Hedoniczne modelowanie atrakcyjno´sci krajobrazu wewn ˛ atrz subryn-

6.2. Hedoniczne modelowanie atrakcyjno´sci krajobrazu we-wn ˛ atrz subrynków

Model holistyczny pozwala wychwyci´c ogólne tendencje istniej ˛ace w mie´scie.

Jednak aby uchwyci´c wpływ lokalnych czynników - okre´sli´c, co wpływa na atrak-cyjno´s´c w skali dzielnicy, czy osiedli - potrzebne jest utworzenie modeli w podziale na subrynki.

Modele regresji liniowej oszacowane dla poszczególnych subrynków charakte-ryzowały si˛e zró ˙znicowan ˛a jako´sci ˛a mierzon ˛a współczynnikiem determinacji R², który informuje ile wariancji zmiennej zale ˙znej tłumaczona jest modelem. W porów-naniu do modelu globalnego, który posiadał współczynnik R²równy 0,35, modele subrynków w wi˛ekszo´sci posiadały wy ˙zsze warto´sci. Zaledwie 2 modele tłumaczyły mniej wariancji: obliczony dla subrynku 1 (R²= 0,27) oraz subrynku 8 (R²= 0,24, Ta-bela 6.1). Cho´c ˙zaden z modeli regresji liniowej nie tłumaczy pełnej zmienno´sci ceny m²nieruchomo´sci, uzyskane warto´sci s ˛a porównywalne z modelami hedonicznymi prezentowanymi w literaturze przedmiotu (Rahmatian i in., 2004). W przypadku modeli addytywnych pierwszy, szósty oraz ósmy subrynek nie wykazały poprawy współczynnika R², który dla modelu holistycznego przyj ˛ał warto´s´c 0,49 (Tabela 6.1).

Podobna sytuacja ma miejsce w przypadku modelu lasów losowych, dla których równie ˙z subrynki pierwszy, pi ˛aty i ósmy nie wykazały poprawy, jak równie ˙z dodat-kowo subrynek siódmy. Nale ˙zy jednak przy tym podkre´sli´c, ˙ze modele subrynków powstały w oparciu o istotnie mniejsz ˛a liczb˛e zmiennych. W tabeli 6.1 przedsta-wiono liczb˛e istotnych statystycznie zmiennych. W przypadku modeli regresji li-niowej oraz zgeneralizowanych modeli addytywnych zmienne s ˛a uznane za istotne statystycznie je´sli prawdopodobie ´nstwo istotno´sci było wi˛eksze b ˛ad´z równe 95% (p-value mniejsze lub równe 0,05). W przypadku zmiennych u ˙zytych w modelowaniu za pomoc ˛a lasów losowych wykorzystano te same zmienne co w zgeneralizowanym modelowaniu addytywnym.

Utworzenie pojedynczych modeli wewn ˛atrz subrynków za pomoc ˛a lasów losowych, w odró ˙znieniu do metody klasycznej modeli regresji liniowej oraz GAM -nie poprawiło jako´sci modelowania holistycznego mierzonej współczynnikiem de-terminacjiR²(Ryc. 6.1). Jedynie subrynek 9 charakteryzuje si˛e wy ˙zszym współczyn-nikiem ni ˙z model holistyczny, cho´c nale ˙zy zwróci´c uwag˛e, ˙ze model holistyczny z zało ˙zenia posiada znacznie wi˛ecej uwzgl˛ednionych zmiennych niezale ˙znych, co wpływa na podwy ˙zszenie jego warto´sci R². Jednocze´snie jako´s´c modeli lasów lo-sowych wewn ˛atrz subrynków jest w wi˛ekszo´sci przypadków wy ˙zsza ni ˙z utworzo-nych za pomoc ˛a metody klasycznej (o czym wi˛ecej w rozdziale 8).

Aby wyniki modelowania wewn ˛atrz subrynków były porównywalne mi˛edzy poszczególnymi modelami do opracowania ich wykorzystano te same zmienne, które zostały wybrane metod ˛a eksperck ˛a opisan ˛a szerzej w rozdziale 5.

