Konut Piyasalarında Hedonik Değerleme Modeli Tahmini: Ankara İli Çankaya İlçesi Çukurambar Bölgesi Örneği

Abstract

Gayrimenkullerin rekabet koşullarını tayin eden arz ve talep değişimleri, aynı zamanda gayrimenkul değerlerine de doğrudan yansımaktadır. Gayrimenkul piyasası içinde özellikle konutların arz ve talep değişimleri ekonomik büyümeyi önemli ölçüde etkilemektedir. Gayrimenkul değerlerindeki bu değişimin takip edilmesi ve değişime sebep olan ekonomik etkenlerin belirlenmesi objektif değerleme çalışmalarıyla mümkün olup, gerek akademik gerek ticari çalışmalarda değer tespit süreçlerinin kolaylaştırılabilmesi için hedonik değerleme modeli gibi birtakım istatistiki modeller geliştirilmiştir.
Örnek olayda konut piyasalarında hedonik değerleme modelinin tahmini, sağladığı katkılar ve ilişkili olduğu konular, Ankara İli Çankaya İlçesi Çukurambar Bölgesi için geliştirilen hedonik regresyon modeli yardımıyla analiz edilmiş ve konutların sahip oldukları karakteristik özelliklerin değer üzerindeki marjinal etkisi hedonik değerleme modelinden yararlanılarak ortaya konulmaya çalışılmış, konut piyasalarında değeri etkileyen yapısal, çevresel ve konumsal faktörler tespit edilmiştir.
Örnek olay analizinde geliştirilen hedonik regresyon modellerinin tahmin performansları ve işleyişleri bir model simülasyon tekniği olan Monte Carlo metodu yardımıyla karşılaştırılmış olup, konut satış değeri tahmininde en uygun model alternatifi adım adım regresyon modeli olarak belirlenmiştir. Konumsal verilerin dahil edilmesinin modelin açıklama gücünü artırmasına karşılık, yapısal özelliklerin çevresel ve konumsal özelliklere kıyasla değer üzerinde daha yüksek oranda (% 46) etkisi olduğu sonucu ortaya konmuştur.

Full text

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
25
Konut Piyasalarında Hedonik Değerleme Modeli Tahmini:
Ankara İli Çankaya İlçesi Çukurambar Bölgesi Örneği
Gizem Hayrullahoğlu
1
Yeşim Aliefendioğlu
2
Harun Tanrıvermiş
3
Ahmet Cevdet Hayrullahoğlu
4
Özet
Gayrimenkullerin rekabet koşullarını tayin eden arz ve talep değişimleri, aynı zamanda gayrimenkul değerlerine
de doğrudan yansımaktadır. Gayrimenkul piyasası içinde özellikle konutların arz ve talep değişimleri ekonomik
büyümeyi önemli ölçüde etkilemektedir. Gayrimenkul değerlerindeki bu değişimin takip edilmesi ve değişime
sebep olan ekonomik etkenlerin belirlenmesi objektif değerleme çalışmalarıyla mümkün olup, gerek akademik
gerek ticari çalışmalarda değer tespit süreçlerinin kolaylaştırılabilmesi için hedonik değerleme modeli gibi
birtakım istatistiki modeller geliştirilmiştir.
Örnek olayda konut piyasalarında hedonik değerleme modelinin tahmini, sağladığı katkılar ve ilişkili olduğu
konular, Ankara İli Çankaya İlçesi Çukurambar Bölgesi için geliştirilen hedonik regresyon modeli yardımıyla
analiz edilmiş ve konutların sahip oldukları karakteristik özelliklerin değer üzerindeki marjinal etkisi hedonik
değerleme modelinden yararlanılarak ortaya konulmaya çalışılmış, konut piyasalarında değeri etkileyen yapısal,
çevresel ve konumsal faktörler tespit edilmiştir.
Örnek olay analizinde geliştirilen hedonik regresyon modellerinin tahmin performansları ve işleyişleri bir model
simülasyon tekniği olan Monte Carlo metodu yardımıyla karşılaştırılmış olup, konut satış değeri tahmininde en
uygun model alternatifi adım adım regresyon modeli olarak belirlenmiştir. Konumsal verilerin dahil edilmesinin
modelin açıklama gücünü artırmasına karşılık, yapısal özelliklerin çevresel ve konumsal özelliklere kıyasla değer
üzerinde daha yüksek oranda (% 46) etkisi olduğu sonucu ortaya konmuştur.
Anahtar Kelimeler: hedonik değerleme, konut piyasası, model tahmini, Monte Carlo simülasyonu
JEL Sınıflandırması: C10, R31, C13, C15
Estimation of Hedonic Valuation Model in Housing Markets: The
Case of Çukurambar Region in Çankaya District of Ankara
Province
Abstract
Changes in supply and demand which determine the competitive conditions of real estate are also directly
reflected in real estate values. In the real estate market, especially supply and demand changes of housing have a
significant effect on economic growth. It seems possible to follow the change in real estate values and to
determine the economic factors that cause change through objective valuation practices, and in both academic
and commercial studies, several statistical models such as hedonic valuation model have been developed for
facilitating the valuation processes.
In the case study, estimation, contributions and related issues of the hedonic valuation model in housing markets
were analysed by means of hedonic models developed for the Çukurambar Region in Çankaya District of Ankara
1
Arş.Gör., Ankara Üniversitesi, Uygulamalı Bilimler Fakültesi, Gayrimenkul Geliştirme ve Yönetimi Bölümü,
Ankara-Türkiye, var@ankara.edu.tr
2
Yrd.Doç.Dr., Ankara Üniversitesi, Uygulamalı Bilimler Fakültesi, Gayrimenkul Geliştirme ve Yönetimi
Bölümü, Ankara-Türkiye, aliefendioglu@ankara.edu.tr
3
Prof.Dr., Ankara Üniversitesi, Uygulamalı Bilimler Fakültesi, Gayrimenkul Geliştirme ve Yönetimi Bölümü,
Ankara-Türkiye, tanrivermis@ankara.edu.tr
4
TOBB Ekonomi ve Teknoloji Üniversitesi, Sosyal Bilimler Enstitüsü, İşletme Ana Bilim Dalı, Yüksek Lisans
Mezunu, ahmethayrullahoglu@gmail.com

