Эффекты транспортной доступности для цен на жилую недвижимость (пример Саратова)

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Рост пространственного неравенства наблюдается в России на многих территориальных уровнях, в том числе внутри крупных городов. Наиболее ярким выражением глубины социальной стратификации городских районов являются различия в ценах на жилую недвижимость, которые часто рассматриваются как показатель неравенства из-за отсутствия других открытых данных. В данной работе мы исследовали влияние транспортной доступности и ее характеристик на благосостояние городских районов, выраженное через среднюю стоимость жилой недвижимости, на примере Саратова. Для этого мы агрегировали данные из 80 тыс. объявлений о продаже квартир в городе в 2021 г., с помощью методов сетевого анализа оценили транспортную доступность при движении на автомобиле и на общественном транспорте до центра города и относительно транспортной сети всего города (интегральную). По результатам регрессионного анализа характеристики транспортной доступности (вместе с возрастом зданий) смогли статистически объяснить до половины различий между районами Саратова в средней цене предложения жилой недвижимости. Вопреки нашим ожиданиями, лучшим предиктором цен на квартиры оказалась доступность общественным транспортом до центра города. Каждая минута удаления от исторического центра города на общественном транспорте уменьшала среднюю стоимость объявления о продаже жилой недвижимости на 455 руб. за м2. Сеть общественного транспорта Саратова сильно централизована, что не позволяет в полной мере использовать потенциал выявленных в исследовании трех транспортных хабов. Один из возможных шагов в сторону смягчения территориальных контрастов в транспортной доступности в городе — трансформация автобусной сети с вводом новых магистральных и подвозящих (к хабам вне центра) маршрутов.

Об авторах

П. О. Гонюхов

Национальный исследовательский университет “Высшая школа экономики”

Email: pogonyukhov@edu.hse.ru
Москва, Россия

А. В. Шелудков

Национальный исследовательский университет “Высшая школа экономики”; Институт географии РАН

