شاخص قیمت گذاری دوگانه

از ویکی‌پدیا، دانشنامهٔ آزاد
پرش به: ناوبری، جستجو

در اقتصاد، تئوری تقاضای دوگانه (hedonic regression) یا تئوری تقاضای دوگانه (hedonic demand theory) یک روش آشکارا برتر برای تخمین تقاضا یا ارزش گذاری است. این روش آیتم مورد نظر را به اجزای تشکیل دهنده آن تجزیه می کند. همچنین شامل ارزیابی های مربوط به ارزش هر کدام از مشخصه های سازنده است. این امر مستلزم این است که کالای مرکب ارزش گذاری شده را بتوان به اجزای سازنده آن تجزیه کرد و ارزش اجزای آن را در بازار مشخص نمود. مدلهای دوگانه معمولاً از آنالیز رگرسیون بهره می برند؛ گرچه روشهای مرسوم تر - مانند شبکه های تطبیقی برای فروش(sales adjustment grids) – موارد خاصی از مدلهای دوگانه هستند.

یک بردار ویژگی (attribute vector) – که ممکن است متغیر ساختگی یا واقعی باشد- به یک ویژگی خاص یا گروهی از ویژگیها نسبت داده می شود. مدلهای دوگانه با غیر خطی بودن ، تقابل متغیرها یا سایر شرایط پیچیده ارزش گذاری مطابقت و سازگاری دارد.

مدلهای دوگانه در ارزیابی بازار املاک و مستغلات و اقتصاد مربوط به آن و همچنین محاسبات شاخص قیمت مشتری (CPI) پرکاربرد است. در محاسباتCPI رگرسیون دوگانه برای کنترل تاثیر تغییرات کیفیت کالا مورد استفاده است. تغییرات قیمت به علت تاثیرات جانشینی، موضوع تطبیق کیفیت دوگانه است.

روش قیمت گذاری دوگانه (Hedonic Pricing Model)[ویرایش]

خدمات محیطی و جانبی، معمولاً بر قیمتهای محصولات بازار تاثیر می گذارد. روش قیمت گذاری دوگانه برای ارزیابی ارزش اقتصادی این گونه خدمات به کار گرفته می شود.

کاربرد این روش در آشکار کردن تاثیر ویژگی های محیطی در نوساناتی است که در قیمت گذاری محلی املاک و مستغلات اتفاق می افتد. این روش بسیاری اوقات برای تخمین هزینه ها استفاده می شود. این هزینه ها مرتبط است با:

  • کیفیت کلی محیط در چارچوب آلودگی هوا، آلودگی آب و سر و صدا
  • سازگاری های محیطی که شامل زیبایی های ظاهر ساختمان و نزدیکی به اماکن تفریحی مانند پارکها، ساحل و ... هستند.

باید به این نکته توجه کرد که روش قیمت گذاری دوگانه بر این واقعیت استوار است که بهای کالاها در بازار برآمده از ویژگیهای آنهاست. مثلاً بهای یک شلوار به عواملی چون راحتی، جنس پارچه استفاده شده، برند و خوش ترکیب بودن آن بستگی دارد. بنابراین ، روش حاضر به ما کمک می کند ارزش یک کالا را بر اساس تمایل مردم به پرداخت پول برای آن کالا - حتی زمانی که مشخصات آن تغییر می کند- تخمین بزنیم.

نمونه ای که بیش از همه مورد استفاده قرار می گیرد، بازار املاک و مستغلات است؛ جایی که ارزش دو ساختمان - که به گونه ای دیگر نیز قابل قیاس هستند- بر پایه امکانات محیطی گوناگون، تغییر می کنند. اگر افت قیمت برای ساختمانهای اطراف زمین مرطوب، قابل اندازه گیری باشد؛ اختلاف قیمت مربوط به هزینه تحمیل شده از سوی زمین مرطوب است. این تمایل به پرداخت هزینه برای تمیزی و سکوت و آرامش محله ای ست که ساختمان مورد نظر در آن واقع است؛ مخصوصا ساختمانهای گران قیمت تر. روش های رگرسیون دوگانه برای ارزیابی و تخمین این تفاضلهای قیمتی استفاده می شود.

