واکاوی مؤلفه‌های فضایی تأثیرگذار بر قیمت مسکن در محلة تهرانپارس تهران

مقدمه

مسکن مقولة اجتماعی مهمی است که کیفیت زندگی و رفاه مردم و مکان‌ها را تعریف می‌کند. اینکه خانه‌ها در کجا واقع شده‌اند، با چه کیفیتی ساخته و طراحی شده‌اند و چگونه با محیط سازگار شده‌اند و همچنین بافت‌ اجتماعی، فرهنگی و اقتصادی جوامع، همه ویژگی‌هایی هستند که به نوعی بر زندگی روزمرة مردم، امنیت، سلامت و رفاه آنها تأثیر دارند و انتخاب‌های افراد و در نتیجه میزان تقاضا برای مسکن را در جای‌جای یک شهر رقم می‌زنند. (Golubchikov & Badyina, 2012).

مسکن کالایی پیچیده است که از مؤلفه‌هایی مختلف تشکیل شده است، مانند سازه‌ها که تمام ویژگی‌های فیزیکی یک مسکن را در بر می‌گیرند، دسترسی و امکانات که مجموعه‌ای از خدمات مرتبط با مسکن را تشکیل می‌دهند و خصیصه‌های یک محله که شامل محیط و جامعه‌ای هستند که مسکن در آن استقرار دارد (Edward, 1997). مسکن فراتر از مسکن فیزیکی است و تمام آنچه درون و اطراف مسکن است را در بر می‌گیرد. مسکن‌سازی خلق محیطی ویژه است که مردم در آن زندگی و رشد می‌کنند. از این رو، تعیین ارزش یک خانۀ مسکونی بسیار پیچیده و پویاست و به همین دلیل، به تجزیه‌وتحلیل اجزای مختلف نیاز دارد. موقعیت مکانی، ویژگی‌های مسکن و ویژگی‌های محله، اجزایی مهم هستند که برای تعیین ارزش بازاری یک خانۀ معین، به بررسی و تجزیه‌وتحلیل نیاز دارند. ناهمگنی یک ویژگی ذاتی مسکن است. مسکن کالایی فوق‌العاده ناهمگن است. اصولاً واحدهای مسکونی می­توانند برحسب مساحت واحد مسکونی، مساحت زمین، تعداد اتاق، تعداد واحدهای مسکونی موجود در یک ساختمان، مصالح به‌کار‌رفته، عمر بنا، سیستم تهویه، کاربری زمین­های پیرامون، موقعیت ملک در شهر یا منطقۀ درون‌شهری، وضعیت محله، دسترسی به معابر و سیستم حمل­و­نقل درون‌شهری، دسترسی به مراکز خرید، دسترسی به مدارس، ترافیک، چشم­انداز، آلودگی محیط، نرخ جرم در منطقه، عوارض و مالیات­های حکومتی و... متفاوت و ناهمگن باشند (فصیحی، 1403). ناهمگن‌بودن مسکن ﻣﻮﺟﺐ ﺗﻔﺎوت ﻗﻴﻤﺘﻲ گاه بسیار چشمگیر میان واﺣﺪﻫﺎی ﻣﺴﻜﻮﻧﻲ در فاصله‌های نزدیک می‌شود.

 تهرانپارس محله‌ای در شرق شهر تهران است. ناهمگونی فضایی این محله و تفاوت در دسترسی‌ها و همسایگی‌ها ارقامی متفاوت از قیمت مسکن را در یک فضای محدود رقم می‌زند و تفاوت‌های قابل ملاحظه در قیمت واحد مسکن را سبب می‌شود که این پژوهش دلایل و موجبات این پدیده را واکاوی و بررسی کرده است.

در زمینۀ تأثیر متغیرهای فضایی بر قیمت مسکن پژوهش‌هایی گسترده‌ انجام شده‌اند که در اینجا به برخی از آنها اشاره می‌شود.

لی و هو-یو^[i] (2012) از مدل‌سازی خطی سلسله‌مراتبی از داده‌های مسکن ۳۱ محله در منطقۀ تایپه[ii] استفاده و تأثیر ویژگی‌های محله بر قیمت مسکن را بررسی کرده است. نتایج کار وی نشان داد تأثیر ویژگی‌های مختلف محله بر میانگین قیمت مسکن متفاوت است و تأثیر ویژگی‌های خانه بر قیمت مسکن نیز توسط ویژگی‌های محله تعدیل می‌شود.

