تحليل فضايي قيمت مسكن با استفاده از تكنيك رگرسيون موزون جغرافيايي مورد مطالعه: منطقه دو شهرداري تهران

Spatial analysis of housing price using geographically weighted regression (A case study in District 2 of Tehran Metropolitan City, Iran)

مسكن، مهم‌ترين بستر برآوردن نيازهاي زيستي، اقتصادي و اجتماعي خانوار باتوجه‌به نوسان‌هاي فراوان در عرضه و تقاضا به شمار مي‌رود كه نيازمند برنامه‌ريزي مطلوب به‌منظور ارتقاي كيفي محيط مسكوني و پاسخ به نيازهاي وابسته به آن است. قيمت مسكن جزء شاخص‌هاي بيروني مسكن است كه چندان در كنترل برنامه‌ريزان نيست؛ ولي كنترل اين شاخص با تجزيه‌وتحليل فضايي عملكرد بازار مسكن و برداشتن گام‌هاي مؤثر براي افزايش كارايي طرح‌ها و ارائۀ راهبردها و سياست‌هاي برنامه‌ريزي مسكن تاحدودي امكان‌پذير است. وجود نوسان‌هاي فراوان قيمت مسكن، يكي از مهم‌ترين چالش‌هاي مديريت شهري كلان‌شهر تهران محسوب مي‌شود. اين مقاله از نوع مطالعات توصيفي‌تحليلي به حساب مي‌آيد و هدف آن بررسي توزيع فضايي قيمت مسكن و شناسايي عوامل تأثيرگذار (متغير مستقل) بر قيمت مسكن آپارتماني (متغير وابسته) است. ازجمله دلايل انتخاب اين محدوده در پژوهش حاضر، گستردگي و كشيدگي اين منطقه از مركز تا شمالي‌ترين نقاط شهري تهران و به­تبع آن تنوع در گونۀ ساختماني، الگوي سكونتي و نوسان‌هاي فراوان قيمت مسكن است. در اين پژوهش با استفاده از اطلاعات ثبت‌شدۀ خريدوفروش مسكن آپارتماني منطقه دو شهرداري تهران در سامانۀ بازار املاك در بازۀ زماني دوماهۀ شهريور و مهر سال 1396 و استفاده از دو تكنيك رگرسيون حداقل مربعات معمولي و رگرسيون وزني جغرافيايي سعي در مدلسازي و تحليل قيمت مسكن شده است. نتايجِ به‌دست‌آمده علاوه‌بر شناسايي متغيرهاي تأثير‌گذار بر قيمت مسكن، مطلوب‌بودن تكنيك رگرسيون وزني جغرافيايي را درمقايسه با تكنيك رگرسيون حداقل مربعات معمولي در توضيح‌دهندگي قيمت مسكن بيان مي‌كند.

Housing is one of the most important bases for providing households' biological, economic, and social needs, and regarding the high volatility in supply and demand, a decent planning is required to pro-mote the quality of the residential environment. Housing prices are amongst those housing indices that could not be completely controlled by planners, but using spatial analysis of housing market performance and promoting the efficiency of plans and providing strategies and policies for housing plannings can improve the cotrolablity of the prices. The fluctuations in housing prices are one of the main urban management' challenges facing Tehran Metropolitan City. So, this paper is trying to investigate the spatial distribution of housing prices and to identify its determinants. One of the reasons for choosing district 2 of Tehran as the case in this research is the geographical spread of this district, which covers the center to the most northern urban areas of Tehran, and consequently includes a veraity of building types, residential patterns and housing prices. The recorded sales data in the Real Estate Market System, for apartment buildings in the district sold during Shahrivar and Mehr 1396, were used and applied in OLS and GWR regression techniques for modeling and analyzing the housing prices. In addition to identifying the variables affecting the housing price, the results indicate the utility of the GWR in comparison with the OLS technique in explaining the housing prices.