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.

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.