پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 161 |
| تعداد شماره‌ها | 6,532 |
| تعداد مقالات | 70,501 |
| تعداد مشاهده مقاله | 124,114,155 |
| تعداد دریافت فایل اصل مقاله | 97,217,941 |
اثر فضای‌سبز بر قیمت مسکن با استفاده از مدل قیمت‌گذاری هدونیک (مطالعه موردی: شهر یزد) | ||
| محیط شناسی | ||
| مقاله 3، دوره 47، شماره 4، دی 1400، صفحه 413-428 اصل مقاله (2.72 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jes.2021.331811.1008237 | ||
| نویسندگان | ||
| غلامحسین مرادی* 1؛ فرناز دهقان بنادکوکی2؛ الهام اپرا جونقانی2 | ||
| 1گروه محیط زیست، دانشکده منابع‌طبیعی و کویرشناسی، دانشگاه یزد، یزد، ایران | ||
| 2گروه اقتصاد، دانشکده اقتصاد، مدیریت و حسابداری، دانشگاه یزد، یزد، ایران | ||
| چکیده | ||
| برای بیان نقش و اهمیت محیط‌زیست و تبدیل آن‌ها به ارزش‌های پولی لازم است کالاها و خدمات آن با استفاده از روش‌های مناسب ارزش‌گذاری شوند. امروزه ارزش‌گذاری اقتصادی، ابزار مدیریتی مؤثر برای مدیران جهت تصمیم‌گیری در زمینه برنامه‌ریزی طرح‌های توسعه‌ای است. از این‌رو مطالعه حاضر با هدف بررسی اثر فضای‌سبز بر قیمت واحدهای مسکونی در پارک هفت تیر یزد انجام گرفته است. بدین منظور از روش هدونیک برای ارزش‌گذاری فضای‌سبز استفاده شد و در این راستا 15 فاکتور شامل متغیرهای فیزیکی، محیطی و دسترسی در نظر گرفته شد. به منظور تجزیه‌و‌تحلیل داده‌ها از روش حداقل مربعات معمولی (OLS) و نرم‌افزار EViews استفاده شد. نتایج نشان داد که از میان 15 متغیر مستقل، متغیرهای توضیحی قیمت هر متر مربع زمین، سطح زیربنا، پارکینگ، فاصله تا خیابان اصلی و فاصله تا پارک به ترتیب با ضریب 95/0، 89/0، 26/0-، 19/0- و 15/0 درصد در قیمت واحدهای مسکونی مؤثر هستند (P <0.05). قیمت هر متر مربع زمین بیشترین تأثیر را بر متغیر وابسته (قیمت کل مسکن) دارد. یافته‌های پژوهش حاکی از آن است که روش قیمت‌گذاری هدونیک با در نظر داشتن عوامل مؤثر بر متغیر وابسته، باعث ایجاد ارتباط بین متغیرهایی چون قیمت منازل مسکونی به‌عنوان یک کالای بازاری و ارزش تفریحی پارک می‌شود . | ||
| کلیدواژه‌ها | ||
| اقتصاد محیط زیست؛ پارک و فضای‌سبز شهری؛ روش ارزش‌گذاری هدونیک؛ خدمات غیربازاری | ||
| عنوان مقاله [English] | ||
| The Effect of Green Space on Housing Prices Using Hedonic Pricing Method (Case Study: Yazd city, Iran) | ||
| نویسندگان [English] | ||
| Gholamhosein Moradi1؛ Farnaz Dehghan Benadkuki2؛ Elham Operajuneghani2 | ||
| 1Department of Environmental Sciences, School of Natural Resources & Desert studies, Yazd University, Yazd, Iran | ||
| 2Department of Economics, Faculty of Economics, Management & Accounting, Yazd University, Yazd, Iran | ||
| چکیده [English] | ||
| Introduction Nowadays, there are various environmental problems and issues in most cities of the world, especially in developing countries. The solution to these problems requires various social, economic, and political factors. The environmental valuation in different dimensions is a way to eliminate these problems. In other words, it is necessary to valuation of goods and services using appropriate methods to express environmental role and importance and convert them into monetary values. The growth of urbanization and urban population is led to problems in the field of human habitation and land supply in most cities. Among these, land is the most basic factor of development and how to use it is one of the most important issues in urban planning. In other words, land is the main base of all citizens' activities and there is a lot of traction and demand for various activities such as providing housing, transportation, educational, commercial, medical, industrial and leisure spaces, especially in high population cities. Therefore, it is necessary to pay attention to various characteristics of the housing unit such as physical, environmental and accessibility