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 

Angebots- und Transaktionspreise 

von selbstgenutztem Wohneigentum 

im Ländlichen Raum 

Asking prices and sale prices of 

owner-occupied houses in rural 

regions of Germany 

Dipl.-ing. Michael Dinkel 

Wissenschaftlicher Mitarbeiter, Fachgebiet Immobilienökonomie, 

Technische Universität Kaiserslautern 

E-Mail: michael.dinkel@bauing.uni-kl.de 

Dr. rer. pol. Dipl.-kfM Björn-Martin kurzrock MSre (gSu) 

Professor als Juniorprofessor für Immobilienökonomie, Fachgebiet Immobilienökonomie, 

Technische Universität Kaiserslautern 

E-Mail: bjoern.kurzrock@bauing.uni-kl.de 

zusammenfassung 

Diese Studie untersucht Angebots- und Transaktionspreise von selbstgenutztem Wohneigentum im 

Ländlichen Raum. Erstmals in Deutschland werden Kontrahierungsabschläge für eine größere Stichprobe 

von Primärdaten erhoben und ausgewertet. 

Hierfür werden in sechs rheinland-pfälzischen Landkreisen 1.274 Fälle analysiert, für die Angebots- und 

Transaktionsdaten aus dem Zeitraum 2007 bis 2009 erhoben wurden. Im Ergebnis wurde festgestellt, 

dass der prozentuale Kontrahierungsabschlag im Durchschnitt mindestens 15,2% und der absolute 

Kontrahierungsabschlag mindestens 20.605 € beträgt. 

Die Höhe der Kontrahierungsabschläge wurde in Regressionsmodellen analysiert. Hierbei sind 31 Variablen 

untersucht worden, die nach Angaben aus der Sekundärliteratur einen Einfluss erwarten lassen. 

Es zeigte sich, dass kein linearer Zusammenhang besteht und der Kontrahierungsabschlag mit den 

untersuchten Modellen, die sich vornehmlich an internationalen Studien über nicht-ländliche Regionen 

orientieren, nicht prognostizierbar ist. Marktmechanismen in ländlichen Regionen scheinen deutlich 

anderen Regeln zu folgen als in verdichteten Räumen. 

Im Rahmen der Untersuchung stellte sich heraus, dass Angebotsdaten natürliche Restriktionen 

aufweisen, insbesondere wenn sie, wie in der Praxis häufig der Fall, über EDV-Programme unvollständig 

von Webseiten ausgelesen werden. Die Datenproblematik und mögliche Lösungsansätze bilden den 

Abschluss und weisen auf Ansatzpunkte für weitere Analysen hin. 

5



a. einführung 

Der Ländliche Raum Deutschlands weist in 

großen Teilen strukturelle Defizite auf, die direkt 

oder indirekt auf den demographischen Wandel 

zurückzuführen sind. Mindeststandards etwa in 

der Nahversorgung sind in der Folge oftmals nicht 

mehr aufrechtzuerhalten. Eines der wichtigsten 

Kriterien zur Beurteilung von Immobilien, nämlich 

die Lage, wirkt sich damit negativ auf Immobilienwerte 

in Ländlichen Räumen aus. 

Der demographische Wandel ist zunehmend im 

Blickpunkt der Massenmedien. Dabei geraten 

außer Ostdeutschland auch ländliche Regionen wie 

in Südniedersachsen, Ostfriesland, Nordhessen, 

Hohenlohe, der Oberpfalz, der Schwäbischen Alb, 

der Pfalz oder dem Frankenwald in den Fokus. 1 

Gleichwohl ist festzustellen, dass der Zusammenhang 

zwischen Angebots- und Transaktionspreisen 

von Immobilien weitestgehend unerforscht 

ist. Dies gilt auch für mögliche Faktoren, die den 

Kontrahierungsabschlag (Differenz zwischen 

Angebots- und Transaktionspreis) beeinflussen. 

Angebotsdaten, wie sie zum Beispiel bei Internetportalen 

wie ImmobilienScout24 oder Immonet zu 

finden sind, weisen eine hohe räumliche Tiefe und 

Aktualität auf und sind der Regel frei verfügbar, 

wenn auch aufwändig manuell zu erheben. Die 

Angebote enthalten in der Regel auch einige 

Gebäudedaten (z.B. Wohnfläche), die von Inter- 

esse sind. Der große Nachteil ist, dass nur in 

wenigen Fällen die Angebotspreise auch den 

späteren Transaktionspreisen entsprechen. In 

Auswertungen mit Angebotsdaten werden daher 

in der Regel Modifikationen vorgenommen, die im 

Einzelnen nicht offengelegt werden und empirisch 

nicht abgesichert sind. 

Die Kaufpreissammlungen der Gutachterausschüsse 

sind eine flächendeckende Quelle für 

tatsächliche Transaktionspreise. Nach § 193 

BauGB müssen alle Grundstückskaufverträge den 

Gutachterausschüssen übermittelt werden. In der 

Regel enthalten die Kaufpreissammlungen neben 

dem tatsächlichen Transaktionspreis wenige 

weitere Daten. Aufgrund der flächendeckenden 

Erhebung weisen diese Daten eine hohe räumliche 

Tiefe und Aktualität auf. Landesrechtliche 

Datenschutzvorschriften beschränken allerdings 

die Einsicht in Kaufpreissammlungen. 

6 

Ziel dieser Arbeit ist zunächst die Ermittlung des 

Kontrahierungsabschlags auf Basis von Angebots- 

preisen und Transaktionspreisen der Kaufpreissammlung 

im Ländlichen Raum. Im Anschluss 

daran sollen Variablen identifiziert werden, welche 

die Höhe des Kontrahierungsabschlags beeinflussen. 

Eine genauere Kenntnis hierüber könnte 

beispielsweise bei der Bildung hedonischer 

Preisindizes Anwendung finden und zu einem 

besseren Verständnis von Angebotsdaten führen. 2 

Die Arbeit wertet erstmals in Deutschland diese 

beiden Datenquellen gemeinsam aus. 

Unter Einbeziehung von Primär- und Sekundärdaten 

werden folgende fünf Hypothesen untersucht: 

Hypothese 1: Der Angebotspreis ist signifikant 

höher als der Verkaufspreis. 

Der Angebotspreis ist der maximale Preis, den ein 

Käufer zu zahlen bereit ist. In der Regel wird der 

Transaktionspreis unter dem Angebotspreis liegen 

(Kontrahierungsabschlag). US-Studien und eine 

deutsche Studie weisen auf einen Kontrahierungsabschlag 

zwischen 5% bis 11% hin, der jedoch in 

Deutschland noch nicht auf Basis von Angebots- 

und Transaktionsdaten verifiziert wurde. 3 

hypothese 2: Der kontrahierungsabschlag 

sinkt mit zunehmender Transparenz des Immobilienmarktes. 

Die Transparenz des Immobilienmarktes ist insbesondere 

abhängig von der Anzahl der Kauffälle 

und der Marktgröße. Der Kontrahierungsabschlag 

ist in transparenteren Märkten geringer, da sich 

Käufer und Verkäufer an bereits abgeschlossenen 

Kaufverträgen orientieren können. 

Hypothese 3: Die Bevölkerungsentwicklung 

der 20- bis 50-jährigen in den vergangenen 

fünf Jahren beeinflusst den Kontrahierungsabschlag 

negativ. 

Die 20- bis 50-Jährigen sind die wichtigste 

Käufergruppe für Wohnimmobilien. 4 Bedingt 

durch den demographischen Wandel nimmt die 

Zahl der wohneigentumsbildenden Bevölkerung 

ab. Vor allem im Ländlichen Raum kann die 

sinkende lokale Nachfrage durch externe Käufer 

nicht kompensiert werden. Diese Entwicklungen 

erkennen die Verkäufer von Immobilien nicht



(„time-lag“) und setzen zu hohe Angebotspreise 

fest, da sie die Nachfrage überschätzen. 

Hypothese 4: Hochwertige Immobilien weisen 

einen geringeren prozentualen Kontrahierungsabschlag 

auf als geringwertige Immobilien. 

Die optimale Vermarktungsstrategie für geringwertige 

Immobilien ist ein relativ hoher Angebotspreis, 

der schrittweise gesenkt und der relativ großen, 

aber unbekannten Nachfrage angepasst wird. 

Sehr hochwertige Immobilien generieren eine 

kleinere Nachfrage, die nicht durch zu hohe Angebotspreise 

weiter verkleinert werden sollte. Aus 

diesem Grund wird in der Regel ein Angebotspreis 

gewählt, der knapp über dem gewünschten erzielbaren 

Verkaufspreis liegt. 

hypothese 5: ein hohes interesse am immobilienangebot 

im internet mindert den kontrahierungsabschlag. 

Das Immobilienmarketing im Internet gewinnt 

zunehmend an Bedeutung, da Immobilienangebote 

vielen potenziellen Käufern zugänglich sind. 

Eine hohe Performance (Klicks pro Angebot) 

deutet auf ein attraktives Immobilienangebot, an 

dem eine hohe Nachfrage besteht, sodass der 

Käufer nur einen geringen (keinen) Preisnachlass 

erwarten kann. 

Den Untersuchungsraum bilden rheinlandpfälzische 

Landkreise im Ländlichen Raum. Der 

Analysezeitraum erstreckt sich vom 01.01.2007 

bis zum 31.12.2009. Angebotsdaten werden von 

ImmobilienScout24 bereitgestellt und mit Transaktionsdaten 

der zuständigen Gutachterausschüsse 

abgeglichen. Beide Datensätze werden zusammengeführt 

und um weitere Daten ergänzt, die 

einen Einfluss auf den Kontrahierungsabschlag 

erwarten lassen. Die Überprüfung der Hypothesen 

und die Bestimmung von Einflussfaktoren erfolgt 

mit Hilfe von Regressionsmodellen. 

