Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức

Chia sẻ: _ _ | Ngày: | Loại File: PDF | Số trang:16

Thêm vào BST

Báo xấu

2
lượt xem 1
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Nghiên cứu này nhằm đánh giá mức độ ảnh hưởng của giao thông công cộng đến giá trị bất động sản tại thành phố Thủ Đức (Việt Nam) trong giai đoạn gần đây, đồng thời phân tích mối quan hệ không gian giữa các khu vực đô thị bằng cách áp dụng các mô hình tự hồi quy không gian.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức

Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức Nguyễn Minh Hải Khoa Khoa học dữ liệu, Trường Đại học Ngân hàng TP. Hồ Chí Minh, Việt nam Ngày nhận: 22/12/2024 Ngày nhận bản sửa: 10/04/2025 Ngày duyệt đăng: 11/04/2025 Tóm tắt: Nghiên cứu này nhằm đánh giá mức độ ảnh hưởng của giao thông công cộng đến giá trị bất động sản tại thành phố Thủ Đức (Việt Nam) trong giai đoạn gần đây, đồng thời phân tích mối quan hệ không gian giữa các khu vực đô thị bằng cách áp dụng các mô hình tự hồi quy không gian. Dữ liệu nghiên cứu được thu thập từ các nguồn bất động sản trực tuyến vào tháng 12/2022 tại thành phố Thủ Đức, Việt Nam. Quá trình nghiên cứu tiến hành so sánh các mô hình để xác định mô hình phù hợp nhất với bộ dữ liệu và các giả định ban đầu. Kết quả phân tích cho thấy, các mô hình tự hồi quy không gian hoạt động tốt hơn so với mô hình hồi quy tuyến tính đa biến (MLR), trong khi MLR thể hiện sự tồn tại của tương quan không gian trong phần dư. Trong các The impact of public transportation on property values: Empirical evidence from a spatial econometric model in Thu Duc City, Vietnam Abstract: This study aims to evaluate the impact of public transportation on property values in Thu Duc City (Vietnam) in recent years, while analyzing the spatial relationships between urban areas through the application of spatial autoregressive models. The research data was collected from various online real estate sources in Thu Duc City, Vietnam, in December 2022. The study compares different models to select the one that best fits the dataset and the initial assumptions. The analysis results indicate that spatial autoregressive models outperform the multiple linear regression (MLR) model, as the MLR exhibits spatial correlation in its residuals. Among the models evaluated, the spatial error model (SEM) with a Queen contiguity matrix is identified as the most optimal. The findings reveal that real estate prices tend to increase when located near public transportation routes, decrease when situated farther from commercial centers, and experience negative impacts when in proximity to train stations. This study provides empirical evidence regarding the spatial factors affecting the real estate market, offering valuable insights for policymakers in making informed decisions to promote sustainable urban development. Keywords: Hedonic pricing models, Spatial econometric models, Public transportation Doi: 10.59276/JELB.2025.04.2853 Nguyen, Minh Hai Email: hainm@hub.edu.vn Organization: Faculty of Data Science in Business, Banking University of Ho Chi Minh City, Vietnam © Học viện Ngân hàng Tạp chí Kinh tế - Luật & Ngân hàng ISSN 3030 - 4199 13 Số 276- Năm thứ 27 (4)- Tháng 4. 2025
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức mô hình được xem xét, mô hình SEM với ma trận Queen được đánh giá là tối ưu nhất. Phân tích kết quả chỉ ra rằng giá bất động sản tăng lên khi gần các tuyến giao thông công cộng, giảm khi xa trung tâm thương mại và chịu tác động tiêu cực khi nằm gần các ga tàu. Nghiên cứu đóng góp thêm bằng chứng thực nghiệm về tác động của các yếu tố không gian đối với thị trường bất động sản, hỗ trợ nhà hoạch định chính sách đưa ra quyết định hiệu quả trong việc phát triển đô thị bền vững. Từ khóa: Mô hình giá Hedonic, Mô hình kinh tế lượng không gian, Giao thông công cộng 1. Giới thiệu trung tâm sáng tạo, công nghệ và dịch vụ cao cấp của vùng kinh tế trọng điểm phía Trong những năm qua, giá trị bất động sản Nam. Sự phát triển mạnh mẽ của các khu đô thị ngày càng trở thành chủ đề quan đô thị như Thủ Thiêm và các dự án hạ tầng trọng trong nghiên cứu kinh tế, đặc biệt là giao thông quan trọng như tuyến Metro số trong bối cảnh đô thị hóa nhanh chóng tại 1 đã tạo ra những biến động đáng kể về giá Việt Nam. Nghiên cứu này tập trung phân trị bất động sản trong khu vực này. tích các yếu tố không gian ảnh hưởng đến Để thực hiện nghiên cứu, chúng tôi sử dụng giá trị bất động sản tại thành phố Thủ Đức, phương pháp hồi quy Hedonics kết hợp với một đô thị mới nổi và chiến lược thuộc các mô hình tự hồi quy không gian (SAR, Thành phố Hồ Chí Minh (Việt Nam). SEM, SDM). Nghiên cứu thu thập dữ liệu Lý thuyết kinh tế đô thị, được phát triển từ từ các nguồn bất động sản trực tuyến tại các công trình của Alonso (1964) và Muth Thủ Đức vào tháng 12/2022, với các biến (1969), cho rằng giá trị bất động sản chịu số liên quan đến đặc điểm bất động sản, vị ảnh hưởng bởi sự đánh đổi giữa khả năng trí địa lý và khả năng tiếp cận giao thông tiếp cận các trung tâm thương mại (TTTM) công cộng. Việc áp dụng các mô hình kinh và diện tích không gian. Theo lý thuyết tế lượng không gian được kỳ vọng sẽ giúp này, các bất động sản có khả năng tiếp cận xác định chính xác hơn tác động của các tốt hơn với các trung tâm này thường có giá yếu tố không gian lên giá trị bất động sản. trị cao hơn, do người mua sẵn sàng chi trả Bài viết được cấu trúc như sau: Phần 2 trình mức giá cao cho các vị trí thuận lợi. Hơn bày tổng quan các nghiên cứu liên quan và nữa, các nghiên cứu thực nghiệm áp dụng lý thuyết cơ sở. Phần 3 giới thiệu phương phương pháp Hedonics (Malpezzi, 2008) pháp nghiên cứu và dữ liệu sử dụng. Phần đã chứng minh vai trò của các yếu tố không 4 trình bày kết quả phân tích và thảo luận. gian, trong đó khả năng tiếp cận giao thông Cuối cùng, Phần 5 đưa ra kết luận và hàm ý là một biến số quan trọng. chính sách cho công tác quy hoạch đô thị và Thành phố Thủ Đức, với diện tích 211,5 phát triển thị trường bất động sản bền vững. km² và dân số 1,2 triệu người, là khu vực lý tưởng để nghiên cứu mối quan hệ giữa 2. Tổng quan tài liệu hệ thống giao thông công cộng và giá trị bất động sản. Được thành lập năm 2020 từ Nghiên cứu về tác động của giao thông sự sáp nhập của ba quận, Thủ Đức hiện là đến giá bất động sản chia thành hai hướng 14 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
