نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار جغرافیا و برنامه‌ریزی شهری، دانشگاه تبریز، پردیس ارس.

2 استادیار جغرافیا و برنامه‌ریزی شهری‌، دانشگاه تبریز، دانشکده جغرافیا و برنامه‌ریزی‌، گروه جغرافیا و برنامه‌ریزی شهری.

3 کارشناس ارشد جغرافیا و برنامه‌ریزی شهری، پردیس ارس.

2

چکیده

برخورداری از مسکن برای بسیاری از خانواده‌ها، صرفاً مکانی برای زندگی قلمداد نمی‌شود. بلکه مسکن بخش مهمی از دارایی خانواده‌ها به شمار می‌رود. به­عبارت دیگر، این کالای اساسی، صرفاً حالت مصرفی نداشته بلکه حالت سرمایه­ای نیز داشته، که در انتخاب نوع و محل آن، قیمت نقشی تعیین­کننده دارد. ازاین­رو هدف پژوهش حاضر، بررسی متغیرهای اثر­گذار در تعیین قیمت مسکن در شهر جدید سهند می­باشد. پژوهش حاضر به­لحاظ هدف کاربردی و به­لحاظ ماهیت و روش از نوع  همبستگی می­باشد که برای آزمون همبستگی، از تابع هدانیک استفاده شده است. یافته‌های تحقیق حاکی از آن است که از بین متغیرهای کالبدی؛ مساحت عرصه و عیان، تعداد طبقات، تعداد واحدها در هر طبقه و از بین متغیرهای فضائی و دسترسی؛ نزدیکی به مراکز خرید و فاصله از پارک اهمیت بالایی در تعیین قیمت یک ساختمان مسکونی در شهر جدید سهند دارند. همچنین تحلیل‌ همبستگی نشان می‌دهد که در شهر سهند، بین افزایش فاصله از مسجد و افزایش قیمت مسکن رابطه مستقیم و بین افزایش فاصله از پارک‌ها، فروشگاه‌ها و مراکز خرید و خیابان‌های اصلی با افزایش قیمت مسکن رابطه معکوسی وجود دارد. 

کلیدواژه‌ها

موضوعات

عنوان مقاله [English]

The Role of Physical and Accessibility Variables in Determination of Housing Price; Case Study Sahand New Town

نویسندگان [English]

  • iraj Teimouri 1
  • hadi hakimi 2
  • vida Hossianpour Shad 3

1 Assistant Professor in Urban Planning & Geography, University of Tabriz, Aras Campus.

2 Assistant Professor in Urban Planning & Geography, University of Tabriz, Geography and Planning Faculaty.

3 M.A. in Geography and Urban Planning and, Aras Campus

چکیده [English]

Housing as a heterogeneous product, lasting, immovable and assigning is the main part of family budget. In other words, the housing as one of the main goods not only contains use value in its nature but also is considered as an investment in which selection of the price has main role. Therefore this article attempts to explore the affecting variables on housing prices in the Sahand new town. The research method is correlation test and the use of hedonic function. The results showed that the factors like lot size and building area, number of floors and the number of apartment in per floor among the physical and spatial factors’ distance to nearby park and green space, distance to nearby shopping center have the highest effect on housing price. The correlation analyses used were Spearman and Kendal methods. These analyses only used for spatial factors. Results showed that there was straight correlation between the price and nearby mosques, which means the price arises when it is far away from the mosque. 

