بررسی معاملات مسکن در شهر تهران به تفکیک منطقه با استفاده از داده‌های آزاد (سال ۱۳۹۸)
¯ مقدمه
بخش مسکن یکی از بزرگ ترین بخش‌های اقتصاد کشور است که علاوه بر اشتغال در بحث تولید ناخالص داخلی، رشد اقتصادی و بسیاری موارد دیگر بسیار واجد اهمیت است. توسعه بخش مسکن و رشد اقتصادی به‌صورت مستقیم و غیر مستقیم از یکدیگر تأثیر می‌پذیرند. صنعت ساختمان یکی از بزرگترین بخش‌های اقتصادی کشور است. این صنعت پس از نفت به‌عنوان یکی از صنایع فرصت‌ساز برای رشد اقتصادی و افزایش تولید ناخالص داخلی و اشتغال‌زایی به شمار می‌رود. صنعت ساختمان یک نقش انکارناپذیر در تولید فرصت‌های سرمایه‌گذاری و تولید ثروت و ارزش افزوده در اقتصاد دارد. با توجه به ارتباط تنگاتنگ ساخت و ساز با بخش‌های بالادست و پایین‌دست خود مانند فلزات اساسی و کانی‌های غیر فلزی و خدمات املاک و مستغلات می‌توان به اهمیت جایگاه این صنعت در اقتصاد کشور پی‌برد. بسیاری از کارشناسان اعتقاد دارند که رشد ارزش افزوده، تخصیص بودجه‌ی عمرانی و حضور مؤثر بخش خصوصی در صنعت ساختمان می‌تواند بر روند چرخه‌ی اقتصادی کشور تأثیر داشته باشد. امروز در کشورهای در حال توسعه بیش از سی و پنج درصد فرصت‌های شغلی به طور مستقیم و یا غیر مسقیم در حوزه صنعت ساختمان است.
صنعت ساختمان باعث شده مشاغل ساختمانی زیادی ایجاد شود. این اشتغال‌زایی باعث افزایش تعداد شغل در سطح کشور شده است و افراد زیادی در این حوزه در حال فعالیت هستند. با توجه به اقلام مورد مصرف در تولید ساختمان که بسیار زیاد هستند. رونق این فعالیت می‌توان رونق بخش‌های دیگری را در پی داشته باشد.
بنا بر این از منظر اقتصادی بخش ساختمان نقش بسیار مهمی را ایجاد ارزش افزوده و رشد اقتصادی و عوامل تولید مانند اشتغال دارد. همچنین ساختمان به‌عنوان یک صنعتی بالادستی می تواند به‌عنوان موتور محرک بسیاری از بخش‌های اقتصادی از جمله صنعت و خدمات باشد. با توجه به اهمیت این بخش داشتن آمارهای صحیح، با دقت و به موقع می‌تواند ابزار مهمی برای برنامه‌ریزان و تصمیم‌گیران فراهم آورد تا بتوانند تصمیمات مهم و درستی را برای ایجاد فرصت‌های رشد و توسعه در بخش ساختمان و اقتصاد اتخاذ نمایند.
بخش ساختمان در شهر تهران به‌عنوان پایتخت ایران و یکی از بزرگترین ابرشهرهای دنیا همواره مورد توجه اقتصادانان و برنامه‌ریزان بوده است. در گزارش حاضر بر اساس داده‌های ثبتی آزاد تعداد و قیمت معاملات در مناطق مختلف شهر تهران آمارهای مربوطه تهیه و ارایه شده است.
¯ داده‌های آزاد چیست؟
مفهوم داده‌های باز۱ مبتنی بر این ایده است که برخی از داده‌ها باید به‌صورت رایگان در اختیار همه قرار گیرد تا بتوانند آن را آن‌گونه که می‌خواهند استفاده، باز استفاده و منتشر کنند، بدون آنکه با محدودیت حق نشر۲، حق اختراع۳ و یا سایر محدودیت‌ها مواجه شوند.
در تعریف بالا سه جنبه مهم پررنگ شده است:
دسترسی: داده باید با هزینه معقول و به‌سادگی در دسترسی باشد؛ در بهترین حالت از طریق بارگیری کردن از اینترنت بتوان آن را به‌دست آورد. همچنین داده باید به‌گونه‌ای ارائه شود که بتوان در آن تغییراتی ایجاد کرد.
