tiểu luận kinh tế lượng tác ĐỘNG của các đặc điểm NHÀ ở đến GIÁ NHÀ tại HAI THÀNH PHỐ COTO DE CAZA và DOVE CANYON

LỜI MỞ ĐẦUThị trường bất động sản BĐS là một trong những thị trường quan trọng của nền kinh tế vì liên quan trực tiếp tới một lượng tài sản rất lớn về quy mô, tính chất cũng như giá trịn

TRƯỜNG ĐẠI HỌC NGOẠI THƯƠNG

KHOA KINH TẾ QUỐC TẾ

-*** -TIỂU LUẬN KINH TẾ LƯỢNG

PHÂN TÍCH TÁC ĐỘNG CỦA CÁC ĐẶC ĐIỂM NHÀ Ở ĐẾN GIÁ NHÀ TẠI HAI THÀNH PHỐ

COTO DE CAZA VÀ DOVE CANYON

Nhóm sinh viên thực hiện :

Nguyễn Tùng Linh 1611110353

Nguyễn Thu Trang 1611110607

Hà Nội, tháng 6 năm 2018

Đánh giá thành viên

Mục lục

LỜI MỞ ĐẦU 4

I Phần I: Cơ sở lý thuyết: 6

1 Mô hình Hedonic 6

2 Mô hình nghiên cứu 8

3 Số liệu và đo lường các biến: 9

II PHẦN II: NỘI DUNG 10

1 Mô hình nghiên cứu 10

2 Dữ liệu nghiên cứu 10

3 Kết quả ước lượng OLS: 12

3.1 Ý nghĩa của hệ số hồi qui riêng phần 14

3.2 Khoảng tin cậy của các tham số 15

3.3 Kiểm định 16

3.3.1 Kiểm định hệ số hồi quy (Phương pháp p-value) 16

3.3.2 Kiểm định sự phù hợp của mô hình 17

3.3.3 Kiểm định vi phạm giả thiết 18

3.3.3.1 Kiểm định Bỏ sót biến 18

3.3.3.2 Vấn đề đa cộng tuyến 19

3.3.3.3 Phương sai sai số thay đổi 22

3.3.3.4 Phân phối chuẩn của nhiễu 25

3.3.3.5 Tự tương quan 25

3.3.4 Kết quả tóm tắt và một số phương hướng khắc phục khuyết tật 25

DANH MỤC TÀI LIỆU THAM KHẢO 29

LỜI MỞ ĐẦU

Thị trường bất động sản (BĐS) là một trong những thị trường quan trọng của nền kinh tế

vì liên quan trực tiếp tới một lượng tài sản rất lớn về quy mô, tính chất cũng như giá trịnhiều mặt trong nền kinh tế quốc dân

Là cường quốc số một thế giới, thị trường bất động sản Mỹ luôn có sức hút đặc biệtđối với các nhà đầu tư không chỉ trong mà còn cả ngoài nước, được đánh giá là tăngtrưởng ổn định ( 5 -7%/ năm) , ít biến động Điều này hoàn toàn được lý giải là bởi thịtrường bất động sản ở Mỹ được hỗ trợ với pháp lý minh bạch, chính sách an toàn, đồng

đô la Mỹ (USD) liên tục tăng trong những năm qua; tính thanh khoản cao, dễ mua, dễ bán

và dễ cho thuê;… Nói đến nhà đất Mỹ, không thể không kể đến những trung tâm bấtđộng sản sầm uất bậc nhất như New York, San Francisoco, Las Vegas với những cái giátrên trời Bên cạnh đó, các nhà đầu tư cũng đang hướng sự chú ý của mình vào nhữngthành phố nhỏ, lẻ nhưng lại sở hữu nhiều giá trị tiềm ẩn về bất động sản như Coto deCaza (hạt Orange); Dove Canyon (bang California), nơi được các hộ gia đình lựa chọn đểđịnh cư lâu dài Có thể nói, việc chuyển hướng sang các thị trường nhỏ lẻ như vậy chứanhiều yếu tố rủi ro nhưng lại mở ra nhiều cơ hội mới mẻ hơn cho các nhà đầu tư

