PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NHÀ ĐẤT NHƠN TRẠCH ĐỒNG NAI

phan-tich-cac-nhan-to-anh-huong-den-nha-dat-nhon-trach-dong-nai, phân tích các nhân tố ảnh hưởng đến nhà đất nhơn trạch

0
431
Rate this post

PHÂN TÍCH CÁC NHÂN TỐ ẢNH HƯỞNG ĐẾN NHÀ ĐẤT NHƠN TRẠCH ĐỒNG NAI

  1. Dữ liệu phương pháp nghiên cứu

Nghiên cứu sử dụng các biến kinh tế vĩ mô bao gồm: tổng thu nhập quốc dân, lạm phát, dư nợ cho vay BĐS, lãi suất  cho  vay dài hạn, cung tiền M2, vốn đầu tư

cho từng phân khúc chung cư và nhà liền kề, sau đó căn cứ vào tỷ trọng nhà chung cư và nhà liền kề trong tổng số nhà ở tùy từng năm để tính lại chuỗi chỉ số bình quân PR có trọng số là tỷ trọng từng loại nhà ở làm đại diện cho thị trường. Tăng trưởng GDP đại diện cho hoạt động kinh tế thực và được lấy từ nguồn Tổng cục Thống kê VN (GSO); chỉ số giá tiêu dùng CPI được xem là chỉ tiêu đo lường lạm phát cũng được lấy từ nguồn GSO; dư nợ cho vay BĐS tại TP. HCM lấy từ Ngân hàng Nhà nước Chi nhánh TP. HCM; lãi suất cho vay dài hạn, cung tiền M2 lấy từ Ngân hàng Nhà nước VN; vốn đầu tư nước ngoài vào BĐS lấy từ Sở Kế hoạch và Đầu tư TP.HCM; chỉ số chứng khoán VN lấy từ Sở Giao dịch Chứng khoán TP.HCM.

  1. hình nghiên cứu các kiểm định

Nghiên cứu sử dụng mô hình VAR (Vector Auto Regression) để kiểm tra mối tương quan giữa các biến trong mô hình. Cụ thể, nghiên cứu sử dụng kiểm định nghiệm đơn vị, kiểm định nhân quả Granger và phân tích phân rã phương sai. Bên cạnh đó, nghiên cứu còn sử dụng phương pháp ước lượng VAR để tìm độ trễ tối ưu cho các biến vĩ mô.

2.1.  Mô hình vector tự hồi quy (Vector Auto Regression)

Mối quan hệ giữa các  biến số có thể không chỉ đơn thuần một chiều là các biến giải thích tác động đến biến phụ thuộc mà trong nhiều trường hợp biến phụ thuộc cũng có tác động ngược trở lại đến các biến giải thích. Do đó, ta phải xem xét mối quan hệ qua lại giữa các biến cùng một lúc. Như vậy, mô hình kinh tế lượng mà ta xem xét đến không phải là mô hình chỉ một phương trình mà bao gồm nhiều phương trình. Để ước lượng được mô hình này ta phải đảm bảo rằng các phương trình trong hệ được định dạng với một số biến được gọi là biến nội sinh và một số biến khác được coi là ngoại sinh. Việc định dạng này thường được thực hiện bằng cách giả thiết rằng một số biến được xác định trước chỉ có mặt trong một số phương trình. Cách làm này thường mang tính chủ quan và bị phê phán bởi Sims (1980). Theo Sims, nếu thực sự tồn tại mối quan hệ đồng thời giữa các biến này thì chúng phải được xem xét với vai trò như nhau, nói cách khác là tất cả các biến được xét đến đều là biến nội sinh. Trên ý tưởng đó mà Sims đã xây dựng nên mô hình vector tự hồi quy VAR.

nước ngoài vào BĐS, chỉ số chứng khoán VN để đánh giá mối tương quan với chỉ số PR. Số liệu được sử dụng là chuỗi số liệu hàng quý, bắt đầu từ quý 1 năm 2004 đến quý 2 năm 2013. Chuỗi số liệu PR được tính cho phân khúc  chung cư và nhà liền kề trong các dự án khu đô thị dựa trên cơ sở bộ dữ liệu của Phòng thị trường BĐS-BXD. Đầu tiên, chỉ số PR được tính riêng

Bảng 1: Mô tả các biến

STT     Tên biến                                Mô tả các biến                                     Đơn vị

