השפעת התפתחותה של רכבת הנוסעים בישראל על ההתפתחות האורבנית של העיר השפעת התפתחותה של רכבת הנוסעים בישראל על ההתפתחות האורבנית של העיר The Effect of Commuter Railway Development on Urban Development in Israel

בשנים האחרונות ניתן להבחין בתנופת צמיחה ברכבת הנוסעים בישראל. מספר המשתמשים בשירותיה נמצא בעלייה משמעותית ומתמדת, כמו-גם התקציבים המופנים לפיתוחה.

בנוסף לפתיחת קווים חדשים וחנוכת תחנות חדשות, בוצעו בשנים האחרונות שני פרויקטים גדולים שתרמו רבות לפיתוחה: פרויקט הכפלת המסילה שאיפשר הגדלת מספר הנסיעות ופרויקט הקמת והפעלת רכבת הפרברים

מטרת המחקר היא לבחון השפעה והתפתחות אורבנית בערים הנהנות משירותים אלו. בדיקת ההשפעה על ההתפתחות האורבנית של העיר התבצעה באמצעות בחינת מחירי הנדל"ן למגורים בערים אלו. ובידוד תרומתם והשפעתם של שירותי הרכבת על מחירים אלו, והשינויים בהם.

המחקר נערך עבור השנים 1992 – 2002. עבור הערים נתניה ורחובות.

מספר עצירות רכבת יומי בתחנות – נתניה בנתניה עלה מספר העצירות היומי בתקופה: מ-28 בתחנת נתניה ו-25 בתחנת בית-יהושוע בשנת 1992 ל-81 עצירות בממוצע יומי בשתי התחנות בשנת 2002.

מספר עצירות רכבת יומי בתחנה – רחובות ברחובות ממוצע עצירות הרכבת היומי בתחנה עלה בשנים אלו: מ-10 עצירות יומיות בממוצע בשנת 1992 ל-70 עצירות בממוצע יומי בשנת 2002.

אבירם (2001), מתייחס למערכות הכלכליות הבוחנות את הכלכלה העירונית. בין מערכות אלו מוזכרות הקרקע והתחבורה שהם שניים מהמוצרים והשירותים המרכיבים את סלי התצרוכת של הפרטים השונים אשר תחת המחירים הקיימים שואפים למקסם תועלתם.

שיפור תחבורתי עשוי לגרור שינוי ביחסי המחירים, אשר יגרום לשינוי בהרכב סלי הפרטים, ויביא לשיווי משקל חדש בכמויות ובמחירים חדשים. כלומר, ייתכן שבעקבות שיפור תחבורתי, ייווצר בשוק שיווי משקל חדש, שיתבטא גם בשינוי במחירי הקרקע.

הגישה לתחבורה מוגדרת על-ידי Gibbons and Machin (2003), באמצעות הקירבה לתחנת הרכבת, ותדירות השירות בה. עבור רוכשי בתים, היתרונות בשירותי רכבת משופרים כפולים: ראשית, חסכון ישיר בזמן נסיעה לכל מרחק. ושנית שינוי מגוון העבודות והשכר הזמינים, בעקבות הורדת עלויות הנסיעה למרחב יעדים וערים בהן פוטנציאל שכר גבוה יותר.

במחקר שביצעו Gibbons and Machin נבחנו שיפורים ב-London Underground, וב-Docklands Light Railway בצפון-מזרח לונדון בסוף שנות התשעים. בין הממצאים העיקריים עלה כי הערכת השפעת תדירות הרכבות על מחירי הדירות נמצאה בשיעור חיובי של 0.1% לרכבת לשעה עבור London Underground, ו-0.3% לרכבת לשעה עבור שירותי Docklands Light Railway.

המחקר שביצעתי נעשה בשיטת המחירים ההדוניים. המשתנה התלוי, מחיר הדירה, בוטא כפונקציה של כלל התכונות והמאפיינים הנכללים בהערכת שווי הדירה ומאפייני ביקוש שונים. בעזרת הרצת הרגרסיה, בודדה ונבחנה השפעתו הספציפית של כל מאפיין ותכונה על מחיר הדירה, אם בכלל.

