The Study of Heterogeneity in Spatial Dependence of Changes in Housing Prices in 22 Districts of Tehran

Document Type : Research Paper

Authors

1 . PhD Candidate, Department of Economics, University of Isfahan, Isfahan

2 Associate Professor, Department of Economics, University of Isfahan, Isfahan

3 Professor, Department of Economics, University of Isfahan, Isfahan

Abstract

The analysis of data on housing prices and their growth rates, typical of spatial data, is undoubtedly affected by spatial dependence. This means that housing prices and their growth in one district are affected by housing prices in neighboring districts. However, the other issue regarding housing prices in different districts is the heterogeneity of spatial dependence. This suggests that there are differences in the spatial dependence of housing prices in urban districts over time so that the spatial effects in urban districts when prices rise are different from the effects when prices fall. The theoretical analysis of this phenomenon is based on the theories of behavioral economics. In this study, the heterogeneity of spatial dependence of housing price growth rates was investigated for 22 districts of Tehran. Using a dynamic fixed effects spatial panel model, the effects of determinants on growth rates were estimated for 22 districts of Tehran. The test results indicate the existence of nonlinear relationships in the model. Therefore, the model was estimated by a smooth transition panel regression model with a transfer function in which the spillover rate of housing price growth rates from neighboring counties was determined as a transfer variable. The results show that the coefficient of spatial dependence for housing price growth rates is higher in boom times than in recession for Tehran districts. Thus, it can be concluded that there is heterogeneity in the spatial dependence of housing price growth rates in the urban districts of Tehran over time.
JEL Classification: C31, C33, R31.
 

