نوع مقاله : مقاله مستخرج از رساله دکتری

نویسندگان

1 دانشجوی دکتری اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه علوم و تحقیقات، تهران، ایران.

2 استاد تمام گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه علوم و تحقیقات، تهران، ایران.

3 دانشیار گروه اقتصاد، دانشکده مدیریت و اقتصاد، دانشگاه علوم و تحقیقات، تهران، ایران.

4 استاد تمام اقتصاد، دانشکدة اقتصاد، دانشگاه علامه طباطبایی، تهران، ایران .

چکیده

چکیده گسترده
معرفی:
مسکن به عنوان دارایی و سرپناه پس از خوراک و پوشاک، اساسی ترین نیاز زیستی انسان است که هم برای حیات و بقای فرد و هم برای جامعه اهمیت بسزایی دارد. تغییر در قیمت مسکن از یک سو به عنوان اصلی ترین دارایی در سبد پرتفولیوی خانوارها منجر به تغییر ثروت فرد در طول زمان خواهد شد و از سوی دیگر نوسان‌های قیمت مسکن، علی الخصوص افزایش‌های سریع آن از جمله تهدیدهایی است که هدف دولت ها مبنی بر دسترسی آحاد مردم به مسکن را با چالش مواجه می‌کند. این مسئله به خصوص در دهه های اخیر و با رشد جمعیت، شهرنشینی و تشکیل خانوارهای جدید اهمیت بیشتری پیدا کرده است. آلودگی هوا به عنوان یکی از مهمترین دغدغه های زیست محیطی قرن حاضر و پیامد حاصل از افزایش روزافزون جمعیت و شهرنشینی و ساخت مسکن جان میلیون ها نفر چه در کشورهای در حال توسعه و چه در کشورهای توسعه یافته و صنعتی را تهدید می کند. لذا با توجه به اهیمت آلودگی هوا و تاثیر آن بر مسکن و قیمت مسکن، این پژوهش سعی دارد با استفاده از تکنیک داده‌های تابلویی اثر آلودگی هوا بر قیمت مسکن در کشورهای توسعه یافته (شامل: نروژ، سوئیس، استرالیا، ایسلند، دانمارک، امریکا، ژاپن و جمهوری چک) و درحال توسعه (شامل: ترکیه، مکزیک، برزیل، چین، کلمبیا، آفریقای جنوبی، اندونزی، هند) را طی بازه زمانی (2017-2010) مورد بررسی و مقایسه قرار دهد و سپس این بررسی را برای ایران با استفاده از تکنیک خودتوضیح برداری با وقفه‌های گسترده غیرخطی (NARDL) و طی سال­های (96-1375) انجام دهد.
متدولوژی:
همانگونه که در قسمت مقدمه ذکر شد، هدف این پژوهش تحلیل تاثیر آلودگی هوا و برخی متغیرهای اقتصادی بر قیمت مسکن در کشورهای درحال توسعه، توسعه یافته و ایران
می­باشد. بدین منظور از مدل زیر استفاده گردیده است:
                                                                                                          
که در این مدل:
:  لگاریتم قیمت مسکن در سال t
:  لگاریتم شاخص آلودگی هوا در سال t
:  لگاریتم درآمد سرانه در سال t
:  لگاریتم نقدینگی در سال t
:  لگاریتم شاخص بهای کالاها و خدمات مصرفی در سال t
:  لگاریتم نرخ ارز در سال t
:  نرخ بهره در سال t
 
در اینجا ذکر دو نکته ضروری است: اول آنکه شاخصی که برای آلودگی هوا در نظر گرفته شده میزان ذرات معلق PM2.5 می‌باشد. دوم؛ سال پایه برای کشورهای توسعه یافته و در‌حال توسعه 2010 و برای ایران 1390 می­باشد.
اطلاعات آماری مورد نظر که به صورت سری زمانی می‌باشد از طریق درگاه اطلاعاتی بانک جهانی، صندوق بین المللی پول، سازمان همکاری و توسعه اقتصادی، بانک مرکزی ایران، مرکز آمار ایران و ترازنامه انرژی جمع آوری گردید.
 
یافته­ها:
تاثیر آلودگی هوا بر قیمت مسکن در کشورهای توسعه یافته و در حال توسعه:
با توجه به کوتاه بودن بازه زمانی (به دلیل محدودیت دسترسی به اطلاعات) و نامعتبر بودن نتایج آزمون ریشه واحد در این شرایط، در گام اول مسئله ناهمگنی واحدها با استفاده از آماره آزمون F لیمر مورد بررسی قرار گرفت. با توجه به اینکه ارزش احتمال آماره آزمون F برای هر دو گروه کشورهای توسعه یافته و درحال توسعه کوچکتر از 01/0 است بنابراین برای برآورد مدل در هر دو گروه از کشورها از تکنیک Panel Data استفاده می­گردد. به عنوان گام بعدی برای بررسی مسئله همبستگی بین اجزای اخلال و متغیرهای توضیحی (یعنی انتخاب میان روش اثرات ثابت و روش اثرات تصادفی) آزمون هاسمن انجام گردیده که نتایج این آزمون حاکی از ارزش احتمال کوچکتر از 01/0 برای هر دو گروه از کشورهای مورد بررسی و بکارگیری روش اثرات ثابت است.
نتایج حاصل از تخمین مدل به شرح ذیل می­باشد:
در کشورهای توسعه یافته آلودگی هوا منجر به کاهش قیمت مسکن به میزان 30 درصد می‌گردد. اما در کشورهای درحال توسعه ارتباط معناداری میان آلودگی هوا و قیمت مسکن وجود ندارد. اثر درآمد سرانه بر قیمت مسکن در هر دو گروه از کشورهای مورد بررسی مثبت و معنادار است. اثر نقدینگی بر قیمت مسکن در کشورهای توسعه یافته مثبت و معنادار است اما در کشورهای در حال توسعه اثر نقدینگی بر قیمت مسکن معنادار نمی‌باشد با توجه به ثبات نسبی شاخص بهای کالاها و خدمات مصرفی در کشورهای توسعه یافته، این شاخص بر قیمت مسکن در کشورهای فوق الذکر اثری ندارد. در کشورهای درحال توسعه اثر شاخص بهای کالاها و خدمات مصرفی بر قیمت مسکن مثبت و معنادار و به میزان 48 درصد است. ثبات نرخ ارز در کشورهای توسعه یافته سبب شده که این متغیر بر قیمت مسکن تاثیر معناداری نداشته باشد. اما در کشورهای درحال توسعه افزایش نرخ ارز سبب کاهش 4 درصدی قیمت مسکن می‌شود. افزایش نرخ بهره، سبب افزایش قیمت مسکن به میزان 5/0 درصد در کشورهای توسعه یافته و کاهش 2/0 درصد در کشورهای درحال توسعه می‌شود.
تأثیر آلودگی هوا بر قیمت مسکن در ایران:
به عنوان نخستین گام ابتدا متغیرهای مورد استفاده در مدل، از نظر پایایی آزمون شدند. نتایج آزمون ریشه واحد ADF نشان داد تمامی متغیرهای مورد بررسی در این پژوهش I(1) بوده و این بدان معناست که الگوی خودتوضیح برداری با وقفه‌های گسترده  ARDL برای تحلیل رفتار کوتاه‌مدت و بلندمدت متغیرهای تحقیق حاضر، روش مناسبی است. سپس به منظور بررسی فروض کلاسیک از آزمون های تشخیصی مربوطه استفاده گردید که نتایج به دست آمده حاکی از آن بوده که مدل هیچ گونه مشکلی از لحاظ فروض کلاسیکس ندارد، یعنی خود همبستگی و ناهمسانی واریانس وجود ندارد و توزیع اجزای اخلال نرمال می­باشد.
نتایج حاصل از تخمین مدل به شرح ذیل می باشد:
اثر شوک‌های منفی و مثبت آلودگی هوا بر قیمت مسکن معنادار می­باشد، بدین معنا که کاهش آلودگی هوا منجر به افزایش اجاره بهای مسکن و افزایش سطح آلودگی هوا منجر به کاهش شاخص اجاره بهای مسکن در ایران می‌شود. افزایش درآمد سرانه منجر به افزایش شاخص اجاره بهای مسکن می­شود. ضریب متغیر لگاریتم نقدینگی منفی و بی­معنا می‌باشد. افزایش شاخص بهای کالاها و خدمات مصرفی و نرخ ارز منجر به افزایش اجاره بهای مسکن خواهد شد. نتایج حاصل از تخمین مدل، حاکی از اثر بی معنای نرخ بهره این متغیر بر شاخص اجاره مسکن در بلندمدت می‌باشد، اما در کوتاه‌مدت با افزایش نرخ بهره، تقاضا برای اجاره مسکن و به تبع آن اجاره بها افزایش خواهد یافت.
 
نتیجه:
بر اساس نتایج به دست آمده در این مطالعه اثر آلودگی هوا بر قیمت مسکن در کشورهای توسعه یافته منفی و معنادار بوده در حالی که این اثر در کشورهای درحال توسعه بی معنا بوده است. نتایج برآورد مدل در ایران نشان می‌دهد که آلودگی هوا تاثیر معناداری بر اجاره‌بهای مسکن دارد.
با توجه به نتایج به دست آمده پیشنهادات ذیل در جهت کنترل قیمت مسکن ارائه می‌گردد:

ثبات قیمت ها و جلوگیری از رشد بی رویه شاخص بهای کالاها و خدمات مصرفی از طریق کنترل نقدینگی و نرخ ارز.
مدیریت نرخ ارز: از آنجایی که نوسانات و ناپایداری نرخ ارز می‌تواند آثار مخربی را در اقتصاد کشورها بر جای گذارد، لذا پیش بینی و استفاده از ابزارهایی که اقتصاد کشورها را در مواجهه با نوسانات نرخ ارز توانمند سازد باید مورد توجه قرار گیرد.

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

Factors affecting housing prices with an environmental approach (Comparison of some developed and developing countries)

نویسندگان [English]

  • Nasibeh kakoui 1
  • Kambiz Hojabr-Kiani 2
  • farhad ghaffari 3
  • Ali Emami Meibodi 4

1 PhD Student in Economics, Department of Economics, Science and Research Branch, Islamic Azad University, Tehran, Iran.

2 Professor of Economics, Faculty of Management and Economics, University of Science and Research, Tehran, Iran.

3 Associate Professor of Economics, Faculty of Management and Economics, University of Science and Research, Tehran, Iran.

4 Professor of Economics, Faculty of Economics, Allameh Tabatabaei University, Tehran, Iran.

چکیده [English]

EXTENDED ABSTRACT
INTRODUCTION
Housing, as an asset and shelter after food and clothing, is the most basic human need, which is very important for the life and survival of the individual as well as for the society. Changes in housing prices, on the one hand, as the main asset in households' portfolios, will lead to changes in individual wealth over time, and on the other hand, fluctuations in housing prices, especially their rapid increases, are among the threats that governments aim to provide access to. People face challenges in housing. This issue has become more important especially in recent decades with population growth, urbanization and the formation of new families. Air pollution as one of the most important environmental concerns of this century and the result of increasing population and urbanization and housing construction threatens the lives of millions of people in developing countries as well as in developed and industrialized countries. Therefore, considering the importance of air pollution and its impact on housing and housing prices, this research tries to use the panel data technique of the effect of air pollution on housing prices in developed countries (including: Norway, Switzerland, Australia, Iceland, Denmark, America , Japan and the Czech Republic) and developing countries (including: Turkey, Mexico, Brazil, China, Colombia, South Africa, Indonesia, India) during the period of time (2010-2017) and then this review for Iran using self-explanatory vector technique with extended non-linear intervals (NARDL) and during the years (1375-1996).
METHODOLOGY
As mentioned in the introduction, the purpose of this research is to analyze the impact of air pollution and some economic variables on housing prices in developing countries, developed countries and Iran. For this purpose, the following model has been used:
Which in this model:
: Logarithm of housing price in year t
: Logarithm of air pollution index in year t
: Logarithm of per capita income in year t
: Logarithm of liquidity in year t
: Logarithm of the price index of consumer goods and services in year t
: Logarithm of exchange rate in year t
: Interest rate in year t
 
It is important to mention two points here: First, the index considered for air pollution is the amount of suspended particles PM2.5. Second; The base year is 2010 for developed and developing countries and 2010 for Iran.
The desired statistical information, which is in the form of a time series, was collected through the information portal of the World Bank, the International Monetary Fund, the Organization for Economic Cooperation and Development, the Central Bank of Iran, the Statistical Center of Iran, and the energy balance sheet.
 
FINDINGS
The impact of air pollution on housing prices in developed and developing countries:
Due to the short period of time (due to the limited access to information) and the invalidity of the results of the unit root test in these conditions, in the first step, the problem of heterogeneity of units was investigated using the F-test statistic of Limer. Considering that the probability value of the F test for both groups of developed and developing countries is less than 0.01, therefore, Panel Data technique is used to estimate the model in both groups of countries. As the next step to examine the correlation between disturbance components and explanatory variables (i.e. choosing between the fixed effects method and the random effects method), the Hausman test was performed, and the results of this test indicated a probability value smaller than 0.01 for both groups of countries. Investigating and applying the fixed effects method.
The results of model estimation are as follows:
In developed countries, air pollution leads to a decrease in housing prices by 30%. But in developing countries, there is no significant relationship between air pollution and housing prices. The effect of per capita income on housing prices is positive and significant in both groups of countries under investigation. The effect of liquidity on housing prices is positive and significant in developed countries, but the effect of liquidity on housing prices is not significant in developing countries. Considering the relative stability of the consumer goods and services price index in developed countries, this index has no effect on housing prices in the aforementioned countries. In developing countries, the effect of the price index of consumer goods and services on the price of housing is positive and significant at the rate of 48%.The stability of the exchange rate in developed countries has caused this variable to have no significant effect on housing prices. But in developing countries, an increase in the exchange rate causes a 4% decrease in housing prices. The increase in interest rate causes the housing price to increase by 0.5% in developed countries and decrease by 0.2% in developing countries.
The impact of air pollution on housing prices in Iran:
As the first step, the variables used in the model were tested for reliability. The results of the ADF unit root test showed that all the variables investigated in this research were I(1) and this means that the vector self-explanatory model with wide ARDL intervals is a suitable method for analyzing the short-term and long-term behavior of the variables in this research. Then, in order to check the classical assumptions, relevant diagnostic tests were used, and the obtained results indicated that the model does not have any problems in terms of the classical assumptions, that is, there is no autocorrelation and heterogeneity of variance, and the distribution of disturbance components is normal.
The results of model estimation are as follows:
The effect of negative and positive air pollution shocks on housing prices is significant, which means that the decrease in air pollution leads to an increase in housing rent and an increase in the level of air pollution leads to a decrease in the housing rent index in Iran. An increase in per capita income leads to an increase in housing rent index. The variable coefficient of liquidity logarithm is negative and meaningless. An increase in the price index of consumer goods and services and the exchange rate will lead to an increase in housing rent. The results of the model estimation indicate the insignificant effect of the interest rate of this variable on the housing rental index in the long term, but in the short term, with the increase in the interest rate, the demand for housing rent and consequently the rent will increase.
 
CONCLUSION
Based on the results obtained in this study, the effect of air pollution on housing prices was negative and significant in developed countries, while this effect was insignificant in developing countries. The results of the model estimation in Iran show that air pollution has a significant effect on housing rent.
According to the obtained results, the following suggestions are presented in order to control housing prices:

Stability of prices and prevention of excessive growth of the price index of consumer goods and services through control of liquidity and exchange rate.
Exchange rate management: Since the fluctuations and instability of the exchange rate can leave destructive effects in the economy of the countries, therefore, the forecasting and use of tools that enable the economy of the countries to face the fluctuations of the exchange rate should be considered.

 

کلیدواژه‌ها [English]

  • Housing price
  • Air pollution
  • Econometric technique of panel data
  • Non Linear ARDL
Azmi, A. S. M., Azhar, R. F., & Nawawi, A. H. (2012). The relationship between air quality and property price. Procedia-Social and Behavioral Sciences, 50, 839-854.
Amini Behbahani, A., & Nafari, K. (2017). Air Pollution, Housing Prices, and Costs of Sanctions: A Natural Experiment. University of Illinois at Urbana-Champaign, Department of Economics, 1-53.
Behbahani, A. A., & Nafari, K. (2018). Air Pollution, Housing Prices, and Costs of Sanctions: A Natural Experiment: SSRN.
Chiarazzo, V., Coppola, P., Dell’Olio, L., Ibeas, A., & Ottomanelli, M. (2014). The effects of environmental quality on residential choice location. Procedia-Social and Behavioral Sciences, 162, 178-187.
DiPasquale, D., & Wheaton, W. C. (1994). Housing market dynamics and the future of housing prices. Journal of Urban economics, 35(1), 1-27.
Emami maboodi, A., Azami, A., & Haghdoost, e. (2010). Environmental Effective Factors on Houses Prices in Tehran: Hedonic Pricing Approach. Journal of Economic Research (Tahghighat- E- Eghtesadi), 44(2), -. Retrieved from https://jte.ut.ac.ir/article_20013_6b82c36b7a1a292fc95a869bd74fcb17.pdf
Fallahi, F., Panahi, H., & Karimi Kandoleh, M. (2017). Correlation between Stock Exchange, Dollar, and Gold Coins Returns in the Iranian Economy: A Hilbert- Huang Transform Approach. Journal of Economic Research (Tahghighat- E- Eghtesadi), 52(4), 905-934. doi:10.22059/jte.2017.63695
Hemati, L., Emadzadeh, M., & Ranjbar, H. (2018). Direct and indirect effects of corruption on pollution in Iran; By ARDL approach. Quarterly Journal of Quantitative Economics, 15(2), 83-110.
Huang, X., & Lanz, B. (2018). The value of air quality in Chinese cities: Evidence from labor and property market outcomes. Environmental and Resource Economics, 71(4), 849-874.
Jafari Samimi, A., (Mila) Elmi, Z., & Hadizadeh, A. (2007). Affecting Factors On House Price Index. Iranian Economic Research, 9(32). Retrieved from https://ijer.atu.ac.ir/article_3624.html
Kenny, G. (1999). Modelling the demand and supply sides of the housing market: evidence from Ireland. Economic Modelling, 16(3), 389-409.
Khalili Araghi, S. M., Mehrara, M., & Azimi, S. R. (2012). A Study of House Price Determinants in Iran, Using Panel Data. Quarterly Journal of Economic Research and Policies, 20(63), 33-50. Retrieved from http://qjerp.ir/article-1-467-en.html
Laden, F., Schwartz, J., Speizer, F. E., & Dockery, D. W. (2006). Reduction in fine particulate air pollution and mortality: extended follow-up of the Harvard Six Cities study. American journal of respiratory and critical care medicine, 173(6), 667-672.
Mar Iman, A., Hamidi, N., & Liew, S. (2009). The effects of environmental disamenities on house prices. Malaysian Journal of Real Estate, 4(2), 32-44.
Momenzadeh Vahedi, T. (2012). Investigating the relationship between foreign direct investment and environmental quality in selected countries (in the form of Kuznets environmental hypothesis). Master Thesis, University of Central Tehran, Faculty of Economics and Accounting.
Minguez, R., Fernández-Avilés, G., & Montero, J. (2010). Does air pollution affect the price of housing? A joint geostatistics and spatial econometric perspective. Development, energy, environment, economics. WSEAS Press, Tenerife.
Pajooyan, J., & Moradhasel, N. (2008). Assessing the relation between economic growth and air pollution. The Economic Research (Sustainable Growth and Development), 7(4), 141-160. Retrieved from http://ecor.modares.ac.ir/article-18-1759-en.html
Poterba, J. M. (1984). Tax subsidies to owner-occupied housing: an asset-market approach. The Quarterly Journal of Economics, 99(4), 729-752.
Sadeghi, S. K., Khosh Akhlagh, R., Emadzadeh, M., & Dalali Esfahani, R. (2008). the effect of air pollution on housing value (Case study: Tabriz metropolis). Iranian Journal of Economic Research, 37(12). Retrieved from https://ijer.atu.ac.ir/article_3553.html
Salem, A. A., & Akaberi, T. M. (2018). Calculating the willingness to pay to avoid of pollution harmful effects by using the Hedonic price in different provinces of Iran. Quarterly Journal of Quantitative Economics, 15(2), 23-50.
Zavadskas, E., Kaklauskas, A., Šaparauskas, J., & Kalibatas, D. (2007). Vilnius urban sustainability assessment with an emphasis on pollution. Ekologija, 53(2), 64-72.
Zhang, L., & Zheng, H. (2019). Public and Private Provision of Clean Air: Evidence from Housing Prices and Air Quality in China. Available at SSRN 3214297