Một lỗi phổ biến khi thu thập dữ liệu BĐS là bắt đầu bằng câu hỏi: “Có cột nào thì lấy cột đó”. Cách đúng hơn là hỏi: “Muốn trả lời câu hỏi nghiên cứu này, cần những biến nào để đo đối tượng, kiểm soát khác biệt và truy lại nguồn?”
Người biên soạn: ThS. Nguyễn Mạnh Hùng
Đơn vị: GV. Khoa QLĐĐ&BĐS – ĐH Nông Lâm TP.HCM
Email: nguyenmanhhung@hcmuaf.edu.vn
Phạm vi bài viết: Đây là bài thiết kế cấu trúc dữ liệu, chưa đi sâu vào làm sạch hay hồi quy. Bộ biến mẫu dưới đây là khung tham chiếu, không phải checklist bắt buộc cho mọi nghiên cứu. Câu hỏi nghiên cứu quyết định biến nào cần thu thập.
1. Một dataset tốt phải trả lời được 5 câu hỏi
- Quan sát này là gì? – ID, loại tài sản, đơn vị phân tích.
- Nó ở đâu? – địa chỉ, khu vực, tọa độ.
- Nó được ghi nhận khi nào và từ đâu? – ngày, kỳ, nguồn.
- Nó có đặc điểm gì? – diện tích, phòng, tầng, chất lượng, pháp lý...
- Biến kết quả cần phân tích là gì? – giá, rent, giao dịch, absorption, vacancy...
2. Nhóm 1 – Biến định danh và nguồn gốc dữ liệu
| Biến | Ví dụ | Vì sao cần |
|---|---|---|
| record_id | R000123 | Nhận diện bản ghi |
| property_id | P00987 | Khử nhiều tin của cùng tài sản |
| project_id | PRJ025 | Liên kết căn với dự án |
| source | Khảo sát / portal / báo cáo | Đánh giá nguồn và truy vết |
| source_url / source_ref | URL hoặc mã phiếu | Kiểm chứng lại |
| collected_at | 2026-09-28 | Biết thời điểm chụp dữ liệu |
Nếu thiếu nhóm này, sau vài tháng rất khó biết dữ liệu đến từ đâu và có còn cập nhật không.
3. Nhóm 2 – Không gian và vị trí
- tỉnh/thành;
- phường/xã;
- đường;
- dự án/khu đô thị;
- latitude/longitude;
- khoảng cách tới CBD, metro, trường học... nếu nghiên cứu cần;
- nhóm market area/CBD/non-CBD sau khi chuẩn hóa.
Nên lưu cả địa chỉ gốc và địa chỉ chuẩn hóa. Đừng ghi đè dữ liệu thô, vì quá trình chuẩn hóa có thể cần kiểm tra lại.
4. Nhóm 3 – Thuộc tính vật lý/cấu trúc của BĐS
Tùy loại tài sản, có thể gồm:
- diện tích đất, diện tích sàn, diện tích sử dụng;
- chiều rộng/mặt tiền, chiều sâu;
- số phòng ngủ, số WC;
- tầng, tổng số tầng;
- năm xây dựng/bàn giao;
- tình trạng nội thất;
- loại hình BĐS;
- chất lượng/hạng sản phẩm;
- chỗ đậu xe, tiện ích;
- đặc điểm tiếp cận giao thông.
Tài liệu SPSS của môn học dùng các ví dụ như Gia_m2_Trieu, Dien_Tich_m2, D_CBD_km, số tầng... Đây là các biến Scale khi chúng là đại lượng số thực có ý nghĩa toán học.
5. Nhóm 4 – Pháp lý/trạng thái nhưng phải mã hóa đúng bản chất
Biến pháp lý thường là Nominal hoặc Ordinal, không phải số liên tục chỉ vì được mã hóa 1, 2, 3.
Ví dụ:
- tình trạng giấy chứng nhận;
- hình thức sở hữu;
- thời hạn;
- trạng thái hoàn thiện hồ sơ;
- tình trạng thế chấp nếu có nguồn đáng tin.
Nếu mã 1=Sổ hồng, 2=Đang chờ, 3=Khác, không được lấy Mean = 1,7 rồi diễn giải như “mức pháp lý trung bình”. Con số mã hóa chỉ là nhãn.
6. Nhóm 5 – Giá, rent và thông tin giao dịch
Cần tách các khái niệm thay vì gom vào một cột “Giá”:
- asking_price;
- transaction_price;
- asking_rent;
- achieved_rent nếu có;
- giá tổng;
- giá/m²;
- ngày giao dịch/ngày đăng;
- tình trạng sold/available/withdrawn;
- số ngày trên thị trường nếu đo được.