لان^[iii] و همکاران (2018) تأثیر دسترسی به خدمات بر قیمت مسکن در شهر شیان^[iv] چین را مطالعه کرده‌اند. در این مطالعه، از سیستم اطلاعات جغرافیایی مدل رگرسیون وزنی جغرافیایی مختلط و مدل آشکارساز جغرافیایی استفاده شده است. نتایج این پژوهش نشان می‌دهد امکاناتی که نیازهای اساسی مردم، مانند مراقبت‌های پزشکی و آموزش را برآورده می‌کنند، عناصر اساسی تفاوت قیمت مسکن را تشکیل می‌دهند.

چن و لی^[v] (2018) تفاوت‌های فضایی قیمت املاک مسکونی و عوامل تأثیرگذار بر آن را در ایالت گوانگدونگ^[vi] چین بررسی کرده است. این مطالعه نشان داد ساختار فضایی قیمت مسکن در منطقه، یک ساختار دایره‌ای خاص را نشان می‌دهد. تفاوت زیادی در قیمت مسکن بین شهرها وجود دارد و عوامل مؤثر بر قیمت مسکن در شهرهای مختلف ویژگی محلی ارتباط نامتعادل را نشان می‌دهند.

لو^[vii] و همکاران (2022) عوامل تأثیرگذار بر خودهمبستگی فضایی قیمت املاک را با مطالعۀ موردی در هنگ‌کنگ بررسی کرده‌اند. آنها با به‌کارگیری چندین مدل ابداعی خودهمبستگی فضایی با استفاده از داده‌های معاملات بازار آزاد نتیجه گرفته‌اند که نقدینگی بازار تمایل به افزایش خودهمبستگی فضایی عمودی و افقی دارد در حالی که نوسانات بازار بیشتر مستعد افزایش خودهمبستگی فضایی عمودی است، کاهش خودهمبستگی فضایی افقی است.

ژائو^[viii] و همکاران (2024) با استفاده از مدل رگرسیون وزن‌دار جغرافیایی، تأثیر 13 عامل بر تفاوت‌های فضایی اجارۀ مسکن در شهر هفی^[ix] چین را بررسی کرده‌اند. نتایج این پژوهش نشان داده است عواملی مانند مساحت ساختمان، نزدیکی به بازارهای تره‌بار و فاصله از سه بیمارستان برتر، بیشترین تأثیر را بر قیمت مسکن اجاره‌ای در هفی داشته‌اند.

فنگ^[x] و همکاران (2025) تفاوت‌های فضایی قیمت مسکن شهری و ارتباط آن با امکانات رفاهی در شهر نانجینگ^[xi] چین را بررسی کرده‌اند. روش انجام این مطالعه چنین بود که یک سیستم شاخص ارزیابی کیفیت محیط انسانی تحت عنوان «مطلوبیت» بر اساس سه بُعد «مطلوبیت طبیعی»، «مطلوبیت مصنوعی» و «مطلوبیت فضای اجتماعی» ایجاد شد و الگوریتم «درخت تصمیم‌گیری گرادیان‌افزا» برای بررسی تأثیر عوامل مختلف «مطلوبیت» بر قیمت مسکن به کار گرفته شد. یافته‌ها نشان داد عوامل «مطلوبیت» تأثیری مثبت بر قیمت مسکن دارند و «مطلوبیت مصنوعی» بیشترین تأثیر را دارد. عوامل «مطلوبیت جزئی» روابط غیرخطی با قیمت مسکن با اثرات آستانه‌ای آشکار نشان دادند.

حسینی^[xii] و همکاران (2022) با استفاده از شاخص موران و تهیۀ نقشه‌های نقاط داغ و پهنه‌بندی، تفاوت‌های فضایی قیمت مسکن در تهران را بررسی کرده‌اند.

کلیائی و همکاران (1404) تفاوت‌های فضایی قیمت مسکن در ارتباط با عوامل اکولوژیکی را مطالعه کرده‌اند. این مطالعه با استفاده از داده‌های آماری قیمت مسکن و اطلاعات مکانی 7 متغیر مستقل و مدل‌های تحلیلی Interpolation-IDW در نرم‌افزار ArcGIS و توابعSpatial analyst ،Spatial Join  و Zonal Statisti انجام شده است. بر اساس یافته‌های این پژوهش، مطلوبیت عوامل اکولوژیکی از شمال به جنوب شهر کاسته می‌شود و به‌ دنبال آن، قیمت مسکن نیز کاهش می‌یابد و میان قیمت ملک و مطلوبیت عوامل اکولوژیکی در ‌سطح بالایی رابطه وجود دارد.

