بررسی تأثیر عوامل فیزیکی، محیطی و اقتصادی بر قیمت املاک تجاری: مطالعۀ موردی منطقۀ ثامن مشهد

مقدمه

با افزایش جمعیت در کنار مهاجرت از روستا به شهر در دهه­های پیش و توسعۀ جوامع شهری، قیمت املاک شامل مسکونی و تجاری در سال­های گذشته جهش­های قیمتی زیادی را تجربه کرده است. بر اساس گزارش 1400 بودجۀ خانوار مرکز آمار، هزینۀ مسکن حدود 37 درصد از کل هزینۀ خانوار در مناطق شهری را تشکیل می­دهد که طبیعتاً بر نرخ ازدواج و باروری تأثیری منفی و معنادار خواهد داشت (Gholipour & Farzanegan, 2015). روند صعودی قیمت مسکن در سال‌های اخیر باعث کاهش تقاضا شده است؛ به­گونه­ای که تعداد پروانه‌های ساختمانی صادرشده در مناطق شهری که در سال 1390 برابر 197 هزار و 105 فقره بوده است، در دهۀ گذشته در برخی از سال‌ها تا 50 درصد کاهش یافته است (منجذب و همکاران، 1401). اگرچه مطالعات مختلف در حوزه­های مختلف تغییرات و تحولات قیمت املاک را بررسی کرده‌اند، با توجه به جهش‌های قیمتی سال­های اخیر و شرایط اقتصاد تحریمی کشور، به نظر می­رسد شناخت عوامل مؤثر بر قیمت و وجود یک مدل پیش­بینی و توضیح قیمت املاک همچنان ضروری است و می­تواند خلأ اطلاعاتی موجود در این حوزه را بیش از پیش پر و به سیاست‌گذاران و برنامه­ریزان شهری در طرح­ریزی برنامه­های رفاهی و توسعه­ای کمک ­کند. این موضوع حتی برای افرادی که به املاک و مسکن نگاه سرمایه­گذاری دارند نیز مفید است و می­تواند به بهبود اطلاعات و در نتیجه، کارایی این بازار دارایی منجر شود.

مطالعۀ متغیرهای تأثیرگذار بر قیمت مستغلات و پیش­بینی و توضیح آن‌ها در شهر مشهد از ضرورت و اهمیت دوچندان برخوردار است. طبق گزارش مرکز آمار ایران برای سال 1402، شهر مشهد با جمعیتی حدود 3 میلیون و 71 هزار نفر و 934 هزار خانوار دومین کلان‌شهر بزرگ­ ایران است. مشهد همچنین به دلیل ویژگی­های ساختاری، مذهبی، فرهنگی و کالبدی، بسیار از سایر کلان‌شهرهای ایران متفاوت است. این شهر سالانه میزبان تعدادی زیاد از زائران و گردشگران داخلی و خارجی است که به اقتصاد این شهر رونق می­بخشند و از سوی دیگر و به طور هم‌زمان، با معضل بزرگ حاشیه­نشینی و فقر مواجه است. حاشیۀ شهر مشهد که دارای 42 محله است که 33 درصد از جمعیت و 22 از درصد وسعت شهر را شامل می­شوند، یکی از بحرانی­ترین چالش­های این شهر محسوب می­شود (حسین­زاده یزدی و یعقوبی، 1399). اوج این اختلافات و تناقضات در منطقۀ ثامن مشهد نمایان است. این منطقه به دلیل قرارگیری حرم مطهر، مرکز اصلی گردشگری شهر مشهد است و املاک تجاری این منطقه بسته به نزدیکی به حرم مطهر از رونق خرید و فروش زیادی برخوردار هستند و در عین حال، منطقۀ ثامن از جملۀ مناطق کمتربرخوردار شهری محسوب می­شود و بافتی فرسوده دارد. در واقع، اختلاف کیفی و قیمتی املاک تجاری در منطقۀ ثامن شهر مشهد یکی از مشخصه­های اصلی این منطقه است (همان). در سال­های اخیر نیز افزایش شدید جمعیت و جهش­های قیمتی در املاک تجاری در کل ایران، شهر مشهد و به ویژه منطقۀ ثامن موجب شده است تا ساختار فضایی این منطقه به‌شدت تغییر کند (بزرگی، 1396)؛ بنابراین، بررسی این موضوع و سیاست­گذاری و برنامه­ریزی شهری در این باره بیش از پیش ضروری و مهم است.

همین امر باعث شد تا این مقاله بررسی و توضیح تأثیر عوامل مختلف در سطح خرد بر قیمت املاک تجاری در منطقۀ ثامن شهر مشهد را مورد توجه قرار دهد. مطالعات این حوزه به طور سنتی بر مطالعۀ مسکن با استفاده از مدل­های هدانیک[i] تمرکز داشته­اند که به بررسی مشخصه­های فیزیکی و محیطی محدود می­شده است. این مقاله ضمن دربرگیری یک بازۀ وسیع­تر زمانی که تغییرات مختلف از جمله تحریم­ها، تورم­های زیاد حدود 40 و 50درصدی و جهش­های قیمتی شدید مسکن و مستغلات را پوشش می‌دهد، از دو نظر با مطالعات قبلی متفاوت است. نخست اینکه قیمت املاک تجاری را بررسی می‌کند که در ادبیات موضوع به ­ویژه در داخل ایران کمتر به آن توجه شده است. قیمت مسکن را می­توان با استفاده از مدل­های هدانیک و مشخصه‌های فیزیکی به‌خوبی توضیح داد؛ اما املاک تجاری کالایی چندوجهی است که متغیرهای زیادی از جنبه­های محیطی و اقتصادی نیز بر قیمت آن تأثیر می‌گذارند؛ به این ترتیب، نوآوری دوم مقاله از این نظر است که تلاش شده است تا با به‌کارگیری یک سری از متغیرهای تأثیرگذار اقتصادی در کنار یک مدل هدانیک قیمت که مشخصه­های فیزیکی و محیطی املاک را در نظر می­گیرد، طیفی جامع­تر از متغیرهای تأثیرگذار بررسی شود. در واقع، هدف اصلی این مقاله بررسی تأثیر متغیرهای فیزیکی، محیطی و اقتصادی بر قیمت املاک تجاری منطقۀ ثامن شهر مشهد است. برای این منظور، یک نمونۀ تصادفی از 161 ملک تجاری در منطقۀ ثامن انتخاب و با استفاده از روش رگرسیون حداقل مربعات معمولی (OLS)[ii]، تأثیر این عوامل مختلف بر قیمت املاک تجاری بررسی شد.

ساختار مقاله به این صورت است که ابتدا و در بخش دوم، مبانی نظری و پیشینۀ پژوهش مرور می­شوند. در بخش سوم، ابتدا منطقۀ ثامن مشهد به عنوان مطالعۀ موردی بررسی می‌شود. در همین بخش سوم، متغیرهای پژوهش، روش جمع­آوری داده­ها و یک سری از آمار توصیفی ارائه خواهند شد که درکی بهتر از موضوع و روش پژوهش را فراهم می­کنند. در بخش چهارم، یافته­های پژوهش بیان خواهند شد و در پایان، بخش پنجم به جمع­بندی و نتیجه­گیری اختصاص دارد.

مبانی نظری

املاک تجاری به منظور تأسیس و مدیریت کسب­وکارها و فعالیت‌های تجاری اساسی استفاده می‌شوند و نقش مهمی در اقتصاد و توسعۀ شهرها، مناطق صنعتی و تجاری دارند (توسلی‌زاده، 1396). در بررسی عوامل مؤثر بر قیمت املاک تجاری، ابتدا بهتر است تعریفی از املاک تجاری را ارائه دهیم. به طور کلی، املاک تجاری املاکی هستند که به منظور انجام فعالیت‌های تجاری، حرفه‌ای یا کسب­وکاری احداث یا تأسیس شده‌اند (بزرگی، 1396). به عبارت دیگر، این املاک به ‌طور اصولی به عنوان واحدهای تجاری طبق قوانین تجارت اداره می‌شوند و فعالیت‌های تجاری یا صنفی در آن‌ها اجرا می‌شوند. به طور کلی، عوامل مؤثر بر قیمت‌گذاری املاک تجاری را می‌توان به دو دسته تقسیم کرد. نخست، عوامل بنیادی که توسط نیروهای عرضه و تقاضای بازار شکل می‌گیرند. دستۀ دوم عوامل غیربنیادی هستند که به عملکرد اقتصادی ملکی مرتبط نمی‌شوند (منجذب و همکاران، 1401). عوامل بنیادی مؤثر بر قیمت‌گذاری املاک تجاری مقیاس‌هایی متفاوت از سطح کلان (سیاست‌های پولی و نرخ بازدهی سپرده‌های بانکی و ...) تا خرد (تراکم جمعیتی منطقه و ...) را شامل می‌شوند. در یک دسته‌بندی دیگر، عوامل تأثیرگذار بر قیمت املاک تجاری را می­توان به سه دسته تقسیم کرد:

1) عوامل کالبدی - فیزیکی: مشخصه­های فیزیکی مانند مساحت زیربنا، قدمت یا سن بنا، تعداد بر ملک، نوع ساخت و مصالح به‌کاررفته در نوع پوشش، نوع نما و کف و ...، استقرار در مراکز خرید یا طبقۀ استقرار، داشتن انباری و سایر امکانات رفاهی همچون متغیرهایی مانند آب، گاز، تلفن، حمام و ...

2) متغیرهای دسترسی و عوامل محیطی: مشخصه­های محیطی مانند نزدیکی به مرکز شهر، نزدیکی به مراکز مسافربری درون‌شهری مانند مترو یا مسافربری بین‌شهری مانند ایستگاه راه­آهن یا ترمینال اتوبوس­رانی، نزدیکی به مراکز گردشگری با ترافیک زیاد مشتریان مانند فضای سبز و پارک، مراکز مذهبی یا تاریخی و ...، عرض کوچه یا خیابان، وضعیت ترافیکی کوچه یا خیابان، امنیت منطقه و ...

3) ویژگی‌های اقتصادی و اجتماعی ملک: ویژگی­هایی مانند اجاره یا درآمدهای ایجادی ملک، نوع سند، هزینه­های ساخت و کسب پروانه و شرایط اقتصادی دیگر مانند تورم، بهرۀ بانکی و...

پیشینۀ پژوهش

مطالعات مختلف قیمت املاک مسکونی و تجاری و عوامل مؤثر بر آن را بررسی کرده‌اند که در این قسمت، جدیدترین و مهم­ترین مطالعات داخلی و خارجی در این حوزه بررسی خواهند شد.

