3.5.1. Mô hình lần đầu
Bằng công cụ phân tích hồi quy SPSS (phần mềm SPSS 16.0), tiến hành chạy hồi quy lần đầu với tất cả 9 biến độc lập: TANG, DIENTICH, HOBOI, THETHAO, THUONGMAI, KHOANGCACH, TAMNHIN, CAPCC và
TIENICH.
Kết quả chạy hồi quy như sau:
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,973a ,946 ,942 2029,1676 a. Predictors: (Constant), TIENICH, TANG, KHOANGCACH,
TAMNHIN, DIENTICH, THUONGMAI, THETHAO, CAPCC, HOBOI
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 8,999E9 9 9,999E8 242,851 ,000a
Residual 5,147E8 125 4117521,046
Total 9,514E9 134
a. Predictors: (Constant), TIENICH, TANG, KHOANGCACH, TAMNHIN, DIENTICH, THUONGMAI, THETHAO, CAPCC, HOBOI
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 21707,165 1183,836 18,336 ,000 TANG 107,555 30,359 ,081 3,543 ,001 DIENTICH 9,248 7,048 ,041 1,312 ,192 HOBOI -595,821 717,796 -,035 -,830 ,408 THETHAO 1566,267 647,394 ,078 2,419 ,017 THUONGMAI 1181,918 545,775 ,070 2,166 ,032 KHOANGCACH -880,459 114,783 -,197 -7,671 ,000 TAMNHIN 474,979 253,145 ,047 1,876 ,063 CAPCC 6467,120 361,698 ,699 17,880 ,000 TIENICH 992,817 517,940 ,059 1,917 ,058
a. Dependent Variable: DONGIA
Nguồn: Chạy hồi quy bằng phần mềm SPSS 16.0
Hình 3.1: Kết quả hồi quy lần đầu
Bằng công cụ phân tích hồi quy SPSS, tiến hành chạy mô hình lần đầu tiên với tất cả 9 biến độc lập: TANG, DIENTICH, HOBOI, THETHAO, THUONGMAI, KHOANGCACH, TAMNHIN, CAPCC và TIENICH.
Kết quả phân tích cho thấy trong 9 biến đưa vào mô hình thì có 7 biến có ý nghĩa thống kê (Sig. <= 0.05), trong đó biến TAMNHIN có Sig = 0.63 > 0.05 nhưng có thể chấp nhận được. Mô hình có hệ số R2 hiệu chỉnh là 0.942, tức nhóm biến độc lập giải thích được khoảng 94,2% sự thay đổi của biến phụ thuộc
DONGIA.
Qua kết quả hồi quy lần đầu ta nhận thấy một số biến không có ý nghĩa thống kê và dấu trái với kỳ vọng. Tuy vậy ta không nên loại bỏ hết những biến không có ý nghĩa ra mô hình một cách vội vàng mà nên loại từng biến ra khỏi mô hình để tránh loại bỏ những biến thích hợp ra khỏi mô hình.
Do đó đầu tiên ta chọn biến DIENTICH để loại khỏi mô hình bởi vì khi nhìn vào bảng kết quả ta có thể dễ dàng nhận thấy biến DIENTICH có sig lớn (sig.DIENTICH = 0.192 > 0.05) và có dấu ngược với kỳ vọng.