NGUYỄN MINH HẢI chính. Hướng thứ nhất dựa trên lý thuyết nhiều nghiên cứu chuyên sâu phân tích tác kinh tế đô thị từ von Thünen (1826) và được động của hệ thống giao thông công cộng mở rộng bởi Alonso (1964), Muth (1969), đến giá trị bất động sản trong bối cảnh đô Mills (1972). Lý thuyết này tập trung vào thị hóa nhanh chóng, đặc biệt là việc áp sự đánh đổi giữa chi phí di chuyển đến dụng các mô hình không gian. Phần lớn các trung tâm thương mại (TTTM) và chi các nghiên cứu hiện nay tập trung vào các phí không gian, thông qua hàm giá thuê. yếu tố kinh tế- xã hội và các đặc điểm cấu Hướng thứ hai là các nghiên cứu thực trúc của bất động sản mà chưa xem xét đầy nghiệm áp dụng hồi quy Hedonic (Rosen, đủ tác động không gian từ các hệ thống 1974) để phân tích tác động của giao thông giao thông công cộng như tuyến Metro hay đến giá trị bất động sản. tuyến xe buýt nhanh. Các nghiên cứu trước đây cho thấy tác Về phương pháp nghiên cứu, phương pháp động khác nhau giữa các loại hình bất động hồi quy Hedonic gặp phải ba thách thức sản và hệ thống giao thông. Debrezion và chính: thiếu biến quan trọng, lựa chọn cộng sự (2007) xác định rằng bất động sản dạng hàm và tự tương quan không gian thương mại tăng giá mạnh hơn bất động sản (Armstrong & Rodríguez, 2006). Gujarati dân cư khi gần các ga tàu, đặc biệt là các ga & Porter (2009) chỉ ra rằng thiếu biến ngoại ô. Tuy nhiên, Senior (2009) lại phát quan trọng có thể gây sai lệch ước lượng. hiện tuyến Metro không ảnh hưởng đáng Cropper và cộng sự (1988) khuyến nghị sử kể đến giá nhà tại Greater Manchester, dụng dạng tuyến tính hoặc log-tuyến tính để trong khi Ovenell (2007) ghi nhận tác động đạt hiệu quả tốt nhất. Vấn đề tự tương quan tích cực trong phạm vi 0,5-1 km quanh không gian được nghiên cứu bởi LeSage các ga tàu. Tại Đài Loan, Andersson và & Pace (2009), nhấn mạnh tầm quan trọng cộng sự (2010) không tìm thấy ảnh hưởng của các mô hình không gian trong việc rõ ràng của đường sắt cao tốc, trái ngược phân tích tác động của giao thông đến giá với nghiên cứu của Debrezion và cộng sự bất động sản. (2006) tại Hà Lan, nơi giao thông đường Các mô hình không gian như SAR (Spatial sắt thể hiện tác động rõ ràng. Autoregressive) và SEM (Spatial Error Ngoài đường sắt, các nghiên cứu về hệ Model) được Anselin (2010) phát triển thống xe buýt nhanh cũng ghi nhận các nhằm khắc phục hiện tượng tự tương kết quả đáng chú ý. Rodríguez và Mojica quan. Armstrong & Rodríguez (2006) áp (2009) xác định giá bất động sản tại Bogotá dụng SAR tại Massachusetts, phát hiện tăng 13-14% sau khi hệ thống xe buýt giá bất động sản tăng 10% gần các trạm, nhanh được đưa vào hoạt động. Munoz- nhưng giảm khi sát đường ray. Martínez Raskin (2010) nhận thấy các bất động sản và Viegas (2009) so sánh MLR và SAR tại gần trạm xe buýt nhanh có giá trị thấp hơn Lisbon, ghi nhận sự tồn tại của tự tương 4,5%, nhưng trong phạm vi đi bộ 5 phút, quan không gian, song MLR được ưu tiên giá tăng 8,7%. Cervero và Kang (2011) khi nhờ khả năng dự báo tốt hơn. phân tích dữ liệu tại Seoul cũng nhận thấy Dựa trên tổng quan nghiên cứu, có thể thấy giá bất động sản tăng 10% khi nằm trong rằng giao thông công cộng có ảnh hưởng bán kính 300 m từ trạm xe buýt. đáng kể đến giá trị bất động sản, song mức Tại Việt Nam, các nghiên cứu về tác động độ và hướng tác động phụ thuộc vào loại của giao thông công cộng đến giá trị bất hình giao thông, loại bất động sản và đặc động sản còn rất hạn chế. Hiện chưa có điểm không gian. Tuy nhiên, khoảng trống Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 15
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức nghiên cứu vẫn tồn tại, cụ thể là tác động từng quan sát cũng được mã hóa bằng hệ khác biệt giữa các loại hình giao thông công thống thông tin địa lý (GIS), giúp định vị cộng đối với các khu vực đô thị mới nổi không gian chính xác. như thành phố Thủ Đức, Việt Nam. Việc Về loại hình bất động sản, dữ liệu mẫu bao phân tích chi tiết hơn về tác động của tuyến gồm đa dạng các loại: biệt thự, nhà liền kề, metro và tuyến xe buýt nhanh trong mối căn hộ chung cư, nhà phố thổ cư và đất ở, quan hệ không gian là cần thiết để cung cấp phản ánh tương đối đầy đủ cơ cấu giao dịch các bằng chứng thực nghiệm cho các chính thực tế trên thị trường bất động sản tại Thủ sách phát triển đô thị bền vững. Đức trong giai đoạn khảo sát. Điều này giúp đảm bảo mức độ bao quát nhất định 3. Phương pháp nghiên cứu cho phân tích mô hình. Tuy nhiên, mẫu dữ liệu này vẫn tồn tại Để đảm bảo mô hình ước lượng hoạt động một số giới hạn nhất định. Thứ nhất, dữ chính xác, phần đầu tiên sẽ trình bày quy liệu được thu thập tại một thời điểm cụ trình xử lý dữ liệu. Tiếp theo, mô hình hồi thể (tháng 12/2022), nên chỉ phản ánh tình quy tuyến tính được giới thiệu với đầy đủ hình thị trường ngắn hạn và không bao quát thông tin về biến số, cấu trúc và các giả các biến động theo mùa hay thay đổi chính định quan trọng. Việc đánh giá mức độ ảnh sách. Thứ hai, giá được sử dụng là giá chào hưởng và ý nghĩa thống kê của các tham số bán, không phải giá giao dịch thực tế. Mặc cũng được thực hiện nhằm làm rõ vai trò dù theo các nghiên cứu như Hometrack của từng yếu tố trong mô hình. Đặc biệt, (2005), giá chào bán thường có tương nghiên cứu chú trọng đến việc kiểm tra quan cao (~90%) với giá giao dịch, nhưng mối quan hệ không gian trong phần dư của vẫn có thể dẫn đến sai lệch nhỏ trong ước mô hình hồi quy tuyến