بررسی تأثیر آلودگی هوا بر قیمت مسکن در شهر تهران با استفاده از مدل هدانیک

مقدمه

رشد شهرنشینی و مهاجرت افراد به مناطق شهری به‌خصوص کلان‌شهرها برای کار و زندگی موجب شده است توازن این مناطق برهم بخورد و به‌صورت آلودگی زیست‌محیطی مانند آلودگی هوا، خاک و آب نمود پیدا کند؛ زیرا مردم ارزش کالایی که برای آن پرداختی به‌طور مستقیم ندارند را نمی‌دانند. تعیین ارزش برای کالاهای زیست‌محیطی به‌دلیل عرضه‌نشدن در بازار دشوار است؛ ازاین‌رو محققان قیمت این کالاها را یا با ارزش‌گذاری مستقیم ازطریق طرح پرسش از افراد و یافتن ترجیحات آنها نسبت به خدمات و کالاهای عمومی به دست می‌آورند یا با استفاده از ارزش‌گذاری غیرمستقیم و روش‌های آن اقدام به تعیین قیمت اینگونه از کالاها می‌کنند.

آلودگی هوا عبارت است از وجود هر نوع آلاینده اعم از جامد، مایع، گاز و تشعشع پرتوزا و غیرپرتوزا در هوا به تعداد و در مدت زمانی که کیفیت زندگی را برای انسان و دیگر جانداران به خطر اندازد یا به آثار باستانی و اموال خسارت وارد کند (گزارش کیفیت هوا، 1395).

آلودگی هوا تأثیرات مهمی بر زندگی افراد جامعه دارد که از مهم‌ترین آنها می‌توان به بیماری‌های قلبی و تنفسی اشاره کرد. براساس گزارش بانک جهانی، از هر 10 مرگ، یک مرگ منتسب به آلودگی هوا است. همچنین براساس گزارش مؤسسه بین‌المللی تحقیقات سرطان^[1] (IARC) سازمان جهانی بهداشت در سال 2013، آلودگی هوا و ذرات معلق هوا به‌عنوان ترکیبات سرطان‌زا برای انسان طبقه‌بندی شده‌اند. اهمیت کیفیت هوا به اندازه‌ای است که براساس شاخص‌هایی که برای اهداف توسعة پایدار در نظر گرفته شده‌اند، سه شاخص از آنها مرتبط با آلودگی هوا است (سایت پژوهشکده محیط زیست - مرکز تحقیقات آلودگی هوا، 1396).

مسکن یک کالای ناهمگن است؛ یعنی هر واحد مسکونی دارای ویژگی‌های متفاوتی است که هرکدام از ویژگی‌ها در قیمت‌گذاری آن تأثیرگذارند؛ ازجمله ویژگی‌های زیست‌محیطی مکانی که خانه در آن قرار دارد؛ بنابراین، با پی‌بردن به نحوه و میزان تأثیر هرکدام از ویژگی‌ها بر قیمت مسکن، می‌توان ارزشی که افراد در هنگام خرید واحد مسکونی برای آن ویژگی‌ها در نظر دارند را محاسبه کرد. زمانی که ترجیحات افراد برای هوای پاک مشخص شود و بتوان آنها را از روش‌های اقتصادی ارزش‌گذاری کرد، می‌توان تمایل به پرداخت افراد برای بهبود کیفیت هوایی که در آن زندگی می‌کنند را محاسبه کرد. فرض اصلی این است که افراد تمایل دارند برای زندگی خود، محیطی را انتخاب کنند که عاری از آلودگی باشد یا کمتر در معرض انواع آلودگی‌ها قرار گیرد.

در این پژوهش با برآورد میزان تأثیر آلاینده‌های هوا بر قیمت مسکن در مناطق مختلف شهر تهران، فرضیة ارزش‌داشتن هوای پاک برای افراد و استخراج تابع تقاضای معکوس آن در پایتخت ایران آزموده می‌شود. دلیل این انتخاب را می‌توان جمعیت 9 میلیون نفری شهر تهران، تراکم جمعیت 120 هزار نفری در هکتار، مصرف روزانه بیش از 13 میلیون لیتر بنزین و گازوئیل و افزایش سطح هشدار شاخص‌های آلودگی هوا در این شهر اشاره کرد (معاونت و سازمان حمل‌ونقل و ترافیک شهرداری تهران، 1395).

در این پژوهش ابتدا پیشینه‌ای از پژوهش‌های خارجی و داخلی و سپس مبانی نظری و روش جمع‌آوری داده‌ها بیان می‌شوند. در بخش بعد، پس از معرفی متغیرهای مدل، یافته‌‌های پژوهش ذکر می شوند و در آخر، نتیجه‌گیری و پیشنهادات مدنظر بیان می‌شوند.

پیشینه پژوهش

آلودگی هوا به مدت طولانی به‌عنوان یک ویژگی محیط زیستی منفی محسوب می‌شود که موجب به خطر انداختن سلامت انسان می‌شود. بر همین اساس، تحقیقات گسترده‌ای در این خصوص صورت گرفته است:

کاریازو و گومز^[2] (2015) در مقاله‌ای با عنوان «تقاضا برای کیفیت هوا، مطالعه موردی: در شهر بوگوتا، کلمبیا» با استفاده از روش قیمت‌گذاری دو مرحله‌ای هدانیک تابع تقاضای معکوس برای کیفیت هوا (متغیر PM₁₀) را در این شهر به دست آوردند که چهارمین شهر آلودة آمریکای لاتین است. نتایج نشان می‌دهند مزایای ماهانه رعایت استاندارد آژانس آلودگی محیطی آمریکا 7 دلار است. رابطه میان PM₁₀ و قیمت اجاره منفی بوده و افزایش 1 گرم بر متر مکعب باعث کاهش 48/0 درصد در قیمت اجاره آپارتمان و 33/0 درصد در قیمت اجاره خانه مسکونی ‌شده است. در مرحله دوم با محاسبة قیمت ضمنی میل نهایی به پرداخت برای متغیر آلودگی استخراج شده است و قیمت ضمنی به‌عنوان متغیر وابسته و مقادیر متغیر آلودگی و درآمد افراد و سایر متغیرهای اقتصادی - اجتماعی به‌عنوان متغیرهای مستقل برای برآورد تابع تقاضای معکوس استفاده شده‌اند. نتایج مرحله دوم نشان می‌دهند کاهش در آلودگی هوا یک کالای نرمال است؛ یعنی با افزایش درآمد تمایل به کاهش آلودگی هوا مثبت است. همچنین در صورت افزایش 1 درصد در قیمت ضمنی آلودگی هوا، تقاضا برای کیفیت هوا کاهش 5/1 درصد خواهد یافت.