B. Definitionen und Forschungsstand 

Der Begriff „Ländlicher Raum“ bezeichnet den 

Untersuchungsraum dieser Arbeit. Hierfür werden 

gängige Raumabgrenzungen des Bundesinstituts 

für Bau-, Stadt- und Raumforschung (BBSR) 

herangezogen. Ein „Ländlicher Raum“ weist 

demnach eine relativ geringe Bevölkerungsdichte 

7 

und schlechte Erreichbarkeit von Zentralen Orten 

auf, kann aber gleichzeitig auch städtische Zentren 

beinhalten. 5 Der Ländliche Raum nimmt ca. 60% 

der Fläche Deutschlands ein mit etwa 20% der 

Gesamtbevölkerung und 11% der Beschäftigten. 

Die Verteilung ist regional sehr unterschiedlich. 

In Mecklenburg-Vorpommern, Thüringen, Brandenburg 

und Sachsen-Anhalt wohnen mehr als 

ein Drittel der Bevölkerung im Ländlichen Raum, 

in Baden-Württemberg, Hessen, Nordrhein-Westfalen 

und dem Saarland nicht einmal 10%. 6 

Wohnimmobilienmärkte und Ländlicher Raum 

Die Bedingungen eines vollkommenen Marktes, 

d.h. keine persönlichen, räumlichen und zeitlichen 

Präferenzen, vollkommene Markttransparenz, 

Homogenität der Güter und unendlich schnelle 

Reaktion der Marktteilnehmer auf geänderte 

Marktbedingungen, sind auf Immobilienmärkten 

weitgehend unerfüllt. Vor allem bei selbstgenutztem 

Wohneigentum sind persönliche Präferenzen 

kaufentscheidend. Ebenso ist der Immobilienmarkt 

durch mangelnde Markttransparenz 

geprägt. Die Bedingung der unendlich schnellen 

Reaktionszeit ist aufgrund von hohen Transaktionskosten 

und Investitionssummen unerfüllt. 

Zudem sind Immobilien High-Involvement-Käufe – 

vorschnelle Kaufentscheidungen durch geänderte 

Marktbedingungen sind so eher die Ausnahme als 

die Regel. 7 

Der Wohnimmobilienmarkt Deutschland wird durch 

Ein- und Zweifamilienhäuser geprägt, die 82,9% 

der Wohngebäude und 45,9% des Wohnungsbestandes 

ausmachen. Insbesondere im Ländlichen 

Raum dominieren Ein- und Zweifamilienhäuser mit 

bis zu 97% den Gebäudebestand. Seit Mitte der 

1990er Jahre lässt sich beobachten, dass Wohneigentumsbildung 

zunehmend durch Gebraucht- 

erwerb stattfindet. Im Zeitraum 2004 bis 2007 

waren Bestandsobjekte in 56% der Transaktionen 

Kaufgegenstand, gegenüber 46% zwischen 1994 

und 1997. Bestandsobjekte sind im Durchschnitt 

deutlich günstiger (151.000 €) als Neubauten 

(247.000 €). 8 

Der Indikator „Vielfaches der Kaufkraft“ setzt 

die örtlichen Transaktionspreise und das lokale 

verfügbare Einkommen in Relation und ermöglicht 

den Vergleich zwischen Kaufpreis- und 

Kaufkraftniveaus (Tabelle 1). Es zeigt sich, dass 

im Ländlichen Raum der Eigentumserwerb in der



Tabelle 1: Kaufpreise von selbstgenutztem Wohneigentum differenziert nach Raumkategorien 

ländergruppe eigenheim freistehend Doppelhaushälfte reihenhaus 

tsd. € / 

Objekt 

Median 

Vielfaches 

Kaufkraft d. 

ländergruppe 

Regel leichter möglich ist als in anderen Raumkategorien. 

Diese Tatsache ist ein wichtiger Grund, 

weshalb der Ländliche Raum trotz der genannten 

Probleme (z.B. Nahversorgungsstrukturen) ein 

attraktiver Wohnstandort sein kann. 9 

erläuterungen der preis- und Werttheorie am 

Beispiel des Immobilienmarktes 

Die Begriffe Preis und Wert werden umgangssprachlich 

oft synonym gebraucht, besitzen aber 

nach der Preis- und Werttheorie unterschiedliche 

Bedeutungen. 10 Zur Begriffsbestimmung werden 

die englischen Termini „value“ und „worth“ 

gebraucht, die „Wert“ präzisieren (Abbildung 1). 

„Value“ bezeichnet einen objektiven Wert und 

entspricht weitestgehend dem Wertbegriff 

(Verkehrswert oder Marktwert) in Gesetzen, 

Verordnungen und Gutachten. Der Verkehrswert 

ist nach Feststellung des BGH keine mathematisch 

exakt berechenbare Größe, sondern 

tsd. € / 

Objekt 

Median 

8 

Vielfaches 

Kaufkraft d. 

ländergruppe 

tsd. € / 

Objekt 

Median 

Vielfaches kaufkraft 

d. Ländergruppe 

Deutschland 234 6,5 208 5,8 188 5,2 

Agglomerationsräume 

285 7,9 258 7,1 227 6,3 

Verstädterte Räume 246 6,8 217 6,0 197 5,4 

Ländliche Räume 186 5,2 166 4,6 153 4,2 

Eigene Darstellung. Quelle: Sigismund 2006, S. 350. 

Verkäufer 

Angebotspreis 

Subjektiver Wert 

(worth) 

Abbildung 1: Subjektiver Wert, objektiver Wert und Preis 

Eigene Darstellung. 

Gutachter 

Objektiver Wert 

(value) 

Transaktionspreis 

(price) 

stellt natürlich eine Schätzung dar. In der Rechtsprechung 

werden unter „Normalverhältnissen“ 

Toleranzgrenzen zwischen Transaktionspreis und 

dem ermittelten Verkehrswert von bis zu ±30% 

verstanden. 11 

Der Begriff „worth“ bezeichnet den subjektiven 

(individuellen) Wert eines Gutes für Käufer und 

Verkäufer und beinhaltet alle relevanten und 

verfügbaren Informationen. Dieser Wert kann durch 

differierende Sichtweisen hinsichtlich künftiger 

Wertentwicklungen beeinflusst werden. Der individuelle 

Wert aus der Sicht des Käufers entspricht 

dem maximalen Kaufpreis, den er zu zahlen bereit 

ist, und kann unter oder über dem Verkehrswert 

liegen. Der Begriff (Transaktions-)Preis bezeichnet 

die Höhe der tatsächlichen Zahlung, auf die sich 

Käufer und Verkäufer geeinigt haben. 12 

Das Fundament der Werttheorie wird durch 

den Überbau der Preistheorie ergänzt, die das 

Zustandekommen von Transaktionspreisen 

Käufer 

(price ≤ worth) 

Subjektiver Wert 

(worth)



erklärt. Nach der Preistheorie steigt die Angebotsmenge 

(Verkaufsbereitschaft) mit höherem 

Preis, während die Nachfrage reziprok abnimmt. 

Das Marktgleichgewicht zeigt den Punkt an, bei 

dem sich Nachfrage und Angebot treffen. In einem 

transaktionsarmen Markt schiebt sich der Gleichgewichtspunkt 

nach links. Sinkt die Nachfrage 

noch weiter, so entsteht ein Bid-Offer-Spread ohne 

Schnittpunkt, d.h. Anbieter und Nachfrager können 

sich auf keinen Preis einigen, und Transaktionen 

bleiben aus. In transaktionsarmen oder transaktionslosen 

Immobilienmärkten („Thin-Markets“), wie 

oft im Ländlichen Raum, können sich Anbieter bei 

der Angebotspreisfestsetzung nicht an früheren 

Transaktionen orientieren. Der Verkäufer steht 

damit vor der schwierigen Aufgabe, einen Angebotspreis 

festzusetzen, der sowohl der eigenen 

als auch der (unbekannten) Preisvorstellung des 

Käufers gerecht wird. 13 

Angebotspreisfestsetzung und Angebotsdauer 

von immobilien 

Der Angebotspreis ist ein Preissignal des 

Verkäufers, zu dem das Objekt grundsätzlich 

verkauft wird, und stellt in der Regel den maximal 

erzielbaren Preis dar. Er dient dem Käufer als 

Orientierungsgröße bei der Unterbreitung eines 

ersten Gebotes, das meist unter dem Angebotspreis 

liegt. 14 Die Angebotsdauer ist der Zeitraum 

zwischen Verkaufsbeginn und Verkauf. 

Das Verkäuferdilemma liegt in zwei Zielsetzungen: 

Das Objekt soll zu einem möglichst hohen Preis 

und gleichzeitig in möglichst kurzer Zeit verkauft 

werden. Der Käufer möchte für einen möglichst 

niedrigen Kaufpreis seinen Nutzen maximieren. Ist 

der Angebotspreis zu hoch, reduziert sich die Zahl 

der potenziellen Käufer, und die Vermarktungszeit 

verlängert sich. Bei einem zu niedrigen Angebotspreis 

steigt die Wahrscheinlichkeit eines schnelleren 

Verkaufs, jedoch wird nicht der maximal 

mögliche Transaktionspreis erreicht. 15 

Kann die Immobilie nicht zu dem ursprünglichen 

Angebotspreis verkauft werden, ergeben sich für 

den Verkäufer drei Möglichkeiten: Er kann den 

Verkauf beenden, weiter auf einen Käufer warten 

oder drittens den Preis senken. 16 Für den letzten 

Fall zeigt Knight (2002, S. 220), dass der Kontrahierungsabschlag 

vor der Angebotspreissenkung 

12,2% und danach 3,2% betrug. Damit erreichte 

der Kontrahierungsabschlag die gleiche Höhe 

9 

(3,1%) wie bei Angeboten mit niedrigeren, aber 

konstanten Angebotspreisen. Der große Unterschied 

liegt in der Vermarktungsdauer, die ohne 

Angebotspreisänderung durchschnittlich 56 Tage 

und mit Angebotspreisänderung 151 Tage betrug. 

Weiterhin lassen sich unterschiedliche Vermarktungsstrategien 

identifizieren. Immobilien, für die 

eine große Nachfrage zu erwarten ist, werden mit 

einem relativ hohen Angebotspreis angeboten. 

Dieser wird schrittweise gesenkt, damit der Angebotspreis 

allmählich der Nachfrage anpasst wird. 

