tiểu luận kinh tế lượng KHẢO sát các yếu tố ẢNH HƯỞNG đến GIÁ bán một căn NHÀ tại TP HCM

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG CƠ SỞ
KHOA TÀI CHÍNH NGÂN HÀNG


TIỂU LUẬN MÔN
KINH TẾ LƯỢNG

ĐỀ TÀI:

KHẢO SÁT CÁC YẾU TỐ
ẢNH HƯỞNG ĐẾN GIÁ BÁN
MỘT CĂN NHÀ TẠI TP.HCM
GVHD: Th.S Nguyễn Thúy Quỳnh
SV thực hiện: Trần Hoàng Vinh
MSV:1413310141
STT: 94
Lớp: KTE309(2-1718).3_LT


LỜI NÓI ĐẦU
Thị trường bất động sản là một trong những thị trường có vị trí và vai trò
quan trọng đối với nền kinh tế quốc dân, phát triển và vận hành tốt thị trường này
sẽ góp phần to lớn vào quá trình thúc đẩy phát triển kinh tế - xã hội. Tuy nhiên,
đây cũng là một thị trường có diễn biến phức tạp và mọi biến động của nó đều có
có ảnh hưởng lớn đến sự phát triển của nền kinh tế. Vì vậy, 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. Đối với các nhà kinh doanh bất động sản hay những người có nhu
cầu mua nhà, nắm rõ tình hình giá cả của nhà đất là một lợi thế giúp tăng lợi nhuận
và giảm thiểu rủi ro. 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 tác động của các yếu tô
cấu trúc và môi trường xung quanh đến giá nhà chung cư tại Thành phố Hồ Chí
Minh.


I.

Ý NGHĨA CỦA VIỆC LỰA CHỌN ĐỀ TÀI

Nhà ở là nhu cầu thiết yếu trong đời sống của con người, “an cư” thì mới
“lạc nghiệp”. Trong thời đại ngày nay, khi dân số tăng nhanh thì nhu cầu này lại
càng trở nên cấp thiết hơn bao giờ hết, đặc biệt là ở những khu vực đông dân cư và
có kinh tế phát triển như thành phố Hồ Chí Minh, Hà Nội…
Tuy nhiên, việc người dân có thể thỏa mãn nhu cầu về nhà ở hay không lại
bị tác động rất lớn bởi giá bán ngôi nhà đó. Giá bán lại do nhiều yếu tố khác chi
phối như: diện tích, vị trí, kết cấu, môi trường xung quanh ngôi nhà,…nhưng với
mức độ ảnh hưởng khác nhau. Do đó, việc tìm mua nhà đáp ứng được yêu cầu và
phù hợp với khả năng chi trả là vấn đề quan trọng hàng đầu với những người có
nhu cầu. Vì lí do trên, nhóm đã tiến hành khảo sát các yếu tố ảnh hưởng đến giá
bán nhà ở thành phố Hồ Chí Minh để có cái nhìn toàn diện hơn về vấn đề này.
II.

PHƯƠNG PHÁP THU THẬP SỐ LIỆU VÀ THỰC HIỆN
ĐỀ TÀI

Nhóm đã tiến hành thu thập số liệu gồm 100 mẫu quảng cáo bán nhà từ các
tờ báo như : Thanh niên ( số ra ngày 6/3/2009), báo Mua & Bán ( số ra ngày
12/3/2009), báo Tuổi trẻ ( số ra ngày 12/3/2009), các website như muanha.com,
nhaban.com.
Nhóm đã tiến hành chọn lọc thông tin, tiến hành hồi quy, kiểm định đa cộng
tuyến, tự tương quan, phương sai thay đổi dựa trên 100 mẫu quan sát thu thập
được.
Trong quá trình tiến hành thực hiện đề tài, nhóm đã sử dụng kiến thức của
môn kinh tế lượng cũng với sự hỗ trợ của các phần mềm như: Word, Excel. Power
Point, Gretl để hoàn thành đề tài.
III.

THIẾT LẬP MÔ HÌNH TỔNG QUÁT

1. Giải thích các biến:
Mô hình tổng quát:
Y=C1+C2X2+C3D1+C4D2+C5D3+C6D4+C7D5+C8D6+C9D7+C10D8+C11D9+C12D10+C13
D11+Ui
 Biến phụ thuộc:
Y_GBCN: giá bán căn nhà tại thành phố Hồ Chí Minh (Đơn vị: triệu đồng).
 Biến độc lập:
X2_DT: diện tích một căn nhà (đơn vị: m2).
D1_VT: vị trí


 D1_VT = 1: mặt tiền.
 D1_VT = 0: trong hẻm.

