CÁC YẾU TỐ TÁC ĐỘNG ĐẾN GIÁ NHÀ Ở VIỆT NAM

1. GIỚI THIỆU VẤN ĐỀ CẦN NGHIÊN CỨU

1.1 Lý do và vấn đề
Trong bối cảnh tăng trưởng kinh tế và sự phát triển đô thị nhanh chóng ở Việt
Nam, nhu cầu nhà ở ngày càng tăng cao, đặc biệt là ở các khu đô thị. Tuy nhiên, thị
trường bất động sản Việt Nam hiện nay lại đối mặt với số lượng giao dịch bất động
sản giảm mạnh. Việc định giá nhà ở là một vấn đề quan trọng trong lĩnh vực bất động
sản, và hiểu rõ những yếu tố tác động đến giá nhà là rất cần thiết. Việc giá nhà biến
động có thể phụ thuộc vào nhiều yếu tố khác nhau, nhưng những yếu tố cơ bản nhất có
thể xét đến như vị trí bất động sản, loại bất động sản hay thời gian bất động sản đó tiếp
cận đến các tiện ích,... Xuất phát từ vấn đề đó, nhóm lựa chọn nghiên cứu đề tài: “Các
yếu tố tác động đến giá nhà ở Việt Nam” nhằm xác định và phân tích được những
yếu tố chủ yếu nào tác động đến giá mua nhà. Dựa trên điều đó, đưa ra một số gợi ý về
các chiến lược tiếp thị và phát triển nhà ở phù hợp hơn, cung cấp nhà ở đáp ứng nhu
cầu của nhiều nhóm người khác nhau.

1.2 Mục tiêu nghiên cứu

Nghiên cứu này nhằm xác định và phân tích những yếu tố chủ yếu tác động đến
giá nhà ở Việt Nam. Bằng cách tìm hiểu và phân tích các yếu tố này, nghiên cứu cung
cấp thông tin hữu ích cho các nhà phát triển và nhà đầu tư bất động sản, giúp họ hiểu
rõ hơn về yếu tố tác động đến giá nhà và áp dụng các chiến lược tiếp thị và phát triển
nhà ở phù hợp; và cung cấp thông tin hữu ích cho người mua nhà có cái nhìn tổng
quan hơn về các yếu tố tác động đến giá nhà, từ đó đưa ra quyết định lựa chọn mua
nhà phù hợp với nhu cầu.