هانگ و لانز^[3] (2015)، در مقاله‌ای با عنوان «ارزش کیفیت هوا در شهرهای چین: شواهدی از بازار کار و دارایی‌ها» از مدل دسته‌بندی دو بازار ناشی از تصمیم‌گیری در تعیین محل برای کارگران استفاده کرده‌اند. ایشان داده‌های خود را در سال 2012 برای 288 شهر، جمع‌آوری و از دو مدل هدانیک دستمزد و قیمت مسکن استفاده کرده‌اند. نتایج نشان می‌دهند قیمت مسکن، دستمزد نیروی کار و آلودگی هوا تأثیر معنی‌داری بر هم دارند. همچنین کاهش 1 درصد در آلودگی هوا موجب کاهش دستمزد به میزان 6/35 دلار و افزایش در قیمت خانه به میزان 67/11 دلار می‌شود.

چن و همکاران^[4] (2017) در مقاله‌ای با عنوان «اندازه‌گیری هزینة رفاه آلودگی هوا در شانگهای: شواهدی از بازار مسکن»، میل نهایی به پرداخت برای هوای پاک را با استفاده از داده‌های بخش مسکن و آلودگی هوا اندازه‌گیری کردند. متغیر وابسته در این مدل، قیمت مسکن بوده و متغیرهای مستقل شامل SO₂، NO₂، PM₁₀، فاصله تا مرکز شهر، فاصله تا مترو، فاصله تا جاده، فضای سبز، تعداد اتاق خواب، کیفیت مواد سازه و سن بنا بوده است. هدف از پژوهش، یافتن اثر تغییر کیفیت هوا بر دارایی در کشورهای درحال توسعه بوده است. نتایج نشان می‌دهند کاهش 1 میلی‌گرم در متر مکعب در متوسط SO₂ و PM₁₀ موجب افزایش 6/0 درصد و 9/0 درصد در قیمت مسکن در شهر شانگهای می‌شود. همچنین نتایج نشان می‌دهند افراد با افزایش درآمد دارای میل به پرداخت بالاتری برای بهبود کیفیت هوا هستند.

گونزالس^[5] و همکاران (2019) در مقاله‌ای آلودگی و انتخاب بین محل کار و زندگی در شهر مکزیکو سیتی (آلوده‌ترین شهر در نیمکرة غربی) را بررسی کردند. آنها از داده‌های بازار دستمزد و املاک برای دو مدل هدانیک خود استفاده کردند. متغیرهای استفاده‌شده شامل قیمت واحد مسکونی به‌عنوان متغیر وابسته، مساحت خانه، تعداد اتاق خواب، تعداد حمام و پارکینگ بوده و متغیرهای اقتصادی - اجتماعی شامل درآمد خانوار، سن، تعداد افراد در خانوار، جنسیت و وضعیت تأهل بوده است. متغیر کیفیت هوا شامل متغیر PM₁₀ و میزان بارش باران بوده است. نتایج نشان می‌دهند برای افزایش 1 میلی‌گرم بر متر مکعب افزایش در PM₁₀ باید 54/1007 دلار برای هر خانوار در سال جبران شود.

در ایران نیز با اهمیت یافتن موضوع هوای پاک تحقیقاتی در این خصوص انجام شده است:

صادقی و همکاران (1385) تأثیر آلودگی هوا بر ارزش مسکن در شهر تبریز را بررسی کرده‌اند. در این پژوهش از ترکیب داده‌های مربوط به قیمت اجاره بهای منازل و ویژگی‌های مربوط به آن و نیز داده‌های مربوط به میزان متوسط آلاینده‌های هوای این شهر استفاده شده است. نتایج نشان می‌دهند اجاره بهای اماکن مسکونی تحت‌تأثیر آلاینده‌های هوا کاهش می‌یابد؛ یعنی املاکی که در ناحیة خوش آب‌وهوا هستند، ارزش بیشتری دارند. علائم تمام مشخصه‌های محلی و ساختاری خانه‌ها در سطح معنی‌داری 10 درصد با علامت مدنظر مطابقت دارد. وجود کارگاه‌های تولیدی و کارخانه‌های آلایندة هوا در همسایگی اماکن مسکونی بر قیمت مسکن تأثیر منفی دارد. همچنین ضریب متغیر سطح تحصیلات بیان‌کنندة تأثیر مثبت تحصیلات خانوارهای مستأجر بر اجاره بهای اماکن مسکونی است.

امامی میبدی و همکاران (1388) در مقاله‌ای عوامل زیست‌محیطی مؤثر بر قیمت منازل مسکونی تهران را به روش هدانیک بررسی کرده‌اند. در این مقاله با یک رویکرد زیست‌محیطی و با استفاده از روش قیمت‌گذاری هدانیک، میزان تأثیر‌گذاری عوامل زیست‌محیطی بر قیمت منازل مسکونی شهر تهران بررسی شده است. در این تحقیق از داده‌های مقطعی سال 1383 مربوط به 17 منطقه شهرداری تهران استفاده شده است. متغیر‌های استفاده‌شده در مدل شامل قیمت واحد مسکونی، مساحت زیر‌بنا، قدمت، نوع اسکلت، سرانه فضای سبز، تراکم جمعیت، شاخص بانک، آلودگی هوا شاخص (PSI)^[6]، فرودگاه، نوع ساختمان و تعداد واحد هر مجتمع است. تعداد داده‌ها براساس 2980 معاملة انجام‌شده روی واحدهای مسکونی به دست آمده است. نتایج نشان می‌دهند از بین همه متغیر‌ها، عامل مساحت واحد مسکونی، بیشترین تأثیر را بر قیمت منازل داشته و از بین متغیر‌های فیزیکی، عمر ساختمان تأثیر چشمگیری بر قیمت داشته است. همه متغیر‌های زیست‌محیطی مانند آلودگی هوا، سرانه فضای سبز و مجاورت با فرودگاه، تأثیرات مورد انتظار و معناداری داشته است.

