Bài viết “CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN THỊ TRƯỜNG BĐS CẦN BIẾT” của Smartland

Bài 2.3 Tham khảo từ Fulbright)

7. Bài viết “CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN THỊ TRƯỜNG BĐS CẦN BIẾT” của Smartland

https://smartland.vn/cac-yeu-to-anh-huong-den-thi-truong-bds-nha-dau-tu- can-biet/

Trong bài viết này, tác giả đã liệt kê được nhiều nhóm yếu tố ảnh hưởng đến thị trường BĐS bao gồm:

- Yếu tố tự nhiên: Vị trí BĐS (*), diện tích kích thước BĐS (**), địa hình xây dựng, thiết kế của sản phẩm (*****), các tiện lợi và rủi ro tự nhiên, tình trạng môi trường.

(Giải thích cho những yếu tố có trong bài:

+ Vị trí BĐS (*): vị trí của một sản phẩm bất động sản quyết định phần lớn giá trị của BĐS đó. Có 2 loại vị trí cho mỗi loại BĐS: vị trí tương đối và vị trí tuyệt đối.

Cả hai đều có vai trò quan trọng trong việc quyết định giá của một sản phẩm BĐS.

+ Diện tích kích thước BĐS (**): một kích thước và diện tích thửa đất tối ưu khi nó thỏa mãn một loại nhu cầu cụ thể của đa số dân cư trong vùng. Ví dụ: tại Hà Nội, với nhu cầu để ở, thì loại kích thước và diện tích tối ưu khi mặt tiền thửa đất từ 4m- 5m và chiều sâu thửa đất là từ 10m-15m.

+ Thiết kế của sản phẩm (*****): một sản phẩm có thiết kế và kiến trúc hợp thời, thị hiếu người mua hơn sẽ dẫn đến giá của BĐS đó cao hơn, dù cho cả hai đều bỏ ra số tiền xây dựng bằng nhau.)

- Yếu tố kinh tế: Khả năng sinh lời của BĐS, hệ thống tiện ích nội ngoại khu.

- Yếu tố thị trường: Tính hữu dụng của BĐS (******), nhu cầu của BĐS trên thị trường.

- Yếu tố pháp lý: Tình trạng pháp lý, quy định về kiến trúc.

- Yếu tố vĩ mô.

- Yếu tố xã hội: (****)(Một khu vực có mật độ dân số đột nhiên tăng cao do tốc độ tăng của dân số cơ học thì giá trị BĐS nơi đó sẽ tăng lên do cân bằng cung-cầu bị phá vỡ. Mặt khác các yếu tố khác trong vùng như: chất lượng dịch vụ y

42

TIEU LUAN MOI download : skknchat123@gmail.com

tế, giáo dục, trình độ dân trí, vấn đề an ninh, tập quán người dân trong vùng cũng có ảnh hưởng đến giá trị của BĐS).

- Yếu tố khác.

b) Bạn kỳ vọng thế nào về dấu và ý nghĩa thống kê của Tổng diện tích sàn (Total_area) đến giá nhà?Giải thích?

Vì thông thường Tổng diện tích sàn (Total_area) sẽ đồng biến với giá nhà, nghĩa là khi tổng diện tích sàn càng lớn, nhà càng rộng thì giá nhà càng cao và ngược lại, tổng diện tích sàn càng bé, nhà càng chật thì giá nhà càng thấp. Bên cạnh đó nếu xét về mức độ thì trong thực tế, tổng diện tích sàn là một trong những yếu tố có tác động lớn nhất đối với giá nhà. Điều này cũng được thể hiện trong các bài nghiên cứu ở câu a), tất cả đều đồng tình rằng Tổng diện tích sàn (Total_area) đồng biến và có tác động mạnh đến giá nhà. Như vậy dấu của hệ số đứng trước Tổng diện tích sàn (Total_area) được kỳ vọng là dương (+) thể hiện mối quan hệ đồng biến giữa Tổng diện tích sàn (Total _area) và giá nhà và hệ số cũng được kỳ vọng là sẽ có ý nghĩa thống kê sau khi kiểm định và có hệ số tương quan khá lớn với biến phụ thuộc là giá nhà.

c) Bạn hãy sử dụng phần mềm Eview (khuyến khích dùng Stata) để chạy mô hình bạn đề xuất trong câu a). Trình bày ngắn gọn cách thực hiện.