2. CƠ SỞ LÝ THUYẾT
2.1 Một số nghiên cứu về đề tài mà nhóm định nghiên cứu
Nghiên cứu của Opuku & Muhmin (2010) đã chỉ ra những đặc điểm về nhà ở và
các yếu tố liên quan là một trong những tác động vô cùng quan trọng ảnh hưởng đến
quyết định của người mua nhà. Đặc điểm của nhà ở có thể xét ở 5 mặt: Diện tích,
Thiết kế, Chất lượng xây dựng, Khả năng bán lại, Tính pháp lý. Ngoài ra, nó còn gắn
liền với những yếu tố đáp ứng các nhu cầu về mặt vật chất và tinh thần trong cuộc
sống hằng ngày như: Các hệ thống điện, nước, vệ sinh, điều hoà nhiệt độ, thông tin
liên lạc... Chất lượng những tiện nghi này càng tốt thì giá thành của căn nhà càng cao.
Nghiên cứu “The impact of location on housing prices: applying the Artificial Neural
Network Model as an analytical tool” của Laura Fernandez-Duran và các cộng sự chỉ ra rằng
những bất động sản tọa lạc tại trung tâm đô thị hay một vùng nào đó sẽ có giá trị lớn
hơn những bất động sản cùng loại nằm ở các ven vùng trung tâm, tức giá nhà thấp hơn
khi càng xa trung tâm hơn.
 Theo Tan (2012) thì những yếu tố môi trường xung quanh như vấn đề an ninh,
ô nhiễm khí hậu, môi trường, trật tự an ninh xã hội đều nằm trong phạm vi tốt thì sẽ
nhận được sự hài lòng cao từ khách hàng. Giá nhà tại một khu vực sẽ có xu hướng
tăng lên khi mà mật độ dân số nơi đó đột nhiên tăng cao do tốc độ cơ học của dân số
(sự chênh lệch giữa số người xuất cư và nhập cư) tăng. Ngoài ra, các yếu tố khác trong
vùng như chất lượng dịch vụ y tế, giáo dục, trình độ dân trí, vấn đề an ninh và tập
quán người dân trong khu vực cũng ảnh hưởng đến giá cả của căn nhà.
Nghiên cứu của Wen (2005) sử dụng phương pháp phân tích của HPM trên thị
trường nhà ở tại Hàn Châu, Trung Quốc và dựa trên 290 nhà ở được khảo sát cho thấy
diện tích sàn, mức độ trang trí, tầng nhà ở, nhà để xe, tầng áp mái, môi trường, cộng
đồng quản lý, cơ sở vui chơi giải trí, điều kiện giao thông, thời gian giao dịch là những
tiêu chí có ảnh hưởng quan trọng đến giá nhà ở.
Kết quả nghiên cứu của Bajari và Kahn (2007) sử dụng mô hình HPM dựa trên
nguồn dữ liệu về nhà ở tại thành phố Los Angeles từ năm 2000 đến 2003 cho thấy
người dân sẵn lòng trả mức giá cao để tránh đi lại xa hơn, ngược lại một mức giá thấp
người dân sẵn lòng trả để có một mảnh đất hoặc ngôi nhà lớn hơn.

III. PHƯƠNG PHÁP NGHIÊN CỨU

3.1 Mô hình kinh tế:

Đề tài sử dụng phương pháp phân tích Hedonic Price Model (HPM) - mô hình
giá thụ hưởng để xây dựng hàm hồi quy giá nhà ở.
Mô hình chịu sự phụ thuộc của 7 biến số độc lập cơ bản bao gồm: Giá trị đất,
Chi phí hoàn thành ngôi nhà, Loại nhà, Tổng diện tích ở, Thời gian đi đến nơi làm
việc, Thời gian đi đến cơ sở y tế gần nhất, Thời gian đi đến trường.
Một số nghiên cứu đã sử dụng mô hình Hehodic Price Model :
l. Megbolugbe, Isaac F. (1989). “A Hedonic Index Model: The Housing Market of
Jos, Nigeria,”Urban Studies 26, 486–494.
2. Bajic, Vladimir. (1983). “The Effects of a New Subway Line on Housing Prices in
Metropolitan Toronto,”Urban Studies 147–158.
3. Selim, S. (2008). Determinants of house prices in Turkey: A hedonic regression
model. Doğuş Üniversitesi Dergisi, 9(1), 65-76.
4. Selim, H. (2009). Determinants of house prices in Turkey: Hedonic regression
versus artificial neural network. Expert Systems with Applications, 36(2),
2843–2852. doi:10.1016/j.eswa.2008.01.044
5. Oktay, E., Karaaslan, A., Alkan, Ö., & Çelik, A. K. (2014). Determinants of
housing demand in the Erzurum province, Turkey. International Journal of
Housing Markets and Analysis.
 Điểm mạnh của mô hình Hedonic Price Model (HPM) là thường được dùng để
đánh giá các dịch vụ môi trường mà sự hiện diện của nó ảnh hưởng trực tiếp đến một
số giá thị trường nào đó. Theo một cách tổng quát, giá của một ngôi nhà (có thể bao
gồm cả các vật liệu trong ngôi nhà) trong mô hình Hedonic phụ thuộc vào các đặc
trưng của ngôi nhà như vị trí so với trung tâm, gần đường, gần các khu tiện ích và giá
trị của các công trình trong ngôi nhà đó như diện tích nhà, số phòng ngủ, số tầng,...
Mục tiêu của mô hình là xác định được biến động về giá của miếng đất dựa vào những
đặc trưng nói trên.