המאפיינים והתכונות שנבחנו כללו: משתנים הדוניים קלאסיים, שהם משתני דירה ספציפית . ומאפיינים ותכונות סביבתיים עירוניים ומאקרו-כלכליים, ברמה שנתית בהתאמה לתאריכי רכישת הדירה.

מאפיינים הדוניים קלאסיים: מאפיינים אלה כוללים את שטח הדירה, מספר החדרים, קומתה וקיומה של מעלית בבניין אשר השפעתם על מחיר הדירה צפויה להיות ישירה. נתוני הדירה הספציפיים נבחנו על-ידי ביצוע הפרדה בין הערים השונות וזאת על-ידי שימוש במשתנה דמה.

מחירי הדירות בעיר, מבוססים על מסד נתוני מכירות דירות, עבור השנים 1992 – 2002 , מתוך תוכנת "מידע נדל"ן", שהועברו על-ידי "ד. חי באדי – שרותי שמאות והנדסת בנין בע"מ". חשוב לציין כי נתוני הנדל"ן, מבוססים על מכירות בפועל.

תכונות סביבתיות ומאפיינים מאקרו כלכליים: תכונות מוניציפאליות מאפיינות את מקום המגורים לכל הדירות המצויות באותו מיקום. תכונות אלו נבחרו לבחינת השפעת המיקום ומאפייניו על מחירי הדירות. ההנחה היא כי בעוד שנתוני הדירה הספציפית ניתנים לשינוי בטווח הבינוני והארוך, וכי ניתן לרכוש מאפיינים אלו בכל איזור נבחר, נתוני הסביבה קשיחים יותר וניתנים פחות לשינוי גם בטווח הארוך.

המודל מניח כי לנתונים הסביבתיים השפעה על הערכת שווי הנכס על-ידי הצרכן המודל מניח כי לנתונים הסביבתיים השפעה על הערכת שווי הנכס על-ידי הצרכן. למעשה, תכונות אלו, בנוסף להיותן מייצגות נתונים סביבתיים, מאפיינות בחלקן גם משתני ביקוש. נתוני מאפיינים סביבתיים מוניציפאליים רבים מובאים ברגרסיה ביחס לנתונים הארציים, במטרה לנטרל השפעות כלל-ארציות, זאת בנוסף לנתון המייצג את התמונה המאקרו-כלכלית.

התכונות הסביבתיות והמאפיינים המאקרו כלכליים שנבחנו: דמוגרפיה – סעיף זה כלל את גידול האוכלוסייה ומקורותיו וכן את אחוז הילדים עד גיל 19 בערים, כבחינה לאוכלוסיית בעלי המשפחות. זאת בהנחה כי שיקוף תמונת המצב הדמוגראפי בעיר, מהווה חלק מהגדרת הביקוש לרכישת דירות. תעסוקה – מטרת בחינת נתוני התעסוקה בעיר היא שיקוף תמונת מצב סוציו-אקונומית סביבתית. סביר להניח שנתון זה משפיע על הערכת הסביבה על-ידי הרוכש הפוטנציאלי. בנוסף הוא מייצג גם את צד ביקוש של הרוכשים.

הכנסה – בדומה לסעיף התעסוקה, אמור סעיף זה לשקף תמונת מצב-סוציו אקונומית סביבתית. גם כאן, כמו בסעיף הקודם, מייצג המשתנה את הערכת שווי הנכס ביחס לסביבה הסוציו-אקונומית, וכן את מאפייני הביקוש. הנתונים העירוניים נבחנים כולם ביחס לנתונים הארציים. חינוך – מדד החינוך נבחר להיכלל במודל כמשתנה נוסף הצפוי להשפיע על הביקוש מצד רוכשי הדירות. מאפיין זה מובא ביחס לנתונים הארציים.

