New spatial behaviors of residential properties purchasers in urban spaces
DOI:
https://doi.org/10.18778/1508-1117.23.06Keywords:
spatial behavior, space value, residential, urbanized space, geostatisticsAbstract
The article’s goal is to determine an impact of geospatial factors on a behavior of residential properties purchasers in urban spaces. The behavior of real estates market consumers doesn’t depend mostly only on internal non-spatial factors which characterize functional-technical real estates features. Most of all it depends on the external geospatial factors which describe the major asset of any real estate – its location in the spatial urban structure. The geostatistical analysis of Bytom city residential property was carried out to reach the article’s goal. The methods used in the article consisted of testing spatial autocorrelation (Global Moran I, General G Getis, Local G Getis) spatial interpolation, namely: Inverse Distance Weighting (IDW) interpolation, Radial Basis Functions (RBF) and Ordinary Kriging. The authors tested the impact of many geospatial factors such as the proximity to roads, green areas, the density of the poverty, location of banks and many more on the transaction prices of residential properties. The tools used for that were the Ordinary Least Squares (OLS) and the Geographically Weighted Regression (GWR). The finally constructed model consisted of such factors as the density of violence, the unemployment density, the alcoholism density, the market square proximity and the location of dead bodies.
References
Branna J., 2012, Analiza zależności pomiędzy ceną a lokalizacją nieruchomości na przykładzie Krakowa, „Roczniki Geomatyki – Annals of Geomatics”, 10 (4/54), Kraków, s. 29–40.
Cellmer R., 2012, Spatial Analysis of Local Real Estate Market Activity – the Example of the City of Olsztyn, „Studia i Materiały Towarzystwa Naukowego Nieruchomości”. Topical Issues in the Valuation and Application of Market Value, Olsztyn, s. 77–88.
Cellmer R., 2013, Use of Spatial Autocorrelation to Build Regression Models of Transaction Prices, „Studia i Materiały Towarzystwa Naukowego Nieruchomości”, 21(4), Olsztyn, s. 65–74. DOI: https://doi.org/10.2478/remav-2013-0038
Cellmer R., 2014, Modelowanie przestrzenne w procesie opracowywania map wartości gruntów, Wydawnictwo Uniwersytetu Warmińsko-Mazurskiego, Olsztyn.
Charlton M., Fotheringham A.S., 2013, Geographically Weighted Regression: A Tutorial on Using GWR in ArcGIS 9.3, National Centre for Geocomputation, National University of Ireland Maynooth, Manuscript.
Chrzanowska M., 2011, Przestrzenna analiza warszawskiego (wtórnego) rynku mieszkaniowego, „Studia i Materiały Towarzystwa Naukowego Nieruchomości”, 19(3), Olsztyn, s. 170–180.
Cichociński P., 2011, Porównanie metod interpolacji przestrzennej w odniesieniu do wartości nieruchomości, „Studia i Materiały Towarzystwa Naukowego Nieruchomości”, 19(3), Olsztyn, s. 120–129.
Ciesiółka P., 2016, Gentryfikacja jako efekt rewitalizacji. Przykład Poznania, http://www.urbanistyka.info/content/gentryfikacja-jako-efekt-rewitalizacji-przyk%C5%82ad-poznania (dostęp: 17.03.2016).
Czornik M., 2008, Miasto. Ekonomiczne aspekty funkcjonowania, Wydawnictwo Akademii Ekonomicznej im. K. Adamieckiego w Katowicach, Katowice.
Domański R., 2002, Gospodarka przestrzenna, PWN, Warszawa.
Gargula K., 2014, Ocena zagospodarowania przestrzennego Bytomia pod względem atrakcyjności inwestycyjnej, Uniwersytet Ekonomiczny w Katowicach, praca magisterska, Katowice.
Górczyńska M., 2015, Gentryfikacja w polskim kontekście: krytyczny przegląd koncepcji wyjaśniających, „Przegląd Geograficzny”, IGiPZ PAN, Warszawa, s. 589–611. DOI: https://doi.org/10.7163/PrzG.2015.4.2
Ilnicki D., Janc K., Kryza M., Szymanowski M., 2011, Cechy rozmieszczenia sklepów w przestrzeni wielkomiejskiej na przykładzie Wrocławia – zastosowanie regresji ważonej geograficznie, [w:] Ekonometria przestrzenna i regionalne analizy ekonomiczne, „Acta Universitatis Lodziensis. Folia Oeconomica”, 253, Łódź, s. 253–268.
