Rad možete preuzeti ovdje
UVOD
Tržište stambenih nekretnina u Hrvatskoj posljednjih je godina postalo jedno od važnijih ekonomskih i društvenih pitanja. Rast cijena stanova, od 64% u razdoblju od 2019. do 2024., utječe na priuštivost stanovanja, odluke kućanstava o kupnji ili najmu, zaduživanje stanovništva te šire makroekonomske tokove. Posebno je važno razlikovati nominalni rast cijena od realnog rasta, jer povećanje cijena nekretnina ne mora imati isto značenje u razdobljima niske i visoke inflacije. Zbog toga se u ovom radu naglasak stavlja na realne cijene novoizgrađenih stanova, odnosno cijene korigirane za kretanje opće razine potrošačkih cijena.
Predmet rada su realne cijene četvornog metra novoizgrađenih stanova u Republici Hrvatskoj, pri čemu su iz analize isključeni stanovi izgrađeni u okviru Programa društveno poticane stanogradnje. Takvi stanovi isključeni su zato što njihova cijena ne odražava u potpunosti tržišne uvjete, već je djelomično određena institucionalnim i subvencijskim elementima. Time se nastoji dobiti čišća slika tržišnog kretanja cijena novoizgrađenih stambenih nekretnina.
Cijene stanova mogu biti povezane s više različitih ekonomskih procesa. Rast dohotka može povećati kupovnu moć kućanstava, kreditna aktivnost može povećati efektivnu potražnju, kamatne stope utječu na trošak financiranja, a građevinska aktivnost odražava stanje ponude i investicijskih očekivanja. Uz to, demografski čimbenici, poput formiranja novih kućanstava, mogu imati važnu ulogu u potražnji za stambenim prostorom. Zbog toga se tržište stanova ne može promatrati samo kroz jednu varijablu, nego kao rezultat međudjelovanja više makroekonomskih, kreditnih, građevinskih i demografskih čimbenika.
Cilj rada je ispitati dugoročnu i kratkoročnu povezanost realnih cijena novoizgrađenih stanova s odabranim pokazateljima koji obuhvaćaju navedene kanale. Osim same ekonometrijske analize, u radu se razmatra i pitanje priuštivosti stanovanja, jer rast cijena sam po sebi ne daje potpunu sliku ako se ne promatra u odnosu na kretanje plaća i uvjete kreditiranja. Takav pristup omogućuje šire sagledavanje hrvatskog tržišta novoizgrađenih stanova, ne samo kroz kretanje cijena, nego i kroz mogućnost kućanstava da tim stanovima stvarno pristupe.
Rad je strukturiran na sljedeći način. Nakon uvoda slijedi pregled relevantne literature, s naglaskom na ranija istraživanja hrvatskog tržišta nekretnina. Zatim se prikazuju podaci, transformacije i osnovna deskriptivna analiza. Nakon toga objašnjava se metodologija, uključujući testove stacionarnosti, Johansenov pristup i ARDL model. U empirijskom dijelu prikazuju se glavni rezultati, dugoročni i kratkoročni odnosi te dijagnostički testovi. Zasebno se prikazuju provjere robusnosti i dodatni pokazatelji priuštivosti stanovanja. Na kraju rada iznose se zaključci, ograničenja analize i prijedlozi za buduća istraživanja.
PREGLED LITERATURE
Jedno od važnijih domaćih istraživanja o cijenama nekretnina u Hrvatskoj je rad Lovrinčevića i Vizek (2008), u kojem se analiziraju determinante cijena nekretnina u Republici Hrvatskoj i potencijalni učinci liberalizacije tržišta nekretnina. Autori promatraju kretanje cijena nekretnina u Hrvatskoj i odabranim zemljama Europske unije u razdoblju 2000.–2006. te ispituju povezanost cijena nekretnina s nizom ekonomskih varijabli. Njihov je rad posebno relevantan za ovo istraživanje jer koristi vrlo sličan skup objašnjavajućih varijabli i polazi od ideje da se cijene nekretnina trebaju promatrati u odnosu na šire makroekonomske i financijske uvjete.
Ovaj rad se izravno nadovezuje na pristup Lovrinčevića i Vizek, ali ga primjenjuje na novije razdoblje, od 2012Q1 do 2025Q1, i na specifičniji segment tržišta: realne cijene novoizgrađenih stanova bez POS-a. U odnosu na njihov skup varijabli, glavna razlika je u tome što se HICP u ovom radu ne uključuje kao zasebna objašnjavajuća varijabla u glavnoj specifikaciji. Razlog je taj što je HICP već korišten u konstrukciji realnih varijabli, odnosno za deflacioniranje cijena, plaća i kredita te za izračun realne kamatne stope. Njegovo ponovno uključivanje u model moglo bi stvoriti mehaničku povezanost između deflatora i već deflacioniranih serija te time otežati ekonomsku interpretaciju dugoročne veze.
Kao i Lovrinčević i Vizek, u radu je najprije razmotrena mogućnost primjene Johansenova pristupa kointegraciji. Međutim, Johansenov test na užem skupu I(1) varijabli nije potvrdio postojanje kointegracijske veze. Budući da testovi stacionarnosti pokazuju da korištene serije nisu istog reda integriranosti, daljnja analiza temelji se na ARDL bounds pristupu Pesaran, Shin i Smith (2001), koji omogućuje ispitivanje dugoročne veze kada su varijable kombinacija I(0) i I(1), pod uvjetom da nijedna nije I(2).
-U literaturi o priuštivosti stanovanja često se koriste omjeri cijena nekretnina i dohotka. Primjerice, Demographia International Housing Affordability koristi tzv. median multiple, odnosno omjer medijalne cijene nekretnine i medijalnog bruto dohotka kućanstva, jer medijani bolje odražavaju položaj srednjih i nižih dohodovnih skupina od prosjeka. U ovom radu koristi se slična logika usporedbe cijena i dohotka, ali na temelju dostupnih prosječnih vrijednosti, odnosno prosječne cijene m² i prosječne neto plaće. Taj pokazatelj ne zamjenjuje medijalni pristup, nego služi kao dodatna deskriptivna mjera priuštivosti stanovanja u Hrvatskoj.
PODACI I DESKRIPTIVNA ANALIZA
U ovom poglavlju prikazuju se korišteni podaci, način njihove obrade te osnovna deskriptivna kretanja. Budući da se u radu analiziraju realne cijene novoizgrađenih stanova, važan dio pripreme podataka odnosi se na pretvaranje nominalnih serija u realne vrijednosti, usklađivanje različitih frekvencija podataka i konstrukciju izvedenih varijabli poput realne kamatne stope i jaza BDP-a.
