تحلیل اثر اقتصاد نفت‌پایه، انتظارات و چرخۀ ادواری عرضه بر قیمت مسکن کلان‌شهرهای منتخب ایران (1379-1394)

نویسندگان

1 استادیار، گروه اقتصاد، دانشکدۀ علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران.

2 دانشیار، دانشکدۀ اقتصاد، پژوهشگاه علوم انسانی و مطالعات فرهنگی، تهران، ایران.

3 کارشناس ارشد علوم اقتصادی، پژوهشگاه علوم انسانی و مطالعات فرهنگی، تهران، ایران.

چکیده

مسکن یکی از نیازهای اساسی جوامع، کالایی فاقد جانشین و دارای نقش سرمایه‌ای تلقی می‌شود و بخش مسکن، یکی از مهم‌ترین بخش‌های اقتصاد ملی در تمامی کشورهاست. ارتباط و پیوند گستردۀ این بخش با سایر بخش‌های اقتصاد، آن هم در یک اقتصاد نفت‌پایه، سبب شده است بازار مسکن ایران متأثر از تحولات اقتصاد کلان ناشی از نوسان درآمد نفتی باشد. این پژوهش براساس مبانی نظری، مدل و تأثیر عوامل کلیدی طرف عرضه و تقاضای مسکن را بر قیمت مسکن و تفاوت آن در کلان‌شهرهای تهران، اصفهان، مشهد و قم طی سال‌های 1379-1394 به کمک روش داده‌های تابلویی تصریح و تحلیل کرده است. پژوهش حاضر به‌طور خاص بر ویژگی‌ها و مؤلفه‌های یک اقتصاد نفتی، نقش محدودیت زمین شهری، انتظارات و چرخۀ عرضۀ مسکن تأکید می‌کند. نتایج حاصل از این پژوهش رابطۀ منفی میان شاخص محدودیت زمین و شاخص چرخۀ عرضۀ ادواری را با قیمت مسکن نشان می‌دهد؛ همچنین نتایج، حاکی از رابطۀ مثبت و معنادار بین شاخص انتظارات ناشی از تحولات مسکن شهر پیشتاز و رشد نقدینگی با قیمت مسکن در کلان‌شهرهای ایران است. مدلِ ارائه‌شده نه‌تنها در امر پیش‌بینی کاربرد دارد، برای ثبات‌بخشی به بازار مسکن در کشورهای نفتی نیز توصیه‌هایی را مطرح می‌کند. در یک اقتصاد نفتی اِعمال سیاست پاد‌چرخه‌ای در عرضۀ مسکن با ابزار مالیاتی و نرخ تسهیلات، تعهد به سیاست رشد پایین نقدینگی برای کنترل اثر نوسان‌های نفتی توأم با تنظیم و انعطاف‌پذیری سیاست‌های زمین کلان‌شهری، به ثبات‌بخشی بازار مسکن کلان‌شهری در ایران کمک می‌کند.
طبقه‌بندی: .R31, R14, E52, E31

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

The Impact of Oil-based Economy, Expectations and Supply Cycles on Metropolitan Housing Prices in Iran (2000-2015)

نویسندگان [English]

  • Shahram Moeeni 1
  • Seyyed Hossein Mirjalili 2
  • seyede mahsa moniri 3
1 Assistant Professor, Department of Economics, University of Isfahan, Isfahan, Iran
2 Associate Professor, Department of Economics, Institute of Humanities and Cultural Studies, Tehran, Iran
3 MA of Economics, Institute for Humanities &amp, Cultural Studies, Tehran, Iran
چکیده [English]

Housing is one of the basic needs of household and not-substitutable goods, in other hand some agents invest in housing for capital gain. The housing sector is also one of the most important sectors of the economy in all countries. The connectivity of housing market with other sectors of the economy has led to the fact that the housing market has been affected by oil-oriented macroeconomic change and, conversely the housing market has a significant impact on other sectors of the economy, due to its large influence on firm and households' decisions. The research models and analyzes the effect of key factors of  supply and demand on housing prices in the metropolitan areas of Tehran, Isfahan, Mashhad and Qom during the years of 2000-2015, using panel data method. In particular, it emphasizes the characteristics of an oil economy, the role of urban land limitation, expectations and the housing supply cycle. The results show a negative relationship between housing prices with land scarcity index and supply cycle. Also, the results indicate a positive and significant relationship between prices with expectations and liquidity growth. Ultimately, it is suggested and recommended three solutions for stabilization of the housing market: (i) planning a flexible urban land policy, (ii) the introduction of an anti-cyclical policy using tax and Bank loans (iii) commitment to a low growth rate for M2.
Classification: E31, E52, R14, R31

کلیدواژه‌ها [English]

  • Oil-based economy
  • Land per capita
  • Expectations
  • Supply cycle
  • UGB

مقدمه

تأمین خدمات سکونت، یکی از اساسی‌ترین نیازهای جوامع است و ازآنجاکه مسکن معمولاً گران‌ترین کالایی است که خانوارها به آن نیاز دارند، عموماً تأمین آن برای بسیاری از خانواده‌ها با دشواری‌هایی همراه است. مسکن، هم‌زمان بخش مهمی از پورتفوی سرمایه‌گذاری اشخاص حقیقی و حقوقی را در تمام کشورها تشکیل می‌دهد؛ بر این اساس شناخت عوامل کلیدی مؤثر بر قیمت مسکن کلان‌شهری در ایران، هم برای مقاصد سیاست‌گذاری دولتی و هم برای مقاصد پیش‌بینی اقتصادی و کنترل ریسک، اهمیت می‌یابد.

بخشی از عوامل کلیدی مؤثر بر بازار مسکن کمابیش شناخته‌شده است؛ اما به نظر می‌رسد در مطالعات پیشین نقش برخی دیگر از عوامل که ممکن است تأثیرگذار باشند، قویاً مغفول مانده است. یکی از این عوامل، محدودیت نسبی عرضۀ زمین جدید در برخی کلان‌شهرهای ایران است که گاهی ناشی از قواعد سخت‌‌گیرانه و دستوریِ محدودۀ رشد شهری و گاهی دراثر محدودیت موانع طبیعی، نظیر کوه و ... است. این درحالی است که میزان رشد جمعیت و خانوار در کلان‌شهرهای ایران بسیار سریع بوده و محدودیت نسبی و روند کُند عرضۀ زمین شهری جدید، طبعاً ممکن است رانت صاحبان زمین شهری را تقویت کند.

ازسوی دیگر آمار عرضۀ مسکن کلان‌شهری در ایران یک ساختار و چرخۀ ادواری در ساخت و عرضۀ مسکن را نیز نشان می‌دهد. این عامل هم جای تأمل جدی دارد و ممکن است بخشی از پیچیدگی بازار مسکن ایران را توضیح دهد؛ درحالی‌که غالباً در مطالعات پیشین مغفول مانده است.

بالاخره نکتۀ شایان توجه دیگر در بازار مسکن ایران، نقش انتظارات در رشد قیمت مسکن است؛ به‌خصوص اینکه به نظر می‌رسد رشد قیمت مسکن پس از ایجاد یک تحول در بازار مسکن پایتخت در اثر تغییر در انتظارات، چه در تقاضای مصرفی و چه در تقاضای سرمایه‌ای، باعث به وجود آمدن یک دوره رشد و رونق شدید در این شهر شده که به دیگر کلان‌شهرها هم سرایت کرده است. آیا واردکردن تأثیر احتمالی این عامل در مدل و بررسی شدت آن به‌صورت تجربی امکان‌پذیر است.

