نوع مقاله : مقاله علمی و پژوهشی

نویسندگان

• سعید کیان پور ¹
• رضا شمس اللهی ²
• مریم داربیدی ³
• مالک خبازی خانقاه ⁴

¹ عضو هیات علمی گروه اقتصاد دانشگاه پیا م نور

² دانشجوی دکتری اقتصاد، دانشکده اقتصاد و حسابداری، دانشگاه رازی، کرمانشاه، ایران

³ دکتری اقتصاد، دانشکده اقتصاد و حسابداری، دانشگاه رازی، کرمانشاه، ایران

⁴ کارشناسی ارشد علوم اقتصادی، دانشگاه یزد، یزد، ایران

چکیده

این پژوهش تأثیر متغیرهای کلان اقتصادی بر تقاضای مسکن شهری در ایران را طی دوره 1377 تا 1401 بررسی کرد. هدف مطالعه شناسایی عوامل اقتصادی مؤثر بر تقاضای مسکن بود. داده‌های سری زمانی سالانه از منابع رسمی مانند بانک مرکزی و مرکز آمار ایران جمع‌آوری شدند و شاخص قیمت زمین به‌عنوان پروکسی تقاضای مسکن استفاده شد. مدل ARDL برای تحلیل روابط بلندمدت و کوتاه‌مدت، همراه با رویکرد هدانیک ساده‌شده و الگوریتم یادگیری ماشین به کار گرفته شد. یافته‌ها نشان داد که تعداد تسهیلات بانکی تأثیر مثبت و معناداری بر تقاضای مسکن داشت، در حالی که تورم اثر منفی بر تقاضای واقعی مسکن ایجاد کرد. همچنین، سناریوسازی برای دوره 1404 تا 1410 نشان‌دهنده تأثیر سیاست‌های کلان بر تقاضای مسکن بود. این مطالعه ابزارهای ارزشمندی برای سیاست‌گذاری در بازار مسکن ارائه داد و پیشنهاد کرد که کنترل تورم و افزایش دسترسی به تسهیلات می‌تواند تعادل بازار را بهبود بخشد. نهاد کرد که کنترل تورم و افزایش دسترسی به تسهیلات می‌تواند تعادل بازار را بهبود بخشد.

کلیدواژه‌ها

• تقاضای مسکن
• متغیرهای کلان اقتصادی
• قیمت زمین
• تورم
• تسهیلات بانکی

موضوعات

• برنامه ریزی شهری

عنوان مقاله [English]

Effects of Macroeconomic Variables on Urban Housing Demand in Iran: Application of ARDL Models, Hedonic Analysis, and Machine Learning

نویسندگان [English]

• saeed kian poor ¹
• reza shamsolahi ²
• maryam darbidi ³
• Malek Khabazi khangh ⁴

¹ member faculty of pnu

² Phd. Student Economic

³ Economic

⁴ economic

چکیده [English]

This study examined the impact of macroeconomic variables on urban housing demand in Iran from 1998 to 2022. The objective was to identify the economic factors affecting housing demand. Annual time-series data were collected from official sources such as the Central Bank of Iran and the Statistical Center of Iran, with the land price index used as a proxy for housing demand. The ARDL model was employed to analyze long-term and short-term relationships, alongside a simplified hedonic approach and the Random Forest machine learning algorithm. Findings revealed that the number of banking facilities had a significant positive impact on housing demand, while inflation negatively affected real housing demand. Scenario analysis for 2025–2031 indicated the influence of macroeconomic policies on housing demand. The study provided valuable tools for housing market policymaking and suggested that controlling inflation and increasing access to facilities could improve market balance.

کلیدواژه‌ها [English]

• Housing Demand
• Macroeconomic Variables
• Land Price
• Inflation
• Banking Facilities