tiểu luận kinh tế lượng tác ĐỘNG của các đặc điểm NHÀ ở đến GIÁ NHÀ tại HAI THÀNH PHỐ COTO DE CAZA và DOVE CANYON

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG KHOA KINH TẾ QUỐC TẾ -*** TIỂU LUẬN KINH TẾ LƯỢNG PHÂN TÍCH TÁC ĐỘNG CỦA CÁC ĐẶC ĐIỂM NHÀ Ở ĐẾN GIÁ NHÀ TẠI HAI THÀNH PHỐ COTO DE CAZA VÀ DOVE CANYON Giáo viên hướng dẫn : ThS Nguyễn Thúy Quỳnh Lớp tín : KTE309.3 Nhóm sinh viên thực : Nguyễn Tùng Linh Nguyễn Linh Chi Nguyễn Thu Trang 1611110353 1611110077 1611110607 Hà Nội, tháng năm 2018 Đánh giá thành viên Mã số sinh viên Họ tên 1611110607 Nguyễn Thu Trang 1611110353 Nguyễn Tùng Linh 10 1611110077 Nguyễn Linh Chi Điểm trung bình cá nhân Thu Trang Tùng Linh Linh Chi 10 10 10 10 10 10 10 10 Mục lục LỜI MỞ ĐẦU I Phần I: Cơ sở lý thuyết: Mơ hình Hedonic Mơ hình nghiên cứu Số liệu đo lường biến: II PHẦN II: NỘI DUNG 10 Mô hình nghiên cứu 10 Dữ liệu nghiên cứu 10 Kết ước lượng OLS: 12 3.1 Ý nghĩa hệ số hồi qui riêng phần 14 3.2 Khoảng tin cậy tham số 15 3.3 Kiểm định 16 3.3.1 Kiểm định hệ số hồi quy (Phương pháp p-value) 16 3.3.2 Kiểm định phù hợp mơ hình 17 3.3.3 Kiểm định vi phạm giả thiết 18 3.3.3.1 Kiểm định Bỏ sót biến 18 3.3.3.2 Vấn đề đa cộng tuyến 19 3.3.3.3 Phương sai sai số thay đổi 22 3.3.3.4 Phân phối chuẩn nhiễu 25 3.3.3.5 Tự tương quan 25 3.3.4 Kết tóm tắt số phương hướng khắc phục khuyết tật 25 DANH MỤC TÀI LIỆU THAM KHẢO 29 LỜI MỞ ĐẦU Thị trường bất động sản (BĐS) thị trường quan trọng kinh tế liên quan trực tiếp tới lượng tài sản lớn quy mơ, tính chất giá trị nhiều mặt kinh tế quốc dân Là cường quốc số giới, thị trường bất động sản Mỹ ln có sức hút đặc biệt nhà đầu tư không mà ngồi nước, đánh giá tăng trưởng ổn định ( -7%/ năm) , biến động Điều hoàn toàn lý giải thị trường bất động sản Mỹ hỗ trợ với pháp lý minh bạch, sách an tồn, đồng đô la Mỹ (USD) liên tục tăng năm qua; tính khoản cao, dễ mua, dễ bán dễ cho th;… Nói đến nhà đất Mỹ, khơng thể không kể đến trung tâm bất động sản sầm uất bậc New York, San Francisoco, Las Vegas với giá trời Bên cạnh đó, nhà đầu tư hướng ý vào thành phố nhỏ, lẻ lại sở hữu nhiều giá trị tiềm ẩn bất động sản Coto de Caza (hạt Orange); Dove Canyon (bang California), nơi hộ gia đình lựa chọn để định cư lâu dài Có thể nói, việc chuyển hướng sang thị trường nhỏ lẻ chứa nhiều yếu tố rủi ro lại mở nhiều hội mẻ cho nhà đầu tư “ An cư “ lạc nghiệp”, nhu cầu nhà nơi gia đình mong muốn sinh sống lâu dài ngày gia tăng Giá nhà phụ thuộc vào nhiều yếu tố Nhưng đặc biệt thị trường Coto de Caza Dove Canyon cần quan tâm đến yếu tố liên quan