باز استفاده و بازنشر: داده باید تحت شرایطی منتشر شود که به افراد اجازه دهد آن را به شکل دلخواه استفاده و یا بازنشر کنند و یا بتوانند با سایر پایگاه‌های داده ترکیب کنند.
مشارکت همگانی: داده‌ها باید برای همه گروه‌ها و هر تلاشی در هر حوزه‌ای آزاد باشند. برای مثال، نباید حق دسترسی تنها محدود به فعالیت‌های غیر تجاری۴ باشد؛ به این معنی که استفاده تجاری از داده‌ها محدود شود. و یا نباید استفاده از داده‌ها تنها برای اهداف خاصی مانند اهداف آموزشی آزاد باشد.
¯ آینده داده آزاد
البته برخی از دولت‌ها و مؤسسات در این باره ناراضی هستند. اما برخی دیگر این قانون را اجرا می‌کنند. علیرغم اینها، سال‌های آتی برای کشورهای مجری داده باز بحرانی خواهد بود. زیرا در حالی که موفقیت این قوانین بررسی می‌شود قوانین جدیدی هم وارد می‌شوند که باید خودشان را تطبیق دهند. پذیرش ایده داده باز در علم بسیار دلگرم‌کننده است. با این کار داده‌های علمی به رایگان در دسترس همگان قرار می‌گیرد و موجب پیشرفت علم می‌شود.
¯ مراحل تولید آمارهای بخش ساختمان
به‌منظور تولید آمارهای مورد نظر در بخش ساختمان با استفاده از داده‌های باز باید فرایندی که در تولید آمارهای رسمی انجام می شود، پیاده سازی شود. آمارهای رسمی عموما بر اساس مدل عمومی کسب و کار آماری۵ تولید می‌شوند که راهنمای فوق توسط گروه مدرن‌سازی آماری پاریس 21 و همکاری واحد آمار سازمان ملل متحدد به‌عنوان الگوی تولید آمارهای رسمی در مراکز آماری مورد استفاده قرار می‌گیرد. (شکل ۲)
از داده‌های باز در بخش جمع‌آوری داده‌ها در تولید این آمارها استفاده شده است. دیگر مراحل از پاک‌سازی داده‌ها، ادیت، بررسی سازگاری‌ها و عدم تطابق‌ها، جدول‌گیری و انتشار نتایج نهایی بر اساس استاندارد مدل عمومی کسب و کاری آماری انجام شده است.
شهر تهران به‌عنوان پایتخت و بزرگترین کلان‌شهر ایران دارای 22 منطقه شهری است (بر اساس تقسیم‌بندی شهرداری تهران) که محدوده هر منطقه در شکل ۳ آورده شده است.
جدول ۱- تعداد معاملات انجام شده در شهر تهران
منطقه شهرداری
دی ۱۳۹۸
بهمن ۱۳۹۸
درصد تغییرات نسبت به ماه گذشته