زالی و همکاران (1402) با تحلیل فضایی زمانی عوامل مؤثر بر قیمت مسکن (موردشناسی: منطقة 5 شهرداری تهران) بیان می‌کنند نرخ تغییرات و نوسانات ارز به عنوان یکی از عوامل اقتصادی و خارجی اثرگذاری قوی‌تری بر مدل‌سازی قیمت مسکن خواهد داشت. پس از تأثیر عوامل اقتصادی و خارجی است که ویژگی­های فیزیکی مسکن از جمله مساحت واحدهای مسکونی و سن بنا در اهمیت تعیین قیمت مسکن دومین نقش را بازی می‌کنند. سایر عوامل نیز از جمله فاصله از گسل و دسترسی به خدمات شهری از جمله مراکز درمانی، ورزشی، آموزشی و دینی، همچنین فضای سبز و دسترسی به بزرگراه‌ها و وسایل نقلیۀ شهری، مرکز صنعتی، فاصله از گسل و تراکم جمعیت نیز به‌ترتیب تأثیراتی بیشتر در مدل‌سازی قیمت مسکن دارند.

معصومی و همکاران (1401) مؤلفه‌های مؤثر بر قیمت‌گذاری مسکن (موردپژوهی: منطقۀ 5 شهر تهران) را بررسی کردند. برای این منظور، از اطلاعات 78 مشاور املاک در منطقۀ 5 در بازۀ زمانی 1390 تا 1400 استفاده شده است. روش تجربی استفاده‌شده تحلیل رگرسیون است و از مدل لگاریتمی بهره گرفته شده است. نتایج به‌دست‌آمده از آزمون‌های همبستگی نشان می‌دهند رابطه‌ای مثبت بین اجزای ساختاری، دسترسی و عوامل محیطی با قیمت مسکن وجود دارد. با تحلیل ضرایب در مدل رگرسیون، مشخص شد ابتدا اجزای ساختاری، سپس دسترسی و در نهایت، عوامل محیطی بر روی قیمت مسکن تأثیرگذار هستند. این نتایج شرایطی را فراهم می‌کند تا الگوهای خریداران و اهمیت نسبی متغیرهای مستقل روی متغیر وابسته شناسایی شوند تا تأثیر هر متغیر بر تغییرات قیمت مسکن مشخص شود.

فیاضی و همت­جو (1401) تأثیر سرمایه‌گذاری در طرح‌های توسعه و عمران شهری بر قیمت املاک و مستغلات در شهر تهران را بررسی کردند. هدف اصلی این مطالعه بررسی تأثیر سرمایه‌گذاری در زیرساخت‌ها و خدمات شهری بر افزایش قیمت مسکن در مناطق 22گانۀ شهر تهران است. روش استفاده‌شده در پژوهش روش هدانیک و متغیرهای استفاده‌شده سه گروه از متغیرها هستند که بر قیمت مسکن در شهر اثر می‌گذارند و متغیرهای فیزیکی مسکن، متغیرهای محیطی مسکن و متغیر فضا را شامل می‌شوند. با توجه به وجود خودهمبستگی فضایی و نتایج آزمون موران 1، مدل هدانیک با استفاده از عامل فضا برآورد شده است. نتایج این مطالعه نشان می­دهد تأثیر متغیرهای محیطی بیش از متغیرهای فیزیکی است و متغیر سهم شبکۀ معابر از کل مساحت محلات بیشترین تأثیر را بر قیمت واحدهای مسکونی در شهر تهران دارد.

مرادی و همکاران (1400) در مقاله‌ای با استفاده از مدل قیمت‌گذاری هدانیک، اثر فضای سبز بر قیمت مسکن را بررسی کرده‌اند (مطالعۀ موردی: شهر یزد). یافته­‌های این پژوهش نشان می‌دهد روش‌های ارزش‌گذاری، از جمله روش هدانیک، با در نظر گرفتن عوامل مؤثر بر متغیر وابسته، توانایی ایجاد ارتباط بین متغیرهایی همچون قیمت منازل مسکونی به ‌عنوان یک کالای بازاری و ارزش تفریحی پارک را دارا هستند. همچنین، به‌جز متغیرهای استفاده‌شده در این پژوهش، عواملی دیگر نیز در تعیین قیمت مسکن دخالت دارند. از میان این عوامل، می‌توان به سیاست‌ها و عملکردهای دولت‌های ملی و محلی و ساختار کلان اقتصادی کشور اشاره کرد که به طور مداوم باعث نوسانات در قیمت مسکن می‌شوند. گفتنی است، روند رونق و رکود در بازار مسکن تأثیری چشمگیر بر تورم در جامعه دارد؛ زیرا در ایران، زمین و مسکن به ‌عنوان منابع اصلی ثروت و سرمایه شناخته می‌شوند و معاملات مرتبط با آن‌ها تحت تأثیر شرایط نقدی جامعه قرار می‌گیرند.

آخوندی و همکاران (1399) عوامل مؤثر بر قیمت مسکن در کلان‌شهر اصفهان را با تأکید بر عوارض محلی بررسی کردند. نتایج فرضیه‌های پژوهش به طور کلی از عواملی گوناگون تبعیت می‌کنند، از جمله (اما محدود به) قیمت هر متر مربع مسکن، درآمد سرانه، نسبت تقاضای کلی مسکن (یعنی تعداد کل خانوارها) به عرضۀ کلی مسکن (به معنای تعداد کل واحدهای مسکونی قابل سکونت)، قیمت هر متر مربع زمین، هزینۀ ساخت هر متر مربع ساختمان، تسهیلات اعطایی در حوزۀ مسکن، هزینۀ اجارۀ هر متر مربع مسکن، نرخ ارز حقیقی، قیمت هر گرم طلا و نرخ سود سپرده‌های بانکی که همگی تأثیراتی معنادار بر روی قیمت مسکن دارند.

رخشانی نسب و همکاران (1399) پژوهشی تحت عنوان ارزیابی و تحلیل مؤلفه‌های مؤثر بر افزایش بی‌رویۀ قیمت مسکن شهری با استفاده از مدل‌های ترکیبی تصمیم‌گیری چندشاخصه (مطالعۀ موردی: شهر زاهدان) را انجام داده‌اند. نتایج پژوهش حاکی از این موضوع است که شاخص‌های فیزیکی بیشترین تأثیر را بر افزایش قیمت مسکن در شهر زاهدان داشته‌اند؛ در حالی که شاخص‌های محیطی کمترین تأثیر را داشته‌اند. تکنیک آزمایشگاه ارزیابی و آزمون تصمیم‌گیری (DEMATEL)[iii] نیز نشان می‌دهد شاخص دسترسی بیشترین تعامل را دارد و شاخص محیطی کمترین تعامل را ایجاد می‌کند. از میان شاخص‌های تأثیرگذار بر قیمت مسکن، شاخص اقتصادی به عنوان مؤثرترین عامل شناخته شده است. همچنین، در تکنیک تجزیه‌وتحلیل ارزیابی گام‌به‌گام اوزان (SWARA)[iv]، اولویت‌بندی نشان می‌دهد عوامل اقتصادی، محیطی و اجتماعی به‌ترتیب در رتبه‌های اول تا سوم قرار دارند. در تکنیک روش بهترین – بدترین (BWM)[v] نیز اولویت‌بندی نشان می‌دهد عوامل اقتصادی در رتبۀ نخست، عوامل محیطی در رتبۀ دوم و عوامل اجتماعی در رتبل سوم قرار دارند. به طور کلی، عوامل اقتصادی از جمله سوداگری و واسطه‌گری چندلایه در بخش مسکن، تورم، افزایش بی‌رویۀ قیمت زمین، افزایش قیمت مصالح و نهادهای ساختمانی، بیشترین تأثیر را بر افزایش قیمت مسکن در شهر زاهدان داشته‌اند.

شعبان‌پور و همکاران (1398) در پژوهشی با عنوان عوامل مؤثر بر قیمت مسکن (مطالعۀ موردی: شهر رشت)، عواملی که بر قیمت مسکن در شهر رشت تأثیر می‌گذارند را بررسی کردند. در این مطالعۀ موردی، روش‌های پژوهش کمّی در این مطالعه به کار گرفته شده‌اند که تأثیرات مختلف عوامل اقتصادی، اجتماعی، محیطی و سیاسی را بررسی کرده‌اند. نتایج به‌دست‌آمده از این پژوهش نشان می‌دهد عواملی همچون درآمد خانوار، نرخ بهره، تورم، نرخ بیکاری، جمعیت، زیرساخت‌ها و قوانین مسکن تأثیری جالب توجه بر روی قیمت مسکن در شهر رشت دارند. علاوه بر این، نتایج نشان می‌دهد عوامل اجتماعی نیز نقش حیاتی در تعیین قیمت مسکن در این منطقه داشته‌اند، از جمله عواملی همچون سطح آموزش، میزان اشتغال و ترتیبات عمومی.

بزرگی (1396) پس از بررسی اثرگذاری متغییرهای محیطی بر قیمت املاک (تجاری و مسکونی) با مدل هدانیک، بیان می‌کند موقعیت جغرافیایی املاک تأثیری جالب توجه بر ارزش آن‌ها دارد. عوامل مثبت مانند موقعیت در محله‌های با امکان دسترسی به معابر اصلی، فاصلۀ مناسب تا حاشیۀ خیابان و دسترسی آسان به مراکز حمل‌ونقل عمومی ارزش ملک را افزایش می‌دهند. همچنین، فرودگاه، ترمینال مسافربری برون‌شهری و حرم مطهر حضرت رضا (ع) نیز به ‌عنوان نقاط مهم و تاریخی، به افزایش ارزش املاک کمک می‌کنند؛ با این حال، تراکم ساختمانی و وجود مراکز خرید پرتراکم ممکن است به علت کاهش ویژگی و افزایش ازدحام، تأثیر منفی بر قیمت املاک داشته باشد. در املاک مسکونی، عوامل مختلف نقش مهمی در تعیین ارزش دارند. برای مثال، فاصله تا حرم مطهر، فضاهای سبز و مناطق گردشگری ممکن است جذابیت محل را افزایش دهند و بر ارزش ملک اثرگذار باشند. همچنین، نزدیکی به مراکز خرید عمده ممکن است امکان دسترسی آسان به مراکز خرید را فراهم کند و این عامل نیز ممکن است به ارتقای ارزش مسکونی کمک کند. امنیت محله، کیفیت کالبد و بافت اجتماعی نیز عواملی هستند که در تعیین قیمت املاک مسکونی اثری مهم دارند؛ در نتیجه، موقعیت جغرافیایی و عوامل اطراف ملک به طرزی قابل ملاحظه‌ بر ارزش املاک تجاری و مسکونی تأثیرگذار هستند و برای تخمین دقیق‌تر این تأثیرات، به مطالعات دقیق‌تر و تحلیل جامع‌تر نیاز است.

