Kết quả phân tích hồi quy

Một phần của tài liệu Luận văn thạc sĩ UEH các yếu tố ảnh hưởng đến giá nhà tại TPHCM (Trang 49 - 66)

CHƯƠNG 4 : KẾT QUẢ VÀ THẢO LUẬN

4.2 Kết quả phân tích hồi quy

Hồi quy hai dạng hàm logarit (log-log) và bán logarit (semi-log) thu được bằng phần mềm SPSS16.0. Kết quả chạy mơ hình (3.2) ở bảng 4.4 và kết quả chạy mơ hình (3.3) xem tại Phụ lục 4.

Để so sánh mơ hình bán logarit và mơ hình logarit có thể dùng R2

vì hai mơ

hình có cùng số mẫu và biến phụ thuộc giống nhau là lnPRICE (Hoàng Ngọc

Nhậm và cộng sự, 2004).

Bảng 4.3: So sánh hai mơ hình semi-log và log-log

Hệ số Mơ hình (4.2) Mơ hình (4.3)

R2 0,879 0,869

R2 hiệu chỉnh 0,876 0,866

RSS 68,8 72,7

Ta thấy hệ số R2 và R2 hiệu chỉnh của mơ hình (3.2) cao hơn so với của mơ hình (3.3), do đó mơ hình (3.2) là phù hợp hơn với bộ dữ liệu, vì vậy dạng hàm log- liner được lựa chọn để thể hiện mối quan hệ giữa các thuộc tính của nhà ở và giá nhà.

Biến giả nhà cấp 4 (LEVEL4) và Khu vực phía Bắc (NORTH) được chọn là biến được so sánh, hai biến này khơng đưa vào mơ hình hồi quy.

Biến số phịng vệ sinh (BATHROOMS) khơng đưa vào mơ hình hồi quy để tránh vấn đề đa cộng tuyến.

Bảng 4.4: Kết quả hồi quy mơ hình semi – log

Variable

Coefficient Collinearity Statistics

Model 1 Tolerance VIF

C 0,331*** SIZE 0,007*** 0,272 3,671 LOTSIZE 0,001*** 0,232 4,317 ROOMS 0,032** 0,397 2,521 GARAGE -0,055 0,478 2,092 GARDEN -0,054 0,474 2,109 AMENITIES 0,203*** 0,584 1,713 ROAD 0,031*** 0,621 1,610 DISTANT -0,078*** 0,405 2,468 LEVEL1 0,459*** 0,288 3,472 LEVEL2 0,385*** 0,274 3,643 LEVEL3 0,221*** 0,491 2,036 INNER 0,328*** 0,304 3,287 EAST -0,187*** 0,503 1,986 WEST -0,079* 0,549 1,822 SOUTH -0,278*** 0,424 2,356 R2 0,879 Adj. R2 0,876 F-stat 264,76*** DW 1,78 RSS 67,3 N = 562

Biến phụ thuộc: LNPRICE

Nhìn vào kết quả phân tích ở bảng 4.4, ta thấy:

- Hệ số hồi quy của hai biến GARAGE và GARDEN có dấu khơng đúng với dấu kỳ vọng và khơng có ý nghĩa thống kê.

- Biến WEST có ý nghĩa thống kê ở mức ý nghĩa 10%, biến ROOMS có ý nghĩa thống kê ở mức ý nghĩa 5% và các biến khác có ý nghĩa thống kê ở mức ý nghĩa 1%.

Kiểm định F (sig. = 0.00 < 1%) cho thấy rằng giả thuyết H0 (tất cả hệ số hồi

quy đều bằng 0) bị bác bỏ, mơ hình hồi quy phù hợp với tập dữ liệu. Kiểm định Jarque - Bera cho thấy rằng sai số ngẫu nhiên có phân phối chuẩn (p = 0,987) và đồ thị phần dư cho thấy sự phân bố ngẫu nhiên xung quanh giá trị trung bình (Phụ lục 5).