characteristics in order to study different dimensions of housing as a heterogeneous and multidimensional commodity and to identify the affecting factors on its price. Because physical, environmental and accessibility characteristics cause differences in the tastes and preferences of heterogeneous goods consumers such as housing. There are various methods for measuring these characteristics. One of the indirect valuation methods for the estimation of willingness to pay is determination of expressed preferences using the hedonic method, in which the value of a non-market commodity is obtained by analyzing its influence on another commodity such as housing. Therefore, the present study was conducted to investigate the effect of green space on the price of surrounding houses using hedonic valuation method. Material and Methods This study took place in Hafte-Tir park, Yazd city, Iran. Hafte-Tir park with approximately 5.5-ha area has been constructed in 31°51'28" to 31°51'35" latitude and 54°22'56" to 54°23'01" longitude. This park is one of the most thriving green spaces in Yazd province. This study is a kind of survey-analytical research and is also a field study in terms of data collection. The statistical community of this study is households that live in district 4 of Yazd city, in which Hafte-Tir park is located. In the study, the hedonic valuation method was used to evaluate the effect of Hafte-Tir park on the price of surrounding houses. In this regard, 15 factors including physical, environmental, and accessibility variables have been considered. Statistics and information were collected by a questionnaire through face-to-face interviews with owners of residential units and in this regard, 80 questionnaires were collected. In the hedonic method, it is assumed that the price reflects the willingness of its residents to pay for the facilities needed inside and outside of housing (physical and environmental factors). In other words, it is assumed that the difference in property prices is due to differences in housing characteristics. Therefore, the price of housing indicates the maximum amount of money that people are willing to pay to obtain a better quality of the environment, a certain amount of building facilities, as well as access to urban facilities and services. In this study, it is not possible to use a completely logarithmic form of the demand function, because of the fact that some variables are qualitative and their logarithm can not be calculated. Therefore, linear and linear-logarithmic (semi-logarithmic) shapes have been chosen to estimate the hedonic housing price function. Then, in order to analyze the data, the ordinary least squares (OLS) method and EViews software have been used. In fact, the ordinary least squares method is the simplest and most common method to estimate linear regression models. The criterion of the ordinary least squares method is that coefficients should be estimated in a manner that the residual sum of squares (RSS) is minimized. Discussion of Results The estimation results of the hedonic price function for residential units in Yazd city using the ordinary least squares (OLS) method showed that there is a significant relationship between the total price of housing unit and five explanatory variables including land price per m2, infrastructure, parking, distance to the main street, and distance to Hafte-Tir park (P <0.05). Between the studied variables, the variable of land price per m2 has the most influence on the dependent variable (total housing price) and its effect is positive. By one percent change in land