معصومی و همکاران (1401) در بررسی مؤلفه‌های تأثیرگذار بر قیمت‌گذاری مسکن در منطقۀ 5 شهرداری تهران، اطلاعات سه دسته متغیرهای ساختاری، دسترسی و محیطی را از 78 مشاور املاک کسب کرده و به تأثیر سطح زیربنا، نوع مصالح، قرارگیری واحد در طبقۀ مشخص، فاصله تا فضای سبز، فاصله تا مراکز آموزشی و ایستگاه‌های حمل‌و‌نقل عمومی و عرض معبر پی برده‌اند. آنها همچنین نشان دادند از این سه دسته، متغیرهای ساختاری تأثیر بیشتری دارند.

یک خانه به‌خودی‌خود یک شیء واحد نیست، بلکه شیء‌ای است که به یک بلوک، یک جامعه، یک منطقه و یک شهر تعلق دارد. جغرافیای شهرها و مناطق شهری با محله‌های شهری معرفی می‌شوند. خانه‌های یک محله ویژگی‌های جغرافیایی، اقتصادی و اجتماعی آن محله را به اشتراک می‌گذارند (Uyar & Brown, 2007). قیمت مسکن توسط ویژگی‌هایی در سطوح مختلف تعیین می‌شود و تحت تأثیر عواملی در سطوح مختلف جغرافیایی قرار می‌گیرد؛ چنانچه در سطح محله نیز ویژگی‌هایی از مکان و موقعیت ملک مانند محیط اجتماعی-طبیعی، محیط زندگی، آداب و رسوم محلی، وضعیت اقتصادی و سطح خدمات پزشکی سبب تفاوت‌های فضایی در قیمت املاک می‌شوند (Kiel & Zabel, 2008). محله‌ها مجموعه‌ای از ویژگی‌های محلی، امکانات رفاهی، کالاهای عمومی و خدمات بیرون از محله را نشان می‌دهند که معیارهایی برای خریداران و فروشندگان در انتخاب ملک و قیمت خانه هستند. متغیرهای محله که به عنوان امکانات و نامساعدت‌های محله طبقه‌بندی می‌شوند، تأثیری عمیق بر قیمت املاک دارند (Leonard et al., 2016). امکانات رفاهی محله که شامل دسترسی به مدارس، پارک‌ها، مراکز درمانی، مراکز خرید و خدمات اجتماعی می‌شود و همچنین ملاحظاتی مانند مدیریت مؤثر پسماند و زهکشی عموماً ارزش ملک را افزایش می‌دهند. برعکس، مشکلات رفاهی، مانند سروصدای صنعتی، میزان جرم و جنایت، آلودگی هوا، ترافیک سنگین و آلودگی محیط‌زیست، معمولاً ارزش ملک را کاهش می‌دهند (Sani et al., 2023). املاک واقع در نزدیکی محل‌های دفن زباله‌های خطرناک، خطوط انتقال برق ولتاژ بالا یا مناطق مستعد سیل با کاهش ارزش مواجه خواهند شد. عوامل منفی در مجاورت نزدیک می‌توانند ویژگی‌های مثبت مکانی را خنثی کنند و بر ارزش املاک تأثیر منفی بگذارند (Jia, 2025).

امروزه مطالعۀ عوامل مختلف مؤثر بر قیمت مسکن به موضوعی مورد بحث گسترده در میان پژوهشگران تبدیل شده است و مطالعات تجربی متعددی در این خصوص در شهرهای مختلف جهان انجام شده‌اند (Liang et al., 2018). بیشتر این مطالعات بر عوامل بالقوۀ مؤثر بر قیمت مسکن از سه بُعد تمرکز دارند: ساختار، محله و موقعیت مکانی (Qiu et al., 2022). در میان ویژگی‌های محله که بر قیمت مسکن تأثیر می‌گذارند، امکانات خدمات عمومی از رایج‌ترین عوامل هستند (Lan et al., 2018). مطالعات متعدد نشان داده‌اند قیمت مسکن به میزان قابل ملاحظه‌ای تحت تأثیر عوامل محلی قرار می‌گیرد. برای مثال، بیمارستان‌ها در مراکز شهر معمولاً بر قیمت مسکن تأثیر منفی دارند (Song et al., 2017). علاوه بر این، معمولاً، مدارس به طور مداوم عامل اصلی افزایش قیمت مسکن بوده‌اند (Xu et al., 2018; Wen et al., 2017; Wen et al., 2018). تأثیر عوامل کیفیت محیطی اطراف مناطق مسکونی نیز بر قیمت بازار مسکن بسیار مورد توجه قرار گرفته است. خریداران خانه در فرایندهای تصمیم‌گیری خود اولویت‌هایی خاص دارند و تمایل دارند با قیمت‌های بیشتر به چنین مزایایی، به ویژه برای واحدهای آپارتمانی با مناظر و محیط‌های مطلوب نایل شوند. در زمینة ویژگی‌های مکانی، مطالعات معمولاً عواملی مانند فاصله تا مرکز شهر را مورد توجه قرار می‌دهند. این مطالعات معمولاً بالاتربودن قیمت مسکن را در مقایسه با مناطق اطراف نمایان می‌کنند (Gibbons et al., 2024). حمل‌ونقل و دسترسی نیز از دیگر عواملی هستند که توجه پژوهشگران را به خود جلب کرده‌اند.