1 PR Chỉ số giá nhà/tiền thuê nhà tại TP.HCM Điểm
2 GDP Tốc độ tăng trưởng GDP cả nước %
3 CPI Chỉ số giá tiêu dùng cả nước %
4 REL Dư nợ cho vay BĐS trên địa bàn TP.HCM Tỷ đồng
5 R Lãi suất cho vay dài hạn bình quân trên thị trường %
6 M2 Cung tiền M2 Tỷ đồng
7 FDI Dòng vốn đầu tư nước ngoài vào BĐS tại TP.HCM Tỷ USD
8 VNI Chỉ số chứng khoán VN Điểm

Để phân tích mối quan hệ giữa chỉ số PR, tốc độ tăng GDP, lạm phát, cung tiền M2, lãi suất cho vay dài hạn, dư nợ cho vay BĐS, FDI vào BĐS, chỉ số chứng khoán VN-Index, nghiên cứu sử dụng mô hình VAR. Mô hình này cho rằng chỉ số PR và các biến vĩ mô có sự tương tác qua lại lẫn nhau. Một cách cụ thể, mô hình VAR được viết như sau:

PRt = α1t + ∑ β1iPRt-i + ∑ δ1iGDPt-i + ∑ γ1iCPIt-i + ∑ ρ1iM2t-i + ∑ λ1iRt-i +

∑ μ1iRELt-i + ∑ κ1iFDIt-i + ∑ε1iVNIt-i + U1t(i = 1, p)

(1)

GDPt = α2t + ∑ β2iPRt-i + ∑ δ2iGDPt-i + ∑ γ2iCPIt-i + ∑ ρ2iM2t-i + ∑ λ2iRt-i

+ ∑ μ2iRELt-i + ∑ κ2iFDIt-i + ∑ε2iVNIt-i + U2t               (i = 1, p)

(2)

CPIt = α3t + ∑ β3iPRt-i + ∑ δ3iGDPt-i + ∑ γ3iCPIt-i + ∑ ρ3iM2t-i + ∑ λ3iRt-i

+ ∑ μ3iRELt-i + ∑ κ3iFDIt-i + ∑ε3iVNIt-i + U3t               (i = 1, p)

(3)

M2t = α4t + ∑ β4iPRt-i + ∑ δ4iGDPt-i + ∑ γ4iCPIt-i + ∑ ρ4iM2t-i +

∑ λ4iRt-i + ∑ μ4iRELt-i + ∑ κ4iFDIt-i + ∑ε4iVNIt-i + U4t              (i = 1, p)

(4)

Rt = α5t + ∑ β5iPRt-i + ∑ δ5iGDPt-i + ∑ γ5iCPIt-i + ∑ ρ5iM2t-i + ∑ λ5iRt-i +

∑ μ5iRELt-i + ∑ κ5iFDIt-i + ∑ε5iVNIt-i + U5t           (i = 1, p)

(5)

RELt = α6t + ∑ β6iPRt-i + ∑ δ6iGDPt-i + ∑ γ6iCPIt-i + ∑ ρ6iM2t-i + ∑ λ6iRt-i

+ ∑ μ6iRELt-i + ∑ κ6iFDIt-i + ∑ε6iVNIt-i + U6t               (i = 1, p)

(6)

FDIt = α7t + ∑ β7iPRt-i + ∑ δ7iGDPt-i + ∑ γ7iCPIt-i + ∑ ρ7iM2t-i + ∑ λ7iRt-i

+ ∑ μ7iRELt-i + ∑ κ7iFDIt-i + ∑ε7iVNIt-i + U7t               (i = 1, p)

(7)

VNIt = α8t + ∑ β8iPRt-i + ∑ δ8iGDPt-i + ∑ γ8iCPIt-i + ∑ ρ8iM2t-i + ∑ λ8iRt-i

+ ∑ μ8iRELt-i + ∑ κ8iFDIt-i + ∑ε8iVNIt-i + U8t               (i = 1, p)

(8)

Trong đó:

PR: Chỉ số giá nhà trên tiền thuê nhà trên địa bàn TP.HCM GDP: Tốc độ tăng trưởng GDP