tính. Nếu phát hiện lượng. Thứ ba, do dữ liệu được thu thập từ hiện tượng tự tương quan không gian, việc nền tảng trực tuyến, nên có khả năng thiên mở rộng mô hình sang hồi quy không gian lệch về mặt không gian, khi các khu vực là cần thiết để cải thiện độ chính xác, tăng sôi động hơn như Thảo Điền, Linh Tây, hiệu lực mô hình và hạn chế sai lệch ước hay Khu Công nghệ cao có thể được đại lượng do bỏ qua sự tương tác không gian diện nhiều hơn so với các khu vực ven hoặc giữa các quan sát. kém phát triển hơn. Để giảm thiểu các giới hạn trên, nghiên 3.1. Dữ liệu cứu đã sử dụng kỹ thuật mã hóa không gian GIS và áp dụng các mô hình kinh tế lượng Dữ liệu ước lượng cho các mô hình hồi quy không gian (SAR, SEM, SDM) nhằm kiểm hedonic trong nghiên cứu được thu thập từ soát các đặc điểm địa lý và ảnh hưởng khu vực đô thị Thành phố Thủ Đức. Mẫu không gian, góp phần nâng cao tính tin cậy hộ gia đình trong nghiên cứu được lấy từ và khả năng suy rộng của kết quả. các nền tảng bất động sản trực tuyến phổ Giá trị bất động sản tại Thủ Đức được định biến (Batdongsan.com.vn; Alonhadat.com. hình bởi vị trí, môi trường sống và hệ thống vn; Muaban.net; và Nhatot.com) vào tháng tiện ích. Khu vực Thảo Điền có mức giá 12/2022, bao gồm thông tin về giá chào cao nhất nhờ môi trường sống cao cấp, bán và các đặc điểm cấu trúc như diện tích, trong khi các khu vực có giá thấp nhất như số phòng và tình trạng xây dựng của 730 Bình Chiểu, Linh Đông, Tam Phú và Hiệp bất động sản đô thị. Đặc biệt, địa chỉ của Bình Phước dù có kết nối thuận tiện với 16 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
NGUYỄN MINH HẢI Nguồn: Bản Đồ Việt Nam, 2025 Hình 1. Phân chia địa giới hành chính tổng thể của các phường thuộc thành phố Thủ Đức trung tâm và khu công nghiệp nhưng lại tin cậy của các tham số ước lượng; dữ liệu thiếu các tiện ích cao cấp và môi trường được thu thập trong giai đoạn bất động sản sống hấp dẫn. Các khu vực gần khu công tăng trưởng mạnh (13-15% mỗi năm) nhờ nghiệp hoặc cảng sông như Hiệp Bình quy hoạch chiến lược và đầu tư hạ tầng, Chánh, Tam Bình và Linh Xuân cũng bị song số lượng biến đặc trưng còn hạn chế ảnh hưởng tiêu cực từ mật độ giao thông do chưa có nguồn dữ liệu chính thức về đặc cao, ô nhiễm không khí và tiếng ồn, làm điểm và giá giao dịch cuối cùng; dữ liệu giảm sức hút. Vì vậy, việc dự đoán giá nhà được thu thập từ các nền tảng bất động sản không thể chỉ dựa trên khoảng cách tới trực tuyến uy tín trong năm 2022 tại thành trung tâm mà cần xem xét tổng thể các yếu phố Thủ Đức, xử lý bằng phần mềm Stata tố như môi trường sống, hạ tầng giao thông 16 với các bước làm sạch, kiểm tra tính hợp và nhu cầu thị trường để đảm bảo mô hình lệ và loại bỏ các quan sát ngoại lệ, chi tiết phản ánh chính xác giá trị bất động sản. biến số được trình bày trong Bảng 1. Nghiên cứu gặp hạn chế khi dữ liệu chỉ Biến phụ thuộc trong mô hình nghiên cứu phản ánh giá chào bán, không phải giá giao là giá chào bán bất động sản, được chuyển dịch thực tế, nhưng theo Hometrack (2005), đổi sang dạng logarithm theo phương pháp giá chào bán thường tương quan cao với của Malpezzi (2008). Cách làm này cho giá thực tế (khoảng 90% giá thị trường cân phép diễn giải tham số ước lượng dưới bằng) nên không ảnh hưởng đáng kể đến độ dạng phần trăm thay đổi giá khi biến độc Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 17
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức Bảng 1. Định nghĩa các biến độc lập trong mô hình, và phân loại biến theo nhóm Loại biến Định nghĩa các biến trong mô hình Ký hiệu Đơn vị đo Nguồn tham khảo Biến phụ Giá trị của căn bất động sản LN(P) Ln (VNĐ) Malpezzi (2008). thuộc Biến giả có giá trị 1 nếu bất động sản cần cải tạo D1 – Tác giả đề xuất Biến giả có giá trị 1 nếu bất động sản là nhà riêng biệt D2 – Tác giả đề xuất Biến giả có giá trị 1 nếu tòa nhà nơi bất động sản nằm D3 – Tác giả đề xuất có thang máy Số phòng ngủ của bất động sản ROOMS Số phòng Rosen (1974) Số phòng tắm của bất động sản BATHS Số phòng Rosen (1974) Diện tích của bất động sản tính bằng mét vuông SBD m2 Muth (1969) Số tầng mà bất động sản nằm trong tòa nhà FLOORS Số tầng Rosen (1974) Nhóm biến Thời gian tính bằng phút cần thiết để từ bất động sản kiểm soát đến TTTM vào giờ cao điểm sáng bằng mạng lưới TTTM Phút Alonso (1964) giao thông đường bộ, tính đến tình trạng tắc nghẽn Biến giả có giá trị 1 nếu bất động sản cách ga xe lửa Handy & Niemeier D7 – ngoại ô dưới 500 m (1997) Chỉ số kiểu Hansen (dựa trên lực hấp dẫn) đo lường HAI – Hansen (1959) khả năng tiếp cận việc làm Biến giả có giá trị 1 nếu bất động sản nằm ở ven sông D9 – Tác giả đề xuất Sài Gòn Tổng số doanh nghiệp trong vùng xung quanh bất Số doanh Waddell và cộng WORKS động sản nghiệp sự (2007) Tỷ lệ dân cư từ nước ngoài sống trong khu vực nơi bất PFR % Rosen (1974) động sản tọa lạc Biến giả có giá trị 1 nếu bất động sản có sân thượng D4 – Tác giả đề xuất Biến giả có giá trị 1 nếu bất động sản có gara. D5 – Tác giả đề xuất Biến giả có giá trị 1 nếu bất động sản có trạm xe buýt Số lượng Nhóm biến cách đó dưới 400 m, kết hợp với số lượng tuyến xe D6 Tác giả đề xuất tuyến xe quan tâm buýt phục vụ trạm đó Biến giả có giá trị 1 nếu bất động sản nằm ở trung D8 – Tác giả đề xuất tâm thành phố Biến giả chỉ định bất động sản nằm trong khu vực có Người/ PDK Rosen (1974) mật độ dân cư cao km2 Nguồn: Tác giả tổng hợp từ các nghiên cứu trước lập thay đổi một đơn vị. Các biến độc lập ánh sự khác biệt do vị trí, diện tích, tiện ích, quan trọng liên quan đến điều kiện giao với các biến giả (D1, D2, D3,...) mô tả đặc thông bao gồm: D6, TTTM, D7 và HAI. điểm chi tiết. Việc chuẩn hóa giá theo mét Dữ liệu từ Bảng 2 cho thấy sự chênh lệch vuông giúp so sánh công bằng giữa các bất rõ rệt trong thị trường bất động sản, với giá động sản, hỗ trợ phân tích dữ liệu và quyết dao động từ 56,96- 388,82 triệu đồng/m² định minh bạch. (trung bình 129,58 triệu đồng/m²) và diện tích từ 100- 850 m² (trung bình 124,41 m²). 3.2. Ước lượng hồi quy tuyến tính đa biến Khoảng cách đến trung tâm trung bình 15,22 phút, số phòng từ 2- 7, số tầng trung Bảng 3 trình bày kết quả mô hình MLR1 bình 3,16. Độ lệch chuẩn lớn (2.565) phản với 18 biến độc lập phân thành hai nhóm 18 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
