Nghiên cứu mô hình hồi quy trọng số Địa lý trong tính toán giá bất Động sản

Nghiên cứu mô hình hồi quy trọng số Địa lý trong tính toán giá bất Động sảnNghiên cứu mô hình hồi quy trọng số Địa lý trong tính toán giá bất Động sản

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

KHOA ĐỊA LÝ -*** -

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC KHOA HỌC TỰ NHIÊN

KHOA ĐỊA LÝ -*** -

(Chương trình đào tạo thí điểm)

NGƯỜI HƯỚNG DẪN KHOA HỌC

PGS.TS.Bùi Quang Thành

Hà Nội – 2023

i

LỜI CẢM ƠN

Để hoàn thành khóa luận này, em xin gửi lời cảm ơn đến các Quý Thầy cô Khoa Địa lý, Trường Đại học Khoa học tự nhiên - ĐHQGHN đã tạo cơ hội cho em được học tập, rèn luyện và tích lũy kiến thức, kỹ năng để thực hiện khóa luận

Đặc biệt, em xin gửi lời cảm ơn đến Giảng viên hướng dẫn Thầy Bùi Quang Thành đã tận tình chỉ dẫn, theo dõi và đưa ra những lời khuyên bổ ích giúp em giải quyết được các vấn đề gặp phải trong quá trình nghiên cứu và hoàn thành đề tài một cách tốt nhất

Do kiến thức của bản thân còn hạn chế và thiếu kinh nghiệm thực tiễn nên nội dung khóa luận khó tránh những thiếu sót Em rất mong nhận sự góp ý, chỉ dạy thêm từ Quý Thầy cô

Cuối cùng, em xin chúc Quý Thầy Cô luôn thật nhiều sức khỏe và đạt được nhiều thành công trong công việc

Trân trọng

Tác giả khóa luận

ii

LỜI CAM ĐOAN

Tôi xin cam đoan số liệu và kết quả nghiên cứu trong khoá luận tốt nghiệp này là hoàn toàn trung thực Mọi sự giúp đỡ cho việc thực hiện khoá luận này đã được cảm ơn và các thông tin trích dẫn trong khoá luận đã được chỉ rõ nguồn gốc rõ rang và được phép công bố

Hà Nội, ngày tháng năm 2023

Tác giả khóa luận

Bùi Minh Hạnh

1.2 Tổng quan về những mô hình tính giá bất động sản 9

1.2.1 Các phương pháp định giá bất động sản ở Việt Nam và trên thế giới 9 1.2.2 Mô hình Hedonic 12

1.3 Mô hình học máy và ứng dụng trong tính giá bất động sản 16

1.3.1 Khái niệm 16

1.3.2 Phân loại mô hình học máy 17

1.3.3 Một số chỉ số đánh giá mô hình học máy: 18

1.3.4 Các bước cơ bản thực hiện một thuật toán học máy 19

1.3.5 Ứng dụng của học máy 19

CHƯƠNG 2 DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU 23

2.1 Đặc điểm tự nhiên, kinh tế xã hội của thành phố Hà Nội 23

2.1.1 Điều kiện tự nhiên 23

2.1.2 Tình hình quy hoạch ở Hà Nội 25

2.2 Phương pháp nghiên cứu 26

2.2.1 Mô hình hồi quy trọng số địa lý (geographically weighted regression - GWR) 26

2.3 Mô tả dữ liệu 29

2.3.1 Quy trình nghiên cứu 31

iv

CHƯƠNG 3 KẾT QUẢ VÀ THẢO LUẬN 33

3.1 Kết quả tính toán trọng số các lớp từ mô hình GWR 33

3.2 Yếu tố ảnh hưởng 34

KẾT LUẬN 47

TÀI LIỆU THAM KHẢO 48

vi

DANH MỤC CHỮ VIẾT TẮT GWR: Geographically Weighted Regression GRDP: Chỉ số tổng sản phẩm trên địa bàn

1

MỞ ĐẦU 1 Tính cấp thiết đề tài

Ở Việt Nam, bất động sản vẫn luôn là điểm nóng của nguồn tiền, đóng vai trò quan trọng trong phát triển kinh tế - xã hội, một trong những yếu tố chủ chốt trong bất động sản là giá nhà đất

Bắt đầu từ giai đoạn 2000-2001, với sự phục hồi và tăng trưởng mạnh của nền kinh tế trong nước, cơ hội xuất hiện các dòng đầu tư mới sau khi ký kết Hiệp định thương mại Việt - Mỹ, những quy định sửa đổi Luật Đất đai năm 2001 theo hướng mở rộng thêm quyền năng của người sử dụng đất và những thay đổi trong chính sách cho người Việt Nam định cư ở nước ngoài được mua nhà ở đã làm cầu về nhà đất gia tăng Thêm vào đó, đây cũng là thời điểm khởi đầu của kì quy hoạch và kế hoạch 2001-2010, trong đó chính quyền các tỉnh, thành phố thực hiện công bố quy hoạch phát triển kinh tế - xã hội, quy hoạch đất đai và quy hoạch phát triển đô thị Cơn sốt trên thị trường nhà đất bắt đầu bùng phát từ cuối năm 2001 kéo dài đến cuối năm 2003, khi Luật Đất đai được thông qua, với những quy định mới về kiểm soát cung - cầu đất đai và thị trường bất động sản Kể từ thời điểm Luật Đất đai 2003 có hiệu lực thi hành với những quy định chi tiết của Nghị định 181/2004/NĐ-CP [1], thị trường bất động sản bước vào giai đoạn trầm lắng

Từ 3/2008 đến tháng 6/2008 thị trường bất động sản giảm mạnh về giá và số lượng giao dịch Giá căn hộ chung cư cao cấp giảm đáng kể từ 35% - 60% (tương đương với mặt bằng giá trước khi xảy ra hiện tượng tăng giá năm 2007) [2], mức giá giao dịch đất nền nhà riêng lẻ, nhà biệt thự giảm khoảng 30% Từ tháng 7/2008 đến tháng 12/2008, thị trường trầm lắng, giao dịch rất ít và giá cũng không biến đổi nhiều (chỉ giảm khoảng 8%) [2] Theo ước tính của CBRE 4 thì nhu cầu vốn đầu tư cho lĩnh vực bất động sản thương mại ở các thành phố lớn (Hà Nội, Thành phố Hồ Chí Minh và Đà Nẵng) là khoảng 1,5 tỷ USD mỗi năm từ nay tới 2020 Tóm lại, nhu cầu về vốn cho việc xây nhà dân dụng và văn phòng thành thị Việt Nam lên tới khoảng 5,5 - 6,5 tỷ USD mỗi năm trong giai đoạn từ 2010-2020

Trên thế giới trong vài năm gần đây, thị trường bất động sản đã trải qua những biến động và sự thay đổi đáng kể Trước đại dịch COVID-19, nhiều quốc gia đã trải qua sự tăng trưởng mạnh mẽ trong lĩnh vực bất động sản, đặc biệt là trong các trung tâm kinh tế lớn Tuy nhiên, sau khi đại dịch bùng phát, thị trường

Ngoài ra, công nghệ và xu hướng mới như công nghệ blockchain, trí tuệ nhân tạo và Internet of Things (IoT) cũng có thể tác động đến thị trường bất động sản trên toàn thế giới

Một số khu vực trên thế giới đã chứng kiến tăng giá mạnh và sự thiếu hụt nhà ở Điều này có thể do nhu cầu gia tăng, sự tăng trưởng kinh tế, và quỹ đất hạn chế Các thành phố lớn và các trung tâm kinh tế như New York, London, Sydney và Singapore đã trải qua sự tăng giá cao trong thời gian gần đây Ngoài các thị trường truyền thống, một số quốc gia mới nổi như Trung Quốc, Ấn Độ và các quốc gia Đông Nam Á khác cũng đã chứng kiến sự tăng trưởng đáng kể trong lĩnh vực bất động sản Sự tăng trưởng kinh tế, dân số đô thị hóa và sự phát triển hạ tầng đã tạo ra nhu cầu lớn về nhà ở và cơ sở hạ tầng