Các hệ số hồi quy có dấu đúng với giả thuyết và có ý nghĩa thống kê (trừ hai biến GARAGE và GARDEN). Vì vậy, các hệ số tương quan giữa diện tích đất (SIZE) và diện tích sử dụng (LOTSIZE) (r = 0,635), số lượng nhà để xe (GARAGES) và diện tích đất (SIZE) (r = 0,66), sân vườn (GARDEN) và diện tích đất (SIZE) (r = 0,668), số phịng ngủ (ROOMS) và diện tích sử dụng (LOTSIZE) (r = 0,699) là không đủ để gây ra các vấn đề đa cộng tuyến. Thừa số tăng phương sai (Varian inflation factor - VIF) trong bảng 4.4 có giá trị tối thiểu là 1,61 và tối đa là 4,317. Cả hai đều nhỏ hơn 10 nên khơng có hiện tượng đa cộng tuyến giữa các biến độc lập trong mơ hình.

Theo dấu của các hệ số hồi quy, có thể phân tích các xu hướng tác động của các thuộc tính nhà ở lên giá nhà ở. Trong đó diện tích đất, diện tích sàn, số phịng ngủ, chiều rộng đường trước nhà và tiện ích xã hội đã có ảnh hưởng tích cực về giá nhà ở, trong khi khoảng cách đến CBD có ảnh hưởng tiêu cực đến giá nhà ở.

Các kết quả ước tính chứng minh rằng nhà với nhiều phịng ngủ có giá cao hơn, thêm 1 phòng ngủ làm giá nhà tăng 3,2%.

Từ hàm kết quả hồi quy cho thấy rằng giá nhà khác nhau giữa các nhà cấp 1, 2, 3 so với nhà cấp 4. Cụ thể với những ngơi nhà có các đặc điểm khác là giống nhau,

từ phương trình 3.2 có hệ số chặn đối với nhà cấp 1 là (1 + 11) và hệ số chặn đối

với nhà cấp 4 là (1).

Do đó (EXP(11) – 1)*100% thể hiện sự chênh lệch giá giữa nhà cấp 1 và nhà

cấp 4 đối với dạng hàm log-lin (Nguyễn Trọng Hồi và Phùng Thanh Bình, 2009).

Bảng 4.5: Hệ số chặn của yếu tố cấp nhà ở

Cấp nhà Hệ số chặn Chênh lệch với nhà cấp 4

Nhà cấp 1 (1 + 11) = (0,331 + 0,459) (EXP(11) – 1)*100% = 58%

Nhà cấp 2 (1 + 12) = (0,331 + 0,385) (EXP(12) – 1)*100% = 47%

Nhà cấp 3 (1 + 13) = (0,331 + 0,221) (EXP(13) – 1)*100% = 25%

Như vậy, với các yếu tố khác không đổi, sự thay đổi từ nhà cấp 4 sang nhà cấp 1, cấp 2 hoặc cấp 3 thì giá nhà sẽ thay đổi tăng lên tương ứng là 58%, 47% và 25%.

Tương tự đối với yếu tố khu vực đô thị được thể hiện ở bảng 4.6, hệ số chặn

của khu vực phía Bắc (khu vực được so sánh) là 1 = 0,331.

Bảng 4.6: Hệ số chặn của yếu tố khu vực.

Khu vực Hệ số chặn Chênh lệch với phía Bắc

Khu vực Trung tâm (1 + 14) = (0,331 + 0,328) (EXP(14) – 1)*100% = 39%

Khu vực phía Đơng (1 + 15) = (0,331 - 0,187) (EXP(15) – 1)*100% = - 17%

Khu vực phía Tây (1 + 16) = (0,331 - 0,079) (EXP(16) – 1)*100% = - 7,6%

Khu vực phía Nam (1 + 17) = (0,331 - 0,278) (EXP(17) – 1)*100% = - 24%

Với các yếu tố khác khơng đổi, có thể thấy rằng nhà ở phía Bắc và phía Tây của thành phố (như quận Gò Vấp, quận 12, quận 6, Tân Bình) có giá cao hơn so với

khu vực phía Nam bởi vì đây là khu vực có điều kiện đất đai tốt hơn và là khu vực được đơ thị hóa đầu tiên của thành phố. Ngược lại, nhà nằm ở phía Nam của thành phố (chẳng hạn như một phần huyện Bình Chánh và huyện Nhà Bè, huyện Cần Giờ) có giá thấp hơn so với khu vực cịn lại vì đây là một khu vực tương đối nghèo, thuộc vùng đất trũng thấp của thành phố với điều kiện xây dựng tốn kém hơn và hầu hết các ngơi nhà là nhà cấp 4. Một ví dụ điển hình là ở Khu đơ thị mới phát triển Nam Sài Gịn, chi phí cho chuẩn bị đất và phát triển cơ sở hạ tầng cao hơn rất nhiều so với những khu vực có điều kiện đất đai tốt hơn. Nhưng ở khu vực này lại rất gần với trung tâm thành phố.