منطقه ۱
۴۶۵
۵۴۵
%۱۷
منطقه ۲
۹۹۴
۱۲۶۸
%۲۸
منطقه ۳
۴۳۲
۴۷۷
%۱۰
منطقه ۴
۹۵۰
۱۲۰۶
%۲۷
منطقه ۵
۱۷۸۵
۲۳۴۰
%۳۱
منطقه ۶
۳۴۸
۵۰۲
%۴۴
منطقه ۷
۵۷۵
۸۳۱
%۴۵
منطقه ۸
۶۶۳
۸۳۷
%۲۶
منطقه ۹
۲۴۴
۳۳۸
%۳۹
منطقه ۱۰
۸۷۸
۱۰۲۶
منطقه ۱۱
۴۰۳
۴۹۷
%۲۳
منطقه ۱۲
۳۲۶
%۳۴
منطقه ۱۳
۴۰۱
۴۹۵
منطقه ۱۴
۶۶۸
۷۹۳
%۱۹
منطقه ۱۵
۵۳۲
%۱۴
منطقه ۱۶
۹۸
۱۰۵
%۷
منطقه ۱۷
۲۰۸
۲۲۷
%۹
منطقه ۱۸
۱۸۹
۲۲۶
%۲۰
منطقه ۱۹
۲۰
۲۳
%۱۵
منطقه ۲۰
۷
۶
%۱۴-
منطقه ۲۱
۱۶۳
۲۰۹
منطقه ۲۲
۱۲۲
۱۴۵
كل شهر تهران
۱۰,۳۲۲
۱۲,۹۵۴
۲۵%
مأخذ داده‌ها: داده‌های آزاد ثبتی، وزارت راه، مسکن و شهرسازی، معاملات املاک مسکونی
جدول ۲- متوسط قیمت یک متر مربع مسکونی در شهر تهران دربهمن ماه ۱۳۹۸ (ارقام جدول میلیون ریال)
۲۵۵٬۳۱۲٬۳۸۰
۲۸۰٬۵۰۲٬۲۴۴
۱۰٪
۲۰۴٬۸۸۶٬۶۸۳
۲۶۴٬۰۰۹٬۹۷۲
۲۹٪
۲۴۳٬۴۹۲٬۶۷۱
۲۹۴٬۴۱۴٬۷۴۶
۲۱٪
۱۴۲٬۷۹۱٬۷۵۰
۱۵۷٬۳۰۵٬۲۰۰
۱۶۱٬۳۳۸٬۴۶۸
۲۰۰٬۱۰۳٬۷۸۳
۲۴٪
۱۸۶٬۸۳۷٬۷۱۲
۱۹۶٬۴۸۳٬۰۹۶
۵٪
۱۲۲٬۳۸۶٬۳۶۱
۱۳۲٬۸۹۱٬۶۹۶
۹٪
۱۲۳٬۳۹۸٬۳۱۰
۱۵۱٬۴۵۵٬۰۱۰
۲۳٪
۱۰۱٬۶۳۲٬۰۹۱
۱۳۶٬۸۱۹٬۰۷۷
۳۵٪
۹۵٬۳۵۹٬۲۰۳
۱۱۲٬۶۱۱٬۹۸۳
۱۸٪
۹۵٬۴۵۴٬۹۵۳
۱۱۶٬۶۲۷٬۹۷۵
۲۲٪
۷۸٬۵۵۶٬۵۹۴
۸۳٬۲۸۵٬۷۶۸
۶٪
۱۲۲٬۱۴۶٬۶۷۲
۱۲۶٬۸۲۹٬۶۹۷
۴٪
۱۰۳٬۱۱۸٬۰۳۱
۱۳۴٬۸۸۷٬۷۶۰
۳۱٪
۸۴٬۱۳۶٬۲۱۰
۱۱۸٬۸۳۸٬۹۰۵
۴۱٪
۸۱٬۹۰۵٬۳۲۴
۸۷٬۰۳۴٬۵۵۲
۷۱٬۰۴۹٬۱۹۹
۷۵٬۵۳۷٬۶۶۱
۶۳٬۰۳۱٬۷۹۴
۶۸٬۷۱۶٬۳۳۳
۸۸٬۴۸۵٬۱۹۷
۷۷٬۴۷۱٬۰۱۰
۱۲٪-
۸۶٬۶۳۶٬۳۸۱
۱۲۲٬۱۸۷٬۶۲۸
۱۰۳٬۶۹۲٬۰۲۴
۱۰۵٬۱۹۰٬۲۸۷
۱٪
۱۱۷٬۴۵۴٬۷۱۰
۱۳۳٬۹۳۵٬۸۷۱
۱۴٪
۱۵۴٬۳۷۰٬۹۳۴
۱۶۸٬۸۶۴٬۲۴۹
جدول ۳- مقایسه متوسط قیمت یک متر مربع واحد مسکونی در ماه مشابه سال‌های 1397 و 1398 بر حسب هر یک از مناطق شهری تهران
بهمن۱۳۹۷
درصد تغییرات نسبت به ماه مشابه سال گذشته
۲۰۳٬۷۵۷٬۳۲۷
۳۸٪
۱۵۷٬۵۱۲٬۲۰۵
۶۸٪
۱۷۵٬۳۴۰٬۰۱۰
۱۱۹٬۷۶۹٬۹۰۹
۱۳۹٬۴۹۵٬۰۳۴
۴۳٪
۱۴۰٬۸۵۸٬۲۴۶
۳۹٪
۹۵٬۳۴۳٬۵۰۱
۹۲٬۴۸۴٬۴۴۸
۶۴٪
۷۳٬۹۸۱٬۹۳۸
۸۵٪
۸۰٬۰۷۵٬۸۳۰
۶۹٬۸۵۶٬۴۰۲
۶۷٪
۶۳٬۱۳۱٬۰۴۵
۳۲٪
۱۱۳٬۸۳۹٬۸۶۶
۱۱٪
۷۴٬۹۹۵٬۲۴۸
۸۰٪
۵۶٬۲۳۰٬۰۱۴
۱۱۱٪
۵۲٬۰۵۹٬۹۹۸
۵۰٬۰۵۵٬۳۹۱
۵۱٪
۵۴٬۰۱۹٬۵۸۸
۲۷٪
۵۸٬۴۷۹٬۵۱۵
۴۶٬۱۷۸٬۵۸۰
۱۶۵٪
۷۵٬۸۰۶٬۰۷۹
۸۹٬۳۴۴٬۳۱۷
۵۰٪
۱۰۸٬۲۶۳٬۴۶۷
۵۶٪
¯ نتایج به‌دست آمده