CPI: Chỉ số giá tiêu dùng M2: Cung tiền

R: Lãi suất cho vay dài hạn

REL: Dư nợ cho vay BĐS trên địa bàn TP.HCM của hệ thống NHTM

FDI: Vốn FDI vào BĐS trên địa bàn TP. HCM VNI: Chỉ số chứng khoán

U: Sai số ngẫu nhiên

α, β, δ, γ, ρ, λ, μ, κ, ε: Các hệ số ước lượng

2.2. Phân rã phương sai

Phân rã phương sai là một cách tiếp cận để phân tích cấu trúc mô hình VAR. Phân rã phương sai phân tích sự biến thiên của một biến do tác động bởi cú sốc của chính biến đó và cú sốc của các biến nội sinh khác. Phương pháp này cung cấp thông tin về mức độ quan trọng của các sai

số ngẫu nhiên đến các biến trong mô hình VAR, qua đó cho thấy xu hướng tác động lẫn nhau giữa các biến (Pedro, 2001).

Nghiên cứu này sử dụng phương pháp phân rã phương sai như một cách tiếp cận của mô hình VAR nhằm đánh giá mức độ ảnh hưởng đến sự biến thiên của chỉ số PR bởi cú sốc của chính biến đó và các biến vĩ mô khác, bao gồm: GDP, CPI, M2, R, REL, FDI, VNI.

2.3. Tiến trình thực hiện

Đầu tiên, nghiên cứu trình bày kiểm định nghiệm đơn vị (Unit Root Test) nhằm cung cấp thông tin về tính dừng của các biến và được thực hiện bằng cách sử dụng kiểm định Augmented Dickey-Fuller (ADF). Sau khi xem xét tính dừng của các biến, việc tìm  kiếm  độ trễ tối ưu cho mô hình VAR được thực hiện dựa trên tiêu chí Akaike (AIC) và Schwarz. Tiếp theo là việc sử dụng kiểm định nhân quả Granger để xác định xem liệu các biến kinh tế vĩ mô được lựa chọn có mối tương quan với chỉ số PR tại TP.HCM hay không. Cuối cùng, nghiên cứu trình bày kết quả mô hình VAR để xem xét mức độ ảnh hưởng của những thay đổi trong các biến kinh tế vĩ mô đến chỉ số PR và ngược lại, ảnh hưởng của sự thay đổi chỉ số PR đến các biến kinh tế vĩ mô.

  1. Kết quả thảo luận

3.1. Thống kê mô tả

Bảng 2 trình bày các số liệu thống kê mô tả các biến kinh tế vĩ mô được sử dụng trong mô hình VAR. Tất cả các biến đều có giá trị trung bình và độ lệch chuẩn dương. Xét hệ số bất đối xứng thì các biến CPI, M2, R và VNI có giá trị dương cho thấy các biến này có phân phối lệch phải; các biến FDI, GDP, REL và PR

Bảng 2: Thống kê các biến

 

CPI FDI GDP M2 PR R REL VNI
Trung bình 0.122497 234.1267 0.026892 1698112. 3.632132 0.140047 61570.35 488.9444
Trung vị 0.104400 224.7430 0.027700 1455000. 3.704995 0.130650 71002.00 480.0000
Tối đa 0.248600 398.0000 0.034900 3687078. 4.218391 0.211400 102930.0 980.0000
Tối thiểu 0.059400 68.20000 0.016600 445000.0 3.070271 0.095500 14080.00 250.0000
Độ lệch chuẩn 0.051581 107.8265 0.005376 1002209. 0.346804 0.035306 27798.52 200.2603
Hộ số bất đối xứng 0.941989 -0.033727 -0.613833 0.404767 -0.170847 0.346439 -0.453364 1.088205
Hệ số nhọn 2.907982 1.547259 2.257991 1.841922 1.715293 1.719378 1.821130 3.819770
Thống kê JB 1.336760 3.172510 3.086613 2.994735 2.650840 3.180108 3.117835 2.113176
Mức xác suất 0.368862 0.137681 0.110662 0.223718 0265691 0.163915 0.217745 0.317839
Tổng 4.409900 8428.561 0.968100 61132044 130.7567 5.041700 2216533. 17602.00
Tổng bình phương chênh lệch  

0.093121

 

406929.7

 

0.001012

 

3.52E+13

 

4.209566

 

0.043628

 

2.70E+10

 

1403646.

Số quan sát 38 38 38 38 38 38 38 38

 

 

Nguồn: Kết quả trích xuất từ Eview

 

có giá trị âm cho thấy các biến này có phân phối lệch trái. Giá trị P-value của kiểm định Jarque- Bera cho thấy các biến đều theo phân phối chuẩn.