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
26
Province. The marginal effect of housing characteristics on house prices were examined by hedonic valuation
model, and structural, environmental and spatial factors that affecting value in housing market were analysed.
In the case study analysis, the predictive performances and also results of CLLS, stepwise regression and ANN
models were compared with the Monte Carlo method, which is a model simulation technique, and the optimal
model alternative in estimating the residential sales value was determined as the stepwise regression model.
Although the use of spatial data in model increases the adjusted R², the conclusion is that the structural
characteristics have a higher (46 %) contribution over value compared to environmental and spatial
characteristics.
Keywords: hedonic valuation, housing market, model estimation, Monte Carlo simulation
JEL Classification: C10, R31, C13, C15
1. Giriş
Gayrimenkullerin rekabet koşullarını belirleyen arz ve talep değişimleri, gayrimenkul
değerlerine de doğrudan yansımakta, özellikle konutların arz ve talep değişimleri, ekonomik
büyümeyi ciddi ölçüde etkilemektedir. Gayrimenkul değerlerindeki bu değişimin izlenmesi ve
değişime sebep olan ekonomik etkenlerin belirlenmesi, objektif değerleme çalışmalarıyla
mümkündür. Ancak her gayrimenkulün birbirinden farklı ve özgün karakteristiğe sahip
olması, değerlemeyi zaman alan ve yüksek maliyetli bir süreç haline getirmektedir.
Türkiye’de mevcut durumda gayrimenkul değerlemenin bilimsel ilke ve esaslar ve
uluslararası standartlara uygun olarak yapılmaması nedeniyle, gerek akademik gerek ticari
çalışmalarda değer tespit süreçlerinin kolaylaştırılması ve hedonik değerleme modeli gibi
birtakım istatistiki modellerin geliştirilmesi gerekli bulunmaktadır.
Hedonik değerleme süreci, gayrimenkullerin sahip oldukları karakteristik özelliklerin kitlesel
anlamda büyük veri haline getirilmesi ve sahip oldukları bu özelliklerin fiyat (satış) ile
ilişkilendirilmesi aşamalarından oluşmaktadır. Geliştirilen hedonik yöntem ile beraber satış
değer tespitinin standardize olmuş bir şekilde gerçekleştirilmesi beklenmektedir. Genel
anlamda hedonik model, bir malın özelliklerinin fiyat üzerindeki etkisini incelemektedir.
Gayrimenkul özelinde ele alındığında, gayrimenkullerin karakteristik özellikleri ve satış fiyatı
arasında istatistiki ilişki kurmanın mümkün olduğu model hedonik değerleme modelidir
(Palmquist ve Smith 2001).
Çalışmada hedonik değerleme modelinin kullanımı, örnek olay çerçevesinde Ankara içinde
özgün konuma sahip üç mahallenin çevrimiçi emlak sitesinden temin edilen satış verilerinin
incelenmesi yoluyla ortaya konulmuştur. Seçilen mahalleler hem önemli akslara olan
mesafeleri ve barındırdıkları fonksiyon türleri ile birbirinden ayrışmakta, hem de idari
sınırların ötesinde bir heterojen yapı sergilemekte olduğundan, analizler gecekondu
alanlarının yüksek yoğunluklu fiziksel bir dönüşüm geçirdiği Çukurambar Bölgesi ölçeğinde
yapılmıştır. Türkiye’de gayrimenkul piyasasının en dinamik ve en çok dışsallık sağlayan
sektörü konut sektörü olarak bilindiğinden çalışma, ilandaki konut satış verileri ile
gerçekleştirilmiştir. Çalışmanın kapsamı, gayrimenkul değerlerini ölçmek üzere
kullanılabilecek kantitatif modellerin incelenmesi ve karşılaştırılması, en uygun modelin
seçilmesi ve elde edilen sonuçların değerlendirilmesinden oluşmaktadır.
Araştırmada üç farklı model uygulanarak değer tahmin edilmeye çalışılmıştır. Uygulanan
modeller CLLS (constrained linear least-squares (sınırlı doğrusal regresyon modeli)), SR
(stepwise regression (adım adım regresyon)) ve ANN (artificial neural network (yapay sinir
ağları)) olup, CLLS ve SR doğrusal, ANN doğrusal olmayan yapıya sahiptir. Regresyon
modellerinde ilandaki satış fiyatı bağımlı değişken olarak tarif edilmiş, eşitliğin karşı
tarafında ise sabit terim ve iki adedi kukla olmak üzere sekiz adet bağımsız değişken
tanımlanmıştır. Modellerin hata oranlarına göre performansları karşılaştırılarak çalışmanın
sonuçları değerlendirilmiştir.

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
27
2. Hedonik Değerleme Modeli: Kavramsal Çerçeve
Büyük nüfus hareketleriyle bugünkü şeklini alan kentsel mekanlarda barınma ihtiyacına cevap
veren kullanımların başında gelen konutlar, zaman içinde bireylerin sosyal davranışları,
ekonomik statüleri ve talepleri ile form değiştirmiş, farklı niteliksel ve niceliksel özellikler
taşımaya başlamış, hatta önemli bir yatırım ve finansman aracı olarak görülmüşlerdir. Bu
durum, tüm gayrimenkul türleri içinde öncelikle konut piyasasına etki eden faktörlerin
incelenmesi ihtiyacını doğurmuştur. Ayrıca Türkiye’de konut yatırımları hane halkının toplam
varlığı içinde önemli bir paya sahip olduğundan, konut fiyatlarının ekonomik dinamikler
üzerinde stratejik bir etkisi bulunmakta (Hülagü vd. 2016) ve gayrimenkulün ekonomi
içindeki öneminin belirlenmesi ve piyasanın irdelenmesi için doğru ve güvenilir verilerin
oluşturulması, analiz edilmesi ve sunulması gerekmektedir.
Literatürde yaygın olarak “hedonik değerleme” yerine “hedonik fiyatlama modeli” olarak
adlandırılmakta olan kavram (Tanrıvermiş 2016), yaygın olarak bir malın fiyat endeksinin
oluşturulması, bir malın değerinin tahmin edilmesi ve kamu mallarının refah analizinin
yapılması amacıyla kullanılmaktadır (Hidano 2002). Hedonik modeller regresyon analizleri
yardımıyla tahmin edilmektedir. Talep veya değer tahmini yapılarak kullanıcı tercihlerinin ve
bireysel zevklerin ortaya çıkarıldığı hedonik modeller ile piyasayı etkileyen her bir
parametrenin ayrı ayrı ele alınması mümkün olabilmektedir (Boyacıgil 2003).
Hedonik fiyatlama modeli, Lancaster’ın (1966) tüketici teorisine kazandırdığı yeni yaklaşımla
ortaya çıkmış ve Lancaster Tercih Teorisi olarak adlandırılmıştır. Lancaster (1966)
makalesinde, ürünün heterojen olmasından yola çıkarak bir ürünün yalnız başına tüketiciye
fayda sağlamadığını, sahip olduğu karakteristiklerin faydaya neden olduğunu vurgulamıştır.
Konut da her heterojen mal gibi birden fazla özelliği bünyesinde barındırmakta ve
barındırdığı özelliklerin bir toplamı olarak satılmaktadır. Tek bir toplam fiyatla birden çok
özelliğe sahip malların fiyatını belirtmek ve piyasasını analiz etmek oldukça güç olduğu için
malın her bir özelliğinin fiyatının belirlenmesiyle malın fiyatı tespit edilmekte ve hedonik
fiyat olarak adlandırılmaktadır (Yentürk 2011).
2.1 Hedonik Modelin Değişkenleri, Tahmini ve Fonksiyon Seçimi
Bir gayrimenkulü tanımlamak gerektiğinde onun yapısal, çevresel ve konumsal
özelliklerinden faydalanılmaktadır (Gundimeda 2005). Söz gelimi konut için ele alındığında,
yapısal özellikler konutun yaşı, yüzölçümü, oda sayısı, banyo sayısı, konut tipi, yapı
malzemeleri, ısıtma sistemi, otopark varlığı gibi özellikleri; çevresel özellikler bulunduğu
bölgenin hava kalitesi, su kalitesi, otoyollara ve havaalanına olan mesafesi gibi özellikleri;
konumsal özellikler ise bulunduğu bölgenin gelir durumu, altyapı kalitesi, okul ve hastane
gibi sosyal altyapılara erişim kolaylığı, toplu ulaşım araçlarına ve duraklara mesafesi, şehrin
merkezi lokasyonlarına yakınlığı gibi özellikleri ifade etmektedir. Bireylerin sosyo-ekonomik
durumlarına göre yapısal, çevresel ve konumsal özellikler için ödeme istekliliği oluşmaktadır.
Modele dahil edilen her bileşenin gayrimenkul değerine belli bir oranda katkısı olmaktadır.
Bu durumda modeldeki değişkenler, ödeme istekliliğine neden olan etmenlerin ölçülmesine
de olanak sağlamaktadır.
Temelinde bir regresyon denklemi olan hedonik modeller regresyon analizleri yardımıyla
tahmin edilmektedir. Model, malların heterojen olduğu varsayımı üzerine kurulu olup, her
mal bireysel özelliklerin toplamı olarak nitelendirilmektedir (Aliefendioğlu 2011). Hedonik
değerleme için literatürde sıkça kullanılan fonksiyon formlarının;
• Doğrusal fonksiyon,
• Tam logaritmik fonksiyon ve
• Yarı logaritmik fonksiyonlar (doğrusal logaritmik ve logaritmik doğrusal)
olduğu dikkati çekmektedir. Modelde sıklıkla benimsenen fonksiyonlar doğrusal, logaritmik
ve logaritmik doğrusal fonksiyon formlarıdır (Aliefendioğlu 2011).