بر اساس داده‌های دریافتی، تعداد کل معاملات دربهمن ماه ۱۳۹۸ در شهر تهران به عدد ۱۲۹۵۴ رسیده است که نسبت به ماه گذشته ۲۵درصد افزایش داشته است که نشان از ادامه مرحله رشد (شروع از مهرماه) در بخش مسکن است. شایان ذکر است تمامی مناطق روند افزایشی در تعداد معاملات را داشته‌اند. با این وجود منطقه ۵ با ۲۳۴۰ معامله کماکان در صدر بیشترین معاملات در شهر تهران است.
متوسط قیمت یک متر مربع مسکونی در شهر تهران دربهمن ماه 1398 (ارقام جدول ریال)
متوسط قیمت یک مترمربع واحد مسکونی با میانگین‌گیری از داده‌های آزاد ثبتی، وزارت راه، مسکن و شهرسازی، معاملات املاک مسکونی در شهر تهران با 9درصد افزایش نسبت به ماه گذشته، ۱۶٫۸ میلیون تومان رسیده است .
مقایسه و محاسبه تورم نقطه به نقطه مسکن
همانطور که ملاحظه می‌شود تورم نقطه به نقطه متوسط قیمت دربهمن ماه شهر تهران ۵۶ درصد افزایش یافته است.
روند قیمت در شهر تهران
با توجه به شکل ۶ ملاحظه می‌شود از شهریور 1398 مجدد روند افزایشی قیمت در شهر تهران آغاز شده است و پیش‌بینی می‌شود این روند تا اردیبهشت ماه 1399 ادامه یابد.
روند تعداد معاملات در شهر تهران
با توجه به شکل ۷ و روند رو به رشد تعداد معاملات در بهمن ماه 1398 بالاترین تعداد معامله طی یک سال گذشته انجام شده است که به نوعی شکل‌گیری رونق معاملات مسکونی در شهر تهران را نشان می‌دهد.
¯ نتیجه‌گیری
با توجه به روند افزایشی در تعداد معاملات و همچنین افزایش قیمت پیش‌بینی می‌شود تا اردیبهشت ماه سال 1399 شاهد رشد قیمت و همچنین افزایش تعداد معاملات در شهر تهران باشیم. بازارهای موازی برای بخش ساختمان همچنین وجود دارند که می‌توانند تعداد و قیمت معاملات را تحت تأثیر قرار دهند. از جمله آن می‌توان به نوسانات قیمت ارز، قیمت جهانی مواد اولیه، تغییرات آب و هوا، سود سپرده‌های بانکی و بسیاری دیگر را نام برد. بنابراین برای پیش‌بینی دقیق روند معاملات و قیمت ساختمان باید عوامل متعددی را همزمان لحاظ نمود. تنها با در نظر گرفتن روند و تعداد معاملات، رشد قیمت‌ها و تعداد آنها با توزیع متفاوت بر اساس مناطق شهری تهران نشان‌دهنده جذابیت این بخش برای سرمایه‌گذاری در بین جامعه است.
