Investigation of the Factors Affecting Housing Prices for Sale in Zonguldak Central County Using Multivariate Regression Models

Year 2025, Volume: 12 Issue: 1, 170 - 189

İlknur Zeydan

https://doi.org/10.17336/igusbd.1429433

Abstract

Aim: Due to the recent fluctuations in the economy and rising rents, consumers tend to buy houses. For this reason, it was deemed necessary to examine housing advertisements for sale and create a price prediction model. In the study, it was aimed to create a price prediction model with the information obtained from for-sale advertisements in districts of Zonguldak Central County.
Method: The “rvest” library was used in the RStudio environment to obtain data. The data was obtained from the Hepsi Emlak website. Multiple linear and nonlinear regression models were used to estimate housing prices.
Results: The average price of houses for sale in Zonguldak Center is 2,320,000 TL. While the multiple linear regression model can explain approximately 60% of the variation in the variance of house prices for sale, the nonlinear multiple regression model explains 62% of the variance.
Conclusion: In the linear model, the variables that increase the housing price the most are the number of rooms, number of floors, and housing area, respectively. Increasing the age of the building reduces the price of housing for sale. In the nonlinear model, only housing area and building age were found as significant. It is thought that the findings obtained from this study will contribute to the real estate sector and academicians working in the field of marketing.

Keywords

House for Sale, Price Analysis, Price Forecast, Regression Model, Zonguldak

Zonguldak Merkez İlçedeki Satılık Konut Fiyatlarına Etki Eden Unsurların Çoklu Regresyon Modelleri ile İncelenmesi

Abstract

Amaç: Son dönemlerde ekonomide yaşanan dalgalanmalar ve konut kiralarının artması nedeniyle tüketiciler ev satın almaya yönelmektedirler. Bu nedenle, satılık konut ilanların incelenmesi ve fiyat tahmin modeli oluşturulması gerekli görülmüştür. Bu çalışmada, Zonguldak Merkez İlçede bulunan mahallelerdeki satılık ilanlarından elde edilen bilgilerle fiyat tahmin modeli oluşturmak amaçlanmıştır.
Yöntem: Veri temini amacıyla RStudio ortamında “rvest” kütüphanesi kullanılmıştır. Veriler Hepsi Emlak web sitesinden elde edilmiştir. Konut fiyatlarının tahmininde çoklu doğrusal ve doğrusal olmayan regresyon modelleri kullanılmıştır.
Bulgular: Zonguldak Merkez’de bulunan satılık evlerin ortalama fiyatı 2.320.000 TL’dir. Çoklu doğrusal regresyon modeli satılık konut fiyatları varyansındaki değişimin yaklaşık %60'ını açıklayabilirken, doğrusal olmayan çoklu regresyon modeli varyansın %62'sini açıklamaktadır.
Sonuçlar: Doğrusal modelde, konut fiyatını en çok arttıran değişkenler sırasıyla oda sayısı, kat sayısı ve konut alanıdır. Bina yaşının artması ise satılık konut fiyatını düşürmektedir. Doğrusal olmayan modelde sadece konut alanı ve bina yaşı anlamlı bulunmuştur. Bu çalışmadan elde edilen bulguların, emlak sektörüne ve pazarlama alanında çalışan akademisyenlere katkı sağlayacağı düşünülmektedir.

Keywords

Satılık Konut, Fiyat Analizi, Fiyat Tahmini, Regresyon Modeli, Zonguldak

Thanks

Makalenin yazarı, haritaların hazırlanmasındaki yardımlarından dolayı Doç. Dr. Özgür ZEYDAN'a teşekkür eder.

