تحلیل کلانِ بازار اجاره مسکن در سلسله مراتب شهری بر پایه مدل چهاربخشی DPW (بارهیافت: GVAR)

نوع مقاله : پژوهشی

نویسندگان

1 دکتری اقتصاد شهری- منطقه ای، دانشگاه اصفهان، اصفهان، ایران

2 استادیار اقتصاد، گروه اقتصاد، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران.

3 استادیار اقتصاد، گروه اقتصاد، دانشکده علوم انسانی، دانشگاه زنجان، زنجان، ایران

چکیده

بازار اجاره مسکن به‌عنوان پایانه انعکاس تقاضای مصرفی و رفاه خانوار، پدیده‌ای چندبعدی است که تحولات آن عمیقاً با بخش دارایی، هزینه‌های ساخت و جریان‌های اعتباری گره خورده است. در بستر نظام شهری ایران، نوسانات بازار اجاره به‌دلیل ناهمگونی‌های ساختاری و سرریزهای فضایی نامتقارن میان پایتخت و سایر مناطق، رفتاری پیچیده نشان می‌دهد. بر این اساس، پژوهش حاضر با هدف تحلیل پویایی‌های کلان بازار اجاره مسکن در سلسله‌مراتب شهری ایران، چارچوب تعاملی دی‌پاسکال–ویتون (DPW) را با رویکرد خودرگرسیون برداری جهانی (GVAR) تلفیق نموده است. در این تصریح، پویایی شاخص اجاره‌بها بر پایه برهم‌کنش هم‌زمان چهار زیربازار (اجاره، دارایی، ساخت‌وساز و اعتبارات) برای تهران، شهرهای بزرگ و شهرهای کوچک طی دوره ۱۳۷۰ تا ۱۴۰۳ مدل‌سازی شده است.برای این منظور داده‌های مورد نیاز برای 4 بازار اجاره، دارایی، ساخت و مالی از بانک مرکزی جمهوری اسلامی ایران برای سال های 1370 تا 1403 با تواتر سالانه جمع آوری شده اند.
نتایج توابع واکنش تعمیم‌یافته (GIRF) نشان می‌دهد سیستم مسکن ایران فاقد الگوی انتشار موجی متقارن میان لایه‌های شهری است؛ رابطه تهران و شهرهای بزرگ هم‌حرکتی کوتاه‌مدت معناداری را نشان نمی‌دهد، در حالی که تکانه مثبت در بازار اجاره تهران با افت کوتاه‌مدت رشد اجاره‌بها در شهرهای کوچک (واگرایی مکانی) همراه است. این الگوی ناهمگن و نامتقارن، ناشی از تفاوت در ساختار تقاضا و توان مالی خانوارها میان پایتخت و پیرامون است و فرضیه سرریز یکپارچه را رد می‌کند.

