Asking prices and sale prices of owner-occupied houses in rural ...
Asking prices and sale prices of owner-occupied houses in rural ...
Asking prices and sale prices of owner-occupied houses in rural ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Angebots- und Transaktionspreise<br />
von selbstgenutztem Wohneigentum<br />
im Ländlichen Raum<br />
<strong>Ask<strong>in</strong>g</strong> <strong>prices</strong> <strong>and</strong> <strong>sale</strong> <strong>prices</strong> <strong>of</strong><br />
<strong>owner</strong>-<strong>occupied</strong> <strong>houses</strong> <strong>in</strong> <strong>rural</strong><br />
regions <strong>of</strong> Germany<br />
Dipl.-<strong>in</strong>g. Michael D<strong>in</strong>kel<br />
Wissenschaftlicher Mitarbeiter, Fachgebiet Immobilienökonomie,<br />
Technische Universität Kaiserslautern<br />
E-Mail: michael.d<strong>in</strong>kel@bau<strong>in</strong>g.uni-kl.de<br />
Dr. rer. pol. Dipl.-kfM Björn-Mart<strong>in</strong> kurzrock MSre (gSu)<br />
Pr<strong>of</strong>essor als Juniorpr<strong>of</strong>essor für Immobilienökonomie, Fachgebiet Immobilienökonomie,<br />
Technische Universität Kaiserslautern<br />
E-Mail: bjoern.kurzrock@bau<strong>in</strong>g.uni-kl.de<br />
zusammenfassung<br />
Diese Studie untersucht Angebots- und Transaktionspreise von selbstgenutztem Wohneigentum im<br />
Ländlichen Raum. Erstmals <strong>in</strong> Deutschl<strong>and</strong> werden Kontrahierungsabschläge für e<strong>in</strong>e größere Stichprobe<br />
von Primärdaten erhoben und ausgewertet.<br />
Hierfür werden <strong>in</strong> sechs rhe<strong>in</strong>l<strong>and</strong>-pfälzischen L<strong>and</strong>kreisen 1.274 Fälle analysiert, für die Angebots- und<br />
Transaktionsdaten aus dem Zeitraum 2007 bis 2009 erhoben wurden. Im Ergebnis wurde festgestellt,<br />
dass der prozentuale Kontrahierungsabschlag im Durchschnitt m<strong>in</strong>destens 15,2% und der absolute<br />
Kontrahierungsabschlag m<strong>in</strong>destens 20.605 € beträgt.<br />
Die Höhe der Kontrahierungsabschläge wurde <strong>in</strong> Regressionsmodellen analysiert. Hierbei s<strong>in</strong>d 31 Variablen<br />
untersucht worden, die nach Angaben aus der Sekundärliteratur e<strong>in</strong>en E<strong>in</strong>fluss erwarten lassen.<br />
Es zeigte sich, dass ke<strong>in</strong> l<strong>in</strong>earer Zusammenhang besteht und der Kontrahierungsabschlag mit den<br />
untersuchten Modellen, die sich vornehmlich an <strong>in</strong>ternationalen Studien über nicht-ländliche Regionen<br />
orientieren, nicht prognostizierbar ist. Marktmechanismen <strong>in</strong> ländlichen Regionen sche<strong>in</strong>en deutlich<br />
<strong>and</strong>eren Regeln zu folgen als <strong>in</strong> verdichteten Räumen.<br />
Im Rahmen der Untersuchung stellte sich heraus, dass Angebotsdaten natürliche Restriktionen<br />
aufweisen, <strong>in</strong>sbesondere wenn sie, wie <strong>in</strong> der Praxis häufig der Fall, über EDV-Programme unvollständig<br />
von Webseiten ausgelesen werden. Die Datenproblematik und mögliche Lösungsansätze bilden den<br />
Abschluss und weisen auf Ansatzpunkte für weitere Analysen h<strong>in</strong>.<br />