Thị trường nhà ở là bộ phận quan trọng nhất của thị trường bất động sản Những cơn sốt nhà đất hầu hết đều bắt đầu từ sốt nhà ở và lan tỏa sang các thị trường bất động sản khác Đối với nhiều hộ gia đình, nhà ở không chỉ là nơi sinh sống đơn thuần mà còn là một đại diện quan trọng trong danh mục đầu tư tài sản Ở các nước có nền công nghiệp phát triển thì nhà ở là một trong những thành phần quan trọng đóng góp vào sự giàu có, đồng thời cũng là một nhân tố tác động chủ yếu lên chi tiêu và cơ hội tiết kiệm của hộ gia đình Đối với mỗi quốc gia, nhà đất là một tài sản quan trọng chiếm tỷ trọng trên 40% trong tổng số của cải xã hội Các hoạt động liên quan đến nhà đất chiếm tới 30% tổng hoạt động của nền kinh tế

Tham gia giao dịch trên thị trường bất động sản có nhiều chủ thể khác nhau, bao gồm các cá nhân, các doanh nghiệp và các tổ chức sự nghiệp, nhà đầu tư (trong và ngoài nước), nhà nước, các tổ chức tài chính và người môi giới Mỗi chủ thể đóng một vai trò nhất định trên thị trường bất động sản Giá trị thị trường của bất động sản được ước tính thông qua việc áp dụng các phương pháp định giá và các quy trình thẩm định để phản ánh bản chất của tài sản và các tình huống mà

3

các tài sản có nhiều khả năng được giao dịch trên thị trường mở (Pagourtzi et al., 2003) Có nhiều phương pháp để xác định giá trị thị trường của BĐS Pagourtzi et al (2003) phân loại các phương pháp này thành hai loại: truyền thống và hiện đại Các phương pháp định giá truyền thống là: phương pháp so sánh phương pháp thu nhập, phương pháp thặng dư, phương pháp đa hồi quy và phương pháp hồi quy theo bước,… Trong khi đó, các phương pháp định giá hiện đại là các phương pháp định giá ẩn (hedonic pricing), các phương pháp phân tích không gian, mô

hình hồi quy,…

Trong bài sử dụng phương pháp thông qua việc ứng dụng mô hình hồi quy trọng số địa lý phân tích giá nhà ở Hà Nội Từ đó, giúp người tham gia thị trường bất động sản có thể ước lượng giá bất động sản một cách chính xác nhất, từ đó có thể đưa ra các quyết định đầu tư đúng đắn nhất Bên cạnh đó, sẽ giúp cho những nhà quản lý có thể đưa ra những chính sách điều hành phù hợp và hiệu quả

2 Mục tiêu nghiên cứu

Mục tiêu nghiên cứu của đề tài là tìm hiểu và phân tích các yếu tố để tính giá nhà ở trên địa bàn thành phố Hà Nội thông qua việc ứng dụng mô hình hồi quy trọng số địa lý

3 Đối tượng và phạm vi nghiên cứu

Bài nghiên cứu thu thập dữ liệu sẵn có dự án điều tra khảo sát các bất động sản trên các tuyến đường thuộc địa bàn thành phố Hà Nội trong thời gian 2014 bằng hình thức phỏng vấn thông qua bảng khảo sát các yếu tố tính giá bất động sản

4 Phương pháp nghiên cứu

Để giải quyết các vấn đề nghiên cứu đặt ra phù hợp với mục tiêu nghiên cứu, em đã sử dụng các phương pháp sau:

- Phương pháp phân tích: phương pháp này sử dụng trong nghiên cứu các

yếu tố ảnh hưởng đến giá trị của một khu đất và lựa chọn dạng hàm hồi quy phù hợp

- Phương pháp thống kê số liệu: sử dụng trong thu thập số liệu phục vụ

việc thử nghiệm mô hình

4

- Phương pháp mô hình: Mô hình được sử dụng trong nghiên cứu là các

mô hình toán học Các mô hình này bao gồm mô hình hồi quy trọng số địa lý (GWR)

- Phương pháp bản đồ: sử dụng để thành lập bản đồ 5 Ý nghĩa khoa học và ý nghĩa thực tiễn

Ý nghĩa khoa học: Kết quả nghiên cứu của khóa luận góp phần nâng cao

tiếp cận đối tượng trong xử lý dữ liệu các yếu tố hình thành giá nhà Đề tài cũng góp phần làm sáng tỏ những yếu tố ảnh hưởng và hình thành lên giá nhà

Ý nghĩa thực tiễn: Thông qua việc ứng dụng mô hình hồi quy trọng số địa

lý để xác định các yếu tố ảnh hưởng đến tính giá nhà ở trên địa bàn thành phố Hà Nội, phần nào giúp ta hiểu được những yếu tố tác động đến giá bất động sản, yếu tố nào là quan trọng nhất, từ đó giúp những người tham gia thị trường có thể ước lượng giá bất động sản một cách đúng đắn bằng cách dựa vào các nhân tố như: diện tích đất, diện tích nhà, vị trí bất động sản, thời gian di chuyển đến trung tâm, mặt tiền cửa hàng, giao thông đường phố, khoảng cách từ bất động sản đến trung tâm thành phố,…

6 Cấu trúc đề tài

Đề tài nghiên cứu được cơ cấu gồm ba chương

Chương 1: Tổng quan tài liệu

Trong chương này trình bày các khái niệm về thị trường BĐS và giới thiệu về các mô hình sử dụng để nghiên cứu

Chương 2: Dữ liệu và phương pháp nghiên cứu

Trong chương 2 trình bày về tổng quan điều kiện tự nhiên, kinh tế - xã hội ở thành phố Hà Nội, phương pháp nghiên cứu từ quy trình dữ liệu, định nghĩa các biến, cách thành lập bản đồ

Chương 3: Kết quả và thảo luận

Trong chương 3 trình bày kết quả nghiên cứu, phân tích kết quả bản đồ, chỉ ra chỗ cao với thấp, đánh giá độ chính xác của mô hình học máy

Cuối cùng là kết luận và kiến nghị Trình bày những ý kiến, đóng góp của đề tài, những mặt hạn chế và cải tiến của đề tài

5

1.1 Thị trường bất động sản

1.1.1 Khái niệm

Thị trường bất động sản là một trong những thị trường có vị trí và vai trò

vô cùng quan trọng trong quá trình phát triển kinh tế xã hội của mỗi quốc gia

Thị trường bất động sản là lĩnh vực rộng lớn liên quan đến nhiều ngành, nhiều lĩnh vực như đất đai, xây dựng, kiến trúc, môi trường, thuế, giao dịch đảm bảo,… Bên cạnh đó bât động sản là một loại hàng hóa có tính đặc thù kinh doanh loại hình này sẽ tác động đến hành vi kinh doanh, đầu tư, tái đầu tư, tài chính, tiền tệ, đầu cơ, quỹ dự trữ, dự phòng,… Bất động sản có quan hệ mật thiết tới xây dựng, quản lí nhà nước về đất đai, quy hoạch và kế hoạch sử dụng đất [5]

