بررسی شاخص‌های کالبدی ـ اجتماعی مسکن در تعیین بلوک‌های فقیرنشین با استفاده از مدل تحلیل عاملی (مطالعه‎ی موردی: شهر کرمانشاه)

نویسندگان

1 استادیار گروه جغرافیا، دانشگاه زنجان

2 دانشجوی کارشناسی ارشد جغرافیا و برنامه‎ریزی شهری، دانشگاه زنجان

چکیده

فقر در ایران به‎مانند دیگر کشورهای جهان، روبه فزونی و رشد است و شهرهای کشور را با مسائل و مشکلاتی روبه‎رو ساخته است. شهر کرمانشاه به‎عنوان یکی از کلان‎شهرهای کشور با پدیده‎ی فقر روبه‎رو است که در این مقاله به بررسی آسیب‌شناسی کالبدی شهر کرمانشاه پرداخته می‌شود. هدف از بررسی حاضر، شناخت شرایط و ویژگی‌های مسکن بوده تا بتوان با بررسی دقیق آن، به شناسایی آسیب‌های کالبدی ـ ‌اجتماعی مساکن در سطح شهر پرداخت. روش پژوهش تحلیلی ـ کمّی بوده و برای شناخت شهر از نظر کالبدی‌ ـ ‌اجتماعی، در سطح بلوک‌های شهر کرمانشاه از داده‎های سرشماری نفوس و مسکن سال 1385 و از 9 شاخص متوسّط بُعد خانوار، تراکم جمعیّت در واحد مسکونی، سرانه‎ی خالص مسکونی، سرانه‎ی ناخالص مسکونی، تراکم خالص مسکونی، میزان تراکم جمعیّت شهری، تراکم مسکونی جمعیّت، تراکم خانوار در واحد مسکونی، تراکم نفر در واحد مسکونی استفاده شده که با روش‌های آماری به سه شاخص ترکیبی تبدیل و نتایج با بهره‎گیری از مدل تحلیل عاملی و نرم‎افزار Arc/GIS ارزیابی شده‎اند. بنابراین در این مقاله با تأکید بر شاخص‌های کمّی مسکن، به نمایش فقر در بلوک‎های شهر کرمانشاه، به‎عنوان نمادی از بازتاب فیزیکی نابرابری اجتماعی پرداخته شده است. جامعه‎ی آماری در این مقاله شهر کرمانشاه در سال 1385 است. نتایج به‎دست آمده از این بررسی نشان می‌دهد که از دیدگاه شاخص‌های کالبدی ـ ‌اجتماعی، مسکن شهر کرمانشاه دارای 1718 بلوک برابر با 1/21 درصد خیلی مرفّه، 1149 بلوک برابر با 1/14 درصد مرفّه، 3475 بلوک برابر با 7/42 درصد متوسّط، 1224 بلوک برابر با 1/15 درصد فقیر و 529 بلوک برابر با 5/6 درصد خیلی فقیر بوده است. یادآوری این نکته لازم است که نتایج به‎دست‎آمده تنها با تکیّه بر شاخص‌های مورد استفاده در این مقاله است و در صورت عدم مشکلات آماری و به‎‌کارگیری شاخص‌های بیشتر، این احتمال وجود دارد که نتایج تحت تأثیر قرار گیرند.

کلیدواژه‌ها


عنوان مقاله [English]

The Assessment of Physical and Social Housing Indexes in Determine of Predominantly Poor Blocks Using Factor Analysis Model (Case Study: Kermanshah City)

نویسندگان [English]

  • Sh. Rostaei 1
  • M. Ahadnejad 1
  • A. Asghari Zamani 1
  • A. R. Zangeneh 2
1
2
چکیده [English]

Extended Abstract

Introduction
Poverty in Iran is developing like other countries, and makes a lot of troubles to the cities. Kermanshah as an enormous city faces with poverty. In this study, we have considered the skeletal pathology of this city. The purpose of this study understands the condition and features of dwelling to make some exact study of damages. Research method is quantitative analytic, we have applied the statistical blocks information in 1385 and 9 indices including: fancily dimension, population in houses, pure head- money, gross head- money, pure accumulation, deal of urban population, population residential compression, fancily population in any house, individual population in house. They have classified to three indices using statistical methods and analyzed using Arc/GIS software. Statistical population is Kermanshah city in 1385. Results show that Kermanshah has 1718 blocks that is 21/1 percent too rich population. 1149 blocks that is 1411% rich, 3475 blocks, i.e. 42/7% in average level, 1224 blocks, i.e. 15/1% poor, and 529 blocks i.e. 6/5% very poor population. These results just applied indices.
One of the evaluations of poverty is dwelling. Suitable dwelling means not to be so crowded. In general, poverty in cities of Iran is obvious. So, in this study, we show poverty in Kermanshah as a symbol of physical reflection of social inequality emphasizing on quantitative indices. House is the first need of a family, in developing country, just limited number of people could gain suitable dwelling.
Poor social groups always have a lot of troubles to make a good dwelling. So, they dwell in some places which have a lot of population, thus, they become poor. Poverty cycle in Kermanshah obviously shown, as a result we analyzed all these indices.

Methodology
This research is an appliedresearch and statisticalSociety is Kermanshah City in 2006. The necessary data has been collected form Iranian censes center based on 2006 national censes also for preparing data Arc/View, Arc/GIS and Microsoft Excel software has been used in this study. After data preparing with use Factor analysis in SPSS software 9 indexes has been classified to 3 factors. Consideringeach of thefactorsextractedthe city blocks were classified in5 groupssuch as veryaffluent, affluent, fair, poor, verypoorgroups. In this paper for spatial distribution of urban poverty in Kermanshah city 9 indexeswere used such as average household size, population density in housing units,… .

Results and Discussion
This approach is a kind of practical one. Statistical society is Kermanshah in 1385. We take the information from center of statistic in Iran at 2006 and Arc/GIS software to specify the indices and ported to Excel software. At last we used SPSS to classify this model from 9 factors to 3 factors 8. Variance percentage and accumulation variance have been determined. Blocks are set as too rich, rich, average level, poor and much poor.

Conclusion
On the skeletal- social indices point of view Kermanshah has 1718 blocks i.e. 21/1% too rich, 1149 blocks i.e. 14/1% rich, 3475 blocks i.e. 42/7% average level, 1224 blocks i.e. 15/1% poor, and 529 blocks i.e. 6/5% much poor population. These results are gathered just based on these special indices, and using much more indices would make some trouble and change these results.

Suggestions
• To poor’s, dwelling is an economical place, so economic planning to them should be of the lowest level of the city etc. neighborhood.
• We should applied research about dwelling with governmental parts cooperation.
• In dwelling organization should use experts of urban planning, sociology, economy and management interactively.
• Responsible organs should consider about dwelling indices, and make local responsible aware about them.
• Programs are about dwelling should be integrated and managers should cooperate with different organs.

کلیدواژه‌ها [English]

  • dwelling
  • factor analysis
  • GIS
  • Kermanshah.
  • urban poverty