ا نتیجه گرفته شده است و همچنین در این بررسی مشخص شده است که در مناطقی که درآمد بالاتری دارند قیمت مسکن حساسیت بیشتری به نرخ بیکاری دارند تا مناطق با درآمد کمتر.همچنین در این بررسی نتیجه گرفته شده است که تغییر نرخ بیکاری بر قیمت مسکن در جنوب انگلستان حساسیت بیشتری دارد تا اثر تغییر نرخ بیکاری بر قیمت مسکن در شمال انگلستان.
کاترینا پیننبرگ13(2013)در بررسی خود تحت عنوان ابعاد وابستگی فضایی افزایش قیمت مسکن برای امریکا با استفاده از روش پنل دیتای فضایی به بررسی عوامل موثر بر قیمت مسکن پرداخته است.متغییر وابسته در مدل ارائه شده توسط این محقق شاخص قیمت مسکن و متغییرهای توضیحی مورد استفاده عبارتند از 1-جمعیت 2-نرخ بیکاری 3- درآمد خانوارها 4-تعداد پروانه های ساختمانی صادر شده که تمام متغییر های توضیحی با دو وقفه در مدل وارد شده اند.وزرن مورد استفاده در این بررسی معکوس فاصله بین دو ناحیه است که در متغییر وابسته با یک وقفه ضرب و به عنوان متغییر توضیحی برای وارد کردن تاثیرات فضایی قیمت مسکن یک منطقه بر دیگر مناطق وارد مدل شده است. وی نتیجه گرفته است که ناهمگنی فضایی تاثیر انتشار افزایش قیمت مسکن در طی زمان درمناطق مختلف وجود دارد.همچنین وی در یافته است که تاثیر موج مانند افزایش قیمت مسکن در یک ناحیه بر نواحی مجاورش قوی تر از تاثیر کاهش قیمت مسکن یک ناحیه بر نواحی مجاورش است.مدل نهایی تخمین زده شده توسط این محقق بصورت زیر است:

hpiit=μi+αpopulationit-3+βunemploymentit-2+λincomit-2+δbulding permitsit-1+ρ∑_(j=1)^N▒〖w_ij 〖hpi〗_(jt-1) 〗+ε_it (22-2)

بیانلینگ او14(2014) در مقاله ای تحت عنوان قیمت مسکن در چین با استفاده از روش پنل دیتای فضایی به بررسی قیمت مسکن برای کشور چین پرداخته است.مدل مورد استفاده این محقق بصورت زیر است:

hpriceit= μi+βi,1incomei,t+ βi,2popgi,t-1+ βi,3hcosti,t-1+γi,1stockt+ γi,2mosupt+uit (23-2)

در مدل فوق:
hpriceit لگاریتم قیمت واقعی مسکن در شهر i ودر زمان t
incomei,t لگاریتم درآمد قابل تصرف شخصی سرانه واقعی در شهر i ودر زمان t
popgi,t-1 نرخ جمعیت
hcosti,t-1 هزینه خالص قرض گرفتن که برابر است با:
hcosti,t-1=rt-Δhpriceit
rt نرخ بهره بلند مدت در زمان t
stockt موجودی نرخ ارز
mosupt عرضه پول در زمان t
وی در این بررسی همچنین از آزمون cd پسران برای اثبات وجود وابستگی در پسماندها استفاده کرده است.نتایج بررسی حاکی از ارتباط مثبت بین عرضه پول و در آمد با قیمت مسکن و ارتباط معکوس بین هزینه قرض گرفتن با قیمت مسکن می باشد .ضرایب جمعیت وموجودی نرخ ارز نیز از نظر آماری معنی دار نبودند.
مین 15(199) در مطالعه خود تحت عنوان ناهمگنی فضایی و تاثیر موجی برای کشور انگلستان به روش پنل دیتای فضایی به بررسی بازار مسکن پرداخته است.مین در این بررسی تاثیر گذاری قیمت مسکن جنوب انگلستان و انتقال آنرا به سایر مناطق آزموده است.بنابر فرضیه اوتغییرات قیمت مسکن در هر منطقه تحت تاثیر سه دسته عوامل قرار می گیرد.اول ،عوامل کلان اقتصادی که بین همه مناطق یکسان است.دوم ،عوامل اقتصادی خاص هر منطقه و سوم ،ارتباطات موجود بین قیمتها در بازار های منطقه ای مسکن.وی با تعریف یک رابطه برای قیمت مسکن در سطح ملی و دو رابطه محلی برای جنوب و شمال انگلستان ،به بررسی اثر پذیری قیمت مسکن در شمال این کشوراز مراکز اقتصادی بزرگ جنوب پرداخته است.روش تخمین وی رگرسیونهای به ظاهر نامرتبط (sur) است.وی در مدل خود از درآمد و نرخ بیکاری هر منطقه در کنار متغیر کلان نرخ بهره به عنوان متغیر توضیحی در رابطه هر منطقه استفاده کرده است.نتایج حاکی از تاثیر با وقفه قیمتهای جنوب بر قیمتهای مناطق شمالی بوده است.وی همچنین در یافته است که قیمت مسکن در بخش جنوب این کشور نسبت به تغییر نرخ بیکاری حساسیت بیشتری نسبت به مناطق شمالی این کشور دارد.