Nước ta đang chuyển dần sang nền kinh tế thị trường, nhu cầu kinh doanh bất động sản cũng đang phát triển mạnh mẽ và sôi động, đa dạng về hình thức Thị trường bất động sản vừa mang tính khu vực vừa mang tính vừa chịu sự chi phối mang tính đa phương của các yếu tố quốc tế Đối với nhiều hộ gia đình, nhà ở không chỉ là nơi sinh sống đơn thuần mà còn là một đại diện quan trọng trong danh mục đầu tư tài sản Ở các nước có nền công nghiệp phát triển thì nhà ở là một trong những thành phần quan trọng đóng góp vào sự giàu có, đồng thời cũng là một nhân tố tác động chủ yếu lên chi tiêu và cơ hội tiết kiệm của hộ gia đình

- Chính sách tài chính và lãi suất: Chính sách tài chính và lãi suất của ngân hàng quốc gia có thể ảnh hưởng đáng kể đến thị trường bất động sản Lãi suất thấp thường thúc đẩy mua nhà và đầu tư bất động sản, do đó thường có xu hướng tăng giá Ngược lại, lãi suất cao có thể làm giảm sức mua và gây sức ép giảm giá trị bất động sản

6

- Cung và cầu: Sự cân đối giữa cung và cầu trên thị trường bất động sản cũng ảnh hưởng đáng kể đến giá cả và hoạt động giao dịch Nếu cung vượt quá cầu, giá có thể giảm Ngược lại, nếu cầu vượt quá cung, giá có thể tăng

- Chính sách quy hoạch và pháp lý: Chính sách quy hoạch và pháp lý của chính phủ địa phương có thể có tác động đáng kể đến thị trường bất động sản Các quy định về quy hoạch đô thị, pháp lý mua bán, thuế và hỗ trợ nhà ở có thể tạo ra môi trường thuận lợi hoặc khó khăn cho thị trường bất động sản

- Yếu tố xã hội và dân số: Sự phát triển dân số, xu hướng di cư, thay đổi trong cấu trúc gia đình và yêu cầu về nhà ở của người dân cũng có ảnh hưởng đến thị trường bất động sản Ví dụ, sự gia tăng dân số và xu hướng tăng số lượng gia đình đơn thân có thể tăng nhu cầu về nhà ở và do đó thúc đẩy tăng giá trị bất động sản

- Tình hình thế giới: Sự ổn định chính trị và tình hình kinh tế toàn cầu cũng có thể ảnh hưởng đến thị trường bất động sản Sự biến động trong thị trường tài chính quốc tế, các cuộc khủng hoảng kinh tế và chính trị toàn cầu có thể gây ra sự không chắc chắn và ảnh hưởng đến lòng tin của nhà đầu tư trong thị trường bất động sản

Các yếu tố này thường tương tác với nhau và có thể tạo ra sự biến động và sự thay đổi trên thị trường bất động sản

1.1.3 Đặc điểm thị trường bất động sản

Thị trường bất động sản là một trong những thị trường quan trọng có tầm ảnh hưởng kinh tế, do đó thị trường bất động sản có nhiều đặc điểm riêng có thể nhận dạng như sau [10]:

- Bất động sản là hàng hóa đặc biệt nên không thể trao đổi bằng hiện vật như nhiều tài sản khác, bản chất là giao dịch và quyền lợi

- Thị trường bất động sản là một dạng thị trường không hoàn hảo do không đồng nhất về thông tin và các yếu tố cấu thành Điều này xuất phát từ chỗ: các thông tin về bất động sản và thị trường bất động sản không phổ biến, các tiêu chí đánh giá bất động sản chỉ có thể đo lường một cách tương đối, không sẵn có bất động sản cùng loại để so sánh, trên thị trường có lượng nhỏ người tham gia cung và cầu về một bất động sản nên thường người mua có ít kinh nghiệm

- Khi cầu thay đổi, tất yếu dẫn đến sự thay đổi về giá cả bất động sản Tuy nhiên, do quan hệ cung cầu về bất động sản thường mất cân đối theo chiều hướng

7

cung nhỏ hơn cầu, cung không thể phản ứng nhanh chóng và tương ứng với thay đổi của cầu, việc tăng cung thường mất nhiều thời gian dẫn đến tác động tăng giảm cung bất động sản

- Thị trường bất động sản có mối tương quan chặt chẽ với thị trường vốn, thị trường tài chính

- Thị trường bất động sản mang đậm tính khu vực, vì đất đai là yếu tố không thể tách rời của mỗi bất động sản, do đó bất động sản có thuộc tính không di dời được Vì vậy cung cầu chịu ảnh hưởng từ các vùng – miền, các điều kiện tự nhiên cũng như trình độ văn hóa và tốc độ phát triển kinh tế - văn hóa – xã hội

- Bất cứ hoạt động mua bán và trao đổi nào liên quan đến bất động sản phải chịu sự quản lý của nhà nước Nhà nước có vai trò là người quản lý và thống nhất mọi hoạt động thị trường bất động sản, và đảm bảo pháp lý cho hàng hóa bất động sản

- Ở nước ta, giao dịch ngầm chiếm tỷ trọng cao trong hệ thống thị trường bất động sản

1.1.4 Phân loại thị trường bất động sản

Thị trường bất động sản ngoài giao dịch mua bán chiếm tỷ trọng lớn nhất, còn có các giao dịch khác như cho thuê, thế chấp, chuyển nhượng quyền sử dụng và các giao dịch khác rất phong phú và đa dạng Đồng thời, cũng phải xác định rõ thị trường nhà và đất, ngoài ra còn có thị trường bất động sản thương mại, thị trường bất động sản dịch vụ, thị trường bất động sản công nghiệp, và nhiều thị trường bất động sản khác [10] Do đó, chúng ta biết cách phân loại và nhận dạng những thuộc tính cũng như đặc điểm của thị trường bất động sản

Tùy theo những quan điểm khác nhau có thể phân loại thị trường bất động sản thành nhiều dạng khác nhau, cụ thể như sau:

- Theo quan hệ giao dịch, thị trường bất động sản bao gồm các dạng sau: thị trường mua bán, chuyển nhượng quyền sử dụng (dành cho đất ở); thị trường cho thuê; thị trường thế chấp; thị trường bảo hiểm và các thị trường khác;

- Theo quan điểm hàng hóa bất động sản, thị trường bất động sản bao gồm các loại sau: thị trường đất đai (đất nông nghiệp, lâm nghiệp, đất ở); thị trường nhà ở (nhà phố, nhà liên kế, biệt thự, nhà vườn); thị trường bất động sản dịch vụ (khách sạn, cao ốc văn phòng, nhà thuê, bến cảng); thị trường bất động sản thương

- Theo trình tự tham gia thị trường của việc khai thác dự án bất động sản, có thể phân loại thị trường bất động sản thành các loại: thị trường chuyển nhượng quyền sử dụng đất (giao đất, cho thuê đất); thị trường lập dự án và xây dựng các công trình (thị trường sơ cấp); thị trường mua bán, cho thuê hoặc các giao dịch khác (thị trường thứ cấp)

1.1.5 Vai trò thị trường bất động sản

Thị trường bất động sản có vai trò rất lớn trong nền kinh tế quốc dân tác động trực tiếp lên tốc độ tăng trưởng kinh tế tùy thuộc vào từng thời kỳ phát triển, do đó nhận thức đầy đủ về vai trò của thị trường bất động sản sẽ có ý nghĩa rất lớn trong việc xây dựng chiến lược phát triển trong tương lai Vai trò của thị trường bất động sản thể hiện qua các điểm sau [10]:

- Phát triển thị trường bất động sản góp phần phát triển thị trường vốn Khi chủ tài sản có nhu cầu vay vốn cho hoạt động sản xuất kinh doanh có thể sử dụng bất động sản để làm tài sản thế chấp đảm bảo cho khoản vay, khi được định chế tài chính chấp thuận cho vay thì bất động sản vẫn được chủ sở hữu hoặc người được quyền sử dụng khai thác, vận hành Bên vay và bên cho vay đều hưởng lợi, về mặt kinh tế sẽ thúc đẩy thị trường vốn, tín dụng phát triển vì nguồn vốn vay được đưa vào hoạt động sản xuất kinh doanh tạo ra của cải, vật chất cho xã hội

- Phát triển thị trường bất động sản nhằm tăng nguồn thu cho ngân sách nhà nước Với hệ thống pháp luật quản lý tốt thì khi thị trường bất động sản phát triển tất cả các giao dịch sẽ được đăng ký và các bên tham gia thị trường sẽ thực hiện các nghĩa vụ thuế, góp phần tăng nguồn thu ngân sách nhà nước

- Phát triển thị trường bất động sản nhằm mở rộng thị trường trong và ngoài nước, mở rộng quan hệ quốc tế, chuyển giao công nghệ và kỹ năng quản lý Đồng thời, tạo điều kiện phát triển cho các thị trường bổ trợ Khi thị trường BĐS phát triển, không những có cơ hội tiếp cận với công nghệ mới trong kiến trúc, xây dựng

9

cũng như quy trình kỹ thuật, kỹ năng quản lý từ các đối tác liên doanh, mà còn tạo điều kiện cho các thị trường bổ trợ như thị trường vật tư, lao động trong ngành xây dựng, thiết kế, trang trí nội thất và các thị trường khác có điều kiện phát triển

- Góp phần vào sự ổn định cuộc sống, an ninh – xã hội - Thị trường bất động sản phát triển kéo theo nhiều dự án được triển khai, hạ tầng kỹ thuật, hạ tầng xã hội cũng dần hình thành, những khu nhà ở khang trang, tiện nghi hơn không những tạo nên diện mạo mới của các khu đô thị, mà còn góp phần to lớn trong việc phát triển an sinh – xã hội cho cộng đồng

- Thúc đẩy hoàn thiện cơ chế chính sách quản lý - Mối tương quan giữa hệ thống pháp luật về quản lý thị trường và bản thân thị trường bất động sản luôn tồn tại quy luật cân bằng, điều này có thể hiểu rằng nếu cơ chế luật nhằm quản lý thị trường bất động sản tốt sẽ tạo động lực tốt để phát triển thị trường và ngược lại nếu cơ chế quản lý lạc hậu hoặc không phù hợp thì hệ lụy sẽ làm cho thị trường phát triển lệch lạc hoặc chậm phát triển, do đó sự phát triển của thị trường bất động sản sẽ làm cơ sở để hoàn thiện hơn về cơ chế chính sách quản lý thông qua các văn bản pháp quy ngày càng hoàn thiện, thực tế và phù hợp hơn

- Sử dụng hợp lý hiệu quả tài nguyên đất Vai trò khác của thị trường bất động sản là khi thị trường phát triển xu hướng giá của tài nguyên đất thông thường sẽ tăng lên theo thời gian, trong dài hạn điều này sẽ tác động đến hành vi của người quản lý, khai thác, sử dụng bất động sản là hướng tới sử dụng hợp lý và hiệu quả hơn tài nguyên đất

1.2 Tổng quan về những mô hình tính giá bất động sản

1.2.1 Các phương pháp định giá bất động sản ở Việt Nam và trên thế giới

Các phương pháp định giá đất tại Việt Nam và trên thế giới bao gồm 5 phương pháp [9]:

- Phương pháp so sánh trực tiếp: định giá đất thông qua việc phân tích

mức giá của các thửa đất trống tương tự về mục đích sử dụng đất, vị trí, khả năng sinh lợi, điều kiện kết cấu hạ tầng, diện tích, hình thể, tính pháp lý về quyền sử dụng đất (sau đây gọi là thửa đất so sánh) đã chuyển nhượng trên thị ztrường, trúng đấu giá quyền sử dụng đất để so sánh, xác định giá của thửa đất cần định giá Phương pháp so sánh trực tiếp được áp dụng để định giá đất khi trên thị trường có các thửa đất so sánh đã chuyển nhượng trên thị trường, trúng đấu giá quyền sử

10

dụng đất; Nhược điểm của phương pháp này xuất phát từ cơ chế hai giá trong thị trường đất đai Việt Nam, giá khai trong hợp đồng mua bán chuyển nhượng thường không sát với giá thực tế trên thị trường, chính vì vậy, việc dùng giá này để so sánh và xác định giá của thửa đất chờ định giá sẽ khó có kết quả chính xác Bên cạnh đó, khó có hai thửa đất có đặc điểm hoàn toàn giống nhau để so sánh, vì vậy người định giá dùng kinh nghiệm của mình để hiệu chỉnh các sai khác, do vậy khó tránh khỏi sự chủ quan áp đặt, dẫn đến việc cùng một mảnh đất nhưng mỗi người

định giá sẽ đưa ra một mức giá khác nhau

- Phương pháp chiết trừ: định giá đất đối với thửa đất có tài sản gắn liền

với đất bằng cách loại trừ phần giá trị tài sản gắn liền với đất ra khỏi tổng giá trị bất động sản (bao gồm giá trị đất và giá trị tài sản gắn liền với đất) Phương pháp chiết trừ được áp dụng để định giá đối với thửa đất có tài sản gắn liền với đất trong trường hợp có đủ số liệu về giá các bất động sản (gồm đất và tài sản gắn liền với đất) tương tự với thửa đất cần định giá đã chuyển nhượng trên thị trường, trúng đấu giá quyền sử dụng đất; Về cơ bản, cơ chế của phương pháp này cũng là dùng nguyên tắc so sánh, nên những khó khăn vướng mắc của phương pháp so sánh trực tiếp cũng là những khó khăn của phương pháp này

- Phương pháp thu nhập: định giá đất tính bằng thương số giữa mức thu

nhập ròng thu được bình quân một năm trên một đơn vị diện tích đất so với lãi suất tiền gửi tiết kiệm bình quân một năm tính đến thời điểm định giá đất của loại tiền gửi VNĐ kỳ hạn 12 tháng tại ngân hàng thương mại nhà nước có mức lãi suất tiền gửi tiết kiệm cao nhất trên địa bàn cấp tỉnh Phương pháp thu nhập được áp dụng để định giá đối với thửa đất xác định được các khoản thu nhập, chi phí từ việc sử dụng đất; Phương pháp này tính giá đất dựa vào thu nhập mang lại từ mảnh đất đó, nhưng trong thực tế cùng một mảnh đất nhưng các chủ sử dụng khác nhau sử dụng thì tuỳ vào năng lực của từng người chủ đầu tư mà kết quả kinh doanh (thu nhập) là khác nhau, như vậy dẫn đến việc cùng một mảnh đất nhưng khi xác định giá theo phương pháp thu nhập đối với các người sử dụng khác nhau lại cho các mức giá khác nhau, thậm chí nếu như người chủ đất làm ăn thua lỗ (không có thu nhập, hoặc có thể âm) thì giá đất là bằng 0 hoặc giá đất âm?