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
28
3. Konut Piyasalarinda Hedonik Değerleme Modeli Tahmini: Ankara İli Çankaya İlçesi
Çukurambar Bölgesi Örneği
Örnek olarak alınacak çalışma alanı, Ankara İli Çankaya İlçesi sınırları içinde, Eskişehir
Yolu, Konya Yolu ve 1071 Malazgirt Bulvarı eşikleri arasında yer alan Çukurambar Bölgesi
olarak belirlenmiştir (Şekil 1). Çukurambar, Kızılırmak ve Karakusunlar (İşçi Blokları)
Mahallelerini kapsayan söz konusu bölge, kentin büyük ölçüde doygunluğa ulaşmış ve mekan
kalitesi düşük bölgelerine müdahale edilmesiyle son yıllarda öne çıkmıştır. Bürokrasi ve
kamu kurumları Eskişehir Yolu üzerine taşınmasıyla Çukurambar Bölgesi’nde nüfus
hareketliliği artmış, 2002 yılında yapımına başlanan metro hattının 2014 yılında
tamamlanarak faaliyete başlaması ve bölgedeki kentsel çalışma alanı imarlı arsalar üzerinde
prestij kentsel projelerin geliştirilmesi ile bölgenin dokusu değişmiştir.
Şekil 1: Çalışma alanının sınırları
Kaynak: yandex.com.tr'den alınan harita üzerinde kişisel çizim
Örnek alan olarak seçilen bölgede gayrimenkul piyasası genelinde yalnızca konut piyasası ele
alınmıştır. Gayrimenkullerin farklı türlerde olmalarının daha ötesinde, sahip oldukları farklı
konum, cephe, kat, yapı kalitesi gibi karakteristik özellikleri de her bir gayrimenkulü özgün
kılmaktadır. Aralarındaki ayrımdan yola çıkılarak gayrimenkullerin fiyatlarını oluşturan her
bir karakteristiğin değeri belirlenebileceğinden, hedonik değerleme modelinin teorik yapısı
konut piyasasından verilen örneklerle açıklanmaya çalışılmıştır. Ayrıca bu yolla alışveriş
merkezleri ve önemli ulaşım bağlantıları gibi konumsal özelliklerin konut tercihlerine etkisi
ifade edilebilecektir.
Yapılan hedonik değerleme çalışmasında satış fiyatları ile konutun sahip olduğu yapısal,
çevresel ve konumsal özellikler arasındaki ilişkiyi çözmek amacıyla regresyon analizi
kullanılmıştır. Regresyon analizinde öncelikle hatalı veya eksik verileri modele dahil
etmemek adına veri üzerinde bir filtreleme yapılmıştır. Ardından korelasyonu yüksek
bağımsız değişkenlerin modele dahil edilmeden önce ayıklanabilmesi için çoklu doğrusal
bağlantı (multicollinearity) testi uygulanmıştır.
3.1 Verinin Temini, Betimleyici İstatistikler ve Değişken Seçimi
Konutların yapısal özellikleri ve bulundukları konum olarak birbirinden ayrışması, oldukça
heterojen yapıdaki konut piyasası için fiyat tahminini güçleştiren bir unsurdur (Hill 2011).
Konut piyasasında güvenilir değer tahmini yapılabilmesi için, gerçekleşmiş satış verilerinin
yanı sıra konutları birbirinden ayıran kalite özelliklerini ve konum bilgilerini de modele dahil
etmek hem modelin açıklama gücünü artırmakta, hem de tahminin hata oranını
düşürmektedir. Örnek çalışmada talep fiyatları kullanılarak örnek bir model oluşturulmak
istenmiştir. Bu nedenle konutların sahip olduğu yapısal özelliklerin bilgisi erişim kolaylığı
nedeniyle bir çevrimiçi emlak sitesi olan Hürriyet Emlak’tan (Anonim 2016a) çekilerek

