Working Paper Series - Institut für Finanzwirtschaft - Technische ...
Working Paper Series - Institut für Finanzwirtschaft - Technische ...
Working Paper Series - Institut für Finanzwirtschaft - Technische ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
43<br />
Zinssatz sinken. Das positive Vorzeichen des Beta 66 <strong>für</strong> die GRUNDSTUECKSGROESSE ist<br />
hingegen etwas erstaunlich. Intuitiv sollte ein großes Grundstück, ähnlich wie eine große Nutzungsfläche,<br />
ein geringeres Risiko implizieren. Ein Erklärungsansatz liegt im Zusammenhang<br />
zwischen Lage und Grundstücksgröße begründet. Bei Grundstücken in guten Lagen ist der<br />
Bodenrichtwert wesentlich höher im Vergleich zu schlechten Lagen. Dieses führt dazu, dass<br />
die Gebäude in guten Lagen eine große Nutzfläche im Vergleich zur Grundstücksgröße besitzen.<br />
Bei Grundstücken schlechterer Lage ist das Verhältnis zwischen Nutzfläche und Grundstücksgröße<br />
geringer. Bei gleicher Nutzfläche ist somit in schlechter Lage ein größeres<br />
Grundstück zu erwarten. Da eine schlechte Lage auch einen höheren Liegenschaftszins impliziert,<br />
besteht ein positiver Zusammenhang zwischen Grundstücksgröße und Liegenschaftszins.<br />
Die dritte Regression befasst sich mit dem Einfluss der makroökonomischen Faktoren auf den<br />
Liegenschaftszins. Für diese Regressionen wurden nur die Datensätze der 5 Städte verwendet<br />
<strong>für</strong> die die makroökonomischen Daten in den Wertermittlungsjahren verfügbar waren.<br />
Korrigiertes R-<br />
Standardfehler<br />
des<br />
Modell 3 R R-Quadrat Quadrat Schätzers<br />
0,387 0,150 0,140 0,50724<br />
Tabelle 17: Regressionsmodell 3 (Makrofaktoren auf den Liegenschaftszins)<br />
In Tabelle 17 ist die Zusammenfassung des besten Modells dargestellt. Der Erklärungsgehalt<br />
von 0,140 oder 14% ist sehr gering. Aufgrund der starken Korrelation aller makroökonomischen<br />
Faktoren wurden verschiedene Kombinationen, z.B. Ausschluss der Bevölkerungsdaten<br />
bei Verwendung der Attraktivität und Beschäftigtenzahl und umgekehrt, ausprobiert. Keines<br />
der Modelle erreichte jedoch einen höheren Erklärungsgehalt. Lediglich die Variablen<br />
KAUFKRAFT, LEERSTANDSRATE und DURCHMIETE_STADT haben einen signifikanten<br />
Einfluss auf den Liegenschaftszins. Der Einfluss aller drei Faktoren ist negativ, welches<br />
bei der LEERSTANDSRATE unplausibel ist. Üblicherweise sollte eine hohe Leerstandsrate<br />
ein hohes Risiko und damit einen höheren Zins implizieren. Aufgrund der geringen Aussagefähigkeit<br />
des gesamten Modells muss diese Unplausibilität nicht weiter beachtet werden. 67<br />
Die Koeffiziententabelle ist wiederum im Appendix F zu finden.<br />
66<br />
Beta bezeichnet den standardisierten Koeffizienten der Regressionsvariablen.<br />
67<br />
Vgl. bei Betrachtung aller Faktoren hat die Leerstandsrate keinen signifikanten Einfluss auf das Regressionsmodell,<br />
siehe auch Abschnitt 6.4.