Verkäufer von Immobilien mit einem begrenzten 

Käuferkreis, d.h. mit einem geringen („Schrottimmobilien“) 

oder hohen Wert („Luxusimmobilien“) 

sowie Spezialimmobilien (z.B. Reiterhof), wählen 

einen moderaten, dafür aber konstanten Angebotspreis. 

17 

Einflussfaktoren auf den Kontrahierungsabschlag 

Im Jahr 2009 wurde eine Studie durch empirica 

vorgelegt, welche die Anwendungsmöglichkeiten 

von Angebotsdaten für eine flächendeckende 

Immobilienpreisbeobachtung von Eigentumswohnungen 

und Einfamilienhäusern in Nord- 

rhein-Westfalen überprüft. 18 Zwar werden darin 

zur Ermittlung des Kontrahierungsabschlags 

Angebotspreise mit Transaktionspreisen von 

Maklern und nicht aus der Kaufpreissammlung 

verglichen, jedoch können relevante 

Erkenntnisse abgeleitet werden. Der durchschnittliche 

Kontrahierungsabschlag für Einfamilienhäuser 

beträgt 8,1% in einer Spanne von 

11,5% bis 4,8%. Als mögliche Einflussfaktoren 

werden Baujahr, Grund- und Wohnfläche, Anzahl 

der Zimmer und Angebotsdauer analysiert. Eine 

hohe Erklärungskraft weist die Angebotsdauer 

auf. Ebenso sind die Dummy-Variablen „Baujahr 

2000er“ und „Baujahr 1900-1940“ signifikant. 

Darüber hinaus sind keine weiteren Studien aus 

Deutschland oder anderen europäischen Ländern 

zu dieser Thematik bekannt. In Großbritannien 

gibt es zwar eine ähnliche Studie, deren Ergebnisse 

aber nicht auf Deutschland übertragbar sind. 

In Deutschland entspricht der Angebotspreis in 

der Regel dem maximalen Kaufpreis, während in 

Großbritannien der Angebotspreis eine „Verhandlungsbasis“ 

darstellt. Daher liegen die Transaktionspreise 

gleichmäßig über oder unter dem 

Angebotspreis. 19



Für die Konzeption der Regressionsmodelle 

werden daher in dieser Arbeit zusätzlich die 

Ergebnisse von US-Studien einbezogen. In den 

USA hat der Angebotspreis die gleiche Preissignalfunktion 

wie in Deutschland. Alle genannten 

Studien beziehen Daten des American Housing 

Survey (AHS) ein, bei welcher Eigentümer den 

Wert ihrer Immobilie schätzen müssen. Anschließend 

erfolgt ein Abgleich mit dem später erzielten 

Transaktionspreis. Zusätzlich erhebt der AHS 

zahlreiche weitere Faktoren, die sich in objektbezogene 

Ausstattungsmerkmale (Bad, Wohnfläche 

etc.) und sozioökonomische Merkmale des Eigentümers 

(Alter, Einkommen, Ethnizität, Bildung) 

gliedern. Ergänzend kann auch die Angebotsdauer 

berechnet werden. AHS-basierte Studien 

können den Einfluss zahlreicher Variablen auf den 

Kontrahierungsabschlags messen. Die Ergebnisse 

geben Hinweise auf signifikante Variablen, die im 

Rahmen dieser Arbeit Berücksichtigung finden. 

Keinen Einfluss auf den Kontrahierungsabschlag 

hat nach Ihlandfeldt & Martinez-Vazques (1986, 

S. 364) und Kiel & Zabel (1999, S. 284) das 

Bildungsniveau des Eigentümers. Ihlandfeldt & 

Martinez-Vazques (1986, S. 364) stellen fest, dass 

die Merkmale Alter, Einkommen und Ethnizität 

einen Einfluss auf den Kontrahierungsabschlag 

haben, was durch Goodman & Ittner (1992, S. 

353) nur teilweise bestätigt wird. Aufgrund unterschiedlicher 

Gesellschaftsstrukturen in den USA 

und Deutschland sind diese Ergebnisse kaum 

auf Deutschland übertragbar. Eine Untersuchung 

hinsichtlich der Variable „Ethnizität“ wäre für 

Deutschland in bestimmten Räumen ebenfalls 

sinnvoll, entfällt aber aufgrund fehlender Daten. 

Den Einfluss von Objektmerkmalen wie der Wohnfläche 

auf den Kontrahierungsabschlag bestätigen 

alle US-Studien. Übereinstimmend kommen 

Ihlandfeldt & Martinez-Vazques (1986), DiPas- 

Objektbezogene 

Variablen 

Lagebezogene 

Variablen 

kontrahierungsabschlag 

Sozioökonomische 

Variablen 

Abbildung 2: Einflussfaktoren auf den Kontrahierungsabschlag 


10 

quale & Somerville (1995) und Kiel & Zabel (1999) 

zu dem Ergebnis, dass verkaufswillige Eigentümer 

den Wert des Hauses höher einschätzen als Eigentümer, 

die ihr Haus nicht verkaufen wollen. Kiel & 

Zabel (1999, S. 277) stellen fest, dass Eigentümer 

mit Verkaufsabsichten den Wert ihrer Immobilien 

um ca. 9% überschätzen. Dieser durchschnittliche 

Wert weicht regional stark ab und bewegt sich in 

einer Spanne von 5-14%. Ein ähnliches Ergebnis 

weist auch die empirica-Studie auf. 20 

Ihlandfeldt & Martinez-Vazques (1986, S. 363) 

führen aus, dass in einem nicht-volatilen Immobilienmarkt 

die Eigentümer den Wert ihrer Immobilie 

sehr gut einschätzen können. Kiel & Zabel (1999, 

S. 281) bestätigen dieses Ergebnis und ergänzen, 

dass auch der Immobilienzyklus keinen Einfluss 

auf die Genauigkeit des Kontrahierungsabschlags 

ausübt. Goodman und empirica stellen hingegen 

einen Einfluss des Immobilienzyklus fest und 

kommen zu dem Ergebnis, dass in volatilen 

Märkten die Eigentümer über veraltete Informationen 

verfügen („time-lag“) und so den aktuellen 

Marktpreis deutlich schlechter einschätzen 

können. 21 

Die Studien zeigen, dass Schätzungen der Eigentümer 

grundsätzlich über den Transaktionspreisen 

liegen. Zudem hängen die Einflussvariablen sehr 

stark von lokalen und zeitlichen Besonderheiten 

ab, sodass Ergebnisse nur bedingt verallgemeinert 

werden können. Für die Ergebnisse der vorliegenden 

Arbeit bedeutet dies, dass sie ebenfalls in 

ihrem zeitlichen und lokalen Kontext eingebettet 

interpretiert werden müssen. 

c. Datengrundlagen und Methodik 

Die meisten Studien, die den Kontrahierungsabschlag 

untersuchen, beschränken sich auf 

einzelne Einflussgruppen, da die Datenverfügbar- 

Internetbezogene 

Variable 

Marktbezogene 

Variablen



keit begrenzt ist. Beispielsweise haben eigentümerbezogene 

Einflussfaktoren einen Einfluss auf 

den Kontrahierungsabschlag, 22 können aber in 

dieser Arbeit aus datenschutzrechtlichen Gründen 

zunächst nicht einbezogen werden. Die Studie 

betrachtet vor dem Hintergrund Variablen, die 

frei zugänglich sind und einen Einfluss erwarten 

lassen (Abbildung 2). 

Das Regressionsmodell wird in Kapitel D 

beschrieben. 

Auswahl und Beschreibung der 

untersuchungsräume 

Den Untersuchungsraum der Arbeit bilden Landkreise 

in Rheinland-Pfalz, die dem Ländlichen 

Raum zugeordnet werden. Diese werden in einem 

mehrstufigen Verfahren ermittelt. 

Zuerst werden alle kreisfreien Städte und Landkreise, 

die nicht der Raumkategorie „Ländlicher 

Raum“ entsprechen, ausgeschlossen. 23 Dies 

betrifft vor allem Landkreise im östlichen und 

nördlichen Rheinland-Pfalz („Rheinschiene“) mit 

einer hohen Bevölkerungsdichte. In einem zweiten 

Schritt entfallen die Landkreise Trier-Saarburg und 

Bitburg-Prüm; hier ist der Wohnungsmarkt stark 

durch Käufer aus Luxemburg geprägt, woraus sich 

unerwünschte Sondereffekte ergeben. 24 Schließlich 

wird der Landkreis Birkenfeld ausgeschlossen, 

der zwar eine hohe Ländlichkeit aufweist, aber mit 

einem Bevölkerungsanteil von rund 37% stark 

durch die kreisangehörige Stadt Idar-Oberstein 

geprägt ist. 

Als Untersuchungsgebiete bleiben nach diesem 

dreistufigen Verfahren die sechs Landkreise Bernkastel-Wittlich, 

Cochem-Zell, Vulkaneifel, Kusel, 

Südwestpfalz und der Rhein-Hunsrück-Kreis. 

In den sechs Landkreisen leben 513.000 

Einwohner in 625 Ortsgemeinden. Aufgrund der 

kleinteiligen Siedlungsstruktur gibt es nur drei Orte 

mit mehr als 10.000 Einwohnern, aber 356 Orte 

mit weniger als 500 und 148 Orte mit bis zu 1.000 

Bürgern. Der Untersuchungsraum ist hinsichtlich 

der Siedlungsstruktur weitgehend homogen. Auch 

die Bevölkerungsstruktur ist in allen sechs Landkreisen 

ähnlich. Der wohneigentumsbildenden 

Bevölkerungsgruppe (20-50-Jährige) gehören 

38% der Einwohner an. Rund 42% der Bevölkerung 

sind älter als 50 Jahre. 

