Giả định độc lập là nền của nhiều mô hình thống kê. Nhưng trong BĐS, giá một căn ở Thủ Đức thường giống căn lân cận hơn căn cách 30 km; vacancy ở một submarket lan theo cụm; phát triển đô thị tạo patterns không gian. Spatial autocorrelation đo mức giá trị gần nhau có xu hướng giống hoặc khác nhau.
Moran’s I là chỉ số toàn cục kinh điển; LISA – Local Indicators of Spatial Association – giúp xác định cụm cục bộ và spatial outliers.
Chuyên đề: Mô hình định lượng, không gian & mô phỏng trong BĐS · Bài 24 · Không gian, vị trí và cấu trúc 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. Spatial weights matrix W
Mọi spatial statistic bắt đầu bằng định nghĩa ‘lân cận’: contiguity, k-nearest neighbors, distance band hoặc network. W mã hóa ai là neighbor của ai.
Không có W trung lập; chọn W là một giả định mô hình.
2. Queen/Rook contiguity
Cho polygons: Rook chung cạnh; Queen chung cạnh hoặc đỉnh. Phù hợp khu hành chính nhưng không phù hợp point transactions trực tiếp.
3. KNN và distance band
KNN đảm bảo mỗi điểm có k neighbors, hữu ích khi density không đều. Distance band giữ neighbors trong bán kính nhưng có thể tạo islands. Distance nên theo CRS phù hợp.
4. Row-standardization
Thường chuẩn hóa mỗi row tổng=1 để spatial lag là trung bình neighbors. Nhưng interpretation đổi so binary W; cần báo rõ.
5. Global Moran’s I
Moran’s I so covariance không gian với variance toàn cục. I dương lớn gợi high gần high và low gần low; âm gợi checkerboard; expectation dưới randomness phụ thuộc n/W.
Không diễn giải I như correlation Pearson thông thường.
6. Permutation inference
Spatial statistics thường dùng random permutation để tạo reference distribution dưới null spatial randomness. Số permutations ảnh hưởng độ phân giải p-value.
7. Moran Scatterplot
Trục x là standardized variable; y là spatial lag. Bốn quadrants: High–High, Low–Low, High–Low, Low–High.
Slope liên hệ Global Moran’s I trong row-standardized setup.
8. LISA / Local Moran
Local Moran tạo statistic mỗi vị trí để phát hiện local clusters/outliers. Nhưng multiple testing trở thành vấn đề khi hàng nghìn locations.
Cluster map chỉ nên hiển thị nơi vừa có quadrant type vừa significant theo protocol.
9. HH/LL không tự là hotspot causal
High–High price có thể do luxury district, data composition hoặc autocorrelation. LISA mô tả pattern, không giải thích nguyên nhân.
10. Bivariate Moran
Có thể xem X ở location i liên hệ spatial lag của Y neighbors, nhưng temporal/causal interpretation phải cẩn thận. Bivariate spatial association không tự nói X gây Y.
11. Residual Moran’s I
Sau Hedonic OLS, Moran’s I của residual kiểm xem còn spatial pattern. Significant residual autocorrelation gợi model thiếu spatial structure.
Đây là bước dẫn sang SAR/SEM/SDM.
12. MAUP
Kết quả thay đổi khi dùng phường vs quận vs grid. Modifiable Areal Unit Problem nhắc rằng clusters phụ thuộc aggregation/scale.
13. Edge effects và islands
Biên study area có ít neighbors; islands không có neighbors. Phải xử lý rõ: KNN fallback, drop, hoặc W đặc biệt.
14. Cấu trúc dữ liệu
| geo_id | geometry | value | time | source |
|---|---|---|---|---|
| G001 | polygon/point | 52.4 | 2026Q1 | transactions |
W nên version hóa: method, parameter k/distance, row-standardized.
15. Case: giá đất
Global Moran I=0,42 permutation p<0,001 cho log price. LISA cho HH quanh trung tâm và LL ngoại vi. Sau Hedonic controls residual I còn 0,15 → cần spatial econometric model hoặc missing neighborhood features.
16. Sai lầm
- Chọn W tùy tiện.
- Lat/lon dùng Euclidean km trực tiếp.
- LISA cluster=nguyên nhân.
- Không multiple testing.
- Không xem MAUP.
- Không kiểm residual spatial autocorrelation.
17. Bài tập thực hành
Với giá nhà theo 500 phường/grid, tạo Queen và KNN8 W, tính Global Moran’s I, Moran scatterplot, LISA. So cluster maps giữa W và giải thích vùng thay đổi.
18. Global Moran’s I theo thời gian
Không gian clustering có thể tăng/giảm qua chu kỳ. Tính Moran’s I từng quý/năm giúp xem market segmentation thay đổi. Nhưng sample composition theo thời gian phải ổn; ít giao dịch có thể làm statistic nhiễu.
19. Spatial smoothing và rate data
Nếu biến là tỷ lệ trên population nhỏ, raw rates rất nhiễu. Empirical Bayes smoothing có thể dùng trước map/exploration. Tuy nhiên smoothing thay đổi variance nên inference cần đúng phương pháp.
20. LISA significance và false discovery
Với 500 local tests, mức 5% kỳ vọng nhiều false positives. Có thể dùng Bonferroni/FDR hoặc permutation-based cluster significance tùy mục tiêu. Bản đồ nên phân biệt exploratory với confirmatory.
21. Moran eigenvectors
Spatial filtering dùng eigenvectors của W để capture patterns ở nhiều scales như covariates. Đây là lựa chọn khác spatial lag/error models trong một số bài toán, nhưng interpretation ít trực tiếp hơn.
22. Spatial autocorrelation với điểm giao dịch
Với point transactions, có thể dùng distance/KNN W hoặc chuyển sang grid/hexagon. Aggregate giúp ổn định nhưng tạo MAUP; point-level giữ chi tiết nhưng computationally nặng và sample density không đều. Nên thử nhiều scales và báo sensitivity.
23. Moran’s I không thay variogram
Trong geostatistics, variogram mô tả covariance theo khoảng cách liên tục và là nền kriging. Moran’s I dùng W discrete. Hai công cụ cùng nói spatial dependence nhưng phục vụ workflow khác; không nên coi Moran là toàn bộ phân tích cấu trúc không gian.
Ghi nhớ trong 30 giây
- Spatial autocorrelation phá giả định độc lập.
- W định nghĩa neighborhood và là giả định cốt lõi.
- Moran’s I đo pattern toàn cục; LISA pattern cục bộ.
- Clusters không tự có causal meaning.
- Residual Moran dẫn sang spatial regression.
Nguồn tham khảo
- Moran – spatial autocorrelation foundations.
- Anselin (1995), Local Indicators of Spatial Association – LISA.
- GeoDa documentation/workbook.
Bài tiếp theo: SAR, SEM và SDM: mô hình kinh tế lượng không gian theo cơ chế tác động