Tác động của chính sách tiền tệ đến giá nhà ở - Nghiên cứu trường hợp tại thành phố Hồ Chí Minh

h phố lớn (hạng 1) ở Trung Quốc và 
xu hướng tác động này giảm dần ở các thành 
phố nhỏ hơn. 
Căn cứ vào các nghiên cứu trước cho thấy 
thị trường nhà ở được phản ánh thông qua chỉ 
số giá nhà ở. Giá nhà ở bị tác động khá mạnh 
bởi chính sách tiền tệ, trong đó chính sách 
tiền tệ được đo lường thông qua cung tiền 
(M2) và lãi suất cho vay. Lãi suất cho vay 
được các nghiên cứu trước sử dụng nhằm 
phản ánh cho chính sách tiền tệ thay vì lãi 
suất điều hành (như lãi suất tái chiết khấu, lãi 
suất tái cấp vốn,) do lãi suất cho vay có tác 
động trực tiếp đến thị trường nhà ở và vẫn 
chịu ảnh hưởng của ngân hàng trung ương. 
Dựa vào kết quả này, nhóm tác giả tiến hành 
xây dựng mô hình nghiên cứu tác động của 
chính sách tiền tệ đến giá nhà ở tại thành phố 
Hồ Chí Minh. 
2.2. Phương pháp nghiên cứu 
2.2.1. Mô hình nghiên cứu 
Căn cứ vào kết quả của các công trình 
nghiên cứu trước, nhóm tác giả sẽ sử dụng 
mô hình tự hồi quy véctơ (VAR) để nghiên 
cứu tác động của chính sách tiền tệ đến giá 
nhà ở tại thành phố Hồ Chí Minh với phương 
trình dự kiến như sau: 
tjt
n
j
jjt
n
j
jt XHPHP  

1
2
1
10
Trong đó, HPt là chỉ số giá nhà ở tại thành 
phố Hồ Chí Minh trong quý t. Xt-j phản ánh 
chính sách tiền tệ (cung tiền (M2) và lãi suất 
cho vay (LR)) tại thành phố Hồ Chí Minh 
trong quý t-j. εt là sai số. 
Bảng 1. Các biến sử dụng trong mô hình nghiên 
cứu 
Tên biến Nguồn dữ liệu 
Biến phụ thuộc 
Chỉ số giá nhà ở 
(HP) 
Savills 
Ghi chú: chuyển đổi 
sang logarit 
Các biến độc lập 
Cung tiền (M2) 
IFS (IMF – Quỹ Tiền tệ 
quốc tế) 
Ghi chú: chuyển đổi 
sang logarit 
Lãi suất cho vay 
(LR) 
IFS (IMF – Quỹ Tiền tệ 
quốc tế) 
Đơn vị tính: % 
Nguồn: Tổng hợp của nhóm nghiên cứu 
Chỉ số giá nhà ở và cung tiền (M2) đều 
được chuyển đổi sang logarit nhằm hạn chế 
TRƯỜNG ĐẠI HỌC KINH TẾ - ĐẠI HỌC ĐÀ NẴNG 
56 
sự chênh lệch giữa các biến trong mô hình 
nghiên cứu. 
2.2.2. Phương pháp phân tích 
Bài nghiên cứu vận dụng phương pháp 
phân tích mô hình tự hồi quy véctơ (VAR) 
nhằm kiểm định tác động của chính sách tiền 
tệ đến giá nhà ở tại thành phố Hồ Chí Minh. 
Việc sử dụng mô hình VAR được nhóm tác 
giả căn cứ theo Carvallo và Pagliacci (2016), 
Chang và các cộng sự (2012), Kivedal 
(2013), Nyakabawo và các cộng sự (2015), 
Rahal (2016), Ume (2017), Wadud và các 
cộng sự (2012), Zhang và các cộng sự 
(2016). 
2.2.3. Dữ liệu nghiên cứu 
Dữ liệu nghiên cứu được thu thập theo 
quý, từ quý 1 năm 2009 đến quý 2 năm 2017. 