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
29
kullanılmıştır. Toplam 163 adet konut için 01.01.2016 tarihinde çekilen yapısal özellik
bilgilerini alan, oda sayısı, bulunduğu kat, gördüğü cepheler, binanın yaşı ve site içinde
olması veya apartman dairesi olması olarak sıralamak mümkündür.
Çukurambar’da konumlu 163 adet taşınmaza ait birim satış değerleri çevrimiçi emlak
sitesinden elde edilmiştir. Başlangıçta 327 adet konuta ait veri elde edilmiş; ancak hedonik
değerlemede güvenilir veri seti ile çalışılması gerekliliğinden dolayı verilerde filtreleme
uygulanmış ve elde edilen verilerden en güvenilir % 50’si modelde kullanılmıştır. Çalışmada
modelin sahip olduğu bağımsız değişken sayısını artırmamak adına konutların önceden
belirlenen ana caddeye (Konya Yolu) ve metro istasyonuna (Söğütözü Metro İstasyonu) olan
uzaklığı Google Maps API (application programming interface (uygulama programlama
arayüzü)) (Anonymous 2016a) yardımıyla sorgulanmıştır.
Verilerden yararlanılarak oluşturulan tanımlayıcı istatistiklere göre Çukurambar’da yer alan
konutların ortalama birim fiyatı 3.985,00 TL/m², ortalama birim kirası 13,56 TL/m²’dir. Statik
bir hesapla bölgede yer alan konut yatırımlarının ortalama 24 ((13,56 x 12 / 3.985,00)-1) yılda
geri dönme ihtimali yüksek görünmektedir. O halde, yatırımcıların bölgede yer alan
konutların zaman içinde prim kazanacağı beklentisi içine girdiği ve spekülatif davrandığı
sonucu ortaya çıkmaktadır. Diğer yandan hane halkının gelir artışının, konut satış fiyatlarında
gerçekleşen artışın gerisinde kalmış olma ihtimali de bulunmaktadır.
Konut tipi incelendiğinde, konutların ortalama 4 odaya ve 150,00-250,00 m² alana sahip
olduğu görülmektedir. Ortalama kat adedi 11 olarak tespit edilmiş olsa da, 8-10 katlı yapılar
çoğunluktadır. Bölgede ortalama bina yaşının 9 olduğu tespit edilmiştir. Modelde kullanılan
konut verilerinin sadece % 21’i site içinde bulunmakta olup, konut verilerinin karakteristik
özellikleri, 1991 yılında onaylanan 5’inci Etap Kentsel Servis Alanı Planı ve 2004 yılında
onaylanan 3’üncü Etap Karakusunlar - Çukurambar Çevre Yolu Kuzeyi Uygulama İmar
Planı’nın yürürlüğe girmesinin sonucunu yansıtmaktadır.
Hedonik model tahmininde hangi bağımsız değişkenin modele dahil edileceği ve hangisinin
ihmal edileceği önem verilmesi gereken konuların başında gelmektedir. Hedonik değerleme
modelinde de benzer şekilde model kurulmadan önce bağımsız değişkenlerin belirlenmesi için
birtakım testlerin yapılması gerekmektedir. Çalışma kapsamında rank eksilmesi sorununun
ayrıntılı bir biçimde gözlemlenmesine olanak tanıyan çoklu doğrusal bağlantı
(multicollinearity) testi yapılmıştır. Elde edilen serpiştirme grafikleri yardımıyla değişkenlerin
birbirleriyle olan korelasyon ilişkisi tespit edilebilmiştir.
Çoklu doğrusal bağlantı testi incelendiğinde, konutun oda sayısı ve alanı arasında % 84’lük
yüksek bir korelasyon bulunduğu görülmektedir. Çoklu doğrusal bağlantı (multicollinearity)
olup olmadığını anlayabilmek için VIF (variance inflation factor (varyans büyütme faktörü))
değerine bakılmalıdır. Buna göre uygulanacak yöntemlerden biri olan CLLS’de varyans
büyütme faktörü testinden 5,00’in üzerinde değer alan değişkenlerin modelden çıkarılması
beklenmektedir. Oda sayısı ve alan korelasyonunun yüksek olması nedeniyle, VIF değerlerine
de bakılmış ve alan değişkeni için bu rakamın 5,00 sınırının altında (3,83) çıktığı görülmüş
olup, sonuç olarak oda sayısı ve alan değişkenlerinin yüksek varyans büyütme faktörü
değerine sahip olmalarına karşın modelden çıkarılmalarını gerektirecek düzeyde yüksek
skorlar almadıkları görülmüştür.
İstatistiksel testlere ait hesaplanan p-değeri “ilgili hipotez testi sonucunda anlamlı fark vardır”
denileceği durumda hatalı karar verme olasılığını göstermekte ve p-değeri ne kadar küçük
olursa H0 hipotezinin reddedilmesi için bir gerekçe oluşmaktadır (Kul 2014). Yapılan
çalışmalarda p-değeri 0,05’ten daha düşük olan değişkenlerin modele dahil edilmelerinin
anlamlı olacağı tahmin edilmektedir. Bu bağlamda, adım adım regresyonda faydalanmak
üzere çalışılan verilerin p-değerlerine de bakıldıktan sonra değişken seçiminin
tamamlanmasının ardından regresyon modeline karar verilmelidir. Çalışmada literatürde

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
30
sıklıkla uygulanan modellerden CLLS, SR ve ANN ile modeller tahmin edilmiş, tahmin
performansları karşılaştırılarak en uygun model tespit edilmiştir.
4. Regresyon Modelleri Seçimi
Çalışmada, en iyi parametre tahminlerini veren fonksiyonel formlarının tahmin edilmesi için
ikisi doğrusal, biri doğrusal olmayan üç farklı model ele alınmıştır. Çalışmanın sonucunda her
bir modelin tahmin gücü ölçülerek değer tespiti için en uygun model tespit edilecektir.
Konumsal verileri elde etmenin zorluğundan dolayı, literatürde incelenen çalışmalarda konum
verilerinin çoğunlukla modele değişken olarak dahil edilmedikleri görülmüş, dolayısıyla
modelde konumsal özelliklerin kullanıldığı ve kullanılmadığı durumlardaki tahmin düzeyleri
de karşılaştırılmıştır. Böylece konum özelliklerinin modelin etkinliğini ne düzeyde artırdığını
belirlemek mümkün olmaktadır.
Literatür analizinde doğrusal regresyon modellerinden OLS, CLLS ve SR’nin; doğrusal
olmayan regresyon modellerinden çok değişkenli doğrusal olmayan regresyon, ANN ve
bulanık regresyonun sıklıkla kullanıldığı tespit edilmiştir. Örnek olarak gerçekleştirilen
çalışmada literatürde sıkça kullanılan ve uygulaması kolay CLLS, SR ve ANN olmak üzere
üç farklı model tahmin edilmiştir. CLLS, hedonik regresyon çalışmasında bağımsız
değişkenlere doğrusal sınırlar koyarak regresyon analizi yapılmasına olanak tanıdığından
dolayı; SR, en uygun bağımsız değişkenlerin seçilmesiyle kurulan bir model olduğundan
dolayı; ANN tüketici davranışlarının araştırılması söz konusu olduğunda diğer istatistiksel
analiz yöntemlerine göre daha esnek ve gerçeğe yakın sonuçlar gösterebilmesinden dolayı
(Tolon ve Tosunoğlu 2008) tercih edilmiştir. En uygun regresyon modelinin seçimi,
modellerin tahmin performanslarına bakılarak yapılmış olup, CLLS, SR ve ANN modellerinin
tahmin performanslarının karşılaştırılması için Monte Carlo simülasyonundan
faydalanılmıştır.
4.1 CLLS ile Doğrusal Model Tahmini
Regresyon gerçekleştirmeden önce rank eksilmesini (rank deficiency) önlemek için bağımsız
değişkenler içinden tüm değerleri sıfır olan değişkenler modelden dışlanmıştır. Ardından daha
önce de bahsedildiği gibi çoklu doğrusal bağlantı (multicollinearity) sorununu çözmek için
VIF testi uygulanmıştır. Test sonucuna göre oda sayısı ile alan değişkenlerinin
korelasyonunun yüksek olması nedeniyle alan değişkeni için VIF değerine bakılmış ve
modelden çıkarılmasını gerektirecek düzeyde yüksek skor almadığı belirlenmiştir.
CLLS modelinin satış değer tahmini denklemi;
Satış Değeri = β1 x Alan + β2 x Oda Sayısı + β3 x Bulunduğu Kat + β4 x Cephe Puanı + β5 x
Site Puanı + β6 x Bina Yaşı + β7 x (1/Metro İstasyonuna Mesafesi) + β8 x (1/Konya Yolu’na
Mesafesi) + β9
Sınırlamalar: β1>0, β2>0, β3>0, β4>0, β5>0, β6<0, β7>0, β8>0, β9>0
şeklinde tanımlanmıştır. Kullanılan parametreler içinden yalnızca artan bina yaşının değere
olumsuz etkide bulunacağı tahmin edilerek, modelde bina yaşının β değeri sıfırdan küçük
olarak belirlenmiştir.
Tablo 1: GIS’in kullanıldığı ve kullanılmadığı durumlar için CLLS ile tahmin edilmiş
modelin regresyon katsayıları
Çukurambar
GIS’in Kullanılmadığı
Durumda
GIS’in Kullanıldığı
Durumda
Veri Sayısı
163
163
Alan (m²)
1.537,12
1.512,08
Oda Sayısı
21.473,88
25.045,12
Bulunduğu Kat
16.920,47
16.582,48
Cephe Puanı
14.399,79
14.178,70
Site Puanı
0,00
0,00
Bina Yaşı
-21.093,69
-20.631,40