3.5.2. Mô hình lần hai
Sau khi loại bỏ biến DIENTICH ra khỏi mô hình và chạy lại hồi quy mô hình với 8 biến còn lại. Kết quả chạy hồi quy lần hai như sau:
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,972a ,945 ,942 2034,9726 a. Predictors: (Constant), TIENICH, TANG, KHOANGCACH,
TAMNHIN, HOBOI, THUONGMAI, THETHAO, CAPCC
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 8,992E9 8 1,124E9 271,437 ,000a
Residual 5,218E8 126 4141113,471
Total 9,514E9 134
a. Predictors: (Constant), TIENICH, TANG, KHOANGCACH, TAMNHIN, HOBOI, THUONGMAI, THETHAO, CAPCC (adsbygoogle = window.adsbygoogle || []).push({});
b. Dependent Variable: DONGIA
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 22376,447 1071,388 20,885 ,000 TANG 104,895 30,378 ,079 3,453 ,001 HOBOI -341,509 693,115 -,020 -,493 ,623 THETHAO 1721,033 638,381 ,085 2,696 ,008 THUONGMAI 1075,492 541,259 ,064 1,987 ,049 KHOANGCACH -884,965 115,060 -,198 -7,691 ,000 TAMNHIN 470,851 253,850 ,047 1,855 ,066 CAPCC 6598,991 348,451 ,714 18,938 ,000 TIENICH 1007,753 519,296 ,060 1,941 ,055
a. Dependent Variable: DONGIA
Nguồn: Chạy hồi quy bằng phần mềm SPSS 16.0
Dựa vào bảng kết quả hồi quy, ta thấy mô hình có 7 biến có ý nghĩa thống kê (Sig. <= 0.05) và 1 biến không có ý nghĩa thống kê. Mô hình có hệ số R2 hiệu chỉnh ở mức khá cao (94,2%).
Tiếp theo, ta loại bỏ biến HOBOI ra khỏi mô hình vì Sig. lớn nhất so với các biến còn lại (Sig.HOBOI = 0.623 > 0.05) và có dấu trái với kì vọng.
3.5.3. Mô hình lần ba
Sau khi loại bỏ biến HOBOI ra khỏi mô hình và chạy lại mô hình với 7 biến còn lại.
Kết quả chạy hồi quy mô hình lần ba như sau:
Model Summary Model R R Square Adjusted R Square Std. Error of the Estimate 1 ,972a ,945 ,942 2028,8968 a. Predictors: (Constant), TIENICH, TANG, KHOANGCACH,
TAMNHIN, THETHAO, THUONGMAI, CAPCC
ANOVAb
Model Sum of Squares df Mean Square F Sig.
1 Regression 8,991E9 7 1,284E9 312,039 ,000a
Residual 5,228E8 127 4116422,288
Total 9,514E9 134
a. Predictors: (Constant), TIENICH, TANG, KHOANGCACH, TAMNHIN, THETHAO, THUONGMAI, CAPCC
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. B Std. Error Beta 1 (Constant) 22377,266 1068,188 20,949 ,000 TANG 106,141 30,182 ,080 3,517 ,001 THETHAO 1589,330 577,994 ,079 2,750 ,007 THUONGMAI 947,652 473,599 ,056 2,001 ,048 KHOANGCACH -885,826 114,703 -,198 -7,723 ,000 TAMNHIN 463,234 252,622 ,046 1,834 ,069 CAPCC 6494,504 275,665 ,702 23,559 ,000 TIENICH 1114,546 470,491 ,066 2,369 ,019
a. Dependent Variable: DONGIA
Nguồn: Chạy hồi quy bằng phần mềm SPSS 16.0
Hình 3.3: Kết quả hồi quy lần ba
Dựa vào bảng kết quả hồi quy, ta thấy mô hình có 6 biến có ý nghĩa thống kê (Sig. <= 0.05), trong đó có biến TAMNHIN có Sig.TAMNHIN= 0.06 > 0.05 nhưng có thể chấp nhận được. Mô hình có hệ số R2hiệu chỉnh ở mức khá cao (94.2%).
Sau khi loại bỏ hết các biến không có ý nghĩa ra khỏi mô hình, ta tiến hành chạy hồi quy với 7 biến độc lập còn lại là: TANG, THETHAO, THUONGMAI, KHOANGCACH, TAMNHIN, CAPCC và TIENICH.
Kết quả cuối cùng cho thấy mô hình hoàn toàn phù hợp, tất cả 7 biến đều có ý nghĩa thống kê (Sig. <= 0.05) và phù hợp với dấu kỳ vọng. Mô hình nghiên cứu có hệ số R2hiệu chỉnh là 0.942, tức là 94,2% sự thay đổi của biến phụ thuộc DONGIA được giải thích bởi các biến độc lập của mô hình.