- Phương pháp thặng dư: định giá đất đối với thửa đất có tiềm năng phát

triển theo quy hoạch sử dụng đất, quy hoạch xây dựng hoặc được phép chuyển mục đích sử dụng đất để sử dụng cao nhất và tốt nhất bằng cách loại trừ tổng chi phí ước tính ra khỏi tổng doanh thu phát triển giả định của bất động sản Phương pháp thặng dư được áp dụng để định giá đối với thửa đất có tiềm năng phát triển

11

do thay đổi quy hoạch hoặc chuyển mục đích sử dụng đất khi xác định được tổng doanh thu phát triển giả định và tổng chi phí ước tính; Độ chính xác của phương pháp này tuỳ thuộc vào việc ước tính giá trị của tài sản trong tương lai Xác định được giá đất hiện tại xác định vốn đã là một vấn đề rất khó khăn, vì vậy việc ước tính tổng giá trị tài sản không phải ở thời điểm hiện tại mà là ở tương lai xa với rất nhiều biến động, quy hoạch mà tại thời điểm định giá không thể lường được lại càng khó khăn hơn nhiều, do vậy mức giá đưa ra khả năng có độ chính xác không cao là rất lớn

- Phương pháp hệ số điều chỉnh giá đất là phương pháp định giá đất bằng

cách sử dụng hệ số điều chỉnh giá đất nhân (x) với giá đất trong bảng giá đất do Ủy ban nhân dân tỉnh, thành phố trực thuộc Trung ương (sau đây gọi là Ủy ban nhân dân cấp tỉnh) ban hành Phương pháp hệ số điều chỉnh giá đất được áp dụng để định giá đất đối với trường hợp:

Thuê đất thu tiền hàng năm mà phải xác định lại đơn giá thuê đất để điều chỉnh cho chu kỳ tiếp theo; giá khởi điểm để đấu giá quyền sử dụng đất khi Nhà nước cho thuê đất thu tiền thuê đất hàng năm;

Trường hợp tính tiền bồi thường khi Nhà nước thu hồi đất đối với dự án có các thửa đất liền kề nhau, có cùng mục đích sử dụng, khả năng sinh lợi và thu nhập từ việc sử dụng đất tương tự nhau

Phương pháp hệ số điều chỉnh giá đất cũng được áp dụng để định giá đất cho các thửa đất hoặc khu đất của dự án có giá trị (tính theo giá đất trong bảng giá đất) dưới 30 tỷ đồng đối với các thành phố trực thuộc Trung ương; dưới 10 tỷ đồng đối với các tỉnh miền núi, vùng cao; dưới 20 tỷ đồng đối với các tỉnh còn lại đối với các trường hợp sau:

• Tính tiền sử dụng đất khi Nhà nước công nhận quyền sử dụng đất của hộ gia đình, cá nhân đối với phần diện tích đất ở vượt hạn mức; cho phép chuyển mục đích sử dụng đất từ đất nông nghiệp, đất phi nông nghiệp không phải là đất ở sang đất ở đối với phần diện tích vượt hạn mức giao đất ở cho hộ gia đình, cá nhân

• Tính tiền thuê đất đối với đất nông nghiệp vượt hạn mức giao đất, vượt hạn mức nhận chuyển quyền sử dụng đất nông nghiệp của hộ gia đình, cá nhân;

12

• Tính tiền sử dụng đất khi Nhà nước giao đất có thu tiền sử dụng đất không thông qua hình thức đấu giá quyền sử dụng đất; công nhận quyền sử dụng đất, cho phép chuyển mục đích sử dụng đất đối với tổ chức mà phải nộp tiền sử dụng đất;

• Tính tiền thuê đất đối với trường hợp Nhà nước cho thuê đất không thông qua hình thức đấu giá quyền sử dụng đất;

• Tính giá trị quyền sử dụng đất khi cổ phần hóa doanh nghiệp nhà nước mà doanh nghiệp cổ phần sử dụng đất thuộc trường hợp Nhà nước giao đất có thu tiền sử dụng đất, cho thuê đất trả tiền thuê đất một lần cho cả thời gian thuê; tính tiền thuê đất đối với trường hợp doanh nghiệp nhà nước cổ phần hóa được Nhà nước cho thuê đất trả tiền thuê đất hàng năm;

• Tổ chức kinh tế, tổ chức sự nghiệp công lập tự chủ tài chính, hộ gia đình, cá nhân, người Việt Nam định cư ở nước ngoài, doanh nghiệp có vốn đầu tư nước ngoài đang được Nhà nước cho thuê đất trả tiền thuê đất hàng năm được chuyển sang thuê đất trả tiền thuê đất một lần cho cả thời gian thuê và phải xác định lại giá đất cụ thể để tính tiền thuê đất tại thời điểm có quyết định cho phép chuyển sang thuê đất theo hình thức trả tiền thuê đất một lần cho cả thời gian thuê

• Người mua tài sản được Nhà nước tiếp tục cho thuê đất trong thời hạn sử dụng đất còn lại theo giá đất cụ thể, sử dụng đất đúng mục đích đã được xác định trong dự án Phương pháp này về cơ bản cũng là phương pháp so sánh trực tiếp, nên những khó khăn của phương pháp so sánh trực tiếp cũng chính là khó khăn của phương pháp này

Ngoài các phương pháp truyền thống như các phương pháp đang được sử dụng ở Việt nam, nhiều nước phát triển trên thế giới hiện nay như Anh, Pháp, Mỹ đang nghiên cứu và áp dụng khá rộng rãi các phương pháp có sử dụng đến các mô

hình toán học để xác định giá trị đất đai

1.2.2 Mô hình Hedonic

Từ năm 1963, Bailey và các cộng sự của ông đã đưa ra phương pháp xác định giá trị của một bất động sản dựa vào một hàm hồi quy tuyến tính (Bailey et al., 1963) Đến năm 1964, Alonso một nhà nghiên cứu nổi tiếng trong lĩnh vực bất động sản cho rằng giá trị của một bất động sản phụ thuộc vào yếu tố vị trí của

nó (Alonso, 1964) Ông được người ta nhắc đến với câu nói: vị trí, vị trí và vị trí

để xác định giá trị của một bất động sản Năm 1966, trong lý thuyết về khách hàng, Lancaster đưa ra một mô hình mà theo đó thì giá trị của một tài sản là phụ

13

thuộc vào một số đặc tính của tài sản đó (Lancaste, 1966) [9] Đến năm 1974, Rosen tận dụng các ý tưởng của Bailey và Lancaster để đưa ra một mô hình toán học gọi là mô hình hedonic để xác định giá trị của một loại sản phẩm và phân tích giá trị cân bằng trên thị trường của sản phẩm đó (Rosen, 1974)

Lý thuyết về các hàm đo lường độ thỏa dụng sẽ tạo cơ sở để phân tích các hàng hóa đặc biệt như nhà ở mà các thuộc tính riêng lẻ của chúng không có mức giá rõ ràng Việc áp dụng phương pháp truyền thống như Hedonic trong các nghiên cứu về nhà đất là nhằm mục đích đưa ra các suy luận về giá trị không thể quan sát được của các thuộc tính khác nhau chẳng hạn như phương tiện đi lại (tàu điện ngầm, đường sắt, hoặc đường cao tốc), tiếng ồn sân bay, chất lượng không khí và các tiện nghi khác (Jassen et al., 2001) [13]

Trong ba thập kỷ qua, phương pháp hồi quy Hedonic đã được áp dụng rộng rãi trong các nghiên cứu về thị trường nhà đất đánh giá mối quan hệ giữa giá nhà và các đặc điểm của nó Tuy nhiên, phương pháp này đã vướng phải những chỉ trích phát sinh từ những vấn đề tiềm ẩn liên quan đến việc ước tính và các giả định mô hình cơ bản, chẳng hạn như xác định nhu cầu cung - cầu, tính bất cân xứng của thị trường, việc lựa chọn các biến độc lập, lựa chọn dạng phương trình và phân khúc thị trường

