Ofis kiralarının bulanık regresyon yöntemiyle belirlenmesi: Ankara ili örneği
Determination of office rent with fuzzy regression method: The case of Ankara province
- Tez No: 965211
- Danışmanlar: PROF. DR. FAHRİYE NİHAN ÖZDEMİR SÖNMEZ, PROF. DR. FURKAN BAŞER
- Tez Türü: Doktora
- Konular: Ekonomi, İstatistik, Bilim ve Teknoloji, Economics, Statistics, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ankara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Gayrimenkul Geliştirme ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Ekonomik dalgalanmalar, sosyal ve teknolojik gelişmeler; işgücünün sektörel yapısını dönüştürerek ofislerdeki taleplerde değişikliklere neden olmaktadır. Bu bağlamda, ofis kira pazarı; ekonomik eğilimlerden ve sektördeki değişikliklerden etkilenmekte ve dolayısıyla kiraların ekonomik, sosyal mekânsal veya çevresel faktörleri birlikte dikkate alan yöntemlerle belirlenmesi gerekmektedir. Ancak geleneksel yöntemler, homojen piyasa varsayımıyla çalıştıkları için, heterojen bir yapıya sahip olan ofis kira pazarında yetersiz kalabilmektedir. Nitekim konum ve bina özellikleri gibi faktörler kirayı önemli ölçüde etkilemekte; bu da ofis pazarının alt pazarlar şeklinde bölünerek analiz edilmesini gerektirmektedir. Bu noktada alt pazarlardaki arz ve talep dinamiklerinin incelenmesini mümkün kılan pazar bölümlendirmesi yaklaşımı, daha gerçekçi ve isabetli değerleme sonuçlarının elde edilmesine katkı sağlamaktadır. Diğer yandan pazar bölümlendirmesinde alt pazar sınırlarının kesin biçimde tanımlanamaması, kullanıcı tercihlerinin ölçülebilirliğindeki belirsizlikler, geleneksel modellerin açıklama gücünü sınırlamaktadır. Bu tür belirsizliklerin yönetilmesinde, matematiksel olarak belirsizliği ifade edebilen Bulanık Regresyon Fonksiyonları yöntemi öne çıkmaktadır. Bu araştırmanın amacı, geleneksel yöntemlerin ofis kira pazarını yansıtamadığını ortaya koymak ve bu bağlamda Makine Öğrenmesi ile pazar bölümlendirmesi yaklaşımlarının değerlemeye katkılarını incelemektir. Bu doğrultuda, belirsizlik ve çok boyutluluğun daha doğru modellenebilmesi için pazar bölümlendirmesi ile Bulanık Regresyon Fonksiyonları birlikte ele alınmış ve çeşitli makine öğrenmesi algoritmalarıyla karşılaştırılmıştır. Araştırmada, Ankara ili Çankaya ilçesindeki 14 adet ofis binasına ilişkin 2.228 kira verisi kullanılmıştır. Model performansları; kestirim doğruluğu ve hata oranları dikkate alınarak karşılaştırılmış, en yüksek doğruluk pazar bölümlendirmesi ve Bulanık Regresyon Fonksiyonlarıyla desteklenen Rasgele Orman Modelinde elde edilmiştir (RMSE: 0,237305; MAE: 0,187292; rRMSE: 0,039972; rMAE: 0,031545). Bu bulgular, önerilen yaklaşımın hem teorik hem pratik düzeyde daha duyarlı ve güvenilir sonuçlar sunduğunu göstermektedir. Gayrimenkul pazarının artan heterojenliği ve riskleri, değerleme çalışmalarında sağlıklı kestirimlerin yapılabilmesi için matematiksel modellerin kullanılmasını zorunlu kılmaktadır.
Özet (Çeviri)
Economic fluctuations, coupled with social and technological advancements, have significantly transformed the sectoral structure of the labour force, thereby leading to alterations in the demand for office space. Within this framework, the office rental market is subject to influence by prevailing economic trends and sectoral shifts, which underscores the necessity for comprehensive valuation methodologies that incorporate economic, spatial, and environmental considerations. Nevertheless, traditional valuation techniques, predicated on the assumption of a homogeneous market, frequently prove insufficient in the office rental context, which is inherently heterogeneous. Indeed, factors such as location and building characteristics exert a substantial impact on rental prices, warranting an analysis of the office market through a submarket-based approach. In this regard, the market segmentation methodology, which facilitates the examination of supply and demand dynamics within specific submarkets, enhances the accuracy and realism of valuation outcomes. Conversely, the challenges in precisely delineating submarket boundaries and the uncertainties associated with measuring user preferences restrict the explanatory power of traditional models. To address these uncertainties, the Fuzzy Regression Functions approach, capable of mathematically representing vagueness and imprecision, emerges as a robust alternative. The objective of this study is to demonstrate the limitations of traditional valuation methods in capturing the complexities of the office rental market and, in this context, to explore the contributions of Machine Learning and Market Segmentation techniques to rental value estimation. Accordingly, Fuzzy Regression Functions are integrated with Market Segmentation to better model uncertainty and multidimensional structures, with the performance of the proposed methodology compared against various machine learning algorithms. The empirical analysis utilizes a dataset comprising 2,228 rental observations from 14 office buildings situated in the Çankaya district of Ankara. The evaluation of model performance is based on prediction accuracy and error metrics. The optimal predictive performance is observed in the Random Forest model, which is supported by both Market Segmentation and Fuzzy Regression Functions (RMSE: 0.2373; MAE: 0.1873; rRMSE: 0.0399; rMAE: 0.0315). These findings suggest that the proposed approach yields more sensitive and dependable results, both theoretically and practically. Given the increasing heterogeneity and risks within the real estate sector, the utilisation of advanced mathematical models becomes indispensable for obtaining reliable valuation estimates.
Benzer Tezler
- Gemi inşa sektöründe iş kazalarına etki eden faktörlerin belirlenmesinde makine öğrenimi ve küresel Fuzzy-TOPSIS yöntemlerinin entegre kullanımı: Analitik ve pratik bir yaklaşım
Integrated use of machine learning and spherical Fuzzy-TOPSIS methods in determining the factors affecting occupational accidents in the shipbuilding industry: An analytical and practical approach
FIRAT AYDIN
Doktora
Türkçe
2025
Kazalarİstanbul Medeniyet Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
PROF. DR. EMİNE CAN
DOÇ. DR. NESLİHAN FİDAN KEÇECİ
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Tıpta karar vermede bulanık karar ağaçları, lojistik regresyon ve CART (classification and regresion trees) analiz yöntemlerinin karşılaştırılması
Comparison of fuzzy decision trees, logistic regression and CART (classification and regression trees) analysis methods in medical decision making
DİDEM TURGUT
Yüksek Lisans
Türkçe
2025
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. PINAR ÖZDEMİR
- Şehir içi denetimsiz kavşaklar için bir kaza tahmin modeli
An accident prediction model for urban uncontrolled intersections
MELTEM SAPLIOĞLU
Doktora
Türkçe
2010
TrafikSüleyman Demirel Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA KARAŞAHİN
- Kaza analizlerinde regresyon yöntemleri ile yapay zekâ tekniklerinin karşılaştırılması
Comparison of regression methods and artificial intelligence techniques in accident analysis
HATİCE ALKILIÇ
Yüksek Lisans
Türkçe
2019
İnşaat Mühendisliğiİskenderun Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER FARUK CANSIZ