Keywords


براتی، جواد، کریمی موغاری، زهرا و مهرگان، نادر (1396). تعیین و تحلیل فضایی سرریز سرمایه‌گذاری صنعتی استان‌های ایران. فصلنامۀ تحقیقات مدل‌سازی اقتصادی، 29، 133-99.
پورمحمدی، محمدرضا، قربانی، رسول و تقی‌پور، علی‌اکبر (1397). بررسی تطبیقی رهیافت‌های رگرسیون وزنی جغرافیایی و حداقل مربعات معمولی در برآورد مدل‌های مکان. نشریۀ پژوهش‌های جغرافیا و برنامه‌ریزی، 23(63)، 76-
خلیلی عراقی، سید منصور، کمیجانی، اکبر، مهرآرا، محسن و عظیمی، سید رضا (1392). اثر انتشار فضایی تغییرات قیمت مسکن در ایران با استفاده از مدل وقفۀ فضایی و داده‌های ترکیبی. فصلنامۀ پژوهش و سیاست‌های اقتصادی، 67، 48-25.
دهقانی، سحر، موسوی جهرمی، یگانه و عبدلی، قهرمان (1397). تئوری چشم‌انداز؛ رهیافتی نوین در توضیح پدیدۀ فرار مالیاتی. تحقیقات اقتصادی، 53(1)، 23-1.
رضایی، هادی، علیزاده، محمد و نادمی، یونس (1396). عوامل مؤثر بر مخارج بهداشتی سرانه: مقایسۀ مدل‌های فضایی در منتخبی از کشورهای درحال‌توسعه. فصلنامۀ نظریه‌های کاربردی اقتصاد، 4(4)، 26-
صارمی، حمیدرضا، حیدری، محمد و آقایی، فاطمه (1397). تحلیل فضایی قیمت مسکن با استفاده از تکنیک رگرسیون موزون جغرافیایی؛ مورد مطالعه: منطقۀ دو شهرداری تهران. فصلنامۀ اقتصاد شهری دانشگاه اصفهان، 3(2)، 38 -19.
طالبلو، رضا، محمدی، تیمور و پیردایه، هادی (1396). تحلیل انتشار فضایی تغییرات قیمت مسکن در استان‌های ایران (رهیافت اقتصادسنجی فضایی). فصلنامۀ پژوهشنامه اقتصادی، 7(66)، 95-
عسکری، حشمت‌الله و همکاران (1398). اقتصادسنجی فضایی در داده‌های مقطعی و ترکیبی (به کمک نرم‌افزار استتا). چاپ اول. ایلام: دانشگاه ایلام.
عسکری، علی و اکبری، نعمت‌الله (1380). روش‌شناسی اقتصادسنجی فضایی (تئوری و کاربرد). مجلۀ جامعه‌شناسی کاربردی، 12(1-2)، 122-93.
عظیمی،‌ سیدرضا (1391). نقش عوامل پایه‌ای و حباب بر نوسانات قیمت مسکن در ایران با استفاده از رویکرد ترکیبی فضایی. رسالۀ دکتری اقتصاد. دانشگاه تهران.
فرهمند، شکوفه و فروغی، فردوس (1390). تحلیل فضایی عوامل مؤثر بر قیمت مسکن در ایران (رهیافت رگرسیون وزنی جغرافیایی). سومین کنفرانس برنامه‌ریزی و مدیریت شهری. مشهد.
قلی‌زاده، علی‌اکبر و بختیاری‌پور، سمیرا (1391). اثر اعتبارات بر قیمت مسکن در ایران. فصلنامۀ مطالعات اقتصادی کاربردی ایران، 1(3)، 180-
قلی‌زاده، علی‌اکبر و کمیاب، بهناز (1394). غرامت‌های بیکاری منطقه‌ای در بازار مسکن استان‌های ایران. پژوهش‌های رشد و توسعۀ پایدار (پژوهش‌های اقتصادی)، 15(3)، 66-
قلی‌زاده، علی‌اکبر و عقیقی، بهاره (1394). اهرم و زمین و نوسانات قیمت مسکن در ایران. فصلنامۀ مطالعات اقتصادی کاربردی ایران، 4(14)، 67-49.
قلی‌زاده، علی‌اکبر (1387). نظریۀ قیمت مسکن در ایران (به زبان ساده). چاپ اول. تهران: نور علم.
لیسج، جیمز و پیس، کلی (1392). مقدمه‌ای بر اقتصادسنجی فضایی. ترجمۀ جلایی اسفندیاری، عبدالمجید و جمشیدنژاد، آرش. چاپ اول. تهران: نور علم.
Anenberg, E. (2011). Loss aversion, equity constraints and seller behavior in the real estate market. Regional Science and Urban Economics, 41(1), 67–76.
Anselin, L. (1988). Spatial Econometrics: Methods and Models. Dodrecht. The Netherlands: Kluwer Academic Publishers.
Anselin, L. (2003). Spatial externalities, spatial multipliers, and spatial econometrics. International Regional Science Review, 26, 153–166.
Aquaro, M., Bailey, N., & Pesaran, M. H. (2021). Estimation and inference for spatial models with heterogeneous coefficients: An application to US house prices. Journal of Applied Econometrics, 36(1), 18-44.
Astuti, A. M., Zain, I., & Purnomo, J. D. T. (2020). A Review of Panel Data on Spatial Econometrics Models. In Journal of Physics: Conference Series(Vol. 1490, No. 1, p. 012032). IOP Publishing.
Bandt, O., & Malik, S. (2010). Is there evidence of shift-contagion in international housing markets? Banque de France Working Paper 295, Banque de France.
Bivand, R., Millo, G., & Piras, G. (2021). A Review of Software for Spatial Econometrics in R. Mathematics, 9, 1276.
Brady, R. R. (2014). The spatial diffusion of regional housing prices across US states. Regional Science and Urban Economics, 46: 150–166.
Case, K., & Shiller, R. (1988). The behavior of home buyers in boom and post-boom markets. New England Economic Review, Nov, 29–46.
Cellmer, R., Cichulska, A., & Bełej, M. (2020). Spatial Analysis of Housing Prices and Market Activity with the Geographically Weighted Regression. International Journal of Geo–Information, 9(6), 380.
Cohen, J., Ioannides, Y., & Thanapisitikul, W. (2016). Spatial effects and house price dynamics in the USA. Journal of Housing Economics, 31, 1-13.
Cohen, J. P., Ioannides, Y. M., & Thanapisitikul, W. (2016). Spatial effects and house price dynamics in the USA. Journal of Housing Economics, 31, 1-13.
