همچنین پارامتر مربوط به اثرگذاری نرخ بهره کوتاه­مدت (I_S) نیز کاملا معنی­دار (۶٫۱۳t=) است. ضریب I_S معادل ۰۵/۰ است که نشان دهنده کشش قیمت مسکن نسبت به نرخ بهره کوتاه­مدت است. همچنین مثبت بودن ضریب مربوطه نشان دهنده آن است که سپرده کوتاه مدت مکمل دارایی مسکن می­باشد. نرخ بهره بعنوان عامل مالی در بنیادهای اقتصادی نقش کلیدی دارد. نرخ بهره موجب افزایش هزینه تأمین مالی ساخت می­ شود و می ­تواند سبب کاهش عرضه مسکن نوساز شود. معمولا واکنش عرضه مسکن نسبت به نرخ بهره و یا سایر متغیرها کند و ملایم­تر از عکس العمل تقاضا نسبت به متغیرهای یاد شده است. مطالعات لیانگ و کاو (۲۰۰۷)، بلک و ارس (۲۰۰۷)، لی و یانگ (۲۰۰۵)، نیز این نتیجه را تایید می­ کنند.
شاخص سهام (ps) مطابق انتظار اثر منفی و معنی­داری بر قیمت مسکن دارد. ضریب متغیر مربوطه ۰۲/۰- است که نشان می­دهد یک درصد افزایش در قیمت سهام سبب کاهش شاخص قیمت سهام به میزان ۰۲/۰ درصد می­ شود. مطالعات چن و پاتل (۱۹۹۸)، شن (۲۰۰۵) نیز این نتیجه را تایید می­ کنند. سهام جانشین قوی مسکن است و به ویژه برای افراد میان­ریسک و ریسک­پذیر جانشین خوبی برای مسکن بشمار می­رود (متین، ۱۳۸۸). لذا افزایش قیمت سهام می ­تواند کاهش قیمت مسکن را بدنبال داشته باشد. دلیل منطقی برای رابطه متقابل قیمت مسکن و قیمت دارایی­ های مالی عبارتند از اینکه: افزایش قیمت یکی از دارایی­ ها، می ­تواند تقاضا برای دیگر دارایی­ ها را بعلت استراتژی تخصیص پرتفولیو بالا ببرد. یعنی بسیاری از سرمایه گذاران می­خواهند نسبت معینی از یک دارایی را در سبد دارایی مالی خود نگهداری کنند. اگر قیمت یک دارایی نسبت به دیگر دارایی­ ها بطور معنی­داری افزایش یابد، سرمایه ­گذاران باید پورتفولیو انتخابی را دوباره تخصیص دهند. یعنی سرمایه ­گذاران باید دارایی­ای را که قیمت آنها نسبت به دارایی­ های دیگر افزایش یافته است بفروشند و دارایی­ های دیگر را بخرند. از این رو افزایش قیمت در بازار یک دارایی می ­تواند به توسعه بازار دارایی­ های دیگر منجر شود.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

ضریب متغیر جمعیت (pop) نیز مطابق انتظار مثبت بوده و از معنی­داری بالایی برخوردار است و کمیت مربوطه ۱/۱ است و کشش قیمت مسکن نسبت به جمعیت را نشان می­دهد و بیانگر این نکته است که یک درصد افزایش در جمعیت، قیمت مسکن را ۱/۱ درصد افزایش می­دهد و این نشان­دهنده تاثیر­گذاری بالای این متغیر است. تغییر در جمعیت منجر به افزایش تقاضا برای مسکن شده و به تبع آن موجب افزایش قیمت مسکن می­ شود.
متغیر روند به عنوان جانشین^[۱۱۷] تکنولوژی در بخش مسکن استفاده شده است که اثر منفی و به شدت معنی­دار بر قیمت مسکن دارد. این مساًله نشان می­دهد که پیشرفت تکنولوژی سبب کاهش قیمت مسکن در طی زمان شده است.
متغیر کمیت ثابت در کشورها متفاوت است، که خود دلالت بر تاثیرگذاری عوامل دیگر بر قیمت مسکن در کشورهای مورد بررسی دارد. اثرات ثابت در ایران (۱۳٫۱) دارای بیشترین مقدار بوده و بعد از آن بالاترین کمیت اثر ثابت مربوط به فنلاند (۲٫۳۴)، نیوزیلند (۲٫۳۳) و ایرلند (۲٫۳۲) می­باشد و کمترین مقدار مربوط به ژاپن (۵٫۹-)، کره­جنوبی (۵٫۵-) است. اثر ثابت مربوطه در ایران با اختلاف زیادی بیشتر از سایر کشورهاست که نشان می­دهد در ایران عوامل دیگری غیر از متغیرهای موجود در مدل اثر زیادی بر قیمت مسکن دارند.
در الگوی مزبور همچنین R² و برابر ۹۶/۰ است که نشان می­دهد ۹۶/۰ درصد از تغییرات قیمت حقیقی مسکن توسط متغیرهای توضیحی مدل، توضیح داده شده است.
شایان ذکر است که مشکلات فروض کلاسیک بررسی گردید و مدل برازش شده دارای عدم خودهمبستگی و عدم ناهمسانی واریانس می­باشد.
برای تعدیل اثرات فصلی، از میانگین متحرک شاخص قیمت مسکن استفاده می­کنیم و مجدداً تخمین را تکرار می­کنیم. میانگین متحرک قیمت با نرم­افزار Microfit محاسبه شده و از میانگین ۳ فصل استفاده شده است. مدل (۴-۹) برای کل نمونه مورد بررسی و در دوره زمانی ۲۰۰۹-۱۹۸۰، بر اساس روش اثرات ثابت برازش می­ شود.

(۴-۹)
نتایج تخمین در جدول (۴-۴) ارائه شده است. همانطور که مشاهده می­ شود ضریب تولید ناخالص داخلی در مدل اصلی ۰۰۹/۰- بوده و کمیت آن در مدل میانگین متحرک به ۰۱۱/۰- افزایش یافته است و معنی­داری آن نسبت به تخمین قبل از تعدیل اثرات فصلی افزایش یافته است. ضریب نقدینگی در مدل اصلی ۵۸/۰ بوده و کمیت آن در مدل میانگین متحرک به ۵۷/۰ کاهش یافته ولی آماره t آن افزایش یافته است. ضریب نرخ بهره بلندمدت در مدل اصلی ۰۴/۰- بوده و کمیت آن در مدل میانگین متحرک به ۰۳/۰ و ضریب جمعیت در مدل اصلی ۱/۱ بوده و کمیت آن در مدل میانگین متحرک به ۰۵/۱ کاهش یافته است. همچنین معنی­داری متغیر جانشین تکنولوژی در بخش مسکن در مدل تعدیل اثرات فصلی کاهش یافته است. پارامترهای مربوط به اثرگذاری متغیرهای تورم، نرخ بهره کوتاه­مدت و سهام تغییر قابل توجهی نداشته­اند.
متغیر کمیت اثر ثابت کشورهای ایران، کانادا، دانمارک نسبت به مدل اصلی مقداری کاهش یافته­اند اما ضریب اثر ثابت سایر کشورها تغییر قابل توجهی نداشته است.
جدول ۴-۴: نتایج تخمین برای مدل تعدیل اثرات فصلی