پایان نامه رایگان با موضوع قیمت مسکن، تولید ناخالص داخلی، نرخ بیکاری، اقتصاد سنجی فضایی

دانلود پایان نامه ارشد

لهای ایستا ،پویا و مدل اقتصاد سنجی فضایی از لحاظ آماری معنی دار نیست در نتیجه این فرضیه که مناطق دارای نرخ بیکاری کمتر دارای قیمت مسکن بیشتری هستند رد می شودو می توان پذیرفت که در دوره مورد بررسی یعنی از سال 1383 تا سال 1390 تغیرات نرخ بیکاری بر قیمت مسکن بی تاثیر بوده است.فرضیه دیگر درمورد تاثیر تولیدناخالص داخلی بر قیمت مسکن بود که مناطق دارای تولید ناخالص داخلی بالاتر دارای قیمت مسکن بیشتری هستند.در کوتاه مدت و در مدل ایستای برآورد شده تولید ناخالص داخلی بر قیمت مسکن تاثیر دارد و کشش قیمت مسکن نسبت به تولید ناخالص داخلی برابر0.13 درصد است اما دربلندمدت ضریب حاصله از تخمین مدل پویا به روش GMM از لحاظ آماری بی معنی است که نشان دهنده این است که تولیدناخالص داخلی در کوتاه مدت و از طریق افزایش ثروت در استانها که موجب پرداخت بیشتری برای مسکن می شود تاثیر دارد اما دربلندمدت بر قیمت مسکن تاثیرندارد .ازمیان استانهای همجوار استان تهران استانهای قم ،سمنان ،قزوین و مرکزی در میان ده استان دارای بالاترین قیمت مسکن در کشورقراردارندتنها استان مازندران در بین ده استان دارای بالاترین قیمت مسکن قرار ندارد در نتیجه می توان این فرضیه راکه مناطق همجواربا استان تهران دارای قیمت مسکن بالایی هستند پذیرفت.