Đối với biến tiện ích có dấu tích cực và mức ý nghĩa 1%. Đối với những ngơi nhà có đặc điểm là gần với hai hoặc nhiều hơn các tiện nghi như trường học, bệnh viện, siêu thị,… sẽ có giá cao hơn (EXP(0,203)-1)*100% = 22,5% so với các ngôi nhà khác. Điều này chứng minh rằng các tiện ích xã hội đã có ảnh hưởng tích cực đến giá nhà của các cộng đồng xung quanh ở Tp. HCM.

Những ngơi nhà có khoảng cách đến CBD tăng thêm 1km sẽ tác động đến mức giá giảm 7,8% với điều kiện các yếu tố khác khơng đổi.

Sự đóng góp của các yếu tố lên giá nhà:

Các hệ số hồi quy trong bảng 4.4 là khơng thích hợp để sử dụng giải thích tầm quan trọng tương đối của các yếu tố đóng góp vào giá nhà ở (Hồng Trọng và Chu Nguyễn Mộng Ngọc, 2005). Hệ số tương quan từng phần (Part correlation correlations) và tương quan riêng (Partial correlation correlations) được dùng để xác định tầm quan trọng của các biến trong mơ hình, kết quả thể hiện ở bảng 4.7.

Kết quả cho thấy rằng khoảng cách đến trung tâm thành phố (DISTANT) có hệ số tương quan riêng lớn nhất là 0,637 (xét về giá trị tuyệt đối), do đó biến DISTANT có ảnh hưởng quan trọng nhất đến giá nhà ở. Ngồi ra, diện tích đất cũng là yếu tố có ảnh hưởng lớn đến giá nhà khi hệ số tương quan riêng với biến phụ thuộc là 0,461.

Bảng 4.7: Hệ số tư ng quan từng phần và tư ng quan riêng của các biến Variable Correlations Partial Part SIZE 0,461 0,180 LOTSIZE 0,126 0,044 ROOMS 0,084 0,029 GARAGE -0,043 -0,015 GARDEN -0,028 -0,010 AMENITIES 0,214 0,076 ROAD 0,394 0,149 DISTANT -0,637 -0,287 LEVEL1 0,249 0,089 LEVEL2 0,264 0,095 LEVEL3 0,202 0,072 INNER 0,217 0,077 EAST -0,128 -0,045 WEST -0,070 -0,025 SOUTH -0,207 -0,073

Từ kết quả của mơ hình hồi quy có thể ước tính tỉ lệ đóng góp riêng lẻ của các thuộc tính lên giá nhà: Sự đóng góp của các thuộc tính riêng lẻ đến giá nhà bằng hệ số hồi quy nhân với giá trị trung bình của các thuộc tính tương ứng. Tỉ lệ đóng góp của mỗi thuộc tính bằng tổng giá trị riêng lẻ của các thuộc tính đó chia cho tổng trị tuyệt đối của tổng giá trị tất cả các thuộc tính, kết quả được trình bày như ở bảng 4.8.

Bảng 4.8: Tỉ lệ đóng góp của các thuộc tính trong giá trị của ngơi nhà Thuộc tính Hệ số hồi Thuộc tính Hệ số hồi quy Giá trị trung bình của thuộc tính Tổng giá trị của thuộc tính Tỉ lệ đóng góp SIZE 0,007 77,03 0.54 23,35% LOTSIZE 0,001 179,54 0.18 7,78% ROOMS 0,032 3,27 0.10 4,53% AMENITIES 0,203 0,40 0.08 3,52% ROAD 0,031 7,97 0.25 10,70% DISTANT -0,078 9,19 -0.72 31,05% LEVEL1 0,459 0,15 0.07 2,98% LEVEL2 0,385 0,33 0.13 5,50% LEVEL3 0,221 0,31 0.07 2,97% INNER 0,328 0,24 0.08 3,41% EAST -0,187 0,13 -0.02 1,05% WEST -0,079 0,22 -0.02 0,75% SOUTH -0,278 0,20 -0.06 2,41%

Tổng giá trị tuyệt đối 2,31 100,00%

Kết quả cũng chỉ ra rằng yếu tố khoảng cách đến CBD (DISTANT) là yếu tố quan trọng khi đóng góp đến 31,05% trong giá nhà tại TPHCM. Tỉ lệ đóng góp của nhóm thuộc tính cấu trúc (bao gồm diện tích đất, diện tích sử dụng, số phịng ngủ, cấp của ngơi nhà) là 47,11% trong giá nhà. Tỉ lệ đóng góp trong giá nhà của nhóm thuộc tính hàng xóm (bao gồm thuộc tính tiện ích, khu vực địa lý) là 11,14%.