همان طور که پیشتر اشاره شد؛ روش قیمت گذاری دوگانه، نمونه ای کارآمد از روشهای ارزش گذاری است و از بازارهای جایگزین برای تخمین ارزش تسهیلات محیطی بهره می برد. مفهوم بازارهای جایگزین زمانی مورد استفاده قرار می گیرد که نتوان قیمتهای بازار را برای کالاهای مشخص محیطی به خوبی تخمین زد. در نتیجه کالای دیگر که در بازار فروخته شده و مرتبط با کالای مورد نظر- کالای محیطی که در بازار وجود ندارد- است؛ انتخاب می شود.

برای مثال، اگر بخواهیم ارزش تخمین زده شده توسط یک فرد برای هوای پاک را بدانیم، ممکن است او ترجیح و تمایل خود را در چهارچوب بنا نهادن خانه اش در یک جامعه پاک و پرداخت پول بیشتر برای آن ابراز کند. بنابراین، با روش قیمت گذاری دوگانه ، جزء محیطی بهای کالا و قیمت بازار آن را می توان از یکدیگر تفکیک کرد. در عوض، این قیمت بازار به عنوان جایگزینی برای ارزش محیطی استفاده می شود. مدلهای دوگانه و ارزش گذاری املاک و مستغلات

در بازار املاک و مستغلات، از این روش برای رویارویی با مشکلات و مسایلی استفاده می شود که مرتبط با کاوش و بررسی کالاهای ناهمگون نظیر ساختمان است. از آنجایی که ساختمانها بسیار متفاوت هستند؛ تخمین میزان تقاضای عمومی برای آن بسیار دشوار است. در عوض، این طور فرض می شود که یک خانه را می توان به مشخصات ساختاری آن مانند تعداد اتاقهای خواب، زیربنای ساختمان یا فاصله آن با مرکز شهر، معرفی کرد. معادلات رگرسیون، به طور مجزا بر این ویژگیها (یا دسته ای از ویژگیها) عمل می کند و قیمتها (در مدلهای افزایشی) و انعطاف پذیری را (در مدلهای لگاریتمی) برای هر کدام از آنها تخمین می زند. برای ایجاد یک شاخص قیمتی می توان از این اطلاعات استفاده کرد که برای مقایسه قیمت مسکن در شهرهای مختلف یا انجام تحلیل سریهای زمانی مورد استفاده قرار می گیرد. چنانکه با محاسباتCPI (شاخص قیمت مشتری) ، روش قیمت گذاری دوگانه را می توان برای اصلاح تغییرات کیفتیی در شکل دهی شاخص قیمت مسکن به کار برد. همچنین می توان از این روش برای ارزیابی ارزش ملک در شرایطی که داده های مشخصی برای نقل و انتقالات بازار وجود ندارد، بهره برد. همچنین این روش برای تحلیل تقاضای مسکن به طور عمومی و تحلیل تقاضای مشخصات گوناگون مسکن به طور اختصاصی کارایی دارد. به علاوه، از این روش برای راستی آزمایی فرضیه ها در اقتصاد فضایی (علم اختصاص بهینه منابع در فضا و مکانی که فعالیت اقتصادی در جریان است) استفاده شده است. استانداردهای یکنواخت در عملیات حرفه ای تعیین قیمت، استانداردهای انبوه ارزیابی قیمت را پوشش می دهد تا استفاده از رگرسیون دوگانه و سایر مدلهای ارزیابی خودکار را برای تعیین قیمت در حوزه املاک و مستغلات در برگیرد. روش تعیین قیمت، رگرسیون دوگانه را به عنوان یک ساختار قوی از رویکرد مقایسه فروش در نظر می گیرد. مدلهای دوگانه معمولاً در ارزیابی مالیات، دعاوی قضایی، مطالعات آکادمیک و سابر پروژه های عظیم برآورد قیمت مورد استفاده قرار می گیرد.