D2_QTT: quận trung tâm ( Quận 1, 3, 5, 10).
 D2_QTT = 1: quận trung tâm thành phố.
 D2_QTT = 0: các quận khác.
D3_QNT: quận ngoại thành.
 D3_QNT = 1: quận ngoại thành.
 D3_QNT = 0: các quận khác.
D4_TTNN: tình trạng ngôi nhà.
 D4_TTNN = 1: nhà mới xây.
 D4_TNNN = 0: nhà đã qua sử dụng.
D5_KC1: kết cấu.
 D5_KC1 = 1: biệt thự.
 D5_KC1 = 0: khác.
D6_KC2: kết cấu.
 D6_KC2 = 1: nhà lầu.
 D6_KC2 = 0: khác.
D7_GTPL: giá trị pháp lý.
 D7_GTPL = 1: có giấy tờ pháp lý.
 D7_GTPL = 0: không có giấy tờ pháp lý.
D8_GT: giao thông.
 D8_GT = 1: giao thông thuận lợi.
 D8_GT = 0: giao thông không thuận lợi.
D9_THC: truyền hình cáp.
 D9_THC = 1: có truyền hình cáp.
 D9_THC = 0 : không có truyền hình cáp.
D10_I: Internet.
 D10_I = 1: có Internet.
 D10_I = 0 : không có Internet.
D11_AN: an ninh.
 D11_AN = 1: có an ninh.
 D11_AN = 0: không an ninh.

2. Bảng thống kê mô tả:
 Nhận xét trị thống kê mô tả:
Số quan sát của chúng tôi là 100 mẫu quảng cáo bán nhà tại Thành phố Hồ Chí
Minh. Trong 100 mẫu quảng cáo thì giá bán trung bình của một ngôi nhà là:
3669.59 triệu đồng.
Nhà có giá bán cao nhất là: 33100 triệu đồng.
Nhà có giá bán thấp nhất là: 400 triệu đồng.


Khoảng chênh lệch giữa giá bán cao nhất và giá bán thấp nhất là: 32700 triệu
đồng.
Khoảng chênh lệch này khá lớn là do có sự khác biệt về vị trí căn nhà, kết cấu,
giấy tờ pháp lý và an ninh ngôi nhà.
Biến X2_DT: diện tích của căn nhà.
Biến D1_VT: vị trí của căn nhà, trong số 100 mẫu nhà được khảo sát là 71 mẫu nhà
trong trong hẻm, 29 mẫu là nhà mặt tiền.
Biến D2_QTT: có 27 căn nhà thuộc các quận trung tâm thành phố.
Biến D3_QNT: có 29 căn nhà thuộc quận ngoại thành.
Còn 44 mẫu là nhà thuộc các quận khác (không thuộc trung tâm thành phố cũng
không thuộc quận ngoại thành).
Biến D4_TTNN: tình trạng ngôi nhà, trong đó có 22 căn nhà mới xây, 78 căn nhà
đã qua sử dụng.
Biến D5_KC1: kết cấu nhà kiểu biệt thự, có 7 mẫu nhà là biệt thự
Biến D6_KC2: kết cấu nhà có lầu, có 79 mẫu nhà có lầu. Còn 14 mẫu nhà có kết
cấu khác.
Biến D7_GTPL: giấy tờ pháp lí của căn nhà, trong đó có 98 mẫu nhà có giấy tờ
pháp lí, 2 mẫu nhà không có giấy tờ pháp lí.
Biến D8_GT: giao thông, trong đó có 10 mẫu nhà không có vị trí giao thông thuận
lợi và 90 mẫu nhà có vị trí giao thông thuận lợi.
Biến D9_TTC: truyền hình cáp, trong đó có 70 mẫu nhà có truyền hình cáp, 30

mẫu nhà không có truyền hình cáp.
Biến D10_I: Internet, trong đó có 68 mẫu nhà có Internet, 32 mẫu nhà không có
Internet.
Biến D11_ AN: an ninh xung quanh căn nhà, trong đó có 54 mẫu nhà có an ninh,
46 mẫu nhà có 46 mẫu nhà không có an ninh.
3. Bảng hồi quy gốc:
Phương trình hồi quy gốc:
Y_GB = -2376.0555
+ 14.6435*X2_DT
+ 722.0592*D1_ VT +
2105.6156*D2_QTT
359.1278*D3_QNT - 390.0384*D4_TTNN +
5228.3218*D5_KC1 524.8906*D6_KC2 + 2659.4737*D7_GTPL +
2188.6948*D8_GT - 3369.4760*D9_THC + 93.4885*D10_I + 1921.4433*D11_AN


MÔ HÌNH 1
Dependent Variable: Y
Method: Least Squares
Date: 03/14/09 Time: 18:00
Sample: 1 100
Included observations: 100
Variable

Coefficient Std. Error t-Statistic

Prob.

