Khóa luận nghiên cứu mô hình hồi quy trọng số địa lý GWR tính giá bất động sản Hà Nội

Nghiên cứu mô hình hồi quy trọng số địa lý (GWR) để tính toán giá bất động sản. Phân tích các yếu tố ảnh hưởng đến giá nhà đất tại Hà Nội.

• Tác giả: Bùi Minh Hạnh
• Người hướng dẫn: PGS. Bùi Quang Thành
• Trường học: Trường Đại học Khoa học Tự nhiên
• Chuyên ngành: Khoa học thông tin Địa không gian
• Đề tài: Nghiên cứu Mô Hình Hồi Quy Trọng Số Địa Lý Trong Tính Toán Giá Bất Động Sản
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CẢM ƠN
• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN TÀI LIỆU
• 1.1. Thị trường bất động sản
• 1.1.1. Khái niệm
• 1.1.2. Các yếu tố tác động thị trường bất động sản
• 1.1.3. Đặc điểm thị trường bất động sản
• 1.1.4. Phân loại thị trường bất động sản
• 1.1.5. Vai trò thị trường bất động sản
• 1.1.6. Tổng quan về những mô hình tính giá bất động sản
• 1.1.7. Các phương pháp định giá bất động sản ở Việt Nam và trên thế giới
• 1.1.8. Mô hình Hedonic
• 1.1.9. Mô hình học máy và ứng dụng trong tính giá bất động sản
• 1.1.9.1. Phân loại mô hình học máy
• 1.1.9.2. Một số chỉ số đánh giá mô hình học máy
• 1.1.9.3. Các bước cơ bản thực hiện một thuật toán học máy
• 1.1.9.4. Ứng dụng của học máy
• 2. CHƯƠNG 2: DỮ LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
• 2.1. Đặc điểm tự nhiên, kinh tế xã hội của thành phố Hà Nội
• 2.1.1. Điều kiện tự nhiên
• 2.1.2. Tình hình quy hoạch ở Hà Nội
• 2.2. Phương pháp nghiên cứu
• 2.3. Mô hình hồi quy trọng số địa lý (geographically weighted regression - GWR)
• 2.3.1. Mô tả dữ liệu
• 2.3.2. Quy trình nghiên cứu
• 3. CHƯƠNG 3: KẾT QUẢ VÀ THẢO LUẬN
• 3.1. Kết quả tính toán trọng số các lớp từ mô hình GWR
• 3.2. Yếu tố ảnh hưởng
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng Quan Về Nghiên Cứu Giá Bất Động Sản Với GWR

Thị trường bất động sản đóng vai trò quan trọng trong sự phát triển kinh tế - xã hội của mỗi quốc gia. Tại Việt Nam, bất động sản luôn là điểm nóng của dòng tiền, đặc biệt là giá nhà đất. Từ năm 2000, sự phục hồi kinh tế, các dòng đầu tư mới, và sửa đổi Luật Đất đai năm 2001 đã làm tăng nhu cầu về nhà đất. Thị trường trải qua nhiều giai đoạn biến động, từ sốt giá đến trầm lắng, cho thấy sự phức tạp và tầm quan trọng của việc định giá bất động sản chính xác. Theo ước tính của CBRE, nhu cầu vốn đầu tư cho lĩnh vực bất động sản thương mại ở các thành phố lớn là khoảng 1,5 tỷ USD mỗi năm đến năm 2020. Do đó, việc nghiên cứu và ứng dụng các mô hình định giá bất động sản hiệu quả là vô cùng cần thiết. Nghiên cứu sử dụng Mô hình Hồi quy Trọng số Địa lý (GWR) để phân tích giá nhà ở tại Hà Nội, góp phần giúp người tham gia thị trường có thể ước lượng giá bất động sản chính xác nhất.

1.1. Tầm Quan Trọng của Định Giá Bất Động Sản Chính Xác

Việc định giá bất động sản chính xác giúp người tham gia thị trường đưa ra quyết định đầu tư đúng đắn. Nó cũng hỗ trợ các nhà quản lý đưa ra những chính sách điều hành phù hợp và hiệu quả. Giá trị thị trường của bất động sản được ước tính thông qua việc áp dụng các phương pháp định giá và các quy trình thẩm định. GWR là một trong những phương pháp hiện đại được sử dụng, bên cạnh các phương pháp truyền thống như so sánh và thu nhập. Pagourtzi et al. (2003) phân loại các phương pháp định giá bất động sản thành hai loại: truyền thống và hiện đại.

1.2. Mục Tiêu và Phạm Vi Nghiên Cứu Sử Dụng GWR

Mục tiêu của nghiên cứu là tìm hiểu và phân tích các yếu tố để tính giá nhà ở tại Hà Nội thông qua việc ứng dụng mô hình hồi quy trọng số địa lý (GWR). Dữ liệu được thu thập từ dự án điều tra khảo sát các bất động sản trên các tuyến đường thuộc địa bàn Hà Nội năm 2014. Nghiên cứu sử dụng các phương pháp phân tích, thống kê số liệu, mô hình toán học (GWR), và bản đồ. Kết quả nghiên cứu góp phần nâng cao tiếp cận đối tượng trong xử lý dữ liệu các yếu tố hình thành giá nhà, làm sáng tỏ những yếu tố ảnh hưởng và hình thành lên giá nhà.

II. Thách Thức Định Giá Bất Động Sản Yếu Tố Tác Động

Thị trường bất động sản chịu tác động của nhiều yếu tố phức tạp, gây khó khăn cho việc định giá bất động sản chính xác. Các yếu tố này bao gồm tình hình kinh tế, chính sách tài chính và lãi suất, cung và cầu, chính sách quy hoạch và pháp lý, yếu tố xã hội và dân số, và tình hình thế giới. Sự tương tác giữa các yếu tố này tạo ra sự biến động và thay đổi trên thị trường. Ví dụ, lãi suất thấp thường thúc đẩy mua nhà và đầu tư bất động sản, trong khi lãi suất cao có thể làm giảm sức mua. Chính sách quy hoạch và pháp lý cũng có thể tạo ra môi trường thuận lợi hoặc khó khăn cho thị trường. Do đó, việc hiểu rõ các yếu tố này là rất quan trọng để xây dựng mô hình định giá bất động sản hiệu quả, trong đó GWR được xem là một công cụ hữu ích để xem xét đến yếu tố địa lý.