đến sở vật chất, nội thất, kiến trúc, ngơi nhà Tình trạng sở vật chất khác nghĩa hai nhà có giá trị khác nhau, từ suy giá trị chúng thị trường khác Xuất phát từ thực tế khách quan,và nhu cầu cấp thiết đó, nhóm chúng em định chọn đề tài nghiên cứu TÁC ĐỘNG CỦA CÁC ĐẶC ĐIỂM NHÀ Ở ĐẾN GIÁ NHÀ TẠI HAI THÀNH PHỐ COTO DE CAZA VÀ DOVE CANYON, tiến hành khảo sát mơ hình hồi quy để tìm phụ thuộc giá nhà đến yếu tố cấu trúc môi trường xung quanh nhằm tìm giải pháp giúp người bán cho thuê đạt mục tiêu lợi nhuận, giúp người mua năm bắt thông tin giá kịp thời I Phần I: Cơ sở lý thuyết: Mơ hình Hedonic Mơ hình Hedonic dựa lý thuyết người tiêu dùng Lancaster (1966) Kể từ Rosen (1974) mở rộng lý thuyết thị trường nhà ở, mơ hình Hedonic ứng dụng rộng rãi công cụ để đánh giá thị trường BĐS phân tích thị Rosen (1974) đưa cách xử lý toàn diện giá ẩn hay giá thụ hưởng Lý thuyết giá ẩn tạo vấn đề kinh tế học cân không gian, giúp định hướng người tiêu dùng người sản xuất đưa định vị trí liên quan đến đặc điểm khơng gian Phương pháp định giá Hedonic định nghĩa kỹ thuật phân tích hồi quy sử dụng để xác định giá trị thuộc tính liên quan đến hàng hóa thị trường giai đoạn cụ thể Những thuộc tính đo lường kích cỡ, tốc độ, trọng lượng,…sẽ ảnh hưởng đến giá trị hàng hóa Theo Griliches (1971), phương pháp Hedonic dựa sở: giá hàng hóa khơng đồng xác định thơng qua thuộc tính liên quan đến hàng hóa Vì thế, hàm hồi quy Hedonic có dạng: pi = h(ci), • Pi giá hàng hóa • Ci vector đặc tính liên quan đến hàng hóa Mơ hình Hedonic dựa lý thuyết người tiêu dùng Lancaster (1966) Kể từ Rosen (1974) mở rộng lý thuyết thị trường nhà ở, mô hình Hedonic ứng dụng rộng rãi công cụ để đánh giá thị trường BĐS phân tích thị Rosen (1974) đưa cách xử lý toàn diện giá ẩn hay giá thụ hưởng Lý thuyết giá ẩn tạo vấn đề kinh tế học cân không gian, giúp định hướng người tiêu dùng người sản xuất đưa định vị trí liên quan đến đặc điểm không gian Cả hai hướng tiếp cận nhằm mục tiêu ước tính giá trị số lượng thuộc tính dựa sản phẩm khác đưa vào quan sát Lancaster xây dựng tảng lý thuyết cho mơ hình Hedonic: thỏa dụng người tiêu dùng có từ đặc tính sản phẩm, khơng phải trực tiếp từ sản phẩm Hiện nay, phương pháp định giá Hedonic áp dụng rộng rãi quốc gia phát triển.Theo Malpezzi (2003), trình phát triển, thị trường nhà ứng dụng rộng rãi mơ hình định giá Hedonic, nhà hàng hóa khơng đồng nhất; đồng thời nhu cầu người tiêu thụ không đồng Thật vậy, hộ gồm nhiều đặc điểm riêng biệt diện tích, chất lượng, vị trí,… Mỗi nhà có vị trí định, thời gian xây dựng