Event Study trong BĐS có hai cách dùng phổ biến. Một là nghiên cứu phản ứng giá tài sản niêm yết quanh một sự kiện ngắn; hai là phần mở rộng động của Difference-in-Differences để xem treatment effect thay đổi theo số kỳ trước và sau can thiệp. Bài này tập trung cách thứ hai vì phù hợp metro, zoning, policy và hạ tầng.
Giá trị của Event Study không chỉ ở việc vẽ đường hệ số. Nó giúp nhìn anticipation, pre-trends, tốc độ phản ứng và độ bền của effect; đồng thời là nơi dễ mắc lỗi khi treatment timing khác nhau giữa các đơn vị.
Chuyên đề: Mô hình định lượng, không gian & mô phỏng trong BĐS · Bài 37 · Nhân quả và đánh giá tác động
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. Event time
Ký hiệu k=t−G_i, trong đó G_i là thời điểm treatment của unit i. k=-1 thường làm reference; coefficients cho k=-4...+8 mô tả outcome so với reference theo event time.
2. Leads và lags
Leads trước treatment hỗ trợ đánh giá pretrend/anticipation; lags sau treatment mô tả dynamic effects. Nhưng lead coefficients không significant không chứng minh parallel trends.
3. TWFE contamination
Với staggered adoption và heterogeneous effects, conventional TWFE leads/lags có thể dùng already-treated units làm controls và trộn effects từ periods khác. Sun–Abraham hoặc cohort-time estimators khắc phục theo cách rõ hơn.
4. Binning tails
Event time rất xa treatment có ít observations. Có thể bin k≤-5 và k≥+8 để tăng precision, nhưng phải báo vì tail effect bị gộp.
5. Reference period
Chọn k=-1 phổ biến. Đổi reference không đổi fitted differences nhưng thay diễn giải coefficients. Không cherry-pick reference để đồ thị đẹp.
6. Simultaneous confidence bands
Nếu nhìn 15 coefficients riêng với CI 95%, xác suất có ít nhất một false positive tăng. Joint/simultaneous bands hoặc pretrend joint tests hữu ích.
7. Pretrend power
Không phát hiện pretrend có thể do power thấp. Nên báo minimum detectable trend hoặc nhìn magnitude chứ không chỉ p-value.
8. Anticipation window
Metro được công bố 3 năm trước mở; treatment effect có thể bắt đầu ở k=-12 quý. Khi đó những lead này không còn placebo mà là anticipatory treatment.
9. Dynamic treatment heterogeneity
Effect có thể tăng rồi giảm: giá vốn hóa kỳ vọng sớm, supply phản ứng sau, rent effect trễ. Event study giúp phân biệt timing cơ chế.
10. Cohort heterogeneity
Tuyến mở 2018 có effect khác tuyến mở 2025 do thị trường. Có thể estimate cohort-specific paths rồi aggregate theo weights rõ ràng.
11. Robustness checks
- Thay control group.
- Thay treatment radius.
- Thay time window.
- Placebo date.
- Exclude neighboring spillover zones.
- Alternative outcome definitions.
- Alternative clustering.
12. Multiple outcomes
Price, transactions, permits, rents và supply có thể phản ứng khác timing. Nếu test nhiều outcomes, cần phân biệt primary và exploratory để tránh chọn kết quả thuận lợi.
13. Case: zoning upzoning
Event study cho permits tăng từ k=+2, land price tăng từ k=0, completions chỉ tăng từ k=+8. Cơ chế hợp lý: expectation vốn hóa trước, development pipeline phản ứng sau.
14. Cấu trúc dữ liệu
| unit_id | calendar_time | treat_cohort | event_time | outcome | control_group |
|---|---|---|---|---|---|
| G01 | 2026Q2 | 2025Q2 | +4 | log_price | not_yet |
15. Event Study tài chính khác gì?
Trong tài chính, abnormal returns quanh ngày công bố dùng market model và cửa sổ ngắn. Với BĐS vật lý, transactions thưa và response chậm nên panel DiD event study thường phù hợp hơn.
16. Pre-analysis plan
Khóa event window, treatment date, primary outcome, clusters và robustness trước khi nhìn kết quả giúp giảm specification searching.
17. Sai lầm
- Lead không significant = parallel trends chắc chắn.
- TWFE staggered không kiểm.
- Không anticipation.
- Không joint confidence bands.
- Tails ít mẫu nhưng vẫn diễn giải mạnh.
- Chỉ báo specification đẹp nhất.
18. Bài tập thực hành
Xây event study cho upzoning ở 30 khu với timing khác nhau. Chọn estimator cohort-time, reference k=-1, tail bins, joint pretrend test, spillover buffer và 5 robustness checks.
19. Event-study weights và aggregation
Khi cohort sizes khác nhau, aggregate dynamic ATT cần weights rõ: theo số units, treated population hay policy relevance. Một cohort lớn không nên vô tình thống trị nếu mục tiêu là trung bình theo khu.
20. Sensitivity với pretrends
Có thể hỏi: nếu post-treatment deviations from parallel trends không lớn hơn một mức so với pretrend, effect còn bền không? Cách này mạnh hơn lập luận nhị phân rằng pretrend không có ý nghĩa thống kê.
21. Spatial event study
Với hạ tầng, có thể estimate event-time × distance-ring để xem effect lan theo không gian và thời gian. Nhưng số coefficients tăng nhanh; cần pre-specify rings, tail bins và multiple-testing strategy.
22. Visualization tốt
Đồ thị cần có event time, point estimate, confidence band, reference period và số observations/cohorts còn đóng góp ở mỗi k. Tail event times ít cohort không nên nhìn như estimates trung tâm.
23. Event Study và cơ chế
Nếu land price tăng trước, permits tăng sau, completions tăng muộn hơn, chuỗi timing củng cố mechanism kỳ vọng→đầu tư→nguồn cung. Nhiều outcomes được chọn trước có thể giúp kiểm causal story tốt hơn một outcome duy nhất.
Ghi nhớ trong 30 giây
- Event Study cho biết treatment effect xuất hiện khi nào.
- Leads hỗ trợ nhưng không chứng minh parallel trends.
- Staggered timing cần estimator hiện đại.
- Anticipation là phần của treatment trong BĐS.
- Độ bền cần nhiều specification/placebo có kế hoạch.
Nguồn tham khảo
- Sun & Abraham (2021), Estimating Dynamic Treatment Effects in Event Studies with Heterogeneous Treatment Effects.
- Callaway & Sant’Anna (2021), Difference-in-Differences with Multiple Time Periods.
Bài tiếp theo: Monte Carlo: mô phỏng hàng nghìn kịch bản giá, tiền thuê, CAPEX và giá thoái vốn