دانش و همکاران (1393) نگرش مالکان بافت فرسودۀ منطقۀ ثامن مشهد نسبت به شیوۀ قیمت­گذاری املاک و عوامل مؤثر بر آن را در سال‌های 1388 و 1389 بررسی می‌کنند که از جملــۀ موضوع‌های بــسیار مهمــی است کــه مجریــان و مــسئولان شــهری در احیــای بافت­های فرسوده بـا آن مواجـه مـی­شـوند. این پژوهش به روش پیمایـشی و توزیع پرسـشنامـه در یک نمونۀ 250مشاهده­ای از مالکــان بافــت فرســودة منطقــة ثــامن انجام شده است. یافتـه­هـای این پژوهش نـشان مـی‌دهـد ٦٦/٢٦ درصد از مالکان نسبت به شـیوة قیمـت گـذاری امـلاک نگرشـی منفـی دارنـد. نتـایج حاصـل از تحلیـل رگرسـیون نشان داد مؤثرترین متغیـر بـر نگـرش مالکـان بـه شـیوة قیمـت­گـذاری امـلاک، میزان اطلاعات صـحیحی اسـت کـه آن‌هـا دربارۀ شـیوة قیمـت‌گـذاری امـلاک دارنـد. علاوه بر این، متغیرهایی دیگر، مانند نگـرش مالکـان بـه طـرح نوسـازی و به‌سازی و فاصـلة ملـک تا حرم نیز مؤثر بوده­اند.

امامی میبدی و همکاران (1388) متغییرهای زیست‌محیطی اثرگذار بر قیمت منازل مسکونی تهران را بررسی کردند. این مطالعه با استفاده از روش هدانیک، تابع قیمت مسکن و تأثیر متغیرهای زیست‌محیطی مانند سرانۀ فضای سبز و میزان آلودگی هوا بر قیمت املاک مسکونی شهر تهران را بررسی کرده است. داده­ها و اطلاعات آماری استفاده‌شده در این پژوهش به صورت مقطعی در سال 1383 مربوط به 17 منطقۀ شهری تهران بوده‌‌اند و در برآورد مدل از روش حداقل مربعات معمولی (OLS) به فرم لگاریتمی کمک گرفته شده است. بر اساس نتایج به‌دست‌آمده از این بررسی، مشخص شد در میان متغیرهای بررسی‌شده، مساحت واحد مسکونی بیشترین اثر و اهمیت و در میان متغیرهای زیست‌محیطی نیز، آلودگی هوا برحسب شاخص استاندارد آلودگی هوا و سرانۀ فضای سبز اثرگذاری و اهمیتی جالب توجه در رابطه با قیمت منازل داشته‌اند. در میان متغیرهای فیزیکی نیز، عمر ساختمان در مقایسه با سایر متغیرها بر قیمت املاک مسکونی اثرگذاری بیشتری داشته است. در کنار این متغیرها، نزدیکی املاک به فرودگاه نیز تأثیر منفی بر قیمت املاک مسکونی داشته است.

از میان مطالعات خارجی نیز می­توان به مهم‌ترین و جدیدترین آن­ها به شرح زیر اشاره کرد.

تانه و نگوین[vi] (2024) از یک مدل هدانیک برای تعیین ارزش زمین­های مسکونی شهر هو[vii] در ویتنام استفاده کرده­اند. این مطالعه هدف خود را ارتقای کارایی مدل­های تعیین قیمت زمین و مدیریت این مستغلات بیان کرده و برای این منظور از اطلاعات بیش از 27 مشخصه و متغیر از بیش از 200 املاک بهره گرفته است. مدل برآوردشده برازشی حدود 78 درصد داشته است و نتایج به‌دست‌آمده نشان از تأثیرگذاری 5 عامل اصلی دارد. عواملی مانند مساحت زمین، پهنا یا عرض مسیری که به زمین منتهی می­شود، فاصلۀ­ زمین تا بیمارستان، قابلیت درآمدزایی زمین و اطلاعات برنامه­ریزی بر قیمت زمین مؤثر بوده­اند. این مطالعه در نهایت به یک نقشۀ قیمت­گذاری و ارزش زمین­ها در سطح شهر دست می­یابد که ابزاری مناسب برای مشاوره­­های خصوصی و برنامه­ریزی شهری است.

والدز و چن[viii] (2024) عوامل تعیین‌کنندۀ قیمت مستغلات در اکوادور[ix] را بررسی و در این رابطه، عملکرد مدل­های قیمت­گذاری هدانیک فضایی و غیرفضایی را مقایسه کردند. نتایج به‌دست‌آمده نشان می­دهد در مقایسه با مدل­های رگرسیون سنتی، مدل­های رگرسیون وزنی جغرافیایی یا همان مدل­های فضایی در توضیح تغییرات بازار مسکن عملکردی بهتر دارند. مدل­های فضایی همچنین می­توانند اثرات جالب توجه سرریز بین بازارها و اثرات همسایگی و مجاورت را نیز نمایش دهند؛ با وجود این، مشکل داده در این زمینه وجود دارد و این مطالعه نیز به مشکل عدم دسترسی به داده­های با پوشش زمانی و مکانی یکسان اشاره می­کند. این مطالعه به عنوان نتیجۀ کلی بیان می­کند در تحلیل یافته­های مدل­های فضایی باید محتاط بود؛ زیرا این مدل­ها به‌شدت به داده­های استفاده‌شده وابسته هستند.

زو[x] و همکاران (2024) جنبه­های فضایی تغییرات قیمتی در بازار مستغلات جهانی را مورد توجه قرار داده‌اند و به صورت مشخص دو کانال ارتباطی که قیمت مستغلات ممکن است بین شهرهای مختلف دنیا سرریز کند، یعنی از طریق وجود یک بازار غالب و مسلط و دوم از طریق بازارهای همسایه را مطالعه کرده‌اند. در این مطالعه، 22 کشور در بازۀ زمانی 2005 تا 2019 مطالعه شدند و نتایج گویای وجود اثرات سرریز[xi] جالب توجهی است. یافته­های به‌دست‌آمده نشان می‌دهد بازار مستغلات لندن بازاری پیشرو است و تغییرات قیمتی آن به‌سرعت به شهرهای دیگر دنیا منتقل می­شود. در کوتاه‌مدت، اثرات بازارهای همسایه اهمیت دارند؛ اما در بلندمدت این عوامل اقتصاد کلان هستند که نقش کلیدی دارند. نتایج به‌دست‌آمده همچنین نشان داد اثرات سرریز بازارهای مستغلات از بازار پیشرو لندن در دوران بحران مالی 2008 بیشتر بوده‌اند و برعکس، اثرات بازارهای همسایه در دوران چرخه­های اقتصادی رونق بیشتر مشاهده شده‌اند.

خوشنود[xii] و همکاران (2023) در یک بررسی مروری، مطالعات حوزۀ قیمت­گذاری هدانیک مستغلات از سال 2005 تا سال 2021 را کامل کرده‌اند. در این بررسی مروری از 252 مطالعه، نتایج به‌دست‌آمده نشان می­دهد از مدل­های مختلف شامل مدل‌های خودرگرسیون فضایی و جغرافیایی، مدل­های تفاضل در تفاضل[xiii]، رگرسیون کوانتایل[xiv] و دیگر تکنیک­های پیشرفته استفاده شده است.

فان و یاواس[xv] (2023) روابط پویا و چرخه­ای بین قیمت املاک تجاری خصوصی و عمومی را در طی زمان با استفاده از تکنیک موجک­ها[xvi] بررسی کرده‌اند. داده­های تحت بررسی فصلی است و بازۀ زمانی از سال­های 1980 تا انتهای سال 2015 را در بر می­گیرد. نتایج و یافته­های این مقاله نشان می­دهد روند بلندمدت افزایش قیمت­ املاک تجاری عمومی شیب بیشتری در مقایسه با املاک تجاری خصوصی دارد. علاوه بر این، املاک تجاری عمومی هم در کوتاه‌مدت و هم در بلندمدت با چرخه­های طولانی­تر مواجه است. طول چرخه­های تجاری برای املاک تجاری عمومی بین 26 تا 70 فصل (5/17 سال) برآورد شده است. به طور کلی، یافته­ها نشان می­دهد این بازار املاک تجاری عمومی بوده است که از سال 1990 پیشرو بوده است.

وی[xvii] و همکاران (2022) با یک بررسی مروری، 124 مطالعه را بررسی کرده‌اند که از مدل­های قیمت­گذاری هدانیک در تحلیل و ارزیابی قیمت مستغلات در دوران کلان‌داده­ها[xviii] استفاده کرده­اند. نتایج به‌دست‌آمده از این بررسی مروری نشان می­دهد بیش از ده­ها منبع اطلاعاتی کلان‌داده وجود دارند که در این مطالعات بررسی شده‌اند و مدل­های پیش­پردازش داده­ها، مدل‌سازی فضایی، تحلیل فضایی با سیستم اطلاعات جغرافیایی (GIS)[xix] و مدل­های یادگیری ماشین بیش از پیش در تحلیل هدانیک قیمت مستغلات استفاده شده‌اند. این مطالعه در نهایت اگرچه به کاربرد زیاد کلان‌داده­ها اذعان می­کند، به موضوع مهم کیفیت نابرابر داده­ها اشاره دارد. کیفیت نابرابر داده­ها ممکن است دقت تحلیل­ها را کاهش داده است. از نظر این مطالعه، لازم است روش­های ترکیبی در مدل‌سازی هدانیک قیمت‌گذاری مستغلات استفاده شوند تا از نواقص یک مدل پرهیز شود.

