تعداد نشریات | 161 |
تعداد شمارهها | 6,486 |
تعداد مقالات | 70,061 |
تعداد مشاهده مقاله | 123,045,505 |
تعداد دریافت فایل اصل مقاله | 96,279,480 |
تخمین قیمت آپارتمان با استفاده از رگرسیون خطی و وزندار جغرافیایی (مطالعۀ موردی: منطقۀ 6 شهر تهران) | ||
پژوهشهای جغرافیای برنامهریزی شهری | ||
دوره 8، شماره 2، تیر 1399، صفحه 347-369 اصل مقاله (1.6 M) | ||
نوع مقاله: پژوهشی - کاربردی | ||
شناسه دیجیتال (DOI): 10.22059/jurbangeo.2020.293856.1204 | ||
نویسندگان | ||
جواد کوه پیما1؛ میثم ارگانی* 2؛ نجمه نیسانی سامانی3 | ||
1دانشجوی کارشناسی ارشد سنجشازدور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، تهران، ایران | ||
2استادیار سنجشازدور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، تهران، ایران | ||
3دانشیار گروه سنجشازدور و GIS، دانشکدۀ جغرافیا، دانشگاه تهران، تهران، ایران | ||
چکیده | ||
مسکن یکی از نیازهای اصلی بشر در برآوردن آسایش و آرامش است. در سالهای اخیر، بهدلیل تغییرات شدید قیمت مسکن، بهویژه در شهر تهران، تخمین قیمت آپارتمان به یکی از موضوعات جذاب در میان شهروندان تبدیل شده است. هدف این مطالعه بررسی چگونگی تغییرات قیمت مسکن براساس پارامترهای مختلف واحدهای مسکونی و درنهایت ارائة یک مدل برای تخمین قیمت یک آپارتمان است. در ابتدا همبستگی میان پارامترهای مؤثر در قیمت آپارتمانها در سال 1397 بررسی شد. سپس با استفاده از دادههای قیمت و روشهای رگرسیون خطی و جغرافیایی، قیمت آپارتمانهای منطقة 6 شهر تهران تخمین زده شد. برای تعیین قیمت آپارتمانها از متغیرهای سن بنا، روز سال، زیربنا، آسانسور و طبقه، داشتن یا نداشتن پارکینگ، انباری و آدرس و موقعیت جغرافیایی استفاده شده است. نتایج نشان میدهد روش رگرسیون جغرافیایی نتایج دقیقتری از رگرسیون معمولی دارد و میتواند دقت مدل را نیز در هر نقطه بیان کند. براساس روش رگرسیون جغرافیایی، مدل در برخی نقاط دقتی بیش از 95 درصد دارد؛ درحالیکه برای برخی نقاط کمتر از 55 درصد و نشاندهندة وابستگی شدید قیمت آپارتمان به موقعیت آن است. به عبارت دیگر، در نواحی مختلف عوامل متفاوتی در تعیین قیمت آپارتمان اهمیت دارند. درنهایت مدلی سنتی برای تخمین قیمت ارائه شده است که بیش از 90 درصد تغییرات قیمت در منطقه را بیان میکند که از روابط رگرسیونی عادی سادهتر است و با نتایج پژوهشهای میدانی از مشاوران املاک همخوانی کامل دارد. | ||
کلیدواژهها | ||
ارزیابی قیمت؛ تخمین قیمت آپارتمان؛ رگرسیون جغرافیایی؛ رگرسیون خطی؛ منطقة 6 تهران | ||
عنوان مقاله [English] | ||
Apartments Price Estimation using Linear and Geographically Weighted Regression (Case Study: District six of Tehran city) | ||
نویسندگان [English] | ||
javad koohpayma1؛ Meysam Argany2؛ Najmeh Samani3 | ||
1Remote Sensing and GIS, Department of Geography, University of Tehran, Tehran, Iran | ||
2Remote Sensing and GIS, Department of Geography, University of Tehran, Tehran, Iran | ||
3Remote Sensing and GIS, Department of Geography, University of Tehran, Tehran, Iran | ||
چکیده [English] | ||
