PANEL VERİLERİ İLE TÜRKİYE’DE KONUT FİYATLARINI ETKİLEYEN FAKTÖRLERİN TESPİTİ VE YAPAY SİNİR AĞLARI YAKLAŞIMI

Yıl 2020, Cilt: 11 Sayı: 2, 1 - 21, 30.11.2020

Gulsen Kıral , Cahit Çelik

Öz

Türkiye’de konut fiyatları ekonomik ve demografik faktörlerden oldukça etkilenmektedir. Buna bağlı olarak serbest piyasalarda konut fiyat faktörü, konut arzını ve talebini etkilemesi açısından önemlidir. Türkiye’de konut fiyatları ile arzı arasındaki ilişkinin pozitif yönlü olması beklenirken, konut fiyatları ile talebi arasındaki ilişkinin negatif yönlü olması beklenilmektedir. Konut fiyatlarındaki farklılaşmalar ise konut talebi ve arzı üzerindeki etkilere bağlı konut fiyatlarında yukarı ya da aşağı yönlü bir hareket oluşturmaktadır. Bu araştırma makalesinde, konut fiyatlarını etkileyen ve dengeli panel verilerinden oluşan ekonomik ve demografik faktörler belirlenmeye çalışılmıştır. Bu amaca yönelik olarak konut fiyat modelleri ile yapay sinir ağları modeli incelenmiştir. Grup içi tahmin yönteminin bazı bulgularına göre konut talebinin, konut kredi faiz oranının, fiyat düzey endekslerinin, mevduat faizinin, Avrupa para biriminin, külçe altın yatırımının, kentleşme oranlarının, hane halkı otomobil sayısının ve toplam çevresel harcamalarının konut fiyatı üzerinde anlamlı etkileri olduğu görülmüştür. Ayrıca bu araştırma, konut fiyat ve yapay sinir ağları modellerinin dengeli panel verileri ile incelenmesi açısından özgün bir araştırma niteliği taşımaktadır. 

Anahtar Kelimeler

Konut Fiyatları, Panel Veri Analizi, Yapay Sinir Ağları, TÜİK, Türkiye

Kaynakça

• Akay, Ö., & Yüksel, G. (2019). Hierarchical clustering of mixed variable panel data based on new distance. Communications in Statistics-Simulation and Computation, 1-16.
• Baldemir, E., Kesbiç, C. Y., & İnci, M. (2007). Emlak piyasasında hedonik talep parametrelerinin tahminlenmesi (Muğla Örneği). 8. Türkiye Ekonometri ve İstatistik Kongresi 24-25 Mayıs, İnönü Üniversitesi, Malatya.
• Baltagi, B. H. (2001). Econometrics analysis of panel data. New York: John Wiley & Sons Press.
• Baltagi, B. H. (2005). Econometrics analysis of panel data (3rd ed.). England: John Wiley & Sons Press.
• Çalışkan, Z. (2009). OECD ülkelerinde sağlık harcamaları: Panel veri analizi. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 34, 117-137.
• Çelik, C. & Kıral, G. (2018). Konut satışlarının incelenmesinde panel veri analizi: Türkiye illeri örneği. M. K. Terzioğlu ve S. Dal (Ed.), Ekonometride Güncel Konular İçinde (s. 123-140). Ankara: Gazi Kitabevi.
• Ecer, F. (2014). Türkiye’deki konut fiyatlarının tahmininde hedonik regresyon yöntemi ile yapay sinir ağlarının karşılaştırılması. International Conference On Eurasian Economies, 1-10.
• Goodman, A. C. (1978). Hedonic prices, price indices and housing markets. Journal of Urban Economics, 5(4), 471-484.
• Greene, W. H. (1993). Econometric analysis. New York: Macmillan Publishing Company.
• Gujarati, D. (2016). Örneklerle ekonometri. (N. Bolatoğlu. Çev.). Ankara: BB101 Yayınları.
• Gündoğdu, Ö. (2011). Sosyo-ekonomik ve mekânsal değişkenlerin hanehalkı kira harcamaları üzerine etkilerinin hedonik fiyat fonksiyonu ile tahmin edilmesi. Yayımlanmamış Yüksek Lisans Tezi, Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü, Isparta.
• Hamid, S. A., & Iqbal, Z. (2004). Using neural networks for forecasting volatility of S&P 500 index futures prices. Journal of Business Research, 57(10), 1116-1125.
• Kain, J. F., & Quigly, J. M. (1970). Measuring the value of housing quality. Journal of the American Statistical Association, 65(330), 532-548.
• Kaya, A. (2012). Türkiye’de konut fiyatlarını etkileyen faktörlerin hedonik fiyat modeli ile belirlenmesi. TCMB Uzmanlık Tezi, Ankara. Okkan, U., & Dalkılıç, H. Y. (2012). Radyal tabanlı yapay sinir ağları ile kemer barajı aylık akımlarının modellenmesi. İnşaat Mühendisleri Odası Teknik Dergi, 23(2), 5957-5966. Öğücü, M. O. (2006). Yapay sinir ağları ile sistem tanıma. Yayımlanmamış Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul.
• Palmquist, R. B. (1984). Estimating the demand for the characteristics of housing. The Review of Economics and Statistics, 66(3), 394-404.
• Selim, S. (2008). Türkiye’de konut fiyatlarının belirleyicileri: Hedonik regresyon modeli. Doğuş Üniversitesi Dergisi, 9(1), 65-76.
• Selim, S., & Demirbilek, A. (2009). Türkiye’deki konutların kira değerinin analizi: Hedonik model ve yapay sinir ağları yaklaşımı. Aksaray üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 1(1), 73-90.
• Straszheim, M. R. (1974). Hedonic estimation of housing market prices: A further comment. The Review of Economics and Statistics, 56(3), 404-406.
• Svozil, D., Kvasnicka, V., & Pospichal, J. (1997). Introduction to multi-layer feed-forward neural networks. Chemometrics & Intelligent Laboratory System, 39(1), 43-62. Tang, T. C., & Chi, L. C. (2005). Neural networks analysis in business failure prediction of Chinese importers: A between–countries approach. Expert Systems With Applications, 29(2), 244-255.
• Tatoğlu, F. Y. (2013). Panel veri ekonometrisi: Stata uygulamalı, Beta Yayınları 2. Baskı, İstanbul.
• Üçdoğruk, Ş. (2001). İzmir ilinde emlak fiyatlarına etki eden faktörler: Hedonik yaklaşım. Dokuz Eylül Üniversitesi İİBF Dergisi, 16(2), 149-161.
• Wilhelmsson, M. (2002). Household expenditure patterns for housing attributes: A linear expenditure system with hedonic prices. Journal of Housing Economics, 11(1), 75-93.
• Yang, Z. (2000). An application of the hedonic price model with uncertain attribute: The case of the people’s republic of China. Property Management, MCB University Press, 19(1), 50-63.
• Yankaya, U., & Çelik, M. H. (2005). İzmir metrosunun konut fiyatları üzerindeki etkilerinin hedonik fiyat yöntemi ile modellenmesi. Dokuz Eylül Üniversitesi İİBF Dergisi, 20(2), 61-79.
• Yılmazel, Ö., Afşar, A., & Yılmazel, S. (2018). Konut fiyat tahmininde yapay sinir ağları yönteminin kullanılması. Uluslararası İktisadi ve İdari İncelemeler Dergisi, 20, 285-300.