Ước lượng biến giá nhà từ các tham số ước lượng ở bảng 4.4 với sự thay đổi của biến khoảng cách đến trung tâm thành phố (DISTANT), những biến khác được

giữ cố định ở mức trung bình mẫu để xem xét sự ảnh hưởng riêng của biến khoảng cách đến CBD tới giá nhà. 0 1 2 3 4 5 6 0 5 10 15 20 25 30 35 40 Khoảng cách đến CBD G iá nh à

Hình 4.3: Hàm giá hưởng thụ ước lượng của giá nhà với yếu tố khoảng cách

thay đổi.

Từ hình 4.3 có thể thấy rằng giá nhà tăng lên và có khuynh hướng tiến về 0 khi khoảng cách càng xa CBD. Nghĩa là với khoảng cách tăng lên một đơn vị khi khoảng cách của ngôi nhà tương đối xa CBD khơng có ảnh hưởng nhiều đến giá nhà so với trường hợp nhà ở gần CBD hơn.

Tính giá ẩn:

Từ kết quả hồi quy ở bảng 4.4, tính giá ẩn của biến khoảng cách đến CBD theo công thức:

-3.00 -2.50 -2.00 -1.50 -1.00 -0.50 0.00 0 5 10 15 20 25 30 35 40 Khoảng cách đến CBD G iá ẩn (IMP LIP)

Hình 4.4: Đồ thị thể hiện mối quan hệ giữa khoảng cách đến CBD với giá ẩn

từ phư ng trình (4.1)

Giá ẩn của việc tăng thêm khoảng cách đến CBD tại mỗi quan sát mang dấu (-) (Hình 4.4), điều này ngụ ý rằng khi người dân chọn những ngôi nhà ở xa hơn sẽ làm tăng chi phí đi lại cũng như mất đi những lợi ích từ ngơi nhà gần CBD hơn (thể hiện mối quan hệ nghịch biến giữa DISTANT và PRICE).

Nhìn vào đồ thị trên có thể thấy những ngơi nhà có khoảng cách gần với CBD có một giá trị ẩn cao. Nghĩa là, khi ngơi nhà càng gần với CBD thì sự thay đổi một đơn vị khoảng cách sẽ làm thay đổi nhiều hơn mức giá ẩn so với những ngơi nhà xa CBD, có thể thấy giá trị thay đổi biên của giá ẩn giảm dần khi khoảng cách của ngôi nhà càng xa CBD.

Hồi quy giá ẩn với yếu tố khoảng cách đến CBD để ước tính hàm cầu nghịch của yếu tố khoảng cách đến CBD, sử dụng mơ hình lin-log (vì IMPLIP mang giá trị âm nên khơng thể sử dụng mơ hình log-liner hoặc log-log).

Bảng 4.9: Kết quả hồi quy hàm cầu ngược của yếu tố khoảng cách đến CBD Variable Coefficient Model 2 C -0,647* lnDISTANT 0,265* R2 0,481 Adj. R2 0,480 F-stat RSS 518,37* 31,86 N = 562

Biến phụ thuộc: IMPLIP

* các tham số có ý nghĩa thống kê ở mức 1%.

Đối với hàm liner-log, lấy 2/IMPLIPtb để tính độ co giản:

0,265/IMPLIPtb = - 2,01

KẾT LUẬN VÀ HÀM Ý CHÍNH SÁCH

Hàm ý chính sách:

Mặc dù có một số hạn chế, mơ hình HPM vẫn là một cơng cụ rất hữu ích trong việc nghiên cứu các thuộc tính nhà ở và tác động của giá BĐS. Kỹ thuật này cần được sự quan tâm nghiêm túc bởi các nhà nghiên cứu và tất cả các bên liên quan trong lĩnh vực BĐS tại Việt Nam. Tính khả thi của việc áp dụng mơ hình HPM để nghiên cứu thị trường nhà ở tại Tp. HCM khi người mua và người bán dễ dàng có những thơng tin trên thị trường BĐS. Do đó, giá ẩn cho các thuộc tính có thể được thành lập và thông tin này được sử dụng để cải thiện việc lập kế hoạch, phát triển, xây dựng và quản lý tài sản ở Tp. HCM.