3.2 Mô hình hồi quy:

THỜI GIAN ĐI ĐẾN TỔNG DIỆN TÍCH

CƠ SỞ Y TẾ GẦN Ở

THỜI GIAN ĐI ĐẾN GIÁ NGÔI NHÀ THUỘC

NƠI LÀM VIỆC NHÀ Ở LOẠI NÀO

THỜI GIAN ĐI ĐẾN

GIÁ TRỊ ĐẤT
TRƯỜNG HỌC
CHI PHÍ HOÀN
THÀNH NGÔI
NHÀ
Để kiểm tra ảnh hưởng của các biến độc lập lên biến phụ thuộc, bài viết vận
dụng cơ sở lý thuyết và đề xuất dạng mô hình toán nghiên cứu như sau:
gno = β0 + β1.tgyt+ β2.tglv + β3.tgth + β4.dto + β5.ln + β6.gtd + β7.cpht

- Mô tả biến số, cách đo lường, đơn vị:

STT Tên biến Mô tả Đơn vị

Biến phụ thuộc

1 gno Giá nhà ở Triệu đồng

Biến độc lập

2 tgyt Thời gian đi đến cơ sở y tế gần nhất Phút

3 tglv Thời gian đi đến nơi làm việc Phút

 4 tgth Thời gian đi đến trường học Phút
5 dto Tổng diện tích ở m2

6 ln Ngôi nhà chính thuộc loại nhà nào:

1 = Nhà kiểu biệt thự
2 = Nhà kiên cố khép kín
3 = Nhà kiên cố không khép kín
4 = Nhà bán kiên cố
5 = Nhà tạm và khác

7 gtd Giá trị đất Triệu đồng

8 cpht Chi phí hoàn thành ngôi nhà Triệu đồng

Bảng
3.3 Nguồn dữ liệu mà nhóm định sử dụng:
Dữ liệu cho bài nghiên cứu sẽ được lấy từ MUC2V, MUC2X, MUC3A, MUC4A và
MUC7 trong bộ dữ liệu VHLSS 2018 (Household Living Standards Survey) được thu
thập từ cuộc điều tra về mức sống của hộ gia đình ở Việt Nam do GSO - Tổng cục
Thống kê quốc gia Việt Nam thực hiện cứ mỗi hai năm một lần. Mục đích của khảo
sát mức sống nhằm theo dõi và giám sát một cách có hệ thống mức sống các tầng lớp
dân cư Việt Nam, giám sát, đánh giá việc thực hiện chiến lược toàn diện về tăng
trưởng và xóa đói giảm nghèo, góp phần đánh giá kết quả thực hiện các mục tiêu thiên
niên kỷ (MDGs) và mục tiêu phát triển bền vững (SDGs) và các mục tiêu phát triển
kinh tế - xã hội của Việt Nam. Khảo sát mức sống đã được tổ chức, triển khai theo
đúng nội dung của phương án và quy trình sản xuất thông tin thống kê cấp cao.

IV. KẾT QUẢ NGHIÊN CỨU

4.1 Thống kê mô tả
Các kết quả trong bài nghiên cứu này được thực hiện trên phần mềm R Studio
gồm 1 biến phụ thuộc (gno), 7 biến độc lập (tgyt, tgth, tglv, dto, gtd, cpht, ln) với
20027 mẫu quan sát.