prices, the total price will change 0.95 percent. As expected, the variables of infrastructure level had a significant positive effect on housing prices (with a coefficient of 0.89). Indeed, by one percent change in infrastructure, the total land price will change by 0.89 percent. On the other hand, the variables of parking and distance to the main street have a significant negative effect on housing price. In the absence of parking and by one meter distance to the main street, the total housing price will be reduced by 0.26 and 0.19 percent, respectively. So, it can be said that houses that are closer to the main street have higher prices due to their proximity to sales and service centers. Also, distance to Hafte-Tir park significantly affects the price of residential units (with a coefficient of 0.15). In other words, increasing one meter in the distance to park is caused increasing approximately 15 percent in housing price. Also in this study, the adjusted coefficient of determination ( ), which shows the explanatory power of the model by existing variables, indicates that 86 percent of the price changes of residential units are explained by the variables in the model. Conclusion Sample type and difference in the significance of variables are the points that make this study different from other studies. The results of the study indicate that the hedonic method is one of the methods that make a relationship between a market product such as housing and park quality by considering the effecting factors of the dependent variable. On the other hand, there are other factors than the used variables in this study that are involved in determining housing prices. Perhaps the most important of these factors are the policies and actions of national and local governments and the macroeconomic structure of the country, which are constantly causing fluctuations in housing prices. | ||
| کلیدواژه‌ها [English] | ||
| Environmental economics, urban green space and park, hedonic valuation method, non-market services | ||
| مراجع | ||
|
امیرنژاد، حمید؛ نبی‌زاده ذوالپیرانی، مجتبی؛ حیدری کمال‌آبادی، رضا، (1395). تأثیر تالاب عینک شهر رشت بر قیمت مسکن منطقه با استفاده از روش قیمت‌گذاری هدانیک، فصلنامه علمی – پژوهشی اقتصاد و مدیریت شهری، 16(4): 53-37.
اکبری، نعمت الله؛ عمادزاده، مصطفی؛ رضوی، سیدعلی، (1383). بررسی عوامل مؤثر بر قیمت مسکن در شهر مشهد، رهیافت اقتصادسنجی فضایی در روش هدانیک، فصلنامه پژوهش‌های اقتصادی، 4(11): 57-78.
اسفندیاری، مرضیه، (1383). برآورد تابع قیمت هدانیک مسکن در شهر اصفهان در فاصله سال‌های 77-1371، مجله دانشکده علوم اداری و اقتصاد دانشگاه اصفهان، 3: 177-163.
ابونوری، اسمعیل؛ رمضانی وکیل کندی، رسول، (1381). برآورد تابع تقاضای مسکن با استفاده از مدل هدانیک: مطالعه موردی شهرستان ساری، پژوهش‌نامه علوم انسانی و اجتماعی، 1(4): 35-13.
پیربابایی، محمدتقی، بیتی، حامد؛ صداقتی، عاطفه، (1398). مفهوم ارش در برنامه‌ریزی مسکن: مطالعه موردی تطبیقی مدل هدانیک مسکن با دیدگاه ارزش‌شناسی علامه‌طباطبایی، فصلنامه علمی – پژوهشی نظریه‌های اجتماعی متفکران مسلمان، 9(2): 329-303.
تیموری، ایرج؛ حکیمی، هادی؛ حسین‌پورشاد، ویدا، (1394). بررسی نقش متغیرهای کالبدی و دسترسی در تعیین قیمت مساکن آپارتمانی در شهرهای جدید (مطالعه موردی: شهر جدید سهند)، نشریه جغرافیا و برنامه‌ریزی، 20(57): 95-81.
تیموری، ایرج؛ سلطان قیس، نوید؛ قلی‌زاده، یاسر، (1396). برآورد قیمت مسکن شهری با استفاده از تابع هدانیک و شبکه‌های عصبی مصنوعی موردشناسی: کوی ولیعصر شهر تبریز، جغرافیا و آمایش سرزمین، 22(7): 56-41.
خیرالدین، رضا؛ امیدی بهره مند، مسعود، (1395). بررسی و تحلیل چگونگی تأثیر ابرپروژه‌های شهری بر قیمت مسکن در عمق محلات شهری مجاور (مطالعه موردی: بزرگراه طبقاتی صدر)، اقتصاد و مدیریت شهری. 5(17): 29-13.
