Kasus Bradford
In P= + 1X 1 + 2 X 2 i+ Y t T ti
t =2
Di sini, Pi adalah harga i properti, dan dinyatakan dalam bentuk logaritmik karena
harga transaksi didistribusikan log-normal. Koefisien 1 dan 2 adalah harga pasar
implisit karakteristik hedonis (dua dari mereka, dalam contoh ini), dan adalah intersep
yang secara sederhana dapat diartikan sebagai (rata-rata) sebagian dari nilai setiap properti
yang tidak tercermin dalam nilai pasar implisit karakteristik hedonis yang ditentukan. X1
merupakan salah terus diukur karakteristik (misalnya, ukuran lot) dan X2 merupakan salah
karakteristik hedonis discretely diukur (misalnya, jumlah kamar mandi, kehadiran garasi).
Dalam spesifikasi semilogaritma ini, 1 koefisien dapat diartikan sebagai estimasi
elastisitas harga pasar perumahan sehubungan dengan perubahan marjinal dalam kuantitas
karakteristik terus diukur. 2 menghasilkan persentase selisih harga transaksi antara sifat
dinyatakan identik dengan kenaikan satu unit karakteristik hedonis discretely diukur: jika
2> 0, maka persentase kenaikan adalah e , dan jika 2 <0, maka persentase
2
2
penurunan adalah 1 - e
T ti i
Intercept mengambil nilai 1 jika properti ditransaksikan selama periode t
dan 0 jika tidak bertransaksi selama periode itu; melihat bahwa satu periode waktu
(biasanya yang pertama) dikecualikan, karena jika tidak rangkaian dummies waktu akan
sangat collinear. Koefisien pada seri ini variabel dummy, t, mewakili indeks harga untuk
perumahan, dengan nilai referensi 0 untuk periode waktu yang dikecualikan. Perhatikan
bahwa setelah koefisien indeks harga t yang retransformed, nilai referensi untuk periode
0
waktu yang dikecualikan adalah e = 1 atau 100 persen, membuat interpretasi indeks
harga mudah.
Perbedaan harga transaksi antara dua rumah dijelaskan secara eksplisit dengan
mengacu perbedaan karakteristik hedonis; sama, jika karakteristik hedonis dari properti
tertentu yang diubah dari waktu ke waktu, maka selisih harga transaksi dijelaskan oleh
perbedaan karakteristik dari properti yang sebelum dan setelah perubahan.
Persamaan (14.1) mencerminkan dua asumsi implisit: pertama, bahwa harga implisit pada
setiap karakteristik hedonis ditentukan tetap konstan di seluruh periode waktu; dan, kedua,
bahwa sifat statistik dari istilah gangguan yang juga konstan di periode waktu. Untuk
bersantai asumsi ini cukup mudah (dengan asumsi bahwa data yang tersedia), dan dua
alternatif fleksibel yang umum digunakan. Pertama, set variabel dummy interval waktu
dapat berinteraksi dengan masing-masing (atau) karakteristik hedonis:
t t t
InPit = + B1 t T ti InX 1 it + B 2t T ti InX 2 it + y t T ti p
(14.2)
t =1 t=1 t =2
di mana adalah jumlah periode waktu. Pendekatan ini memungkinkan harga marjinal
implisit bervariasi dalam waktu, tetapi membatasi sifat statistik dari istilah gangguan
menjadi identik di periode waktu. Indeks untuk setiap karakteristik hedonis diwakili oleh
serangkaian sendiri koefisien, sedangkan estimasi koefisien pada variabel dummy interval
waktu dapat diartikan sebagai indeks harga untuk "perumahan pada umumnya."
Hal ini penting untuk mendiskusikan apa yang secara luas dianggap sebagai
kelemahan utama dari model harga hedonik: persyaratan data. Dalam rangka untuk
memperkirakan model, seorang peneliti harus mengumpulkan data tidak hanya pada harga
dan tanggal di mana masing-masing properti ditransaksikan, tetapi juga pada semua
karakteristik hedonis yang - yaitu, pada semua karakteristik properti, lokasional, dan
lingkungan yang relevan dalam menentukan harga pasar properti itu. Sejauh data pada
beberapa karakteristik yang relevan (dan mungkin ada ratusan dari mereka!) Tidak
dikumpulkan, perkiraan parameter dari model harga hedonis (termasuk parameter indeks
harga) akan menderita dihilangkan-variabel Bias. Dalam prakteknya, meskipun, model
harga hedonik adalah mengejutkan kuat, dalam arti bahwa model harga hedonis
diperkirakan menggunakan data tentang karakteristik paling penting - ukuran lot, jumlah
kamar (atau unit kaki persegi), dan variabel tambahan minimal seperti utama fasilitas, usia
tinggal, atau aspek-aspek utama dari lokasi - umumnya menghasilkan indeks harga yang
memadai untuk hampir semua tujuan.