“ An cư “ thì mới lạc nghiệp”, nhu cầu nhà ở nơi các gia đình mong muốn sẽ sinhsống lâu dài ngày càng gia tăng Giá nhà ở vì thế cũng phụ thuộc vào rất nhiều yếu tố Nhưng đặc biệt đối với thị trường Coto de Caza và Dove Canyon chúng ta chỉ cần quantâm đến những yếu tố liên quan đến cơ sở vật chất, nội thất, kiến trúc, của ngôi nhà Tìnhtrạng cơ sở vật chất khác nhau nghĩa là hai ngôi nhà sẽ có giá trị khác nhau, từ đó suy ragiá trị của chúng trên thị trường là khác nhau Xuất phát từ thực tế khách quan,và nhu cầucấp thiết đó, nhóm chúng em quyết định chọn đề tài nghiên cứu TÁC ĐỘNG CỦA CÁCĐẶC ĐIỂM NHÀ Ở ĐẾN GIÁ NHÀ TẠI HAI THÀNH PHỐ COTO DE CAZA VÀDOVE CANYON, tiến hành khảo sát mô hình hồi quy để tìm ra sự phụ thuộc của giá nhàđến các

yếu tố cấu trúc và môi trường xung quanh nhằm tìm ra giải pháp giúp người bán và chothuê đạt được mục tiêu lợi nhuận, giúp người mua năm bắt được thông tin giá cả kịp thời.

I Phần I: Cơ sở lý thuyết:

Mô hình Hedonic dựa trên lý thuyết người tiêu dùng của Lancaster (1966) Kể từ khi Rosen (1974) mở rộng lý thuyết này ra thị trường nhà ở, mô hình Hedonic đã được ứng dụng rộng rãi như là một công cụ để đánh giá thị trường BĐS và phân tích đô thị Rosen(1974) đã đưa ra cách xử lý toàn diện đối với giá ẩn hay giá thụ hưởng Lý thuyết giá ẩn

đã tạo ra một vấn đề trong kinh tế học cân bằng không gian, giúp định hướng người tiêudùng cũng như người sản xuất đưa ra các quyết định về vị trí liên quan đến các đặc điểmkhông gian

Phương pháp định giá Hedonic được định nghĩa là kỹ thuật phân tích hồi quy được

sử dụng để xác định giá trị của những thuộc tính liên quan đến hàng hóa trên thị

trường trong các giai đoạn cụ thể Những thuộc tính có thể đo lường được như kích cỡ,tốc độ, trọng lượng,…sẽ ảnh hưởng đến giá trị của hàng hóa Theo Griliches (1971), phương pháp Hedonic dựa trên cơ sở: giá của một hàng hóa không đồng nhất có thể được xác định thông qua những thuộc tính liên quan đến hàng hóa đó

Vì thế, hàm hồi quy Hedonic có dạng: pi = h(ci),

• Pi là giá của hàng hóa

• Ci là vector của các đặc tính liên quan đến hàng hóa

Mô hình Hedonic được dựa trên lý thuyết người tiêu dùng của Lancaster (1966) Kể từkhi Rosen (1974) mở rộng lý thuyết này ra thị trường nhà ở, mô hình Hedonic đã đượcứng dụng rộng rãi như là một công cụ để đánh giá thị trường BĐS và phân tích đô thị.Rosen (1974) đã đưa ra cách xử lý toàn diện đối với giá ẩn hay giá thụ hưởng Lý thuyếtgiá ẩn đã tạo ra một vấn đề trong kinh tế học cân bằng không gian, giúp định hướngngười tiêu dùng cũng như người sản xuất đưa ra các quyết định về vị trí liên quan đến cácđặc điểm không gian

Cả hai hướng tiếp cận đều nhằm mục tiêu ước tính giá trị và số lượng thuộc tính dựatrên những sản phẩm khác nhau được đưa vào quan sát Lancaster đã xây dựng nền tảng

lý thuyết cho mô hình Hedonic: sự thỏa dụng của người tiêu dùng có được từ những đặctính của sản phẩm, chứ không phải trực tiếp từ sản phẩm đó Hiện nay, phương pháp địnhgiá Hedonic được áp dụng rộng rãi tại các quốc gia phát triển.Theo Malpezzi (2003),trong quá trình phát triển, thị trường nhà ở là một trong ứng dụng rộng rãi của mô hìnhđịnh giá Hedonic, vì nhà ở là hàng hóa không đồng nhất; đồng thời nhu cầu của ngườitiêu thụ cũng không đồng nhất