غفاری و اویسی فردویی (1391) در تحقیقی با عنوان «برآورد تابع تقاضای مسکن با استفاده از الگوی قیمت هدانیک، مطالعه موردی شهر قم»، توابع قیمت هدانیک و تقاضا برای مسکن در این شهر را بررسی کرده‌اند. برای برآورد الگو از اطلاعات مقطعی استفاده شده که از 497 خانوار شهر قم در سال 1390 توسط مرکز آمار و استانداری قم جمع‌آوری شده است. نتایج نشان می‌دهند ویژگی‌های فیزیکی واحد مسکونی نظیر مساحت زمین، سطح زیربنا و تعداد اتاق‌ها بر ارزش واحدهای مسکونی در شهر قم بیشترین تأثیر را دارند. علاوه بر این، ویژگی‌های محیطی و همسایگی نظیر پهنای کوچه‌ای که واحد مسکونی در آن واقع شده است، فاصله تا نزدیک‌ترین مرکز آموزشی، فاصله تا پارک و فضای سبز و فاصله تا اماکن متبرکه نیز در ارزش واحد مسکونی مؤثرند. در مرحله دوم، با به‌کارگیری قیمت‌های ضمنی به‌دست‌آمده از الگوی هدانیک، هزینة خانوارها و مشخصه‌های اجتماعی خانوارها، توابع تقاضا برای سه مشخصة اصلی واحد مسکونی برآورد شده است که مساحت زمین، سطح زیربنا و تعداد اتاق‌ها است. نتایج حاصل از این برآورد نشان دادند قیمت ضمنی مساحت زمین، سطح زیربنا و تعداد اتاق‌ها بیشترین تأثیر را بر تقاضای مشخصه‌ها داشته‌اند. همچنین کشش کلیه متغیرها برای هر سه مشخصه کوچک‌تر از یک است.

مبانی نظری

بحث‌های زیادی در خصوص این موضوع که نخستین‌بار چه کسی از روش قیمت‌گذاری هدانیک استفاده کرده است در مقالات متعدد سخن به میان آمده است. کورت^[7] در سال 1939 از روش هدانیک برای مقایسه قیمت خودرو قبل و بعد از رکود بزرگ در سال 1929 استفاده کرده است؛ اما واگ^[8]، از دانشگاه هاروارد در سال 1927 نیز در این خصوص کارهایی انجام داده بود. کلول و دیلمور^[9] (1999)، هاث^[10] (1922) و والاس^[11] (1926) جزء پیشروان در استفاده از روش هدانیک هستند؛ اما برای نخستین‌بار کورت^[12] بود که در مقاله خود از واژه هدانیک استفاده کرد. گریلیچیس^[13] (1971) روش هدانیک را برای اندازه‌گیری تغییر قیمت کالاها بسط و گسترش داد که شاخص قیمت نامیده می‌شود. روزن^[14] (1974) ساختار تئوریک را برای تصمیم‌گیری در خصوص قیمت‌های پیشنهادی^[15] ارائه داد که به نوعی ارزش ضمنی ویژگی‌های یک کالا برای مصرف‌کنندگان مختلف است (Hidano, 2002: 38).

پس از روزن، اقتصاددانان متعددی از بازارهای مسکن و کار استفاده کردند تا عوامل زیست‌محیطی مختلفی مانند آلودگی هوا، سروصدا، زیرساخت اجتماعی، اقلیم، ترکیب قومی همسایگان و خطر زلزله را ارزش‌گذاری کنند (کولا، 1380: 65).

روزن توضیح می‌دهد موقعیتی که شامل یک کالای متمایز باشد را می‌توان با یک سبد از ویژگی‌های آن کالا توضیح داد که شامل Z=(Z₁,Z₂,….,Z_n) است. مسکن به‌طور کلی جزء کالاهایی است که در این مقوله می‌گنجد و تعداد زیادی ویژگی مختلف دارد که در ساخت آن به کار گرفته شده است و مصرف‌کنندگان آن را دنبال و فروشندگان یا سازندگان آن را عرضه می‌کنند. مسکن یک کالای بادوام است؛ در برخی مواقع خرید آن یک بار در زندگی یک فرد اتفاق می‌افتد. در صورتی که هزینه جابه‌جایی و انتقال وجود نداشته باشد، خانوارها تنها این مبالغ را برای منزل مسکونی می‌پردازند؛ اما همان‌طور که می‌دانیم هزینه جابه‌جایی و انتقال برای تعویض خانه زیاد است که باعث می‌شود خانوار توجه بیشتری به انتخاب ویژگی‌های مدنظر خود برای افزایش رفاه در خرید واحد مسکونی نشان دهد (Bockstael, 2007: 158).

روزن چند فرض اصلی را در بیان خود در نظر گرفته است: نخست اینکه هر دوی فروشندگان و خریداران دربارة قیمت خانه‌ها و همچنین قیمت ویژگی‌های مربوط به هر خانه، اطلاعات کامل دارند‌. دومین فرض این است که بازار باید به اندازه کافی بزرگ باشد تا هر زمان که خریدار بخواهد بتواند خانه‌ای با ویژگی‌های مدنظر خود بیابد. در آخر فرض می‌شود اندازه بازار در رفتار رقابتی از جانب دو طرف خریدار و فروشنده و فعالیت از جانب افراد دو گروه بازار بر قیمت بازار تأثیر نخواهد داشت (Walsh, 2009: 10).

شکل عمومی تابع قیمت هدانیک طبق فرمول زیر است؛ در اینجا Z به‌عنوان بردار ویژگی‌های مسکن معرفی می‌شود که شامل E2،E1، z3،.....،z2،z1 است که در اینجا Ek نشان‌دهندة متغیرهای محیط زیستی است. تابع قیمت هدانیک به‌صورت زیر نشان داده می‌شود:

این تعادل یک فهرست قیمتی برای کالای ناهمگن است که با فرض بازار رقابت کامل با تعامل تعداد زیاد مصرف‌کننده و تولیدکننده به فروش می‌رسند. گفتنی است فهرست قیمت P(Z) برای مصرف‌کنند‌گان برون‌زا است؛ اما مصرف‌کنندگان می‌توانند معین کنند با انتخاب یک کالا (مانند مسکن)، با خرید ویژگی‌های مشخص چه مقدار پرداخت می‌کنند (Taylor, 2003: 16).