Dữ liệu cung tiền (M2) và lãi suất cho vay 
được thu thập từ nguồn của IFS (IMF – Quỹ 
Tiền tệ quốc tế). Chỉ số giá nhà ở tại thành 
phố Hồ Chí Minh được thu thập từ nguồn của 
Tập đoàn Savills. Chỉ số giá nhà ở tại thành 
phố Hồ Chí Minh được Tập đoàn Savills xây 
dựng và tính toán dựa trên mẫu gồm 200 dự 
án của thị trường sơ cấp và thứ cấp tại thành 
phố Hồ Chí Minh. Với đặc thù của Việt Nam, 
hiện chỉ có Tập đoàn Savills cung cấp về chỉ 
số giá nhà ở nên nhóm tác giả sử dụng chuỗi 
dữ liệu này cho bài nghiên cứu. Tuy nhiên, 
chỉ số giá nhà ở được công bố với thời điểm 
bắt đầu từ quý 1 năm 2009 nên chuỗi dữ liệu 
đưa vào nghiên cứu khá ngắn, đây cũng là 
điểm hạn chế của bài nghiên cứu. Tuy nhiên, 
việc phân tích chuỗi dữ liệu ngắn về thị 
trường nhà ở cũng thường thấy ở các bài 
nghiên cứu trước. Ví dụ, Liang và Cao 
(2007) sử dụng chuỗi dữ liệu theo quý về thị 
trường nhà ở tại Trung Quốc trong giai đoạn 
từ quý 1 năm 1999 đến quý 2 năm 2006 (hơn 
7 năm); tại Việt Nam, Lê Thanh Ngọc (2014) 
sử dụng chuỗi dữ liệu theo quý về thị trường 
nhà ở trong giai đoạn từ quý 1 năm 2004 đến 
quý 2 năm 2013 (hơn 9 năm). Dựa trên 
những điều này, nhóm tác giả tin rằng 
khoảng thời gian gần 9 năm là hợp lý để 
phân tích tác động của chính sách tiền tệ đến 
giá nhà ở tại thành phố Hồ Chí Minh. 
3. Kết quả và thảo luận 
3.1. Thống kê mô tả 
Dữ liệu nghiên cứu được thu thập theo 
quý, từ quý 1 năm 2009 đến quý 2 năm 2017 
với các biến số được mô tả trong bảng 2 sau 
đây: 
Bảng 2. Thống kê mô tả các biến 
Biến 
Trung 
bình 
Giá trị 
nhỏ nhất 
Giá trị 
lớn nhất 
HP 
(điểm) 
93,6900 88,7000 105 
M2 
(tỷ 
đồng) 
4.202.230 1.748.226 7.616.856 
LR 
(%) 
10,5900 6,9600 18,0200 
Nguồn: Kết quả phân tích của nhóm nghiên cứu 
Từ kết quả thống kê mô tả cho thấy, các 
biến trong mô hình ước lượng đều thu đủ dữ 
liệu trong giai đoạn nghiên cứu. Chỉ số giá 
nhà ở tại thành phố Hồ Chí Minh đạt giá trị 
cao nhất là vào quý 3 năm 2009, thấp nhất 
vào quý 4 năm 2013. Cung tiền đạt giá trị cao 
nhất vào quý 2 năm 2017 và thấp nhất vào 
quý 1 năm 2009. Đối với lãi suất cho vay, đạt 
giá trị cao nhất vào quý 2 năm 2011 và thấp 
nhất vào quý 3 năm 2015. 
3.2. Kiểm định tính dừng 
Trong bài nghiên cứu này, nhóm tác giả 
sử dụng kiểm định Dickey-Fuller (Dickey và 
Fuller, 1979) để kiểm định tính dừng của các 
TẠP CHÍ KHOA HỌC KINH TẾ - SỐ 6(04) - 2018 
57 
chuỗi dữ liệu. Với giả thuyết H0 là chuỗi dữ 
liệu không có tính dừng. 
Bảng 3. Kiểm định tính dừng 
Biến 
Chuỗi dữ 
liệu gốc 
Chuỗi dữ 
liệu sai 
phân bậc 
1 
Chỉ số giá 
nhà ở 
0,6062 0,0000*** 
Cung tiền 0,3862 0,0000*** 
Lãi suất 
cho vay 
0,9089 0,0264** 
Ghi chú: ** và *** có ý nghĩa tương ứng ở mức 5% 
và 1% 
Nguồn: Kết quả phân tích của nhóm nghiên cứu 
Bảng 3 cho thấy các chuỗi dữ liệu đều 
không có tính dừng ở chuỗi dữ liệu gốc, 
nhưng có tính dừng ở sai phân bậc 1 với mức 
ý nghĩa 1% và 5%. 
