Zusammenfassung
In der vorliegenden Arbeit werden die Preisdeterminanten von Wohnimmobilien empirisch auf der Grundlage eines hedonischen Verfahrens ermittelt. Die Untersuchung basiert auf tatsächlich beobachteten, anonymisierten Transaktionsdaten für die Stadt Münster im Zeitraum von 1999 bis 2009 und schließt Einfamilienhäuser, Doppelhaushälften, Reihenendhäuser, Reihenhäuser und Eigentumswohnungen ein. Die Regressionen besitzen einen hohen Erklärungsgehalt, und die geschätzten Parameter sind ökonomisch plausibel interpretierbar. Erwartungsgemäß sind neben den Lagekriterien (Qualität der Wohnlage und Zentrumsnähe) die Größenkennzahlen (Wohn- und Grundstücksfläche) und das Alter von zentraler Bedeutung für den Preis der verschiedenen Immobilientypen.
Abstract
In the present article determinants of residential real estate prices are empirically estimated. The study is based on actually recorded, anonymous transactions data collected for the city of Muenster from 1999 to 2009. The observations include single-family houses, semi-detached houses, end-terrace houses, terrace houses and condominiums. The regressions do have high explanatory power and the estimated parameters are economically plausible. As expected, besides location criteria (quality of residential area, centrality) aspects of size (living space, plot size) and age are important determining factors to explain house-prices.
Notes
Einen Überblick über die aktuellen Forschungsaktivitäten geben Demary (2009) und Fahrländer (2007). Eine Marktübersicht über immobilienwirtschaftliche Indizes liefern das Bundesinstitut für Bau-, Stadt- und Raumforschung (Schürt 2010) und Bobka (2009). Neuere Arbeiten belegen eindrucksvoll die weite internationale Verbreitung hedonischer Verfahren zur Untersuchung von Immobilienpreisen: Goodman und Thibodeau (2003) für Dallas, Sue und Wong (2010) für Singapur, Maurer et al. (2004) für Paris, Rambaldi und Rao (2011) für Brisbane und Ebru und Eban (2011) für Istanbul. Siehe auch Balk et al. (2011).
Zwei Beispiele sind der Immobilienpreiskalkulator des Obersten Gutachterausschusses Niedersachsen und das Informationssystem BORISplus.NRW des Obersten Gutachterausschusses Nordrhein-Westfalen (Schürt 2010).
Dies ist eine Parallele zum Mietwohnungsmarkt. Dort wird seit geraumer Zeit qualifizierten Mietspiegeln, sogenannten Regressionsmietspiegeln, die nach der hedonischen Methode mit Regressionsverfahren erstellt werden, Vorrang vor Sachverständigengutachten, Durchschnittswertverfahren und Vergleichswertmethoden eingeräumt.
Häufig werden in hedonischen Regressionen Indikatorvariablen verwendet, die entweder den Wert null oder eins annehmen. Da der Logarithmus von null nicht definiert ist, lassen sich Indikatorvariablen nicht logarithmisch transformieren, so dass deren geschätzte Parameter als Semi-Elastizitäten interpretierbar sind. Für die vorliegende Anwendung ist zu beachten, dass ausschließlich Indikatorvariablen als Determinanten verwendet werden, um die Interpretation einer Referenzimmobilie zu vereinfachen. Ferner hat die Berücksichtigung metrischer Variablen für die Fläche und das Alter die wesentlichen Ergebnisse und den Erklärungsgehalt des Modells nicht verändert.
Als Alternative zum Huber-White-Algorithmus kommt eine Schätzung mit dem gewichteten Kleinst-Quadrate-Verfahren in Betracht. Die Unsicherheiten bezüglich der Auswahl der Gewichte gaben schließlich den Ausschlag, auf den robusten Huber-White-Schätzer nach Huber (1967) und White (1982) zurückzugreifen.
Damit haben wir ein Standardverfahren zur Schätzung der hedonischen Regressionen und deren Analyse mit dem korrigierten Bestimmtheitsmaß gewählt. Eine Beschreibung findet sich in den bekannten Lehrbüchern der Ökonometrie. Exemplarisch sei Cameron und Trivedi (2005) und von Auer (2007) genannt. Als Variante des general-to-specific-Ansatzes wurde die stepwise selection des Statistik Programms STATA durchgeführt. Die Schlussfolgerungen haben sich dadurch nicht verändert.
Die Sammlung enthält Informationen aus Kaufverträgen, die von Notaren beurkundet, pflichtgemäßnach §195 BauBG von diesen an den Ausschuss gesandt und schließlich ausgewertet werden. Der komplette Datensatz ist vollständig anonymisiert.
In der Literatur findet die Bezeichnung „Makrolage“ vornehmlich in der überregionalen Betrachtung Verwendung. Dabei wird bei der Lage der betrachteten Immobilie beispielsweise zwischen ländlichem Raum, Stadtnähe oder regionalem Oberzentrum unterschieden. In der vorliegenden Untersuchung wird nur eine Stadt betrachtet, so dass sich die „Makrolage“ lediglich auf die Nähe zum Stadtzentrum bezieht. Der Einfachheit halber haben wir für diesen Fall auf Begriffe wie „Makro-“ oder „Mezzolage“ verzichtet und verwenden den Begriff „Zentrumsnähe“.
Eine Untersuchung des IW Köln in Kooperation mit der KfW Bankengruppe zeigt, dass der Großteil der sanierten Immobilien in Deutschland 40 bis 50 Jahre alt ist (Köln 2010). Somit ist die Wahrscheinlichkeit groß, dass die Immobilien, die wir in die Untersuchung aufgenommen haben, noch nicht saniert wurden und mithin die Ergebnisse auch nicht verzerren.