دوان^[xx] و همکاران (2021) در مقاله­ای عوامل تعیین‌کنندۀ اقتصاد کلان و هدانیک قیمت مسکن در (منطقۀ شهری پکن، چین) را بررسی کرده‌اند. دلیل بررسی طیفی گسترده­ از متغیرها و عوامل در این مطالعه چنین بیان شده است که برای ارزیابی ابعاد گوناگون مسکن به عنوان یک کالای پیچیده و چندوجهی و شناخت عواملی که بر قیمت آن تأثیر می‌گذارند، ضرورت دارد به ویژگی‌های متعدد و متنوع واحدهای مسکونی توجه کنیم. این ویژگی‌ها شامل جنبه‌های فیزیکی، محیطی و دسترسی هستند. این ویژگی‌ها عاملی برای ایجاد تفاوت‌هایی در سلیقه و ترجیحات مصرف‌کنندگان در تقاضای مرتبط با مسکن هستند. برای اندازه‌گیری این ویژگی‌ها از روش‌های متعدد استفاده می‌شود و مناسب است از روش‌های غیرمستقیم بهره‌برداری شود.

زکریا و فاطین[xxi] (2021) نیز در مقالۀ خود قیمت املاک و مستغلات در مراکش را بررسی و از یک مدل هدانیک یا کنترل اثرات فضایی برای این منظور استفاده کرده­اند. نتایج به‌دست‌آمده از بررسی در سه شهر مهم در مراکش نشان می­دهد متراژ و موقعیت ملک تأثیری مهم بر قیمت املاک دارند.

لئو و وو^[xxii] (2020) در مقاله ای با عنوان پیش‌بینی قیمت مسکن در چین بر اساس الگوریتم بهینه‌سازی نهنگ، قیمت مسکن در چین را بررسی و از الگوریتم بهینه‌سازی نهنگ برای این منظور استفاده کرده‌اند. الگوریتم بهینه‌سازی نهنگ یک الگوریتم محاسباتی است که بر مبنای الهام از رفتار گروهی نهنگ‌های دریایی ایجاد شده است. این الگوریتم به صورت تصادفی عمل می‌کند و در جست‌وجوی بهینه‌ترین راه‌حل برای مشکل مدنظر استفاده می‌شود. در این مقاله، لئو و وو ابتدا داده‌های مربوط به قیمت مسکن در چین را جمع‌آوری کرده‌اند. سپس، از الگوریتم بهینه‌سازی نهنگ برای تحلیل این داده‌ها و پیش‌بینی قیمت مسکن در آینده استفاده کرده‌اند. نتیجۀ مطالعه چنین بیان شده است که استفاده از الگوریتم بهینه‌سازی نهنگ به عنوان روش پیش‌بینی قیمت مسکن ممکن است به دقت زیاد و نتایج قابل قبول منجر شود و به همین دلیل، می‌توان از آن به عنوان یک ابزار قدرتمند در تحلیل و پیش‌بینی قیمت‌های بازار مسکن استفاده کرد.

زیائو^[xxiii] و همکاران (2019) در پژوهشی تأثیر دو متغیر مساحت زیربنا و مجاورت چشم‌انداز بر قیمت مسکن در چین را مطالعه کرده‌اند. برای این منظور، نویسندگان از روش هدانیک استفاده کرده‌اند که یک روش رگرسیونی است که با استفاده از متغیرهای مختلف، میزان تأثیر هر متغیر را بر قیمت مسکن تخمین می‌زند. در این مقاله، داده‌های مربوط به مساحت زیربنا و مجاورت چشم‌انداز جمع‌آوری شده‌اند. سپس، با استفاده از روش هدانیک، رابطۀ بین این دو متغیر و قیمت مسکن بررسی شده است. نتایج تحلیل نشان می‌دهد هر دو مساحت زیربنا و مجاورت چشم‌انداز تأثیری جالب توجه بر قیمت مسکن در چین دارند.

بلکه و کیل[xxiv] (2018) در مقاله­ای عوامل تعیین­کنندۀ قیمت املاک در بیش از 100 منطقۀ مختلف آلمان را بررسی می‌کنند. این مقاله با استفاده از یک سری دادۀ پانل برای سال‌های 1990 تا 2010، نشان می­دهد عوامل مختلف سمت عرضه و تقاضا بر قیمت املاک مؤثر هستند. به­ طور مشخص، این مقاله نشان می­دهد از سمت عرضه عواملی مختلف از جمله فعالیت ساخت­وساز یا تعداد پروانۀ ساخت صادرشده و حجم مبادلات مؤثر هستند و از سمت تقاضا عواملی مختلف مانند اندازۀ بازار یا جمعیت منطقه، هرم سنی جمعیت منطقه و زیرساخت­های منطقه مهم هستند. علاوه بر عوامل بالا، میزان درآمد سرانۀ منطقه، نرخ بهرۀ تسهیلات و قیمت اجارۀ املاک نیز تأثیرگذار بوده­اند.

اوزالپ و آکینچی[xxv] (2017) عوامل تعیین‌کنندۀ قیمت املاک مسکونی را با یک مدل هدانیک بررسی کرده‌اند. برای بررسی این موضوع، در این مقاله استان آرتوین[xxvi] در ترکیه انتخاب شد و 18 عامل فیزیکی، دسترسی، محیطی و ... در مدل­های مختلف لگاریتمی و شبه‌لگاریتمی بررسی شدند. نتایج به‌دست‌آمده نشان می­دهد متراژ، سن بنا، نزدیکی به مدرسه و نزدیکی به مرکز شهر مهم‌ترین متغیرهای تأثیرگذار بر قیمت ملک بوده­اند. در مجموع، این مقاله نتیجه می­گیرد به نظر عوامل فیزیکی اهمیتی بیشتر نسبت به عوامل محیطی و دسترسی در تعیین قیمت املاک دارند.

لیگوس و پترنک^[xxvii] (2016) تأثیر عوامل ساختاری، مکانی و محیطی بر بازار ملک در شهر وروتسواف[xxviii] در لهستان را با استفاده از روش هدانیک بررسی کرده‌اند. در این مقاله، تحلیل هدانیک به منظور تعیین تأثیر عوامل مختلف بر قیمت املاک تجاری در شهر وروتسواف انجام شده است. عواملی که در این مقاله بررسی شده‌اند شامل ویژگی‌های ساختاری ملک مانند مساحت، تعداد اتاق‌ها و سال ساخت، عوامل مکانی مانند فاصله تا مراکز شهری، امکانات عمومی و مراکز خرید و همچنین، عوامل محیطی مانند کیفیت هوا و سطح نوفه هستند. نتایج تحلیل هدانیک نشان می‌دهد هر یک از این عوامل تأثیری مستقل بر قیمت املاک تجاری در وروتسلاو دارد. برای مثال، املاکی با مساحت بزرگ‌تر، تعداد اتاق‌های بیشتر و سال ساخت جدیدتر دارای قیمت‌های بیشتر هستند. همچنین، املاکی که در نزدیکی مراکز شهری و امکانات عمومی قرار دارند، معمولاً به قیمت‌های بیشتر دست پیدا می‌کنند. علاوه بر این، کیفیت هوا و سطح نوفه نیز تأثیری چشمگیر بر قیمت‌گذاری املاک تجاری در وروتسواف دارند.

رابینسون و ریچرت[xxix] (2015) در بررسی قیمت املاک تجاری و عوامل مؤثر بر آن، از دو مدل هدانیک و مدل مچینگ[xxx] استفاده می­کنند و نشان می­دهند مدل هدانیک از قابلیت بیشتر برای قیمت­گذاری املاک برخوردار است. در این مطالعه، از مجموعۀ دادۀ CoStar[xxxi] ایالات متحده استفاده شده است که اطلاعات بیش از 8/2 میلیون واحد تجاری را شامل می­شود. نتایج به‌دست‌آمده نشان می­دهد موقعیت قرارگیری، مشخصه­های فیزیکی و جزئیات قرارداد اجارۀ ملک بر قیمت مؤثر بوده­اند و تفاوتی معنا­دار از این لحاظ در میان ایالت­های مختلف وجود ندارد. 

فاروق[xxxii] و همکاران (2010) در یک مدل هدانیک، تأثیر عوامل مختلف بر اجارۀ یک واحد تجاری - اداری را بررسی کرده‌اند. با انتخاب شهر تورنتو[xxxiii] به عنوان مطالعۀ موردی، این مقاله عوامل مختلف از دسترسی، کیفیت و مشخصه­های فیزیکی ملک، موقعیت قرارگیری و شرایط بازار را بررسی کرده است و در این راستا، اثرات فضایی نیز کنترل شده‌اند. نتایج به‌دست‌آمده نشان می­دهد دسترسی به زیرساخت­های حمل‌ونقل، نزدیکی به مرکز اصلی تجاری شهر و نرخ خالی بودن املاک[xxxiv] بسیار در تعیین اجاره­بها مؤثر بوده­اند.

بررسی این مطالعات به‌خوبی نشان می­دهد مدل­های هدانیک قیمت همچنان مورد اقبال و توجه پژوهشگران حوزۀ مسکن و مستغلات هستند؛ اما تکنیک­های برآورد مختلفی استفاده شده‌اند که تا حدی زیاد به دسترسی به اطلاعات و اهداف پژوهش بستگی داشته‌اند. در ایران، بیشتر مطالعات مسکن را بررسی کرده‌اند؛ در حالی که مطالعات مرتبط با حوزۀ املاک تجاری همچنان کمتر مورد توجه قرار گرفته­اند؛ به این ترتیب، در حوزۀ قیمت­گذاری املاک تجاری هنوز شکاف پژوهشی وجود دارد. این شکاف پژوهشی زمانی پررنگ­تر می‌شود که مشاهده می‌شود در مدل­های هدانیک بیشتر مشخصه­های فیزیکی و محیطی بررسی شده‌اند و از مشخصه‌های اقتصادی که احتمالاً بر قیمت املاک تجاری اثرگذاری بیشتری دارند، غفلت شده است. این مقاله سعی دارد تا در یک مدل هدانیک از کنار هم قرار دادن مشخصه­های فیزیکی، محیطی و اقتصادی، قیمت املاک تجاری در منطقۀ ثامن مشهد را بررسی کند.

روش پژوهش

در این قسمت از مقاله، ابتدا مطالعۀ موردی، یعنی منطقۀ ثامن مشهد و نمونۀ مشاهدات تحت مطالعه بررسی خواهند شد. سپس، متغیرهای پژوهش به همراه یک سری از آمار توصیفی و در نهایت، مدل تجربی پژوهش ارائه خواهند شد.

