CHƯƠNG 3: TÁC ĐỘNG CỦA CHIẾN LƯỢC RAO GIÁ
3.3 Đo lường ảnh hưởng của chiến lược rao giá đối với mức giá bán và thời
3.3.2 Kết quả đo lường tác động của chiến lược rao giá đối với mức giá bán của nhà ở
Bảng 3.4: Kết quả đo lường tác động của chiến lược rao giá đối với giá bán của nhà ở
Biến số
Mô hình 5 Mô hình 6 Mô hình 7 Mô hình 8
Hệ số ước lượng
Sai số chuẩn mạnh
VIF Hệ số ước lượng
Sai số chuẩn mạnh
VIF Hệ số ước lượng
Sai số chuẩn mạnh
VIF Hệ số ước lượng
Sai số chuẩn mạnh
VIF
Dum_DOP 0.3053*** 0.0218 1.06 0.3187*** 0.0206 1.08 0.3513*** 0.0189 1.1 0.3553*** 0.0186 1.1 lnage -0.0505*** 0.0176 3.4 -0.0651*** 0.0167 3.5 -0.0618*** 0.0143 3.6 -0.0692*** 0.0143 3.7 lnfloorarea 0.1696*** 0.0383 4.0 0.1287*** 0.0276 2.3 0.1037*** 0.0258 2.3 0.1078*** 0.0255 2.3
floorareasqu -5.35E-08 2.3E-07 3.7
lnslotarea 0.6055*** 0.0556 5.1 0.6226*** 0.0506 5.1 0.5514*** 0.0348 2.8 0.5458*** 0.0349 2.8
slotareasqu -2.11E-06 1.3E-06 2.9 -2.5E-06** 1.2E-06 2.9
face 0.1034* 0.0533 2.8 0.0598 0.0455 3.4
shape -0.1082*** 0.0267 1.2 -0.1008*** 0.0241 1.2 -0.1012*** 0.0218 1.2 -0.0951*** 0.0221 1.2 widestreet 0.0167*** 0.0032 2.6 0.0183*** 0.0026 2.8 0.02*** 0.0013 1.5 0.0201*** 0.0012 1.5
acar 0.1301* 0.0667 1.3 0.0934 0.0595 1.3 0.0911* 0.054 1.3
dstreet -1.9E-04*** 5.9E-05 1.8 -1.7E-04*** 4.7E-05 1.5 -1.6E-04*** 4.7E-05 1.6 lntworkpla -0.0692*** 0.0165 1.3 -0.0645*** 0.0153 1.3 -0.0675*** 0.015 1.3 lntcbd -0.0987*** 0.0169 1.8 -0.1003*** 0.0179 1.9 -0.0954*** 0.0178 1.9
sun 0.0733*** 0.0178 1.2 0.0577*** 0.0159 1.3 0.0612*** 0.0156 1.3
safe 0.0299*** 0.0094 1.7 0.0307*** 0.0095 1.7
waste 0.0788*** 0.03 1.2 0.0763** 0.0301 1.2
smelly 0.0467*** 0.0067 2 0.0469*** 0.0067 2
noisy -0.0385*** 0.0072 1.9 -0.0375*** 0.0071 1.9
flooding -0.1449*** 0.0234 1.3
slig_flood -0.1414*** 0.0236 1.7
stri_flood -0.3124*** 0.0391 1.7
_cons 4.7527*** 0.2352 5.3157*** 0.2003 5.6097*** 0.1648 5.6037*** 0.1668 Những biến
giả kiểm soát vị trí
Có Có Có Có
R-squared 0.917 0.9294 0.9471 0.949
Prob(F) 0 0 0 0
Root MSE 0.2001 0.18546 0.16104 0.15844
Dep. V. lnprice lnprice lnprice lnprice
N. of obs 448 448 448 448 Ghi chú: - Các mô hình trong bảng được ước tính theo phương pháp OLS sai số chuẩn mạnh.
- *, **, *** thể hiện các mức ý nghĩa lần lượt ở mức 10%, 5% và 1%.
- Kết quả kiểm tra VIF các biến trong mô hình không có dấu hiệu đa cộng tuyến.
