چکیده:
یکی از نهادهای اقتصادی نظام اسلام که به کمک آن میتوان به توسعه اقتصادی دست یافت نهاد وقف است. متأسفانه در ایران علیرغم وجود موقوفات متعدد میزان درآمد اکتسابی از موقوفات بسیار پایین است، که این امر موجب شده است از توان بالقوه نهاد وقف در راستای بهبود رفاه جامعه به صورت کارآ کاسته شود. یکی از مباحث مطرح در این زمینه، نحوه قیمتگذاری املاک موقوفه است. در این مقاله، چگونگی به کارگیری مدل رگرسیون مرکب بیزی جهت تخمین هرچه دقیقتر نرخ اجاره رقبات مسکونی تشریح شده است. تابع پیشین به کار رفته، تابع مزدوج طبیعی بوده و دادههای مورد استفاده در این مقاله به صورت مقطعی و مربوط به مناطق 22 گانه تهران میباشد که از سایت وزارت راه و شهرسازی جمع آوری شده و تعداد آن بالغ بر 70 هزار مشاهده است. در انتهای این مقاله ضرایب کشش مربوط به متغیرهای مدل برآورد شده و با توجه به محدودیتهای آماری در کشور، مدل با یکسری متغیرهای فیزیکی و محیطی اضافهتر، تکمیل و جهت استفاده در کل کشور گسترش یافته است.
Waqf is an important economic institution of Islam which can help us in achieving the economic development. Unfortunately the feetails income in Iran is very low، in despite of their abundance. This causes decreasing of the potential power of this institution regarding social welfare improvement and efficiency. Real estate pricing and rent estimation is a significant issue in this sector. This paper describes how we can apply the Bayesian multivariate regression for estimating the feetails rental rate as accurate as possible. A natural conjugate prior function has been used. The sample size exceeds 70 thousands and is related to 22 regions of Tehran city. Running the initial model، we estimate the elasticity of variables and the insignificant coefficients were eliminated. The final results show that the location variable has the most important effect on price.
خلاصه ماشینی:
تابع پیشین به کار رفته، تابع مزدوج طبیعی بوده و دادههای مورد استفاده در این مقاله به صورت مقطعی و مربوط به مناطق 22 گانه تهران میباشد که از سایت وزارت راه و شهرسازی جمع آوری شده و تعداد آن بالغ بر 70 هزار مشاهده است.
در این مقاله سعی شده است روشی علمی جهت تعیین نرخ اجاره رقبات مسکونی، ارائه گردد تا در کنار نظر کارشناسان مذکور به عنوان کف قیمت به کار گرفته شود.
به عنوان مثال میانگین پسین ضریب 3 با استفاده از تابع پیشین اطلاع محور 17500 به دست آمده است که با مقایسه آن با انحراف معیار خود (1770) در مییابیم که این ضریب تفاوت معناداری با صفر دارد (به احتمال 95 درصد در دامنه [13960و 21040] قرار دارد).
مقایسه مدلها با تابع پیشین اطلاعات محور (رجوع شود به تصویر صفحه) در جدول 4 نیز پیشبینی درون نمونهای مدل برای 5 نمونه محاسبه و با مقدار واقعی آن مقایسه شده است.
3. نتایج تجربی در نهایت با به کارگیری بیش از 70 هزار داده (اخذ شده از سامانه وزارت مسکن و شهرسازی) و در نظر گرفتن تابع پیشین پراکنده مدل مذکور این بار با متغیرهای توضیحی زیر تخمین زده شده است.
لذا میتوان معادله نهایی جهت تعیین قیمت یک واحد مسکونی را به صورت زیر نوشت: که در آن : (رجوع شود به تصویر صفحه) میباشد.
شایان ذکر است سازمان اوقاف و امور خیریه میتواند جهت محاسبه دقیقتر قیمت املاک موقوفه اقدام به آمارگیری نموده و بر مبنای اطلاعات کافی جمعآوری شده در این زمینه مدل را مجددا اجرا نماید.