Tên biến Obs. Mean Std. Min Max

gno 20027 1007070.97 3113346.09 -1 80000000

(nghìn đồng)

tgth 20027 13.83 16.34 1 660

(phút)

tgyt 20027 21.72 13.37 0 59

 (phút)
tglv 20027 19.89 26.59 1 720
(phút)
dto 20027 94.80 60.79 14 500
(m2)
gtd 20027 758114.67 2879092.84 -1 78000000
(nghìn đồng)
cpht 20027 207487.59 303535.61 -1 4000000
(nghìn đồng)
ln 20027 3.45 0.94 1 5
1 = Nhà kiểu biệt thự 193
2 = Nhà kiên cố khép 4609
kín
3 = Nhà kiên cố không 2288
khép kín
4 = Nhà bán kiên cố 11771
5 = Nhà tạm và khác 1166

Bảng 1: Kết quả thống kê mô tả biến

Theo khảo sát, giá nhà trung bình là 1 tỷ đồng, giá nhà cao nhất lên đến 80 tỷ
đồng và các giá nhà ở xoay quanh giá nhà trung bình là 3,1 tỷ đồng. Thời gian để đi
đến trường học của các hộ gia đình nằm trong khoảng nhỏ nhất là 1 phút đến lớn nhất
là 660 phút (11 giờ). Thời gian đi đến cơ sở y tế gần nhất dao động từ 0 đến 59 phút và
thời gian trung bình để đi đến cơ sở y tế gần nhất trong 20027 mẫu quan sát gần 22
phút. Thời gian đi đến nơi làm việc trung bình gần 20 phút, tuy nhiên độ lệch chuẩn
của thời gian đi đến nơi làm việc khá lớn ~ 27 phút cho thấy sự đa dạng trong thời
gian đến chỗ làm. Thời gian lâu nhất đi đến nơi làm việc là 720 phút (12 giờ) và thời
gian nhanh nhất đi đến nơi làm việc là 1 phút. Tổng diện tích ở dao động từ 14m2 đến
500m2. Giá trị đất trung bình là 758 triệu đồng và có hộ sở hữu đất với giá trị đất cao
nhất lên đến 78 tỷ đồng. Chi phí để hoàn thành một ngôi nhà trung bình là 207,5 triệu
đồng, độ lệch chuẩn chi phí hoàn thành ngôi nhà là 303 triệu đồng và chi phí cao nhất
để hoàn thành ngôi nhà là 4 tỷ đồng. Trong 20027 căn nhà, có 193 căn là nhà biệt thự,
4609 căn là nhà kiên cố khép kín, nhà kiên cố không khép kín là 2288 căn, nhà bán
kiên cố là 11771 căn và 1166 căn còn lại là nhà tạm và các loại nhà khác.

vars n mean sd min max range se

tinh 1 20027 43.14 27.31 1 96 95 0.19
huyen 2 20027 432.55 272.89 1 973 972 1.93
xa 3 20027 15973.61 9843.05 7 32248 32241 69.55
diaban 4 20027 9.86 9.06 1 115 114 0.06
hoso 5 20027 8.46 4.70 1 24 23 0.03
tgth 6 20027 13.83 16.34 1 660 659 0.12
tgyt 7 20027 21.72 13.37 0 59 59 0.09
tglv 8 20027 19.89 26.59 1 720 719 0.19
dto 9 20027 94.80 60.79 14 500 486 0.43
ln 10 20027 3.45 0.94 1 5 4 0.01
gtd 11 20027 758114.67 2879092.84 -1 78000000 78000001 20344.53
cpht 12 20027 207487.59 303535.61 -1 4000000 4000001 2144.87
gno 13 20027 1007070.97 3113346.09 -1 80000000 80000001 21999.84
nhakieubietthu 14 20027 0.00 0.00 0 0 0 0.00
nhakiencokhepkin 15 20027 0.01 0.10 0 1 1 0.00
nhakiencokhongkhepkin 16 20027 0.23 0.42 0 1 1 0.00
nhabankienco 17 20027 0.11 0.32 0 1 1 0.00

4.2 Phân tích Bivariate

Quan sát sự tương quan của thời gian đi đến cơ sở y tế gần nhất, thời gian đi
đến nơi làm việc, thời gian đi đến trường học, tổng diện tích ở, giá trị đất, chi phí hoàn
thành ngôi nhà đối với giá nhà ở thông qua đồ thị scatter.