W celu ograniczenia obj˛eto´sci pracy nie wszystkie uzyskane wyniki zostały za-prezentowane w postaci zamieszczonych w tek´scie rycin. Wszystkie opracowane modele, macierze korelacji, warto´sci współczynników modeli regresji liniowej oraz wykresy funkcji zale ˙zno´sci ceny m² od zmiany zmiennych niezale ˙znych umiesz-czone zostały na zał ˛aczonej płycie DVD.

Subrynek 1 - ´Swierczewo

Nieruchomo´sci wewn ˛atrz subrynku nr 1 skoncentrowane s ˛a w mało urozma-iconym przestrzennie osiedlu domów wielorodzinnych nad Wart ˛a mi˛edzy ulicami

TABELA 6.1: Warto´sci współczynnika determinacji R² oraz liczby istotnych statystycznie zmiennych dla modeli regresji liniowej, zge-neralizowanych modeli addytywnych oraz lasów losowych w

po-dziale na subrynki.

Zgeneralizowany model addytywny / Lasy losowe

1 22 13

6.2. Hedoniczne modelowanie atrakcyjno´sci krajobrazu wewn ˛atrz subrynków 117

Czechosłowack ˛a a 28 czerwca 1956 r (Ryc. 3.3). Osiedle to znajduje si˛e w bliskim s ˛ a-siedztwie torów kolejowych oraz stawów w parku D˛ebina i rzeki Warty. Wi˛ekszo´s´c czynników w tym subrynku charakteryzuje si˛e nisk ˛a zmienno´sci ˛a przestrzenn ˛a, przez co trudno dopasowa´c model. Na rycinie 6.10 ukazano korelacj˛e pomi˛edzy uwzgl˛ednionymi w modelowaniu czynnikami. Zauwa ˙zy´c mo ˙zna, ˙ze zmienne prze-strzenne dotycz ˛ace dost˛epno´sci były ze sob ˛a bardzo silnie skorelowane. Współczyn-nik korelacji Pearsona pomi˛edzy odległo´sci ˛a od Warty, a odległo´sci ˛a od lotniska Krzesiny wynosił 0,92, natomiast współczynnik korelacji pomi˛edzy odległo´sci ˛a od centrum miasta, a lotniskiem Krzesiny wynosił -0,94. Korelacje te w wi˛ekszo´sci przy-padków utrzymywały wysokie warto´sci bez wzgl˛edu na logarytmizacj˛e danych lub zmian˛e formy dost˛epno´sci (na odległo´s´c euklidesow ˛a, czas dojazdu samochodem, itp.).

Utworzony w wyniku opisanej w rozdziale 5 procedury model regresji liniowej posiada niski współczynnik determinacji R² równy 0,25 (Ryc. 6.1). Ze wzgl˛edu na nisk ˛a jako´s´c modelu nie zostanie on poddany interpretacji, a sam model, wykonana na jego podstawie waloryzacja krajobrazu, oraz wykresy charakteryzuj ˛ace wpływ czynników na modelowan ˛a cen˛e m²nieruchomo´sci zostały tylko zamieszczone na zał ˛aczonej do pracy płycie DVD.

Utworzony dla subrynku 1 zgeneralizowany model addytywny tłumaczy znacz-nie wi˛ecej wariancji danych. Jego współczynnik determinacji wyniósł 0,50 (dwukrot-nie wi˛ecej ni ˙z modelu regresji liniowej), jednak ze wzgl˛edu na siln ˛a korelacj˛e mi˛edzy zmiennymi nie jest mo ˙zliwe okre´slenie na jego podstawie wpływu pojedynczych zmiennych na atrakcyjno´s´c miejsca zamieszkania.

RYC. 6.10: Warto´s´c korelacji Pearsona dla zmiennych u ˙zytych w mo-delu wewn ˛atrz subrynku nr 1.

Z punktu widzenia metodyki tworzenia drzew decyzyjnych, do najwa ˙zniejszych zmiennych kształtuj ˛acych cen˛e m² nieruchomo´sci wewn ˛atrz subrynku pierwszego

nale ˙zy powierzchnia nieruchomo´sci, odległo´s´c od lotniska Krzesiny, pi˛etro (na któ-rym znajduje si˛e nieruchomo´s´c) oraz po´srednie miary dost˛epno´sci - ’prostolinijno´s´c’

przebiegu dróg oraz ’po´srednio´s´c’ (wi˛ecej o miarach space syntax na stronie 57).