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
31
Çukurambar
GIS’in Kullanılmadığı
Durumda
GIS’in Kullanıldığı
Durumda
Söğütözü Metro İstasyonuna Olan
Mesafenin -1. Üssü
-
5.371.619,14
Konya Yolu’na Olan Mesafenin -1. Üssü
-
4.408.602,16
Sabit Terim
410.325,80
387.199,33
R²
0,70
0,78
Düzeltilmiş R² (R² Adjusted)
0,69
0,77
Standart Sapma
262.098,60
262.098,60
RMSE
142.125,60
139.254,30
4.2 Adım Adım Regresyon ile Doğrusal Model Tahmini
Adım adım regresyonda en iyi modelin elde edilmesi için her defasında yeni bir bağımsız
değişken eklenmekte veya çıkarılmaktadır (Çakır Zeytinoğlu 2007). Regresyon uygulanırken
öncelikle değişkenlerin p-değerlerine bakılmış olup, p-değeri 0,05’ten daha düşük olan
değişkenlerin modele dahil edilmeleri anlamlı bulunmaktadır. oda sayısı ve cephe
değişkenlerinin p-değerleri sırasıyla 0,0693 ve 0,0622 olarak (0,05’ten daha yüksek) tespit
edilmiştir. Öncelikle modelden en yüksek p-değerine sahip olan oda sayısı (0,0693)
değişkeninin çıkarılması gerektiği tahmin edilmiş (Tablo 2), oda sayısı değişkeni çıkarılarak
yeniden test uygulandığında cephe değişkeninin p-değerinin 0,05’in altına düştüğü (0,0309)
tespit edilmiştir (Tablo 3).
Tablo 2: Değişkenlerin p-değerleri
Değişkenler
P-değerleri
Alan (m²)
5,4742x10-9
Oda Sayısı
0,0693
Bulunduğu Kat
5,2779x10-7
Cephe
0,0622
Site İçerisinde Olma
0,0101
Bina Yaşı
1,6082x10-9
Metro İstasyonuna Mesafe
1,4361x10-7
Konya Yolu'na Mesafe
0,0009
Tablo 3: Oda sayısı çıkarıldıktan sonra değişkenlerin p-değerleri
Değişkenler
P-değerleri
Alan (m²)
1,1122x10-7
Bulunduğu Kat
4,8876x10-29
Cephe
0,0309
Site İçerisinde Olma
0,0028
Bina Yaşı
3,0483x10-9
Metro İstasyonuna Mesafe
3,1401x10-7
Konya Yolu'na Mesafe
0,0024
Değişken seçimi tamamlandıktan sonra adım adım regresyon uygulanarak değişkenlerin
katsayıları bulunmuştur. Adım adım regresyonda CLLS’den farklı olarak katsayıların artı
veya eksi değerleri model uygulandığında otomatik olarak belirlenmekte olup, konutun site
içinde olmasının Çukurambar’da negatif etkiye sahip olduğu görülmektedir (Tablo 4).
Böylelikle CLLS’de site puanının neden sıfır değerini aldığı ortaya çıkmıştır. Bu beklenmedik
sonuca karşılık CLLS’de site içinde bulunma parametresinin olumlu bir etki yaratacağı
varsayımıyla pozitif yönlü olarak belirlenmesi kararının gelecek çalışmalarda yeniden
değerlendirilmesi gerektiği vurgulanmalıdır.

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
32
Tablo 4: GIS’in kullanıldığı ve kullanılmadığı durumlar için adım adım regresyon ile tahmin
edilmiş modelin regresyon katsayıları
Çukurambar
GIS’in Kullanılmadığı
Durumda
GIS’in Kullanıldığı
Durumda
Veri Sayısı
163
163
Alan (m²)
1.734,50
1.854,90
Bulunduğu Kat
17.619,00
13.664,00
Cephe Puanı
14.948,00
10.569,00
Site Puanı
-73,816,00
-74.407,00
Bina Yaşı
-21.064,00
-16.712,00
Söğütözü Metro İstasyonuna Olan
Mesafenin -1. Üssü
-
100.680.000,00
Konya Yolu’na Olan Mesafenin -1. Üssü
-
24.110.000,00
Sabit Terim
465.570,00
316.020,00
R²
0,72
0,78
Düzeltilmiş R² (R² Adjusted)
0,71
0,77
Standart Sapma
262.098,60
262.098,60
RMSE
142.000,00
125.000,00
4.3 Yapay Sinir Ağları ile Doğrusal Olmayan Model Tahmini
Doğrusal regresyonla kıyaslama ve sonuçları test etme ihtiyacından dolayı çalışmada yapay
sinir ağlarıyla da model tahmin edilmiştir. Yapay sinir ağları sayesinde doğrusal olmayan
ilişki kurulabilmekte olmasına rağmen, sinir ağları arasındaki uzaklıkların
ağırlıklandırılmasıyla oluşan yapı nedeniyle -doğrusal regresyonda olduğu gibi- model
katsayılar cinsinden betimlenememekte, model çıktısı olarak salt konutun değeri tahmin
edilmektedir.
Model belirlenirken algoritma seçme ve topoloji özellikleri belirleme noktasında zorluklarla
karşılaşılmıştır. Modelde gizli node sayısı, bağımsız değişken sayısının +1 fazlası olarak
ayarlanmıştır. Öğrenme metodları olarak LMB (Levenberg-Marquardt backpropagation
(Levenberg-Marquardt geri yayılım algoritması)) veya BRB (Bayesian regularization
backpropagation (Bayesçi geri yayılım algoritması)) tercih edilmiş, performans kriterinin
ölçümünde ise MSE (mean-squared error (ortalama karesel hata)) temel alınmıştır.
4.4 Modellerin Karşılaştırılması ve En Üstün Performans Gösteren Modelin Seçimi
Örnek çalışma Çukurambar Bölgesi’nde satış ilanındaki 163 adet konutun verileri üzerinden
gerçekleştirilmiştir. Çalışma kapsamında ikisi doğrusal (CLLS ve SR), biri doğrusal olmayan
(ANN) üç farklı model uygulanmış ve her bir model için tahmin sonuçları elde edilmiş, söz
konusu modellerin karşılaştırılması için Monte Carlo simülasyonundan faydalanılmıştır.
Monte Carlo simülasyonu ile mümkün olan bütün çıktı dağılımları üretilmekte ve farklı
alternatiflerin performans ölçümleri test edilebilmektedir.
Önceki bölümlerde GIS’in dahil edildiği durumda RMSE değerlerinin daha düşük çıkmış
olması nedeniyle Monte Carlo simülasyonunda konumsal değişkenlerin yer aldığı üç
regresyon modelinin performansları karşılaştırılmış, modellerin örneklem dışı RMSE
değerlerini temel alan performans kıyaslaması yapılmıştır (Tablo 5). RMSE, ölçüm değeri ile
model tahmini arasındaki hata oranını belirlemek için kullanılan çıkarımsal istatistiki bir
değerdir. RMSE değerinin sıfıra yaklaşması, tahmin edilen modelin gerçeğe yakın olduğunu
göstermektedir.
Tablo 5: Monte Carlo simülasyonu sonucu
Sonuçlar
Modeller
CLLS
SR
ANN (BRB)
ANN (LMB)
Ortalama Değer Hatası (TL)
105.089
103.355
183.114
159.458
Ortalama Yüzde Hata (%)
13
12
24
21
Değerlerin Örneklem İçi Standart Sapması
251.558
251.558
251.558
251.558