khác nhau, có diện tích khác Bên cạnh đó, mức độ thỏa dụng người mua khác nhau, định giá hộ cũngkhác Một hộ có nhóm đặc điểm định giá khác theo người mua Việc định giá trở nên khó khăn Từ đó, phương pháp Hedonic sử dụng phổ biến ước tính giá trị đặc điểm riêng lẻ cấu thành nên giá trị chung hộ Theo nghiên cứu ứng dụng mơ hình Hedonic thị trường nhà Thibodeau Malpezzi (1980), phương pháp định giá Hedonic mơ hình hồi quy giá trị giá th hộ dựa đặc tính liên quan đến hộ Trong đó, biến độc lập đại diện cho đặc điểm riêng biệt hệ số kết mơ hình giá tiềm ẩn đặc điểm Mơ hình hồi quy giá thuê nhà giá trị hộ có dạng sau: R = f (S, N, L, C, T), Trong đó: R giá thuê giá trị hộ; S đặc điểm thuộc cấu trúc; N đặc điểm thuộc môi trường xung quanh; L vị trí; C đặc điểm hợp đồng giao dịch T thời hạn hộ quan sát Lợi mơ hình Hodenic tính linh hoạt, sử dụng liệu giao dịch diễn liệu đặc tính bất động sản khai thác từ nhiều nguồn khác Kết phương pháp cho kết đáng tin cậy việc xác định giá trị cho bất động sản Ngồi mơ hình Hodenic giúp dự đốn bong bóng cục thị trường bất động sản giá trị giao dịch khu vực cao nhiều so với giá trị tính tốn cho mơ hình Khi xây dựng đánh giá sai số mơ hình, lựa chọn đặc trưng ảnh hưởng nhiều đến giá đất quan điểm đặc tính sai số nhỏ Mơ hình nghiên cứu Nội dung tiểu luận nghiên cứu ảnh hưởng giá nhà theo yếu tố sau: - Những đặc điểm thuộc cấu trúc: Ln(Sqft): Diện tích ngơi nhà lấy theo logarit Bedrms: Số phòng ngủ Baths: Số phòng tắm Garage: Số chỗ để xe tơ Age: Tuổi nhà - Những đặc điểm thuộc môi trường xung quanh ngơi nhà: City: Vị trí nhà thành phố Khi đưa vào mơ hình hồi quy kinh tế lượng, biến SalePric biến phụ thuộc, biến Sqft, Bedrms, Baths, Garage, Age, City biến độc lập Ta xét mơ hình hồi quy kinh tế: SalePr= β1 + β2 Sqft + β3 Bedrms + β4 Baths + β5 Garage + 6Age + 7City + Ui Dự đoán dấu hệ số dựa vào lý thuyết /kinh nghiệm thực tế: Do theo lý thuyết ngành khác thực tế, ta thấy diện tích nhà tác động chiều với giá nhà, tức diện tích nhà lớn diện tích nhà có xu hướng tăng Vì β2 mang dấu (+) Tương tự với biến số phòng ngủ, số phòng tắm, số chỗ để tơ lớn giá nhà có xu hướng tăng Vì β 3, β4, β5 mang dấu (+) Ngược lại, tuổi nhà, tuổi thành phố tăng, người mua nhà cảm thấy chất lượng ngơi nhà bị giảm đi, biến tuổi nhà tuổi thành phố có tác động ngược chiều với giá nhà 6, 7 mang dấu (-) Số liệu đo lường biến: - Số liệu lấy từ phần mềm Gretl, Ramanathan, data 7-24 Sale price and characteristics of homes - Số quan sát : 224 - Salepric: Giá nhà (Nghìn la ( $) ) - Sqft: Diện tích