Mô hình hồi quy mẫu 1

Y= β1+β2 X2+ β3 X3+β4 X4+β5 X 5+ β6 X6+β7 X7+β8 X8 + ε

Trong đó:

Y là biến phụ thuộc Price

X2 là URBAN_AREA (Khu vực đô thị)

X3 là TOTAL_AREA (Tổng diện tích sàn (m2))

X4 là DISTANCE (Khoảng cách từ nhà đến trung tâm thành phố - CBD (km)) X5 là POPU_DENSITY (Mật độ dân số khu vực (người/km2))

X6 là HOUSING_TYPE (Loại hình nhà ở) X7 là FUNCTION (Chức năng)

X8 là MONTHLY_EXPENDITURE (Chi tiêu hàng tháng (triệu VND)) Thực hiện chạy mô hình với phần mềm Eview:

- Bước 1: Mở file dữ liệu trên phần mềm Eviews 8 - Bước 2: Chọn Predefined range với dữ liệu là Data - Bước 3: Chọn Header lines là 1

- Bước 4: Chọn finish

- Bước 5: Nhập lệnh: “LS PRICE URBAN_AREA TOTAL_AREA DISTANCE POPU_DENSITY HOUSING_TYPE FUNCTION MONTHLY_EXPENDITURE C”

- Bước 6: Nhấn Enter và chạy kết quả

43

TIEU LUAN MOI download : skknchat123@gmail.com

Nhóm 3_Bài tập chương 2

d) Từ kết quả của câu c, bạn hãy viết phương trình hồi quy. Dấu của hệ số ước lượng quan sát được có đúng kỳ vọng của bạn hay không? Giải thích lý do.

Từ kết quả của câu c, ta có phương trình hồi quy:

Y^

= 29.94-83.44X2+31,08X3-38,87X 4+0,01X5-255.7X6+736.02X7 +43.06 X8

Dấu của hệ số ước lượng quan sát đúng như kỳ vọng và phù hợp với các kết quả nghiên cứu ở trên. Cụ thể:

- Biến URBAN_AREA mang dấu (-) thể hiện mối quan hệ nghịch biến giữa loại đô thị và giá nhà, theo đó cấp đô thị càng nhỏ (đô thị loại 1,2,3,4,5) thì mức sống càng cao, do đó giá nhà sẽ càng cao và ngược lại. Ví dụ thực tế như ở nước ta thì 5 thành phố trực thuộc trung ương đều xếp từ đô thị loại 1 trở lên nên giá nhà cao hơn so với các thành phố trực thuộc tỉnh khác.

- Biến TOTAL_AREA mang dấu (+) thể hiện mối quan hệ đồng biến giữa tổng diện tích sàn và giá nhà, theo đó tổng diện tích sàn càng lớn nghĩa là nhà và sân vườn càng rộng thì giá nhà càng cao và ngược lại. Điều này ta có thể dễ dàng quan sát và thấy được trong thực tế.

- Biến DISTANCE mang dấu (-) thể hiện mối quan hệ nghịch biến giữa khoảng cách từ nhà đến trung tâm thành phố và giá nhà, theo đó càng gần trung tâm thành phố thì giá nhà càng cao và ngược lại. Ví dụ thực tế như trong TPHCM thì giá nhà ở Quận 1, Quận 3 cao hơn hẳn so với giá nhà ở Phú Nhuận, Nhà Bè.

- Biến POPU_DENSITY mang dấu (+) thể hiện mối quan hệ đồng biến giữa mật độ dân số và giá nhà, theo đó mật độ dân số càng đông thì giá nhà càng cao và ngược lại. Ví dụ như giá nhà ở TPHCM cao hơn giá nhà ở các tỉnh miền núi phía Bắc.

44

TIEU LUAN MOI download : skknchat123@gmail.com

- Biến HOUSING_TYPE mang dấu (-) thể hiện mối quan hệ nghịch biến giữa loại hình nhà và giá nhà, theo đó cấp nhà càng nhỏ thì giá nhà sẽ càng cao và ngược lại. Ví dụ như ở biệt thự sẽ có giá cao hơn ở chung cư.

- Biến FUNCTION mang dấu (+) thể hiện mối quan hệ đồng biến giữa chức năng và giá nhà, theo đó cấp chức năng của nhà càng nhỏ (1,2,3) thì giá nhà càng thấp và ngược lại. Như vậy nhà chỉ để ở sẽ có giá rẻ hơn những nhà thuê với mục đích kinh doanh.