Na rycinie 6.11 zaprezentowano najwa ˙zniejsze czynniki przestrzenne wpływa-j ˛ace na atrakcyjno´s´c zabudowy mieszkalnej mierzonej cen ˛a m² nieruchomo´sci wg modelu lasów losowych. Do szczególnie interesuj ˛acych nale ˙zy wyra´zny wzrost atrakcyjno´sci ze wzrostem odległo´sci od lotniska Krzesiny, jak równie ˙z wzrost atrak-cyjno´sci ze wzrostem miary ’po´srednio´s´c’.

RYC. 6.11: Wpływ wybranych na podstawie modelu lasów loso-wych czynników krajobrazoloso-wych na atrakcyjno´s´c miejsca

zamiesz-kania subrynku 1.

Subrynek 2 - Osiedle Warszawskie

Drugi subrynek reprezentuje obszar na wschodnim brzegu Warty - osiedle War-szawskie, Chartowo i Atnoninek. Model regresji liniowej posiada wysoki współ-czynnik (jak na modele regresji liniowej) determinacji R² równy 0,50 (wy ˙zszy ni ˙z modelu globalnego). Transakcje kupna/sprzeda ˙zy nieruchomo´sci s ˛a do´s´c równo-miernie rozmieszczone z uwzgl˛ednieniem, ˙ze nominalnie wi˛ecej znajduje si˛e na te-renie osiedla wielorodzinnego Chartowo (Ryc. 3.3, str. 43).

Współczynniki kierunkowe zmiennych dotycz ˛acych dost˛epno´sci obiektów (Ryc.

6.12) wskazuj ˛a na pozytywny wpływ centrów handlowych, linii kolejowych, biblio-tek i muzeów oraz ogrodu zoologicznego (spadek atrakcyjno´sci wraz ze wzrostem odległo´sci). Wyniki te s ˛a zgodne z intuicyjnym postrzeganiem atrakcyjno´sci w przy-padku ogrodu zoologicznego i odległo´sci od muzeów oraz bibliotek, jednak mo ˙ze by´c mylne w kontek´scie pozostałych dwóch czynników.

Wzrost warto´sci nieruchomo´sci wraz z oddalaniem si˛e od budynków ko´sciołów oraz linii tramwajowych zgodny jest z literatur ˛a oraz holistycznym modelem uzy-skanym dla całego miasta, a wynika z oddalania si˛e od obiektów generuj ˛acych hałas.

Na podstawie wybranych w modelowaniu regresji liniowej zmiennych opraco-wano zgeneralizowany model addytywny, który posiada współczynnik determina-cji R² równy 0,64. Wpływ wybranych czynników krajobrazowych na atrakcyjno´s´c miejsca zamieszkania ukazany został na rycinie 6.13.

Zauwa ˙zy´c mo ˙zna niejednoznaczn ˛a relacj˛e ceny wzgl˛edem blisko´sci ogrodu zoo-logicznego, która mo ˙ze sugerowa´c, ˙ze na pewnym dystansie istniej ˛a inne czynniki wpływaj ˛ace na popraw˛e lub obni ˙zenie atrakcyjno´sci danego miejsca. Do´s´c charak-terystyczny i zgodny z teori ˛a jest zaobserwowany pozytywny wpływ obecno´sci

6.2. Hedoniczne modelowanie atrakcyjno´sci krajobrazu wewn ˛atrz subrynków 119

RYC. 6.12: Oszacowana warto´s´c współczynników kierunkowych dla zmiennych dotycz ˛acych dost˛epno´sci obiektów u ˙zytych w modelu

re-gresji liniowej wewn ˛atrz subrynku nr 2.

