

!

$≠

H1:

=

=

"

(# =0)

0 (j ∈ {1, 2, 3, 4}) (# ≠ 0)

Cách 1: p-value(F)= 6.74(e^-19) < 0.05 =>Với mức ý nghĩa α=5% bác bỏ H0,chấp nhận
H1 tức là R2≠0, hàm phù hợp.
(' !,) ')

Cách 2:Fqs>%&

(",

90.59510 >% .

)

Với mức ý nghĩa α=5% bác bỏ H0,chấp nhậnH1 tức là R2≠0, hàm phù hợp, các biến giải
thích giải thích được 90.5090% sự biến động của biến phụ thuộc.
c) Xác định lại mô hình hồi quy kinh tế.
•

Nhận xét: vì hệ số β2 khôngcó ý nghĩa thống kê nên ta xét mô hình hồi quy kinh tế mới
(loại bỏ biến Be:số phòng ngủ ra khỏi mô hình):
P= β0 + β1S + β2Y + β3N +Ui

•

Và hàm hồi quy mẫu (SRF): P=
Với :

0

+

1S

+ 2Y + 3N +ei(phụ lục 3)

β0 =117.465
β1 =0.1026444
β2 =0.00411703
β3 =-29.1998

c.1)Kiểm định các tham số hồi quy (với mức ý nghĩa α=5%).
•

Kiểm định hệ số β0:
Đặt giả thiết H0: β0=0 (hệ số không có ý nghĩa thống kê)
H1: β0≠0.
Cách 1: p-value= 7.66(e^-7) < 0.05 =>Với mức ý nghĩa α=5% bác bỏ H0,chấp nhậnH1
tức là hệ số chặn có ý nghĩa thống kê
Cách 2:|tqs| ≥ t

(

/

)

(

>t

)

( *)
.

5.878>t

( *)
.

Với mức ý nghĩa α = 5% bác bỏ H0,chấp nhậnH1 tức là hệ số chặn có ý nghĩa thống kê.
•

Kiểm định hệ số β1:
Đặt giả thiết H0: β1=0 (hệ số không có ý nghĩa thống kê)
H1: β1≠0.

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 11 of 166.

Trang 11


Header Page 12 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Cách 1: p-value= 1.55(e^-13) < 0.05 =>Với mức ý nghĩa α=5% bác bỏ H0,chấp nhậnH1
tức là hệ sốβ1 có ý nghĩa thống kê
Cách 2:|tqs| ≥ t

(

)

/

(

>t

)

( *)
.

11.01>t

( *)
.

Với mức ý nghĩa α=5% bác bỏ H0,chấp nhậnH1 tức là hệ sốβ1 có ý nghĩa thống kê,tức là
diện tích nhà ở (S) có ảnh hưởng đến giá mua nhà (P).
•

Kiểm định hệ số β2:
Đặt giả thiết H0: β2=0 (hệ số không có ý nghĩa thống kê)
H1: β2≠0.
Cách 1: p-value= 0.0068 < 0.05 =>Với mức ý nghĩa α=5% chấp nhận H0 tức là hệ sốβ2
khôngcó ý nghĩa thống kê.
Cách 2: |tqs| ≥ t

(

)

/

(

)

>t

( *)
.

2.859>t

( *)
.

Với mức ý nghĩa α=5% chấp nhận H0 tức là hệ sốβ2 khôngcó ý nghĩa thống kê,tức là diện
tích sân xung quanh nhà(Y) có ảnh hưởng đến giá mua nhà(P).
•

Kiểm định hệ số β3:
Đặt giả thiết: H0: β3=0 (hệ số không có ý nghĩa thống kê),
H1: β3≠0.
Cách 1: p-value=1.43(e^-6) < 0.05 =>Với mức ý nghĩa α=5% bác bỏ H0 ,chấp nhận H1
tức là hệ số β3 có ý nghĩa thống kê.
Cách 2:|tqs| ≥ t

(

)

/

(

)

>t

( *)
.

5.681>t

( *)
.

Với mức ý nghĩa α=5% bác bỏ H0,chấp nhậnH1 tức là hệ số β3 có ý nghĩa thống kê ,tức là
chất lượng nhà hàng xóm xung quanh(N) có ảnh hưởng đến giá mua nhà(P).
c.2) Hệ số R2’.
•

Có hệ số R2’= 90.4789%, ý nghĩa: các biến giải thích giải thích được 90.4789% sự biến
động của biến phụ thuộc.

c.3) Kiểm định sự phù hợp của mô hình (với mức ý nghĩa α=5%).
•

Đặt giả thiết H0:
H1:

!