References

• AFŞAR, A., YILMAZEL, Ö., & YILMAZEL, S. (2017). Konut fiyatlarını etkileyen faktörlerin hedonik model ile belirlenmesi: Eskişehir örneği. Selçuk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 37, 195–205.
• BALDEMİR, E., KESBİÇ, C. Y., & İNCİ, M. (2007). Emlak piyasasında hedonik talep paremetrelerinin tahminlenmesi (Muğla örneği). 8. Türkiye Ekonometri ve İstatistik Kongresi, 24-25 Mayıs (İnönü Üniversitesi, Malatya).
• BULUT, H., ÖNER, Y., & İSLAMOĞLU, E. (2015). Samsun ili konut fiyatlarını etkileyen faktörlerin hedonik fiyat modeli ile incelenmesi. The Journal of Operations Research, Statistics, Econometrics and Management Information Systems, 3(2), 122–130.
• BÜYÜKDUMAN, A. (2014). Bir kent efsanesi konut balonu kent ekonomisi ne diyor? Scala Yayıncılık.
• CİNGÖZ, A. R. A. A. (2010). İstanbul’da kapalı site konut fiyatlarının analizi. Sosyal Bilimler Dergisi, 2, 129–139.
• ÇALMAŞUR, G., & EMRE-AYSİN, M. (2019). Konut fiyatlarına etki eden faktörlerin hedonik modelle belirlenmesi: TRA1 alt bölgesi üzerine bir uygulama. UİİİD-IJEAS, 22, 77–92.
• DAŞKIRAN, F. (2015). Denizli kentinde konut talebine etki eden faktörlerin hedonik fiyatlandırma model ile tahmin edilmesi. Uluslararası Sosyal Araştırmalar Dergisi, 8(37), 850–857.
• DRÖES, M. I., & KOSTER, H. R. A. (2021). Wind turbines, solar farms, and house prices. Energy Policy, 155, 112327. https://doi.org/10.1016/j.enpol.2021.112327
• GAMGAM, H., & ALTUNKAYNAK, B. (2017). SPSS uygulamalı regresyon analizi (Seçkin Yay).
• GÜLLER, C., & VAROL, Ç. (2022). Erzurum’da konut fiyatlarına etki eden faktörlerin hedonik analiz yardımıyla belirlenmesi. Sosyoekonomi, 30(54), 377–400. https://doi.org/10.17233/sosyoekonomi.2022.04.20
• HASTIE, T., TIBSHIRANI, R., & FRIEDMAN, J. H. (2009). The elements of statistical learning: data mining, inference, and prediction. Springer, 2.
• HOŞ, S. (2020). Çoklu doğrusal regresyon analizi güvenilirliğinin Jackknife tekniği ile sınanmasına yönelik bir araştırma. Journal of Management and Economics Research, 18(4), 304–316.
• IACOVIELLO, M. (2000). House prices and the macroeconomy in Europe: Results from a structural var analysis. European Central Bank.
• İÇLİ, G. (2015). Emlak yönetimi ve pazarlaması (2. Baskı). Anadolu Üniversitesi Yayınları.
• İSLAMOĞLU, E., & BULUT, H. (2018). Nevşehir ili konut fiyatlarını etkileyen faktörlerin hedonik fiyat modeli ile incelenmesi. Uluslararası Medeniyet Çalışmaları Dergisi, 3(1), 80–90.
• KANGALLI UYAR, S. G., & KETEN, N. D. (2020). Konut fiyatlarının mekânsal kantil regresyon yaklaşımına göre modellenmesi: Denizli ili örneği. Business and Economics Research Journal, 11(3), 713–734. https://doi.org/10.20409/berj.2020.270
• KARAGÖL, T. (2007). A study of housing prices in Ankara. Yüksek Lisans Tezi, Orta Doğu Teknik Üniversitesi, Ankara.
• KARTAL, U., & CORUM, A. (2020). Konut fiyatını belirleyen regresyon denklemi: Maltepe ilçesi örneği. International Journal of Advances in Engineering and Pure Sciences, 1, 57–67. https://doi.org/10.7240/jeps.605719
• KHOSHNOUD, M., SIRMANS, G. S., & ZIETZ, E. N. (2023). The Evolution of Hedonic Pricing Models. Journal of Real Estate Literature, 31(1), 1–47. https://doi.org/10.1080/09277544.2023.2201020
• KONWAR, R., ANGSHUMAN, K., & MONOJ, K. M. (2021). House price prediction using machine learning algorithm. International Journal of All Research Education and Scientific Methods (IJARESM), 9(6), 2455–6211.
• KÖRDİŞ, G., IŞIK, S., & MERT, M. (2014). Antalya’da konut fiyatlarını etkileyen faktörlerin hedonik fiyat modeli ile tahmin edilmesi. Akdeniz Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 28, 103–132. http://dergipark.gov.tr/auiibfd/issue/32332/359286
• KÜÇÜKKAPLAN, İ., & AMCA ALDI, F. (2017). Denizli ilinde konut fiyatlarına etki eden faktörlerin panel verilerle analizi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 20(37), 219–236.
• ŁASZKIEWICZ, E., HEYMAN, A., CHEN, X., CIMBUROVA, Z., NOWELL, M., & BARTON, D. N. (2022). Valuing access to urban greenspace using non-linear distance decay in hedonic property pricing. Ecosystem Services, 53, 101394. https://doi.org/10.1016/j.ecoser.2021.101394
