Volume 26, Issue 80 (3-2026)
jgs 2026, 26(80): 0-0 |
Back to browse issues page
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Maleki S, delfannasab M, yousefvand J. (2026). Identify key factors affecting housing prices with a futuristic approach Case study of Khorramabad city. jgs. 26(80),
URL: http://jgs.khu.ac.ir/article-1-4112-en.html
URL: http://jgs.khu.ac.ir/article-1-4112-en.html
1- Shahid Chamran University of Ahvaz, Ahvaz, Iran, ahwaz
2- Shahid Chamran University of Ahvaz, Ahvaz, Iran, golestan ahwaz ,Delfannasab.mahsa1992@gmail.com
3- Shahid Chamran University of Ahvaz, Ahvaz, Iran, golestan ahwaz
2- Shahid Chamran University of Ahvaz, Ahvaz, Iran, golestan ahwaz ,
3- Shahid Chamran University of Ahvaz, Ahvaz, Iran, golestan ahwaz
Abstract: (3512 Views)
Correct analysis of the housing market situation and correct knowledge of the factors affecting housing, especially in terms of its price and the extent of the impact of each of them, can help planners and officials in the correct analysis and forecast of the future situation and appropriate Provide appropriate solutions. The aim of this study was to identify the drivers of housing price in Khorramabad. Theoretical data were prepared by documentary method and experimental data by survey method based on Delphi method. The statistical population of the study is 30 experts and specialists in the field of housing in Khorramabad city were selected by purposive sampling. Delphi methods, cross-sectional analysis and MicMac software were used to analyze the data. For this purpose, first 23 factors were identified by Delphi method and using descriptive questionnaires by experts. In the next step, the matrix of cross-effects was designed to measure the impact of factors on each other and provided to experts. Finally, out of a total of 23 initial factors affecting housing prices in Khorramabad, 12 factors were identified as key factors of the system. Size: Household income, land price, building density, number of units and floors, access to urban facilities and services, population density, geographical location of lands, uninhabited future uses, number of rooms, security status, size of property plots, demand status.
Type of Study: Applicable |
Subject:
Geography and Urban Planning
References
1. احمدی کیومرث ؛ اکبری مجید؛ بوستان احمدی وحید (1398).آینده پژوهی تقاضای مسکن در شرکت های تعاونی مسکن در ایران )مطالعه موردی: مسکن کارمندی و کارگری شهر سنندج(،فصلنامه چشم انداز شهرهای آینده،1(1): 86-71
2. اصلانی پروانه؛اسدالهی آویده (1394). ارزیابی اثرگذاری کانالهای تحریم های اقتصادی بـر قیمـت مسکن ایران. فصلنامه ی علمی اقتصادمسکن. (52) :107-134.
