Giá/m² thường là một trong những biến đầu tiên được dùng để so sánh BĐS. Nhưng đây cũng là biến rất dễ “đẹp về hình thức, sai về bản chất”. Chỉ cần nhầm giá rao với giá giao dịch, diện tích đất với diện tích sử dụng, triệu đồng với tỷ đồng hoặc trộn nhà phố với căn hộ, toàn bộ phân phối giá/m² có thể bị méo.
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 dùng một “ngưỡng giá/m² hợp lý” chung cho mọi khu vực và loại BĐS. Quy trình hiện đại nên kết hợp business rules + phân nhóm đúng thị trường + thống kê robust + kiểm chứng case gốc. IQR hay MAD chỉ tạo cờ cảnh báo; giá trị bất thường phải được giải thích trong bối cảnh tài sản.
1. Trước hết phải định nghĩa đúng giá/m²
Công thức cơ bản:
Giá/m² = Giá của tài sản / Diện tích dùng làm mẫu số.
Điểm khó nằm ở cả tử số và mẫu số.
| Tử số | Mẫu số | Có thể dùng cho | Rủi ro |
|---|---|---|---|
| Giá rao bán | Diện tích đất | Đất nền, nhà phố khi phân tích giá đất/quyền | Không phản ánh giá chốt; nhà có công trình làm tỷ lệ khó so sánh |
| Giá giao dịch | Diện tích đất | Phân tích giao dịch đất/nhà phố | Cần dữ liệu giao dịch đáng tin |
| Giá căn hộ | Diện tích thông thủy | So sánh căn hộ nếu nguồn cùng chuẩn | Không trộn với diện tích tim tường |
| Giá thuê/tháng | Diện tích cho thuê | Văn phòng, bán lẻ, kho xưởng | Cần thống nhất net/gross, phí dịch vụ, VAT |
Nếu cùng một cột area_m2 nhưng có dòng là diện tích đất, dòng là sàn xây dựng, dòng là diện tích sử dụng thì giá/m² không còn cùng nghĩa.
2. Kiểm tra business rules trước thống kê
Trước khi bấm SPSS hay vẽ boxplot, hãy kiểm tra:
- Giá có > 0 không?
- Diện tích có > 0 không?
- Đơn vị giá đã thống nhất chưa?
- Đơn vị diện tích đã thống nhất m² chưa?
- Loại giá đã được gắn nhãn chưa: rao/giao dịch/thuê?
- Loại diện tích đã được gắn nhãn chưa?
- Có tài sản nào bị trùng nhiều tin không?
- Có giá/m² được nhập tay trong khi có thể tính lại từ raw fields không?
Nguyên tắc tốt là không tin tuyệt đối cột giá/m² có sẵn. Nếu có giá tổng và diện tích gốc, nên tính lại biến dẫn xuất và so sánh chéo.
3. Tìm lỗi “×10”, “×100”, “×1.000”
Nhiều outlier BĐS đến từ lỗi đơn vị:
- 6,5 tỷ được lưu thành 6.500 nhưng hệ thống hiểu là tỷ;
- 65 triệu/m² thành 650 triệu/m²;
- 0,12 ha được nhập là 0,12 m² thay vì 1.200 m²;
- dấu phẩy/dấu chấm thập phân bị chuyển sai khi import CSV.
Hãy tạo các rule đơn giản để tìm tỷ lệ bất thường và xem histogram trên thang log. Các cụm điểm cách nhau đúng bội số 10 thường gợi ý lỗi đơn vị hơn là hiện tượng thị trường.
4. Luôn phát hiện bất thường trong nhóm so sánh đúng
Một căn 180 triệu/m² có thể là outlier trong phân khúc căn hộ trung cấp vùng ven, nhưng hoàn toàn không bất thường trong một nhóm sản phẩm siêu sang tại lõi đô thị. Vì vậy nên tính phân phối theo các lớp:
- loại BĐS;
- khu vực/market area;
- phân khúc;
- thời gian;
- trạng thái pháp lý hoặc chất lượng nếu có ý nghĩa;
- loại giao dịch.
Không nên lấy một boxplot cho toàn bộ “BĐS TP.HCM” rồi xóa những gì nằm ngoài râu.
5. Dùng IQR để gắn cờ
Trong từng nhóm tương đối đồng nhất:
IQR = Q3 − Q1
Ta có thể gắn cờ các quan sát:
price_m2 < Q1 − 1,5×IQR hoặc price_m2 > Q3 + 1,5×IQR.
