شبیه سازی قیمت مسکن شهر تهران با رویکرد مبتنی بر عامل فضایی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه اقتصاد، دانشکده اقتصاد، دانشگاه الزهراء (س)، ایران، تهران

2 گروه اقتصاد، دانشکده اقتصاد، دانشگاه الزهراء (س)، تهران، ایران

چکیده

بخش مسکن همواره نقش مهمی در اقتصاد ایفا کرده است و نوسانات آن اثرات قابل توجهی بر اقتصادهای مختلف داشته است. قبل از بحران مالی 2007، معمولاً از مدل‌های استاندارد برای توضیح تغییرات قیمت استفاده می‌شد. این مدل‌ها فرض می‌کردند که عوامل منطقی و آگاه هستند و عواملی مانند غیرمنطقی بودن و ناهمگنی افراد را که می‌توانند در چنین بحران‌هایی نقش داشته باشند، نادیده می‌گیرند. با این حال، مدل‌های عامل محور دیدگاه متفاوتی را ارائه می‌دهند، اقتصاد را به عنوان یک سیستم پیچیده با عوامل ناهمگن دارای اطلاعات محدود، و در تعامل با یکدیگر می‌دانند. در نتیجه، هدف این مطالعه ارزیابی یک مدل مبتنی بر عامل فضایی است که به‌طور خاص برای تحلیل بازار مسکن در تهران توسعه یافته است. نتایج شبیه سازی در یک دوره یازده ساله نشان داد که تقاضای رو به رشد خانوارهای جوان با پس انداز محدود برای واحدهای مسکونی زیر 100 متر مربع به‌طور قابل توجهی قیمت این واحدهای خاص را افزایش داد و از سایر املاک مسکونی پیشی گرفت. علاوه بر این، یافته‌ها حاکی از افزایش قابل توجه قیمت مسکن در مناطق مرکزی شهر بود که عمدتاً ناشی از هجوم خانواده‌های جوان به این مناطق است که به دنبال فرصت‌های سرمایه‌گذاری هستند.
طبقه‎بندی JEL: R31، C61، C25

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

The Simulation of Housing price in Tehran: An Spatial Agent Based Approach

نویسندگان [English]

  • Mir hosein mousavi Mousavi 1
  • Avin khezri 2
  • Hossein Raghfar 2
  • Kobra Sangari Mohazab 2
1 Department of Economics, Faculty of Economics, University of Alzahra, Tehran, Iran,
2 Department of Economics, Faculty of Economics, University of Alzahra, Tehran, Iran
چکیده [English]

The housing sector has always played a crucial role in the economy, with its fluctuations exerting significant effects on various economies. Prior to the 2007 financial crisis, standard models were commonly employed to explain price changes. These models assumed that agents were rational and well-informed, disregarding factors like irrationality and the heterogeneity of individuals that could contribute to such crises. However, agent-based models offer a different perspective, viewing the economy as a complex system with heterogeneous agents possessing limited information, engaging in interactions with each other. As a result, this study aims to evaluate a spatial agent-based model, specifically developed to analyze the housing market in Tehran. The simulation's results over an eleven-year period revealed that the growing demand from young households with limited savings for residential units under 100 square meters significantly drove up the prices of these particular units, outpacing other residential properties. Moreover, the findings indicated the higher growth of housing prices in the central areas of the city, primarily triggered by the influx of young households into these regions, seeking investment opportunities.  
JEL Classification: R31، C61، C25

کلیدواژه‌ها [English]

