نوع مقاله: مقاله پژوهشی
نویسندگان
1 استادیار دانشگاه تبریز
2 استادیاردانشگاه آزاد اسلامی واحد ارومیه
3 کارشناس ارشد اقتصاد
چکیده
کلیدواژهها
1. مقدمه
اهمیّت و نقش مسکن در اقتصاد و تأثیر آن در توسعۀ کشورها، بحث شناخته شدهای است به طوری که مسکن کالایی است که قابلیت جابجایی ندارد و همچنین کالای جانشینی نیز ندارد. همچنین مسکن تنها یک کالای مصرفی نیز محسوب نمیشود بلکه ارزش سرمایهای نیز دارد. با این ویژگیها میتوان نتیجه گرفت که مسکن به راحتی قابل حذف از سبد خانوارها نیست. نظر به این که بخش ساختمان به عنوان یکی از بخشهای کلان فعالیتهای اقتصادی مطرح است. بنابراین، موضوع مسکن هم در اقتصاد خرد و هم در اقتصاد کلان بررسی میشود.
هدف اصلی این مطالعه عبارت ازتعیین عوامل موثر بر قیمت مسکن در شهر تبریز است وبرای این منظور اهداف فرعی عوامل فیزیکی- ساختاری، عوامل دسترسی و عوامل محیطی دنبال خواهد شد.
در واقع این مطالعه به دنبال پاسخ دادن به این سوأل است که چه عواملی در سطح خرد بر قیمت مسکن در شهر تبریز تأثیرگذار میباشد؟ برای این منظور با استفاده از مدل هدانیک، تأثیر ویژگیهای فیزیکی، ساختاری، محیطی، دسترسی و فضایی مورد بررسی قرار خواهد گرفت.
در این مطالعه فرض میشود که عوامل فیزیکی یا ساختاری، عوامل محیطی و میزان دسترسی مسکن به امکانات بر روی قیمت مسکن تأثیر مثبت دارند .
در ادامه مقاله به صورت زیر سازماندهی شده است. در بخش دوم به مطالعات تجربی تحقیق پرداخته شده و در قسمت سوم بنیانهای نظری تابع قیمت هدانیک مورد بررسی قرار گرفته است. بخش چهارم به روش تحقیق اختصاص یافته است و قسمت پنجم به ابزارگردآوری و روش تجزیه و تحلیل اطلاعات اختصاص دارد. همچنین معرفی متغیرهای مدل در بخش ششم بیان میشود. به دنبال آن نتایج تجربی اقتصاد سنجی فضایی ارایه شده است. در نهایت جمعبندی و نتیجهگیری آورده شده است.
2. پیشینه موضوع
مین[1] (1999) در مطالعۀ خود اقدام به آزمون پیشرانی قیمت مسکن در جنوب بریتانیا و تسرّی قیمت از این منطقه به سایر مناطق نمود. وی برای این آزمون از تخمین رگرسیونهای به ظاهر نامرتبط (SUR) بهره برد که سه متغیر درآمد و نرخ بیکاری هر منطقه در کنار متغیر کلان نرخ بهرهبه عنوان متغیر توضیحی در رابطه هر منطقه گنجانده شده است. نتایج تحقیق حاکی از آن است که قیمت مسکن در جنوب در برابر شوکهای وارد شده از سه متغیر تصریح شده، سریعتر واکنش نشان میدهد.
برگ[2] (2002) طی مطالعهای در کشور سوئد انجام داد و هدف آن آزمون تأثیر گذاری تغییرات قیمت در استکهلم بر دو کلان شهر دیگر(مالمو و گوتنبرگ) و چهار ناحیه پیرامون بود. نتایج نشان میدهد که تغییرات قیمت مسکن در استکهلم با یک وقفه، علت گرنجری تغییرات قیمت در مالمو، گوتنبرگ و چهار ناحیه محلی دیگر است ولی رابطه عکس از دیگر مناطق به استکهلم وجود ندارد.
دوکمینگی، یوندر و یاواس[3] (2003) با استفاده از مدل قیمت هدانیک به تخمین تابع تقاضای مسکن در شهر استانبول پرداختند و تأثیر ویژگیهای محلی و منطقه ای، ساختاری و عوامل مؤثر خارجی را برشهر استانبول ترکیه نشان دادند. نتایج نشان میدهد که تعداد اتاق، ویژگیهای فیزیکی واحد مسکونی، داشتن سند ملی وعنوان قانونی، تاثیرمثبت قابل توجه و معنادار بر قیمت مسکن در شهر استانبول دارند.
