مطالب مرتبط با کلیدواژه

رگرسیون وزندار جغرافیایی چندمقیاسه


۱.

ارزیابی و تحلیل قیمت واحدهای مسکونی منطقه 5 شهرداری تهران با در نظر گرفتن نوسانات بازار ارز(مقاله علمی وزارت علوم)

کلیدواژه‌ها: تهران رگرسیون وزن دار جغرافیایی رگرسیون وزندار جغرافیایی چندمقیاسه قیمت مسکن منطقه 5

حوزه های تخصصی:
تعداد بازدید : 0 تعداد دانلود : 0
قیمت مسکن یکی از شاخص هایی است که شناخت عوامل مؤثر بر آن برای افزایش کارایی طرح ها و ارائه راهبردها و سیاست های برنامه ریزی مسکن کمک شایانی می کند. با وجود نوسان های فراوان نرخ ارز در سال های اخیر لزوم استفاده از مدلی که در آن علاوه بر ویژگی های مسکن به عوامل اقتصادی تأثیرگذار بر قیمت مسکن از جمله نرخ ارز توجه شود بیش از پیش احساس می شود. از آنجا که مدل سازی قیمت مسکن از جمله مسائلی است که دارای مؤلفه مکانی است باید در ارائه مدل مربوط به قیمت مسکن به مکان قرارگیری آن نیز توجه شود. از این رو در این پژوهش تحلیل پراکنش فضایی قیمت مسکن در منطقه 5 شهرداری تهران و عوامل مؤثر بر آن بررسی شده است. در این زمینه از داده های خرید و فروش مسکن در این منطقه در بازه سال های 1397 و 1398 و 1399 برای مدل سازی قیمت مسکن استفاده شده است. نتایج تحقیقات با استفاده از روش رگرسیون وزن دار جغرافیایی چندمقیاسه (MGWR: Multiscale Geographically Weighted Regression) به دست آمده است که در قیاس با روش های رگرسیون وزن دار جغرافیایی (GWR: Geographically Weighted Regression) و حداقل مربعات معمولی (OLS: Ordinary Least Squares) نتایج بهتری را ارائه کرد. میزان ضریب تعیین تعدیل شده در الگوریتم های 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 ناهمگونی های فضایی موجود در داده های قیمت مسکن را مدل سازی کند. بر اساس نتایج به دست آمده متغیر نرخ ارز (قیمت دلار) بیشترین تأثیر را در مدل سازی قیمت مسکن دارد.