  • Housing price
  • spatial Agent based models
  • Tehran

مراجع

  1. امجدی، محمد حسین؛ شکیبایی، علیرضا و جلایی، سید عبدالمجید (1401). تأثیر نرخ ارز، و نااطمینانی نرخ ارز و پاندمی کووید 19 بر قیمت مسکن (مطالعه موردی: شهر تهران)، پژهش‌های اقتصادی ایران، 27 (92)، 213-241.
  2. بهرامی، جاوید و حبیب، مروت (1392). مدل‌سازی روﻧﻖ و رﮐﻮد ﺑﺎزار ﻣﺴﮑﻦ ﺗﻬﺮان ﺑﺎ در نظر گرفتن پویایی‌های اجتماعی، پژوهش‌ها و سیاست‌های اقتصادی، 21 (66)، 143-168.
  3. پناهی، حسین، بهبودی، داود، اصغر پور، حسین و کشتکاران، نجمه(1397). بررسی آثار تکانه‌های سیاست پولی بر بخش مسکن در قالب الگوی تعادل عمومی پویای تصادفی، اقتصاد شهری، 3 (2)، 1-18.
  4. ساقی، فرزاد؛ هژبر کیانی، کامبیز؛ میرزا‌پور باباجان، اکبر و اکبری مقدم، بیت‌الله (1397).اثرات نامتقارن سیاست‌های پولی بر بازار مسکن ایران: رویکرد غیرخطی MS-VAR، نظریه‌های کاربردی اقتصاد، 2 (3)، 75-102.
  5. سید نورانی، سید محمدرضا (1393). بررسی سفته‌بازی و حباب قیمت مسکن در مناطق شهری ایران، پژوهشنامه اقتصادی، 14 (52)، 49-68.
  6. عزیزی، محمد مهدی (1383). جایگاه شاخص‌های مسکن در فرایند برنامه‌ریزی مسکن، نشریه هنرهای زیبا، (17)، 31-42.
  7. فلاح شمس، میرفیض، شریعت‌زاده، ایرج و گلزار میرزاوند (1391). بررسی وجود حباب قیمت در بازار مسکن ایران با استفاده از تکنیک ADL، مجله مهندسی مالی و مدیریت اوراق بهادار، 4 (13)، 50-35.
  8. قادری، جعفر و ایزدی، بهنام (1395). بررسی تأثیر عوامل اقتصادی و اجتماعی بر قیمت مسکن در ایران (1391-1350)، اقتصاد شهری، 1(1)، 75-55.
  9. قاسمی، محمد رضا؛ اربابیان، شیرین و جعفری، الناز (1392). اندازه‌گیری حباب قیمت مسکن در ایران و تأثیر سیاست پولی بر آن، پژوهش پولی و بانکی، 6 (18)، 21-1.
  10. قلی زاده، علی اکبر (1387). نظریه قیمت مسکن در ایران، انتشارات نور علم، همدان.
  11. منجذب، محمد رضا؛ خندان، عباس و شاه بهرامی، حمید (1401). اندازه‌گیری درجه سفته‌بازی در بازار مسکن (مسکونی) مناطق شهری استان‌های منتخب ایران: رهیافت اقتصادسنجی فضایی، مجله تحقیقات اقتصادی، 57 (1)، 188-157.
  12. موسوی، میرحسین و درودیان، حسین (1394). تحلیل عوامل مؤثر بر قیمت مسکن در شهر تهران، مدل‌سازی اقتصادی، 9 (3)، 127-103.
  13. نعمتی، غلامرضا؛ علیزاده، محمد و فطرس، محمد حسن (1400). تأثیر عوامل جمعیتی و ساختار سنی جمعیت بر قیمت مسکن ایران با تأکید بر سالخوردگی جمعیت: رویکرد بیزی، اقتصاد و مدیریت شهری، 9 (35)، 63-37.
  14. Guvenen, F. (2009). An empirical investigation of labor income processes, Review of Economic dynamics, 12 (1), 58–79
  15. Arnott, R., & Stiglitz, J. E. (1979). Aggregate land rents, excess demand, and the distribution of benefits from public goods. The Quarterly Journal of Economics, 94(4), 725-749.
  16. Ascari, G., Pecora, N., & Spelta, A. (2018). Booms and busts in a housing market with heterogeneous agents. Macroeconomic Dynamics, 22 (7), 1808-1824.
  17. Axtell, R., Farmer, D., Geanakoplos, J., Howitt, P., Carrella, E., Conlee, B., & Palmer, N. (2014). An agent-based model of the housing market bubble in metropolitan Washington, dc. In Whitepaper for Deutsche Bundesbank’s Spring Conference on “Housing markets and the macroeconomy: Challenges for monetary policy and financial stability.
  18. Belke, A., & Keil, J. (2018). Fundamental determinants of real estate prices: A panel study of German regions. International Advances in Economic Research, 24, 25-45.
  19. Campisi, G., Naimzada, A. K., & Tramontana, F. (2018). Local and global analysis of a speculative housing market with production lag. Chaos: An Interdisciplinary Journal of Nonlinear Science, 28 (5), 055901
  20. Case, K. E., & Shiller, R. J. (2003). Is there a bubble in the housing market? Brookings Papers on Economic Activity, 2003(2), 299-362.