روزن قیمت درخواستی خانوار برای مسکن را قیمت پیشنهادی می‌نامد که ناشی از تقاضا برای ویژگی‌های مختلف آن است. حداکثرسازی با در نظر گرفتن محدودیت بودجه به ما شرایطی را می‌دهد که در آن هر فرد سطوح هر ویژگی را انتخاب می‌کند.

درنتیجه، تابع هدف برای مصرف‌کننده به‌صورت زیر نوشته می‌شود:

 با رعایت شرط مرتبه اول، از تابع بالا خواهیم داشت:

براساس این، داریم:

در اینجا Pzj بردار مشتق مرتبه اول از تابع قیمت هدانیک نسبت به هریک از ویژگی‌های واحد مسکونی است.

اگر از تابع قیمت هدانیک یک سری مشتق‌های جزئی نسبت به هریک از ویژگی‌های معرف یک واحد مسکونی گرفته شود، مشتق‌های حاصل نشان‌دهندة تغییرات نهایی ارزش کل یا قیمت تعادلی واحد مسکونی مزبور، در صورت ثابت‌ماندن سطح دیگر ویژگی‌های معرف خواهند بود. به بیانی دیگر، مشتق‌های جزئی به‌دست‌آمده از تابع قیمت هدانیک درواقع همان اطلاعاتی را نشان می‌دهند که قیمت‌ها در تحلیل استاندارد بازارهای یک بعدی ظاهر می‌کنند. به‌دلیل همین مشابهت با اهمیت است که مشتق‌های جزئی تابع قیمت هدانیک با عنوان «قیمت‌های سایه‌ای» ویژگی‌های مسکن معروفیت یافته‌اند (عابدین درکوش، 1370: 40).

مرحله دوم روش هدانیک به این صورت است که تابع تقاضا برای هر ویژگی از کالای ناهمگن مشخص شود. به دست آوردن تابع تقاضا ما را قادر می‌کند اندازه رفاه را برای تغییر نهایی در ویژگی‌ها محاسبه کنیم. آنچه صحیح است، برآورد یک تابع تقاضا به جای یکی برای هر فرد است؛ ویژگی‌های اقتصادی - اجتماعی در این مرحله از برآورد محاسبه می‌شود. فرم تقاضا برای ویژگی‌های واحد مسکونی را می‌توان به‌صورت زیر بیان کرد:

در اینجا P_i قیمت ضمنی استخراج شده از مرحله اول است، H_i بردار ویژگی‌های خانوار است که شامل درآمد نیز می‌شود و AQ_i مقدار متغیر آلودگی هوا است. پس از برازش داده‌های فوق، پارامترهای توابع تقاضا برای مشخصه‌های اصلی مدنظر برآورد می‌شود. قیمت ضمنی که از تابع قیمت هدانیک تخمین زده می‌شود، تنها نشان‌دهندة تغییرات موقعیتی و محلی واحد مسکونی نیست. این مرحله که به‌عنوان مرحله دوم تحلیل هدانیک از آن نام برده شده است، به اطلاعات قیمتی استفاده‌شده در مرحله اول تخمین تابع قیمت هدانیک در ارتباط با مقادیر مشاهده‌شده از ویژگی‌های واحدهای خریداری‌شده و اطلاعات جمعیتی نیازمند است.

جامعه و نمونه آماری

برای جمع‌آوری داده‌ها و اطلاعات در این تحقیق از دو روش کتابخانه‌ای و میدانی استفاده شده است. به این ترتیب که برای جمع‌آوری پیشینه و مبانی نظری تحقیق از کتابخانه‌ها، پایان‌نامه‌ها، نشریات و مراکز اطلاع‌رسانی مانند پایگاه اطلاعات علمی جهاد دانشگاهی و پژوهشگاه علوم و فناوری اطلاعات ایران و همچنین جستجو در سایت‌های معتبر علمی برای دستیابی به آخرین دستاوردهای مطالعات انجام‌شده استفاده شده است. به‌علت استفاده از بانک اطلاعات پرونده‌های تسهیلاتی، برای اطمینان و دقت بیشتر در این تحقیق، تعداد 7000 نمونه از مناطق 22گانة شهر تهران با روش نمونه‌گیری تصادفی جمع‌آوری شده‌اند.

روش و ابزار جمع‌آوری داده‌ها

در سال 1395 تقریباً 70 درصد از خریداران مسکن در مناطق 22گانة شهر تهران برای خرید واحد مسکونی خود از تسهیلات بانک مسکن برای تأمین مالی استفاده کرده‌اند. وجود بانک اطلاعاتی املاک وثیقه‌گذاری‌شده که حاوی تعداد زیادی از متغیرهای ساختاری واحد مسکونی است و توسط کارشناسان خبره ارزیابی و قیمت‌گذاری می‌شود و همچنین وجود مشخصات کامل اقتصادی – اجتماعی خریداران واحدهای مسکونی که در فرم‌های شناسایی توسط آنها تکمیل می‌شود، یکی از وجوه تمایز این پژوهش با سایر پژوهش‌ها است. در این پژوهش از مطالعات میدانی و طراحی و تکمیل فرم جمع‌آوری اطلاعات متغیرها استفاده شده است. براساس این، با استفاده از نرم‌افزار (Access 2010) فرم اطلاعات املاک و اطلاعات اقتصادی - اجتماعی خریداران واحدهای مسکونی شامل متغیرهای مورد نیاز طراحی شده است و با توجه به پراکندگی مناسب شعب بانک مسکن در سطح شهر تهران (تعداد 158 شعبه در 22 منطقه)، با استفاده از روش نمونه‌گیری تصادفی، اطلاعات مورد نیاز، از فرم ارزیابی املاک مسکونی و فرم اعتبارسنجی مشتریان بانک مسکن دریافت شده است. داده‌های مربوط به وضعیت آلودگی هوای 22 منطقه شهر تهران نیز از سامانه کنترل کیفیت هوای تهران دریافت شده‌اند. داده‌های مربوط به ویژگی‌های همسایگی نیز از نتایج پژوهش اطلس پایداری شهر تهران دریافت شد که توسط سازمان فناوری اطلاعات و ارتباطات شهرداری تهران و دانشگاه تهران در سال 1395 انجام شده است. داده‌های استخراج‌شده با استفاده از نرم‌افزار (Excel 2010) یکپارچه و تجزیه و تحلیل شده‌اند. سپس با استفاده از نرم‌افزار (Eviews 7) مدل‌سازی اقتصادی و برآورد پارامترها و استخراج میزان تمایل به پرداخت ویژگی‌های مهم و همچنین استخراج تابع تقاضا و میل نهایی به پرداخت انجام شده‌اند.