در رابطه با ویژگی‌های مکانی، مطالعات معمولاً عواملی مانند فاصله تا مرکز شهر را در نظر می‌گیرند و دیدگاه‌های سنتی به تأثیر نزدیکی به این مناطق بر افزایش قیمت مسکن معتقد هستند (Leal, 2025; Li et al., 2022). بسیاری از مطالعات تأثیر دسترسی به حمل‌ونقل و تأثیرات امکانات مختلف حمل‌ونقل بر قیمت مسکن را بررسی کرده‌اند (Dai et al., 2020; Yang et al., 2023). از دیگر عوامل موقعیتی تعیین‌کنندة ارزش املاک مسکونی می‌توان فاصله از مراکز اشتغال، مدارس با کیفیت و امکانات ضروری مانند مراکز درمانی و مراکز خرید را نام برد (Huang & Du, 2025; Gibbons et al., 2024). محله‌های با نرخ جرم پایین و محیط‌های جذاب معمولاً ارزش املاک بیشتری دارند (Melo & Martins, 2021).

 ویژگی‌های ساختاری شامل ویژگی‌های داخلی مختلف یک ملک هستند که همگی می‌توانند مستقیماً بر ارزش آن تأثیر بگذارند (Jia, 2025). برای مثال، قدمت یک ملک معمولاً قیمت مسکن را کاهش می‌دهد. علاوه بر این، در مطالعات قیمت مسکن، عواملی مانند نسبت فضای سبز، نسبت مساحت طبقات و هزینه‌های ملک به طور قابل ملاحظه‌ای بر قیمت مسکن تأثیر می‌گذارند (Yao & Hu, 2023; Qu et al., 2020). فراتر از ویژگی‌های فیزیکی رایج، عوامل دیگری شامل مقیاس پروژه، مساحت ساختمان و سطح طبقات نیز وجود دارند (Cho et al, 2009).

روش پژوهش

داده‌های قیمت مسکن به ‌عنوان متغیر وابسته با پرسش از 54 دفتر معاملاتی املاک سطح محله و در پاسخ به این پرسش که «قیمت یک مترمربع آپارتمان با ساخت معمولی نوساز که دارای تجهیزات و اجزای کامل (انباری، پارکینگ و آسانسور و نصبیات کامل) باشد در این اطراف چقدر است؟» به ‌دست آمده‌اند. همچنین، از جامعۀ‌ آماری دربارۀ میزان تأثیرگذاری 5 مکان (بوستان، مدرسه، مسجد، مرکز درمانی و جایگاه سوخت) با توجه به فاصله پرسیده شده است. اطلاعات 7 عامل متغیر مستقل با محاسبه بر روی جداول توصیفی شیپ‌فایل بلوک‌های آماری سرشماری عمومی نفوس و مسکن سال 1395 (مرکز آمار ایران، 1395) حاصل شده است.

برای دریافت الگوی توزیع قیمت مسکن در محدودة مطالعاتی، از شاخص موران و مدل خودهمبستگی فضایی استفاده شده است. خودهمبستگی فضایی بر میزان همبستگی یک متغیر با خودش در گسترة فضا دلالت دارد. خودهمبستگی فضایی مثبت زمانی رخ می‌دهد که مشاهداتی که مقادیر مشابه دارند، به هم نزدیک‌تر باشند (یعنی خوشه‌ای باشند). خودهمبستگی مکانی منفی زمانی رخ می‌دهد که مشاهدات با مقادیر متفاوت به هم نزدیک‌تر باشند (یعنی پراکنده باشند). دو شاخص رایج که برای ارزیابی خودهمبستگی فضایی در داده‌های منطقه‌ای استفاده می‌شوند شاخص موران^[xiii] و شاخص گری^[xiv] هستند. مدل موران به شرح رابطۀ (1) است.