(Nguồn: Ước lượng dựa trên dữ liệu khảo sát của nghiên cứu)
Từ kết quả ước tính được trình bày trong bảng 3.4, ta thấy rằng chiến lược rao giá được xác định có tác động có ý nghĩa ở mức 1% đối với giá bán của nhà ở. Cụ thể, với hệ số ước tính ở mức 0.3553 trong mô hình 8 cho thấy, khi người bán áp dụng chiến lược rao giá vượt quá mức giá kỳ vọng thị trường của căn nhà sẽ tác động làm gia tăng mức giá bán của nhà ở thêm 35% so với trường hợp áp dụng chiến lược rao dưới giá so với mức giá kỳ vọng thị trường của căn nhà. Điều này cho thấy chiến lược rao giá của người bán có tác động khá mạnh lên mức giá bán của nhà ở.
Như vậy, theo tác giả nghiên cứu, kết quả này là phù hợp với kết luận trong các mô hình lý thuyết của Cheng và các đồng sự (2008) và Taylor (1999). Theo đó, khi người bán áp dụng chiến lược rao vượt giá, đây là tín hiệu ngăn cản những người mua chất lượng thấp và do đó giá bán của nhà ở sẽ cao hơn (Cheng và các đồng sự, 2008); hoặc khi người bán đưa ra mức giá rao bán cao, đây là tín hiệu đối với người mua nhà về chất lượng tốt của căn nhà và do đó giá bán nhà ở sẽ cao hơn (Taylor, 1999).
Ngoài DOP, các mô hình được trình bày trong bảng 3.4 cũng cho ta biết tác động của một số đặc tính khác của căn nhà đối với mức giá bán của nhà ở. Cụ thể:
Độ tuổi của căn nhà là một yếu tố được tìm thấy là có tác động có ý nghĩa làm giảm giá của nhà ở. Điều này cho thấy một căn nhà được xây dựng trước đây (cũ) sẽ kém hấp dẫn hơn những căn nhà mới xây trong mắt người mua, do nó đòi hỏi một khoản chi phí bảo trì và sửa chữa hàng năm cao hơn, ngoài ra một căn nhà cũ sẽ có nhiều đặc tính lỗi thời và tính hữu dụng của căn nhà sẽ giảm, và do đó giá của căn nhà sẽ thấp hơn (Clapp và Giaccotto, 1998). Ngoài ra, do đặc điểm nhà ở được khảo sát trong mẫu không bao gồm những căn nhà có tính lịch sử, thuộc diện bảo tồn, nhà cổ, với thời gian tồn tại lâu nhất của các căn nhà trong mẫu chỉ là 30 năm nên tác giả không kiểm tra mối quan hệ phi tuyến giữa tuổi của căn nhà và giá trị của căn nhà như đề nghị của Grether và Mieszkowski (1974) và Bourassa và các đồng sự (2003). Mức độ tác động biên
của yếu tố độ tuổi căn nhà lên giá nhà xác định tại mức bình quân mẫu tương ướng với căn nhà có giá 7,9 tỷ đồng là giá nhà sẽ giảm 5,5 triệu đồng cho mỗi 32 ngày tồn tại tăng thêm (tương ứng với 1% tăng thêm của tuổi bình quân của căn nhà là 8,9 tuổi).
Diện tích sàn và diện tích khuôn viên cũng được phát hiện là hai yếu tố có tác động làm tăng giá nhà với mức độ tác động biên đo lường tại bình quân mẫu là giá nhà sẽ tăng thêm 4,6 triệu đồng cho mỗi mét vuông tăng thêm của diện tích sàn và 60,8 triệu đồng cho mỗi mét vuông tăng thêm của diện tích khuôn viên. Điều này cho thấy, đối với nhà ở riêng lẻ thì diện tích khuôn viên luôn có giá trị hơn nhiều so với diện tích tích sàn.
Về hình dạng khu đất (SHAPE), kết quả mô hình cho thấy người mua nhà có xu hướng thích hình dạng khu đất có dạng vuông vức hoặc nở hậu hơn là những dạng khác. Hệ số ước tính là -0.0951 và có ý nghĩa ở mức 1% cho thấy mức tác động biên của yếu tố này tương ứng với việc giá thị trường của căn nhà sẽ giảm 754,3 triệu đồng (đối với căn nhà bình quân mẫu có giá 7,9 tỷ) nếu khu đất của căn nhà không phải dạng vuông vức hoặc nở hậu.
