Econometric Modeling of Construction Cost Estimation: A VECM-Based Approach for Forecasting Price Fluctuations in Türkiye
Notice bibliographique
Résumé
The construction sector in Turkey is highly influenced by price fluctuations, economic crises, and external shocks. In particular, the major earthquake in 2023 accelerated the increase in construction costs, revealing that price volatility in Turkey is significantly higher compared to other OECD countries. This study develops a forecasting model for construction costs using the Vector Error Correction Model (VECM). A total of 16 periods of data were collected from the first quarter of 2021 to the last quarter of 2024. The selected variables include total cost, labor cost, material cost, iron prices, and the Consumer Price Index (CPI). The VECM model was applied to analyze long-term economic relationships and short- term fluctuations in construction costs. The results were compared with traditional forecasting methods, demonstrating a lower margin of error in the VECM-based predictions. These findings highlight the necessity of data-driven modeling for more reliable cost estimations in the construction industry. The study provides a methodological framework for improving cost forecasting, particularly during periods of high inflation and market uncertainty. By leveraging econometric modeling, decision- makers in the construction sector can enhance financial planning and risk management. Future research may focus on expanding the model with additional economic indicators, testing its applicability in different regions, and developing long-term forecasting strategies to improve predictive accuracy.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,006 | 0,010 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».