2.1. Các Yếu Tố Kinh Tế Vĩ Mô Ảnh Hưởng Giá Bất Động Sản

Tình hình kinh tế của một quốc gia hoặc khu vực có ảnh hưởng lớn đến thị trường bất động sản. Khi kinh tế phát triển, thu nhập gia tăng và lòng tin của nhà đầu tư tăng cao, thị trường bất động sản thường có xu hướng tăng trưởng. Ngược lại, trong các giai đoạn kinh tế suy thoái, thị trường thường gặp khó khăn. Chính sách tài chính và lãi suất của ngân hàng quốc gia cũng có thể ảnh hưởng đáng kể. Lãi suất thấp thúc đẩy mua nhà và đầu tư, do đó thường có xu hướng tăng giá bất động sản.

2.2. Vai Trò của Cung Cầu Quy Hoạch và Pháp Lý

Sự cân đối giữa cung và cầu trên thị trường bất động sản cũng ảnh hưởng đáng kể đến giá cả và hoạt động giao dịch. Nếu cung vượt quá cầu, giá có thể giảm. Ngược lại, nếu cầu vượt quá cung, giá có thể tăng. Chính sách quy hoạch và pháp lý của chính phủ địa phương có thể có tác động đáng kể đến thị trường. Các quy định về quy hoạch đô thị, pháp lý mua bán, thuế và hỗ trợ nhà ở có thể tạo ra môi trường thuận lợi hoặc khó khăn.

2.3. Tác Động Từ Yếu Tố Xã Hội Dân Số và Tình Hình Thế Giới

Sự phát triển dân số, xu hướng di cư, thay đổi trong cấu trúc gia đình và yêu cầu về nhà ở của người dân cũng có ảnh hưởng đến thị trường. Ví dụ, sự gia tăng dân số và xu hướng tăng số lượng gia đình đơn thân có thể tăng nhu cầu về nhà ở. Sự ổn định chính trị và tình hình kinh tế toàn cầu cũng có thể ảnh hưởng đến thị trường bất động sản. Sự biến động trong thị trường tài chính quốc tế có thể gây ra sự không chắc chắn.

III. GWR Phương Pháp Hồi Quy Trọng Số Địa Lý Hiệu Quả

Mô hình hồi quy trọng số địa lý (Geographically Weighted Regression - GWR) là một phương pháp thống kê cho phép các hệ số hồi quy thay đổi theo vị trí địa lý. Điều này rất hữu ích trong việc mô hình hóa các hiện tượng có tính không gian, ví dụ như giá bất động sản, vì các yếu tố ảnh hưởng đến giá có thể khác nhau ở các khu vực khác nhau. Trong GWR, mỗi quan sát (ví dụ, một căn nhà) được gán một trọng số dựa trên vị trí địa lý của nó so với các quan sát khác. Các quan sát gần nhau sẽ có trọng số cao hơn, cho thấy rằng chúng có ảnh hưởng lớn hơn đến hệ số hồi quy tại vị trí đó. GWR có thể giúp cải thiện độ chính xác của mô hình so với các phương pháp hồi quy truyền thống, đặc biệt khi có sự tương quan không gian trong dữ liệu.

3.1. Nguyên Lý Hoạt Động Của Mô Hình GWR

GWR cho phép các hệ số hồi quy thay đổi theo vị trí địa lý. Điều này rất quan trọng vì các yếu tố ảnh hưởng đến giá bất động sản có thể khác nhau ở các khu vực khác nhau. Ví dụ, gần trung tâm thành phố có thể quan trọng hơn ở ngoại ô. GWR gán trọng số cho mỗi quan sát dựa trên vị trí địa lý của nó so với các quan sát khác.

3.2. Ưu Điểm Của GWR So Với Hồi Quy Truyền Thống

GWR có thể cải thiện độ chính xác của mô hình so với các phương pháp hồi quy truyền thống, đặc biệt khi có sự tương quan không gian trong dữ liệu. Các phương pháp hồi quy truyền thống giả định rằng các hệ số là không đổi trên toàn bộ không gian, điều này có thể không đúng trong thực tế. GWR cho phép các hệ số thay đổi, phản ánh tốt hơn sự phức tạp của các hiện tượng có tính không gian. Sự địa phương hóa là chìa khóa.

3.3. Các Bước Cơ Bản Thực Hiện Mô Hình GWR

Các bước cơ bản thực hiện mô hình GWR bao gồm: thu thập và chuẩn bị dữ liệu, chọn kernel function phù hợp, chọn bandwidth, chạy mô hình, và đánh giá kết quả. Việc chọn bandwidth phù hợp là rất quan trọng vì nó ảnh hưởng đến mức độ địa phương hóa của mô hình. Bandwidth quá nhỏ có thể dẫn đến overfitting, trong khi bandwidth quá lớn có thể dẫn đến underfitting.

IV. Ứng Dụng Thực Tiễn GWR Tính Giá Nhà Ở Hà Nội

Nghiên cứu này ứng dụng mô hình GWR để tính giá nhà ở tại Hà Nội, sử dụng dữ liệu khảo sát năm 2014. Kết quả cho thấy rằng GWR có thể nắm bắt được sự biến đổi không gian của các yếu tố ảnh hưởng đến giá nhà, như diện tích đất, vị trí, và tiện ích xung quanh. Các yếu tố này có thể có tác động khác nhau ở các khu vực khác nhau của thành phố. Ví dụ, diện tích đất có thể quan trọng hơn ở ngoại ô, trong khi vị trí gần trung tâm có thể quan trọng hơn ở các khu vực khác. GWR giúp người tham gia thị trường ước lượng giá bất động sản một cách chính xác hơn, dựa vào các nhân tố quan trọng.

4.1. Dữ Liệu Sử Dụng Cho Nghiên Cứu GWR Tại Hà Nội

Nghiên cứu sử dụng dữ liệu khảo sát bất động sản tại Hà Nội năm 2014. Dữ liệu này bao gồm thông tin về diện tích đất, diện tích nhà, vị trí, tiện ích xung quanh, và các đặc điểm khác của bất động sản. Dữ liệu được thu thập thông qua phỏng vấn và bảng khảo sát. Việc chuẩn bị dữ liệu kỹ lưỡng là rất quan trọng để đảm bảo tính chính xác của mô hình GWR.

4.2. Kết Quả Phân Tích Các Yếu Tố Ảnh Hưởng Giá Nhà ở Hà Nội

Kết quả phân tích cho thấy rằng GWR có thể xác định các yếu tố ảnh hưởng đến giá nhà ở tại Hà Nội một cách chính xác. Các yếu tố này có thể bao gồm diện tích đất, vị trí, tiện ích xung quanh, và các đặc điểm khác. Quan trọng nhất là yếu tố nào ảnh hưởng nhất. Nghiên cứu này giúp hiểu rõ hơn về động lực thị trường bất động sản tại Hà Nội.