  21. Case, K. E., & Shiller, R. J. (2003). Is there a bubble in the housing market? Brookings Papers on Economic Activity, 2003 (2), 299-362.
  22. Erlingsson, E. J., Raberto, M., Stefánsson, H., & Sturluson, J. T. (2012). Integrating the housing market into an agent-based economic model, Managing Market Complexity.
  23. Erlingsson,E.J.,Teglio,A.,Cincotti,S.,Stefansson,H.,Sturlusson, J.T. , & Raberto, M. (2014). Housing market bubbles and business cycles in an agent-based credit economy, Economics: The Open-Access, Open-Assessment E-Journal 8 (2014-8), 1– 42.
  24. Ge, J. (2013). Endogenous rise and collapse of housing prices.
  25. Ge, J. (2017). Endogenous rise and collapse of housing price: an agent-based model of the housing market. Computers, Environment and Urban Systems, 62, 182-198.
  26. Geanakoplos, J., Axtell, R., Farmer, J. D., Howitt, P., Conlee, B., Goldstein, J., ... & Yang, C. Y. (2012). Getting at systemic risk via an agent-based model of the housing market. American Economic Review, 102 (3), 53-58.
  27. Glaeser, E. L., & Gyourko, J. (2003). The impact of building restrictions on housing affordability. Federal Reserve Bank of New York Economic Policy Review, 9 (2), 21-39.
  28. Glaeser, E. L., Gyourko, J., & Saks, R. E. (2008). Why have housing prices gone up? The American Economic Review, 98 (2), 303-307.
  29. Goodman, A. C., Ittner, C. D., & Myers, C. A. (2015). Housing market dynamics: On the contribution of income shocks and credit constraints. Journal of Monetary Economics, 76, S94-S109.
  30. Hendershott, P. H. (2004). The components of value and real estate returns. Journal of Real Estate Finance and Economics, 29 (2), 127-145.
  31. Kalabiska, R., & Hlavacek, M. (2022). Regional Determinants of Housing Prices in the Czech Republic. Finance a Uver: Czech Journal of Economics & Finance, 72 (1).
  32. Karlik, B., & Olgac, A. V. (2011). Performance analysis of various activation functions in generalized MLP architectures of neural networks. International Journal of Artificial Intelligence and Expert Systems, 1(4), 111-122.
  33. Kırca, M., & Canbay, Ş. (2022). Determinants of housing inflation in Turkey: a conditional frequency domain causality. International Journal of Housing Markets and Analysis, 15 (2), 478-499.
  34. Lucas, R. E. (1976, January). Econometric policy evaluation: A critique. In Carnegie-Rochester conference series on public policy, 1(1), 19-46.
  35. Macal, C. M., & North, M. J. (2010). “Tutorial on Agent-based Modelling and Simulation.” Journal of Simulation, 4 (3), 151–162.
  36. Malpezzi, S. (2003). Hedonic pricing models: a selective and applied review. Housing economics and public policy, 1, 67-89.
  37. Oikarinen, E. (2006). The Diffusion of Housing Price Movements from Centre to Surrounding Areas, Journal of Housing Research, 15 (1).
  38. Plassmann, F., & Tideman, T. N. (2001). Regional housing supply and demand. Journal of Housing Economics, 10 (3), 278-294.
  39. Rosen, S. (1974). Hedonic prices and implicit markets: product differentiation in pure competition. The Journal of Political Economy, 82 (1), 34-55.
  40. Shiller, R. J. (2007). Understanding recent trends in house prices and home ownership.
  41. Xu, L., & Tang, B. (2014). On the determinants of UK house prices. International Journal of Economics and Research, 5 (2), 57-64.

 

فایل ها

سابقه مقاله

  • تاریخ دریافت: 31 مرداد 1401
  • تاریخ بازنگری: 29 خرداد 1402
  • تاریخ پذیرش: 02 مرداد 1402

هم رسانی

ارجاع به این مقاله

آمار