N: تعداد واحدهای مشاهده‌شده

W_i,j: وزن فضایی اعمال‌شده برای تعریف مقایسۀ بین مکان‌های  i و j

X_i : مقدار متغیر در مکان  i

X_j : مقدار متغیر در مکان j

: میانگین متغیرها

این پژوهش همچنین از رگرسیون وزن‌دار جغرافیایی و ضریب همبستگی پیرسون برای تعیین میزان ارتباط قیمت مسکن با مؤلفه‌های فضایی مختلف در سطح یک محلة شهری استفاده کرده است. مدل اخیر گسترش‌یافتة چارچوب رگرسیون عمومی است. جوهرۀ مدل به صورت زیر است:

 مختصات iامین نقطه در فضا است.  تابع پیوستة  در هر نقطۀ i است و  متغیرهای توضیحی در نقطة i است و  جزء خطاست. برای مجموعۀ داده‌ها، پارامترهای منطقه‌ای  با استفاده از مراحل حداقل مربعات وزنی تخمین زده می‌شوند. وزن‌های  برای

در هر موقعیت  تابع پیوسته‌ای از فواصل میان نقاط i و دیگر نقاط هستند.

این ماتریس، ماتریس پارامترهای منطقه‌ای است و هر سطر آن از رابطة (3) حاصل شده است:

در رابطۀ بالا،  نشان‌دهندة سطرهای ماتریس، X ماتریس متغیرهای مستقل، Y متغیر وابسته و W(i) ماتریس n×n وزنی فضایی و به ‌صورت زیر است:

برآورد در رابطة (3)، برآورد حداقل مربعات است، اما ماتریس وزنی ثابت نیست. از این ‌رو، W_(i) باید برای هر نقطة i محاسبه شود و  تقریبی از هر نقطة داده در موقعیت i را نشان می‌دهد. نقاط داده‌ای نزدیک به i دارای وزن بیشتری در تخمین پارامترهای  نسبت به نقاط دورتر هستند.

تهرانپارس محله‌ای در شرق تهران با حدود 973 هکتار مساحت است. این محله در منطقۀ 4 شهرداری تهران قرار داشته و جمعیت آن در سرشماری عمومی نفوس و مسکن سال 1395 برابر146376 نفر بوده است. تهرانپارس از محلات تازه‌بنیاد تهران است که در دهۀ 1330 موجودیت یافته است. در محدوده‌ای که امروزه با نام تهرانپارس شناخته می‌شود، سال‌ها قبل از تفکیک زمین‌های آن و انجام خیابان‌کشی‌های مدرن، چندین روستا و آبادی قرار داشتند که مهدی‌آباد و مجیدآباد از آن جمله‌اند. در سال ۱۳۱۰، یکی از سرمایه‌داران زرتشتی این زمین‌ها را که 3600 هکتار وسعت داشتند، خرید و تهرانپارس را ساخت. پس از آن، تهرانپارس مدرن به دست فرانسویان طراحی و به نام «تهران‌پاریس» نام‌گذاری شد (شهرداری منطقۀ 4 تهران، 1403).

شکل 1- موقعیت محلۀ تهرانپارس

 یافته‌ها

شکل (1) گویای توزیع جغرافیایی قیمت‌های مختلف مسکن در محدودة مطالعاتی است و شکل (2) الگوی توزیع قیمت مسکن در محله را نشان می‌دهد.

شکل 2- پهنه‌بندی محدودۀ مطالعاتی از نظر متغیر وابسته (قیمت مسکن)

با توجه به شکل (2)، قیمت مسکن در محدوده یک شیب مرکز به حاشیه دارد؛ به ‌طوری ‌که بیشترین قیمت‌ها را در میانة محله می‌توان یافت و به سمت شرق و غرب، از قیمت مسکن کاسته می‌شود. میانگین قیمت 261/1 میلیون ریال (هر مترمربع) و انحراف معیار قیمت‌ها در نقاط برداشت برابر 8/218 است. دامنۀ تغییرات قیمت بین 800 میلیون ریال تا 880/1 میلیون ریال است. بنا بر اطلاعات پیمایش، وجود چندین بوستان و پهنة فضای سبز و وجود بلوار نسبتاً عریض شاهد از دلایل بیشتربودن قیمت در مرکز محله است. در همان حال، در شمال شرقی، مجاورت با محله‌ای بدنام به اسم خاک سفید عاملی در تنزل قیمت شده است. نیمۀ جنوبی محله دسترسی راحت‌تری به مراکز خدماتی و بخش مرکز تجارت تهران دارد و خدمات بهتر حمل‌ونقل عمومی را در بر دارد.

