اثرپذیری قیمت و اجاره‌بهای مسکن از متغیرهای کلان اقتصادی در ایران

پژوهش حاضر به دنبال، بررسی اثرپذیری قیمت و اجاره‌بهای مسکن از برخی متغیرهای کلان اقتصادی است. داده‌های آماری این پژوهش بصورت اسنادی جمع آوری شده و شامل سال‌های 1398-1387 و به‌صورت فصلی می‌باشد. برای تجزیه و تحلیل داده ها از مدل رگرسیونی حداقل مربعات معمولی و برای بررسی ایستایی متغیرها از آزمون دیکی - فولر تعمیم‌یافته استفاده شد. یافته‌های پژوهش نشان می‌دهد متغیرهای پیش‌بین، توضیح‌دهندگی بسیار بالای بر رفتار متغیر وابسته دارد. به‌طوری‌که در قیمت مسکن، معادله رگرسیون معنی‌داری با ضریب تعیین 0.98 و ضریب تعیین تعدیل‌شده 0.975 به دست آمد. براین‌اساس، این مدل 97.5 درصد از واریانس متغیر قیمت مسکن را پیش‌بینی می‌نماید. در اجاره‌بها مسکن نیز، معادله رگرسیون معنی‌داری با ضریب تعیین 0.986 و ضریب تعیین تعدیل‌شده 0.982 به دست آمد؛ در واقع، این مدل 98.2 درصد از واریانس متغیر اجاره‌بها مسکن را پیش‌بینی می‌نماید. در قیمت مسکن، ، «نرخ دلار غیررسمی»، «نرخ تورم» و «میزان نقدینگی» رابطه مستقیم و مثبتی به قیمت مسکن دارند. «نرخ بیکاری»، «قیمت سکه تمام بهارآزادی» و «نرخ سود بانکی» نیز رابطه مستقیم و منفی دارد. همچنین، اثر متغیرهای «شاخص قیمت مصرف‌کننده»، «نرخ دلار رسمی»، «تعداد واحد مسکونی ساخته شده» و «ارزش معاملات بورس» معنیدار نمی‌باشد. در اجاره‌بها مسکن، «نرخ دلار غیررسمی» و «نرخ تورم» رابطه مستقیم و مثبتی با اجاره‌بها مسکن دارند. «قیمت سکه تمام بهارآزادی»، «نرخ سود بانکی» و «نرخ بیکاری» نیز رابطه مستقیم و منفی دارد. همچنین، «شاخص قیمت مصرف‌کننده»، «نرخ دلار رسمی»، «تعداد واحد مسکونی ساخته شده»، «ارزش معاملات بورس» و «میزان نقدینگی» معنی‌دار نمی‌باشد.

macroeconomic variables impacting housing prices and rents in iran

the aim of this research is to investigate the macroeconomic variables effect on housing prices and rents. the data are collected from reports and documents. data is quarterly and is from 2008 to 2019. the ordinary least squares (ols) regression model was used to analyze the data and the augmented dickey-fuller test (adf) was used to examine the unit root of the variables. results show that predictor variables have a significant explanatory effect on the behavior of the dependent variable. thus, for the housing price, the regression equation was significant with an r squared of 0.98 and an adjusted r squared of 0.975. accordingly, this model predicts 97.5% of the variance in the housing price. also, for the rental price, the regression equation was significant with an r squared of 0.986 and an adjusted r squared of 0.982. accordingly, this model predicts 98.2% of the variance in the rental price. in housing prices, informal exchange rate, inflation rate and liquidity rate have a direct and positive correlation with housing prices. unemployment rate, coin price and bank interest rate are also directly and negatively correlated. also, the effect of the consumer price index, official exchange rate, number of residential units built and volume of the stock market is not significant. in housing rent, the informal exchange rate and inflation rate have a direct and positive correlation with housing rent. coin price, bank interest rate, andunemployment rate are also directly and negatively correlated. also, the effect of the consumer price index, official exchange rate, number of residential units built, liquidity rate, and volume of the stock market is not significant.