هایزن و دیگران[4] (2005) تابع قیمت هدانیک را به صورت تجربی در هانگزو در چین بررسی کردهاند نتایج نشان میدهد که چهارده متغیر، تاثیر معنادار بر قیمت مسکن در شهر هانگزو داشته است که شامل سطح زیربنا، فاصله تا دریا، فضای داخلی ساختمان، شرایط ترافیک، وجود گاراژ، اتاق زیرشیروانی، سطح دکوراسیون، محیط، زمان انجام معامله و نزدیکی به دانشگاه میباشند.
خوشاخلاق و همکاران (1378) در مطالعهای تابع تقاضای مسکن شهری خمینی شهر با استفاده از مدل قیمت هدانیک، با 190 مشاهده و با روش حداقل مربعات معمولی برآوردکردهاند. نتایج نشان میدهد که ویژگیهای فیزیکی، محیطی و همسایگی واحد مسکونی بر قیمت بیشترین تاثیر را دارند.
اکبری و همکاران (1383) طی مطالعهای عوامل مؤثر بر قیمت مسکن در شهر مشهد را در قالب رهیافت اقتصادسنجی فضایی بررسی کردهاند و برای تبیین این عامل، چهار ویژگی فیزیکی یا ساختاری، محیطی، دسترسی و فضایی برای مسکن معرفی شده است. بیشترین ضرایب تابع هدانیک واحدهای ویلایی به ترتیب مربوط به متغیرهای مساحت زمین و وضعیت ناامنی محله بوده است. در واحدهای آپارتمانی بیشترین ضرایب تابع هدانیک به ترتیب مربوط به متغیرهای قیمت هر متر مربع واحد زمین و قدمت ساختمان بوده است. نتایج نشان میدهد که وجود یا عدم وجود وابستگی فضایی در مدل قیمت هدانیک با توجه به نوع واحد مسکونی مشخص شده برای آن متفاوت است.
صادقی و همکاران (1387) طی مطالعهای تأثیر آلودگی هوا بر ارزش مسکن را در شهر تبریز با استفاده از تابع قیمت هدانیک بررسی کردهاند. نتیجۀ این پژوهش حاکی از آن است که مساحت زیر بنای واحد مسکونی، درآمد مستأجر و میان تحصیلات به عنوان سه متغیر مهم تأثیرگذار بر اجاره بهای واحد مسکونی بعد از آلایندههای هوا شناسایی شد.
3. بنیانهای نظری تابع قیمت هدانیک
واژه هدانیک از ریشۀ یونانی هدانیکوس[5] به معنی لذت جویی میباشد (دایرةالمعارف مزاپا)[6]. همچنین در اقتصاد رفاه، به معنی مطلوبیّت یا رضایت کسب شده توسط مصرف کننده از کالا و یا خدمات است. روش هدانیک اولین بار توسط گریلیچس[7] برای تجزیه و تحلیل تقاضا در بازار مسکن و محیط زیست بکار رفت و به وسیلۀ کارهای نظری لنکستر و روزن[8] مطرح گردید. در الگوی تقاضای هدانیک، یک کالا دارای چند بُعد است. و چون مسکن نیز چند بُعدی است، یعنی واحد مسکونی مانند یک کالای مرکب، شامل سبدی از ویژگیهای گوناگون میباشد. در نتیجه، استفاده از الگوی قیمت هدانیک در بازار مسکن، مناسب خواهد بود (ابونوری و همکاران، 1387، 53).
بنابراین قیمت مسکن تابعی از ویژگیهای مورد استفاده در واحد مسکونی مورد تقاضا توسط خانوار خواهد بود که تابع قیمت هدانیک نامیده میشود. تابع قیمت هدانیک را باp(z) نشان دادهو به صورت زیر نشان میدهیم (ابونوری و همکاران، 1387، 53).