3.2. Kiểm định nghiệm đơn vị

Các nghiên cứu kinh tế lượng chỉ ra rằng hầu hết các biến chuỗi thời gian kinh tế vĩ mô là không có tính dừng, nếu sử dụng các biến không có tính dừng sẽ dẫn đến sự hồi quy giả (Granger, 1969). Kiểm định nghiệm đơn vị trong nghiên cứu này được sử dụng để kiểm tra xem liệu các biến chuỗi

các biến CPI, REL, R, FDI, VNI

đều dừng ở mức ý nghĩa 1%, các biến PR, GDP dừng ở mức  ý nghĩa 5% còn biến M2 dừng ở mức ý nghĩa 10%.

3.3.  Lựa chọn độ trễ tối ưu của mô hình VAR

Có nhiều phương pháp nhằm chọn độ trễ cho mô hình VAR. Nghiên cứu trình bày phương pháp VAR lag Order Selection Criteria nhằm tìm độ trễ thích hợp cho mô hình. Kết quả được

trình bày trong Bảng 4

Theo kết  quả  thu  được,  có 3 tiêu chí đề nghị độ trễ là 2,   đó là: (1) lỗi dự báo cuối cùng (FPE: Final pridiction error); (2) tiêu chí thông tin Akaike (AIC: Akaike information criterition); tiêu chí thông tin Hannan-Quinn (HQ: Hanan-Quinn information criterition). Do vậy, độ trễ 2 sẽ được lựa chọn để ước lượng mô hình VAR và kiểm định nhân quả Granger.

thời gian: PR, GDP, M2, R, REL,

Bảng 3: Kiểm định tính dừng các biến theo tiêu chuẩn ADF

CPI, FDI, VNI có tính dừng hay                                                                                                             

không. Bảng 3 thể hiện kết quả kiểm định nghiệm đơn vị cho các

Biến

Chuỗi gốc                                          Sai phân bậc 1

ADF                      P-value                     ADF                      P-value

biến theo tiêu chuẩn Augmented PR -1.707355 0.4186 -3.171829 0.0306
Dickey-Fuller (ADF). GDP -0.649152 0.8461 -3.382180 0.0187
Kết quả kiểm định nghiệm CPI -3.251361 0.0255 -3.653512 0.0098
đơn vị theo tiêu chuẩn ADF cho REL -1.539199 0.5023 -5.270574 0.0001
thấy ngoại trừ biến CPI dừng ở R -1.841465 0.3551 -5.310786 0.0001
chuỗi gốc với mức ý nghĩa 5%, M2 3.943587 0.9999 -2.863999 0.0602
các biến còn lại đều không dừng. FDI -1.321850 0.6084 -4.614850 0.0008
Tuy nhiên, khi lấy sai phân bậc 1, VNI -2.445895 0.1371 -6.496387 0.0000

Nguồn: Kết quả trích xuất từ Eview

 

Bảng 4: Lựa chọn độ trễ tối ưu cho mô hình Var

 

Các biến nội sinh: DCPI DFDI DGDP DPR DR DREL DVNI Biến ngoại sinh: C

Lag LogL LR FPE AIC SC HQ
0 -337.3478 NA 2.730687 20.86956 21.18700* 20.97637
1 -272.8615 97.70649* 1.144302 19.93100 22.47053 20.88547
2 -212.4512 65.90210 0.883820* 19.23947* 24.00108 20.84161*

 

Mẫu: 2004Q1 2013Q2                          Số quan sát: 35

Nguồn: Kết quả trích xuất từ Eview

 

Bảng 5: Kiểm định nhân quả Granger

biến FDI, ngược lại, biến FDI có tác động đến biến PR. Như vậy, biến PR không có tác dụng trực tiếp thúc đẩy dòng vốn FDI mà sự gia tăng dòng vốn này chủ yếu đến từ các yếu tố khác như chính sách BĐS, môi trường vĩ mô ổn định,… Tuy nhiên, kết quả cho thấy, dòng vốn FDI đã đóng một vai trò nhất định đối với sự biến thiên của biến PR.

