Iwona Foryś, Ewa Putek-Szeląg Uniwersytet Szczeciński s:

Transkrypt

1 PRACE NAUKOWE UNIWERSYTETU EKONOMICZNEGO WE WROCŁAWIU RESEARCH PAPERS OF WROCŁAW UNIVERSITY OF ECONOMICS r Taksoomia 31 ISSN Klasyfikacja i aaliza daych teoria i zastosowaia e-issn Iwoa Foryś, Ewa Putek-Szeląg Uiwersytet Szczeciński s: iwoa.forys@usz.edu.pl; wicheru@wiez.pl WIELOWYMIAROWA ANALIZA ATRAKCYJNOŚCI LOKALIZACYJNEJ MIESZKAŃ W SZCZECINIE Z UWZGLĘDNIENIEM WSKAŹNIKA PRZESTĘPCZOŚCI MULTIVARIATE ANALYSIS OF LOCATION ATTRACTIVENESS OF FLATS IN SZCZECIN WITH TAKING INTO CONSIDERATION THE CRIME RATE DOI: /p JEL Classificatio: C3, R3 Streszczeie: Decyzje kupujących a ryku mieszkaiowym są ie tylko sumą ich subiektywych oczekiwań, lecz także efektem postrzegaia ieruchomości przez pryzmat opiii i sugestii płyących z otoczeia. Jedym z kryteriów, którym kierują się kupujący, jest lokalizacja mieszkaia, a z ią cechy otoczeia, w tym rówież bezpieczeństwo. Celem przeprowadzoego badaia jest wyzaczeie przestrzeych zależości między przeciętą ceę 1 m 2 mieszkaia i współczyikami przestępczości w Szczeciie. Do realizacji postawioego celu zapropoowao metody aalizy przestrzeej. W tym celu wykorzystao iformacje o trasakcjach związaych z mieszkaiami w Szczeciie w latach (akty otariale) oraz dae za 2015 rok dotyczące popełioych przestępstw z Komedy Wojewódzkiej Policji (tzw. mapa przestępstw). Aaliza wykazała brak przestrzeej zależości ce mieszkań w latach Natomiast wystąpiła zależość ce i tzw. przestępstw pospolitych. Słowa kluczowe: przestępstwa, ryek mieszkań, korelacja przestrzea Summary: Decisios made o the housig market are ot oly the sum of buyers expectatios, but also the effect of perceptio of the real estate with respect to opiios ad suggestios. Oe of the criteria is the locatio of flat togethr with the evirometal features, icludig safety. The goal of the aalysis is the desigatio of spatial relatioships betwee the mea price of 1 sq meter of the flat ad the crime rate i Szczeci. The goal was realised by meas of the spatial aalysis. The data referrig to the trasactios o the housig market i Szczeci i the years ad data from the Voivodship Police Commad i Szczeci (so-called crime map) were used. The spatial aalysis showed that there was the spatial relatioship betwee the prices ad so-called commo crimes. Keywords: crime, real estate market, spatial correlatio.

