Mô hình phân tích đƣợc tiến hành 2 bƣớc:
Bƣớc 1: Phân tích hồi quy để xác định hệ số co dãn, thực hiện các kiểm định. Bƣớc 2: Xác định đóng góp của từng yếu tố đối với tốc độ tăng trƣởng hay là sự biến động giá của luận văn đã đề cập.
Phƣơng pháp phân tích hồi quy:
Ƣớc lƣợng α và β: ta có phƣơng trình Logarit tƣơng đƣơng nhƣ sau:
Ln Y = Lna + αLn Li + β LnKi (3.2)
Sử dụng công cụ SPSS để ƣớc lƣợng α và β. Mô hình có dạng Logarit tuyến tính đa biến mở rộng nhƣ:
Ln Y = Lna + αLn Li + β LnKi + ... + γLnPi + ui (3.3)
Trong đó: i: là số quan sát từ i tới k; u: phần dƣ (Residuals).
Từ mô hình hồi quy đa biến mở rộng, luận văn vận dụng mô hình này đƣa vào ứng dụng nghiên cứu đề tài “Xác định các yếu tố ảnh hưởng đến giá thị trường nhà và
đất tại Thành phố Hồ Chí Minh giai đoạn 2015 - 2020”. Mô hình cần ƣớc lƣợng
các hệ số Bêta (β) và cần phân tích có dạng:
LnBDG = β0 + β1LnM2 + β2LnTDNH + β3LnLSCK +β4LnTTGD + β5LnLP +
β6LnGV + ui (3.4)
Hệ thống kiểm định: Để mô hình hình hồi quy đảm bảo độ tin cậy và hiệu quả, cần thực hiện 4 kiểm định nhƣ sau:
Mức ý nghĩa (Significance, sig.) của hệ số hồi quy từng phần có độ tin cậy ít nhất 95% (Sig. < 0,05). Kết luận tƣơng quan có ý nghĩa thống kê giữa biến độc lập và biến phụ thuộc.
(ii) Mức độ phù hợp của mô hình:
Nhằm xem xét mối quan hệ tuyến tính giữa các biến độc lập với biến phụ thuộc. Mô hình phù hợp khi có ít nhất một hệ số hồi quy khác không; Mô hình không phù hợp khi tất cả các hệ số hồi quy đều bằng không.
Giả thuyết: H0: Các hệ số hồi quy đều bằng không H1: Có ít nhất một hệ số hồi quy khác không
Sử dụng Phƣơng sai ANOVA để kiểm định, nếu (Sig.< 0,05), Ta bác bỏ giả thuyết H0, và chấp nhận giả thuyết H1, => mô hình đƣợc xem là phù hợp.
(iii) Hiện tƣợng đa cộng tuyến (Multicollinearruty):
Hiện tƣợng các biến độc lập có quan hệ gần nhƣ tuyến tính. Khi đó, hàm sẽ có sai số chuẩn (S.E) cao hơn, giá trị thống kê t thấp hơn và mức ý nghĩa Sig. sẽ lớn hơn 0,05 hay có thể không có ý nghĩa thống kê. Để xác định có đa cộng tuyến, mô hình sử dụng ma trận tƣơng quan Pearson. Nếu các hệ số tƣơng quan của các biến độc lập với nhau có trị số nhỏ hơn 0,5 và nếu hệ số phóng đại phƣơng sai VIF < 10 sẽ không có đa cộng tuyến.
(iv) Kiểm định tính dừng của Mô hình
Tính dừng theo toán học: một dãy số liệu theo thời gian có giá trị trung bình và phƣơng sai không đổi theo thời gian thì dãy số đƣợc xem nhƣ có tính dừng hay còn gọi là ổn định. Ngƣợc lại, ta nói dãy số liệu đó không có tính dừng.
Tính dừng của dữ liệu chuỗi thời gian và các kiểm định tính dừng: trong phân tích dữ liệu chuỗi thời gian, một mô hình tốt đƣợc đƣa ra khi phân tích trên các dữ liệu dừng. Theo Gujarati (2003)[8] một chuỗi thời gian là dừng khi giá trị trung bình, phƣơng sai, hiệp phƣơng sai (tại các độ trễ khác nhau) giữ nguyên không đổi cho dù chuỗi đƣợc xác định vào thời điểm nào đi nữa. Chuỗi dừng có xu hƣớng trở về giá trị trung bình và những dao động quanh giá trị trung bình sẽ là nhƣ nhau. Nói cách
khác, một chuỗi thời gian không dừng sẽ có giá trị trung bình thay đổi theo thời gian, hoặc giá trị phƣơng sai thay đổi theo thời gian hoặc cả hai.
