KaydedilenlerDerginizi ekleyin

Dergiler / Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi / 2018 / Cilt: 32 - Sayı: 4

Panel Veri Analizi ve Kümeleme Yöntemi ile Türkiye’de Konut Talebinin İncelenmesi

GULSEN KIRAL
Cahit Çelik
Sayfa
1009–1026
Yayın Tarihi
2018-10-05
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Çalışmadan elde edilen bazı bulgulara göre, konut fiyat endeksinin, gayri safi yurtiçi hâsılanın, ortalama hanehalkı gelirinin, konut brüt getiri oranının, alınan göç sayısının, verilen göç sayısının, evlenme ve boşanma istatistiklerinin konut talebi üzerinde anlamlı etkileri olduğu görülmüştür.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Öz Konut talebi her ülkenin sosyal, kültürel, ekonomik ve demografik özelliklerinin etkisi altında ortaya çıkmaktadır.
📊
Temel Bulgular & Veri:Türkiye’de konut sektöründe yaşanan hızlı dönüşüm süreci ve konut talebini etkileyen faktörlerin değişimi, yapısı itibarıyla sistematik risk teşkil etmektedir.
💡
Sonuç & Katkı:Çalışmadan elde edilen bazı bulgulara göre, konut fiyat endeksinin, gayri safi yurtiçi hâsılanın, ortalama hanehalkı gelirinin, konut brüt getiri oranının, alınan göç sayısının, verilen göç sayısının, evlenme ve boşanma istatistiklerinin konut talebi üzerinde anlamlı etkileri olduğu görülmüştür.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Anahtar Kelimeler Konut Talebi · Panel Veri Analizi · Kümeleme Yöntemi

Özet

Öz Konut talebi her ülkenin sosyal, kültürel, ekonomik ve demografik özelliklerinin etkisi altında ortaya çıkmaktadır. Türkiye’de konut sektöründe yaşanan hızlı dönüşüm süreci ve konut talebini etkileyen faktörlerin değişimi, yapısı itibarıyla sistematik risk teşkil etmektedir. Bu riskler, piyasa göstergelerinin daha yakından takip edilmesini ve bilimsel araştırmanın yapılmasını zorunlu kılmaktadır. Bu çalışmada; Türkiye il gruplarının, konut satışlarını etkileyen faktörlerine dengeli panel veri analizi ve kümeleme analiz yöntemleri uygulanmış elde edilen anlamlı değişkenler hiyerarşik kümeleme yöntemi ile incelenmiştir. Çalışmanın temel amacı, konut talebinde benzer özellik gösteren iller ve konut satışlarını etkileyen faktörlerin belirlenmesidir. Çalışmadan elde edilen bazı bulgulara göre, konut fiyat endeksinin, gayri safi yurtiçi hâsılanın, ortalama hanehalkı gelirinin, konut brüt getiri oranının, alınan göç sayısının, verilen göç sayısının, evlenme ve boşanma istatistiklerinin konut talebi üzerinde anlamlı etkileri olduğu görülmüştür.

🔖

Bu Makaleye Atıf Yap

KIRAL, G., Çelik, C. (2018). Panel Veri Analizi ve Kümeleme Yöntemi ile Türkiye’de Konut Talebinin İncelenmesi. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 32 - Sayı: 4, 1009–1026. https://ajindex.com/articles/18777

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Akay Ö.&Yüksel G. (2017), “Clustering the mixed panel dataset using Gower's distance and k-prototypes algorithms”, Communications in Statistics. (Accepted) DOI: 10.1080/03610918.2017.1367806. Akın, Y. K. (2008), “Veri madenciliğinde kümeleme algoritmaları ve kümeleme analizi”, Yayınlanmamış doktora tezi, Marmara Üniversitesi,
  2. İstanbul.
  3. Andreica, M., E., & Andreica, M. (2014), “Forecasts of Romanian Industry Employment Using Simülations and Panel Data Models” Romanian Journal of Economic Forecasting, 17(2), 130-140.
  4. Arslan, İ. (2007), “Konut ekonomisi” Gaziantep Üniversitesi İktisadi ve İdari Bilimler Fakültesi. Sakarya: Sakarya Yayıncılık. Blashfield, R. K., & Aldenferder, M. S. (1978), “The literature on cluster analysis”, Multivariate Behavioral Research, 13, 271-295.
  5. Chang, C., Chen, S., & Somerville, T. (2003), “Economic and Social Status in Household Decision-making: Evidence Relating to Extended Family Mobility”, Urban Studies, 40(4), 733-746.
  6. Chetty, R., & Szeidl, A. (2004), “Consumption Commitments and Asset Prices.”, Working Paper. Berkeley: University of California, Economics Department. Clark, W. A. V., & Dieleman, F. M. (1996), “Household and Housing. Choice and Outcomes in the Housing Market”, New Jersey: Cupr Press.
  7. Dornbusch, R., & Fischer, S. (1994), “Macro Economics (6th ed.)”, McGrawHill Inc., İstanbul:
  8. Literatür Yayıncılık. Gelfand, J. E. (1966), “The Credit Elasticity of Lower-middle Income Housing Demand”, Land Economics, 42(4), 464-472.
  9. Giffenger, R. (1998), “Segregation in Vienna: Impact of Market Barriers and Rent Regulations”, Urban Studies, 35(10), 35-43.
  10. Greene, W. H. (1993), Econometric analysis. New York: Macmillan Publishing Company. Gujarati, D. (2016), Örneklerle Ekonometri. (N. Bolatoğlu. Çev.). Ankara: BB101 Yayınları.
  11. Juarez, M. A., & Steel, M. F. J. (2010), “Model-based Clustering of Nongaussian Panel Data Based on Skew-t Distributions”, American Statistical Association Journal of Business & Economic Statistics, 28, 52-81.
  12. Kaufman, L., & Rousseeuw, P. J. (1990), Finding groups in data: An introduction to cluster analysis. New York: Wiley-Interscience. Kaya, V., & Yılmaz, Ö. (2006), “Bölgesel enflasyon bölgesel büyüme ilişkisi: Türkiye için zaman serisi ve panel veri analizleri”, İktisat, İşletme ve Finans Dergisi, 21(247), 62-78.
  13. Lu, H., & Huang, S. (2011), “Clustering Panel Data. SIAM International Workshop on Data Mining Held in Conjunction With the 2011”, SIAM International Conference on Data Mining, 1-10. Maclennan,