Một bảng có 500 dòng giá BĐS rất khó cho người đọc hình dung thị trường đang “có hình dạng” như thế nào. Nhưng chỉ một histogram hoặc boxplot tốt có thể cho thấy ngay dữ liệu tập trung ở đâu, có bị lệch phải không, có hai nhóm giá khác nhau không và có vài quan sát cực đoan đang kéo mean lên hay không.
Biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
Cập nhật 2026: Không nên dùng quy tắc cứng kiểu “Shapiro–Wilk chỉ cho n<50, Kolmogorov–Smirnov cho n≥50” để quyết định phân phối. Với mẫu lớn, kiểm định chuẩn rất nhạy và có thể cho p nhỏ dù sai lệch không đáng kể về thực hành. Cách đọc hiện đại là kết hợp histogram, Q–Q plot, boxplot, skewness và mục đích của phép phân tích; quan trọng hơn, nhiều mô hình không yêu cầu bản thân biến giá phải có phân phối chuẩn.
1. “Phân phối giá” là gì?
Phân phối mô tả cách các quan sát nằm trên thang giá. Nó trả lời những câu hỏi mà mean đơn lẻ không trả lời được:
- giá tập trung ở vùng nào;
- phần lớn tài sản có gần nhau không;
- có đuôi giá cao kéo dài không;
- có hai hay nhiều “cụm” giá không;
- có quan sát tách biệt rõ không.
Với BĐS, phân phối thường phản ánh đồng thời cấu trúc sản phẩm, vị trí, phân khúc, pháp lý và cách lấy mẫu.
2. Histogram: biểu đồ đầu tiên nên nhìn
Histogram chia giá thành các khoảng – bins – rồi đếm số quan sát trong từng khoảng.
Khi đọc histogram, nên nhìn theo thứ tự:
- Vị trí: dữ liệu tập trung quanh khoảng nào?
- Độ rộng: giá trải rộng hay hẹp?
- Độ lệch: đuôi dài về bên phải hay bên trái?
- Số đỉnh: một đỉnh, hai đỉnh hay nhiều đỉnh?
- Điểm rời: có cột nhỏ tách xa phần chính không?
3. Lệch phải rất phổ biến với giá BĐS
Phân phối lệch phải có phần lớn quan sát ở vùng giá thấp–trung bình và một số ít quan sát rất cao tạo ra đuôi dài bên phải. Trong trường hợp này thường thấy:
Mean > Median.
Điều đó không có nghĩa dữ liệu “sai”. Nó có thể phản ánh đúng thực tế: một số dự án hạng sang, penthouse, mặt tiền hoặc tài sản CBD có giá cao hơn phần lớn mẫu.
Với phân phối lệch phải mạnh, median và IQR thường hữu ích hơn nếu mục tiêu là mô tả “tài sản điển hình”. Mean vẫn có giá trị nhưng phải được giải thích.
4. Bimodal: hai đỉnh có thể đang nói điều gì?
Nếu histogram có hai đỉnh rõ, một khả năng là dataset đang trộn hai tổng thể khác nhau, ví dụ:
- căn hộ trung cấp và cao cấp;
- sơ cấp và thứ cấp;
- CBD và vùng ven;
- nhà phố và căn hộ;
- hai giai đoạn giá khác nhau.
Nhưng hai đỉnh không phải bằng chứng tự động rằng có đúng hai phân khúc. Hình dạng histogram còn phụ thuộc cách chọn bin, cỡ mẫu và dữ liệu. Cần quay về biến phân nhóm để kiểm chứng.
5. Bin width có thể làm bạn nhìn sai thị trường
Cùng một dataset, histogram dùng 5 khoảng rất rộng có thể trông “mượt”, còn dùng 50 khoảng nhỏ có thể trông lổn nhổn. Vì vậy không nên kết luận về số đỉnh chỉ từ một cách chia bin.
Thực hành tốt là thử vài mức bin hợp lý hoặc dùng thêm density plot/ECDF. Nếu kết luận thay đổi hoàn toàn khi đổi bin, cấu trúc dữ liệu chưa đủ rõ để khẳng định.
6. Boxplot bổ sung điều gì cho histogram?
Boxplot không cho thấy từng cột tần số nhưng tóm tắt rất nhanh:
- Q1;
- Median;
- Q3;
- IQR;
- râu dữ liệu;
- các điểm nằm ngoài hàng rào thống kê.
Boxplot đặc biệt mạnh khi cần so sánh nhiều nhóm trên cùng một trục: giá theo phường/xã, pháp lý, khoảng diện tích hoặc phân khúc.
7. Q–Q plot dùng khi nào?
Q–Q plot so các quantile quan sát với quantile kỳ vọng của một phân phối tham chiếu, thường là chuẩn. Nếu các điểm nằm gần đường thẳng, dữ liệu tương đối phù hợp với hình dạng tham chiếu; độ cong, lệch đuôi hoặc các điểm tách xa giúp phát hiện vấn đề.