Analiza se temelji na kvartalnim podacima za Republiku Hrvatsku. Glavna zavisna varijabla je prosječna cijena m² novoizgrađenih stanova, pri čemu su izuzeti stanovi izgrađeni u okviru Programa društveno poticane stanogradnje. Takvi stanovi nisu uključeni jer njihova cijena ne odražava u potpunosti tržišne uvjete. Korištene objašnjavajuće varijable odabrane su tako da budu usporedive s ranijim istraživanjima, osobito radom Lovrinčevića i Vizek, uz izostavljanje HICP-a kao zasebne varijable u konačnom modelu zbog njegove uloge u konstrukciji realnih serija.
Tablica 1. Opis korištenih varijabli
| Puni naziv varijable | Oznaka u EViews-u | Izvor | Transformacija |
| Prosječna cijena m² novoizgrađenih stanova bez POS-a | PRH, PRH_REAL, L_PRH_REAL | DZS | deflacionirano HICP-om, log |
| Realni bruto domaći proizvod | BDP_R, L_BDP_R | DZS | već realna serija, log |
| Stambeni krediti kućanstvima | MORT_LOANS_R, L_MORT_LOANS_R | ECB/HNB | deflacionirano HICP-om, log |
| Kamatna stopa na stambene kredite | MORT_RATE_R | ECB/HNB, Eurostat | realna stopa izračunata Fisherovom jednadžbom |
| Indeks obujma građevinskih radova na zgradama | BUILD_VOL, L_BUILD_VOL | DZS | sezonski i radno-dnevno prilagođeno, log |
| Broj sklopljenih brakova | MARR, L_MARR_SA_REG | DZS | agregirano kvartalno, sezonski prilagođeno, log |
| Prosječna neto plaća | W_NET_R, L_W_NET_R | DZS | deflacionirano HICP-om, log |
| Jaz BDP-a | BDP_GAP_PCT | vlastiti izračun | postotno odstupanje realnog BDP-a od potencijalnog BDP-a |
| Harmonizirani indeks potrošačkih cijena | HICP, L_HICP | Eurostat | korišten kao deflator |
Nominalne novčane serije deflacionirane su harmoniziranim indeksom potrošačkih cijena, pri čemu je korištena baza 2015 = 100. Realne vrijednosti dobivene su prema izrazu:
gdje je nominalna vrijednost varijable u razdoblju t, a harmonizirani indeks potrošačkih cijena. Na taj su način dobivene realne vrijednosti cijena stanova, neto plaća i stambenih kredita. Bruto domaći proizvod korišten je u realnom obliku jer ga DZS objavljuje kao realnu seriju.
Realna kamatna stopa na stambene kredite izračunata je ex post primjenom Fisherove jednadžbe. Budući da su nominalne kamatne stope iskazane kao godišnje stope, a inflacija je mjerena godišnjom promjenom HICP-a, korištena je sljedeća formula:
gdje je realna kamatna stopa, nominalna kamatna stopa na stambene kredite, a stopa inflacije mjerena HICP-om. U praktičnom izračunu nominalna kamatna stopa i inflacija izražene su u decimalnom obliku, a rezultat je zatim ponovno prikazan u postocima. Ovakav izračun daje ex post realnu kamatnu stopu, odnosno nominalnu kamatnu stopu korigiranu za ostvarenu inflaciju.
Jaz BDP-a izračunat je kao postotno odstupanje stvarnog realnog BDP-a od potencijalnog BDP-a:
Potencijalni BDP dobiven je Hodrick-Prescott filtrom. U osnovnoj specifikaciji korišten je parametar izglađivanja = 300, u skladu s metodološkim pristupom iz ranijeg istraživanja na koje se ovaj rad nadovezuje. Budući da se za kvartalne podatke često koristi i vrijednost = 1600, model s tom vrijednošću kasnije se koristi kao provjera robusnosti.
Cijena m² novoizgrađenih stanova dostupna je u polugodišnjoj frekvenciji, dok je za potrebe modela bilo potrebno dobiti kvartalnu seriju. Zbog toga je korištena Dentonova metoda disagregacije, koja omogućuje pretvaranje serije niže frekvencije u seriju više frekvencije uz očuvanje agregatnih vrijednosti iz izvorne serije.
gdje je procijenjena kvartalna vrijednost serije, poznata polugodišnja prosječna vrijednost, a i dvije kvartalne vrijednosti koje pripadaju istom polugodištu. Ograničenje osigurava da prosjek dviju procijenjenih kvartalnih vrijednosti odgovara izvornoj polugodišnjoj vrijednosti, dok se minimizacijom promjena između susjednih kvartala dobiva glatka kvartalna serija.
Podaci dostupni na mjesečnoj frekvenciji pretvoreni su u kvartalne podatke ovisno o prirodi varijable. Broj sklopljenih brakova agregiran je zbrajanjem mjesečnih vrijednosti unutar kvartala. HICP, prosječna neto plaća i indeks obujma građevinskih radova pretvoreni su u kvartalne vrijednosti izračunom prosjeka mjesečnih opažanja. Za stambene kredite i kamatne stope korištena je vrijednost posljednjeg mjeseca u kvartalu kao aproksimacija kvartalne vrijednosti.
Varijable koje poprimaju strogo pozitivne vrijednosti logaritmirane su prije ekonometrijske analize. Logaritmiranje omogućuje interpretaciju koeficijenata kao elastičnosti kod odnosa između logaritmiranih varijabli. Realna kamatna stopa nije logaritmirana jer može poprimiti negativne vrijednosti. Jaz BDP-a nije logaritmiran jer je već konstruiran kao postotno odstupanje realnog BDP-a od potencijalnog BDP-a, pa se u model uključuje u tom obliku.
DESKRIPTIVNA ANALIZA
Prije procjene ekonometrijskog modela korisno je prikazati osnovna kretanja najvažnijih pokazatelja. Deskriptivna analiza služi kao uvod u empirijski dio rada jer omogućuje da se najprije vizualno uoče ključni obrasci u kretanju cijena, plaća i kreditnih uvjeta. U nastavku se zato prikazuju nominalne i realne cijene novoizgrađenih stanova, pokazatelj broja prosječnih mjesečnih neto plaća potrebnih za kupnju jednog četvornog metra stana te pokazatelj kreditne priuštivosti za stan od 50 m². Time se cijene ne promatraju izolirano, nego u odnosu na dohodak i uvjete financiranja, što je važno za razumijevanje kasnijih ekonometrijskih rezultata.
