BÀI TẬP LỚN
KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU
Học viên thực hiện: Diệp Thị Dệt
Mã SV: CH0372 STT: 12 Lớp: CH21D
PHÂN TÍCH BỘ SỐ LIỆU: GIÁ BĐS VÀ CÁC YẾU TỐ ĐỊNH LƯỢNG
VÀ VỊ THẾ
Số quan sát : 100
Số biến : 7

Hà Nội, 01/ 2013
1
Mô hình được xây dựng dựa trên các yếu tố định lượng và vị thế của BĐS tác động đến giá
BĐS.Số quan sát là các số liệu thực tế mà các cán bộ tại NH Á Châu trực tiếp khảo sát được tại thời
điểm năm 2011. Dựa vào nguồn số liệu này, em đã lấy ra 100 BĐS ngẫu nhiên làm 100 quan sát khác
nhau được nghiên cứu các quận tại TP.Hồ Chí Minh để đưa vào mô hình nhằm đưa ra những đánh giá
về các nhân tố ảnh hưởng tới giá BĐS tại TP.Hồ Chí Minh. Trong bài em hồi quy bằng phương pháp
LS giá bất động sản thông qua mô hình Logarit. Mô hình này được sử dụng vì nó phù hợp với những
dữ liệu tương đối tốt và hệ số ước lượng từ mô hình có thể giải thích tỷ lệ đóng góp tỷ lệ đóng góp của
các đặc tính hàng hóa vào trong hàng hóa một cách trực tiếp. Ngoài ra, theo nghiên cứu đối với chuỗi
dữ liệu không có phân phối chuẩn như chuỗi dữ liệu có đơn vị là tiền tệ hoặc có giá trị dương, thì mô
hình semi-logarit thường được sử dụng. Do đó, trong bài đã sử dụng mô hình log-lin và biến giá của
BĐS (LnPRICE) là biến phụ thuộc và các biến độc lập là các biến của yếu tố định định lượng và vị thế
của BĐS.
Các biến được sử dụng trong mô hình:
Doanh sách biến
H
LOẠI BIẾN TÊN BIẾN MÔ TẢ
Biến phụ thuộc LOG(PRICE)
Biếnđộclập
AREA Diện tích của BĐS
CBD KC từ BĐS tới TT

PRICE 0.674077 -0.171668 -0.519560 0.390218 0.536344 1.000000
Từ bảng trên, ta thấy trong 6 biến độc lập thì biến AREA là tương quan với biến PRICE
nhiều nhất là 67% sau đó đến biến USE và biến DISROAD.Trong các cặp biến còn lại, biến USE
và AREA tương quan với nhau nhiều nhất tương ứng là 37%. Điều này cho thấy giá của BĐS có ảnh
hưởng rất lớn từ diện tích của BĐS đó và mục đích sử dụng chúng.
AREA CBD DISROAD HAREA USE PRICE
Jarque-Bera 25.13371 0.283682 148.7568 3206.985 16.66684 25.65100
Probability 0.000003 0.867759 0.000000 0.000000 0.000240 0.000003
Từ kiểm định Jarque-Bera, cho kết quả chỉ có biến CBD là phân phối chuẩn còn các biến còn
lại không phân phối chuẩn.
3

Mô hình tổng quát:
Ln(PRICE) = β
1
+ β
2
*AREA + β
3
*CBD + β
4
*DISROAD + β
5
*HAREA + β
2
*USE + U
i
Hồi quy mô hình 6 biến bằng phương pháp LS được bảng kết quả như sau:
Dependent Variable: LOG(PRICE)
Method: Least Squares

2
chỉ tăng 0.000547%. Diện tích nhà chỉ ảnh hưởng rất
4
nhỏ tới giá của BĐS. Trên thực tế có những căn nhà rất lụp xụp nhưng thuộc vị trí mặt tiền đường dùng
cho kinh doanh buôn bán, mở quán ăn, quán nhậu kinh doanh rất đông khách thu nhập rất cao. Còn các
BĐS trong hẻm sâu dù nhà có lớn, nhiều tầng nhưng cũng chỉ dùng để ở khó tạo ra thu nhập cao.
Khoảng cách của BĐS tới trung tâm (CBD): Theo tính chất của thị trường BĐS giá nhà sẽ cao
khi BĐS gần trung tâm và ngược lại.Nhưng từ kết quả trong mô hình giá nhà sẽ tăng 0.005468% khi
mà khoảng cách này xa hơn 1km. Điều này là không hợp lý. Chính vì thế biến CBD không có ý nghĩa
cả về mặt thống kê lẫn về mặt kinh tế trong mô hình này.
Khoảng cách từ BĐS tới mặt tiền đường (DIS_ROAD): Giá của một bất động sản càng nằm sâu
hơn trong hẻm so với các BĐS khác 1 m sẽ có giá giảm 0.003526%. Với BĐS có diện tích và cấu trúc
giống nhau, nhưng BĐS cách mặt tiền đường 50m sẽ có giá cao hơn BĐS cách mặt tiền 100m. Do yếu
tố lợi thế giao thông và lợi thế kinh doanh tốt hơn.
Mục đích sử dụng BĐS: BĐS có thể được sử dụng với mục đích kinh doanh hoặc mục đích để ở.
Đây là một nhân tố quan trọng để quyết định giá BĐS. Ta thấy giá BĐS sẽ tăng lên nếu BĐS đó được
dùng với mục đích kinh doanh
CÁC KIỂM ĐỊNH
- Kiểm định tự tương quan bằng kiểm định Durbin-Watson: Ta thấy mô hình không có
hiện tượng tự tương quan bậc 1 do Pvalue(F-statitis) = 0.07 >0.05. Chưa đủ cơ sở bác bỏ H
0
lên mô
hình trên không có hiện tượng đa cộng tuyến bậc 1. Tương tự như treen, ta thấy mô hình không có
hiện tượng đa cộng tuyến bậc 2.
Kết quả kiểm định tự tương quan bậc 1:
F-statistic 3.318017 Probability 0.071739
Obs*R-squared 3.444856 Probability 0.063449
Kết quả kiểm định tự tương quan bậc 2:
F-statistic 1.645821 Probability 0.198481
Obs*R-squared 3.454281 Probability 0.177792

Sample: 1 100
Included observations: 100
Variable Coefficient Std. Error t-Statistic Prob.
C 8.432846 0.170068 49.58508 0.0000
AREA 0.019197 0.002261 8.491728 0.0000
DISROAD -0.005051 0.000916 -5.516391 0.0000
R-squared 0.622647 Mean dependent var 9.396049
Adjusted R-squared 0.614867 S.D. dependent var 0.835317
S.E. of regression 0.518391 Akaike info criterion 1.553365
Sum squared resid 26.06670 Schwarz criterion 1.631521
Log likelihood -74.66827 F-statistic 80.02689
Durbin-Watson stat 1.560622 Prob(F-statistic) 0.000000
Để kiểm định lại dạng hàm đúng, ta tiếp tục dùng kiểm định Ramsey thì được Pvalue(F-
Statistic)=0.112 >0.05 chưa đủ cở sở bác bỏ H
0
. Vậy có thể kết luận đây là dạng hàm đúng
KẾT LUẬN
6
Thông qua mô hình trên, đã giúp ta đưa ra được các yếu tố ảnh hưởng tới giá BĐS trong thời
gian tới. Từ những dự đoán đó có thể giúp cho nhà đầu tư có lựa chọn sáng suốt hơn trong việc đầu
tư của mình và qua đó cũng giúp các cán bộ NH có thể thẩm định đựơc các BĐS được thế chấp tại
NH một cách chính xác hơn
7

8