Kümeleme Yöntemiyle Konut Talebinin İncelenmesi: Türkiye İl Grupları Üzerine Bir Uygulama

Yıl 2018, Cilt: 27 Sayı: 1, 123 - 138, 15.04.2018

Cahit Çelik , Gülsen Kıral

Öz

Türkiye’de konut sektörü büyük ölçüde yerli sanayiye dayanmaktadır. Sektörün istihdam potansiyelinin büyüklüğü, başta imalat sektörü olmak üzere diğer sektörlerle sıkı bir girdi-çıktı ilişkisi içinde olmasını sağlamaktadır. Son zamanlarda Türkiye’de konut sektörü ile ilgili pek çok değerlendirmenin gerek medya gerekse farklı kuruluşlarda yer aldığı görülmektedir. Yapılan değerlendirmelerin birbirinden oldukça farklı olması ve sonuçlarının tüm sosyo-ekonomik faktörleri etkilemesi bakımından sektörel bir analizin detaylı bir biçimde incelenerek paylaşılması amaçlanmıştır. Araştırma örneklemi; 2008-2015 dönemi Türkiye illeri yıllık konut satış sayıları ve konut satışlarını etkileyen faktörler oluşturmaktadır. Bu çalışmada; SWOT analizi ve panel veri kümeleme analizi incelenmiştir. Konut talebinde benzer özellik gösteren iller ve konut satışlarını etkileyen faktörler belirlenmeye çalışılmıştır. Çalışmadan elde edilen bulgulara göre, mevduat faiz oranının, kentleşme oranının, hanehalkı otomobil sayısının, ortalama hanehalkı gelirinin, konut brüt getiri oranının, Borsa İstanbul 100 endeksinin ve konut kredisi faiz oranının konut talebinde anlamlı olduğu belirlenmiştir.

Türkiye’de
konut sektörü büyük ölçüde yerli sanayiye dayanmaktadır. Sektörün istihdam
potansiyelinin büyüklüğü, başta imalat sektörü olmak üzere diğer sektörlerle
sıkı bir girdi-çıktı ilişkisi içinde olmasını sağlamaktadır. Son zamanlarda Türkiye’de konut sektörü ile ilgili pek çok
değerlendirmenin gerek medya gerekse farklı kuruluşlarda yer aldığı
görülmektedir. Yapılan değerlendirmelerin birbirinden oldukça farklı olması ve
sonuçlarının tüm sosyo-ekonomik faktörleri etkilemesi bakımından sektörel bir
analizin detaylı bir biçimde incelenerek paylaşılması amaçlanmıştır. Araştırma
örneklemi; 2008-2015 dönemi Türkiye illeri yıllık konut satış sayıları ve konut
satışlarını etkileyen faktörler oluşturmaktadır. Bu çalışmada; SWOT analizi ve panel veri kümeleme
analizi incelenmiştir. Konut talebinde benzer özellik gösteren iller ve konut
satışlarını etkileyen faktörler belirlenmeye çalışılmıştır. Çalışmadan elde
edilen bulgulara göre, mevduat faiz oranının, kentleşme oranının, hanehalkı
otomobil sayısının, ortalama hanehalkı gelirinin, konut brüt getiri oranının, Borsa
İstanbul 100 endeksinin ve konut kredisi faiz oranının konut talebinde anlamlı olduğu
belirlenmiştir