معرفی شهر مشهد و منطقۀ ثامن به عنوان منطقه مورد مطالعه

شهر مشهد مرکز استان خراسان رضوی با 328 کیلومتر مربع مساحت، در شمال شرق ایران واقع است. این شهر در سدۀ گذشته از رشد جمعیت زیادی برخوردار بوده است؛ به­گونه­ای که در سرشماری سال 1355 پس از تهران دومین شهر پرجمعیت ایران بوده و تا آخرین سرشماری در سال 1395 همین جایگاه را حفظ کرده است. بر اساس سرشماری عمومی نفوس و مسکن سال 1395، جمعیت شهر مشهد بالغ بر 3،001،184 نفر بوده است. این شهر شامل 13 منطقه است که از میان آن‌ها، منطقۀ ثامن با 12،085 نفر کمترین جمعیت را دارد. در عین جمعیت کم، منطقۀ ثامن از نظر اقتصادی اهمیت زیادی دارد و از لحاظ قرارگیری حرم مطهر در این منطقه، قطب زیارتی و تجاری شهر به حساب می­آید. محدودۀ جغرافیایی این منطقه از شمال به راه‌آهن تا میدان شهید گمنام، از جنوب به بولوار وحدت، خیابان 17 شهریور تا میدان 17 شهریور، از شرق به میدان 17 شهریور، بازار رضا، میدان بیت­المقدس تا چهارراه خسروی و از غرب به چهارراه شهدا و راه‌آهن را در بر می­گیرد که در شکل (1) نشان داده شده است. مساحت کاربری تجاری در کل منطقۀ ثامن 216137 متر مربع است که 6 درصد از کل مساحت بافت را در بر می­گیرد و سرانۀ آن برای جمعیت ساکن 13/4 متر مربع به‌ازای هر نفر است. به دلیل وجود پتانسیل زیاد گردشگری مذهبی، روز به روز بر جمعیت ساکن و متحرک این منطقه افزوده شده است. جدول زیر خلاصه­ای از اطلاعات و شکل زیر نیز نقشۀ این منطقه را نمایش می­دهند.

شکل 1- تصویر نقشۀ منطقۀ ثامن مشهد (منبع: سامانۀ زیرساخت داده­های مکانی)

نمونۀ آماری تحت بررسی شامل داده‌ها و اطلاعات 161 قطعۀ تجاری در این منطقه است که آگهی فروش آن­ها توسط کارشناسان املاک در این منطقه و در مقطع زمانی تابستان 1402 ثبت شده است. اطلاعات این آگهی­های فروش از تعداد 34 کارشناس املاک جمع­آوری شده است که از مجموع 75 کارشناس املاک[xxxv] این منطقه به صورت نمونه­گیری تصادفی ساده انتخاب شده­اند. به ­منظور تکمیل یک سری از اطلاعات املاک همچنین از نرم‌افزار GIS و اطلاعات به‌دست‌آمده از شهرداری منطقۀ ثامن شهر مشهد نیز استفاده شده است. نرم‌افزار GIS با کمک اطلاعات سنجش از راه دور، توسعۀ دقیق و سازگار متغیرها مانند فاصلۀ دسترسی به فضای سبز عمومی با یک شیوۀ سریع و کارآمد را ممکن می‌کند و پس از آن، ممکن است برای اندازه‌گیری­های ویژگی­های محیطی و افزایش درک متغیرهای قیمت مسکن مفید واقع شود.

متغیرهای پژوهش و آمار توصیفی

در این قسمت از پژوهش، ابتدا متغیرهای پژوهش معرفی خواهند شد. متغیرهای تحت بررسی عموماً از دستۀ مشخصه‌های فیزیکی و محیطی (دسترسی به مراکز اصلی) هستند که در ادبیات موضوع و مدل­های هدانیک بررسی می‌شوند. علاوه بر این، برخی دیگر از متغیرها و مشخصه­های اقتصادی مانند اجاره، عوارض شهرداری و نوع سند نیز بر اساس شهود ساده به مدل اضافه شده­اند. ارتباط منطقی سادۀ این مشخصه­ها با قیمت ملک در معرفی هر یک از متغیرها توضیح داده شده و کشف تأثیرگذاری آن­ها به برآوردهای آماری سپرده شده است. پس از معرفی متغیرها، اطلاعات و داده­های جمع­آوری‌شده به ­صورت آمار توصیفی تحلیل خواهند شد.

• قیمت به متر مربع: از آنجا که در این مقاله هدف توضیح قیمت املاک تجاری در منطقۀ ثامن مشهد است، متغیر وابستۀ پژوهش قیمت املاک تجاری است که به­ازای هر متر مربع بیان شده است. قیمت املاک یک متغیر پیوسته است. اطلاعات این متغیر از دفاتر املاک گرفته خواهد شد و در نمونۀ گردآوری‌شده در پژوهش، کمترین قیمت به‌ازای هر مترمربع 3/27 میلیون تومان، بیشترین قیمت 2200 میلیون تومان و میانگین قیمت 36/345 میلیون تومان به‌ازای هر متر مربع بوده است.
• اجاره به متر مربع: برای توضیح قیمت ملک از یک سری از متغیرهای مستقل استفاده خواهد شد و اجاره از مهم‌ترین متغیرهای اقتصادی تأثیرگذار است. در بازار ملک تجاری، اجاره‌های بیشتر می‌توانند بازده سرمایه را افزایش دهند و در نتیجه، قیمت ملک را زیاد کنند. زمانی که مبلغ اجاره برای مالک ملک سودآورتر و جذاب‌تر است، ارزش ملک نیز به‌نسبت بیشتر محسوب می‌شود. اطلاعات این متغیر از دفاتر املاک گرفته شد و در نمونۀ تحت بررسی، کمترین قیمت اجاره‌بهای سالانه به‌ازای هر مترمربع 32/1 میلیون تومان، بیشترین اجاره‌بها 75 میلیون تومان و میانگین اجاره‌بها 66/12 میلیون تومان بوده است. نمودار شکل (2) رابطۀ قیمت و اجاره‌بهای سالیانه را نشان می­دهد. ضریب همبستگی 4/3 درصد نشان داده‌شده در شکل به این معنا است که با افزایش یک‌میلیون‌‌تومانی قیمت ملک در هر متر مربع، اجاره‌بهای سالانۀ آن ملک 4/3 درصد یا به عبارتی، 34 هزار تومان افزایش می‌یابد.

شکل 2- رابطۀ قیمت و اجاره‌بهای سالانۀ املاک تجاری (منبع: یافته­های پژوهش)

• مبلغ عوارض پروانۀ شهرداری به متر مربع: عوارض شهرداری نیز یکی از متغیرهای توضیح‌دهندۀ اقتصادی است که ممکن است به طرزی جالب توجه ارزش و قیمت ملک‌های تجاری را تحت ‌تأثیر قرار دهد. مبلغ عوارض بر اساس رابطۀ (1) محاسبه می­شود که اطلاعات مربوط به سنجه­های مختلف آن از شهرداری منطقۀ ثامن جمع­آوری شده است.

در این رابطه، B ضریب تعدیل برای هر قطاع در منطقۀ ثامن است و بر اساس محاسبات کارشناسان شهرداری، به­ترتیب برای قطاع 1 عدد 977، برای قطاع 2 ضریب 857، برای قطاع 3 عدد 713 و برای قطاع 4 ضریب 625 در محاسبات لحاظ می‌شود. سنجه یا پارامتر P ضریب ارزش معاملاتی است که برای سال 1402 برابر 16 درصد تعیین شده است. ضریب F مکان استقرار را در نظر می‌گیرد یا به ­عبارتی، ضریب طبقات است؛ به این ترتیب که برای واحدهای زیرزمین ضریب 8/0، همکف ضریب 1، طبقۀ اول ضریب 85/0 و طبقات بالاتر ضریب 7/0 لحاظ می­شود. عدد  نیز برای همۀ واحدها برابر 1 در نظر گرفته شده است.

عوارض پروانۀ شهرداری طبق این فرمول محاسبه شده است که کمترین میزان عوارض در نمونۀ تحت بررسی برابر 14، بیشترین 27/31 و میانگین عوارض پروانۀ شهرداری در میان املاک تجاری بررسی‌شده 28/21 بوده­ است. نمودار شکل (3) رابطۀ قیمت املاک تجاری برای هر متر مربع را با هزینۀ عوارض پروانه شهرداری نمایش می­دهد. ضریب همبستگی حدوداً 85/0 نشان می­دهد هر یک واحد افزایش در هزینۀ عوارض 85/0 میلیون تومان یا به عبارتی، 850 هزار تومان قیمت ملک را برای هر متر مربع افزایش می­دهد.

شکل 3- رابطۀ قیمت هر متر مربع و عوارض پروانۀ شهرداری (منبع: یافته­های پژوهش)