=

$≠

=

(# =0)

0 (j ∈ {1, 2, 3}) (# ≠ 0)

Cách 1: p-value(F)= 5.88(e^-20) <0.05 =>Với mức ý nghĩa α=5% bác bỏ H0,chấp
nhậnH1 tức là R2’≠0, tức là các biến giải thích giải thích được 90.4789% sự biến động của
biến phụ thuộc.
( ,) ')

Cách 2: Fqs>%&

( , *)

123.5382>% .

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 12 of 166.

Trang 12


Header Page 13 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Với mức ý nghĩa α=5% bác bỏ H0,chấp nhậnH1 tức là R2’≠0, tức là các biến giải thích
giải thích được 90.4789% sự biến động của biến phụ thuộc.
c.4) So sánh 2 mô hình hồi quy.
• Vì #+ 2<#+ 2’ (89.51% < 89.7465%)
Mô hình hồi quy mới phù hợp và chính xác hơn so với mô hình cũ.
Lựa chọn mô hình hồi quy mới để kiểm định và khắc phục các khuyết tật của mô hình ở
những phần sau của bài tiểu luận.
2.3.2. Kiểm định các khuyết tật của mô hình.(P= β0 + β1S + β2Y + β3N +Ui)
2.3.2.1. Đa công tuyến.
a) Cách 1: Hồi quy mô hình phụ(phương pháp OLS) (phụ lục 4):
- 0 +,
- 1Y +,
- 2N +ei
S=,
Với:α
-0 = 1509.44
α
-1 = 0.0557122
α
-2 = -218.848
a.1) Kiểm định các tham số hồi quy (với mức ý nghĩa α=5%).
•

Kiểm định hệ số α0:
Đặt giả thiết H0:α0 =0 (hệ số không có ý nghĩa thống kê)
H1:α0≠0
Cách 1: p-value= 2(e^-7) < 0.05 =>Với mức ý nghĩa α=5%,bác bỏ H0tức là α0có ý nghĩa
thống kê.
(

Cách 2: |tqs| ≥ t /

)

/ &
&

(& )

>t

(" )
.

6.266>t

(" )
.

Với mức ý nghĩa α=5%,bác bỏ H0tức là α0có ý nghĩa thống kê.
•

Kiểm định hệ số α1:
Đặt giả thiết H0:α1 =0 (hệ số không có ý nghĩa thống kê)
H1:α1≠0
Cách 1: p-value=0.0190< 0.05 =>Với mức ý nghĩa α=5%,bác bỏ H0,chấp nhận H1tức là
α1 có ý nghĩa thống kê.
(
)
Cách 2: |tqs| ≥ t /

/ &
&

(& )

>t

(" )
.

2.444>t

(" )
.

Với mức ý nghĩa α=5%,bác bỏ H0,chấp nhận H1 tức là α1 có ý nghĩa thống kê
•

Kiểm định hệ số α2
Đặt giả thiết H0:α2 =0 (hệ số không có ý nghĩa thống kê),
H1:α2≠0

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 13 of 166.

Trang 13

Header Page 14 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Cách 1: p-value= 0.0093 < 0.05 =>Với mức ý nghĩa α=5%,bác bỏ H0,chấp nhận H1tức là
α2có ý nghĩa thống kê
Cách 2: |tqs| ≥ t

(

/

)

/ &
&

(& )

>t

(" )
.

2.734>t

(" )
.

Với mức ý nghĩa α=5%,bác bỏ H0, chấp nhận H1 tức là α2 có ý nghĩa thống kê.
•

Có hệ số R2 = 32.9425%,ý nghĩa: các biến Y và N giải thích được 32.9425% sự biến động
của biến S.

a.2) Kiểm định sự phù hợp của mô hình (với mức ý nghĩa α=5%).
•

Đặt giả thiết H0:α! = α (# =0)

H1: α$ ≠ 0 (j ∈ {1, 2}) (# ≠ 0)

Cách 1: p-value(F)= 0.000338 <0.05 =>Với mức ý nghĩa α=5% bác bỏ H0,chấp nhận H1
tức là R2≠0, tức là các biến giải thích giải thích được 32.9425% sự biến động của biến
phụ thuộc.
( ,) ')

Cách 2: Fqs>%&

( ," )

9.825133>% .

