KO‘CHMAS MULK QIYMATINI OMMAVIY BAHOLASH UCHUN KOBB-DUGLAS GIBRID MODELINI QO‘LLASH
DOI:
https://doi.org/10.5281/zenodo.19238461Ключевые слова:
ko‘chmas mulk, ommaviy baholash, chiziqli regressiya, Kobb–Duglas gibrid modeli, MAE, MAPE, RMSEАннотация
Ko‘chmas mulkning bugungi kunda aniqlanadigan qiymati davlat ehtiyojlari uchun olib qo‘yish
(ekspropriatsiya)dan tortib soliqqa tortish, hududiy zonalashtirish, sug‘urtalash, qiymatga asoslangan savdo hamda
shahar transformatsiyasigacha bo‘lgan keng ko‘lamli sohalarda qo‘llanilmoqda. Foydalanish doirasi shu qadar keng
bo‘lgan ko‘chmas mulkni baholash masalasi mamlakatimizda ham, dunyoning ko‘plab davlatlarida ham muhim iqtisodiy
ahamiyat kasb etadi.
Biroq, zamonaviy talablarning o‘zgaruvchanligi sharoitida tezkor yechimlarni taklif etuvchi an’anaviy yakka tartibdagi
baholash usullari — daromad, taqqoslash va xarajat yondashuvlari — ayrim hollarda yetarli darajada samarali bo‘lmay
qolmoqda. Shu sababli, keng qamrovli va tizimli yechimlarni taqdim etuvchi ko‘chmas mulkni ommaviy baholash
konsepsiyasi dolzarb ahamiyat kasb etmoqda.
Ommaviy baholash tizimlari yordamida yuzlab ko‘chmas mulk obyektlarining qiymatini bir vaqtning o‘zida aniqlash va
ularni adolatli soliqqa tortish imkoniyati yaratiladi. Shuningdek, ushbu tizimlar asosida shakllantirilgan ko‘chmas mulk
qiymat xaritalari urbanizatsiya siyosati nuqtai nazaridan muhim funksional ma’lumotlarni taqdim etadi.
Mazkur tadqiqotda 34 ta mezon asosida ommaviy baholash tizimiga chiziqsiz regressiya yondashuvi asosida Kobb–
Duglas gibrid modeli qo‘llanildi. Shu bilan birga, ayni ma’lumotlar to‘plami asosida chiziqli regressiya modeli ham ishlab
chiqilib, ularning samaradorlik ko‘rsatkichlari o‘zaro taqqoslandi. Natijalarga ko‘ra, chiziqli regressiya modeli taxminan
82 foiz aniqlikka erishgan bo‘lsa, Kobb–Duglas gibrid modeli 85 foiz aniqlikni namoyon etdi. Model natijalari va bozor
qiymatlarini solishtirish uchun MAE, MAPE va RMSE ko‘rsatkichlari hisoblab chiqildi. Shuningdek, ushbu modellar
yordamida uzoq muddatli istiqbolda ko‘chmas mulk qiymatini tezkor va iqtisodiy jihatdan samarali aniqlash imkoniyati
mavjudligi asoslandi.
Библиографические ссылки
Abdullahi, A., Usman, H., & Ibrahim, I. (2018). Determining house price for mass appraisal using multiple regression
analysis modeling in Kaduna North, Nigeria. ATBU Journal of Environmental Technology, 11(1), 26–40.
Açlar, A., Demirel, Z., Demir, H., Çağdaş, V., Gür, M., & Kurt, V. (2003). Taşınmaz değerlemesi sistem tasarımı.
TMMOB Harita ve Kadastro Mühendisleri Odası 9. Türkiye Harita Bilimsel ve Teknik Kurultayı, 129–144.
Açlar, A., & Çağdaş, V. (2002). Taşınmaz (gayrimenkul) değerlemesi. Ankara: TMMOB Harita ve Kadastro Mühendisleri
Odası.
Akhan, Ş., & Bindak, R. (2017). Bazı kişisel değişkenlerin ortaokul öğrencilerinin matematik başarısı üzerindeki etkisi:
Bir regresyon modeli. Ihlara Eğitim Araştırmaları Dergisi, 2(2), 5–17.
Altunışık, R., Çoşkun, R., Bayraktaroğlu, S., & Yıldırım, E. (2010). Sosyal bilimlerde araştırma yöntemleri (SPSS
uygulamalı). Sakarya: Sakarya Yayıncılık.
Archontoulis, S. V., & Miguez, F. E. (2015). Nonlinear regression models and applications in agricultural research.
Agronomy Journal, 107(2), 786–798.
Bag, S., Tiwari, M. K., & Chan, F. T. (2019). Predicting consumer purchase intention of durable goods: An attributelevel
analysis. Journal of Business Research, 94, 408–419.