Slika 1. nominalne prosječne cijene m² u RH (2012.-2025.)
lika 1 prikazuje kretanje nominalne prosječne cijene m² novoizgrađenih stanova u Hrvatskoj. Nakon relativno stabilnog razdoblja od 2013. do 2017. godine, cijene od 2018. postupno rastu, a osobito snažno ubrzavaju nakon 2021. godine. Do kraja promatranog razdoblja nominalna cijena m² doseže najvišu razinu, što potvrđuje da je rast cijena novoizgrađenih stanova postao posebno izražen u razdoblju nakon pandemije i inflacijskog šoka. Ipak, budući da nominalne cijene ne uzimaju u obzir promjene opće razine cijena, u nastavku se promatra i realna cijena m².
Slika 2. Realne prosječne cijene m² novoizgrađenih stanova u RH, 2012.–2025.
Realna cijena m² pokazuje kretanje cijena novoizgrađenih stanova nakon korekcije za inflaciju. U usporedbi s nominalnom serijom, realna serija daje jasniju sliku stvarnog rasta cijena jer iz kretanja uklanja učinak općeg rasta potrošačkih cijena. Ako realne cijene i nakon deflacioniranja rastu, to znači da cijene stanova rastu brže od opće razine cijena. Upravo se ta realna cijena m² koristi kao zavisna varijabla u ekonometrijskom dijelu rada.
Slika 3. Broj realnih prosječnih mjesečnih neto plaća potrebnih za kupnju 1 m² novoizgrađenog stana(realne cijene)
Kako bi se kretanje cijena povezalo s dohotkom stanovništva, izračunat je pokazatelj broja prosječnih mjesečnih neto plaća potrebnih za kupnju jednog četvornog metra novoizgrađenog stana. Pokazatelj ne mjeri kreditnu sposobnost kućanstava, ali daje jednostavnu informaciju o odnosu cijene kvadrata i prosječnog dohotka. Veća vrijednost pokazatelja znači da je za kupnju jednog m² potrebno više mjesečnih plaća, odnosno da je priuštivost slabija.
Slika 4. Nominalna kreditna priuštivost stana od 50 m²
Osim jednostavnog omjera cijene i plaće, dodatno je izračunat pokazatelj kreditne priuštivosti. On prikazuje procijenjeni udio prosječne mjesečne neto plaće potreban za mjesečnu anuitetsku ratu kredita za stan od 50 m², uz cijenu stana i kamatnu stopu važeću u pojedinom kvartalu. Ovaj pokazatelj ne predstavlja punu simulaciju stvarnog kredita kroz cijelo razdoblje otplate, nego usporedbu kreditne priuštivosti u trenutku kupnje.
Ovi pokazatelji upućuju na to da se priuštivost stanovanja ne može promatrati samo kroz kretanje cijena, nego i kroz kretanje dohotka i uvjeta kreditiranja. Budući da su izračunati na razini Hrvatske, mogu prikriti znatne regionalne razlike među lokalnim tržištima.
METODOLOGIJA
Metodološki dio rada se temelji na analizi vremenskih nizova. Prije procjene modela ispitali smo stacionarnost varijabli kako bismo utvrdili kojeg su reda integrirane. Za to smo koristili ADF, PP i KPSS testove. Detaljne ispise testova prikazujemo u dodatku, dok se u glavnom tekstu navodi sažetak rezultata.
Tablica 2. Rezultati testova stacionarnosti
| Puni naziv varijable | Oznaka u EViews-u | Rezultat testa stacionarnosti |
| Realne cijene m² novoizgrađenih stanova | L_PRH_REAL | I(1) |
| Realni bruto domaći proizvod | L_BDP_R | I(1) |
| Realni stambeni krediti | L_MORT_LOANS_R | I(1) |
| Realna kamatna stopa na stambene kredite | MORT_RATE_R | I(1) |
| Harmonizirani indeks potrošačkih cijena | L_HICP | I(1) |
| Indeks obujma građevinskih radova na zgradama | L_BUILD_VOL | I(0), trend-stacionarna |
| Broj sklopljenih brakova, sezonski prilagođen | L_MARR_SA_REG | I(0) |
| Realna prosječna neto plaća | L_W_NET_R | I(0), trend-stacionarna |
| Jaz BDP-a | BDP_GAP_PCT | I(0) |
Rezultati pokazuju da korištene varijable nisu istog reda integriranosti. Dio serija klasificirali smo kao I(1), a dio kao I(0), pri čemu su L_BUILD_VOL i L_W_NET_R trend-stacionarne. Nijedna varijabla nije integrirana reda I(2), što je ključan preduvjet za primjenu ARDL bounds pristupa.
Prije procjene ARDL modela razmotrili smo i Johansenov pristup kointegraciji. Budući da je Johansenova metoda namijenjena sustavima varijabli istog reda integriranosti, test smo proveli samo na užem skupu I(1) varijabli: L_PRH_REAL, L_BDP_R, L_MORT_LOANS_R i MORT_RATE_R. Varijablu L_HICP nismo uključili u glavni Johansenov sustav jer smo HICP već koristili u konstrukciji realnih varijabli i realne kamatne stope, pa bi njegovo uključivanje moglo stvoriti mehaničku povezanost s već transformiranim serijama.
Budući da Johansenov test nije potvrdio kointegraciju u užem I(1) sustavu, a puni skup varijabli uključuje kombinaciju I(0) i I(1) nizova, glavni dio analize temeljimo na ARDL bounds pristupu. ARDL je prikladan jer omogućuje zajedničku analizu varijabli različitog reda integriranosti, pod uvjetom da nijedna nije I(2), te istodobno razlikuje kratkoročnu dinamiku i dugoročnu vezu među varijablama.
U ovom radu zavisna varijabla je L_PRH_REAL, odnosno logaritmirana realna cijena m² novoizgrađenih stanova. U osnovni model uključili smo varijable L_BDP_R, L_MORT_LOANS_R, MORT_RATE_R, L_BUILD_VOL, L_MARR_SA_REG, L_W_NET_R i BDP_GAP_PCT. Konačna specifikacija uključuje i COVID dummy varijablu za razdoblje 2020Q2–2020Q4, kako bi se obuhvatio izvanredni pandemijski šok.