جدول(2-1):خلاصه تحقیقات داخلی و خارجی انجام شده در باره مسکن
نام محقق یا محققین
عنوان تحقیق
متغیر وابسته
متغیرهای توضیحی
روش انجام تحقیق
احمد جعفری ، زهرا علمی و آرش هادی زاده (1386)
عوامل موثر بر تعیین رفتار شاخص قیمت مسکن در ایران با استفاده از مدل اقتصاد کلان
شاخص قیمت مسکن
درآمد سرانه خانوارها ، شاخص قیمت سهام ،شاخص قیمت خدمات ساختمانی ،تعداد ساختمانهای تکمیل شده ،حجم پول ونرخ تورم
ARDL
محمود متوسلی ،شاپور محمودی و حسین درودیان(1388)
تحلیل تسری نوسانات قیمت مسکن بین مناطق مختلف شهر تهران
قیمت یک متر مربع واحد مسکونی
تراز حقیقی نقدینگی ،شاخص قیمت حقیقی مصالح ،نرخ ارز حقیقی ،شاخص حقیقی بورس اوراق بهادار و مقادیر گذشته قیمت هر منطقه
SAR PAEL
حشمت اله عسکری و اسحاق الماسی(1388)
عوامل موثر بر قیمت مسکن در مناطق شهری کشور به روش داده های تابلویی
قیمت یک متر مربع مسکن در استانها
تعداد خانوارها در استانها ،متوسط در آمد واقعی خانوارها در استانها ،متوسط هزینه ساخت یک متر مربع مسکن در استانها ،متوسط قیمت یک متر مربع زمین در استانها ،شاخص کل سالانه بازار اوراق بهادار ،قیمت یک گرم طلا) ،متوسط نرخ سود بلند مدت ، کل تسهیلات بخش مسکن ، تولید ناخالص داخلی استانها،نرخ ارز غیر رسمی و شاخص قیمت خرده فروشی
PANEL
مک کویین(Mcquinn ,2004)
تعین قیمت مسکن
قیمت یک متر مربع واحد مسکونی
درآمد سرانه ، قیمت رهن مسکن ،شاخص
دستمزد
Simultaneous Equation Model
جیو سانی و هاجینسیو(Giussani and Hadjinatheou ,1995)
مدلسازی قیمت مسکن برای انگلستان
قیمت یک متر مربع واحد مسکونی
درآمد قابل تصرف سرانه هرمنطقه ،نسبت خانوارها به موجودی خانع ها ، نرخ بهره و نرخ بیکاری
OLS
کاترینا پیننبرگ(Kathrina Pijnenburg,2013
ابعاد وابستگی فضایی افزایش قیمت مسکن برای امریکا
شاخص قیمت مسکن
جمعیت ،نرخ بیکاری ، درآمد خانوارها،تعداد پروانه های ساختمانی صادر شده
SAR PANEL
بیانلینگ او(Bianling Ou,2014)
قیمت مسکن در چین
قیمت واقعی مسکن
درآمد قابل تصرف شخصی سرانه ، نرخ جمعیت ، نرخ بهره بلند مدت ، موجودی نرخ ارز، عرضه پول
SAR PANEL
مین (Meen,199)
ناهمگنی فضایی و تاثیر موجی
قیمت مسکن
درآمد و نرخ بیکاری هر منطقه در کنار متغیر کلان نرخ بهره
SUR
کریس لیشمن وگلن براملی(2004)
بازار مسکن با واکنش فضایی وکنترل کاربری استفاده از زمین
قیمت مسکن
درآمد خانوارها ، ثروت خانوارها ، فاکتورهای منطقه ای موثر بر تقاضای مسکن ، نرخ رهن خانه های مسکونی
Simultaneous Equation Model

این مطلب مشابه را هم بخوانید :   پایان نامه ارشد رایگان با موضوعآزمون فریدمن، رتبه بندی، اثرات اقتصادی، استان مازندران

فصل سوم:روش تحقیق

3-1-مقدمه
در این فصل ابتدا مدل پنل دیتا توضیح داده شده است سپس آزمونهای پایایی یا ایستایی برای داده های پنل یا داده های ترکیبی ،آزمونهای هم جمعی،نحوه انتخاب بین مدل اثرات ثابت وتصادفی شرح داده شده است .توضیح مختصری در باره روشهایGLS و GMM ،.معرفی مدل پنل دیتای فضایی ،انواع آن ،آزمونهای تعین وابستگی فضایی ،معرفی ماتریس وزن ونحوه انتخاب و تشکیل آن نیز از دیگر مواردی است که در این فصل در باره آنها توضیح داده شده است. در بخش آخر این فصل براساس مطالعات داخلی و خارجی و مبانی نظری ارائه شده در فصل دوم تصریح مدل اقتصاد سنجی برای این بررسی آمده است. وسپس متغیرهای مورد استفاده در این بررسی شرح داده شده وتحلیلی نموداری از متغیرهای مورد استفاده ارائه شده است.
3-2-معرفی داده های ترکیبی
شکل کلی مدل داده های ترکیبی بصورت زیر است:

Yit=βxit+αzi+ε_it (1-3)

دررابطه فوق Y متغییروابسته ،x متغییرهای توضیحی است که هم در طول زمان وهم در بین گروهها تغییر می کند. zi نشان دهنده خصوصیات ویژه هر فرد یا گروه ویا مقطع است که نا همگنی بین گروهی را منعکس می کند.i نشان دهنده مقطعها ،t دوره زمانی است.در واقعzi شامل یک جمله ثابت و مجموعه ای از متغییرهای خاص هر فرد یا گروه است که ممکن است قابل مشاهده یا غیر قابل مشاهده باشند. ε_itخطای برآورد داده های ترکیبی است که تمامی شرایط مربوط به جملات خطا تحت فرضیات گوس-مارکف را دارا است.جمله روند نشان دهنده تغییرات جمله ثابت در طول زمان است.این مدل به مدل داده های ترکیبی دوطرفه معروف است.
اگر متغییر z قابل مشاهده باشد ،می توان مدل (3-4) را به روش OLS برآورد کرد.اما بطور کلی چند حالت وجود دارد که قابل بررسی است. (سوری،1392، ص 771)

3-2-1-رگرسیون تجمیعی
اگر zi فقط شامل یک جمله ثابت باشد که برای همه گروهها یکسان است در این صورت معادله زیر را خواهیم داشت:

Yit=βxit+α+ε_it (2-3)

این معادله با روش OLS قابل برآورد است وتخمینهای آن سازگار و کارا خواهند بود.(سوری،1392، ص 772)

3-2-2-اثرات ثابت16
اگر zi مشاهده شده نباشد اما با xit همبستگی داشته باشد، در این صورت برای هر گروه یک عرض از مبدا(αi )خواهیم داشت که معادله آن عبارت است از:
Yit=βxit+αi+ε_it (3-3)

در مدل فوق α_i=αz_i است که تمام اثرات قابل مشاهده را در بر دارد و بیانگر یک میانگین شرطی قابل تخمین است.یعنی به جای z iα یک میانگین شرطی برای گروه i معرفی می کند که برابر αi است. به عبارت دیگر متغییر غیر قابل مشاهده z_i را حذف کرده و به جای آن αi را قرار داده ایم.تخمین معادله (3-6) به روش OLS به علت متغییرهای حذف شده دارای تورش است.در رویکرد اثرات ثابت ، به هر گروه یک مقدار ثابت مانند αiاختصاص داده می شود.بایستی توجه داشت که اصطلاح اثرات ثابت بدان معنا است که در طول زمان تغییر نمی کند ولی از یک گروه به گروه دیگر دچار تغییر می شود.(سوری ،1392،ص 772)

3-2-3-اثرات تصادفی17
اگر ناهمگنی های فردی قابل مشاهده نباشد، می توان فرض کرد که این ناهمگنی ها با متغییرهای توضیحی همبستگی ندارند.در چنین حالتی اگر فرض کنیم که تفاوت های گروهی ناشی از عوامل تصادفی است آنگاه αz_iرا می توان تصادفی فرض نمود که مستقل ازxit است.برای هر متغییر تصادفی می توان رابطه زیر را نوشت:

αz_i=E(αz_i )+u_i (4-3)

رابطه فوق نشان می دهد که αz_iاز دو جزء تشکیل شده است:یکی جزء مورد انتظار که فرض می کنیم برای همه گروهها یکسان است و عوامل تصادفی نقشی در آن ندارند و لذا آن را بصورت α = E(αz_i ) می نویسیم.دیگری جزءتصادفی است که به خاطر وجود عوامل تصادفی ، در اطراف α نوسان می کند که آن را با ui نشان می دهیم .بدین ترتیب معادله زیررا خواهیم داشت:

Yit=βxit+α+〖+u_i+ε〗_it (5-3)

در رویکرد تصادفی ،u_i عنصر تصادفی مختص هر گروه است.( سوری، 1392،ص 772)
3-3-آزمونهای ریشه واحد در داده های ترکیبی
آزمونهای مختلفی برای بررسی وجود ریشه واحد در داده های ترکیبی ار
ائه شده است که برخی از آنها شامل لوین ، لین وچو(LLC )18(2002)،برایتونگ19(2000 )،ایم ، پسران وشین 20(IPS )(2003)،ADF-Fisher 21و PP-Fisher 22، مادلاو وو23(1999 )و چوئی24(2001) و هادری25 می باشد. هر چند این آزمونها معروف به آزمون ریشه واحد در داده های ترکیبی هستند ولی در واقع می توان آنهارا آزمونهای ریشه واحد در سری های چند گانه دانست که برای داده های ترکیبی نیز بکار می روند.
بطور کلی آزمون ریشه واحد در داده های ترکیبی مشابه سری های زمانی یک متغیره

برای دانلود متن کامل فایل این  پایان نامه می توانید  اینجا کلیک کنید