Thật vậy, một căn hộ gồm nhiều đặc điểm riêng biệt về diện tích, chất lượng, vị trí,…Mỗi căn nhà có một vị trí nhất định, thời gian xây dựng khác nhau, có diện tích khácnhau Bên cạnh đó, mức độ thỏa dụng của người mua khác nhau, định giá căn hộcũngkhác nhau Một căn hộ có cùng một nhóm đặc điểm được định giá khác nhau theotừng người mua Việc định giá vì thế cũng trở nên khó khăn Từ đó, phương phápHedonic được sử dụng phổ biến vì nó ước tính được giá trị của các đặc điểm riêng lẻ cấuthành nên giá trị chung của cả căn hộ Theo nghiên cứu ứng dụng mô hình Hedonic trongthị trường nhà ở của Thibodeau và Malpezzi (1980), phương pháp định giá Hedonic làmột mô hình hồi quy của giá trị hoặc giá thuê căn hộ dựa trên những đặc tính liên quanđến căn hộ Trong đó, từng biến độc lập đại diện cho từng đặc điểm riêng biệt và các hệ

số trong kết quả của mô hình là giá tiềm ẩn của những đặc điểm này Mô hình hồi quycủa giá thuê nhà hoặc giá trị căn hộ có dạng như sau:

R = f (S, N, L, C, T),

Trong đó: R là giá thuê hoặc giá trị căn hộ; S là những đặc điểm thuộc cấu trúc; N làđặc điểm thuộc môi trường xung quanh; L là vị trí; C là đặc điểm về hợp đồng giao dịch

và T là thời hạn căn hộ được quan sát

Lợi thế của mô hình Hodenic là tính linh hoạt, có thể sử dụng ngay được các dữ liệu giaodịch đang diễn ra và dữ liệu về đặc tính của một bất động sản có thể khai thác từ rất nhiều

nguồn khác nhau Kết quả của phương pháp này là cho kết quả đáng tin cậy trong việcxác định giá trị cho một bất động sản Ngoài ra mô hình Hodenic còn giúp chúng ta dựđoán được bong bóng cục bộ của thị trường bất động sản khi giá trị giao dịch của khu vực

đó cao hơn nhiều so với giá trị tính toán cho bởi mô hình Khi xây dựng và đánh giá sai

số của mô hình, chúng ta cũng có thể lựa chọn được đặc trưng ảnh hưởng nhiều đến giáđất trên quan điểm ít đặc tính nhất và sai số nhỏ nhất

Nội dung của bài tiểu luận sẽ đi nghiên cứu sự ảnh hưởng giá nhà theo các yếu tố sau:

- Những đặc điểm thuộc cấu trúc:

Ln(Sqft): Diện tích của ngôi nhà lấy theo logarit

Bedrms: Số phòng ngủ

Baths: Số phòng tắm

Garage: Số chỗ để xe ô tô

Age: Tuổi của nhà

- Những đặc điểm thuộc môi trường xung quanh ngôi nhà:

City: Vị trí nhà ở thành phố nào

Khi đưa vào mô hình hồi quy kinh tế lượng, biến SalePric là biến phụ thuộc, còncác biến Sqft, Bedrms, Baths, Garage, Age, City là biến độc lập Ta xét mô hình hồi quykinh tế:

SalePr= β1 + β2 Sqft + β3 Bedrms + β4 Baths + β5 Garage + 6Age + 7City + Ui

Dự đoán dấu của các hệ số dựa vào lý thuyết /kinh nghiệm thực tế: Do theo lý thuyếttrong các ngành khác cũng như trong thực tế, ta thấy diện tích nhà tác động cùng chiềuvới giá nhà, tức là diện tích nhà càng lớn thì diện tích nhà càng có xu hướng tăng Vì thế

β2 mang dấu (+) Tương tự với các biến số phòng ngủ, số phòng tắm, số chỗ để ô tô cànglớn thì giá nhà càng có xu hướng tăng Vì thế β3, β4, β5 đều mang dấu (+) Ngược lại, tuổicủa nhà, tuổi của thành phố càng tăng, thì người mua nhà sẽ cảm thấy chất lượng ngôinhà sẽ bị giảm đi, vì thế biến tuổi của nhà và tuổi của thành phố có tác động ngược chiềuvới giá nhà và 6, 7 mang dấu (-)

- Số liệu lấy từ phần mềm Gretl, ở bộ Ramanathan, data 7-24 Sale price and

characteristics of homes

- Số quan sát : 224

- Salepric: Giá nhà ở (Nghìn đô la ( $) )

- Sqft: Diện tích của ngôi nhà (feet vuông)

- Bedrms: Số phòng ngủ (phòng)

- Baths: Số phòng tắm (phòng)