התחלות בנייה – נתוני התחלת הבניה בעיר צפויים לשקף הן את רמת ההתפתחות בתחום זה והתפתחות העירונית, והן את תחום ההיצע בשוק. יש לציין כי נתונים אלו משקפים למעשה גם את צד הביקוש. הנתונים העירוניים שנבחנים מובאים ביחס לנתונים הארציים. תמונה מאקרו-כלכלית – נתוני התמונה המאקרו-כלכלית נכללים במודל על מנת לנטרל השפעות כלל-ארציות דוגמת מיתון כולל. מאפיין זה נמצא כלא מובהק להיכלל במודל המיטבי.

נתונים תחבורתיים-מסילתיים – נתונים אלו כוללים משתנים לבחינת התפתחות רכבת הנוסעים: תדירות עצירות הרכבת בכל עיר באופן ספציפי. מאפיין תחבורתי-מסילתי כלל ארצי שהובע באמצעות תקציב פיתוח הרכבות כמציין נוסף להתפתחות ולשיפור בתחום הנבדק.

הנתונים המוניציפאליים מתבססים על נתוני החוברות העירוניות של הלשכה המרכזית לסטטיסטיקה, ופרסומי השכר וההכנסה של הביטוח הלאומי. הנתונים התחבורתיים מסילתיים: נתוני העצירות הממוצעות ליום – מבוססים על מכתב מפורט שהועבר מרכבת ישראל. נתוני תקציב פיתוח הרכבות – חושבו על בסיס נתוני מרכז אדווה.

המודל ההדוני הכולל הוא: מחיר דירה הוא פונקציה של נתוני דירה ספציפיים + מאפיינים סביבתיים, מוניציפאליים + מאפיין מאקרו כלכלי + מאפיינים תחבורתיים מסילתיים. PLN= C(1)+C(2)*CITYN+ C(3)*FLOOR+C(4)*CITYN*FLOOR+C(5)*ELEVAT+ C(6)*CITYN*ELEVAT+C(7)*ROOM+C(8)*CITYN*ROOM+ C(9)*AREA+C(10)*CITYN*AREA+ C(11)*GROWTH+C(12)*IMMIGR+C(13)*INEMIGR+C(14)*AGE019+ C(15)*UNEMPLO+C(16)*UNEMPTRAIN+C(17)*INCOMESUPP+ C(18)*WAGE+C(19)*MINWAGE+C(20)*SELFEMPLO+ C(21)*EDUCATION+C(22)*BUILD+C(23)*RESIDBUILD+ C(24)*GDP+ C(25)*TSTOPS+C(26)*TDEVBUD

PLN CITYN FLOOR ELEVAT ROOM AREA GROWTH IMMIGR INEMIGR AGE019 UNEMPLO לן (לוג על בסיס טבעי) של המחיר המלא בש"ח - במחירים קבועים של שנת 2000. PLN עיר (נתניה= 1 רחובות =0). CITYN קומה. FLOOR מעלית (יש=1/ אין=0). ELEVAT מספר חדרים. ROOM ממוצע שטח בנוי לדירה. AREA אחוז גידול האוכלוסייה בעיר. GROWTH אחוז השתקעות ראשונה של עולים מתוך סך הכול האוכלוסייה בעיר. IMMIGR אחוז מאזן הגירה פנימית בעיר מתוך סך הכול האוכלוסייה בעיר. INEMIGR אחוז גיל 0-19 באוכלוסיית העיר. AGE019 אחוז מקבלי דמי האבטלה בעיר מתוך אוכלוסיית העיר ביחס לאחוז מקבלי דמי האבטלה בכל הארץ מתוך האוכלוסייה בכל הארץ (אחוז). UNEMPLO אחוז מקבלי הכשרה מקצועית מתוך מקבלי דמי אבטלה בעיר ביחס לאחוז מקבלי הכשרה מקצועית מתוך מקבלי דמי אבטלה בכל הארץ (אחוז). UNEMPTRAIN אחוז מקבלי גמלת הבטחת הכנסה בעיר מתוך אוכלוסיית העיר. INCOMESUPP השכר הממוצע לחודש במשך השנה של שכירים בעיר ביחס לשכר הממוצע לחודש במשך השנה של שכירים בכל הארץ (אחוז). WAGE אחוז השכירים המשתכרים עד שכר מינימום בעיר ביחס לאחוז השכירים המשתכרים עד שכר מינימום בכל הארץ (אחוז). MINWAGE אחוז העצמאיים המשתכרים עד מחצית השכר הממוצע בעיר ביחס לאחוז העצמאיים המשתכרים עד מחצית השכר הממוצע בכל הארץ (אחוז). SELFEMPLO ממוצע תלמידים לכיתה בחינוך יסודי ועל יסודי בעיר ביחס לממוצע תלמידים לכיתה בחינוך יסודי ועל יסודי- סך בכל הארץ (אחוז). EDUCATION התחלות סך-הכול בניה בעיר ביחס להתחלות סך-הכול בניה בכל הארץ (אחוז). BUILD התחלות בניה למגורים בעיר ביחס להתחלות בניה למגורים בכל הארץ (אחוז). RESIDBUILD תוצר מקומי גולמי במיליוני ₪ במחירי 2000. GDP מספר מקסימאלי של עצירות רכבת יומיות בעיר. TSTOPS תקציב פיתוח רכבות לפי מדד מחירי תשומות בסלילה במיליוני ₪ במחירי 2000. TDEVBUD

