تحلیل فضایی ارزش مبادله‌ای مسکن ‌شهری (مورد مطالعه: منطقۀ ۱۰ تهران)

مقدمه

بخش مسکن طی سال‌های اخیر در ایران به‌عنوان یک کشور در‌حال توسعه نوسان‌های زیادی داشته و به‌دنبال آن تأثیرات منفی گسترده‌ای را بر خانوارها و عملکرد سایر بخش‌های اقتصادی و حتی نظام بانکی بر‌جا گذاشته است؛ از این رو با‌توجه به اهمیت بخش مسکن در کشور، تأثیر سیاست پولی بر عملکرد بازار مسکن مهم‌ترین نگرانی سیاست‌گذاران است که این خود نیاز به سیاست‌گذاری و واکنش مناسب مقامات پولی و مالی دارد (قلی‌زاده و همکاران، 1402؛ عطارچی و همکاران، 1399). زیرا مسکن و بازار آن از‌جمله موضوع‌هایی است که در‌طول چهل سال گذشته حجم زیادی از مطالعات شهری به‌ویژه اقتصاد شهری را به خود اختصاص داده است؛ از این ‌رو روزن[1]، فالیس[2]، ماگبلیوگبی[3] و لینمن[4]، در مطالعات خود جمع‌بندی جامعی از پیشینه موجود در این زمینه ارائه داده‌اند. آنها ابعاد مختلف مسکن، سهم مخارج مسکن در بودجۀ خانوار، هزینه‌های ملی، سرمایه‌گذاری ثابت ناخالص ملی، عوامل مؤثر بر انتخاب نوع تصرف (سلیقه، هزینه و درآمد) را در تحلیل بازار مسکن بررسی کرده‌اند (اکبری و همکاران، ۱۳۸۳). درکشورهای پیشرفته، سهم هزینۀ مسکن در سبد هزینۀ خانوار کمتر از ۱۵ درصد و در کشور ما ۵۳ درصد است که این رقم برای دهک‌های با درآمد پایین به بیش از ۷۰ درصد و گاه به ۱۰۰ درصد نیز رسیده است (شاکری و همکاران، ۱۳۸۹). همچنین، باید تأکید کرد عرضه و تقاضا در بازار مسکن به‌طور غیرمستقیم بر قیمت مسکن تأثیر می‌گذارند (Cellmeret al., 2020; Isazade et al., 2023a). منطقۀ ۱۰ شهرداری تهران در دو دهۀ اخیر رشد کالبدی و فیزیکی شتابانی داشته و شاهد افزایش سرمایه‌گذاری در عرصۀ ساخت‌و‌سازها بوده است (دفتر برنامه‌ریزی و اقتصاد مسکن، ۱۳۹۲، ص. 34). اقدام‌های مدیریت شهری نیز به‌صورت فزآینده‌ای به چنین وضعیتی دامن زده که تحولات فضایی نامتعادل درسطح منطقه از‌جمله پیامدهای این وضعیت است. از‌جمله نقاط ضعف بخش مسکن در‌سطح منطقۀ ۱۰ شهرداری تهران می‌توان به شکاف بین عرضه و تقاضای مسکن به‌خصوص در بین گروه‌های کم‌درآمد، زیاد‌بودن حجم خانوار نیازمند، کم‌‌بودن سهم واحدهای مسکونی بادوام، حجم فراوان ساخت‌و‌سازهای غیر‌حرفه‌ای، سود‌آوری بیشتر خرید و فروش زمین در‌مقایسه با ساخت‌و‌ساز مسکن و گسترش فعالیت‌های سوداگری، رشد فراوان قیمت زمین در‌مقایسه با ساختمان و شدت گسترش آن در سال‌های اخیر اشاره کرد (دفتر برنامه‌ریزی و اقتصاد مسکن، ۱۳۹۲، ص. 45؛ عیسی‌زاده و همکاران، 1400، ص. 39). در پژوهش حاضر ارزش مبادله‌ای مسکن شهری برای منطقۀ ۱۰ شهرداری تهران تحلیل شده است. منطقۀ ۱۰ شهرداری تهران با ساختار فعلی در پانزده تیرماه ۱۳۶۴ تأسیس شد. این منطقه با ۸۱۸ هکتار مساحت، سه ناحیه و ده سرای محله دارد. جمعیت این منطقه طبق سرشماری سال ۱۳۹۵ معادل ۳۲۷۱۱۵ نفر و با تراکم ناخالص جمعیتی حدود ۴۲۰ نفر در هکتار بوده که از این حیث از پرتراکم‌ترین منطقه‌های شهر تهران در بین منطقه‌های بیست‌ودوگانه است. جمعیت منطقۀ ۱۰ تهران چهار برابر حد استاندارد و دو برابر میانگین تراکم در شهر تهران است (منطقۀ 10 شهرداری تهران، 1395). این میزان رشد در منطقۀ ۱۰ شهرداری تهران نقش تعیین‌کننده‌ای دارد؛ زیرا از یکسو بر سطح تقاضای مسکن و زمین شهری افزوده و از سوی دیگر، باعث افزایش قیمت و مبادلۀ مسکن در‌سطح این منطقه شده است. به‌دلیل این عوامل میانگین قیمت خرید و فروش یک متر مربع مسکن طی سال‌های ۱۳۹6 تا 1400 در منطقۀ ۱۰ شهرداری تهران 253016600 هزار ریال بوده که روند افزایشی داشته است. همچنین، مسئلۀ مسکن، تغییرات قیمت، ارزش مبادله‌ای مسکن و تحلیل فضایی مسکن در‌سطح ۳ ناحیۀ این منطقه نیازمند بررسی است. سه ناحیۀ منطقۀ ۱۰ شهرداری تهران به لحاظ ارزش مبادله‌ای مسکن موقعیت مناسبی ندارد؛ بنابراین محققان در پژوهش حاضر ارزش مبادله‌ای مسکن شهری را به صورت یک دورۀ یکساله (1401) تحلیل فضایی کرده‌اند؛ چون با بررسی تحلیل فضایی قیمت و ارزش مبادله‌ای مسکن می‌توان به تفاوت بین نواحی و محله‌ها به لحاظ درآمد، فرهنگ، زیر‌ساخت‌های شهری، مطبوعیت اجتماعی و محیطی پی‌برد؛ از این رو نتیجۀ این مطالعه می‌تواند برای برنامه‌ریزان، مدیران شهری و سرمایه‌گذارانی که در‌زمینۀ مسکن سرمایه‌گذاری می‌کنند، مفید باشد.

مبانی نظری پژوهش

در راستای موضوع پژوهش برخی مفاهیم شامل تحلیل فضایی، ارزش مبادله‌ای زمین و مسکن، پیش‌بینی در برنامه‌ریزی مسکن و دیدگاه‌های مرتبط با آنها تشریخ شده است.

تحلیل فضایی

کلمۀ تحلیل (Analysis) در زبان فارسی به‌طور معمول، همراه با کلمۀ تجزیه برای تجزیۀ یک ماده یا مفهوم به ساده‌ترین عناصر تشکیل‌دهندۀ آن برای درک آسان آن به کار می‌رود. موارد کاربرد این کلمه در علم شیمی بسیار رایج‌تر و فهم‌پذیر‌تر است. در جغرافیا به‌طور تقریبی، چنین معنایی مراد است که ما پراکندگی‌ها را به ساده‌ترین عناصر تشکیل‌دهندۀ آنها، یعنی قوانین و نظام فضایی تجزیه می‌کنیم (Isazade et al., 2022b; John et al., 2011). بر این اساس، مفهوم تحلیل به‌معنای فرآیند توصیف و استدلال پراکندگی‌هاست که در علم جغرافیا علاوه بر تحلیل، فضا به روش های گوناگون از موضوعات کلیدی است. فضا به‌احتمال، پر‌استنادترین واژه‌ای است که به جغرافیا هویت و کانونی وحدت‌بخش داده است. Strabo نخستین بار فضا را تعریف کرد که از آن به‌عنوان اکومن یاد کرده است؛ یعنی فضایی که انسان در آن زندگی می‌کند؛ اما گاتمن آن را محدودتر کرده است و آن را فضایی می‌داند که دستیابی به آن برای انسان میسر باشد (حسین‌زاده دلیر، 1390).

از این ‌رو، منشأ تحلیل فضایی پیشینه‌ای طولانی دارد و به زمان بطلمیوس (168 تا 90 پیش از میلاد)، جغرافیدان مصری، بر‌می‌گردد که می‌گفت برای درک پدیده‌های‌ زمین باید آنها را تجزیه کرد؛ زیرا با تجزیۀ الگوها به روابط و عناصر ساده و اولیه می‌توان ساختار و عوامل آنها را به‌دقت فهمید (Curry, 2005)

ارزش مصرفی و ارزش مبادلۀ زمین و مسکن

هاروی استدلال می‌کند که زمین و مسکن در اقتصاد سرمایه‌داری کالا هستند؛ ولی کالاهای معمولی نیستند. به همین دلیل، هاروی در کاربست مفاهیم ارزش مصرفی و ارزش مبادله‌ای به شش نکته اشاره کرده است و به همین اعتبار زمین و مسکن را از کالاهای دیگر متمایز می‌کند (Harvey, 2009; Isazade et al., 2022b).