Sicherlich ist es auch interessant zu wissen, ob die Geschosszahl je nach Haustyp unterschiedlichen Einfluss hat. Erste Schätzungen lassen jedoch auf Kollinearitätsprobleme schließen, so dass dieser Fragestellung nicht weiter nachgegangen wurde.
Da logarithmierte Werte ausgewiesen werden, muss die Konstante durch e12,24589 = 208.124,14 € transformiert werden.
Literatur
Bailey M, Muth R, Nourse H (1963) A regression method for real estate price index construction. J Am Stat Assoc, 58:933–942
Balk BM, de Haan J, Diewert WE (2011) Handbook on residential property prices indices. November 2011, Eurostat
Bobka G (2009) Indizes – wie praxistauglich sind sie wirklich? Immobilienwirtschaft 11/2009:19–27
Brachinger HW (2002) Statistical theory of hedonic price indices. Working paper, University of Fribourg
Brandt S, Maennig W (2011a) The impact of rail access on condominium prices in Hamburg. Transportation. doi:10.1007/s11116-011-9379-0
Brandt S, Maennig W (2011b) Road noise exposure and residential property prices: evidence from Hamburg. Transp Res, Part D, Transp Environ 16:23–30
Can A (1992) Specification and estimation of hedonic housing price models. Reg Sci Urban Econ 22:453–474
Cameron AC, Trivedi PK (2005) Microeconometrics: methods and applications. Cambridge University Press, New York. May 2005
Dechent J (2008) Häuserpreisindex – Projektfortschritt und erste Ergebnisse für bestehende Wohngebäude. Wirtsch Stat 1/2008:69–81
Dechent J (2004) Preisstatistische Erfassung des selbst genutzten Wohneigentums – Zur Entwicklung eines Häuserpreisindex. Wirtsch Stat 11/2004:1295–1305
Demary M (2009) Hedonische Immobilienpreisindizes – Verfahren und Beispiele. IW-Trends 03/2009
Dübel H-J, Iden S (2008) Hedonischer Immobilienpreisindex Deutschland – Isolierung qualitativer Hauspreismerkmale durch hedonische Regressionsanalyse aus Daten der Europace-Plattform (Hypoport AG) und Machbarkeit eines hedonischen Hauspreisindex für Deutschland. Forschungsauftrag des Bundesamtes für Bauwesen und Raumordnung (BBR). Berlin
Ebru C, Eban A (2011) Determinants of house prices in Istanbul: a quantile regression approach. Qual Quant 45:305–317
Fahrländer SS (2007) Hedonische Immobilienbewertung – Eine empirische Untersuchung der Schweizer Märkte für Wohneigentum 1985 bis 2005, Forum Wirtschaft 9. München
Goodman AC, Thibodeau TG (2003) Housing market segmentation and hedonic prediction accuracy. J Hous Econ 12:181–201
Hoesli M, Gioccotto C, Favarger P (1997) Three new real estate process for Geneva, Switzerland. J Real Estate Finance Econ 15/1997:93–109
Huber PJ (1967) The behavior of maximum likelihood estimates under non-standard conditions. In: Neyman J (Hsrg) Proceedings of the fifth Berkeley symposium on mathematical statistics and probability. University of California Press, Berkeley, pp 221–233
Köln KfW/IW (2010) Wohngebäudesanierer-Befragung 2010, Frankfurt am Main 2010
Lancaster KJ (1966) A new approach to consumer theory. J Polit Econ 74:132–157
Limsombunchai V (2004) House price prediction: hedonic price model vs. artificial neural network. Paper presented at the 2004 NZARES conference, Blenheim, New Zealand, 25–26 June, 2004, New Zealand Agricultural and Resource Economics Society (Inc.)
Maurer R, Pitzer M, Sebastian S (2004) Hedonic price indices for the Paris housing market. Allg Stat Arch 88/2004:303–326
OECD (2011) Hedonic price indexes for housing. Working paper No 36, February
Rambaldi AN, Rao DSP (2011) Hedonic predicted price indices using time-varying hedonic models with spatial autocorrelation (30.05.2012). http://vie.math.ac.vn/doson2011/notes/Thomas/Rambaldi-Prasada.pdf
Rosen S (1974) Hedonic prices and implicit markets: product differentiation in pure competition. J Polit Econ 82:34–55
Schürt A (2010) Synopse Immobilienpreisbeobachtung in Deutschland 2010, Anforderungen – Datengrundlagen – Verfahren – Produkte, Bundesinstitut für Bau-, Stadt- und Raumforschung (BBSR; Hrsg), BBSR-Online-Publikation, Nr. 01/2010, Bonn
Sue EDW, Wong W-K (2010) The political economy of housing prices: hedonic pricing with regression discontinuity. J Hous Econ 19:133–144
von Auer L (2007) Ökonometrie – eine einführung, 4. Aufl. Springer, Heidelberg
White H (1982) Maximum likelihood estimation of misspecified models. Econometrica 50:1–25
Kantonalbank Z (1996) Immobilienmarkt Zürich – Immobilienpreise und Bauinvestitionen unter der Lupe. Zürich
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
About this article
Cite this article
Bohl, M.T., Michels, W. & Oelgemöller, J. Determinanten von Wohnimmobilienpreisen: Das Beispiel der Stadt Münster. Jahrb Reg wiss 32, 193–208 (2012). https://doi.org/10.1007/s10037-012-0068-z
Accepted:
Published:
Issue Date:
DOI: https://doi.org/10.1007/s10037-012-0068-z