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
33
Sonuçlar
Modeller
CLLS
SR
ANN (BRB)
ANN (LMB)
Örneklem İçi RMSE
138.284
121.212
76.050
176.156
Değerlerin Örneklem Dışı Standart Sapması
286.986
286.986
286.986
286.986
Örneklem Dışı RMSE
144.786
138.564
387.153
221.904
Monte Carlo simülasyonu ile performans karşılaştırması sonucunda adım adım regresyonun
örneklem dışı RMSE değerinin daha düşük olduğu anlaşılmaktadır. Bu doğrultuda, adım adım
regresyon modelinin, CLLS ve ANN ile oluşturulmuş modellere göre oldukça iyi performans
sergilediğini söylemek mümkün görünmektedir. BRB öğrenme metoduyla oluşturulmuş
yapay sinir ağları modelinin performansı ise ortalama yüzde hata ve örneklem dışı RMSE
değerlerinden de anlaşılacağı gibi en düşüktür. Sonuç olarak, doğrusal bir model doğrusal
olmayan bir modele göre, konumsal özelliklerin dahil edildiği bir model ise dahil edilmediği
bir modele göre daha başarılı tahminlerde bulunmuştur. Dolayısıyla çalışmanın devamında en
iyi tahmin performansına sahip adım adım regresyon modelinin analiz sonuçları
değerlendirilecektir.
4.5 En Üstün Performans Gösteren Model (Adım Adım Regresyon) ve Sonuçları
Uygulanan regresyon modelleri arasından en üstün performans göstermiş olan adım adım
regresyon yöntemi, bağımsız değişken sayısının fazla olduğu durumlarda modele en fazla
katkı sağlayan az sayıdaki değişkenleri belirlemek amacıyla kullanılmaktadır. Çalışmada
kurgulanan doğrusal modellerden birinde adım adım regresyon yönteminden yararlanılmış,
değerlendirme ölçütleri ve istatistiksel anlamlılık düzeyi bakımından performansı üstün
bulunmuştur. SR’de sergilenen yüksek performans, modele dahil olan değişkenlerin ve
önlerindeki katsayı işaretinin model tarafından belirlenmiş olmasının; bir başka ifadeyle, SR
modelinde değişkenler üzerine dışarıdan herhangi bir sınırlama getirilmemiş olmasının bir
sonucu olarak görülmektedir.
Çukurambar Bölgesi’nde konutların satış değer tahmini ve değeri etkileyen faktörlerin
belirlenmesi üzerine kurulan hedonik modelde toplam 8 adet açıklayıcı değişken olmasına
rağmen modeli en iyi açıklayan 7 adet değişkene yer verilmiştir. Hedonik model;
Satış Değeri = β1 x Alan + β2 x Bulunduğu Kat + β3 x Cephe Puanı + β4 x Site Puanı + β5 x
Bina Yaşı + β6 x (1/Metro İstasyonuna Mesafesi) + β7 x (1/Konya Yoluna Mesafesi) + β8
şeklinde tahmin edilmiştir.
SR modelinde her bir gözlem için yapısal, konumsal ve çevresel özelliklerin yüzdesel etkisi
incelenmiştir. Yapısal özellikler alan (m²), bulunduğu kat, cephe, site içinde olması veya
olmaması, bina yaşı; konumsal özellik Söğütözü Metro İstasyonu’na olan mesafe; çevresel
özellik ise şehirlerarası bir ulaşım aksı olan Konya Yolu’na olan mesafeyi ifade etmektedir.
Konya Yolu’na olan mesafe konumsal bir özellik gibi algılansa da, yolun bir eşik niteliğinde
olması nedeniyle çevresel özellik kategorisinde değerlendirilmesi daha uygun görülmektedir.
Konumsal verilerin kullanıldığı adım adım regresyon modelinde R²=0,78 olarak
hesaplanmıştır (Tablo 5). Bahsedilen oran, konut satış fiyatındaki farklılığın yaklaşık %
78’inin modele dahil edilen değişkenlerle açıklandığını belirtmektedir. Yığılı sütun grafiğe
bakıldığında ise ilk göze çarpan, yapısal özelliklerin fiyat üzerindeki etkisinin baskın olduğu
ile konutların satış değerlerini sabit terimin % 38, yapısal özelliklerin % 46, konumsal
özelliğin % 11 ve çevresel özelliğin % 5 etkilediğidir. Çukurambar Bölgesi konut piyasasına
yatırım yapan bir yatırımcının, yaptığı yatırımın % 38’ini semtin ismine ödediğini söylemek
mümkün olacaktır.
Çukurambar’da konutların ortalama 4 oda ve 150,00-250,00 m² alana sahip oldukları ortalama
değerlerden anlaşılmaktadır. Modelde konut alanı (m²) değişkeninin konut değerini en fazla
etkileyen parametre olduğu sonucu elde edilmiştir. Hedonik regresyon sonucuna göre bölgede
konut alanının 1,00 m² artması konut değerini 1.854,90 TL artırmaktadır. Bölgede ortalama
kat adedi 11 olarak tespit edilmiş olup, modelden konutların bulundukları binaların alt