• زمین و مسکن منقول نیستند. همین امر آنها را از کالاهای دیگر همچون گندم، اتومبیل و غیره متمایز می‌‌کند. در اینجا هاروی به خاصیت ثباتی فضا اشاره می‌کند. به این ترتیب که در آنِ واحد یک مسکن در دو مکان نخواهد بود.
• زمین و مسکن کالاهایی هستند که هیچ‌کس بدون آنها قادر به زندگی نیست. اشارۀ هاروی در اینجا بیشتر بر زمین است. به این ترتیب، وی مسکن را عاملی مهم در بقا و زندگی انسان در‌برابر هر نوعی از تهدیدات معرفی می‌کند.
• زمین و مسکن به نسبت کم مبادله شده است بنابراین به‌ندرت دست‌به‌دست می‌شود. در اینجا هاروی دو نوع مسکن را تحلیل می‌کند. مسکن‌هایی که بیشتر ارزش مصرفی دارند و بدین منظور است که تولید می‌شوند. دوم مسکن‌ها و زمین‌هایی که تنها همسو با ارزش مبادله‌ای هستند. در‌واقع، اشاره‌های هاروی بیشتر به ثابت‌نبودن و در تعارض بودن این مقوله در مواجه با کالاهای دیگر است که تنها خاصیت مبادله‌ای دارند.
• زمین فناناپذیر است و عمر مسکن به‌طور معمول، دراز‌مدت است. این مبحث اشاره به فناپذیری و عمر طولانی زمین و ساختمان در نسبت با دیگر کالاها دارد.
• دربارۀ این دو کالا مشاهده می‌شود هر‌چند که مبادله در بازار در یک لحظۀ خاص انجام می‌شود، مصرف آن به‌تدریج و در‌طول زمان انجام می‌گیرد.

زمین و مسکن مصرف‌های گوناگونی دارند که هیچ یک نسبت به دیگری مانعه‌الجمع نیست؛ برای مثال، ممکن است از یک خانۀ مسکونی به منظورهای گوناگونی استفاده شود؛ البته هاروی در اینجا به برخی مسائل که در ارزش مصرفی و مبادلاتی زمین و ساختمان نسبت به دیگر کالاها تفاوت دارد، اشاره‌ای نمی‌کند. عواملی همچون کمیاب‌بودن زمین و مسکن به نسبت سایر کالاها به‌شدت متأثر از عوامل جغرافیایی همچون ناهمواری، دریا، کوه و ... است که این امر ارزش مبادلاتی زمین را تحت‌تأثیر خود قرار می‌دهد. همچنین، هاروی به تفاوت جغرافیایی اشاره ندارد، زمین و مسکن متأثر از عواملی همچون قشربندی اجتماعی، وضعیت آب‌و‌هوایی بکر، شرایط دسترسی و ... است که ممکن است قیمت زیادی پیدا کنند. این همان ارزش مبادله‌ای زمین در تعارض با کالاهای دیگر است (Isazade et al., 2023a; Harvey, 2009).

پیش‌بینی در برنامه‌ریزی مسکن

بخش مسکن را می‌توان یکی از مهم‌ترین بخش‌های توسعه در یک جامعه دانست. این بخش با ابعاد وسیع اقتصادی، اجتماعی، فرهنگی، زیست‌محیطی و کالبدی اثر‌های گسترده‌ای را در ارائۀ ویژگی‌های جامعه به مفهوم عام دارد. برنامه‌ریزی مسکن از یکسو اهمیت اقتصادی و اجتماعی دارد و از سوی دیگر، به‌دلیل اشتغال‌زایی این بخش و ارتباط آن با بسیاری از بخش‌های دیگر اقتصادی به‌عنوان ابزار مناسب برای تحقق سیاست‌های اقتصادی است. برنامه‌ریزی مسکن امروزه جایگاه خود را در نظام برنامه‌ریزی یافته است و نقش تعیین‌کنندۀ آن در اشتغال، سهم سرمایه‌گذاری از تولید ناخالص ملی، جایگاه آن در هدف‌های اجتماعی و عمرانی به‌خوبی روشن است(عیسی‌زاده و همکاران، 1401). یکی از مهم‌ترین بازارهای شهری که متأثر از تغییرات جمعیتی است، بازار مسکن است. رشد روز‌افزون جمعیت شهری با تأکید بر کلانشهرها از‌طرفی، سبب شده تا نیاز به مسکن در سال‌های گذشته افزایش یابد و از طرف دیگر، به‌علت اینکه عوامل و متغیرهای زیادی در بخش مسکن دخیل است، با همۀ اقدام‌های مثبت و مؤثر برنامه‌ها و قوانین هنوز شاخص‌های مسکن با کشورهای پیشرفته فاصله دارد (صارمی و ابراهیم‌پور، ۱۳۹۱).

نظریه‌های پژوهش

تئوری عرضه و تقاضا

تئوری عرضه بیانگر حداقل قیمتی است که بنگاه یا واحد اقتصادی حاضر به ارائۀ مقدار مشخصی از کالای خود به بازار است. به‌عبارتی، قیمت کم، پاداشی است که باعث تولید بیشتر کالا می‌شود؛ از این رو افزایش این پاداش باعث می‌شود که تولیدکننده و درنهایت، عرضه‌کننده تمایل بیشتری به کار و فعالیت از خود نشان ‌دهند.

در تئوری عرضه S تابع عرضه، P قیمت و Q مقدار کالاست. به‌طور خاص، می‌توان فرض کرد که تابع عرضۀ زمین نیز چنین وضعیتی را داشته باشد. با این فرض، هرگونه افزایش قیمت بازار، موجب افزایش عرضه و کاهش آن، موجب کاهش عرضۀ زمین خواهد شد. این امر در شرایط ثبات سایر عوامل محقق خواهد شد. در‌صورت تغییر سایر عوامل مؤثر در عرضۀ زمین مانند یارانه (کمک مالی دولت برای پایین‌آوردن قیمت مایحتاج ضروری مردم)، مالیات، میزان بهرۀ سرمایه و ... تابع به سمت راست یا چپ انتقال می‌یابد. اقتصاددانان معتقد هستند که این فرآیند دربارۀ کالاهای مختلف صادق است؛ اما زمین در این بین به ‌لحاظ ماهیتش مستثناست، زیرا  قیمت آن، ناشی از کمیابی آن است. همچنین، تئوری تقاضا بیانگر قیمتی است که مصرف‌کننده یا متقاضی برای مقدار مشخصی کالا حاضر است، بپردازد. به عبارت دیگر، قیمت در تئوری رفتار مصرف‌کننده نشان‌دهندۀ تمایل مصرف‌کننده به پرداخت است بنابراین انتظار می‌رود با کاهش قیمت، تقاضا برای کالا افزایش یابد؛ البته همانند بحث عرضه، تابع تقاضا نیز تحت‌تأثیر عوامل مختلفی است؛ تغییرات قیمت موجب حرکت بر‌روی منحنی تقاضا خواهد شد؛ در‌حالی‌ که تغییر در سایر عوامل، موجبات انتقال منحنی تقاضا را فراهم می‌آورد. به‌عبارتی، کاهش درآمد مصرف‌کننده موجب کاهش تقاضای کالا می‌شود. در بحث تقاضا نیز همانند مکانیسم عملکردی عرضه دربارۀ زمین تفاوت جدّی با سایر کالاها مشاهده می‌شود؛ از این‌ رو اگر قیمت زمین کاهش یابد، انتظار می‌رود مصرف‌کننده تقاضای بیشتری داشته باشد؛ ولی این خود نیاز به زمین را برای مسکن و تأسیسات عمومی در شهرها منتفی نمی‌‌کند (Gimeno & Martínez-Carrascal, 2010; Isazade et al., 2023b).

تئوری ارزش مبادله‌ای John Stuart Mill (Balassa, 1959)

ارزش اقتصادی از مفاهیم مهمی است که تأثیر بنیادی بر تحلیل‌ها و تئوری‌های اقتصادی می‌گذارد. همۀ متفکران اقتصادی معتقد هستند که کالاها و خدمات ارزش دارند؛ اما نظریه‌های متفاوتی در تبیین ماهیت، علت و معیار ارزش ارائه شده است. آشکار است که ماهیت یک شیء متفاوت از واحد اندازه‌گیری آن است. پس میان ارزش یک شیء و قیمت آن تفاوت وجود دارد و نباید آنها را یکسان دانست؛ زیرا قیمت یک کالا در بازار نمایانگر ارزش آن است؛ ولی به مفهوم ارزش نیست (زاهدی و باقری، ۱۳۹۳).

John Stuart Mill نظریۀ ارزش مبادله‌ی خود را با تقسیم کالا به سه طبقۀ مشخص بررسی کرده است.

1- کالاهایی که عرضۀ آنها ثابت است.

در این حالت مانند تئور‌ی Ricardo  عرضۀ این کالاها به‌طور عمودی، ترسیم می‌شود. عرضه و تقاضا در تعیین قیمت کالا شریک هستند؛ ولی در تغییر قیمت نقش تقاضا از عرضه مهم‌تر است.

2- کالاهایی که عرضۀ آنها با هزینۀ ثابت به میزان نامحدود قابل تولید است.