ngơi nhà (feet vng) - Bedrms: Số phòng ngủ (phòng) - Baths: Số phòng tắm (phòng) - Garage: Số chỗ để xe ô tô (chỗ) - Age: Tuổi nhà (tuổi) - City: = 0: Nhà Dove Canyon, = 1: Nhà Coto de Caza II PHẦN II: NỘI DUNG Mơ hình nghiên cứu * Mơ hình tốn kinh tế: Salepric = β1 + β2 sqft + β3 bedrms + β4 baths + β5 garage + β6 age + β7 city + ui *Mơ hình kinh tế lượng: ̂ ̂ ̂̂ ̂ ̂ ̂ ̂ ̂ = + sqft + bedrms + baths + garage + age + city salepric β1 β2β3β4β5β6β7 Dữ liệu nghiên cứu BẢNG 1: Bảng mô tả thống kê Variable Mean Minimum Maximum Salepric 642,93 349,00 2900,0 Sqft 4025.2 2583.00 11000 Bedrms 4,5625 2,0000 7,0000 Baths 4,1558 2,5000 8,0000 Garage 3,1607 2,0000 7,0000 Age 5,4732 0,0000 19,0000 City 0,52679 0,0000 1,0000 Nguồn: Nhóm tác giả tự nghiên cứu tổng hợp với hỗ trợ phần mềm Gretl Nhận xét:  Hai thành phố Coto de Caza Dove Canyon bang California USA hai thành phố có kinh tế phát triển, đông dân cư, giá nhà dao động mạnh từ 349,00 đến 2900,00 ( nghìn $) 10  ảậủβ ̂̂- t α ̂̂ -̂ t β5 ∈ (β5 α ̂̂ SE(β 5); β5 (n−7, ) SE(β5)) = (92,2925 ; 175,934) (n−7, ) Vậy với mức ý nghĩa α= 0,05, số chỗ để xe oto tăng lên chỗ giá nhà tăng thêm tối thiểu 92,2925 tăng tối đa 175,934 (nghìn), với yếu tố khác không đổi  ảậủβ ̂̂- t α ̂̂ -̂ t β6 ∈ (β6 α ̂̂ SE(β 6); β6 (n−7, ) SE(β6)) = (-0,199479; 11,6254) (n−7, ) Kết luận: Sai sót liệu  ảậủβ ̂̂- t α ̂̂ -̂ t β7 ∈ (β7 α ̂̂ SE(β 7); β7 (n−7, ) SE(β7)) = (48 ,6 18 7; 127,0 76) (n−7, ) Vậy với mức ý nghĩa α= 0,05, chênh lệch giá nhà thành phố Coto de Caza giá nhà thành phố Dove Canyon tối thiểu 48,6187 tối đa 127,076 (nghìn đô ) Với yếu tố khác không đổi 3.3 Kiểm định 3.3.1 Kiểm định hệ số hồi quy (Phương pháp p-value) H0: βi = Giả thuyết: { với mức ý nghĩa α = 5% H : βi ≠ Sử dụng p-value: - Nếu p-value < α = 5% bác bỏ giả thiết H0 Nếu p-value > α = 5% khơng bác bỏ giả thiết H0 16 Bảng kiểm định hệ số hồi quy Biến độc βi p-value Kết Kết luận lập Diện tích β 1,82e-048 < α nhà Số phòng β3 0,1562 > α ngủ Số phòng β4 0,6603 > α β đến giá nhà Khơng có ý Số phòng ngủ ngơi nhà Khơng có ý Số phòng tắm ngơi nhà 1,46e-09 < α β Có ý nghĩa Số chỗ để xe oto có ảnh hưởng thơng kê đến giá nhà Khơng có ý Tuổi ngơi nhà khơng ảnh 1,9045 > α nhà Thành phố thống kê nghĩa thống kê không ảnh hưởng đến giá nhà xe tơ Tuổi Diện tích nhà có ảnh hưởng nghĩa thống kê không ảnh hưởng đến giá nhà tắm Số chỗ để Có ý nghĩa nghĩa thống kê hưởng đến giá nhà β7 1,60e-05 < α Có ý nghĩa Có chênh lệch giá giá thống kê nhà thành phố Coto de Caza giá nhà thành phố Dove Canyon Nhận xét: Dựa vào giá trị thống