The house is one of the main requirements of human to achieve comfort and relaxation. It plays an essential role in life’s quality and is an index of welfare in a society. According to the central bank of Iran reports, the housing share in households has increased by more than 30 percent from 2008 to 2017. This rate increased by 43 percent in 2017. These values are also higher for lower deciles. In 2016, 78% of low-income households’ income was spent on housing and food. Therefore, these families unable to enjoy urban amenities. Also, due to the annual movements which cause many problems of hiring and stresses, the priority of citizens is house purchasing. Therefore, families search in the city to find suitable apartments according to their needs and budget. Awareness of property prices is important for both homeowners and customers. If buyers know the prices of apartments in the area, not only find the most suitable unit based on their needs and budget but may not also be defrauded by some individuals. Researches show that residents of each area look for apartments around the previous areas for purchase or rental of residential units. The price information gives people more freedom and confidence to find the best cases, and save time and money instead of limit themselves to the surrounding area. | ||
کلیدواژهها [English] | ||
Apartment Price Estimation, Linear Regression, Geographic Regression, Sixth District of Tehran | ||
مراجع | ||
امانپور، سعید، سلیمانیراد، اسماعیل، کشتکار، لیلا و صادق مختاری چلچه (1393). «تخمین قیمت مسکن شهر اهواز با استفاده از شبکة عصبی»، فصلنامة علمی-پژوهشی اقتصاد و مدیریت شهری، سال سوم، شمارة 9، صص 45-57. پورمحمدی، محمدرضا، قربانی، رسول و علیاکبر تقیپور (1392). «بررسی عوامل مؤثر بر قیمت مسکن در شهر تبریز با استفاده از مدل هدانیک»، فصلنامة علمی-پژوهشی دانشگاه گلستان، سال سوم، شمارة 9، صص 83-105. تقیپور، علیاکبر (1393). تحلیل فضایی تفاوت قیمت زمین و مسکن در نواحی شهری تبریز با استفاده از تکنیک رگرسیون وزنی جغرافیایی، رساله دکتری جغرافیا و برنامهریزی شهری، استاد راهنما: دکتر محمدرضا پورمحمدی، تبریز: دانشگاه تبریز. خاکپور، براتعلی و رضا صمدی (1393). «تحلیل و ارزیابی عوامل مؤثر بر قیمت زمین و مسکن در منطقة 3 شهر مشهد»، فصلنامة جغرافیا و آمایش شهری، شمارة 13، صص 21-38. رهنما، محمدرحیم، اسدی، امیر و محمدمحسن رضوی (1392). «تحلیل فضایی قیمت مسکن مشهد با استفاده از رگرسیون وزنی جغرافیایی»، دوفصلنامة بومشناسی شهری، دورة چهارم، شمارة 7، صص 73-84. رهنما، محمدرحیم، اسدی، امیر و مجتبی روستا (1393). «برآورد قیمت مسکن در شهر مقدس مشهد با استفاده از مدل کاپلان مایر (منحنی احتمال بقا)»، فصلنامة اقتصاد و مدیریت شهری، شمارة 8، صص 31-46. روستایی، شهریور، پورمحمدی، محمدرضا و فرزانه درویشی (1397). «تحلیل فضایی عوامل مؤثر بر افزایش قیمت مسکن در کلانشهر تبریز با استفاده از ضریب همبستگی و مدل برازش رگرسیونی»، فصلنامة مطالعات مدیریت شهری، سال دهم، شمارة 33، صص 85-96. زراءنژاد، منصور و ابراهیم انواری (1385). «برآورد تابع قیمت هدانیک مسکن شهر اهواز به روش دادههای ترکیبی»، فصلنامة پژوهشهای اقتصادی ایران، سال هشتم، شمارة 28، صص 139-168. سعادتمهر، مسعود (1389). «تخمین تابع قیمت هدانیک مسکن شهری خرمآباد با دادههای مقطعی»، مجلة دانش و توسعه، سال هفدهم، شمارة 33، صص 10-30. سوری، داود و سلیمه منیریجاوید (1390). «مدل تعیین