معرفی متغیرهای مدل

متغیر وابسته در این تحقیق قیمت مسکن است که ارزش واحد مسکونی معامله‌شده را به ریال بیان می‌کند.

متغیرهای مستقل در این پژوهش شامل مشخصه‌های ساختاری مسکن هستند که عبارت‌اند از متراژ بنا، سن بنا، اسکلت ساختمان، واحد در طبقه، طبقه وقوع واحد، تعداد پارکینگ، آسانسور، انباری، استخر، سیستم اعلام حریق، موقعیت جغرافیایی، نوع پوشش کف، نمای ساختمان و سیستم سرمایشی و گرمایشی.

مشخصه‌های همسایگی مناطق عبارت‌اند از مساحت کاربری بهداشتی به کل جمعیت منطقه، میانگین زمان رسیدن به ایستگاه اتوبوس برحسب دقیقه، درصد ساکنینی که در فاصله 300 متری از فضای سبز قرار دارند، میزان رضایت از کیفیت جمع‌آوری زباله و نسبت مساحت کاربری آموزشی به کل مساحت در مناطق.

متغیرهای اجتماعی - اقتصادی شامل درآمد، تسهیلات دریافتی، سن، جنسیت، مدرک تحصیلی، وضعیت تأهل و وضعیت شغلی خریدار هستند. اطلاعات مربوط به متغیرهای اجتماعی - اقتصادی از فرم اعتبارسنجی مشتریان حقیقی و سایر اسناد و مدارک موجود در پروندة تسهیلاتی مشتریان در شعب بانک مسکن استخراج شده است.

مشخصه‌های محیط زیستی (آلودگی هوا) عبارت‌اند از وجود هر نوع آلاینده اعم از جامد، مایع، گاز و تشعشع پرتوزا و غیرپرتوزا در هوا به تعداد و در مدت زمانی که کیفیت زندگی را برای انسان و سایر جانداران به خطر اندازند یا به آثار باستانی و اموال خسارت وارد کنند. شش آلایندة اصلی هوا شامل منواکسید کربن، ازن، دی‌اکسید گوگرد، دی‌اکسید نیتروژن، ذرات معلق کوچک‌تر از 10 میکرون و ذرات معلق کوچک‌تر از 5/2 میکرون هستند.

یافته‌های تحقیق

برخی از مهم‌ترین ویژگی‌های ساختاری منازل مسکونی معامله‌شده در مناطق 22گانة شهر تهران در جدول 1 آورده شده که در سال 1395 معامله شده‌اند. میانگین سن بنا در حدود 10 سال و متوسط تعداد اتاق در واحدهای معامله‌شدة شهر تهران 64/1 بوده است؛ هرچه به مناطق مرکز و جنوب شهر نزدیک می‌شود، متوسط تعداد اتاق در واحد مسکونی کاهش می‌یابد. متوسط متراژ معامله‌شده 63/71 متر بوده است و همچنین 83/72 درصد واحدهای معامله‌شده در شهر تهران در سال 1395 حداقل یک پارکینگ داشته‌اند. به‌طور میانگین 40/53 درصد واحدهای معامله‌شده دارای اسکلت بتنی بوده‌اند. به‌طور متوسط 41/65 درصد واحدهای مسکونی معامله‌شده در تهران آسانسور داشته‌اند. 90/65 درصد واحدهای مسکونی معامله‌شده دارای انباری بوده‌اند و به‌طور متوسط 73/3 درصد واحدهای معامله‌شده در شهر تهران، سیستم اعلام حریق داشته‌اند. همچنین به‌طور متوسط 57/1 درصد منازل معامله‌شده در شهر تهران دارای استخر بوده‌اند.

با توجه به اینکه در برخی از مناطق شهر تهران (مانند مناطق 12 و 17) برخی از آلاینده‌ها در طول سال اندازه‌گیری نمی‌شوند، مدل برای 20 منطقة شهر تهران برآورد می‌شود. نتایج نشان می‌دهند متوسط قیمت مسکن در شهر تهران 2708 میلیون ریال بوده و میانگین شاخص کیفیت هوا برای 20 منطقه 93/76 است.

جدول 1- ویژگی ساختاری منازل مسکونی شهر تهران

 ماخذ: نتایج تحقیق

جدول 2- وضعیت آلودگی در مناطق

ماخذ: نتایج تحقیق

با توجه به تحقیقات انجام‌شده، بهترین نتیجة ممکن از فرم تابعی لگاریتمی دوطرفه استخراج شده است. طبق نظر وولدریدج^[16] (2002)، مزیت فرم تابعی لگاریتمی دوطرفه به این دلیل است که موجب کاهش تأثیر مشاهدات پرت و کاهش شدت هم‌خطی بین متغیرها شده است و تفسیر ساده‌ای از پارامترها را به دنبال دارد. همچنین این فرم مشکلات مربوط به ناهمسانی واریانس جملات خطا را کاهش می‌دهد و درنتیجه، قدرت توضیح‌دهندگی مدل با این فرم افزایش خواهد داشت.

دو رویکرد مهم برای مدل‌سازی در اقتصادسنجی وجود دارد؛ رویکرد جزء به کل و رویکرد کل به جزء. در رویکرد کل به جزء یا رهیافت هندری^[17]، تمامی متغیرهای مستقلی که براساس تئوری مناسب مدل هستند در مدل قرار گرفته‌اند. سپس از مجموعه متغیرهای مستقل، آنهایی که قدرت کمتری دارند و فروض کلاسیک را نقض می‌کنند، از مدل کنار گذاشته می‌شوند تا شکل صحیح مدل به دست آید (Gojarati, 1385: 620/2). در این تحقیق از روش کل به جزء یا رویکرد هندری برای به دست آوردن متغیرهای مهم مدل استفاده شده است؛ بنابراین، شکل اولیه مدل به‌صورت زیر برآورد خواهد شد:

طبق نظر پالم کوئیست^[18] (2003) و سایر مطالعات انجام‌شده، بهتر است به‌دلیل ایجاد همبستگی یا اثر متقابل متغیرها بر هم، متغیرهای زیست‌محیطی با هم استفاده نشوند؛ بنابراین، با توجه به تحقیقات انجام‌شدة قبلی، در این تحقیق نیز رابطه 11 برای هریک از متغیرهای آلودگی هوا به‌طور جداگانه برآورد می‌شود. پس از برآورد اولیه مدل براساس هریک از متغیرهای آلودگی هوا، متغیرهایی که معنی‌دار نبودند مانند بالکن، موقعیت جغرافیایی، پوشش کف سرامیک و موزاییک، سیستم سرمایش چیلر و نمای ساختمان از مدل حذف شدند. همچنین، با توجه به اینکه متغیرهای آلودگی هوا مانند NO₂ و CO، علائم مورد انتظار براساس مبانی نظری را نداشتند از مدل حذف شدند.