3. خاکپور براتعلی؛صمدیرضا (1393). تحلیل و ارزیابی عوامل موثر بر قیمت زمین و مسکن در منطقه سه شهر مشهد، فصلنامه جغرافیا و آمایش شهری، 4(13): 21-38
4. رهنما محمدرحیم؛ اسدی امیر، رضوی محمدمحسن(1393) . تحلیل فضایی قیمت مسکن مشهد با استفاده ازرگرسیون وزنی جغرافیایی،دوفصلنامه پژوهش های بوم شناسی شهری،14 (7): 74-84
5. زالی نادر؛ عطریان فروغ (1395).تدوین سناریوهای توسعه گردشگری منطقهای بر اساس اصول آیندهپژوهی ) موردمطالعه: استان همدان)، آمایش سرزمین، دوره 8 (1): 131-107
6. سیدنورانی، سید محمدرضا(1393). بررسـی سـفته بـازی و حبـاب قیمـت مسکن در مناطق شهری ایران، فصلنامۀ پژوهشنامۀ اقتصادی،14(52): 49-68 شعبانپور زهرا؛ شکرگزاراصغر؛جعفری مهرآبادی مریم(1396)، بررسی عوامل موثر بر قیمت مسکن (مطالعه موردی:شهر رشت)، فصلنامه آمایش محیط ،12(46):82 -64
7. شماعی علی؛ دلفان نسب مهسا؛ پوراکرمی محمد(1399). بررسی عوامل موثر بر قیمت مسکن در محله پارک لاله تهران، نشریه تحقیقات کاربردی علوم جغرافیایی،20 (59):173-195
8. صارمی حمیدرضا؛ حیدری محمد؛ آقایی فاطمه (1397). تحلیل فضایی قیمت مسکن با استفاده از تکنیک رگرسیون موزون جغرافیایی موردمطالعه:منطقه دوشهرداری تهران،فصلنامه اقتصادشهری،3 (2): 38-19
9. عبده کلاهچی محسن؛رفیعیان نجف آبادی محسن؛دهقانی مصطفی؛ میرزاده سید حسین(1393). تحلیل عوامل موثر بر قیمت مسکن با استفاده از مدل تحلیل رگرسیون گام به گام (مطالعه موردی: محله فاطمی تهران).فصلنامه اقتصاد و مدیریت شهری، 3(7):80-69
10. غزنویان زهرا؛(1391).انسان شناسی فضای خانگی شهری؛ از مطلوبیت تا واقعیت،پایان نامه کارشناسی ارشد، استاد راهنما:ناصر فکوهی، دانشکده علوم اجتماعی دانشگاه تهران.
11. کرمی رضاعلی ؛ کشاورزی محمد (1393). ضرورت آینده پژوهی در فقه اسلامی، فصلنامه مطالعات میان رشته ای در علوم انسانی،6 (4) :71-84
12. محمدزاده، پرویز؛ پناهی، حسین؛ آل عمران، سید علی (1395)،بررسی ارتباط بین قیمت زمین و قیمت مسکن در ایران، فصلنامه نظریه های کاربردی اقتصادی، (1)3: 114-89
13. میرکتولی جعفر، باددست بنفشه ؛ آریان کیا مصطفی (1395).سنجش وضعیت پایداری شاخص های کالبدی مسکن در راستای ارتقای توسعه سکونتگاههای شهری (مطالعه موردی: شهر گرگان(، نشریه مطالعات نواحی شهری، 3(4): 125-146. وارثی حمیدرضا، ایزدی ملیحه؛ محموزاده محمود (1393). تحلیل شاخص های کمی و کیفی تاثیرگذار در برنامه یزی مسکن استان های کشور، نشریه تحقیقات کاربردی علوم جغرافیایی،15(37): 133-154
14. Aggestam, F., Wolfslehner, B., (2018). Deconstructing a complex future: Scenario development and implications for the forest-based sector. Forest Policy and Economics 94 (2018): 21- 26
15. Amado, M., (2018). Wall-Up: Method for the regeneration of settlements and housing in the Developing World. Sustainable Cities and Society, Volume 41, August 2018: 22-34
16. G. Naga Satish, Ch. V. Raghavendran, M.D. Sugnana Rao, Ch.Srinivasulu (2018). House Price Prediction Using Machine Learning, International Journal of Innovative Technology and Exploring Engineering, Vol.8. Issue 9: 717-722
17. Johnson, W. R. (2014). House Prices and Female Labor Force Participation. Journal of Urban Economics, 82: 1- 11
18. Plakandaras, V., Gupta, R., Gogas, P., & Papadimitriou, T. (2015). Forecasting the US real house price index. Economic Modelling, 45: 259 -267
19. Wang, Y. Jiang, Y. (2016) “An empirical analysis of factors affecting the housing price in Shanghal” Asian Journal of Economic Modelling, 4(2): 104-111.
Send email to the article author
| Rights and permissions | |
 |
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License. |
This work is licensed under a Creative Commons — Attribution-NonCommercial 4.0 International (CC BY-NC 4.0)