Dạng hàm Double Log (Log kép) được

Dạng hàm Double Log (Log kép) được sử dụng trong mô hình hồi quy nhằm thực hiện việc lượng hóa các yếu tố ảnh hưởng đến giá nhà ở. Hàm tuyến tính theo biến số chỉ thích hợp để nghiên cứu trong lý thuyết nhưng ứng dụng trong lĩnh vực thị trường BĐS thì chưa hợp lý, bởi vì giá đất không thể tăng mãi theo đường thẳng. Do đó, hàm phi tuyến theo biến số được lựa chọn như là một giải pháp thích hợp hơn. Trong hàm này, có sử dụng kỹ thuật biến giả (dummy variable) nhằm mục đích so sánh sự khác biệt về giá nhà ở theo từng thuộc tính khác nhau của nó. Phương trình ước lượng có dạng tổng quát như sau:

LnY = β0 + β1LnX1 + β2LnX2 + β3LnX3 + β4LnX4 + β5X5 + β6X6 + β7X7 + ut

Với: β0, β1,… β7 là các tham số ta cần ước lượng;

β0 là hệ số chặn;

β1,…. β7 là hệ số góc của các yếu tố ảnh hưởng đến giá BĐS;

ut là độ nhiễu, là sai số ngẫu nhiên.

Mặc dù đây là hàm phi tuyến theo các biến số nhưng nó vẫn tuyến tính theo các tham số ước lượng. Lúc này, phương pháp bình phương bé nhất OLS (Ordinary least squares) có thể được áp dụng để tìm ra phương trình hồi quy. Kết quả ước lượng mô hình cho hệ số xác định điều chỉnh (Adjusted R-squared) R2 = 0.781 = 78,1% là tương đối lớn đối với dữ liệu chéo. Điều này có nghĩa là 78,1% biến thiên của giá nhà sẽ được giải thích bởi các yếu tố là các biến độc lập đã được chọn đưa vào mô hình, hay nói cách khác 78,1% giá cả thị trường nhà ở riêng lẻ được ước tính bởi mô hình.

Kết quả hồi quy được ước lượng như sau:

LnY = 5,147 + 0,688LnX1 + 0,115LnX2 + 0,382LnX3 + 0,649LnX4 + 0,230X5 + 0,450X6 + 0,163X7

Với kết quả hàm hồi quy xây dựng được như trên, có thể thấy giá nhà ở có quan hệ đồng biến với các yếu tố: Diện tích đất ở hợp pháp, giá trị công trình trên đất, độ rộng đường, khoảng cách đến trung tâm vị thế (1/t), vị trí, pháp lý và an ninh.

Hàm giá giao dịch nhà ở được xây dựng nhằm phục vụ cho các mục tiêu thị trường như mua bán, chuyển nhượng, chuyển đổi BĐS, bồi thường thiệt hại, thế chấp vay vốn, thanh lý tài sản, đấu giá tài sản... Trong nghiên cứu này, hàm giá giao dịch nhà ở được ứng dụng nhằm ước tính giá của các nhà ở không phát sinh giao dịch để tính chỉ số giá BĐS - phân loại nhà ở riêng lẻ.

Kết quả (Anh) 1:

The functional form Double Log (double Log) are used in the regression model in order to perform quantifying factors that affect housing prices. Linear variable only suitable for study in theory but the application in the field of REAL ESTATE market is not logical, because land prices cannot rise forever under the line. Therefore, non-linear function according to selected variables as a more appropriate solution. In this function, use false variable techniques (dummy variable) aims to compare the differences in house prices in each of its different properties. Estimate equation has the following general form:LNY = β0 + β1LnX1 + β2LnX2 + β3LnX3 + β4LnX4 + β5X5 + β6X6 + β7X7 + utWith: β0, β1, ... β7 is the parameters we need to estimate;β0 is the blocking factor;β1,.... β7 is slope of the factors affecting the REAL ESTATE price;UT is the noise level, random numbers are wrong.Although this is a nonlinear function according to these linear but it still variable according to the estimated parameters. At this time, the smallest OLS method (Ordinary least squares) can be applied to find the regression equation. Results for model estimation coefficient of determination adjusted (Adjusted R-squared) R2 = 78.1% = 0781 is relatively large for the data. What this means is 78.1% of the variability of home prices will be explained by factors independent variables were selected for the model, or in other words 78.1% of all individual housing market was estimated by the model.Regression results are estimated as follows:LNY = 5.147 + 0, 688LnX1 + 0, 115LnX2 + 0, 382LnX3 + 0, 649LnX4 + 0, 230X5 + 0, 450X6 + 0, 163X7With the results of regression function built as above, may see the price of housing has a relationship with the elements: an area of land in legal, construction on land value, line width, the distance to the center position (1/t), location, legal and security.The jaw housing transaction price was built to serve the target market as the sale, transfer, convert, compensation, REAL ESTATE mortgage loans, liquidation of property, property auctions ... In this study, the jaw housing transaction prices are applied to estimate the price of the accommodation does not arise in transactions to calculate REAL ESTATE price index-classification of individual houses.