تابع قیمت رابطۀ (1) ارتباط قیمت بازاری یک واحد مسکونی را با مشخصههای موجود در آن نشان میدهد یعنی تأثیر هر یک از ویژگیهای واحد مسکونی مورد نظر، بر قیمت بازاری آن را نشان میدهد. اگر شرایط حداکثرسازی سود به وسیلۀ بنگاههای عرضه کنندۀ واحد مسکونی و همچنین بهینه سازی خانوارهای تقاضا کنندۀ واحد مسکونی، با هم در نظر گرفته شود و تعادل از طریق عرضه و تقاضای واحد مسکونی درنظر گرفته شود، تابع قیمت هدانیک حاصل میشود. اگر خانواری برداری از ویژگیهای فیزیکی، مکانی و محیطی و دیگر کالاها را مصرف کند از این انتخاب، خانوار احساس رضایت کرده و سطحی از رفاه را برای او به همراه دارد. و تابع مطلوبیّت این خانوار به شکلزیر است:
که در آن Z برداری از ویژگیهای فیزیکی، مکانی و محیطی یک واحد مسکونی بوده و X دیگر کالاها است. حال اگر برای سادگی تحلیل، قیمت دیگر کالاها را واحد در نظر یگیریم و درآمد خانوار را با Y نشان دهیم محدودیت بودجۀ خانوار را میتوان به صورت زیر نوشت (ابونوری و همکاران، 1387، 53).
حال با توجه به روش لاگرانژ، برای به حداکثر رساندن تابع مطلوبیّت خود و با توجه به محدودیت بودجهای که وجود دارد، به صورت زیر خواهد بود:
و
که در آن شرط اولیّه، برای حداکثر کردن تابع مطلوبیت به شکل زیر است:
با حل سیستم معادلات در رابطۀ (5) برای P(Z) هنگامی که تمام ویژگیهابه جز Zi ثابت است، تابع قیمت پیشنهاد شده توسط خانواربدست میآید:
که در این معادله θ قیمت پیشنهادی برای خرید Ziمیباشد u مطلوبیّت و Y درآمد خانوار نوعی میباشد.(ابونوری و همکاران، 1387، 53).
4. روش تحقیق
اقتصادسنجی فضایی اولین بار توسط پروفسور انسلین[9] ارائه گردید. انسلین مدعی بود که اقتصادسنجی فضایی در مطالعات مکانی دارای قابلیت و کاربرد بهتری نسبت به اقتصادسنجی رایج دارد و زمانی که محقق با دادهها و مشاهدات مکانی و موقعیتی مانند مطالعات بازرگانی، تجاری و جمعیت شناسی روبرو است اقتصادسنجی فضایی میتواند جایگزین اقتصادسنجی متداول گردد. به طور خلاصه از جمله مهمترین تفاوتهای اقتصادسنجی فضایی با اقتصادسنجی متداول را میتوان به صورت زیر بیان کرد(لاسیج، 1999،2)[10]:
الف) در اقتصادسنجی فضایی بین مشاهدات و دادههای نمونه، در نقاط مختلف وابستگی فضایی لحاظ میشود.
ب) در اقتصادسنجی فضایی، ناهمسانی واریانس لحاظ میشود. به عبارت دیگر، ناهمسانی فضایی که ناشی از روابط یا پارامترهای مدل است، با حرکت بر روی صفحه مختصات همراه با داده نمونهای تغییر میکند (اکبری، 1380، 3).