RYC. 6.13: Oszacowany wpływ na warto´s´c m²nieruchomo´sci wybra-nych zmienwybra-nych u ˙zytych w zgeneralizowanym modelu

addytywnym wewn ˛atrz subrynku nr 2.

ogrodu zoologicznego zlokalizowanego w odległo´sci do ok 500 m. Wzrost zró ˙znico-wania pokrycia terenu (mierzony wska´znikiem bioró ˙znorodno´sci Shannona - SHDI) wykazuje pozytywn ˛a, liniow ˛a relacj˛e. W odró ˙znieniu do niej wzrost wysoko´sci bu-dynku zwi ˛azany jest ze spadkiem atrakcyjno´sci. Blisko´s´c ko´sciołów wykazuje ob-serwowan ˛a ju ˙z wcze´sniej w modelu holistycznym relacj˛e, z której wynika, ˙ze bliskie ich s ˛asiedztwo wpływa negatywnie na atrakcyjno´s´c miejsca zamieszkania.

Analiza z u ˙zyciem modelu lasów losowych opracowana dla tego obszaru po-zwoliła oceni´c, które zmienne s ˛a najistotniejsze przy szacowaniu atrakcyjno´sci miej-sca zamieszkania. Najwa ˙zniejszymi czynnikami nie s ˛a tu cechy strukturalne nieru-chomo´sci, ale czynniki przestrzenne, takie jak odległo´s´c od ogrodu zoologicznego oraz ko´sciołów. Dopiero na trzecim miejscu pojawia si˛e cecha strukturalna okre´sla-j ˛aca liczb˛e izb w mieszkaniu. Na kolejnych miejscach ponownie znajduj ˛a si˛e czyn-niki krajobrazowe, mianowicie odległo´s´c od centrum miasta, linii tramwajowych oraz wysoko´s´c budynku.

Na rycinie 6.14 zaprezentowano najwa ˙zniejsze czynniki przestrzenne wpływa-j ˛ace na atrakcyjno´s´c zabudowy mieszkalnej mierzonej cen ˛a m² nieruchomo´sci wg modelu lasów losowych. Zgodnie z uzyskanymi wynikami ogród zoologiczny sta-nowi siln ˛a pozytywna dominant˛e krajobrazow ˛a podnosz ˛ac ˛a poziom atrakcyjno´sci o prawie tysi ˛ac złotych mi˛edzy najbli ˙zszym s ˛asiedztwem, a odległo´sci ˛a 1,5 km od obiektu. Relacja ta posiada podobny, sigmoidalny charakter jak w modelowaniu ad-dytywnym.

Bliskie s ˛asiedztwo budynku ko´scioła (do ok. 400 m) obni ˙za atrakcyjno´s´c, co rów-nie ˙z jest spójne z opracowanym modelem regresji liniowej oraz modelem addytyw-nym, a wynika´c mo ˙ze z hałasu generowanego przez dzwony ko´scioła oraz podwy ˙z-szonego nat˛e ˙zenia ruchu w niedziel˛e i ´swi˛eta. Wzrost czasu dojazdu komunikacj ˛a publiczn ˛a do centrum zwi ˛azane jest z ogólnym wzrostem poziomu atrakcyjno´sci, co mo ˙ze by´c zwi ˛azane równie ˙z ze zbli ˙zaniem si˛e do obszarów le´snych. Obserwo-wany wzrost atrakcyjno´sci na odległo´sci mi˛edzy 7,5, a 8 minut ˛a czasu dojazdu od centrum mo ˙ze by´c zwi ˛azany z osiedlami otoczonymi lasami w pobli ˙zu wschodniej granicy miasta. Podobnie wzrost poziomu atrakcyjno´sci w odległo´sci mi˛edzy 1 mi-nut ˛a czasu dojazdu do linii tramwajowych, a 3 minutami (logarytm z 3 jest równy w przybli ˙zeniu 1; zob. ryc. 6.14) mo ˙ze wynika´c z tej samej relacji, jak równie ˙z z

podkre-´slenia obszarów wokół jeziora malta ´nskiego, które znajduj ˛a si˛e w tej odległo´sci. W przypadku dost˛epu do linii tramwajowych nale ˙zy zaznaczy´c, ˙ze mimo i ˙z wybrana została dost˛epno´s´c mierzona kosztem poruszania si˛e za pomoc ˛a komunikacji pu-blicznej, najwi˛eksze zró ˙znicowanie i wpływ na ceny ma odległo´s´c, któr ˛a pokonuje si˛e pieszo (3 minuty to przewa ˙znie czas potrzebny dopiero na dotarcie na przysta-nek, sk ˛ad mo ˙zna porusza´c si˛e szybciej za pomoc ˛a komunikacji publicznej).