Barańska, A. (2013). Real estate mass appraisal in selected countries: Functioning systems and proposed solutions.
Real Estate Management and Valuation, 21(3), 35–42.
Bin, J., Tang, S., Liu, Y., Wang, G., Gardiner, B., Liu, Z., & Li, E. (2017). Regression model for appraisal of real estate
using recurrent neural network and boosting tree. In ICCIA 2017 Proceedings (pp. 209–213). IEEE.
Del Giudice, V., De Paola, P., & Forte, F. (2017). Using genetic algorithms for real estate appraisals. Buildings, 7(2),
Derinpınar, M. A., & Aydınoğlu, A. Ç. (2015). Bulanık mantık ile coğrafi bilgi teknolojilerini kullanarak taşınmaz
değerlemesi. TMMOB Harita ve Kadastro Mühendisleri Odası.
Georgiadis, A. (2018). Real estate valuation using regression models and artificial neural networks: An applied study
in Thessaloniki. RELAND: International Journal of Real Estate & Land Planning, 1, 292–303.
Malik, M. R., Isaac, B. J., Coussement, A., Smith, P. J., & Parente, A. (2018). Principal component analysis coupled
with nonlinear regression for chemistry reduction. Combustion and Flame, 187, 30–41.
Manganelli, B., Paola, P. D., & Giudice, V. D. (2018). A multi-objective analysis model in mass real estate appraisal.
International Journal of Business Intelligence and Data Mining, 13(4), 441–455.
Mei, H., & Fang, H. (2017). Real estate price forecast model in the Midwest of China. In Management Science and
Engineering Management (pp. 525–536). Springer.
Orhunbilge, N. (2002). Applied regression and correlation analysis. Istanbul: Istanbul University Publication.
Orman, M. N., & Gürcan, S. (2001). Doğrusal olmayan regresyon analizi ve biyoistatistikte kullanımı.
Pagourtzi, E., Assimakopoulos, V., Hatzichristos, T., & French, N. (2003). Real estate appraisal: A review of valuation
methods. Journal of Property Investment & Finance, 21(4), 383–401.
Parygin, D. S., et al. (2018). Categorical data processing for real estate valuation. Journal of Physics: Conference
Series, 1015.
Renigier-Biłozor, M., Janowski, A., & d’Amato, M. (2019). Automated valuation model based on fuzzy and rough set
theory. Land Use Policy, 87, 104021.
Sarip, A. G., Hafez, M. B., & Daud, M. N. (2016). Fuzzy regression model for real estate price prediction. Malaysian
Journal of Computer Science, 29(1), 15–27.
Şarlak, N., & Güven, A. (2016). Global güneş radyasyonu tahmini. Teknik Dergi, 27(3), 7561–7568.
Turp, S. M. (2019). Hava kirliliği tahmini: Çoklu lineer regresyon. Doğal Afetler ve Çevre Dergisi, 5(1), 1–10.
Unel, F. B. (2017). Taşınmaz değerleme kriterlerine yönelik coğrafi veri modeli (PhD thesis). Selçuk University.
Wang, X., et al. (2014). Real estate price forecasting using SVM optimized by PSO. Optik, 125(3), 1439–1443.
Varma, A., et al. (2018). House price prediction using machine learning. IEEE Conference Proceedings.
Yalpir, S., & Ozkan, G. (2018). FIS and ANFIS models for real estate valuation. International Journal of Strategic
Property Management, 22(2), 110–118.
Yalpir, S., & Bayrak, E. (2017). Real estate valuation in urban regeneration. Selçuk Üniversitesi Dergisi, 5(1), 96–103.
Yalpir, S. (2007). Bulanık mantık metodolojisi ile taşınmaz değerleme modeli (Doctoral dissertation).
Yeh, I. C., & Hsu, T. K. (2018). Case-based reasoning in real estate valuation. Applied Soft Computing, 65, 260–271.
Yomralıoğlu, T., et al. (2011). Dünya’da ve Türkiye’de taşınmaz değerlemesi.
Zhou, G., et al. (2018). Artificial neural networks in mass appraisal. International Journal of Online Engineering, 14(3).
To‘lakov, U. T. (2026). O‘zbekistonda ko‘chmas mulkni ommaviy baholash tizimini joriy etishning strategik jihatlari.
Iqtisodiy taraqqiyot va tahlil, 4(1), 223–228.
To‘lakov, U. T. (2025). Ko‘chmas mulkni soliqqa tortish va ommaviy baholashda ekonometrik modellashtirish. Ilg‘or
iqtisodiyot va pedagogik texnologiyalar, 2(3), 807–847.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Copyright (c) 2026 MUHANDISLIK VA IQTISODIYOT
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.