Mô hình được viết lại như sau:
DONGIA = 22.377,26 + 106,14TANG + 1589,33THETHAO + 947,65THUONGMAI – 885,82KHOANGCACH + 463,23TAMNHIN + 6494,50CAPCC + 1114,54TIENICH
CHƯƠNG 4: KẾT QUẢ NGHIÊN CỨU 4.1. Nhận xét và kiểm định mô hình
4.1.1. Nhận xét
Sau khi tiến hành chạy mô hình hồi quy với 9 biến độc lập: TANG, DIENTICH, HOBOI, THETHAO, THUONGMAI, KHOANGCACH, TAMNHIN, CAPCC, TIENICH và loại dần các biến không phù hợp với mô hình, cuối cùng tác giả chấp nhận mô hình các nhân tố ảnh hưởng đến giá căn hộ gồm 7 biến bao gồm: TANG, THETHAO, THUONGMAI, KHOANGCACH, TAMNHIN, CAPCC, TIENICH. Trong đó biến CAPCC có mức ảnh hưởng cao nhất, biến TANG có mức ảnh hưởng ít nhất đến mô hình.
Ý nghĩa các hệ số hồi quy: (adsbygoogle = window.adsbygoogle || []).push({});
Yếu tố TANG: biến này mang dấu (+), phù hợp với dấu kỳ vọng của mô hình. Từ mô hình cho thấy khi vị trí tầng tọa lạc tăng một đơn vị thì đơn giá tăng 106,14 nghìn đồng/m2 khi các yếu tố khác không đổi. Điều này cho thấy nhu cầu cũng như thị hiếu của người mua thích ở những căn hộ tầng cao để cảm nhận được không khí yên tĩnh, thoáng mát cũng như tầm nhìn xa và rộng mà không có căn hộ tầng thấp hay nhà phố nào có thể đáp ứng được.
Yếu tố THETHAO: biến này mang giá trị (+), phù hợp với dấu kỳ vọng của mô hình. Khi các yếu tố khác không đổi, đơn giá căn hộ có khu dịch vụ thể thao sẽ cao hơn 1589,33 nghìn đồng/m2 so với các căn hộ cùng loại không có tiện ích này.
Yếu tố THUONGMAI: biến này mang giá trị (+), phù hợp với kỳ vọng của mô hình. Khi các yếu tố khác không đổi, nếu căn hộ có tích hợp sẵn khu thương mại mua sắm thì sẽ có đơn giá cao hơn 947,65 nghìn đồng/m2 so với các căn hộ cùng loại khác.
Yếu tố KHOANGCACH: biến này mang giá trị (-), phù hợp với dấu kỳ vọng của mô hình. Khi các yếu tố khác không đổi, khoảng cách từ căn hộ đến trung tâm thành phố gần (xa) hơn 1km sẽ làm giảm (tăng) đơn giá 885,82 nghìn đồng/m2 so với các căn hộ cùng loại.
Yếu tố TAMNHIN: biến này mang giá trị (+), phù hợp với kỳ vọng của mô hình. Khi các yếu tố khác không đổi, nếu căn hộ có tầm nhìn ra hồ bơi, sông hồ thì sẽ có đơn giá cao hơn 463,23 nghìn đồng/m2 so với các căn hộ cùng loại có tầm nhìn khác.
Yếu tố CAPCC: biến này mang giá trị (+), phù hợp với kỳ vọng của mô hình. Khi các yếu tố khác không đổi, nếu căn hộ thuộc dự án chung cư cao cấp thì sẽ có đơn giá cao hơn 6494,50 nghìn đồng/m2 so với các căn hộ cùng loại thuộc các dự án chung cư khác.
Yếu tố TIENICH: biến này mang giá trị (+), phù hợp với kỳ vọng của mô hình. Khi các yếu tố khác không đổi, nếu căn hộ thuộc dự án chung cư có đầy đủ tiện ích bên ngoài thuộc loại tốt thì sẽ có đơn giá cao hơn 1114,54 nghìn đồng/m2 so với các căn hộ cùng loại có tiện ích đạt loại khác.