Subrynek 3 - Winogrady/Naramowice

Trzeci z wydzielonych subrynków obejmuje obszar na północ od centrum mia-sta - osiedla Winogrady i Naramowice. Otrzymany model regresji liniowej posiada współczynnik determinacji R² równy 0,39 (wy ˙zszy ni ˙z w przypadku modelu holi-stycznego).

Współczynniki kierunkowe dla zmiennych dotycz ˛acych dost˛epno´sci obiektów przedstawiono na rycinie 6.15. Wskazuj ˛a one na pozytywny wpływ posterunków policji, małych zbiorników wodnych, centrum miasta, głównych dróg, obiektów kultury oraz budynków uczelni. Według uzyskanego modelu negatywny wpływ na atrakcyjno´s´c krajobrazu subrynku trzeciego maj ˛a parki, biblioteki i muzea, drogi utwardzane oraz kominy. W przypadku dwóch pierwszych zmiennych jest to

6.2. Hedoniczne modelowanie atrakcyjno´sci krajobrazu wewn ˛atrz subrynków 121

RYC. 6.14: Wpływ wybranych na podstawie modelu lasów loso-wych czynników krajobrazoloso-wych na atrakcyjno´s´c miejsca

zamiesz-kania subrynku 2.

sprzeczne z dotychczasowymi wynikami. Wzrost atrakcyjno´sci zwi ˛azany ze wzro-stem odległo´sci od kominów mo ˙zna tłumaczy´c oddalaniem si˛e od zakładów prze-mysłowych i zwi ˛azanych z nimi zanieczyszczeniami powietrza i hałasem. Drogi utwardzone posiadaj ˛a lokalny negatywny wpływ, który równie ˙z mo ˙zna tłumaczy´c hałasem i zanieczyszczeniami powietrza. Jednocze´snie zgodnie z t ˛a sam ˛a interpre-tacj ˛a blisko´s´c parków powinna poprawia´c atrakcyjno´s´c krajobrazu, jednak według modelu tak nie jest. Nale ˙zy mie´c na uwadze, ˙ze odległo´s´c od parków jest silnie, po-zytywnie skorelowana z odległo´sci ˛a od centrum miasta (0,91), co mo ˙ze utrudnia´c oszacowanie parametru.

RYC. 6.15: Oszacowana warto´s´c współczynników kierunkowych dla zmiennych dotycz ˛acych dost˛epno´sci obiektów u ˙zytych w modelu

re-gresji liniowej wewn ˛atrz subrynku nr 3.

W oparciu o zmienne wybrane do modelu regresji liniowej utworzono zgenera-lizowany model addytywny o współczynniku R²równym 0,49. Wpływ wybranych czynników przestrzennych na atrakcyjno´s´c krajobrazu został zaprezentowany na rycinie 6.16.

Cz˛e´s´c relacji ukazuj ˛acych zale ˙zno´sci ceny m² od czynników krajobrazowych (Ryc. 6.16) wykazuje charakter zbli ˙zony do liniowego. Sytuacja ta ma miejsce w przypadku odległo´sci od uczelni, kominów, czy jezior. Kierunek trendu tych funk-cji jest zbie ˙zny z warto´sciami współczynników kierunkowych oszacowanych dla modelu regresji liniowej. Na uwag˛e zwraca funkcja oszacowana dla odległo´sci od posterunku policji, zgodnie z któr ˛a wyst˛epuje znacz ˛aca zmiana atrakcyjno´sci w naj-bli ˙zszym s ˛asiedztwie.