Với mức ý nghĩa α=5% bác bỏ H0,chấp nhận H1 tức là R2≠0, tức là các biến giải thích
giải thích được 32.9425% sự biến động của biến phụ thuộc.
•

Vì α0 , α1 , α2đều có ý nghĩa thống kê và R2≠0 nên mô hình có hiện tượng đa cộng tuyến
không hoàn hảo nhưng hiện tượng đa cộng tuyến là không đáng kể.

b) Cách 2: nhân tử phóng đại phương sai (VIF)
•

VIF được thiết lập trên cơ sơ hệ số xác định R2 trong hồi quy của 1 biến giải thích với các
biến giải thích còn lại (phụ lục 5)là:
01%(2) =

1
= 1.49125 < 10
1−#

01% (<) =

1
= 1.277 < 10
1−#

1
= 1.319 < 10
1−#
Không có hiện tượng đa công tuyến hoặc nếu có thì không đáng kể.
01%(>) =

c) Cách 3: xét R2 , tỷ số t của các biến giải thích (của mô hình P= β0 + β1S +β2Y + β3N +Ui)
(phụ lục 3).
R2 khá cao (0.904789)
Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 14 of 166.

Trang 14


Header Page 15 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

t(S) =11.01
t(Y)= 2.859
t(N)= -5.681
R2 cao,các tỷ số t không quá nhỏ
Mô hình không có hiện tượng đa cộng tuyến hoặc nếu có thì không đáng kể.

d) Cách 4: Xét tương quan cặp giữa các biến giải thích(phụ lục 6)

•

S

Y

N

S

1

0.4518

-0.4788

Y

0.4518

1

-0.3166

N

-0.4788

-0.3166

1

Vì hệ số tương quan cặp giữa các biến giải thích không cao (<0.8)
Khả năng tồn tại đa cộng tuyến trong mô hình là thấp.

e) Cách 5: Độ đo Theil (đo mức độ đa cộng tuyến)(phụ lục 7,8,9)
m = R2–∑(AB − AB C )
•

Với:R2là hệ số xác định bôi trong mô hình hồi quy của P với các biến giải thích S,Y,N.
R2-i là hệ số xác định bội trong mô hình hồi quy của P với lần lượt các tổ hợp biến(S,Y) ;
(Y,N) ; (N,S)

•

Theo kết quả hồi quy ta có:
R2-N = 0.825989
R2-S = 0.608592
R2-Y = 0.884838
R2 = 0.904789 (phụ lục 3)
m= 0.904789 – (0.904789 –0.825989) – (0.904789–0.608592) – (0.904789 – 0.884838)

m= 0.509841
•

Ta có tỷ số : m / R2 = 0.509841/ 0.904789 =0.56349 > 0.5

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 15 of 166.

Trang 15


Header Page 16 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

mô hình có hiện tượng đa cộng tuyến , nhưng chưa kết luận được mức độ nghiêm trọng
của hiện tượng.
2.3.2.2. Phương sai sai số thay đổi.
a) Phương pháp đồ thị

•

Từ những đồ thị vẽ DE theo FG ,S ,Y và N nhận thấy không tìm được bất kì sự liên hệ nào
giữa DE theo FG ,S ,Y và N

Mô hình không có hiện tượng phương sai sai số thay đổi.

Vẽ DE theoFG

Vẽ DE theo Y

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 16 of 166.

Vẽ DE theo S

Vẽ DE theo N

Trang 16


Header Page 17 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

b) phương pháp kiểm định.
b.1) Cách 1:Dùng kiểm định White (phụ lục 10)
•

Ước lượng mô hình hồi quy:
HBC = β0 + β1S + β2Y + β3N + β4S2 +β5Y2 + β6N2 + β7S.Y+ β8Y.N + β9N.S +Ui

•

Phương pháp ước lượng OLS,với mức ý nghĩa α=5%

•

Đặt giả thiết H0: phươngsai sai số không thay đổi
H1: phương sai sai số thay đổi.
[p-value = P(Chi-square(9) > 8.691904) = 0.466186] > α
(KL)

X2qs≤ X

nR2 ≤ X

(*)
.

