Wie und in welchem Maße wirkt sich die räumliche Lage einer Immobilie auf deren Mietpreis aus? Wie lassen sich derartige Preiseffekte geographisch präzise bestimmen und – noch wichtiger – auf Basis einer bestimmten Anzahl von Beobachtungen für das gesamte Stadtgebiet errechnen? Markus Fritsch, Harry Haupt (beide Universität Passau) und Pin Tian Ng (Northern Arizona University, USA und Anhui University, China) haben am Beispiel des Regensburger Mietwohnungsmarktes ein statistisches Verfahren entwickelt, das es ermöglicht, die Effekte physischer und räumlicher Charakteristika auf den Immobilienpreis in flexibler Weise zu modellieren.
Ihre Ergebnisse haben die drei Forscher kürzlich in der renommierten wissenschaftlichen Fachzeitschrift „Regional Science and Urban Economics“ veröffentlicht.
In ihrem Artikel mit dem Titel „Urban house price surfaces near a World Heritage Site: Modeling conditional price and spatial heterogeneity“, der im September 2016 in der renommierten wissenschaftlichen Fachzeitschrift „Regional Science and Urban Economics“ erschienen ist, schlagen Markus Fritsch, Harry Haupt und Pin Tian Ng ein statistisches Verfahren vor, das es ermöglicht, die Effekte physischer und räumlicher Charakteristika auf den Preis von Immobilien in flexibler Weise zu modellieren.
Die Autoren illustrieren die vorgeschlagene Vorgehensweise anhand von Daten für den Mietwohnungsmarkt in Regensburg und finden empirische Evidenz für komplexe und ökonomisch bedeutsame Effekte der Lage einer Immobilie auf die Miete sowie eine unterschiedliche Relevanz von physischen und räumlichen Preiseffekten im unteren, mittleren und oberen Preissegment.
UNESCO-Weltkulturerbe hat Auswirkungen auf den Immobilienpreis
„Die Komplexität der räumlichen Muster in den Immobilienpreisen, die sich mit traditionellen Methoden nicht erfassen lässt, zeigt sich in Regensburg vor allem in den Stadtteilen, die seit 2006 UNESCO-Weltkulturerbe sind: der historischen Altstadt und Stadtamhof“, sagt Haupt. „In diesen Gebieten lassen sich stark positive Effekte auf den Mietpreis (pro Quadratmeter) feststellen, die sich ausschließlich durch die Lage ergeben, nachdem viele weitere preisbestimmende Merkmale bereits berücksichtigt wurden. Insbesondere erlaubt die Modellierung auch die Erfassung lagespezifischer Preisunterschiede zwischen beliebigen geographischen Punkten im Stadtgebiet, auch wenn diese in der Stichprobe nicht erfasst wurden.“ Mit zunehmender Distanz vom Weltkulturerbe änderten sich diese räumlichen Preiseffekte in deutlicher Abhängigkeit von der Himmelsrichtung, so Fritsch.
Der statistisch-methodische Kern der Forschungsarbeit liest sich für Nicht-Wissenschaftler zunächst kryptisch: „semiparametrische Quantilsregressionen auf Basis additiv verknüpfter Smoothing Splines“. „Dieses Vorgehen ermöglicht die direkte Modellierung des Mietpreises in einzelnen Preissegmenten – wobei die den Mietpreis bestimmenden Einflussfaktoren gleichzeitig flexibel abgebildet werden.“, erklärt Haupt. „So bestehen möglicherweise zwischen dem Mietpreis und den physischen Charakteristika wie der Größe oder dem Alter einer Wohnung oder auch zwischen dem Mietpreis und der geographischen Lage einer Immobilie ‚nicht-lineare Zusammenhänge‘ die berücksichtigt werden sollen. Ein klassisches Beispiel für einen ‚nicht-linearen Zusammenhang‘ stellt die Abnahme des Mietpreises pro Quadratmeter mit zunehmender Wohnungsgröße dar.“ Der Vorteil der neuen Methodik bestehe im Wesentlichen darin, dass sich das Zusammenspiel der Wohnungscharakteristika für verschiedene Preissegmente direkt modellieren lässt. Dies ermöglicht die Ableitung von Aussagen über den Einfluss der physischen und räumlichen Merkmale auf den Mietpreis über die Preissegmente hinweg, selbst dann, wenn die Wohnungsmerkmale zwischen zwei betrachteten Immobilien variieren.
Artikel zur Studie: http://dx.doi.org/10.1016/j.regsciurbeco.2016.07.011