2 Wielowymiarowa aaliza atrakcyjości lokalizacyjej mieszkań w Szczeciie Wstęp Na ryku kosumeckim decyzje kupujących są wypadkową ie tylko ich subiektywych oczekiwań, lecz także postrzegaia towarów przez pryzmat opiii i sugestii płyących z otoczeia. Podobie kształtują się zachowaia uczestików a ryku mieszkaiowym, a którym przy podejmowaia decyzji o zakupie kokretego mieszkaia zaczeia abierają opiie i sugestie iych abywców mieszkań. Często decydują oe o wyborze mieszkaia wybudowaego w daej techologii, w określoej lokalizacji czy stadardzie. Zachowaia takie wyikają często z iewystarczającej wiedzy o ryku, asymetrii iformacji, słabej zajomości zagadień prawych i techiczych abywców mieszkań. Jedym z podstawowych elemetów determiujących wybór mieszkaia, oprócz cey, jest lokalizacja. Z ią związae są czyiki ceotwórcze, jak moda a daą dzielicę, cechy otoczeia, ifrastruktura techicza, opiia iych mieszkańców o zaletach i wadach sąsiedztwa, a także opiia o poziomie przestępczości. Kupujący zwracają rówież szczególą uwagę a poczucie bezpieczeństwa [Bratigham, Bratigham 1998; Shelley 1981; Skiba 2013]. Jest oo aczelą potrzebą człowieka, jego brak wywołuje iepokój i poczucie zagrożeia. Według A. Masłowa poczucie bezpieczeństwa zajduje się w pierwszej klasie potrzeb. Dlatego przestępczość w miastach jest przedmiotem zaiteresowaia wielu różych dyscypli aukowych, między iymi krymiologii, socjologii, a awet geografii [Beire 1983; Błachut 2007; Curyło 2011]. Jedak w aalizach ryku mieszkaiowego czyik te, jako kryterium wpływające a wartość rykową mieszkań, jest rzadko uwzględiay [Cellmer i i. 2005; Wetlad i i. 2014]. Celem przeprowadzoego badaia jest wyzaczeie przestrzeych zależości między przeciętą ceą 1 m 2 mieszkaia i współczyikami przestępczości w Szczeciie, z podziałem a rodzaje przestępstw. 2. Metoda badawcza Do osiągięcia postawioego celu zapropoowao statystykę I Moraa. Autokorelacja przestrzea jest określaa jako stopień skorelowaia obserwowaej wartości zmieej w daej lokalizacji z wartością tej samej zmieej w iej lokalizacji [Suchecki (red.) 2010]. Zależość przestrzea występuje wtedy, gdy badae zjawiska w daej jedostce przestrzeej powodują zwiększaie lub zmiejszaie prawdopodobieństwa występowaia tych zjawisk w sąsiedich jedostkach. Globala statystyka I Moraa (Ig) wykorzystywaa jest do testowaia zależości przestrzeych, wskazując, czy istieje przestrzey efekt aglomeracji. Wartość statystyki mieści się w przedziale < 1; 1>. Dodatie i istote jej wartości ozaczają istieie dodatiej autokorelacji, czyli podobieństwa badaych obiektów przy określoych wagami relacjach przestrzeych. Ujeme wartości to ujema autokorelacja, która ozacza zróżicowaie badaych obiektów. Dodatia korelacja wskazuje

3 50 Iwoa Foryś, Ewa Putek-Szeląg występowaie klastrów złożoych z obiektów o wartościach podobych wysokich lub iskich. Ujeme zaś wartości statystyki iterpretuje się jako losowe występowaie obiektów iepodobych w ramach homogeiczej grupy. Aaliza lokalych wskaźików zależości przestrzeej umożliwia określeie podobieństwa jedostki przestrzeej względem obiektów sąsiedich oraz istotości statystyczej tego zjawiska [Jac 2006]. Statystykę globalą I Moraa (Ig) wyzacza się z zależości [Woźiak, Sikora 2007]: I g = W i= 1 j= 1 i= 1 ( )( ) w x x x x ij i j ( xi x) 2, gdzie: w ij waga połączeń pomiędzy jedostką i oraz j, W macierz wag (suma wszystkich jej elemetów), x i, x j wartości zmieej w jedostce przestrzeej i oraz j, x średia arytmetycza wartości zmieej. W badaiu zostały rówież policzoe i przeaalizowae lokale współczyiki korelacji Moraa (I Li ) [Cellmer 2012]: I Li = ( xi x) wij ( xj x) i= 1 j= 1 ( xi x) gdzie: i jest umerem i-tego sektora, w ij stadaryzowaa wierszami macierz wag. Prowadząc aalizę przestrzeą, ależy modelować powiązaia sąsiedzkie. Powszechym sposobem a określaie bliskości obiektów przestrzeych jest podejście wykorzystujące kryterium wspólej graicy. W badaiu wykorzystao ajczęściej stosowaą metodę wierszowo stadaryzowaej macierzy wag. 2, 3. Charakterystyka daych empiryczych i wyiki badań Badaiem empiryczym objęte zostały umowy otariale sprzedaży mieszkań w obrocie wtórym zawarte w latach (badaie pełe). W tym czasie a tereie Szczecia zostało podpisaych umów. Dae uzyskae z aktów otarialych dotyczyły między iymi cey trasakcyjej (zł), powierzchi mieszkaia (m 2 ) oraz lokalizacji (ulica i umer budyku). Pozwoliło to wyzaczyć przecięte cey trasakcyje 1 m 2 w dowolym układzie przestrzeym miasta (dzielice, osiedla lub ie jedostki). Zmiea została zestawioa z przestępstwami odotowaymi a