kê ta kết luận hệ số hồi quy biến diện tích nhà ở, số chỗ để xe tơ thành phố có ý nghĩa thống kê với mức ý nghĩa α = 5% Hay nói cách khác biến có ảnh hưởng đến giá nhà 3.3.2 Kiểm định phù hợp mơ hình Kiểm định nhằm xem xét trường hợp tham số biến độc lập βi đồng thời xảy có xảy không 17 - Mức độ phù hợp ( biến độc lập giải thích % biến phụ thuộc) Ta có R = 0,885372  Mức độ phù hợp mơ hình hồi quy 88,5372% (mơ hình lý thuyết phản ánh 88,5372% thực tế) - Kiểm định mức độ phù hợp mơ hình ( kiểm định hệ số góc 0) - Kiểm định F: kiểm định cặp giả thuyết sau { Ta có Fqs = (1−R2)(k−1)= (1−0,885372)(7−1) 0,885372(224−7) H0:β2= β3=β4=β5=β6=β7=0 H1: Có hệ số khác =297,3467 > F(6;217) R (n−k) Kết luận: Bác bỏ H0, Mô hình phù hợp 3.3.3 Kiểm định vi phạm giả thiết 3.3.3.1 Kiểm định Bỏ sót biến  Kiểm định Ramsey RESET: Xét mơ hình hồi quy gốc Salepric = β1 + β2 sqft + β3 bedrms + β4 baths + β5 garage + β6 age + β7 city + ui Xét mơ hình hồi quy phụ: + ̂̂ Salepric = α1 + α sqft + α be drms + α4 baths + α5garage + α 6age + α 7city + α 8Y ̂̂ α9Y + ui Kiểm định cặp gải thuyết sau: { H : Mô hình khơng bỏ sót biến: α = α = H1: Mơ hình bỏ sót biến: α28 + α29 > 0089 Ramsey’s RESET Test 18 Test statistic: F = 11.738656, with p-value = P(F(2,215) > 11.7387) = 1.45e-005 Vì p-value = 1,45e-005 0.8 tương đối cao, nhiên hầu hết giá trị t-ratio biến có giá trị lớn >1.96 => Khơng có tượng đa cộng tuyến Cách 2: Tương quan tuyến tính mạnh biến độc lập 19 Bảng ma trận hệ số tương quan biến Salepric sqft Bedrms Baths garage Age City 1,0000 0,9193 0,5234 0,6982 0,6536 0,0900 0,5033 salepric 1,0000 0,5972 0.7397 0.5818 0.0244 0.4275 sqft 1,0000 0,5999 0,4268 -0,2126 0,2126 bedrms 1,0000 0,5961 -0,2144 0,2660 baths 1,0000 -0,0929 0,2421 garage 1,0000 0,2951 age 1,0000 city Nhận xét: Từ ma trận hệ số tương quan biến, ta thấy hệ số tương hầu hết có giá trị 0.8 Kết luận: Mơ hình khơng có tượng đa cộng tuyến Cách 3: Sử dụng hồi quy phụ  Ta có mơ hình hồi quy sqft theo biến lại: ̂ ̂ ̂ ̂ ̂ ̂ = + bedrms + baths + garage + age + city ̂̂ sqft β1 β2β3β4β5β6 2 R hồi quy phụ = 0.669951 < R hồi quy = 0.885372 Và R hồi quy phụ < 0.9  Ta có mơ hình hồi quy bedrms theo biến lại: ̂̂ ̂ ̂ ̂ ̂ ̂ ̂ = + sqft + baths + garage + age + city bedrms β1 β2β3β4β5β6 20 2 R hồi quy phụ = 0.437001< R hồi quy = 0.885372 Và R hồi quy phụ < 0.9  Ta có mơ hình hồi quy baths theo biến lại: ̂ ̂ ̂ ̂ ̂ ̂ = + sqft + bedrms + garage + age + city ̂̂ baths β1 β2β3β4β5β6 2 R hồi quy phụ = 0.646730 < R hồi quy = 0.885372 Và R hồi quy phụ < 0.9  Ta có mơ hình hồi quy