- Garage: Số chỗ để xe ô tô (chỗ)

- Age: Tuổi của nhà (tuổi)

- City: = 0: Nhà ở Dove Canyon, = 1: Nhà ở Coto de Caza

II PHẦN II: NỘI DUNG

* Mô hình toán kinh tế:

*Mô hình kinh tế lượng:

 Diện tích của nhà ở thuộc 2 thành phố này rất đa dạng, căn nhỏ nhất là 2583 feetvuông, căn lớn nhất 11000 feet vuông, và diện tích trung bình đo lường được là

4025 feet vuông

 Về tiện ích bên trong: số phòng tắm từ 2,5 đến 8 phòng/ 1 căn, số phòng ngủ từ

2-7 phòng/ căn, khả năng chứa của gara từ 2-2-7 chiếc ô tô

 Nhà ở của hai thành phố này tương đối mới, độ tuổi trung bình của nhà ở là 5,4732năm, trong đó cũng có những ngôi nhà khá lâu như 19 năm

 Nhà ở phân bố khá đều giữa hai thành phố Coto de Cara và Dove Canyon

( trung bình giữa hai thành phố là 0,52679)

BẢNG 2: Bảng mô tả tương quan

Correlation coefficients, using the observations 1 - 2245% critical value (two-tailed) = 0.1311 for n = 224

Nhận xét:

 Tương quan giữa các biến sqft, bedrms, baths, garage, age, city và biến salepric:

 r(salepric,sqft) = 0,9193 : mức độ tương quan rất cao, tương quan cùng chiều

 r(salepric,bedrms) = 0,5234 : Mức độ tương quan trung bình, tương quan cùngchiều

 r(salepric,baths) = 0,6982 : Mức độ tương quan cao, tương quan cùng chiều

 r(salepric,garage) = 0,6536 : Mức độ tương quan cao, tương quan cùng chiều

 r(salepric,age) = 0,0900 : mức độ tương quan rất thấp, tương quan cùng chiều

 r(salepric,city) = 0,5033 : mức độ tương quan trung bình, tương quan cùng chiều

Từ kết quả trên có thể kỳ vọng rằng yếu tố diện tích ( sqft) là yếu tố có ảnh hưởng cùng chiều và lớn nhất đến giá nhà Trong khi đó, yếu tố tuổi của nhà (age) lại khôngthực sự ảnh hưởng nhiều đến giá nhà

 Tương quan giữa các biến sqft, bedrms, baths, garage, age, city với nhau:

 r(sqft, bedrms) = 0,5972 : Mức độ tương quan trung bình, tương quan cùng chiều

 r(sqft, baths) = 0,7397 : Mức độ tương quan cao, tương quan cùng chiều

 r(bedrms, garage) = 0,4268 : Mức độ tương quan trung bình, tương quan

cùng chiều

 r(bedrms, age) = -0,2126 : Mức độ tương quan thấp, tương quan ngược chiều

 r(baths,age) = -0,2144: Mức độ tương quan thấp, tương quan ngược chiều

 r(baths, city) = 0,2660 : Mức độ tương quan thấp, tương quan cùng chiều

Từ kết quả trên có thể kỳ vọng rằng yếu tố diện tích (sqft) có ảnh hưởng lớn đến số phòng tắm (baths) và số phòng ngủ ( bedrms) trong khi đó yếu tố tuổi của nhà (age) và

số phòng ngủ (bedrms) ảnh hưởng ít đến nhau và là ảnh hưởng là ngược chiều

BẢNG 3: Kết quả ước lượng

12

Model 1: OLS, using observations 1-224

Dependent variable: salepric

Coefficient Std Error t-ratio p-value

Mean dependent var 642,9294 S.D dependent var 371,3762

Nguồn: : Nhóm tác giả tự nghiên cứu tổng hợp với sự hỗ trợ của phần mềm Gretl

Dựa vào kết quả ước lượng từ bảng trên ta thu được:

Mô hình cho thấy: diện tích của ngôi nhà, số phòng ngủ, số phòng tắm, số chỗ đỗ xe ô

tô, tuổi của ngôi nhà đều có tác động đến giá nhà ở

Hệ số xác định R2 = 0.885372 cho ta biết rằng 88,5372% sự thay đổi của giá nhà là doảnh hưởng của các yếu tố diện tích, số phòng ngủ, số phòng tắm, số chỗ để xe oto, tuổicủa nhà và vị trí của nhà (thành phố nào) Còn lại 11,4628% sự thay đổi của giá nhà là docác yếu tố khác (như hướng nhà, số mặt tiền,…)