نگارندگان این مطالعه با تأکید بر مبانی نظری و برخی مطالعات تجربی خارجی دال بر اهمیت این متغیرها می‌کوشند مدل تحلیل قیمت مسکن در ایران را با افزودن هم‌زمان این سه متغیر، تقویت و غنی کنند. روشن است پژوهشگرانِ مطالعات پیشین به‌درستی به اهمیت متغیرهای دیگر، نظیر ساختار رشد نفت‌پایه در ایران و نوسان‌های ذاتی این ساختار رشد به‌دلیل ماهیت متلاطم بازار نفت، رشد نامتعارف نقدینگی در ایران و... اشاره کرده‌ و نشان داده‌اند این متغیرها به سهم خود بر قیمت بازار مسکن در ایران تأثیرگذارند. در این مطالعه نگارندگان تلاش می‌کنند با در نظر گرفتن هم‌زمان این متغیرها توأم با سه متغیر اشاره‌شده به غنای پژوهش‌های الگوسازی و تحلیل بازار مسکن ایران، چه با مقاصد سیاست‌گذاری و چه با مقاصد پیش‌بینی و کنترل ریسک، بیفزاید.

در هر صورت مسکن کالای اقتصادی محسوب می‌شود و دارای ویژگی‌هایی است که آن را از سایر کالاها متمایز و تحلیل بازار آن را پیچیده می‌کند. مسکن از یک سو، کالای تأمین‌کنندۀ خدمات سکونت برای تقاضای مصرفی است و از سوی دیگر، عموماً کالایی سرمایه‌ای به حساب می‌آید که سرمایه‌گذاری در آن برای خانوارها و بنگاه‌های اقتصادی به‌منظور کسب بازده و کنترل ریسک دارای جذابیت است؛ به‌نحوی‌که خرید و احداث مسکن گاه تأمین‌کنندۀ یک نیاز مصرفی، گاه یک گزینۀ سرمایه‌گذاری امن و مطمئن و گاه دارای هر دو نقش است (قاسمی و همکاران، 1391: 87).

در دو دهۀ گذشته، مسئلۀ بی‌ثباتی و نوسان‌های گستردۀ قیمت‌ مسکن در کلان‌شهرها بارزترین خصیصۀ این بخش مهم اقتصادی کشور بوده است. درعین‌حال نکتۀ جالب توجه تفاوت‌های زیادی است که بین سطح قیمت مسکن در کلان‌شهرهای مختلف وجود دارد و علل آن را باید بررسی و جست‌وجو کرد؛ همچنین نرخ رشد قیمت مسکن در کلان‌شهرها و نیز در طول زمان متفاوت است.

هدف پژوهشگرانِ تحقیق حاضر افزودن بر غنای الگوسازی و تحلیل قیمت مسکن کلان‌شهری است. آنها در این پژوهش با تأکید بر عوامل سه‌گانۀ پیش‌گفته، یعنی محدودیت عرضۀ زمین، چرخۀ عرضۀ ادواری مسکن و نقش انتظارات، علل تفاوت شدید سطح قیمت مسکن و نیز تفاوت نرخ رشد قیمت مسکن در بین کلان‌شهرهای مختلف و تفاوت این نرخ در سال‌ها و دوره‌های مختلف را به‌صورت تجربی بررسی ‌می‌کنند و باتوجه‌به مبانی نظری در میان عوامل مختلف، درزمینۀ شدت اثر محدودیت نسبی عرضۀ زمین، چرخۀ عرضۀ ادواری، انتظارات، تغییرات درآمد سرانۀ حقیقی ناشی از الگوی رشد متکی به نفت و تغییرات حجم نقدینگی را بر تفاوت سطح و نرخ رشد قیمت مسکن کلان‌شهری به‌شکل تجربی تحقیق می‌کنند.

ساختار مقاله به این صورت سازماندهی شده است که در ادامۀ این مقدمه، پس از مروری بر پیشینۀ تجربی و مطالعات خارجی و داخلی انجام‌شده در موضوع حاضر، مبانی نظری، سؤالات و فرضیه‌ها ارائه می‌شود. در بخش بعد، روش تحقیق بیان شده است و قسمت‌های بعدی به‌ترتیب به یافته‌های پژوهش و نتیجه‌گیری و پیشنهادها اختصاص می‌یابد.

 

مروری بر پیشینه و مطالعات انجام‌شده.

قبل از ورود به تصریح و تخمین مدل، به‌اختصار برخی از مطالعات تجربی پیشین مرور می‌شود.

هر و هاتن‌رات[1] (2016) در مقاله‌ای نقش و جایگاه بازار مسکن در اقتصاد کلان، دورۀ رکود و رونق بازار مسکن و موضوع مالیات بر مسکن را مطرح کرده‌اند. نتایج حاصل از این مطالعه براساس روش داده‌های تابلویی به رابطۀ متقابل اقتصاد کلان و بازار مسکن اشاره می‌کند و نشان می‌دهد قیمت مسکن تحت تأثیر عواملی چون تغییرات درآمد ملی و هزینۀ ساخت قرار می‌گیرد. دو و ژانگ[2] (2015) در مطالعۀ مشابهی رشد قیمت مسکن در کلان‌شهرهای آمریکا را با استفاده از برآورد حداکثر درست‌نمایی بررسی کرده‌اند. نتایج حاصل از این تحقیق نیز نشان‌دهندۀ تأثیرپذیری قیمت تورم‌زدایی‌شدۀ مسکن از درآمد حقیقی و هزینه‌های ساخت است.

بادی و همکاران[3] (2015) در پژوهشی به‌طور ‌ویژه رابطۀ بین قیمت مسکن و درآمد حقیقی را بررسی کرده‌اند. نتایج مطالعه حاکی از آن است که قیمت مسکن از عوامل طرف تقاضا تأثیر می‌پذیرد و مشخصاً برنامه‌های شدید مالیاتی که موجب کاهش جدی درآمد می‌شود، در کوتاه‌مدت کاهش تقاضای مسکن و کاهش قیمت مسکن را به دنبال دارد. این مطالعه رابطۀ مثبت بین قیمت مسکن و درآمد در بلندمدت را نیز تأیید می‌کند.

ژی‌وانگ و گینگ هوا ژنگ[4] (2014) در مطالعه‌ای اهمیت تغییر در عوامل اساسی عرضه و تقاضا، مانند جمعیت شهری، درآمد حاصل از دستمزد، عرضۀ زمین شهری و هزینۀ ساخت‌وساز را در توضیح افزایش قیمت مسکن و تفاوت آن در شهرهای مختلف چین در فاصلۀ بین سال‌های 2002 تا 2008 بررسی کرده‌اند. نتایج این تحقیق نشان می‌دهد برای بیشتر شهرهای نمونه، تغییر عوامل بنیادی، مثل درآمد حاصل از دستمزد، تأمین زمین و هزینه‌های ساخت، بخش عمده‌ای از تفاوت واقعی قیمت مسکن را توضیح می‌دهد.

جانسون و واتووا[5] ( 2007) در مطالعۀ خود عوامل مؤثر بر قیمت مسکن در 18 شهر بزرگ کانادا را بررسی کرده‌اند. باتوجه‌به داده‌های استفاده‌شده، روش GMM پنل برای برآورد مدل و استخراج نتایج به کار رفته است. بر این اساس دو معادلۀ تقاضای معکوس و عرضۀ واحدهای مسکونی جدید، هم‌زمان برآورد شده‌اند. نتایج برآورد مدل بر نقش بسزای 3 عامل اساسی درآمد خانوار و جمعیت به‌طور مثبت و تغییر در موجودی مسکن به‌طور منفی در توضیح تفاوت قیمت مسکن تأکید دارد.

کی‌فرخی و فرهمند (1395) در مقاله‌ای تأثیرگذاری شاخص قیمت سهام، شاخص قیمت خدمات ساختمانی، درآمد سرانۀ خانوار، قیمت زمین، تعداد ساختمان‌های تکمیل‌شده و نرخ سود تسهیلات در بخش مسکن را بر قیمت مسکن در کلان‌شهر اصفهان بررسی کرده‌اند. نتایج حاصل از این مطالعه نشان‌دهندۀ تأثیر‌پذیری زیاد قیمت مسکن از قیمت زمین و شاخص خدمات ساختمانی است.