Hình : Sự tương quan giữa thời gian đi đến cơ sở y tế gần nhất với giá nhà ở
Hình : Sự tương quan giữa thời gian đi đến trường học với giá nhà ở

Hình : Sự tương quan giữa thời gian đi đến nơi làm việc với giá nhà ở
Hình : Sự tương quan giữa tổng diện tích ở với giá nhà ở

Hình : Sự tương quan giữa giá trị đất với giá nhà ở
 Hình : Sự tương quan giữa chi phí hoàn thành ngôi nhà với giá nhà ở

4.3 Kết quả hồi quy

Kết quả của mô hình hồi quy được thể hiện ở bảng … cho thấy các biến phụ
thuộc cơ sở y tế gần nhất (tgyt) có ý nghĩa thống kê ở mức ý nghĩa 5%, diện tích ở
(dto), giá trị đất (gtd), chi phí hoàn thành ngôi nhà (cpht) và loại nhà (ln) có ý nghĩa
thống kê ở mức ý nghĩa 0.1%. Trong mô hình này, biến thời gian đi đến nơi làm việc
(tglv), và thời gian đi đến trường học (tgth) không có ý thống kê. Tuy nhiên R-square
và R-square hiệu chỉnh đều tương đương 0.993, tức là 99.3% sự biến thiên của giá trị
nhà ở phụ thuộc vào các biến được đưa vào mô hình, nói cách khác là độ phù hợp của
mô hình không cao.

Mô hình hồi quy tuyến tính

với p-value < 2.2e-16
Biến Hệ số ước lượng

Hệ số chặn

tgyt (phút)

tglv (phút)
tgth (phút)

dto (m2)
ln:
1 = Nhà kiểu biệt thự
2 = Nhà kiên cố khép kín
3 = Nhà kiên cố không khép kín
4 = Nhà bán kiên cố
5 = Nhà tạm và khác

gtd (nghìn đồng)

cpht (nghìn đồng)
Bảng 2 : Kết quả mô hình hồi quy
Từ kết quả ở bảng 2 ta có thể kết luận trong trường hợp giữa các giá trị biến khác
không thay đổi rằng: khi thời gian đi đến cơ sở y tế gần nhất tăng thêm 1% , giá trị
nhà ở sẽ giảm 0.6% ; thời gian đi đến nơi làm việc tăng thêm 1%, giá trị nhà ở sẽ
giảm 1%; khi tổng diện tích sàn tăng thêm 1% , giá trị nhà ở sẽ tăng thêm 3%; khi giá
trị đất tăng thêm 1%, giá trị nhà ở sẽ tăng thêm 0.00001%; khi chi phí hoàn thành
ngôi nhà tăng thêm 1%, giá trị nhà ở sẽ tăng thêm 0.00008%.

Call:
lm(formula = gno ~ tgyt + tglv + tgth + dto + ln + gtd + cpht,
data = filenghiencuu)

Residuals:
Min 1Q Median 3Q Max
-2885888 -59365 -18593 27746 7588845

Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 1.448e+05 1.047e+04 13.830 <2e-16 ***
tgyt -2.898e+02 1.374e+02 -2.109 0.035 *
tglv -8.990e+00 6.921e+01 -0.130 0.897
tgth 1.329e+02 1.127e+02 1.179 0.238
dto 5.021e+02 3.958e+01 12.686 <2e-16 ***
ln -3.282e+04 2.311e+03 -14.201 <2e-16 ***
gtd 1.046e+00 6.946e-04 1506.372 <2e-16 ***
cpht 6.722e-01 7.947e-03 84.584 <2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 259700 on 20019 degrees of freedom

Multiple R-squared: 0.993, Adjusted R-squared: 0.993
F-statistic: 4.082e+05 on 7 and 20019 DF, p-value: < 2.2e-16