قیمت مسکن، کاربردی از روش رگرسیون موزون جغرافیایی»، نشریة مدیریت شهری، شمارة 9، صص 7-28. شهاب لواسانی، کیوان و ویدا ورهرامی (1394). «تخمین بنزین تابع قیمت هدانیک آپارتمانهای مسکونی در منطقة شمال شهر تهران»، فصلنامة پژوهشهای اقتصادی ایران، سال بیستم، شمارة 62، صص 31-56. کلاهچی، محسن عبده، رفیعیان نجفآبادی، محسن، دهقانی، مصطفی و سید حسین میرزاده (1393). «تحلیل عوامل مؤثر بر قیمت مسکن با استفاده از مدل تحلیل رگرسیون گام به گام (مطالعة موردی: محلة فاطمی تهران)»، فصلنامهة اقتصاد و مدیریت شهری، شمارة 7، صص 69-80. وراثی، حمید و میرنجف موسوی (1389). «بررسی عوامل مؤثر بر قیمت مسکن با استفاده از مدل هدانیک قیمت (مورد مطالعه: منطقة 3 شهر یزد)»، فصلنامة جغرافیا و مطالعات محیطی، سال اول، شمارة 3، صص 5-12. گزارش بانک مرکزی، 1396، https://www.cbi.ir/pazge/16734.aspx. Amanpour, S., Soleymani, E., keshtkar, L., & Mokhtari, S. (2015). Using Neural Network to estimation the cost of Housing in Ahwaz. Quarterly Journal of Economics and Urban Management, 3(9), 45-57. (in Persian) Campbell, D., & Campbell, S. (2008). Introduction to Regression and Data Analysis. Paper Presented at the Statlab Workshop Series. CBI (2017)، https://www.cbi.ir/pazge/16734.aspx. (in Persian) Chica Olmo, J. (1995). Spatial Estimation of Housing Prices and Locational Rents. Urban Studies, 32(8), 1331-1344. Dai, J., Lv, P., Ma, Z., Bi, J., & Wen, T. (2020). Environmental Risk and Housing Price: An Empirical Study of Nanjing, China. Journal of Cleaner Production, 252, 119828. Dubin, R. A. (1992). Spatial Autocorrelation and Neighborhood Quality. Regional Science and Urban Economics, 22(3), 433-452. Fotheringham, A. S., Brunsdon, C., & Charlton, M. (2003). Geographically Weighted Regression: The Analysis of Spatially Varying Relationships: John Wiley & Sons. Frew, J., & Jud, G. (2003). Estimating the Value of Apartment Buildings. Journal of Real Estate Research, 25(1), 77-86. Gibbs, C., Guttentag, D., Gretzel, U., Morton, J., & Goodwill, A. (2018). Pricing in the Sharing Economy: A Hedonic Pricing Model Applied to Airbnb Listings. Journal of Travel and Tourism Marketing, 35(1), 46-56. Glumac, B., Herrera-Gomez, M., & Licheron, J. (2019). A Hedonic Urban Land Price Index. Land Use Policy, 81, 802-812. Goovaerts, P. (2008). Geostatistical Analysis of Health Data: State-Of-The-Art and Perspectives Geoenv VI–Geostatistics For Environmental Applications (PP. 3-22): Springer. Hill, R. J. (2013). Hedonic Price Indexes for Residential Housing: A Survey, Evaluation and Taxonomy. Journal of Economic Surveys, 5(27), 879-914. Khakpour, B. A., & Samadi, R. (2014). Analysis and Evaluation of Factors Affecting Land and Housing Prices in District No. 3 of Mashhad City. Quarterly Journal of Geography and Survey, 13, 21-38. (in Persian) Kolahchi, M. A., Rafiyan, M., Dehghani., M., & Mir Zadeh, S. H. (2014). Analysis of Effective Factors on Housing Prices by Using Stepwise Regression Analysis (A Case Study of Tehran’s Fatemi District). Quarterly