4.3. So Sánh Kết Quả GWR với Các Mô Hình Khác

So sánh kết quả GWR với các mô hình khác (ví dụ, hồi quy đa biến thông thường) có thể cho thấy ưu điểm của GWR trong việc nắm bắt sự biến đổi không gian. GWR thường cho kết quả chính xác hơn khi có sự tương quan không gian trong dữ liệu. Việc so sánh này giúp đánh giá tính hiệu quả của GWR so với các phương pháp khác.

V. GWR Trong Định Giá Bất Động Sản Kết Luận Tương Lai

Nghiên cứu về ứng dụng mô hình GWR trong tính giá bất động sản tại Hà Nội cho thấy tiềm năng của phương pháp này trong việc cải thiện độ chính xác của mô hình. GWR có thể nắm bắt được sự biến đổi không gian của các yếu tố ảnh hưởng đến giá, và cung cấp thông tin hữu ích cho người tham gia thị trường và nhà quản lý. Trong tương lai, GWR có thể được kết hợp với các kỹ thuật machine learning để tạo ra các mô hình định giá bất động sản tiên tiến hơn. Việc nghiên cứu và phát triển các ứng dụng của GWR trong lĩnh vực bất động sản là rất quan trọng để nâng cao hiệu quả và minh bạch của thị trường.

5.1. Điểm Mạnh và Hạn Chế Của Mô Hình GWR Trong Thực Tế

GWR có nhiều điểm mạnh, bao gồm khả năng nắm bắt sự biến đổi không gian và cải thiện độ chính xác của mô hình. Tuy nhiên, GWR cũng có một số hạn chế, bao gồm yêu cầu dữ liệu lớn và việc chọn bandwidth phù hợp. Việc hiểu rõ điểm mạnh và hạn chế của GWR là rất quan trọng để sử dụng nó một cách hiệu quả.

5.2. Hướng Nghiên Cứu Tiếp Theo Về GWR và Bất Động Sản

Trong tương lai, GWR có thể được kết hợp với các kỹ thuật machine learning để tạo ra các mô hình định giá bất động sản tiên tiến hơn. Ngoài ra, cần có thêm nghiên cứu về việc chọn bandwidth phù hợp và xử lý dữ liệu lớn. Cần tập trung nghiên cứu và phát triển các ứng dụng của GWR trong lĩnh vực bất động sản là rất quan trọng để nâng cao hiệu quả và minh bạch của thị trường.

5.3. Tầm Quan Trọng của Việc Ứng Dụng GWR Trong Định Giá

Việc ứng dụng GWR trong định giá bất động sản có thể giúp người tham gia thị trường đưa ra quyết định thông minh hơn và giúp nhà quản lý xây dựng các chính sách hiệu quả hơn. Do đó, ứng dụng GWR tạo sự minh bạch và hiệu quả cho toàn bộ thị trường.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Thị trường bất động sản giữ vị trí trọng yếu trong nền kinh tế quốc dân khi tài sản nhà đất chiếm trên 40% tổng của cải xã hội và các hoạt động liên quan chiếm tới 30% tổng hoạt động kinh tế. Tại Việt Nam, thị trường đã trải qua nhiều giai đoạn biến động mạnh:

• Giai đoạn 2000–2003: Sau khi Hiệp định thương mại Việt – Mỹ được ký kết cùng việc sửa đổi Luật Đất đai năm 2001 và công bố kỳ quy hoạch 2001–2010, làn sóng tăng giá bùng phát mạnh mẽ và kéo dài đến cuối năm 2003.
• Giai đoạn 2004–2008: Khi Luật Đất đai 2003 và Nghị định 181/2004/NĐ-CP có hiệu lực, thị trường bước vào giai đoạn trầm lắng. Từ tháng 3/2008 đến tháng 6/2008, giá căn hộ chung cư cao cấp sụt giảm 35% – 60%, giá đất nền nhà riêng lẻ và biệt thự giảm khoảng 30%; giai đoạn từ tháng 7/2008 đến tháng 12/2008 tiếp tục trầm lắng với mức giảm thêm khoảng 8%.
• Áp lực vốn và đô thị hóa: Theo ước tính của CBRE, nhu cầu vốn đầu tư bất động sản thương mại tại các đô thị lớn (Hà Nội, TP. Hồ Chí Minh, Đà Nẵng) đạt khoảng 1,5 tỷ USD/năm; nhu cầu vốn xây dựng nhà dân dụng và văn phòng đô thị cả nước giai đoạn 2010–2020 lên tới 5,5 – 6,5 tỷ USD/năm.

Tại thành phố Hà Nội, dù mức thu nhập bình quân đầu người ở mức trung bình thấp nhưng giá bất động sản lại ở mức rất cao. Số liệu thực tế cho thấy năm 2003 có tới 30% dân số Hà Nội sống dưới mức 3 $m^2$/người và chỉ khoảng 30% cán bộ, công nhân, viên chức được phân phối nhà ở. Với mức giá căn hộ từ 500 triệu đến 1,5 tỷ đồng, người có thu nhập trung bình và các gia đình trẻ gặp rất nhiều khó khăn trong việc tiếp cận nhà ở.

Trong công tác quản lý và giao dịch, việc định giá đất đai tại Việt Nam chủ yếu dựa vào các phương pháp truyền thống như so sánh trực tiếp, chiết trừ, thu nhập, thặng dư và hệ số điều chỉnh giá đất. Tuy nhiên, các phương pháp này bộc lộ nhiều hạn chế do hiện tượng "cơ chế hai giá", tính chủ quan của người định giá và sự thiếu hụt thông tin thị trường minh bạch. Nhằm khắc phục các nhược điểm trên và giải quyết tính phi đồng nhất không gian của giá nhà đất, đề tài được thực hiện với các thông số xác định:

1. Mục tiêu nghiên cứu: Tìm hiểu và phân tích các yếu tố ảnh hưởng để tính giá nhà ở trên địa bàn thành phố Hà Nội thông qua việc ứng dụng mô hình hồi quy trọng số địa lý (Geographically Weighted Regression - GWR).
2. Nhiệm vụ nghiên cứu:
   • Hệ thống hóa cơ sở lý luận về thị trường bất động sản, các phương pháp định giá truyền thống, mô hình giá ẩn Hedonic, lý thuyết vị thế - chất lượng và thuật toán học máy.
   • Thu thập, làm sạch và sàng lọc bộ biến số đặc trưng không gian và phi không gian ảnh hưởng đến giá bất động sản tại Hà Nội.
   • Thiết lập cấu trúc mô hình GWR, tính toán ma trận trọng số không gian và ước lượng hệ số hồi quy cục bộ.
   • Xây dựng hệ thống bản đồ phân bố không gian của các hệ số tác động và phân tích sự biến thiên cục bộ của từng yếu tố đối với giá nhà ở.
3. Đối tượng nghiên cứu: Các yếu tố cấu thành giá nhà ở và mô hình hồi quy trọng số địa lý (GWR).
4. Phạm vi nghiên cứu:
   • Phạm vi không gian: Địa bàn thành phố Hà Nội, bao gồm các quận/huyện nội thành và vùng ven (như Ba Đình, Hoàn Kiếm, Đống Đa, Cầu Giấy, Tây Hồ, Long Biên, Đông Anh, Thanh Trì, Sóc Sơn, Hà Đông, v.v.).
   • Phạm vi dữ liệu/thời gian: Bộ dữ liệu sẵn có từ dự án điều tra khảo sát các bất động sản trên các tuyến đường thuộc địa bàn thành phố Hà Nội thực hiện trong năm 2014 bằng hình thức phỏng vấn qua bảng khảo sát.

---

Cơ sở lý thuyết và phương pháp

Khóa luận kết hợp khung lý thuyết kinh tế lượng bất động sản hiện đại với các công cụ phân tích dữ liệu không gian địa lý:

• Khung lý thuyết định giá bất động sản:

  • Phân loại theo Pagourtzi et al. (2003): Chia các phương pháp định giá thành nhóm truyền thống (so sánh trực tiếp, thu nhập, thặng dư, đa hồi quy, hồi quy từng bước) và nhóm hiện đại (định giá ẩn Hedonic, phân tích không gian, mạng nơ-ron nhân tạo ANN).
  • Mô hình Hedonic (Ridker, 1967; Rosen, 1974): Biểu diễn giá nhà $P_i$ dưới dạng hàm số của các đặc tính cấu trúc ($S$), đặc điểm khu dân cư ($N$) và môi trường xung quanh ($Z$): $$P_i = a_0 + \sum_{k} a_k S_{ki} + \sum_{m} \beta_m N_{mi} + \sum_{n} \gamma_n Z_{ni} + u_i$$
  • Lý thuyết Vị thế - Chất lượng (Hoàng Hữu Phê và Wakely, 2000): Định vị giá trị bất động sản dựa trên hai trụ cột chính gồm nhóm yếu tố vị thế xã hội/vị trí (phi vật thể) và nhóm yếu tố chất lượng công trình/tiện nghi (vật thể).
  • Cơ sở học máy và đánh giá mô hình (Tom Mitchell, 1997): Sử dụng các chỉ số đo lường sai số dự báo như sai số toàn phương trung bình (MSE), sai số tuyệt đối trung bình (MAE) và căn sai số toàn phương trung bình (RMSE).

• Mô hình Hồi quy trọng số địa lý (GWR): Mô hình GWR mở rộng từ hồi quy tuyến tính chuẩn OLS bằng cách cho phép các tham số hồi quy thay đổi theo tọa độ không gian $(u_i, v_i)$ của từng quan sát thứ $i$: $$y_i = \beta_0(u_i, v_i) + \sum_{k=1}^p \beta_k(u_i, v_i) x_{ik} + \varepsilon_i$$ Ước lượng tham số cục bộ tại điểm $i$ được tính bằng phương pháp bình phương nhỏ nhất có trọng số: $$\hat{\beta}(u_i, v_i) = (X' W_i X)^{-1} X' W_i y$$ Trong đó, $W_i = \text{diag}(w_{i1}, w_{i2}, \dots, w_{in})$ là ma trận trọng số không gian. Trọng số $w_{ij}$ giữa điểm $i$ và quan sát $j$ được xác định thông qua hàm nhân phân rã khoảng cách Gaussian: $$w_{ij} = \exp\left( -\frac{d_{ij}^2}{b^2} \right)$$ Với $d_{ij}$ là khoảng cách địa lý và $b$ là dải thông (bandwidth) tối ưu hóa qua phương pháp kiểm định chéo (Cross-Validation - CV).

• Quy trình thu thập và xử lý dữ liệu: Từ tổng số khoảng 245 biến ban đầu trong bộ điều tra khảo sát năm 2014, tác giả đã sàng lọc 30 biến số quan trọng nhất dựa trên thuyết Vị thế - Chất lượng và loại bỏ hiện tượng đa cộng tuyến. Cuối cùng, 13 biến độc lập đặc trưng và 1 biến phụ thuộc được đưa vào mô hình GWR thông qua công cụ Geoprocessing trong phần mềm GIS:

STT	Tên biến	Định nghĩa / Đơn vị	Phân nhóm yếu tố
1	HPRICVND	Giá nhà ở (VNĐ)	Biến phụ thuộc
2	GFA	Diện tích mặt bằng ($m^2$)	Chất lượng (Vật thể)
3	PLOTAREA	Khu vực đất / Diện tích lô đất ($m^2$)	Chất lượng (Vật thể)
4	HOUSEGRADE	Chất lượng vật chất nhà ở (Nhà nước đánh giá)	Chất lượng (Vật thể)
5	PLUMBING	Hệ thống cấp nước sạch	Chất lượng (Vật thể)
6	AIRCON	Đơn vị điều hòa không khí có sẵn	Tiện nghi vật thể
7	CAR	Hộ gia đình có xe ô tô riêng	Vị thế xã hội
8	OCCUP_PRIVBIZ	Chủ hộ là chủ doanh nghiệp tư nhân	Vị thế xã hội
9	EDYEARS	Số năm đi học của chủ hộ	Vị thế xã hội
10	CENTDISR	Khoảng cách đến trung tâm thành phố	Vị trí không gian
11	DISCENDI	Thời gian di chuyển đến trung tâm (phút)	Vị trí không gian
12	STRTYPE	Loại đường phố (thương mại / dân cư)	Vị trí / Hạ tầng
13	SHOPFRNT	Mặt tiền phục vụ kinh doanh cửa hàng	Vị trí / Tiện ích
14	SCHOOQLT	Khoảng cách đến trường học tốt trọng điểm	Tiện ích xã hội

---

Nội dung chính theo từng chương

Chương 1. Tổng quan tài liệu

Chương 1 hệ thống hóa toàn diện các vấn đề lý luận về kinh tế đất đai và các phương pháp định giá:

• Bản chất thị trường bất động sản: Phân tích các thuộc tính đặc thù như tính cố định về vị trí, tính không đồng nhất, thông tin bất đối xứng, tỷ trọng giao dịch ngầm cao tại Việt Nam và phân loại thị trường theo quan hệ giao dịch, loại hàng hóa, mức độ quản lý của Nhà nước và phân khúc thu nhập.
• Đánh giá 5 phương pháp định giá truyền thống:
  • So sánh trực tiếp & Chiết trừ: Bị sai lệch do giá kê khai trên hợp đồng thấp hơn thực tế và tính chủ quan khi hiệu chỉnh sai khác giữa các thửa đất.
  • Phương pháp thu nhập: Bất cập khi kết quả kinh doanh phụ thuộc vào năng lực quản lý của từng chủ đầu tư, gây ra hiện tượng cùng mảnh đất nhưng có mức giá khác nhau hoặc lợi nhuận âm.
  • Phương pháp thặng dư: Dự báo dòng tiền và chi phí phát triển giả định trong tương lai xa có độ rủi ro và sai số cao.
  • Phương pháp hệ số điều chỉnh (hệ số K): Áp dụng nhân với khung giá đất nhà nước ban hành, bản chất vẫn dựa trên nguyên tắc so sánh gián tiếp.
• Mô hình kinh tế lượng và học máy: Tổng kết quá trình phát triển của mô hình định giá ẩn Hedonic, lý thuyết vị thế - chất lượng của Hoàng Hữu Phê và Wakely (2000), các thuật toán học máy (học có giám sát, không giám sát, học tăng cường), các chỉ số sai số hồi quy và ứng dụng thực tiễn của học máy trong dự báo giá đất tại Việt Nam và quốc tế.

Chương 2. Dữ liệu và phương pháp nghiên cứu

Chương 2 mô tả khu vực nghiên cứu, cơ sở toán học và quy trình thực nghiệm:

• Tổng quan địa bàn Hà Nội: Sau khi mở rộng địa giới hành chính vào tháng 8/2008, thành phố có diện tích 3.348,52 $km^2$, dân số thời điểm đó đạt 6,45 triệu người, gồm 10 quận, 18 huyện và 1 thị xã (401 xã, 154 phường, 22 thị trấn). Về kinh tế, năm 2020 GRDP thành phố tăng 3,98%, quy mô GRDP đạt 1.016 nghìn tỷ đồng, GRDP bình quân đầu người đạt 122,7 triệu đồng (tương đương 5.285 USD); thu ngân sách nhà nước đạt 280,5 nghìn tỷ đồng.
• Cơ sở toán học GWR: Thiết lập chi tiết phương trình hồi quy trọng số địa lý, ma trận khoảng cách $d_{ij}$, hàm nhân phân rã khoảng cách Gaussian và cơ chế xác định dải thông tối ưu $b$.
• Quy trình triển khai mô hình:
  1. Tiền xử lý: Lọc dữ liệu khảo sát 2014, mã hóa nhị phân 16 biến quận/huyện và chọn lọc 13 biến độc lập đặc trưng.
  2. Thực thi trên GIS: Sử dụng Geoprocessing Pane, nạp lớp đối tượng houseprice, gán biến phụ thuộc HPRICVND và 13 biến giải thích độc lập.
  3. Tính toán không gian: Khởi tạo hàm nhân Gaussian, tính toán ma trận trọng số $W_i$ và giải phương trình bình phương nhỏ nhất cục bộ cho từng quan sát.
  4. Biên tập bản đồ: Xuất hệ số hồi quy và thành lập 13 bản đồ chuyên đề mô tả sự biến thiên không gian của từng biến số.

Chương 3. Kết quả và thảo luận

Chương 3 trình bày các phát hiện định lượng từ mô hình GWR và phân tích chuyên sâu về không gian:

• Phân bố mặt bằng giá nhà tại Hà Nội:
  • Giá nhà trung bình toàn khu vực khảo sát đạt khoảng trên 2 tỷ đồng.
  • Giá thấp nhất tập trung ở các khu vực ngoại thành như Đông Anh, Ngọc Thụy (dao động quanh mức 2,3 tỷ đồng).
  • Giá cao nhất tập trung tại lõi trung tâm thành phố và khu vực xung quanh Hồ Tây, dao động từ 17 tỷ đến 60 tỷ đồng.
  • Quy luật không gian thể hiện rõ tính hướng tâm: giá bất động sản có xu hướng giảm dần từ trung tâm nội đô ra vùng ven.
• Mức độ tác động phân hóa không gian của các biến số:
  • Nhóm yếu tố có tác động mạnh: Diện tích mặt bằng (GFA), diện tích lô đất (PLOTAREA - tương quan rất mạnh tại vùng ngoại thành như Thạch Bàn, Đông Anh khi diện tích đất càng lớn thì giá trị tổng càng tăng nhanh), khoảng cách đến trung tâm (CENTDISR), chất lượng nhà ở (HOUSEGRADE), hệ thống cấp nước sạch (PLUMBING), loại đường phố (STRTYPE) và sở hữu xe ô tô riêng (CAR).
  • Nhóm yếu tố có tác động cục bộ hoặc ảnh hưởng thấp: Số năm học của chủ hộ (EDYEARS), chủ hộ làm doanh nghiệp tư nhân (OCCUP), thời gian tới trung tâm (DISCENDI), điều hòa nhiệt độ (AIRCON) và mặt tiền kinh doanh (SHOPFRNT). Nguyên nhân do mẫu nghiên cứu tập trung nhiều ở khu vực nội thành, nơi các tiện nghi vật chất và điều kiện tiếp cận trung tâm tương đối đồng đều; trọng số tác động lớn nhất của nhóm này chỉ xuất hiện tập trung quanh khu vực cầu Long Biên.
  • Tác động của trường học chất lượng cao (SCHOOQLT): Tại nội thành, mật độ trường điểm dày đặc và giá đất vốn đã rất cao nên biến này ít tạo sự biến động lớn; ngược lại, tại các huyện ngoại thành thiếu hụt trường chuẩn quốc gia, khoảng cách tới các trường học tốt trở thành yếu tố chi phối mạnh mẽ đến sự suy giảm của giá nhà.