NGUYỄN MINH HẢI Bảng 2. Thống kê mô tả của các biến trong cơ sở dữ liệu bất động sản Biến Giá trị nhỏ nhất Giá trị lớn nhất Giá trị trung bình Độ lệch chuẩn LN(P) 4,043 5,958 4,868 2,315 D1 0 1 0,07 0,26 D2 0 1 0,23 0,41 ROOMS 2 7 2,97 1,15 BATHS 2 6 1,86 0,83 FLOORS 2 12 4,23 1,19 D3 0 1 0,52 0,5 D4 0 1 0,26 0,43 D5 0 1 0,56 0,49 SBD 54 850 124,41 78,36 D6 0 15 4,26 4,62 TTTM 5,47 29,73 15,22 6,42 D7 0 1 0,26 0,43 HAI 5,01 48,05 18,56 12.12 D8 0 1 0,07 0,26 D9 0 1 0,17 0,37 PDK 0,006 9.41 1,31 1,94 WORKS 0,006 4,60 0,54 0,63 PFR 0,008 0,322 0,08 0,05 Nguồn: Tác giả tính toán từ phần mền Stata 16 chính là nhóm biến quan tâm (5 biến) và 3, loại trừ nguy cơ đa cộng tuyến nghiêm nhóm biến kiểm soát (13 biến), trong đó trọng. Để cải thiện độ chính xác và hiệu các biến D2, PDK, HAI, WORKS không lực, các quan sát ngoại lệ có phần dư vượt có ý nghĩa thống kê; TTTM và HAI có quá ba lần độ lệch chuẩn được loại bỏ, tạo tương quan mạnh (-0,78) với VIF lần lượt ra các mô hình MLR4 và MLR5- phiên bản là 3,6 và 6,7, thông tin này được rút ra từ cải tiến của MLR2 và MLR3. Những mô phân tích chi tiết bên ngoài bảng nhằm hình này ít bị ảnh hưởng bởi ngoại lệ, giúp tránh trình bày dư thừa và làm bảng trở ước lượng tham số chính xác hơn. nên cồng kềnh, trong khi vẫn cho thấy rõ Trong các mô hình MR4 và MR5, chúng tôi nguy cơ đa cộng tuyến; do đó, MLR2 giữ loại bỏ những quan sát có phần dư chuẩn lại TTTM, MLR3 giữ lại HAI nhằm đơn hóa lớn hơn ±3 độ lệch chuẩn. Tổng cộng giản mô hình, giảm đa cộng tuyến, với cả có 38 ngoại lệ đã bị loại khỏi bộ dữ liệu hai biến đạt ý nghĩa thống kê 99% và dấu ban đầu gồm 730 bất động sản, dẫn đến cỡ phù hợp lý thuyết. mẫu cuối cùng còn lại là 692 quan sát được Mô hình MLR2 cho thấy độ phù hợp tốt sử dụng cho việc ước lượng. Việc loại bỏ hơn dựa trên R² điều chỉnh và AIC, với các quan sát bất thường giúp cải thiện mô hệ số VIF trong cả hai mô hình đều dưới hình nhằm đảm bảo rằng các quan sát bất Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 19
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức Bảng 3. Trình bày kết quả hồi quy của các mô hình đa biến BIẾN MLR1 MLR2 MLR3 MLR4 MLR5 Hằng số 4,367*(0,000) 4,393*(0,000) 4,227*(0,000) 4,402*(0,000) 4,240*(0,000) D1 -0,085*(0,002) -0,080*(0,004) -0,087*(0,002) - 0,079*(0,004) - 0,086*(0,002) D2 0,038(0,167) ROOMS 0,069*(0,000) 0,068*(0,000) 0,068*(0,000) 0,058*(0,000) 0,058*(0,000) BATHS 0,131*(0,000) 0,134*(0,000) 0,136*(0,000) 0,123*(0,000) 0,125*(0,000) FLOORS 0,011*(0,009) 0,010*(0,012) 0,012*(0,003) 0,009*(0,019) 0,011*(0,005) D3 0,244*(0,000) 0,232*(0,000) 0,253*(0,000) 0,235*(0,000) 0,256*(0,000) D4 0,046*(0,004) 0,045*(0,005) 0,039*(0,016) 0,042*(0,007) 0,036*(0,021) D5 0,107*(0,000) 0,112*(0,000) 0,108*(0,000) 0,109*(0,000) 0,105*(0,000) SBD 0,003*(0,000) 0,004*(0,000) 0,004*(0,000) 0,004*(0,000) 0,004*(0,000) D6 0,020*(0,000) 0,021*(0,000) 0,021*(0,000) 0,021*(0,000) 0,022*(0,000) TTTM - 0,010*(0,000) - 0,011*(0,000) -0,011*(0,000) D7 - 0.060*(0,001) - 0,062*(0,000) - 0,076*(0,000) - 0 ,065*(0,000) -0,075*(0,000) HAI 0,002(0,269) 0,005*(0,000) 0,005*(0,000) D8 0,123*(0,001) 0,145*(0,000) 0,088*(0,009) 0,140*(0,000) 0,084*(0,011) D9 0,338*(0,000) 0,336*(0,000) 0,315*(0,000) 0,326*(0,000) 0,305*(0,000) PDK -0,008(0,130) WORKS 0,002(0,903) PFR - 0.570*(0,001) - 0,638*(0,000) - 0,875*(0,000) - 0,631*(0,000) -0,863*(0,000) R2(adj) 0,767 0,767 0,763 0,773 0,770 R2 0,765 0,764 0,761 0,771 0,768 F 282,67 362,92 355,54 375,13 367,30 p-value F 0,000 0,000 0,000 0,000 0,000 p-value Moran’s I 0,000 0,000 0,000 0,000 0,000 AIC 334,75 331,56 356,10 252,48 277,75 Log-likelihood -148,37 - 150,78 -163,51 -111,24 -123,87 N 730 730 730 692 692 Lưu ý: p-value đặt trong ( ). Nguồn: Tác giả tính toán từ phần mền Stata 16 thường không ảnh hưởng tiêu cực đến việc + β12D8i + β13D9i + β14 PFRi + εi (1) ước lượng tham số và tính chính xác của Log(P{ˆ}{i}) = β0 + β1D1i + β2ROOMS + mô hình. Do đó, các mô hình MLR4 và β3BATHSi + β4FLOORSi + β5D3i + β6D4i + MLR5 được chỉ định tương ứng: β7D5i + β8SBDi + β9D6i + β10HAIi + β11D7i + Log(P{ˆ}{i}) = β0 + β1D1i + β2ROOMS + β12D8i + β13D9i + β14PFRi + εi (2) β3BATHSi + β4FLOORSi + β5D3i + β6D4i + Trong các mô hình MLR4 và MLR5, tất cả β7D5i + β8SBDi + β9D6i + β10TTTMi + β11D7i biến đều có ý nghĩa thống kê và dấu phù hợp 20 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
NGUYỄN MINH HẢI với lý thuyết (xem Bảng 3). Trong nhóm triển, tác động tích cực đến giá trị bất động biến liên quan đến điều kiện cấu trúc, biến sản có thể sẽ xuất hiện. D1 có dấu âm, cho thấy các tòa nhà cần cải Tham số D6 cho thấy mỗi tuyến giao thông tạo giá trị sẽ giảm từ 7,5% đến 8,2%. Các công cộng bổ sung có thể tăng giá trị bất biến có tác động tích cực gồm: thêm một động sản lên 2,2%. Điều này phản ánh nhu phòng tắm tăng giá trị trung bình 12%, có cầu cao tại các khu vực trung tâm với sự gara tăng khoảng 10%, và trang bị thang tập trung cơ sở kinh doanh, thương mại và máy tăng thêm 20% giá trị bất động sản. dịch vụ, đặc biệt ở các đô thị lớn. Tại Thủ Tham số liên quan đến thang máy không Đức, dù giao thông công cộng chưa chiếm chỉ thể hiện tầm quan trọng của tiện ích này ưu thế, các khu vực trung tâm vẫn giữ giá mà còn phản ánh tuổi đời và chất lượng tòa trị cao nhờ vị trí chiến lược và hoạt động nhà. Các tham số về điều kiện môi trường, kinh tế sôi động. như vị trí địa lý, cảnh quan, hoặc đặc điểm Các chỉ số về khả năng tiếp cận giao thông xung quanh, thường mang dấu dương nếu đường bộ tại Thủ Đức mang ý nghĩa hợp bất động sản nằm ở trung tâm kinh tế hoặc lý: biến TTTM