قادری و ایزدی (1395) در مطالعه‌ای دربارۀ اثر متغیرهای اقتصاد کلان بر قیمت مسکن در فاصلۀ زمانی 1350-1391 در ایران تحقیق کرده‌اند. نتایج این تحقیق نشان می‌دهد نرخ شهرنشینی، نرخ اجاره‌بها، درآمد سرانه، اعتبارات اعطایی بانک مسکن به بخش مسکن، مالیات بر مسکن، نرخ بیکاری و شاخص قیمت مصالح ساختمانی بر قیمت مسکن تأثیر مثبت داشته و اثر تغییرات تولید ناخالص ملی و مخارج دولت بر قیمت مسکن معکوس برآورد شده است. شدت تأثیر برخی متغیرها قوی و برخی غیرمعنادار گزارش شده است.

سهیلی و همکاران (1393) در پژوهشی اثر متغیرهایی ازجمله قیمت زمین، هزینۀ ساخت بنا، حجم تسهیلات اعطایی بخش مسکن، نرخ ارز، شاخص قیمت سهام و درآمد خانوار را بر قیمت مسکن بررسی کرده‌اند. برای تجزیه‌وتحلیل تأثیر این متغیرها بر قیمت مسکن از روش خودتوضیح با وقفه‌های توزیعی و از داده‌های 1370-1387 استفاده شده است. نتیجۀ تحقیق حاکی از آن است که متغیر قیمت زمین در توضیح رفتار قیمت مسکن بسیار تأثیرگذار است؛ همچنین در این پژوهش تأثیر برخی متغیرهای کلان اقتصادی، به‌ویژه درآمد خانوار، بر رفتار قیمت مسکن در شهر کرمانشاه تأیید شده است.

نورانی (1393) در مقاله‌ای سفته‌بازی و حباب قیمتی در بازار مسکن مناطق شهری ایران را به کمک روش GMM بررسی کرده است. نتایج نشان می‌دهد عواملی مانند تغییرات تولید ناخالص داخلی، تغییرات جمعیت، هزینۀ ساخت مسکن و شاخص قیمت مسکن دورۀ قبل، اثر مثبت و میزان پروانه‌های ساختمانی اثر منفی و معناداری بر شاخص قیمت مسکن دارند.

تفاوت پژوهش حاضر با سایر پژوهش‌ها این است که هدف تقویت الگوسازی قیمت مسکن کلان‌شهری در ایران در 3 دستۀ متغیر تحقیق‌پذیر است: دستۀ نخست شامل متغیرهایی است که هم مبانی نظری و هم پژوهش‌های معتبر خارجی و داخلی به‌صورت تجربی، تأثیرگذاری آنها را نشان داده‌اند؛ دستۀ دوم متغیرهایی را در بر می‌گیرد که پایۀ نظری قوی ندارند یا نتایج مطالعات تجربی دربارۀ تأثیرگذاری جدی آنها متناقض یا ضعیف است؛ دستۀ سوم شامل متغیرهای سه‌گانۀ پیش‌گفته، یعنی محدودیت عرضۀ زمین در کلان‌شهرهای ایران، ساختار انتظارات شکل‌گرفتۀ ناشی از تحولات مسکن شهر پیشتاز (تهران) و سرایت آن به کلان‌شهرهای دیگر و نقش روند ادواری عرضۀ مسکن در کلان‌شهرهای ایران است که باوجود دارابودن مبانی نظری و سوابق تجربی متعدد خارجی کاملاً یا غالباً در مطالعات داخلی مغفول مانده است.

بر این اساس یک خلأ پژوهشی[6] به چشم می‌آید و آن، این است که به نظر می‌رسد درراستای تقویت الگوسازی بازار مسکن و تحلیل علمی آن لازم و مناسب است الگویی هم‌زمان مبتنی بر متغیرهای دستۀ اول و سوم که هم دارای مبنای نظری قوی و هم دارای پیشینۀ تجربی معتبر خارجی است، تصریح و آنگاه تحقیق شود که:

1- آیا برای توضیح تفاوت‌های شدید سطح و روند قیمت مسکن در کلان‌شهرهای ایران مفید واقع می‌شود؟

2- به غنای الگوهای مسکن در ایران می‌افزاید؟

3- به تحلیل و تبیین بازار مسکن و کاهش خلأ پژوهشی مزبور کمک می‌کند؟

 

مبانی نظری.

در این قسمت کوشش می‌شود چند مبنای نظری قوی برای متغیرهای دخیل در الگوی پژوهش به‌ترتیب زیر ارائه شود تا کاربست این متغیرها را در تحقیق تجربی مدلل کند.

الف- رابطۀ محدودیت و کمیاب‌بودن زمین شهری با قیمت مسکن:

به رابطۀ شدت محدودیت و کمیاب‌بودن زمین شهری با قیمت مسکن و تفاوت قیمت مسکن در کلان‌شهرهای ایران عملاً توجه نشده و در این زمینه شناسایی لازم انجام نگرفته است؛ در‌حالی‌که این موضوع در مطالعات خارجی جایگاهی بسیار قوی دارد. در ادبیات نظری 2 رویکرد متشابه دربارۀ ارتباط محدودیت زمین شهری با قیمت مسکن مطرح می‌شود. نخستین رویکرد نشان می‌دهد 2 نوع محدودیت طبیعی و دستوری برای عرضۀ زمین وجود دارد؛ به‌طور مثال در شهرهای جزیره‌ای مانند سنگاپور محدودیت طبیعی برای عرضۀ زمین مطرح است؛ درحالی‌که گاهی محدودیت دستوری و تصمیمات دولتی، عرضۀ زمین را محدود کرده است. محدودیت عرضۀ زمین، رانت زمین شهری را افزایش می‌دهد و از این طریق بر قیمت مسکن تأثیر می‌گذارد؛ بنابراین محدودیت طبیعی زمین و محدودیت دستوری یا دولتی که از برنامه‌ریزی انقباضی دولتی برای عرضۀ زمین نشأت می‌گیرند، بر قیمت مسکن تأثیر قوی دارند (رز،[7] 1989: 133).

دومین دیدگاه، رویکرد تقاضای مشتق‌شده است. طبق این دیدگاه تقاضای زمین، تقاضای مشتق‌شده از تقاضای خدمات مسکن است (ویت،[8] 1975: 349 و صمدی و معینی، 1391: 87). بر این اساس لیو و جیانگ[9] (2005) اعتقاد دارند تقاضای واقعی مسکن ازطریق مکانیسم بازار و باتوجه‌به تغییرات جمعیتی تعیین می‌شود و تقاضای زمین شهری از تقاضای مسکن مشتق می‌شود. حال اگر عرضۀ زمین غیرمتناسب با تحولات طرف تقاضا به‌شدت محدود باشد، تقاضای سرمایه‌ای را نیز برای مسکن و زمین، تحریک و تقویت می‌کند و رانت زمین کلان‌شهری را افزایش می‌دهد.