במהלך בחינת המודל וההגעה למודל המיטבי נפסלו מספר מאפיינים: אחוז השתקעות ראשונה של עולים מתוך סך הכול האוכלוסייה בעיר. IMMIGR אחוז מקבלי גמלת הבטחת הכנסה בעיר מתוך אוכלוסיית העיר. INCOMESUPP ההבחנה בין הערים במספר החדרים בדירה. CITYN*ROOM ממוצע תלמידים לכיתה בחינוך יסודי ועל יסודי בעיר ביחס לממוצע תלמידים לכיתה בחינוך יסודי ועל יסודי- סך בכל הארץ (אחוז). EDUCATION התחלות בניה למגורים בעיר ביחס להתחלות בניה למגורים בכל הארץ (אחוז). RESIDBUILD תקציב פיתוח רכבות לפי מדד מחירי תשומות בסלילה במיליוני ₪ במחירי 2000. TDEVBUD תוצר מקומי גולמי במיליוני ₪ במחירי 2000. GDP ההבחנה בין הערים בקומת הדירה. CITYN*FLOOR ההבחנה בין הערים במעלית בדירת הבניין. CITYN*ELEVAT השכר הממוצע לחודש במשך השנה של שכירים בעיר ביחס לשכר הממוצע לחודש במשך השנה של שכירים בכל הארץ (אחוז). WAGE

במודל זה כל המשתנים מובהקים, ולא ניתן להבחין במולוטיקולינאריות גבוהה. המודל המיטבי: PLN= C(1)+C(2)*CITYN+ C(3)*FLOOR+C(5)*ELEVAT+C(7)*ROOM+C(9)*AREA+ C(10)*CITYN*AREA+ C(11)*GROWTH+C(13)*INEMIGR+C(14)*AGE019+ C(15)*UNEMPLO+C(16)*UNEMPTRAIN+ C(19)*MINWAGE+C(20)*SELFEMPLO+C(22)*BUILD+ C(25)*TSTOPS במודל זה כל המשתנים מובהקים, ולא ניתן להבחין במולוטיקולינאריות גבוהה. אחוז השונות המוסברת גבוה באופן יחסי, כמעט 70%, R²=0. 669467

