Modelli edonici e sottomercati immobiliari: la stima dell’effetto "ubicazione" con le variabili binarie "zone omi"

Titolo Rivista: RIVISTA DI ECONOMIA E STATISTICA DEL TERRITORIO
Autori/Curatori: Mauro Iacobini, Gaetano Lisi
Anno di pubblicazione: 2016 Fascicolo: 2 Lingua: Italiano
Numero pagine: 28 P. 43-70 Dimensione file: 384 KB
DOI: 10.3280/REST2016-002002
Il DOI è il codice a barre della proprietà intellettuale: per saperne di più clicca qui

Qui sotto puoi vedere in anteprima la prima pagina di questo articolo.

Se questo articolo ti interessa, lo puoi acquistare (e scaricare in formato pdf) seguendo le facili indicazioni per acquistare il download credit.
Acquista Download Credits per scaricare questo Articolo in formato PDF

anteprima articolo

FrancoAngeli è membro della Publishers International Linking Association, Inc (PILA)associazione indipendente e non profit per facilitare (attraverso i servizi tecnologici implementati da CrossRef.org) l’accesso degli studiosi ai contenuti digitali nelle pubblicazioni professionali e scientifiche

Due sono le principali caratteristiche del mercato delle abitazioni in Italia: la forte eterogeneità del patrimonio immobiliare e il numero limitato di compravendite. La seconda caratteristica, in particolare, limita fortemente l’uso del metodo statistico più diffuso e maggiormente oggettivo per la stima dei prezzi impliciti e marginali delle caratteristiche abitative, vale a dire l’analisi di regressione multipla. Tuttavia, proprio in considerazione della prima caratteristica, il mercato immobiliare italiano risulta suddiviso nelle cosiddette "zone OMI", che individuano dei veri e propri sottomercati immobiliari. Pertanto, tramite l’aggregazione di più zone OMI di una stessa città e creando delle semplici variabili binarie per ognuna di esse, è possibile raggiungere due importanti risultati: i) cogliere l’effetto che l’ubicazione dell’immobile in un particolare sottomercato immobiliare (zona OMI) ha sul prezzo di vendita; ii) rendere maggiormente fattibile l’analisi di regressione multipla, poiché aumenta notevolmente il campione di osservazioni a fronte di un piccolissimo incremento nel numero dei parametri da stimare.

  1. Bourassa S.C., Cantoni E., Hoesli M. (2007), Spatial Dependence, Housing Submarkets, and House Price Prediction, Journal of Real Estate Finance and Economics, 35, 2, pp. 143-160.
  2. Eurostat (2013), Handbook on Residential Property Prices Indices (RPPIs), Methodologies & Working papers, http://ec.europa.eu/eurostat/documents/3859598/5925925/KS-RA-12-022-EN.PDF.
  3. Hill R.C., Griffiths W.E., Lim G.C. (2011), Principles of Econometrics. New York: John Wiley & Sons, Inc., 4th ed.
  4. Iacobini M., Lisi G. (2013), La determinazione dei prezzi di vendita nei mercati immobiliari “imperfetti” e decentralizzati: un modello teorico con costi di ricerca e contrattazione decentrata, Quaderni dell’Osservatorio – Appunti di Economia immobiliare, II, 2, dicembre, pp. 75-87.

Mauro Iacobini, Gaetano Lisi, Modelli edonici e sottomercati immobiliari: la stima dell’effetto "ubicazione" con le variabili binarie "zone omi" in "RIVISTA DI ECONOMIA E STATISTICA DEL TERRITORIO" 2/2016, pp 43-70, DOI: 10.3280/REST2016-002002