Kết quả ước lượng của mơ hình HPM đã cho thấy rằng hệ số của các thuộc tính quan trọng và các dấu đúng với kỳ vọng. Vì vậy, giống với các nước khác, những thuộc tính về nhà ở có thể được định giá một cách tương tự ở Tp. HCM.

Bằng chứng thực nghiệm chứng minh rằng cách tiếp cận giá hưởng thụ đặc biệt hữu ích cho nghiên cứu về thị trường nhà ở tại Tp. HCM. Khi hầu hết các trung tâm hành chính, thương mại, văn phịng, trường học và bệnh viện lớn đều đặt tại trung tâm thành phố, do đó yếu tố vị trí đóng vai trị quan trọng nhất ảnh hưởng đến giá nhà vì người dân ưa thích hơn với những ngơi nhà gần trung tâm hơn. Điều này đặt ra vấn đề cho quy hoạch đơ thị của thành phố, việc thành phố chỉ có một trung tâm duy nhất sẽ gây áp lực về tăng dân số. Trong tương lai, thành phố Hồ Chí Minh cần hình thành một thành phố đa trung tâm, ngồi trung tâm hiện hữu cịn có các trung tâm vệ tinh xung quanh với những tiện ích xã hội tương đương.

Một số hạn chế trong nghiên cứu và hướng nghiên cứu mở rộng:

Một số hạn chế của nghiên cứu:

Giá nhà được sử dụng là giá rao bán trên thị trường, không phải là giá bán thực tế do những khó khăn trong việc có được các dữ liệu thực tế từ thị trường. Tuy nhiên, hầu hết các ngôi nhà được giao dịch có sự chênh lệch về giá rao bán và giá bán thực

tế là không cao, người bán thường dựa vào các công ty định giá hoặc giá tham chiếu giá từ các ngôi nhà tương tự đã giao dịch hoặc đang giao dịch trên thị trường.

Nghiên cứu này chỉ xem xét thông tin của những ngôi nhà của năm hiện tại. Ảnh hưởng về thời gian lên giá nhà đã được bỏ qua (cùng một ngơi nhà nên có giá khác nhau trong những năm khác nhau, giả định rằng yếu tố tuổi tác là khơng đổi).

Giá nhà có thể bị ảnh hưởng bởi một số yếu tố kinh tế khác (chẳng hạn như t giá hối đoái, lãi suất, chính sách của chính phủ, tâm lý của nhà đầu tư,…) không được bao gồm trong mơ hình ước lượng.

Thiếu số liệu về kinh tế xã hội của hộ gia đình (như thu nhập hàng năm, số thành viên trong gia đình) nên chưa xây dựng được hàm cầu ngược xác thực hơn.

Hướng nghiên cứu mở rộng:

Tiếp tục nghiên cứu về phương pháp định lượng của một số biến đặc trưng như khoảng cách từ ngơi nhà đến từng tiện ích xã hội như trường học, bệnh viện, cơng viên,… có thể làm cho kết quả thuyết phục hơn.

Thu thập thêm dữ liệu về kinh tế xã hội của các hộ gia đình để xây dựng hàm cầu ngược chính xác hơn và tính thặng dư tiêu dùng của các yếu tố.

TÀI LIỆU THAM KHẢO:

Danh mục tài liệu Tiếng Việt:

1. Cục Quản lý nhà và Thị trường BĐS - Bộ Xây dựng, 2011. Giá trị và giá cả

bất động sản. http://batdongsanninhbinh.com/kinh-nghiem-bds/1911-gia-tri-va-gia-

ca-bat-dong-san.html (Ngày truy cập: ngày 19 tháng 3 năm 2012).

2. Hoàng Trọng và Chu Nguyễn Mộng Ngọc, 2005. Phân tích dữ liệu nghiên cứu

với SPSS. Nhà xuất bản thống kê.

3. Hoàng Ngọc Nhậm và cộng sự, 2004. Giáo trình kinh tế lượng. Trường Đại

Một phần của tài liệu Luận văn thạc sĩ UEH các yếu tố ảnh hưởng đến giá nhà tại TPHCM (Trang 49 - 66)