کلیدواژه‌ها

موضوعات

مراجع

Alam al-Hoda, N., Damankeshideh, M., Amiri, M., & Keyghobadi, A. (2026). Analyzing speculator behavior in the Iranian housing market through agent-based modeling and genetic algorithms. Iranian Journal of Economic Research. .doi: 10.22054/ijer.2026.86895.1379.(In Persian). https://ijer.atu.ac.ir/article_20847.html
Borgersen, T. A., & Emblem, A. W. (2022). Mortgage market induced booms and busts in the housing market in a modified DiPasquale-Wheaton Model. International Real Estate Review, 25(3), 281-306. https://ideas.repec.org/a/ire/issued/v25n032022p281-306.html
Cipollini, A., & Parla, F. (2020). Housing market shocks in Italy: a GVAR approach. Journal of Housing Economics, 50, 101707. https://www.sciencedirect.com/science/article/abs/pii/S1051137720300437
Dees, S., Mauro, F. D., Pesaran, M. H., & Smith, L. V. (2007). Exploring the international linkages of the euro area: a global VAR analysis. Journal of applied econometrics, 22(1), 1-38. https://doi.org/10.1002/jae.932
DiPasquale, D., & Wheaton, W. C. (1992). The markets for real estate assets and space: A conceptual framework. Real Estate Economics, 20(2), 181-198. https://doi.org/10.1111/1540-6229.00579
Gorjian, M. (2025). Integrating machine learning and hedonic regression for housing price prediction: A systematic international review of model performance and interpretability. https://ideas.repec.org/p/pra/mprapa/125676.html
Gu, Q., Wang, J., & Xu, J. (2026). Unveiling the link between rising house prices and household debt: insights from Chinese household-level survey data. Applied Economics, 1-17. https://doi.org/10.1080/00036846.2025.2609838
Kashkooli, H. N., Hajipoor, K., Arasteh, M., & Soltani, A. (2024). The impact of subway station proximity on apartment prices in shiraz. Transportation in Developing Economies, 10(2), 16. 10:16 https://doi.org/10.1007/s40890-024-00198-x
Łaszek, J. (2025). The contemporary DPW model for the commercial real estate sector and its analytical capabilities. Real Estate Management and Valuation, 33(3), 87-100. https://doi.org/10.2478/remav-2025-002
Lisi, G. (2020). Tweaking the DiPasquale–Wheaton–Colwell model. Letters in Spatial and Resource Sciences, 13(2), 201-208. DOI: 10.1007/s12076-020-00253-2. https://ideas.repec.org/a/spr/lsprsc/v13y2020i2d10.1007_s12076-020-00253-2.html
Marcuse, P., & Madden, D. (2024). In defense of housing: The politics of crisis. Verso Books, page: 1-2.
Meng, J., Liu, P., & Li, M. (2025). Multidimensional Urbanization and Housing Price Changes: Evidence from 35 Large-and Medium-Sized Cities in China. Buildings, 15(17), 3177. https://www.mdpi.com/2075-5309/15/17/3177
Mirzaei, H., Razban, N., Mohammadi, T., & Morovat, H. (2023). Network analysis of the housing market among Iranian provinces: New results using forecast error variance decomposition analysis. Journal of Economic Research (Tahghighat-e Eghtesadi), 23(88), 120–157doi: 10.22054/joer.2024.75890.1159. .(In Persian). https://joer.atu.ac.ir/article_16899.html
Najafi Shalamzari, A., Nasr Isfahani, R., & Saffari, B. (2026). Spatial analysis of the housing price bubble in Iran using a spatial lag model. Quarterly Journal of Economic Research, 61(1), 129–159.(In Persian). doi: 10.22059/jte.2026.256269.1007897. https://jte.ut.ac.ir/article_106744.html?lang=fa
Nikpey Pesian, V., Mohammadzadeh, P., Rezazadeh, A., Ansari Samani, H., & Morovat, H. (2025). Analysis of herd behavior driven by the culture of dependency in Iran’s housing market. Economic Research and Prospects, 25(3), e13639.(In Persian). e13639. https://ecor.modares.ac.ir/article_13639.html
Pesaran, M. H., Schuermann, T., & Weiner, S. M. (2004). Modeling regional interdependencies using a global error-correcting macroeconometric model. Journal of Business & Economic Statistics, 22(2), 129-162. https://www.jstor.org/stable/1392171
Shirafkan Lamso, M., Seyedhashemi, F., & Sistani Badooei, Y. (2024). Mutual shocks of housing price index and housing transaction volume in Iranian provinces: A GVAR approach. Stable Economy Journal, 5(2), 55–92.(In Persian). .   https://doi.org/10.22111/sedj.2024.47179.1411
Valdez Gómez de la Torre, F. M., & Chen, X. (2024). Housing price determinants in Ecuador: A spatial hedonic analysis. International Journal of Housing Markets and Analysis, 17(6), 1461-1487. https://www.emerald.com/insight/content/doi/10.1108/ijhma-09-2023-0121

فایل ها

هم رسانی

ارجاع به این مقاله

آمار