¯ پیشنهادات برای آمارهای آتی
ویژگی خاص ملک می‌تواند باعث ایجاد تغییرات و نوسانات یک ملک شود. از جمله این ویژگی‌ها نوع مصالح به‌کار رفته، ویژگی‌های خاص قرارگیری یک ملک، موقعیت جغرافیایی، متراژ، سن ساخت، امکانات، وضعیت نور و ... را می‌توان نام برد. از سوی دیگر، همانطور که اشاره شد آمارهای فوق بر اساس داده‌های ثبتی آزاد تهیه شده است و بنابراین از دقت کافی برخودار است. باید توجه نمود که این داده‌ها، از معاملات رسمی انجام شده است و فراوانی نسبی آنها می‌تواند بر حسب ویژگی‌های مناطق، وضعیت فصل، آب و هوا دارای و یا قوانین شهرداری تغییرات باشد. همچنین می‌توان آمارهای فوق را بر حسب ویژگی‌های تکمیلی بیشتری تهیه و تحلیل نمود که از آن جمله می‌توان به موارد زیر اشاره نمود:
تهیه آمارهای تعداد معاملات و متوسط قیمت هر متر مربع واحد مسکونی بر حسب محلات
· *به دلیل گستره بودن هر یک از مناطق، تعداد و همچنین قیمت در درون یک منطقه نیز دارای پراکندگی زیاد است که به نوعی متوسط گرفت از قیمت در ارائه آمارهای سرجمع ممکن است نیاز کاربران را مرتفع نسازد. این موضوع به این دلیل حائز اهمیت است که بررسی و تحلیل داده‌ها در پایین‌ترین سطح برش جغرافیایی می‌تواند بسیار مفید باشد. به ویژه برای افرادی که به دنبال سرمایه‌گذاری در بخش ساختمان هستند آمارهای فوق می‌تواند بسیار کمک‌کننده باشد.
· تهیه آمارهای تعداد معاملات و متوسط قیمت بر اساس سن بنا و متراژ
· با توجه به پراکندگی‌های بسیار زیاد در موضوع سن و متراژ واحدهای مسکونی ارائه جداول چندگانه بر حسب این عوامل می‌تواند نیازهای کاربران آمارها را مرتفع سازد و کمک به‌سزایی در تصمیم‌سازی نماید. در این‌صورت تحلیل آمارها بر اساس این دو عامل تعیین‌کننده در قیمت و روند معاملات بسیار می‌تواند مفید باشد.
· تهیه و ارائه آمارها بر اساس تسهیلات مسکن
· ارائه آمار تعداد معاملات و سهم تسهیلات در واحدهای مسکونی معامله شده بسیار مهم است. اینکه چه درصدی از معاملات انجام شده توسط افراد از تسهیلات بانکی استفاده شده و توزیع این معاملات در شهر تهران به چه صورت است. همچنین قیمت واحدهای مسکونی و سهم تسهیلات از آن بر حسب هر یک از مناطق می‌تواند برنامه‌ریزی در خصوص میزان و نقش تسهیلات در معاملات و قیمت واحدهای مسکونی در هر یک از مناطق را نشان دهد.
توضیحات
1- Open Data
2- Copyright
3-Patent
4- Non-commercial
5-Generic Statistical Business Process Model (GSBPM)
منابع
[1]. داده‌های آزاد ثبتی، وزارت راه، مسکن و شهرسازی، معاملات املاک مسکونی (https://www.mrud.ir/)
[2] European Data Portal (2۰18), “Open Gold Data Book for Data Managers and Data Holders”, https://www.europeandataportal.eu/sites/default/files/european_data_portal_-_open_data_goldbook.pdf
[3] Open Data Institute (2۰19). “The Data Spectrum”, https://theodi.org/about-the-odi/the-data-spectrum
[4] UNECE," Generic Statistical Business Process Model (GSBPM)', version۰5, December 2۰13.