4.1.2. Kiểm định mô hình
4.1.2.1. Kiểm định đa cộng tuyến
Nguồn: Phân tích bằng phần mềm SPSS 16.0
Hình 4.1: Kết quả kiểm định đa cộng tuyến
Coefficientsa Model Unstandardized Coefficients Standardized Coefficients t Sig. Collinearity Statistics
B Std. Error Beta Tolerance VIF
1 (Constant) 22377,266 1068,188 20,949 ,000 TANG 106,141 30,182 ,080 3,517 ,001 ,838 1,194 THETHAO 1589,330 577,994 ,079 2,750 ,007 ,528 1,894 THUONGMAI 947,652 473,599 ,056 2,001 ,048 ,553 1,810 KHOANGCACH -885,826 114,703 -,198 -7,723 ,000 ,656 1,523 TAMNHIN 463,234 252,622 ,046 1,834 ,069 ,693 1,442 CAPCC 6494,504 275,665 ,702 23,559 ,000 ,487 2,054 TIENICH 1114,546 470,491 ,066 2,369 ,019 ,551 1,815
Nhìn vào cột Collinearity Statistics để kiểm tra hiện tượng đa cộng tuyến của mô hình. Độ chấp nhận của biến (Tolerances) và hệ số phóng đại phương sai (Variance inflation factor – VIF) được dùng để phát hiện hiện tượng đa cộng tuyến.
Theo quy tắc thì khi VIF vượt quá 10 thì có hiện tượng đa cộng tuyến. Theo như bảng kết quả ta thấy VIF của các biên TANG, THETHAO, THUONGMAI, KHOANGCACH, TAMNHIN, CAPCC và TIENICH đều có giá trị bé hơn 10, do đó ta có thể kết luận mô hình không có hiện tượng đa cộng tuyến.
4.1.2.2. Kiểm định phương sai thay đổi
Để kiểm định xem mô hình xây dựng có xảy ra hiện tượng phương sai thay đổi hay không, ta sử dụng kiểm định Whitetrong công cụ phân tích Eview 6.0
Heteroskedasticity Test: White
F-statistic 4.702797 Prob. F(38,96) 0.0000 Obs*R-squared 87.82234 Prob. Chi-Square(38) 0.0000 Scaled explained SS 38.29036 Prob. Chi-Square(38) 0.4563
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 09/10/15 Time: 11:46 Sample: 1 135
Included observations: 135
Collinear test regressors dropped from specification
Variable Coefficient Std. Error t-Statistic Prob. C -10742.33 2990.151 -3.592573 0.0005 DONGIA 0.343130 0.163401 2.099919 0.0384 DONGIA^2 -1.67E-06 2.85E-06 -0.586331 0.5590 DONGIA*TANG 0.001689 0.001333 1.267322 0.2081 DONGIA*THETHAO -0.017052 0.044033 -0.387244 0.6994 DONGIA*THUONGMAI -0.031256 0.043962 -0.710972 0.4788 DONGIA*KHOANGCACH -0.044850 0.010121 -4.431534 0.0000 DONGIA*TAMNHIN 0.038598 0.014780 2.611537 0.0105 DONGIA*CAPCC -0.043127 0.038120 -1.131359 0.2607 DONGIA*TIENICH 0.062664 0.047946 1.306966 0.1943 TANG -38.54830 35.18961 -1.095446 0.2761 TANG^2 -0.698933 0.478761 -1.459879 0.1476 TANG*THETHAO 5.051048 12.58812 0.401255 0.6891 TANG*THUONGMAI 27.26247 10.62292 2.566382 0.0118 TANG*KHOANGCACH 2.233690 2.251199 0.992222 0.3236 TANG*TAMNHIN -6.932250 3.860603 -1.795639 0.0757 TANG*CAPCC 1.010316 9.484266 0.106525 0.9154 TANG*TIENICH -33.81354 8.679311 -3.895879 0.0002 THETHAO 2409.694 1557.678 1.546978 0.1252 THETHAO*THUONGMAI -713.1124 1965.800 -0.362759 0.7176 THETHAO*KHOANGCACH -298.0894 151.0374 -1.973613 0.0513 THETHAO*TAMNHIN -85.00593 114.8165 -0.740363 0.4609 THETHAO*CAPCC -846.4565 1161.506 -0.728758 0.4679 THETHAO*TIENICH 621.3492 2420.073 0.256748 0.7979 THUONGMAI*KHOANGCACH 187.4890 172.2863 1.088241 0.2792 THUONGMAI*TAMNHIN -64.46961 91.51645 -0.704459 0.4829 THUONGMAI*CAPCC 485.3713 227.9429 2.129355 0.0358