Model harga hedonik sangat kuat, tapi gagal untuk membuat penuh penggunaan data
khusus pada properti-properti yang telah dijual dua kali (atau lebih sering) selama
periode penelitian. Dua pengamatan pada properti yang sama diperlakukan persis sama
dengan dua pengamatan pada sifat yang berbeda yang memiliki karakteristik hedonis
diukur sama, tetapi ketika ada dua pengamatan pada properti yang sama kita tahu bahwa
karakteristik terukur juga sama antara transaksi. Ini berarti bahwa, pada prinsipnya,
perubahan yang diamati dalam harga selama periode waktu antara transaksi dapat
dikaitkan semata-mata untuk perubahan indeks harga, karena bertentangan dengan
perbedaan karakteristik terukur.
r
Pit X
= 1 1i + 2 ( X 2i X ' 2 i ) + t ( T it T ' it ) (14.3)
P ' it X ' 1i t=2
terus diukur, dan karakteristik discretely diukur pada saat transaksi sebelumnya, dan
T' menunjukkan jangka waktu transaksi sebelumnya. Jika karakteristik hedonis tetap
X 1= X ' 1 X 2= X ' 2
tidak berubah antara transaksi, maka dan dan ini untuk
menyederhanakan.
r
Pit
= ( T T ' it ) (14.4)
P ' it t =2 t it
yang merupakan bentuk standar model repeat-penjualan. Sisi kanan hanya terdiri dari
serangkaian indeks harga variabel dummy mengambil nilai -1 selama periode waktu
transaksi sebelumnya, +1 selama periode waktu transaksi kemudian, dan 0 dalam setiap
periode waktu lainnya.
r r r
Pit
= 1 ( T it X 1 iT ' it X ' 1 i ) + 2 ( T it InX 2 iT ' it InX ' 2 )+ t ( T it T ' it )
P ' it t =1 t=1 t=2
(14.5)
Perhatikan bahwa dalam formulasi Shiller ini variabel sisi kanan termasuk satu set
variabel indeks harga untuk setiap karakteristik hedonis (bersama dengan set asli
dummies indeks harga untuk mencegat). Untuk setiap karakteristik, variabel mengambil
'
nilai X selama periode waktu transaksi pertama, +X selama periode waktu
secondtransaction, dan 0 dalam setiap periode waktu lainnya. Perhatikan juga bahwa
formulasi ini tidak membatasi analisis sifat yang tidak berubah sama sekali antara
transaksi.
Jika diketahui bahwa tidak ada karakteristik hedonis berubah antara transaksi, maka
persyaratan data model berulang-penjualan minimal: hanya periode waktu di mana setiap
rumah ditransaksikan, harga, dan beberapa informasi (misalnya, alamat atau identifikasi
pajak nomor) bahwa ikatan bersama-sama pengamatan pada properti yang sama. Nilai ini
"keuntungan," bagaimanapun, telah liar dibesar-besarkan. Sebenarnya, persyaratan data
model berulang-penjualan yang persis sama dengan model harga hedonis, karena hanya
dengan mengamati data pada semua karakteristik yang relevan dapat analis mengetahui
apakah telah berubah antara transaksi. Dalam prakteknya, analis umumnya hanya
mengasumsikan bahwa karakteristik tidak berubah antara transaksi: lihat, misalnya,
indeks banyak dikutip diterbitkan oleh Freddie Mac dan Kantor Perumahan Federal
Perusahaan Pengawasan (OFHEO). Sejauh asumsi ini tidak valid, kegagalan untuk
memperhitungkan perubahan dalam karakteristik hedonis - yaitu, penggunaan persamaan
yang salah (14,4) di tempat persamaan yang benar (14,3) atau (14,5) - akan
menghasilkan dihilangkan Bias -variable mempengaruhi perkiraan indeks harga. Dan
mudah untuk melihat bahwa persyaratan data model berulang-penjualan yang benar
diberikan dalam persamaan (14.3) atau (14,5) yang identik dengan model harga hedonis.
