İkinci el otomobil fiyatlarının koşulsuz kantil regresyon ile analizi

Abstract

Bu çalışmanın amacı, ikinci el otomobil fiyatlarını etkileyen faktörleri koşulsuz kantil regresyon çerçevesinde ilk kez analiz etmektir. Önceki araştırmalarda, ikinci el otomobil fiyatlarına etki eden faktörler genellikle hedonik fiyatlama modeli, yapay sinir ağları ve makine öğrenmesi gibi ekonometrik yöntemlerle incelenmiştir. Bu çalışma, farklı kantil düzeylerinde otomobil fiyatlarına etki eden değişkenleri ve bu değişkenlerin fiyat üzerindeki etkilerini ortaya koymaktadır. Düşük, orta ve yüksek fiyat aralıklarında değişkenlerin otomobil fiyatları üzerindeki etkilerini inceleyen bir yaklaşım benimsenmiştir. Ayrıca, çalışmada koşullu kantil regresyon model tahminlerine yer verilerek her iki yöntem için karşılaştırmalı bir analiz gerçekleştirilmiştir. Koşullu kantil regresyon ve koşulsuz kantil regresyon yöntemlerinin, ikinci el otomobil fiyatlarının belirleyicileri üzerindeki potansiyel heterojen etkilerini daha iyi anlamaya katkı sağladığı gözlemlenmiştir. İki yöntem arasındaki sonuçlar arasında belirgin farklılıklar bulunmaktadır. Sonuçlar, koşullu kantil regresyon yönteminde, kilometre (-), boyalı parça (-), şerit takip sistemi (+), hava yastığı (+), soğutmalı torpido (+), ısıtmalı koltuk (+), hız sabitleme sistemi (+), park asistanı (+), hasar kaydı olmaması (+), otomatik vites (+), önden çekişli (-), arkadan itişli (-), motor gücü (+), yakıt türü (benzin ve dizel, +), kasa tipi (sedan ve hatchback, -), yaş (-), Alman markalı (+) ve Japon markalı (+) gibi değişkenlerin fiyat üzerindeki etkilerini belirlemiştir. Koşulsuz kantil regresyon yöntemi ise bazı değişkenlerin fiyat üzerindeki etkilerini farklı kantil seviyelerinde hem negatif hem de pozitif olarak göstermiştir. Özellikle, şerit takip sistemi, hava yastığı, hız sabitleme sistemi ve park asistanı gibi değişkenlerin etkileri, koşulsuz kantil regresyon yönteminin belirlenen kantilde özelliklerin aynı olduğu varsayımını dikkate almaması nedeniyle farklılık göstermektedir.The aim of this study is to analyse the factors affecting used car prices within the framework of unconditional quantile regression for the first time. In previous studies, the factors affecting used car prices have generally been analysed by econometric methods such as hedonic pricing model, artificial neural networks and machine learning. This study analyses the variables affecting car prices at different quantile levels and the effects of these variables on prices. An approach that analyses the effects of variables on car prices in low, medium and high price ranges is adopted. In addition, a comparative analysis is carried out for both methods by including conditional quantile regression model estimations. It is observed that conditional quantile regression and unconditional quantile regression methods contribute to a better understanding of the potential heterogeneous effects on the determinants of used car prices. There are significant differences between the results of the two methods. The results show that in the conditional quantile regression method, mileage (-), painted parts (-), lane keeping system (+), airbag (+), cooled dashboard (+), heated seat (+), cruise control system (+), parking assist (+), no damage record (+), automatic transmission (+), front wheel drive (-), rear wheel drive (-), engine power (+), fuel type (petrol and diesel, +), body type (sedan and hatchback, -), age (-), German brand (+) and Japanese brand (+). The unconditional quantile regression method showed both negative and positive effects of some variables on price at different quantile levels. In particular, the effects of variables such as lane departure warning system, airbag, cruise control system and parking assist differ since the unconditional quantile regression method does not take into account the assumption that the features are the same in the determined quantile.