THUONGMAI*TIENICH -512.8273 536.4311 -0.955999 0.3415 KHOANGCACH 2158.297 505.9663 4.265692 0.0000 KHOANGCACH^2 -85.88614 26.03445 -3.298941 0.0014 KHOANGCACH*TAMNHIN 87.94214 16.85828 5.216555 0.0000 KHOANGCACH*CAPCC 274.9843 80.99464 3.395093 0.0010 KHOANGCACH*TIENICH -73.98259 152.2188 -0.486028 0.6281 TAMNHIN -1264.496 331.2109 -3.817796 0.0002 TAMNHIN^2 -2.323253 43.39011 -0.053543 0.9574 TAMNHIN*CAPCC -175.1013 113.2657 -1.545935 0.1254 TAMNHIN*TIENICH -67.87114 76.77145 -0.884068 0.3789 CAPCC^2 453.6884 175.2320 2.589072 0.0111 CAPCC*TIENICH -1132.979 303.8451 -3.728804 0.0003
R-squared 0.650536 Mean dependent var 223.3977 Adjusted R-squared 0.512206 S.D. dependent var 224.3435 S.E. of regression 156.6865 Akaike info criterion 13.18322 Sum squared resid 2356864. Schwarz criterion 14.02252 Log likelihood -850.8675 Hannan-Quinn criter. 13.52429 F-statistic 4.702797 Durbin-Watson stat 1.897597 Prob(F-statistic) 0.000000
Nguồn: Phân tích bằng phần mềm Eview 6.0
Hình 4.2: Kết quả kiểm định White
Theo kết quả ở bảng trên, ta thấy nR2 = 87,82 có xác suất P-value tương ứng là 0 rất nhỏ nên ta bác bỏ giả thuyết H0: Phương sai không đổi. Tức mô hình hồi quy của DONGIA theo TANG, THETHAO, THUONGMAI, KHOANGCACH, TAMNHIN, CAPCC và TIENICH có xảy ra hiện tượng phương sai thay đổi. (adsbygoogle = window.adsbygoogle || []).push({});
4.1.2.3. Kiểm định tự tương quan
Để kiểm định xem mô hình có xảy ra hiện tượng tự tương quan hay không, tác giả sử dụng kiểm định Breusch–Godfrey (BG) trong công cụ Eview 6.0 ta được bảng sau:
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 137.9594 Prob. F(1,125) 0.0000 Obs*R-squared 70.82659 Prob. Chi-Square(1) 0.0000
Test Equation:
Dependent Variable: RESID Method: Least Squares Date: 09/10/15 Time: 12:41 Sample: 1 135
Included observations: 135
Variable Coefficient Std. Error t-Statistic Prob. DONGIA 0.000796 0.000454 1.751265 0.0824 TANG -0.293848 0.168389 -1.745050 0.0834 THETHAO -1.983519 3.160027 -0.627691 0.5314 THUONGMAI 0.803450 2.544941 0.315705 0.7528 KHOANGCACH 0.506269 0.692397 0.731184 0.4660 TAMNHIN -2.184829 1.360651 -1.605723 0.1109 CAPCC -3.312093 3.305465 -1.002005 0.3183 TIENICH -1.947067 2.567220 -0.758434 0.4496 C -14.11345 11.59715 -1.216975 0.2259 RESID(-1) 0.748433 0.063720 11.74561 0.0000
R-squared 0.524641 Mean dependent var -8.39E-15 Adjusted R-squared 0.490416 S.D. dependent var 15.00216 S.E. of regression 10.70932 Akaike info criterion 7.651293 Sum squared resid 14336.19 Schwarz criterion 7.866498 Log likelihood -506.4623 Hannan-Quinn criter. 7.738746 F-statistic 15.32882 Durbin-Watson stat 2.143970 Prob(F-statistic) 0.000000
Nguồn: Phân tích bằng phần mềm Eview 6.0
Hình 4.3: Kết quả kiểm định Breusch – Godfey (BG)
Theo kết quả ở bảng trên, nR2 = 70.82 có xác suất P-value là 0 < 0.05 rất nhỏ nên ta bác bỏ giả thiết H0, nghĩa là mô hình có tồn tại hiện tượng tự tương quan.