3.3. Kết quả mô hình VAR 
Qua quá trình kiểm định độ trễ tối ưu của 
mô hình, nhóm tác giả xác định sử dụng mô 
hình ước lượng VAR ở độ trễ 4. Kết quả mô 
hình VAR như sau: 
Bảng 4. Kết quả mô hình VAR 
Biến 
Hệ số hồi 
quy 
Mức ý 
nghĩa 
Hằng số 0,0364 0,000*** 
 HP(-1) 0,4104 0,027** 
 HP(-2) 0,0918 0,537 
 HP(-3) 0,0369 0,699 
 HP(-4) -0,1261 0,269 
 M2(-1) -0,2450 0,001*** 
 M2(-2) -0,1442 0,051* 
 M2(-3) -0,2554 0,000*** 
 M2(-4) -0,1762 0,028** 
 LR(-1) 0,0105 0,000*** 
 LR(-2) 0,0025 0,251 
 LR(-3) -0,0029 0,112 
 LR(-4) -0,0040 0,000*** 
Ghi chú: *, ** và *** có ý nghĩa tương ứng ở 
mức 10%, 5% và 1% 
Nguồn: Kết quả phân tích của nhóm nghiên cứu 
Hình 3. Vòng tròn đơn vị 
-1
-.
5
0
.5
1
Im
a
g
in
a
ry
-1 -.5 0 .5 1
Real
Roots of the companion matrix
Nguồn: Kết quả phân tích của nhóm nghiên cứu 
Kết quả kiểm định sự ổn định của mô 
hình cho thấy các nghiệm đều nằm trong 
vòng tròn đơn vị nên mô hình VAR với độ 
trễ 4 có tính ổn định và phù hợp. 
Kết quả mô hình VAR cho thấy: chỉ số 
giá nhà ở với độ trễ 1 quý tác động cùng 
chiều đến chỉ số giá nhà ở vào thời điểm hiện 
tại; cung tiền (M2) tác động ngược chiều đến 
giá nhà ở với độ trễ 1 quý, 2 quý, 3 quý và 4 
quý, mức độ tác động thay đổi theo thời gian; 
trong khi đó, lãi suất cho vay với độ trễ 1 quý 
tác động cùng chiều đến giá nhà ở tại thành 
phố Hồ Chí Minh, tuy nhiên với độ trễ 4 quý 
mức độ tác động này giảm xuống và chuyển 
sang ngược chiều. 
3.4. Thảo luận 
Kết quả mô hình nghiên cứu có thể được 
giải thích như sau: 
TRƯỜNG ĐẠI HỌC KINH TẾ - ĐẠI HỌC ĐÀ NẴNG 
58 
Chỉ số giá nhà ở trong quá khứ: 
Chỉ số giá nhà ở bị tác động cùng chiều 
bởi các cú sốc của chính yếu tố này trong quá 
khứ với độ trễ 1 quý. Điều này cho thấy rằng 
khi giá nhà ở trong quá khứ biến động tăng, 
sẽ khiến cho giá nhà ở biến động tăng theo 
sau 1 quý và ngược lại. Điều này khá phù 
hợp với thực tiễn vì khi thị trường tăng 
trưởng tốt (giá nhà ở tăng) sẽ khiến cho 
lượng đầu tư vào thị trường nhà ở gia tăng, 
giá nhà ở sẽ có xu hướng tăng trưởng hơn 
nữa ở kỳ tiếp theo. Ngược lại, khi giá nhà ở 
có dấu hiệu suy giảm, các nhà đầu tư sẽ cảm 
thấy lo lắng và hạn chế đầu tư vào thị trường 
nhà ở, dẫn đến giá nhà ở suy giảm sâu hơn ở 
kỳ tiếp theo. 
Yếu tố cung tiền: 
Cung tiền (M2) tác động ngược chiều đến 
giá nhà ở tại thành phố Hồ Chí Minh với độ 
trễ 1 quý, 2 quý, 3 quý và 4 quý, mức độ tác 
động thay đổi theo thời gian. Kết quả này 
cũng tìm thấy trong nghiên cứu của Wen và 
He (2015) khi nghiên cứu về thị trường nhà ở 
tại Trung Quốc. Điều này phản ánh khi lượng 
cung tiền tệ trong nền kinh tế gia tăng cao có 
thể tạo ra hiện tượng bong bóng trên thị 
trường nhà ở, khiến cho thị trường nhà ở có 
nguy cơ gặp suy thoái ở các kỳ tiếp theo. 