این نوع کالاها مربوط به تولید‌های صنعتی می‌شود. John Stuart Mill قانون بازدۀ نزولی را در تولید این کالاها صادق نمی‌داند و معتقد است که بازدهی نزولی فقط به تولید‌ها مربوط می‌شود. با این فرض از نظر John Stuart Mill زمانی که بازدۀ تولیدی در صنعت ثابت باشد، هزینه هم ثابت می‌ماند. در تعیین قیمت، نقش تقاضا و عرضه مهم است؛ ولی در تغییر قیمت، نقش عرضه از تقاضا مهم‌تر است.

3- کالاهایی که مقدار تولید آنها با هزینۀ بیشتر قابل افزایش است.

این کالاها مربوط به تولید‌های مسکن است. در این نمونه  John Stuart Millقانون بازدۀ نزولی را صادق می‌داند. به همین دلیل، عرضۀ این کالاها را نسبت به قیمت با شیب مثبت ترسیم می‌کند. به عبارت دیگر، اگر تقاضا افزایش یابد، تولید در کوتاه‌مدت با افزایش هزینه‌های متغیر (ثابت‌ماندن هزینه‌های ثابت) قابل افزایش است. این قضیه نشان‌دهندۀ «قانون صعودی‌بودن هزینه‌های نسبی» است که قرینۀ «قانون بازدۀ نزولی» است (زاهدی و باقری، ۱۳۹۳).

تئوری عدالت فضایی

هاروی این تئوری را در سال 1987 براساس تجربۀ دهۀ 1980 شهرهای آمریکایی در ساخت‌و‌سازهای وسیع ارائه کرد. در دهۀ 1980 ایالات متحدۀ آمریکا ساختمان‌سازی بسیار گسترده‌ای داشت که این توسعه همسنگ با دوران پس از جنگ نبود. ارزش سرمایه‌گذاری در امر ساخت‌و‌ساز شهری در این دوره به‌طور چشمگیری افزایش یافت؛ به‌گونه‌ای که سرمایه‌گذاری بین سال‌های 1989-1980، ۲۲ درصد بیش از دهۀ 70 و به‌طور تقریبی، ۵۶ درصد بیش از دهۀ ۶۰ بود که از‌طرفی، باعث توسعه و رشد سریع شهرها و از طرف دیگر، سبب تحولات و تغییرات مهمی در شکل فضایی آنها نیز شد (هاروی، 1380). عدالت به‌معنای توزیع متناسب عملکردها و خدمات، دسترسی مناسب به مراکز خدمات‌دهی و فعالیتی بدون تبعیض و تفاوت‌گذاری بین ساکنان یک شهر و منطقۀ شهری است. مفهوم عدالت را می‌توان از‌منظرهای مختلف بررسی کرد. مفاهیمی چون عدالت اجتماعی، عدالت فضایی، عدالت جغرافیایی و عدالت محیطی متأثر از چند‌بُعدی‌بودن این مفهوم است؛ اما آنچه حائز اهمیت است، این است که اساس هرگونه تغییر در سازمان فضایی بر روابط اقتصادی، اجتماعی و توزیع درآمد در جامعه اثر مستقیم می‌گذارد (مرصوصی، 1383، ص. 91؛ قنبری و همکاران، 1401، ص. 254). منابع طبیعی و منابع انسان‌ساخت به‌طور معمول، از‌لحاظ توزیع، مکان‌یابی خاصی دارند؛ از این ‌رو یکی از اصول مسلمی که در تئوری مکان‌یابی و کنش‌های متقابل فضایی پذیرفته شده این است که قیمت محلی هر منبع تابعی از مجاورت و دسترسی مصرف‌کننده به آن است. اگر دسترسی و یا مجاورت تغییر کند، قیمت محلی منابع نیز تغییر می‌کند؛ در‌نتیجه تغییری در درآمد واقعی افراد صورت خواهد گرفت؛ بنابراین بهره‌گیری از منابع که تعریف درآمد واقعی بود، تابعی از دسترسی و مجاورت است. تغییر شکل فضایی شهر و فرآیند دائمی تخریب، نوسازی و ایجاد منبع جدید مشروط به توزیع درآمد است که می‌توانند به‌عنوان درآمد واقعی باشند (هاروی، 1380). میزان برآورد این اصل با معیارهای زیر مشخص می‌شود:

• انصاف در تقسیم منابع شهری؛
• تأمین امکانات (فرصت) برای همۀ اجتماعات شهری؛
• تأمین دسترسی کافی به خدمات و تسهیلات آموزشی، بهداشتی، تفریحی و فرهنگی برای همۀ ساکنان شهر؛
• تأمین اشتغال و مسکن به‌طور منصفانه برای افراد و ساکنان بخش‌های گوناگون شهر (ملکی، 1380).

هدف از عدالت فضایی توزیع عادلانۀ نیازهای اساسی، امکانات، تسهیلات و خدمات شهری در میان محله‌ها و منطقه‌های مختلف شهر است؛ به‌طوری که محله یا منطقه‌ای نسبت به منطقه یا محلۀ دیگر از‌نظر برخورداری برتری فضایی نداشته باشد و اصل دسترسی برابر رعایت شده باشد. Isazade et al., 2021; Harvey, 2000. در‌عمل، تفاوت‌های ناشی از زیرساخت‌های طبیعی، نوع تصمیم‌گیری و الگوی برنامه‌ریزی فضایی نباید برای عواملی که غیر جاندار هستند به کار رود. به‌علاوه، نابرابری سیمای فیزیک محله‌های شهر از‌نظر ساخت، بافت، شبکۀ معابر، مسکن‌ها و تسهیلات آن به دسترسی به خدمات گوناگون بر ناهمگونی فضای محله‌های شهری می‌افزاید (هاروی، 1376). هاروی عدالت اجتماعی و فضایی در شهرها را تخصیص عادلانۀ منابع و امکانات شهری می‌داند و معتقد است که عدالت اجتماعی و فضایی در شهر‌ها باید به‌گونه‌ای هدایت شود که افراد با حداقل شکاف و اعتراض نسبت به حقوق خود مواجه شوند تا نیازهای جمعیتی آنها در ابعاد مختلف برآورده شود (هاروی، 1380).

تئوری منتخب و چارچوب مفهومی

تئوری منتخب (عدالت فضایی)

در میان چارچوب‌های نظری، تئوری عدالت فضایی هاروی برای تحلیل شرایط جهان سوم و از‌جمله ایران کارآیی بیشتری دارد؛ زیرا سازمان‌دهی فضا یکی از ابعاد تعیین‌کنندۀ جوامع انسانی، بازتاب وقایع اجتماعی و محل تجلی ارتباطات اجتماعی است. تئوری عدالت فضایی ارتباط‌دهندۀ عدالت اجتماعی و فضاست؛ از این ‌رو تحلیل برهم‌کنش بین فضا و اجتماع در فهم بی‌عدالتی‌های اجتماعی و نحوۀ تنظیم سیاست‌هایی برای کاهش یا حل آنها ضروری است. دو محور برجسته در عدالت فضایی که بر آنها تأکید می‌شود، چگونگی وضعیت زندگی (محیط اجتماعی و محیط فیزیکی) و توزیع فرصت‌ها (دسترسی به زیر‌ساخت‌های اجتماعی، فیزیکی و مجازی) است. برخی عدالت فضایی را فقط دسترسی برابر به تسهیلات عمومی تعریف کرده‌اند و معیار سنجش عدالت را  میزان فاصله از خدمات تعریف کرده اند. مثل دسترسی به مدرسه، مراکز بهداشتی و یا رخدادهای فرهنگی. برخی دیگر عدالت فضایی را برابری در نحوۀ انتخاب فرصت‌ها مثل نحوۀ انتخاب کار یا انتخاب نهادهای آموزشی دردسترس، برخی دیگر عدالت فضایی را برابری در نحوۀ انتخاب فرصت‌ها مثل نحوۀ انتخاب کار یا انتخاب نهادهای آموزشی دردسترس و برخی پژوهش‌های دیگر نیز عدالت فضایی را توزیع یکسان خدمات براساس نیازها، سلیقه‌ها، اولویت‌های ساکنان و استانداردهای خدمات رسانی تعریف کرده‌اند (Liao et al., 2012).

چارچوب مفهومی پژوهش

مسکن از‌جمله نیازهای اساسی انسان است که درچارچوب حقوق شهروندی تک‌تک افراد جامعه می‌توان آن را تحلیل کرد. اگرچه انسان از بدو خلقت تاکنون همواره به‌دنبال یک سرپناه بوده است، تبدیل مسکن به یک مسئلۀ اجتماعی به تحولات پس از انقلاب صنعتی و شهری‌شدن جوامع (به مفهوم ساکن‌شدن بیش از 50 درصد افراد یک جامعه در شهر) مربوط می‎شود. با قرارگرفتن ایران در مرحلۀ رشد شهرنشینی سریع پس از دهۀ 1340 مسکن به یکی از مسائل حاد جامعه تبدیل شد. با پیروزی انقلاب اسلامی و فشارهای اقتصادی آن رشد فعالیت‌های اقتصادی غیر‌تولیدی (صنعت و کشاورزی)، بازار زمین و مسکن به یکی از عرضه‌های مهم اقتصادی کشور تبدیل شد. به این ترتیب، ارزش مبادلاتی مسکن بر ارزش مصرفی آن پیشی گرفت. مسکن برای دولت و شهرداری‌ها منبعی برای درآمد و رشد فعالیت‌های اقتصادی و برای بخشی از مردم نیز تبدیل به عرصه‌ای برای سرمایه‌گذاری و حفظ بلندمدت دارایی‌ها شد. مسکن در دنیای امروز علاوه‌بر ابعاد مصرفی و اقتصادی واجد ارزش اجتماعی و فرهنگی است؛ زیرا مسکن و توانایی انتخاب آن به عاملی مهم برای انعکاس جایگاه اجتماعی افراد شده است. مسکن به‌دلیل آنکه بیان‌کنندۀ یکی ازکارکردهای اساسی شهرها بوده و مهم‌ترین عنصرکالبدی اغلب شهرهاست، از جنبه‌های گوناگون می‌تواند موضوع علم جغرافیا قرار گیرد. چارچوب مفهومی پژوهش در شکل (1) نشان داده شده است.

