BÀI TẬP LỚN KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU PHÂN TÍCH BỘ SỐ LIỆU: GIÁ BĐS VÀ CÁC YẾU TỐ ĐỊNH LƯỢNG VÀ VỊ THẾ

BÀI TẬP LỚN KINH TẾ LƯỢNG VÀ PHÂN TÍCH DỮ LIỆU PHÂN TÍCH BỘ SỐ LIỆU: GIÁ BĐS VÀ CÁC YẾU TỐ ĐỊNH LƯỢNG VÀ VỊ THẾMô 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.

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 DISROAD KC từ BĐS tới mặt đường HAREA Diện tích BĐS USE Công dụng của BĐS 2 - Giá trị BĐS trên thị trường (PRICE): Là mức giá ước tính sẽ được mua bán trên thị trường vào thời điểm thẩm định giá giữa một bên là người mua sẵn sàng mua và một bên là người bán sẵn sàng bán trong một giao dịch khách quan và độc lập trong điều kiện thương mại bình thường. - Diện tích BĐS (AREA): Được tính trên tổng diện tích của BĐS đó và được kì vọng là tỷ lệ thuận với giá BĐS. Đơn vị tính là m 2 - Khoảng cách từ BĐS tới trung tâm (CBD): Trong bài nghiên cứu này, trung tâm của TP. Hồ Chí Minh được tính coi là chợ Bến Thành. Và giá của BĐS được kì vọng là tỳ lệ nghịch với khoảng cách này. Đơn vị tính là m - Khoảng cách từ BĐS tới mặt đường (DISROAD): Giá của BĐS phụ thuộc khá lớn vào yếu tố này. Chính vì thế việc đưa biến này vào mô hình là hợp lý. Và biến này cũng kì vọng là tỷ lệ nghịch với giá của BĐS. Đơn vị tính là m - Diện tích nhà (HAREA): Đây là phần nhà ở được xây trên BĐS đó. Đơn vị tính là m 2 - Mục đích sử dụng (USE): 1 BĐS thường có 2 mục đích chính đó là xây nhà để ở và kinh doanh. Trong mô hình này, ta quy ước nếu BĐS với mục đích để ở thì nhận giá trị bằng 1 và với mục đích kinh doanh nhận giá trị bằng 0 Correlation Matrix AREA CBD DISROAD HAREA USE PRICE AREA 1.000000 -0.142585 -0.374407 0.398028 0.371984 0.674077 CBD -0.142585 1.000000 0.052016 -0.117846 -0.226736 -0.171668 DISROAD -0.374407 0.052016 1.000000 -0.152231 -0.496499 -0.519560 HAREA 0.398028 -0.117846 -0.152231 1.000000 0.192562 0.390218 USE 0.371984 -0.226736 -0.496499 0.192562 1.000000 0.536344 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 Date: 01/19/13 Time: 22:47 Sample: 1 100 Included observations: 100 Variable Coefficient Std. Error t-Statistic Prob. C 8.242244 0.225939 36.47994 0.0000 AREA 0.015848 0.002307 6.868949 0.0000 CBD 0.005468 0.043522 0.125641 0.9003 DISROAD -0.003526 0.000937 -3.762524 0.0003 HAREA 0.000547 0.000322 1.697051 0.0930 USE 0.447018 0.116593 3.833988 0.0002 R-squared 0.685581 Mean dependent var 9.396049 Adjusted R-squared 0.668856 S.D. dependent var 0.835317 S.E. of regression 0.480684 Akaike info criterion 1.430912 Sum squared resid 21.71938 Schwarz criterion 1.587222 Log likelihood -65.54560 F-statistic 40.99276 Durbin-Watson stat 1.611214 Prob(F-statistic) 0.000000 Từ kết quả hồi quy trên ta thấy: Pvalue(F-statistic)=0.000 nên hàm hồi quy có phù hợp. Với R 2 = 0.686 cho biết 68.56% sự biến động của biến phụ thuộc được giải thích bởi các biến độc lập trong mô hình. Tổng bình phương các phần dư có giá trị là 21.71. Ý NGHĨA CÁC BIẾN Diện tích của đất (AREA): Khi các yếu tố khác là không đổi thì giá BĐS sẽ tăng thêm 0.015848% nếu như diện tích mỗi mảnh đất lớn hơn 1m 2 . Diện tích lớn, giúp cho việc mở cửa hàng, văn phòng cho thuê có nhiều cơ hội hơn. Tại trung tâm mà nhu cầu đất để xây dựng cửa hàng kinh doanh buôn bán, văn phòng lớn thì diện tích đất lớn sẽ có cơ hội mua bán cao. Diện tích nhà (H_AREA): Tương tự đối với diện tích nhà, giá BĐS có phụ thuộc vào yếu tố diện tích nhà nhưng là rất ít khi diện tích nhà tăng 1m 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 - Kiểm định phương sai sai số thay đổi bằng kiểm định White: + Trong trường hợp không tích chéo: Pvalue (F-statistic)=0.074 >0.05 chưa đủ cơ sở bác bỏ H 0 nên mô hình không có hiện tượng PSSS thay đổi trong trường hợp này. Kết quả kiểm định PSSS thay đổi: 5 F-statistic 1.821793 Probability 0.074924 Obs*R-squared 15.41046 Probability 0.080261 + Trong trường hợp tích chéo: Pvalue (F-statistic)=0.514>0.05 chưa đủ cơ sở bác bỏ H 0 nên không có hiện tượng PSSS thay đổi F-statistic 0.960185 Probability 0.514742 Obs*R-squared 18.56968 Probability 0.484736 - Kiểm định dạng hàm bằng kiểm định Ramsey: Pvalue (F-statistic)=0.039<0.05 đủ cơ sở bác bỏ H 0 . Vậy ta có thể kết luận là dạng hàm của mô hình trên là thiếu biến hoặc thừa biến. Để khắc phục khuyết tật này ta cần thêm hoặc bớt biến phù hợp vào mô hình để mô hình có dạng hàm đúng. F-statistic 8.745530 Probability 0.003934 Log likelihood ratio 8.987540 Probability 0.002718 Từ kết quả của mô hình ta thấy có 2 biến CBD và biến HEAREA không có ý nghĩa về mặt thống kê, chính vì thế để khắc phục dạng hàm sai bằng cách ta sẽ bỏ bớt 2 biến này đi. Khi bỏ 2 biến hàm vẫn ở dạng hàm sai. Nếu bớt tiếp biến USE mô hình mới chỉ gồm biến phụ thuộc LOG(PRICE) và 2 biến độc lập là AREA và DISROAD. Kết quả hồi quy mới: Dependent Variable: LOG(PRICE) Method: Least Squares Date: 01/21/13 Time: 00:02 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 . 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. 0.480684 Akaike info criterion 1.430 912 Sum squared resid 21.71938 Schwarz criterion 1.587222 Log likelihood -65.54560 F-statistic 40.99276 Durbin-Watson stat 1.6 1121 4 Prob(F-statistic) 0.000000 Từ. 8.242244 0.225939 36.47994 0.0000 AREA 0.015848 0.002307 6.868949 0.0000 CBD 0.005468 0.043522 0 .125 641 0.9003 DISROAD -0.003526 0.000937 -3.762524 0.0003 HAREA 0.000547 0.000322 1.697051 0.0930 USE