5
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
a. e<strong>in</strong>führung<br />
Der Ländliche Raum Deutschl<strong>and</strong>s weist <strong>in</strong><br />
großen Teilen strukturelle Defizite auf, die direkt<br />
oder <strong>in</strong>direkt auf den demographischen W<strong>and</strong>el<br />
zurückzuführen s<strong>in</strong>d. M<strong>in</strong>destst<strong>and</strong>ards etwa <strong>in</strong><br />
der Nahversorgung s<strong>in</strong>d <strong>in</strong> der Folge <strong>of</strong>tmals nicht<br />
mehr aufrechtzuerhalten. E<strong>in</strong>es der wichtigsten<br />
Kriterien zur Beurteilung von Immobilien, nämlich<br />
die Lage, wirkt sich damit negativ auf Immobilienwerte<br />
<strong>in</strong> Ländlichen Räumen aus.<br />
Der demographische W<strong>and</strong>el ist zunehmend im<br />
Blickpunkt der Massenmedien. Dabei geraten<br />
außer Ostdeutschl<strong>and</strong> auch ländliche Regionen wie<br />
<strong>in</strong> Südniedersachsen, Ostfriesl<strong>and</strong>, Nordhessen,<br />
Hohenlohe, der Oberpfalz, der Schwäbischen Alb,<br />
der Pfalz oder dem Frankenwald <strong>in</strong> den Fokus. 1<br />
Gleichwohl ist festzustellen, dass der Zusammenhang<br />
zwischen Angebots- und Transaktionspreisen<br />
von Immobilien weitestgehend unerforscht<br />
ist. Dies gilt auch für mögliche Faktoren, die den<br />
Kontrahierungsabschlag (Differenz zwischen<br />
Angebots- und Transaktionspreis) bee<strong>in</strong>flussen.<br />
Angebotsdaten, wie sie zum Beispiel bei Internetportalen<br />
wie ImmobilienScout24 oder Immonet zu<br />
f<strong>in</strong>den s<strong>in</strong>d, weisen e<strong>in</strong>e hohe räumliche Tiefe und<br />
Aktualität auf und s<strong>in</strong>d der Regel frei verfügbar,<br />
wenn auch aufwändig manuell zu erheben. Die<br />
Angebote enthalten <strong>in</strong> der Regel auch e<strong>in</strong>ige<br />
Gebäudedaten (z.B. Wohnfläche), die von Inter-<br />
esse s<strong>in</strong>d. Der große Nachteil ist, dass nur <strong>in</strong><br />
wenigen Fällen die Angebotspreise auch den<br />
späteren Transaktionspreisen entsprechen. In<br />
Auswertungen mit Angebotsdaten werden daher<br />
<strong>in</strong> der Regel Modifikationen vorgenommen, die im<br />
E<strong>in</strong>zelnen nicht <strong>of</strong>fengelegt werden und empirisch<br />
nicht abgesichert s<strong>in</strong>d.<br />
Die Kaufpreissammlungen der Gutachterausschüsse<br />
s<strong>in</strong>d e<strong>in</strong>e flächendeckende Quelle für<br />
tatsächliche Transaktionspreise. Nach § 193<br />
BauGB müssen alle Grundstückskaufverträge den<br />
Gutachterausschüssen übermittelt werden. In der<br />
Regel enthalten die Kaufpreissammlungen neben<br />
dem tatsächlichen Transaktionspreis wenige<br />
weitere Daten. Aufgrund der flächendeckenden<br />
Erhebung weisen diese Daten e<strong>in</strong>e hohe räumliche<br />
Tiefe und Aktualität auf. L<strong>and</strong>esrechtliche<br />
Datenschutzvorschriften beschränken allerd<strong>in</strong>gs<br />
die E<strong>in</strong>sicht <strong>in</strong> Kaufpreissammlungen.<br />
6<br />