شکل1: چارچوب مفهومی پژوهش (منبع: نگارندگان 1401)

Figure 1: Research conceptual framework

پیشینۀ پژوهش

در ایران از زمان مطرح‌شدن مسئلۀ مسکن یک مشکل اساسی (مسئلۀ مسکن) و بحرانی سراسر کشور، به‌ویژه شهرهای بزرگ را در‌برگرفته است. بعد از تغییرات گستردۀ سیاسی، اجتماعی، فرهنگی، فضایی و اقتصادی دهه‌های ۱۳۴۰ به بعد همواره دربارۀ جنبه‌های مختلف مسکن پژوهش‌ها و بررسی‌های زیادی در داخل و خارج از کشور انجام شده است که در راستای این پژوهش می‌توان به برخی از مطالعات زیر اشاره کرد.

ون و ژینیوان پژوهشی با عنوان «مدل‌سازی قیمت مسکن در ایالات متحدۀ آمریکا براساس شاخص‌های اصلی قیمت املاک و اقتصاد» انجام دادند. در این پژوهش روند قیمت مسکن و متغیرهای مرتبط با استفاده از مدل‌های جنگل تصادفی و پیش‌بینی خطی تحلیل شده است. همچنین، با شناسایی موفقیت آمیز متغیر های کلیدی مربوط به قیمت مسکن، پیش بینی قیمت مسکن خارج از پیش بینی نمونه استفاده شد. مدل‌های ارائه‌شده در این مطالعه ابزارهای ارزشمندی برای ارزیابی روند بازار مسکن است که به‌دلیل سهولت و کارایی استفاده از آنها می‌توان آنها را به‌راحتی در‌طول زمان گسترش داد (Yen et al., 2022).

لو و زیو پژوهشی با عنوان «پیش‌بینی فضایی قیمت مسکن در پکن با استفاده از الگوریتم‌های یادگیری ماشین» انجام دادند. هدف از این پژوهش بررسی ویژگی‌های مهم توضیحی و تعیین مکانیزم دقیق پیش‌بینی فضایی قیمت مسکن در پکن با ذکر تکنیک‌های یادگیری ماشین از‌جمله XGBoost، رگرسیون خطی، رگرسیون جنگل تصادفی، مدل ریج و لاسو، کیسه‌بندی و تقویت است. نتایج این پژوهش نشان داد که روش‌های خطی در‌مقایسه با روش سنتی هدونی و روش‌های یادگیری ماشین که زمان‌بر هستند، بهبود چشمگیری را در دقت برآورد دارد (Lu & Ziyue, 2020).

 ژانگ و همکاران پژوهشی با عنوان «تحلیل خودکارآمد فضایی و مدل‌سازی قیمت مسکن در شهر تورنتو» انجام دادند. در این مطالعه یک چارچوب سیستماتیک‎تر برای تجزیۀ قیمت مسکن از قیمت زمین ارائه و با فرم ساخته‌شده ویژگی‌های اقتصادی-اجتماعی محله و شرایط فیزیکی مسکن مشخص شد. در این مطالعه متغیر‌های مرتبط با تحلیل رگرسیون از‌ جمله در نظر گرفتن تأخیرهای فضایی و توسعۀ مدل قیمت مسکن با استفاده از الگوریتم جنگل‌های‌ تصادفی (Random forests) (RF) آزمایش شد. همچنین، در این پژوهش از پایگاه داده جامع سری زمانی داده‌های معاملات مسکن برای شهر تورنتو استفاده شد. نتایج مدل‌سازی نشان داد که عوامل اجتماعی و اقتصادی محله بیشترین نقش را در قیمت مسکن دارند (Zhang et al., 2021).  

رهنما و اسدی (۱۳۹۴) پژوهشی با عنوان «تحلیل توزیع فضایی قیمت مسکن در شهر مشهد» انجام دادند. نتایج نشان داد که متوسط قیمت هر متر مربع از واحدهای آپارتمانی در شهر مشهد ۹۰۰۰۰۰۰ ریال، متوسط قیمت هر متر مربع از منازل ویلایی۹۳۵۰۰۰۰ ریال و متوسط قیمت هر مترمربع از واحدهای مسکونی برابر با ۹۱۷۰۰۰۰ ریال است. تحلیل فضایی قیمت مسکن در شهر مشهد براساس تکنیک موران نشان‌دهندۀ توزیع ناهمگون ارزش مسکن در منطقه‌های مختلف شهر است.

پوراحمد و همکاران (۱۳۹۵) پژوهشی با عنوان «تحلیل شاخص‌های کمّی و کیفی و برنامه‌ریزی مسکن شهر زنجان» انجام دادند. نتایج این پژوهش بیانگر روند روبه‌رو رشد وضعیت شاخص‌های کمّی و کیفی در شهر زنجان به‌ویژه پیشرفت به‌نسبت مناسب شاخص‌های کمّی و کیفی در دهۀ ۱۳۹۰- ۱۳۷۵ است.

طالبلو و همکاران (1396) پژوهشی با عنوان «تحلیل انتشار فضایی تغییرات قیمت مسکن در استان‌های ایران: رویکرد اقتصاد‌سنجی فضایی» انجام دادند. محققان در این پژوهش با تحلیل انتشار فضایی تغییرات قیمت مسکن در استان‌های ایران به این نتیجه رسیدند که اثر‌های فضایی متغیر مخارج خانوار اثر معناداری بر قیمت مسکن داشته و سایر متغیرها از‌جمله قیمت زمین، هزینۀ ساخت و اجاره واحد مسکونی به‌صورت مستقیم و در قالب سریزهای فضایی اثر‌های معناداری بر قیمت مسکن در استان‌های ایران داشته است.

خندان و همکاران (1398) پژوهشی با عنوان «تحلیل عوامل مؤثر بر افزایش اجاره‌بهای زمین شهری در منطقۀ یک کلانشهر تهران» انجام دادند. محققان در این پژوهش در‌یافتند که در بخش مدیریتی، مؤلفۀ تراکم ساختمانی، در بخش اقتصاد، مؤلفۀ قیمت زمین و مسکن و در بخش اجتماعی، مؤلفۀ رشد سریع جمعیت جزء اثرپذیرترین مؤلفه‌ها در افزایش رانت است؛ زیرا باعث ناپایداری در مدیریت و برنامه‌ریزی شهری منطقۀ یک کلانشهر تهران شده است.

عزت‌پناه و همکاران (1401) پژوهشی با عنوان «تحلیل فضایی عوامل اثرگذار بر قیمت مسکن در کلانشهر تهران» انجام دادند. نتایج آنها نشان داد که ضریب خودهمبستگی فضایی شوک نوسانی قیمت وارد بر یک منطقه به دیگر منطقه‌های کلانشهر تهران نیز سرایت کرده است. به عبارت دیگر، در ضریب خودهمبستگی فضایی 521556 واحد کاربری مسکونی در‌سطح محله‌ها و منطقه‌های کلانشهر تهران مشاهده می‌شود که نوسان قیمت و دامنۀ آن به‌شدت تابعی از عامل توپوگرافی و کلیشۀ بالاشهر-پایین‌شهر در نظریۀ عامیانۀ اقتصاد شهری است.

وجه تمایز این مطالعه در این است که پژوهش‌های قبلی در‌سطح کشوری و بین استانی و به‌صورت مقایسه‌ای صورت گرفته است و از همین جهت، دقت کمتری را دارد. محققان در بیشتر موارد فوق تنها به یک بُعد از ابعاد کالبدی، فضایی، اجتماعی و یا عوامل اقتصادی اثرگذار بر ارزش مبادلاتی مسکن تأکید داشته‌اند و به تقسیم‌بندی رویکردهای موجود در‌زمینۀ عوامل مؤثر بر نوسان قیمت مسکن شهری توجهی نکرده‌اند؛ از این ‌رو آنچه پژوهش‌ حاضر را نسبت به دیگر پژوهش‌ها متفاوت و جدید نشان داده این است که محققان در این پژوهش همبستگی بین شاخص‌های ابعاد اقتصادی، اجتماعی-فرهنگی وکالبدی مؤثر بر مبادلۀ‌ مسکن شهری یا قیمت مسکن (آپارتمانی، ویلایی و کلنگی) را با استفاده از روش‌های تحلیل فضایی و آماری تحلیل فضایی کرده‌اند و دوم اینکه برای آگاهی از نوسان‌های بازار مسکن درآینده به مدل‌سازی تغییرات آتی قیمت مسکن تا سال ۱۴۰۴ پرداخته شده است.