8.691904≤ X

(*)
.

Với mức ý nghĩa α=5%,chấp nhận H0tức là mô hình gốc không có hiện tượng phương sai
sai số thay đổi.
b.2) Cách 2:Dùng kiểm định Breush-Pagan-Godfrey(phụ lục 11).

•

Ước lượng mô hình hồi quy:HBC = β0 + β1Z1i+...+ βmZmi + Ui

•

Phương pháp ước lượng OLS, mức ý nghĩa α=5%

•

Đặt giả thiết H0: phươngsai sai số không thay đổi
H1: phương sai sai số thay đổi.
[p-value = P(Chi-square(3) > 6.061559) = 0.108653] >α
(KL)

X2qs≤ X

ESS/2≤ X

(*)
.

6.061559≤ X

( )
.

Với mức ý nghĩa α=5%,chấp nhận H0tức là mô hình gốc không có hiện tượng phương sai
sai số thay đổi.
b.3) Cách 3:Dùng kiểm định Park (phụ lục 12)

•

Ước lượng mô hình hồi quy: lnHC = β0 + β1lnMN + Ui

•

Hồi quy mô hình với biến phụ thuộc là lgDE và biến giải thích là lgFG với phương pháp
ước lượng OLS, mức ý nghĩa α=5%.

•

Đặt giả thiết H0: hệ số góc của mô hình không có ý nghĩa thống kê
H1: hệ số góc của mô hình có ý nghĩa thống kê.
Cách 1: p-value = 0.7117>0.05 =>Với mức ý nghĩa α=5%,chấp nhận H0tức là hệ số góc
của mô hình không có ý nghĩa thống kê,tức là mô hình gốc không có hiện tượng phương
sai sai số thay đổi.
Cách 2: |tqs| ≤ t

(

/

)

(

)

("!)
.

0.3721
("!)
.

Với mức ý nghĩa α=5%,chấp nhận H0tức là hệ số góc của mô hình không có ý nghĩa
thống kê,tức là mô hình gốc không có hiện tượng phương sai sai số thay đổi.
Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 17 of 166.

Trang 17


Header Page 18 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

b.4) Cách 4:Kiểm định dựa trên biến phụ thuộc(phụ lục 13).
•

Ước lượng mô hình hồi quy:HBC = β0 + β1(ON )2+Ui

•

Phương pháp ước lượng OLS, mức ý nghĩa α=5%

•

Đặt giả thiết H0: phươngsai sai số không thay đổi
H1: phương sai sai số thay đổi.
Cách 1: P-value(F) = 0.435129 > α =>Với mức ý nghĩa α=5%,chấp nhận H0 tức là mô
hình gốc không có hiện tượng phương sai sai số thay đổi.
Cách 2: |Fqs| ≤ F

(!,

)

(

(

)

)2
(!."!)
.

0.621216
(!,"!)
.

=>Với mức ý nghĩa

α=5%,chấp nhận H0 tức là mô hình gốc không có hiện tượng phương sai sai số thay đổi.
(KL)

Cách 3: X2qs≤ X

nR2 ≤ X

(*)
.

0.641775 ≤ X

(!)
.

Với mức ý nghĩa α=5%,chấp nhận H0tức là mô hình gốc không có hiện tượng phương sai
sai số thay đổi.
b.5) Cách 5:Kiểm định Glejser (phụ lục 14).
•

Ước lượng mô hình hồi quy:|HC |= β0 + β1MN + Ui

•

Phương pháp ước lượng OLS, mức ý nghĩa α=5%

•

Đặt giả thiết H0: phươngsai sai số không thay đổi

H1: phương sai sai số thay đổi.
Cách 1: P-value(F) = 0,639276 > 0.05 =>Với mức ý nghĩa α=5%,chấp nhận H0 tức là mô
hình gốc không có hiện tượng phương sai sai số thay đổi
Cách 2: |tqs| ≤ t

(

/

)

(

)


("!)
.

0.4722
("!)
.

Với mức ý nghĩa α=5%,chấp nhận H0 tức là mô hình gốc không có hiện tượng phương sai
sai số thay đổi.
b.6) Cách 6:Kiểm định Goldfeld- Quandt(phụ lục 15,16)
•

Sắp xếp lại số liệu theo thứ tự tăng dần của biến S.