C
X2

D1
D2
D3
D4
D5
D6
D7
D8
D9
D10
D11

-2376.056
14.64352
722.0592
2105.616
-359.1278
-390.0384
5228.322
-524.8906
2659.474
2188.695

0.3442
0.0000
0.3552
0.0105
0.6342
0.6294
0.0028

0.5415
0.2850
0.0853
0.1749
0.9675
0.0195

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.624332
0.572515
3091.222
8.31E+08
-938.5629
2.104871

93.48846
1921.443

2498.301
2.279999
776.8533
805.1979
752.0593
805.4675

1698.166
856.3592
2472.311
1257.375
2463.628
2288.876
807.5106

-0.951068
6.422598
0.929467
2.615029
-0.477526
-0.484239
3.078806
-0.612933
1.075704
1.740685
-1.367689
0.040845
2.379465

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

3533.870

4727.918
19.03126
19.36993
12.04893
0.000000

Nhận xét:
Mức độ phù hợp của mô hình so với thực tế là R 2 = 62.4332%, dựa vào
bảng hồi quy gốc ta thấy các biến X 2, D2, D5, D11 có /t-stat/ > 2 nên các biến này
thực sự có ý nghĩa thống kê. Các biến còn lại có /t-stat/ <2 nên không có ý nghĩa
thống kê.
Mô hình tổng quát:


Y_GB = -2376.0555 + 14.6435*X2_DT + 2105.6156*D2_QTT +
5228.3218*D5_KC1 + 1921.4433*D11_AN

MÔ HÌNH 2
Dependent Variable: Y
Method: Least Squares
Date: 03/12/09 Time: 17:57
Sample: 1 100
Included observations: 100
Variable

Coefficient Std. Error t-Statistic

Prob.

C

X2
D2
D5
D11

275.3149
15.53003
1875.057
4573.488
473.8808

0.6145
0.0000
0.0117
0.0022
0.4729

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.556500
0.537827
3214.196
9.81E+08
-946.8624
2.015546

544.8768
2.258402
729.1298
1453.808
657.5837

0.505279
6.876559
2.571638
3.145867
0.720640

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

3533.870
4727.918
19.03725
19.16751
29.80135
0.000000

4. Kiểm định và khắc phục
4.1. Kiểm định đa cộng tuyến
Xem xét qua ma trận tương quan giữa các biến: không có hiện tượng đa

cộng tuyến.
X2
D2
D5
D11

X2
1.000000
0.057257
0.498579
0.167068

D2
0.057257
1.000000
0.009711
0.109370

D5
0.498579
0.009711
1.000000
0.095939

D11
0.167068
0.109370
0.095939
1.000000

Vì mức tương quan giữa các biến là rất nhỏ nên không có đa cộng tuyến xảy ra.


MÔ HÌNH HỒI QUI PHỤ:
Dependent Variable: X2
Method: Least Squares
Date: 03/20/09 Time: 16:33
Sample: 1 100
Included observations: 100
Variable

Coefficient Std. Error

C
D2
D5
D11

93.08116
14.89297
316.7935
38.61832

R-squared
Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.264499
0.241514
145.2565
2025547.
-637.7029
1.649299

t-Statistic

Prob.

4.097279
0.452456
5.538895
1.311091

0.0001
0.6520
0.0000
0.1930

Mean dependent var
S.D. dependent var
Akaike info criterion
Schwarz criterion
F-statistic
Prob(F-statistic)

140.1317
166.7869

12.83406
12.93826
11.50775
0.000002

22.71780
32.91588
57.19435
29.45510

Vì R2 của mô hình hồi qui phụ bằng 0.264499 nhỏ hơn R2 của mô hình hồi qui 2
bằng 0.556500 nên không có hiện tượng đa cộng tuyến xảy ra.


4.2. Kiểm định tự tương quan:
Vì p_value = 0.914347 > α = 0.05 nên không có hiện tượng tự tương quan
trong mô hình.
MÔ HÌNH 3

Breusch-Godfrey Serial Correlation LM Test:
F-statistic
Obs*R-squared

0.083426
0.179090

Probability
Probability

0.920028

0.914347

Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 03/16/09 Time: 21:01
Presample missing value lagged residuals set to zero.
Variable

Coefficient Std. Error
553.7234
2.348885
737.0807
1495.111
664.9583
0.106033
0.105078

t-Statistic

Prob.