آزمون فروض برای مدل براساس هریک از متغیرهای آلودگی هوا انجام می‌شود. به‌طور کلی، احتمال برآورده‌شدن فرض عدم وجود خودهمبستگی دربارة داده‌های آماری مطالعه‌شده در یک برهه از زمان (داده‌های مقطعی) بسیار زیاد است. یکی از مشکلات اصلی استفاده از داده‌های مقطعی، نقض فرض برابری واریانس‌های جملات اختلال است (هژبرکیانی، 1394: 198).

آزمون‌های استفاده‌شده برای تشخیص نابرابری واریانس‌های جملات اختلال، وایت^[19] و بریوش - پاگان^[20] هستند. با استفاده از آزمون‌ها مشخص می‌شود مدل دارای ناهمسانی واریانس بوده است؛ بنابراین، با استفاده از روش وایت به رفع آن اقدام می‌شود که در این روش ماتریس واریانس و کوواریانس ضرایب برآوردشده اصلاح می‌شود؛ درنهایت، مدل نهایی در جدول 2 ارائه شده است. نتایج اولیه نشان می‌دهند در مدل لگاریتمی با متغیر Log(PM_2.5)، 83 درصد از تغییرات لگاریتم قیمت مسکن با متغیرهای منتخب در مدل توضیح داده می‌شوند. نتایج برای سایر متغیرها نیز در جدول موجود هستند.

جدول 3- مدل نهایی

ماخذ: نتایج تحقیق

نتایج جدول بالا به این صورت تفسیر می‌شوند: متغیر مساحت خانه، بیشترین تأثیر مثبت را بر قیمت واحد مسکونی دارد. کشش بالای این متغیر برای 4 مدل نشان می‌دهد در صورتی که سیاست‌گذار به دنبال طراحی مسکن مناسب برای خانوار کم‌درآمد است، متراژ واحد مسکونی می‌تواند عاملی مهم در کاهش قیمت تمام‌شده واحد مسکونی باشد. همچنین در سیاست‌گذاری بخش مالیات و عوارض، این کشش کاربرد دارد و متغیری تأثیرگذار در آن به حساب می‌آید.

سن بنا تأثیر منفی بر قیمت واحد مسکونی دارد و با فرض ثابت‌بودن سایر شرایط، افزایش یک درصدی سن بنا موجب کاهش به‌طور متوسط 03/0 درصدی در هر 4 مدل در قیمت واحد مسکونی در شهر تهران می‌شود. وجود پارکینگ به‌عنوان یکی از ویژگی‌های واحد مسکونی، تأثیر مثبت بر قیمت مسکن داشته است. افزایش تعداد واحد در طبقه برای واحد مسکونی موجب کاهش در قیمت خانه می‌شود؛ این امر به‌دلیل افزایش جمعیت در طبقات ساختمان و درنتیجه، شلوغی طبقات و ساختمان است؛ این متغیر در مدل‌های 2 و 3 تأثیر منفی بیشتری دارد. متغیر شماره طبقة واقع‌شدن ملک نیز تأثیر منفی بر قیمت واحد مسکونی دارد؛ یعنی با افزایش شماره طبقة واقع‌شدن ملک، قیمت مسکن کاهش می‌یابد. یکی از عمده‌ترین دلایل کاهش قیمت با افزایش طبقة وقوع ملک را می‌توان به میانگین 65 درصد واحدهای دارای آسانسور مرتبط دانست که درنتیجه برای واحدهای مسکونی بدون آسانسور، طبقات بالای ساختمان با افت قیمت از این موضوع مواجه می‌شوند.

ویژگی‌های محیطی نیز دارای علامت‌های مورد انتظار هستند. متغیر مساحت آموزشی به مساحت منطقه تأثیر منفی بر قیمت مسکن داشته است؛ در مدل‌های 3 و 4 این متغیر معنی‌دار بوده است و علامت آن با تحقیقات قبلی همخوانی دارد. براساس این، افزایش مراکز آموزشی در منطقه به‌دلیل افزایش حجم ترافیک، آلودگی صوتی مدارس و ... بر قیمت منزل مسکونی تأثیر منفی دارد. یک درصد افزایش در درصد ساکنانی که در فاصله 300 متری از فضای سبز قرار دارند، قیمت واحد مسکونی را کاهش می‌دهد که نشان می‌دهد افزایش جمعیت ساکن در اطراف پارک‌ها و فضای سبز موجب ایجاد مزاحمت برای ساکنان می‌شود؛ این مزاحمت به گونه‌های مختلفی مانند سروصدای محیطی، ایجاد ترافیک یا معضلات اجتماعی بروز می‌کند که البته در مدل 4 با آلودگی ذرات معلق کمتر از 5/2 میکرون تأثیر کاهشی بیشتری دارد. متغیر میزان رضایت از جمع‌آوری زباله در مناطق تهران تأثیر مثبتی بر قیمت واحد مسکونی دارد؛ این متغیر در مدل 1 با آلودگی هوای دی‌اکسید گوگرد دارای کمترین تأثیر مثبت و در مدل‌های 3 و 4 دارای بیشترین اثر مثبت بر قیمت واحد مسکونی است. همچنین افزایش یک درصدی در دسترسی به مراکز بهداشتی در مناطق شهر تهران، قیمت واحد مسکونی را کاهش می‌دهد که منطبق با دستاوردهای سایر مطالعات انجام‌شده است؛ زیرا عموماً به‌دلیل مزاحمت‌های ناشی از تردد در نزدیکی مراکز بهداشتی و همچنین وجود بیماری و عدم معدوم‌سازی درست زباله‌های بیمارستانی، واحدهای مسکونی در مجاورت مراکز بهداشتی با افت قیمت مواجه می‌شوند که این کاهش در مدل‌های 1 و 4 بیشتر از سایر مدل‌ها است. از دیگر متغیرهای این گروه، میانگین زمان رسیدن به ایستگاه اتوبوس در مناطق مختلف شهر تهران است. افزایش زمان رسیدن به ایستگاه اتوبوس موجب کاهش قیمت مسکن شده است؛ این متغیر نیز در مدل‌های 3 و 4 با ذرات معلق کوچک‌تر از 5/2 و 10 میکرون اثر کاهشی بیشتری دارد.