کاربرد روش قیمت گذاری دوگانه[ویرایش]

نخستین فرضیه ای که در مطالعه روش قیمت گذاری دوگانه بنا نهاده می شود؛ این است که ارزش یک خانه برآمده از ترکیب خاصی از ویژگیهای آن است؛ با توجه به این که ساختمانهای با ویژگیهای کیفی بالاتر قیمت بالاتری را در مقایسه با آنهایی که ویژگیهای کم کیفیت تری دارند؛ درخواست می کنند. این، کاربرد قیمت گذاری دوگانه است.

بنابراین قیمت یک خانه، برآمده از ویژگیهای ساختاری( s۱،s۲،s۳،…)، ویژگیهای محلی و همسایگی (n۱،n۲،n۳،…) و ویژگیهای محیطی(e۱،e۲،e۳،…) آن است.

ویژگیهای ساختاری می تواند اندازه خانه، تعداد اتاقها، نوع کف پوش و یا مانند آنها باشد. ویژگیهای محلی و همسایگی شامل متغیرهایی مانند کیفیت جاده ها، شیک بودن منطقه و ... است. و بالاخره ویژگیهای محیطی متغیرهایی نظیر کیفیت آب و هوا، نزدیکی به پارکهای تفریحی و سواحل را در بر می گیرد.

آنالیزها در دو مرحله انجام می پذیرد. مرحله اول شامل به کارگیری روشهای رگرسیون برای ارزیابی تابع قیمت گذاری دوگانه برای ساختمان مورد نظر است. این تابع، قیمت بسیاری از ساختمانهای موجود در یک منطقه را به ویژگیهای آنها نسبت می دهد.

بنابراین برای تابع قیمت : Price Function(P)= f(s۱،s۲،…s۳…sj; n۲،n۳،…nj; e۱،e۲،e۳،…ej) این تابع ممکن است خطی یا غیر خطی باشد. قیمتها ممکن است در یک روند صعودی یا نزولی و با نوسان ویژگیهای ساختمان، تغییر کنند.

اکنون وقتی نسبت به هر کدام از متغیرهای بالا از تابع قیمت مشتق بگیرید؛ تابع ضمنی قیمت برای آن متغیر خاص به دست می آید. از آنجا که مردم تابع قیمت را براساس تمایل پرداخت خود به منظور کسب کیفیت یا کمیت بهتر مشخصه های ساختمان رقم می زنند؛ این تابع را به طور غیرمستقیم در اختیار داریم و از این رو آن را ضمنی در نظر می گیریم.

در مرحله دوم، این قیمتهای ضمنی در برابر کیفیت یا کمیتهای واقعی که توسط مردم انتخاب شده اند؛ عقب نشینی می کنند. نتایج این بررسی ها، اندازه نوسان متغیرها را به ازای یک واحد تغییر در هر کدام از آنها و با ثابت در نظر گرفتن سایر متغیرها، نشان می دهد. با این حال، ممکن است برخی از متغیرها تصحیح شوند. این تصحیح، تغییرات مقتضی را در مقدار آنها به وجود می آورد.

مزایا[ویرایش]

  • تطبیق پذیری: این روش می تواند برای رسیدگی به اثرات متقابل بین کیفیت محیطی و کالاهای عرضه شده در بازار مناسب باشد.
  • این روش معمولاً برای تخمین مقادیری به کار می رود که انتخابهای واقعی مردم را در بازار رقم می زنند.
  • بازار املاک و مستغلات اشاره خوبی به مقادیر دارد، همچنان که در پاسخگویی به اطلاعات نیز نسبتاً سودمند است.
  • جمع آوری داده از فروش املاک و مشخصات آن نسبتاً ساده تر است؛ و می توان آن را به آسانی با منابع ثانویه داده ها مقایسه کرد تا متغیرهای توصیفی را برای آنالیز رگرسیون به دست آورد.