Q–Q plot thường hữu ích hơn việc chỉ nhìn một p-value “Sig.” vì nó cho người phân tích thấy sai lệch nằm ở đâu: phần giữa hay phần đuôi.
8. Có cần giá BĐS phải phân phối chuẩn không?
Không. Đây là một hiểu nhầm quan trọng.
Thống kê mô tả không yêu cầu giá phải chuẩn. Nhiều phân tích cũng không yêu cầu biến giá gốc phải chuẩn theo nghĩa tuyệt đối. Ví dụ, trong hồi quy tuyến tính, điều người phân tích quan tâm nhiều hơn là cấu trúc phần dư và các giả định của mô hình, chứ không phải “giá nhà phải chuẩn”.
Do đó không nên thấy Shapiro–Wilk p<0,05 rồi lập tức kết luận dataset “không dùng được”. Với mẫu lớn, một lệch nhỏ cũng dễ bị kiểm định phát hiện.
9. Khi nào nên dùng log(price)?
Biến đổi log có thể hữu ích khi:
- giá lệch phải mạnh;
- phương sai tăng theo mức giá;
- mối quan hệ với biến giải thích có tính tỷ lệ hơn là tuyệt đối;
- mô hình hồi quy cần biểu diễn thay đổi theo phần trăm.
Nhưng log không phải “thuốc chữa mọi dữ liệu”. Sau biến đổi phải giải thích lại đơn vị và ý nghĩa hệ số. Không nên log chỉ để ép biểu đồ trông giống chuẩn.
10. Đọc skewness và kurtosis thế nào?
Skewness mô tả bất đối xứng; giá trị dương thường gợi ý đuôi phải, âm gợi ý đuôi trái. Kurtosis phản ánh hình dạng đuôi/độ tập trung theo cách phụ thuộc định nghĩa phần mềm.
Không nên dùng một ngưỡng duy nhất rồi quyết định “đạt/không đạt”. Hai chỉ tiêu này nên được đọc cùng biểu đồ, cỡ mẫu và mục tiêu phân tích.
11. Ba tình huống BĐS dễ đọc sai biểu đồ
11.1. Trộn thị trường
Một histogram hai đỉnh có thể do gộp hai loại tài sản. Cách xử lý là phân nhóm, không phải xóa “đỉnh lạ”.
11.2. Giá/m² tính không đồng nhất
Nếu một nhóm dùng diện tích thông thủy, nhóm khác dùng diện tích tim tường hoặc diện tích đất, phân phối có thể bị méo mà nhìn như một đặc trưng thị trường.
11.3. Mẫu listing bị duplicate
Một dự án có hàng trăm tin tương tự có thể tạo một “đỉnh” nhân tạo. Cần chống trùng ở cấp property/listing trước khi đọc phân phối.
12. Quy trình đọc biểu đồ phân phối trong 7 bước
- Xác nhận biến, unit, market area và time window.
- Xem N và missing.
- Xem histogram/density.
- Đọc mean, median, Q1, Q3, SD, IQR.
- Xem boxplot để nhận diện quan sát cần kiểm tra.
- Nếu cần giả định phân phối, xem thêm Q–Q plot và kiểm định.
- Quay lại phân khúc và dữ liệu gốc trước mọi quyết định loại hoặc biến đổi.
13. Ví dụ cách viết báo cáo
“Phân phối giá/m² lệch phải: median 52 triệu đồng/m² thấp hơn mean 61 triệu đồng/m². Histogram cho thấy phần lớn quan sát tập trung trong vùng 40–70 triệu đồng/m², trong khi một nhóm nhỏ trên 120 triệu đồng/m² tạo đuôi phải. Boxplot xác định 9 quan sát ngoài hàng rào 1,5×IQR; sau kiểm tra, phần lớn thuộc dự án hạng sang nên được giữ và phân tích riêng theo phân khúc.”
Ghi nhớ trong 30 giây
- Histogram cho thấy hình dạng; boxplot cho thấy trung vị, IQR và điểm bất thường.
- Giá BĐS lệch phải là hiện tượng phổ biến, không tự động là dữ liệu lỗi.
- Bimodal có thể gợi ý trộn nhiều nhóm nhưng phải kiểm chứng.
- Không dùng p-value kiểm định chuẩn như một nút “đạt/không đạt”.
- Đọc biểu đồ luôn phải gắn với market area, phân khúc và cách tạo dữ liệu.
Nguồn tham khảo
- Nguyễn Mạnh Hùng, Lab 2 – Xử lý và phân tích số liệu bất động sản.
- Nguyễn Mạnh Hùng, Tài liệu hướng dẫn phân tích SPSS, Explore, Histogram và Boxplot.
- NIST/SEMATECH, e-Handbook of Statistical Methods – Exploratory Data Analysis.
Bài tiếp theo: “Tương quan giữa các biến: khi nào có ý nghĩa và khi nào gây hiểu nhầm?”.