trong MLR4 có dấu âm, có hướng nhìn sông Sài Gòn. Kết quả từ còn biến HAI trong MLR5 có dấu dương. MLR4 cho thấy bất động sản ven sông có Tham số của TTTM cho thấy mỗi phút tăng thể tăng giá trung bình đến 38%. Ngược thêm trong thời gian di chuyển đến trung lại, biến PFR mang dấu âm với giá trị lớn, tâm (Quận 1, Quận 3) làm giảm giá trị bất cho thấy tác động tiêu cực từ mật độ dân số động sản hơn 1%, phù hợp với lý thuyết cao, chất lượng dịch vụ đô thị thấp, hoặc giảm giá theo khoảng cách đến trung tâm. thiếu hụt hạ tầng công cộng, làm giảm giá Ngược lại, tham số của HAI chỉ ra rằng mỗi trị bất động sản, dù những khu vực này có đơn vị tăng trong bán kính di chuyển hợp tiềm năng phát triển dài hạn. lý để tiếp cận việc làm làm tăng giá trị bất Hầu hết các tham số giao thông tại Thành động sản thêm 0,5%. Điều này khẳng định phố Thủ Đức có dấu phù hợp với giả thuyết rằng các khu vực có mạng lưới giao thông rằng cải thiện giao thông làm tăng giá trị tốt thường có giá trị bất động sản cao hơn. bất động sản. Tuy nhiên, biến D7 mang Trong cả hai mô hình MLR4 và MLR5, hệ dấu âm, cho thấy bất động sản cách nhà ga số của các biến TTTM và HAI đều có dấu dưới 500 m giảm giá trị 6-7%. Kết quả này, hiệu phù hợp và có ý nghĩa thống kê, cho trái với lý thuyết thông thường, có thể do thấy cả hai chỉ số về khả năng tiếp cận cơ cơ sở hạ tầng đường sắt chưa hoàn thiện hội việc làm và các hoạt động thương mại và môi trường quanh nhà ga còn hạn chế. đều có giá trị hợp lý. Tuy nhiên, biến TTTM Ví dụ, các ga trên tuyến Metro số 1 (Bến có xu hướng phù hợp hơn với hầu hết các Thành- Suối Tiên) vẫn đang xây dựng, khu khu vực đô thị truyền thống mang tính đơn vực lân cận thiếu quy hoạch đồng bộ, và tâm, trong khi biến HAI có thể được coi là các tác động tiêu cực như tiếng ồn, cảnh một chỉ số hợp lý hơn đối với các khu vực quan suy giảm, môi trường sống kém chất có đặc điểm đa tâm (Ottensmann và cộng lượng (Armstrong & Rodríguez, 2006). sự, 2008). Thêm vào đó, đường sắt chiếm tỷ lệ nhỏ Trong nghiên cứu này, các khu đô thị mới trong phương thức di chuyển tại Thủ Đức, tại Thủ Đức chưa đủ phát triển để cạnh tranh nơi người dân chủ yếu dùng xe máy và ô với các trung tâm kinh tế truyền thống của tô cá nhân. Tuy nhiên, khi tuyến metro số TP.HCM. Hiện tại, khu vực trung tâm cũ 1 hoàn thành và giao thông công cộng phát (Quận 1 và Quận 3) chiếm hơn 20% tổng Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 21
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức việc làm và khoảng 65% việc làm có giá trị được sử dụng làm thước đo khả năng tiếp cao của thành phố, cho thấy Thủ Đức vẫn cận, nhằm giải thích mối quan hệ không mang đặc trưng đô thị đơn tâm, với TTTM gian trong dữ liệu. là chỉ số quan trọng đánh giá khả năng tiếp cận. Mô hình MLR4, với chỉ số R² và AIC 3.4. Xây dựng các mô hình không gian cao hơn, được chọn làm mô hình tham SAR, SEM và SDM chiếu để phân tích các mô hình không gian. Điều này phản ánh thực tế rằng, mặc dù LeSage và Pace (2009) nhấn mạnh rằng mô các khu đô thị như Khu Công Nghệ Cao, hình tự hồi quy không gian (SAR) là một Thủ Thiêm và Đại học Quốc Gia TP.HCM trong những mô hình kinh tế không gian đang phát triển, Thủ Đức vẫn chưa đủ sức tiêu biểu, minh họa sự ảnh hưởng của đặc thay thế vai trò của các trung tâm kinh tế điểm kinh tế tại một địa điểm bởi các địa truyền thống. điểm lân cận thông qua cơ chế «lan tỏa». Mô hình này giả định quá trình khuếch tán 3.3. Phân tích tự tương quan trong biến phụ thuộc, phản ánh mối quan hệ tương tác không gian giữa các địa điểm, Để kiểm tra tự tương quan không gian trong được mô tả như sau: phần dư của mô hình hồi quy MLR, nghiên y = ρWy + Xβ + ε (3) cứu sử dụng chỉ số Moran’s I. Thông tin tọa Trong đó, y là một vectơ của biến phụ thuộc; độ địa lý được chuyển đổi thành vùng bằng ρ là tham số tự động không gian; W là ma các đa giác Thiessen (Maguire và cộng sự, trận cấp N x N của các trọng số không gian, 2005). Moran’s I được tính toán với ma trong đó N là số lượng quan sát; ꞵ là một trận lân cận kiểu Queen (Griffith, 1987) vectơ hệ số hồi quy; X là ma trận các biến và các khoảng cách cố định, ghi nhận giá độc lập; và ɛ là một vectơ sai số. trị có ý nghĩa thống kê trong mọi trường Để khắc phục vấn đề tự tương quan không hợp (xem Bảng 3) điều này chỉ ra rằng các gian trong sai số, có thể sử dụng mô hình sai giá trị của biến tại các vị trí gần nhau trong số không gian tự hồi quy (SEM). Dạng biểu không gian có mối quan hệ, thay vì độc lập diễn của mô hình SEM được viết như sau: ngẫu nhiên. Tức là, kiểm định Moran’s I đã y = Xβ + u (4) khẳng định dữ liệu có hiện tượng tự tương u = λWu + ε (5) quan không gian, điều này có nghĩa là giả Trong đó, λ là tham số tự tương quan không định về độc lập ngẫu nhiên trong mô hình gian trong sai số u; ɛ là một vectơ sai số hồi quy MLR bị vi phạm, khiến mô hình ngẫu nhiên và phân phối chuẩn. này không còn phù hợp. Cuối cùng, để mô hình hóa đồng thời cả Do mô hình hồi quy MLR không thể mô ảnh hưởng lan toả của biến phụ thuộc và tả chính xác mối quan hệ trong dữ liệu, biến độc lập, mô hình Durbin không gian việc thay thế bằng các mô hình không gian (SDM) được đề xuất như sau: sẽ giúp kiểm soát tác động không gian và y = ρWy + Xβ + γWXθ + ε (6) nâng cao độ chính xác của kết quả hồi quy. Trong đó, WXθ là thành phần thể hiện trễ Do đó, nghiên cứu tiếp tục xây dựng và ước không gian của biến độc lập. lượng các mô hình kinh tế lượng không LeSage và Pace (2009) đặc biệt khuyến gian (SAR, SEM và SDM), dựa trên đặc nghị áp dụng mô hình SDM vì hai đặc tính tả từ mô hình MLR4 có độ khớp tốt nhất. nổi bật của nó. Thứ nhất, mô hình SDM Trong đó, thời gian di chuyển đến TTTM có khả năng ổn định tốt hơn trong trường 22 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