•

Ta bỏ đi c =5 quan sát ở giữa từ 20 -24. Thu được hai mẫu có kích thước băng nhau (19
quan sát)
Mẫu thứ nhất gồm các quan sát 1-19
Mẫu thứ hai gồm các quan sát 25-43

•

Ước lượng OLS ,mức ý nghĩa α=5% cho từng mẫu. Thu được:
RSS1=4080.510 (phụ lục 15)
RSS2=7270.282 (phụ lục 16)

•

Đặt giả thiết H0: phương sai sai số không thay đổi

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 18 of 166.

Trang 18


Header Page 19 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

H1: phương sai sai số thay đổi
T
/RS
(RS,RS)
(! ,! )
Fqs<%&
<% .
1.7817 < 2.40
T

/RS

Với mức ý nghĩa α=5%,chấp nhận H0 tức là mô hình gốc không có hiện tượng phương sai
sai số thay đổi.
2.3.2.3. Tự tương quan.
a. Kiểm định Breusch-Godfrey(phụ lục 17)
Dựa trên kết quả chạy Gretl ở phụ lục 17, ta nhận thấy
p –value = 0.356 > 0.05 nên mô hình không có lỗi tự tương quan
b. Kiểm định Durbin – Watson:
Gỉa thiết: H0: Không có sự tương quan
H1: Có sự tương quan.
Kiểm định Durbin-Watson trong Gretl được kết quả sau đây:
Durbin-Watson statistic = 1.67979
p-value = 0.11293
-Ta có p-value > 0.05 nên với mức ý nghĩa U = 5%,không có cơ sở thống kê để bác bỏ giả
thiết H0
-Trong gretl, Tools/Statistical tables/DW/ sample size: 43; number of
regression(including the constants): 3ta thu được kết quả
dL = 1.3663

dU = 1.6632
vì dUVậy Mô hình không có tự tương quan
2.3.3. Khắc phục các khuyết tật của mô hình.
Trong các khuyết tật xét trong bài tiểu luận này thì chỉ có tồn tại hiện tượng đa cộng
tuyến không hoàn hảo. Tuy nhiên ta có thể bỏ qua khuyết tật này vì các lý do sau:
•

R2 cao,các tỷ số t không quá nhỏ (phụ lục 3)

•

Var(βi) tương đối nhỏ (phụ lục 3)

•

Dấu các ước lượng hồi quy đúng như dự đoán (phụ lục 3)

•

Hầu hết các phương pháp kiểm tra đa cộng tuyến đều cho kết quả không có hiện tượng đa
cộng tuyến hoặc có thì không đáng kể.

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 19 of 166.

Trang 19

Header Page 20 of 166.
Nhóm 17_Lớp KTE309.7
•

BÀI TẬP KINH TẾ LƯỢNG

Đây không phải là tập số liệu chuỗi nên không thể dùng phương pháp sai phân cấp 1 để
khắc phục hiện tương đa cộng tuyến.

•

Việc lấy thêm số liệu hoặc lấy thêm mẫu mới là tương đối khó khăn.

•

Thông tin tiên nghiệm cho mô hình này là không sẵn có.

•

Biện pháp bỏ biến có thể làm giảm chất lượng của dự đoán vì:
Thứ nhất :Ngay phần 2.3.1.1 đã xác định lại mô hình hồi quy kinh tế chỉ gồm các biến
giải thích S ,Y ,N vì biến Be không có ý nghĩa thống kê.
Thứ hai :Trong thực tế giá của căn nhà phụ thuộc khá chặt chẽ vào diện tích nhà(S) ,
diện tích sân (Y) và chất lượng các nhà xung quanh (N).
Thứ ba :Trong phần tính thang đo độ Theil . Ta đã ước lượng mô hình hồi quy của P
với lần lượt các tổ hợp biến (S,Y) ; (Y,N) ; (N,S) và thu được:
#+ 2-N =0.817288 (phụ lục 7)
#+ 2-S = 0.589021 (phụ lục 8)
#+ 2-Y = 0.879080 (phụ lục 9)

Tất cả các hệ số hiệu chỉnh này đều nhỏ hơn hệ số hiệu chỉnh (#+ 2=0.897465, phụ lục 3)
trong ước lượng mô hìnhkinh tế ban đầu (mô hình không có biến Be).
2.4.Đánh giá
Sau các phần:
•

Nêu ra cơ sở lý thuyết

•

Thiết lập mô hình toán học

•

Ước lượng các tham số (với bộ số liệu có sẵn)

•

Phân tích kết quả
Đi tìm các khuyết tật của mô hình: đa cộng tuyến ,phương sai sai số thay đổi ,tự
tương quan.
Sửa chữa các khuyết tật của mô hình.