Email: asheludkov@hse.ru
Москва, Россия; Москва, Россия

Список литературы

  1. Балаш В.А., Балаш О.С., Харламов А.В. Эконометрический анализ геокодированных данных о ценах на жилую недвижимость // Прикладная эконометрика. 2011. T. 2. № 22. С. 62–77.
  2. Бугроменко В.Н. Транспорт в территориальных системах. 1987. 110 С.
  3. Бугроменко В.Н. Современная география транспорта и транспортная доступность // Изв. РАН. Сер. геогр. 2010. № 4. С. 7–16.
  4. Вендина И.О., Панин А.Н., Тикунов В.С. Социальное пространство Москвы: особенности и структура // Изв. РАН. Сер. геогр. 2019. № 6. С. 3–17.
  5. Дохов Р.А., Синицын Н.А. Спрол в России: рост и структурная трансформация пригородов Белгорода // Изв. РАН. Сер. геогр. 2020. Т. 84. № 2. С. 191–206.
  6. Дубовик В.О. Методы оценки транспортной доступности территории // Рег. исслед. 2013. № 4. С. 11–18.
  7. Леонтьев Е.В., Майбуров И.А. Оценка влияния доступности общественного транспорта на стоимость городской жилой недвижимости // J. Appl. Econ. Res. 2021. Vol. 20. № 1. С. 62–83.
  8. Лубкова М.А., Федюнина Т.В. Анализ рынка жилой недвижимости в г. Саратов // Традиционная и инновационная наука: история, современное состояние, перспективы: сб. статей Международ. науч.-практич. конф. 2018. № 5. С. 160–162.
  9. Махрова А.Г., Голубчиков О.Ю. Российский город в условиях капитализма: социальная трансформация внутригородского пространства // Вестн. Моск. ун-та. Серия 5. География. 2012. № 2. С. 26–31.
  10. Попов А.А. Пространственно-временной анализ факторов ценообразования на рынке жилой недвижимости Москвы // Рег. исслед. 2014. № 4. С. 70–80.
  11. Преображенский Ю.В., Арутюнян Н.А., Галстян Г.А. Вернакулярные районы Еревана и Саратова: морфологические различия городских пространств // Социология города. 2018. № 2. С. 46–54.
  12. Сидоровых А.С. Оценка влияния транспортной доступности на цены недвижимости // Прикладная эконометрика. 2015. № 1 (37). С. 43–56.
  13. Сомов Э.В. Геоинформационное картографирование обеспеченности населения общественным транспортом на примере г. Москвы. Дис. … канд. геогр. наук. М.: МГУ, 2015. 126 с.
  14. Beirão G., Cabral J.A.S. Understanding attitudes towards public transport and private car: A qualitative study // Transp. Policy. 2007. Vol. 14. № 6. P. 478–489.
  15. Benenson I., Martens K., Rofé Y., Kwartler A. Public transport versus private car GIS-based estimation of accessibility applied to the Tel Aviv metropolitan area // Ann. Reg. Sci. 2011. Vol. 47. P. 499–515.
  16. Biosca O., Spiekermann K., Stępniak M. Transport accessibility at regional scale // Europa XXI. 2013. Vol. 24. P. 5–17.
  17. Brade I., Axenov K., Bondarchuk E. The transformation of urban space in post-Soviet Russia. Taylor & Francis, 2007. 216 p.
  18. Burdziej J. Using hexagonal grids and network analysis for spatial accessibility assessment in urban environments–a case study of public amenities in Toruń // Misc. Geogr. 2019. Vol. 23. № 2. P. 99–110.
  19. Cervero R. Transit-oriented development in the United States: Experiences, Challenges, and Prospects. 2004.
  20. Duranton G., Puga D. Urban land use // Handbook of Regional and Urban Economics. Elsevier, 2015. Vol. 5. P. 467–560.
  21. Efthymiou D., Antoniou C. How do transport infrastructure and policies affect house prices and rents? Evidence from Athens, Greece // Transp. Res. Part A: Policy Pract. 2013. Vol. 52. P. 1–22.
  22. Glaeser E.L., Kahn M.E. Sprawl and urban growth // Handbook of Regional and Urban economics. Elsevier, 2004. Vol. 4. P. 2481–2527.
  23. Glaeser E.L., Resseger M., Tobio K. Urban inequality / Justice for All. Routledge, 2015. P. 98–121.
  24. Henneberry J. Transport investment and house prices // J. Prop. Valuat. Investm. 1998. Vol. 16. № 2. P. 144–158.
  25. Hitge G., Vanderschuren M. Comparison of travel time between private car and public transport in Cape Town // J. S. Afr. Inst. Civ. Eng. 2015. Vol. 57. № 3. P. 35–43.
  26. Jayantha W.M., Lam T.I., Chong M.L. The impact of anticipated transport improvement on property prices: A case study in Hong Kong // Habitat Int. 2015. Vol. 49. P. 148–156.
  27. Ibraeva A., de Almeida Correia G.H., Silva C., Antunes A.P. Transit-oriented development: A review of research achievements and challenges // Transp. Res. Part A: Policy Pract. 2020. Vol. 132. P. 110–130.
  28. Kim K., Lahr M.L. The impact of Hudson-Bergen Light Rail on residential property appreciation // Pap. Reg. Sci. 2014. Vol. 93. P. 79–97.
  29. Lucas K., Jones P. Social impacts and equity issues in transport: an introduction // J. Transp. Geogr. 2012. Vol. 21. P. 1–3.
  30. Mohammad S.I., Graham D.J., Melo P.C., Anderson R.J. A meta-analysis of the impact of rail projects on land and property values // Transp. Res. Part A: Policy Pract. 2013. Vol. 50. P. 158–170.
  31. Nefedova T.G., Treivish A.I., Sheludkov A.V. Spatially uneven development in Russia // Reg. Res. Rus. 2022. Vol. 12. № 1. P. 4–19.
  32. Saif M.A., Zefreh M.M., Torok A. Public transport accessibility: A literature review // Period. Polytech. Transp. Eng. 2019. Vol. 47. № 1. P. 36–43.
  33. Salonen M., Toivonen T. Modelling travel time in urban networks: comparable measures for private car and public transport // J. Transp. Geogr. 2013. Vol. 31. P. 143–153.
  34. Yang L., Zhou J., Shyr O.F. Does bus accessibility affect property prices? // Cities. 2019. Vol. 84. P. 56–65.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».