การเติบโตทางเศรษฐกิจและการพัฒนาอสังหาริมทรัพย์ส่วนภูมิภาคของไทย กรณีศึกษา: ภาคใต้ จังหวัดภูเก็ตและสงขลา

Main Article Content

นิพนธ์ วงศ์จินดา

Abstract

ธุรกิจอสังหาริมทรัพย์เป็นธุรกิจชี้นำภาวะเศรษฐกิจ การพัฒนาธุรกิจอสังหาริมทรัพย์ให้เจริญเติบโตอย่างมีประสิทธิภาพจะส่งผลต่อการขยายตัวทางเศรษฐกิจอย่างมีเสถียรภาพในระยะยาว ดังนั้น งานวิจัยนี้จึงได้กำหนดวัตถุประสงค์เพื่อศึกษาความพร้อมของการพัฒนาธุรกิจอสังหาริมทรัพย์ในระดับภูมิภาค กรณีศึกษาภาคใต้ และมุ่งหมายให้กรอบแนวทางที่สามารถเสนอแนะให้เกิดประโยชน์ต่อการพัฒนาธุรกิจอสังหาริมทรัพย์และเศรษฐกิจของประเทศได้  งานวิจัยนี้ แบ่งการวิเคราะห์เป็น 2 ส่วน ได้แก่ ส่วนแรกเป็นการศึกษาภาพรวมของธุรกิจอสังหาริมทรัพย์ ใช้ข้อมูลทุติยภูมิ ปี1993-2016 โดย Time Series Analysis สามารถประมาณการมูลค่าของธุรกิจอสังหาริมทรัพย์ได้ว่า ในช่วง 2016q2-2017q2  มีค่าเท่ากับ 212,228 – 213,752 ล้านบาท ในส่วนที่สอง และจากการสำรวจประชาชน 120 คน เป็นผู้ประกอบการและตัวแทนภาครัฐ 80 คน โดยสอบถามเรื่องความพร้อมและปัจจัยที่กำหนดความพร้อมในการพัฒนาธุรกิจอสังหาริมทรัพย์โดยใช้ Logistic Regression Analysis พบว่า ในภาคใต้มีความพร้อมในการพัฒนาอสังหาริมทรัพย์ 91.00 % โดยมีภูเก็ตและสงขลาเป็นตัวแทนและปัจจัยที่มีอิทธิพลต่อความพร้อมได้แก่ การวางโครงสร้างสาธารณูปโภคให้พร้อม(มีอิทธิพลมากที่สุด)  การวางผังเมืองอย่างเป็นระบบ และการความพร้อมด้านนโยบายสินเชื่อ และส่งเสริมให้มีการเพิ่มขึ้นของรายได้ของประชากรอย่างสม่ำเสมอ ในขณะที่จังหวัดภูเก็ตมีความพร้อมในการพัฒนาอสังหาริมทรัพย์ 89.02 % โดยปัจจัย ได้แก่ ระบบการวางผังเมืองที่ดี (มีอิทธิพลมากที่สุด)  ความพร้อมด้านโครงสร้างสาธารณูปโภค และการส่งเสริมนโยบายสินเชื่อด้านอสังหาริมทรัพย์ สงขลามีความพร้อม 87.80%  จากปัจจัยความพร้อมโครงสร้างสาธารณูปโภค(มีอิทธิพลมากที่สุด)  และ การที่มีมหาวิทยาลัยตั้งอยู่ในพื้นที่

 

 

Property business is the economic leading indicator for both an economic expansion and recession period. Supporting property development to efficiently grow makes an impact on long-term economic growth, which is a goal of sustainable development.   As a result, this research aimed to analyze property business development in the Southern of Thailand and provided recommendations for property development in the region areas. This research was divided into 2 parts. The first one was concerned with the analysis of the property market of the whole kingdom and the Southern region with the use of time series analysis in conjunction with secondary data from 1993-2016. Research results indicated that ARIMA Model performed better than ARIMAX model in forecasting the value of property market of the whole kingdom between 2016q2-2017q2 (i.e. around 212,228 - 213,752 million Baht). The second part deployed primary data obtained from 80 respondents in the Southern of Thailand. This part analyzed both producers’ and government’s decision making in the property development with the adoption of logistic regression analysis. Empirical results showed that the readiness of the property development in the Southern of Thailand is 91.00%. The key influential factors included city planning system, infrastructure system (the most important factor), credit policy, and the higher per capita income. In Phuket, with 89.02% of the readiness of the property development, it depended on city planning system (the most important factor), infrastructure system, and credit policy. While Songkhla was ready to develop property business at 87.80% and the key influential factors were the infrastructure system (the most important factor) and being near university.