3.1 Ý nghĩa của hệ số hồi qui riêng phần

của nhà bằng 0 ở thành phố Dove Canyon thì giá nhà trung bình là-698,069 nghìn$

Tuy nhiên hệ số này là vô nghĩa vì trong thực tế diện tích nhà ở, số

phòng ngủ, số nhà tắm, số chỗ để xe ô tô, số tuổi của nhà không thểđồng thời bằng 0 ở thành phố Dove Canyon

β 2 = 0,222893 Nếu diện tích nhà ở tăng 1 đơn vị (feet vuông) và các yếu tố khác

không đổi thì giá nhà trung bình tăng 0,222893 nghìn$

β 3 = -21,7851 Nếu số phòng ngủ tăng 1 phòng và các yếu tố khác không đổi thì giá

β 7 = 87,8474 Với các yếu tố khác như nhau, chênh lệch giữa giá nhà trung bình ở

thành phố Coto de Caza và giá nhà trung bình ở thành phố DoveCanyon là 87,8474 nghìn$

Ước lượng phương sai của nhiễu

 V y s ậ ự biế độ ggi n n á tr ị củabiế n p hụ

t u h ộcgi á n à o h đ bằ g hươ g aid c c n p n s o á

̂̂ 2

= 16246,7189

yếu tố ngẫu nhiên gây ra là δ

3.2 Khoảng tin cậy của các tham số

3.3.1 Kiểm định hệ số hồi quy (Phương pháp p-value)

Giả thuyết: { H 0 : β i = 0 với mức ý nghĩa α = 5%

H1: βi ≠ 0

Sử dụng p-value: - Nếu p-value < α = 5% thì bác bỏ giả thiết H 0

- Nếu p-value > α = 5% thì không bác bỏ giả thiết H 0

16

Bảng kiểm định hệ số hồi quy

Số phòng β3 0,1562 > α Không có ý Số phòng ngủ của ngôi nhà

Số phòng β4 0,6603 > α Không có ý Số phòng tắm của ngôi nhà

5

1,46e-09 < α Có ý nghĩa Số chỗ để xe oto có ảnh hưởng

6

1,9045 > α Không có ý Tuổi của ngôi nhà không ảnh

Thành phố β7 1,60e-05 < α Có ý nghĩa Có sự chênh lệch giá giữa giá

thống kê nhà ở thành phố Coto de Caza

và giá nhà ở thành phố DoveCanyon

Nhận xét: Dựa vào giá trị thống kê này ta có thể kết luận rằng các hệ số hồi quy của cácbiến diện tích nhà ở, số chỗ để xe ô tô và thành phố có ý nghĩa thống kê với mức ý nghĩa

α = 5% Hay nói cách khác các biến này có ảnh hưởng đến giá nhà

3.3.2 Kiểm định sự phù hợp của mô hình

Kiểm định này nhằm xem xét trường hợp các tham số của biến độc lập β i đồng thời xảy ra bằng 0 có xảy ra không.

- Mức độ phù hợp ( biến độc lập giải thích được bao nhiêu % biến phụ thuộc)

Ta có R2 = 0,885372

 Mức độ phù hợp của mô hình hồi quy là 88,5372% (mô hình lý thuyết phản ánh được 88,5372% thực tế)

- Kiểm định mức độ phù hợp của mô hình ( kiểm định hệ số góc bằng 0)

- Kiểm định F: kiểm định cặp giả thuyết sau

{ H 0 :β 2 = β 3 =β 4 =β 5 =β 6 =β 7 =0 H 1 : Có ít nhất một trong các hệ số khác 0

Ta có F qs = (1−R 2 )(k−1)= (1−0,885372)(7−1)0,885372(224−7)=297,3467 > F (6;217)

Kết luận: Bác bỏ H0, Mô hình phù hợp

3.3.3 Kiểm định vi phạm giả thiết

3.3.3.1 Kiểm định Bỏ sót biến

 Kiểm định Ramsey RESET:

Xét mô hình hồi quy gốc

Xét mô hình hồi quy phụ:

++ α 2 sqft + α 3 be drms + α4 baths + α5garage + α 6age + α 7city + α 8Y

Kiểm định cặp gải thuyết sau:

H : Mô hình không bỏ sót biến: α = α = 0

Ramsey’s RESET Test

18

R(n−k)