آلودگی هوا نیز همان‌طور که انتظار می‌رود تأثیر منفی بر قیمت واحد مسکونی دارد؛ به‌جز متغیرهایCO  و NO₂ که براساس مبانی نظری تحقیق دارای علامت مورد انتظار نبودند. ذرات معلق کوچک‌تر از 5/2 میکرون، بیشترین تأثیر منفی را بر قیمت واحد مسکونی دارند که دلیل آن نیز آلودگی هوا در سال‌های اخیر در تهران بوده که عمدتاً ناشی از ذرات معلق کوچک‌تر از 5/2 میکرون است.

سایر متغیرهای ساختاری مانند آسانسور، اسکلت ساختمان، انباری، سیستم گرمایشی و سرمایشی و کف منزل مسکونی نیز دارای علامت مورد انتظار بوده‌اند. تأثیر منفی سیستم سرمایشی کولر آبی بر قیمت ساختمان نیز به‌دلیل اشغال فضای کانال کولر در واحد مسکونی بوده است که به‌خصوص برای طبقات بالاتر فضای بیشتری را اشغال می‌کند؛ بنابراین، از متراژ مفید واحد می‌کاهد و قیمت را کاهش می‌دهد.

قیمت ضمنی یا میل نهایی به پرداخت برای کیفیت هوا (MWTP)^[21]:

براساس مبانی نظری ذکرشده پس از برآورد تابع قیمت هدانیک، قیمت ضمنی هر متغیر، با استفاده از مشتق جزئی تابع قیمت هدانیک نسبت به آن متغیر استخراج می‌شود. قیمت ضمنی یا تمایل به پرداخت متغیر شاخص کیفیت هوا با توجه به فرم تابعی لگاریتمی دوطرفه محاسبه می‌شود.

مشتق جزئی هریک از مشخصه‌ها از تابع قیمت هدانیک مسکن نشان‌دهندة قیمت حاشیه‌ای ضمنی یا تمایل به پرداخت آن مشخصه است؛ ازاین‌رو، تمایل به پرداخت نشان‌دهندة میل به پرداخت خانوار برای ویژگی‌های منتسب است. تمایل به پرداخت برای کاهش آلودگی هوا با شاخص PM_2/5 در تهران برای هر متر مربع برابر با 148225 ریال است. براساس جدول، بیشترین مقدار پرداخت برای دی‌اکسید گوگرد و کمترین آن برای ازن است.

جدول 4- متغیر آلودگی هوا

ماخذ: نتایج تحقیق

میل نهایی به پرداخت (MWTP) برآوردشده رابطه مستقیم با قیمت مسکن و ضریب شاخص کیفیت هوا در تابع قیمت هدانیک مسکن و همچنین رابطه معکوس با مقدار آلودگی هوا دارد.

معادله تقاضا (معکوس)^[22] یا معادله میل نهایی به پرداخت

در این مرحله با توجه به کارهای انجام‌شده نظیر پژوهش کیل و زابل^[23] (2000) و چاتوپادیای^[24] (1999) پس از تابع قیمت هدانیک استخراج‌شده در مرحله اول و قیمت‌های ضمنی برآوردشده، معادله تقاضا برای هریک از متغیرهای کیفیت هوا برآورد می‌شود. معادله تقاضا (معکوس):

در اینجا PAQI_i قیمت ضمنی استخراج‌شده از مرحله اول است، H_i بردار ویژگی‌های خانوار است که شامل درآمد و ویژگی‌های اجتماعی نیز می‌شود و AQI_i مقدار متغیر آلودگی هوا است. در اینجا نیز شکل تابعی مدل مهم بوده و برگرفته از مرحله اول مدل است. رابطه 13 همان تابع تقاضای معکوس است. (زابل و کیل، 2000: 179)

براساس مرحله اول، در این مرحله از فرم تابعی لگاریتمی دوطرفه استفاده می‌شود. ضرایب حاصل از معادله رگرسورهای قیمت مسکن برای برآورد معادله میل نهایی به پرداخت استفاده می‌شوند. فرمول اولیه در این مرحله به‌صورت زیر است:

براساس رابطه 14، AQI_i مشخصة آلودگی هوا بوده است که هرکدام از متغیرهای So₂، O₃، PM₁₀ و PM_2.5 در آن جایگزین می‌شود. همچنین، PAQI_i قیمت ضمنی آن متغیر آلودگی هوا بوده که متغیر وابسته است. سایر متغیرها، Income درآمد خانوار، Loan میزان تسهیلات دریافتی برای خرید مسکن، Age سن خریدار واحد مسکونی، Married وضعیت تأهل خریدار، Gender جنسیت خریدار، Education میزان تحصیلات و Job وضعیت شغلی خریدار هستند.

پس از برآورد اولیه مدل مشخص شده است که در میان متغیرهای اولیه، جنسیت و شغل افراد تأثیری در تمایل به پرداخت برای بهبود هوا ندارند؛ بنابراین، از معادله حذف می‌شوند. همچنین پس از رفع ناهمسانی واریانس با استفاده از روش وایت برای هر مدل‌، مدل‌های نهایی برآورد شدند. نتایج حاصل از تابع تقاضا برای متغیرهای آلودگی هوا در جدول 5 ارائه شده‌اند.