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
34
katlarında olmasının değerin düşmesine yol açtığı ve konutun 1 kat yukarıda olmasının konut
değerini 13.664,00 TL artırdığı tespit edilmiştir.
Konut tercihinde etki eden unsurlardan biri de cephedir. Yıllık ortalama sıcaklığın 12 0C
olduğu (Anonim 2016b) Ankara İli’nde kullanıcılar konutun güneş görmesini tercih
etmektedir. Çukurambar’da elde edilen sonuçlara göre, konutun diğer cephelere oranla güney
cephede olması değeri olumlu etkilemektedir. Güney cepheden sonra değer üzerinde en
olumlu etkiyi yapan cepheler sırasıyla doğu ve kuzey cepheleri olup, konutun ışığın keskin
geldiği batı cephesine bakıyor olmasının değer üzerindeki etkisi düşük düzeyde kalmaktadır.
Bu durumda binalardaki ortak kullanım mekanlarının batı yönünde kurgulanması isabetli
olacaktır. Modelde konutlar gördükleri cephelerin adına ve sayısına göre puan almıştır. Söz
gelimi, bir konut güney, doğu ve kuzey cepheleri olmak üzere 3 cepheye bakıyorsa,
cephelerin toplam puanının (sırasıyla 4, 3 ve 2) 10.569,00 ile çarpılması
(10.569,00x9=95.121,00), cephenin konut değeri içindeki katkısını ifade etmektedir.
Regresyon analizinde konutlar site içinde olanlar ve olmayanlar olmak üzere
gruplandırılmıştır. Örneklem kümesi içinde villa ve müstakil konut bulunmamaktadır. Elde
edilen sonuçlara göre, konutun site içinde olması değeri olumsuz etkilemektedir. Site içinde
yer almasının her ne kadar konut değerinde olumlu yönde etki yaratacağı düşünülse de,
aslında Çukurambar gibi ticari gayrimenkullerin yüksek prim yaptığı bir bölgede gayrimenkul
projelerinde korunaklı bir kullanımın getirisi daha düşüktür. Planda konut altı ticaret işlevi
tanımlanmış arsalar üzerinde, zemin ve asma katı ticari kullanıma sahip olarak inşa edilmiş
tekil apartmanlar, arsa değerinin yüksek olmasından dolayı daha yüksek değerde alıcı
bulmaktadır. Örneklem kümesindeki 163 adet konutun yalnızca % 21’inin site içinde yer
aldığı ve site içinde bir konutun değerinin 74.407,00 TL düştüğü tespit edilmiştir.
Taşınmazların yaşlarının artması genellikle bakım ve iyileştirme maliyeti doğurmakta ve
bakım görmeyen taşınmazlar zaman içinde ekonomik değerlerini yitirme riski taşımaktadır
(Winson-Geideman vd. 2011). Tarihi değeri olmayan taşınmazların değerleri ile bina yaşı
arasında ters orantılı bir ilişki olması beklenen bir sonuç olmaktadır. Benzer şekilde,
Çukurambar Bölgesi’nde bina yaşı 1 birim arttığında konut satış değerinin 16.712,00 TL
düştüğü hesaplanmış ve bina yaşı değişkeninin konut değerini azaltıcı bir unsur olduğu
saptanmıştır.
Regresyon modellerinde konum parametrelerinin ilave edilmesiyle düzeltilmiş R² verisinin
arttığı karşılaştırmalı olarak kanıtlanmıştır. Regresyon modelinde konumsal veri olarak
Söğütözü Metro İstasyonu’na olan mesafe esas alınmıştır. Modelde konutların Söğütözü
Metro İstasyonu’na yakın olmasının değeri olumlu etkileyeceği varsayımından yola çıkılarak,
metre cinsinden mesafenin -1. üssü ile sabit terimin çarpılması ile bulunan rakam Söğütözü
Metro İstasyonu’na olan mesafenin konut değeri içindeki katkısını ifade etmektedir. Konutun
metro istasyonuna 500,00 m mesafede olmasının konutun değerini 201.360,00 TL ve 1,00 km
mesafede olmasının konutun değerini 106.680,00 TL artırdığı tespit edilmiştir.
Söğütözü Metro İstasyonu Eskişehir Yolu üzerinde bulunmakla beraber, Armada Alışveriş
Merkezi’ne yaklaşık 250,00 m ve Next Level Alışveriş Merkezi’ne yaklaşık 300,00 m
mesafede yer almaktadır. Kamu binalarının ve üniversitelerin etkisiyle önemi giderek artan
Eskişehir Yolu ve bölgedeki ticari hareketliliği artıran alışveriş merkezlerinin gayrimenkul
değeri üzerinde en az metro istasyonu kadar etkili olmasına rağmen, konumsal veri temin
etmenin güç olması nedeniyle bütün değişkenlerin etkileme düzeyleri analiz edilememiştir.
Elde edilen konumsal değişken katsayısının salt metro istasyonunun varlığından
kaynaklanmadığı unutulmamalıdır.
Regresyon modelinde Konya Yolu’na olan mesafe konumsal bir özellik gibi algılansa da,
yolun bir eşik niteliğinde olması nedeniyle çevresel özellik kategorisinde değerlendirilmiştir.
Konumsal özelliğin yarattığı etkiye benzer olarak, Konya Yolu’na yakın olmanın, değeri
olumlu etkileyeceği varsayılmakta ve metre biriminden mesafenin -1. üssü ile sabit terimin

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
35
çarpılması ile bulunan rakam Konya Yolu’na olan mesafenin konut değeri içindeki katkısını
ifade etmektedir. Konutun Konya Yolu’na 500,00 m mesafede olması konutun değerini
48.220,00 TL artırırken, 1,00 km mesafede olması konutun değerini 24.110,00 TL
artırmaktadır.
5. Sonuç
Bir gayrimenkule değer takdir etmenin en büyük zorluklarından biri değere etki eden
faktörlerin ve etkileme düzeyinin tespit edilmesi işidir. Gayrimenkullerin farklılaşan
değerleri, barındırdıkları özgün ayırt edici özelliklerle açıklanmaktadır. Her gayrimenkul
birbiriyle yarışan birer heterojen mal olup, onları birbirinden ayıran özellikler yaygın olarak
yapısal, konumsal ve çevresel özellikler olarak gruplandırılmaktadır. Ayırıcı özellikler bir
araya gelerek, farklılaşan piyasa değerini ortaya koymaktadır. Hedonik yaklaşımla
gayrimenkul karakteristiklerinin değere etkisini hesaplamak mümkün olabilmektedir.
Hedonik yöntemin sağladığı en büyük avantaj faktörlerin analizine dayanması olup, hedonik
yöntemle gayrimenkul değerlemede tamamen bilimsel ve yansız sonuçlar üretilmesi ile
güvenilir piyasa analizleri yapılması olanaklı kılınmış olabilmektedir.
Çalışmada gayrimenkul piyasalarında hedonik model kullanımı ve sağladığı katkılar
incelenmiş, Ankara İli Çankaya İlçesi Çukurambar Bölgesi’ndeki konut piyasası, hedonik
modeller ile analiz edilmiştir. Çalışmada, konut değerleri ile yapısal, konumsal ve çevresel
karakteristikler arasındaki ilişki tahmin edilmiştir. Regresyon analizinde; CLLS, adım adım
regresyon ve ANN modelleri karşılaştırılmış ve RMSE verilerine göre modeller arasında en
üstün performans gösteren regresyon modelinin doğrusal bir model olarak kurulmuş olan,
konumsal verilerin dahil edildiği adım adım regresyon modeli olduğu tespit edilmiştir.
Çalışmada Çukurambar Bölgesi’nde yapısal özelliklerin, konumsal ve çevresel özelliklerden
sıyrılarak değere daha yüksek oranda katkı sağlamakta olduğu sonucu ortaya konmuştur.
Yapısal özelliklerden biri olan oda sayısı değişkeninin p-değerinin yüksek olmasından dolayı
(>0,05) dışlanması gerektiği tespit edilmiştir. Modelde konut alanı (m²) değişkeninin konut
değerini en fazla etkileyen parametre olduğu, konutların bulundukları binaların alt katlarında
olmasının değerin düşmesine yol açtığı, bölgede bir konutun site içindeyse değerinin düştüğü,
konutun diğer cephelere oranla güney cephede olmasının değeri olumlu etkilediği; buna
karşılık değere en düşük etkiyi yapan cephenin ise batı olduğu tespit edilmiştir.
Çalışmadan elde edilen en önemli çıkarım, konum özelliklerinin modele dahil edilmesinin
anlamlı olduğu sonucudur. Aliefendioğlu ve Tanrıvermiş (2015) tarafından da belirtildiği gibi,
gayrimenkulün farklı konum özelliklerinin değere etkisinin ölçülmesi için gerekli
araştırmaların yapılması ve gayrimenkul değerini etkileyebilecek olumlu veya olumsuz
özelliklerin irdelenmesi, değerlemede karşılaşılan en önemli sorunlardan biridir. Çalışma,
konum özelliklerinin kullanılmış olması bakımından önem taşımaktadır. Konum özelliklerinin
kullanılmasının önemli bir sonucu olarak, benzer özellik gösteren Eskişehir Yolu ve Konya
Yolu’nun konutlarda yarattığı değer artışının ciddi oranda farklılaştığı tespit edilmiştir.
Çalışmanın bir diğer önemli sonucu, değişkenlerin katsayı işaretlerinde sı nırlama yapılmadığı
zaman sonucun beklenenle örtüşmemiş olmasıdır. Söz gelimi regresyon sonuçlarına göre
Çukurambar’da bir konutun site içinde yer alması değeri düşürmektedir. Tanımlayıcı
istatistiklere göre de örneklem kümesindeki her 5 konuttan biri site içindedir. Ülkemizde bir
konutun site içinde yer alması, sunduğu sosyal olanaklar ve hissettirdiği güven nedeniyle orta
ve üst gelir grubu tarafından çokça tercih edilmektedir. Buna karşılık Çukurambar ticari
fonksiyonla konut fonksiyonunun iç içe olduğu bir yapıya sahiptir. Diğer yandan bu durum
konutların yer aldığı parsellerin imar durumlarıyla da ilişkili olabilmektedir. Böyle bir
durumda gayrimenkul üreticilerinin rantı yüksek ticari kullanımdan faydalanmak adına zemin
katı ticari, üst katları konut işlevli tekil apartmanlar üretme eğilimleri olası görünmektedir. Bir
diğer önemli nokta da tüm çalışmayı gerçekleşmiş veri üzerinde test etmek ve sonuçları rapor
etmek olacaktır. Çalışmanın zengin bir veri seti dahilinde gerçekleştirilmesi, aynı zamanda