فصل پنجم: نتایج و پیشنهادات

5-1-مقدمه
در این فصل ابتدا خلاصه یافته های تحقیق ارائه شده و سپس پیشنهاداتی برای سیاست گذاران و دست اندرکاران بخش مسکن برای برنامه ریزی های کارامدتر اراته شده است.
5-2-نتایج
در این بررسی تلاش شد تا مهمترین عوامل منظقه ای موثر بر قیمت مسکن در کشور در سط سالهای 1383 تا1390 مورد ارزیابی قرار گیرد..برای این بررسی از روش اقتصاد سنجی پنل دیتای مرسوم و پنل دیتای فضایی استفاده شد . نتایج بررسی نشان دهنده این است که دو عامل زمین و هزینه ساخت مهمترین عوامل منطقه ای موثر بر قیمت مسکن هستند.نتایج بررسی با استفاده از روش پنل دیتای مرسوم که شامل دو مدل ایستا و پویا است نشان می دهد مهمترین عامل موثر بر قیمت مسکن در کشور هزینه ساخت هرمترمربع واحد مسکونی است و پس از آن هزینه هر متر مربع زمین مهمترین عامل موثر بر قیمت مسکن در مناطق شهری است.اما نتایج بدست آمده از روش پنل دیتای فضایی نشان می دهد که مهمترین عامل موثر بر قیمت مسکن در مناطق شهری کشور قیمت یک متر مربع زمین است که کشش قیمت مسکن نسبت به قیمت زمین برابر 0.31 درصد است .نتایج حاصله از روش اقتصاد سنجی مرسوم نشان می دهد که در کوتاه مدت جمعیت بر قیمت مسکن بی تاثیر است اما در بلند مدت کشش قیمت مسکن نسبت به جمعیت برابر 0.25 درصد است که مقدار قابل توجهی است .اما در روش اقتصادسنجی فضایی ضریب متغیر جمعیت از نظر آماری بی معنی است.کشش قیمت مسکن نسبت به تولید ناخالص داخلی در کوتاه مدت برابر 0.13 درصد است اما در بلند مدت ضریب تولید ناخالص داخلی از نظر آماری بی معنی است که نشان دهنده بی تاثی بودن تولید ناخالص داخلی بر قیمت مسکن در بلند مدت می باشد و این فرضیه که مناطق دارای تولید ناخالص داخلی بیشتر دارای قیمت مسکن بلاتری هستند در بلند مدت رد می شود.اما نتایج حاصله از روش اقتصاد سنجی فضایی نشان دهنده تاثیر قابل ملاحظه تولید ناخالص داخلی(0.14 درصد)بر قیمت مسکن دارد.نرخ بیکاری در هیچ یک از مدلهای کوتاه مدت و بلند مدت و مدل تخمینی به روش اقتصاد سنجی فضایی از نظر آماری معنی دار نیست و این فرضیه که مناطق دارای نرخ بیکاری کمتر دارای قیمت مسکن بیشتری هستند رد می شود.تاثیر قیمت مسکن سال گذشته که از طریق مدل پویا و به روش GMM برآورد شده است نشان می دهد که کشش قیمت مسکن نسبت به قیمت مسکن در سال قبل از آن بابر 0.27 درصد است. در مدل فضایی تخمین زده شده قیمت زمین کشش بیشتری نسبت به دیگر متغیر ها دارد که به نتایج تجربی مشاهده شده نزدیکتر است.نرخ بیکاری در دوره مورد بررسی تاثیری بر قیمت مسکن نداشته است .مقایسه نتایج روش پنل دیتا با پنل دیتای فضایی نشان دهنده این است که وابستگی فضای بین قیمت مسکن در کشور بیشتر از طریق تاثیرگذاری و تاثیر پذیری در قیمت زمین بر قیمت مسکن تاثیر می گذارد که ضریب متغیر pland در روش اقتصاد سنجی فضایی نشان دهنده این موضوع است.در صورتی که قیمت زمین در یک استان بطور قابل ملاحظه ای بیشتر از استانهای همجوار آن باشد انتظار می رود قیمت زمین در این استانها نیز تا حدی افزایش بابد.در کشور ما استان تهران به عنوان پایتخت دارای شرایط ویژه ای از نظر جمعیت ،تولید ناخالص داخلی و قیمت مسکن است و تمامی استانهای همجوارونزدیک آن نیز دارای قیمت بالا در مسکن هستند.حتی استانهایی مانند قم و زنجان که دارای تولید ناخالص داخلی کم و جمعیت به نسبت کم هستند دارای قیمت مسکن بالایی هستند.در نتیجه برای برنامه ریزی برای مسکن در کشور باید این تاثیرات را لحاظ کرد .در کشور بجزاستان اردبیل تمامی استانهایی که دارای قیمت مسکن بالایی هستند حداقل دارای یک استان همسایه با قیمت بالا هستند و مناطق دارای قیمت مسکن پایین حداقل دارای یک استان با قیمت مسکن پایین هستند(نقشه (1)).بنابراین بررسی ویژگیهای این استان و عوامل موثر بر قیمت مسکن در این دو استان بصورت جداگانه می تواند نتایج متفاوت و مفیدی در پی داشته باشد.استان چهارمهال و بختیاری که دارای کمترین میانگین متوسط قیمت مسکن در کشور است در میان استانهایی مانند اصفهان ،خوزستان و فارس که دارای قیمت مسکن بالایی هستند قرار گرفته است.که نشان از متفاوت بودن این استان از سایر استانها دارد.در تحقیقات حشمت اله عسگری و اسحاق الماسی با عنوان بررسی عوامل موثر بر قیمت مسکن در کشور در مناطق شهری به روش داده های تابلویی برای سالهای 1370 تا 1385 نشان دهنده تاثیر بالای قیمت زمین
در این دوره بر قیمت مسکن در کشور می باشد بطوریکه در کوتاه مدت واکنش قیمت مسکن نسبت به قیمت زمین برابر0.72 درصد و در بلند مدت برابر0.63 درصد می باشد.اما در این بررسی واکنش قیمت مسکن نسبت به هزینه ساخت مسکن بسیار اندک و برابر 0.000017 است.همان گونه که از نتایج این بررسی مشخص است بکار گیری روشهای تخمین گوناگون می تواند نتایج متفاوتی بهمراه داشته باشدو در نظر نگرفته واریانس ناهمسانی ،خود همبستگی بین پسماندها و وابستگی فضایی می تواند منجر به نتایج نادرست در برآوردها گردد.
مهمترین نتایج این بررسی رادر دوره مورد نظر(1383 تا1390) می توان بصورت زیر خلاصه کرد:
1-مهمترین عوامل منطقه ای موثر بر قیمت مسکن عبارتند از:الف-قیمت زمین ب-هزینه ساخت مسکن
2-مناطق دارای تولید ناخالص داخلی بالا الزاما دارای قیمت مسکن بالایی نیستند.
3-مناطق دارای بیکاری پایین الزاما دارای قیمت مسکن بالایی نیستند.
4-نتایج بدست آمده از تخمین به روشهای پنل دیتا و پنل دیتای فضایی با یکدیگر متفاوت هستند.
اما تاکید بر دوره مورد بررسی به این علت است که نتایج حاصل شده می توانند در دوره های متفاوت با یگدیگر تفاوت داشته باشند و این نتایج برای دوره مورد بررسی 1383 تا1390 می باشد.
5-3-پیشنهادات
سیاست گذاران در حوزه مسکن باید اهمیت بیشتری به مطالعات منطقه ای بدهند چرا که همان گونه که در این بررسی مشخص شد بعضی از استانها مانند جهارمهال و بختیاری ،اردبیل ،قم و زنجان دارای ویژگیهای خاصی هستند که موجب می شود نسبت به سیاستی مشابه در حوزه مسکن واکنشهای متفاوتی از خود نشان دهند.در نتیجه استانهای متفاوت در کشور دارای ضرایب متفاوتی از متغیرها هستند که در این بررسی از آن چشم پوشی شده است.هم چنین شرایط گذشته متفاوت این استانها می تواند در عرض از مبدا متفاوت برای هر استان ظاهر شود.که این موارد بررسی های جداگانه و مستقلی را نیاز دارد برای نمونه می توان با استفاده از مدل پنل دیتای رگرسیون انتقال یکنواخت با اثرات ثابت (PSTR )که توسط گنزالز وهمکاران(Gonzalez et all,(2005) )ارائه شده است استفاده کرد .این مدل به ضرایب متغیرهای توضیحی اجازه می دهد که برای هر منطقه و در طی زمان متفاوت باشند.یا برای بررسی میزان تاثیر بر متغیر دیگر در یک استان بر استانی دیگر می توان از مدل Gvar که توسط پسران و همکاران وی ارائه شده است استفاده کرد.