Kerugian utama dari model berulang-penjualan relatif terhadap model harga hedonik
adalah bahwa hal itu dapat diperkirakan hanya pada pasang transaksi properti yang
menjual setidaknya dua kali selama masa studi. Tergantung pada panjang periode
penelitian, ini mungkin membatasi analisis untuk sebagian kecil dari jumlah total
pengamatan pada transaksi perumahan. Selain itu, sampel properti yang bertransaksi
berulang kali selama periode penelitian yang terbatas mungkin tidak mewakili seluruh
perumahan.
r
Pi= + 1 X 1 i + 2 X 2i + t T ti
t =2
r
Pit X 1t
= 1 + 2 ( X 2 iX ' 2i ) + t ( T it T ' it ) (14.6)
P ' it X ' 1t t =2
Pit r
= ( T T ' it )
Pit t =2 t it
14.3.Contoh Empiris
Contoh menggunakan data dunia nyata menggambarkan perbedaan antara metode indeks
harga rumah yang dijelaskan di atas. Kecenderungan beberapa daftar layanan (MLS)
mempertahankan kepemilikan set data rekaman, untuk bertransaksi properti di daerah
metropolitan Philadelphia, tanggal transaksi dan harga bersama dengan nilai-nilai
kontemporer karakteristik hedonis termasuk: struktur usia; banyak dan satuan kaki persegi;
jumlah kamar tidur, kamar mandi penuh, dan setengah mandi; Kehadiran AC, garasi, atau
perapian apapun; dan indikator apakah itu dalam kondisi "fixup". Setelah pembersihan data
sedikit, kita memiliki catatan lengkap tentang 36458
Tabel 41.1 Ringkasan Statistik
Tabel 14.2 menunjukkan koefisien dua versi model harga hedonis dan dua versi dari
model berulang-penjualan diperkirakan data tersebut. Hedonis konstan usia adalah bentuk
standar model ini. Untuk kelompok ini properti, data menunjukkan pada dasarnya tidak ada
penyusutan yang berkaitan dengan usia, sehingga hampir tidak ada perbedaan antara
konstanta-usia dan berbagai usia model hedonis. Ini tidak hasil yang biasa, meskipun:
biasanya jika struktur usia tidak termasuk
Secara signifikan, terjadi perbedaan pada tingkal nol sampai 99 persen terhadap
keyakinan.
maka efek dari depresiasi yang berkaitan dengan usia dibingungkan dengan indeks harga
(seperti dibentuk standar pada model repeat-sales) dan indeks harga diperkirakan kurang
cepat dalam mengapresiasi. Shiller membentuk dalam model repeat-sales, namun, hanya
untuk kontrol pada efek yang berkaitan dengan usia, sehingga lebih sebanding dengan usia
konstan hedonis.
Tabel 14.3 menunjukkan jumlah properti bertransaksi di setiap tahunnya, nilai tengah
(median) dan rata rata harga transaksi, dan perwakilan harga properti. Hal ini juga
menunjukkan indeks harga tersirat oleh koefisien estimasi untuk model hedonis dan model
repeat-sales, dimana nilai indeks harga adalah antilog dari estimasi parameter. Keenam
perkiraan indekss harga ditunjukkan pada Gamabar 14.1. metode properti perwakilan
menunjukkan fluktuasi harga tahunan yang liar, seperti yang dapat diharapkan bahkan
dengan aplikasi cermat dari metode ini. Lima metode lain, meskipun, semua menghasilkan
perkiraan yang sama dari tingkat pertumbuhan harga perumahan tahunan; metode median
harga terasa menyimpang tetapi tidak tajam dari metode lain.
Pada kebanyakan aplikasi, model repeat-sales digunakan karena tidak ada data tentang
karakteristik hedonis yang tersedia, dan analisis harus mengasumsikan bahwa tidak ada
properti yang ditingkatkan di antara transaksi. Ini berarti bahwa peningkatan nilai prperti
yang lain akan timbul perbaikan yang malah dibingungkan dengan indeks harga, sehingga
dari model standar repeat-sales indeks harga diperkirakan biasanya menunjukkan tingkat
peningkatan yang paling cepat. Aplikasi kita ini memperlihatkan bias yang semakin
meningkat: pada rata-rata, model standar repeat-sale menunjukkan harga tahunan terbesar.
Sebaliknya, model hedonis harga usia tetap dan model kontrol repeat-sales Shiller untuk
perbaikan, oleh karena itu menghasilkan estimasi terbaik dari kenaikan harga dari properti
yang kualitasnya kontan. Tentu saja, model ini tidak dapat diperkirakan tanpa pengamatan
kontemporer pada karakteristik hedonis. Untuk berbagai tujuan, meskipun, akurasi
tambahan dari indeks harga diperkirakan menggunakan set lengkap data hedonis akan
menjadi penting.
14.4.Sumber Data
Seperti dicatat, harga transaksi memberikan informasi yang paling dapat diandalkan
tentang mendasari nilai pasar, tetapi mereka tidak selalu mudah untuk mendapatkan. Selain
itu, ada biasanya beberapa transaksi di pasar tertentu selama periode studi terbatas, bahkan
di Amerika Serikat di mana sifat bertransaksi relatif sering. Untungnya, aplikasi universal-
pajak properti riil dan biaya transfer akta / rekaman di Amerika Serikat memberikan
pemerintah daerah insentif untuk menyimpan catatan relatif baik pada kedua transaksi dan
karakteristik hedonis. Meskipun praktik standar - seperti dalam contoh empiris - adalah
untuk menyimpan data hanya transaksi terbaru (atau dua) dari masing-masing properti, dan
hanya set terbaru dari karakteristik hedonis, penurunan biaya penyimpanan data
menunjukkan bahwa menyimpan data yang lebih tua secara bertahap akan menjadi normal.