Phần lớn các nghiên cứu về giá được thực hiện bằng mô hình Hedonic và dựa trên phân tích hồi quy đa biến Về cơ bản, các phương pháp Hedonic phù hợp đánh giá mối quan hệ giữa giá và các đặc điểm của ngôi nhà trong điều kiện đơn giản Tuy nhiên, mô hình này sẽ trở nên phức tạp và khó đánh giá khi chúng ta mở rộng mô hình ra nhiều khía cạnh như các sự phi tuyến tính, yếu tố ngoại lai, không gian và các hình thức phụ thuộc khác giữa các quan sát, sự không liên tục [13] Tuy nhiên, để khắc phục được những vấn đề trên thì mô hình ANN đã được áp dụng Phương pháp này về cơ bản khác với các phương pháp truyền thống bởi vì kết quả của mô hình có phạm vi biến thiên rộng hơn so với mô hình Hedonic với những mở rộng về mặt không gian

Bên cạnh đó, lợi thế của mô hình hedonic là tính linh hoạt, có thể sử dụng ngay được các dữ liệu giao dịch đang diễn ra và dữ liệu về các đặc tính của một bất động sản có thể được khai thác ở rất nhiều nguồn khác nhau, kết quả của phương pháp này được đánh giá là đáng tin cậy cho việc xác định giá trị của một bất động sản [9] Ngoài những ưu điểm trên phương pháp sử dụng mô hình hedonic còn có thể giúp cho chúng ta dự đoán được bong bóng cục bộ của thị

14

trường bất động sản khi giá trị giao dịch trên thị trường của khu vực đó cao hơn nhiều so với giá trị tính toán cho bởi mô hình Ngoài ra thì khi xây dựng mô hình và đánh giá sai số chúng ta có thể lựa chọn được các đặc trưng ảnh hưởng nhiều đến giá đất trên quan điểm sử dụng ít đặc tính nhất và sai số là nhỏ nhất

Malpezzi (2002) đã có một bài nhận định xuất sắc về sự phát triển lý thuyết của mô hình định giá Hedonic [13] Ông chỉ ra rằng mô hình Hedonic không chỉ là sự ước lượng giá trị của nhiều yếu tố riêng lẻ mà còn đo lường sở thích người mua tác động ra sao đến giá nhà Dạng mô hình Hedonic phương trình đơn nhất, mô hình này chỉ đơn thuần đo lường tác động của các yếu tố lên giá mà không kiểm tra tham số cấu trúc của từng yếu tố tác động thế nào Biến giá có thể ở dạng giá trị tuyệt đối hoặc được logarit Dạng thường được sử dụng nhất là dạng bán logarit, trong đó biến giá được logarit tự nhiên trong khi các biến độc lập thì ở dạng tự nhiên Trong cùng một mẫu, mô hình thể hiện phương sai của từng yếu tố ở các vùng giá khác nhau Lancaster (1966) và Rosen (1974) có đề cập đến mô hình các yếu tố ảnh hưởng giá nhà, tuy nhiên lại không chỉ ra cụ thể đó là những yếu tố nào Chúng ta có thể đưa vào mô hình vô số các biến, những mối tương quan cao giữa một số biến có dẫn đến một số vấn đề trong ước lượng mô hình hồi quy Ví dụ, biến vị trí có thể rất quan trọng trong mô hình nhưng lại phản ánh về một biến khác chẳng hạn như chất lượng trường học Do đó, xác định hệ số của mỗi biến càng khó khăn và trở nên quan trọng hơn Trong thực tế, biến phụ thuộc thường là giá bán và nó đóng vai trò đại diện cho giá trị của ngôi nhà Sử dụng giá trị quan sát đƣợc sẽ làm giảm thiểu những sai lệch so với các phương pháp khác, ví dụ chủ nhà tự định giá cho ngôi nhà của mình

Chức năng giá Hedonic giải thích giá nhà về chất lượng và số lượng [13] Điều này, liên quan đến việc phải thu thập thông tin về giá bán nhà thực tế hoặc giá cho thuê nhà và đặc điểm chi tiết của ngôi nhà Khi mô tả một căn nhà thì nó thường được thể hiện bởi đặc điểm cấu trúc của nó, sự tiện nghi bên trong, chất lượng môi trường xung quanh, vị trí của ngôi nhà

Mô hình Hedonic sử dụng số liệu chuyên sâu, để ước tính giá chức năng Hedonic cho một thị trường cụ thể, một trong những đòi hỏi là số lượng quan sát mô tả giá bán và đặc điểm của rất nhiều tài sản trong thị trường này [13] Một trong những giả định cơ bản của mô hình Hedonic là các hộ gia đình có thông tin hoàn hảo Nếu hộ gia đình bán một bất động sản không nhận thức được giá của thị trường và đặc điểm của các tài sản khác trên thị trường thì có khả năng là giá mà họ trả cho tài sản cần bán sẽ thấp hơn giá trên thị trường, có thể dẫn đến tổn

15

thất trong giao dịch Ngoài ra, giá trị bất động sản không điều chỉnh ngay lập tức thì có những thay đổi trong cầu hoặc cung thị trường.Trong thực tế, nhiều yếu tố thông tin không hoàn hảo và chi phí giao dịch sẽ cho kết quả sau quá trình điều chỉnh một thời gian Thêm vào đó, các chi phí giao dịch trong thị trường bất động sản rất đa dạng và có giá trị đáng kể

Mô hình Hedonic là một mô hình mở với các biến được thu thập tùy vào dữ liệu và mô hình nghiên cứu Có những mô hình chỉ sử dụng chủ yếu biến đặc tính nhà để xác định giá bất động sản, nghiên cứu của Hasan Selim (2009) Có mô hình lại sử dụng chủ yếu các yếu tố ngoại tác là biến xác định giá trị BĐS, nghiên cứu gần đây của Gabriel K B (2011) [13] Và nhiều những nghiên cứu khác kết hợp cả yếu tố nội tác và ngoại tác ảnh hưởng tới giá BĐS như Sergio A B và cộng sự (2002), Ustaoglu (2003), và nhiều nghiên cứu khác nữa Tuy nhiên, mô hình Hedonic cơ bản đầu tiên được Ridker (1967) trình bày là:

𝑃𝑖 = 𝑓(𝑆1𝑖… 𝑆𝑘𝑖, 𝑁1𝑖… 𝑁𝑚𝑖, 𝑍1𝑖… 𝑍𝑛𝑖) Trong đó:

𝑃𝑖 : giá nhà S: đặc điểm kết cấu nhà ở (1…k) như diện tích nhà, số lượng phòng, loại hình xây dựng và các nhân tố khác

N: đặc điểm khu dân cư (1…m) như khoảng cách tới nơi làm việc, chất lượng của trường học, tỷ lệ tội phạm địa phương và các nhân tố khác

Z : môi trường đặc trưng (1…n) như chất lượng không khí, nguồn nước, tiếng ồn và các nhân tố khác

Mô hình được viết dưới dạng: 𝑃𝑖 = 𝑎0+ 𝑎1𝑆1𝑖 + 𝑎2𝑆2𝑖 + ⋯ + 𝑎𝑘𝑆𝑘𝑖 + 𝛽1𝑁1𝑖 + 𝛽1𝑁1𝑖 + ⋯ + 𝛽𝑚𝑁𝑚𝑖 + 𝛾1𝑍1𝑖

+ 𝛾2𝑍2𝑖 + ⋯ + 𝛾𝑛𝑍𝑛𝑖 + 𝑢𝑖Một số nghiên cứu gần đây ứng dụng mô hình Hedonic để xác định giá bất động sản Sergio A.B và cộng sự (2002), đã ứng dụng mô hình Hedonic để đánh giá tác động của môi trường mà tiêu biểu là mùi hôi phát ra từ một nhà máy xử lý chất thải ở Brasil, Selim S (2008) nghiên cứu về giá trị nội tại của căn nhà được thực hiện tại Thổ Nhĩ Kỳ, Adair et al (2000) tập trung vào các yếu tố ảnh hưởng đến cấu trúc giá của thị trường bất động sản ở khu vực đô thị Belfast, Janssen et al (2001) đã so sánh hiệu suất của phương pháp OLS, bình phương trung bình tối

