عوامل مؤثر بر تقاضا و عرضه در بازار مسکن: مطالعه ای در سه شهر بزرگ ترکیه

این مقاله با هدف شناسایی عوامل اقتصادی که به میزان قابل توجهی بر تقاضای و تأمین مسکن در سه شهر بزرگ در ترکیه ، مانند استانبول ، آنکارا و ازمیر تأثیر می گذارد ، شناسایی شده است. این مطالعه به دلیل محدود بودن داده های قیمت مسکن از هر شهر ، از ژانویه 2010 تا دسامبر 2020 استفاده می کند. برای اندازه گیری صاف ، از لگاریتم کلیه داده ها به جز اندازه گیری نرخ بهره اسمی ، نرخ بهره واقعی و تورم استفاده می شود. این تحقیق از تجزیه و تحلیل همبستگی و مدل تصحیح خطای بردار (VECM) برای بررسی اثرات متغیرهای کلان اقتصادی بر تقاضا و عرضه استفاده می کند. حجم اعتبار وام مسکن ، به عنوان یک متغیر وابسته ، تحت تأثیر تولید ناخالص داخلی سرانه واقعی ، قیمت خانه واقعی ، تورم پیش بینی شده و نرخ بهره اسمی است. در مقابل ، از سایت ساختمان به عنوان یک متغیر وابسته در سمت عرضه استفاده می شود که با قیمت مسکن واقعی ، نرخ بهره واقعی و هزینه واقعی ساخت و ساز تعیین می شود. در مدل VECM ، حجم اعتبار وام مسکن و هزینه انقباض توسط متغیرهای تصحیح خطا حاکم بود ، که نشان دهنده تنظیم عدم تعادل به سمت یک نقطه تعادل است. در مورد آنکارا ، متغیرهای سمت عرضه رابطه طولانی مدت دارند. هر دو تقاضای مسکن و عوامل مرتبط با عرضه تأثیر طولانی مدت در بازار مسکن در استانبول و ازمیر دارند. با توجه به مقدار P قابل توجه ، ضریب C1 حاصل از معادلات سیستم منفی است.

1. مقدمه

اسکان و مسکن نیازهای اساسی بشر محسوب می شود. برای دستیابی به این هدف ، این یک تعهد مدنی هر جامعه است که به مردم در مدیریت اسکان کافی کمک کند. بنابراین ، دولت سعی می کند تا از رویکرد دوستانه مصرف کننده برای موفقیت در بازار مسکن اطمینان حاصل کند. برای رشد اقتصاد در جهت درست ، مهم است که بین تقاضا و در دسترس بودن مسکن تعادل برقرار شود [1،2،3،4،5].

در این مقاله ، ما سعی می کنیم به عناصر اقتصادی که به طور قابل توجهی بر تقاضا یا عرضه مسکن در سه شهر مهم ترکیه تأثیر می گذارد ، اشاره کنیم. ما سه شهر بزرگ در ترکیه را انتخاب کردیم ، بنابراین یک تجزیه و تحلیل خاص در شهر انجام دادیم. دلیل ارزیابی ما نشان دادن طرف عرضه و تقاضا در بازار مسکن است. یافته های این مطالعه تأثیر قابل توجهی از قیمت خانه ، سطح درآمد ، نرخ بهره و تورم بر تقاضای مسکن را نشان می دهد. به همین ترتیب ، طرف عرضه تحت تأثیر هزینه های ساختمان ، قیمت خانه و نرخ واقعی بهره قرار می گیرد.