---

Kết quả và đóng góp

• Kết quả nghiên cứu chính:
  • Xác lập bản đồ phân bố giá nhà ở Hà Nội với biên độ biến thiên thực tế từ 2,3 tỷ đồng (khu vực ngoại thành Đông Anh, Ngọc Thụy) đến 17 – 60 tỷ đồng (vùng lõi trung tâm và ven Hồ Tây).
  • Chứng minh thực nghiệm hiện tượng phi đồng nhất không gian (spatial non-stationarity): các thuộc tính như diện tích (GFA, PLOTAREA) hay trường học tốt (SCHOOQLT) có hệ số tác động thay đổi đáng kể giữa các vị trí địa lý khác nhau chứ không mang giá trị cố định như giả định của các mô hình hồi quy truyền thống OLS.
  • Nhận diện 13 bản đồ hệ số hồi quy chuyên đề, chỉ rõ các khu vực chịu ảnh hưởng mạnh nhất của từng biến số cụ thể (ví dụ: biến diện tích đất tác động mạnh tại Đông Anh, Thạch Bàn; biến tiện nghi tập trung quanh khu vực Long Biên).
• Đề xuất và giải pháp:
  • Cung cấp công cụ định lượng không gian giúp các nhà đầu tư và người dân ước tính chính xác giá trị thực tế của bất động sản dựa trên tọa độ vị trí và các tiện ích cục bộ đi kèm.
  • Hỗ trợ các cơ quan quản lý nhà nước hoàn thiện phương pháp xây dựng bảng giá đất theo khu vực sát với giá thị trường, khắc phục nhược điểm của cơ chế định giá chủ quan hiện hành.
• Đóng góp khoa học:
  • Đóng góp quy trình tích hợp mô hình kinh tế lượng không gian GWR trên nền tảng phần mềm thông tin địa lý (GIS) vào bài toán định giá đất tại đô thị Việt Nam.
  • Bổ sung bằng chứng thực nghiệm khẳng định tính phù hợp của lý thuyết Vị thế - Chất lượng (Hoàng Hữu Phê và Wakely) trong việc giải thích cấu trúc giá nhà ở tại thủ đô Hà Nội.

---

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế của nghiên cứu:
  • Thời gian của dữ liệu: Bộ dữ liệu điều tra thực địa được thu thập từ năm 2014, chưa phản ánh được các biến động lớn của thị trường bất động sản Hà Nội trong giai đoạn phát triển và sau đại dịch COVID-19.
  • Mức độ đồng nhất mẫu ở nội thành: Mẫu quan sát tập trung nhiều ở khu vực nội đô khiến một số biến tiện nghi (AIRCON, SHOPFRNT, DISCENDI) có phương sai thấp, dẫn đến mức độ giải thích bị suy giảm trong mô hình GWR.
  • Rủi ro tính toán: Mô hình GWR đòi hỏi khối lượng tính toán ma trận lớn và có thể gặp khó khăn nếu xảy ra hiện tượng đa cộng tuyến cục bộ giữa các biến không gian lân cận.
• Hướng phát triển tiếp theo:
  • Cập nhật bộ dữ liệu giao dịch bất động sản thời gian thực và mở rộng mật độ khảo sát đồng đều hơn tại tất cả các huyện ngoại thành.
  • Nghiên cứu kết hợp mô hình GWR đa tỷ lệ (Multiscale GWR - MGWR) hoặc các mô hình học máy phi tuyến tính (như Random Forest, Mạng nơ-ron nhân tạo ANN) kết hợp trọng số không gian để nâng cao độ chính xác dự báo.

---

Giá trị tham khảo

• Đối tượng sử dụng phù hợp:
  • Sinh viên, học viên cao học và nghiên cứu sinh thuộc các ngành Khoa học thông tin Địa không gian, Hệ thống thông tin Địa lý (GIS), Quản lý đất đai, Địa lý kinh tế và Kinh tế bất động sản.
  • Cán bộ kỹ thuật và chuyên viên thẩm định giá tại các viện nghiên cứu quy hoạch đô thị, công ty tư vấn định giá bất động sản và cơ quan quản lý đất đai cấp tỉnh/thành phố.
• Các nội dung có giá trị tham khảo cao:
  • Phương pháp luận toán học về xây dựng ma trận trọng số không gian dựa trên hàm nhân Gaussian và tối ưu dải thông qua kiểm định chéo.
  • Quy trình xử lý và thiết lập công cụ GWR trực tiếp trên các phần mềm GIS (từ bước chuẩn bị dữ liệu, chọn biến độc lập/phụ thuộc đến biên tập bản đồ hệ số chuyên đề).

---

Câu hỏi thường gặp

1. Tại sao mô hình GWR lại vượt trội hơn mô hình hồi quy Hedonic OLS truyền thống trong định giá nhà đất?

Hồi quy Hedonic OLS truyền thống giả định rằng mỗi thuộc tính (như diện tích, số phòng, tiện nghi) có mức độ tác động cố định trên toàn bộ không gian nghiên cứu. Trong khi đó, mô hình GWR gắn tọa độ địa lý $(u_i, v_i)$ vào từng quan sát, cho phép hệ số hồi quy biến thiên liên tục theo từng khu vực. Điều này giúp phản ánh chính xác tính phi đồng nhất không gian và các đặc thù cục bộ của thị trường nhà đất tại từng quận, huyện.

2. Dữ liệu thực nghiệm của khóa luận được thu thập vào thời gian nào và quy mô biến số ra sao?

Khóa luận sử dụng bộ dữ liệu khảo sát bất động sản trên các tuyến đường thuộc địa bàn thành phố Hà Nội được thực hiện trong năm 2014 thông qua hình thức phỏng vấn bằng bảng hỏi. Ban đầu bộ dữ liệu gồm khoảng 245 biến số, sau đó tác giả đã chọn lọc ra 30 biến quan trọng theo lý thuyết Vị thế - Chất lượng và cuối cùng đưa 13 biến độc lập cùng 1 biến phụ thuộc (HPRICVND) vào chạy mô hình GWR.

3. Kết quả chạy mô hình GWR cho thấy mức giá nhà ở Hà Nội phân bố cụ thể như thế nào?

Giá nhà ở có xu hướng giảm dần từ lõi trung tâm ra vùng ven thành phố. Mức giá thấp nhất nằm tại các khu vực ngoại thành như Đông Anh, Ngọc Thụy với giá dao động khoảng 2,3 tỷ đồng. Mức giá cao nhất tập trung tại các quận trung tâm nội đô và khu vực ven Hồ Tây, đạt mức từ 17 tỷ đến 60 tỷ đồng.