Dugoročnu vezu ispitujemo ARDL bounds testom. Ako je F-statistika veća od gornje kritične granice I(1), odbacujemo nultu hipotezu o nepostojanju dugoročne veze. Nakon potvrde dugoročne veze interpretiramo dugoročnu jednadžbu i kratkoročnu dinamiku, posebno koeficijent korekcije pogreške. Taj koeficijent pokazuje kojom se brzinom zavisna varijabla vraća prema dugoročnoj ravnoteži nakon odstupanja. Očekujemo da bude negativan i statistički značajan.
Radi provjere stabilnosti rezultata proveli smo dodatne provjere robusnosti. Procijenili smo alternativne ARDL specifikacije, uključujući modele bez BDP_GAP_PCT, bez L_BDP_R, bez MORT_RATE_R te model s alternativnim HP parametrom =1600. Kao dopunske provjere koristili smo i Engle-Grangerov pristup te mali VAR model. Cilj tih provjera nije zamijeniti osnovni ARDL model, nego provjeriti ostaju li glavni zaključci stabilni pri promjeni specifikacije.
Na kraju smo proveli dijagnostičke testove modela: Breusch-Godfrey test autokorelacije, Breusch-Pagan-Godfrey test heteroskedastičnosti, Jarque-Bera test normalnosti reziduala i Ramsey RESET test funkcionalne forme. Rezultate tih testova koristimo za ocjenu prikladnosti konačne specifikacije.
EMPIRIJSKI REZULTATI
U ovom poglavlju prikazuju se rezultati ekonometrijske analize. Najprije se ukratko navodi rezultat Johansenova testa, zatim se prikazuje odabir ARDL specifikacije, bounds test, koeficijent korekcije pogreške, dugoročna jednadžba, kratkoročna dinamika i dijagnostički testovi.
Johansenov test kointegracije
Johansenov test proveden je na užem skupu I(1) varijabli: L_PRH_REAL, L_BDP_R, L_MORT_LOANS_R i MORT_RATE_R. Varijabla L_HICP nije uključena jer je već korištena u konstrukciji realnih varijabli i realne kamatne stope.
Trace test i Maximum Eigenvalue test nisu potvrdili postojanje kointegracijske veze u tom sustavu. Budući da puni skup varijabli uključuje kombinaciju I(0) i I(1) nizova, analiza se nastavlja ARDL bounds pristupom.
Tablica 3. Sažetak Johansenova testa kointegracije
| Sustav varijabli | Trace test | Max-Eigen test | Zaključak |
| L_PRH_REAL, L_BDP_R, L_MORT_LOANS_R, MORT_RATE_R | ne potvrđuje kointegraciju | ne potvrđuje kointegraciju | nema potvrđene dugoročne veze |
Odabir ARDL modela
Procijenjeno je više ARDL specifikacija. Širi model s većim brojem pomaka potvrdio je dugoročnu vezu, ali je zbog malog broja opažanja nosio rizik prekomjerne parametrizacije. Zbog toga je procijenjena parsimonijska specifikacija s manjim brojem pomaka. Konačni model uključuje i COVID dummy varijablu za razdoblje 2020Q2–2020Q4, čime se obuhvaća izvanredni pandemijski šok.
U glavnoj specifikaciji zadržan je BDP jaz izračunat HP filtrom uz parametar izglađivanja λ = 300, u skladu s ranijim istraživanjem na koje se rad nadovezuje. Alternativna vrijednost λ = 1600 korištena je kao provjera robusnosti.
Tablica 4. Sažetak procijenjenih ARDL specifikacija
| Model | Opis | Zaključak |
| Širi ARDL model | veći broj dopuštenih pomaka | potvrđuje dugoročnu vezu, ali postoji rizik prekomjerne parametrizacije |
| Parsimonijski ARDL model | manji broj pomaka | prikladniji za mali uzorak |
| ARDL s COVID dummy varijablom | dummy za 2020Q2–2020Q4 | odabran kao glavni model |
| ARDL s λ = 1600 | alternativni izračun BDP jaza | koristi se kao provjera robusnosti |
Slika 7. Skraćeni ispis odabranog modela
Bounds test i koeficijent korekcije pogreške
ARDL bounds test potvrđuje postojanje dugoročne veze među varijablama. F-statistika iznosi 5,6923, što je iznad gornje kritične granice I(1) na razini značajnosti od 1%. Time se odbacuje nulta hipoteza o nepostojanju dugoročne veze.
Koeficijent korekcije pogreške iznosi -0,4714 i statistički je značajan uz p-vrijednost 0,0000. Negativan predznak potvrđuje da se cijene nakon odstupanja vraćaju prema dugoročnoj ravnoteži. Vrijednost koeficijenta znači da se u svakom kvartalu ispravlja približno 47,1% preostalog odstupanja od dugoročne ravnoteže. Drugim riječima, ne ispravlja se 47,1% početnog šoka u svakom kvartalu, nego 47,1% onoga što je od šoka još preostalo. Ako se početno odstupanje normalizira na 100%, nakon jednog kvartala ostaje oko 52,9%, nakon dva kvartala oko 28,0%, a nakon tri kvartala oko 14,8% početnog odstupanja. Procijenjena brzina prilagodbe u skladu je s nalazima Vizek (2010), koja pokazuje da se u slučaju Hrvatske cijene stanova relativno brzo vraćaju prema dugoročnoj ravnoteži. Time se dobiveni ECM koeficijent od -0,4714 može smatrati usporedivim s ranijim rezultatima za hrvatsko tržište stanovanja.
Slika 8. Zatvaranje odstupanja od dugoročne ravnoteže
Napomena: početno odstupanje normalizirano je na 100%. Slika ne prikazuje stvarne prognozirane cijene, nego ilustrira brzinu zatvaranja odstupanja od dugoročne ravnoteže prema procijenjenom ECM koeficijentu.