garage theo biến còn̂ lại: garage age + β city =̂+β ̂ β1 sqft + β ̂ 2 bedrms + β ̂ baths + β ̂ R hồi quy phụ = 0.475363< R hồi quy = 0.885372 Và R hồi quy phụ < 0.9  Ta có mơ hình hồi quy age theo biến lại: garage + β̂ city = ̂ age β1 +β ̂ sqft + β ̂ bedrms + β ̂ baths + β ̂ R hồi quy phụ = 0.235572< R hồi quy = 0.885372 Và R hồi quy phụ < 0.9  Ta có mơ hình hồi quy city theo biến lại: ̂ ̂ ̂ ̂ ̂ ̂ = + sqft + bedrms + baths + garage + age ̂̂ city β1 β2β3β4β5β6 2 R hồi quy phụ = 0.265532< R hồi quy = 0.885372 Và R hồi quy phụ < 0.9 Kết luận: Khơng có tượng đa cộng tuyến biến 21 Cách 4: Sử dụng thừa số tăng phương sai VIF VIF sqft 3.030 bedrms 1.776 baths 2.831 garage 1.669 age 1.308 city 1.362 VIF(j) = 1/(1 - R(j)^2) Thừa số tăng phương sai VIF tất biến nhỏ 10 Kết luận: Mô hình khơng có đa cộng tuyến 3.3.3.3  Phương sai sai số thay đổi Phát phương sai sai số thay đổi 22 Kiểm định White Xét mơ hình hổi quy gốc: Salepric = β1 + β2 sqft + β3 bedrms + β4 baths + β5 garage + β6 age + β7 city + ui Mơ hình hồi quy phụ: e2i= α1 + α2 sqft + α3 bedrms + α4 baths + α5garage + α6age + α7city + α8 sqft2+ α9bedrms2+ α10baths2+ α11garage2 + α12age + α13city2 + α14 sqft.bedrms +α15 sqft.baths + α16 sqft.garage + α17 sqft.age + α18 sqft.city + α19 bedrms.baths + α20 bedrms.garage + α21 bedrms.age + α22 bedrms.city + α23 baths.garage + α24 baths.age + α25 baths.city + α26 garage.age + α27 garage.city + α28age city +ui Cặp giả định H0: α1=α2 = α3 =α4=α5= α6= =α25 =α26 =α27 =α28 H1= α12 + α22 + α32 + α42 + α52 + α62+ +α252 +α262+α272+α282 Test statistic: TR^2 = 173.556870 with p-value = P(Chi-square(26) > 173.556870) = 0.000000 Ta có: P-value = P( qs) =0.000000< 0,05 Kết luận: Phương sai sai số có thay đổi  Khắc phục tượng phương sai sai số thay đổi: Dùng hồi quy Robust: 23 Chạy Robust Gretl ta có bảng Model 7: OLS, using observations 1-224 Dependent variable: salepric Heteroskedasticity-robust standard errors, variant HC1 Coefficient Std Error t-ratio p-value Const -698,069 127,021 -5,4957 suy diễn thống kê có giá trị dù ui có phân phối chuẩn hay khơng 3.3.3.5 Tự tương quan Mơ hình nghiên cứu với liệu liệu chéo, mặt khác trượng tự tương quan thường xảy liệu thời gian, xác suất xảy tượng liệu chéo thấp Vì thế, gretl khơng thể kiểm định tượng tự tương quan với liệu 3.3.4 Kết tóm tắt số phương hướng khắc phục khuyết tật  Mơ hình phù hợp với lý thuyết kinh tế: Mơ hình thể nhân tố đặc điểm cấu trúc ảnh hưởng đến giá trung bình nhà hai thành phố Coto de Caza Dove Canyon, nhân 25 tố diện tích có ý nghĩa giải