بازار مسکن ایالات متحده از زمان رکود جهانی 2007-2008 نامشخص بوده است. در [6] دلیل این فروپاشی اقتصادی که مربوط به مازاد عرضه مسکن به دلیل تسهیل مالیات، عدم نظارت نهادی و ساختارهای نظارتی و قانونی است، بیان شد. مطالعات دیگر دلایل مشابهی را به عنوان علت رکود شناسایی کرده اند، اما این مطالعات حوزه های وسیع تری را پوشش می دهد [7]. بر اساس تحقیقات آنها، تأثیر متقابل بین عوامل پیچیده مانند فقدان دستورالعمل های سیاست پولی مناسب و اقتصاد جهانی ناپایدار و نامتعادل همراه با تصور نادرست از ریسک مالی باعث بحران اقتصادی در سال 2007 شد. به طور خاص، آرامش پولی در اوراق بهادار وام مسکن منعکس شد. و سیاست های پول آسان 2001-2005 که توسط فدرال رزرو اتخاذ شد [8] به رکود کمک کرد. در همین راستا، رونق بازار اعتباری با محدودیت کمتر و انعطاف پذیرتر در بازار مسکن به رکود اقتصادی سال 2008 کمک کرد [9]. علاوه بر این، به عنوان یک شوک اعتباری برون زا، عرضه اعتبار غیرقابل تنظیم در ایالات متحده به افزایش قیمت مسکن از سال 1994 تا 2005 کمک کرد [10]. نوسانات بازار مسکن و فروش نرفته مسکن جدید نیز از عوامل ایجاد رکود هستند. به گفته فاوارا و همکاران.(2015) [10]، شرایط اقتصاد کلان بر عدم تعادل ناشی از تفاوت بین تقاضا و عرضه مسکن مسلط است. او همچنین دوره پیچیده این حادثه را مطالعه کرد. با این وجود، جدا از این دلایل ذکر شده، انحراف بازار کار و کاهش عرضه نیروی کار نیز از دلایل اصلی رکود سال 2008 بودند [11،12].

2. بررسی ادبیات

عوامل متعددی بر تقاضا و عرضه در بخش مسکن تأثیرگذار است. دو موضوع در بازار مسکن مورد توجه قرار می گیرد: یکی قیمت مسکن و دیگری تقاضا و عرضه. چندین مطالعه مهم تحقیقاتی در مورد تقاضا و عرضه مسکن انجام شده است. در یک تحلیل مقطعی، رابطه نزدیک بین قیمت ها، درآمد خانوار و تقاضای مسکن نشان داده شده است [13،14،15،16]. یافته ها نشان می دهد که کشش درآمدی بر تقاضای مسکن تأثیر مثبت دارد. علاوه بر این، یک مطالعه بر روی بازار مسکن مالزی نشان داد که عوامل موثر بر قیمت مسکن شامل تولید ناخالص داخلی، جمعیت و مالیات بر عایدی ملک است [17،18،19]. علاوه بر این، روابط بین نرخ‌های بهره، قیمت‌ها، کشش درآمدی و تقاضا برای بازار مسکن با استفاده از داده‌های سری زمانی شناسایی می‌شوند [20،21]. کشش قیمت و نرخ سود اثر منفی دارد، در حالی که کشش درآمدی بازار مسکن رابطه مثبت دارد. نویسندگان با استفاده از داده های پانل اخیر، تقاضای مسکن در ترکیه را مورد مطالعه قرار دادند و از سطوح درآمد، قیمت مسکن و جمعیت به عنوان متغیرهای توضیحی استفاده کردند [22]. یافته ها نشان می دهد که سطح درآمد مهم ترین عامل در تعیین تقاضای مسکن در ترکیه است.

برخی گزارش های دیگر در سمت عرضه و سلامت بازار مسکن در دسترس است [23،24،25،26،27]. نسبت بدهی به درآمد ، رشد اعتبار خانوار را کاهش می دهد [28]. در نتیجه ، مالیات های مربوط به مسکن محدودیت 3-4 درصد در اعتبار مسکن و رشد قیمت را نشان می دهد. تجزیه و تحلیل دیگر اظهار داشت که کشش مسکن بالاتر ، افزایش قیمت گذرا پس از شوک تقاضا است [29]. علاوه بر این ، عرضه بیش از حد مسکن می تواند از عوامل اقتصادی دیگر جلوگیری کند [30]. فرض کنید اقتصاد به دلیل عدم در دسترس بودن مسکن در تعادل نیست. این خطر دیگری برای آینده نزدیک ایجاد می کند. برای کاهش تفاوت باید تقاضا تحت تأثیر قرار گیرد. تجزیه و تحلیل در حال رشد شهرهای چین ارتباط بین جغرافیا و عوامل نظارتی با کشش قیمت عرضه مسکن را نشان داد [31]. به همین ترتیب ، یک مطالعه خاص شانگهای دو عامل مؤثر بر قیمت مسکن را مشخص کرد: تولید ناخالص داخلی و نرخ وام [32]. از طرف دیگر ، یک تجزیه و تحلیل سطح شهر چینی ، با استفاده از داده های قابل توجه شهرهای 2002-2008 ، جمعیت و سطح درآمد ، عرضه زمین در منطقه شهری و هزینه ساخت و ساز را به عنوان عوامل مهمی که می تواند افزایش قیمت مسکن را توضیح دهد ، نشان داد [33]