11 

Im Zeitraum 2005 bis 2009 schrumpfte die Bevölkerung 

in den sechs Landkreisen ähnlich um 

2,7% bis 4,2%. Besonders gilt dies für die 

Altersgruppen der unter 20-Jährigen und der 

35-50-Jährigen, in geringem Maße auch für die 

der 20-35-Jährigen. Demographisch gesehen 

verringerte sich der Anteil der wohneigentumsbildenden 

Gruppen gegenüber dem Anteil der über 

50-Jährigen. Unter der Annahme, dass in hohem 

Alter Wohneigentum verstärkt verkauft wird, z.B. 

zur Rentenaufbesserung oder durch Veräußerung 

nach einem Erbfall, trifft eine sinkende Nachfrage 

auf ein steigendes Angebot. Dies lässt einen 

steigenden Kontrahierungsabschlag erwarten, da 

Verkäufer die abgeschwächte Nachfrage erst mit 

Verzögerung („time-lag“) wahrnehmen. 25 

Transaktionsdaten aus der Kaufpreissammlung 

der gutachterausschüsse 

In Rheinland-Pfalz werden Gutachterausschüsse 

in der Regel für Landkreise und kreisfreie Städte 

gebildet. Einige Gutachterausschüsse umfassen 

mehrere Gebietskörperschaften. Jeder Kaufvertrag 

im Bereich des Grundstückswesens ist in 

Abschrift dem Gutachterausschuss für Zwecke 

der Kaufpreissammlung vorzulegen. Die Kaufpreissammlung 

enthält pro Grundstück folgende 

Angaben: 26 

1) Beschreibende Merkmale des Grundstücks 

(Lagebezeichnungen, Grundbuchbezeichnungen 

etc.) 

2) Daten des Kaufvertrags 

(Kaufpreis, Vertragspartner, Art des Kaufgegenstandes) 

3) Daten des Grundstücks und seiner Gebäude 

(Grundstücksfläche, sonstige Flächen, 

Baujahr etc.) 

4) Bewirtschaftungsdaten 

(Mieten, Pachten, Betriebskosten etc.) 

5) Rechtliche Bedingungen 

(Planungsrecht, GFZ, GRZ, Art der Nutzung, 

Leitungsrechte etc.) 

6) Wertermittlungsdaten 

(Bodenrichtwert, Lageklassen, Mietspiegelwerte)



Für diese Studie wurde durch den OGA Rheinland- 

Pfalz und die zuständigen Gutachterausschüsse 

Einsicht in die Kaufpreissammlung gewährt. 

angebotsdaten von immobilienScout24 

Das Immobilienmarketing im Internet erlangt 

größere Bedeutung gegenüber klassischen 

Offline-Vermarktungskanälen. Eine aktuelle 

Umfrage unter 1.308 Maklerunternehmen hat 

ergeben, dass 98% ein Immobilienportal nutzen 

und 95% diesen Vermarktungskanal als wichtig 

oder sehr wichtig einstufen. Die Bedeutung des 

Immobilienmarketings auf der Anbieterseite korrespondiert 

mit dem geänderten Suchverhalten von 

Privatpersonen. Einer gemeinsamen Umfrage 

von INNOFACT und der Scout24-Gruppe zufolge 

nutzen 74% der Deutschen das Internet bei der 

Immobiliensuche. Der Vorteil liegt in der erleichterten 

Suche nach Angeboten und den Vergleichsmöglichkeiten 

der Angebote hinsichtlich Preis und 

Ausstattung. 27 

ImmobilienScout24 ist die größte Angebotsplattform 

im Internet für Immobilien in Deutschland mit 

ca. 1,2 Millionen Angeboten pro Monat. Darüber 

hinaus rufen monatlich 4,5 Millionen Besucher über 

250 Millionen Objektexposés von 70.000 privaten 

und 40.000 gewerblichen Immobilienanbietern 

ab. 28 Anbieter machen bei ImmobilienScout24 

sechs Pflichtangaben und bis zu 35 optionale 

Angaben pro Objekt. Prinzipiell ist davon auszugehen, 

dass ein Anbieter über die Basisangaben 

hinaus Informationen zusammenstellt, damit der 

Käufer einen besseren Eindruck von der Immobilie 

erlangt und der Anreiz zur Kontaktaufnahme steigt. 

Im Rahmen dieser Arbeit stellte Immobilien- 

Scout24 für den Untersuchungsraum alle Angebote 

bereit, die im Zeitraum 01.01.2007 bis 31.12.2009 

auf der Internetplattform eingestellt waren. 

Weitere Daten 

Einige zusätzliche Variablen basieren auf Daten 

des Statistischen Landesamtes Rheinland-Pfalz. 

Darüber hinaus stellte das Ministerium für Wirtschaft, 

Verkehr, Landwirtschaft und Weinbau 

Daten zur Zentrenerreichbarkeit bereit, die teilweise 

auf der Arbeit von Waluga (2009) basieren. 

Kaufkraftdaten von MB-Research entstammen der 

Seite www.rewob.de (Regionalisierte Wohnungsmarktbeobachtung 

Rheinland-Pfalz). 

12 

zusammenführung der Daten und aufbau der 

Datenbank 

Die Zusammenführung der Angebots- und 

Transaktionsdaten erfolgt über das Merkmal 

Adresse. Die Zuordnung der Transaktionspreise 

geschieht vor Ort bei den zuständigen 

Gutachterausschüssen. Darüber hinaus stehen 

weitere Angaben (z.B. Grundstücksfläche) zur 

Verfügung, die in Zweifelsfällen eine genaue 

Zuordnung der Angebots- und Kaufpreisdaten 

ermöglichen. Anschließend wird jeder Fall um 

die amtliche Gemeindekennziffer (= Schlüssel- 

variable) ergänzt, mit der weitere Variablen zuordenbar 

sind. Die Löschung des Merkmals Adresse 

aus der Datenbank wird aus datenschutzrechtlichen 

Gründen sofort vorgenommen. Ein Rückschluss 

auf einzelne Grundstücke innerhalb eines 

Ortes ist damit im Anschluss nicht mehr möglich. 

D. analyse 

Der Untersuchungszeitraum erstreckt sich vom 

01.01.2007 bis zum 31.12.2009. Bei Übereinstimmung 

der Daten erfolgte die Aufnahme in die 

Datenbank erst, wenn bei der Transaktion vom 

„gewöhnliche(n) Geschäftsverkehr“ (§ 194 BauGB) 

ausgegangen werden kann. Die häufigsten 

Gründe für einen Ausschluss waren Zwangsversteigerungen 

oder Kauffälle unter Verwandten. 

Insgesamt konnten 1.274 Fälle identifiziert werden, 

welche die Auswahlkriterien erfüllten. 

In einem ersten Schritt wird die Gesamtzahl der 

Kauffälle den Kauffällen gegenübergestellt, für die 

sowohl ein Angebots- als auch ein Transaktionspreis 

vorliegen. Insgesamt konnte je Landkreis für 

16% bis 26% der Transaktionen ein Angebotspreis 

zugeordnet werden (Tabelle 2). 

In der Stichprobe ist dennoch der durchschnittliche 

Transaktionspreis deutlich höher als in der Grundgesamtheit. 

Eine mögliche Erklärung für dieses 

Phänomen ist, dass Verkäufer von geringwertigen 

Grundstücken sehr oft einen Käufer in der direkten 

Nachbarschaft oder im eigenen Ort finden müssen, 

da das Objekt für Ortsfremde eher uninteressant ist 

(Stichwort: Schrottimmobilie, Zukäufe). Die Immobilienvermarktung 

im Internet hat daher in diesen 

Fällen keine oder nur geringe Bedeutung. Die 

Verkäufer von sehr hochwertigen Immobilien sind 

stärker darauf angewiesen, dass viele potenzielle 

Käufer auf ihre Immobilie aufmerksam werden, da



Tabelle 2: Deskriptiver Vergleich der Transaktionspreise (empirische Stichprobe vs. Grundgesamtheit) differenziert 

nach den untersuchten Landkreisen 

Eigene Darstellung. Quelle: Gutachterausschuss. 

Südwestpfalz kusel Rhein-Hunsrück-Kreis 

Gesamt Stichprobe Gesamt Stichprobe Gesamt Stichprobe 

Anzahl 1.249 243 898 232 1.204 187 

Minimum 150 € 13.700 € 1 € 6.500 € 750 € 15.000 € 

Maximum 480.000 € 480.000 € 485.000 € 462.500 € 475.000 € 320.000 € 

Median 100.000 € 120.000 € 85.000 € 95.000 € 102.000 € 133.000 € 

Mittelwert 110.012 € 131.994 € 102.177 € 113.056 € 110.877 € 133.869 € 

Vulkaneifel & Cochem-Zell 29 Bernkastel-Wittlich untersuchungsgebiet 

Gesamt Stichprobe Gesamt Stichprobe Gesamt Stichprobe 

Anzahl 1.917 370 1319 242 6.587 1.274 

Minimum 4 € 7.500 € 0 € 17.000 € 1 € 6.500 € 

Maximum 472.500 € 445.000 € 395.000 € 350.000 € 480.000 € 480.000 € 

Median 80.000 € 92.000 € 83.000 € 96.750 € n.b. 106.000 € 

Mittelwert 95.000 € 103.055 € 98.488 € 108.797 € 102.425 € 116.010 € 

die Nachfrage im eigenen Ort oder der näheren 

Umgebung begrenzt ist. Ein weiterer Grund kann 

darin liegen, dass mit steigendem Objektwert die 

Inanspruchnahme von Maklern steigt, die stärker 

internetbasiert vermarkten. 

Deskriptive Analyse der Angebots- und Transaktionspreise 

Die Angebotspreise sind überwiegend höher als 

der spätere Transaktionspreis. Insgesamt liegen 

nur 31 Transaktionspreise (2,1%) über dem Angebotspreis, 

und in 103 Fällen (8,1%) sind beide 

gleich, d.h. circa 90% der Transaktionspreise sind 

niedriger als der letztgenannte Angebotspreis. In 

Abbildung 3 stellt jeder Punkt ein Objekt dar, für das 

Angebots- und Transaktionspreis bekannt sind. 

Besonders bei Angebotspreisen über 300.000 € 

treten zum Teil sehr hohe absolute Abschläge auf. 

Angebots- und Transaktionspreise zeigen ähnliche 

Muster in der deskriptiven Statistik. Die Angebotspreise 

weisen allerdings einen höheren Mittelwert 

und Median sowie eine höhere Standardabweichung 

auf (Tabelle 3). 