Tên biến Kết quả kiểm định

tgyt ( Phút) 1.002689
 tglv ( Phút) 1.005321
tgth (Phút) 1.006660

dto ( m2) 1.718993

ln 1.399788
1 = Nhà kiểu biệt thự
2 = Nhà kiên cố khép kín
3 = Nhà kiên cố không khép kín
4 = Nhà bán kiên cố
5 = Nhà tạm và khác
gtd ( Nghìn đồng) 1.187242

cpht ( Nghìn đồng) 1.727180

Bảng 3 : Kết quả kiểm định VIF cho mô hình hồi quy

Một trong những vấn đề thường xảy ra khi thực hiện mô hình hồi quy đó chính là
hiện tượng đa cộng tuyến. Để kiểm tra mô hình có đa cộng tuyến hay không, ta sử dụng
kiểm định VIF. Kết quả đạt được sau khi thực hiện VIF là tất cả các hệ số đều nhỏ hơn 5,
đồng nghĩa mô hình không có đa cộng tuyến.
car::vif(model)
tgyt tglv tgth dto ln gtd cpht
1.002689 1.005321 1.006660 1.718993 1.399788 1.187242 1.727180

Data: model
BP = 5170.8 df = 48 p-value < 2.2e-16
Bảng 4 : Kết quả kiểm định White
Kiểm định White lại cho mô hình hồi quy ra kết quả p-value bé hơn 1%, có nghĩa là mô
hình này có phương sai thay đổi. Để khắc phục phương sai thay đổi, ta có thể sử dụng các
sai số chuẩn mạnh (robust standard errors).
Kiểm định White
studentized Breusch-Pagan test
data: model
BP = 5170.8, df = 48, p-value < 2.2e-16
Giả thuyết H0: mô hình có phương sai cố định
H1: mô hình có phương sai thay đổi
Vì p-value < 0,01 => Bác bỏ H0 => Mô hình có phương sai thay đổi

Mô hình Linear Regression

p-value = 2.2e-16
 Tên biến Hệ số ước lượng
Hệ số chặn

tgyt (phút)
tglv (phút)

tgth (phút)
dto (m2)

ln
1 = Nhà kiểu biệt thự
2 = Nhà kiên cố khép kín
3 = Nhà kiên cố không khép kín
4 = Nhà bán kiên cố
5 = Nhà tạm và khác

gtd (nghìn đồng)

cpht ( nghìn đồng)
Bảng 5 : Kết quả mô hình hồi quy sau khi khắc phục phương sai thay đổi
Mô hình hồi quy sau khi khắc phục phương sai thay đổi có R-square và R-square hiệu
chỉnh tương đương 0.63, có thể hiểu rằng 63% sự biến giá trị nhà ở phụ thuộc vào
các biến được đưa vào mô hình, hoặc có thể nói rằng sự phù hợp của mô hình đã cao
hơn nhiều so với mô hình khi chưa khắc phục phương sai thay đổi. Dựa vào kết quả ở
bảng 3 ta thấy cả 6 biến đều có ý nghĩa thống kê; tuy nhiên chỉ có biến TGCL có ý
nghĩa thống kê ở mức 10%, còn lại 5 biến là TGYT, DTS, GTD, CPHT, LOAINHA đều
có ý nghĩa thống kê ở mức 1%. Ta có thể kết luận trong trường hợp giữa các biến
khác không thay đổi rằng: khi thời gian đi đến cơ sở y tế gần nhất tăng thêm 1% thì
giá trị nhà ở sẽ giảm đi 6%; thời gian đi đến nơi làm việc tăng thêm 1% sẽ làm giá trị
nhà ở giảm 5%; khi diện tích sàn tăng thêm 1% sẽ làm giá trị nhà ở tăng thêm 2%;
giá trị đất tăng thêm 1% sẽ làm giá trị nhà ở tăng thêm 0.000006%; chi phí
hoàn thành ngôi nhà tăng thêm 1% sẽ làm giá trị nhà ở tăng thêm 0.00006%.