Journal of Urban Economics and Management, 7, 69-80. (in Persian) Kolbe, J., & Wüstemann, H. (2014). Estimating the Value of Urban Green Space: A Hedonic Pricing Analysis of the Housing Market in Cologne, Germany. Retrieved From Kryvobokov, M., & Wilhelmsson, M. (2007). Analysing Location Attributes with A Hedonic Model for Apartment Prices in Donetsk, Ukraine. International Journal of Strategic Property Management, 11(3), 157-178. Liu, T., Hu, W., Song, Y., & Zhang, A. (2020). Exploring Spillover Effects of Ecological Lands: A Spatial Multilevel Hedonic Price Model of The Housing Market In Wuhan, China. Ecological Economics, 170, 106568. Pourmohammadi, M., Ghorbani, R., & Taghipour, A. (2014). Investigation of Effective Factors on Housing Prices in Tabriz City Using Hedonic Model. Quarterly Journal ofthe University of Science & Technology of Golestan, 3(9), 83-105. (in Persian) Rae, A. (2015). Online Housing Search and the Geography of Submarkets. Housing Studies, 30(3), 453-472. Rahnama, M. R., Asadi, A., & Razavi, M. M. (2013). Spatial Analysis on Mashhad’s House Price By Geographically Weighted Regression. Two Quarterly Journal of Urban Ecology, 4(7), 73-84. (in Persian) Rahnama, M., Asadi, A., & Rusta, M. (2014). Estimation the Housing Price in Holy City of Mashhad Using yhe Kaplan Meier Model (Survival Curve). Journal of Urban Economics and Management, 2(8), 31-46. (in Persian) Roustai, Sh., Pourmohammadi, M. R., & Darvishi, F. (2018). Spatial Analysis of Factors Influencing the Increase in Housing Prices in Tabriz Using Correlation and Regression Model. Quarterly Journal of Urban Management Studies, 10(33),85-96. (in Persian) Sa'adat Mehr, M. (2010). Estimation of the Hedonic Price Function in Khorramabad City with Cross-Sectional Data. Journal of Science and Development, 17(33), 10-30. (in Persian) Shahab Lavasani, K., & Varahrami, V. (2015). Bayesian Estimation of Hedonic Price Function for the Uptown of Tehran. Quarterly Journal of Iranian Economic Research, 20(62), 31-56. (in Persian) Souri, D., & Moniri Javid, S. (2011). Estate Pricing Model. An Application of Geographic Balanced Regression, 9, 7-28. (in Persian) Taghipour, A. A. (2014). Spatial Analysis of Factors Influencing the Increase in Housing Prices in Tabriz Using Correlation and Regression Model, Ph.D. Thesis in Geography and Urban Planning, Supervisor Pourmohammadi, M., Tabriz: University of Tabriz. (in Persian) Verasi, H., & Mousavi, M. N. (2010). An Investigation of the Factors Influencing the Housing Price Using Hedonic Price Model (The Case Study of Yazd Third District). Quarterly Journal of Geography and Environmental Studies, 1(3), 5-12. (in Persian) Zarra. N. M., & Anvari, E. (2006). Estimation of Hedonic Housing Prices Function for Ahvaz Using Panel Data Analysis. Quarterly Journal of Economic Researches of Iran, 28, 139-168. (in Persian) | ||
آمار تعداد مشاهده مقاله: 725 تعداد دریافت فایل اصل مقاله: 424 |