زالی, سعید, پهلوانی, پرهام, بیگدلی, بهناز. (1403). ارزیابی و تحلیل قیمت واحدهای مسکونی منطقة 5 شهرداری تهران با در نظر گرفتن نوسانات بازار ارز. , 16(1), 37-50. doi: 10.22059/jtcp.2023.358484.670388
سعید زالی; پرهام پهلوانی; بهناز بیگدلی. "ارزیابی و تحلیل قیمت واحدهای مسکونی منطقة 5 شهرداری تهران با در نظر گرفتن نوسانات بازار ارز". , 16, 1, 1403, 37-50. doi: 10.22059/jtcp.2023.358484.670388
زالی, سعید, پهلوانی, پرهام, بیگدلی, بهناز. (1403). 'ارزیابی و تحلیل قیمت واحدهای مسکونی منطقة 5 شهرداری تهران با در نظر گرفتن نوسانات بازار ارز', , 16(1), pp. 37-50. doi: 10.22059/jtcp.2023.358484.670388
زالی, سعید, پهلوانی, پرهام, بیگدلی, بهناز. ارزیابی و تحلیل قیمت واحدهای مسکونی منطقة 5 شهرداری تهران با در نظر گرفتن نوسانات بازار ارز. , 1403; 16(1): 37-50. doi: 10.22059/jtcp.2023.358484.670388

ارزیابی و تحلیل قیمت واحدهای مسکونی منطقة 5 شهرداری تهران با در نظر گرفتن نوسانات بازار ارز

مجله علمی " آمایش سرزمین "
دوره 16، شماره 1، فروردین 1403، صفحه 37-50    اصل مقاله (1.4 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22059/jtcp.2023.358484.670388
نویسندگان
سعید زالی1؛ پرهام پهلوانی* 1؛ بهناز بیگدلی2
1گروه مهندسی سیستم اطلاعات مکانی، دانشکدة مهندسی نقشه‌برداری و اطلاعات مکانی، دانشکدگان فنی، دانشگاه تهران، تهران، ایران
2دانشکدة مهندسی عمران، دانشگاه صنعتی شاهرود، شاهرود، ایران
چکیده
قیمت مسکن یکی از شاخص‌هایی است که شناخت عوامل مؤثر بر آن برای افزایش کارایی طرح‌ها و ارائة راهبردها و سیاست‌های برنامه‌ریزی مسکن کمک شایانی می‌کند. با وجود نوسان‌های فراوان نرخ ارز در سال‌های اخیر لزوم استفاده از مدلی که در آن علاوه بر ویژگی‌های مسکن به عوامل اقتصادی تأثیرگذار بر قیمت مسکن از جمله نرخ ارز توجه شود بیش از پیش احساس می‌شود. از آنجا که مدل‌سازی قیمت مسکن از جمله مسائلی است که دارای مؤلفة مکانی است ‌‌باید در ارائة مدل مربوط به قیمت مسکن به مکان قرارگیری آن نیز توجه شود. از این رو در این پژوهش تحلیل پراکنش فضایی قیمت مسکن در منطقة 5 شهرداری تهران و عوامل مؤثر بر آن بررسی شده ‌است. در این زمینه از داده‌های خرید و فروش مسکن در این منطقه در بازة سال‌های 1397 و 1398 و 1399 برای مدل‌سازی قیمت مسکن استفاده شده است. نتایج تحقیقات با استفاده از روش رگرسیون وزن‌دار جغرافیایی چندمقیاسه (MGWR: Multiscale Geographically Weighted Regression) به دست آمده ‌است که در قیاس با روش‌های رگرسیون وزن‌دار جغرافیایی (GWR: Geographically Weighted Regression) و حداقل مربعات معمولی (OLS: Ordinary Least Squares) نتایج بهتری را ارائه کرد. میزان ضریب تعیین تعدیل‌شده در الگوریتم‌های OLS و GWR و MGWR به ترتیب برابر با 762/0 و 821/0 و 853/0 حاصل شد. در این زمینه روش MGWR توانست ناهمگونی‌های فضایی موجود در داده‌های قیمت مسکن را مدل‌سازی کند. بر اساس نتایج به‌دست‌‌آمده متغیر نرخ ارز (قیمت دلار) بیشترین تأثیر را در مدل‌سازی قیمت مسکن دارد.
کلیدواژه‌ها
تهران؛ رگرسیون وزن‌دار جغرافیایی؛ رگرسیون وزندار جغرافیایی چندمقیاسه؛ قیمت مسکن؛ منطقة 5
مراجع
آمار
تعداد مشاهده مقاله: 786
تعداد دریافت فایل اصل مقاله: 643