NGUYỄN MINH HẢI hợp thiếu các biến độc lập quan trọng. Điều lân cận, với trung bình 11 liên kết. Khoảng này đặc biệt có ý nghĩa trong các nghiên cách 1700 m được chọn làm mức tối thiểu cứu thực nghiệm, nơi dữ liệu thường không để đảm bảo mỗi quan sát có ít nhất một đầy đủ hoặc không chính xác. Thứ hai, mô lân cận, ngăn ngừa sự cô lập không gian hình SDM được xem là một mô hình tổng và đảm bảo tính toàn diện (Ángel Ibeas và quát bao trùm mô hình SAR (khi θ = 0) và cộng sự, 2012). Số liên kết tăng từ Queen SEM ( khi θ = −ρβ ), nhưng không chứa cơ đến D1700 thể hiện phạm vi lân cận mở chế sửa lỗi sai như SEM, vì không có thành rộng dần. phần lỗi có trễ không gian (u = λWu+ɛ ). Tuy nhiên, SDM có ưu điểm là cho phép 3.5. Kết quả ước lượng từ các mô hình kiểm soát ảnh hưởng lan toả của cả biến SAR, SEM và SDM phụ thuộc và các biến giải thích, giúp tăng cường khả năng giải thích trong các mô Bảng 4 trình bày kết quả ước lượng mỗi hình định giá bất động sản đô thị (LeSage mô hình không gian với ba loại ma trận và Pace, 2009). lân cận: Queen, K8, và D1700, tạo thành Vai trò của ma trận trọng số không gian W chín mô hình kết hợp SAR, SEM, và SDM. là xác định mối quan hệ không gian giữa Trong SEM, các tham số được diễn giải các đơn vị phân tích, như các khu vực địa trực tiếp, trong khi SAR và SDM yêu cầu lý hoặc đơn vị hành chính. Việc xác định phân tích thêm độ trễ biến phụ thuộc, làm chính xác các phần tử wij của W là điều kiện phức tạp việc diễn giải. Theo LeSage và tiên quyết để đảm bảo tính chính xác và độ Pace (2009), để phản ánh đầy đủ hiệu ứng tin cậy của mô hình. Anselin (1988) đề xuất của biến độc lập trong SAR và SDM, cần bốn phương pháp xác định ma trận trọng số: phân tách tác động thành trực tiếp, gián tiếp giáp kiểu Queen, kiểu Rook, láng giềng tiếp và tổng hợp. Cách tiếp cận này đảm gần nhất cố định, và láng giềng trong một bảo diễn giải chính xác và ứng dụng hiệu khoảng cách tối đa, cho phép tùy chọn phù quả trong phân tích kinh tế không gian. hợp với dữ liệu và mục tiêu nghiên cứu. Tham số ước lượng từ SAR và SEM tương LeSage và Pace (2009) nhấn mạnh hai yếu tự OLS trong MLR4, nhưng hai biến D7 tố quan trọng trong mô hình kinh tế lượng và FLOORS (SEM với D1700) không đạt không gian: tính ổn định của tham số ước ý nghĩa thống kê ở mức 95%. Trong SDM, lượng và phương pháp ước lượng phù hợp. nhiều tham số không có ý nghĩa, đặc biệt Tính ổn định yêu cầu tham số không bị ảnh là TTTM và D7 trong SDM-QUEEN và hưởng lớn bởi cách xác định ma trận trọng SDM-D1700. Tuy nhiên, SDM-K8 cho số (Anselin, 1988). Để xây dựng ma trận kết quả tất cả biến đều có ý nghĩa và giữ trọng số không gian, dữ liệu điểm được dấu phù hợp với SAR, SEM, và MLR4. chuyển đổi thành dữ liệu vùng theo phương Một số biến như D1, D5, và SBD có dấu pháp đa giác Thiessen. Ba loại ma trận phù hoặc ý nghĩa không phù hợp với kỳ vọng hợp trong môi trường đô thị gồm: (1) ma lý thuyết, cần kiểm tra và giải thích thêm. trận Queen bậc nhất: Dựa trên các quan sát Các tham số ước lượng từ các ma trận có chung biên giới, với trung bình 5,7 liên lân cận (Bảng 4) nhìn chung giữ nguyên kết; (2) ma trận K8: xác định 8 quan sát dấu so với mô hình MLR, ngoại trừ một gần nhất, trung bình 8 liên kết; (3) ma trận vài biến như TTTM và D7 trong mô hình D1700: dựa trên bán kính trung bình 1700 SDM-D1700, khi so sánh với SDM-Queen m, đảm bảo mỗi quan sát có ít nhất một và SDM-K8. Tuy nhiên, sự thay đổi này Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 23
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức Bảng 4. Các tham số ước lượng trong các mô hình SAR, SEM và SDM BIẾN MÔ HÌNH SAR MÔ HÌNH SEM MÔ HÌNH SDM QUEEN K8 D1700 QUEEN K8 D1700 QUEEN K8 D1700 Hằng số 8,507 8,520 6,313 11,443 11,430 11,469 6,607 7,643 4,812 D1 -0,098 -0,095 -0,082 -0,093 -0,090 -0.085 -0,092 -0,096 -0,089 ROOMS 0,061 0,054 0,059 0,060 0,054 0,057 0,059 0,051 0,058 BATHS 0,109 0,120 0,117 0,118 0,126 0,123 0,114 0,126 0,118 FLOORS 0,011 0,009 0,008 0,009 0,010 0,006* 0,010 0,009 0,006* D3 0,212 0,228 0,242 0,196 0,225 0,232 0,193 0,221 0,229 D4 0,035 0,038 0,034 0,034 0,040 0,036 0,033 0,037 0,032 D5 0,104 0,110 0,113 0,114 0,108 0,127 0,112 0,108 0,135 SBD 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003 0,003 D6 0,017 0,020 0,022 0,018 0,020 0,015 0,004* 0,018 0,014 TTTM -0,009 -0,007 -0,007 -0,011 -0,009 -0,010 -0,008* -0,005 0,001* D7 -0,052 -0,052 -0,017* -0,051 -0,047 -0,006* -0,000* -0,028 0,013* D8 0,094 0,140 0,104 0,129 0,133 0,076 0,065* 0,131 0,086 D9 0,223 0,245 0,205 0,295 0,264 0,227 0,084* 0,195 0,269 PFR -0,288 -0,609 -0,547 -0,505 -0, 710 -1.00 -0,213* -0,683 -1.12 Lag.D1 0,118 0,144* 0,134* Lag.ROOMS -0,047 0,004* 0,061* Lag.BATHS -0,031* -0,072* 0,102* Lag.FLOORS -0,006* -0,000* -0,031* Lag.D3 0,037* -0,015* 0,049* Lag.D4 0,034* -0,020* -0,051* Lag.D5 -0,077 0,054* -0,031* Lag.SBD -0,001 -0,000* -0,001* Lag.D6 0,009* -0,000* 0,015* Lag.TTTM 0,005* -0,083* -0,001* Lag.D7 -0,057* -0,083 -0,065* Lag.D8 0,005* 0,014* 0,890 Lag.D9 0,099* 0,090* -0,163 Lag.PFR -0,224* 0,935 0,963 ρ 0,235 0,232 0,406 -0,224 0,935 0,963 λ 0,447 0,429 0,756 p-Value ρ/λ 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 0,000 p-Value Moran´s I 0,000 0,000 0,000 0,060 0,000 0,791 0,068 0,000 0,631 Log-likelihood -49,66 -63,91 -75,01 -22,51 -74,33 -34,80 7,99 -42,42 -2,06 AIC 133,33 161,82 184,04 79,02 182,67 103,62 46,02 146,85 66,13 Chú ý: * - không có ý nghĩa thống kê ở mức 0,05. Nguồn: Tác giả tính toán từ phần mền Stata 16 24 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