Yếu tố lãi suất: 
Lãi suất cho vay với độ trễ 1 quý tác động 
cùng chiều đến giá nhà ở tại thành phố Hồ 
Chí Minh. Tuy nhiên, với độ trễ 4 quý, xu 
hướng tác động của lãi suất cho vay đến giá 
nhà ở chuyển sang ngược chiều. Kết quả 
nghiên cứu này có thể giải thích như sau: 
trong giai đoạn nghiên cứu, lãi suất cho vay 
có xu hướng giảm dần, tuy nhiên vì nền kinh 
tế còn gặp nhiều khó khăn sau khủng hoảng 
tài chính nên giá nhà ở vẫn chưa thoát khỏi 
đà giảm sút. Tuy nhiên, với độ trễ 4 quý, việc 
giảm lãi suất có tác động giúp giá nhà ở tăng 
trưởng trở lại. Kết quả này khá phù hợp với 
các nghiên cứu của Adams và Fuss (2010), 
Engsted và Pedersen (2014), Kivedal (2013), 
Xu và Chen (2012), Zhu và các cộng sự 
(2017). 
4. Kết luận 
Với mục tiêu kiểm định tác động của 
chính sách tiền tệ đến giá nhà ở tại thành phố 
Hồ Chí Minh, nhóm tác giả đã sử dụng mô 
hình tự hồi quy véctơ (VAR) để làm sáng tỏ 
vấn đề cần nghiên cứu và đạt được mục tiêu 
đề ra. Kết quả nghiên cứu cho thấy giá nhà ở 
bị tác động bởi chính sách tiền tệ, cụ thể là 
cung tiền (M2) và lãi suất cho vay, xu hướng 
tác động thay đổi theo thời gian. Đồng thời, 
giá nhà ở còn bị tác động cùng chiều bởi các 
cú sốc của chính nó trong quá khứ. Kết quả 
nghiên cứu là cơ sở để góp phần giúp nhà 
quản lý trong thị trường nhà ở, cũng như các 
nhà nghiên cứu và nhà hoạch định chính sách 
thấy rõ được sự tác động của chính sách tiền 
tệ đến giá nhà ở tại thành phố Hồ Chí Minh. 
Kết quả nghiên cứu là bằng chứng thực 
nghiệm tại thành phố Hồ Chí Minh, do đó 
mang lại giá trị thiết thực và ý nghĩa. Tuy 
nhiên, bài nghiên cứu còn gặp phải một số 
hạn chế như: chưa đề cập thêm một số yếu tố 
có thể phản ánh chính sách tiền tệ (như tổng 
hạn mức tín dụng của các ngân hàng thương 
mại) và biến kiểm soát có thể tác động đến 
giá nhà ở, chưa nghiên cứu ở các địa phương 
khác tại Việt Nam để có cơ sở so sánh giữa 
các địa phương, dữ liệu đưa vào nghiên cứu 
khá ngắn do đặc thù của Việt Nam, mô hình 
VAR chỉ tập trung phản ánh những tác động 
trong ngắn hạn nên chưa nêu bật được các 
diễn biến cũng như tần suất tác động trong 
dài hạn, đây cũng là hướng nghiên cứu cho 
các bài nghiên cứu tiếp theo. 
Lời cảm ơn: Nghiên cứu này được cấp 
kinh phí thực hiện bởi Trường Đại học Công 
nghiệp Tp.Hồ Chí Minh (IUH) trong đề tài 
mã số 183.NH01. 
TẠP CHÍ KHOA HỌC KINH TẾ - SỐ 6(04) - 2018 
59 
TÀI LIỆU THAM KHẢO 
Adams, Z. and Fuss, R. (2010). Macroeconomic determinants of international housing 
markets. Journal of Housing Economics, Vol. 19 (2010), pp. 38–50. 
Antonakakis, N. and Florosc, C. (2016). Dynamic interdependencies among the housing 
market, stock market, policy uncertainty and the macroeconomy in the United 
Kingdom. International Review of Financial Analysis, vol. 44(C), pp. 111-122. 
Bernanke, S and Kuttner, N. (2005). What explains the stock market’s reaction to Federal 
Reserve policy?. Journal of Finance, vol. 60, pp. 1221–1257. 
Carvallo, O. and Pagliacci, C. (2016). Macroeconomic Shocks, Bank Stability and the 
Housing Market in Venezuela. Emerging Markets Review, Vol. 26, pp. 174-196. 