thích lớn nhân tố có mặt mơ hình Điều dễ dàng nhận biết thực tế Vì khía cạnh áp dụng lí thuyết kinh tế, mơ hình phù hợp với thực tiễn  Mơ hình có tượng bỏ sót biến: Như có nghĩa giá nhà trung bình hai thành phố C D không phụ thuộc vào : Các yếu tố diện tích nhà ( sqft), số phòng ngủ ( BEDRMS), số phòng tắm ( BATHS), khả chứa tơ gara ( GARAGE), tuổi đời nhà (AGE), vị trí ( thành phố nào) Mơ hình nghiên cứu bị mắc khuyết tật bỏ sót biến Phương hướng giải quyết: Trên thực tế, yếu tố ảnh hưởng đến giá nhà khơng có yếu tố mà nhiều nhân tố chưa kể đến, vậy, việc bỏ sót biến vấn đề tránh khỏi Để khắc phục tượng này, ta cần phải thực khảo sát lại quy mô rộng hơn, kết hợp với quan sát thay đổi giá nhà qua thời kỳ, phạm vi cụ thể Một số biến yếu tố khác ảnh hưởng đến giá nhà hướng nhà, khuôn viên nhà ở, số tầng, Cần nghiên cứu cách kỹ lưỡng để đưa mơ hình hồn chỉnh  Mơ hình khơng bị vi phạm tượng đa cộng tuyến: Trong trình ước lượng kiểm định nhận thấy mơ hình khơng vi phạm tượng đa cộng tuyến Vì việc vi phạm tượng đa cộng tuyến ảnh hưởng đến độ tin cậy mơ hình xác dự báo Ở mơ hình này, không xảy tượng đa cộng tuyến, mơ hình đáng tin cậy việc dự báo mơ hình xác  Mơ hình có phương sai sai số thay đổi : Do số lý định số liệu số liệu chéo, bỏ sót biến, nên mơ hình mắc khuyết tật phương sai sai số thay đổi Tuy nhiên sau sử dụng hồi quy robust, đưa phương sai sai số giá trị Phương hướng giải quyết: Trong trình thu thập liệu, người làm nhiệm vụ cần phải cẩn thận tỉ mỉ, tránh việc viết sai số liệu dẫn đến sai số ảnh hưởng tới kết nghiên cứu Hệ thống hóa liệu việc làm cần thiết trường hợp có nhiều 26 quan sát dẫn đến tình trạng khơng kiểm sốt bỏ sót liệu quan trọng Hiện tượng phương sai sai số khó tránh khỏi q trình nghiên cứu, để đảm bảo cho kết xác có thể, sử dụng số liệu thứ cấp kiểm duyệt có độ xác cao Việc làm giúp ta tiết kiệm đươc chi phí, cơng sức, đồng thời làm tăng chất lượng nghiên cứu Đối với số liệu số tự nhiên dễ dàng nghiên cứu : số phòng ngủ, số phòng tắm có số liệu số thực diện tích cần phải có hệ thống quy chuẩn cách làm tròn số Trong nghiên cứu, ta nên ý tới mơ hình, chưa mơ hình ta nghiên cứu phù hợp Cần kiểm tra phù hợp số biến, biến không phù hợp cần loại bỏ Ngày nay, kỹ thuật thu thập số liệu cải thiện nâng cao nên tượng phương sai sai số dẫn cải thiện 27 Kết luận Hàm hồi quy mẫu ban đầu: ̂̂ salepric = -698,069+ 0,222893 sqft -21,7851 bedrms + 10,0481 baths + 134,113 garage + 5,71295 age + 87,8474 city Như vậy, qua việc phân tích số liệu, chạy mơ hình tiến hành kiểm định, chúng em