Kết quả sau khi khắc phục phương sai:

t test of coefficients:

Estimate Std. Error t value Pr(>|t|)

(Intercept) 1.4481e+05 1.5518e+04 9.3315 < 2.2e-16 ***
tgyt -2.8983e+02 1.0189e+02 -2.8446 0.004452 **
tglv -8.9897e+00 3.9896e+01 -0.2253 0.821728
tgth 1.3286e+02 7.6632e+01 1.7337 0.082984 .
dto 5.0213e+02 6.7713e+01 7.4156 1.259e-13 ***
ln -3.2825e+04 3.7283e+03 -8.8042 < 2.2e-16 ***
gtd 1.0463e+00 7.0877e-03 147.6271 < 2.2e-16 ***
cpht 6.7215e-01 1.9791e-02 33.9619 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

4.4 Kiểm định chi - square :

4.4.1. Kiểm định chi - square về sự độc lập giữa hai biến gno và dto
X-squared df p-value

628994 62916 2.2e-16

Đặt giả thuyết:

● Ho: biến dto độc lập biến gno
● H1: biến dto phụ thuộc biến gno
Theo kết quả kiểm định trên, ta có giá trị p-value = 2.2e-16 < a = 0.05 nên ta bác bỏ giả
thuyết Ho. Tức là biến diện tích ở có sự phụ thuộc vào biến Giá nhà ở.
data: filenghiencuu$gno and filenghiencuu$dto
X-squared = 628994, df = 62916, p-value < 2.2e-16

4.4.2. Kiểm định chi - square sự độc lập giữa hai biến gno và cpht

X-square df p-value

860669 89238 2.2e-16

Đặt giả thuyết:

● H0: biến CPHT độc lập biến gno
● H1: biến CPHT phụ thuộc biến gno
Theo kết quả kiểm định trên, ta có giá trị p-value = 2.2e-16 < a = 0.05 nên ta bác bỏ giả
thuyết Ho. Tức là biến chi phí hoàn thành ngôi nhà có sự phụ thuộc vào biến Giá nhà ở.
data: filenghiencuu$gno and filenghiencuu$cpht
X-squared = 860669, df = 89238, p-value < 2.2e-16

4.5 Kiểm định F (kiểm định mô hình)

Kiểm định Kết quả kiểm định

F-test p-value < 2.2e-16

Vì p-value < 2.2e-16 => bác bỏ giả thuyết tất cả các hệ số hồi quy đồng thời bằng 0. Do đó có
ít nhất 1 trong các biến có tác động đến giá nhà ở.
Linear hypothesis test
Hypothesis:
tgyt = 0
tgth = 0
tglv = 0
dto = 0
ln = 0
gtd = 0
cpht = 0
Model 1: restricted model
Model 2: gno ~ tgyt + tglv + tgth + dto + ln + gtd + cpht
Note: Coefficient covariance matrix supplied.
Res.Df Df F Pr(>F)
1 20026
2 20019 7 19184 < 2.2e-16 ***
---
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

V. KẾT LUẬN VÀ KIẾN NGHỊ (Cả nhóm - ONLINE - chưa)

5.1 Tóm tắt kết quả nghiên cứu
5.2 Hạn chế của nghiên cứu
5.3 Hướng phát triển của đề tài

VI. TÀI LIỆU THAM KHẢO (Trong lúc làm có lấy nguồn từ đầu, thì đánh dấu
và ghi vào nhận xét nhe, tự lấy theo APA nha cả nhà)
“Nhu cầu về nhà ở và mức độ quan trọng của các yếu tố nhất định đối với người tiêu
dùng thu nhập thấp tại Saudi Arabia”

#thời gian đi đến trạm y tế (phút)

install.packages('pacman')
library(pacman)
p_load(tidyverse, haven, labelled, psych, epiDisplay, VGAM)
MUC3A$m3c1fg <- MUC3A$m3c1fg*60
MUC3A$TGIAN <- c(MUC3A$m3c1fg + MUC3A$m3c1fp)