محدودۀ پژوهش

منطقۀ 10 شهرداری تهران در بخش جنوب غربی شهر تهران قرار دارد و با منطقه‌های ۱۷، ۱۱، ۹ و ۲ هم‌مرز است. این منطقه با بیش از 38 سال سابقۀ شکل‌گیری از شمال به خیابان آزادی، از شرق به بزرگراه شهید نواب صفوی، از جنوب به خیابان قزوین و از غرب به خیابان شهیدان، هرمزگان و پادگان جی محدود می‌شود که در شکل (2) نشان داده شده است. این منطقه ۳ ناحیۀ خدمات شهری و ۱۰ محلۀ قدیمی را دارد و از منطقه‌های پر‌جمعیت شهر تهران است. قدیمی‌ترین محله‌های منطقه به سال ۱۳۰۴ و جدیدترین آنها به سال ۱۳۵۳ بر‌می‌گردد (شهرداری منطقۀ 10 تهران، 1395). مساحت منطقه معادل ۸۱۷ هکتار است که حدود ۳۴۰ هزار‌ نفر را در خود جای داده است. همچنین، با تراکم ۴۲۰ نفر در هکتار جزء پرتراکم‌ترین منطقه‌های شهر تهران و جمعیت آن چهار برابر حد استاندارد و دو برابر میانگین تراکم در شهر تهران است. این منطقه ۲۷ بوستان با وسعتی بیش از بیست هکتار دارد. این منطقه گلوگاه دسترسی به فرودگاه بین‌المللی امام‌خمینی (ره) در جنوب، ترمینال غرب، فرودگاه مهرآباد در غرب و بازار تهران در شرق است. همچنین، از منطقه‌های قدیمی شهر تهران است که حدود یک قرن پیش شکل گرفته و تراکم زیاد جمعیت از ویژگی‌های بارز این منطقه است.

شکل 2: نقشه موقعیت محدوده پژوهش در استان و شهرستان (منبع: نگارندگان 1401)

Figure 2: location map of the research area in the province and city

روش‌شناسی پژوهش

پژوهش حاضر از‌نظر هدف، کاربردی و ازنظر روش، توصیفی-تحلیلی است که به روش کمّی اجرا شده است. در این پژوهش ابتدا با استفاده از رگرسیون چند‌متغیره ارتباط بین عوامل اثرگذار بر ارزش مبادلاتی مسکن از دو بُعد مصرف‌کننده و تولیدکننده بررسی و سپس عواملی معرفی شده است که قیمت و ارزش مسکن تابع آنهاست. نتایج حاصل از پژوهش حاضر در قالب جدو‌ل‌های توصیفی و اطلاعاتی و نقشه‌های متعدّد محقق‌ساخته ارائه شد. یافته‌های حاصل از این پژوهش نشان داد که چه مؤلفه‌ها و عواملی بیشترین و چه عواملی کمترین تأثیر را بر بازار زمین و مسکن در محله‌های منطقۀ 10 تهران دارند. در این پژوهش با مراجعه به منابع اسنادی برای گردآوری مبانی نظری و فیش‌برداری از منابع، آمارنامه، سرشماری‎ها و اطلاعات رسمی سازمان‌ها و اداره‌های مربوط، شبکه‌ها، پایگاه‌های اطلاع‌رسانی داخلی و خارجی، نقشه و طرح‌های توسعۀ شهری (جامع و تفصیلی) داده و اطلاعات گردآوری شده است. از آن جهت که مهم‌ترین ابزار مطالعه در جغرافیا مشاهدۀ عینی و مستقیم محقق است، روش مشاهده‌ای و آشنایی محقق بر منطقۀ مطالعه‌شده اصلی‌ترین ابزار مطالعه خواهد بود. به همین جهت از پرسشنامۀ محقق‌ساخته استفاده شده است. اصلی‌ترین بخش پرسشنامه‌ای در پژوهش حاضر برداشت قیمت زمین و مسکن سال جاری (1401) از مشاوران املاک بوده است. جامعۀ آماری پژوهش حاضر 240 نقطه از مسکن‌ها (ویلایی و آپارتمانی) در‌سطح محله‌های منطقۀ 10 شهرداری تهران است. روش انجام‌دادن پژوهش تلفیقی از روش‌های کمّی و کیفی است. مبانی نظری پژوهش با‌توجه به موضوع مطالعه‌شده تدوین شده است. همچنین، در این پژوهش از فنون توصیف و تحلیل آماری، پردازش تصاویر، توصیف و تحلیل مبتنی بر پایگاه‌های داده‌های مکانی و سامانه‌های اطلاعات جغرافیایی بهره گرفته است. به‌علاوه، برای آماده‌سازی و پردازش داده‌های لازم از نرم‌افزارهای Excel، Spss و Arc GIS استفاده شده است.

1- مدل نقاط سرد و گرم (Getis‑OrdGi) (Hot and cold spots model)

در این مدل منطقه‌ها با بیشترین میزان بروز به‌عنوان منطقه‌های داغ شناسایی شد (Mondal et al., 2015). تجزیه‌و‌تحلیل نقطۀ داغ می‌تواند در مطالعۀ شواهد الگوهای فضایی قابل شناسایی مفید باشد. این تکنیک که در نرم‌افزار ArcGIS پیاده‌سازی شده است، دسته‌های فضایی معنادار آماری را با ارزش بیشتر (نقاط داغ) و ارزش کمتر (نقاط سرد) مشخص می‌کند. در مدل Getis-Ord Gi اهمیت و شدت خوشه‌بندی بر‌اساس سطح اطمینان و نمره‌های Z ارزیابی می‌شود. همچنین این مدل امتیاز‌های z مثبت و نمره‌های Z بالاتر بسیاری از خوشه های شدید (نقاط داغ) را نشان می‌دهد؛ اگر Z-score منفی شود، نقاط سرد را نشان خواهد داد (Rashmi et al., 2009). درادامه، آمارۀ Getis-Ord-J براساس رابطۀ 1، 2 و 3 محاسبه شده است.

رابطۀ 1                                                     

در این فرمول Xj مقدار مشخصه برای عارضۀ j است. Wij وزن فضایی بین عارضه و i، j، و n تعداد عوارض جمع‌آوری‌شده است.

رابطۀ 2                                                                   

رابطۀ 3                                                      

از آنجایی که Gi خود یک نوع Z-score است، نیازی به محاسبۀ مجدد نیست.

2- خودهمبستگی فضایی (Global Moran’s I) (Spatial autocorrelation)

تجزیه‌و‌تحلیل خودهمبستگی فضایی (Global Moran's I)، همبستگی بین مقدار‌ها و متغیرهای یکسان را در مکان‌های مختلف نشان می‌دهد. خودهمبستگی مکانی قوی زمانی رخ می‌دهد که مقدار‌ها به‌طور تصادفی در فضا توزیع شود و هیچ رابطه‌ای بین آنها وجود نداشته باشد (Du et al., 2020). تجزیه‌و‌تحلیل همبستگی فضایی به‌عنوان خودهمبستگی فضایی (Global Moran's I) با رابطۀ 4 محاسبه می‌شود.

رابطۀ 4                                               

3- رگرسیون چند‌متغیره (مدل خطی عمومی) (Multivariate regression)

مدل خطی عمومی یک مدل خطی آماری است که براساس رابطۀ 5 محاسبه می‌شود.

رابطۀ 5                                                              

در جایی که A یک ماتریس با ردیف‌هایی از اندازه‌گیری‌های چند‌متغیره است، X ماتریسی است که نمی‌تواند ماتریس طراحی باشد. B ماتریسی حاوی واریانس‌هایی است که بیشترتخمین زده می‌شود و U ماتریسی حاوی خطاها و نویز است. اگر خطاها با توزیع نرمال چند‌متغیره مطابقت نداشته باشد، از مدل خطی تعمیم‌یافته برای منطقی‌تر‌کردن فرضیه‌های Y و U استفاده می‌شود.

در پژوهش حاضر اطلاعات مربوط به قیمت مسکن‌ها (آپارتمانی و ویلایی) و عوامل اثرگذار بر‌مبنای چارچوب نظری و مدل مفهومی پژوهش در منطقۀ 10 تهران با مصاحبه از صاحبان املاک و بلوک‌های آماری به دست آمد که در جدول (1)، (2) و (3) در سه بُعد اقتصادی، اجتماعی و کالبدی ارائه شده‌ است.

