خلاصة:
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.
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.
ملخص الجهاز:
در اين مطالعه ، قيمت آپارتمان هاي مسکوني در منطقۀ ٦ شهر تهران با استفاده از برخي معيارهاي اساسي بررسي و براساس آن ها رابطه اي براي تخمين قيمت ارائه شده است .
در سطح دنيا نيز روش هدانيک يکي از روش هاي بسيار کاربردي براي تخمين قيمت مسکن است ( ,Chica Olmo 1995; Frew & Jud, 2003; Gibbs, Guttentag, Gretzel, Morton, & Goodwill, 2018; Kolbe & ٢٠٠٧ ,Wilhelmsson &Kryvobokov ;٢٠١٤ ,stemannWu)؛ به طوري که اين روش از سال ١٩٢٨ براي تخمين قيمت استفاده مي شود، اما از سال ١٩٧١ به بعد توجه بيشتري به آن شده است (٢٠١٣ ,Hill).
نمايش شماتيک بازة زماني داده هاي آموزشي وآزمايشي (سال ١٣٩٧) (رجوع شود به تصویر صفحه) جدول ٢ پايگاه دادٔە تهيه شده را نشان مي دهد که براي هر آپارتمان عبارت است از: تاريخ فروش ، زيربنا، سن بنا، طبقه ، وجود يا نبود آسانسور، انباري ، پارکينگ ، آدرس و قيمت هر مترمربع .
نتايج نشان مي دهد که بين روز سال و قيمت هر مترمربع آپارتمان در منطقۀ ٦ رابطۀ مثبت و معناداري وجود دارد (٠/٠٠١ -P >value) و مقدار ضريب R٢ برابر ٢٦ درصد براي تابع خطي به دست آمده است .
Geographically Weighted Regression به دست آمده است که نشان مي دهد در منطقۀ مورد مطالعه ٩٠ درصد تغييرات قيمت آپارتمان با استفاده از سه پارامتر مذکور قابل توضيح است .
نتيجۀرگرسيون سنتي براي تخمين قيمت (تومان )هرمترمربع آپارتمان (رجوع شود به تصویر صفحه) ضريب آدرس که نشان دهندٔە تأثير مرغوبيت منطقه در قيمت کل است ، براي اين مدل نيز قابل اجراست .