Türkiye’de, özellikle 2002 sonrası dönemde, konut ve inşaat sektörü ekonomik
büyümenin en önemli sektörlerden biri haline gelmiştir. Konut talebini etkileyen faktörlerin
belirlenerek, konut fiyatlarının tahmin edilmesi ve fiyatın talep üzerindeki etkisinin
belirlenmesi çalışmaları son yıllarda literatürde sıklıkla yer almaktadır. Konut fiyatlarının
belirlenmesi için yapılan ampirik araştırmalarda genellikle klasik regresyon analizi
yöntemlerinin kullanıldığı görülmektedir. Klasik regresyon analizinde bağımlı değişken ile
bağımsız değişken ya da değişkenler arasındaki ilişki gözlenmiş verilere dayalı olarak
tahmin edilmektedir. Yetersiz gözlem sayısı, varsayımların doğruluğunu test ederken
karşılaşılan zorluklar, bağımlı ve bağımsız değişkenler arasındaki ilişkide oluşan belirsizlik
gibi nedenlerle klasik regresyon analizinin yetersiz kaldığı problemler bulanık regresyon
analizi ile çözülebilmektedir. Bulanık regresyon analizinde, klasik regresyonda hata terimi
olarak bilinen ve bağımlı değişkeni açıklama olasılığı olan ancak modele dahil edilemeyen
değişkenlerden veya ölçüm hatalarından kaynaklanan hata tüm model katsayılarına dağıtılır.
Bu çalışmada, Aydın ili örneklemine ilişkin veriler ile konut talebinin en temel
belirleyicisi olan konut fiyatlarını etkileyen konut özelliklerinin neler olduğunun
belirlenmesi amaçlanmıştır. Konut fiyatının tahmini aşamasında, bulanık en küçük kareler
yönteminden yararlanılmıştır. Çalışma bu yönüyle benzerlerinden güçlü olup, ilgili
literatüre, il ekonomisine ve bu alanda yapılacak çalışmalara önemli bir katkı sağlanması
beklenmektedir.
In Turkey, housing and construction sector, especially after 2002, has become one of
the most important sectors of economic growth. In recent years, studies of determining the
factors affecting housing demand, estimating house prices and determining the effect of
price on demand have frequently appeared in the literature. In empirical researches to
determine the housing prices, it is generally observed that classical regression analysis
methods are used. In classical regression analysis, the relationship between dependent
variable and independent variable or variables is estimated based on observed data.
Problems in which classical regression analysis is insufficient due to insufficient number of
observations, difficulties encountered while testing the accuracy of assumptions and
uncertainty in the relationship between dependent and independent variables can be solved
with fuzzy regression analysis. In fuzzy regression analysis, the error resulting from
variables or measurement errors, known as the error term in classical regression, which are
likely to explain the dependent variables but cannot be included in the model, is distributed
to all model coefficients.
In this study, it is aimed to determine the characteristics of housing that affect the
housing prices, which is the most basic determinant of housing demand, with the data
related to the sample of Aydın. In the estimation of the housing price, fuzyy least squares
method has been used. The study is powerful than similar studies with this aspect, and it is
expected to make a significant contribution to the relevant literature, provincial economy
and studies in this field.