Bên cạnh những yếu tố thuộc về đặc tính cấu trúc của căn nhà, một số đặc tính về vị trí và khả năng tiếp cận của căn nhà cũng được tìm thấy là có ảnh hưởng đáng kể và có ý nghĩa lên giá của căn nhà. Cụ thể, việc nằm sâu trong hẻm sẽ làm giảm giá nhà, nhưng mức giảm là không đáng kể, chỉ tương ứng với 1,3 triệu đồng cho mỗi mét khoảng cách đến vị trí mặt tiền đường. Ngược lại, chiều rộng mặt đường/hẻm trước mặt căn nhà lại là một yếu tố có tác động mạnh đối với giá nhà ở mức ý nghĩa 1%. Mức độ tác động biên đo lường được từ mô hình cho thấy cứ 1 mét ngang tăng thêm của chiều rộng con đường/hẻm trước mặt căn nhà sẽ có tác động làm tăng thêm 2% giá trị căn nhà, tương ứng với 159 triệu đồng đối với căn nhà bình quân mẫu 7,9 tỷ đồng. Điều này cho thấy, đối với người mua nhà, việc căn nhà nằm sâu trong hẻm hay không không quan trọng mà điều quan trọng là chiều rộng của hẻm là bao nhiêu, và có thuận lợi cho việc di chuyển trong hẻm hay không. Nguyên nhân, theo tác giả nghiên cứu, là do hầu hết các con hẻm trong khu vực TP.HCM đều là các con hẻm thông với nhiều tuyến đường khác nhau, do đó càng nằm sâu đầu này nghĩa là càng gần đầu kia và chiều sâu trong hẻm trung bình của các căn nhà được khảo sát chỉ khoảng 89 mét đã nói lên điều này. Đặc biệt, khi chiều ngang của con đường/hẻm tăng từ 3 mét lên 4 mét, nghĩa là vừa đủ chiều rộng
để xe hơi có thể vào trong nhà, thì sẽ làm cho giá căn nhà tăng mạnh lên thêm 9,11% giá trị với mức ý nghĩa 10%, tương ứng với việc tăng thêm 722 triệu đồng đối với căn nhà bình quân mẫu. Điều này cho thấy, khả năng đậu xe hơi trong nhà là một yếu tố có tác động mạnh lên giá nhà.
Yếu tố thời gian di chuyển đến khu vực trung tâm có tác động có ý nghĩa ở mức 1% làm tăng giá nhà, hàm ý TP.HCM vẫn là một thành phố đơn tâm, do đó những căn nhà càng xa khu vực trung tâm thì giá nhà sẽ càng giảm, với mức giảm bình quân 32,9 triệu đồng cho mỗi phút di chuyển tăng thêm từ khu vực trung tâm thành phố. Ngoài ra, luận án cũng tìm thấy bằng chứng về việc nhà ở nằm xa nơi làm việc là một bất tiện đối với người cư ngụ, họ phải tốn nhiều thời gian để di chuyển đi lại và khoản chi phí này được phản ánh vào trong giá nhà, với mức giảm giá tương đương với 37,2 triệu đồng cho mỗi phút di chuyển tăng thêm đối với căn nhà bình quân mẫu có giá 7,9 tỷ đồng với thời gian di chuyển tới chỗ làm bình quân mẫu là 14,38 phút/lượt.
Nếu ta xem đây là hiện giá của tất cả các khoản chi phí di chuyển đi làm sẽ phát sinh trong tương lai mà người cư ngụ trong căn nhà sẽ phải đối mặt (Coulson, 1991). Với giả định rằng mỗi năm người cư ngụ phải di chuyển giữa nhà ở và nơi làm việc 500 lần18 và người cư ngụ không biết quá trình đi làm này sẽ kéo dài trong bao lâu (một chuỗi vô tận) và với mức chiết khấu giả định 10%/năm thì ta sẽ có: 500𝑐⁄10%= 37,2 triệu đồng, với c là hiện giá chi phí cho mỗi phút di chuyển của người dân. Như vậy, thông qua giá nhà, ta có thể đo lường được chi phí cho mỗi phút di chuyển đi làm của người dân tính theo giá trị hiện tại được phản ánh vào giá nhà tương ứng là 7.440 đồng/phút di chuyển.