Na podstawie modelu lasów losowych okre´slono, ˙ze w trzecim subrynku naj-wi˛eksze znaczenie na kształtowanie si˛e cen nieruchomo´sci posiadaj ˛a czynniki krajo-brazowe: odległo´s´c od kominów oraz obiektów kultury. Dopiero na trzecim miejscu istotno´sci pojawia si˛e czynnik zwi ˛azany z cech ˛a strukturaln ˛a nieruchomo´sci, a mia-nowicie jej powierzchnia. Nast˛epnie znów istotne staj ˛a si˛e czynniki przestrzenne:

wysoko´s´c budynku, odległo´s´c od posterunku policji, miara dost˛epno´sci (’blisko´s´c’, wi˛ecej na stronie 57) oraz odległo´s´c od uczelni.

Rycina 6.17 prezentuje wpływ najwa ˙zniejszych czynników krajobrazowych na atrakcyjno´s´c tego subrynku. Wzrost odległo´sci od obiektów kultury zwi ˛azany jest

6.2. Hedoniczne modelowanie atrakcyjno´sci krajobrazu wewn ˛atrz subrynków 123

RYC. 6.16: Oszacowany wpływ na warto´s´c m² nieruchomo´sci wy-branych zmiennych u ˙zytych w zgeneralizowanym modelu

addytyw-nym wewn ˛atrz subrynku nr 3.

z silnym spadkiem atrakcyjno´sci krajobrazu. Podobnie jak w przypadku subrynku drugiego wzrost odległo´sci od kominów podnosi poziom atrakcyjno´sci krajobrazu.

RYC. 6.17: Wpływ wybranych na podstawie modelu lasów loso-wych czynników krajobrazoloso-wych na atrakcyjno´s´c miejsca

zamiesz-kania subrynku 3.

Interesuj ˛acy jest wykres ukazuj ˛acy relacj˛e miedzy odległo´sci ˛a od posterunku po-licji, a cen ˛a m² nieruchomo´sci. Wynika z niego, ˙ze w odległo´sci mierzonej czasem doj´scia pieszo mi˛edzy 5, a 8 minut nast˛epuje silny spadek atrakcyjno´sci miejsca za-mieszkania, co najprawdopodobniej wynika z wpływu innego czynnika przestrzen-nego.

Subrynek 4 - Pi ˛atkowo

Czwarty subrynek obejmuje północny obszar miasta od jeziora Kierskiego na za-chodzie po rzek˛e Wart˛e na wsza-chodzie. Transakcje kupna/sprzeda ˙zy nieruchomo´sci w tym obszarze s ˛a zlokalizowane przede wszystkim w granicach osiedli Pi ˛atkowo, Podolany (nowe osiedle wielorodzinne), Jana III Sobieskiego i Marysie ´nki oraz na północ od rezerwatu przyrody ˙Zurawiniec (Ryc. 3.3). Model regresji liniowej wyka-zuje w tym przypadku dopasowanie do danych mierzone współczynnikiem deter-minacji R²równym 0,42.

Warto´sci współczynników kierunkowych dla zmiennych dotycz ˛acych

dost˛epno-´sci zaprezentowane zostały na rycinie 6.18. Zgodnie z oszacowanym modelem wraz ze wzrostem odległo´sci od rzeki Warty, dróg głównych, ko´sciołów i kominów po-ziom atrakcyjno´sci zabudowy mieszkalnej maleje. Wzrost atrakcyjno´sci mo ˙zna od-notowa´c wraz ze wzrostem odległo´sci od restauracji, parków oraz (co sprzeczne z dotychczasowymi wynikami) do posterunków policji.

6.2. Hedoniczne modelowanie atrakcyjno´sci krajobrazu wewn ˛atrz subrynków 125

RYC. 6.18: Oszacowana warto´s´c współczynników kierunkowych dla zmiennych dotycz ˛acych dost˛epno´sci obiektów u ˙zytych w modelu

re-gresji liniowej wewn ˛atrz subrynku nr 4.

RYC. 6.19: Warto´s´c korelacji Pearsona dla zmiennych u ˙zytych w mo-delu wewn ˛atrz subrynku nr 4.

W oparciu o wybrane w modelu regresji liniowej zmienne niezale ˙zne opraco-wany został zgeneralizoopraco-wany model addytywny o współczynniku R²równym 0,56.