Anahtar Kelimeler

Konut Talebi, SWOT Analizi, Panel Veri Kümeleme, Türkiye

Kaynakça

• Akay Ö. & Yüksel G. (2017): Clustering the mixed panel dataset using Gower's distance and k-prototypes algorithms, Journal of Communications in Statistics. Akın, Y. K. (2008). Veri madenciliğinde kümeleme algoritmaları ve kümeleme analizi. Yayınlanmamış doktora tezi, Marmara Üniversitesi, İstanbul. Belussi, F., & Caldari, K. (2009). At the origin of the industrial district: Alfred Marshall and the Cambridge School, Cambridge Journal of Economics, 3(2), 335-55. Blashfield, R. K., & Aldenferder, M. S. (1978). The literature on cluster analysis. Multivariate Behavioral Research, 13, 271-295. Cortright, J. (2006). Making sense of clusters: Regional competitiveness and economic development. Washington: The Brookings Institution Metropolitan Policy Program. Dornbusch, R., & Fischer, S. (1994). Macro economics (6th ed.). McGraw-Hill Inc., İstanbul: Literatür Yayıncılık. Dyson, R. G. (2004). Strategic development and SWOT analysis at the University of Warwick. European Journal of Operational Research, (152), 631-640. Erdoğan, B. Z., & Halil, E. E. (Ed.). (2017). Pazarlama yönetimi. Eskişehir, Anadolu Üniversitesi Yayınları. Ertem, C., & Yılmaz, M. L. (2014). Türkiye konut sektörü: Gelişmeler ve beklentiler. Stratejik Düşünce Enstitüsü, 11, 1-31. Gelfand, J. E. (1966). The credit elasticity of lower-middle income housing demand. Land Economics, 42(4), 464-472. Greene, W. H. (1997). Econometric analysis (3rd ed.). New Jersey: Prentice Hall, U.S.A. Greene, W. H. (2016). Ekonometrik çözümleme. (Ü. Şenesen. Çev.). Ankara: Palme Yayıncılık. Gujarati, D. (2016). Örneklerle ekonometri. (N. Bolatoğlu. Çev.). Ankara: BB101 Yayınları. He, J. H., & Fallah, M. H. (2011). The typology of technology cluster and its evolution evidence from the Hi-Tech industries. Technological Forecating & Social Change, 78(6), 945-952. Kaufman, L., & Rousseeuw, P. J. (1990). Finding groups in data: An introduction to cluster analysis. New York: Wiley-Interscience. Kaya, V., & Yılmaz, Ö. (2006). Bölgesel enflasyon bölgesel büyüme ilişkisi: Türkiye için zaman serisi ve panel veri analizleri. İktisat, İşletme ve Finans Dergisi, 21(247), 62-78. Kellekçi, Ö. L., & Berköz, L. (2006). Konut ve çevresel kalite memnuniyetini yükselten faktörler, İstanbul Teknik Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 5(2), 167-178. Kıral, G., & Esen, B. (2013). Avrupa Birliği’ne üye ülkeler ile Türkiye’nin ekonomik özelliklerinin istatistiksel yöntemleriyle incelenmesi. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22(1), 173-188. Krugman, P. (1991). Geography and trade. Cambridge: MIT Press. Lee, T. H. (1963). Demand for housing: A cross-section analysis. The Review of Economics and Statistics, 45(2), 190–196. Lu, H., & Huang, S. (2011). Clustering panel data. SIAM international workshop on data mining held in conjunction with the 2011, SIAM International Conference on Data Mining, 1-10. Maclennan, D. (1982). Housing economics. London and New York: Longman Group Limited. Markusen, A. (1996). Sticky places in slippery space: A typology of industrial districts. Economic Geopraphy, 72(3), 293-313. Martin, P. (1966). Aggregate housing demand: Test Model, Southern California, Land Economics, 42, 503–513. Mayda, A. M. (2005). International migration: A panel data analysis of economic and non-economic determinants, IZA Discussion Paper, 1590. Nasir, A., Bulu, M., & Eraslan, İ. H. (2006). The analysis of tourism cluster development of Istanbul: A longitudinal study in Sultanahmet District (OldTown). R. MacGregor (Ed.). Small business clustering technologies: Applications in marketing, management, IT and economics. USA: Idea Publishing, 184-197. Potter, A., & Watts, H. D. (2014). Revisiting Marshall’s agglomeration economies: Technological relatedness and the evolution of the sheffield metals cluster. Regional Studies, 48(4), 603–623. Pryce, G., & Sprigings, N. (2009). Outlook for UK housing and the implications for policy are we repeating what we have sown?, International Journal of Housing Markets and Analysis, 2(2), 145-166. Serrano, L. D. (2006). Housing Satisfaction, Homeownership and Housing Mobility: A Panel Data Analysis for Twelve EU Countries. Germany: IZA Discussion Paper No: 2318, 1-48. Tatoğlu, F. Y. (2013). Panel veri ekonometrisi: Stata uygulamalı, Beta Yayınları 2. Baskı, İstanbul. Tiwari, P. (2000). Housing demand in Tokyo. International Real Estate Review, 3(1), 65–92. Tunay, B., & Silpar, M. A. (2006). Türk ticari bankacılık sektöründe karlılığa dayalı performans analizi-II. Araştırma Tebliğleri Serisi, 2, 1-31. Ünlükaplan, Y. (2008). Çok değişkenli istatistiksel yöntemlerin peyzaj ekolojisi araştırmalarında kullanımı. Yayınlanmamış doktora tezi, Çukurova Üniversitesi, Adana. Wooldridge, J. M. (2003). Econometric analysis of cross section and panel data. Cambridge: The MIT Press. Zeytinoğlu, F. Ç. (2014). Kümeleme analizi: Kültür istatistiklerine göre illerin sınıflandırılmasına yönelik bir çalışma. İstanbul Ticaret Üniversitesi Sosyal Bilimler Dergisi, 13(25), 301-320.