Ngoài ra, không khí nóng bức, ngột ngạt của những căn nhà có hướng chịu nắng trực tiếp cũng được tìm thấy là một yếu tố có tác động đến giá nhà với mức giảm tương ứng 6,12% giá trị căn nhà khi chịu tác động trực tiếp của ánh nắng, tương đương với 485 triệu đối với căn nhà bình quân mẫu (7,9 tỷ đồng).
18 Mỗi năm có 365 ngày được chia thành 52 tuần, vậy bỏ đi 104 ngày cuối tuần, 10 ngày nghỉ lễ theo quy định và 1 ngày nghỉ phép thì số ngày phải đi làm là 250 ngày, do đó số lượt phải di chuyển giữa 2 nơi này là 500 lượt.
Đối với những đặc tính về môi trường xung quanh căn nhà, kết quả ước tính của mô hình cho thấy các yếu tố môi trường xung quanh đều có tác động có ý nghĩa lên giá của nhà ở. Cụ thể, mức độ an ninh trong khu vực được tìm thấy có tác động làm gia tăng giá nhà, kết quả này phù hợp kỳ vọng của tác giả nghiên cứu và phù hợp với các kết quả nghiên cứu của Dubin and Goodman (1982), Lynch và Rasmussen (2001), Ceccato và Wilhelmsson (2011). Hệ số ước tính của mô hình cho thấy mỗi sự khác biệt trong mức độ đánh giá về tình hình an ninh trong khu vực của người mua nhà sẽ có tác động lên khoảng 3% giá nhà, tương đương với 242 triệu đồng cho căn nhà bình quân mẫu giá 7,9 triệu đồng. Tình trạng mùi hôi cũng có tác động tương tự với khoảng 4,7% giá trị nhà (tương đương 372 triệu đồng) cho mỗi chênh lệch cấp độ đánh giá mùi hôi. Và yếu tố môi trường xung quanh có tác động mạnh nhất ngoài tình trạng ngập lụt là tình trạng rác thải, với mức tác động 7,63% giá trị nhà, tương đương với khoảng chênh lệch 605 triệu đồng cho căn nhà có giá bình quân 7,9 tỷ đồng. Riêng yếu tố tiếng ồn trong khu vực, kết quả ước tính của mô hình cho thấy rằng 97 triệu đồng (tương ứng 3,758% giá trị của căn nhà có giá 7,9 tỷ đồng) cho mỗi cấp độ đánh giá về tiếng ồn của người mua nhà. Điều này, theo tác giả là phù hợp với đặc tính đô thị của Việt Nam nói chung và của TP.HCM nói riêng, khi mà khu vực càng ồn ào thì điều kiện kinh doanh, buôn bán càng thuận lợi và do đó giá nhà trong khu vực đó càng cao.
Đối với yếu tố ngập cục bộ trong khu vực, kết quả ước tính của mô hình 8 cho thấy tình trạng ngập là yếu tố môi trường xung quanh có tác động mạnh nhất lên giá nhà. Theo đó, khi căn nhà nằm trong khu vực bị ngập khi có mưa lớn hay triều cường thì giá nhà sẽ bị giảm đi 14,14% giá trị so với những căn nhà tương tự trong các khu vực không bị ngập. Mức tác động này tương đương với mức giảm 1,12 tỷ đồng đối với căn nhà có giá trị 7,9 tỷ đồng. Và khi tình trạng ngập trong khu vực là nghiêm trọng (nước ngập tràn vào nhà hoặc ngập sâu đến mức có thể làm chết máy xe máy) thì mức giảm giá nhà sẽ là 31,24%, tương ứng với 2,48 tỷ đồng cho căn nhà có giá bình quân mẫu là 7,9 tỷ đồng. Điều này cho thấy, đối với người mua nhà, ngập lụt là đặc tính khu vực đáng quan ngại nhất, có ảnh hưởng lớn nhất đến đời sống, sinh hoạt của người dân, và do đó khi căn nhà bị ngập thì họ sẽ đòi hỏi một khoản bù đắp rất lớn (được tính trong giá nhà) cho những bất tiện mà họ phải gánh chịu do ngập trong tương lai.