13 

Kaufpreis 

500.000 € 

400.000 € 

300.000 € 

200.000 € 

100.000 € 

0 € 

0 € 

100.000 € 

200.000 € 300.000 € 

Angebotspreis 

400.000 € 

500.000 € 

abbildung 3: gegenüberstellung der angebots- und 

Transaktionspreise 

Eigene Darstellung. Quelle: Gutachterausschuss, Immobilien- 

Scout24.



Tabelle 3: Deskriptive Statistik der Angebots- und Transaktionspreise 

n = 1.274 angebotspreis Transaktionspreis 

Mittelwert 136.615 € 116.010 € 

Median 126.500 € 106.000 € 

Standardabweichung 79.249 € 68.683 € 

Minimum 5.000 € 6.500 € 

Maximum 520.000 € 480.000 € 

Schiefe 1,330 1,174 

Kurtosis 2,836 2,362 

Eigene Darstellung. Quelle: Gutachterausschuss, ImmobilienScout24. 

Beide Gruppen sind rechtsschief verteilt, und die 

positive Kurtosis zeigt, dass niedrigere Werte 

häufiger vorkommen, als bei Normalverteilung 

zu erwarten wäre. Der Median deutet auf das 

Vorhandensein von Extremwerten hin, da dieser 

Wert stark vom arithmetischen Mittel abweicht. 

Das Minimum des Angebotspreises ist niedriger 

als beim Transaktionspreis. Dies ist einer der 31 

„Sonderfälle“, in denen der spätere Transaktionspreis 

über dem Angebotspreis liegt. 

Deskriptive Analyse des prozentualen und 

absoluten kontrahierungsabschlags 

Der prozentuale Kontrahierungsabschlag beträgt 

im Durchschnitt 15,2% und ist im Rhein-Hunsrück-Kreis 

mit 14,5% am niedrigsten und in der 

Vulkaneifel mit 16,2% am höchsten. Der absolute 

Abschlag entspricht im Mittel 20.605 €. Die sehr 

hohe Standardabweichung sowie der Median 

zeigen, dass der Mittelwert durch Extremwerte 

stark beeinflusst wird. Die Verteilung des absoluten 

Tabelle 4: Deskriptive Statistik des absoluten und prozentualen Kontrahierungsabschlags 

14 

Kontrahierungsabschlags ist deutlich linksschief 

und sehr steil (Tabelle 4). 

In ca. 90% der Fälle können die Eigentümer ihre 

Preisvorstellungen nicht realisieren und erzielen 

einen Transaktionspreis, der unter dem Angebotspreis 

liegt. Die Hälfte der Verkäufer reduzierte 

den Preis um mindestens 12,3%, ein Viertel um 

mindestens 21,7%, und 10% mussten den Angebotspreis 

um über ein Drittel senken (Tabelle 5). 

Im Gegensatz hierzu konnten 10% der Verkäufer 

mindestens den Angebotspreis erzielen. Insbesondere 

bei Fällen, in denen der Transaktionspreis 

über dem Angebotspreis liegt, ist zu beachten, 

dass die Zeiträume zwischen Angebotserstellung 

und Kaufdatum nicht identisch sind. Es ist in Einzelfällen 

möglich, dass wertsteigernde Maßnahmen 

zu dem höheren Preis führten. 

n = 1.274 absoluter kh Prozentualer KH 

Mittelwert - 20.605 € - 15,2% 

Median - 13.500 € - 12,3% 

Standardabweichung 26.368 € 14,4% 

Minimum - 254.000 € - 75,0% 

Maximum 69.000 € 90,0% 

Schiefe -3,597 - 0,663 

Kurtosis 21,556 4,292 

Eigene Darstellung. Quelle: Gutachterausschuss, ImmobilienScout24.



Tabelle 5: Prozentuale Verteilung der Kontrahierungsabschläge 

Perzentile Prozentualer KH absoluter kh 

Kleinster Wert (prozentual/ absolut) - 75,0% - 254.000 € 

1% - 61,3% - 126.500 € 

5% - 43,9% - 65.000 € 

10% - 33,3% - 47.750 € 

25% - 21,7% - 28.000 € 

50% - 12,3% - 13.500 € 

75% - 5,5% - 5.000 € 

90% 0,0% 0 € 

95% 0,0% 0 € 

99% 9,5% 15.250 € 

Größter Wert (prozentual/ absolut) 90% 69.000 € 

Eigene Darstellung. Quelle: Gutachterausschuss, ImmobilienScout24. 

regressionsanalyse Modell kh_prozent 

Im Folgenden werden in Regressionsmodellen 

Einflussfaktoren auf den prozentualen Kontrahierungsabschlag 

untersucht. 30 Vorab erfolgt ein 

Data-Screening der Rohdaten mit Normalitätsprüfung 

für die Variablen und Analyse von Ausreißern 

auf Grundlage von z-Werten. Mehrere Variablen 

wurden transformiert, um die Verteilungen einer 

Normalverteilung anzunähern. Transformierungen 

sind pro Variable in Tabelle 6 angegeben. In der 

Summe ergeben die statistischen und die graphischen 

Analysen, dass bis auf zwei Variablen alle 

eine Normalverteilung aufweisen. 

Insgesamt weisen sechs Variablen fehlende Werte 

auf, die durch andere Werte imputiert werden 

können. Die meisten fehlenden Werte weisen 

die Indikatoren CLICK_URL, LISTE_SHOW und 

LISTE_MATCH für die Internetattraktivität mit je 

36 Werten (2,6%) auf. 

Der Variablen WOHNFLÄCHE wird durch das 

theoretisch abgeleitete Regressionsmodell eine 

hohe Bedeutung zugemessen. Diese Angabe 

kann der Anbieter bei ImmobilienScout24 freiwillig 

eingegeben, und sie muss nicht der Wirklichkeit 

entsprechen. Eine Analyse der Rohdaten ergab 

bei diesem Indikator in Einzelfällen sehr unplausible 

Werte von bis zu 22.457 qm Wohnfläche. 

Alle Fälle, die eine Wohnfläche von über 650 qm 

aufweisen, wurden aus den Rohdaten entfernt. 31 

Der MCAR-Test nach Little ergab, dass die 40 

gelöschten Fälle zufällig verteilt sind und durch 

15 

die Löschung keine systematische Verzerrung der 

Rohdaten stattfindet. Der endgültige Datensatz 

umfasst 1.234 Fälle. 

Modellspezifikation 

Das hergeleitete Regressionsmodell KH_ 

PROZENT umfasst wie folgt 28 Prädiktoren (vgl. 

Tabelle 6): 32 

KH_PROZENT = b 0 + b 1 (ZENTRALER_ 

ORT) + b 2 (SCHULSTANDORT) + 

b 3 (KINDERTAGESSTÄTTENSTANDORT) + 

b 4 (BAHNHOF) + b 5 (ÖPNV_FAHRZEIT_MZ) + 

b 6 (HALTESTELLENSTOPPS_MAX) + b 7 (PKW_ 

FAHRZEIT_OZ) + b 8 (BAUFERTIG_07_09) 

+ b 9 (GESAMTBEVÖLKERUNG) + b 10 (BEV_ 

ANTEIL_20_35) + b 11 (BEV_ANTEIL_35_50) + 

b 12 (BEV_ENT_GES) + b 13 (BEV_ 

ENT_20_35) + b 14 (BEV_ENT_35_50) 

+ b 15 (INTERNETATTRAKTIVITÄT) + 

b 16 (KAUFJAHR_2008) + b 17 (KAUFJAHR_2009) 

+ b 18 (TYP_RH_DH) + b 19 (GRUNDFLÄCHE) + 

b 20 (BODENRICHTWERT) + b 21 (WOHNFLÄCHE) 

+ b 22 (ANGEBOTSPREIS_50001_100000) 



+ b 25 (ANGEBOTSPREIS_ÜBER_200000) + 

b 26 (MARKTTRANSPARENZ) + b 27 (KAUFKRAFT_ 

ENT_05_09) + b 28 (KAUFKRAFT_MITTEL_05_09) 

+ U i 

Bei älteren und größeren Gebäude wird in der 

Regel ein höherer Kontrahierungsabschlag ange-



Häufigkeit 

150 

100 

50 

0 

Abhängige Variable: KH_PROZENT 

abbildung 4: residuendiagramme kh_prozent 


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



tabelle 6: ergebnis der regressionsanalyse kh_prozent 

Variablen 

regressions- t-Wert Sig. 

abhängige Variable: kh_prozent ( )35 

koeffizient B 

(Konstante) -,478 -2,444 ,015* 

Schulstandort (Dummy) -,018 -1,009 ,313 

Kindertagesstättenstandort (Dummy) ,021 1,113 ,266 

Bahnhof (Dummy) ,002 ,143 ,886 

ÖPNV Fahrzeit ins nächste Mittelzentrum (x) -,001 -1,780 ,075 

Haltestellenstopps_Max (log10x) -,004 -,157 ,875 

PKW Fahrzeit in nächste OZ (x) -,001 -1,404 ,161 

Durchschnitt Baufertigstellungen 07-09 ( ) ,011 ,929 ,353 

Gesamtbevölkerung (log10x) -,023 -,889 ,374 

Bevölkerungsanteil 20-35 Jährige (x) ,072 ,208 ,835 

Bevölkerungsanteil 35-50 Jährige (x) -,030 -,085 ,932 

Bevölkerungsentwicklung gesamt (x) -,412 -1,489 ,137 

Bevölkerungsentwicklung 20-35 Jährige 05-09 (x) ,112 1,512 ,131 

Bevölkerungsentwicklung 35-50 Jährige 05-09 (x) ,065 ,517 ,605 

Internetattraktivität ( ) ,000 ,830 ,407 

Kaufjahr 08 (Dummy) -,030 -1,997 ,046* 

Kaufjahr 09 (Dummy) -,026 -1,782 ,075 

Typ Reihenhaus / Doppelhaus (Dummy) -,017 -,964 ,335 

Grundfläche Grundstück (log10x) ,012 ,552 ,581 

Bodenrichtwert (log10x) ,036 ,852 ,394 

Wohnfläche ( ) -,001 -,258 ,796 

Angebotspreis 50.001 bis 100.000 € (Dummy) ,047 2,228 ,026* 

Angebotspreis 100.001 bis 150.000 € (Dummy) ,062 2,641 ,008** 

Angebotspreis 150.001 bis 200.000 € (Dummy) ,066 2,581 ,010* 

Angebotspreis über 200.000 € (Dummy) ,032 1,088 ,277 

Markttransparenz ( ) -,002 -,222 ,824 

Entwicklung der Kaufkraft 05-09 (x) -,319 -1,587 ,113 

Durchschnittliche Kaufkraft in den Jahren 05-09 (x) ,0000083 1,694 ,091 

R² 0,034 

korrigiertes R² 0,012 

Anzahl der Fälle 1.208 

Sig.: ** p



mehrere unerwartete Probleme. Relevante 

Aspekte werden im Folgenden beschrieben und 

mögliche Lösungsansätze für künftige Arbeiten 

aufgezeigt. 

erfassung von angebotspreisänderungen 

Bei den zur Verfügung gestellten Angebotsdaten 

war es nicht möglich festzustellen, ob während 

der Angebotsdauer bereits eine Preisanpassung 

stattgefunden hatte oder ob der Angebotspreis 

tatsächlich dem ersten Angebotspreis entsprach. 

