PRACTICE 2.6 Bạn hãy sử dụng file HousingPrice.

xls để trả lời các câu hỏi sau:

a) Bạn hãy tạo biến giả sau:

Old_planned: nhận giá trị 1 nếu thuộc khu vực đô thị quy hoạch cũ
New_planned: nhận giá trị 1 nếu thuộc khu vực đô thị quy hoạch mới
Spontaneous: nhận giá trị 1 nếu thuộc khu vực đô thị tự phát
Betweens: nhận giá trị 1 nếu thuộc khu vực đô thị xen giữa các khu vực trên

Nội dung Giá trị của biến

URBAN_AREA trong bộ dữ
liệu HousingPrice
khu vực đô thị quy hoạch cũ 2

khu vực đô thị quy hoạch mới 3

khu vực đô thị tự phát 4

khu vực đô thị xen giữa các khu vực 5

trên

Khu vực đô thị hình thành lâu đời 1

Tạo biến giả dựa trên dữ liệu của biến URBAN_AREA :

- Old_planned=1 nếu thuộc khu vực đô thị quy hoạch cũ và Old_planned=0 nếu không
thuộc khu vực đô thị quy hoạch cũ
- New_planned=1 nếu thuộc khu vực đô thị quy hoạch mới và New_planned =0 nếu
không thuộc khu vực đô thị quy hoạch mới.
- Spontaneous = 1 nếu thuộc khu vực đô thị tự phát và Spontaneous = 0 nếu không
thuộc khu vực đô thị tự phát
- Betweens =1 nếu thuộc khu vực đô thị xen giữa các khu vực trên và Betweens =0
nếu không thuộc khu vực đô thị xen giữa các khu vực trên
Khi cả 4 biến trên đều bằng 0 thì thuộc khu vực đô thị hình thành lâu đời.
Vậy:
- (Old_planned =1 và New_planned,Spontaneous, Betweens = 0) ⇒ thuộc khu vực
đô thị quy hoạch cũ ⇒ ^E=¿ ^
β1 + ^
β2 + ε

- (New_planned =1 và Old_planned, Spontaneous, Betweens = 0) ⇒ thuộc khu vực

đô thị quy hoạch mới ⇒ ^E=¿ ^
β1 + ^
β3 + ε

- (Spontaneous =1 và Old_planned, New_planned, Betweens = 0) ⇒ thuộc khu vực

đô thị quy hoạch tự phát ⇒ ^E=¿ ^
β1 + ^
β4 + ε

- ( Betweens =1 và Old_planned, New_planned,Spontaneous = 0) ⇒ thuộc khu vực

đô thị xen giữa các khu vực trên ⇒ ^E=¿ ^
β1 + ^
β5 + ε

- ( Old_planned = New_planned=Spontaneous=Betweens = 0) ⇒ thuộc khu vực đô

thị hình thành lâu đời. ⇒ ^E=¿ ^
β1 + ε

Mô hình hồi quy mẫu (1) có dạng:

HousingPrice = β^1 + β^2 * Old_planned + β^3 *New_planned + β^4 *Spontaneous+ ^
^ β5
*Betweens + e

Front: nhận giá trị 1 nếu là nhà liên kế mặt phố

Villas: nhận giá trị 1 nếu là biệt thự
Condo: nhận giá trị 1 nếu là chung cư
Vehicular: nhận giá trị 1 nếu nhà nằm trong hẻm lớn
Other: nhận giá trị 1 nếu nhà thuộc loại khác

Nội dung Giá trị của biến HOUSING_TYPE

trong bộ dữ liệu HousingPrice
nhà liên kế mặt phố 1

biệt thự 2

chung cư 3&4

nhà nằm trong hẻm lớn 6

nhà thuộc loại khác 7

nhà hẻm nhỏ 5

Tạo biến giả dựa trên dữ liệu của biến HOUSING_TYPE:

- Front = 1 nếu là nhà liên kế mặt phố và Front = 0 nếu không phải là nhà liên kế mặt
phố.
- Villas=1 nếu là biệt thự và Villas=0 nếu không phải là biệt thự.
- Condo = 1 nếu là chung cư và Condo = 0 nếu không là chung cư.
- Vehicular = 1 nếu là nhà nằm trong hẻm lớn và Vehicular = 0 nếu không là nhà nằm
trong hẻm lớn.
- Other = 1 nếu là nhà thuộc loại khác và Other = 0 nếu không là nhà thuộc loại khác.
- Khi đó nếu tất cả các biến trên đều bằng 0 thì là nhà trong hẻm nhỏ.
Vậy:
- (Front = 1 và Villas,Condo,Vehicular,Other = 0) ⇒ nhà liền kề mặt phố. ⇒ ^E=¿ ^ β1 +
^
β2 + ε
- (Villas = 1 và Front,Condo,Vehicular,Other = 0) ⇒ biệt thự ⇒ ^E=¿ ^
β1 + ^
β3 + ε
- (Condo = 1 và Front,Villas,Vehicular,Other = 0) ⇒ chung cư ⇒ ^E=¿ ^ β1 + ^
β4 + ε
- (Vehicular = 1 và Front,Villas,Condo,Other = 0) ⇒ nhà nằm trong hẻm lớn ⇒ ^E=¿ ^ β1
+^ β5 + ε
- (Other = 1 và Front,Villas,Condo,Vehicular = 0) ⇒ nhà thuộc loại khác ⇒ ^E=¿ ^ β1 +
^
β6 + ε
- (Villas = Front = Condo = Vehicular = Other = 0) ⇒ nhà trong hẻm nhỏ. ^E=¿ ^ β 1+ ε
Mô hình hồi quy mẫu (2) có dạng:
ln ¿ = ^
β1 + ^
β 2 * Front + ^
β 3 *Villas + ^
β 4 *Condo+ ^
β 5 *Vehicular + ^
β 6 *Other + e

Rent: nhận giá trị 1 nếu nhà có chức năng dùng để ở và một phần cho thuê
Office: nhận giá trị 1 nếu nhà có chức năng dùng để ở và kinh doanh văn phòng

Ý nghĩa Giá trị của biến FUNCTION trong

bộ dữ liệu HousingPrice

nhà có chức năng dùng 2

để ở và một phần cho
thuê
nhà có chức năng dùng 3
để ở và kinh doanh văn
phòng

nhà có chức năng chỉ 1

dùng để ở

Tạo biến giả dựa trên dữ liệu của biến FUNCTION:

- Rent = 1 nếu nhà có chức năng dùng để ở và một phần cho thuê và Rent=0 nếu nhà
không có chức năng dùng để ở và một phần cho thuê. ⇒ ^E=¿ ^
β1 + ^
β2 + ε
- Office = 1 nếu nhà có chức năng dùng để ở và kinh doanh văn phòng và Office = 0
nếu nhà không có chức năng dùng để ở và kinh doanh văn phòng. ⇒ ^E=¿ ^β1 + ^
β3 + ε
- Khi đó nếu cả 2 biến trên đều bằng 0 thì nhà có chức năng chỉ dùng để ở. ⇒ ^E=¿ ^
β 1+
ε
Vậy:
- (Rent = 1 và Office = 0) ⇒ nhà có chức năng dùng để ở và một phần cho thuê.
⇒^ E=¿ ^
β1 + ^
β2 + ε
- (Rent = 0 và Office = 1) ⇒ nhà có chức năng dùng để ở và kinh doanh văn phòng.
⇒^ E=¿ ^
β1 + ^
β3 + ε
- (Rent = 0 và Office = 0) ⇒ nhà có chức năng chỉ dùng để ở. ⇒ ^E=¿ ^
β 1+ε

Mô hình hồi quy mẫu (3) có dạng:

ln ¿ = ^
β1 + ^
β 2 *Rent + ^
β 3 * Office + e

Graduate: nhận giá trị 1 nếu trình độ học vấn là sau đại học
Undergraduate: nhận giá trị 1 nếu trình độ học vấn là đại học