• نوع سند: سند ملک یکی دیگر از مهم‌ترین متغیرهای اقتصادی است که بر قیمت ملک مؤثر است. به طور کلی، نوع سند به 7 دستۀ اسناد آستانه­ای، قول­نامه­ای، شش­دانگ ملکی، سرقفلی، اسناد مشاع، اسناد وکالتی و اسناد اوقاف تقسیم می‌شود. در نمونه­های تحت بررسی، به‌ترتیب 1/46 درصد املاک دارای سرقفلی، 23 درصد املاک دارای سند آستانه و 9/30 درصد مابقی دارای سند شش‌دانگ بوده‌اند. بر این اساس، سند شش­دانگ به عنوان پایه در نظر گرفته شده‌ است و 2 متغیر مجازی برای کنترل و بررسی انواع دیگر اسناد یعنی سرقفلی و سند آستانه وارد مدل شده­اند.
• متراژ ملک: متراژ ملک تجاری یکی از عوامل و مشخصه­های فیزیکی مهم و اثرگذار در ارزیابی ارزش ملک است. در نمونۀ تحت بررسی، کمترین متراژ 3 متر مربع، بیشترین متراژ 100 متر مربع و میانگین متراژ املاک تجاری 73/18 متر مربع بوده است.
• قدمت یا سن بنا: قدمت ملک نیز یکی دیگر از عوامل و مشخصه­های فیزیکی تأثیرگذار در ارزیابی ارزش ملک است. در نمونۀ تحت بررسی، کمترین سن بنا 1 سال، بیشترین سن بنا 40 سال و میانگین سن املاک تجاری نیز 12/15 سال است.
• تعداد بر ملک: یکی دیگر از عوامل و مشخصه­های فیزیکی تأثیرگذار بر قیمت املاک تجاری تعداد بر ملک است. این متغیر از طریق یک متغیر مجازی (0 و 1) در مدل قرار داده شده است که برای واحدهای تجاری با یک بر، عدد صفر و برای واحدهای دارای بیش از یک بر، مقدار 1 به خود می­گیرد. در این نمونه، میانگین بر ملک برابر 076/0 است که نشان می­دهد 6/7 درصد از املاک بیش از یک بر و 4/92 درصد دارای یک بر بوده­اند.
• موقعیت ملک: موقعیت ملک یکی دیگر از عوامل و مشخصه­های فیزیکی و محیطی ملک است که بر قیمت آن بسیار مؤثر است. موقعیت ملک می­تواند دو حالت واقع درکوچه یا خیابان فرعی و واقع در خیابان اصلی به خود بگیرد. موقعیت واقع در خیابان اصلی به عنوان پایه در نظر گرفته شده است و موقعیت دیگر، یعنی واقع در کوچه یا خیابان فرعی به صورت یک متغیر مجازی (0 و 1) وارد مدل شده­ است. در نمونۀ تحت بررسی، میانگین 28/0 این متغیر نشان می­دهد از املاک تحت بررسی، 28 درصد در خیابان فرعی یا کوچه و 72 درصد در خیابان اصلی واقع شده بوده­اند.
• محل استقرار واحد تجاری: محل استقرار ملک به دو دستۀ استقرار در مراکز خرید یا پاساژ و محل استقرار بدون تراکم تجاری تقسیم می­شود که به عنوان یک عامل فیزیکی و محیطی تأثیر زیادی بر قیمت ملک دارد. استقرار در مکان­های بدون تراکم تجاری به عنوان متغیر پایه در نظر گرفته شده است و از این رو، محل استقرار در مراکز خرید یا پاساژ به صورت یک متغیر مجازی (0 و 1) وارد مدل شده است. میانگین 70/0 این متغیر نشان می­دهد از املاک تحت بررسی، 70 درصد در مرکز خرید یا پاساژ و 30 درصد در محل بدون تراکم استقرار داشته­اند.
• طبقۀ استقرار واحد تجاری: یکی دیگر از عوامل فیزیکی و محیطی تأثیرگذار طبقۀ استقرار املاک تجاری است که به چهار دستۀ زیرزمین، همکف، طبقۀ اول و طبقات بالاتر تقسیم می­شود. استقرار در همکف به عنوان متغیر پایه در نظر گرفته شده است و از این رو، سه متغیر واقع در طبقۀ زیرزمین، واقع در طبقۀ اول و واقع در طبقات بالاتر به صورت متغیرهای مجازی (0 و 1) وارد مدل شده­اند. میانگین­های 182/0 برای زیرزمین، 153/0 برای طبقۀ اول و 105/0 برای طبقات بالاتر نشان می­دهند از املاک تحت بررسی، به‌ترتیب 2/18 درصد در زیرزمین، 3/15 درصد در طبقۀ اول، 5/10 درصد در طبقالت بالاتر و 56 درصد مابقی در طبقۀ همکف بوده­اند.
• فاصله تا پارکینگ: یکی از متغیرهای محیطی و دسترسی که ممکن است تا حدی زیاد بر قیمت ملک تأثیرگذار باشد، نزدیکی به پارکینگ است. این متغیر به صورت پیوسته و برحسب متر اندازه­گیری شده و اطلاعات آن از نرم­‌افزار GIS گرفته شده است. در نمونۀ تحت بررسی، کمترین میزان فاصله تا پارکینگ 0 متر (مجتمع­های تجاری که خود دارای پارکینگ بوده­اند)، بیشترین فاصله 900 متر و متوسط فاصله حدود 173 متر است.
• فاصله تا نزدیکترین ایستگاه مترو: یکی دیگر از متغیرهای محیطی و دسترسی تأثیرگذار نزدیکی به ایستگاه مترو است. این متغیر به صورت پیوسته و برحسب متر اندازه­گیری شده و اطلاعات آن از نرم­‌افزار GIS گرفته شده است. در نمونۀ تحت بررسی، کمترین میزان فاصله تا ایستگاه مترو 110 متر، بیشترین فاصله 2700 متر و متوسط فاصله تا ایستگاه مترو حدود 873 متر است.
• فاصله تا مرکز مسافربری راه­آهن: فاصله تا مرکز مسافربری به عنوان یکی دیگر از عوامل محیطی و دسترسی ممکن است نقشی مهم در تعیین قیمت ملک تجاری ایفا کند. این متغیر به ­صورت پیوسته و برحسب متر اندازه­گیری شده و اطلاعات آن از نرم­افزار GIS گرفته شده است. در نمونۀ تحت بررسی، کمترین میزان فاصله تا راه­آهن 1100 متر، بیشترین فاصله 4100 متر و متوسط فاصله تا ایستگاه راه­آهن حدود 3169 متر است.
• فاصله تا حرم مطهر: ملک‌های تجاری در فاصلۀ نزدیک‌تر به حرم معمولاً با جریان زائران بیشتری روبه‌رو هستند که این موضوع باعث می‌شود از ترافیک مشتریان بیشتری بهره‌مند باشند و درآمد بیشتری کسب کنند که این امر نیز ممکن است تأثیری مثبت بر اجاره و قیمت ملک داشته باشد. این متغیر به­ صورت پیوسته و برحسب متر اندازه­گیری شده و اطلاعات آن از نرم­افزار GIS گرفته شده است. در نمونۀ تحت بررسی، کمترین میزان فاصله تا حرم مطهر حضرت رضا (ع) 100 متر، بیشترین فاصله 2100 متر و متوسط فاصله حدود 1122 متر است.
• موقعیت در تقسیمات منطقه: منطقۀ ثامن مشهد خود از چهار قطاع تشکیل شده است. قطاع 1 به عنوان پایه در نظر گرفته شده است و با وارد کردن 3 متغیر مجازی دیگر، تأثیر موقعیت در تقسیمات منطقه بر قیمت ملک در مدل کنترل می‌شود. میانگین­های 077/0 برای قطاع 2، 24/0 برای قطاع 3 و 54/0 برای قطاع 4 به این معنا هستند که از املاک تجاری به‌نسبت 7/7 درصد در قطاع 2، 24 درصد در قطاع 3، 54 درصد در قطاع 4 و مابقی 3/14 درصد در قطاع 1 بوده­اند.

تحلیل آماری توصیفی از متغیرهای پژوهش

آمار توصیفی از متغیرهای پژوهش در جدول (1) ارائه شده است. در این جدول، نوع و واحد متغیر و مقادیر بیانگر توزیع آماری داده­ها نمایش داده شده است.

جدول 1- آمار توصیفی متغیرهای پژوهش

(منبع: یافته­های پژوهش)

مدل تجربی پژوهش

در این مقاله، تحلیل رابطه بین قیمت املاک تجاری و انواع مختلف متغیرهای اقتصادی،و مشخصه­های فیزیکی و محیطی و دسترسی ملک که در رابطۀ (2) نشان داده شده‌اند، با استفاده از رگرسیون حداقل مربعات معمولی (OLS) انجام خواهد شد. رگرسیون حداقل مربعات معمولی (OLS) یکی از انواع رگرسیون­های خطی[xxxvi] است که در آن، پارامتر β₀ ضریب ثابت یا عرض از مبدأ و β پارامتر شیب یا ضریب تأثیر سایر متغیرهای مستقل است. طبیعتاً، نمی­توان متغیر وابسته یعنی قیمت را به طور دقیق توضیح داد و پارامتر ɛ جزء خطای تصادفی نامیده می­شود. روش رگرسیون (OLS) از آن نظر حداقل مربعات نامیده می­شود که ضرایب را با مینیمم کردن مجموع مربعات خطا (SSE)[xxxvii] محاسبه می­کند. روش رگرسیون حداقل مربعات معمولی بسیار ساده و در عین حال، بسیار دقیق است و به همین دلیل، بسیار کاربردی است.

به منظور برآورد به طور معمول برای متغیرهای پولی از لگاریتم استفاده می­شود و ضرایب به‌دست‌آمده به این ترتیب تفسیر درصدی دارند. پیش از برآورد مدل، باید فروض خطی کلاسیک آزمون شوند و از برقراری این شروط مطمئن شد؛ زیرا فقط در صورت برقراری این فروض است که برآوردهای حداقل مربعات معمولی (OLS) بهترین برآوردگرهای بدون تورش خطی (BLUE)[xxxviii] یا در اصطلاح هستند. یکی از فروض خطی کلاسیک فرض واریانس همسانی است که نقض این فرض به برآوردهای ناکارا و عدم اعتبار آزمون­ها منجر خواهد شد. جدول (2) نتیجۀ آزمون واریانس ناهمسانی بروش-پاگان[xxxix] را نمایش می­دهد. همان‌طور که از مقدار p-value برابر 39/0 می­توان دریافت، فرض واریانس همسانی را نمی­توان رد کرد و مدل از این لحاظ مناسب است. یکی دیگر از فروض خطی کلاسیک فرض عدم وجود خودهمبستگی مقادیر خطاست که نقض آن مجدداً مشابه واریانس ناهمسانی به برآوردهای ناکارا و عدم اعتبار آزمون­ها منجر می­شود. طبق نتایج جدول (2)، این فرض با دو آزمون دوربین-واتسون[xl] و بروش-گادفری[xli] انجام شده است. نتایج هر دو آزمون به‌خوبی نشان می­دهد فرض عدم وجود خودهمبستگی برقرار و نتایج معتبر است. بر این اساس، مدل تجربی نمایش داده‌شده در رابطۀ (2) با استفاده از نرم­افزار SPSS v.26 برآورد شد که نتایج آن در قسمت بعدی مقاله بررسی می‌شود.

جدول 2- نتایج آزمون پیش فرض­های رگرسیون

(منبع: یافته­های پژوهش)

یکی دیگر از نکات مهم قبل از برآورد بررسی وجود هم‌خطی است. یکی از شاخص­های مهم که ممکن است نشانگر وجود هم‌خطی باشد شاخص تورم واریانس (VIF)[xlii] است. به طور معمول، یک شاخص تورم بیشتر از 10 می­تواند نشانه­ای از هم‌خطی باشد، اگرچه به حجم نمونه نیز بستگی دارد. مقدار شاخص تورم واریانس برای همۀ متغیرهای مستقل بررسی شد که برای بیشتر متغیرها این شاخص کمتر از 5 است (میانگین 9/2) و فقط برای دو متغیر عوارض شهرداری و قطاع 4 است که این شاخص بیشتر و به‌ترتیب برابر 27/6 و 07/8 است، اگرچه همچنان زیر این آستانه قرار دارند و بنابراین، در مدل مشکل هم‌خطی شدید وجود ندارد. یکی دیگر از علائم و نشانه­های وجود هم‌خطی عدم معنا­داری تکی متغیرها در آزمون t و معنا­داری مشترک آن­ها در آزمون F است که به این مهم در زیربخش بعدی اشاره خواهد شد.