Falls bereits eine Preissenkung vorgenommen 

wurde, stellt der ermittelte Kontrahierungsabschlag 

das Minimum dar. 

Bestimmung der angebotsdauer 

Einzelne Objekte wurden in manchen Fällen 

über mehrere Jahre zu unterschiedlichen Preisen 

angeboten, sodass verschiedene Zeiträume und 

Kontrahierungsabschläge abgeleitet werden 

können. Im Idealfall beginnt der einbezogene 

Angebotszeitraum immer vor dem Untersuchungszeitraum. 

Erfassung von Qualitätsmerkmalen und Bestimmung 

des wirtschaftlichen Baujahrs 

Ausstattungsmerkmale und deren Qualitäten 

sind in der Kaufpreissammlung und oft auch den 

Angebotsdaten nicht enthalten. Eine Imputation 

fehlender Werte ist aufgrund der hohen Fehlquote 

in den meisten Fällen nicht möglich. Das 

wirtschaftliche Baujahr konnte nur mittelbar über 

das tatsächliche Baujahr erschlossen werden. 

Anbieter können bei ImmobiilenScout24 bereits 

optional angeben, ob Sanierungs- oder Modernisierungsmaßnahmen 

durchgeführt wurden. Für 

künftige Auswertungen wäre es wünschenswert, 

wenn wesentliche Angaben dieser Art obligatorisch 

wären. 

Erfassung von Eigentümer- und Käufermerkmalen 

Den Eigentümer- und Käufermerkmalen wird in 

der Literatur ebenfalls Bedeutung beigemessen. 

Anbieter von Angebotsdaten erheben diese Daten 

nicht und kennen vor allem nicht den späteren 

Käufer. Gutachterausschüsse haben keine 

Befugnisse, diese Daten zu erheben. Im Rahmen 

einer weiteren Untersuchung wäre es vorteilhaft, 

18 

wesentliche Merkmale in Zusammenarbeit mit 

Gutachterausschüssen und unter freiwilliger Beteiligung 

der Verkäufer und Käufer einzubeziehen. 

f. Zusammenfassung und Ausblick 

Diese Arbeit untersuchte die Angebots- und Transaktionsdaten 

von 1.274 Wohngebäuden aus sechs 

rheinland-pfälzischen ländlichen Landkreisen. Im 

Ergebnis wurde festgestellt, dass der prozentuale 

Kontrahierungsabschlag im Durchschnitt mindestens 

15,2% und der absolute Kontrahierungsabschlag 

mindestens 20.605 € beträgt. 

Der Kontrahierungsabschlag sollte mit Hilfe von 

Regressionsmodellen erklärt werden. Je nach 

Modellspezifikation wurde dabei der Einfluss von 

25 bis 31 Variablen überprüft, welche aufgrund 

der Ergebnisse früherer Studien einen Einfluss auf 

den Kontrahierungsabschlag erwarten ließen. 

Als Ergebnis stellt sich heraus, dass der prozentuale 

Kontrahierungsabschlag durch das hergeleitete 

Regressionsmodell KH_PROZENT nicht 

prognostizierbar ist. Der prozentuale Kontrahierungsabschlag 

ist weitestgehend unabhängig von 

den untersuchten Einflussfaktoren und zufällig 

verteilt. Das Modell konnte keinen signifikanten 

Zusammenhang zwischen einer unabhängigen und 

der abhängigen Variable nachweisen. In weiteren 

Forschungsarbeiten ist zu prüfen, ob nicht-lineare 

Regressionsmodelle ein geeignetes statisches 

Verfahren bei der Untersuchung des prozentualen 

Kontrahierungsabschlags darstellen. 36 

Im Ergebnis ist die objektbasierte Prognose des 

prozentualen Kontrahierungsabschlags mit den 

hergeleiteten Modellen nicht möglich. Weiter ist 

der Kontrahierungsabschlag unabhängig von den 

untersuchten demographischen Entwicklungen 

sowie internetbezogenen, marktbezogenen sowie 

den meisten lagebezogenen Merkmalen. Außer 

Hypothese 1 „Angebotspreis > Transaktionspreis“ 

konnte damit keine der fünf Eingangshypothesen 

bestätigt werden. Der Kontrahierungsabschlag 

erweist sich in dieser Arbeit als unabhängig von 

der Markttransparenz (Hypothese 2), der demographischen 

Entwicklung (Hypothese 3), dem 

Preissegment (Hypothese 4) sowie der Internetattraktivität 

der angebotenen Objekte (Hypothese 5). 

Bei künftigen Untersuchungen müssen festgestellte 

natürliche Restriktionen von Angebotsdaten



umfassend berücksichtigt und nach Möglichkeit 

behoben werden Es wird deutlich, dass die Höhe 

des Kontrahierungsabschlags von der angewandten 

Methodik abhängt. In dieser Arbeit wurde 

jeweils der letzte Angebotspreis zur Berechnung 

des Angebotspreises herangezogen. Der ermittelte 

Kontrahierungsabschlag von 15,2% stellt 

damit die Untergrenze dar. Die Angebotsdauer 

und das wirtschaftliche Baujahr werden als sehr 

wichtige Einflussvariablen gesehen, die bei künftigen 

Erhebungen unbedingt zu berücksichtigen 

sind. 

Im Rahmen der theoretischen Modellbildung 

sollten mithin weitere Einflussgrößen einbezogen 

werden. Zu berücksichtigen ist der Einfluss der 

Angebotsdauer, wobei methodisch zwischen dem 

Datum des Erstangebotes und des Letztangebotes 

unterschieden werden muss. Zudem sollten 

unter Beachtung des Datenschutzes Käufer- und 

Verkäufermerkmale sowie weitere Objektmerkmale 

erhoben werden. 

Daneben stellt sich die Frage, ob die Ergebnisse 

dieser Arbeit auf andere Raumkategorien wie 

Ballungsräume übertragen werden können. 

Ebenso ist zu prüfen, ob sich die Höhe des Kontrahierungsabschlags 

in Räumen mit einer anhaltend 

hohen Immobiliennachfrage signifikant von 

Räumen mit geringer Nachfrage unterscheidet. 

Weiterer Forschungsbedarf besteht darin, ob sich 

die Ergebnisse bezüglich Wohngebäuden auf 

Wohnungen übertragen lassen oder ob hier andere 

Einflussgrößen quantifiziert werden können. 37 

Ebenso ist zu prüfen, ob die Nutzung eines Internetportals 

die Höhe des Kontrahierungsabschlags 

und die Angebotsdauer signifikant ändert. Hier 

wäre zu erwarten, dass Objekte ohne Internetmarketing 

eine längere Angebotsdauer und einen 

höheren Kontrahierungsabschlag aufweisen, da 

die Anzahl potenzieller Käufer geringer ist. 

Im Rahmen der Datenerhebung wurde zudem 

ersichtlich, dass viele Objekte über einen längeren 

Zeitraum angeboten wurden, ohne dass ein 

Verkauf erfolgte. Hier ist nach den Gründen des 

Nicht-Verkaufs und Unterschieden dieser Objekte 

gegenüber Transaktionsobjekten zu fragen. In 

einem zweiten Schritt sollte der örtliche Immobilienmarkt 

analysiert werden, um das Ausmaß der 

ausgebliebenen Verkäufe zu quantifizieren. Hier 

würde nicht untersucht, wie hoch der Kontrahie- 

19 

rungsabschlag ausfällt, sondern wann ein Verkauf 

überhaupt stattfindet. 

Bei einem nicht erfolgten Verkauf beträgt der 

Kontrahierungsabschlag 100%, der in entsprechenden 

Modellen berücksichtigt werden sollte. 

Deshalb müssen Immobilienmarktakteure kritisch 

hinterfragen, wie valide bestehende Immobilienmarktanalysen 

auf Basis von Angebotsdaten 

sind, da diese implizit davon ausgehen, dass alle 

Objekte – wenn auch mit Abschlag – verkauft 

werden.



Anmerkungen 

1 Vgl. o.N. 2009; Thoms 2008; Stölb 2008. 

2 Siehe Dechent 2008, S. 75; Schürt 2010, S. 11. 

3 Vgl. Ihlandfeldt & Martinez-Vazques 1986; Kiel & Zabel 1999. 

4 Vgl. Mankiw & Weil 1989; Levin et al. 2009; Ammann, Demuth 2009. 

5 Vgl. BBSR 2008a; BBSR 2010; Schlömer/ Spangenberg 2009. Im Folgenden werden durchgängig die Raumkategorien Agglomerationsräume, 

Verstädterte Räume und Ländliche Räume gebraucht. 

