L'impatto di Airbnb sul mercato immobiliare di New York: un'analisi bayesiana spazio-temporale

La diffusione su larga scala di piattaforme digitali come Airbnb ha trasformato in modo significativo le dinamiche urbane, sollevando interrogativi cruciali sull’impatto degli affitti a breve termine sul mercato immobiliare e sulla funzione residenziale delle città. Questa tesi analizza il caso di New York, contesto emblematico per dimensione, complessità e intensità del fenomeno, adottando modelli spazio-temporali bayesiani per esplorare i legami tra ospitalità turistica e prezzi delle abitazioni. L’analisi si fonda sull’integrazione di fonti eterogenee, annunci Airbnb, dati sulle compravendite immobiliari, variabili socio-demografiche e punti di interesse urbani, offrendo una rappresentazione dettagliata delle interazioni spaziali e temporali che caratterizzano il mercato. Dal punto di vista metodologico, l’adozione dell’Integrated Nested Laplace Approximation (INLA) consente di stimare modelli latenti gaussiani in modo efficiente, superando le limitazioni dei metodi simulativi tradizionali e rendendo possibile la gestione di strutture di dipendenza complesse. I risultati evidenziano differenze marcate tra il mercato turistico, concentrato nelle aree centrali e culturalmente attrattive, e quello residenziale, più diffuso nei quartieri periferici grazie a spazi più ampi e condizioni di vita migliori. La ricerca mette in luce il potenziale della statistica spaziale bayesiana come strumento per interpretare i processi di trasformazione urbana e apre prospettive di sviluppo verso analisi più granulari e su orizzonti temporali più estesi.