Nowe zachowania przestrzenne nabywców nieruchomości mieszkaniowych w przestrzeniach zurbanizowanych

Krzysztof Gargula; Wojciech Zając

doi:10.18778/1508-1117.23.06

Autor

Krzysztof Gargula Katedra Gospodarki Przestrzennej Wydział Ekonomii, Uniwersytet Ekonomiczny w Katowicach
Wojciech Zając Katedra Gospodarki Przestrzennej Wydział Ekonomii, Uniwersytet Ekonomiczny w Katowicach

DOI:

https://doi.org/10.18778/1508-1117.23.06

Słowa kluczowe:

zachowanie przestrzenne, wartość przestrzeni, nieruchomości mieszkaniowe, przestrzeń zurbanizowana, geostatystyka

Abstrakt

Celem artykułu jest ustalenie wpływu determinant geoprzestrzennych na zachowania nabywców nieruchomości mieszkaniowych w przestrzeniach zurbanizowanych. Zachowanie konsumentów na rynku nieruchomości mieszkaniowych zależy w dużej mierze nie tylko od czynników wewnętrznych (nieprzestrzennych) charakteryzujących nieruchomości przede wszystkim od strony funkcjonalno-technicznej, ale również od czynników zewnętrznych (geoprzestrzennych) opisujących główny atut każdej nieruchomości mieszkaniowej, czyli jej lokalizację w strukturze przestrzeni zurbanizowanej. W celu zrealizowania założeń artykułu przeprowadzono badania geostatystyczne na podstawie danych z rynku nieruchomości lokalowych miasta Bytom.

Bibliografia

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.
Google Scholar

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.
Google Scholar

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.
Google Scholar 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.
Google Scholar

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.
Google Scholar

Chrzanowska M., 2011, Przestrzenna analiza warszawskiego (wtórnego) rynku mieszkaniowego, „Studia i Materiały Towarzystwa Naukowego Nieruchomości”, 19(3), Olsztyn, s. 170–180.
Google Scholar

Cichociński P., 2011, Porównanie metod interpolacji przestrzennej w odniesieniu do wartości nieruchomości, „Studia i Materiały Towarzystwa Naukowego Nieruchomości”, 19(3), Olsztyn, s. 120–129.
Google Scholar

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).
Google Scholar

Czornik M., 2008, Miasto. Ekonomiczne aspekty funkcjonowania, Wydawnictwo Akademii Ekonomicznej im. K. Adamieckiego w Katowicach, Katowice.
Google Scholar

Domański R., 2002, Gospodarka przestrzenna, PWN, Warszawa.
Google Scholar

Gargula K., 2014, Ocena zagospodarowania przestrzennego Bytomia pod względem atrakcyjności inwestycyjnej, Uniwersytet Ekonomiczny w Katowicach, praca magisterska, Katowice.
Google Scholar

Górczyńska M., 2015, Gentryfikacja w polskim kontekście: krytyczny przegląd koncepcji wyjaśniających, „Przegląd Geograficzny”, IGiPZ PAN, Warszawa, s. 589–611.
Google Scholar 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.
Google Scholar

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.
Google Scholar 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.
Google Scholar

Kot S.M., Jakubowski J., Sokołowski A., 2007, Statystyka: podręcznik dla studiów ekonomicznych, Centrum Doradztwa i Informacji Difin, Warszawa.
Google Scholar

Kozioł-Kaczorek D., 2011, Statystyka Morana w analizie rozkładu cen nieruchomości, „Metody Ilościowe w Badaniach Ekonomicznych”, XII–2, Warszawa, s. 222–231.
Google Scholar

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.
Google Scholar

Li J., Heap A.D., 2008, A review of spatial interpolation methods for environmental scientists, Geoscience Australia, Canberra.
Google Scholar

Lichstein J.W., 2002, Spatial autocorrelation and autoregressive models in ecology, „Ecological Monographs”, 72(3), s. 445–463.
Google Scholar 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.
Google Scholar

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.
Google Scholar

Mordwa S., 2011, Kradzieże w przestrzeni Łodzi, „Acta Universitatis Lodziensis. Folia Geographica Socio-Oeconomica”, 11, Wydawnictwo UŁ, Łódź.
Google Scholar

Murzyn M.A., 2006, Kazimierz. Środkowoeuropejskie doświadczenie rewitalizacji, Międzynarodowe Centrum Kultury, Kraków.
Google Scholar

Obrót nieruchomościami w 2014, 2015, GUS, Warszawa.
Google Scholar

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.
Google Scholar

Palicki S., 2013, Rewitalizacja a rynek nieruchomości mieszkaniowych. Przypadek poznańskie Środki, Wydział Prawa i Administracji UAM, Poznań, s. 209–229.
Google Scholar 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.
Google Scholar

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.
Google Scholar 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
Google Scholar

Tobler W., 1970, A Computer Movie Simulating Urban Growth in the Detroit Region, „Economic Geography”, 46(2), s. 234–240.
Google Scholar DOI: https://doi.org/10.2307/143141

Urbański J., 2012, GIS w badaniach przyrodniczych, Wydawnictwo Uniwersytetu Gdańskiego, Gdańsk.
Google Scholar

Widłak M., Waszczuk J., Olszewski K., 2014, Spatial and hedonic analysis of house price dynamics in Warsaw, NBP Working Paper, 197, Warszawa.
Google Scholar 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.
Google Scholar