Dickey, D. and Fuller, W. (1979). Distribution of the Estimators for Autoregressive Time 
Series with Unit Root. Journal of the American Statistical Association, Vol. 74, pp. 
427-432. 
Dương Thị Bình Minh, Sử Đình Thành, Phan Thị Bích Nguyệt, Nguyễn Quỳnh Hoa, Trịnh 
Thị Kim Oanh và Nguyễn Thị Mỹ Linh (2011). Chính sách phát triển nhà ở thương 
mại tại thành phố Hồ Chí Minh. Đề tài nghiên cứu khoa học cấp Bộ (Bộ Giáo dục và 
Đào tạo - Mã số: B 2009 – 09 - 101). 
Elbourne, A (2008). The UK housing market and the monetary policy transmission 
mechanism: An SVAR approach. Journal of Housing Economics, Vol. 17, pp. 65–87. 
Engsted, T. and Pedersen, T. (2014). Housing market volatility in the OECD area: Evidence 
from VAR based return decompositions. Journal of Macroeconomics, Vol. 42 (2014), 
pp. 91–103. 
Gaspareniene, L., Remeikiene, R. and Skuka, A. (2017). Assessment Of The Impact Of 
Macroeconomic Factors On Housing Price Level: Lithuanian Case. Intellectual 
Economics, Vol. 10, Issue 2, pp. 122-127. 
Kivedal, B. (2013). Testing for rational bubbles in the US housing market. Journal of 
Macroeconomics, Vol. 38 (2013), pp. 369–381. 
Liang, Q. and Cao, H. (2007). Property prices and bank lending in China. Journal of Asian 
Economics, Vol. 18, pp. 63-75. 
Lê Thanh Ngọc (2014). Phân tích ảnh hưởng của các nhân tố tài chính đến bong bóng bất 
động sản tại TP. Hồ Chí Minh. Tạp chí Phát triển và Hội nhập, Số 15 (25), trang 58-64. 
Mishkin, F. (2007). Housing and the monetary transmission mechanism. In: Federal 
Reserve Board Finance and Economics Discussion Series, pp. 2007-2040. 
Rahal, C. (2016). Housing markets and unconventional monetary policy. Journal of Housing 
Economics, Vol. 32 (2016), pp. 67-80. 
Rigobon, R and Sack, B. (2004). The impact of monetary policy on asset prices. Journal of 
Monetary Economics, 51, 1553–1575. 
Sirucek, M. (2012). The impact of money supply on stock prices and stock bubbles. MPRA 
Paper, No. 40919, posted 13. 
TRƯỜNG ĐẠI HỌC KINH TẾ - ĐẠI HỌC ĐÀ NẴNG 
60 
Tupenaite, L., Kanapeckiene, L. and Naimaviciene, J. (2017). Determinants of Housing 
Market Fluctuations: Case Study of Lithuania. Procedia Engineering, Vol. 172 (2017), 
pp. 1169-1175. 
Ume, E. (2017). The impact of monetary policy on housing market activity: An assessment 
using sign restrictions. Economic Modelling, Vol. 68, pp. 23-31. 
Wadud, M., Bashar, O. and Ahmed, H. (2012). Monetary policy and the housing market in 
Australia. Journal of Policy Modeling, Vol. 34 (2012), pp. 849-863. 
Wen, X. and He, L. (2015). Housing demand or money supply? A new Keynesian dynamic 
stochastic general equilibrium model on China’s housing market fluctuations. Physica 
A, Vol. 432 (2015), pp. 257–268. 
Xu, X. and Chen, T. (2012). The effect of monetary policy on real estate price growth in 
China. Pacific-Basin Finance Journal, Vol. 20 (2012), pp. 62–77. 
Zhao, S., Zhan, H., Jiang, Y. and Pan, W. (2017). How big is China’s real estate bubble and 
why hasn’t it burst yet?. Land Use Policy, Vol. 64 (2017), pp. 153–162. 
Zhang, H., Li, L., Hui, E. and Li, V. (2016). Comparisons of the relations between housing 
prices and the macroeconomy in China’s first-, second- and third-tier cities. Habitat 
International, Vol. 57 (2016), pp. 24-42. 
Zhu, B., Betzinger, M. and Sebastian, S. (2017). Housing Market Stability, Mortgage 
Market Structure, and Monetary Policy: Evidence from the Euro Area. Journal of 
Housing Economics, Vol. 37, pp. 1-21.