عنوان پایان‌نامه
تحلیل نوسانات قیمت مسکن در تهران و عوامل مؤثر بر آن
- رشته تحصیلی
- علوم اقتصادی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده اقتصاد شماره ثبت: 1157;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 41671
- تاریخ دفاع
- ۰۳ آذر ۱۳۸۷
- دانشجو
- حسین درودیان
- استاد راهنما
- محمود متوسلی
- چکیده
- نوسانات شدید قیمت مسکن در دو دهه گذشته خصوصیت بارز بازار مسکن در مناطق شهری کشور بوده است. تأثیر گسترده قیمت مسکن بر رفاه عمومی و حتی ثبات سیاسی اهمیت بررسی این مسئله را بطور ویژه ای مطرح می سازد. در این بین شهر تهران بواسطه تراکم جمعیت و وجود بالاترین سطح و نوسانات قیمت، بیشترین توجهات را معطوف خود ساخته است. نوسانات قیمت مسکن در محدوده شهر تهران از جنبه های مختلفی می تواند مورد امعان نظر قرار گیرد. در این مطالعه تحلیل عوامل مؤثر بر نوسانات قیمت و تأثیر متقابل نوسانات قیمت بر این عوامل مؤثر و همچنین مسئله تسری نوسانات قیمت در بین مناطق مختلف شهر تهران و انتقال نوسانات قیمت از یک(چند) منطقه به دیگر مناطق(اثر موجی) مورد بررسی قرار گرفت. تحلیل ارتباطات منطقه ای قیمت های مسکن با استفاده از الگوی خودرگرسیون فضایی روی داده های تلفیقی 20 منطقه شهر تهران، وجود پیوندهای مثبت بین قیمت مسکن در مناطق مختلف تهران را تأیید کرد. به کار گیری مدل تصحیح خطای برداری با هدف تحلیل جزئیات روابط و کشف الگوی احتمالی تسری قیمت حکایت از نقش پیشرو دو منطقه 1و2 داشت که البته اثرگذاری منطقه 1 بر مناطق شمالی و منطقه 2 بر مناطق مرکزی و غربی شهر محدود می شود. همینطور رابطه قیمتی بین مناطق همسایه در شمال شهر بسیار قوی تر از مرکز و جنوب مشاهده می شود. اما بررسی رابطه متقابل قیمت مسکن و عوامل مؤثر بر آن با استفاده از الگوی تصحیح خطای برداری نشان داد تغییرات عوامل تعیین کننده قیمت تمام شده مسکن نظیر قیمت زمین، هزینه ساخت و نرخ سود تسهیلات اعطایی به بخش مسکن بطور مثبتی با تغییرات قیمت مسکن مرتبط هستند. در بین عوامل برون بخشی مؤثر بر قیمتهای مسکن نیز تأثیر مثبت نقدینگی و درآمد نفت (تأثیر منفی نرخ ارز) بر نوسانات قیمتها کاملاً متمایز و قوی استنباط می شود. تجزیه واریانس مهمترین منابع ایجاد نوسان در قیمتهای مسکن در تهران را پس از وقفه های قیمت مسکن به ترتیب قیمت زمین، نقدینگی، حجم ساخت و ساز و هزینه ساخت معرفی می کند. در این میان تأثیر متقابل نوسانات قیمت مسکن بر عوامل تعیین کننده بویژه تأثیر مثبت آن بر تغییرات قیمت زمین و اثر منفی آن بر تغییرات تشکیل خانوار و شاخص بورس بسیار حائز اهمیت و مطابق فرضیه ابتدایی مشاهده می شود.
- Abstract
- Over the last two decades Tehran has experienced rapid growth of housing prices. House price in Tehran in the last sixteen years increased 30 fold in nominal terms, leading to drastic fall in purchasing power of inhabitants, specially waged earning groups. The primary purpose of this study is to examine causal two-way relationship between house price and its ten determinants, including land price, construction cost (material price), housing completion, interest rate, monetary policy, household income, stock price index, exchange rate, gold price and demographic factors. Another question of interest is whether house price change in one district can affect prices in other districts.(Ripple effect) The reasons why house price change in one location may spread out over the rest of areas include structural differences and economic interdependence between regions, migration as well as informational factors. The study examines spatial pattern of housing movements inside Tehran, stressing leading role of northern districts and interdependence of contiguous districts. Spatial autoregressive(SAR) and vector error-correction(VEC) models using quarterly panel data from Tehran housing markets from 1991 to 2006 are utilised. The evidence indicate that change in land price, construction cost, interest rate, money supply (positively), household income and exchange rate(negatively) cause house price volatilities, while feedback effects are observed for land price (positively) and stock price index, gold price, exchange rate and household formation (negatively). In order to test the source of volatility , the house price variance were decomposed. The results show that disturbance originating from current prices inflict greatest variability to future prices. Land price and money supply are the other great source of volatility. Analysis of price interdependence of housing markets (Ripple effect) confirms a positive spatial interrelationship among districts. The analysis finds Over the last two decades Tehran has experienced rapid growth of housing prices. House price in Tehran in the last sixteen years increased 30 fold in nominal terms, leading to drastic fall in purchasing power of inhabitants, specially waged earning groups. The primary purpose of this study is to examine causal two-way relationship between house price and its ten determinants, including land price, construction cost (material price), housing completion, interest rate, monetary policy, household income, stock price index, exchange rate, gold price and demographic factors. Another question of interest is whether house price change in one district can affect prices in other districts.(Ripple effect) The reasons why house price change in one location may spread out over the rest of areas include structural differences and economic interdependence between regions, migration as well as informational factors. The study examines spatial pattern of housing movements inside Tehran, stressing leading role of northern districts and interdependence of contiguous districts. Spatial autoregressive(SAR) and vector error-correction(VEC) models using quarterly panel data from Tehran housing markets from 1991 to 2006 are utilised. The evidence indicate that change in land price, construction cost, interest rate, money supply (positively), household income and exchange rate(negatively) cause house price volatilities, while feedback effects are observed for land price (positively) and stock price index, gold price, exchange rate and household formation (negatively). In order to test the source of volatility , the house price variance were decomposed. The results show that disturbance originating from current prices inflict greatest variability to future prices. Land price and money supply are the other great source of volatility. Analysis of price interdependence of housing markets (Ripple effect) confirms a positive spatial interrelationship among districts. The analysis finds evidence of leading role of the district number 1 in the northern half of the city, while district number 2 seems to have a more prominent effect on the center and the west. Furtheremore price interdependence of contiguous districts in the north part is seen more significant and stronger than the south part. Keywords: House price dynamics,dynamic causal two-way relationship, Regional Housing Markets , Ripple Effect , Spatial Autoregressive and Vector Error correction model.