פלט הרגרסיה Prob. t-Statistic Std. Error Coefficient 0.0000 13.14365 0.496943 6.531647 C(1) -10.12280 0.040956 -0.414585 C(2) -11.50708 0.001492 -0.017167 C(3) 22.50597 0.006152 0.138449 C(5) 15.10014 0.006717 0.101429 C(7) 19.56224 0.000243 0.004757 C(9) 8.563295 0.000256 0.002195 C(10) -5.572019 0.014226 -0.079267 C(11) 6.129344 0.014545 0.089154 C(13) 10.05039 0.011966 0.120264 C(14) -5.363638 0.001033 -0.005542 C(15) 7.614318 0.000327 0.002491 C(16) 8.509691 0.001983 0.016872 C(19) 7.536910 0.001145 0.008629 C(20) 0.0007 -3.381205 0.007760 -0.026238 C(22) 9.696652 0.000404 0.003916 C(25) 13.27099     Mean dependent var 0.669467 R-squared 0.264544     S.D. dependent var 0.668027 Adjusted R-squared -0.919707     Akaike info criterion 0.152422 S.E. of regression -0.891265     Schwarz criterion 79.98986 Sum squared resid 1.813069     Durbin-Watson stat 1606.633 Log likelihood

המודל מאפשר בחינת הרגישות של מחירי הדירות לשינויים בערכים של המשתנים המסבירים. מחירי הדירות באים בטרנספורמציה לוגריתמית ואילו המשתנים התלויים, המאפיינים, נבחנו ברגרסיה בצורתם המקורית – רמה. לכן, המקדמים למאפיינים אלו מודדים את השפעת שינוי יחידתי במשתנה המסביר על אחוז השינוי במשתנה התלוי, המחיר. כדי לקבל ערך בש"ח, התבצעה הכפלה של אחוז זה במחיר הדירה הממוצעת.

ניתוח תוצאות הרגרסיה P FLOOR ELEVAT ROOM AREA GROWTH INEMIGR AGE019 השפעת הוספת יחידה אחת על מחיר דירה ממוצעת השפעת הוספת יחידה אחת באחוזים הגרת המאפיין   רחובות נתניה 587,434 609,961 מחיר דירה בש"ח - במחירים קבועים של שנת 2000. P -10,084 -10,471 -1.72% קומה. FLOOR 81,330 84,448 13.84% מעלית (יש=1/ אין=0). ELEVAT 59,583 61,868 10.14% מספר חדרים. ROOM 2,794 4,240 0.48% 0.70% ממוצע שטח בנוי לדירה. AREA -46,564 -48,350 -7.93% אחוז גידול האוכלוסייה בעיר. GROWTH 52,372 54,380 8.92% אחוז מאזן הגירה פנימית בעיר מתוך סך הכול האוכלוסייה בעיר. INEMIGR 70,647 73,356 12.03% אחוז גיל 0-19 באוכלוסיית העיר. AGE019 -3,256 -3,380 -0.55% אחוז מקבלי דמי האבטלה בעיר מתוך אוכלוסיית העיר ביחס לאחוז מקבלי דמי האבטלה בכל הארץ מתוך האוכלוסייה בכל הארץ (אחוז). UNEMPLO 1,463 1,519 0.25% אחוז מקבלי הכשרה מקצועית מתוך מקבלי דמי אבטלה בעיר ביחס לאחוז מקבלי הכשרה מקצועית מתוך מקבלי דמי אבטלה בכל הארץ (אחוז). UNEMPTRAIN 9,911 10,291 1.69% אחוז השכירים המשתכרים עד שכר מינימום בעיר ביחס לאחוז השכירים המשתכרים עד שכר מינימום בכל הארץ (אחוז). MINWAGE 5,069 5,263 0.86% אחוז העצמאיים המשתכרים עד מחצית השכר הממוצע בעיר ביחס לאחוז העצמאיים המשתכרים עד מחצית השכר הממוצע בכל הארץ (אחוז). SELFEMPLO -15,413 -16,004 -2.62% התחלות סך-הכול בניה בעיר ביחס להתחלות סך-הכול בניה בכל הארץ (אחוז). BUILD 2,300 2,389 0.39% מספר מקסימאלי של עצירות רכבת יומיות בעיר. TSTOPS

סיכום ומסקנות רכבת הנוסעים בישראל נמצאת במגמת פריחה והתפתחות בשנים האחרונות. מטרת המחקר הייתה בחינת השפעתה של התפתחות זו על הערים הנהנות משירותיה ומהתפתחותה. מטרת המחקר הייתה בחינת השפעתה של התפתחות זו על הערים הנהנות משירותיה ומהתפתחותה.

