مدلی ترکیبی برای تخمین قیمت مسکن: مطالعه موردی شهر تهران

هدف این مطالعه ایجاد مدل ترکیبی برای تخمین قیمت مسکن در شهر تهران است. تخمین قیمت مسکن از جنبه های متعدد مهم است. قیمت تخمینی مسکن بر نحوه ی برنامه ریزی، طراحی و ساخت مسکن تاثیر می گذارد. با آگاهی از قیمت تخمینی مسکن، سرمایه گذاران و سازندگان مسکن می توانند میزان سود یا ضرر خود را تخمین بزنند و با ریسک کمتری سرمایه گذاری کنند. کاهش ریسک سرمایه گذاری در مسکن باعث ایجاد فرصت های شغلی بیشتر، رشد اقتصادی و کاهش معضل های اقتصادی و اجتماعی ناشی از کمبود مسکن با کیفیت و قیمت مناسب می شود. عوامل متعددی مانند قیمت دوره ی قبل مسکن، تغییرات جمعیت، هزینه ی ساخت مسکن و تغییرات فصل تاثیر معناداری بر قیمت مسکن دارند. در این پژوهش، ابتدا عوامل کلان و اقتصاد خرد که بر قیمت مسکن تاثیر می گذارند بررسی و داده های مربوطه جمع آوری شد. در مرحله بعدی، داده ها غربال گری و آماده سازی شد. سپس، از داده ها برای توسعه مدل های رگرسیون و مدل های سری زمانی شامل میانگین متحرک خودهمبسته ی یکپارچه (آریما) و اتورگرسیون برداری استفاده شد. با استفاده از مدل رگرسیون می توان قیمت مسکن در سال های مختلف را بر اساس مجموعه ای از متغیرهای مستقل محاسبه کرد. مدل آریما خروجی مدل رگرسیون را دریافت می‎کند و قیمت مسکن را در سال های بعد تخمین می زند. از طرف دیگر، مدل اتورگرسیون برداری نیز می‎تواند به صورت مستقل برای تخمین قیمت مسکن استفاده شود. برای مقایسه عملکرد مدل ها، میزان خطای آن ها به دو روش درصد میانگین مطلق خطا و خطای استاندارد نسبی اندازه گیری شد. براساس این اندازه گیری، میزان خطای مدل اتورگرسیون برداری از ترکیب مدل رگرسیون و آریما کمتر است زیرا در مدل اتورگرسیون برداری، تاثیر متغیرهای مستقل به طور مستقیم در مدل اعمال شده است. مدل های ساخته شده در این پژوهش به سیاست گذاران، سرمایه گذاران، توسعه دهندگان، خریداران مسکن و موسسات مالی کمک می کند تا قیمت مسکن را تخمین بزنند و آگاهانه در خصوص سرمایه‎گذاری در مسکن تصمیم بگیرند.

Keywords:

Estimation , House Price , Regression , ARIMA , Vector Autoregression