خلیلی‌عراقی، منصور؛ نوبهار، الهام، (1390). پیش‌بینی قیمت مسکن در شهر تبریز: کاربرد مدل‌های قیمت هدانیک و شبکه عصبی مصنوعی. فصلنامه پژوهش‌ها و سیاست‌های اقتصادی، 19(60): 113-60.
رحیمی کاکه‌جوب، آرمان؛ عیسی لو، علی‌اصغر؛ محمدیان مصمم، حسن؛ رحمتی، اکبر، (1392). بررسی عوامل مؤثر بر قیمت مسکن شهری با استفاده از مدل هدانیک قیمت (نمونه موردی: منطقه دو شهر سنندج)، اقتصاد و مدیریت شهری، 1(3): 43-33.
سالم، علی‌اصغر؛ اکابری تفتی، مهدی، (1397). محاسبه میزان تمایل به پرداخت برای گریز از آثار زیان‌بار آلودگی به تفکیک استآن‌ها ی مختلف در ایران با استفاده از الگوی قیمت هدانیک، اقتصاد مقداری، 15(2): 50-23.
سازمان هواشناسی استان یزد، (1398). سازمان هواشناسی ایران.
سوری، داوود؛ منیری جاوید، سلیمه، (1390). مدل تعیین قیمت مسکن کاربردی از روش رگرسیون موزون جغرافیایی، اولین کنفرانس اقتصاد شهری ایران، 9(27):28-7.
صداقتی، عاطفه؛ نوریان، فرشاد، (1395). به کارگیری روش هدانیک در ارزش‌گذاری واحدهای مسکونی مورد شناسی: محله باغ صبا در منطقه 7 تهران، جغرافیا و آمایش شهری - منطقه ای، 6(21): 186-171.
صداقتی، عاطفه؛ پیربابایی، محمد تقی، نوریان، فرشاد؛ بیتی، حامد، (1400). ارزشیابی مسکن شهری برنامه‌ریزی شده در شهر تبریز از نگاه ساکنان، مجله جغرافیا و برنامه‌ریزی محیطی، 32(3): 30-1.
عباسلو، محمد؛ سینا، فرشید، (1384). برآورد تابع قیمت هدانیک مسکن شهری تهران. فصلنامه بررسی‌های اقتصادی، 2(4): 135-105.
غفاری، فرهاد؛ اویسی فردویی، طاهره، (1390). برآورد تابع تقاضای مسکن با استفاده از الگوی قیمت هدانیک (مطالعه موردی شهر قم)، اقتصاد کاربردی، 3(11): 48-27.
قربانی، سالار؛ افقه، سید مرتضی، (1396). پیش بینی قیمت مسکن برای شهر اهواز: مقایسه مدل هدانیک با مدل شبکه عصبی مصنوعی، اقتصاد و مدیریت شهری، 5(19): 44-29.
مرادی، غلامحسین؛ اپرا جونقانی، الهام؛ سلطانی بابوکانی، افسانه؛ دهقان بنادکوکی، فرناز، (1400). برآورد ارزش اقتصادی جاذبه‌های گردشگری با استفاده از روش هزینه سفر (مطالعه موردی: باغ نمیر استان یزد)، مطالعات مدیریت گردشگری.
وارثی، حمیدرضا؛ موسوی، میرنجف، (1389). بررسی عوامل مؤثر بر قیمت مسکن با استفاده از مدل هدانیک قیمت (مورد مطالعه: منطقه سه شهر یزد)، جغرافیا و مطالعات محیطی، 3: 3-5.
Belcher, R. N., & Chisholm, R. A. (2018). Tropical vegetation and residential property value: A hedonic pricing analysis in Singapore. Ecological economics, 149: 149-159.
Bourassa, S., Hoesli, M., Scognamiglio, D., & Zhang, S. (2011). Land leverage and house prices. Regional Science and Urban Economics, 41(2): 134-144
Choumert, J., & Phélinas, P. (2015). Determinants of agricultural land values in Argentina. Ecological Economics, 110: 134-140.