Kisiała W., 2013, Wykorzystanie geograficznie ważonej regresji do analizy czynników kształtujących zapotrzebowanie na świadczenia przedszpitalnego ratownictwa medycznego, „Przegląd Geograficzny”, 85, IGiPZ PAN, Warszawa, s. 2. DOI: https://doi.org/10.7163/PrzG.2013.2.4
Kopczewska K., 2011, Ekonometria i statystyka przestrzenna z wykorzystaniem programu R CRAN, CeDeWu Wydawnictwa Fachowe, Warszawa.
Kot S.M., Jakubowski J., Sokołowski A., 2007, Statystyka: podręcznik dla studiów ekonomicznych, Centrum Doradztwa i Informacji Difin, Warszawa.
Kozioł-Kaczorek D., 2011, Statystyka Morana w analizie rozkładu cen nieruchomości, „Metody Ilościowe w Badaniach Ekonomicznych”, XII–2, Warszawa, s. 222–231.
Kozioł-Kaczorek D., Pietrzykowski R., 2011, Analiza cen nieruchomości z wykorzystaniem statystyki Morana, „Studia i Materiały Towarzystwa Naukowego Nieruchomości”, 19(3), Olsztyn, s. 182–191.
Li J., Heap A.D., 2008, A review of spatial interpolation methods for environmental scientists, Geoscience Australia, Canberra.
Lichstein J.W., 2002, Spatial autocorrelation and autoregressive models in ecology, „Ecological Monographs”, 72(3), s. 445–463. DOI: https://doi.org/10.1890/0012-9615(2002)072[0445:SAAAMI]2.0.CO;2
Longley P.A., Goodchild M.F., Maguire D.J., Rhind D.W., 2006, GIS. Teoria i praktyka, PWN, Warszawa.
Łaszek J., Augustyniak H., Olszewski K., Waszczuk J., 2015, Informacja o cenach mieszkań i sytuacji na rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w IV kwartale 2014 roku, NBP, Warszawa.
Mordwa S., 2011, Kradzieże w przestrzeni Łodzi, „Acta Universitatis Lodziensis. Folia Geographica Socio-Oeconomica”, 11, Wydawnictwo UŁ, Łódź.
Murzyn M.A., 2006, Kazimierz. Środkowoeuropejskie doświadczenie rewitalizacji, Międzynarodowe Centrum Kultury, Kraków.
Obrót nieruchomościami w 2014, 2015, GUS, Warszawa.
Ojrzyńska A., Twaróg S., 2011, Badanie autokorelacji przestrzennej krwiodawstwa w Polsce, [w:] Ekonometria przestrzenna i regionalne analizy ekonomiczne, „Acta Universitatis Lodziensis. Folia Oeconomica”, 253, Łódź, s. 129–141.
Palicki S., 2013, Rewitalizacja a rynek nieruchomości mieszkaniowych. Przypadek poznańskie Środki, Wydział Prawa i Administracji UAM, Poznań, s. 209–229. DOI: https://doi.org/10.14746/rpeis.2013.75.3.15
Polko A., 2005, Miejski rynek mieszkaniowy i efekt sąsiedztwa, Wydawnictwo Akademii Ekonomicznej im. K. Adamieckiego w Katowicach, Katowice.
Rosser Z.H., 2000, Y-Chromosomal Diversity in Europe is Clinal and Influenced Primarily by Geography, Rather than by Language, „The American Journal of Human Genetics”, 67(6), s. 1526–1543. DOI: https://doi.org/10.1086/316890
Runge J., 2007, Metody badań w geografii społeczno-ekonomicznej: elementy metodologii, wybrane narzędzia badawcze, Wydawnictwo Uniwersytetu Śląskiego, Katowic
Tobler W., 1970, A Computer Movie Simulating Urban Growth in the Detroit Region, „Economic Geography”, 46(2), s. 234–240. DOI: https://doi.org/10.2307/143141
Urbański J., 2012, GIS w badaniach przyrodniczych, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.
Widłak M., Waszczuk J., Olszewski K., 2014, Spatial and hedonic analysis of house price dynamics in Warsaw, NBP Working Paper, 197, Warszawa. DOI: https://doi.org/10.2139/ssrn.2648840
Zając W., 2015, Wykorzystanie systemów informacji geograficznej do lokalizacji najlepszych terenów pod realizację projektów rewitalizacji w Bytomiu, [w:] Brandenburg H., Sekuła P. (red.), Projekty lokalne i regionalne. Rola kompetencji w zarządzaniu projektami, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, Katowice, s. 191–204.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
How to Cite