بنابراین اقتصادسنجی متداول این دو موضوع را نادیده میگیرد. چرا که در صورت توجه به آنها فروض مورد استفاده در اقتصادسنجی متداول، یعنی خصوصیات مطلوب تخمین زنندههای حداقل مربعات معمولی فروض گاوس– مارکف، نقض خواهد شد. درقضیه گاوس مارکف، فرض براین است که "متغیرهای توضیحی در نمونهگیریهای تکراری ثابتند"، ولی وجود وابستگی فضایی در میان نمونهها، قضیۀ گاوس- مارکف را نقض میکند؛ همچنین وجود ناهمسانی فضایی، فرض گاوس مارکف را که "یک رابطۀ خطی مشخص بین مشاهدات نمونهای وجود دارد" نقض میکند، چون با فرض وجود ناهمسانی فضایی میان دادهها با حرکت بین دادههای نمونۀ فضایی، رابطه تغییر میکند و ضرایب، تابعی خطی بر حسب متغیر وابسته نخواهد بود و در نتیجه روشهای اقتصادسنجی مرسوم، دارای کاربرد نخواهد بود و روش مناسب، اقتصادسنجی فضایی و روشهای مختلف آن است. بر اساس قضیۀ گاوس- مارکف، دادههای نمونهای رگرسیون به صورت زیر میباشد:
که در آن Yنشان دهندۀ برداری از n مشاهدۀ متغیر وابسته، X نشان دهندۀ یک ماتریساز مشاهدات متغیرهای توضیحی، β برداری از kپارامتر وε برداری از n جمله، خطای تصادفی است. فرآیند ایجاد دادهها بهگونهای است که ماتریسX و پارامترهای صحیح β، ثابتاند و در نتیجه توزیع مشاهدات در Yدارای ساختار واریانس – کواریانسِ همانند میباشد. بر اساس قضیۀ گاوس مارکف توزیع مشاهدات درYبهگونهای است که به هنگام حرکت در بین مشاهدات، مقدار ثابتی را نشان خواهدداد و در نتیجه کواریانس بین مشاهدات صفر است. در حالیکه دردادههای نمونهای که دارای وابستگی فضایی و ناهمسانی فضایی هستند، این پدیده وجود نخواهد داشت (همان منبع، 1380، 3).
4-1.وابستگی فضایی
منظور از وابستگی فضایی[11]، پدیدهای است که دادههای نمونه ای، دارای عنصر مکانی هستند به طوری که وقتی مشاهدهای، مربوط به یک محل، مانند,i (i= 1,2,…, n) وجود داشته باشد، این مشاهده به مشاهدات دیگر در مکانهایi وابسته است. البته این وابستگی میتواند بین چندین مشاهده رخ دهد به طوری که i میتواند هر مقداری را اختیار کند، زیرا که دادههای نمونهای مشاهده شده در یک نقطه از فضا به مقادیر مشاهده شده در مکانهای دیگر وابسته است (لاسیج،1999).
4-2. ناهمسانی فضایی2
اصطلاح ناهمسانی فضایی اشاره به انحراف در روابط بین مشاهدات در سطح مکانهای جغرافیایی دارد. به عبارت دیگر، بین مشاهدات(تغییر مکان جغرافیایی) توزیع دادههای نمونه، دارای میانگین و واریانس ثابتی نخواهد بود. در نتیجه، اقتصادسنجی متداول امکان برآورد اینگونه عوامل را نخواهد داشت (لاسیج،1999،7).
فرض کنید یک رابطۀ خطی به صورت زیر وجود دارد:
که در آن iبیانگر مشاهدات بدست آمده در نقطه در فضا میباشد نشانگر (k+1) بردار از متغیرهای توضیحی، همراه با مجموعۀ پارامترهای مربوط به آن، متغیر وابستۀ مشاهده ویا مکان i میباشد، نمایاگر خطای تصادفی در رابطۀ یاد شده میباشد. با توجه به رابطۀ فوق هنگام حرکت در بین مشاهدات توزیع دادههای نمونهای دارای میانگین و واریانس ثابتی نخواهند بود.
در این پژوهش برای برآورد تابع قیمت هدانیک، طرح سؤالات و پرسشها و چگونگی تنظیم و ترتیب آنها متناسب با موضوع پژوهش یعنی تابع قیمت هدانیک تنظیم شده است. همچنین برای گردآوری دادهها و اطلاعات، با مراجعۀ مستقیم از خانوارهای ساکن در مناطق هشت گانۀ شهر تبریز استفاده شده است.نقشۀ آماری شهر تبریز نیز به تفکیک حوزه و بلوک (به صورت SHP)و تعداد جمعیت و مساحت از مرکز آمار ایران تهیه شده است.
برای تجزیه و تحلیل دادهها و تخمین پارامترها از اقتصادسنجی فضایی استفاده شده است. برای این منظور، از نرم افزارهایGeoda, Excel, AutoCad10, Eviews, GISاستفاده است.
با توجه به ویژگیهای تابع قیمت هدانیک مسکن و با لحاظ کردن متغیرهای مؤثر، متغیرهای مورد استفاده در این پژوهش به صورت زیر خواهد بود:
1. قیمت (PRICE) به عنوان متغیر وابسته: این متغیر، از طریق حاصل ضرب مساحت کل واحد مسکونی در قیمت هر متر مربع زمین عرصه بر حسب تومان بدست آمده است.