کلیدواژه‌ها [English]

  • Physical and access variables
  • The Price of apartment
  • Hedonic regression model
  • Sahand new Town
ـ ادل، ماتیو (1380)، «اقتصاد سیاسی شهری و منطقه‌ای»، ترجمه فریبرز رئیس­دانا، چاپ اول، نشر قطره، تهران.
ـ اکبری، نعمت­الله؛ عماد­زاده، مصطفی و همکاران (1383) «بررسی عوامل موثر بر قیمت مسکن در شهر مشهد رهیافت اقتصادسنجی فضایی در روش هدانیک، پژوهش‌های اقتصادی، شماره 4، صص 57-78.
ـ امامی میبدی، علی؛ اعظمی، آرش و  احسان حق­دوست (1388)، «بررسی عوامل زیست محیطی مؤثر بر قیمت منازل مسکونی تهران به روش هدانیک»، تحقیقات اقتصادی، ش 44(87)، صص 273-52.
ـ پورمحمدی، محمدرضا (1385)، «برنامه­ریزی مسکن»، چاپ سوم، سمت، تهران.
ـ خلیلی­عراقی، سید­منصور،­ نوبهار، الهام (1390)­، «پیش­بینی قیمت مسکن در شهر تبریز: کاربرد مدل‌های قیمت هدانیک و شبکه عصبی مصنوعی»، پژوهش‌ها و سیاست‌های اقتصادی، ش 19(60)، صص 113-138 .
ـ عسگری علی و جعفر قادری (1381)، «مدل هدانیک تعیین قیمت مسکن در مناطق شهری ایران»، پژوهش‌های اقتصادی، 2(4)، صص 91-108.
ـ مرکز آمار ایران، نتایج سرشماری عمومی نفوس و مسکن (1390)، http://www.amar.org.ir.
ـ مرکز پژوهش‌های مجلس شورای اسلامی، قانون اساسی جمهوری اسلامی ایران (1393)، http://rc.majlis.ir/fa/content/iran_constitution .
-Azadeh. A, Ziaei. B, Moghaddam. M, (2012), “A Hybrid Fuzzy Regression-Fuzzy Cognitive Map Algorithm for Forecasting and Optimization of Housing Market Fluctuations”, Expert Systems with Applications, Vol. 39, pp 298-315.
-Brander. Luke M, Koetse. Mark J (2011), “The Value of Urban Open Space: Meta-Analyses of Contingent Valuation and Hedonic PricingResults”, Journal of Environmental Management, Vol. 92, Issue 10, October 2011, pp 2763-2773.
-David M. Brasington, Diane Hite (2008), “A Mixed Index Approach to Identifying Hedonic Price Models”, Regional Science and Urban Economics, Vol. 38, Issue 3, pp 271-284.
-Gouriéroux, Christian & Laferrère. Anne (2009), “Managing Hedonic Housing Price Indexes: The French Experience”, Journal of Housing Economics, Vol18, pp 206-2013.
-Harvey, David (2009), “Social Justice and the City”, Second Edition, The University of Georgia Press.
-Helbich, Marco, Jochem Andreas & Others (2013), “Boosting the Predictive Accuracy of Urban Hedonic House Price Models Through Airborne Laser Scanning, Computers”, Environment and Urban Systems, Volume 39, May 2013, pp 81-92.
-Panduro. Toke & Veie, Kathrine (2013), “Classification and Valuation of Urban Green Spaces—A Hedonic House Price Valuation”, Landscape and Urban Planning, Vol. 120, December, pp 119-128.
-Robert J. Hill. Robert J, Daniel Melser. Daniel & Syed. Iqbal (2009), “Measuring a Boom and Bust: The Sydney Housing Market 2001–2006”, Journal of Housing Economics, Vol18, pp 193-205.
-Selim. Hassan (2009), “Determinants of House Price in Turkey: Hedonic Regression Versus Artifical Nural Network, Expert Systems with Application, Vol36, Issue 2, pp 2843-2852.
-Wallbaum. H, Ostermeyer. Y& etal (2012), “Indicator Based Sustainability Assessment Tool for Affordable Housing Construction Technologies”, Ecological Indicators, Vol. 18, pp, 353-364.
- Wen-Chi Liao, Xizhu Wang (2012), “Hedonic House Prices and Spatial Quintile regression”, Journal of Housing Economics, Volume 21, Issue 1, pp 16-27.
-Zieleniec, Andrezej (2007), “Space and Social Theory”, First published, SAGE, London.