یافته ­های پژوهش

عوامل مؤثر بر قیمت املاک تجاری

یافته­های پژوهش در جدول (3) نمایش داده شده است. متغیر وابسته لگاریتم قیمت هر متر مربع از املاک تجاری است. برآورد به صورت لگاریتمی از آن نظر ضرورت دارد که داده‌ها را نرمال می‌کند و به ما امکان می­دهد نتایج را به صورت درصدی تفسیر کنیم. در جدول (3)، علاوه بر ضریب تأثیر یا شیب رگرسیون، ضریب استانداردشده، آمارۀ t و مقدار سطح معنا­داری ضرایب یا p-value گزارش شده‌اند. در آمار استنباطی، سطح معناداری یا p-value احتمال پذیرش فرض H₀ (بی‌تأثیر بودن متغیر) است و بر این اساس، متغیرهایی که مقدار این احتمال یا p-value آن‌ها کوچک‌تر از 1/0 باشد را در اصطلاح تأثیرگذار می­دانیم. به عبارت دیگر، می­گوییم متغیر در سطح معنا­داری 10 درصد بر قیمت املاک تجاری اثرگذار است. تأثیرگذاری متغیرها در ستون آخر جدول مشخص شده است. در سطر آخر جدول نیز شاخص­های خوبی برازش رگرسیون نمایش داده شده‌اند. مقدار شاخص R² که حدود 894/0 به دست آمده است بیانگر آن است که مدل رگرسیون برآوردشده توانسته است با موفقیت حدود 4/89 درصد، تغییرات در قیمت املاک تجاری را توضیح دهد که عددی زیاد و نشان‌دهندۀ خوبی برازش و نتایج به‌دست‌آمده است.

جدول 3- نتایج برآورد رگرسیون از تأثیر متغیرهای مختلف بر قیمت املاک

(منبع: یافته­ های پژوهش)

نتایج به‌دست‌آمده نشان می­دهد اجاره­بها یکی از مهم‌ترین متغیرهای تأثیرگذار بر قیمت املاک است؛ زیرا هر دو متغیر اجاره و قیمت ملک به صورت لگاریتمی هستند و تفسیر آن‌ها نیز به صورت درصدی است. بر این اساس، ضریب به‌دست‌آمده برابر 81/0 به این معناست که افزایش دوبرابری یا 100درصدی اجاره، قیمت ملک را 81 درصد افزایش می­دهد. این تأثیر هم از لحاظ اندازه و هم از لحاظ آماری بسیار مؤثر است. یکی دیگر از متغیرهای اقتصادی عوارض پروانۀ شهرداری بود که طبق بررسی‌های انجام‌شده و مقدار p-value، می­توان گفت بر روی قیمت املاک تجاری منطقه تأثیری نداشته است. از دیگر متغیرهای اقتصادی در بررسی انجام‌شده، نوع سند ملک بود که با 2 متغیر مجازی اسناد آستانه و سرقفلی در مقابل سند شش‌دانگ به عنوان پایۀ مقایسه وارد مدل شده­اند. طبق نتایج به‌دست‌آمده در جدول و مقدار p-value،  می­توان گفت این متغیر بر قیمت املاک تجاری تأثیر دارد. مقدار p-value برای متغیر سند آستانه حدود 11/0 است؛ اما اگر از نظریه و شهود کمک بگیریم و انتظار داشته باشیم سند آستانه نسبت به سند شش­دانگ ارزشی کمتر داشته باشد، می­توان از آزمون­های یک‌طرفه استفاده کرد که در این صورت، مقدار p-value نصف می‌شود و این متغیر معنادار خواهد بود. ضرایب به‌دست‌آمده برابر 19/0- و 31/0- به‌ترتیب برای املاک با سند آستانه و سرقفلی نشان می­دهند در مقایسه با املاک با سند شش‌دانگ، املاک با سند آستانه 19درصد و املاک سرقفلی 31 درصد ارزان­تر هستند.

دسته­ای دیگر از عوامل مؤثر بر قیمت ملک عبارت‌اند از عوامل و مشخصه­های فیزیکی و محیطی. متراژ ملک یکی از متغیرهای فیزیکی و محیطی است که طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت تأثیری بر قیمت املاک ندارد. از آن نظر که متغیر وابستۀ قیمت ملک به‌ازای هر متر مربع است، عدم تاثیر متراژ منطقی است. در رابطه با متغیر قدمت و سن بنا نیز طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت فقط با استفاده از نظریه و انجام آزمون یک‌طرفه بر قیمت املاک تأثیر دارد. در توجیه این تأثیرگذاری ضعیف، باید گفت اگرچه انتظار می­رود سن بنا تأثیرگذاری بیشتری داشته باشد، اا گزارش نادرست سن بنا در آگهی­های فروش باعث شده است این اثر دیده نشود. در آگهی­های فروش، در بسیاری از موارد، بازسازی و نوسازی به‌جای سن بنا گزارش شده است.

در رابطه با متغیر تعداد بر ملک نیز طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت تأثیری بر قیمت املاک تجاری ندارد. این نتیجه شاید به این دلیل باشد که تعدادی کم از املاک تحت بررسی در نمونه بیش از یک بر داشته­اند و به همین دلیل، امکان برآورد تأثیر آن وجود نداشته است. موقعیت ملک نیز یکی دیگر از عوامل و مشخصه­های فیزیکی و محیطی است که با یک متغیر مجازی صفر (خیابان اصلی) و 1 (فرعی و کوچه) وارد مدل شده است. طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت این متغیر تأثیری بر قیمت املاک تجاری ندارد. محل استقرار ملک با یک متغیر مجازی صفر (بدون تراکم) و 1 (پاساژ و مرکز خرید) وارد مدل شد و طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت این متغیر نیز تأثیری بر قیمت املاک تجاری ندارد. در مقابل، طبقۀ استقرار در مراکز خرید به نظر بسیار تأثیرگذار است. طبقۀ استقرار ملک با 3 متغیر مجازی زیرزمین، طبقۀ اول و طبقات بالاتر در مقابل طبقۀ همکف به عنوان پایۀ مقایسه وارد مدل شد. طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت این متغیر در قیمت املاک تجاری تأثیر دارد. ضریب به‌دست‌آمده برای زیرزمین به طور کامل معنا­دار و برای طبقۀ اول در صورت انجام آزمون یک‌طرفه معنا­دار است. ضرایب به‌دست‌آمده برابر 22/0- و 23/0- برای زیرزمین و طبقۀ اول به این معنا هستند که قیمت املاک واقع در این طبقات به‌نسبت طبقۀ همکف حدود 22 و 23 درصد کمتر و ارزان­تر است.

دسته­ای دیگر از متغیرها و عوامل تأثیرگذار عوامل محیطی و دسترسی هستند. یکی از عوامل و متغیرهای نشان­دهندۀ دسترسی عبارت است از نزدیکی به پارکینگ که طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت بر قیمت ملک تأثیر دارد. ضریب به‌دست‌آمده برابر 6/0- به این معنا است که هر 100 متر فاصله تا پارکینگ به میزان 6 درصد قیمت ملک را کاهش می­دهد. فاصله تا ایستگاه اتوبوس تأثیری مثبت و معنا­دار بر قیمت ملک دارد. این نتیجه نشان می­دهد نزدیکی به ایستگاه اتوبوس برخلاف انتظار و احتمالاً به دلیل شلوغی و ازدحام، بر قیمت ملک تأثیر منفی دارد. نزدیکی به مترو نیز یکی از شاخصه­های دسترسی ملک است. طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت فاصله تا ایستگاه مترو بر قیمت املاک تجاری تأثیری ندارد. فاصله تا مراکز مسافربری برون­شهری نیز در مدل با لحاظ فاصله تا راه‌آهن بررسی شد. طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت فاصله تا راه‌آهن بر قیمت املاک تجاری منطقه تأثیری ندارد.

اما یکی از مهم‌ترین متغیرها فاصله تا حرم مطهر است که از لحاظ دسترسی اهمیت بسیار زیادی دارد. املاک نزدیک به حرم مطهر معمولاً با جریان زائران بیشتری روبه‌رو هستند که این امر باعث می‌شود درآمد بیشتری کسب کنند و اجاره و قیمت بیشتری داشته باشند. طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت فاصله تا حرم مطهر بر قیمت ملک تأثیر دارد. ضریب به‌دست‌آمده برابر 27/0- به این معنا است که افزایش 1کیلومتری فاصله تا حرم مطهر امام رضا (ع) قیمت ملک را تا 27 درصد کاهش می­دهد. یا به عبارتی دیگر، هر 100 متر فاصله تا پارکینگ به میزان 7/2 درصد قیمت ملک را کاهش می­دهد. موقعیت ملک در تقسیمات منطقه نیز اهمیت دارد. موقعیت ملک در تقسیمات منطقه با 3 متغیر مجازی قطاع 2، قطاع 3 و قطاع 4 در مقابل قطاع 1 به عنوان پایۀ مقایسه وارد مدل شده است. طبق نتایج به‌دست‌آمده در جدول و مقدار p-value، می­توان گفت این متغیر بر قیمت املاک تجاری تأثیر دارد. ضریب به‌دست‌آمده برابر 54/0 برای قطاع 4 به این معنا است که قیمت املاک واقع در این قطاع به نسبت قطاع 1 حدود 54 درصد گران‌تر است.

تأثیرگذارترین متغیرها بر قیمت املاک تجاری در منطقۀ ثامن مشهد

در مرور انجام‌شده در قسمت قبلی مشخص شد چه متغیرهایی بر قیمت املاک تأثیرگذار هستند؛ اما از آنجا ­که این متغیرها واحدهای اندازه­گیری متفاوتی دارند، نمی­توان ضرایب آن­ها را مقایسه و مؤثرترین آن­ها را شناسایی کرد؛ با وجود این، می­توان واحد اندازه­گیری را استاندارد و آن را برحسب انحراف معیار بیان کرد که در این صورت، امکان مقایسۀ ضرایب بین متغیرها وجود دارد. ضرایب استاندارد در ستون دوم جدول (2) ارائه شده‌اند. از میان متغیرهای تاثیرگذار که پیش از این به تفکیک بررسی شده­اند، متغیرهایی که ضریب استانداردشدۀ بیشتری داشته باشند، از تأثیرگذاری بیشتری نیز برخوردار هستند. بر این اساس، جدول (4) متغیرهای تأثیرگذار بر قیمت املاک تجاری در منطقۀ ثامن مشهد را به‌ترتیب تأثیرگذارترین­ها نمایش می­دهد.

