Nowe zachowania przestrzenne nabywców nieruchomości mieszkaniowych w przestrzeniach zurbanizowanych

Abstract

Celem artykułu jest ustalenie wpływu determinant geoprzestrzennych1 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.

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.