Konut değerlemesinde yerel ve konum indekslerinin belirlenerek çoklu regresyon ve derin öğrenme yöntemleri ile analizi: Mersin ili örneği
Analyses with multiple regression and deep learning methods by determining local and location indices in housing valuation: A case study of Mersin province
- Tez No: 901283
- Danışmanlar: DR. ÖĞR. ÜYESİ FATMA BÜNYAN ÜNEL
- Tez Türü: Yüksek Lisans
- Konular: Jeodezi ve Fotogrametri, Mühendislik Bilimleri, Geodesy and Photogrammetry, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Mersin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı
- Bilim Dalı: Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Bilim Dalı
- Sayfa Sayısı: 92
Özet
Taşınmaz mallar, bir yerden başka yere nakledilemeyen ve yeri değiştirilemeyen arazi, arsa, bağ, bahçe, bina, konut vb. eşyalardır. Taşınmaz mallardan konutlar, insanların güvenli ve sağlıklı bir ortamda yaşamasına yönelik tasarlanmış yapılardır. Tek katlı müstakil evlerden çok katlı apartmanlara kadar çeşitli tiplerde inşa edilmektedir. Temel işlevi, kullanıcılara barınma ve mahremiyet sağlayan konutlar, sosyal etkileşim, dinlenme, kişisel alan vb. ihtiyaçları da karşılar. İnsanlar yaşam standartlarına göre konut tercihlerinde satın alma sürecini belirleyen birçok özelliklere önem vermektedir. Bir taşınmazın değeri, insanların kendi değer yargıları ve bakış açıları doğrultusunda değişkenlik göstermektedir. Yatırım kararları, alım-satım, kredi ve finansman, vergi değerlendirmeleri, sigorta vb. nedenlerden kaynaklı olarak taşınmazın değerinin bilinmesine ihtiyaç duyulmaktadır. Bu durumda taşınmaz değerleme çalışmaları kendini göstermekte ve büyük önem arz etmektedir. Bu tez çalışmasının amacı, konut değerlemesinde Mersin ilinin Akdeniz, Mezitli, Toroslar ve Yenişehir olan 4 merkez ilçesinde yerel, konumsal ve yapısal özellikler kullanılarak indeks oluşturmak ve değerleme yöntemleri ile analizler yapmaktır. Yerel özellikler; taşınmazların yer aldığı bölgenin nüfus, eğitim gibi nicel özellikleri içermektedir. Konumsal özellikler ise; konutun çevresinde bulunan ve mesafe açısından değerlendirilen sosyal, kültürel, ulaşım imkânları, sağlık kurumlarına yakınlık vb. konut çevresinde yer alan özellikleri ifade eder. Yapısal özellikler; konutun sahip olduğu iç, dış ve bulunduğu site içerisine ait olan özellikleridir. Bu tanımlamalar bir bütün oluşturarak taşınmaz değerlemesinde değere katkı sağlayan özellikleri oluşturmaktadır. Yerel ve konumsal özelliklere ait alt özelliklerin verileri kullanılarak Coğrafi Bilgi Sistemleri yazılımı yardımıyla indeksler oluşturulmuştur. Konutun yapısal özellikleri ve değerleri değerleme uzmanları tarafından hazırlanan raporlardan temin edilmiştir. Bütün veriler matris formatında düzenlenip normalize edildikten sonra Python programlama dili ile çoklu regresyon analizi ve derin öğrenme yöntemleri ile değer tahminleri gerçekleştirilmiştir. Ortalama kare hata, Karesel ortalama hata ve R2 metrikleri sırasıyla (0.02, 0.13, 0.89; 0.50, 0.71, 0.50) elde edilerek modellerin performansı değerlendirilmiştir. Mevcut veriler ve koşullar altında çoklu regresyon analizi daha iyi sonuç verdiği gözlenmiştir. Değer haritaları üretilerek görsel sunum gerçekleştirilmiştir.
Özet (Çeviri)
Real estate refers to assets that cannot be moved from one place to another and whose location cannot be changed, such as land, plots, vineyards, gardens, buildings, houses, etc. Residential properties, among these real estate assets, are structures designed to provide people with a safe and healthy living environment. They are built in various forms, from single-story detached houses to multi-story apartments. The primary function of residential properties is to provide shelter and privacy for users, while also fulfilling needs such as social interaction, relaxation, and personal space. People value many features in their housing preferences, which influence the purchasing process according to their living standards. The value of a property varies depending on individuals' personal judgments and perspectives. There is a need to know the value of real estate due to investment decisions, buying and selling, loans and financing, tax assessments, insurance, and other reasons. In this context, real estate appraisal studies come into play and hold significant importance. The aim of this thesis is to create indices using local, locational, and structural features in the central districts of Mersin, namely Akdeniz, Mezitli, Toroslar, and Yenişehir, for the purpose of residential property valuation and to perform analyses using valuation methods. Local features include quantitative characteristics such as the population and education levels of the region where the properties are located. Locational features refer to the characteristics of the area surrounding the residence, such as social, cultural, transportation facilities, proximity to healthcare institutions, and other aspects evaluated in terms of distance. Structural features encompass the internal and external attributes of the residence as well as the features belonging to the site in which it is located. These definitions collectively form the characteristics that contribute to the value in real estate appraisal. Indices were created using data from the sub-features of local and locational characteristics with the help of Geographic Information Systems (GIS) software. The structural characteristics and values of the residences were obtained from reports prepared by valuation experts. After all data were organized and normalized in matrix format, value predictions were made using multiple regression analysis and deep learning methods with the Python programming language. The performance of the models was evaluated by obtaining the following metrics: Mean Squared Error (MSE), Root Mean Squared Error (RMSE), and R², which were (0.02, 0.13, 0.89; 0.50, 0.71, 0.50), respectively. Under the given data and conditions, it was observed that the multiple regression analysis yielded better results. Value maps were produced for visual presentation.
Benzer Tezler
- CBS tabanlı makine öğrenme teknikleri ile toplu taşınmaz değerlemesi
Mass real estate valuation by GIS-based machine learning techniques
SÜLEYMAN ŞİŞMAN
Yüksek Lisans
Türkçe
2021
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF ÇAĞDAŞ AYDINOĞLU
- İrtifak hakkı değerlemesi
Right of easement valuation
CEREN CİHAN SOYSAL
Yüksek Lisans
Türkçe
2018
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA YANALAK
- Gayrimenkul değerleme yöntemleri: Hedonik fiyat modeli üzerine bir uygulama
Real estate valuation methods: An application of hedonic price model
LUIZA KHAMRABAEVA
- Stock valuation by discounted cash flow analysis and an application
İndirgenmiş nakit akımları analizi yoluyla hisse senedi değerlemesi ve bir uygulama
MUSTAFA KEÇELİ
Yüksek Lisans
İngilizce
2013
İşletmeBahçeşehir Üniversitesiİşletme (İngilizce) Ana Bilim Dalı
PROF. DR. NİYAZİ BERK
- Astrojeodezik nivelman ile yerel jeoit belirleme: Konya örneği
Geoid determination using astrogeodetic leveling: A case study in Konya
YENER TÜREN
Yüksek Lisans
Türkçe
2010
Jeodezi ve FotogrametriSelçuk ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYDIN ÜSTÜN