Asking prices and sale prices of owner-occupied houses in rural ...

Zeitschrift für Immobilienökonomie Journal of Interdisciplinary Property Research 1/2012
>> Aufsätze PAPers MichAel Dinkel, Björn-MArtin kurzrock
Häufigkeit
150
100
50
0
Abhängige Variable: KH_PROZENT
abbildung 4: residuendiagramme kh_prozent
Eigene Darstellung.
nommen, da der Wert der Immobilie schwieriger
einzuschätzen ist. Bei Faktoren, welche die
Marktattraktivität, die Markttransparenz oder die
relative Wettbewerbsstärke eines Objektes positiv
beeinflussen, wird c.p. ein geringer Kontrahierungsabschlag
erwartet. Die Variable „Internetattraktivität“
misst die Nachfrageattraktivität anhand
von Kennzahlen hinsichtlich der Anzeigehäufigkeit
in ImmobilienScout24. 33 Der Prädiktor „Markttransparenz“
bildet das lokale Marktgeschehen im
Untersuchungszeitraum (07-09) ab. 34
Homoskedastiziät
-4 -2
0
2
4
Regression Standardisiertes Residuum
Die Residuen sind homoskedastisch und normalverteilt.
Dies deutet darauf hin, dass das Regressionsmodell
die abhängige Variable KH_PROZENT
potenziell gut erklären kann (Abbildung 4).
Das Regressionsmodell KH_PROZENT erklärt nur
1,2% der Varianz und hat damit fast keinen Erklärungsgehalt
(Tabelle 6). Vier Variablen werden
signifikant, obwohl keine Linearität zwischen der
abhängigen und den unabhängigen Variablen
vorliegt. Das gewählte Regressionsmodell ist
folglich nicht geeignet, den prozentualen Kontrahierungsabschlag
auf Basis der gewählten Variablen
vorherzusagen. Der Robustheitstest bestätigt
diese Schlussfolgerung.
Die Residuenstatistik und Homoskedastizitätsprüfung
deuten allerdings darauf hin, dass das
Regressionsmodell gut zur Vorhersage von
prozentualen Kontrahierungsabschlägen geeignet
ist. Dies lässt sich damit erklären, dass mit keiner
16
Regression Standardisiertes
Residuum
4
2
0
-2
-4
-4
Abhängige Variable: KH_PROZENT
-2
Regression Standardisierter geschätzter Wert
unabhängigen Variablen ein signifikanter Zusammenhang
besteht und KH_PROZENT zufällig
verteilt ist, womit sich diese zufällige Verteilungen
bei einer hohen Fallanzahl einer Normalverteilung
annähern.
Variante: regressionsanalyse kh_prozent_
Baujahr
Ein weiteres Regressionsmodell KH_PROZENT_
BAUJAHR mit reduzierter Stichprobe aufgrund
zufällig verteilter fehlender Werte (n = 1.004)
erklärt nur 2,6% der Varianzen und besitzt damit
fast keine Aussagekraft. Um indirekt auf den
baulichen Zustand der Immobilie schließen zu
können, erfolgte hierbei eine Einteilung in vier
Baujahrgruppen, die sich an historischen und
gesetzlichen Strukturbrüchen im Wohnungsbau
orientieren. Es werden sieben Variablen signifikant,
obwohl keine Linearität zwischen der abhängigen
mit den unabhängigen Variablen vorliegt. Auch
dieses Regressionsmodell kann den prozentualen
Kontrahierungsabschlag auf Basis der gewählten
Variablen und linearen Spezifikation nicht hinreichend
vorhersagen.
e. Datenrestriktionen und Lösungsansätze
In der Sekundärliteratur wird auf ein breites Spektrum
an Faktoren verwiesen, die einen Einfluss
auf den Kontrahierungsabschlag erwarten lassen.
Im Rahmen dieser Arbeit konnten aufgrund von
Datenrestriktionen mehrere potenzielle Einflussfaktoren
nicht berücksichtigt werden, und es
ergaben sich bei genauer Betrachtung der Daten
0
2