|
|
تحلیل عوامل موثر بر قیمت مسکن در شهر تهران
|
|
|
|
|
نویسنده
|
موسوی حسین ,درودیان حسین
|
منبع
|
مدلسازي اقتصادي - 1394 - دوره : 9 - شماره : 3 - صفحه:103 -127
|
چکیده
|
در مقاله حاضر عوامل موثر بر نوسانات قیمت مسکن در تهران مورد بررسی قرار گرفته است. با شاخص سازی و تلفیق برخی متغیرها، در نهایت تاثیر قیمت زمین، هزینه ساخت، نرخ بهره حقیقی، سرانه ساختمانهای مسکونی تکمیل شده، نقدینگی و بازدهی بازارهای رقیب با استفاده از دادههای فصلی مورد اندازهگیری قرار گرفت. برای تخمین، از روش سری های زمانی ساختاری و الگوریتم کالمن فیلتر استفاده شد تا با بهکارگیری روش حداکثر راستنمایی پارامترهای نامعلوم برآورد شود. نتایج نشاندهنده معنا داربودن تاثیر منفی نرخ بهره حقیقی، بازدهی دارایی های جایگزین (طلا، ارز، سهام)، سرانه ساختمانهای مسکونی تکمیل شده و تاثیر مثبت هزینه ساخت در کنار اثرگذاری ناچیز و غیرمعنادار رشد نقدینگی است. ارتباط قوی قیمت زمین و مسکن نیز بیشتر به همزمانی حرکات این دو متغیر مربوط است تا اثرگذاری علّی. از جمله دلالتهای سیاستی نتایج آن است که کنترل نوسانات بازار مسکن باید معطوف به تقویت روند عرضه و کنترل هزینه های ساخت به عنوان دو عامل مهم درون بخشی موثر بر قیمت مسکن باشد.
|
کلیدواژه
|
قیمت مسکن، کالمن فیلتر، سریهای زمانی ساختاری، روند ضمنی
|
آدرس
|
دانشگاه الزهرا (س), ایران, دانشگاه تهران, ایران
|
پست الکترونیکی
|
h_doroodian@yahoo.com
|
|
|
|
|
|
|
|
|
Analyzing the Determinants of Housing Prices in Tehran City
|
|
|
Authors
|
mousavi hosein ,doroodian hosein
|
Abstract
|
Abstract In this paper, the factors affecting house prices have been studied in Tehran during 19912007. After combining the parameters and variables, land prices, construction costs, interest rates, per capita residential buildings completed, money supply and the returns in alternative markets are considered as theoretical determinants of housing prices, in which their effects should be tested and measured. Besides these factors, a component of unobserved or implicit trend including technical performance, preferences and noneconomic factors is considered in the model. In order to estimate the model, a structural time series is used. This model has the capability to specify the regression equation of state space and Kalman filter algorithm and the maximum likelihood method to estimate unknown parameters. The results have reflected the negative impact of real interest rates, returns on alternative assets such as gold, foreign exchange, equities, per capita residential buildings completed and the positive impact of construction costs. But, M2 is weak and insignificant. Strong relationship between land prices and housing prices identified seem to bo a simultaneous movement of two variable rather than a causal relationship.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|