شکل 3- نمودار موران در الگوی توزیع فضایی قیمت مسکن

شاخص موران (شکل 3) بین مقادیر 1- تا 1+ محاسبه می‌شود. مقدار 1+ بیانگر الگوی کاملاً تک‌قطبی (خوشه‌ای)، مقدار صفر بیانگر الگوی تجمع تصادفی یا چند قطبی و مقدار 1- بیانگر الگوی پراکنده است. هرچه این ضریب مقدار بیشتری داشته باشد، بیانگر تجمع زیاد و هرچه مقدار کمتری داشته باشد، بیانگر پراکندگی است. با توجه به رقم حاصل‌شده (96/0)، می‌توان گفت توزیع فضایی قیمت الگویی خوشه‌ای دارد.

جدول 1- همبستگی فضایی میان قیمت مسکن با 7 عامل متغیر مستقل

بر اساس اطلاعات جدول (1)، یکی از عوامل متغیر مستقل تراکم جمعیت در بلوک‌های مسکونی است که به ‌طور میانگین 523 نفر است و دامنة تغییراتی از 6 تا 1810 نفر در هکتار دارد. میزان ضریب همبستگی پیرسون بین این عامل با متغیر وابسته (قیمت مسکن) 12/0- است. عامل دوم از متغیر مستقل، درصد جمعیت مهاجر در ترکیب جمعیتی است. به طور متوسط، 4/3 درصد از جمعیت محله را افرادی تشکیل می‌دهند که در فاصلۀ 5 سال گذشته از مبدأیی جز شهر تهران در این محله استقرار یافته‌اند. مقدار همبستگی فضایی این عامل با قیمت مسکن 20/0- است که اگرچه رقم قابل ملاحظه‌ای نیست، در هر حال، حکایت از آن دارد که بیشتر می‌توان انتظار داشت در جاهایی که نسبت مهاجر بیشتر است، قیمت کمتر باشد. عامل سوم، درصد خانوارهای اجاره‌نشین است. در سرشماری سال 1395، 9/44 درصد از خانوارهای ساکن محله نحوة سکونت خود را اجاره‌نشین اعلام کرده‌اند. همبستگی این عامل با قیمت مسکن نیز معکوس و برابر 20/0- است. قیمت مسکن رابطة فضایی مستقیم و معنا‌داری با نسبت واحدهای مسکونی آپارتمانی دارد که برابر 42/0+ است. به عبارتی، در قطعاتی که نسبت بیشتری از واحدها را آپارتمان تشکیل می‌دهند تا خانه‌های ویلایی، قیمت ملک بیشتر است. این موضوع تأثیر نوسازی بافت بر قیمت را می‌رساند. توسعه‌دهندگان مسکن معمولاً در جاهایی مبادرت به نوسازی بافت می‌کنند که صرفۀ اقتصادی حاصل از تجدید بنا بیشتر باشد. از آنجا که هزینة ساخت‌وساز در یک زمان مشخص در جای‌جای یک محله اصولاً چندان قابل ملاحظه نیست، صرفة ساخت‌و‌ساز در جایی بیشتر است که تراکم ساختمانی بیشتری بتوان دریافت کرد و در این نوع قطعات، اصولاً قیمت زمین نیز به دلیل قابلیت احداث طبقات بیشتر، بالاتر است. واحدهای نوساز همه به شکل آپارتمانی بنا می‌شوند و این‌ها همه در کنار هم توجیه‌گر بالاتر بودن قیمت مسکن در قطعاتی هستند که نسبت بیشتری از مساکن را مساکن آپارتمانی تشکیل می‌دهند. در میان عوامل متغیر مستقل، توزیع فضایی سرانة زیربنای مسکونی، بیشترین همبستگی را با قیمت مسکن نشان می‌دهد که برابر 52/0+ است. بنابراین، می‌توان گفت در بیشتر موارد، در قطعاتی که سرانة زیربنای مسکونی رقم بیشتری باشد، قیمت یک مترمربع واحدهای مسکونی نیز بیشتر است. در شرایط قیمت‌های نابه‌هنجار مسکن در کلان‌شهر تهران، طبیعی است که فقط خانوارهای با سطح درآمد بیشتر قادر به داشتن سرانة مسکونی بیشتر باشند و بنابراین، در قطعاتی که سرانة مسکونی بیشتر است، خانوارهای با سطح درآمد بیشتری به ‌سر می‌برند و این خود بر قیمت مسکن تأثیر مضاعف می‌گذارد. میانگین زیربنای مسکونی در محله 08/28 مترمربع است. عامل درصد خانه‌های با بنای مقاوم همبستگی فضایی 29/0+ را با قیمت مسکن به‌ دست داده است. به ‌طور معمول، در مساکنی که از دو سه دهه گذشته به این طرف بنا شده‌اند، به لحاظ اعمال کنترل‌های شهرداری، بناها اسکلت فلزی یا بتونی مقاوم دارند. قاطبة بناهای مربوط به دو سه دهة پس از پیروزی انقلاب اسلامی و پیش از آن بدون سازۀ اسکلتی است و استحکام لازم را ندارد و در نهایت، آخرین عامل تحت بررسی، به ‌عنوان متغیر مستقل، نسبت مساکن با مساحت 75 مترمربع و کمتر از کل مساکن است که 5/45 درصد را تشکیل می‌دهند. همبستگی فضایی این متغیر با قیمت مسکن معکوس و برابر 52/0- است. جالب است که توزیع فضایی سرانۀ زیربنای مسکونی و درصد مساکن با مساحت 75 مترمربع و کمتر همبستگی معکوس با یکدیگر دارند که برابر 75/0- و این خود دلیل دیگری بر این است که در قطعاتی که درصد واحدهای کوچک بیشتر است، سطح زیربنای مسکونی کمتر است. 