جدول1: میانگین قیمت مسکن‌های آپارتمانی، ویلایی و کلنگی در‌سطح محله‌های منطقۀ 10 تهران (متغیرهای وابسته)

Table 1: The average price of apartment, villa and shanty houses at the level of neighborhoods in the 10th district of Tehran (Dependent variables)

منبع: نگارندگان، 1401

جدول 2: شاخص‌های بُعد اقتصادی و اجتماعی در‌سطح محله‌های منطقۀ 10 تهران (متغیرهای مستقل)

Table 2: Indicators of economic and social dimensions at the level of neighborhoods in the 10th district of Tehran (independent variables)

منبع: نگارندگان، 1401

جدول3: شاخص‌های بُعد کالبدی در‌سطح محله‌های منطقۀ 10 تهران (متغیرهای مستقل)

Table 3: Indicators after Kalbadi at the level of neighborhoods in the 10th district of Tehran (independent variables)

منبع: نگارندگان، 1401

تجزیه‌و‌تحلیل یافته‌های پژوهش

شاید مهم‌ترین و متمایزترین ویژگی پژوهش حاضر در‌مقایسه با سایر پژوهش‌ها بخش تحلیل فضایی قیمت مسکن در منطقۀ 10 است که با ترکیب نرم‌افزارهای سیستم‌اطلاعات جغرافیایی و مدل‌های کمّی همچون مدل‌های لکۀ‌ گرم و سرد، موران و نسیم، تبدیل نقشه‎های وکتوری به رستری (سلولی) و محاسبه‌های مجدد آنها در واحدهای مطالعاتی (بلوک‌های آماری منطقۀ 10 تهران) انجام گرفته است که در این میان، تحلیل فضایی متغیرهای مستقل (اقتصادی، اجتماعی و کالبدی) نمایان شده است.

همبستگی قیمت مسکن‌های آپارتمانی و ویلایی با متغیرهای بُعد اقتصادی

با‌وجود اینکه بیشترین تراکم از ساختمان‌های آپارتمانی در محله‌های هاشمی، کارون جنوبی، سلسبیل جنوبی و سلسبیل شمالی منطقۀ 10 تهران است، به نظر می‌رسد که ارزش ساختمان‌های چند‌طبقه در محلۀ زنجان جنوبی تأثیری بیشتری از قیمت زمین، درآمد خانوارها و میزان اشتغال گرفته است. می‌توان نزدیکی محله با بیشترین دسترسی به حمل‌و‌نقل عمومی، مراکز تجاری، خدماتی و ... را مهم‌ترین عامل افزایش قیمت زمین در این محله در‌نظر گرفت. با‌توجه به شواهد موجود، محلۀ زنجان جنوبی بیشترین رهن-اجاره‌بهای ساختمان‌های آپارتمانی 5 سال ساخت را دارد که در شکل (3) دیده می‌شود.

شکل3: نقشۀ همبستگی قیمت مسکن‌های آپارتمانی و ویلایی با متغیرهای بُعد اقتصادی در‌سطح منطقۀ 10 تهران (منبع: نگارندگان، 1401)

Figure3: Correlation map of the price of apartment, villa, and housing with the variables of the economic dimension at the level of the 10th district of Tehran

باتوجه به سه الگوی خودهمبستگی فضایی (خوشه‌ای، پراکنده و تصادفی) می‌توان دریافت که ضریب موران با قیمت ساختمان‌های ویلایی الگوی خوشه‌ای را در‌سطح محله‌های سلسبیل ‌شمالی، کارون‌جنوبی و زنجان جنوبی دارد و متغیرهای اقتصادی که پیشتر از این ذکر شد، ارتباط مثبتی با قیمت مسکن‌های آپارتمانی و ویلایی دارند؛ از این ‌رو ضریب موران برای منزل‌های ویلایی برابر 190822/0 درصد است که در جدول (4) ارائه شده است. همچنین، میانگین قیمت منزل‌های ویلایی در‌سطح محله‌های منطقۀ 10 تهران در شکل (4) نشان داده شده است.

جدول 4: برآورد الگوی قیمت مسکن با متغیرهای بُعد اقتصادی در منطقۀ 10 تهران

Table 4: Estimation of the housing price pattern with the variables of the economic dimension in the 10th district of Tehran

منبع: نگارندگان، 1401

شکل4: خودهمبستگی فضایی قیمت مسکن (منبع: نگارندگان، 1401)

Figure 4: Spatial autocorrelation of housing prices

تحلیل ارتباط بین قیمت مسکن و عوامل اقتصادی در منطقۀ 10 تهران

عوامل اقتصادی مؤثر بر قیمت مسکن در سال 1401 در‌سطح بلوک‌های مسکونی منطقۀ 10 تهران شامل قیمت زمین، درآمد خانوار، رهن-اجاره‌بهاست. میزان وابستگی قیمت مسکن به شاخص‌های اقتصادی طی یک رگرسیون چندگانه در نرم‌افزار Excel محاسبه و در جدول (5) مطرح شده است.

جدول 5: ضریب تأثیر و نوع رابطۀ متغیرهای اقتصادی

Table 5: Impact factor and relationship type of economic variables

منبع: نگارندگان، 1401

تأثیرگذاری هر‌یک از شاخص‌های اقتصادی بر‌روی قیمت مسکن در منطقۀ 10 تهران به‌طور جداگانه، طی محاسبه‌های رگرسیون در نرم‌افزار  Excelو سپس در نرم‌افزار Gis Arc صورت گرفته و خروجی آنها به‌صورت زیر تهیه شده است.

شکل5: رگرسیون ارتباط بین متغیرهای اقتصادی و قیمت مسکن (منبع: نگارندگان، 1401)

Figure 5: Regression of the relationship between economic variables and housing prices

رگرسیون‌های حاصل از بررسی همبستگی شاخص‌های اقتصادی به قیمت مسکن در نرم‌افزار Excel برابر 64/0 درصد است. نتایج شاخص‌ها در‌سطح محله‌های منطقۀ 10 تهران نشان داد که ارتباط مثبت و معناداری بین شاخص‌های اقتصادی و نوسان‌ قیمت مسکن در محله‌های منطقۀ 10 شهر تهران وجود دارد. طبق رگرسیون چند‌متغیره ارتباط بین محله‌ها به‌گونه‌ای است که با دور‌شدن از محله‌های پایین‌دست منطقۀ 10 شهر تهران با افزایش قیمت مسکن روبه‌رو خواهیم شد. روابط به وجود آمده بین شاخص‌های اقتصادی و مسکن در شکل (5) نمایش داده شده است.

بررسی همبستگی بین متغیرهای بُعد اجتماعی-فرهنگی بر پراکنش فضایی قیمت مسکن

براساس شکل (6) بیشترین همبستگی بین شاخص‌های اجتماعی-فرهنگی و قیمت مسکن در نواحی جنوبی محله‌های منطقۀ 10 تهران منطبق بر خیابان‌های امام‌خمینی، هاشمی، کارون، کیمل، ابتدای خیابان نعمت‌الله شاه پروری و انتهای خیابان مالک اشتر است. هرچه از این نواحی به‌سمت مرکزی و جنوبی منطقۀ 10 تهران پیش رویم از تأثیر شاخص‌های اجتماعی-فرهنگی بر قیمت مسکن کاسته می‌شود؛ به‌طوری محله‌های سلسبیل‌جنوبی، بریانک، هفت‌چنار و سلیمانی تیموری (جنوب منطقه) کمترین تأثیر را از این شاخص‌ها می‌گیرند.

شکل6: نقشۀ همبستگی قیمت مسکن‌های آپارتمانی و ویلایی با متغیرهای بُعد اجتماعی در‌سطح منطقۀ 10 تهران (منبع: نگارندگان،1401)

Figure 6: Correlation map of apartment and villa housing prices with social dimension variables in the 10th district of Tehran

باتوجه به مقدار ضریب موران (644667/ 0) به دست آمده از شکل (6) میان قیمت مسکن (ویلایی و آپارتمانی) با شاخص‌های اجتماعی-فرهنگی به‌خصوص تراکم جمعیت در هر‌یک از بلوک‌های آماری منطقۀ 10 تهران رابطۀ مثبت وجود دارد که باعث به‌ وجود آمدن یک خوشۀ طولی در جنوب و شمال محله‌های زنجان جنوبی، هاشمی، کارون شمالی و جنوبی شد. نتایج آن در جدول (6) ارائه شده است.

جدول 6: نتایج بررسی خودهمبستگی فضایی شاخص‌های اجتماعی-فرهنگی و قیمت مسکن

Table 6: Results of spatial autocorrelation of socio - cultural indicators and housing prices

منبع: نگارندگان، 1401

شکل7: خودهمبستگی فضایی شاخص‌های اجتماعی-فرهنگی و قیمت مسکن (منبع: نگارندگان، 1401)

Figure 7: Spatial autocorrelation of socio-cultural indicators and housing prices

میزان وابستگی قیمت مسکن به شاخص‌های اجتماعی-فرهنگی طی یک رگرسیون چندگانه محاسبه و در جدول (7) ارائه شده است. همچنین، رگرسیون و همبستگی مهم‌ترین شاخص‌های اجتماعی-فرهنگی با قیمت مسکن سنجیده شده است.

جدول 7: ضریب تأثیر و نوع ارتباط متغیرهای اجتماعی

Table 7: Impact factor and relationship type of social variables

منبع: نگارندگان، 1401

هر‌یک از مؤلفه‌های مطالعه‌شده بر‌روی قیمت مسکن در منطقۀ 10 تهران به‌طور جداگانه طی محاسبه‌های رگرسیون در نرم‌افزار Excel صورت گرفته و سپس نتیجۀ خروجی آن در نرم‌افزار Arc Gis به‌صورت زیر تهیه شده است؛ از این ‌رو رگرسیون حاصل از بررسی شاخص‌ ویژگی‌های فرهنگی و جمعیتی در نرم‌افزارGis برابر با 72/ 0 است که نتیجۀ آن در شکل (8) نمایش داده شده است.