16

thiểu (một phương pháp hiệu quả khi đánh giá mối tương quan giữa thu nhập/giá đối với các khu căn hộ) Messe và Wallace (2003) so sánh hai phương pháp trên nhằm đánh giá tác động của các yếu tố cơ bản của thị trường lên giá nhà đất Kim và Park (2005) đã xác định mô hình không gian đối với các thay đổi về giá nhà đất và các yếu tố quyết định đến giá nhà đất ở Seoul và các thị trấn mới lân cận Fan et al (2006) đã áp dụng phương pháp quyết định hình cây, một công cụ xác định mẫu thống kê quan trọng trong việc tìm hiểu mối liên hệ giữa giá nhà đất và các đặc điểm của nhà,…

Ngoài ra, ở nước ta cũng có một số nghiên cứu về giá bất động sản, các nghiên cứu cũng dựa trên mô hình hồi quy Hedonic Nghiên cứu của Trần Thu Vân và Nguyễn Thị Giang (2011) đã ứng dụng mô hình Hedonic và thuyết vị thế chất lượng đối với 160 mẫu để xác định giá bất động sản ở khu vực TP Hồ Chí Minh Kết quả cho thấy vị trí, khoảng cách từ bất động sản đến mặt tiền đường, khoảng cách từ bất động sản đến trung tâm, diện tích đất và diện tích nhà là những biến có ảnh hưởng quan trọng đến giá bất động sản Theo lý thuyết vị thế - chất lượng được phát triển gần đây, Hoàng Hữu Phê và Wakely (2000), đã đưa ra một số gợi ý định hướng xây dựng cơ sở khoa học và phương pháp định giá bất động sản phù hợp với thể chế kinh tế thị trường Bài nghiên cứu chỉ ra giá bất động sản phụ thuộc vào yếu tố chất lượng và vị thế

1.3 Mô hình học máy và ứng dụng trong tính giá bất động sản

1.3.1 Khái niệm

Theo Wikipedia, học máy (machine learning) là một lĩnh vực của trí tuệ nhân tạo liên quan đến việc nghiên cứu và xây dựng các kĩ thuật cho phép các hệ thống “học” tự động từ dữ liệu để giải quyết những vấn đề cụ thể Một cách tổng quát, trong cuốn sách Machine Learning của tác giả Tom Mitchell xuất bản năm 1997, học máy được định nghĩa như sau: “A computer program is said to learn to perform a task T from experience E, if its performance at task T, as measured by a performance metric P, improves with experience E over time” [16] (một chương trình máy tính được cho là học để thực hiện một nhiệm vụ T từ kinh nghiệm E, nếu hiệu suất thực hiện công việc T của nó được đo bởi chỉ số hiệu suất P và được cải thiện bởi kinh nghiệm E theo thời gian)

Như vậy, học máy nói đến một chương trình giúp cho máy tính có thể giải một bài toán cụ thể bằng những “kinh nghiệm” mà nó đã được “học” từ dữ liệu Chương trình này có sự khác biệt lớn so với các chương trình lập trình truyền

17

thống như Ở các chương trình lập trình truyền thống, con người sẽ phải viết ra các qui tắc, điều kiện để máy tính thực hiện nhiệm vụ và đưa ra câu trả lời Ngược lại, đối với học máy, nhiệm vụ của máy tính là phải dựa vào dữ liệu quan sát để tìm ra được các qui tắc này

Tương tự như con người, máy tính cũng tự cải thiện khả năng giải quyết vấn đề thông qua việc học Điểm khác biệt là ở chỗ, con người học được từ những quan sát thực tế, những điều mà con người được nhìn, được nghe, còn máy tính học từ dữ liệu

Mô hình học máy cũng là một kỹ thuật trong lĩnh vực trí tuệ nhân tạo (AI) được sử dụng để phân tích và dự đoán các giá trị, phân loại hoặc xác định mối quan hệ giữa các biến đầu vào

1.3.2 Phân loại mô hình học máy

Dựa trên các tiêu chí khác nhau, người ta có thể phân loại các thuật toán Học máy theo nhiều cách khác nhau [14] Chẳng hạn, dựa vào vấn đề, nhiệm vụ cần giải quyết của thuật toán, người ta phân loại các thuật toán học máy như sau:

- Regression Models (Mô hình hồi quy): Mô hình này được sử dụng để dự đoán giá trị liên tục Ví dụ: Linear regression, Polynomial regression

- Classification Models (Mô hình phân loại): Mô hình này được sử dụng để phân loại dữ liệu vào các nhóm khác nhau Ví dụ: Logistic regression, Decision tree, Random forest, Support vector machine (SVM), Naive Bayes

- Clustering Models (Mô hình gom nhóm): Mô hình này được sử dụng để phân tích dữ liệu và gom nhóm chúng thành những cụm tương tự nhau Ví dụ: K-means clustering, Hierarchical clustering

- Dimensionality Reduction Models (Mô hình giảm chiều dữ liệu): Mô hình này được sử dụng để giảm chiều số lượng biến đầu vào trong dữ liệu Ví dụ: Principal Component Analysis (PCA), t-SNE

- Neural Networks (Mạng nơ-ron) và Deep Learning: Đây là một loại mô hình học máy phức tạp, được xây dựng dựa trên kiến trúc của não người và được sử dụng để xử lý các công việc phức tạp như xử lý ngôn ngữ tự nhiên, nhận dạng hình ảnh và video

Dựa trên cách máy tính học, người ta chia các thuật toán học máy thành:

18

- Học có giám sát (Supervised learning): Thuật toán sẽ học trên dữ liệu đã được dán nhãn Ví dụ, trong bài toán nhận diện hình ảnh, dữ liệu đầu vào sẽ là rất nhiều bức ảnh khác nhau về loài mèo Thuật toán sẽ học các đặc điểm quan trọng từ các bức ảnh đó để nhận biết xem một đối tượng trong một bức ảnh có phải là mèo hay không

- Học không giám sát (Unsupervised learning): Thuật toán học trên các dữ liệu chưa được gán nhãn và sẽ phải tự khám phá ra cấu trúc, phân bố của dữ liệu để tự phân cụm chúng

- Học bán giám sát (Semi-supervised learning): Kết hợp cả học giám sát và học không giám sát Tức là, một số dữ liệu đầu vào sẽ được gán nhãn và một số khác thì không được gán nhãn

- Học tăng cường/củng cố (Reinforced learning): Thuật toán sẽ tự học dựa trên việc tính điểm thưởng, phạt cho các kết quả thực hiện nhiệm vụ Cụ thể hơn, các thuật toán học tăng cường nghiên cứu cách thức một tác nhân (Agent) trong một môi trường (Environment) đang ở một trạng thái (State) thực hiện một hành động (Action) để tối ưu hóa một phần thưởng (Reward) chung Các chương trình máy tính như AlphaGo đã giúp máy tính đánh bại con người trong các trò chơi như cờ vua, cờ vây được xây dựng dựa trên thuật toán này

Tùy thuộc vào mục đích sử dụng và loại dữ liệu, ta có thể lựa chọn một hoặc nhiều loại mô hình học máy để giải quyết các vấn đề dữ liệu cụ thể

Mô hình hồi quy là một loại mô hình học máy sử dụng để dự đoán giá trị liên tục Nó được sử dụng rộng rãi trong nhiều lĩnh vực, bao gồm kinh tế, y tế, khoa học dữ liệu, và nhiều lĩnh vực khác