– Biến PR tác động đến tăng trưởng GDP và tăng trưởng GDP

Mẫu: 2004Q1 2013Q2 có tác động trở lại lên biến PR.
Giả thuyết không: Obs F-Statistic Prob. Nói cách khác, sự tương tác giữa
DPR không tác động đến DCPI 35 6.80381 0.0039 biến PR và tăng trưởng GDP
DCPI không tác động đến DPR 1.86934 0.1730 mang tính hai chiều. Khi bong
DPR không tác động đến DFDI 35 0.16527 0.4485 bóng BĐS phát triển, giá nhà ở
DFDI không tác động đến DPR 2.24154 0.0420 tăng nhanh thu hút một lượng
DPR không tác động đến DGDP 35 5.14175 0.0094 vốn lớn vào thị trường BĐS,
DGDP không tác động đến DPR 4.62245 0.0244 nhiều công ăn việc làm được tạo
DPR không tác động đến DM2 35 1.27347 0.2956 ra góp phần làm tăng GDP. Tuy
DM2 không tác động đến DPR 3.19661 0.0375 nhiên, khi bong bóng đổ vỡ, thị
DR không tác động đến DPR 35 1.83269 0.1787 trường BĐS đình trệ và giá BĐS
DPR không tác động đến DR 4.04772 0.0286 đổ dốc, nhiều doanh nghiệp kinh
DREL không tác động đến DPR 35 5.28572 0.0053 doanh BĐS lẫn những doanh
DPR không tác động đến DREL 5.80885 0.0042 nghiệp trong các ngành nghề
DVNI không tác động đến DPR 35 0.55138 0.5823 liên quan phải phá sản hoặc thu
DPR không tác động đến DVNI 1.68271 0.2041 hẹp  sản  xuất  đã  tác  động  làm

GDP suy giảm. Ngược lại, tăng

Nguồn: Kết quả trích xuất từ Eview

 

3.4.   Kiểm    định    nhân    quả Granger

Chọn độ trễ là hai, kết quả kiểm định nhân quả Granger cho ở Bảng 5:

Kết quả cho thấy:

  • Biến PR có tác động đến chỉ số giá tiêu dùng, trong khi đó chỉ số giá tiêu dùng không tác động đến biến PR. Điều này được lý giải bởi biến PR được tính bằng cách lấy giá nhà chia cho tiền thuê nhà, do tiền thuê nhà tương đối ổn định trong ngắn hạn nên sự thay đổi của PR chủ yếu đến từ sự thay đổi của giá nhà. Trong

khi đó, nhà ở là một loại hàng hóa quan trọng khi tính chỉ số giá CPI, do đó, khi biến PR thay đổi sẽ tác động đến CPI. Tuy nhiên, CPI thay đổi hầu như không tác động đến biến PR. Điều này phù hợp với quan sát trong thực tiễn khi có một số năm CPI thấp tương ứng với giá nhà tăng cao (giai đoạn 2000-2003) và một số năm khác CPI thấp nhưng giá nhà hầu như không tăng hoặc tăng nhẹ (giai đoạn 2004-2006). Như vậy, PR biến động ít chịu ảnh hưởng bởi CPI mà chủ yếu do sự tác động của các biến khác.

  • Biến PR không tác động đến

trưởng GDP cao là nhân tố làm gia tăng nhu cầu thực về nhà đất khiến giá BĐS tăng. Sự tăng giá ban đầu do những nhân tố cơ bản có thể tạo ra hiệu ứng quan tâm quá mức của giới đầu cơ khiến giá nhà ở thoát lý khỏi nhân tố cơ bản, hình thành hiện tượng bong bóng BĐS.

  • Biến PR không làm thay đổi mức cung tiền M2 song sự thay đổi mức cung tiền có tác động nhất định đến biến PR. Kết quả này hoàn toàn phù hợp với lý thuyết cũng như quan sát thực tiễn trên thị trường BĐS ở
  • Lãi suất dường như không tác động đến biến PR song biến

PR có tác động đến lãi suất. Kết quả này cho thấy sự hình thành và phát triển bong bóng là một quá trình tích tụ lâu dài và chịu ảnh hưởng bởi nhiều biến số. Khi bong bóng hình thành, do tâm lý lạc quan quá mức, người mua sẵn sàng trả một mức lãi suất cao hơn bình thường để có được nguồn vốn và đầu cơ vào thị trường với mục đích bán lại trong thời gian ngắn. Ngược lại, trạng thái bong bóng tác động đến chính sách cho vay của các ngân hàng, trong đó có chính sách lãi suất. Khi bong bóng phát triển hết cỡ và rủi ro dần lô diện, các ngân hàng đối phó lại bằng cách tăng lãi suất cho vay nhằm hạn chế bớt dòng vốn tín dụng vào thị trường bất động sản.