نهایتاً در چارچوب این مبانی درصورتی‌که محدودیت‌های دستوری و طبیعی زمین وجود داشته باشد، ممکن است قیمت مسکن تحت تأثیر قرار گیرد؛ ولی روند تأثیرگذاری آن باتوجه‌به شرایط ساختاری و اقتصادی مناطق مختلف، متفاوت است؛ برای مثال پنگ و ویتون[10] (1994) نشان می‌دهند در هنگ‌کنگ در موقعیتی که سایر عوامل منجر به رکورد در بازار مسکن شده‌اند، دولت با اتخاذ سیاست‌ محدودیت دستوری عرضۀ زمین، قیمت مسکن را افزایش داده است. در کشورهای توسعه‌یافته کاهش مداوم سرانۀ زمین شهری و نیاز و تقاضا برای زمین جدید وجود ندارد؛ زیرا رشد جمعیت در این کشورها به پایان رسیده است و جمعیت و وسعت شهرها تثبیت شده‌اند؛ اما در کشورهای درحال توسعه‌ای که رشد جمعیت در آنها به وضعیت تثبیت‌شده‌ای نرسیده است، افزایش جمعیت، تقاضای مسکن را افزایش می‌‌دهد؛ بنابراین به سیاست‌های مناسب و استاندارد زمین شهری برای رفع معضل مسکن احساس نیاز می‌شود. در این پژوهش برای نشان‌دادن سطح کمیابی زمین و مقایسۀ کلان‌شهرهای منتخب کشور در این زمینه از شاخص سرانۀ زمین شهری استفاده شده که معکوس تراکم است. شاخص سرانۀ زمین معیار خوبی برای نشان‌دادن شدت کمیابی زمین در هر کلان‌شهر باتوجه‌به جمعیت و تفاوت شدت کمیابی در کلان‌شهرهاست.

ب- تأثیر انتظارات در بازار مسکن و شروع آن

در بازار همۀ کالاها، اعم از مصرفی و به‌‌خصوص سرمایه‌ای، انتظار رشد قیمت در شدت تقاضا و متعاقباً افزایش قیمت تأثیری کلیدی دارد. دربارۀ بازار کالاهای سرمایه‌ای مختلف، مطالعات بسیار زیادی انجام گرفته است. در مطالعات خارجی بازار مسکن معمولاً از رشد قیمت دورۀ قبل به‌منزلۀ یک عامل تأثیرگذار در تقاضا و موثر بر بازار مسکن استفاده می‌شود (هر و هاتن‌رات، 2016: 128). به نظر می‌رسد در ایران رشد یا ثبات قیمت مسکن در تهران عامل پیشتاز و سرایت‌کننده به سایر کلان‌شهرهاست و از این متغیر به‌صورت باوقفه در الگوسازی استفاده خواهد شد.

ج- چرخۀ ادواری عرضۀ مسکن

یکی از واقعیت‌های کلیدی بازار مسکن در ایران چرخۀ ادواری عرضۀ مسکن در کلان‌شهرهاست که در برخی کشورهای دیگر نیز شواهدی دارد. طبعاً کاهش و کُندی روند ساخت مسکن جدید به‌تدریج روند عرضۀ مسکن را کاهش می‌دهد و برعکس سرعت و افزایش روند ساخت باعث افزایش عرضۀ مسکن خواهد شد. در مطالعات تجربی از شاخص‌هایی نظیر قیمت مسکن، ارزش پولی سرمایه‌گذاری یا ارزش افزودۀ واقعی در بخش مسکن به‌منزلۀ شاخص شناسایی چرخه‌های تجاری رکود و رونق مسکن استفاده شده است.

آنچه به نظر می‌رسد این است که در ایران میزان ساخت‌وساز و سرمایه‌گذاری در بخش مسکن متأثر از قیمت مسکن و منطبق بر مدل تارعنکبوتی[11] است؛ به این صورت که در دوره‌های جهش قیمت، سازندگان مسکن به‌دلیل انتظار افزایش سود ساخت به سرمایه‌گذاری بیشتر در این بخش اقدام می‌کنند و خالص پروانه‌های ساختمانی افزایش می‌یابد؛ درنتیجه طول دورۀ ساخت باعث افزایش تدریجی عرضۀ مسکن به‌صورت باوقفه می‌شود و این امر احتمالاً در ایجاد ثبات قیمتی در دوره‌های بعد مؤثر است. آنگاه به‌دلیل کاهش یا ثبات قیمت مسکن، سرمایه‌گذاری و دریافت پروانه‌ها نیز کاهش می‌یابد و این مسئله کاهش عرضۀ مسکن را به دنبال دارد که ممکن است در افزایش قیمت مسکن در دوره‌های بعد نیز به سهم خود تأثیرگذار باشد. صرف‌نظر از علت، این روند دست‌ِکم مطابق داده‌های خام آماری کم‌وبیش در بازار مسکن دیده شده است (عسگری و چگنی، 1386: 34 و نورانی، 1393: 64).‌

در این مطالعه، نویسندگان با این نکته مواجه‌اند که به‌هرحال به‌دلیل رشد جمعیت کلان‌شهرها و علل دیگر همواره یک جزء روندی در آمار حجم پروانه‌های دریافتی وجود دارد؛ بنابراین در این پژوهش از شاخص تفاوت آمار پروانه‌های دریافتی در کلان‌شهر منتخب نسبت به میانگین پروانه‌های یک سال گذشته در همان شهر به‌منزلۀ معیاری برای تشخیص و انعکاس چرخۀ ادواری عرضۀ مسکن استفاده شده است. استفاده از این شاخص، تقلید از روشی است که در شناسایی و تصریح چرخه‌های اقتصاد کلان نیز به کار می‌رود (افشاری و همتی، 1392: 27)؛ بنابراین معیار روند کاهشی یا افزایشی در پروانه‌ها به‌منزلۀ شاخص رخداد چرخۀ رکود یا رونق ادواری عرضۀ مسکن استفاده خواهد شد.

د- رابطۀ رشد نفت‌پایه درآمد حقیقی و قیمت مسکن

یکی از متغیرهای مهم که دارای مبنای نظری است و تأثیر شناخته‌شده‌ای بر قیمت مسکن و تفاوت آن دارد، درآمد شهری است. محققان اقتصاد مسکن، نظیر بلک‌لی (1999)، کِنی[12] (1999)، لی و وانگ‌آنگ[13] (2005) و... نقش افزایش درآمد در افزایش تقاضا و قیمت مسکن را تحلیل کرده‌اند. مطالعات نظریِ صورت‌گرفته درزمینۀ رابطۀ بین قیمت مسکن و درآمد بر تفاوت درآمد دائمی و درآمد متوسط تأکید می‌کند. طبعاً از دیدگاه نظری و درصورت ثبات سایر شرایط به‌دلیل اینکه مسکن کالایی عادی است، با افزایش درآمد، تقاضا برای مسکن افزایش می‌یابد. این موضوع در ادبیات نظری به 2 صورت ارائه می‌شود:

1- با افزایش درآمد حقیقی، خانوارها به‌خصوص در کلان‌شهرها برای تملک مسکن گرایش پیدا می‌کنند؛ درنتیجه تقاضای مصرفی مسکن افزایش می‌یابد و این امر با در نظر گرفتن ثبات سایر شرایط، منجر به تغییر قیمت مسکن می‌شود؛

2- افزایش درآمد خانوارها به این معناست که پس‌انداز خانوار هم افزایش می‌یابد و انتظار می‌رود قسمتی از این پس‌انداز برای سرمایه‌گذاری در بخش مسکن صرف شود؛ این امر درنهایت باعث افزایش تقاضای سرمایه‌ای مسکن نسبت به دورۀ قبلی یا شهر دیگر می‌شود؛ درنتیجه قیمت مسکن با این نوع تقاضا افزایش پیدا می‌کند (صمیمی و همکاران، 1386: 33).