Wpływ wybranych zmiennych krajobrazowych istotnych statystycznie przedsta-wiony został na rycinie 6.20. Pozostałe ryciny znajduj ˛a si˛e na zał ˛aczonej płycie DVD.

RYC. 6.20: Oszacowany wpływ na warto´s´c m² nieruchomo´sci wy-branych zmiennych u ˙zytych w zgeneralizowanym modelu

addytyw-nym wewn ˛atrz subrynku nr 4.

Bliskie s ˛asiedztwo parków, które w przypadku modelu regresji liniowej wska-zywało na wyra´znie negatywny wpływ na atrakcyjno´s´c, zyskuje potwierdzenie w przypadku modelu addytywnego. Odległo´s´c od kominów posiada nieco bardziej skomplikowan ˛a relacj˛e z cen ˛a m²nieruchomo´sci. Do odległo´sci ok 1 250 m od komi-nów cena m²nieruchomo´sci jest wysoka, nast˛epnie mi˛edzy 1 250 a 1 500 m nast˛epuje gwałtowny spadek, a potem stabilizacja cen. Pozytywny wpływ kominów na ceny nieruchomo´sci mo ˙ze by´c faktycznie zwi ˛azany z miejscowym rynkiem pracy ofero-wanym przez dany podmiot gospodarczy (fabryki, oczyszczalnia, itp.).

W obr˛ebie czwartego subrynku do najwa ˙zniejszych czynników kształtuj ˛acych cen˛e m²nieruchomo´sci, uznanych w wyniku modelowania metod ˛a lasów losowych, zaliczone zostały: ´srednia wysoko´s´c budynków w promieniu 50 m, liczba izb, kon-dygnacja i powierzchnia mieszkania, odległo´s´c od kominów, liczba form ukształto-wania terenu w promieniu 50 m oraz odległo´s´c od restauracji.

Na rycinie 6.21 ukazano wpływ najwa ˙zniejszych czynników krajobrazowych oddziałuj ˛acych na poziom atrakcyjno´sci zabudowy mieszkalnej w czwartym sub-rynku. Interesuj ˛ace jest, ˙ze w obr˛ebie tego subrynku bardzo istotny wpływ na ceny nieruchomo´sci posiadaj ˛a charakterystyki zwi ˛azane z s ˛asiedztwem, a nie lokaliza-cj ˛a. Ni ˙zsze budynki w s ˛asiedztwie oraz wi˛eksze zró ˙znicowanie form ukształtowa-nia terenu kształtuj ˛a w znacznym stopniu ceny m²nieruchomo´sci. Podobne wyniki uzyskano w modelowaniu metod ˛a regresji liniowej (Ryc. 6.22).

Subrynek 5 - Łazarz

Na podstawie transakcji kupna/sprzeda ˙zy zrealizowanych w obr˛ebie subrynku nr 5 otrzymano model regresji liniowej o współczynniku determinacji R² równym 0,35. Lokalizacje transakcji kupna/sprzeda ˙zy s ˛a równomiernie rozmieszczone w ca-łym obszarze (Ryc. 3.3).

Współczynniki kierunkowe modelu regresji liniowej (zob. ryc. 6.23) wykazuj ˛a pozytywny wpływ w˛ezła komunikacyjnego Most Teatralny, kominów, linii tram-wajowych, szkół ponadpodstawowych, obiektów kultury fizycznej, bibliotek i mu-zeów, stra ˙zy po ˙zarnej, małych jezior oraz przystanków kolejowych. Negatywny

6.2. Hedoniczne modelowanie atrakcyjno´sci krajobrazu wewn ˛atrz subrynków 127

RYC. 6.21: Wpływ wybranych na podstawie modelu lasów loso-wych czynników krajobrazoloso-wych na atrakcyjno´s´c miejsca

zamiesz-kania subrynku 4.