לבחינת קיומה וגודלה של השפעה זו נבחרו למחקר שתי ערים – נתניה ורחובות. מיקומן של ערים אלו בפרברי המטרופולין, במרחק נסיעה של 25 דקות ברכבת לתל-אביב, ממקם אותן כבעלות פוטנציאל גבוה ליהנות מיתרונות התפתחות התחבורה המסילתית בישראל.

בחינת השפעת ההתפתחות על הערים נעשתה באמצעות ניתוח שווי הנדל"ן למגורים בעיר. ההנחה היא כי עלייה בכוח המשיכה של העיר, במקביל להורדת עלויות הנסיעה היומיות ממנה ואליה, תבוא לידי ביטוי בעליית ערך הנדל"ן למגורים בעיר.

שני נתוני רכבת נבדקו לבחינת השפעתם על מחירי הנכסים. המאפיין הראשון שנבחן הוא מאפיין איכותי עירוני - סידרת תדירות הרכבות בעיר. אכן ניתן לאבחן השפעה חיובית ברורה של מאפיין זה על מחירי הדירות, שנמצאה חזקה לאורך כל בדיקות הנתונים עד להגעה למודל המיטבי.

שינוי בעצירה יומית אחת צפוי להשפיע על מחירי הנדל"ן בגובה של 0 שינוי בעצירה יומית אחת צפוי להשפיע על מחירי הנדל"ן בגובה של 0.39% באותו הכיוון. המשמעות בשווי דירה ממוצעת במחירי שנת 2000 היא: 2,389 ₪ בנתניה ו-2,300 ₪ ברחובות. כלומר השפעת תדירות הרכבת, הנבחנת על-פי ממוצע עצירות יומי היא בממוצע, כמעט 2,350 ₪, במחירי שנת 2000, לדירה בשינוי של עצירה יומית אחת.

השפעת תדירות הרכבת היומית על מחירי הדירות במחקר זה נמצאה בגובה 0 השפעת תדירות הרכבת היומית על מחירי הדירות במחקר זה נמצאה בגובה 0.4% לרכבת נוספת ליום. כזכור, במחקרם של Gibbons and Machin (2003), נמצאה השפעת התדירות לשעה (לא ליום) על מחירי הדירות, בשיעור של 0.1% לרכבת לשעה עבור London Underground, ו-0.3% לרכבת לשעה עבור שירותי Docklands Light Railway. נראה, אם כן, שהאמדים שהתקבלו בארץ דומים בסדר הגודל לאלה שנאמדו במחקר הנ"ל, אם כי יש לזכור את ההבדל בין החישוב היומי לשעתי.

המאפיין השני שנבחן היה תקציב פיתוח הרכבת הכולל לאורך התקופה, בהתבסס על ההנחה כי נתונים אלו משקפים פיתוחים, שיפורים והתפתחות. מאפיין זה לא נמצא מובהק להיכלל במודל המיטבי.

ייתכן שניתן לייחס זאת להיותו מאפיין כלל-ארצי ולא עירוני ספציפי. בנוסף ייתכן שההשפעה הנמוכה הנראית משקפת את העובדה שמדובר בתקציבי פיתוח שהשפעתם רלוונטית פחות בשנה השוטפת. עוד ניתן לציין כי גם בספרות, בבחינת ההשפעה התחבורתית-מסילתית, לא נתקלתי בשימוש במדדי תקציב בכלל, ובמדדים שאינם עבור הסביבה הספציפית בפרט.

לסיכום תוצאות המחקר וניתוחן מאשרות את השפעת התפתחות רכבת הנוסעים על הערכת שווי הנדל"ן באופן ישיר. וכי לשיפורים ברכבת הנוסעים השפעה חיובית על מחירי הנכסים בעיר, אשר מהווים מדד לבחינת התפתחות הערים.