OLS trả lời tác động trung bình có điều kiện. Nhưng thị trường BĐS không đồng nhất: thêm ban công có thể tạo premium lớn ở phân khúc bình dân nhưng nhỏ ở cao cấp; gần trường có thể quan trọng ở median nhưng không ở luxury; diện tích có thể được định giá khác ở đáy và đỉnh phân phối.
Quantile Regression của Koenker và Bassett cho phép mô hình hóa các phân vị có điều kiện của biến phụ thuộc, chẳng hạn phân vị 0,25, 0,50, 0,75 của giá. Nó không chỉ là ‘chạy hồi quy cho nhóm giá thấp/cao’.
Chuyên đề: Mô hình định lượng, không gian & mô phỏng trong BĐS · Bài 12 · Kinh tế lượng, giá và dự báo thị trường
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
1. OLS và Quantile Regression trả lời khác nhau
OLS ước lượng E[Y|X] – kỳ vọng có điều kiện. Quantile Regression ước lượng Qτ(Y|X) – phân vị τ có điều kiện.
β₀.9 của Area nói tác động Area tại phân vị 90% của conditional price distribution, không đơn giản là ‘nhà thuộc top 10% giá’ cố định.
2. Hàm mất mát bất đối xứng
QR tối thiểu hóa check loss ρτ(u): residual dương/âm có trọng số khác tùy τ. τ=0,5 tương ứng median regression và tối thiểu absolute deviations.
Vì không dựa bình phương residual, QR bền hơn OLS với một số outliers về Y.
3. Khi QR hữu ích trong BĐS
- Heterogeneous effects theo phân vị giá.
- Phân phối giá lệch/outliers.
- Quan tâm median thay mean.
- Muốn biết amenity premium ở affordable vs luxury.
- Time-on-market/value outcomes có heterogeneity.
4. Không chia mẫu theo giá rồi OLS
Nếu chia sample theo observed price rồi hồi quy, selection dựa chính outcome gây vấn đề và không tương đương conditional quantile. QR sử dụng toàn bộ mẫu để ước lượng từng conditional quantile.
5. Ví dụ coefficients theo quantile
| Biến | τ=0.25 | τ=0.50 | τ=0.75 | τ=0.90 |
|---|---|---|---|---|
| Metro 500m | 0.08 | 0.06 | 0.03 | 0.01 |
| View sông | 0.02 | 0.05 | 0.09 | 0.14 |
Giả sử log price: metro premium giảm ở phân vị cao, river view tăng. Đây là heterogeneity có giá trị cho segmentation.
6. Inference
SE trong QR thường dùng asymptotic estimates hoặc bootstrap. Vì quantiles khác nhau được ước lượng trên cùng dữ liệu, muốn kiểm β0.25 = β0.75 cần test difference, không chỉ thấy một significant và một không significant.
7. Quantile crossing
Ước lượng riêng nhiều quantiles có thể tạo crossing: predicted Q0.75 < Q0.50 ở một số X. Có phương pháp constrained/rearrangement để xử lý; ít quantiles và vùng dữ liệu tốt giảm vấn đề.
8. Functional form vẫn quan trọng
QR không chữa specification sai. Nếu quan hệ Area phi tuyến, cần spline/log/interactions như OLS. Coefficient quantile còn khó diễn giải hơn nếu model sai.
9. Conditional vs unconditional quantile
Standard quantile regression là conditional quantile. Nếu chính sách muốn biết thay đổi distribution toàn thị trường, unconditional quantile regression/RIF regression trả lời câu khác.
Không nên dùng conditional coefficient để nói trực tiếp toàn bộ marginal distribution thay đổi.
10. Cấu trúc dữ liệu
| sale_id | log_price | area | metro500 | river_view | legal | district | sale_month |
|---|---|---|---|---|---|---|---|
| S01 | 15.43 | 68 | 1 | 0 | Full | D1 | 2026-05 |
Dữ liệu giống Hedonic, nhưng inference tập trung nhiều τ.
11. Case: green premium
OLS green certification = +5%. QR cho +2% ở τ25, +4% ở median, +11% ở τ90. Điều này gợi green certification được định giá mạnh hơn ở segment cao.
Nhưng causal green premium vẫn có selection: tòa xanh có thể đồng thời mới, thương hiệu tốt, vị trí tốt.
12. QR với panel
Panel quantile regression tồn tại nhưng phức tạp hơn FE OLS; incidental parameter và interpretation cần cẩn trọng. Không nên thêm fixed effects hàng nghìn units bằng cách ngây thơ cho mọi τ.
Chọn phương pháp theo N, T và mục tiêu.
13. QR cho AVM?
QR có thể tạo prediction intervals/conditional distribution thay vì point estimate. Nhưng AVM production thường dùng quantile boosting/conformal methods khác. QR tuyến tính vẫn là baseline giải thích tốt.
14. Sai lầm
- Chia nhóm giá rồi gọi quantile regression.
- Diễn giải conditional quantile như unconditional.
- So significance thay vì test coefficient difference.
- Không kiểm crossing.
- Quên spatial dependence.
- Coi QR là causal.
15. Bài tập thực hành
Với Hedonic log-price, chạy τ=0,25/0,50/0,75/0,90. Chọn hai biến có pattern khác nhau; kiểm difference giữa τ25 và τ90; giải thích business meaning và một confounding risk.
16. Quantile effects và chiến lược phân khúc
Nếu tác động của trường học mạnh ở τ0,50 nhưng yếu ở τ0,90, nhà phát triển không nên dùng một premium trung bình cho toàn bộ sản phẩm. Quantile results có thể hỗ trợ unit mix, positioning và feature investment theo phân khúc.
Tuy nhiên phân vị có điều kiện không phải segment cố định theo khách. Một căn có thể nằm ở conditional τ cao sau khi đã kiểm attributes dù giá tuyệt đối không thuộc top thị trường.
17. Bootstrap và spatial clustering
Dữ liệu BĐS có clustering theo project/khu vực. Bootstrap từng giao dịch độc lập có thể đánh giá uncertainty quá thấp. Có thể cần cluster bootstrap theo building/project hoặc spatial blocks tùy cấu trúc dữ liệu.
18. Quantile Regression và rủi ro định giá
Thay vì chỉ dự báo median price, mô hình τ0,10 và τ0,90 có thể mô tả vùng giá conditional. Đây chưa phải prediction interval hoàn chỉnh nhưng giúp nhìn asymmetric distribution và tài sản có uncertainty lớn.
Ghi nhớ trong 30 giây
- QR mô hình hóa conditional quantiles, không chỉ mean.
- Không tương đương chia mẫu theo giá.
- Hữu ích cho heterogeneous effects.
- Inference giữa quantiles cần kiểm trực tiếp.
- QR không tự giải quyết causality/spatial dependence.
Nguồn tham khảo
- Koenker & Bassett (1978), Regression Quantiles, Econometrica.
- Koenker – Quantile Regression.
Bài tiếp theo: Repeat-Sales Model: xây chỉ số giá từ BĐS giao dịch lặp lại