4 Wielowymiarowa aaliza atrakcyjości lokalizacyjej mieszkań w Szczeciie tereie Szczecia, z podziałem a rejoy działaia poszczególych komisariatów policji. Dla 2015 roku uzyskao rówież dae szczegółowe, dotyczące poszczególych przestępstw dla 24 obszarów miasta. Zatem drugi zbiór zmieych determiował podział przestrzey oraz okres aaliz przeprowadzaych do 2015 roku. W celu porówywalości miejsca dokoaia przestępstwa z obrotem mieszkaiami wspomiae trasakcje przypisao do 24 obszarów według adresów policyjych, zwaych dalej sektorami. Na podstawie statystyk policyjych moża podjąć próbę określaia rozmiarów przestępczości w odiesieiu do jej rodzajów, w szczególości przestępczości: rejestrowaej, stwierdzoej oraz wykrywaej [Błachut 2007; Curyło 2011]. Dae uzyskae z Miejskiej Komedy Policji w Szczeciie są to dae, obejmujące przestępczość rejestrowaą, czyli tak zwae przestępstwa pospolite, co ozacza zdarzeia społecze rejestrowae i wstępie kwalifikowae jako przestępstwa przez orga ścigaia. Nie jest to kategoria prawokara, jedak w dużej części pokrywa się z przestępczością z użyciem przemocy, wzbudzającą większy lęk. W iiejszym artykule dae z 24 sektorów obejmują przestępstwa pospolite, takie jak: krótkotrwałe użycie pojazdu, uszkodzeie mieia, kradzież z włamaiem (do samochodów, do mieszkań, do sklepów, do piwic i strychów, do iych obiektów), kradzieże (do mieszkań, do placówek hadlowych, do samochodów, z samochodów i ie), bójki i pobicia oraz rozboje (rozbój, kradzież rozbójicza, wymuszeia rozbójicze). Poieważ częstotliwość występowaia przestępstw asila się wraz z itesywością zabudowy (tym samym rówież z wyższym wskaźikiem gęstości zaludiaia) oraz z powodu dużego zróżicowaia liczby ludości w poszczególych sektorach, w badaiu posłużoo się wskaźikiem liczby przestępstw przypadających a 1000 umerów policyjych w daym sektorze [Błachut 2007]. W takim samym układzie przestrzeym miasta jak podział przestrzey przestępstw wyzaczoo przeciętą ceę 1 m 2 mieszkaia. Na przeciętą ceę mieszkaia iekorzystie wpływają prawie wszystkie rodzaje popełiaych przestępstw (ujema istota korelacja). Największy wpływ ma uszkodzeie mieia, a ajsłabszy krótkotrwałe użycie pojazdu (tab. 1). W pierwszym kroku aalizy, dla każdego obiektu przestrzeego badao liczbę powiązań z sąsiadami (tab. 2). Tylko jede sektor ma dwóch sąsiadów, czyli ie występuje efekt krawędzi. Wspomiay efekt polega a tym, że sektory graicze mają miej sąsiadów iż obiekty środkowe, w wyiku czego mogą pojawić się różice w szacowaiu zależości przestrzeej. W astępym kroku wyzaczoo globale współczyiki (I g ) dla przeciętej ce 1 m 2 powierzchi użytkowej mieszkaia, w latach (rys. 1). Współczyik korelacji Moraa w poszczególych sektorach Szczecia z roku a rok zmieia zak i przyjmuje wartości oscylujące w okolicach zera. Uzyskae wyiki ie wskazują a istieie przestrzeego efektu aglomeracji.

5 52 Iwoa Foryś, Ewa Putek-Szeląg Tabela 1. Korelacja między przeciętymi ceami mieszkań (zł/m 2 ) w obrębie poszczególych sektorów a wybraymi rodzajami przestępstw w Szczeciie w 2015 roku Zmiea Cea zł/m 2 Cea zł/m 2 1,000 Krótkotrwałe użycie pojazdu Uszkodzeie mieia Kradzieże z włamaiem Kradzieże Bójki i pobicia Rozboje Krótkotrwałe użycie 0,124 1,000 pojazdu Uszkodzeie mieia 0,632 0,054 1,000 Kradzież z włamaiem 0,435 0,071 0,751 1,000 Kradzież 0,522 0,086 0,854 0,737 1,000 Bójki i pobicia 0,411 0,181 0,796 0,513 0,519 1,000 Rozboje 0,467 0,027 0,903 0,752 0,806 0,707 1,000 * Pogrubioe wartości ozaczają istotą zależość przy α = 0,05 Źródło: obliczeia włase. Tabela 2. Liczba powiązań przestrzeych obiektów Liczba sąsiadów Liczba obiektów (sektorów) Źródło: obliczeia włase. 0,2 0,15 0,1 0,05 0-0,05-0,1-0,15-0,2-0, Rys. 1. Dyamika globalych współczyików korelacji Moraa w latach dla przeciętej cey jedostkowej powierzchi użytkowej mieszkaia (zł/m 2 ) Źródło: opracowaie włase.