Dugoročna jednadžba
Prije prikaza pojedinačnih koeficijenata dugoročna veza može se zapisati sljedećom jednadžbom:
Tablica 5. Dugoročni koeficijenti ARDL modela
| Varijabla | Koeficijent | p-vrijednost | Zaključak |
| L_BDP_R | -0,3265 | 0,3214 | nije statistički značajno |
| L_MORT_LOANS_R | 0,5755 | 0,0000 | pozitivno i značajno |
| MORT_RATE_R | 0,0032 | 0,2854 | nije statistički značajno |
| L_BUILD_VOL | 0,3455 | 0,0269 | pozitivno i značajno |
| L_MARR_SA_REG | 0,3058 | 0,0629 | pozitivno, značajno na oko 10% |
| L_W_NET_R | -0,0502 | 0,8746 | nije statistički značajno |
| BDP_GAP_PCT | 0,0197 | 0,0090 | pozitivno i značajno |
U dugoročnoj jednadžbi najvažniji rezultat odnosi se na realne stambene kredite. Budući da su i cijene i krediti logaritmirani, koeficijent od 0,5755 tumači se kao elastičnost: rast realnih stambenih kredita za 1% povezan je s rastom realne cijene m² novoizgrađenih stanova za približno 0,58%, uz ostale varijable nepromijenjene.
Indeks obujma građevinskih radova također je pozitivan i statistički značajan. Budući da su obje varijable logaritmirane, koeficijent od 0,3455 znači da je rast obujma građevinskih radova na zgradama za 1% dugoročno povezan s rastom realne cijene m² za približno 0,35%. Ovaj rezultat ne treba tumačiti isključivo kao učinak ponude, nego kao pokazatelj šire aktivnosti tržišta novoizgrađenih nekretnina, gdje veća građevinska aktivnost često prati razdoblja snažnije potražnje i viših cijena.
Koeficijent uz broj sklopljenih brakova iznosi 0,3058 i značajan je približno na razini od 10%. Budući da su obje varijable logaritmirane, rast broja sklopljenih brakova za 1% povezan je s rastom realne cijene m² za približno 0,31%. Rezultat upućuje na mogući demografski kanal kroz formiranje novih kućanstava, ali ga treba interpretirati oprezno zbog slabije statističke značajnosti.
BDP jaz je pozitivan i statistički značajan. Budući da je izražen kao postotno odstupanje realnog BDP-a od potencijalnog BDP-a, koeficijent se tumači kao semielastičnost. Rast BDP jaza za jedan postotni bod povezan je s približno 1,97%, odnosno oko 2,0%, višom realnom cijenom m². To upućuje na važnost cikličke pozicije gospodarstva za tržište novoizgrađenih stanova.
Realni BDP, realna kamatna stopa i realna neto plaća nisu statistički značajni u dugoročnoj jednadžbi. To ne znači da te varijable nisu ekonomski važne, nego da u ovoj specifikaciji njihov dugoročni učinak nije statistički odvojen od učinaka ostalih uključenih varijabli.
Kratkoročna dinamika
Kratkoročna dinamika prikazana je kroz diferencirane varijable u conditional error correction specifikaciji. Pojedinačne lagove treba interpretirati oprezno jer kratkoročni koeficijenti često odražavaju prilagodbu nakon šokova, a ne stabilne dugoročne odnose.
Tablica 6. Kratkoročna dinamika ARDL modela
| Varijabla | Koeficijent | p-vrijednost |
| D(L_BDP_R) | 5,5795 | 0,0001 |
| D(L_MORT_LOANS_R) | 0,2993 | 0,0050 |
| D(L_MORT_LOANS_R(-1)) | -0,2676 | 0,0294 |
| D(MORT_RATE_R) | 0,0051 | 0,0757 |
| D(L_MARR_SA_REG) | -0,0608 | 0,0568 |
| D(L_MARR_SA_REG(-1)) | -0,1041 | 0,0007 |
| D(L_W_NET_R) | 0,2855 | 0,0445 |
| D(BDP_GAP_PCT) | -0,0498 | 0,0006 |
| COVID | 0,0887 | 0,0018 |
Kratkoročno se ističe povezanost promjena realnih cijena s promjenama realnog BDP-a, realnih stambenih kredita, realnih plaća i BDP jaza. Rast realnih stambenih kredita za 1% u kratkom roku povezan je s rastom realne cijene m² za približno 0,30%, dok je prvi lag promjene kredita povezan s padom cijena za približno 0,27%. Rast realnih plaća za 1% povezan je s kratkoročnim rastom realnih cijena za približno 0,29%.
COVID dummy varijabla pozitivna je i statistički značajna. Budući da je zavisna varijabla logaritmirana, koeficijent od 0,0887 približno odgovara pozitivnom pomaku od 8,9% u realnim cijenama tijekom razdoblja 2020Q2–2020Q4, uz ostale varijable nepromijenjene. Ovaj rezultat ne treba tumačiti kao izolirani uzročni učinak pandemije, nego kao pokazatelj izvanrednog pomaka u tom razdoblju koji nije u potpunosti obuhvaćen ostalim varijablama u modelu.
Dijagnostički testovi
Model zadovoljava standardne dijagnostičke kriterije u pogledu heteroskedastičnosti, normalnosti reziduala i funkcionalne forme. Breusch-Godfrey test ne upućuje na autokorelaciju pri jednom i dva pomaka.
Jedino ograničenje odnosi se na Breusch-Godfrey test pri četiri pomaka, gdje je rezultat mješovit: F-verzija testa ne odbacuje nultu hipotezu, dok Chi-square verzija upućuje na moguću autokorelaciju višeg reda. Zbog toga se rezultati interpretiraju uz oprez, a detaljni ispisi dijagnostičkih testova prikazani su u dodatku.
Kao dodatna provjera stabilnosti rezultata procijenjeno je više alternativnih specifikacija, uključujući modele bez jaza BDP-a, bez realnog BDP-a, bez realne kamatne stope, model s alternativnim HP parametrom λ = 1600 te Engle-Grangerovu i VAR provjeru. Rezultati tih provjera prikazani su u dodatku. Općenito, realni stambeni krediti ostaju najstabilniji dugoročni čimbenik kroz različite specifikacije, dok su učinci jaza BDP-a i građevinske aktivnosti osjetljiviji na odabir modela.
Slika 9. Graf stvarnih, procijenjenih i rezidualnih vrijednosti
Graf stvarnih, procijenjenih i rezidualnih vrijednosti pokazuje da model dobro prati kretanje realnih cijena. Reziduali se kreću oko nule bez očitog obrasca, što upućuje na ponašanje nalik slučajnom procesu, odnosno bijelom šumu.
RASPRAVA I ZAKLJUČAK
Rezultati ARDL modela upućuju na to da se kretanje realnih cijena novoizgrađenih stanova u Hrvatskoj ne može objasniti jednim čimbenikom. Cijene stanova oblikuju se kroz međudjelovanje kreditnih uvjeta, dohotka, građevinske aktivnosti, demografskih kretanja i općeg makroekonomskog ciklusa. Zbog toga pojedine rezultate treba tumačiti ne samo statistički, nego i kroz ekonomski mehanizam koji stoji iza njih.