Như vậy, với kết quả ước tính của mô hình đo lường tác động của chiến lược rao giá (Dum_DOP) và các đặc tính khác của căn nhà đối với mức giá bán của nhà ở được trình bày trong bảng 3.4 đã giúp tác giả trả lời được một phần các câu hỏi nghiên cứu của mục tiêu nghiên cứu số 1 của đề tài.
3.3.3 Kết quả đo lường ảnh hưởng của chiến lược rao giá đối với thời gian rao bán Ngoài mục tiêu đo lường ảnh hưởng của chiến lược rao giá của người bán và một số đặc tính của căn nhà đối với mức giá bán của nhà ở, mục tiêu nghiên cứu số 1 của đề tài còn bao gồm việc đo lường ảnh hưởng của chiến lược rao giá và các đặc tính của nhà ở đối với thời gian rao bán của căn nhà.
Ngoài ra, như lập luận của Zuehlke (1987) đã được nhắc tới trong phần phương pháp nghiên cứu, một số đặc tính của nhà ở có thể là quan trọng trong việc cấu thành nên giá của căn nhà nhưng lại có thể là không quan trọng trong tác động đến thời gian rao bán của căn nhà và ngược lại. Do đó, trong nội dung phần này, tác giả sẽ tiến hành xây dựng lại mô hình đo lường tác động của chiến lược rao giá và các đặc tính của nhà ở đối với thời gian rao bán của nhà ở theo phương pháp hồi quy từng bước từ đầu chứ không kế thừa các đặc tính có tác động lên giá nhà được xác định trong mô hình 8. Trong đó, chiến lược rao bán của người bán vẫn sẽ được đại diện bởi chỉ số DOP của căn nhà đã được xác định ở mục 3.2.1.1. Kết quả đo lường tác động của chiến lược rao giá của người bán và các đặc tính của nhà ở đối với thời gian rao bán của nhà ở được trình bày trong bảng 3.5 như sau:
Bảng 3.5: Kết quả đo lường tác động của chiến lược rao giá đối với thời gian rao bán nhà ở
Biến số
Mô hình 9 Mô hình 10 Mô hình 11
Hệ số ước tính
Sai số chuẩn mạnh
VIF Hệ số ước tính
Sai số chuẩn mạnh
VIF Hệ số ước tính
Sai số chuẩn mạnh
VIF
DOP -0.4711* 0.2856 1.05 -0.4849* 0.2817 1.05 -0.449* 0.2646 1.04
Lnage -0.1009 0.1149 3.39 -0.0731 0.1171 3.5 -0.1184 0.1096 3.58
Lnfloorarea -0.5771** 0.2295 3.97 -0.2536 0.1572 2.24 -0.1785 0.1485 2.31
Floorareasqu 2.57E-06* 1.4E-06 3.71
Lnslotarea 0.6558*** 0.2234 2.76 0.6703*** 0.2231 2.7 0.8452*** 0.2312 2.83
Slotareasqu
Face 0.2386 0.2257 2.78 0.5079** 0.244 3.34
Shape 0.075 0.1746 1.19 0.0322 0.1672 1.22 0.0319 0.1693 1.24
Widestreet -0.0114 0.015 2.56 -0.025 0.0158 2.81 0.0028 0.0117 1.49
Acar -0.0811 0.256 1.28 -0.2894 0.2882 1.28
Dstreet 9.91E-04** 0.00039 1.77 5.75E-04 0.00038 1.54
Lntworkpla 0.0693 0.1048 1.24 0.0123 0.1063 1.27
Lntcbd 0.4075*** 0.1369 1.84 0.3694*** 0.1411 1.88
Sun -0.0727 0.1423 1.24 -0.1137 0.1446 1.27
Safe -0.1885*** 0.0576 1.65
Waste -0.1717 0.1537 1.17
Smelly -0.1144*** 0.0416 1.98
Noisy 0.1019** 0.0462 1.94
Flooding -0.2914 0.233 1.27
slig_flood
stri_flood
_cons 4.2946*** 1.4643 1.0985 1.4167 1.9464 1.4572
Những biến giả
kiểm soát vị trí Có Có Có
R-squared 0.2601 0.2803 0.3133
Prob(F) 0 0 0
Root MSE 1.2277 1.2165 1.194
Dep. Var. Lntom Lntom lntom
N. of obs 448 448 448
Ghi chú: - Các mô hình trong bảng được ước tính theo phương pháp OLS sai số chuẩn mạnh.