- Biến MONTHLY_EXPENDITURE mang dấu (+) thể hiện mối quan hệ đồng biến giữa chi tiêu hàng tháng và giá nhà, theo đó chi tiêu hàng tháng càng nhiều thì giá nhà càng cao và ngược lại.

g) Hệ số đứng trước các biến giải thích có ý nghĩa thống kê hay không ở mức ý nghĩa 5%? Diễn giải ý nghĩa của hệ số ước lượng có ý nghĩa?

Y^

=29.94-83.44X2+31,08X3-38,87X 4+0,01X5-255.7X6+736.02X7 +43.06 X8 (1) Ta có:

n= 651, k=7, ^β2= -83.44; ^β3= 31.08; ^β4= -38.87; ^β5 = 0.01; ^β6= - 255.7; ^β7=736.02, ^β8=43.06;

- se( ^β2) = √❑= 87.76 - se( ^β3) = √❑= 1.72 - se( ^β4) = √❑= 14.07

- se( ^β5) = √❑= 0.006 -se( ^β6) = √❑= 68.15 - se( ^β7) = √❑= 199.7

- se( ^β8) = √❑= 7.41

- Ước lượng khoảng tin cậy của biến giải thích:

β 2∈ ( ^β2 - tnα−

/27. se( ^β2) ; ^β2 + tnα−

/27. se( ^β2) )

β 3∈ ( ^β3 - tnα−

/27. se( ^β3) ; ^β3 + tnα−

/27. se( ^β3) )

β 4∈ ( ^β4 - tnα−/27. se( ^β4) ; ^β4 + tnα−/27. se( ^β4) )

β 5∈ ( ^β5 - tnα−

/27. se( ^β5) ; ^β5 + tnα−

/27. se( ^β5) )

45

TIEU LUAN MOI download : skknchat123@gmail.com

Nhóm 3_Bài tập chương 2

β 6∈ ( ^β6 - tnα−

/27. se( ^β6) ; ^β6 + tnα−

/27. se( ^β6) )

β 7∈ ( ^β7 - tnα−/27. se( ^β7) ; ^β7 + tnα−/27. se( ^β7) )

β 8∈ ( ^

β8 - tnα−/27. se( ^

β8) ; ^

β8 + tnα−/27. se( ^

β8) ) với t6440.05/ 2 = 1.96 Do đó ước lượng khoảng tin cậy của các biến giải thích lần lượt là:

β 2 ∈ ( -225.45; 88.57)

β 3 ∈ ( 27.71; 34.45)

β 4 ∈ ( -66.45; -11.29)

β 5 ∈ ( -0,002; 0.02)

β 6 ∈ ( -389.274; -122.126 )

β 7 ∈ ( 344,608; 1127.432)

β 8 ∈ ( 28.54; 57.58)

Kiểm định các hệ số đứng trước biến giải thích:

● Hệ số đứng trước biến URBAN_AREA

H O: β2=0

H 1: β2≠0

Khoảng tin cậy cho tham số β2 ∈ ( -225.45; 86.57)

Ta thấy β¿2 = 0 thuộc khoảng này. Chấp nhận H0. Vậy hệ số β2 không có ý nghĩa thống kê ở mức ý nghĩa 5%.

● Hệ số đứng trước biến TOTAL_AREA

H O: β3=0

H 1: β3≠0

Khoảng tin cậy cho tham số β3 ∈ ( 27.71; 34.45)

Ta thấy β¿3 = 0 không thuộc khoảng này. Bác bỏ H0. Vậy hệ số β3 có ý nghĩa thống kê ở mức ý nghĩa 5%.

● Hệ số đứng trước biến DISTANCE

H O: β4=0

H 1: β4 ≠0

Khoảng tin cậy cho tham số β4 ∈ ( -66.45; -11.29)

Ta thấy β¿4 = 0 không thuộc khoảng này. Bác bỏ H0. Vậy hệ số β4 có ý nghĩa thống kê ở mức ý nghĩa 5%.

46

TIEU LUAN MOI download : skknchat123@gmail.com

● Hệ số đứng trước biến POPU_DENSITY

H O: β5=0

H 1: β5≠0

Khoảng tin cậy cho tham số β5 ∈ ( -0,002; 0.02)

Ta thấy β¿5 = 0 thuộc khoảng này. Chấp nhận H0. Vậy hệ số β5 không có ý nghĩa thống kê ở mức ý nghĩa 5%.

● Hệ số đứng trước biến HOUSING_TYPE

H O: β6=0

H 1: β6≠0

Khoảng tin cậy cho tham số β6 ∈ ( -389.274; -122.126 )

Ta thấy β¿6 = 0 không thuộc khoảng này. Bác bỏ H0. Vậy hệ số β6 có ý nghĩa thống kê ở mức ý nghĩa 5%.