Điểm rất xa có thể kiểm tra với hàng rào 3×IQR. Đây là quy tắc phát hiện phổ biến trong boxplot của Tukey/NIST. Nhưng vẫn chỉ là flag.
6. MAD – lựa chọn robust khi phân phối rất lệch
Với dữ liệu giá có đuôi phải dài, một lựa chọn bổ sung là Median Absolute Deviation:
MAD = median(|xᵢ − median(x)|)
Median và MAD ít bị kéo bởi điểm cực đoan hơn mean và SD. Có thể xây robust z-score từ median/MAD để sàng lọc, nhưng ngưỡng phải được dùng như cảnh báo, không phải lệnh xóa tự động.
7. Kiểm tra quan hệ giá tổng – diện tích – giá/m²
Đừng chỉ nhìn một biến. Vẽ scatter:
- giá tổng vs diện tích;
- giá/m² vs diện tích;
- giá/m² vs khoảng cách trung tâm;
- giá/m² theo khu vực/phân khúc.
Một dòng có giá/m² cao nhưng giá tổng và diện tích vẫn hợp lý có thể là tài sản nhỏ tại vị trí đắt. Ngược lại, giá/m² bình thường nhưng giá tổng bất thường cũng cần kiểm tra.
8. Ví dụ phát hiện lỗi
Một nhà phố có:
- Giá rao = 12 tỷ đồng;
- Diện tích đất = 80 m²;
- Diện tích sàn = 320 m².
Nếu mục tiêu là giá rao trên diện tích đất:
12.000 triệu / 80 = 150 triệu đồng/m² đất.
Nếu một dòng khác dùng diện tích sàn:
12.000 / 320 = 37,5 triệu đồng/m² sàn.
Hai con số đều đúng toán học nhưng không cùng chỉ tiêu. Trộn chúng vào một cột sẽ tạo phân phối vô nghĩa.
9. Không dùng ngưỡng cứng xuyên thời gian
Một rule kiểu “giá/m² > 200 triệu là sai” có thể đúng với dataset A nhưng sai với khu vực, phân khúc hoặc năm khác. Giá và cơ cấu sản phẩm thay đổi theo thời gian. Nếu dùng rule nghiệp vụ, nên có:
- phạm vi áp dụng;
- ngày hiệu lực;
- nguồn tham chiếu;
- người phê duyệt;
- cơ chế cập nhật.
10. Quy trình đề xuất cho BDSNL
- Giữ nguyên raw_price, raw_area, raw_area_type.
- Chuẩn hóa đơn vị thành price_vnd và area_m2.
- Tạo price_m2 bằng công thức thống nhất theo loại BĐS.
- Gắn segment/khu vực/thời gian.
- Tính median, Q1, Q3, IQR theo nhóm.
- Tạo price_m2_outlier_flag.
- Kiểm tra case gốc.
- Ghi outlier_reason và review_status.
- Chạy phân tích có/không có các case nhạy cảm khi cần.
Checklist 10 giây cho một giá/m² lạ
- Đúng loại giá chưa?
- Đúng đơn vị chưa?
- Đúng loại diện tích chưa?
- Giá/m² đã tính lại chưa?
- Cùng loại BĐS chưa?
- Cùng market area chưa?
- Cùng phân khúc chưa?
- Cùng kỳ thời gian chưa?
- Có phải duplicate/relisting không?
- Case gốc có bằng chứng xác minh không?
Ghi nhớ trong 30 giây
- Giá/m² là biến dẫn xuất; sai tử số hoặc mẫu số là sai toàn bộ.
- Không tìm outlier trước khi chuẩn hóa đơn vị, diện tích và phân khúc.
- IQR/MAD phù hợp để sàng lọc dữ liệu giá lệch hơn là chỉ nhìn mean/SD.
- Ngưỡng outlier phải áp dụng trong nhóm so sánh hợp lý.
- Flag → kiểm tra → giải thích → mới quyết định giữ/sửa/loại.
Nguồn tham khảo
- Nguyễn Mạnh Hùng, Bài giảng Phân tích thị trường BĐS, phần làm sạch dữ liệu và outliers.
- Nguyễn Mạnh Hùng, Tài liệu hướng dẫn phân tích SPSS, phần Explore, Boxplot, IQR.
- NIST/SEMATECH, e-Handbook of Statistical Methods, Outlier Detection và Measures of Scale.
Bài tiếp theo: “Chuẩn hóa tên đường, phường/xã và địa chỉ trong dữ liệu BĐS”.