Die Prognose von Wohnungsnachfrage und Wohnungsangebot

Literatur

• Baldwin, C. Y.; Clark, K. B. (2000): Design Rules: The power of modularity. Cambridge, Massachusetts: MIT Press Ltd.
   Google Scholar
• Bleakly Advisory Group (2020): County-wide housing analysis and strategic recommendations for Cherokee County, Georgia.
   Google Scholar
• Glaeser, E. L. (2008): Cities, Agglomeration, and Spatial Equilibrium. Oxford: Oxford University Press, 1. Auflage
   Google Scholar
• Hair Jr, J. F.; Hult, G. T. M.; Ringle, C. M.; Sarstedt, M.; Danks, N. P.; Ray, S. (2021): Partial Least Squares Structural Equation Modeling (PLSSEM) Using R. Cham: Springer, 1. Auflage.
   Google Scholar
• Höbel, R.; Kühne-Büning, L. (2005): Instrumente zur Prognose der Wohnungsmarktentwicklung. In Kühne-Büning, L.; Nordalm, V.; Steveling, L. (Hrsg.): Grundlagen der Wohnungs- und Im-mobilienwirtschaft. Frankfurt am Main: Knapp, S. 212–233.
   Google Scholar
• Iwanow, I.; Eichhorn, D. (2008): Teilmarktbezogene kommunale Wohnungsnachfrageprognose. In Iwanow, I. (Hrsg.): Struktureller Wandel der Wohnungsnachfrage in schrumpfenden Städten und Regionen – Analyse und Prognose von Wohnpräferenzen, Neubaupotenzialen und Wohnungsleerständen. Berlin: LIT, S. 137–171.
   Google Scholar
• Iwanow, I.; Gutting, R. (2017): Kleinräumige Wohnbauflächenprognosen – ein quantitativ orientiertes Instrument zur Reduktion der Flächenneuinanspruchnahme für Wohnzwecke. disP – The Planning Review, 53 (4), S. 71–89. doi: 10.1080/02513625.2017.1414496
   Google Scholar
• Iwanow, I.; Gutting, R.; Stützriemer, S. (2015): Einflüsse zur Erklärung und Prognose der Wohnbauflächenneuinanspruchnahme. disP – The Planning Review, 51 (3), S. 44–61. doi: 10.1080/02513625.2015.1093351
   Google Scholar
• Iwanow, I.; Müller, M.; Gutting, R. (2015): Kleinräumige Haushaltsvorausschätzungen auf Zensusbasis. In Meinel, G.; Schumacher, U.; Behnisch, M.; Krüger, T. (Hrsg.): Flächennutzungsmonitoring VII. Boden – Flächenmanagement – Analysen und Szenarien. Berlin: Rhom-bos-Verlag, S. 320–328.
   Google Scholar
• Just, T. (2013): Demografie und Immobilien. Oldenburg: Oldenburg Verlag, 2. Auflage.
   Google Scholar
• Kramer, O. (2017): Genetic Algorithm Essentials. Cham: Springer, 1. Auflage.
   Google Scholar
• Kühne-Büning, L. (2005): Nachfrage, Nachfrager und Nachfrageverhalten an Wohnungsmärkten. In Kühne-Büning, L.; Nordalm, V.; Steveling, L. (Hrsg.): Grundlagen der Wohnungs- und Im-mobilienwirtschaft. Frankfurt am Main: Knapp, S. 132-176.
   Google Scholar
• Lauf, S.; Haase, D.; Seppelt, R.; Schwarz, N. (2012): Simulating demography and housing demand in an urban region under scenarios of growth and shrinkage. Environment and Planning B: Planning and Design, 39 (2), S. 229–246. doi: 10.1068/b36046t
   Google Scholar
• Lee, K.; Kim, H.; Shin, D. H. (2019): Forecasting Short-Term Housing Transaction Volumes using Time-Series and Internet Search Queries. KSCE Journal of Civil Engineering, 23, S. 2409–2416. doi: 10.1007/s12205-019-1926-9
   Web of Science ®Google Scholar
• Li, Q.; Yu, Z.; Guo, B.; Xu, H.; Lu, X. (2019): Housing demand estimation based on express delivery data. ACM Transactions on Knowledge Discovery from Data, 13 (4), S. 1–25. doi: 10.1145/3332522
   Web of Science ®Google Scholar
• Liotta, C.; Viguié, V.; Lepetit, Q. (2022): Testing the monocentric standard urban model in a global sample of cities. Regional Science and Urban Economics, 97, S. 1–19. doi: 10.1016/j.regsciurbeco.2022.103832
   Web of Science ®Google Scholar
• Lynch, S. M.; Land, K. C.; Yang, Y. C.; Yi, Z. (2019): 28 Mathematical Demography. In Poston, D. L. (Hrsg.): Handbook of Population. Handbooks of Sociology and Social Research. Cham: Springer, S. 747–774.
   Google Scholar
• Ng, S. T.; Skitmore, M.; Wong, K. F. (2008): Using genetic algorithms and linear regression analysis for private housing demand forecast. Building and Environment, 43 (6), S. 1171–1184.
   Web of Science ®Google Scholar
• Redding, S. J. (2023): Quantitative Urban Models: From Theory to Data. Journal of Economic Perspectives, 37 (2), S. 75–98.
   Web of Science ®Google Scholar
• Scottish Government (2020): Housing Need and Demand Assessment (HNDA) – HNDA Tools Instructions.
   Google Scholar
• Shanmuganathan, S. (2016): Artificial Neural Network Modelling: An Introduction. In Shanmuganathan, S.; Samarasinghe, S. (Hrsg.): Artificial Neural Network Modelling. Cham: Springer, S. 1–14.
   Google Scholar
• Shumway, R. H.; Stoffer, D. S. (2017): Time Series Analysis and Its Applications. Cham: Springer, 4. Auflage.
   Google Scholar
• United Nations (1956): Manuals on methods of estimating population, Manual III – Methods for Population Projections by Sex and Age. New York: United Nations Publication.
   Google Scholar
• United Nations (1973): Manuals on methods of estimating population, Manual VII – Methods of Projecting Households and Families. New York: United Nations Publication.
   Google Scholar
• Waltersbacher, M. (2017): Methodik der BBSR-Wohnungsmarktprognose 2030, Präsentation vom 22. 3.2017, 3. Sitzung Forum KomWoB: Methodik der Wohnungsbedarfsprognose.
   Google Scholar
• Zainun, N. Y.; Ghazali, F. E.; Sallehudin, M. S. (2016): Prediction of Low-Cost Housing Demand in Malaysia Using ARIMA Model. MATEC Web of Conference, 47, S. 1–6. doi: 10.1051/matecconf/20164704008
   Google Scholar
• Zainun, N. Y.; Rahman, I. A.; Eftekhari, M. (2010): Forecasting Low-Cost Housing Demand in Johor Bahru, Malaysia Using Artificial Neural Networks (ANN). Journal of Mathematics Research, 2 (1), S. 14–19.
   Google Scholar
• Zainun, N. Y.; Roslan, N.; Memon, A. H. (2014): Assessing low-cost housing demand in Melaka: PLS-SEM approach. Advanced Materials Research, 838–841, S. 3156–3162. doi: 10.4028/www.scientific.net/AMR.838-841.3156
   Google Scholar