Giá/m² thường nên là biến dẫn xuất từ giá tổng và diện tích đã chuẩn hóa, thay vì nhập tay nếu có thể tính lại.
7. Nhóm 6 – Biến thị trường và dự án
Khi đơn vị phân tích là dự án/khu vực/thời kỳ, có thể cần:
- existing stock;
- new supply;
- future supply/pipeline;
- transactions/take-up;
- absorption;
- vacancy/occupancy;
- inventory;
- giá/rent trung vị hoặc weighted average;
- số dự án/tòa nhà hoạt động.
Những biến này khác cấp với dữ liệu từng căn. Không nên nhét lẫn vào từng dòng căn nếu không xác định rõ chúng là biến cấp dự án/khu vực.
8. Nhóm 7 – Biến bối cảnh
Để phân tích tác động hoặc dự báo, có thể nối thêm dữ liệu:
- dân số, hộ gia đình;
- thu nhập;
- lãi suất;
- tín dụng;
- GDP/GRDP;
- hạ tầng;
- quy hoạch;
- thời điểm chính sách/sự kiện.
Cần lưu ý tần suất: dữ liệu giá có thể theo ngày, trong khi GDP theo quý. Khi join phải xác định rõ quy tắc quy đổi thời gian.
9. Phân biệt biến gốc và biến dẫn xuất
| Biến gốc | Biến dẫn xuất |
|---|---|
| Giá tổng, diện tích | Giá/m² = giá tổng / diện tích |
| Ngày đăng, ngày gỡ/bán | Days on market |
| Tọa độ BĐS, tọa độ CBD | Khoảng cách tới CBD |
| Số căn bán, số căn chào bán | Tỷ lệ hấp thụ theo định nghĩa đã chọn |
Dataset chuyên nghiệp nên ghi lại công thức và version của biến dẫn xuất để có thể tái lập.
10. Data Dictionary: bảng mô tả biến bắt buộc nên có
| Trường | Ví dụ |
|---|---|
| variable_name | gia_m2 |
| label | Giá chào bán trên m² |
| type | Numeric |
| measure | Scale |
| unit | triệu đồng/m² |
| source | listing/khảo sát |
| missing_code | NA hoặc quy ước cụ thể |
| rule | Giá tổng / diện tích sử dụng |
Data Dictionary giúp tránh tình trạng cùng tên “diện tích” nhưng nhóm A dùng diện tích đất, nhóm B dùng diện tích sàn.
11. Một bộ biến tối thiểu cho khảo sát tin căn hộ
Ví dụ tối thiểu có thể gồm:
- record_id, property/project_id;
- source, collected_at;
- địa chỉ/khu vực/tọa độ;
- loại sản phẩm;
- diện tích;
- phòng ngủ;
- tầng;
- tình trạng nội thất;
- giá tổng;
- giá/m²;
- trạng thái giao dịch/tin;
- ghi chú kiểm chứng.
Các biến khác chỉ thêm khi phục vụ câu hỏi nghiên cứu.
12. 6 lỗi thiết kế dataset thường gặp
- Không có ID duy nhất.
- Không có ngày và nguồn.
- Một cột chứa nhiều ý nghĩa (“80m² - 2PN - full NT”).
- Đơn vị không nhất quán.
- Mã hóa số nhưng không có Value Labels.
- Trộn raw variable và derived variable mà không ghi công thức.
Ghi nhớ trong 30 giây
- Không có bộ biến cố định cho mọi bài toán BĐS.
- Dataset tốt cần tối thiểu: ID – nguồn/thời gian – vị trí – thuộc tính – biến kết quả.
- Phân biệt Nominal, Ordinal, Scale trước khi phân tích.
- Giữ dữ liệu gốc; tạo biến dẫn xuất bằng công thức có thể tái lập.
- Luôn có Data Dictionary.
Nguồn tham khảo
- Nguồn nòng cốt: Nguyễn Mạnh Hùng, Bài giảng Phân tích thị trường bất động sản 2025, phần thu thập – tổ chức – lưu trữ và xử lý dữ liệu.
- Nguyễn Mạnh Hùng, Tài liệu hướng dẫn phân tích SPSS, phần loại biến Nominal – Ordinal – Scale và các ví dụ biến BĐS.
- Rena Mourouzi-Sivitanidou; Petros Sivitanides (ed.), Market Analysis for Real Estate, Routledge, 2021, các chương về market analysis và housing demand/location characteristics.
Bài tiếp theo: “Nguồn dữ liệu sơ cấp và thứ cấp trong BĐS”.