در مقالات اخیر به‌اختصار به مدل جانسون و واتووا (2007) اشاره شده است. این رابطه را برای مسکن به‌صورت زیر بیان کرده‌اند:

(1)

 

در این رابطه  موجودی مسکن، pop جمعیت،
rh قیمت اجاره واقعی، y درآمد حقیقی و d معرف دیگر عوامل انتقال‌دهندۀ تقاضای مسکن است. توان‌های α و β معرف کشش‌های درآمدی و قیمتی تقاضای مسکن‌اند؛ سپس در این مدل برای قیمت اجارۀ واقعی یا اصطلاحاً هزینۀ استفاده از مسکن رابطۀ زیر پیشنهاد و جایگزین شده است:

(2)

 

در معادلۀ بالا  هزینۀ استفاده از مسکن،  قیمت واقعی مسکن،  شاخصی از نرخ انتظاری افزایش قیمت واقعی مسکن،  نرخ مالیات بر مسکن در کشور مد نظر،  مالیات تعدیل‌شده و  نرخ هزینۀ تعمیرات و نگهداری مسکن است. نهایتاً در ادامه در قالب vh، هزینۀ استفاده از مسکن یا نرخ اجاره به‌صورت نسبتی از قیمت واقعی مسکن ارائه شده است و با جایگزین‌کردن رابطۀ (2) در (1)، رابطۀ زیر به دست می‌آید:

(3)

 

 

که برطبق آن، قیمت مسکن با درآمد واقعی رابطۀ مثبت دارد (جانسون و واتووا، 2007: 219). باتوجه‌به وابستگی رشد اقتصادی ایران به درآمدهای نفتی، متغیر رشد درآمد حقیقی در ایران نیز به نوسان این درآمدها وابسته است. این متغیر علاوه‌بر مبانی نظری و مطالعات خارجی در مطالعات قبلی تجربی هم حضور دارد و تأثیر قوی آن انتظار می‌رود؛ بنابراین متغیر مذکور نیز در الگو وارد شده است.

ه- رابطۀ حجم پول در یک اقتصاد نفتی و قیمت مسکن

از دیدگاه نظری، رشد عرضۀ پول و حجم نقدینگی موجب افزایش قیمت مسکن به‌منزلۀ بخشی از سبد انتخابی مصرف‌کننده می‌شود. (قاسمی و همکاران، 1391: 88). افزایش حجم پول در شهرها از 2 کانال منجر به افزایش قیمت مسکن می‌شود: کانال اول به این امر اشاره دارد که در شرایط تورمی ناشی از رشد پول، کمابیش افزایشی در دستمزد کارگران، قیمت مصالح و خدمات ساختمانی رخ می‌دهد که باعث می‌شود هزینۀ ساخت مسکن و درنتیجه قیمت مسکن افزایش پیدا کند؛

کانال دوم، کانال نظری مهم‌تری است که نحوۀ اثرگذاری افزایش عرضۀ پول بر قیمت مسکن را در کشورهای نفت‌پایه، نظیر ایران، تبیین می‌کند و با نام پدیدۀ بیماری هلندی شناخته می‌شود. کلان‌شهرهای ایران، به‌منزلۀ یک کشور نفتی، در معرض آن قرار دارند. به‌طور خلاصه براساس این نظریه، دورۀ رونق درآمدهای نفتی منجر به افرایش حجم پول ‌می‌شود. حال اگر نرخ ارز ثبات داشته باشد، چون امکان واردکردن کالاهای مبادله‌ای نظیر خودرو و... وجود دارد، قیمت آنها درصورت ثبات نرخ ارز، باثبات باقی می‌ماند و فشار حجم پول اضافی کاملاً و به‌شدت در بازار کالاهای غیرمبادله‌ای یا غیروارداتی تخلیه می‌شود و قیمت کالاهایی مانند خدمات و مسکن که امکان مبادلۀ آنها نیست، افزایش شدید پیدا می‌کند.

گفته می‌شود بیماری هلندی نخستین آثار منفی خود را بر بخش ساختمانی می‌گذارد؛ به این صورت که تزریق پول نفت بازار مسکن کلان‌شهرها را، البته با نرخ‌های متفاوت، با تقاضای بیشتر مواجه می‌کند و چون دولت نمی‌تواند با کمک واردات، حتی به‌صورت موقت، از آشکارشدن آثار تورمی در بازار مسکن یک شهر جلوگیری کند، رشد قیمتی بسیار محتمل است. کوردن[14] (1984) پدیدۀ بیماری هلندی را اثر تحریک منابع نامیده است و بیان می‌کند در کشورهای نفت‌خیز رشد بخش نفتی 2 اثر عمده به دنبال دارد: نخست اینکه با تأثیر مستقیم، رکود صنعتی را در پی دارد و دوم اینکه سبب افزایش قیمت کالاهای غیرمبادله‌ای می‌شود.

دلایل دیگری که برای افزایش قیمت نسبی کالاهای غیرمبادله‌ای درمقایسه با کالاهای مبادله‌ای ذکر شده است، عبارت‌اند از: افزایش دستمزد اسمی و حقیقی در بخش‌های غیرمبادله‌ای مانند مسکن، اثر مخارج یعنی خرج‌شدن سود و دستمزد بالاترِ بخش نفت در بخش‌های غیرمبادله‌ای باتوجه‌به کشش درآمدیِ زیاد در تقاضای کالاهای غیرمبادله‌ای و... (ایگرت،[15] 2008: 183). اثر مخارج بیانگر این امر است که افزایش مخارج کل کشور که با افزایش درآمدهای نفتی به وجود آمده است، در کالاهای مبادله‌ای و با افزایش واردات تاحدودی جبران می‌شود؛ اما در کالاهای غیرمبادله‌ای که امکان واردات آنها وجود ندارد، این امر در قالب افزایش شدید و گستردۀ قیمت دیده می‌شود.

این متغیر نیز دارای مبانی نظری قوی و ازجمله متغیرهایی است که در مقالات پیشین داخلی به آن توجه شده است. براساس مجموع مبانی نظری، هدف این پژوهش تصریح الگویی است که بتواند با در نظر گرفتن هم‌زمان متغیرهای کلیدی خوب شناخته شود و با معرفی برخی متغیرهای مغفول‌مانده به تقویت الگوسازی و غنای مطالعات بازار مسکن در ایران کمک کند؛ همچنین درزمینۀ اثرات احتمالی متغیرهای جدیدِ واردشده در الگو به‌صورت تجربی تحقیق کند. نقش عوامل و متغیرهای مؤثر بر بازار مسکن ایران براساس مبانی نظری در چارچوب یک مدل مفهومی در جدول (1) مختصراً ارائه و تلخیص شده است.

 

جدول 1- چارچوب مفهومی مدل

سمت عرضه

بنیادی

اثر نهاده زمین: متغیر شاخص کمیابی زمین

اثر سایر نهاده‌ها: متغیر هزینۀ ساخت بنا

انتظارات

اثر رفتار نوسانی سازندگان در ساخت‌وساز (cobweb model): متغیر چرخۀ ادواری عرضه

سمت تقاضا

بنیادی

اثر رشد نفت‌پایه بر تقاضای مصرف‌کننده: متغیر درآمد سرانۀ حقیقی

اثر بیماری هلندی بر مصرف‌کننده: متغیر حجم نقدینگی و متغیر نرخ ارز

انتظارات

اثر انتظارات بر تحریک تقاضا: متغیر شاخص انتظارات، قیمت شهر پیشتاز

منبع: مبانی نظری و یافته‌های تحقیق

براساس مبانی نظری پیشین، مهم‌ترین فرضیاتی که در این پژوهش مد نظر قرار گرفته‌اند، عبارت‌اند از:

الف) محدودیت عرضۀ زمین و تفاوت شاخص سرانۀ زمین در کلان‌شهرها بر تفاوت سطح قیمت مسکن در کلان‌شهرهای منتخب ایران مؤثر است (معکوس).

ب) انتظارات ایجادشدۀ ناشی از رشد یا ثبات قیمت مسکن در کلان‌شهر تهران بر روند قیمت مسکن در کلان‌شهرها مؤثر است.

