CHƯƠNG 3: TÁC ĐỘNG CỦA CHIẾN LƯỢC RAO GIÁ
3.2 Xác định chiến lược rao giá của người bán
3.2.2 Kết quả mô hình xác định chiến lược rao giá của người bán
Dựa trên phương pháp nghiên cứu đã được thảo luận trong mục 4.2.1 và dữ liệu khảo sát thu thập được từ các giao dịch nhà ở riêng lẻ trên địa bàn TP.HCM trong giai đoạn từ 9/2017 – 5/2018, tác giả luận án áp dụng mô hình hedonic nhằm ước tính mô hình xác định mức giá kỳ vọng thị trường của căn nhà dựa trên những đặc tính được quan sát được của nó như được trình bày trong bảng 3.1. Tuy nhiên, giữa một số đặc tính của nhà ở có tồn tại sự tương quan lẫn nhau. Cụ thể, từ ma trận hệ số tương quan giữa các đặc tính của nhà ở (Bảng PL3.1 trong phụ lục 3) ta thấy rằng, có sự tương quan cao giữa tuổi của căn nhà (age) và vẻ bề ngoài của nó (outside), tương tự ta cũng có sự tương quan cao giữa diện tích khuôn viên (slotarea) của căn nhà và chiều dài (long) chiều rộng (wide) của nó, sự tương quan cao còn suất hiện giữa diện tích sàn (floorarea) của căn nhà và số phòng ngủ (nbedr), số phòng tắm (nbathr), giữa khoảng cách đến khu vực trung tâm (dcbd) và tuổi của căn nhà (age). Điều này dẫn đến hệ quả là khi đưa các đặc tính này vào mô hình hedonic ước lượng giá kỳ vọng của nhà ở thì mô hình xuất hiện hiện tượng đa cộng tuyến, biểu hiện thông qua hệ số phóng đại phương sai VIF (variance inflation factor) (bảng PL3.2 trong phụ lục 3). Do đó các biến như vẻ bề ngoài (outside), chiều dài (long), chiều rộng (wide), số phòng ngủ (nbedr), số phòng tắm (nbathr), và khoảng các tới khu vực trung tâm (dcbd) sẽ bị loại ra khỏi mô hình hedonic ước tính mức giá kỳ vọng của nhà ở nhằm hạn chế tình trạng đa cộng tuyến. Từ đó, ta có kết quả ước tính mức giá kỳ vọng của các đặc tính của căn nhà được trình bày trong bảng 3.3 như sau:
Bảng 3.3: Kết quả ước lượng mô hình ước tính giá nhà theo đặc tính
Biến số
Mô hình 1 Mô hình 2 Mô hình 3 Mô hình 4
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
Lnage -0.0318 0.0202 3.4 -0.0417** 0.0201 3.5 -0.0374** 0.0178 3.6 -0.0419** 0.0179 3.7 Lnfloorarea 0.1818*** 0.0514 4 0.163*** 0.0391 2.3 0.1522*** 0.0374 2.3 0.1551*** 0.0373 2.3
Floorareasqu 1.26E-07 3.7E-07 3.7
Lnslotarea 0.6044*** 0.0741 5.1 0.6253*** 0.0715 5.1 0.5297*** 0.0556 2.8 0.5261*** 0.0559 2.8 Slotareasqu -3.5E-06* 2.1E-06 2.9 -3.9E-06* 2.2E-06 2.9
Face 0.1056* 0.0631 2.8 0.0805 0.0584 3.3
Shape -0.0892** 0.0348 1.2 -0.0843** 0.0334 1.2 -0.0894* 0.0346 1.2 -0.0855** 0.0348 1.2 Widestreet 0.0153*** 0.0041 2.6 0.0154*** 0.0037 2.8 0.018*** 0.0021 1.5 0.0181*** 0.002 1.5 Acar 0.1821** 0.0919 1.3 0.1466* 0.0834 1.3 0.1456* 0.0818 1.3 Dstreet -1.5E-04* 8.5E-05 1.8 -1.5E-04* 7.9E-05 1.5 -1.5E-04* 8E-05 1.6 Lntworkpla -0.0509** 0.021 1.2 -0.0471** 0.0213 1.3 -0.0488** 0.0212 1.3 Lntcbd -0.0694*** 0.0247 1.8 -0.067** 0.0296 1.9 -0.0638** 0.0298 1.9 Sun 0.0672*** 0.0242 1.2 0.0543** 0.024 1.3 0.0565** 0.0241 1.3
Safe 0.0143 0.0137 1.7 0.0146 0.0138 1.7
Waste 0.0585 0.0447 1.2 0.0568 0.0449 1.2
Smelly 0.0362*** 0.0094 2 0.0363*** 0.0094 2
Noisy -0.0301*** 0.0105 1.9 -0.0294*** 0.0105 2
Flooding -0.0904** 0.0425 1.3
slig_flood -0.0878** 0.0428 1.7
stri_flood -0.1957*** 0.063 1.7
_cons 4.8235*** 0.3116 5.0776*** 0.2929 5.4684*** 0.2605 5.4636*** 0.2621 Những biến
giả kiểm soát vị trí
Có Có Có Có
R-squared 0.8706 0.8795 0.888 0.8887
Prob(F) 0 0 0 0
Root MSE 0.24958 0.24195 0.23412 0.23364
Dep. Var. 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%.