جدول 5- مدل نهایی تابع تقاضا

ماخذ: نتایج تحقیق

ضرایب متغیرهای مقدار آلودگی هوا طبق انتظار و براساس مطالعات پیشین منفی و کوچک‌تر از یک هستند و نشان‌‌دهندة کشش خود قیمتی هستند. با یک درصد کاهش در مقدار متغیر آلودگی هوا (PM_2/5)، میل نهایی به پرداخت 197/0 درصد افزایش می‌یابد که نشان‌دهندة حساسیت بیشتر قیمت این متغیر به مقدار آن نسبت به سایر متغیرهای آلودگی هوا ازنظر شهروندان تهرانی است؛ زیرا در سال‌های اخیر، عمده آلودگی هوا در تهران ناشی از ذرات معلق کوچک‌تر از 5/2 میکرون است.

همچنین علامت متغیر درآمد افراد به قیمت ضمنی مثبت بوده که نشان‌دهندة افزایش میل نهایی به پرداخت افراد در صورت افزایش درآمد آنها است که با نتایج مطالعات خارجی همخوانی دارد؛ البته ضریب به‌دست‌آمده در جداول کوچک‌تر از یک هستند که کشش‌های درآمدی کوچک‌تر از یک نشان‌دهندة ضروری‌بودن این قیمت‌های ضمنی برای ساکنان شهر تهران هستند. همچنین، با توجه به اینکه در بانک اطلاعاتی استفاده‌شده در این تحقیق، میزان تسهیلات فردی دریافتی توسط خریداران واحد مسکونی در دسترس است، در این بخش از تحقیق به‌مانند درآمد اضافی برای فرد در مدل لحاظ شده است که معنی‌دار بوده و موجب بهبود مدل شده است؛ همچنین نشان می‌دهد افراد حاضرند بخشی از تسهیلات دریافتی را برای بهبود در محیط زندگی خود هزینه کنند که می‌تواند به‌صورت انتخاب مناطق با آلودگی هوایی کمتر باشد. با توجه به ضرایب یک درصد افزایش در میزان تسهیلات، میل نهایی به پرداخت با آلودگی هوای ذرات معلق کوچک‌تر از 5/2 میکرون بیشترین افزایش را دارد.

همچنین نتایج نشان می‌دهند با افزایش سن افراد، میل نهایی به پرداخت برای بهبود آلودگی هوا افزایش می‌یابد. برای متغیر PM_2.5 یک درصد افزایش در سن افراد موجب افزایش 078/0 درصدی در میل نهایی به پرداخت می‌شود که بیشترین اثر را در بین متغیرها دارد؛ براساس این، با بالارفتن سن، افراد تمایل دارند در محیط‌های پاک و خوش آب‌وهوا زندگی کنند. وضعیت تأهل افراد نیز در میل نهایی به پرداخت افراد تأثیرگذار است و افراد متأهل تمایل دارند مبلغ بیشتری هزینه کنند تا محیط زندگی بهتری برای زندگی افراد خانوار انتخاب کنند؛ البته وضعیت تأهل برای دو متغیر میل نهایی به پرداخت برای کاهش آلودگی هوا PM₁₀ و O₃ معنی‌دار نیست. وضعیت تحصیلی افراد نیز نشان می‌دهد با بالارفتن مدرک تحصیلی افراد تمایل دارند در مناطق با آلودگی هوای کمتر زندگی کنند.

نتیجه‌گیری

نتایج نشان می‌دهند برخلاف تصور برخی از افراد که ارزشی برای کالاهای محیط زیستی به‌خصوص آلودگی هوا قائل نیستند، این کالا ارزش پنهان بین افراد جامعه دارد و این ارزش زمانی آشکار می‌شود که افراد برای بهره‌بردن از هوای پاکیزه حاضرند هزینه‌های بیشتری را تقبل کنند تا در محیطی پاک زندگی کنند؛ بنابراین، سیاست‌گذاران باید در طراحی سیاست‌های خود ارزش کالایی مانند هوای پاک را لحاظ کنند. همچنین، اطلاع‌رسانی درستی به افراد جامعه صورت گیرد تا افراد با درک ارزش هوای پاک، نقش خود را در برنامه‌ها به درستی ایفا کنند؛ زیرا علاوه بر حفظ سلامتی و بهداشت فرد و خانوار، ازطریق افزایش در قیمت دارایی‌ها، موجب بازگشت هزینه‌هایی می‌شود که برای بهبود کیفیت هوا پرداخت می‌شوند. با توجه به نتایج حاصل از پژوهش، افراد با سطح سواد و درآمد پایین‌تر، نسبت به ارزش هوای پاک حساسیت کمتری دارند؛ بنابراین، پیشنهاد می‌شود آموزش‌هایی ازطریق سازمان محیط زیست و شهرداری تهران برای اطلاع‌رسانی در خصوص ارزش هوای پاک و محیط زیست سالم به‌خصوص در مناطق جنوبی شهر برگزار شود. همچنین، با توجه به اینکه ضرایب هرکدام از متغیرهای ساختاری و همسایگی در ساخت مسکن اهمیت دارند، پیشنهاد می‌شود اهمیت پژوهش‌های بخش مسکن و ساختمان و نتایج آن ازطریق وزارت مسکن و شهرسازی به اطلاع سازندگان خرد و انبوه‌سازان برسد تا واحدهای مسکونی متناسب با نیاز خانوار و با قیمت مناسب منطقه ساخته شود تا از خواب سرمایه و هدررفتن منابع مالی جلوگیری شود. علاوه بر موارد ذکرشده، با توجه به ضرایب بالای سه متغیر آلودگی هوا (PM₁₀، PM_2.5 و SO₂) در تابع قیمت هدانیک و اثر این متغیرها بر سلامت و دارایی افراد، پیشنهاد می‌شود سازمان محیط زیست و سازمان کنترل کیفیت هوا عوامل مؤثر بر افزایش این متغیرها را شناسایی و به شهروندان اطلاع‌رسانی کنند تا با همکاری شهروندان مقدار این سه متغیر کاهش یابد.

[1] International Agency for Research on Cancer

[2] Carriazo and Gomez

[3] Huang and lanz

[4] Chen et al

[5] Gonzalez et al

[6] Pollution Standard Index

[7] Andrew Court

[8] Waugh

[9] Clowell and Dilmore

[10] G.C. Hass

[11] H.A.Wallace

[12] Court  

[13] Griliches  

[14] Rosen

[15] Bid Prices

[16] Wooldridge

[17] Hendry’s Approach

[18] Palmquist

[19] White

[20] Breusch and Pagan

[21] Marginal Willingness to Pay

[22] Inverse Demand Equation

[23] Kiel and Zabel

[24] Chattopadhyay