1.3.3 Một số chỉ số đánh giá mô hình học máy:

- Mean Squared Error (MSE) có lẽ là số liệu phổ biến nhất được sử dụng

cho các bài toán hồi quy Về cơ bản, nó tìm thấy sai số bình phương trung bình giữa các giá trị được dự đoán và thực tế

- Mean Absolute Error (MAE) đo độ lớn trung bình của các lỗi trong một

tập hợp các dự đoán mà không cần xem xét hướng của chúng Đó là giá trị trung bình trên mẫu thử nghiệm về sự khác biệt tuyệt đối giữa dự đoán và quan sát thực tế, trong đó tất cả các khác biệt riêng lẻ có trọng số bằng nhau

- Root Mean Square Error (RMSE) hoặc Root Mean Square Deviation (RMSD) là căn bậc hai của mức trung bình của các sai số bình phương RMSE là

19

độlệch chuẩn của các phần dư (sai số dự đoán) Phần dư là thước đo khoảng cách từ các điểm dữ liệu đường hồi quy; RMSE là thước đo mức độ dàn trải của những phần dư này, nói cách khác, nó cho bạn biết mức độ tập trung của dữ liệu xung quanh đường phù hợp nhất

1.3.4 Các bước cơ bản thực hiện một thuật toán học máy

Nhìn chung, việc thực hiện một thuật toán học máy thường trải qua các bước cơ bản sau:

1 Thu thập dữ liệu – Gathering data/Data collection 2 Tiền xử lý dữ liệu – Data preprocessing

- Trích xuất dữ liệu – data extraction - Làm sạch dữ liệu – data cleaning - Chuyển đổi dữ liệu – Data transformation - Chuẩn hóa dữ liệu – Data normalization - Trích xuất đặc trưng – Feature extraction 3 Phân tích dữ liệu – Data analysis

- Xây dựng mô hình máy học – Model building - Huấn luyện mô hình – Model training

- Đánh giá mô hình – Model evaluation Trong tất cả các bước thì việc thu thập dữ liệu, tiền xử lý và xây dựng bộ dữ liệu là tốn nhiều thời gian và công sức nhất Đây là bước quan trọng, có ảnh hưởng rất nhiều đến hiệu quả của thuật toán học máy

1.3.5 Ứng dụng của học máy

Các thuật toán học máy đang được áp dụng rộng rãi trong rất nhiều lĩnh vực trong đời sống xã hội, từ sản xuất công nghiệp, nông nghiệp, tới tài chính, ngân hàng, y tế, giáo dục, dịch vụ giải trí… [14] Một số ứng dụng phổ biến của Học máy có thể đề cập đến như:

- Xử lý ảnh

Bài toán xử lý ảnh(Image Processing) giải quyết các vấn đề phân tích thông tin từ hình ảnh hay thực hiện một số phép biến đổi Một số ví dụ là:

20

Gắn thẻ hình ảnh(Image Tagging), giống như Facebook, một thuật toán tự động phát hiện khuôn mặt của bạn và bạn bè trên những bức ảnh Về cơ bản, thuật toán này học từ những bức ảnh mà bạn tự gắn thẻ cho mình trước đó

Nhận dạng ký tự(Optical Character Recognition), là một thuật toán chuyển dữ liệu trên giấy tờ, văn bản thành dữ liệu số hóa Thuật toán phải học cách nhận biết ảnh chụp của một ký tự là ký tự nào

Ô tô tự lái(Self-driving cars), một phần cơ chế sử dụng ở đây là xử lý ảnh Một thuật toán machine learning giúp phát hiện các mép đường, biển báo hay các chướng ngại vật bằng cách xem xét từng khung hình video từ camera

- Phân tích văn bản

Phân tích văn bản (Text analysis) là công việc trích xuất hoặc phân lọi thông tin từ văn bản Các văn bản ở đây có thể là các facebook posts, emails, các đoạn chats, tài liệu,… Một số ví dụ phổ biến là:

Lọc spam (Spam filtering), là một trong những ứng dụng phân loại văn bản được biết và sử dụng nhiều nhất Ở đây, phân loại văn bản là xác định chủ đề cho một văn bản Bộ lọc spam sẽ học cách phân loại một email có phải spam không dựa trên nội dung và tiêu đề của email

Phân tích ngữ nghĩa (Sentiment Analysis), học cách phân loại một ý kiến là tích cực, trung tính hay tiêu cực dựa trên nội dung văn bản của người viết

Khai thác thông tin (Information Extraction), từ một văn bản, học cách để trích xuất các thông tin hữu ích Chẳng hạn như trích xuất địa chỉ, tên người, từ khóa,…

- Khai phá dữ liệu

Khai phá dữ liệu (Data mining) là quá trình khám phá ra các thông tin có giá trị hoặc đưa ra các dự đoán từ dữ liệu Định nghĩa này có vẻ bao quát, nhưng bạn hãy nghĩ về việc tìm kiếm thông tin hữu ích từ một bảng dữ liệu rất lớn Mỗi bản ghi sẽ là một đối tượng cần phải học, và mỗi cột là một đặc trưng Chúng ta có thể dự đoán giá trị của một cột của bản ghi mới dựa trên các bản ghi đã học Hoặc là phân nhóm các bản ghi của bản Sau đây là những ứng dụng của khai phá dữ liệu:

21

Phát hiện bất thường (Anomaly detection), phát hiện các ngoại lệ, ví dụ như phát hiện gian lận thẻ tín dụng Bạn có thể phát hiện một giao dịch là khả nghi dựa trên các giao dịch thông thường của người dùng đó

Phát hiện các quy luật (Association rules), ví dụ, trong một siêu thị hay một trang thương mại điện tử Bạn có thể khám phá ra khách hàng thường mua các món hàng nào cùng nhau Dễ hiểu hơn, khách hàng của bạn khi mua món hàng A thường mua kèm món hàng nào? Các thông tin này rất hữu ích cho việc tiếp thị sản phẩm

Ngoài ra, các thuật toán học máy được sử dụng rộng rãi trong các bài toán như nận diện giọng nói (Search by text, talk to assitant like Siri hay Google Assistant), hệ thống khuyến nghị (ví dụ khi bạn tìm một sản phẩm nào đó trên Google thì sau đó trên các nền tảng xã hội mà bạn sử dụng sẽ xuất hiện một loạt các quảng cáo liên quan đến sản phẩm đó), xây dựng xe tự hành, dịch thuật, lọc email,…

Bên cạnh đó, mô hình học máy cũng là một công nghệ được sử dụng rộng rãi trong lĩnh vực định giá bất động sản, trong đó định giá đất là một phần quan trọng Các ứng dụng của mô hình học máy trong định giá đất trên thế giới và tại Việt Nam có thể được phân tích như sau:

Ứng dụng của mô hình học máy trong định giá đất trên thế giới: - Dự đoán giá trị của bất động sản: Mô hình học máy có thể được sử dụng để dự đoán giá trị của bất động sản, từ đó giúp các nhà đầu tư và chủ sở hữu định giá chính xác và cập nhật giá trị của tài sản của họ

- Phân tích khả năng sinh lời của bất động sản: Mô hình học máy có thể giúp phân tích khả năng sinh lời của bất động sản thông qua việc đưa ra dự đoán về giá trị tương lai của tài sản

- Xác định các yếu tố ảnh hưởng đến giá trị bất động sản: Mô hình học máy có thể giúp xác định các yếu tố ảnh hưởng đến giá trị bất động sản, chẳng hạn như vị trí, kích thước, mức độ tiện nghi, các yếu tố xung quanh,

Ứng dụng của mô hình học máy trong định giá đất tại Việt Nam: - Xác định giá trị của đất: Mô hình học máy có thể được sử dụng để xác định giá trị của đất dựa trên các yếu tố như vị trí, diện tích, hướng nhà,