هدف از تجزیه و تحلیل ما نشان دادن جنبه های عرضه و تقاضای بازار مسکن بود. به این معنا ، از اعتبار مسکن برای درک تقاضای بازار مسکن و داده های مجوز مسکن برای متغیرهای مبتنی بر عرضه استفاده می شود. جزئیات مربوط به تأثیر عوامل کلان اقتصادی بر اعتبار مسکن و تعداد مجوزهای ساختمانی به نهاد ادبیات موجود اضافه می شود.

3. مواد و روشها

این یک تحلیل خاص در شهر است. ما سه شهر بزرگ - Istanbul ، Ankara و Izmir - 1 ، 2 و 3 شهر بزرگ در ترکیه را انتخاب کردیم. ما از ژانویه 2010 تا دسامبر 2020 از داده های ماهانه استفاده کردیم. داده ها از موسسه آماری ترکیه و بانک مرکزی جمهوری ترکیه (CBRT) به دست آمد. ما از طیف وسیعی از داده ها برای محدود کردن داده های قیمت خانه برای هر شهر استفاده می کنیم. لگاریتم تمام تاریخ ها به جز نرخ بهره اسمی ، نرخ بهره واقعی و تورم برای محاسبه صافی استفاده می شود.

مبلغ اعتبار وام مسکن به دلیل سابقه نامناسب سهام مسکن ترکیه به عنوان شاخص تقاضا در بازار مسکن تعیین شده است. چنین داده هایی تحت مقررات بانکی و آژانس نظارتی (BDDK) مورد بررسی قرار می گیرد. از طرف دیگر ، تعداد مجوزهای ساخت و ساز به عنوان یک متغیر جانبی تأمین کننده به دست آمده از موسسه آماری ترکیه (TUIK) شناخته شده است. نرخ بهره و داده های تورم پیش بینی شده از بانک مرکزی جمهوری ترکیه (CBRT) در دسترس است. با این حال ، نرخ بهره واقعی با کم کردن تورم پیش بینی شده از نرخ وام محاسبه شد.

OLS ، حداقل مربع معمولی ، به رابطه یک یا چند رگرسیونر و رگرسیون اشاره دارد. این یک روش متداول است که برای پیش بینی روابط خطی استفاده می شود. در مورد متغیرهای غیر ایستگاه ، Runn Of OLS یک رگرسیون مبهم ایجاد می کند. در واقع ، در اقتصاد سنجی ، رویکرد حداقل مربعات معمولی (OLS) مطابق با پارامترهای یک مدل رگرسیون خطی کاملاً مزمن است. برآوردگرهای OLS مقدار خطاهای مربع را به حداقل می رسانند (تمایز بین مقادیر مشهور و مقادیر مورد انتظار). VECM (مدل تصحیح خطای بردار) برای اصلاح این مشکل پیش فرض برای این تخمین مناسب است. هنگامی که متغیرها دارای یک یا چند ادغام هستند ، استفاده از مدل VECM راحت است ، که می تواند تغییرات طولانی مدت و کوتاه مدت را ضبط کند ، و همچنین برای هر انحراف از تعادل تنظیم می شود. در این مطالعه ، یک تاخیر با استفاده از معیارهای طول تاخیر انتخاب می شود. در اینجا ، ضریب اصطلاح تصحیح خطا یک پارامتر حیاتی در تجزیه و تحلیل VECM است.

تقاضای بازار مسکن ترکیه تحت تأثیر HPI (شاخص قیمت مسکن) ، تولید صنعتی به عنوان سود ، نرخ تورم و نرخ بهره اسمی بود. در مطالعه ما ، ارتباط بین این عوامل به ویژگی های شهر بستگی دارد. در حالی که افزایش قیمت ها بر تقاضای مسکن در استانبول و آنکارا تأثیر منفی گذاشت ، آنها بر تقاضا در ازمیر تأثیر مثبت گذاشتند [34،35].