4. Vì sao các yếu tố như điều hòa không khí (AIRCON), mặt tiền cửa hàng (SHOPFRNT) lại có tác động yếu trong mô hình?

Do tập dữ liệu nghiên cứu tập trung phần lớn quan sát tại khu vực nội thành Hà Nội, nơi hầu hết các căn nhà đều đã trang bị sẵn điều hòa, có mặt tiền kinh doanh và cự ly tiếp cận trung tâm tương đối gần. Sự phổ biến đồng nhất này khiến phương sai của các biến số này trong khu vực nội đô rất thấp, làm cho trọng số tác động của chúng lên việc hình thành giá nhà trở nên nhỏ và chỉ tập trung cục bộ ở một số điểm như khu vực quanh cầu Long Biên.

5. Yếu tố trường học tốt (SCHOOQLT) ảnh hưởng khác nhau như thế nào giữa khu vực nội thành và ngoại thành?

Tại nội thành, mật độ các trường học trọng điểm dày đặc và giá đất nền đã ở mức rất cao nên khoảng cách tới trường tốt ít làm biến động giá nhà. Ngược lại, tại các huyện ngoại thành có diện tích rộng nhưng thiếu hụt trường chất lượng cao, khoảng cách tới các trường học tốt trở thành yếu tố phân hóa mạnh mẽ: càng xa trường học tốt thì giá nhà đất càng giảm rõ rệt.

---

Kết luận

Khóa luận tốt nghiệp của tác giả Bùi Minh Hạnh đã ứng dụng thành công mô hình Hồi quy trọng số địa lý (GWR) dựa trên nền tảng lý thuyết Vị thế - Chất lượng để giải thích sự hình thành giá nhà ở tại thành phố Hà Nội. Nghiên cứu đã làm sáng tỏ tính phi đồng nhất không gian thông qua việc xây dựng 13 bản đồ chuyên đề biểu diễn sự biến thiên của các hệ số tác động, chỉ ra sự phân hóa rõ rệt về mức độ ảnh hưởng của diện tích đất, hạ tầng cấp nước và tiện ích giáo dục giữa nội thành và ngoại thành. Công trình là tài liệu tham khảo có giá trị học thuật và ứng dụng thực tiễn cao cho công tác phân tích không gian địa lý và hỗ trợ định giá bất động sản đô thị.

Trích đoạn nội dung tài liệu

CHƯƠNG 1. TỔNG QUAN TÀI LIỆU 1. Thị trường bất động sản 1. Khái niệm Thị trường bất động sản là một trong những thị trường có vị trí và vai trò vô cùng quan trọng trong quá trình phát triển kinh tế xã hội của mỗi quốc gia.

Thị trường bất động sản là lĩnh vực rộng lớn liên quan đến nhiều ngành, nhiều lĩnh vực như đất đai, xây dựng, kiến trúc, môi trường, thuế, giao dịch đảm bảo,… Bên cạnh đó bât động sản là một loại hàng hóa có tính đặc thù kinh doanh loại hình này sẽ tác động đến hành vi kinh doanh, đầu tư, tái đầu tư, tài chính, tiền tệ, đầu cơ, quỹ dự trữ, dự phòng,… Bất động sản có quan hệ mật thiết tới xây dựng, quản lí nhà nước về đất đai, quy hoạch và kế hoạch sử dụng đất [5]. Nước ta đang chuyển dần sang nền kinh tế thị trường, nhu cầu kinh doanh bất động sản cũng đang phát triển mạnh mẽ và sôi động, đa dạng về hình thức. Thị trường bất động sản vừa mang tính khu vực vừa mang tính vừa chịu sự chi phối mang tính đa phương của các yếu tố quốc tế. Đối với nhiều hộ gia đình, nhà ở không chỉ là nơi sinh sống đơn thuần mà còn là một đại diện quan trọng trong danh mục đầu tư tài sản.

Ở các nước có nền công nghiệp phát triển thì nhà ở là một trong những thành phần quan trọng đóng góp vào sự giàu có, đồng thời cũng là một nhân tố tác động chủ yếu lên chi tiêu và cơ hội tiết kiệm của hộ gia đình. Các yếu tố tác động thị trường bất động sản Có nhiều yếu tố tác động đến thị trường bất động sản [8]. Dưới đây là một số yếu tố quan trọng: - Tình hình kinh tế: Tình hình kinh tế của một quốc gia hoặc khu vực có ảnh hưởng lớn đến thị trường bất động sản. Khi kinh tế phát triển, thu nhập gia tăng và lòng tin của nhà đầu tư tăng cao, thị trường bất động sản thường có xu hướng tăng trưởng.

Ngược lại, trong các giai đoạn kinh tế suy thoái, thị trường bất động sản thường gặp khó khăn. - Chính sách tài chính và lãi suất: Chính sách tài chính và lãi suất của ngân hàng quốc gia có thể ảnh hưởng đáng kể đến thị trường bất động sản. Lãi suất thấp thường thúc đẩy mua nhà và đầu tư bất động sản, do đó thường có xu hướng tăng giá. Ngược lại, lãi suất cao có thể làm giảm sức mua và gây sức ép giảm giá trị bất động sản.

5 - Cung và cầu: Sự cân đối giữa cung và cầu trên thị trường bất động sản cũng ảnh hưởng đáng kể đến giá cả và hoạt động giao dịch. Nếu cung vượt quá cầu, giá có thể giảm. Ngược lại, nếu cầu vượt quá cung, giá có thể tăng. - Chính sách quy hoạch và pháp lý: Chính sách quy hoạch và pháp lý của chính phủ địa phương có thể có tác động đáng kể đến thị trường bất động sản.

Các quy định về quy hoạch đô thị, pháp lý mua bán, thuế và hỗ trợ nhà ở có thể tạo ra môi trường thuận lợi hoặc khó khăn cho thị trường bất động sản. - Yếu tố xã hội và dân số: Sự phát triển dân số, xu hướng di cư, thay đổi trong cấu trúc gia đình và yêu cầu về nhà ở của người dân cũng có ảnh hưởng đến thị trường bất động sản. Ví dụ, sự gia tăng dân số và xu hướng tăng số lượng gia đình đơn thân có thể tăng nhu cầu về nhà ở và do đó thúc đẩy tăng giá trị bất động sản. - Tình hình thế giới: Sự ổn định chính trị và tình hình kinh tế toàn cầu cũng có thể ảnh hưởng đến thị trường bất động sản.

Sự biến động trong thị trường tài chính quốc tế, các cuộc khủng hoảng kinh tế và chính trị toàn cầu có thể gây ra sự không chắc chắn và ảnh hưởng đến lòng tin của nhà đầu tư trong thị trường bất động sản. Các yếu tố này thường tương tác với nhau và có thể tạo ra sự biến động và sự thay đổi trên thị trường bất động sản. Đặc điểm thị trường bất động sản Thị trường bất động sản là một trong những thị trường quan trọng có tầm ảnh hưởng kinh tế, do đó thị trường bất động sản có nhiều đặc điểm riêng có thể nhận dạng như sau [10]: - Bất động sản là hàng hóa đặc biệt nên không thể trao đổi bằng hiện vật như nhiều tài sản khác, bản chất là giao dịch và quyền lợi. - Thị trường bất động sản là một dạng thị trường không hoàn hảo do không đồng nhất về thông tin và các yếu tố cấu thành.