پ) روند چرخۀ عرضۀ ادواری مسکن در ایران بر قیمت مسکن کلان‌شهری اثر معکوس (کاهنده) دارد.

ث) تفاوت آمار حجم نقدینگی و رشد آن در هر کلان‌شهر بر تفاوت سطح و رشد قیمت مسکن کلان‌شهرهای ایران اثر دارد.

روش پژوهش.

براساس مبانی نظری گفته‌شده برخی از عواملی که در تبیین و توضیح قیمت مسکن و تفاوت آن در کلان‌شهرها مؤثرند، در پژوهش‌های داخلی قبلی بررسی شده‌اند و برخی کاملاً یا غالباً مغفول مانده‌اند. در این پژوهش با‌توجه‌به مقالات پنگ و ویتون (1994) و لیو و جیانگ (2005) مبانی نظری بیان‌شده در قسمت قبل و لزوم در نظر گرفتن هم‌زمان این عوامل در فرم کلی الگو به‌صورت رابطۀ (4) تصریح می‌شود:

 

(4)

 

 

در الگوی برآوردشده از فرم لگاریمی متغیرها استفاده شده است. این متغیرها به‌صورت زیر تعریف شده‌اند:

: قیمت یک متر مربع مسکن کلان شهر iام در زمان t.

: شاخص کمیابی زمین، سرانۀ زمین کلان‌شهر iام در زمان t ( : محدودۀ قانونی شهر، : جمعیت شهر.

: شاخص انتظارات، قیمت مسکن شهر تهران در دورۀ .

: شاخص چرخۀ عرضۀ ادواری مسکن کلان‌شهر iام در زمان t.

: شاخص درآمد سرانۀ حقیقی کلان‌شهر iام در زمان t.

: هزینۀ ساخت یک متر مربع بنا در کلان‌شهر iام در زمانt.

: آمار حجم نقدینگی در کلان‌شهر iام در زمان t.

: شاخص قیمت ارز در زمان t.

در این پژوهش نهایتاً باتوجه‌به محدودیت‌ها از داده‌های کلان‌شهرهای منتخب تهران، اصفهان، مشهد و قم طی دورۀ 1394-1379 استفاده شد و در ادامه، برآورد مدل مذکور به کمک روش داده‌های تابلویی و نرم‌افزار Eviews 9 صورت گرفت. کلان‌شهرهای منتخب در مدل ذکرشده بر این اساس انتخاب شده‌اند که در دورۀ مورد مطالعه، داده‌ها و آمار مربوط به مدل دربارۀ آنها موجود بوده و این آمار، تنوع داده‌ای لازم را برای تخمین فراهم آورده است. اطلاعات و داده‌های مربوط به متغیرها از مراکز آماری مربوط، شامل بانک مرکزی، مرکز آمار ایران و شهرداری‌های مرتبط جمع‌آوری شده است.

چنان‌که می‌دانیم، استفاده از فرم لگاریتمی در این الگوها مرجَح است؛ چون در این فرم به جای متغیرها رشد آنها در مدل ظاهر می‌شود و امکان ناهمسانی واریانس هم کاهش می‌یابد؛ همچنین در تفسیر نتایج، کشش‌ها مستقیماً نشان داده می‌شود.

 

یافته‌های تحقیق.

در این قسمت، نخست برای بررسی پایایی متغیرهای لگاریتمی از آزمون LLC استفاده شده است که وجود ریشۀ واحد پانل را بررسی می‌کند. نتایج این آزمون در جدول (2) آورده شده است و نشان می‌دهد متغیرهای هزینۀ ساخت و سرانۀ زمین با یک بار تفاضل‌گیری مانا می‌شوند و سایر متغیرها، همگی، در سطح مانا هستند که این امر عمدتاً با وجود مقاطع مختلف در مدل مرتبط است.

با‌توجه‌به اینکه متغیرها، همگی، در سطح مانا قرار ندارند، برای استفاده از مدل لگاریتمی، هم‌جمعیِ متغیرها با استفاده از آزمون هم‌جمعیِ کائو بررسی شد. نتایج آزمون کائو در جدول (3) بر هم‌جمعی متغیرهای لگاریتمی دلالت دارد و نشان می‌دهد متغیرهای مستقل با متغیر وابسته هم‌جمع‌اند و میان قیمت مسکن و متغیرهای مستقل روابط بلندمدت تعادلی برقرار است. در این صورت برای تخمین ضرایب بلندمدت مدل، چنان‌که خواهیم دید، باید از روش تخمین [16]PDOLS استفاده شود (کائو و چیانگ،[17] 2001: 180).

جدول 2- نتایج آزمون پایایی متغیرهای لگاریتمی

آماره

احتمال

مانایی

متغیرها

46/3-

000/0

در سطح

 

98/2-

001/0

در سطح

 

25/3-

000/0

در سطح

 

48/3-

000/0

در سطح

 

76/4-

000/0

یک بار تفاضل‌گیری

 

52/3-

000/0

یک بار تفاضل‌گیری

 

77/4-

000/0

در سطح

 

28/2-

011/0

در سطح

 

منبع: یافته‌های تحقیق

جدول 3- نتایج آزمون هم‌جمعی کائو متغیرهای لگاریتمی

نتایج آزمون هم‌جمعی کائو

آماره t

مقدار احتمال

مقادیر

24/6-

000/0

منبع: یافته‌های تحقیق

جدول 4- نتایج آزمون F لیمر و هاسمن

 

Statistic

Prob

آزمون F

76/8

000/0

آزمون Husman

06/63

000/0

منبع: یافته‌های تحقیق

به دلایل گفته‌شده برای تفسیر نتایج از مدل لگاریتمی استفاده شد. پیش از برآورد الگوی فوق لازم است برای انتخاب میان روش داده‌های تابلویی یا روش داده‌های تلفیقی از آزمون F لیمر استفاده شود. نتایج آزمون F لیمر با استفاده از نرم‌افزار Stata برای مدل در جدول (4) گزارش شده است که نشان‌دهندۀ لزوم استفاده از روش داده‌های تابلویی و ردِ الگوی داده‌های تلفیقی است.

اکنون باید از بین دو روش تخمین اثرات ثابت[18] و اثرات تصادفی[19] یک روش انتخاب شود. برای تعیین روش تخمین اثرات ثابت یا اثرات تصادفی در داده‌های پانل از آزمون هاسمن[20] استفاده می‌شود. در این پژوهش چون تعداد مقاطع از تعداد متغیرهای مستقل مدل کمتر است، تخمین به روش تصادفی ممکن نیست؛ همچنین به‌دلیل نحوۀ انتخاب شهرها، انتخاب روش اثر ثابت درمقایسه با اثرات تصادفی پذیرفتنی است (فخرحسینی و فاضلی، 1392: 106). درنهایت باتوجه‌به هم‌جمعی متغیرها مدل براساس داده‌های تابلویی و مبتنی بر روش تخمین PDOLS برآورد و نتایج در جدول (5) گزارش شده است.

چنان‌که مشهود است، رابطۀ شاخص کمیابی زمین، یعنی سرانۀ زمین کلان‌شهری و قیمت مسکن، درعین معناداری مطابق انتظارات نظری منفی است. با‌توجه‌به مبانی نظری انتظار می‌رود کمیابی زمین شهری و ایجاد محدودیت مقداری بر عرضۀ آن موجب افزایش قیمت مسکن شود. مکانیسم تأثیر آن به این صورت است که محدودیت‌های عرضۀ طبیعی یا دستوری شدید بر عرضۀ زمین در هنگام رشد تقاضا رانت زمین شهری را به‌منزلۀ یکی از نهاده‌های تولید افزایش می‌دهد. در این حالت از یک سو در طرف عرضه، هزینۀ کل ساخت مسکن شهری برای توسعه‌گران افزایش می‌یابد و از سوی دیگر کمیابی زمین سبب تبدیل آن به نوعی دارایی جذاب می‌شود. این امر تقاضای سرمایه‌ای مسکن را تقویت می‌کند و مجموع این عوامل در دو طرف عرضه و تقاضا به قیمت مسکن فشار افزایشی وارد می‌کند. گفتنی است در این پژوهش محدودیت‌هایی در جمع‌آوری داده‌های لازم برای سرانۀ زمین وجود داشت. درصورتی‌که جمع‌آوری سرانۀ زمین برای طیف متنوع‌تری از شهرها امکان‌پذیر باشد، احتمالاً نتایج قوی‌تری نیز به دست می‌آید.