– Bong bóng BĐS và dư nợ cho vay BĐS có sự tương tác qua lại lẫn nhau. Biến PR tác động đến biến REL và ngược lại, biến REL tác động trở lại đến biến PR. Kết quả này cho thấy tín dụng ngân hàng đã đóng một vai trò nhất định đối với sự phát triển của bong bóng BĐS. Ngược lại, khi bong bóng xảy ra, tâm lý đầu cơ lan khắp thị trường có tác

dụng thúc đẩy cầu tín dụng BĐS tăng.

– Biến PR và VNI không có mối quan hệ qua lại lẫn nhau.

3.5.  Kiểm định phân rã phương sai Variance Decomposition

Kết quả phân tích phân rã phương sai biến PR cho thấy sự thay đổi của biến PR, biến đo lường mức độ bong bóng BĐS, chủ yếu đến từ những cú sốc nội sinh từ chính thị trường BĐS (30

– 40%). Biến FDI, GDP và  REL

giải thích một phần tương đối lớn sự biến thiên của bong bóng BĐS. Cụ thể, biến FDI giải thích từ 17 – 24%, biến GDP giải thích từ 13 – 17% và biến REL giải thích từ 19 – 27% sự biến thiên của biến PR. Trong ngắn hạn, biến M2 không có sự tác động đến sự biến thiên của biến PR, tuy nhiên trong dài hạn, biến M2 giải thích từ 2 – 8% sự biến thiên của bong bóng BĐS. Các biến chỉ số giá tiêu dùng CPI, lãi suất cho vay dài hạn R, chỉ số chứng khoán VNI giải thích một phần rất nhỏ sự biến thiên của bong bóng BĐS.

  1. Kết luận

Kết quả kiểm định nhân quả Granger và phân tích phân rã phương sai cho thấy sự phát triển bong bóng BĐS ở VN, ngoài ảnh hưởng bởi các biến số vĩ mô, phụ thuộc vào sự thay đổi của chính biến PR trong quá khứ. Nói cách khác, việc giá nhà tăng nhanh vượt xa tiền thuê nhà và tốc độ tăng được duy trì trong một thời gian khá lâu đã tác động mạnh đến tâm lý nhà đầu  cơ,  khiến kỳ vọng “giá BĐS tiếp tục tăng nhanh trong tương lai” lan khắp thị trường. Tâm lý này được hỗ trợ bởi dòng tiền dồi dào từ nhiều nguồn có tác dụng thúc đẩy cầu BĐS tăng nhanh. Sự gia tăng đột biến của cầu BĐS, đến lượt nó, có tác dụng thúc đẩy trở lại đến giá BĐS, khiến giá BĐS vượt xa các nhân tố cơ bản, hình thành trạng thái bong bóng BĐS

Bảng 6: Kết quả phân rã phương sai cho biến PR

 

Kỳ S.E. DCPI DFDI DGDP DM2 DPR DR DREL DVNI
1 0.091043 0.000000 24.02615 17.19822 0.001182 39.21919 0.000000 19.55525 0.000000
2 0.105263 0.228282 19.55271 14.07825 0.030556 37.94362 0.222578 27.48369 0.460316
3 0.115733 1.191258 18.93048 14.13513 0.143042 40.44464 0.210242 24.50976 0.435442
4 0.124531 2.815782 17.00881 15.48633 2.804527 36.01961 0.299332 23.44583 2.119779
5 0.128174 3.701173 16.88131 14.72566 3.803802 34.29798 0.282837 24.27461 2.032626
6 0.132606 3.618998 17.35434 13.85871 6.079602 32.97247 0.400868 23.81597 1.899032
7 0.136502 3.417172 17.40510 13.68328 6.506631 31.38161 0.400866 25.22732 1.978017
8 0.137875 3.350849 17.31421 13.90283 7.535358 30.76694 0.437596 24.74414 1.948080
9 0.138404 3.335366 17.26790 14.10863 7.669613 30.54194 0.434477 24.69269 1.949377
10 0.139044 3.367117 17.10971 14.15847 8.097870 30.34260 0.459817 24.50206 1.962348

 

LEAVE A REPLY

Please enter your comment!
Please enter your name here