اثر انتشار فضايي تغييرات قيمت مسكن در ايران با استفاده از مدل وقفه فضايي و داده‌هاي تركيبي

The Relationship between Energy Intensity and Economic Efficiency in the Selected Countries Using GMM: An Application of DEA Window Analysis

استفاده از اقتصادسنجي فضايي براي بررسي تحولات بازار مسكن مي‌تواند نقايص اقتصادسنجي متعارف را بهبود بخشد. براي اين منظور، در اين مطالعه از چارچوب مدل وقفه فضايي (SAR) و با استفاده از داده‌هاي تركيبي استان‌هاي اصلي كشور براي دوره (1389-1370) تغييرات قيمت مسكن در ايران مورد بررسي قرار گرفته است. نتايج به‌دست آمده بيانگر اين است كه اثر انتشار فضايي قيمت مسكن بين استان‌هاي مختلف كشور عاملي بسيار مهم در توضيح رفتار قيمت مسكن است و به‌طور متوسط افزايش 10 درصدي قيمت مسكن در ساير استان‌ها قيمت مسكن در استان موردنظر را به‌ميزان 6 درصد افزايش مي‌دهد. ساير متغيرهاي مدل شامل هزينه مالكيت اثر منفي و معنا‌دار و تسهيلات بانكي، قيمت زمين و هزينه ساخت آثار مثبت و معنا‌داري بر قيمت مسكن داشته‌اند، اما اثرگذاري هزينه‌ خانوارها كه به‌عنوان جايگزين متغيرهاي درآمد و ثروت مورد استفاده قرار گرفته با ابهام همراه بوده است.

Spatial econometrics can remove the defects of traditional econometrics in studying housing market condition. This article uses a Spatial Autoregressive Model (SAR) and panel data of important provinces of Iran during 1991 to 2010 to study house price changes. The results indicate that spatial spillover is strong and important because for a selected area, a 10 percent increase of house price would lead to 6 percent increase in house price in all other areas. However, results indicate that user cost has had negative and significant effects and on the other hand bank loans, land prices and construction costs have had positive and significant effects on real house prices. But, we could not find a confident evidence of effects of household expenditures (as a proxy of income and wealth effects) on house prices.