نمودار 1- روند شاخص سرانۀ زمین در تهران، یافته‌های تحقیق

نمودار 2- روند قیمت مسکن سه کلان‌شهر، یافته‌های تحقیق

نمودار 3- روند نرخ رشد قیمت مسکن سه کلان‌شهر، یافته‌های تحقیق

تعداد وقفۀ بهینۀ شاخص انتظارات براساس هر دو آمارۀ آکاییک و حنان کویین، یک وقفه است. ضریب شاخص انتظارات نیز مثبت و معنادار است که با مبانی نظری انطباق دارد. در الگوی خاصِ شکل‌گرفته در بازار مسکن ایران و به‌طورکلی در بازار کالاهای سرمایه‌ای، انتظارات نقش کلیدی دارد. در پژوهش‌های پیشین مسکن در ایران، خلأ نداشتن توجه کافی به شاخص معرف انتظارات مشهود است. با‌توجه‌به نتایج این پژوهش ملحوظ‌کردن عامل انتظارات در بازار مسکن بسیار مهم و ضروری به نظر می‌رسد. طبعاً برای انتظارات پیشنهادِ شاخص‌های دیگر نیز امکان‌پذیر است.

جدول 5- نتایج تخمین به روش PDOLS

متغیرهای لگاریتمی

ضریب

آماره t

شاخص کمیابی زمین

0.21-

2.14-

شاخص انتظارات

0.32

3.44

شاخص چرخۀ عرضۀ ادواری

0.08-

1.40-

نقدینگی

0.24

4.21

درآمد سرانه

0.43

3.13

شاخص هزینۀ ساخت

0.14

1.75

شاخص نرخ ارز

0.09

1.82

منبع: یافته‌های تحقیق

رابطۀ قیمت مسکن کلان‌شهری با شاخص چرخۀ ادواری عرضه، منفی است؛ اما معنادار نیست. باتوجه‌به نتایج تخمین مدل پژوهش حاضر هریک درصد کاهش در حجم پروانه‌های ساختمانی موجب 0.08 درصد رشد در قیمت مسکن می‌شود. مطابق انتظار، رابطۀ بین این 2 متغیر، معکوس است. با رشد پروانه‌های مسکونی دورۀ قبل عرضه و موجودی مسکن افزایش می‌یابد و این امر درجهت تعدیل قیمت مسکن عمل می‌کند و بالعکس.

ضریب متغیر نقدینگی مطابق مبانی نظری، مثبت و معنادار است. به‌ازای هریک درصد رشد در نقدینگی، قیمت مسکن 0.24 درصد افزایش پیدا می‌کند. شدت تأثیر رشد نقدینگی بر قیمت مسکن، بسیار چشمگیر است. شایان ذکر است تأثیر رشد نقدینگی بر قیمت‌ها آنی نیست و با تأخیر ظاهر می‌شود.

رابطۀ قیمت مسکن کلان‌شهری با درآمد سرانۀ شهری نیز مثبت و در سطح 5 درصد معنادار است. نتایج تخمین نشان می‌دهد هریک درصد افزایش در درآمد سرانه موجب 0.43 درصد رشد قیمت مسکن در کلان‌شهرهای منتخب در دورۀ تعیین‌شده می‌شود که این امر با مبانی نظری مطابقت دارد. از دید نظری به‌دلیل نرمال‌بودن کالای مسکن با افزایش درآمد سرانه، تقاضای مصرفی و سرمایه‌ای مسکن افزایش می‌یابد و درنهایت منجر به افزایش قیمت مسکن می شود.

ضریب لگاریتمی نرخ ارز نیز مثبت است؛ اگرچه در سطح 5 درصد معنادار نیست. درآمد دولت در ایران تاحدی از نرخ ارز تأثیر می‌پذیرد. رشد نرخ ارز گاه باعث تقویت درآمدها و مخارج دولت می‌شود و افزایش مخارج جاری (حقوق و دستمزدها) و عمرانی دولت منجر به افزایش قیمت‌ها، ازجمله قیمت مسکن، خواهد شد. از طرف دیگر نرخ ارز در برخی شرایط بر قیمت بسیاری از مصالح ساختمانی، مانند فولاد و نظایر آن، نیز اثر دارد. این امر ممکن است بر هزینۀ ساخت مسکن نیز تأثیرگذار باشد. درهرصورت این رابطه با پیچیدگی‌هایی نیز همراه است.

رابطۀ بین قیمت مسکن و هزینۀ ساخت بنا هم طبق مبانی نظری، مثبت و ضریب مربوط به آن 0 و 14 است؛ ولی در سطح 5 درصد معنادار نیست. علت این امر به‌طور عمده به سهم نسبتاً اندکِ هزینۀ ساخت در قیمت مسکن در برخی شهرهای بزرگ مربوط می‌شود. به‌دلیل قیمت بالای مسکن در کلان‌شهرهای منتخب سهم هزینۀ ساخت در کل قیمت مسکن کوچک می‌شود‌؛ درنتیجه تأثیرگذاری نوسانات آن اندک است.

 

نتیجه‌گیری.

اگر سطح و نرخ رشد قیمت مسکن، یک مشکل تلقی شود، شدت آن در همه‌جا یکسان نیست. درمجموع نتایج حاصل از این پژوهش نشان می‌دهد محدودیت عرضۀ زمین و تفاوت سرانۀ زمین شهری با قیمت مسکن و تفاوت‌های آن در بین کلان‌شهرهای منتخب ایران رابطۀ معکوس دارد؛ همچنین متغیرهای چرخۀ ادواری عرضه، انتظارات ناشی از تحولات بازار مسکن شهر پیشتاز، رشد نقدینگی و رشد درآمد حقیقی بر قیمت مسکن کلان‌شهری و تفاوت آن مؤثر است.

بر این اساس به نظر می‌رسد سیاست انقباضی زمین شهری عامل مهمی در ایجاد شکاف قیمت مسکن، به‌ویژه در برخی کلان‌شهرها نسبت به سایر شهرها، بوده است؛ بنابراین سیاست‌گذار شهری باید باتوجه‌به روند رشد جمعیت و خانوار مشخصاً عرضۀ زمین را در کلان‌شهرها متعادل نگه دارد تا رانت زمین، آن هم در یک اقتصاد نفتی، کنترل شود؛ به‌خصوص اینکه در شرایط رشد جدی جمعیت یا تعداد خانوارها در کلان‌شهرها انعطاف کافی در سیاست توسعۀ شهری تأثیر مثبتی بر بازار مسکن شهری خواهد داشت.

نقش انتظارات نیز در بازار مسکن کلان‌شهری، نقشی کلیدی است و این امر برای پیش‌بینی و به‌ویژه برای کنترل ریسک اهمیت دارد. چه متقاضیان مصرفی و چه نهادهایی نظیر شرکت‌های سرمایه‌گذاری بورس، صندوق‌های زمین و مسکن، تعاونی‌های مسکن و ... که دست‌کم بخشی از پورتفوی خود را به زمین، مسکن و ساختمان اختصاص می‌دهند، لازم است برای کنترل ریسک و بهبود تصمیمات خود به نقش انتظارات در بازار مسکن، به‌ویژه انتظارات ناشی از تحولات مسکن شهر پیشتاز به‌منزلۀ مرکز انباشت و توزیع درآمد نفتی، توجه جدی داشته باشند.