● Hệ số đứng trước biến FUNCTION

H O: β7=0

H 1: β7≠0

Khoảng tin cậy cho tham số β7 ∈ ( 344.608; 1127.432)

Ta thấy β¿7 = 0 không thuộc khoảng này. Bác bỏ H0. Vậy hệ số β7 có ý nghĩa thống kê ở mức ý nghĩa 5%.

● Hệ số đứng trước biến MONTHLY_EXPENDITURE

H O: β8=0

H 1: β8≠0

Khoảng tin cậy cho tham số β8 ∈ ( 28.54; 57.58) .

Ta thấy β¿8 = 0 không thuộc khoảng này. Bác bỏ H0. Vậy hệ số β8 có ý nghĩa thống kê ở mức ý nghĩa 5%.

Diễn giải ý nghĩa của hệ số ước lượng có ý nghĩa.

- Hệ số β3 đứng trước biến TOTAL_AREA : với điều kiện các yếu tố khác không đổi, khi Tổng diện tích sàn tăng lên 1m2 thì giá nhà trung bình sẽ tăng 1.72 triệu đồng.

- Hệ số β4 đứng trước biến DISTANCE: với điều kiện các yếu tố khác không đổi, khi Khoảng cách từ nhà đến trung tâm thành phố tăng 1km thì giá nhà trung bình sẽ giảm 14.07 triệu đồng.

47

TIEU LUAN MOI download : skknchat123@gmail.com

Nhóm 3_Bài tập chương 2

- Hệ số β6 đứng trước biến HOUSING_TYPE: với điều kiện các yếu tố khác không đổi, khi Loại hình nhà ở tăng lên 1 cấp thì giá nhà trung bình sẽ giảm 68.15 triệu đồng.

- Hệ số β7 đứng trước biến FUNCTION : với điều kiện các yếu tố khác không đổi, khi Chức năng tăng lên 1 cấp thì giá nhà trung bình sẽ tăng 199.7 triệu đồng.

- Hệ số β8 đứng trước biến MONTHLY_EXPENDITURE : với điều kiện các yếu tố khác không đổi, khi Chi tiêu hàng tháng tăng lên 1 triệu đồng thì giá nhà trung bình sẽ tăng 7.41 triệu đồng.

h) R2, R 2 ; của mô hình ước lượng bằng bao nhiêu, giải thích ý nghĩa?

R2 = ESSTSS = 100788790324887870287

= 0,484

Ý nghĩa : Hệ số xác định R2 = 0,485 cho biết sự biến thiên của các biến: Khu vực đô thị, tổng diện tích sàn, khoảng cách từ nhà đến trung tâm thành phố, mật độ dân số của khu vực, loại hình nhà ở, chức năng và chi tiêu hàng tháng giải thích 48.5%

sự biến thiên của giá nhà; 51,6 % còn lại không phải do các biến trong mô hình tác động mà được giải thích bằng các nguyên nhân khác. Tuy nhiên đây là mô hình hồi quy đa biến nên chỉ cần thêm càng nhiều biến vào mô hình thì hệ số xác định R2 lại càng tăng, hệ lụy của vấn đề này đó là người ta thêm mọi biến giải thích có thể nghĩ để đưa vào mô hình. Kết quả là càng thêm thì R2 càng tăng và điều đó khiến cho R2

không còn nhiều ý nghĩa nữa trong mô hình hồi quy đa biến. Vì vậy ta cần có một công cụ nữa để loại bỏ những khuyết điểm này, đó là hệ số xác định điều chỉnh R 2 :

R

2 =1 - (1 - R2)((nn−−1k)) =1 - (1 - 0,484) . 650644 = 0,479

Ý nghĩa : Hệ số xác định điều chỉnh R2 = 0,479 có nghĩa rằng 47,9% sự biến đổi của giá nhà được giải thích chung bởi các biến trong mô hình bao gồm: Khu vực đô thị, tổng diện tích sàn, khoảng cách từ nhà đến trung tâm thành phố, mật độ dân số của khu vực, loại hình nhà ở, chức năng và chi tiêu hàng tháng; 52,1% còn lại không phải do các biến trong mô hình tác động mà được giải thích bằng các nguyên nhân khác. Đại lượng R 2được coi là đại lượng đo lường mức độ phù hợp của mô hình chính xác hơn R2vì nó ngăn chặn được việc thêm các biến giải thích không tốt vào mô hình, bởi vì nếu biến được thêm vào có ý nghĩa thì R 2 mới tăng, nếu không có ý nghĩa thì R 2sẽ không tăng hoặc có thể giảm.

k) Dựa vào kết quả của mô hình hồi quy, theo bạn có mô hình đang gặp vấn đề gì không? Nếu có, bạn có đề xuất cải thiện như thế nào?