6 Vgl. BBSR 2010; Maretzke 2009, S. 6. 

7 Vgl. Ammann, Demuth 2009, S. 2; Schürt 2010, S. 2; Wiedmann, Walsh 2000, S. 51. 

8 Vgl. BBSR 2008b; Sigismund 2006, S. 349; Ammann, Demuth 2009. 

9 Vgl. Sigismund 2006. 

10 Vgl. Hofmann 1971, S. 20ff. 

11 Vgl. Kleiber, Schlicht 2009, S. 320; BGH 1 StR 161/00 – Beschluss vom 06.06.2000. 

12 Vgl. Peto et al. 1996, S. 80ff; Sayce et al. 2006, S. 10. 

13 Vgl. Werling 2010. 

14 Vgl. Knight et al. 1998, S. 61f. 

15 Vgl. Anglin et al. 2003, S. 96; Knight 2002, S. 216. 

16 Bei lange andauernden Angeboten kann der sog. „Stigmata-Effekt“ auftreten: Potenzielle Käufer nehmen aufgrund der langen 

Angebotsdauer Abstand, da sie Mängel vermuten (McGreal et al. 2009). 

17 Vgl. McGreal et al. 2009, S. 212f. 

18 Vgl. Faller et al. 2009. Gegenstand waren Transaktionen von 2.014 Eigentumswohnungen und 3.127 Einfamilienhäusern. Die 

Ergebnisse für Wohnungen werden im Folgenden nicht näher dargestellt. 

19 Vgl. McGreal et al. 2009, S. 216. 

20 Vgl. Faller et al. 2009, S. 30. 

21 Vgl. Goodman, Ittner 1992, S. 354; Faller et al. 2009, S. 31. 

22 Vgl. Kholodilin et. al. 2007, S. 3. 

23 Das Kriterium „Ländlicher Raum“ wurde mithilfe von INKAR 2006 festgelegt, welches Landkreise mit einer Bevölkerungsdichte 

kleiner 150 Einwohner/ km² als „ländlich“ definiert (BBSR 2006). 

24 Vgl. Ache et al. 2009, S. 62. 

25 Vgl. Faller et al. 2009, S. 31. 

26 Vgl. Schmoll et al. 2005, S. 423. 

27 Vgl. Hess, Mann 2009, S. 2; Scout24 2009; Scheuch 2005, S. 278. 

28 Vgl. Scout24 2010. 

29 Für die Landkreise Vulkaneifel und Cochem-Zell ist derselbe Gutachterausschuss zuständig. 

30 Das theoretisch hergeleitete Regressionsmodell wurde um Landkreis-Dummys ergänzt. Das korrigierte R² liegt unter dem des 

beschriebenen Modells, wie auch in Faller et al. (2009, S. 26). Die Berücksichtigung von „Regionaleffekten“ (hier: Landkreise) 

ist vernachlässigbar. Die Modelle wurden auch mit Angebotspreisen überprüft. Die Aussagekraft der Ergebnisse wurde durch 

die Varianten nicht verbessert, sodass auf deren Darstellung verzichtet wird. 

31 Der Grenzwert von 650 qm wurde gewählt, weil bei darüber liegenden Eingaben offenbar die Werte von Grund- und Wohnfläche 

verwechselt wurden. Der Grenzwert von 650 qm erscheint plausibel, da zugehörige Transaktionspreise über 300.000 € 

liegen und eine hohe Zimmerzahl aufweisen. 

32 Die Herleitung erfolgte maßgeblich unter Berücksichtigung von Goodman, Ittner 1992; Kiel, Zabel 1999; Ihlanfeldt, Martinez- 

Vazquez 1986; Bürkner et al. 2007; Knight 2002; Ache et al. 2009; Henning et al. 2009; Ammann, Demuth 2009. Anstelle 

der exakten Angebotspreise werden Preisklassen gebildet. KH_PROZENT ist zufällig verteilt. Die Kollinearitätsprüfung ergibt 

zwischen den Variablen ZENTRALER_ORT und GESAMTBEVÖLKERUNG eine Korrelation von 0,79, weshalb erstere aus 

dem Modell entfernt wird. Hierdurch erfolgt kein Vorzeichenwechsel bei Koeffizienten der übrigen Variablen. 

33 Berechnung als mit 

- EXPOSE: Anzahl Aufrufe der detaillierten Objektbeschreibung 

- CLICK_URL: Anzahl Aufrufe der Anbieterhomepage für Kontaktaufnahme 

- LISTE_SHOW: Anzahl Listung des Objektes auf einer Ergebnisseite 

-ISTE_MATCH: Anzahl Übereinstimmung des Objektes mit einer Suchanfrage 

34 Berechnung: ; vgl. Ache et al. 2009. 

35 Die abhängige Variable (Referenzwert) ist KH_PROZENT für ein EFH/ZFH mit Kaufjahr 2007. Das Kaufjahr als Dummy-Variable 

gibt den Zeitpunkt der Transaktion an. Anbieter und Käufer haben in der Regel feste Preisvorstellungen. Anbieter senken 

den Angebotspreis über einen längeren Zeitraum oder halten ihn konstant. Die Kaufjahr-Dummys fungieren als Kontrollvariablen. 

20



36 Das Regressionsmodell hat wegen fehlender Linearität keine Aussagekraft. Faller et al. (2009) gebrauchen für die Analyse 

von Kontrahierungsabschlägen in Nordrhein-Westfalen ebenfalls ein lineares Regressionsmodell mit R²=0,22. Einen hohen 

Erklärungsbeitrag lieferte die Variable „Verweildauer in Wochen“, die in dieser Arbeit nicht untersucht werden konnte. 

37 Die empirica-Studie von nordrhein-westfälischen Landkreisen (Faller et al. 2009) deutet auf Unterschiede hin, die aber in 

anderen Studien bisher nicht untersucht werden konnten. 

literatur 

Ache, P.; Benecke, H.; Oellrich, J. (2009): Grundstücksmarkt 

in Deutschland. In: Arbeitskreis der 

Gutachterausschüsse und Oberen Gutachterausschüsse 

in der Bundesrepublik Deutschland 

(Hrsg.): Immobilienmarktbericht Deutschland 

2009, Hannover, S. 19-54. 

Ammann, I.; Demuth, N. (2009): Trends der 

Wohneigentumsbildung – Haushalte, Objekte, 

Finanzierung. In: BBSR / BBR (Hg.): BBSR- 

Berichte KOMPAKT, Bonn. 

Anglin, P. M.; Rutherford, R.; Springer, T. M. 

(2003): The Trade-off between the Selling Price 

of Residential Properties and Time-on-the-Market: 

The Impact of Price Setting. In: Journal of Real 

Estate Finance & Economics, Jg. 26, Nr. 1, S. 95. 

BBSR (2006): INKAR 2006. Indikatoren, Karten 

und Graphiken zur Raum- und Stadtentwicklung in 

Deutschland und Europa (CD-ROM), Bonn. 

BBSR (2008a): Laufende Raumbeobachtung 

- Raumabgrenzungen: Siedlungsstrukturelle 

Regionstypen. Online: http://www.bbsr.bund. 

de/cln_016/nn_103086/BBSR/DE/Raumbeobachtung/Werkzeuge/Raumabgrenzungen/ 

SiedlungsstrukturelleGebietstypen/Regionstypen/ 

regionstypen.html, zuletzt geprüft 23.11.2010. 

BBSR (2008b): Wohnungsmarktbeobachtung: 

Ein-/ Zweifamilienhäuser. Online: http://www.bbsr. 

bund.de/BBSR/DE/Raumbeobachtung/GlossarIndikatoren/indikatoren__dyncatalog,lv2=10293 

2,lv3=600036.html, zuletzt geprüft 13.11.2010. 

BBSR (2010): Laufende Raumbeobachtung - 

Raumabgrenzungen: Raumtypen ROB 2010. 

Online: http://www.bbsr.bund.de/nn_103086/ 

BBSR/DE/Raumbeobachtung/Werkzeuge/ 

Raumabgrenzungen/Raumtypen2010/Raumtypen2010.html, 

zuletzt geprüft 08.11.2010. 

Bürkner, H.-J.; Berger, O.; Luchmann, C. T. E. 

(2007): Der demographische Wandel und seine 

21 

Konsequenzen für Wohnungsnachfrage, Städtebau 

und Flächennutzung. In: Leibniz-Institut für 

Regionalentwicklung und Strukturplanung (Hrsg.): 

Working Paper, Erkner. 

Dechent, J. (2008): Häuserpreisindex – Projektfortschritt 

und erste Ergebnisse für bestehende 

Wohngebäude. In: Wirtschaft und Statistik, Nr. 1, 

S. 69-81. 

DiPasquale, D.; Somerville, C. T. (1995): Do 

House Price Indices Based on Transacting Units 

Represent the Entire Stock? Evidence from the 

American Housing Survey. In: Journal of Housing 

Economics, Jg. 4, Nr. 3, S. 195-229. 

Faller, B.; Helbach, C.; Vater, A.; Braun, R. (2009): 

Möglichkeiten zur Bildung eines Regionalindex 

Wohnkosten unter Verwendung von Angebotsdaten. 

In: Rat für Sozial- und Wirtschaftsdaten 

(RatSWD) (Hrsg.): Research Note No. 34, Berlin. 

Goodman, .J. L.; Ittner, J.B. (1992): The accuracy 

of home owners‘ estimates of house value. In: 

Journal of Housing Economics, Jg. 2, Nr. 4, S. 

339-357. 

Henning, D.; Senff, T.; Wilkens, M. (2009): 

Standort. In: Mütze, M.; Abel, M.; Senff, T. (Hrsg.): 

Immobilieninvestitionen. Die Rückkehr der 

Vernunft, Freiburg, S. 1-44. 

Hess, T.; Mann, F. (2009): ImmoStudie 2009 – 

Gewerbliche Immobilienvermarktung und die 

Bedeutung von Immobilienportalen im Internet, 

München. 

Hofmann, W. (1971): Wert- und Preislehre, Berlin. 

Ihlanfeldt, K. R.; Martinez-Vazquez, J. (1986): 

Alternative Value Estimates of Owner-Occupied 

Housing: Evidence on Sample Selection Bias. 

In: Journal of Urban Economics, Jg. 20, Nr. 3, S. 

356-369.



IVD - Bundesverband der Immobilienberater, 

Makler Verwalter und Sachverständigen e. V. 

(Hrsg ). (2010): IVD-Wohn-Preisspiegel 2008/09. 

Berlin. 