Ý nghĩa Giá trị của biến

EDUCATION trong bộ dữ
liệu HousingPrice

trình độ học vấn là sau đại học 5

trình độ học vấn là đại học 4

trình độ học vấn là THCS hoặc 1,2,3

THPT hoặc Trung cấp nghề/ Cao
đẳng

Tạo biến giả dựa trên dữ liệu của biến EDUCATION:

- Graduate=1 nếu trình độ học vấn là sau đại học
và Graduate=0 nếu trình độ học vấn không phải là sau đại học
- Undergraduate=1 nếu trình độ học vấn là đại học
và Undergraduate=0 nếu trình độ học vấn không phải là đại học
- Khi cả 2 biến trên đều bằng 0 thì trình độ học vấn THCS hoặc THPT hoặc Trung cấp
nghề/Cao đẳng

Vậy:
- (Graduate=1 và Undergraduate=0) ⇒ trình độ học vấn là sau đại học ⇒ ^E=¿ ^β1 + ^
β2
+ε
- (Graduate=0 và Undergraduate=1) ⇒ trình độ học vấn là đại học ⇒ ^E=¿ ^
β1 + ^
β3 + ε
- (Graduate=0 và Undergraduate=0) ⇒ trình độ học vấn THCS hoặc THPT hoặc
Trung cấp nghề/Cao đẳng ⇒ ^E=¿ ^ β 1+ε
Mô hình hồi quy mẫu (4) có dạng:
ln ¿ = ^
β1 + ^
β 2 * Graduate + ^
β 3 *Undergraduate + e

b) Bạn hãy ước lượng mô hình đầy đủ các biến như sau :
Ln(HousingPrice) = β 0 + β 1*Old_planned + β 2*New_planned + β 3*Spontaneous + β 4
*Between + β 5*Front + β 6*Villas + β 7*Condo + β 8*Vehicular + β 9*Other + β 10*Rent
+ β 11*Office + β 12*Total_area + β 13*No_of_bedroom + β 14*No_of_bathroom+ β 15
*Travel_Time + β 16*Mothly_Expenditure + β 17*Distance + β 18*Graduate + β 19
*Undergraduate + u
- Giải thích ý nghĩa của hệ số đứng trước biến Old_planned
- Giải thích ý nghĩa của hệ số đứng trước biến Graduate

Mô hình đầy đủ của các biến có dạng như sau:

Ln(HousingPrice)=6.36+0.25*Old_planned + 0.04*New_planned - 0.22*Spontaneous
- 0.019*Between + 0.29*Front + 0.65*Villas - 0.28*Condo + 0.12*Vehicular -
0.24*Other + 0.33*Rent + 0.22*Office + 0.004*Total_area + 0.096*No_of_bedroom
+ 0.114*No_of_bathroom - 0.001*Travel_Time + 0.006*Mothly_Expenditure -
0.008*Distance + 0.22*Graduate + 0.165*Undergraduate + u

Giải thích ý nghĩa của hệ số đứng trước biến:

- Hệ số β 1=0.25 có nghĩa là trong trường hợp các yếu tố khác không thay đổi thì
giá nhà trung bình của ngôi nhà thuộc khu vực đô thị quy hoạch cũ cao hơn
25% so với khu vực đô thị hình thành lâu đời.
- Hệ số β 18=0,22 có nghĩa là trong trường hợp các yếu tố khác không thay đổi thì
giá nhà trung bình của ngôi nhà có người mua đạt trình độ học vấn Sau Đại học
cao hơn 22% so với mức giá trung bình của ngôi nhà có người mua đạt trình độ
học vấn học vấn THCS hoặc THPT hoặc Trung cấp nghề/Cao đẳng.
regress Ln_price Old_planned New_planned Spontaneous Betweens Front Villas
Condo Vehicular Other Rent Office Total_area No_of_bedroom No_of_bathroom
Travel_time Monthly_expenditure Distance Graduate Undergraduate