Ziel dieser Arbeit ist zunächst die Ermittlung des<br />
Kontrahierungsabschlags auf Basis von Angebots-<br />
preisen und Transaktionspreisen der Kaufpreissammlung<br />
im Ländlichen Raum. Im Anschluss<br />
daran sollen Variablen identifiziert werden, welche<br />
die Höhe des Kontrahierungsabschlags bee<strong>in</strong>flussen.<br />
E<strong>in</strong>e genauere Kenntnis hierüber könnte<br />
beispielsweise bei der Bildung hedonischer<br />
Preis<strong>in</strong>dizes Anwendung f<strong>in</strong>den und zu e<strong>in</strong>em<br />
besseren Verständnis von Angebotsdaten führen. 2<br />
Die Arbeit wertet erstmals <strong>in</strong> Deutschl<strong>and</strong> diese<br />
beiden Datenquellen geme<strong>in</strong>sam aus.<br />
Unter E<strong>in</strong>beziehung von Primär- und Sekundärdaten<br />
werden folgende fünf Hypothesen untersucht:<br />
Hypothese 1: Der Angebotspreis ist signifikant<br />
höher als der Verkaufspreis.<br />
Der Angebotspreis ist der maximale Preis, den e<strong>in</strong><br />
Käufer zu zahlen bereit ist. In der Regel wird der<br />
Transaktionspreis unter dem Angebotspreis liegen<br />
(Kontrahierungsabschlag). US-Studien und e<strong>in</strong>e<br />
deutsche Studie weisen auf e<strong>in</strong>en Kontrahierungsabschlag<br />
zwischen 5% bis 11% h<strong>in</strong>, der jedoch <strong>in</strong><br />
Deutschl<strong>and</strong> noch nicht auf Basis von Angebots-<br />
und Transaktionsdaten verifiziert wurde. 3<br />
hypothese 2: Der kontrahierungsabschlag<br />
s<strong>in</strong>kt mit zunehmender Transparenz des Immobilienmarktes.<br />
Die Transparenz des Immobilienmarktes ist <strong>in</strong>sbesondere<br />
abhängig von der Anzahl der Kauffälle<br />
und der Marktgröße. Der Kontrahierungsabschlag<br />
ist <strong>in</strong> transparenteren Märkten ger<strong>in</strong>ger, da sich<br />
Käufer und Verkäufer an bereits abgeschlossenen<br />
Kaufverträgen orientieren können.<br />
Hypothese 3: Die Bevölkerungsentwicklung<br />
der 20- bis 50-jährigen <strong>in</strong> den vergangenen<br />
fünf Jahren bee<strong>in</strong>flusst den Kontrahierungsabschlag<br />
negativ.<br />
Die 20- bis 50-Jährigen s<strong>in</strong>d die wichtigste<br />
Käufergruppe für Wohnimmobilien. 4 Bed<strong>in</strong>gt<br />
durch den demographischen W<strong>and</strong>el nimmt die<br />
Zahl der wohneigentumsbildenden Bevölkerung<br />
ab. Vor allem im Ländlichen Raum kann die<br />
s<strong>in</strong>kende lokale Nachfrage durch externe Käufer<br />
nicht kompensiert werden. Diese Entwicklungen<br />
erkennen die Verkäufer von Immobilien nicht
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
(„time-lag“) und setzen zu hohe Angebotspreise<br />
fest, da sie die Nachfrage überschätzen.<br />
Hypothese 4: Hochwertige Immobilien weisen<br />
e<strong>in</strong>en ger<strong>in</strong>geren prozentualen Kontrahierungsabschlag<br />
auf als ger<strong>in</strong>gwertige Immobilien.<br />
Die optimale Vermarktungsstrategie für ger<strong>in</strong>gwertige<br />
Immobilien ist e<strong>in</strong> relativ hoher Angebotspreis,<br />
der schrittweise gesenkt und der relativ großen,<br />