2. متغیرهای فیزیکی یا ساختاری مؤثر بر قیمت واحدهای مسکونی، به عنوان متغیرهای مستقل شامل موارد زیر میباشد:
3. متغیرهای دسترسی مؤثر بر قیمت واحدهای مسکونی، به عنوان متغیرهای مستقل شامل موارد زیر میباشد:
4. متغیرهای محیطی مؤثر بر قیمت واحدهای مسکونی، به عنوان متغیرهای مستقل شامل موارد زیر میباشد:
5. متغیر (APART): نوع واحد مسکونی را نشان میدهد واحدهای مسکونی که آپارتمانی هستند عدد یک و واحدهایی که از نوع ویلایی هستند عدد صفر را به خود اختصاص دادهاند.
6. متغیر فضاییW_LOG_PRICE)): دادههای این متغیر از طریق حاصلضرب ماتریس وزنی فضایی در ماتریس قیمت مسکن به دست میآید.
5. نتایج تجربی
نقشۀ (1) متوسط قیمت هر متر مربع زمین عرصه را در حوزههای مختلف شهر تبریز بر حسب تومان بیان میکند شایان دکر است که در نقشۀ (1) متوسط قیمتها از صفر تا هشت میلیون و نهصد و بیست و هشتهزار و ششصد و بیست و هفت افزایش مییابد. همچنین متوسط قیمت هر مترمربع زمین عرصه در حوزههای مختلف شهر تبریز طبق نقشۀ (1) قیمت منطقه یک بیشتر از منطقۀ دو و به همین ترتیب با افزایش مناطق شهرداری، متوسط قیمت زمینهای واحدهای مسکونی کاهش مییابد یعنی منطقۀ یک و منطقۀ دو به طور متوسط بالاترین قیمت زمین را به خود اختصاص دادهاند.
نقشه 1.متوسط قیمت هر متر مربع زمین در حوزههای مختلف شهر تبریز بر حسب تومان
منبع: یافتههای تحقیق(1389)
نقشۀ (2) متوسط دسترسی واحدهای مسکونی در حوزههای مختلف شهر تبریز را به پارک و یا مراکز تفریحی نشان میدهد. درنقشۀ (2) عدد صفر بیانگر دسترسی نداشتن به پارک و مراکز تفریحی بوده و عدد یک به منزلۀ دسترسی به پارک و مراکز تفریحی میباشد. چنانچه در نقشۀ 7-2 مشهود است بهطور متوسط مناطق شمالی شهر تبریز نسبت به مناطق جنوبی شهر تبریز، بیشتر در دسترس فضاهای سبز، پارک و مراکز ییلاقی میباشند علت آن هم این است که وجود کوههای عونبنعلی در شمال شهر تبریز نسبت به جنوب شهر میباشد.
نقشۀ2. متوسط دسترسی واحدهای مسکونی به پارک و یا مراکز تفریحی
منبع: یافتههای تحقیق(1389)
8.نتایج تخمین اقتصادسنجی فضایی
برای استخراج نتایج قیمت واحدهای مسکونی در شهر تبریز از اقتصادسنجی فضایی و نرمافزارGeoda بهره گرفته شده است. نتایج حاصل از این مدل با استفاده از روش Spatial Lag به صورت زیر میباشد:
جدول1. تخمین قیمت واحدهای مسکونی با استفاده از اقتصاد سنجی فضایی
متغیر توضیحی |
علامت انتظاری |
ضرایب |
آمارۀ Z |
prob |
اثر فضایی |
مثبت |
**0.074 |
5.50 |
0.00 |
ضریب ثابت |
مثبت |
**0.28 |
4.21 |
0.00 |
تراکم جمعیت |
منفی |
**0.0003- |
3.39 |
0.00 |
دسترسی ساختمان به خیابان با عرض 4-8 متر |
مثبت |
**0.23 |
3.80 |
0.00 |
دسترسی ساختمان به خیابان باعرض بیش از8 متر |
مثبت |
**0.21 |
2.69 |
0.00 |
دسترسی به مراکز کار |
منفی |
0.01- |
0.34 |
0.73 |
دسترسی به مراکز تفریحی و پارک |
مثبت |
**033 |
6.55 |
0.00 |
دسترسی به مراکز آموزشی |
مثبت |
0.009- |
0.17 |
0.85 |
دسترسی به مراکز بهداشتی و درمانی |
مثبت |
0.01- |
0.22 |
0.82 |
ساختمانها با اسکلتبندی و مصالح فلزی |