Davis, M., & Heathcote, J. (2007). The price and quantity of residential land in the United States. Journal of Monetary Economics, 54(8): 2595-2620
Davis, M., & Palumbo, M. (2008). The price of residential land in large U.S. citie. Journal of Urban Economics, 63(1): 352–384.
Dökmeci, V., Önder, Z., & Yavas, A. (2003). External factors, housing values, and rents: evidence from survey data. Journal of Housing Research, 83-99.
Duan, J., Tian, G., Yang, L., & Zhou, T. (2021). Addressing the macroeconomic and hedonic determinants of housing prices in Beijing Metropolitan Area, China. Habitat International, 113: 102374.
Greenaway-McGrevy, R., & Sorensen, K. (2021). A Time-Varying Hedonic Approach to quantifying the effects of loss aversion on house prices. Economic Modelling, 99: 105491.
Grislain-Letrémy, C., & Katossky, A. (2014). The impact of hazardous industrial facilities on housing prices: A comparison of parametric and semiparametric hedonic price models. Regional Science and Urban Economics, 49: 93-107.
Hai-Zhen, W., Sheng-Hau, J., & Xiao-Yu, G. (2005). Hedonic Price Analysis of Urban Housing: An Empirical Research on Hangzhou, China. Journal of Zhejiang University Science, 6(8): 907-914.
Hu, L., He, S., Han, Z., Xiao, H., Su, S., Weng, M., & Cai, Z. (2019). Monitoring housing rental prices based on social media: An integrated approach of machine-learning algorithms and hedonic modeling to inform equitable housing policies. Land use policy, 82: 657-673.
Karlik, B., & Olgac, A.V. (2011). Performance analysis of various activation functions in generalized MLP architectures of neural networks. International Journal of Artificial Intelligence and Expert Systems, 1(4): 111-122.
Kain, J.F., & Quigley, J.M. (1998). Measuring the value of housing Quality. journal of the American statistical association, 85: 423-439.
Khan, S., Ghaffar, A., Shah, S.A., Jan, A.U., Dawood, J., & Fayaz, M. (2016). A hedonic analysis of agricultural land prices in Pakistan's Peshawar district. Asian Journal of Agriculture and rural Development, 6(4): 59.
Lu, J. (2018). The value of a south-facing orientation: A hedonic pricing analysis of the Shanghai housing market. Habitat International, 81: 24-32.
Oikarinen, E. (2014). Studies on housing price dynamics.
Panduro, T., & Veie, K. (2013). Classification and Valuation of Urban Green Spaces A Hedonic House Price Valuatio. Landscape and Urban Planning, 120: 119-128.
Su, S., He, S., Sun, C., Zhang, H., Hu, L., & Kang, M. (2021). Do landscape amenities impact private housing rental prices? A hierarchical hedonic modeling approach based on semantic and sentimental analysis of online housing advertisements across five Chinese megacities. Urban Forestry & Urban Greening, 58, 126968.
Selim, H. (2009). Determinants of House Prices in Turkey: Hedonic Regression Versus Artificial Neural Network. Expert System With Application, 36(2): 2843-2852.
Terol, C. B., & Valdés, L. (2015). The environmental setting, farming activities and rural accommodation prices. Journal of Regional Research, 33: 33-51.
Wallbaum, H., Ostermeyer, Y., Salzer, C., & Escamilla, E.Z. (2012). Indicator Based Sustainability Assessment Tool for Affordable Housing Construction Technologies. Ecological Indicators, 18: 353-364.
Xiao, Y., Hui, E.C., & Wen, H. (2019). Effects of floor level and landscape proximity on housing price: A hedonic analysis in Hangzhou, China. Habitat International, 87: 11-26. | ||
|
آمار تعداد مشاهده مقاله: 3,522 تعداد دریافت فایل اصل مقاله: 2,550 |
||