4. نتایج

برای توضیح VECM ، داده ها را بررسی می کنیم تا ببینیم آیا متغیرها با سفارش یک ادغام شده اند یا خیر. همه متغیرها با استفاده از آزمون افزودنی Dicky-Fuller در مرحله غیر ثابت هستند. پس از اولین تفاوت ، متغیرها ثابت هستند.

4. 1تست ادغام

از آزمون همبستگی یوهانسن برای برآورد همبستگی استفاده می شود. می توانیم ببینیم که حداقل یک یا دو متغیر برای هر شهر یکپارچه شده اند. بنابراین ، اعتبار مسکن در ارتباط و تحت تأثیر HPI (شاخص قیمت مسکن) ، تولید صنعتی به عنوان سود ، نرخ تورم و نرخ بهره اسمی است. در مقابل ، مجوزهای ساخت و ساز در سمت عرضه ، همزمان با قیمت ساخت و ساز ، هزینه ها و نرخ بهره واقعی است.

4. 1. 1. برای آنکارا

با هم برخورد کردن_ank1: cr_t−1= 6. 093443 + 0. 031368 روند_t−1- 2. 998063p_t−1- 2. 439748y_t−1+ ---- + −0. 029757inf_t−1+ 0. 033990 من_{t - 1+}

(0. 23324) (تعداد در پرانتزها انحراف استاندارد ضریب شیب مربوط را نشان می دهد) (0. 02939) (0. 01541) (1. 00133)

با هم برخورد کردن_ank2: مطابق_{t − 1}= 49. 65211 - 0. 069898TREND_{t − 1}+ 8. 790259p_{t − 1}+ ---- + 0. 133555cc_{t − 1}- 0. 051352 RI_{t - 1+}

4. 1. 2. برای استانبول

با هم برخورد کردن_IST1: cr_t−1= 15. 89900 + 0. 035020 روند_t−1- 0. 489705p_t−1- 6. 858388y_{t - 1+}---- +-0. 078628inf_t−1- 0. 173496i_t−1

با هم برخورد کردن_IST2: مطابق_t−1= - 67681. 758 - 6. 877547TREND_t−1+ 128. 8552p_t−1+ ---- + 74. 65621cc_t−1- 18. 75822ri_{t - 1+}

4. 1. 3. برای ازمیر

با هم برخورد کردن_izm1: cr_t−1= - 18. 81736 - 0. 875482TREND_t−1+ 1. 848414p_t−1- 1. 809652y_t−1+ --- + 0. 651734inf_t−1- 0. 031275i_{t - 1+}

با هم برخورد کردن_izm2: مطابق_t−1= - 24. 33304 - 0. 031342trend_t−1+ 2. 242016p_t−1+ ---- + 12. 87856cc_t−1- 2. 828460RI_t−1

تأثیر ادغام CO نتیجه مشخصی را برای هر شهر نشان می دهد. تقاضای مسکن در استانبول و آنکارا تحت تأثیر افزایش قیمت قرار می گیرد. اما در ازمیر ، قیمت و تقاضا برای مسکن به طور مثبت مرتبط است ، در حالی که قیمت خانه در حال رشد است ، تقاضا برای مسکن نیز در حال افزایش است. برای ازمیر ، از نظر قیمت ، مسکن می تواند به عنوان یک گیفن خوب در نظر گرفته شود. از طرف دیگر ، دستمزدها ، تورم و نرخ بهره اسمی به طور معکوس با تقاضای مسکن همراه است ، در حالی که تقاضای مسکن آنکارا با یک رابطه مختلط همگام می شود.

در مورد یک مدل تأمین مسکن ، ضریب تمام متغیرها بر اساس یک مدل نظری کلان اقتصادی برای شهر خاص و خاص است. افزایش قیمت و هزینه ساختمان با افزایش تعداد مجوزهای مسکن ، در دسترس بودن مسکن را بهبود می بخشد. نتیجه در همه شهرها منسجم و سازگار است.

4. 2مدل تصحیح خطای بردار

این مدل به ما کمک می کند تا رابطه بین متغیرها را در کوتاه مدت درک کنیم. مدل های تصحیح خطای بردار (VECM) به شرح زیر است.