شبيه‌سازي تغييرات قيمت مسكن در ده كلان‌شهر كشور با استفاده از رويكرد پويايي‌شناسي سيستم

A simulation of housing price changes in ten metropolises of the Iran: Using a system dynamics approach

مسكن به عنوان اصلي ­ترين دارايي در سبد پرتفوليوي خانوارها در اقتصاد ايران بشمار مي ­رود, در نتيجه، تغييراتي كه در قيمت مسكن رخ مي ­دهد از يك سو، باعث تغيير در ثروت فرد در طول زمان و به تبع آن مطلوبيت ناشي از مصرف مي ­شود و از سوي ديگر، با توجه به متفاوت بودن تركيب دارايي براي افراد مختلف، تغيير در قيمت مسكن موجب مي شود ثروت افراد مختلف در مقايسه با يكديگر تغيير كند. از اين رو در حوزه ­ي مسكن بطور معمول مهم­ ترين چالش كنترل قيمت مسكن است. در پژوهش حاضر سعي بر آن شده تا با در نظر گرفتن روابط علّي ميان متغيرهاي كلان اقتصادي و عوامل جمعيت­ شناختي، ميانگين قيمت احتمالي هر متر مربع مسكن در ده كلان­ شهر رسمي كشور تا سال 1401 مورد پيش ­بيني قرار گيرد و سپس با ارائه ­ي سناريوهايي زمينه­ ي مرتفع نمودن چالش مذكور فراهم گردد. به منظور تحقق اين مهم از نرم ­افزار Vensim DSS در راستاي شبيه ­سازي مدل پژوهش و استخراج نتايج ناشي از آن استفاده شده است. همچنين بايد خاطر نشان كرد كه اين تحقيق از روش پويايي­ شناسي سيستمي بهره گرفته است. نتايج حاصل از پژوهش حاكي از آن است كه افزايش 10 درصدي قيمت نفت و نرخ ارز با در نظر گرفتن همين مقدار تغيير در نرخ مهاجرت به ترتيب زمينه­ ي رشد قيمت مسكن در ايران بطور ميانگين تا سطح 26/43 و 5/6 درصد مي رسد.

Housing is considered to be the main asset in the portfolio of households in the Iranian economy. The changes in housing prices, will change the wealth of citizens over the time and consequently will change the utility of consumption. Given the different composition of assets for different individuals, the change in housing prices will cause different people's wealth to change relative to each other. Therefore, the control of housing prices at metropolises is the most important challenge, the Iran’s Government is facing. The study aims to investigate the causal relationship between macroeconomic variables and demographic factors to predict the average possible price per square meter of housing in ten formal metropolises of the country until 2022 and by presenting scenarios, to provide a context for resolving the mentioned challenge. We used the Vensim DSS software to simulate the research model and system dynamic approach to derive the results. Findings indicate that a 10% increase in oil prices and exchange rates, taking into account the same rate of change in migration, the growth of housing prices in Iran will reach to an average of 26.43 and 5.6 percent respectively.