aber unbekannten Nachfrage angepasst wird.<br />
Sehr hochwertige Immobilien generieren e<strong>in</strong>e<br />
kle<strong>in</strong>ere Nachfrage, die nicht durch zu hohe Angebotspreise<br />
weiter verkle<strong>in</strong>ert werden sollte. Aus<br />
diesem Grund wird <strong>in</strong> der Regel e<strong>in</strong> Angebotspreis<br />
gewählt, der knapp über dem gewünschten erzielbaren<br />
Verkaufspreis liegt.<br />
hypothese 5: e<strong>in</strong> hohes <strong>in</strong>teresse am immobilienangebot<br />
im <strong>in</strong>ternet m<strong>in</strong>dert den kontrahierungsabschlag.<br />
Das Immobilienmarket<strong>in</strong>g im Internet gew<strong>in</strong>nt<br />
zunehmend an Bedeutung, da Immobilienangebote<br />
vielen potenziellen Käufern zugänglich s<strong>in</strong>d.<br />
E<strong>in</strong>e hohe Performance (Klicks pro Angebot)<br />
deutet auf e<strong>in</strong> attraktives Immobilienangebot, an<br />
dem e<strong>in</strong>e hohe Nachfrage besteht, sodass der<br />
Käufer nur e<strong>in</strong>en ger<strong>in</strong>gen (ke<strong>in</strong>en) Preisnachlass<br />
erwarten kann.<br />
Den Untersuchungsraum bilden rhe<strong>in</strong>l<strong>and</strong>pfälzische<br />
L<strong>and</strong>kreise im Ländlichen Raum. Der<br />
Analysezeitraum erstreckt sich vom 01.01.2007<br />
bis zum 31.12.2009. Angebotsdaten werden von<br />
ImmobilienScout24 bereitgestellt und mit Transaktionsdaten<br />
der zuständigen Gutachterausschüsse<br />
abgeglichen. Beide Datensätze werden zusammengeführt<br />
und um weitere Daten ergänzt, die<br />
e<strong>in</strong>en E<strong>in</strong>fluss auf den Kontrahierungsabschlag<br />
erwarten lassen. Die Überprüfung der Hypothesen<br />
und die Bestimmung von E<strong>in</strong>flussfaktoren erfolgt<br />
mit Hilfe von Regressionsmodellen.<br />
B. Def<strong>in</strong>itionen und Forschungsst<strong>and</strong><br />
Der Begriff „Ländlicher Raum“ bezeichnet den<br />
Untersuchungsraum dieser Arbeit. Hierfür werden<br />
gängige Raumabgrenzungen des Bundes<strong>in</strong>stituts<br />
für Bau-, Stadt- und Raumforschung (BBSR)<br />
herangezogen. E<strong>in</strong> „Ländlicher Raum“ weist<br />
demnach e<strong>in</strong>e relativ ger<strong>in</strong>ge Bevölkerungsdichte<br />
7<br />
und schlechte Erreichbarkeit von Zentralen Orten<br />
auf, kann aber gleichzeitig auch städtische Zentren<br />
be<strong>in</strong>halten. 5 Der Ländliche Raum nimmt ca. 60%<br />
der Fläche Deutschl<strong>and</strong>s e<strong>in</strong> mit etwa 20% der<br />
Gesamtbevölkerung und 11% der Beschäftigten.<br />
Die Verteilung ist regional sehr unterschiedlich.<br />
In Mecklenburg-Vorpommern, Thür<strong>in</strong>gen, Br<strong>and</strong>enburg<br />
und Sachsen-Anhalt wohnen mehr als<br />
e<strong>in</strong> Drittel der Bevölkerung im Ländlichen Raum,<br />
<strong>in</strong> Baden-Württemberg, Hessen, Nordrhe<strong>in</strong>-Westfalen<br />
und dem Saarl<strong>and</strong> nicht e<strong>in</strong>mal 10%. 6<br />
Wohnimmobilienmärkte und Ländlicher Raum<br />
Die Bed<strong>in</strong>gungen e<strong>in</strong>es vollkommenen Marktes,<br />