Najstabilniji dugoročni nalaz odnosi se na realne stambene kredite. Pozitivna povezanost između realnog volumena stambenih kredita i realnih cijena stanova može se objasniti kreditnim kanalom potražnje. Kada kućanstva imaju veći pristup stambenim kreditima, njihova efektivna kupovna moć raste, čak i ako se njihov tekući dohodak ne mijenja istom brzinom. Drugim riječima, kredit omogućuje da se budući dohoci pretvore u sadašnju kupovnu moć. U uvjetima ograničene ili sporo prilagodljive ponude stanova, veća kreditna dostupnost može se preliti u više cijene, a ne nužno samo u veći broj transakcija ili veću stambenu površinu. Laicki rečeno, ako više kupaca može dobiti veći kredit, više se ljudi natječe za isti ili sporo rastući broj stanova, što stvara pritisak na rast cijena.
Pozitivan dugoročni koeficijent uz obujam građevinskih radova na prvi pogled može djelovati kontraintuitivno, jer bi povećanje ponude trebalo smanjiti cijene. Međutim, u ovom slučaju građevinska aktivnost vjerojatno ne odražava samo ponudu, nego i stanje tržišnog ciklusa. Investitori grade više upravo onda kada očekuju snažnu potražnju i više prodajne cijene. Osim toga, nova ponuda se ne pojavljuje trenutačno: između rasta potražnje, odluke o gradnji, izdavanja dozvola i završetka stanova postoji vremenski odmak. Zato veća građevinska aktivnost može istodobno biti posljedica i pokazatelj snažnog tržišta, a ne samo faktor koji povećava ponudu i spušta cijene. U hrvatskom kontekstu dodatno je važno da se gradnja često koncentrira u lokacijama gdje je potražnja već jaka, primjerice u Zagrebu i na obali, pa veći volumen gradnje može pratiti razdoblja viših, a ne nižih cijena.
Kod BDP-a treba razlikovati dugoročni i kratkoročni učinak. U dugoročnoj jednadžbi realni BDP nije statistički značajan, dok je BDP jaz pozitivan i značajan. To znači da model ne daje jasan dokaz da dugoročna razina BDP-a sama po sebi objašnjava razinu realnih cijena stanova, ali pokazuje da je ciklička pozicija gospodarstva važna. Kada je gospodarstvo iznad svojeg potencijalnog trenda, rastu zaposlenost, očekivanja, investicijska aktivnost i spremnost kućanstava na zaduživanje, što može podupirati rast cijena stanova. BDP jaz zato se može tumačiti kao pokazatelj šireg ekonomskog optimizma i pritiska potražnje.
S druge strane, kratkoročni rezultat uz promjenu realnog BDP-a vrlo je snažan i statistički značajan. To upućuje na to da cijene novoizgrađenih stanova u kratkom roku snažno reagiraju na aktualna makroekonomska kretanja. Kada realni BDP raste, kućanstva i investitori mogu brzo promijeniti očekivanja o budućem dohotku, sigurnosti zaposlenja i isplativosti kupnje nekretnine. Tržište novoizgrađenih stanova posebno je osjetljivo na takve promjene jer uključuje velike financijske odluke, kreditiranje i očekivanja o budućoj vrijednosti imovine. Ipak, veličinu kratkoročnog koeficijenta treba interpretirati oprezno jer kvartalne promjene BDP-a mogu zahvatiti i šire šokove, a ne samo čist dohodovni učinak.
Rezultat uz broj sklopljenih brakova može se tumačiti kao demografski kanal potražnje. Brakovi nisu savršena mjera formiranja kućanstava, ali mogu približno zahvatiti trenutke u kojima dio stanovništva ulazi u fazu povećane potražnje za stambenim prostorom. Sklapanje braka često je povezano s osamostaljivanjem, planiranjem obitelji i kupnjom ili najmom stana. Zbog toga pozitivan znak ove varijable ima ekonomskog smisla, iako ga treba tumačiti oprezno jer demografska odluka i kupnja nekretnine ne moraju nastupiti u istom razdoblju.
COVID dummy varijabla pokazuje da je pandemijsko razdoblje bilo povezano s dodatnim pomakom cijena koji ostale varijable ne objašnjavaju u potpunosti. Taj rezultat ne treba tumačiti kao izravan učinak pandemije same po sebi, nego kao skup izvanrednih okolnosti: promjene preferencija prema većem stambenom prostoru, vrlo povoljni uvjeti financiranja, povećana štednja dijela kućanstava, poremećaji u gradnji i kasniji rast troškova. Drugim riječima, COVID varijabla zahvaća specifičan šok razdoblja, a ne jedan izolirani kanal djelovanja.
Pokazatelji priuštivosti dodatno pomažu u interpretaciji rezultata. Broj mjesečnih neto plaća potrebnih za kupnju jednog četvornog metra i procijenjena nominalna kreditna priuštivost za stan od 50 m² pokazuju da se cijene ne smiju promatrati izolirano. Ako plaće rastu, dio rasta cijena može biti ublažen rastom dohotka. Ako se kamatni uvjeti pogoršaju, isti stan može postati manje priuštiv i bez jednako snažnog rasta cijene. Zato je za razumijevanje tržišta stanovanja potrebno istodobno gledati cijene, plaće i kreditne uvjete.
Važno ograničenje ove analize jest činjenica da su podaci agregirani na razini Hrvatske. Nacionalni prosjek može prikriti velike razlike među lokalnim tržištima. Zagreb i okolica važni su zbog koncentracije zaposlenosti, viših dohodaka, migracijskih pritisaka i širenja stanovanja prema satelitskim gradovima. Jadranska Hrvatska specifična je zbog turizma, sekundarnog stanovanja, investicijske potražnje i mogućeg utjecaja stranih kupaca. S druge strane, gradovi poput Osijeka mogu imati drukčiju dinamiku cijena, povezanu s lokalnim dohotkom, demografijom i dostupnošću stanova. Zbog toga zaključke o priuštivosti i kretanju cijena treba tumačiti kao zaključke za agregirano hrvatsko tržište, a ne kao opis svakog lokalnog tržišta.