International Conference on “Scientific Cooperation for the Future Thessaloniki
in Economics and Administrative Sciences” 6th-8th September 2017
36
modellerin daha sağlıklı bir şekilde test edilebilmesi için de önemli bir potansiyel
oluşturmaktadır.
Kaynakça
Aliefendioğlu, Y. (2011). Türkiye’de Koruma Alanlarındaki Taşınmazların Kullanımı ve
Koruma Statülerinin Taşınmaz Piyasaları ve Değerlerine Etkiler i: Muğla İli Örneği.
Doktora Tezi, Ankara Üniversitesi Fen Bilimleri Enstitüsü Taşınmaz Geliştirme
Anabilim Dalı, Ankara.
Aliefendioğlu, Y. ve Tanrıvermiş, H. (2015). Kentsel Dönüşüm Sürecinde Taşınmaz ve Proje
Değerleme İşlemleri ve Sorunlarının Analizi: Kayseri Büyükşehir Belediyesi Sahabiye
ve Fatih Mahalleleri Dönüşüm Projesi Örneği Çerçevesinde Değerlendirme. Journal of
International Social Research, 8(39), 736-769.
Anonim. (2016a). Web Sitesi: http://www.hurriyetemlak.com/, Erişim Tarihi: 01.01.2016.
Anonim. (2016b). Web Sitesi: http://mgm.gov.tr/veridegerlendirme2016/il-ve-ilceler-
istatistik.aspx, Erişim Tarihi: 25.05.2016.
Anonymous. (2016a). Web Sitesi: https://developers.google.com/maps/web-services/, Erişim
Tarihi: 10.06.2016.
Boyacıgil, O. 2003. Hedonic Pricing Yönteminin İskenderun Kenti Örneğinde Uygulanması.
Çukurova Üniversitesi, Peyzaj Mimarlığı Anabilim Dalı, Yüksek Lisans Tezi, Adana.
Çakır Zeytinoğlu, F. (2007). İşletmelerin Dönen Varlıkların Satışlar Üzerindeki Etkileri: En
İyi Regresyon Denkleminin Seçimi ve Sektörel Karşılaştırma. Marmara Üniversitesi
İ.İ.B.F. Dergisi, 23(2), 331-349.
Gundimeda, H. (2005). Hedonic Price Method–A Concept Note. Chennai: Madras School of
Economics.
Hidano, N. (2002). The Economic Valuation of the Environment and Public Policy: A
Hedonic Approach. Edvard Elgar, Massachusetts.
Hill, R. (2011). Hedonic Price Indexes for Housing. OECD Statistics Working Papers, 36.
Hülagü, T. Kızılkaya, E. Özbekler, A. G. ve Tunar, P. (2016). Tü rkiye Konut Fiyat
Endeksi’nin Kalite Deg
̆iş imi Etkisinden Arındırılması: Hedonik Konut Fiyat Endeksi.
Ekonomi Notları, 2016-02.
Kul, S. (2014). İstatistik Sonuçlarının Yorumu: P Değeri ve Güven Aralığı Nedir? Bulletin of
Pleura/Plevra Bülteni, 8(1), 11-13.
Lancaster, K. J. (1966). A New Approach to Consumer Theory. Journal of Political Economy,
74, 132-157.
Palmquist, R. B. ve Smith, V. K. (2001). The Use of Hedonic Property Value Techniques for
Policy and Litigation. International Yearbook of Environmental and Resource
Economics, Volume 6.
Peterson, S. ve Flanagan A. B. (2009). Neural Network Hedonic Pricing Models in Mass Real
Estate Appraisal. Journal of Real Estate Research, Forthcoming.
Tanrıvermiş, H. (2016). Gayrimenkul Değerleme Esasları. SPL Sermaye Piyasası Lisanslama
Sicil ve Eğitim Kuruluşu, Lisanslama Sınavları Çalışma Kitapları Ders Kodu: 1014
(Konut Değerleme Sınavı, Gayrimenkul Değerleme Sınavı), Ankara.
Tolon, M. ve Tosunoğlu, N. G. (2008). Tüketici Tatmini Verilerinin Analizi: Yapay Sinir
Ağları ve Regresyon Analizi Karşılaştırması. Gazi Üniversitesi İktisadi ve İdari Bilimler
Fakültesi Dergisi, 10(2), 247-259.
Winson-Geideman, K., Jourdan, D. ve Gao, S. 2011. The impact of age on the value of
historic homes in a nationally recognized historic district. Journal of Real Estate
Research.
Yentürk, G. K. (2011). Bulanık Hedonik Regresyon. Yüksek Lisans Tezi, Ankara Üniversitesi
Fen Bilimleri Enstitüsü İstatistik Anabilim Dalı, 64, Ankara.