NGUYỄN MINH HẢI là không đáng kể, do các tham số này có Do đó, mặc dù SDM-Queen có độ khớp tốt mức độ ý nghĩa thấp và không phải là yếu nhất, nhưng không được chọn làm mô hình tố trung tâm trong mô hình SDM. Trong ba chính vì không đảm bảo tính nhất quán và cấu hình, mô hình SDM sử dụng ma trận diễn giải theo lý thuyết kinh tế đô thị. Việc Queen cho kết quả log-likelihood cao nhất lựa chọn mô hình trong nghiên cứu này và AIC thấp nhất, cho thấy ma trận Queen đặt trọng tâm vào khả năng kiểm định giả có hiệu quả cao hơn trong mô hình hóa thuyết và độ tin cậy của các tham số hơn là quan hệ không gian. tối ưu hóa đơn thuần theo AIC. Tuy nhiên, việc lựa chọn mô hình phù hợp Để chọn mô hình phù hợp, nghiên cứu sử không chỉ dựa vào độ khớp thống kê như dụng chỉ số Moran's I để kiểm tra tự tương AIC, mà còn cần xem xét tính ổn định và quan phần dư. Chỉ số có ý nghĩa thống kê khả năng diễn giải của các tham số. Trong cho thấy có tồn tại phụ thuộc không gian các mô hình SDM, các biến trễ không gian giữa các quan sát, trong khi chỉ số không thể hiện sự nhạy cảm đáng kể với sự thay có ý nghĩa cho thấy mô hình đã loại bỏ tự đổi của ma trận lân cận, làm thay đổi dấu tương quan phần dư. Đây là công cụ quan hoặc ý nghĩa thống kê của các biến quan trọng để đánh giá hiệu quả kiểm soát mối trọng như TTTM và D7. Hiện tượng này quan hệ không gian giữa các quan sát. không xảy ra trong các mô hình MLR hay Bảng 4 cho thấy chỉ số Moran’s I không có SAR, vốn cho kết quả ổn định hơn khi thay ý nghĩa thống kê trong các mô hình SEM- đổi ma trận. QUEEN, SEM-D1700, SDM-QUEEN, và Bảng 5. Tác động trực tiếp, gián tiếp và tổng hợp được ước tính từ các mô hình SAR- QUEEN, SDM-K8 BIẾN SAR-QUEEN SDM-K8 Tác động trực Tác động gián Tác động Tác động trực Tác động gián Tác động tiếp tiếp tổng hợp tiếp tiếp tổng hợp D1 — 0,099 — 0,029 — 0,128 — 0,088 0,158* 0,070* ROOMS 0,062 0,018 0,080 0,053 0,029* 0,082* BATHS 0,110 0,032 0,143 0,123 — 0,046* 0,077* FLOORS 0,011 0,003 0,015 0,009 0,003* 0,012* D3 0,214 0,063 0,277 0,225 0,074* 0,300 D4 0,036 0,010 0,046 0,036 — 0,012* 0,024* D5 0,105 0,030 0,136 0,113 0,122* 0,236 SBD 0,003 0,001 0,004 0,003 0,000* 0,004 D6 0,017 0,005 0,022 0,018 0,003* 0,022 TTTM — 0,009 — 0,002 — 0,012 — 0,005 — 0,001* — 0,007* D7 — 0,052 — 0,015 — 0,068 — 0,033 — 0,127 — 0,161 D8 0,095 0,028 0,124 0,135 0,076* 0,212 D9 0,225 0,066 0,292 0,204 0,210 0,414 PFR — 0,291 — 0,085 — 0,376 — 0,637 1,00 0,365* Nguồn: Tác giả tính toán từ phần mền Stata 16 Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 25
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức SDM-D1700, chứng tỏ các mô hình đã loại nghiên cứu. bỏ tự tương quan trong phần dư. Trong Thứ nhất, kết quả cho thấy điều kiện giao các mô hình còn lại, tự tương quan phần thông có tác động đáng kể đến giá trị bất dư vẫn có ý nghĩa nhưng Moran’s I thấp động sản tại thành phố Thủ Đức. Cụ thể, hơn MLR, cho thấy yếu tố không gian đã biến D6 (khả năng tiếp cận xe buýt) có tác làm giảm đáng kể tự tương quan. SAR và động tích cực, làm tăng giá trị bất động sản SEM với ma trận QUEEN được đánh giá từ 1,4% đến 2,2%, trung bình là 1,8% theo cao nhờ độ phù hợp, ý nghĩa tham số và mô hình SEM-QUEEN. Việc phát triển hệ loại bỏ tự tương quan phần dư. Với SDM, thống xe buýt kết nối các khu vực ngoại vi dù SDM-K8 có độ phù hợp thấp hơn SDM- như Linh Trung, Bình Chiểu với trung tâm QUEEN và SDM-D1700, nhưng được ưu thành phố, cùng với kỳ vọng về tuyến metro tiên nhờ các biến D6, TTTM, và D7 đều có Bến Thành- Suối Tiên, sẽ tiếp tục định hình ý nghĩa thống kê. giá trị bất động sản tại khu vực này. So sánh Bảng 4 và Bảng 5 cho thấy các tham Thứ hai, thời gian di chuyển đến trung số ước lượng có sự khác biệt nhỏ, không ảnh tâm có tác động ngược chiều với giá bất hưởng đến kết luận chính, khẳng định sự ổn động sản, với mức giảm 0,5%- 1,1% mỗi định của mô hình. Tuy nhiên, với biến D9, phút. Điều này phản ánh sự ưu tiên của thị tác động trực tiếp hoặc gián tiếp có thể thay trường đối với các khu vực gần trung tâm. đổi ý nghĩa, đòi hỏi phải diễn giải cẩn thận Biến D7 (khả năng tiếp cận đường sắt) cho trong bối cảnh không gian. Mô hình SAR- thấy tác động tiêu cực, làm giảm giá trị bất QUEEN nổi bật nhờ tác động gián tiếp có động sản từ 2,7% đến 6%, do ảnh hưởng ý nghĩa và dấu hiệu phù hợp với lý thuyết, của tiếng ồn và rung động. Tuy nhiên, khi phản ánh đúng mối quan hệ không gian và tuyến metro số 1 đi vào hoạt động, dự kiến đảm bảo tính ổn định, qua đó nâng cao độ tác động này sẽ giảm dần, đồng thời các tin cậy của kết quả. Trong khi đó, mô hình khu vực quanh các ga trọng điểm như Khu SEM-QUEEN được đánh giá cao nhất nhờ công nghệ cao, Suối Tiên và Bình Thái có ba yếu tố: độ khớp dữ liệu tốt, dấu hiệu phù thể chứng kiến sự gia tăng giá trị đáng kể. hợp lý thuyết, và loại bỏ hoàn toàn tự tương Thứ ba, khoảng cách đến trung tâm càng xa quan không gian trong phần dư. thì giá bất động sản càng giảm, đặc biệt tại các khu vực có kết nối giao thông kém. Các 4. Kết luận khu vực gần các trạm metro hoặc trung tâm như Thảo Điền và Khu công nghệ cao có Nghiên cứu này đã sử dụng bốn mô hình giá trị cao hơn đáng kể so với các khu vực hồi quy Hedonic: hồi quy tuyến tính bội xa hơn như Long Bình và Linh Xuân, điều (MLR), tự hồi quy không gian (SAR), sai này cho thấy tầm quan trọng của các tiện số tự hồi quy không gian (SEM) và tự hồi ích công cộng và hệ thống giao thông trong quy Durbin không gian (SDM) để đánh giá quyết định giá trị bất động sản. tác động của điều kiện giao thông đến giá Thứ tư, so sánh giữa các mô hình cho thấy trị bất động sản tại thành phố Thủ Đức. các mô hình không gian (SAR, SEM, SDM) Quá trình ước lượng và so sánh dữ liệu cho vượt trội so với mô hình MLR trong việc phép lựa chọn mô hình phù hợp nhất, đảm xử lý các tác động không gian. Đặc biệt, bảo tính ổn định của các tham số. Kết quả mô hình SEM với ma trận lân cận Queen nghiên cứu đã làm rõ các yếu tố chính ảnh cho kết quả tốt nhất, thể hiện tính ổn định hưởng đến giá bất động sản trong khu vực của các tham số và khả năng kiểm soát tốt 26 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025