- 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 tính của 4 mô hình được trình bày trong bảng 3.3 cho thấy, trong mô hình 1, tác giả nghiên cứu đưa vào mô hình biến bình phương của diện tích sàn và diện tích khuôn viên nhằm đo lường mối quan hệ phi tuyến của hai yếu tố này đối với diện tích nhà như theo đề nghị của Ayan & Erkin (2014), Kolbe & Wustemann (2015), Ottensmann và các đồng sự (2008). Tuy nhiên, do vấn đề về đa cộng tuyến với biến tuyến tính của chính nó (VIF>4) nên tác giả nghiên cứu đã loại bỏ 2 biến bình phương này ở các mô hình sau đó. Ngoài ra biến giả mặt tiền đường (face) cũng tiềm ẩn khả năng bị đa cộng tuyến khi trở nên không còn ý nghĩa và có hệ số VIF gia tăng đột biến giữa mô hình 2 so với mô hình 1 (dù vẫn nhỏ hơn 4) nên tác giả nghiên cứu cũng loại yếu tố này ra khỏi mô hình. Điều này đảm bảo mô hình hedonic được lựa chọn để tiến hành ước tính mức giá kỳ vọng thị trường của nhà ở không có hiện tượng đa cộng tuyến (hoặc nếu có thì chỉ ở mức độ nhẹ) với chỉ số phóng đại phương sai VIF của các biến giải thích đều nhỏ hơn 4. Ngoài ra, dù kết quả kiểm định phương sai thay đổi (heteroscedasticity) của mô hình (bảng PL3.3 trong phụ lục 3) cho thấy không có bằng chứng về hiện tượng phương sai thay đổi trong mô hình, tuy nhiên, tác giả vẫn áp dụng mô hình sai số chuẩn mạnh để đảm bảo mức ý nghĩa của các ước tính là đáng tin. Thêm nữa, kết quả ước tính mối quan hệ giữa phần sai số và các biến giải thích (bảng PL3.4 trong phụ lục 3) cho thấy khả năng nội sinh là thấp. Bên cạnh đó, việc mở rộng mô hình khi đưa thêm biến giải thích vào mô hìn hedonic không làm thay đổi các kết quả ước tính trước đó cho thấy tính vững và ổn định của các kết quả ước tính (Tu và các đồng sự, 2016; Qiu và Zhao, 2018).
Như vậy, sau khi loại bỏ các yếu tố có nguy cơ làm sai lệch kết quả ra khỏi mô hình, kết quả ước tính mô hình 3 và mô hình 4 sẽ được xem xét để áp dụng đo lường mức giá kỳ vọng thị trường của nhà ở. Với kết quả ước tính của mô hình 3 và mô hình 4, như trình bày tại bảng 3.3, ta thấy rằng cả 2 mô hình đều có mức ý nghĩa trong việc giải thích mức giá kỳ vọng thị trường của nhà ở gần tương đương nhau thể hiện qua giá trị của hệ số R2 đều gần xấp xỉ nhau, ở mức 88,8% và giá trị thống kê F cho thấy các mô hình đều có thể áp dụng để ước tính mức giá kỳ vọng của nhà ở. Tuy nhiên, với mục đích ước tính càng chính xác càng tốt mức giá kỳ vọng của căn nhà, nên tác giả luận án sẽ áp dụng mô hình 4 để thực hiện ước tính mức giá kỳ vọng thị trường của nhà ở do có mức độ ý nghĩa cao nhất và sai số RMSE thấp nhất. Mức giá
ước tính được sẽ được sử dụng làm cơ sở để xác định chiến lược rao giá của người bán trong giai đoạn 2 của nghiên cứu, khi đem so sánh với mức giá rao bán của người bán.