dc.contributor.author | Ίλια, Χήρα | el |
dc.contributor.author | Ilia, Chira | en |
dc.date.accessioned | 2022-03-23T17:34:01Z | |
dc.date.available | 2022-03-23T17:34:01Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/55001 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.22699 | |
dc.description | Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Περιβάλλον και Ανάπτυξη των Ορεινών Περιοχών" | el |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Οικονομία διαμοιρασμού | el |
dc.subject | ΑirBNB | en |
dc.subject | Μοντέλο πολλαπλής παλινδρόμησης | el |
dc.subject | Διαβηματική ανάλυση συστάδων | el |
dc.subject | Sharing economy | en |
dc.subject | Multiple linear regression model | en |
dc.subject | Two-step cluster analysis | en |
dc.title | Μια κοινωνικο-οικονομική ανάλυση του φαινομένου της βραχυχρόνιας μίσθωσης ακινήτων | el |
dc.title | A socio-economic analysis of the phenomenon of AirBNB | en |
heal.type | masterThesis | |
heal.classification | Πολυπαραγοντική ανάλυση | el |
heal.classification | Multiple regression analysis | en |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2021-11-18 | |
heal.abstract | Τα τελευταία χρόνια, στο πλαίσιο του επιχειρηματικού μοντέλου οικονομίας διαμοιρασμού στον καταλυματικό τομέα, έχουν δημιουργηθεί διαδικτυακές πλατφόρμες για δραστηριότητες όπως η βραχυχρόνια μίσθωση ακινήτων, οι οποίες δημιουργούν μια ανοιχτή αγορά διάθεσης και κατανάλωσης αγαθών και υπηρεσιών. Μια από τις δημοφιλέστερες πλατφόρμες είναι η AirBNB. Τόσο σε παγκόσμιο επίπεδο, όσο και στη χώρα μας η εξάπλωση του φαινομένου είναι ταχύτατη, με το πλήθος των καταλυμάτων AirBNB να αυξάνεται ραγδαία μέσα στη τελευταία δεκαετία. Ο εναλλακτικός τρόπος διαμονής που προσφέρει η αγορά της συγκεκριμένης πλατφόρμας αφορά μεγάλα και μικρά αστικά κέντρα, καθώς και παράκτιες και ορεινές περιοχές τουρισμού αναψυχής. Το προσφερόμενο είδος καταλυμάτων στην κάθε περιοχή διαμορφώνεται συναρτήσει των χαρακτηριστικών της κάθε τοποθεσίας. Περιοχή μελέτης είναι ο δήμος Αθηναίων και οι 127 γειτονιές που τον απαρτίζουν. Η έρευνα πραγματοποιήθηκε έχοντας ως στόχο την αποσαφήνιση των χαρακτηριστικών της κάθε γειτονιάς και της συσχέτισης αυτών των χαρακτηριστικών με την ένταση της χωρικής συγκέντρωσης των καταλυμάτων AirBNB. Η μεθοδολογία στηρίζεται στη χρήση του μοντέλου πολλαπλής γραμμικής παλινδρόμησης, καθορίζοντας τους βαθμούς εξάρτησης των γενικών χαρακτηριστικών της κάθε γειτονιάς με τη χωρική κατανομή των ακινήτων βραχυχρόνιας μίσθωσης. Η ομαδοποίηση των γειτονιών βάσει των κοινών χαρακτηριστικών που τις διέπουν, υλοποιήθηκε μέσω της διβηματικής ανάλυσης συστάδων. Κατέληξε, υποδεικνύοντας τις γειτονιές με αυξημένη πυκνότητα πλήθους τέτοιων ακινήτων, και υπογραμμίζοντας ποια χαρακτηριστικά των γειτονιών έλκουν τη συγκεκριμένη αγορά. | el |
heal.abstract | In recent years, as part of the business model of sharing economy in the housing sector, online platforms have been created for activities such as short-term rental of properties, creating an open market for sale and consumption of goods and services.One of the most popular platforms is AirBNB. Both globally and in Greece, the phenomenon is spreading rapidly, and the number of AirBNB listings increasing rapidly over the last decade. The alternative accommodation offered by the market of this platform concerns large and smaller urban centers, as well as coastal and mountainous areas of leisure tourism.The type of accommodation offered in each area depends on the characteristics of each location. The study area is the municipality of Athens and its 127 neighborhoods. The research was conducted with the aim of clarifying the characteristics of each neighborhood and the correlation of these characteristics with the intensity of the spatial concentration of AirBNB listings.The methodology is based on the use of the multiple linear regression model, determining the degrees of dependence of the general characteristics of each neighborhood with the spatial distribution of short-term lease properties. The grouping of neighborhoods based on the common characteristics that govern them, was implemented through the two-step cluster analysis. This method concluded pointing out the neighborhoods with an increased density of listings, and highlights which features of the neighborhoods attract this market. | en |
heal.advisorName | Δημοπούλου, Ευτέρπη | el |
heal.committeeMemberName | Δημοπούλου, Ευτέρπη | el |
heal.committeeMemberName | Καλιαμπάκος, Δημήτριος | el |
heal.committeeMemberName | Πηγάκη, Μαρία | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Αγρονόμων και Τοπογράφων Μηχανικών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 75 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: