بررسي اثر گذاري حجم نقدينگي و درآمد سرانه بر بازار مسكن (با استفاده از مدل خودرگرسيون‌برداري)

Investigating the Effect of Liquidity and Per capita Income on the Housing Market (Using a vector auto regression model)

بازار مسكن در ادوار گذشته، يكي پر نوسان‌ترين بخش‌هاي اقتصادي كشور بوده و دوره‌هاي ركود و رونق بسياري را تجربه كرده است. نكته حائز اهميت آن است كه بخش مسكن داراي بيشترين ارتباط با ديگر بخش هاي اقتصاد است. با ركود آن مجموعه اقتصاد وارد بحران خواهد شد. همچنين بخش مسكن با توجه به اين ويژگي‌ها، تاثير‌پذيري شديد‌تر سرمايه‌گذاري و قيمت مسكن از نوسانات اقتصادي در كوتاه‌مدت و همچنين گستردگي ارتباطات پسين و پيشين آن با ساير بخش‌ها، ظرفيت ايجاد رشد و توسعه در ديگر بخش‌هاي اقتصاد را دارد و مي‌تواند به عنوان مشوق رشد درون‌زا ايفاي نقش كند و به منظور محرك، جهت ايجاد رشد اقتصادي در كوتاه‌مدت و موتور محرك خروج از ركود مورد توجه قرار گيرد. بنابراين، لزوم تأمل بيشتر در اين بخش ضروري است. لذا در اين تحقيق با استفاده از الگوي تحليل سري زماني خود رگرسيون برداري (VAR) به بررسي تاثير متقابل بين بازارهاي قيمت مسكن برخي متغيرهاي كلان اقتصادي از قبيل حجم نقدينگي، درآمد سرانه، پرداخته شده است. نتايج تحقيق نشان داد كه حجم نقدينگي سهم بسزايي در نوسانات بازار مسكن دارد. لذا سياست‌گذاران حوزه اقتصادي به اين توجه بيشتري نمايند.

The housing market has been one of the most volatile sectors of the economy in recent times, experiencing periods of stagnation and boom. It is important to note that the housing sector is most closely linked to other sectors of the economy. With the recession, the whole economy will be in crisis. Also, the housing sector, given these features, has a stronger impact on investment and housing prices than short-term economic fluctuations, as well as its widespread and past relevance to other sectors, has the potential to generate growth and development in other sectors of the economy and can serve as an endogenous growth incentive. To play a slower role, and to stimulate, to stimulate economic growth in the short term and to drive the recession out. Therefore, further reflection is necessary in this section. Therefore, in this study, using the vector auto regression Time Series (VAR) analysis model, we investigate the interaction between housing price markets of some macroeconomic variables such as liquidity volume, per capita income. The results showed that the volume of liquidity has a significant share in the volatility of the housing market. Therefore, policymakers in the economic field should pay more attention to this.