4.2. Khắc phục mô hình
Sau khi thực hiện các bước kiểm định bên trên, ta có thể thấy mô hình đang bị ảnh hưởng bởi hiện tượng tự tương quan và phương sai thay đổi. Những hiện tượng này có thể làm cho ước lượng OLS không hiệu quả. Vì thế, sau đây ta tiến hành khắc phục các hiện tượng trên để mô hình hoàn thiện hơn.
4.2.1. Khắc phục hiện tượng tự tương quan
Giả sử Ut có mô hình hồi quy bậc 1 như sau:
Ut = Ut-1 +
Thực hiện trên Eviews 6.0 như sau: Đặt biến Ut= phần dư resid. Sau đó ta tiến hành chạy hồi quy Ut theo Ut-1để tìm hệ số tương quan
Trên hộp lệnh Eview, ta gõ lệnh:
LS DONGIA C TANG THETHAO THUONGMAI KHOANGCACH TAMNHIN CAPCC TIENICH
GENR U = RESID LS U U(-1)
Nguồn: Phân tích bằng phần mềm Eview 6.0
Hình 4.4: Kết quả hồi quy phần dư U theo U(-1)
Qua kết quả trên ta có thể kết luận hệ số = 0.576
Sau đó ta tiến hành lấy sai phân tất cả các biến có trong mô hình bao gồm:
DONGIA_SP, TANG_SP, KHOANGCACH_SP, THETHAO_SP, THUONGMAI_SP, TAMNHIN_SP, CAPCC_SP, TIENICH_SP.
Ta tiến hành lấy sai phân lần lượt như sau:
Nguồn: Phân tích bằng phần mềm Eview 6.0
Hình 4.5: Kết quả tính sai phân biến DONGIA
Trên hình ta chỉ minh họa đối với biến DONGIA_SP, các biến còn lại tiến hành thực hiện tương tự. Tuy nhiên trong quá trình thực hiện sai phân, ta bị mất một quan sát vì quan sát đầu tiên không có quan sát đứng trước nó, do đó trước khi sai phân ta tiến hành chèn thêm một quan sát đứng trước nó và được biến đổi như sau: (adsbygoogle = window.adsbygoogle || []).push({});
Y1* = Y1 đối với biến phụ thuộc DONGIA_SP DONGIA_SP1 = DONGIA1
Nguồn: Phân tích bằng phần mềm Eview 6.0
X1* = X1 đối với các biến độc lập TANG_SP, THETHAO_SP,
KHOANHCACH_SP, THUONGMAI_SP, TAMNHIN_SP, CAPCC_SP,
TIENICH_SP.
Mô hình sau khi lấy sai phân:
− −1 = 1(1 − ) + 2( − −1) + ( − −1)
Việc lấy sai phân sẽ làm cho phần dư Vt = − −1, khi đó phần dư Vt chính bằng trong mô hình Ut = Ut-1 + . Do đó, Vt thỏa mãn các giả thiết của phương pháp OLS nên các ước lượng tìm được trong mô hình mới sẽ là ước lượng tuyến tính không chệch tốt nhất.
Tiến hành chạy hồi quy các biến sau khi đã lấy sai phân và bổ sung thêm quan sát đầu tiên:
Nguồn: Phân tích bằng phần mềm Eview 6.0
Hình 4.7: Kết quả hồi quy sau khi lấy sai phân