6 Wielowymiarowa aaliza atrakcyjości lokalizacyjej mieszkań w Szczeciie Kocetrując się a 2015 roku, wyzaczoo globale współczyiki korelacji Moraa dla poszczególych rodzajów przestępstw. Moża zauważyć stosukowo wysoką dodatią wartość współczyika korelacji Moraa (I g ) dla badaych przestępstw ogółem (0,4035) i podobie wysoką wartość dla kategorii przestępstw bójki i pobicia (tab. 3). Tabela 3. Lokale współczyiki korelacji Moraa liczoe dla wybraych zmieych z 2015 roku Sektor Razem przestępstwa Kradzieże z włamaiem Kradzieże Bójki i pobicia Rozboje Przecięta cea 1 m 2 /zł I 0,010 0,150 0,008 0,094 0,017 0,081 II 0,603 0,042 0,938 0,319 0,024 0,271 III 2,182 0,559 2,646 0,578 1,775 0,767 IV 1,184 0,462 0,960 2,207 1,122 0,888 V 0,058 0,100 0,063 1,566 0,153 1,045 VI 1,241 1,595 0,489 1,527 2,522 0,195 VII 0,035 0,030 0,005 0,416 0,141 0,562 VIII 0,003 0,154 0,038 0,023 0,026 0,196 IX 0,347 0,905 0,133 0,051 0,236 0,107 X 1,303 1,297 1,207 0,040 0,902 0,180 XI 0,417 0,244 0,417 0,233 0,180 0,175 XII 0,192 0,032 0,227 0,162 0,314 0,017 XIII 0,339 0,076 0,442 0,007 0,393 0,009 XIV 0,056 0,213 0,015 0,054 0,371 0,084 XV 0,203 0,310 0,188 0,043 0,053 0,004 XVI 0,233 0,032 0,253 0,189 0,113 0,132 XVII 0,096 0,145 0,069 0,122 0,081 0,185 XVIII 0,172 0,175 0,100 0,153 0,223 0,055 XIX 0,507 0,589 0,332 0,369 0,262 0,392 XX 0,011 0,005 0,034 0,117 0,089 0,264 XXI 0,711 0,507 0,554 0,577 0,837 0,630 XXII 0,354 0,355 0,251 0,296 0,233 0,542 XXIII 0,618 0,654 0,449 0,296 0,434 0,083 XXIV 0,393 0,464 0,184 0,383 0,303 0,423 Iq 0,403 0,272 0,368 0,368 0,405 0,108 Źródło: obliczeia włase. W pozostałych kategoriach wartości współczyika są rówież dodatie, ale iższe. Ozacza to występowaie podobieństwa badaych obiektów (sektorów)

