آمار
| تعداد نشریات | 23 |
| تعداد شماره‌ها | 368 |
| تعداد مقالات | 2,890 |
| تعداد مشاهده مقاله | 2,566,166 |
| تعداد دریافت فایل اصل مقاله | 1,821,826 |
کاربرد رویکرد مضرس در مدل سازی قیمت مسکن شهری در ایران | ||
| جغرافیا و پایداری محیط | ||
| مقاله 5، دوره 7، شماره 4 - شماره پیاپی 25، بهمن 1396، صفحه 65-79 اصل مقاله (1.15 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| حامد عباسی* 1؛ حمید میرهاشمی2 | ||
| 1استادیار جغرافیا و برنامهریزی شهری، دانشگاه لرستان، خرّم‌آباد، ایران | ||
| 2دانش آموختة دکتری اقلیم شناسی، دانشگاه تبریز، تبریز، ایران | ||
| چکیده | ||
| مسکن جزء نیازهای اوّلیّه و اساسی زندگی فردی و اجتماعی انسان است. در اقتصاد توسعه، اهمّیّت مسکن به حدّی است که از جمله شاخصهای توسعه و توسعهنیافتگی کشورها محسوب میشود. این پژوهش، به منظور بررسی عملکرد و چگونگی تأثیر متغیّرهای کلان اقتصادی شامل درآمد سرانة خانوار، شاخص قیمت کلّ سهام، نرخ تورّم، قیمت مصرفکنندة خانوار شهری و تعداد پروانههای احداث ساختمان مسکونی در الگوی رفتاری قیمت مسکن در کشور با بهرهگیری از روشهای رگرسیونی ساده، چندمتغیّره و مضرس انجام شد. نتایج حاصل از رگرسیون خطّی ساده و چندمتغیّره نشان داد که به ترتیب وجود همبستگی سریالی مثبت و همخطّی چندگانه باعث پایین آمدن قابلیت و عدم اعتماد به این مدلها شده است. از سویی نتایج نشان داد که متغیّر پروانههای مسکونی دارای رابطة خطّی معنیداری با قیمت مسکن نیست و متغیّر نرخ تورّم تنها در صورت حذف دادة سال 1393 از رابطة خطّی معنیدار با قیمت مسکن برخوردار میشود. در ادامه با ترسیم نمودار مضرس در دامنة از 01/0 تا 52/0 مشخّص شد که ضرایب رگرسیونی مدلهای چندمتغیّره در عدد مضرس 08/0 و 1/0 پایدار میشوند؛ بنابراین با اتّخاذ اعداد مضرس یادشده، مدلهای رگرسیونی با ضرایب رگرسیونی واقعی بازتولید و مشخّص شد که در یک مدل ترکیبی، متغیّرهای درآمد سرانة خانوار، قیمت مصرفکنندة خانوار شهری، نرخ تورّم و شاخص کلّ قیمت سهام به ترتیب با ضرایب بتای 349/0، 348/0، 288/0 و 0612/0 مقدار، در قیمت مسکن شهری ایران مؤثّر هستند. به طور کلّی، نتایج این مطالعه نشان داد که چون متغیّرهای کلان اقتصادی معمولاً از شرط تعامد برخوردار نبوده و دارای رابطة خطّی هستند؛ لذا، به منظور ارائة مدلهای واقعیتر که از قابلیت برونیابی مناسب برخوردار باشند، ضرورت دارد که از رگرسیون مضرس استفاده شود؛ چراکه روش حداقل مربعات در این موارد، برآوردهای غیرواقعی از ضرایب متغیّرهای رگرسیونی ارائه میدهد. | ||
| کلیدواژه‌ها | ||
| قیمت مسکن؛ رگرسیون مضرس؛ نرخ تورّم؛ همبستگی سریالی؛ ایران | ||
| مراجع | ||
|
اصلانی، پروانه؛ ایرانی، رضا (1394) نقش قیمت مسکن در مکانیسم انتقال سیاست پولی در اقتصادهای کوچک باز، اقتصاد مسکن، (54)، صص. 144-119. چگنی، علی؛ قائدی، علی (1394) بررسی دلایل ایجاد دورههای رونق و رکود در بخش مسکن با تأکید بر دورة رکودی سالهای 1392 تا 1394، اقتصاد مسکن، (54)، صص. 38-11. خلیلی عراقی، سید منصور؛ مهرآرا، محسن؛ عظیمی، سید رضا (1391) بررسی عوامل مؤثّر بر قیمت مسکن در ایران با استفاده از دادههای ترکیبی، پژوهشها و سیاستهای اقتصادی، 20 (63)، صص. 50-33. سهیلی، کیومرث، فتاحی، شهرام؛ اویسی، بهمن (1393) بررسی عوامل مؤثّر بر نوسانات قیمت مسکن در شهر کرمانشاه، پژوهشهای رشد و توسعة پایدار (پژوهشهای اقتصادی)، 14 (2)، صص. 67-41. شاهیوندی، احمد؛ محمدی، محمود؛ عباسی مزرعهشاهی، اعظم (1393) بررسی وضعیّت مسکن بر اساس امکانات و تسهیلات اوّلیّه در استانهای ایران، برنامهریزی فضایی (جغرافیا)، 4 (4)، صص. 64-43. عبده کلاهچی، محسن؛ رفعیان نجفآبادی، محسن؛ دهقانی، مصطفی؛ میزاده، سید حسین (1393) تحلیل عوامل مؤثّر بر قیمت مسکن با استفاده از مدل تحلیل رگرسیون گام به گام (مطالعة موردی: محلّة فاطمی تهران)، اقتصاد و مدیریت شهری، 2(7)، صص. 80-69. قادری، جعفر؛ اسلاملوئیان، کریم؛ اوجی مهر، سکینه (1390) بررسی عوامل مؤثّر بر سرمایهگذاری مسکن در ایران، پژوهشهای اقتصادی، 11 (3)، صص. 70-47. قلیزاده، علیاکبر؛ بختیاریپور، سمیرا (1391) اثر اعتبارات بر قیمت مسکن در ایران، مطالعات اقتصادی کاربردی در ایران، 1 (3)، صص. 181-161. کیفرخی، ایمان؛ فرهمند، شکوفه (1395) تحلیل تأثیر عوامل مؤثّر بر قیمت مسکن (مطالعة موردی: شهر اصفهان)، اقتصاد شهری، 1 (2)، صص. 130-117. Birkes, D., Dodge, Y. (1993) Alternative Methods of Regression, A Wiley-Interscience Publication JOHN WILEY & SONS, INC. Hoerl, A. E., Kennard, R. W. (1970) Ridge Regression: Application to Nonorthogonal Problems, Technometrics, 12 (1), pp. 69-82. Hu, J., Su, L., Jin, S., Wanjun, J. (2006) The Rise in House Prices in China: Bubbles or Fundamentals, Economics Bulletin, 3 (7), pp. 1-8. Marqijardt, D. W. (1970) Generalized Inverses, Ridge Regression, Biased Linear Estimation, and Nonlinear Estimation, Technometrics, 12 (3), pp. 591-612. Ott, H. (2014) Will Euroarea House Prices Sharply Decrease, Economic modeling, 42, pp. 116-127. Rawlings, J. O., Pantula, S. G., Dickey, D. A. (1998) Applied Regression Analysis, Springer-Verlag New York, Inc. Wang, Z.h., Zhang, Q. (2014) Fundemental Factors in the Housing Market of Chaina, Housing Economic, 25, pp.53-61. | ||
|
آمار تعداد مشاهده مقاله: 765 تعداد دریافت فایل اصل مقاله: 399 |
||