مثبت |
**0.37 |
5.27 |
0.00 |
ساختمانها با اسکلتبندی و مصالح بتونی |
مثبت |
**0.28 |
3.29 |
0.00 |
وضعیت امنیت منطقه |
مثبت |
**0.17 |
3.39 |
0.00 |
مجهز بودن ساختمان به سیستمهای گرمایشی و سرمایشی |
مثبت |
**6.87 |
63.75 |
0.00 |
ساختمانهای با نمای آجری |
منفی |
**0.34 - |
4.81 |
0.00 |
ساختمانهای با نمای غیر استاندارد یا بدون نما |
منفی |
* 0.20- |
2.24 |
0.02 |
موقعیت منطقه دو واحد مسکونی |
منفی |
**0.24- |
4.37 |
0.00 |
موقعیت منطقه سه واحد مسکونی |
منفی |
**0.21- |
2.71 |
0.00 |
موقعیت منطقه چهار واحد مسکونی |
منفی |
**0.20- |
3.36 |
0.00 |
موقعیت منطقه پنج واحد مسکونی |
منفی |
**0.22- |
3.18 |
0.00 |
موقعیت منطقه شش واحد مسکونی |
منفی |
*0.24- |
2.49 |
0.01 |
موقعیت منطقه هفت واحد مسکونی |
منفی |
**0.22- |
2.82 |
0.00 |
موقعیت منطقه هشت واحد مسکونی |
منفی |
*0.24- |
2.16 |
0.03 |
نوع واحد مسکونی (آپارتمانی یا ویلایی) |
منفی |
0.01- |
2.83 |
0.75 |
R2 |
0.99 |
|||
تعداد مشاهدات |
757 |
منبع: یافتههای تحقیق (1389)
*و**ضرایب در سطح اطمینان 95% و99% معنادار هستند
چنانکه در جدول بالا مشهود است قیمت واحدهای مسکونی استفاده شده از اقتصادسنجی فضایی، دارای علامت مطابق با نظریات اقتصادی بوده و از لحاظ آماری تعداد نوزده متغیر، معنادار میباشند. همچنین، نتایج نشان میدهند که کشش قیمت واحدهای مسکونی در برابر اثرات فضایی 074/0 میباشد.
9. جمع بندی و نتیجهگیری
در این پژوهش اطلاعات جمعآوری شده در مناطق مختلف شهر تبریز به تفکیک حوزه و بلوک وارد نرمافزار GIS شد و آمار توصیفی آن در قالب تهیه نقشههای مختلف مورد بررسی قرار گرفت. مهمترین نتیجۀ آن بیانگر این بود که نتایج استخراج شده از نرم افزار GIS با نتایج اقتصادسنجی فضایی مطابقت دارد.
از بررسی تابع قیمت هدانیک بخش مسکن در مناطق هشت گانۀ شهر تبریز، مشاهده میشود که قیمت واحد مسکونی، تحت تأثیر سه گروه از متغیرها قرار میگیرد:
گروه اوّل، شامل عوامل فیزیکی یا ساختاری واحدهای مسکونی میباشد که در واقع ویژگیهای فیزیکی آن را مورد سنجش و ارزیابی کمّی و کیفی قرار میدهند. گروه دوم تحت عنوان عوامل دسترسی شناخته میشوند که در بر گیرندۀ موقعیت دسترسی واحد مسکونی میباشند. گروه سوم، شامل عوامل محیطی میباشند که معرف امکانات رفاهی واحد مسکونی میباشد.برای برآورد این تابع قیمت، متغیرهای دسترسی واحد مسکونی به خیابان یا کوچۀ با عرض 4-8 متر، دسترسی واحد مسکونی به خیابان یا کوچۀ با عرض بیش از8 متر، دسترسی به مراکز کار، دسترسی به مراکز تفریحی و پارک، دسترسی به مراکز آموزشی، دسترسی به مراکز بهداشتی و درمانی، ساختمانها با اسکلتبندی فلزی، واحدهای مسکونی با اسکلتبندی بتونی، وضعیت امنیت حوزه، مجهز بودن واحد مسکونی به سیستمهای گرمایشی و سرمایشی، ساختمانهای مسکونی با نمای آجری، ساختمانهای با نمای سیمانی یا بدون نما، موقعیت مناطق هشتگانۀ شهرداری تبریز و نوع واحد مسکونی (آپارتمانی یا ویلایی) به عنوان متغیر مجازی با ارزش صفر و یک اختصاص داده شد.