Keywords

Article Details

Section
บทความวิจัย
Author Biography

นิพนธ์ วงศ์จินดา

หลักสูตรบริหารธุรกิจดุษฎีบัณฑิต  สาขาการบริหารธุรกิจ มหาวิทยาลัยนเรศวร

References

กัลยา วานิชย์บัญชา. (2553). สถิติสำหรับงานวิจัย. (พิมพ์ครั้งที่ 5).กรุงเทพฯ: สำนักพิมพ์แห่งจุฬาลงกรณ์มหาวิทยาลัย.
คมสัน สุริยะ. 2552. แบบจำลองโลจิต : ทฤษฎีและการประยุกต์ใช้ในการวิจัยทางเศรษฐศาสตร์. ศูนย์การวิเคราะห์เชิงปริมาณ คณะเศรษฐศาสตร์มหาวิทยาลัยเชียงใหม่. http://www.tourismlogistics.com.
ดนัย ปัตตพงศ์. 2559. เอกสารวิชาการด้านศาสตร์การวิจัยและสถิติประยุกต์. มหาวิทยาลัยเนชั่น.
สมหวัง พิธิยานุวัฒน์. (2541). รวมบทความวิธีวิทยาการวิจัย เล่ม 2, การประเมินผลการปฏิบัติงานวิจัย.Abraham, J. and Hendershott, P H. (1995). Bubbles in Metropolitan Housing Markets. J. Housing Res.
Bulloch and Sullivan (2012), Information - The Key to the Real Estate Development Process, Cornell Real Estate Review,Article 12, Volume 8.
Box, George; Jenkins, Gwilym (1970). Time Series Analysis: Forecasting and Control. San Francisco: Holden-Day.
Chung, H. S., Kim, J. H. (2004), “Housing Speculation and Housing Price Bubble in Korea.” 04-06, KDI 2004.
Cohen B (2004) Urban Growth in Developing Countries: A Review of Current Trends and a Caution Regarding Existing Forecast, World Development Vol. 32, No. 1, pp. 23–51, 2004.
Coulson, N E, and Kim, M S.(2000) Residential investment, non-residential investment and GDP.Real Estate Economics, 28(2).
Kohlhepp (2012). The Real Estate Development Matrix, Johns Hopkins Carey Business School Edward St. John Real Estate Program.
Farlow, A., 2005. UK House Prices, Consumption and GDP in a Global Context. Working paper.
Green, Richard K. (1997). “Follow the Leader: How Changes in Residential and Non-residential Investment Predict Changes in GDP, Real Estate Economics, V. 25(2) June. p. 253–270.
Gujarati, D. N. and Porter, D. C. (2009). Basic Econometrics.(Fifth Edition). New York: McGraw-Hill/Irwin.
Guy S and Henneberry J (2002) Understanding Urban Development Processes: Integrating the Economic and the Social in Property Research, Urban Studies, V. 37(13), 2399–2416.
Hamilton, H.D. (1994), Time Series Analysis. Princeton University Press, Princeton,New Jersey.
Hosmer, D. & Lemeshow, S. (2000). Applied Logistic Regression (Second Edition). New York: John Wiley & Sons, Inc.
Hui and Yiu, (2003), Market dynamics of private residential real estate price - an empirical test in Hong Kong. Journal of Financial Management of Property and Construction, 8(3),155–66.
Madsen, (2011) A Model of House Prices, Monash University, Business and Economics.
Joe Peek and James A. Wilcox. (2006), Housing, Credit Constraints, and Macro Stability: The Secondary Mortgage Market and Reduced Cyclicality of Residential Investment. American Economic Review, 2006, vol. 96, issue 2, pages 135-140.
Lu and Liu (1999) Bubble economy issues. Reform of the economic system.
Iacoviello,(2005) House Prices, Borrowing Constraints, and Monetary Policy in the Business Cycle, The American Economic Review, June, p. 739-764.
Raymond (1997), An application of the ARIMA model to real‐estate prices in Hong Kong, Journal of Property Finance, V.2(2) p.152 – 163.
Pedace (2013). Econometrics For Dummies, A Modern Approach. 2nd ed. Yldz Technical University.
Stephen (2000). The Time Series Performance Of UK Real Estate Indices. The Department of Land Management and Development, The University of Reading.
Stevenson, S (2004). New empirical evidence on heteroscedasticity in hedonic housing models. Journal of Housing Economics, 13 (2), 136-153.
Syz, J. (2011). Real Estate in Emerging Markets. University of Zurich.
Wigren, R and Wilhelmsson, M. (2007), Construction Investments and Economic Growth in Western Europe Policy Model, V. 3, 439–451.
World Bank. (2011). World Development Report 2011 : Conflict, Security, and Development. World Bank.