Dinamiche di prezzo e competitività territoriale nel mercato degli affitti di breve termine in Val Pellice

La presente proposta di tesi elabora e analizza la formazione dei prezzi nel mercato degli affitti di breve termine delle località presenti all’interno dei comuni della Val Pellice, mettendo in evidenza le dinamiche spaziali ed economiche che la caratterizzano. Analizzare a monte le variabili che determinano il prezzo finale è fondamentale, vista la continua evoluzione della piattaforma. L’elaborato racconta inizialmente l’origine di Airbnb nel 2008, piattaforma considerata protagonista dell’economia circolare internazionale. Vengono spiegati gli ostacoli affrontati, il metodo attraverso prende forma la credibilità degli host mediante le recensioni e analizzata nel suo complesso l’intera crescita della piattaforma. Nel capitolo successivo è stata svolta una ricerca di articoli e studi aventi obiettivi simili a quelli trattati nella parte di analisi successiva, costituendo la letteratura esistente del lavoro. Attraverso questo approfondimento, è stato possibile comprendere in maniera più efficiente le metodologie da utilizzare e in un secondo momento confrontare i risultati ricavati con quelli ottenuti dagli studi già esistenti. L’interpretazione dei dati è stata quindi contestualizzata in maniera più solida. Lo scopo del lavoro è duplice. Il primo è identificare tutte le variabili indipendenti che condizionano significativamente la variabile dipendente, ovvero il prezzo. Il secondo è costituito dall’utilizzo di due strumenti, l’indice di Moran e LISA (Local Indicators of Spatial Association), i quali permettono di rilevare la presenza di autocorrelazione spaziale tra le osservazioni in questioni. Il fine dell’utilizzo di questi indici è di individuare aree in cui si manifestano dei comportamenti simili di proprietà vicine. Il primo obiettivo è stato conseguito mediante una regressione edonica. Il software Stata ha permesso lo svolgimento di questa fase, dove si è ricavata la relazione tra il prezzo degli affitti e i fattori indipendenti appartenenti al database. Il secondo obiettivo è stato raggiunto con il software GeoDa, il quale ha fornito una risposta sul quesito costituito dalla presenza dei cluster spaziali. Da come si evince dai risultati, il valore della variabilità spiegata (R-Squared) aumenta al crescere dell’inclusione di variabili indipendenti significative nelle successive iterazioni di regressione, le quali vengono analizzate nel dettaglio. Per quanto riguarda l’analisi condotta sui residui del prezzo, è stata fondamentale per raggiungere l’obiettivo dei cluster spaziali. In particolare, i prezzi evidenziano una buona autocorrelazione spaziali e sottolineano la presenza di osservazioni con caratteristiche simili localizzate in aree vicine. I residui invece mostrano un’autocorrelazione spaziale assente, dove la variabilità residua è dipendente da decisione prese direttamente dagli host in maniera casuale nel processo di identificazione del prezzo degli affitti. Le conclusioni propongono, qualora gli host vogliano definire strategie di prezzo adatte al mercato in cui risiedono, uno studio in profondità delle dinamiche di prezzo come soluzione al fine situarsi una posizione strategica all’interno del mercato di riferimento.