48

TIEU LUAN MOI download : skknchat123@gmail.com

Dựa vào kết quả kiểm định của mô hình hồi quy, ta nhận thấy các hệ số β3, β4, β6, β7, β8 ứng với các biến lần lượt là khu vực đô thị, khoảng cách từ nhà đến trung tâm thành phố, loại hình nhà ở, chức năng và chỉ tiêu hàng tháng đều có ý nghĩa thống kê ở mức 5%, nghĩa là các biến độc lập này thực sự ảnh hưởng đến biến phụ thuộc là giá nhà. Tuy nhiên các hệ số β 3 và β5 tương ứng với 2 biến là khu vực đô thị và mật độ dân số lại không có ý nghĩa thống kê ở mức ý nghĩa 5%, nghĩa là các biến độc lập này không ảnh hưởng đến biến phụ thuộc là giá nhà. Do đó mô hình hồi quy ban đầu sẽ được điều chỉnh thành mô hình hồi quy mới với việc loại bỏ hai biến trên.

Ta có mô hình hồi quy sau điều chỉnh:

Y=β1+β2 X2+ β3 X3+β4 X 4+β5X 5+ β6 X6+ε

Trong đó:

+ Y là biến phụ thuộc Price

+ X2 là TOTAL_AREA (Tổng diện tích sàn (m2))

+ X3 là DISTANCE (Khoảng cách từ nhà đến trung tâm thành phố - CBD (km)) + X4 là HOUSING_TYPE (Loại hình nhà ở)

+ X5 là FUNCTION (Chức năng)

+ X6 là MONTHLY_EXPENDITURE (Chi tiêu hàng tháng (triệu VND))

Hàm hồi quy mẫu sau điều chỉnh:

49

TIEU LUAN MOI download : skknchat123@gmail.com

Nhóm 3_Bài tập chương 2

Y^

= 370.24 + 30.86X2- 53.23X3-254.19X 4+753.01X5 +41.62 X6 (2) Ta nghi ngờ sự không cần thiết của hai biến X2 và X5 ở mô hình (1) nên sẽ tiến hành kiểm định Wald cho hai biến này.

Cặp giả thiết cần kiểm định:

H0: β2= β5= 0

H1: ∃ βi ≠0 (i=2,5)

Giá trị kiểm định: F0= (R(

21)−R(2 2))

. (n−k ) = 0.484962−0.481896

. 651−7 = 1.9

(1

2

m 1−0.484962 2

−R

(1))

F α; m;n−k= F0.05 ;2; 644= 3.01

Ta có: F0 < F0.05 ;11;635 nên không bác bỏ H0.

Như vậy giả thuyết H0 không bị bác bỏ đồng nghĩa với việc hai biến β2 và β5

không có ý nghĩa thống kê, do đó mô hình hồi quy sau điều chỉnh được xem là tốt hơn mô hình trước đó.

Khi so sánh hệ số tương quan điều chỉnh R 2 giữa hai mô hình, ta nhận ra rằng mô hình trước khi điều chỉnh và mô hình sau khi điều chỉnh có hệ số tương quan R 2 gần như tương đương nhau (0.478 và 0.479) nên có thể thấy việc thêm hai biến X 2 và X5 gần như không có ý nghĩa, do đó ta sẽ loại hai yếu tố là khu vực đô thị và mật độ dân số ra khỏi những yếu tố có ảnh hưởng đến giá nhà.

Giải thích ý nghĩa thực tế của biến X2 (Khu vực đô thị):

- Ta thấy rằng biến Urban_Area (Khu vực đô thị) là biến định tính nên được mã hóa thành các con số từ 1 đến 5 như sau:

1. Khu vực đô thị hình thành lâu đời 2. Khu vực đô thị quy hoạch cũ 3. Khu vực đô thị quy hoạch mới 4. Khu vực đô thị tự phát

5. Các khu vực đô thị xen giữa các khu vực trên

Như vậy đây là biến định tính nên nếu muốn kiểm tra cụ thể sự khác biệt giữa 5 khu vực, ta phải thực hiện kiểm định cho từng biến giả. Vì số lượng dữ liệu thu thập được là khá lớn dẫn đến việc phân loại và thực hiện kiểm định cho từng biến giả khá tốn thời gian nên ta sẽ dựa vào thực tế để đánh giá.