Có nhiều phƣơng pháp kiểm tra tính dừng của chuỗi thời gian: kiểm định Dickey– Fuller (DF), kiểm định Phillip–Person (PP) và kiểm định Dickey và Fuller mở rộng (ADF), kiểm tra bằng giản đồ tự tƣơng quan, kiểm định theo Phƣơng pháp Spearman’s Rho.
Việc thiết lập mô hình hồi quy phải trên cơ sở các biến số trong mô hình là các biến dừng để các chuỗi số liệu không có những biến động quá lớn làm cho việc đánh giá tác động của các biến số là không chính xác. Để kiểm định tính dừng theo chƣơng trình SPSS, Phƣơng pháp kiểm định Spearman sẽ sử dụng Hiện tƣợng Phƣơng sai phần dƣ không đổi để kiểm định.
Hiện tƣợng phƣơng sai phần dƣ không đổi (Heteroskedasticity): Là hiện tƣợng
các giá trị phần dƣ có phân phối không giống nhau, và các giá trị phƣơng sai không nhƣ nhau. Khi Phƣơng sai phần dƣ có xảy ra sẽ làm cho ƣớc lƣợng bình phƣơng bé nhất OLS của các hệ số hồi quy không hiệu quả. Khi đó, các kiểm định giả thuyết không sẽ không còn giá trị. Để kiểm tra không có phƣơng sai phần dƣ không đổi, mô hình sử dụng kiểm định Spearman.
Giả thuyết: H0: Phƣơng sai phần dƣ không đổi H1: Phƣơng sai phần dƣ thay đổi
Với điều kiện mức ý nghĩa (Sig.) của các hệ số tƣơng quan hạng Spearman[10]phải đảm bảo lớn hơn 0,05 Chấp nhận H0, nếu Sig. < 0,05 bác bỏ H0.
3.1.3.3 Mô hình định lƣợng cần phân tích
Từ giả thuyết nghiên cứu ở Bảng 3.2, luận văn vận dụng đƣa vào mô hình hồi quy tuyến tính dạng Logarit. Mô hình này thể hiện mối tƣơng quan giữa biến phụ thuộc và các biến độc lập. Mô hình cần phân tích trong nghiên cứu nhƣ sau:
LnBDG = β0 + β1LnM2 + β2LnTDNH + β3LnLSCK +β4LnTTGD + β5LnLP +
Trong đó:
- Biến phụ thuộc: BDG Biến động giá; ui: Residual (phần dƣ)
- Các biến độc lập: M2, TDNH, LSCK, TTGD, LP, GV. (Cung tiền, Tín dụng ngân hàng, Lãi suất Chiết khấu, Thị trƣờng giao dịch, Lạm phát, Giá vàng).
- β0: Hằng số (Constant), là hệ số tự định trong mô hình
- Các β1, β2,β3, β4,β5,β6: là các hệ số hồi quy cần xét mức có ý nghĩa.
Bảng 3.2. Giải thích các biến trong mô hình
Tên biến Giải thích nội dung biến Nguồn số liệu Kỳ vọng dấu
BIẾN PHỤ THUỘC
LnBDG BDG: Biến động giá (Đơn vị tính: %)
Tổng cục thống kê và tổng hợp BIẾN ĐỘC LẬP LnM2 M2: Cung tiền (ĐVT: %) NHNN (+) LnTDNH TDNH:Tín dụng Ngân Hàng (ĐVT:%) NHNN (+) LnLSCK LSCK: Lãi suất Chiết Khấu (ĐVT: %) NHNN (+)
LnTTGD TTGD: Thị trƣờng giao dịch nhà đất (Theo tỷ trọng vốn hóa thị trƣờng %) Tổng hợp thị trƣờng BĐS (+) LnLP LP: Lạm phát (ĐVT: %) Tổng cục thống kê (+) LnGV GV: Giá vàng (ĐVT: Triệu. đ/lƣợng) Tổng cục thống kê (+)
(Nguồn: Tác giả tổng hợp từ lý thuyết)