NGUYỄN MINH HẢI các yếu tố địa phương. Trong khi đó, mô thị, đặc biệt là các khu vực đang phát triển hình SDM tỏ ra nhạy cảm hơn với các thay như thành phố Thủ Đức. Hệ thống giao đổi trong cấu hình ma trận lân cận. thông công cộng, đặc biệt là các tuyến xe Dựa trên những phát hiện này, nghiên buýt nhanh và metro, đóng vai trò then chốt cứu khẳng định tầm quan trọng của yếu tố trong việc định hình giá trị thị trường bất không gian trong định giá bất động sản đô động sản. ■ Tài liệu tham khảo Alonso, W. (1964). Location and Land Use: Toward a General Theory of Land Rent. Harvard University Press, Cambridge. Andersson, D.E., Shyr, O.F., Fu, J., 2010. Does high-speed rail accessibility influence residential property prices? Hedonic estimates from southern Taiwan. Journal of Transport Geography, 18, 166–174. https://doi.org/10.1016/j. jtrangeo.2009.05.003 Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Dordrecht, Boston. Anselin, L. (2010). Thirty years of spatial econometrics. Papers in Regional Science, 89, 3–25. https://doi.org/10.1111/ j.1435-5957.2010.00279.x Armstrong, R., Rodríguez, D. (2006). An evaluation of the accessibility benefits of commuter rail in eastern Massachusetts using spatial hedonic price functions. Transportation, 33, 21–43. https://doi.org/10.1007/s11116-005-0949-x Cervero, R., Kang, C.D. (2011). Bus rapid transit impacts on land uses and land values in Seoul, Korea. Transport Policy, 18, 102–116. https://doi.org/10.1016/j.tranpol.2010.06.005 Cropper, M.L., Leland, B.D., McConnell, K.E. (1988). On the choice of functional form for hedonic price functions. The Review of Economics and Statistics, 70, 668– 675. https://doi.org/10.2307/1935831 Debrezion, G., Pels, E., Rietveld, P. (2006). The Impact of Rail Transport on Real Estate Prices: An Empirical Analysis of the Dutch Housing Market. Tinbergen Institute Discussion Papers, 06-031/3 Debrezion, G., Pels, E., Rietveld, P. (2007). The impact of railway stations on residential and commercial property value: a meta-analysis. The Journal of Real Estate Finance and Economics, 35, 161–180. https://doi.org/10.1007/ s11146-007-9032-z Griffith, D. (1987). Spatial Autocorrelation: A Primer. Association of American Geographers Resource Publication, Washington, DC. Gujarati, D.N., Porter, D.C. (2009). Basic Econometrics. McGraw-Hill Irwin, Boston. Ibeas, A., Cordera, R., dell’Olio, L., Moura, J.L. (2011). Modelling demand in restricted parking zones. Transportation Research Part A: Policy and Practice, 45, 485–498. https://doi.org/10.1016/j.tra.2011.03.004 Nguyen, Minh Hai. (2022). Technological Spillovers and Determinants of Firm Productivity: Evidence from Vietnam’s Manufacturing Industry. Indian Journal of Finance, 16(1), 27-38. https://doi.org/10.17010/ijf/2022/v16i1/167781 Nguyen, Minh Hai. (2022). Spatial spillover effects of transport infrastructure on economic growth of Vietnam regions: a spatial regression approach. Real Estate Management and Valuation, 30(2), 12-20. https://doi.org/10.2478/ remav-2022-0010 Handy, S. L., & Niemeier, D. A. (1997). Measuring accessibility: an exploration of issues and alternatives. Environment and planning A, 29(7), 1175-1194. https://doi.org/10.1068/a291175 LeSage, J.P., Pace, R.K. (2010). Spatial econometric models. In: Fischer, M.M., Getis, A.(Eds.). Handbook of Applied Spatial Analysis: Software Tools, Methods and Applications. Springer, Berlin, 355–376. https://doi. org/10.1007/978-3-642-03647-7_18 Malpezzi, S. (2008). Hedonic pricing models: a selective and applied review. In: O’Sullivan, T., Gibb, K. (Eds.), Housing Economics and Public Policy. Blackwell Science, Oxford, 67–89. https://doi.org/10.1002/9780470690680 Martínez, L., Viegas, J. (2009). Effects of transportation accessibility on residential property values. Transportation Research Record: Journal of the Transportation Research Board, 2115, 127–137. https://doi.org/10.3141/2115-16 Mills, E.S. (1972). Studies in the Structure of the Urban Economy. Johns Hopkins Press, Baltimore. Munoz-Raskin, R. (2010). Walking accessibility to bus rapid transit: does it affect property values? The case of Bogotá, Colombia. Transport Policy, 17, 72–84. https://doi.org/10.1016/j.tranpol.2009.11.002 Muth, R.F. (1969). Cities and Housing: The Spatial Pattern of Urban Residential Land Use. University of Chicago Press, Chicago. Ottensmann, J.R., Payton, S., Man, J. (2008). Urban location and housing prices within a hedonic model. Journal of Regional Analysis and Policy, 38, 19–35. https://doi.org/10.22004/ag.econ.132338 Ovenell, N. (2007). A Second Hedonic Longitudinal Study on the Effect on House Prices of Proximity to the Metrolink Light Rail System in Greater Manchester. Unpublished MSc Transport Engineering and Planning Dissertation, University of Salford. Số 276- Năm thứ 27 (4)- Tháng 4. 2025- Tạp chí Kinh tế - Luật & Ngân hàng 27
Ảnh hưởng của giao thông công cộng đến giá trị bất động sản: Bằng chứng thực nghiệm từ mô hình không gian tại Thành phố Thủ Đức Rodríguez, D.A., Mojica, C.H. (2009). Capitalization of BRT network expansions effects into prices of non-expansion areas. Transportation Research Part A: Policy and Practice, 43, 560–571. https://doi.org/10.1016/j.tra.2009.02.003 Rosen, S. (1974). Hedonic prices and implicit markets: product differentiation in pure competition. Journal of Political Economy, 82, 34–55. https://doi.org/10.1086/260169 Senior, M.L. (2009). Impacts on travel behaviour of greater Manchester’s light rail investment: evidence from household surveys and census data. Journal of Transport Geography, 17, 187–197. https://doi.org/10.1016/j. jtrangeo.2008.11.004 Von Thünen, J.H. (1966). Der isolierte staat in beziehung auf landwirtschaft und nationalökonomie. Oxford University Press, Oxford. Ward, M.D., Gleditsch, K.S. (2008). Spatial Regression Models. Sage Publications, Thousand Oaks. Waddell, P., Ulfarsson, G.F., Franklin, J.P., Lobb, J. (2007). Incorporating land use in metropolitan transportation planning. Transportation Research Part A: Policy and Practice, 41, 382–410. https://doi.org/10.1016/j.tra.2006.09.008 28 Tạp chí Kinh tế - Luật & Ngân hàng- Số 276- Năm thứ 27 (4)- Tháng 4. 2025