Kết quả (Anh) 2:

Double functional form Log (Log double) used in regression models to perform the quantification of factors affecting the price of housing. Linear function of variables that are only suitable for research in the theory but the application in the field of real estate market is not rational, because land prices can not increase forever in a straight line. Therefore, nonlinear function according to the selected variables as a more appropriate solution. In this function, using techniques dummy variable (dummy variable) for the purpose of comparing the difference in housing prices in each of its various properties. Estimating equations have the general form as follows:

LNY = β0 + + β3LnX3 β2LnX2 β1LnX1 + + + β6X6 β5X5 β4LnX4 + + + ut β7X7

With: β0, β1, ... β7 are the parameters we need to estimate;

β0 is Us the block;

β1, .... β7 is the slope of the factors that affect real estate prices;

ut is the noise, the random error.

Although this is a nonlinear function according to the variables, but it is still linear in the estimated parameters. At this point, the least-squares method OLS (Ordinary least squares) can be applied to find the regression equation. Model estimation results for the coefficient of determination adjusted (Adjusted R-squared) = 78.1% R2 = 0781 is relatively large for the data crossover. This means that 78.1% of the price variation is explained by factors independent variables included in the model selected, in other words 78.1% of the private housing market retail is estimated by the model.

the regression results are estimated as follows:

LNY = 5.147 + 0,115LnX2 0,688LnX1 + + + 0,230X5 0,649LnX4 0,382LnX3 + + + 0,163X7 0,450X6

With regression results construction is as above, one can see housing prices have positively related with the elements: land in legal, construction on the land value, the line width, the distance to the center position (1 / t) , location, legal and security.

Ham transaction price of housing was built to cater to the target market as purchase, sale, transfer, convert the property, compensation for damages, mortgage loans, liquidation property management, property auction ... in this study, levels of housing transaction price is used to estimate the price of housing does not generate transaction to calculate the property price index - housing classified separately pear.

Kết quả (Anh) 3:

Log (log function in the form of a double layer) in the use of regression models to perform a large number of chemical elements of the impact of house prices. A linear function of the variables only in the appropriate research, but in the field of application of the theory of b s market is not reasonable, because the land can not always on the rise. Therefore, the variable selection method in the nonlinear function is a suitable function of the techniques used to put the false (pseudo variable) in order to compare the different properties of different house prices in each. The shape of the equation estimates are summarized as follows:LNY = + + beta 3lnx3 beta 1lnx1 beta 2lnx2 + + + beta 5x5 beta 7x7 UT 6x6Beta 1, beta 0: Yes, we need beta 7 parameter estimation.Beta 0 is the interference factor.Beta 1... The price is 7 beta angle coefficients of elements b s effect.UT is the degree of interference, is the random number of errors.Although this is a variable in the nonlinear function, it is still linear in the parameter estimation. At present, the least square method (generally at least OLS Square) can be applied to find the regression equation. The estimated model is defined as the adjustment coefficient (R2 = R - adjusted squared) 0.781 = 78,1% is relatively large, cross data. This means that the house price variable 78,1% is explained by the independent variables in the model with elements of the selection of 78,1%, or in other words, the market price is estimated by a separate model.The regression results can be estimated as follows:5147 LNY = + + 0688lnx1 0115lnx2 0382lnx3 0230x5 0450x6 0163x7 + + + + + + 0649lnx4 + + + + + + + + + + + + + + + +The results of regression function like, can see the house prices and copper variable: the legitimate land area, land value engineering, road width, distance from the city center (1 / T) position, position, legal and security.The establishment of trading function of price of housing in order to serve the target market is the sale, transfer, exchange, b s, compensation for losses, mortgage funds, clearing property, the auction of the property. In the study, the function of transaction cost in the application in the calculation of housing prices in no transaction price index to calculate the b s classification alone at home.