Buduća istraživanja mogla bi proširiti analizu u nekoliko smjerova. Prvo, korisno bi bilo procijeniti odvojene modele za različita regionalna tržišta, osobito za Zagreb, jadransku Hrvatsku, satelitske gradove Zagreba i veće kontinentalne gradove poput Osijeka. Drugo, međunarodna usporedba realnih cijena stanova i pokazatelja priuštivosti mogla bi pokazati je li hrvatsko tržište dio šireg europskog obrasca ili ima specifičnu dinamiku. Treće, pokazatelje priuštivosti bilo bi korisno dodatno razviti kroz detaljniju simulaciju kreditnog opterećenja, uzimajući u obzir ročnost kredita, kamatnu stopu i kretanje plaća.
LITERATURA
Demographia. (2025). Demographia International Housing Affordability: 2025 Edition. Chapman University.
Državni zavod za statistiku. (2025). Bruto domaći proizvod, tromjesečni podaci. Zagreb: Državni zavod za statistiku.
Državni zavod za statistiku. (2025). Cijene prodanih novih stanova. Zagreb: Državni zavod za statistiku.
Državni zavod za statistiku. (2025). Indeksi obujma građevinskih radova. Zagreb: Državni zavod za statistiku.
Državni zavod za statistiku. (2025). Prosječne mjesečne neto plaće. Zagreb: Državni zavod za statistiku.
Državni zavod za statistiku. (2025). Sklopljeni brakovi prema mjesecima. Zagreb: Državni zavod za statistiku.
Eurostat. (2025). Annual net earnings. Luxembourg: Eurostat.
Eurostat. (2025). Harmonised Index of Consumer Prices — HICP. Luxembourg: Eurostat.
Eurostat. (2025). House price index. Luxembourg: Eurostat.
Hrvatska narodna banka. (2025). Stambeni krediti kućanstvima i kamatne stope na stambene kredite. Zagreb: Hrvatska narodna banka.
Jakšić, S., Erjavec, N. i Čeh Časni, A. (2020). Metode primijenjene matematičke i statističke analize. Zagreb: Sveučilište u Zagrebu, Ekonomski fakultet.
Kožić, I., Sorić, P. i Sever, I. (2019). Interdependence of international tourism demand for Mediterranean countries: Impact of demand shocks. International Journal of Tourism Research, 21(1), 97–107. https://doi.org/10.1002/jtr.2244
Vizek, M. (2010). Short-run and long-run determinants of house prices in Eastern and Western European countries. Privredna kretanja i ekonomska politika, 20(125), 27–60
DODATAK
- Testovi stacionarnosti
Prije procjene ARDL modela provedeni su ADF, PP i KPSS testovi stacionarnosti kako bi se utvrdio red integriranosti korištenih vremenskih nizova. ADF i PP testovi polaze od nulte hipoteze o postojanju jediničnog korijena, dok KPSS test polazi od nulte hipoteze stacionarnosti. Odabrani broj vremenskih pomaka temelji se na SBIC kriteriju. Kod varijabli L_HICP i MORT_RATE_R rezultati su djelomično mješoviti, ali se zbog ADF rezultata u razinama i PP potvrde stacionarnosti prve diferencije obje varijable oprezno tretiraju kao I(1).
Tablica A1. ADF test jediničnog korijena u razinama
| Varijabla | Pomak | Test vrijednost | Kritična vrijednost 5% | Zaključak |
| L_BDP_R | 0 | -2,552 | -3,499 | nestacionarna |
| L_BUILD_VOL | 1 | -3,720 | -3,499 | I(0), trend-stacionarna |
| L_HICP | 5 | -1,203 | -3,505 | nestacionarna |
| L_MARR_SA_REG | 0 | -7,314 | -3,499 | I(0) |
| L_MORT_LOANS_R | 1 | -1,157 | -3,500 | nestacionarna |
| L_PRH_REAL | 3 | -2,824 | -3,504 | nestacionarna |
| L_W_NET_R | 4 | -3,686 | -3,506 | I(0), trend-stacionarna |
| BDP_GAP_PCT | 0 | -3,605 | -3,499 | I(0) |
| MORT_RATE_R | 9 | -2,150 | -3,518 | nestacionarna |
Tablica A2. ADF test u prvim diferencijama
| Varijabla | Pomak | Test vrijednost | Kritična vrijednost 5% | Zaključak |
| ΔL_BDP_R | 0 | -6,509 | -2,920 | stacionarna |
| ΔL_HICP | 4 | -1,745 | -2,925 | ADF ne potvrđuje jasno |
| ΔL_MORT_LOANS_R | 0 | -5,042 | -2,920 | stacionarna |
| ΔL_PRH_REAL | 2 | -3,217 | -2,920 | stacionarna |
| ΔMORT_RATE_R | 8 | -2,153 | -2,930 | ADF ne potvrđuje jasno |
Tablica A3. Dodatne PP i KPSS provjere
| Varijabla | Test | Oblik serije | Test vrijednost | Kritična vrijednost 5% | Zaključak |
| MORT_RATE_R | KPSS | razina | 0,068 | 0,463 | ne odbacuje se stacionarnost |
| MORT_RATE_R | PP | prva diferencija | -4,061 | -2,920 | diferencija je stacionarna |
| L_HICP | KPSS | razina | 0,407 | 0,463 | ne odbacuje se stacionarnost |
| L_HICP | PP | prva diferencija | -4,645 | -2,920 | diferencija je stacionarna |
Na temelju provedenih testova, varijable L_BUILD_VOL, L_MARR_SA_REG, L_W_NET_R i BDP_GAP_PCT klasificiraju se kao I(0), pri čemu su L_BUILD_VOL i L_W_NET_R trend-stacionarne. Varijable L_BDP_R, L_HICP, L_MORT_LOANS_R, L_PRH_REAL i MORT_RATE_R tretiraju se kao I(1).
- Johansenov test
Prije provedbe Johansenova testa određen je odgovarajući broj vremenskih pomaka pomoću VAR lag order selection kriterija. Test je proveden na užem skupu I(1) varijabli: L_PRH_REAL, L_BDP_R, L_MORT_LOANS_R i MORT_RATE_R. Budući da AIC, FPE, LR i HQ kriteriji upućuju na dva vremenska pomaka, dok SC kriterij upućuje na jedan pomak, u nastavku je korištena specifikacija s dva pomaka. Rezultati Trace testa i Maximum Eigenvalue testa ne potvrđuju postojanje kointegracijske veze na razini značajnosti od 5%.