محدودیت ها[ویرایش]

  • حوزه کاربرد این روش محدود به اندازه گیری مزایای محیطی است که تنها مرتبط با قیمتهای خانه است.
  • داده هایی که باید جمع آوری شده و بر روی آن کار شود؛ بسیار زیاد هستند.
  • پیش نیاز این روش این است که همه باید از پیامدهای مثبت و منفی خارجی که مرتبط با امر خرید ساختمانهای مسکونی هستند؛ آگاهی قبلی داشته باشند. برای نمونه، داشتن آگاهی قبلی از میزان آلودگی در حومه اماکن صنعتی، مهم است. البته این فقط یک مثال است و عینیت ندارد.
  • در دسترس بودن و قابل استفاده بودن داده ها به طور مستقیم بر زمان و هزینه ای که برای پیش برد کاربرد سنجی مدل صرف می شود؛ تاثیر می گذارد.
  • این روش، تمایل مردم به پرداخت هزینه برای امکانات محیطی گوناگون و پی آمدهای آن را برآورد می کند. در عین حال، اگر مردم به ارتباط بین ویژگیهای کیفی محیط و منافع آن برای ساختمان مسکونی خود آگاه نباشند؛ تاثیر آن متغیر بر بهای ساختمان منعکس نمی‌شود.
  • محدودیتهای بازار: فرض این مدل این است که با داشتن درآمد، مردم می توانند ترکیبی از ویژگیهای مورد نظر خود را انتخاب کنند. آنچه از نگاه دور مانده این است که بازار املاک از فاکتورهای خارجی هم تاثیر می پذیرد؛ مانند نرخ بهره، سیستم مالیات دهی و ... برای نمونه فرض کنید یک خانواده می خواهد خانه ای در مرکز شهر خریداری کند؛ خانه ای با مساحت زیاد و دارای یک باغ. در واقعیت ممکن است خانه ای که نزدیک مرکز شهر است؛ کوچک بوده و باغ هم نداشته باشد.
  • تجمع متغیرهای مستقل در مدل رگرسیون چندگانه: گاهی ممکن است شرایط به گونه ای باشد که ساختمانهای بزرگتر تنها در مناطق تمیزتر و غیرآلوده و ساختمانهای کوچکتر در مناطق حاشیه ای و آلوده یافت شوند. در این گونه موارد، به سختی می توان آلودگی و اندازه ساختمان را به دقت از یکدیگر تفکیک کرد.
  • تغییرات قیمت: فرضیه دیگر این است که قیمتهای بازار به هر گونه دگرگونی در مشخصات به طور خودکار واکنش نشان داده و خود را تطبیق می دهد. در واقعیت این گونه نیست؛ بلکه یک تاخیر زمانی وجود دارد؛ به ویژه در مکانهایی که خرید و فروش املاک و مستغلات در آنها محدود است.
  • تفسیر مدل حاضر، نسبتاً پیچیده بوده و نیازمند سطح بالایی از دانش آماری و مهارت و تخصص است.

انتقادها[ویرایش]

برخی صاحب نظران، از جمله اقتصاددانان اتریشی، از دولت ایالات متحده امریکا به جهت استفاده از رگرسیون دوگانه در محاسبه CPI انتقاد کرده اند. این منتقدین همچنین بر این باورند که این روش می تواند سرپوشی باشد بر نرخ تورم واقعی که در نتیجه آن نرخ بهره ای که باید برای TIPS و هزینه امنیت اجتماعی پرداخت شود؛ پایین می آید.

با این حال، استفاده مشابه از مدلهای دوگانه برای آنالیز قیمت مشتری در سایر کشورها، نشان داده است که روشهای غیر دوگانه ممکن است تورم را به درستی در طول زمان اندازه گیری نکنند. زیرا تغییرات کیفیت را در محاسبات خود لحاظ نمی‌کنند.

منابع[ویرایش]

ویکی‌پدیا انگلیسی