- *, **, *** thể hiện các mức ý nghĩa lần lượt ở mức 10%, 5% và 1%.
- Kết quả kiểm tra VIF các biến trong mô hình không có dấu hiệu đa cộng tuyến.
(Nguồn: Ước lượng dựa trên dữ liệu khảo sát của nghiên cứu)
Kết quả ước lượng cho thấy mặc dù các mô hình đều có ý nghĩa trong việc giải thích sự biến động của thời gian rao bán, tuy nhiên mức độ giải thích của các mô hình không cao, chỉ giải thích được 26% - 31% sự biến động của thời gian rao bán. Tuy nhiên, khi so sánh kết quả với các mô hình đo lường thời gian rao bán của một số nghiên cứu trên thế giới, cụ thể, mức độ ý nghĩa của các mô hình đo lường thời gian rao bán nhà ở của Kang và Gardner (1989) dao động trong khoảng từ 7% đến 18% cho từng phân khúc thị trường, Anglin và các đồng sự (2003) với kết quả R2 của mô hình ước lượng thời gian rao bán là 12%, Filippova và Fu (2011) với kết quả R2 đạt 14,4%, Allen và các đồng sự (2015) với kết quả R2 của các mô hình về thời gian rao bán cũng chỉ dao động từ 22,8% - 25,1%. Điều này cho thấy khả năng giải thích 31,33% sự biến động của thời gian rao bán (TOM) trong mô hình 11 là chấp nhận được.
Từ kết quả ước tính tác động của chiến lược rao bán (DOP) và các đặc tính khác của căn nhà đối với thời gian rao bán, được trình bày trong bảng 3.5, tác giả nghiên cứu thấy rằng, có một số đặc tính của căn nhà có tác động đối với giá nhà nhưng lại không tìm thấy bằng chứng về tác động lên thời gian bán của căn nhà. Ngược lại, một số đặc tính khác lại được tìm thấy có tác động có ý nghĩa lên cả giá nhà và thời gian rao bán của căn nhà. Như vậy, với kết quả này, trước hết, tác giả nghiên cứu đồng ý với lập luận của Zuehlke (1987) rằng có một số đặc tính có mức giá trị biên đối với người bán và người mua là tương tự nhau thì đặc tính đó chỉ có tác động làm thay đổi giá của căn nhà, ngược lại một số đặc tính có mức giá trị biên đối với người bán và người mua là khác nhau thì sẽ có tác động không chỉ lên giá nhà mà còn có tác động lên thời gian rao bán của căn nhà. Ngoài ra, theo tác giả nghiên cứu, nguyên nhân của sự chênh lệch giá trị biên giữa người mua so với người bán là do mức độ “khan hiếm” của đặc tính đó trên thị trường nhà ở. Theo đó, khi một đặc tính của nhà ở có tình trạng cầu lớn hơn cung thì đặc tính đó sẽ có mức giá trị biên của người mua cao hơn so với người bán, đặc tính đó sẽ tác động thúc đẩy người mua mua nhà nhanh hơn và đồng thời cũng tác động làm tăng giá nhà ở. Và độ “khan hiếm” càng lớn thì khoảng chênh lệch giá trị biên này càng gia tăng và người mua càng có động cơ mua nhà nhanh hơn nên thời gian rao bán càng rút ngắn.
Ngược lại, khi một đặc tính dù là tốt cho căn nhà (làm tăng giá nhà) như theo quan điểm người mua thì đặc tính đó là không “khan hiếm” thì giá trị biên của đặc tính đó đối với người