Tablica B1. Odabir broja vremenskih pomaka u VAR modelu
| Pomak | LogL | LR | FPE | AIC | SC | HQ |
| 0 | 76,85349 | NA | 6,01e-07 | -2,973612 | -2,819178 | -2,915020 |
| 1 | 287,7329 | 378,7222 | 2,12e-10 | -10,92787 | -10,15570* | -10,63491 |
| 2 | 311,7466 | 39,20604* | 1,55e-10* | -11,25496* | -9,865054 | -10,72763* |
| 3 | 324,8248 | 19,21696 | 1,81e-10 | -11,13571 | -9,128059 | -10,37401 |
| 4 | 337,3153 | 16,31411 | 2,23e-10 | -10,99246 | -8,367077 | -9,996394 |
Napomena: Zvjezdica označava pomak odabran pojedinim informacijskim kriterijem.
Tablica B2. Johansenov test kointegracije
| Hipoteza | Trace statistika | Kritična vrijednost 5% | p-vrijednost | Max-Eigen statistika | Kritična vrijednost 5% | p-vrijednost |
| None | 40,66801 | 47,85613 | 0,1995 | 21,08776 | 27,58434 | 0,2709 |
| At most 1 | 19,58026 | 29,79707 | 0,4518 | 12,15694 | 21,13162 | 0,5322 |
| At most 2 | 7,423321 | 15,49471 | 0,5289 | 7,122087 | 14,26460 | 0,4748 |
| At most 3 | 0,301233 | 3,841465 | 0,5831 | 0,301233 | 3,841465 | 0,5831 |
Budući da su u svim slučajevima vrijednosti Trace i Maximum Eigenvalue statistika manje od pripadajućih kritičnih vrijednosti na razini značajnosti od 5%, ne odbacuje se nulta hipoteza o nepostojanju kointegracijske veze. Johansenov test zato ne potvrđuje dugoročnu vezu u užem sustavu I(1) varijabli, pa se glavna analiza nastavlja ARDL bounds pristupom.
- Dijagnostički testovi glavnog ARDL modela
Dijagnostički testovi provedeni su radi provjere autokorelacije, heteroskedastičnosti, normalnosti reziduala i funkcionalne forme modela. Rezultati su prikazani u tablici C1.
Tablica C1. Dijagnostički testovi glavnog ARDL modela
| Test | Nulta hipoteza | Test statistika | p-vrijednost | Zaključak |
| Breusch-Godfrey LM, 2 pomaka | nema autokorelacije do 2 pomaka | F = 1,2711 | 0,2957 | ne odbacuje se H₀ |
| Breusch-Godfrey LM, 2 pomaka | nema autokorelacije do 2 pomaka | Obs*R² = 4,1106 | 0,1281 | ne odbacuje se H₀ |
| Breusch-Godfrey LM, 4 pomaka | nema autokorelacije do 4 pomaka | F = 2,5828 | 0,0597 | ne odbacuje se H₀ na 5% |
| Breusch-Godfrey LM, 4 pomaka | nema autokorelacije do 4 pomaka | Obs*R² = 14,1139 | 0,0069 | odbacuje se H₀ |
| Breusch-Pagan-Godfrey | homoskedastičnost | F = 0,4118 | 0,9771 | ne odbacuje se H₀ |
| Breusch-Pagan-Godfrey | homoskedastičnost | Obs*R² = 10,2782 | 0,9457 | ne odbacuje se H₀ |
| Jarque-Bera | normalna distribucija reziduala | JB = 0,4462 | 0,8000 | ne odbacuje se H₀ |
| Ramsey RESET | ispravna funkcionalna forma | F = 1,6692 | 0,2062 | ne odbacuje se H₀ |
Rezultati dijagnostičkih testova upućuju na to da model ne pokazuje probleme heteroskedastičnosti, nenormalnosti reziduala ni pogrešne funkcionalne forme. Breusch-Godfrey test ne upućuje na autokorelaciju do dva pomaka. Kod testa do četiri pomaka rezultat je djelomično mješovit: F-verzija testa ne odbacuje nultu hipotezu na razini značajnosti od 5%, dok Chi-square verzija upućuje na moguću autokorelaciju višeg reda, zbog čega se rezultati interpretiraju uz određeni oprez.
- Provjere robusnosti
Kao dodatna provjera stabilnosti rezultata procijenjeno je nekoliko alternativnih specifikacija modela. Cilj ovih provjera nije zamijeniti osnovni ARDL model, nego provjeriti ostaju li glavni zaključci stabilni pri promjeni skupa objašnjavajućih varijabli i načina konstrukcije pojedinih pokazatelja.
Tablica D1. Sažetak provjera robusnosti
| Provjera | Promjena u odnosu na glavni model | Glavni zaključak |
| Model bez BDP_GAP_PCT | Iz modela je isključen jaz BDP-a | Rezultati potvrđuju važnost kreditnog kanala, dok se dio makroekonomskog ciklusa gubi iz specifikacije. |
| Model bez L_BDP_R | Iz modela je isključen realni BDP | Glavni zaključci ostaju uglavnom stabilni, a realni stambeni krediti ostaju važan dugoročni čimbenik. |
| Model bez MORT_RATE_R | Iz modela je isključena realna kamatna stopa | Isključenje kamatne stope ne mijenja osnovnu interpretaciju rezultata. |
| Model s HP λ = 1600 | BDP jaz izračunat je alternativnim HP parametrom | Rezultati su usporedivi s osnovnom specifikacijom, iako su učinci cikličke komponente osjetljivi na izbor parametra izglađivanja. |
| Engle-Grangerova provjera | Provedena je alternativna provjera dugoročne veze | Rezultati služe kao dopunska provjera i ne mijenjaju zaključak da je ARDL prikladniji pristup za kombinaciju I(0) i I(1) varijabli. |
| Mali VAR model | Procijenjen je jednostavniji VAR sustav | VAR služi kao dodatna dinamička provjera, ali ne zamjenjuje ARDL model jer ne razdvaja dugoročnu i kratkoročnu vezu na isti način. |
Općenito, provjere robusnosti upućuju na to da su rezultati najstabilniji kod varijable realnih stambenih kredita, koja kroz različite specifikacije ostaje najvažniji dugoročni čimbenik kretanja realnih cijena novoizgrađenih stanova. Učinci BDP jaza i građevinske aktivnosti osjetljiviji su na odabir specifikacije, pa ih treba tumačiti opreznije.