+ Ở kỳ vọng ban đầu khi cho rằng biến khu vực đô thị có ảnh hưởng đến giá nhà, nhóm dựa trên tiêu chuẩn đánh giá theo mức độ loại đô thị từ 1 đến 5, khi đó ta có thể thấy được mối quan hệ nghịch biến giữa cấp đô thị và giá nhà, cấp đô thị càng nhỏ thì càng hiện đại, mức sống càng cao nên giá nhà cũng sẽ cao hơn.

+ Còn trong dữ liệu trong bài không phải chia theo mức độ mà chia theo một cách khác. Với cách chia này chúng ta sẽ không còn thấy được mối quan hệ

50

TIEU LUAN MOI download : skknchat123@gmail.com

tuyến tính giữa khu vực đô thị và giá nhà nữa, đơn cử như khu vực đô thị quy hoạch mới (3) sẽ có giá nhà cao hơn khu vực đô thị quy hoạch cũ (2) vì sẽ hiện đại và hợp với nhu cầu hiện tại hơn, nhưng khu vực đô thị quy hoạch mới (3) cũng sẽ có giá nhà cao hơn khu vực đô thị tự phát (4), vì những khu vực có quy hoạch sẽ có đầy đủ cơ sở vật chất hạ tầng kỹ thuật hơn. Vì vậy ta thấy ở đây vừa có mối quan hệ đồng biến với giá nhà (từ 2 đến 3), vừa có mối quan hệ nghịch biến với giá nhà (từ 3 đến 4), do đó biến độc lập này không tuyến tính với biến phụ thuộc, không có ý nghĩa giải thích được xu hướng của giá nhà khi con số tăng lên hay giảm đi. => Do đó có thể nhận xét rằng không phải khu vực đô thị không có ảnh hưởng đến giá nhà, mà tùy vào cách mã hóa của dữ liệu, ta phải dựa vào dữ liệu mã hóa để thực hiện kiểm định mới có thể kết luận được.

Giải thích ý nghĩa thực tế của biến X5 (Mật độ dân số):

- Ta thấy rằng biến Popu_density (Mật độ dân số khu vực (người/km2)) là biến định lượng nên không cần phải mã hóa.

+ Ở kỳ vọng ban nhóm đã cho rằng mật độ dân số có ảnh hưởng đến giá nhà bởi vì trong thực tế, mật độ dân số có thể ảnh hưởng đến giá nhà khi nơi đó có sự gia tăng dân số cơ học trong một khoảng thời gian. Bởi khi lúc đó nhu cầu về nhà ở tại nơi ấy tăng trong khi cung đất là không thể thay đổi, người ta không tạo thêm đất được để đáp ứng khi cầu tăng cao như vậy dẫn đến giá nhà sẽ tăng cao hơn so với trước đó. Ta cũng có thể thấy giá nhà ở thành thị thường sẽ cao hơn giá nhà ở nông thôn, như vậy mật độ dân số có thể đồng biến với giá nhà.

+ Tuy nhiên không phải xu hướng đó lúc nào cũng chính xác. Đơn cử chúng ta sẽ so sánh giá nhà ở một khu dân cư bình thường và một khu nhà dành cho giới thượng lưu. Rõ ràng mật độ dân số ở khu dân cư luôn luôn cao hơn nhiều lần so với khu nhà dành cho giới thượng lưu, nhưng giá nhà đất ở khu dành cho giới thượng lưu lại cao hơn rất nhiều lần.

=> Do đó, yếu tố mật độ dân số chưa đủ có ý nghĩa để giải thích giá nhà vì giá nhà có thể biến động mà không tuân theo một quy luật nào của mật độ dân số, việc loại biến này ra khỏi mô hình hồi quy là cần thiết.

l) Hãy thực hiện các kiểm định cần thiết để chọn lựa mô hình tốt nhất sau khi loại các biến không có ý nghĩa?

Hàm hồi quy mẫu sau điều chỉnh:

Y^

= 370.24 + 30.86X2- 53.23X3-254.19X 4+753.01X5 +41.62 X6

Kiểm định sự phù hợp của mô hình sau khi loại các biến không có ý nghĩa với mức ý nghĩa 5%.

51

TIEU LUAN MOI download : skknchat123@gmail.com