Colletaz, G., & Hurlin, C. (2006). Threshold effects of the public capital productivity: an international panel smooth transition approach.‌ Retrieved from: https://halshs.archives-ouvertes.fr/halshs-00008056.
DeFusco, A., Ding, W., Ferreira, F., & Gyourko, J. (2018). The role of price spillover in the American housing boom. Journal of Urban Economics, 108, 72-84.
Elhorst, J. P. (2021). Cross-section dependence and spillovers in space and time. Journal of Economic Surveys, 35(1), 192–226.
Elhorst, J. P. (2017). Spatial Panel Data Analysis, 2nd edition, pp. 2050-2058. Springer International Publishing, Cham, Switzerland.
Elhorst, J. P. (2014). Spatial Econometrics: From Cross-sectional Data to Spatial Panels. Berlin. Heidelberg.
Elhorst, J. P. (2011). Dynamic spatial panels: models, methods and inferences. Journal of Geographical Systems, 14, 5–28.
Genesove, D., & Mayer, C. (2001). Loss aversion and seller behavior: Evidence from the housing market. The Quarterly Journal of Economics, 116(4), 1233–1260.
Gillen, K., Thibodeau, T., & Wachter, S. (2001). Anisotropic autocorrelation in house prices. The Journal of Real Estate Finance and Economics, 23(1), 5-30.
Gong Y., Boelhouwer, P., & de Haan, J. (2014). Spatial dependence in house prices: Evidence from china’s interurban housing market. Ersa Conference Regional Science Association, 14- 448.
González, A., Teräsvirta, T., van Dijk, D., & Yang, Y. (2005). Panel Smooth Transition Regression model. SSE/EFI Working Paper Series in Economics and Finance 604. Stockholm School of Economics. ‌
Guo, J., & Qu, X. (2018). Spatial interactive effects on housing prices in Shanghai and Beijin. Regional Science and Urban Economics, 76(C), 147-160.
Holly, S., Pesaran, M. H., & Yamagata, T. (2011). The spatial and temporal diffusion of house prices in the UK. Journal of Urban Economics, 69(1), 2-23.
Hyun, D., & Milcheva, S. (2017). Spatial dependence in apartment transaction prices during boom and bust. Regional Science and Urban Economics, 68, 36-45.
Ioannides, Y. M., & Thanapisitikul, W. W. (2008). Spatial effects and house price dynamics in the continental US. 2014-10-15]. Retrieved from:
http://www. tufts. edu/yioannid/IoannidesThanapisitikulSpatEffects-07-08-08. pdf.‌
Kahneman, D., & Egan, P. (2011). Thinking, Fast and Slow (Farrar, Straus and Giroux, New York). Cited on (2011), 15.
Meen, G. (1999). Regional house prices and the ripple effect: A new interpretation. Housing Studies, 14(6), 733–753.
Moralı, O., & Yılmaz, N. (2020). An analysis of spatial dependence in real estate prices. The Journal of Real Estate Finance and Economics?, 1-23.
Mussa, A., Nwaogu, U. G., & Pozo, S. (2017). Immigration and housing: A spatial econometric analysis. Journal of Housing Economics, 35, 13-25.
Oikarinen, E., Bourassa, S. C., Hoesli, M., & Engblom, J. (2018). US metropolitan house price dynamics. Journal of Urban Economics, 105, 54-69.‌
Pijnenburg, K. (2017). The spatial dimension of US house prices. Urban Studies, 54(2), 466-481.
Thaler, R. H. (1999). Mental accounting matters. Journal of Behavioral Decision Making, 12, 183–206.
Wen, H. et al. (2017). Spatial heterogeneity in implicit housing prices: evidence from Hangzhou, China. Journal of Strategic Property Management, 21(1), 15–28.
Wen, H., Jin, Y., & Zhang, L. (2017). Spatial heterogeneity in implicit housing prices: evidence from Hangzhou, China. International Journal of Strategic Property Management21(1), 15-28.‌
Wood, R. (2003). The information content of regional house prices: Can they be used to improve national house price forecasts? Bank of England Quarterly Bulletin, 43(3), 304–314.
Wu, Y., Wei. Y.D. & Li, H. (2020). Analyzing spatial heterogeneity of housing prices using large datasets, applied spatial analysis and policy. Applied Spatial Analysis and Policy, 13, 223–256.
Xu, Y., & Yang, Z. (2020). Specification tests for temporal heterogeneity in spatial panel data models with fixed effects. Regional Science and Urban Economics. 81, Research Collection School of Economics. Retrieved from:
 https://ink.library.smu.edu.sg/ soe_research/2361.
Zhang, L., Wang, H., Song, Y., & Wen, H. (2019). Spatial spillover of house prices: An empirical study of the Yangtze Delta urban agglomeration in China. Sustainability11(2), 544.
Volume 56, Issue 3 - Serial Number 135
December 2021
Pages 471-505
  • Receive Date: 08 September 2021
  • Revise Date: 09 December 2021
  • Accept Date: 09 March 2022
  • First Publish Date: 09 March 2022