جدول 4- رتبۀ تأثیرگذاری متغیرها بر قیمت املاک تجاری منطقۀ ثامن شهر مشهد

(منبع: یافته­های پژوهش)

بر این اساس، می­توان دریافت مهم‌ترین متغیرهای تأثیرگذار بر قیمت املاک تجاری در وهلۀ نخست متغیرهای اقتصادی یعنی اجاره و نوع سند هستند. در مرتبة دوم، متغیرهای محیطی و دسترسی قرار دارند. از نتایج جدول (4)، می­توان دید متغیرهای قرارگیری در قطاع 4 در منطقۀ ثامن، نزدیکی به حرم مطهر و برخورداری یا نزدیکی به پارکینگ بسیار تأثیرگذار هستند. در نهایت، عوامل فیزیکی و محیطی ملک قرار دارند که بر قیمت آن مؤثر هستند که از جملۀ مهم‌ترین آن­ها می­توان به طبقۀ استقرار در مراکز خرید اشاره کرد.

جمع ­بندی و نتیجه ­گیری

این مقاله به دنبال پاسخ به این پرسش اصلی بود که چه متغیر­هایی بر قیمت املاک تجاری تأثیر دارند. برای پاسخ به این پرسش، در کنار عوامل اقتصادی تأثیرگذار، از یک مدل هدانیک بهره گرفته شد و به این ترتیب، مجموعه­ای از عوامل اقتصادی، فیزیکی و محیطی بررسی شدند. مورد مطالعه نیز منطقۀ ثامن شهر مشهد انتخاب شد که به دلیل قراگیری حرم­ مطهر و حجم انبوه زائر از یک سو و داشتن بافت فرسوده و حاشیه­نشینی از سوی دیگر، از شرایطی ویژه‌ برخوردار است و قیمت املاک تجاری در آن پراکندگی زیادی دارد و به ما امکان می­دهد تا تأثیر عوامل مختلف را شناسایی کنیم. نمونه‌ای از 161 ملک تجاری در این منطقه به صورت تصادفی با گردآوری اطلاعات از دفاتر املاک برای تابستان سال 1402 انتخاب شد که با استفاده از تحلیل رگرسیون حداقل مربعات معمولی (OLS) ارزیابی شدند.

از میان متغیرهای فیزیکی، متغیر­های متراژ، سن بنا و بر ملک بررسی شدند که فقط متغیر سن بنا به صورت آزمون یک‌طرفه معنا­دار بود. در ادبیات موضوع و مطالعات دیگر، به طور معمول متغیر متراژ نیز مؤثر است و عدم معناداری متراژ در این مطالعه به این دلیل است که قیمت ملک به واحد متر مربع اندازه­گیری شده بود.

از میان مشخصه­های محیطی و دسترسی نیز متغیرهایی مختلف بررسی شدند. طبقۀ استقرار دارای اثرگذاری معناداری بود. طبق نتایج به‌دست‌آمده، املاک تجاری واقع در زیرزمین و طبقۀ اول نسبت به طبقۀ همکف حدود 22 و 23 درصد قیمتی کمتر دارند. دستۀ دیگر از متغیرهای محیطی تحت بررسی مشخصه­های دسترسی بودند. در این مقاله، متغیرهای فاصله تا پارکینگ، فاصله تا ایستگاه اتوبوس، فاصله تا مترو، فاصله تا راه­آهن، فاصله تا حرم مطهر و موقعیت ملک در تقسیمات منطقه­ای بررسی شدند که از آن میان، مشخص شد موقعیت ملک در تقسیمات منطقه­ای، فاصله تا حرم مطهر و برخورداری یا نزدیکی به پارکینگ بسیار تأثیرگذار هستند. طبق نتایج به‌دست‌آمده، قیمت املاک واقع در قطاع 4 به‌نسبت قطاع 1 حدود 57 درصد گران‌تر است. همچنین، نتایج نشان داد هرچه فاصله تا حرم کمتر باشد، قیمت املاک بیشتر می‌شود یا به عبارتی، افزایش 1کیلومتری فاصله تا حرم مطهر امام رضا (ع) قیمت ملک تجاری را تا 27 درصد کاهش می­دهد. رابطه­ای معکوس بین فاصله تا پارکینگ و قیمت ملک نیز وجود دارد؛ به این صورت که هر 100 متر فاصله تا پارکینگ به میزان 6 درصد قیمت ملک را کاهش می­دهد. این نتایج تا حدی زیاد با ادبیات موضوع منطبق است و بیان می­کند نزدیکی به مراکز اصلی موجب افزایش قیمت املاک و مستغلات می­شود.

اما جدا از متغیرهای فیزیکی و محیطی، نتایج به‌دست‌آمده نشان داد متغیرهای اقتصادی مهم‌ترین عوامل تعیین‌کنندۀ قیمت املاک هستند. اجاره‌بها به عنوان اصلی­ترین و اثرگذارترین متغیر بر قیمت ملک شناسایی شد. نتایج نشان داد افزایش دوبرابری یا 100درصدی اجاره ممکن است قیمت ملک را 81 درصد افزایش ­دهد. این تأثیر هم از لحاظ اندازه و هم از لحاظ آماری بسیار تأثیر بزرگی است و نشان می­دهد اجاره‌بها مهم‌ترین متغیر تأثیرگذار در قیمت ملک است. از دیگر متغیرهای اقتصادی اثرگذار نوع سند بود. طبق نتایج به‌دست‌آمده و در مقایسه با املاک با سند شش‌دانگ، املاک با سند آستانه 19 درصد و املاک سرقفلی 31 درصد ارزان­تر هستند. مطالعۀ این دسته از متغیرها یکی از نوآوری­های این مقاله بود که در ادبیات موضوع و مطالعات داخلی کمتر در تابع هدانیک قیمت مسکن وارد شده بودند؛ با وجود این، نتیجۀ به‌دست‌آمده مبنی بر اثرگذاری این دسته از متغیرها با نتایج معدود مطالعاتی که این عوامل را مورد توجه قرار داده­اند، منطبق است.

به این ترتیب، در این مقاله به‌ترتیب عوامل اقتصادی از جمله اجاره‌بها و نوع سند، عوامل محیطی و دسترسی از جمله قرارگیری در قطاع 4، نزدیکی به حرم مطهر رضوی و برخورداری از پارکینگ و در نهایت، عوامل و مشخصه­های فیزیکی از جمله طبقۀ استقرار در مراکز خرید به عنوان مهم‌ترین متغیرها و عوامل تأثیرگذار بر قیمت املاک تجاری در منطقۀ ثامن مشهد شناسایی شدند. از نتایج این پژوهش می‌تووان به طور مشخص در ارتباط با تأثیر متغیرهای محیطی و دسترسی در برنامه­ریزی­های شهری و سیاست­گذاری­ها استفاده کرد. برای مثال، مشاهده شد املاک واقع در قطاع 1، 2 و 3 به دلیل محرومیت­های مختلف قیمتی کمتر در مقایسه با قطاع 4 دارند و شهر­داری مشهد بهتر است در برنامه­ریزی شهری و مشخص‌کردن مکان ایستگاه­های اتوبوس و مترو یا ایجاد پارکینگ­های عمومی به تأثیر این امکانات بر املاک آن محدوده توجه داشته باشد. یا در رابطه با اسناد آستانه و قیمت کمتر آن­ها در مقایسه با اسناد شش­دانگ، این تأثیر ممکن است مورد توجه آستان قدس رضوی قرار گیرد.

این پژوهش به طور کلی نشان داد متغیرهای اقتصادی اثرگذاری زیادی بر قیمت املاک تجاری دارند؛ اما به دلیل محدودیت‌های داده­ و آمار، معمولاً اطلاعاتی اندک دربارۀ متغیرهای اقتصادی در سطح خرد مربوط به املاک در دسترس است. برای مثال، در این پژوهش به علت نبودن داده‌های املاک تجاری مربوط به سال‌های قبل، فقط اجاره‌بهای املاک برای تعیین عوامل اثرگذار به کار گرفته شد. همچنین، به منظور برآورد دقیق‌تر، در پژوهش‌های آتی می‌توان عوامل اثرگذار بر قیمت املاک تجاری را با روش هایی دیگر از جمله مدل­های فضایی به دست آورد و سپس، نتیجۀ روش­ها را با یکدیگر مقایسه کرد. همچنین، عواملی دیگر نیز بر قیمت املاک تأثیرگذار هستند، از جمله عوامل اجتماعی و فرهنگی که پژوهشگران می­توانند آن‌ها را در کنار عوامل محیطی و فیزیکی بررسی کنند.

[i] Hedanic

[ii] Ordinary Least Squares

[iii] Decision-Making Trial and Evaluation Laboratory

[iv] Stepwise Weight Assessment Ratio Analysis

[v] Best-Worst Multi-Criteria

[vi] Thanh & Nguyen

[vii] Hue

[viii] Valdez & Chen

[ix] Ecuador

[x] Zhu

[xi] Ripple effect

[xii] Khoshnoud

[xiii] Difference-in-Difference

[xiv] Quantile regression

[xv] Fan & Yavas

[xvi] Wavelet technology

[xvii] Wei

[xviii] Big data

[xix] Geographic Information System

[xx] Duan

[xxi] Zakaria & Fatine

[xxii] Liu & Wu

[xxiii] Xiao

[xxiv] Belke & Keil

[xxv] Ozlap & Akinci

[xxvi] Artvin

[xxvii] Ligus & Peternek

[xxviii] Wrocław

[xxix] Robinson & Reichert

[xxx] Matching

[xxxi] Commercial Real State Information Company

[xxxii] Farooq

[xxxiii] Torento

[xxxiv] Vacancy rate

[xxxv]بر اساس اطلاعات اتحادیۀ مشاوران املاک در این منطقه، به طور کلی 75 کارشناس املاک فعالیت داشته­اند.

[xxxvi] Linear Regression

[xxxvii] Sum of Squares of Errors

[xxxviii] Best Linear Unibiased Estimator

[xxxix] Breush-Pagan Heteroskedasticity test

[xl] Durbin-Watson

[xli] Bruesh-Godfrey Serial Correlation test

[xlii] Variance Inflation Factor