Kayseri’de Çoklu Regresyon ve Coğrafi Ağırlıklı Regresyon Yöntemleri ile Konutların Toplu Değerlemesi

Yıl 2023, Cilt: 4 Sayı: 1, 114 - 124, 28.03.2023

Mehmet Fatih Toprak , Oğuz Güngör

https://doi.org/10.48123/rsgis.1255881

Cited By: 2

Öz

Konutların toplu olarak değerleme işlemleri için çoklu regresyon ve coğrafi ağırlıklı regresyon analizleri kullanılarak yürütülen bu çalışma için Kayseri’de çok katlı binalarda yer alan konut verileri toplanmıştır. Öznitelik bilgileri olarak, konutun çevresine, konutun içinde bulunduğu binaya ve konutun iç özelliklerine ilişkin bilgiler toplanmıştır. Toplam 1365 adet veri ile yürütülen çalışmada her iki yönteme ilişkin sonuçların karşılaştırılabilmesi için R2, Ortalama Mutlak Hata (MAE), Mutlak Hata Oranları Ortalaması (MAPE), Hata Kareleri Ortalaması (MSE) ve Hata Kareleri Ortalamasının Karekökü (RMSE) ölçütleri hesaplanmıştır. Çoklu regresyon yönteminde R2: 0.741796, MAE: 89326, MAPE: 0.1675, MSE: 13256373049, RMSE: 115136 ve standart sapma: 0.1576 olarak bulunmuştur. Coğrafi ağırlıklı regresyon yönteminde ise R2: 0.762649, MAE: 85533, MAPE: 0.1604, MSE: 12185751976, RMSE: 110389 ve standart sapma: 0.1536 olarak hesaplanmıştır. Çoklu regresyon ve coğrafi ağırlıklı regresyon analizleri ile konut değer tahminlerinin her ikisinde de sonuçlar birbirine çok yakın çıkmış ve Kayseri şehir merkezinde konutların toplu olarak değerleme işlemlerinin bu yöntemlerle yapılabileceği sonucuna varılmıştır.

Anahtar Kelimeler

Konut değerleme, Toplu değerleme, Çoklu regresyon, Coğrafi ağırlıklı regresyon

Mass Appraisal of Residential Units in Kayseri with Multiple Regression and Geographically Weighted Regression Methods

Öz

For the purpose of mass appraisal, this study collected data on residential units located in multi-story buildings in Kayseri, and utilized multiple regression and geographically weighted regression analyses. Information on the surrounding area, the building in which the residential unit is located, and the interior features of the units were collected as attribute information. In the study, which was conducted with a total of 1365 data, R2, Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Mean Squared Error (MSE), and Root Mean Squared Error (RMSE) criteria were calculated to compare the results of both methods. In multiple regression analysis, R2 was found to be 0.741796, MAE was 89326, MAPE was 0.1675, MSE was 13256373049, RMSE was 115136, and the standard deviation was 0.1576. In the geographically weighted regression analysis, R2 was calculated as 0.762649, MAE was 85533, MAPE was 0.1604, MSE was 12185751976, RMSE was 110389, and the standard deviation was 0.1536. In both multiple regression and geographically weighted regression analyses, the results of estimated values were very close to each other, and it was concluded that mass appraisal processes of residential units in Kayseri city center can be performed with both methods.

Anahtar Kelimeler

Residential units valuation, Mass appraisal, Multiple regression, Geographically weighted regression