-0.040345
0.094213
-0.017899
-0.073682
0.007040
-0.241191
-0.342431

0.9679
0.9251
0.9858
0.9414
0.9944
0.8099
0.7328

C
X2
D2
D5
D11
RESID(-1)
RESID(-2)

-22.33991
0.221295
-13.19334
-110.1624
4.681078
-0.025574
-0.035982

R-squared
Adjusted Rsquared
S.E. of regression
Sum squared
resid
Log likelihood

0.001791

Mean dependent var

9.83E-14

-0.062610
3245.663

S.D. dependent var
Akaike info criterion

3148.593
19.07546

9.80E+08
-946.7728

Schwarz criterion
F-statistic

19.25782
0.027809


Durbin-Watson
stat

1.976320

Prob(F-statistic)

0.999904

4.3. Kiểm định phương sai thay đổi:
Tiến hành kiểm định White bằng Gretl ta thu được kết quả:
P_value > α = 0.05 nên không có hiện tượng phương sai thay đổi.
White Heteroskedasticity Test:
F-statistic
Obs*R-squared

1.064627
11.74485

Probability
Probability

0.398849
0.383124

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 03/16/09 Time: 21:02
Sample: 1 100
Included observations: 100
Variable

Coefficient Std. Error

t-Statistic

Prob.

C
X2
X2^2
X2*D2
X2*D5
X2*D11
D2
D2*D5
D2*D11
D5
D5*D11
D11

90741.06
61868.51
-113.8510
95299.91
2180.032
24928.14
-9682232.
-83698627
22188199
14081295
40087868
-4360610.

0.009754
0.857795
-0.858576
0.999465
0.023170
0.310628
-0.574764
-1.745426
1.219587
0.394727
1.021652
-0.332865

0.9922
0.3933
0.3929
0.3203
0.9816
0.7568
0.5669
0.0844
0.2259
0.6940
0.3097
0.7400

R-squared

0.117449

9302488.
72125.07
132.6044
95350.91
94087.06
80250.80
16845581
47953111
18193213
35673466
39238275
13100239

Mean dependent var

9814502.


Adjusted R-squared
S.E. of regression
Sum squared resid
Log likelihood
Durbin-Watson stat

0.007130
38080323
1.28E+17
-1881.023
2.120929

S.D. dependent var
38216801
Akaike info criterion 37.86046
Schwarz criterion
38.17308
F-statistic
1.064627
Prob(F-statistic)
0.398849

5. Kết quả hồi quy:
Y_GB = -2376.0555 + 14.6435*X2_DT
+ 2105.6156*D2_QTT +
5228.3218*D5_KC1 + 1921.4433*D11_AN
Nhận xét:
_Mức độ phù hợp của mô hình so với thực tế tương đối cao là R 2 =
55.65%.
_Dựa vào bảng hồi quy gốc ta thấy /t-stat/ của các biến X 2, D2, D5, D11 > 2
nên các biến này có ý nghĩa thống kê.
X2_DT: tác động cùng chiều với giá bán, có nghĩa là khi diện tích tăng lên
2
1m thì giá bán nhà tăng 14.6435 triệu đồng (trong điều kiện các yếu tố khác
không đổi).
D2_QTT: tác động cùng chiều với giá bán, nghĩa là nếu căn nhà là thuộc
quận trung tâm thành phố thì giá bán sẽ cao hơn 2105.6156 triệu đồng so với nhà
thuộc các quận khác (trong điều kiện các yếu tố khác không đổi).
D5_KC1: tác động cùng chiều với giá bán, có nghĩa là nếu căn nhà là biệt
thự thì giá bán sẽ cao hơn 5228.3218 triệu đồng so với nhà trệt (trong điều kiện
các yếu tố khác không đổi)

D11_AN: tác động cùng chiều với giá bán, có nghĩa là nếu căn nhà nằm
trong khu vực có an ninh thì giá bán sẽ cao hơn 1921.4433 triệu đồng so với nhà
thuộc khu vực không an ninh (trong điều kiện các yếu tố khác không đổi).
2.

Khó khăn trong quá trình thực hiện:

Với mô hình ước lượng trên, do số lượng quan sát còn hạn chế và chất lượng
dữ liệu chưa được chính xác lắm vì số liệu được thu thập thông qua Internet và các
báo nên thông tin chưa được kiểm chứng. Do đó, mức ý nghĩa các trị thống kê
tương đối cao. Việc chọn các biến độc lập để đưa vào mô hình chủ yếu dựa trên ý
kiến chủ quan và có thể còn thiếu sót.