شکل 4- پهنه‌بندی محله از نظر میزان هم‌سویی 9 عامل متغیر مستقل با قیمت مسکن به‌ عنوان متغیر وابسته

بر اساس شکل (4-1)، در مرکز محله دو متغیر رقم فاصله از نزدیک‌ترین بوستان و رقم قیمت مسکن همبستگی فضایی بیشتری را نشان می‌دهند. به عبارت دیگر، قیمت مسکن تبعیت بیشتری از فاصله از بوستان دارد، ولی در حواشی محله این تبعیت کمتر است. شکل (4-2) نشان می‌دهد در عین تبعیت کمتر رقم قیمت مسکن از رقم نزدیک‌ترین فاصله از یکی از پدیده‌های مدرسه، مسجد، مرکز درمانی و جایگاه سوخت در شمال ‌شرق محله، در بقیۀ قسمت‌ها، نظم فضایی زیادی در این موضوع مشهود نیست. علت در نظر آوردن این چهار عامل در یک دسته اظهارنظر قاطع بنگاه‌های معاملات املاک محله بر تأثیر منفی این مکان‌ها بر قیمت ملک تا شعاع میانگین 250متری بوده است؛ همچنانکه در نظر آنان بوستان‌ها تا این فاصله واجد تأثیر مثبت دانسته شده‌اند. رابطة فضایی رقم تراکم جمعیت و رقم قیمت مسکن در شکل (4-3) تا حدود زیادی همسان با شکل (4-1) است؛ یعنی در پهنه‌های میانی محله، این دو واجد هم‌سویی بیشتر هستند و در حواشی، هم‌سویی کمتری دارند. در شکل‌های (4-4)، (4-5) و (4-6) نیز که رابطة فضایی قیمت با سه متغیر درصد خانوارده‌های اجاره‌نشین از کل خانوارها، سرانة زیربنای مسکونی و درصد جمعیت مهاجر را نشان می‌دهند، تا حدود زیادی رویة مشابه به‌ چشم می‌خورد. شکل‌های (4-7) و (4-8) گواه آن هستند که در بیشتر قطعات، قیمت مسکن و نسبت واحدهای آپارتمانی از کل واحدها و نسبت خانه‌های با بنای مقاوم از کل خانه‌ها هم‌سویی زیادی دارند.