Beberapa sumber lain data tentang perkiraan nilai pasar properti juga tersedia. catatan
ketetapan pajak properti, tentu saja, menunjukkan sejumlah nilai dari masing-masing
properti, dan telah digunakan untuk memperkirakan indeks harga; Selain itu, database ini
mencakup informasi tentang bukan transaksi properti - yang penting untuk mengoreksi
sampel selektivitas bias.
Pasar mortgage AS yang kuat berarti penilaian yang dilakukan untuk kebanyakan
properti tidak hanya pada pembelian tetapi juga untuk pengembalian pembiayaan yang
sering terjadi; untuk pembelian, harga transaksi dicatat juga. Sayangnya, database transaksi
KPR ini, yang membentuk dasar untuk indeks harga repeat-sales OFHEO dan Freddie Mac,
tidak merekam karakteristik hedonis dan tidak umum.
Agen Real Estate di Amerika Serikat mempertahankan beberapa daftar layanan (MLS)
database properti yang ditawarkan untuk dijual (dan kadang-kadang untuk disewakan),
biasanya termasuk informasi lengkap tentang karakteristik hedonis serta tanggal transaksi
dan harga. Data ini merupakan sampel mungkin tidak acak dari semua transaksi, dan
kemungkinan termasuk kesalahan yang berlebihan dalam deskriptor properti mereka, tetapi
mungkin hanya cukup untuk estimasi indeks harga.
Akhirnya, pemerintah federal AS melakukan Survei Perumahan Amerika dua tahun
sekali, merekam informasi pada set yang sangat kaya karakteristik hedonis serta
karakteristik rumah tangga demografi dan lainnya. Setiap pemilik rumah diminta untuk
mengkaji nilai properti, meskipun pemilik-penilaian ini mungkin bias. Demikian pula,
setiap penyewa diminta untuk melaporkan sewa yang dibayar, meskipun bisa sulit untuk
menyesuaikan sepenuhnya untuk utilitas dan layanan lain yang dapat dimasukkan dalam
sewa kontrak. Harga transaksi dan tanggal dicatat pada terakhir bertransaksi properti, tetapi
ukuran sampel yang kecil di masing-masing wilayah metropolitan membuat sulit untuk
menggunakan data AHS untuk memperkirakan indeks harga.
14.5.Kesimpulan
Penggunaan yang berkualitas tinggi indeks harga perumahan dapat diletakkan banyak
sekali. Kebijakan stabilisasi pemerintah mungkin tergantung pada perkiraan pertumbuhan
kekayaan rumah tangga, yang merupakan komponen terbesar adalah ekuitas perumahan.
Manajemen risiko dari portofolio KPR tergantung pada model akurat dari aktivitas default
dan prabayar, di mana pergerakan harga dari orde pertama penting. Pengembangan properti
dan keputusan ekspansi bisnis mungkin didorong oleh proyeksi kekuatan pasar lokal, di
mana harga perumahan merupakan indikator utama. Pembentukan rumah tangga dan
migrasi keputusan dipengaruhi oleh tingkat dan laju peningkatan harga rumah. Program
bantuan sewa pemerintah dirancang menggunakan informasi tentang sewa khas untuk unit
lokal dari kualitas yang diberikan. Dan kedua peneliti akademis dan kebijakan yang
berorientasi membutuhkan perkiraan yang baik dari indeks harga perumahan untuk
mempelajari masalah ini dan lainnya, dari efektivitas program perumahan-bantuan untuk
kecukupan tabungan pensiun.
Tujuan bab ini adalah untuk memperkenalkan indeks estimasi harga perumahan dengan
cara yang mengungkapkan aksesibilitas esensial. Model harga hedonik dasar sangat intuitif,
dan ulangi-penjualan dan model hybrid adalah ekstensi cukup mudah dari itu. Sebagian
besar masalah ekonometrik bervariasi yang muncul cukup mudah untuk mengatasi. Selain
itu, dalam kebenaran estimasi indeks harga dengan menggunakan model harga hedonis, atau
ekstensi, sudah cukup kuat untuk masalah ekonometrik dan data, dalam arti bahwa bahkan
aplikasi yang cukup sederhana dari model ini akan menghasilkan indeks harga yang "cukup
baik" untuk sebagian besar tujuan.