tổng kết lại vấn đề sau: Các bước nghiên cứu trả lời câu hỏi nêu phần mở đầu: Các yếu tố diện tích nhà ( sqft), số phòng ngủ ( BEDRMS), số phòng tắm ( BATHS), khả chứa tơ gara ( GARAGE), tuổi đời nhà ( AGE), vị trí ( thành phố có ảnh hướng hay nhiều tới giá trung bình ngơi nhà Và cụ thể, ảnh hưởng nào? Thông qua việc sử dụng lệnh phần mềm Gretl, nhóm chúng em đưa số liệu cụ thể chạy mơ hình tiến hành phép tốn để hồi quy, kiểm định giả thuyết Từ đó, đưa số kết luận sau đây: Như vậy, đánh giá mơ hình “Tác động đặc điểm nhà đến giá nhà hai thành phố Coto de Caza Dove Canyon “ khả quan đáng tin cậy Các hệ số hồi quy ước lượng tương đối xác phù hợp với thực tế Mơ hình có ứng dụng quan trọng sống, giúp cho công ty xây dựng sale bất động sản nắm yếu tố để có sở đưa chiến lược hoạch định nhà phù hợp Mặt khác, người dân dựa vào mơ hình để xác định ngơi nhà mà có khả mua phù hợp với nhu cầu thành phố COTO DE CAZA VÀ DOVE CANYON Mặc dù mắc khuyết tật xảy tượng bỏ sót biến phương sai sai số thay đổi, nhóm tác giả hi vọng việc kiểm định xác mơ hình mang lại ý nghĩa thực tiễn cho đề tài nghiên cứu Trong q trình thực hiện, chúng em khơng tránh khỏi số thiếu sót hạn chế, mong nhận góp ý giảng viên bạn để tiểu luận hoàn thiện 28 DANH MỤC TÀI LIỆU THAM KHẢO Giáo trình Kinh tế lượng – Tác giả: GS.TS Nguyễn Quang Đông & PGS.TS Nguyễn Thị Minh – NXB Đại học Kinh tế Quốc dân Giáo trình Lý thuyết xác xuất thống kê Toán – Tác giả: Nguyễn Cao Văn, Trần Thái Ninh – NXB Khoa học Kỹ Thuật Robert S Pindyck, Daniel L Rubinfeld, Hardcover Microeconomics (8th Edition) Mơ hình Hodenic phần mềm cho Bài tốn xác định giá đất , yếu tố ảnh hưởng đến giá đất” tác giả Trần Đức Quỳnh, Bùi Nguyên Hạn- Bài đăng tạp chí Khoa học phát triển số6, tập 13, 2015 https://voer.edu.vn/m/cac-nhan-to-cua-su-tang-truong-va-phat-trien-kinhte/53844ebb http://timtailieu.vn/tai-lieu/mo-hinh-hoi-qui-tuyen-tinh-boi-lua-chon-mo-hinh-vakiem-dinh-gia-thiet-16391/ 29 ... phát từ thực tế khách quan ,và nhu cầu cấp thiết đó, nhóm chúng em định chọn đề tài nghiên cứu TÁC ĐỘNG CỦA CÁC ĐẶC ĐIỂM NHÀ Ở ĐẾN GIÁ NHÀ TẠI HAI THÀNH PHỐ COTO DE CAZA VÀ DOVE CANYON, tiến hành... ảnh hưởng đến giá nhà tắm Số chỗ để Có ý nghĩa nghĩa thống kê hưởng đến giá nhà β7 1,60e-05 < α Có ý nghĩa Có chênh lệch giá giá thống kê nhà thành phố Coto de Caza giá nhà thành phố Dove Canyon. .. đó, đưa số kết luận sau đây: Như vậy, đánh giá mơ hình Tác động đặc điểm nhà đến giá nhà hai thành phố Coto de Caza Dove Canyon “ khả quan đáng tin cậy Các hệ số hồi quy ước lượng tương đối