بنابراین ابتدا باید در کشور تحقیقات جامع منطقه ای برای تعیین عوامل موثر بر قیمت مسکن صورت گرفته و سپس با در نظر گرفتن وابستگی های منطقه ای و میزان این وابستگی برای هر منطقه اقدام به برنامه ریزی برای مسکن در کشور کرد.می توان کشور را به بلوکها و یا مناطق با خصوصیات مشابه تقسیم کرد و برای مناطق مشابه با در نظر گرفته وابستگهای فضایی متقابل اقدام به برنامه ریزی و اجرای برنامه ها کرد.به عنوان نمونه یک منطقه می توان شامل استان تهران و استانهایی مانند:اصفهان ،قم ، مرکزی ،قزوین ،زنجان،گیلان ومازندران باشد.منطقه دیگر می تواند شامل استانهای شرقی و کویری کشور که دارای قیمت مسکن پایینی هستند مانند خراسان جنوبی ،سیستان و بلوچستان ،کرمان و یزد باشد.

پایان نامه
Previous Entries پایان نامه رایگان با موضوع اثرات ثابت، قیمت مسکن، سریهای زمانی، دوره های زمانی Next Entries پایان نامه با کلید واژگان توزیع فراوانی، اعتماد الکترونیک، مدل اندازه گیری، آزمون فرضیه