 نتیجه‌گیری

مسکن در معنای عام آن که ورای چهاردیواری محل اقامت خانواده است و گستره‌‍‌ای به وسعت گاه تا یک محله و بلکه بیشتر را شامل می‌شود، نقش زیادی در رفاه و آسایش خانوارها و سلامت و آرامش روانی آنها دارد. از این رو، طبیعی است که خانوارها در صورت داشتن توانایی مالی لازم، تمایل دارند در پهنه‌هایی از شهر یا قطعاتی از یک قسمت از شهر اقامت و زندگی کنند که آسودگی بیشتری برای آنها فراهم آورد و با برخورداری از امکاناتی که برای رشد و تعالی کودکان لازم است (برای مثال، مدارس خوب) زمینۀ‌ رشد و تعالی بیشتر فرزندان آنها را ایجاد کند. وجود یا نبود این امکانات و خدمات و تسهیلاتی که هر محله برای زندگی فراهم می‌کند از این نظر قیمت مسکن و هزینه‌های اقامت را تحت تأثیر قرار می‌دهد که اینها مورد تقاضای همه هستند و طبعاً عدم وفور آنها در کیفیت‌های یکسان، خانوارهایی را به سمت خود می‌کشاند که بتوانند بهای بیشتری برای دسترسی و بهره‌مندی بپردازند. در این مقاله، تأثیر توزیع فضایی 11 عامل در تفاوت‌های فضایی قیمت مسکن در محلۀ تهرانپارس بررسی شد. شاخص موران نشان داد توزیع قیمت‌ها الگویی خوشه‌ای دارد و در تکمیل آن، نقشۀ پهنه‌بندی قیمت مسکن نشان داد در مجموع، در یک‌سوم میانی محله قیمت بیشتر است و به موازات فاصله از آن به سمت یک‌سوم شرقی و غربی محله، از قیمت مسکن کاسته می‌شود. از میان عوامل بررسی‌شده، سه عامل همبستگی زیادی با قیمت مسکن و البته با یکدیگر دارند. در قطعاتی که سرانة زیربنای مسکونی رقم بیشتری است، درصد خانه‌های مقاوم بیشتر و درصد خانه‌های آپارتمانی نیز بیشتر است، قیمت مسکن رقم بیشتری را نمایان می‌کند و این امر نشان می‌دهد قطعاتی که رفاه و آسودگی و امکانات بیشتری برای زندگی فراهم می‌آورند، خانوارهایی متموّل‌تر را جذب می‌کنند. می‌توان نتیجه گرفت در محله‌هایی همچون تهرانپارس که عملاً فاقد ظرفیت و زمین‌ خالی برای اجرای طرح‌های عمرانی بزرگ‌مقیاس هستند، امکان اینکه ملاحظات ناشی از پیش‌بینی اجرای طرح‌های توسعه بر قیمت ملک تأثیر بگذارد، کم است و بنابراین، ارزش املاک مسکونی ارزش مصرفی است تا ارزش مبادله.‌ای.  قیمت مسکن در هر قطعه‌ای برآیند تأثیر تعدادی از عوامل است. در این زمینه، ممکن است عاملی به ‌صورت پیشران عمل کند؛ چنانچه شرق محلة تهرانپارس با وجود امتیاز بالا در 11 عامل تحت بررسی به ‌واسطة مجاورت با محلة بدنام خاک سفید قیمت‌های کمتر مسکن را نشان می‌دهد. در پیمایش انجام‌شده، تمامی جامعة آماری مشاوران املاک محله اتفاق‌نظر داشتند که مجاورت با بوستان (پارک) قیمت نسبی مسکن را بالا می‌برد، اما نقشه‌های رگرسیون وزن‌دار جغرافیایی دلالت بر هم‌سویی ضعیف فضایی این دو داشتند. در حواشی محله، نسبت پوشش سطح از بوستان و فضای سبز بیشتر از مرکز محله است، اما برعکس، قیمت مسکن در این قطعات به نسبت کمتر است. در مجموع، هم‌سویی قیمت مسکن با بیشتر متغیرهای مستقل تحت بررسی در یک‌سوم میانی محله بیشتر است و به موازات فاصله از آن در جهت شرق یا غرب، از این هم‌سویی کاسته می‌شود. آنچه می‌توان دربارۀ بررسی تفاوت‌های فضایی قیمت مسکن در ارتباط با توزیع جغرافیایی پدیده‌هایی ‌مانند آنچه در این مطالعه بررسی شدند ابراز کرد این است که در وضعیت‌هایی همچون محلة تهرانپارس که جوّ روانی ناشی از احتمال اجرای طرح‌های توسعه‌ای عظیم وجود ندارد و ارزش ملک بیشتر یک ارزش مصرفی است تا مبادله‌ای، برآیند تعدادی از عوامل فضایی تعیین‌کننده است، اما گاه یک عامل بیرونی به‌ عنوان عامل پیشران بر انتخاب‌های مصرف‌کنندگان و سطح تقاضاها تأثیر می‌گذارد و در تعیین تفاوت‌های فضایی قیمت یکه‌تاز می‌شود.

 [i] Lee & Hui-Yu

[ii] Taipei

[iii] Lan

[iv] Xi’an

[v] Chen & Li

[vi] Guangdong

[vii] Lo

[viii] Zhao

[ix] Hefei

[x] Feng

[xi] Nanjing

[xii] Hosseini

[xiii] Moran

[xiv] Geary