چکیده:
فرایند تحلیل دادههای قیمت مسکن و رشد آن که بهنوعی دادههای فضایی هستند، تحت تاثیر وابستگی فضایی قرار دارد. این بدان معنا است که قیمت مسکن و تغییرات آن در یک ناحیه سبب تغییرات قیمت مسکن در نواحی همجوار میشود. اما نکتۀ دیگر در ارتباط با قیمت مسکن در نواحی مختلف شهری، ناهمسانی در وابستگی فضایی است. این موضوع نشان میدهد انحراف در مشاهدات وابستگی فضایی در تغییرات قیمت مسکن بین نواحی مختلف در طول زمان وجود دارد؛ بهطوریکه اثر وابستگی فضایی بین مناطق شهری در زمان افزایش قیمت، با زمان کاهش قیمت مسکن متفاوت است. تحلیل نظری این پدیده از طریق نظریههای اقتصاد رفتاری صورت میگیرد. در این پژوهش به بررسی این پدیده در بازار مسکن نواحی 22گانۀ شهر تهران میپردازیم. بدینمنظور، با استفاده از تخمین مدل فضایی پانل اثر ثابت پویا، اثر متغیرهایی موثر بر نرخ رشد قیمت مسکن نواحی 22گانۀ شهر تهران برآورد شده است. نتایج آزمونها حاکی از وجود روابط غیرخطی در مدل است. با کمک مدل رگرسیون فضایی انتقال ملایم پانلی ()، با یک تابع انتقال و تعیین سرریز نرخ رشد قیمت مسکن نواحی همجوار بهعنوان متغیر انتقال، مشخص شد وابستگی فضایی نرخ رشد قیمت مسکن بین نواحی 22گانۀ شهر تهران در شرایط رونق بیشتر از شرایط رکود است و نوعی ناهمسانی در وابستگی فضایی نرخ رشد قیمت مسکن بین نواحی شهر تهران در طول زمان وجود دارد. طبقهبندی JEL: C33، C31، R31.
The analysis of data on housing prices and their growth rates, typical of spatial data, is undoubtedly affected by spatial dependence. This means that housing prices and their growth in one district are affected by housing prices in neighboring districts. However, the other issue regarding housing prices in different districts is the heterogeneity of spatial dependence. This suggests that there are differences in the spatial dependence of housing prices in urban districts over time so that the spatial effects in urban districts when prices rise are different from the effects when prices fall. The theoretical analysis of this phenomenon is based on the theories of behavioral economics. In this study, the heterogeneity of spatial dependence of housing price growth rates was investigated for 22 districts of Tehran. Using a dynamic fixed effects spatial panel model, the effects of determinants on growth rates were estimated for 22 districts of Tehran. The test results indicate the existence of nonlinear relationships in the model. Therefore, the model was estimated by a smooth transition panel regression model with a transfer function in which the spillover rate of housing price growth rates from neighboring counties was determined as a transfer variable. The results show that the coefficient of spatial dependence for housing price growth rates is higher in boom times than in recession for Tehran districts. Thus, it can be concluded that there is heterogeneity in the spatial dependence of housing price growth rates in the urban districts of Tehran over time.JEL Classification: C31, C33, R31.
خلاصه ماشینی:
Local Moran’s I statistic با استفاده از داده هاي ٦٠٣ واحد مسکوني شهر هانکونگ چين در سال ٢٠١٤ به ارزيابي ناهمگوني فضايي براساس مدل قيمت گذاري سنتي هـدانيک فضـايي و مـدل رگرسـيون وزني جغرافيايي (GWR) پرداختند و استدلال کردند که افزايش نسبي قيمت مسکن در طول فضا ممکن است متفاوت باشد.
از اين رو، وابستگي فضايي بين مناطق شـهري متفـاوت است و اثر تغيير قيمت مسکن از يک ناحيه به نواحي مجاورش متفاوت مي شود.
اگر متغير انتقال qit بزرگ تر از پارامتر وضعيت C باشد، تابع انتقال (g)qit,γ,C به سمت ١ تمايل دارد و ضرايب به θ٠+θ١ گرايش پيدا مي کنند؛ بنابراين ايدة اصلي ناهمساني در وابستگي فضايي اين است که ضرايب مدل در زمان کاهش قيمت هاي مسکن به θ٠ متمايل مي شوند که نشان از کاهش اثر انتشار فضايي مسکن بين نواحي شهري است .
ميانگين سالانۀ نرخ رشد قيمت مسکن در نواحي ٢٢گانۀ شهر تهران در سال ١٣٩٦ منبع : يافته هاي پژوهش مطابق نقشۀ ١، نرخ رشد ميانگين سـالانۀ قيمـت مسـکن در نـواحي ٢٢گانـه داراي ناهمساني فضايي است .
نخست اينکه تغيير ضريب وقفۀ فضايي نـرخ رشـد قيمـت مسـکن نشـان مي دهد وابستگي فضايي نرخ رشد قيمت مسکن در نـواحي ٢٢گانـه در زمـان رکـود، بـا شرايط زمان رونق بازار متفاوت است .
همچنين اثر متغير وقفۀ فضايي نرخ رشد قيمـت مسـکن ، وابسـتگي فضـايي قيمت مسکن بين نواحي ٢٢گانۀ شهر تهران را نشان مي دهد.