مهمترین یافتههای تجربی حاصل از تخمین تابع قیمت هدانیک فضایی برای شهر تبریز به صورت زیر میباشد:
نتایج برآورد بیانگر آن است که وابستگی فضایی از نظر آماری معنیدار میباشد. ضریب وابستگی فضایی مثبت و برابر 0.07 میباشد یعنی در دادههایی که تأثیر ویژگیهای فیزیکی، محیطی و دسترسی بررسی میشوند، بهتر است وابستگی فضایی هم وارد مدل شود چون قیمت واحدهای مسکونی مجاور اعم از آپارتمانی یا ویلایی در سطح شهر تبریز بر هم تأثیرگذار میباشند.
از بین بیستوسه متغیر توضیحی بکار رفته در جدول چهار متغیردسترسی به مراکز کار، دسترسی به مراکز آموزشی، دسترسی به مراکز بهداشتی - درمانی ونوع واحد مسکونی اعم از آپارتمانی – ویلایی معنادار نبوده امّا بقیۀ متغیرها معنادار میباشند.
مؤثرترین متغیر برای قیمت واحدهای مسکونی در شهر تبریز متغیر مجهز بودن واحدهای مسکونی به سیستمهای حرارتی- برودتی میباشد به دلیل کوهستانی بودن و موقعیت خاصی که شهر تبریز دارد مانند محصور بودن بین کوههای مرتفع و سرد بودن دمای این شهر در فصل زمستان، خانوارهای شهر تبریز در مقابل مجهز بودن واحدهای مسکونی به سیستمهای حرارتی- برودتی حساس میباشند و این متغیر قیمت واحد مسکونی را به شدت افزایش میدهد.
علت این که رابطۀ بین قیمت واحد مسکونی و متغیرهای دسترسی به مراکز آموزشی و بهداشتی-درمانی، معکوس میباشد غلبۀ اثرات منفی مراکز آموزشی و بهداشتی- درمانی مانند (آلودگی صوتی و تراکم جمعیتی) بر واحدهای همجوار میباشد.
ویژگی عرض خیابان به عنوان یکی از ویژگیهای واحدهای مسکونی در شهر تبریز از نظر آماری معنادار میباشد بهطوری که ضرایب عرض خیابان با عرض بین چهار تا هشت متر و بیشتر از هشت متر، بترتیب 23/0 و 21/0 قیمت واحد مسکونی را افزایش میدهد علت آن هم این است که خانوارهای تبریزی برای آندسته از واحدهای مسکونی که در دسترس خیابانزهای استاندارد هستند قیمت بیشتری را میپردازند.
با توجه به ویژگی محیطی متغیر مصالح بهکار رفته در واحدهای مسکونی در شهر تبریز معنادار میباشد و ضرایب اسکلت فلزی و بتونی بیانگر این هستند که هر چه مصالح بهکار رفته در واحد مسکونی مقاوم باشد بهطوری که افزایش ضریب اسکلت فلزی و بتونی بترتیب 37/0 و 28/0 درصد قیمت واحد مسکونی را افزایش میدهد.
متغیر امنیت از لحاظ آماری معنادار بوده و امنیت در میان خانوارهای تبریزی در حوزههای مختلف این شهر به عنوان متغیر محیطی با ضریب 17/0 میباشد.
به برنامهریزانو سازندگانواحدهای مسکونی توصیه میشود مطابق با اولویتهای متقاضیان برایواحدهای مسکونی اقدام نمایند.مسئولان زیرربط و دستاندرکاران امر با گردآوری دادههای آماری مربوط به مسکن و در دسترس قرار دادن این اطلاعات برای محققین وبرنامهریزان، بستر مناسبی جهت دستیابی به تحقیقاتی با نتایج کاربردیتر و وسیعتری را فراهم نمایند.