Kholodilin, K. A.; Menz, J.-O.; Siliverstovs, B. 

(2007): What Drives Housing Prices Down? 

Evidence from an International Panel. In: Journal 

of Economics and Statistics, Jg. 230, Nr. 1, S. 

59-76. 

Kiel, K. A.; Zabel, J. E. (1999): The Accuracy of 

Owner-Provided House Values: The 1978-1991 

American Housing Survey. In: Real Estate Economics, 

Jg. 27, Nr. 2, S. 263-298. 

Kleiber, W.; Schlicht, K. (2009): Bewertung. In: 

Mütze, M.; Abel, M.; Senff, T. (Hrsg.): Immobilieninvestitionen. 

Die Rückkehr der Vernunft, Freiburg, 

S. 311-326. 

Knight, J. R. (2002): Listing Price, Time on Market, 

and Ultimate Selling Price: Causes and Effects of 

Listing Price Changes. In: Real Estate Economics, 

Jg. 30, Nr. 2, S. 213-237. 

Knight, J. R.; Sirmans, C. F.; Turnbull, G. K. (1998): 

List Price Information in Residential Appraisal and 

Underwriting. In: Journal of Real Estate Research, 

Jg. 15, Nr. 1/2, S. 59-76. 

Levin, E.; Montagnoli, A.; Wright, R. E. (2009): 

Demographic Change and the Housing Market: 

Evidence from a Comparison of Scotland and 

England. In: Urban Studies, Jg. 46, Nr. 1, S. 27-43. 

Mankiw, N. G.; Weil, D. N. (1989): The baby boom, 

the baby bust, and the housing market. In: Regional 

Science and Urban Economics, Jg. 19, Nr. 2, 

S. 235-258. 

Maretzke, S. (2009): Diskussionsgrundlage. In: 

BMVBS / BBSR (Hrsg.) Ländliche Räume im 

demographischen Wandel. BBSR-Online-Publikation, 

Bonn, S. 3-16. 

McGreal, S.; Adair, A.; Brown, L.; Webb, J. R. 

(2009): Pricing and Time on the Market for Residential 

Properties in a Major U.K. City. In: Journal 

of Real Estate Research, Jg. 31, H. 2, S. 209-233. 

o.N. (2009): Das Ende der Dörfer. In: FOCUS, Nr. 

44, S. 110-137. 

22 

Peto, R.; French, N.; Bowman, G. (1996): Price and 

worth – Developments in valuation methodology. 

In: Journal of Property Valuation and Investment, 

Jg. 14, Nr. 4, S. 79-100. 

Sayce, S.; Smith, J.; Cooper, R.; Venmore- 

Rowland, P. (2006): Real estate appraisal, Oxford. 

Scheuch, A. (2005): Marketing für den Immobilien- 

Bereich – Ein Plädoyer für alternative Ansätze. 

In: Holzmüller, H. H.; Schuh, A. (Hrsg.): Innovationen 

im sektoralen Marketing. Festschrift zum 

60. Geburtstag von Fritz Scheuch, Heidelberg, S. 

275-289. 

Schlömer, C.; Spangenberg, M. (2009): Städtisch 

und ländlich geprägte Räume: Gemeinsamkeiten 

und Gegensätze. In: BMVBS / BBSR (Hrsg.) 

Ländliche Räume im demographischen Wandel. 

BBSR-Online-Publikation, Bonn, S. 17-33. 

Schmoll, F.; Bischoff, B. (Hrsg.) (2005): Basiswissen 

Immobilienwirtschaft, Berlin-Reinickendorf. 

Schürt, A. (2010): Synopse Immobilienpreisbeobachtung 

in Deutschland 2010. In: BMVBS/BBSR 

(Hrsg.): BBSR-Online-Publikationen, Bonn. 

Scout24 (2010): Daten und Fakten zu 

ImmobilienScout24. Online: http://www. 

static-immobilienscout24.de/Mungo- 

Blobs/20100514174912/20100514174912_ 

NEU_052010.pdf, zuletzt geprüft 14.11.2010. 

Scout24 (2009): Match Survey 2009 – So sucht 

und findet Deutschland, München. 

Sigismund, M. (2006): Regionale Disparitäten in 

der Wohnungsversorgung - noch ein Problem. In: 

BBR (Hrsg.): Informationen zur Raumentwicklung, 

Bonn, Nr. 6/7, S. 345-354. 

Statistisches Bundesamt (Hrsg.) (2010): VGR des 

Bundes - Bruttoanlageinvestitionen: Deutschland, 

Jahre. Online: https://www-genesis.destatis.de, 

zuletzt geprüft 27.11.2010. 

Stölb, M. (2008): Wertloses vom Lande. FAZ- 

Online (14.01.2008). Online: http://www.faz.net/s/ 

RubFED172A9E10F46B3A5F01B02098C0C8D/ 

Doc~EDC6EA18E42A144A39D27B180BDA0F57 

D~ATpl~Ecommon~Scontent.html, zuletzt geprüft 

13.11.2010.


Thoms, E.-M. (2008): In Grund und Boden investiert? 

Zeit-Online (09.09.2008). Online: http://www. 

zeit.de/2008/37/F-Deutsche-Immobilien, zuletzt 

geprüft 20.11.2010. 

Waluga, G. (2009): Zentrenerreichbarkeit mit 

öffentlichem Nahverkehr in Rheinland-Pfalz, 

Diplomarbeit, Universität Mainz. 

Werling, U. (2010): Immobilienbewertung in transaktionsarmen 

Zeiten. Bewerter-Dilemma: Fette 

Werte in dünner Luft. In: Immobilien Zeitung, Jg. 

16, Nr. 39-40, 30.09.2010, S. 39. 

Wiedmann, K.-P.; Walsh, G. (2000): Kundenverhalten 

beim geplanten Kauf von Wohneigentum: 

Ergebnisse einer empirischen Untersuchung. In: 

der markt, Nr. 152, S. 46-59. 

23



Abstract 

Many indicators and indices related to real estate markets are based on either asking prices or sale 

prices of properties. This research aims to enlarge the existing body of knowledge in this area by analysing 

the empirical relationship between the asking prices and sale prices of owner-occupied residential 

properties. Both data sources – asking prices and sale prices – have pros and cons in terms of the four 

criteria of real estate market data quality: availability; the extent to which they are up-to-date; accuracy; 

and geographical coverage. 

Asking prices are usually available at no direct cost from newspapers or brokerage web sites, or are 

collected by specialised data providers. They mainly feature very high geographical coverage, due to 

their abundance, and are generally available in real time. However, the great disadvantage of asking 

prices is insufficient accuracy: the asking price is rarely the same as the agreed sale price. In most cases 

this variance must be estimated and proper allowance must be made for it. 

Sale prices in real estate markets are generally (though not always: e.g. sales between relatives) at 

arm’s length and therefore provide the highest possible accuracy. They are virtually available in real time, 

similar to asking prices. Their geographical coverage is more than sufficient since, in most countries, 

every sale contract is officially recorded. However, in Germany (unlike other countries) sale prices are 

seldom made available, even for academic research purposes. 

This work aims to analyse these two data sources jointly and to quantify the divergence (discount) that 

applies to asking prices. Significant factors influencing asking prices and sale prices should also be 

identified. The main result is a better understanding of asking prices, due to their importance for real 

estate market analyses. The research provides unique new insights into the selling behaviour of private 

residential property owners. For the first time in Germany, asking price discounts were identified and 

analysed from a larger sample of primary data. 

The initial data set comprises 1,274 transactions in owner-occupied residential properties in rural areas 

of Rhineland-Palatinate (Germany). The study analysed every sale contract (N=6,597) for owner-occupied 

houses (not apartments) in this area between 2007 and 2009. In the end, 20% of all sale contracts 

(n=1,274) could be matched with asking prices. An OLS regression analysis is applied to identify significant 

variables. The regression model is mainly derived from similar US studies. 

It was found that, on average, sale prices are on average minimum at least 15.2% (20,605 €) below the 

stated listing prices. The skewness of the absolute and percentage asking price discounts reveals that 

absolute discounts increase with the total amount of the asking price, whilst the percentage discount is 

independent of the total amount. For most properties, the discounts fall within a relatively small range, 

although the total range is very large. The result is a very high kurtosis value for absolute asking price 

discounts. The pattern of the percentage asking price discounts is similar, but less distinctive. 

Another factor noted is that 10% of the sellers were forced to reduce their asking prices by more than 

33.3% (on average 47,750 €) before a transaction could be realized. This indicates that many vendors 

overestimate the value of their own properties, especially in illiquid real estate markets. In particular, 

vendors of properties with high asking prices (over 300,000 €) often had to accept substantial discounts 

in both absolute and relative terms. Several other studies from the USA or Canada have come to similar 

conclusions. This indicates that such properties are particularly hard to sell in the investigated area. 

The OLS regressions included 31 variables, for which the secondary literature suggested would have a 

significant impact on asking price discounts. It is shown that no linear relationship exists and that asking 

price discounts cannot be forecast by applying the given models that relate to previous research in nonrural 

areas of other countries. 

24



Further, it could be assumed that many vendors of owner-occupied houses do not acknowledge differences 

between the cost of construction (i.e. including land) and the market value of their homes. The 

gap between cost and value is particularly evident in less sought-after areas. In contrast to other studies, 

this work concludes that the difference between asking price and sale price is not related to demographic, 

economic or most location characteristics. It is assumed that these results are mainly related to the 

structure of settlements in the investigation area. Market mechanisms in rural areas with small villages 

and medium-sized towns appear to differ markedly from those in larger cities. 

In the course of this study it became clear that mere asking prices suffer from natural limitations especially 

when – as is common practice in the industry – extracted electronically from given websites. Firstly, 

it is difficult to match the asking price and sale price of a particular property because there are often 

several different asking prices for the same property. Secondly, the time-on-market and any changes 

in the asking price are unknown factors that are, however, important in determining the sale price. The 

same issues applied to major property characteristics, such as the age of the building and the quality 

and quantity of fixtures and fittings. The results of this study are further discussed with researchers and 

the data provider of asking prices, ImmobilienScout24. They provide an effective starting point for further 

research. 

25

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

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?