Điều này xuất phát từ chỗ: các thông tin về bất động sản và thị trường bất động sản không phổ biến, các tiêu chí đánh giá bất động sản chỉ có thể đo lường một cách tương đối, không sẵn có bất động sản cùng loại để so sánh, trên thị trường có lượng nhỏ người tham gia cung và cầu về một bất động sản nên thường người mua có ít kinh nghiệm. - Khi cầu thay đổi, tất yếu dẫn đến sự thay đổi về giá cả bất động sản. Tuy nhiên, do quan hệ cung cầu về bất động sản thường mất cân đối theo chiều hướng 6 cung nhỏ hơn cầu, cung không thể phản ứng nhanh chóng và tương ứng với thay đổi của cầu, việc tăng cung thường mất nhiều thời gian dẫn đến tác động tăng giảm cung bất động sản. - Thị trường bất động sản có mối tương quan chặt chẽ với thị trường vốn, thị trường tài chính.

- Thị trường bất động sản mang đậm tính khu vực, vì đất đai là yếu tố không thể tách rời của mỗi bất động sản, do đó bất động sản có thuộc tính không di dời được. Vì vậy cung cầu chịu ảnh hưởng từ các vùng – miền, các điều kiện tự nhiên cũng như trình độ văn hóa và tốc độ phát triển kinh tế - văn hóa – xã hội. - Bất cứ hoạt động mua bán và trao đổi nào liên quan đến bất động sản phải chịu sự quản lý của nhà nước. Nhà nước có vai trò là người quản lý và thống nhất mọi hoạt động thị trường bất động sản, và đảm bảo pháp lý cho hàng hóa bất động sản.

- Ở nước ta, giao dịch ngầm chiếm tỷ trọng cao trong hệ thống thị trường bất động sản. Phân loại thị trường bất động sản Thị trường bất động sản ngoài giao dịch mua bán chiếm tỷ trọng lớn nhất, còn có các giao dịch khác như cho thuê, thế chấp, chuyển nhượng quyền sử dụng và các giao dịch khác rất phong phú và đa dạng. Đồng thời, cũng phải xác định rõ thị trường nhà và đất, ngoài ra còn có thị trường bất động sản thương mại, thị trường bất động sản dịch vụ, thị trường bất động sản công nghiệp, và nhiều thị trường bất động sản khác [10]. Do đó, chúng ta biết cách phân loại và nhận dạng những thuộc tính cũng như đặc điểm của thị trường bất động sản.

Tùy theo những quan điểm khác nhau có thể phân loại thị trường bất động sản thành nhiều dạng khác nhau, cụ thể như sau: - Theo quan hệ giao dịch, thị trường bất động sản bao gồm các dạng sau: thị trường mua bán, chuyển nhượng quyền sử dụng (dành cho đất ở); thị trường cho thuê; thị trường thế chấp; thị trường bảo hiểm và các thị trường khác; - Theo quan điểm hàng hóa bất động sản, thị trường bất động sản bao gồm các loại sau: thị trường đất đai (đất nông nghiệp, lâm nghiệp, đất ở); thị trường nhà ở (nhà phố, nhà liên kế, biệt thự, nhà vườn); thị trường bất động sản dịch vụ (khách sạn, cao ốc văn phòng, nhà thuê, bến cảng); thị trường bất động sản thương 7 mại (chợ, trung tâm thương mại, cửa hàng, siêu thị); thị trường bất động sản công nghiệp (nhà xưởng, khu chế xuất, khu công nghiệp). - Theo mức độ kiểm soát của Chính phủ, thị trường bất động sản gồm hai dạng là thị trường chính thức và thị trường phi chính thức. - Theo thu nhập có thể phân thị trường bất động sản chia ra thành ba thị trường sau: thị trường dành cho người thu nhập thấp; thị trường dành cho người thu nhập trung bình và thị trường dành cho người thu nhập cao. - Theo trình tự tham gia thị trường của việc khai thác dự án bất động sản, có thể phân loại thị trường bất động sản thành các loại: thị trường chuyển nhượng quyền sử dụng đất (giao đất, cho thuê đất); thị trường lập dự án và xây dựng các công trình (thị trường sơ cấp); thị trường mua bán, cho thuê hoặc các giao dịch khác (thị trường thứ cấp).

Vai trò thị trường bất động sản Thị trường bất động sản có vai trò rất lớn trong nền kinh tế quốc dân tác động trực tiếp lên tốc độ tăng trưởng kinh tế tùy thuộc vào từng thời kỳ phát triển, do đó nhận thức đầy đủ về vai trò của thị trường bất động sản sẽ có ý nghĩa rất lớn trong việc xây dựng chiến lược phát triển trong tương lai. Vai trò của thị trường bất động sản thể hiện qua các điểm sau [10]: - Phát triển thị trường bất động sản góp phần phát triển thị trường vốn. Khi chủ tài sản có nhu cầu vay vốn cho hoạt động sản xuất kinh doanh có thể sử dụng bất động sản để làm tài sản thế chấp đảm bảo cho khoản vay, khi được định chế tài chính chấp thuận cho vay thì bất động sản vẫn được chủ sở hữu hoặc người được quyền sử dụng khai thác, vận hành. Bên vay và bên cho vay đều hưởng lợi, về mặt kinh tế sẽ thúc đẩy thị trường vốn, tín dụng phát triển vì nguồn vốn vay được đưa vào hoạt động sản xuất kinh doanh tạo ra của cải, vật chất cho xã hội.

- Phát triển thị trường bất động sản nhằm tăng nguồn thu cho ngân sách nhà nước. Với hệ thống pháp luật quản lý tốt thì khi thị trường bất động sản phát triển tất cả các giao dịch sẽ được đăng ký và các bên tham gia thị trường sẽ thực hiện các nghĩa vụ thuế, góp phần tăng nguồn thu ngân sách nhà nước. - Phát triển thị trường bất động sản nhằm mở rộng thị trường trong và ngoài nước, mở rộng quan hệ quốc tế, chuyển giao công nghệ và kỹ năng quản lý. Đồng thời, tạo điều kiện phát triển cho các thị trường bổ trợ.