نتایج شاخص‌های بُعد اجتماعی-فرهنگی در‌سطح محله‌های منطقۀ 10 تهران نشان داد که همۀ شاخص‌های فوق تا حد زیادی برگرفته از جمعیت هستند؛ زیرا جمعیت منطقۀ 10 تهران به لحاظ اندازه و به‌دلیل ترکیب سنی و جابه‌جایی آن در محله‌های مختلف بر تقاضای مسکن تأثیر فراوان داشته است. به عبارت دیگر، افزایش جمعیت به‌صورت کلی تقاضای مسکن را افزایش داده و باعث افزایش قیمت مسکن در‌سطح محله‌های منطقۀ 10 شهر تهران شده است؛ از این رو تراکم جمعیت در‌سطح محله‌های هاشمی، کارون و سلسبیل جنوبی بین ۴۲1 تا ۴45 نفر در هکتار است. همچنین، میزان ازدواج در‌سطح این محله‌ها بین 9۴/۴۳ تا 25/۴۴ درصد است. تعداد زیاد مراکز آموزشی در‌سطح محله‌های مرکزی و شمالی منطقۀ 92 تهران باعث افزایش قیمت مسکن شده است. مهاجر‌پذیر‌بودن محله‌های جنوبی منطقۀ 10 تهران، بُعد خانوار را در این محله‌ها افزایش داده که این خود باعث ایجاد نا امنی در‌سطح این محله‌ها شده است؛ از این رو نا‌امنی موجود در‌سطح این محله‌ها بین 43/6 تا 23/15 درصد است که تأثیرات بسیار زیادی را از‌لحاظ شاخص‌های اجتماعی–فرهنگی بر‌روی قیمت مسکن داشته است. نتیجه در شکل (8) نمایش داده شده است.

شکل8: رگرسیون ارتباط بین شاخص‌های اجتماعی و قیمت مسکن (منبع: نگارندگان،1401)

Figure 8: Regression of the relationship between social indicators and housing prices

تحلیل ارتباط بین قیمت مسکن و عوامل فضایی و کالبدی در منطقۀ 10 تهران

میزان وابستگی قیمت مسکن به شاخص‌های کالبدی طی یک رگرسیون چندگانه در نرم‌افزار Gis محاسبه و در جدول (8) ارائه شده است. برای تحلیل عوامل فضایی و دسترسی‌ها پس از محاسبۀ فاصله‌ها و میزان دسترسی، رگرسیون و همبستگی مهم‌ترین کاربری‌ها با قیمت مسکن سنجیده شده است که نتیجۀ حاصل از آن به شرح ذیل است.

جدول 8: ضریب تأثیر و نوع ارتباط روابط کالبدی

Table 8: Effect coefficient and relationship type of physical relationships

منبع: نگارندگان، 1401

شکل9: همبستگی بین شاخص‌های دسترسی به خدمات و قیمت مسکن (منبع: نگارندگان، 1401)

Figure 9: Correlation between indicators of access to services and housing prices

باتوجه به شکل (9) بیشترین همبستگی به شاخص‌های دسترسی به خدمات و قیمت مسکن در غرب منطقۀ 10 تهران منطبق بر خیابان‌های سبحانی، مالک‌اشتر، جیحون، امام‌خمینی، هاشمی، دامپزشکی و ابتدای خیابان قصرالدشت و انتهای رودکی است. هرچه از این نواحی به سمت مرکز و شرق منطقۀ 10 تهران پیش رویم از تأثیر عامل دسترسی به خدمات و کاربری‌ها بر قیمت مسکن کاسته می‌شود؛ به‌طوری که محله‌های مرکزی و غربی کمترین تأثیر را از این عامل می‌گیرند.

نتایج براساس مدل خودهمبستگی‌ فضایی موران نشان داد که ضریب موران برای همبستگی شاخص‌های دسترسی به کاربری‌ها، خدمات و قیمت مسکن برابر 050658. 0 درصد است. بر این اساس، الگوی پراکنش مکانی شاخص‌های دسترسی به خدمات و قیمت مسکن در‌سطح محله‌های منطقۀ 10 تهران به‌صورت خوشه‌ای و بیشتر در قسمت‌های غرب و شمال منطقۀ 10 (شامل محله‌های کارون شمالی، زنجان جنوبی، هاشمی و شبیری-جی) دیده می‌شود که نتایج آن به‌طورکامل در جدول (9) ارائه شده است.

جدول9: نتایج بررسی خودهمبستگی فضایی شاخص‌های دسترسی به خدمات و قیمت مسکن

Table 9: Results of spatial autocorrelation of indicators of access to services and housing prices

منبع: نگارندگان، 1401

شکل10: خودهمبستگی فضایی شاخص‌های دسترسی به خدمات و قیمت مسکن (منبع: نگارندگان، 1401)

Figure 10: Spatial autocorrelation of indicators of access to services and housing

نتیجۀ حاصل از بررسی رگرسیون همبستگی بین شاخص‌های دسترسی به خدمات و قیمت مسکن برابر با 94/ 0 است که نتیجۀ آن در‌سطح محله‌های منطقۀ 10 تهران در شکل (11) نمایش داده شده است.

شکل11: رگرسیون ارتباط بین شاخص‌های دسترسی به خدمات و قیمت مسکن (منبع: نگارندگان،1401)

Figure 11: Regression of the relationship between indicators of access to services and housing prices

با‌توجه به شکل (11) در قسمت‌های مرکز، غرب، شمال، شمال شرق و شرق منطقۀ ۱۰ تهران نسبت به قسمت‌های مرکز، جنوب و جنوب شرقی لکه‌های داغ بیشتری دیده می‌شود که این خود باعث ایجاد خوشه‌های فضایی داغ شده است؛ از این رو هر‌چه از جنوب منطقۀ ۱۰ تهران به سمت شمال منطقه حرکت می‌کنیم، مبادلۀ مسکن افزایش می‌یابد. در قسمت‌های جنوبی به‌ویژه محله‌های بریانک، هفت‌چنار، سلیمانی-تیموری و سلسبیل ‌جنوبی عامل قدمت سازه با بیشترین تأثیر منفی بر قیمت (63/ 0 درصد) و سپس عامل کیفیت بنا (14/0 درصد) از‌جمله عواملی است که با کم‌شدن کیفیت آنها تأثیرشان بر ارزش مبادلاتی مسکن در‌سطح محله‌های فوق کاسته شده است. این معضل باعث شده که علاوه‌بر لزوم تأمین مسکن برای خانواده‌های جدید ۴۸ درصد از ساختمان‌های موجود به‌دلیل فرسودگی به جایگزینی نیاز پیدا کنند. همچنین، نادیده‌گرفتن ضوابط ساخت‌و‌ساز و کمبود نظارت کامل شهرداری موجب شده است که برخلاف صرف مواد و مصالح و انجام‌دادن هزینه، عمر مفید ساختمان‌ها کوتاه شود و در‌مقابل سوانحی نظیر زلزله، سیل یا آتش‌سوزی نیز مقاومت لازم را نداشته باشند؛ از این رو قیمت مسکن در قسمت‌هایی از شمال و مرکز منطقۀ ۱۰ تهران به‌ویژه محله‌های زنجان جنوبی، کارون شمالی، کارون جنوبی و هاشمی به‌دلیل تغییر کاربری مسکونی به کاربری‌های سودآورتر (کاربری تجاری) همواره با رشد روبه‌رو بوده است و همین موضوع سبب ایجاد انگیزه‌های نوسازی قطعاتی شده است. درنهایت، این مسئله بیشتر منجر به تغییر کاربری یا افزایش تراکم ساختمانی در این محله‌ها شده است.

شکل 12: همبستگی بین شاخص‌های کالبدی و قیمت مسکن (منبع: نگارندگان، 1401)

Figure 12: Correlation between physical indicators and housing prices

براساس الگوی پراکنش مکانی، همبستگی بین شاخص‌های کالبدی و قیمت مسکن در منطقۀ 10 تهران با استفاده از مدل موران محلی به‌صورت پراکنده و بیشتر درسطح محله‌های زنجان جنوبی، کارون شمالی، هاشمی، سلسبیل‌شمالی است. مقدار ضریب موران برابر با 034872. 0 درصد و ضریب اسکور برابر با 764470. 1 درصد است که نتایج آن در جدول (10) ارائه شده است.

جدول 10: نتایج بررسی خودهمبستگی فضایی شاخص‌های کالبدی و قیمت مسکن

Table 10: Results of spatial autocorrelation of physical indicators and housing prices

منبع: نگارندگان، 1401

شکل 13: خودهمبستگی فضایی شاخص‌های کالبدی و قیمت مسکن (منبع: نگارندگان، 1401)

Figure 13: Spatial autocorrelation of physical indicators and housing prices

با بررسی قیمت مسکن و تهیۀ رگرسیون از عوامل کالبدی مؤثر در جدول (8)t  عدد 99. 0 درصد را نشان داد که بیشترین پراکندگی این همبستگی و تأثیر در جنوب منطقۀ 10 تهران ناشی از قرارگیری بافت فرسوده و میانی منطقه و کم‌توجهی مسئولان، شهروندان و فعّالان ساخت‌و‌ساز به این نواحی است.