Kaynakça

• Akış, B. (2013). İstatistiki yöntemlerle değer belirleme ve değer haritası üretimi - Selçuklu örneği (Yüksek Lisans Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.
• Alpaslan, H. İ. (2015). TMS/TFRS Kapsamında Gayrimenkul Değerleme ve Gerçeğe Uygun Değerin Tespitinde Emsal Karşılaştırma ve Gelir İndirgeme Yöntemleri Üzerine Bir Uygulama. Nevşehir Hacı Bektaş Veli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 4(2), 17-35.
• Boza, E. (2015). Investigation of housing valuation models based on spatial and non-spatial techniques (Doctoral dissertation). Middle East Technical University, Geodetic and Geographic Information Technologies Department, Ankara, Türkiye.
• Baran, H. (2007). Ailelerin konut satın alma tutum ve davranışları üzerinde bir araştırma (Yüksek Lisans Tezi). Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Ankara.
• Chatterjee, S., Hadi, A. S., & Price, B. (2015). Regression analysis by example. New York, NY: John Wiley & Sons Inc.
• Demirci, N. S. (2009). Konut sorunu bağlamında ipoteğe dayalı konut finansmanı sistemi (Mortgage) ve Türkiye'de konut finansmanı (Yüksek Lisans Tezi). Kafkas Üniversitesi, Sosyal Bilimler Enstitüsü, Kars.
• Demirel, B., Yelek, A., Alağaş, H. M., & Eren, T. (2018). Taşınmaz değerleme kriterlerinin belirlenmesi ve kriterlerin önem derecelerinin çok ölçütlü karar verme yöntemi ile hesaplanması. Kırıkkale Üniversitesi Sosyal Bilimler Dergisi, 8(2), 665-682.
• Işik, O., & Pinarcioğlu, M. (2006). Geographies of a silent transition: A geographically weighted regression approach to regional fertility differences in Turkey. European journal of population / Revue européenne de Démographie, 22, 399-421.
• İlhan, A. T., & Öz, S. (2020). Yapay sinir ağlarının gayrimenkullerin toplu değerlemesinde uygulanabilirliği: Gölbaşı ilçesi örneği. Hacettepe Üniversitesi Sosyal Bilimler Dergisi, 2(2), 160-188.
• Khamrabaeva, L. (2020). Gayrimenkul Değerleme Yöntemleri: Hedonik Fiyat Modeli Üzerine Bir Uygulama (Yüksek Lisans Tezi). Uludağ Üniversitesi, Sosyal Bilimler Enstitüsü, Bursa.
• Küçükkaplan, İ., & Aldı, F. A. (2017). Denizli ilinde konut fiyatlarına etki eden faktörlerin panel verilerle analizi. Balıkesir Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 20(37), 219-236.
• Lockwood, T., & Rossini, P. (2012, January). Efficacy of the geographically weighted model on the mass appraisal process. In 18th Annual Pacific Rim Real Estate Society Conference, 2012. Proceedings. (pp. 1–17).
• McCord, M. J., MacIntyre, S., Bidanset, P., Lo, D., & Davis, P. (2018). Examining the spatial relationship between environmental health factors and house prices: NO2 problem? Journal of European Real Estate Research, 11(3), 353-398.
• Odabaşı, G. (2020). Türkiye’de taşınmaz değerleme yöntemleri ve uygulama alanlarının irdelenmesi (Yüksek Lisans Tezi). Gebze Teknik Üniversitesi, Kocaeli.
• Osland, L. (2010). An Application of Spatial Econometrics in Relation to Hedonic House Price Modeling. Journal of Real Estate Research, 32(3), 289-320.
• Tabar, M. E., Başara, A. C., & Şişman Y. (2021). Çoklu regresyon ve yapay sinir ağları ile Tokat ilinde konut değerleme çalışması. Türkiye Arazi Yönetimi Dergisi, 3(1), 01-07.
• Tanrıvermiş, H. (2017). Gayrimenkul değerleme esasları, SPL Sermaye Piyasası Lisanslama Sicil ve Eğitim Kuruluşu Lisanslama Sınavları Çalışma Kitapları, Ders kodu 1014. İstanbul: Lisanslama Sınavları Çalışma Kitapları.
• TCMB. (2022, Mayıs 11). Konut fiyat endeksi. Türkiye Cumhuriyet Merkez Bankası. Retrieved from https://evds2.tcmb.gov.tr/index.php?/evds/serieMarket/collapse_26/5949/DataGroup/turkish/bie_hkfe/
• Tobler, W. R. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46(1), 234-240.
• Walacik, M. Cellmer, R., & Zrobek, S. (2013). Mass Appraisal-International Background, Polish Solution and Proposal of New Methods Application. Geodetskii List, 67(4), 255-269.
• Wang, D., Li, V. J., & Yu, H. (2020). Mass Appraisal Modeling of Real Estate in Urban Centers by Geographically and Temporally Weighted Regression: A Case Study of Beijing’s Core Area. Land, 9(5), 143. doi:10.3390/land9050143.
• Yalpır, Ş. (2007). Bulanık mantık metodolojisi ile taşınmaz değerleme modelinin geliştirilmesi ve uygulaması: Konya örneği (Doktora Tezi). Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Konya.