• LIESKE, S. N., van den NOUWELANT, R., HAN, J. H., & PETTIT, C. (2021). A novel hedonic price modelling approach for estimating the impact of transportation infrastructure on property prices. Urban Studies, 58(1), 182–202. https://doi.org/10.1177/0042098019879382
• LIU, G. (2022). Research on Prediction and Analysis of Real Estate Market Based on the Multiple Linear Regression Model. Scientific Programming, 2022, 1–8. https://doi.org/10.1155/2022/5750354
• MOOYA, M. (2016). Real estate valuation theory - a critical appraisal. Springer.
• MUTLUER, D. (2008). Gayrimenkul fiyatlarının derlenmesi ülke örnekleri ve Türkiye için bir uygulama. TİSK Akdemi, 240–278.
• O’BRIEN, R. M. (2007). A Caution Regarding Rules of Thumb for Variance Inflation Factors. Quality & Quantity, 41(5), 673–690. https://doi.org/10.1007/s11135-006-9018-6
• ORAL, M., OKATAN, E., & KİRBAS, I. (2021). Makine öğrenme yöntemleri kullanarak konut fiyat tahmini üzerine bir çalışma: Madrid örneği. 3rd International Young Researchers Student Congress, 263–272.
• ÖZÖĞÜR AKYÜZ, S., EYGİ ERDOGAN, B., YILDIZ, Ö., & KARADAYI ATAŞ, P. (2023). A novel hybrid house price prediction model. Computational Economics, 62(3), 1215–1232. https://doi.org/10.1007/s10614-022-10298-8
• ÖZTÜRK, N., & FİTÖZ, E. (2009). Türkiye’de konut piyasasının belirleyicileri: Ampirik bir uygulama. ZKÜ Sosyal Bilimler Dergisi, 5(10), 21–46.
• QUANG, T., MINH, N., HY, D., & BO, M. (2020). Housing price prediction via improved machine learning techniques. Procedia Computer Science, 174(2019), 433–442. https://doi.org/10.1016/j.procs.2020.06.111
• ROSSINI, P. (1997). Artificial neural networks versus multiple regression in the valuation of residential property. Australian Land Economics Review, 3(1), 1–12.
• SELİM, S., & DEMİRBİLEK, A. (2009). Türkiye’deki konutların kira değerinin analizi: Hedonik model ve yapay sinir ağları yaklaşımı. Aksaray Üniversitesi İİBF Dergisi, 1(1), 73–90.
• STUNDZIENE, A., PILINKIENĖ, V., & GRYBAUSKAS, A. (2022). The impact of external factors on housing prices in Lithuania. International Journal of Housing Markets and Analysis, 15(4), 833–851. https://doi.org/10.1108/IJHMA-04-2021-0048
• ŞAHİN KUTLU, Ş., & KUTLU, M. (2019). Bandırma’da konut fiyatına etki eden faktörlerin hedonik fiyat modeli ile belirlenmesi. 2. Uluslararası Bandırma ve Çevresi Sempozyumu – UBS’19, 313–324.
• Türkiye İstatistik Kurumu (TUİK). (2021). Bina ve konut nitelikler araştırması. Erişim tarihi: 1 Ekim 2023 https://data.tuik.gov.tr/Bulten/Index?p=Bina-ve-Konut-Nitelikleri-Arastirmasi-2021-45870
• ULADİ, Ş. U., & ULADİ, A. İ. (2017). Osmaniye ili genelinde konut özellikleri ile konut fiyatları arasındaki ilişkinin belirlenmesi. International Journal of Academic Value Studies, 3(16), 475–480.
• USTAOĞLU, E. (2003). Hedonic price analysis of office rents: A case study of the office market in Ankara. Orta Doğu Teknik Üniversitesi.
• ÜÇDOĞRUK, Ş. (2001). İzmir ilinde emlak fiyatlarına etki eden faktörler -hedonik yaklaşım-. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 16(2), 149–161.
• WEN, H., JIA, S., & GUO, X. (2005). Hedonic price analysis of urban housing: An empirical research on Hangzhou. Journal of Zhejiang University Science, 6 A(8), 907–914.
• YANG, L., LIANG, Y., HE, B., YANG, H., & LIN, D. (2023). COVID-19 moderates the association between to-metro and by-metro accessibility and house prices. Transportation Research Part D: Transport and Environment, 114, 103571. https://doi.org/10.1016/j.trd.2022.103571
• YAYAR, R., & BURSAL, M. (2019). Türkiye’de konut kira fiyatlarının hedonik tahmini. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 8(3), 2010–2026. https://doi.org/10.15869/itobiad.597554
• YAYAR, R., & GÜL, D. (2014). Mersin kent merkezinde konut piyasası fiyatlarının hedonik tahmini. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 14(3), 87–99. https://doi.org/10.18037/ausbd.70063
• YAYAR, R., & KARACA, S. S. (2014). Konut fiyatlarına etki eden faktörlerin hedonik modelle belirlenmesi: TR83 bölgesi örneği. Ege Akademik Bakış, 14(4), 509–518.
• ZULKARNAIN, & ARVIANTI, T. (2021). An Analysis of Implicit Value of Property Characteristics in Residential Property Prices using a Hedonic Value Approach. International Journal of Technology, 12(6), 1168–1176. https://doi.org/10.14716/IJTECH.V12I6.5216