شکل 14: رگرسیون ارتباط بین شاخص‌های کالبدی و قیمت مسکن (منبع: نگارندگان،1401)

Figure 14: Regression of the relationship between physical indicators and housing prices

خروجی نهایی تمام شاخص‌های مؤثر برارزش مبادلاتی مسکن

با‌توجه به خروجی نهایی، تمام شاخص‌های مؤثر بر ارزش مبادلاتی مسکن در شکل (15) منطبق بر محلات شمالی  منطقه 10 شهر تهران بوده که شامل محله‌های کارون و سلسبیل شمالی می‌شود. با نگاهی گذرا به این محله‌ها می‌توان ارزش را در املاک آن نسبت به سایر محله‌های منطقه دریافت که عوامل تاثیرگذار در این پدیده طبق پژوهش حاضر به‌صورت زیر است. در بین عوامل اقتصادی عامل میزان اشتغال کل و درآمد خانوار بیشترین تأثیر مثبت را در تفاوت قیمت داشته است. پس از آن، عامل تراکم جمعیت از تأثیرگذارترین عوامل اجتماعی در‌سطح محله‌های منطقۀ 10 تهران است. در بین شاخص دسترسی به خدمات شهری، دسترسی و مجاورت به کاربری‌های نظامی و کاربری‌هایی همچون فرودگاه موجب کاهش شدید قیمت شده و در مقابل، عامل دسترسی به کاربری‌های تجاری، درمانی و مراکز آموزشی تأثیر مثبتی بر افزایش قیمت مسکن داشته است. در بین عوامل کالبدی، عامل تعداد طبقات بیشترین تأثیر مثبت و مستقیم را بر مسکن داشته و در مقابل، شاخص قدمت بنا عامل مهمی در نزول قیمت مسکن بوده است.

شکل 15: همبستگی تمام شاخص‌های مؤثر بر ارزش مبادلاتی مسکن در منطقۀ 10 تهران (منبع: نگارندگان، 1401)

Figure 15: Correlation of all indicators affecting the exchange value of housing in the 10th district of Tehran

نتیجه‌گیری

مسکن نیاز اساسی هر جامعه‌ای است که تحول در این بخش، تأثیر فراوانی بر سایر بخش‌های اقتصاد دارد؛ از این ‌رو پیش‌بینی دقیق قیمت مسکن برای صاحبان خانه‌ها، سرمایه‌گذاران و سایر مشارکت‌کنندگان در بخش مسکن حائز اهمیت است؛ بنابراین وجود یک روش برای پیش‌بینی قیمت مسکن می‌تواند موجب بهبودی کارایی بازار مسکن شود.

ارزش مبادلاتی علاوه‌بر آنکه استفاده از مسکن را به‌عنوان یکی از حقوق اساسی هر شهروند مایۀ مبادله، بازتولید و سرمایه‌داری قرار می‌دهد، به‌شدت موجب تفکیک و تمایز اقشار و طبقات اجتماعی مختلف در شهر شده است؛ زیرا ساکنان شهری براساس توان مالی خود قادر به انتخاب مسکن در محله‌های مختلف هر شهر هستند.

ارزش مبادلاتی مسکن در منطقۀ 10 تهران تابع میزان ارزش افزوده است. از آنجا که محله‌های مرفّه منطقۀ 10 (محله‌های شمالی) ارزش افزودۀ بیشتری را در ساخت‌وساز دارند، جاذب سرمایۀ بیشتری نیز هستند؛ اما در محله‌های فقیرنشین (محله‌های جنوبی) به‌دلیل پایین‌بودن ارزش افزوده، رغبت مالکان به بازسازی و نوسازی کمتر بوده است؛ در‌نتیجه محله‌های فقیرنشین در تله‌هایی از فقر و فرسودگی گرفتار شده‌اند؛ از این ‌رو منطقۀ 10 تهران شاهد افزایش سرمایه‌گذاری در عرصۀ ساخت‌و‌سازها بوده است. عواملی همچون رکود تورمی، گسترش فعالیت‌های سوداگری، نگاه سرمایه‌ای غیرمولد، احتکار زمین با دلالان زمین، زد‌و‌بند‏های میان بنگاه‌‏های املاک و سوداگران، توسعه‌نیافتگی شهرهای جدید به‌دلیل مشکلات حمل‌و‌نقل و سرکوب تقاضای مسکن طبقات فرودست با سرمایۀ سوداگر باعث افزایش قیمت و کاهش تقاضای مسکن در‌سطح منطقۀ ۱۰ شهرداری تهران شده‌ است. به این ترتیب، کاهش تقاضا در بازار مسکن منطقۀ 10 تهران مانع افزایش قیمت‏‌ها نشده است، بلکه تداوم این روند به‌معنای کاهش سرمایه‏‌گذاری در مسکن است که خود عاملی در راستای افزایش قیمت‏‌هاست؛ از این ‌رو مسکن منطقۀ 10 تهران ارزش مصرفی خود را از دست داده و به کالایی شبیه دیگر کالاهای تولید سرمایه‌‌داری تبدیل شده است.

تبدیل‌شدن مسکن از یک کالای مصرفی به یک کالای سرمایه‌‏ای مهم‏ترین پیامد روندهای طی‌شده در بازار مسکن منطقۀ 10 تهران بوده است. حاصل این روند بروز معضلات اقتصادی، اجتماعی و سیاسی گوناگون، ظهور پدیدۀ خانه‌‏های خالی (حدود 15 هزار در‌حال حاضر)، افزایش روزافزون هزینۀ مسکن در سبد خانوارهای منطقۀ 10 تهران (در مواردی تا ۷۰ درصد)، افزایش تعداد مستأجران شهری در عرض ۲۰ سال از ۲۱ درصد به 43 درصد بین سال‏های 1380 تا 1400، کاهش کیفیت ساخت مسکن، افزایش نسبت نقدینگی مسکن به کل سرمایه‏‌گذاری در اقتصاد (به‌طور متوسط ۳۰ درصد در سال‏‌های پس از انقلاب و  بین ۵۰ تا ۶۴ درصد در سال‏‌های رونق‌بخش مسکن) و ورود بخش عمده‏‌ای از این نقدینگی به بازار مسکن دست دوم و کاهش رشد سرمایه‌گذاری در صنعت، افزایش شدید شکاف طبقاتی، بروز احساس ناامنی اجتماعی در میان اقشار وسیعی از جامعه، گسترش بدمسکنی و افزایش روزافزون خانه‏‌های اشتراکی، ماشین‌خوابی و پشت بام فروشی، امکان‏‌یابی هرچه بیشتر شورش‏‌های شهری، ظهور سلاطین مسکن است که طبق گزارش‌‏های مسئولان (نمایندگان مجلس، وزیر مسکن و غیره) برخی از آنها از 30 تا 500 مسکن را فقط در منطقۀ 10 تهران در مالکیت خود دارند.

به این ترتیب، کم‌درآمدها از تلۀ طبقاتی که در آن قرار داشتند، به تلۀ فضایی نیز گرفتار می‌شوند. وقتی تلۀ فضایی ایجاد شود، قشر کم برخوردار حتی از پایین‌ترین امکانات شهروندی نیز کم‌بهره می‌شوند و سپس تلۀ فضایی اجازه نمی‌دهد کم‌درآمدها از تلۀ طبقاتی خارج شوند.

باتوجه به روند به‌ کار گرفته شده در این مطالعه و دستاوردهای پژوهش موارد زیر را می‌توان برای بهبود و کاراتر‌بودن مطالعات آتی بیان کرد.

1- قیمت مسکن در منطقۀ 10 تهران متأثر از عوامل محیطی و سطح دسترسی به خدمات شهری است؛ بنابراین لازم است در مطالعات اقتصادی مسکن، تهیۀ طرح‌ها و برنامه‌های مرتبط با آن در کنار متغیرهای کلان اقتصادی به متغیرهای ذکر‌شده نیز توجه شود.

2- توجه به عوامل فضایی و روابط همسایگی در سطح برنامه‌ریزی محلی، باعث تعدیل قیمت مسکن، افزایش کیفیت محیطی آن و به‌تبع آن هدایت جریان‌های نوسازی به درون بافت محله‌های منطقۀ 10 تهران شده است.

3- برای دستیابی به هدف‌های طرح‌های مسکن منطقۀ 10 تهران در‌مقیاس‌های ملی و منطقه‌ای، توجه به ابعاد فضایی-کالبدی همچون دسترسی به خدمات شهری در‌مقیاس محلی ضروری است.

4- ایجاد یک سازمان مشخص برای نظارت بر بازار زمین و مسکن در منطقۀ 10 تهران و جلوگیری از افزایش بی‌رویۀ قیمت آن با افرادی چون دلالان، بورس‌بازان زمین و مسکن و بنگاه‌های معاملاتی که نقش زیادی در نوسان‌های قیمت زمین و مسکن داشته‌اند.

5- کوچک‌تر‌کردن قطعات زمین در منطقۀ 10 تهران می‌تواند قدرت خرید مردم را افزایش دهد و رضایت آنها را برای پرداخت بیشتر کند. در هر دو گروه واحدهای آپارتمانی و ویلایی با زیاد‌شدن مساحت زمین از قیمت مسکن کاسته شده است.

[1] . Rozen

[2] . Fallis

[3] . Magboliogbi

[4] . Linman