درنهایت 2 عامل کلیدی شوک و بی‌ثباتی شدید در بازار مسکن از یک سو ساختار چرخه‌ای عرضۀ مسکن در ایران و از سوی دیگر شدت رشد نقدینگی است. کنترل رشد نقدینگی توأم با سیاست‌های جدیِ پادچرخه‌ای در بازار مسکن با ابزار تنظیم‌گر، نظیر مالیات، عوارض و نرخ تسهیلات ساخت، به هدف یکنواسازی و ثبات‌بخشی به بازار مسکن یاری می‌رساند و مانع نوسان‌های دوره‌ایِ شدید در بازار مسکن می‌شود یا شدت آن را تعدیل می‌کند.



[1]. Herr & Hottenrott

[2]. Du & Zhang

[3]. Badi et al

[4]. Wang,zhi & Zhang, Qinghua

[5]. Johnstone & Watuwa

[6]. Research gap

[7]. Rose

[8]. Witte

[9] .Liu & Jiang

[10]. Peng & Wheaton

[11]. Cobweb model

[12]. kenny

[13]. Eng Ong & Lee

[14]. Cordon

[15]. Egret

[16]. Panel Dynamic Least Squares

[17]. Kao & Chiang

[18]. Fixed Effect

[19]. Random Effect

[20]. Hausman Test

افشاری، زهرا و همتی، مریم (1392). «شناسایی عوامل مؤثر بر احتمال وقوع رکود و رونق در بازار مسکن»، پژوهشنامۀ اقتصاد ایران، دورۀ 18، شمارۀ 55، صص 17-46.

پایگاه اطلاع‌رسانی بانک مرکزی جمهوری اسلامی ایران، به آدرس: http://www.cbi.ir

جعفری صمیمی، احمد و همکاران (1386). «عوامل مؤثر بر تعیین رفتار شاخص قیمت مسکن در ایران»، فصلنامۀ پژوهش‌های اقتصادی ایران، دورۀ 9، شمارۀ 32، صص 31-53.

سهیلی، کیومرث و همکاران (1393). «بررسی عوامل مؤثر بر نوسانات قیمت مسکن در شهر کرمانشاه»، فصلنامۀ پژوهش‌های اقتصادی، دورۀ 14، شمارۀ 2، صص 41-67.

صباغ کرمانی، مجید و همکاران (1389). «عوامل تعیین‌کنندۀ قیمت مسکن با رویکرد روابط علیتی در مدل تصریح خطای برداری: مطالعۀ موردی تهران»، پژوهشنامۀ اقتصادی، دورۀ 16، شمارۀ 46، صص 55-75.

صمدی، سعید و معینی، شهرام (1391). «تحلیل قیمت مسکن کلان‌شهری و محدودۀ رشد شهری در ایران، کاربرد الگوی پنل دیتا در شهرهای مختلف تهران، اصفهان و شیراز»، مطالعات و پژوهش‌های شهری و منطقه‌ای، دورۀ 4، شمارۀ 14، صص 83-100.

عسگری، حشمت‌اله و چگنی، علی (1386). «تعیین عوامل مؤثر بر قیمت مسکن در مناطق شهری کشور به روش داده‌های تابلویی (طی سال‌های 1385-1370) »، فصلنامۀ اقتصاد مسکن، شمارۀ 40، صص 201-222.

فتاحی، شهرام و همکاران (1391). «بررسی عوامل مؤثر بر قیمت مسکن در ایران با استفاده از رگرسیون چندک»، همایش بین‌المللی اقتصادسنجی روش‌ها و کاربردها، سنندج، دانشگاه کردستان.

فخرحسینی، سیدفخرالدین و فاضلی، الهام (1392). «تخمین تابع تقاضای مسکن با استفاده از روش رگرسیون داده‌های پنل»، فصلنامۀ جغرافیا و مطالعات محیطی، دورۀ 2، شمارۀ 5، صص
33-51.

قاسمی، محمدرضا و همکاران (1391). «اندازه‌گیری حباب قیمت مسکن در ایران (1350-1390)»، فصلنامۀ تحقیقات توسعۀ اقتصادی،دورۀ3، شمارۀ 8، صص 85-104.

قادری، جعفر و ایزدی، بهنام (1395). «بررسی عوامل اقتصادی و اجتماعی بر قیمت مسکن در ایران (1391-1350)»، فصلنامۀ اقتصاد شهری، دورۀ 1، شمارۀ 1، صص 73-93.

کی‌فرخی، ایمان و فرهمند، شکوفه (1395). «تحلیل تأثیر عوامل مؤثر بر قیمت مسکن (مطالعۀ موردی: شهر اصفهان)»، فصلنامۀ اقتصاد شهری، دورۀ 1، شمارۀ 2، صص 117-130.

نورانی، محمد رضا (1393). «بررسی سفته‌بازی و حباب قیمتی در بازار مسکن»، فصلنامۀ پژوهش‌های اقتصادی، دورۀ 14، شمارۀ 52، صص 49-68.

Blackley, D. (1999). The Long-run Elasticity of New Housing Supply in The United States. Journal of Real Estate Finance and Economics, 18(1), 25- 42.

Badi H. Baltagi, Jing Li (2015), Cointegration of matched home purchases and rental price indexes Evidence from Singapore, Elsevier B.V.

Corden, M. W. (1984). Booming Sector and Dutch Disease Economics: Survey and consolidation. Oxford Economic Papers, 36(3). 359–380.

Du, Z., Zhang, L., (2015). Home-purchase restriction, property tax and housing price in China: A counterfactual analysis. Journal of Econometrics, 25(2). 281–296.

Egert, Balazs and Carol, S. L. (2008). Dutch Disease Scare in Kazakhstan: Is Itreal?, Open Economies Review, 19, 171-189.

El Araby, M. (2003). The Role of the State in Managing Urban Land Supply and Prices in Egypt, Habitant International, 27, 429-458.

Follain, J. (1979). The Price Elasticity of the Long Run Supply of New Housing Construction. Land Economics, 55(2), 190-199.

Kao, C. & Chiang, M. H. (2001). On the estimation and inference of a cointegrated regression in panel data, in Badi H. Baltagi, Thomas B. Fomby, R. Carter Hill (ed.), Advances in Econometrics: Nonstationary Panels, Panel Cointegration, and Dynamic Panels, Volume 15, Emerald Group Publishing Limited, pp.179 – 222.

Herr, A., & Hottenrott H., (2016). Higher prices, higher quality? Evidence from German nursing homes. Health Policy, 61(2), 121-130.

Johnstone, H. & Watuwa, R. (2007). House Price in Canada: An Empirical Investigation. Journal of Urban Economics, 15(4), 211-225-

Kenny, G. (1999). Modeling the Demand and Supply Sides of The Housing Market: Evidence from Ireland. Economic Modeling, 16(3), 389-409.

Liu, Z. & Jiang, G. (2005). House Price and Land Price: Disputation, Comment and Empirical Research. China Land, 8, 28-39.

Peng, R & Wheaton, W. C. (1994). Effects of Restrictive Land Supply on Housing in Hong Kong and Econometric Analysis. Journal of Housing Research, 2, 262-291.

Rose, L.A. (1989). Topographical Constraints and Urban Land Supply Indexes. Journal of Urban Economics, 26, 128-143.

Wang, z. & Zhang, Q. (2014). Fundamental Factors in the Housing Market of China. Journal of Housing Economic, 17 (2), 109-127.

Witte A. D. (1975). The Determination of Inter-urban Residential Site Prices Differences: A Derived Demand Model with Empirical Testing. Journal of Regional Science, 9(3), 351-364.