RYC. 6.22: Wpływ na cen˛e m² nieruchomo´sci wybranych na pod-stawie modelu regresji liniowej czynników krajobrazowych dotycz ˛

a-cych lokalizacji wewn ˛atrz subrynku 4.

wpływ na atrakcyjno´s´c zabudowy mieszkalnej maj ˛a tu parki, linie kolejowe, koszary wojskowe, zajezdnie tramwajowe, targowiska, Mi˛edzynarodowe Targi Pozna ´nskie, centrum miasta, szpitale oraz uczelnie.

W przypadku tego subrynku bliskie s ˛asiedztwo w˛ezła komunikacyjnego Mostu Teatralnego poprawia atrakcyjno´s´c zabudowy mieszkalnej. Zwraca to szczególn ˛a uwag˛e poniewa ˙z sama lokacja posiada niejednoznaczny charakter z punktu widze-nia teorii modelowawidze-nia hedonicznego cen nieruchomo´sci - z jednej strony stanowi o doskonałej dost˛epno´sci okolicy, z drugiej jest ´zródłem hałasu i niedogodno´sci zwi ˛ a-zanych z du ˙zym nat˛e ˙zeniem ruchu. Równie interesuj ˛acy jest pozytywny wpływ szkół ponadpodstawowych, które w modelu holistycznym posiadały negatywny wpływ na atrakcyjno´s´c.

Bliskie s ˛asiedztwo stacji stra ˙zy po ˙zarnej posiada pozytywny wpływ podobnie jak wskazane wcze´sniej posterunki policji, które mog ˛a poprawia´c poczucie bezpie-cze ´nstwa mieszka ´nców, cho´c jednobezpie-cze´snie zwraca uwag˛e fakt, ˙ze koszary posiadaj ˛a odwrotny wpływ obni ˙zaj ˛ac atrakcyjno´s´c w najbli ˙zszym s ˛asiedztwie.

Na podstawie zmiennych wybranych w trakcie regresji krokowej wstecznej opracowano model GAM o warto´sci współczynnika R² równym 0,52. Model ten wykorzystuje znaczn ˛a liczb˛e zmiennych przestrzennych. Wpływ wybranych czyn-ników krajobrazowych zaprezentowany został na rycinie 6.24.

Model GAM wykazuje pozytywny wpływ jezior na atrakcyjno´s´c, wraz z odle-gło´sci ˛a od których niemal liniowo maleje cena m²nieruchomo´sci. Podobny liniowy charakter wykazuje czynnik prostolinijnego przebiegu dróg. Wpływ obecno´sci tar-gowisk wykazuje logarytmiczny charakter, obni ˙zaj ˛ac znacz ˛aco atrakcyjno´s´c w bli-skim s ˛asiedztwie. Uwag˛e zwraca równie ˙z relacja z po´sredni ˛a miar ˛a dost˛epno´sci jak ˛a jest ’blisko´s´c’ (space syntax), wraz ze wzrostem której maleje atrakcyjno´s´c. Ne-gatywny wpływ na atrakcyjno´s´c wykazuj ˛a równie ˙z zajezdnie tramwajowe.

Interesuj ˛acym zjawiskiem według modelu GAM jest wpływ odległo´sci od bu-dynków uczelni na atrakcyjno´s´c miejsca zamieszkania. W odległo´sci ok 300 m na-st˛epuje wzrost cen m²nieruchomo´sci, nast˛epnie za´s spada do 1 km, by znów zacz ˛a´c wzrasta´c. Kształt tej funkcji wynika najprawdopodobniej z przej˛ecia wpływu innych czynników przestrzennych wyst˛epuj ˛acych na tych odległo´sciach.

W´sród zmiennych przestrzennych posiadaj ˛acych najwi˛ekszy wpływ na atrak-cyjno´s´c zabudowy mieszkalnej wewn ˛atrz subrynku 5 (według modelu lasów loso-wych) nale ˙z ˛a odległo´s´c od targowisk, obiektów kultury fizycznej, zajezdni tramwa-jowej i linii kolejowych. Bliskie s ˛asiedztwo targowisk (w granicach 1 minuty czasu dojazdu samochodem) posiada silny negatywny wpływ na atrakcyjno´s´c. Podobna

W dokumencie Wpływ struktury krajobrazu na atrakcyjność obszaru zabudowy mieszkalnej w Poznaniu (Stron 123-154)