Mô hình tốt nhất được lựa chọn là:
P= β0 + β1S + β2Y + β3N +Ui

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 20 of 166.

Trang 20


Header Page 21 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

β0: hệ số chặn.
β1 : mức thay đổi giá nhà theo diện tích nhà.
Β2 : mức thay đổi giá nhà theo sân xung quanh nhà.
Β3: mức thay đổi giá nhà theo chất lượng của các nhà hàng xóm xung quanh.
Ui : yếu tố ngẫu nhiên.

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 21 of 166.

Trang 21


Header Page 22 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

KẾT LUẬN
Việc xây dựng mô hình đã giúp giải thích phần nào ảnh hưởng của các yếu tố đối với giá nhà
(cấu trúc ngôi nhà bao gốm số phòng ngủ, diện tích sân xung quanh và môi trường xung quanh
ngôi nhà gồm chất lượng của nhà hang xóm). Từ hàm hồi quy mẫu này ta có thể kết luận được

rằng, giá nhà có ảnh hưởng phụ thuộc vào diện tích nhà, diện tich sân vườn cũng như chất lượng
các nhà hàng xóm xung quanh. Nếu các biến độc lập tăng lên cũng sẽ làm giá nhà tăng, và tăng
nhiều hay ít được xác định dựa trên trên hàm hồi quy mẫu (Ngoại trừ duy nhất biến số lượng
phòng ngủ). Và có thể khẳng định thêm rằng, dựa vào các sô liệu này ta có thể dự đoán được
những thay đổi có thể xảy ra ở hiện tại cũng như trong tương lai để từ đó có thể đưa ra được
những kế hoạch đúng đắn phục vụ cho các mục đích kinh tế cũng như đời sống.Mô hình đã
tương đối xác nhận tính chính xác của giá nhà đối với các nhân tố này Tuy nhiên mô hình cuối
đưa ra vẫn còn chưa thực sự hoàn hảo. Có nhiều lí do dẫn đến sự tương đối này. Thứ nhất là quá
trình thu thập dữ liệu thông tin vẫn gặp phải một số sai sót khách quan và chủ quan. Thứ hai là
các yếu tố xét đến trong mô hình chưa bao gồm tất cả những yếu tố quan trọng nhất quyết định
nên giá cả của ngôi nhà ( đặc biệt là quan hệ cung- cầu về nhà ở). Tuy vậy, qua việc xây dựng và
chạy mô hình để hoàn thiện bài tiểu luận này, chúng em đã được củng cố hơn về cách xây dựng
mô hình và hoàn thiện mô hình, cũng như hiểu hơn về môn kinh tế lượng và vai trò của nó trong
việc nghiên cứu các vấn đề kinh tế.
Nhóm em xin gửi lời cảm ơn tới cô Phí Minh Hồng giảng dạy bộ môn Kinh tế lượng đã tận
tình giúp đỡ để chúng em có thể hoàn thành được bài tiểu luận này.

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 22 of 166.

Trang 22


Header Page 23 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

PHỤ LỤC

Phụ Lục 1: giá trị trung bình ,sai số tiêu chuẩn và trung vị.

Phụ Lục 2:hồi quy mô hình kinh tế gốc.

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 23 of 166.

Trang 23


Header Page 24 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Phụ Lục 3:hồi quy mô hình kinh tế đã bỏ biến( Be)

Phụ Lục 4:Hồi quy mô hình phụ (để phát hiện đa cộng tuyến)

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 24 of 166.

Trang 24


Header Page 25 of 166.
Nhóm 17_Lớp KTE309.7

BÀI TẬP KINH TẾ LƯỢNG

Phụ Lục 5:Bảng tính VIF (để phát hiện đa cộng tuyến)

Phụ Lục 6:Ma trận tương quan giữa S ,Y ,N (để phát hiện đa cộng tuyến)

Giảng viên hướng dẫn: Th.S Phí Minh Hồng

Footer Page 25 of 166.

Trang 25