7 54 Iwoa Foryś, Ewa Putek-Szeląg z uwagi a częstość występowaia przestępstw daej kategorii, przy określoych wagami relacjach przestrzeych Lokale współczyiki korelacji Moraa (I Li ) wyzaczoo rówież dla poszczególych sektorów miasta oraz wybraych kategorii przestępstw i cey jedostkowej mieszkaia. Aaliza wskaźików razem przestępstwa (koluma druga w tab. 3) wykazała wartości lokalej statystyki I Li Moraa istote dodatie dla 7 sektorów. Ozacza to, że 17 sektorów jest otoczoych przez sektory o podobych wartościach wskaźika przestępstwa razem. W przypadku poszczególych rodzajów przestępstw żade baday sektor ie wykazał statystyki I Li Moraa istotie miejszej od zera, co ozacza, że żade sektor ie jest otoczoy relatywie iskimi wartościami badaej zmieej i ie jest lokalym wzorcem. Tylko w przypadku statystyki I Li Moraa dla przeciętej cey 1 m 2 mieszkaia w V sektorze statystyka jest istotie miejsza od zera, co ozacza, że w tym sektorze przecięte cey są relatywie wyższe iż w sąsiedich sektorach. Jest to sektor położoy a graicy komisariatów Śródmieście i Pogodo. Pogodo jest jedą z ajmodiejszych dzielic Szczecia. 4. Zakończeie Wyzaczoe statystyki autokorelacji, iformujące o rodzaju i sile zależości przestrzeej, umożliwiają określeie struktur przestrzeych i uchwyceie zachodzących w ich zmia. W latach globala statystyka Ig Moraa liczoa dla przeciętej cey 1 m 2 ie wykazywała stałego kieruku zmia, co świadczy o braku procesu powstawaia eklaw w sektorach dla przeciętej cey 1 m 2 powierzchi użytkowej mieszkaia. Ozacza to, że ie występuje zależość przestrzea, która utrzymywałaby się w czasie. Dodatie statystyczie statystyki Ig Moraa w 2015 roku dla wszystkich zmieych potwierdzają występowaie dodatiej autokorelacji przestrzeej badaych zmieych. Aalizując lokale statystyki I Li Moraa dla zmieych przestępstw i przeciętej cey 1 m 2 mieszkaia, ie moża stwierdzić, iż występują między imi odwrote zależości, czyli obiekty z wysokimi wartościami przestępczości graiczące z sąsiadami o iskiej wartości aalizowaych zmieych. W przypadku przeciętej cey 1 m 2 mieszkaia wykazywałyby zależość odwrotą. Istota ujema zależość między ceą a liczbą popełiaych przestępstw występuje przy zastosowaiu współczyika Pearsoa. Plaowae są dalsze badaia w kieruku zalezieia lokalych (w sektorach) zależości między ceą mieszkań i ich cech będących odzwierciadleiem preferecji i abywców a wskaźikami przestępczości.

8 Wielowymiarowa aaliza atrakcyjości lokalizacyjej mieszkań w Szczeciie Literatura Beire P., 1983, Geeralizatio ad its Discotet. The Comparative Study of Crime, [w:] Barak- -Glatz I.L., Johso E.H. (red.), Comparative Crimiology. Sage, Beverly Hills, s Błachut J., 2007, Problemy związae z pomiarem przestępczości, Wolters Kluwer, Polska, Warszawa. Bratigham P.J., Bratigham P.L., 1998, Evirometal Crimiology: From Theory to Urba Plaig Practice, Studies o Crime ad Crime Prevetio, vol. 7, o. 1, s Cellmer R., 2012, Aaliza zjawiska autokorelacji przestrzeej ce trasakcyjych a ryku ieruchomości lokalowych, Acta Scietiarum Poloorum. Admiistratio Locorum, 11/1, s. 54. Cellmer R., Kuryj J., Źróbek S., 2005, Lad value maps a source of iformatio about local real estate market, Wydawictwo AGH Kraków, Geodezja (półroczik), t. 11, z. 1/1, s Curyło J., 2011, Przestępstwo kradzieży z włamaiem, Kwartalik Prawo-Krymialistyczy Szkoły Policji w Pile, r 1-2 (6-7), s. 80. Jac K., 2006, Zjawisko autokorelacji przestrzeej a przykładzie statystyki I Moraa oraz lokalych wskaźików zależości przestrzeej (LISA). Wybrae zagadieia metodycze, Dokumetacja Geograficza, r 33, IGiPZ PAN, Warszawa. Shelley L.I., 1981, Crime ad Moderizatio, Impact of Idustrializatio ad Urbaizatio o Crime, Souther Illiois Uiversity Press, Carbodale. Skiba F., 2013, Duże miasta i ich problemy społecze, Przegląd Policyjy, vol. 1, s Suchecki B. (red.), 2010, Ekoometria przestrzea. Metody i modele aalizy daych przestrzeych, Wydawictwo C.H. Beck, Warszawa, s Wetlad S., Waller B., Brastow R., 2014, Estimatig the Effect of Crime Risk o Property Values ad Time o Market: Evidece from Mega s Law i Virgiia, Real Estate Ecoomics, vol. 42, issue 1, s DOI: / Woźiak A., Sikora J., 2007, Autokorelacja przestrzea wskaźików ifrastruktury wodo-ściekowej woj. małpolskiego, Ifrastruktura i Ekologia Tereów Wiejskich, r 4/2, s. 323.