d.h. ke<strong>in</strong>e persönlichen, räumlichen und zeitlichen<br />
Präferenzen, vollkommene Markttransparenz,<br />
Homogenität der Güter und unendlich schnelle<br />
Reaktion der Marktteilnehmer auf geänderte<br />
Marktbed<strong>in</strong>gungen, s<strong>in</strong>d auf Immobilienmärkten<br />
weitgehend unerfüllt. Vor allem bei selbstgenutztem<br />
Wohneigentum s<strong>in</strong>d persönliche Präferenzen<br />
kaufentscheidend. Ebenso ist der Immobilienmarkt<br />
durch mangelnde Markttransparenz<br />
geprägt. Die Bed<strong>in</strong>gung der unendlich schnellen<br />
Reaktionszeit ist aufgrund von hohen Transaktionskosten<br />
und Investitionssummen unerfüllt.<br />
Zudem s<strong>in</strong>d Immobilien High-Involvement-Käufe –<br />
vorschnelle Kaufentscheidungen durch geänderte<br />
Marktbed<strong>in</strong>gungen s<strong>in</strong>d so eher die Ausnahme als<br />
die Regel. 7<br />
Der Wohnimmobilienmarkt Deutschl<strong>and</strong> wird durch<br />
E<strong>in</strong>- und Zweifamilienhäuser geprägt, die 82,9%<br />
der Wohngebäude und 45,9% des Wohnungsbest<strong>and</strong>es<br />
ausmachen. Insbesondere im Ländlichen<br />
Raum dom<strong>in</strong>ieren E<strong>in</strong>- und Zweifamilienhäuser mit<br />
bis zu 97% den Gebäudebest<strong>and</strong>. Seit Mitte der<br />
1990er Jahre lässt sich beobachten, dass Wohneigentumsbildung<br />
zunehmend durch Gebraucht-<br />
erwerb stattf<strong>in</strong>det. Im Zeitraum 2004 bis 2007<br />
waren Best<strong>and</strong>sobjekte <strong>in</strong> 56% der Transaktionen<br />
Kaufgegenst<strong>and</strong>, gegenüber 46% zwischen 1994<br />
und 1997. Best<strong>and</strong>sobjekte s<strong>in</strong>d im Durchschnitt<br />
deutlich günstiger (151.000 €) als Neubauten<br />
(247.000 €). 8<br />
Der Indikator „Vielfaches der Kaufkraft“ setzt<br />
die örtlichen Transaktionspreise und das lokale<br />
verfügbare E<strong>in</strong>kommen <strong>in</strong> Relation und ermöglicht<br />
den Vergleich zwischen Kaufpreis- und<br />
Kaufkraftniveaus (Tabelle 1). Es zeigt sich, dass<br />
im Ländlichen Raum der Eigentumserwerb <strong>in</strong> der
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Tabelle 1: Kaufpreise von selbstgenutztem Wohneigentum differenziert nach Raumkategorien<br />
ländergruppe eigenheim freistehend Doppelhaushälfte reihenhaus<br />
tsd. € /<br />
Objekt<br />
Median<br />
Vielfaches<br />
Kaufkraft d.<br />
ländergruppe<br />
Regel leichter möglich ist als <strong>in</strong> <strong>and</strong>eren Raumkategorien.<br />
Diese Tatsache ist e<strong>in</strong> wichtiger Grund,<br />
weshalb der Ländliche Raum trotz der genannten<br />
Probleme (z.B. Nahversorgungsstrukturen) e<strong>in</strong><br />
attraktiver Wohnst<strong>and</strong>ort se<strong>in</strong> kann. 9<br />
erläuterungen der preis- und Werttheorie am<br />
Beispiel des Immobilienmarktes<br />
Die Begriffe Preis und Wert werden umgangssprachlich<br />
<strong>of</strong>t synonym gebraucht, besitzen aber<br />
nach der Preis- und Werttheorie unterschiedliche<br />
Bedeutungen. 10 Zur Begriffsbestimmung werden<br />
die englischen Term<strong>in</strong>i „value“ und „worth“<br />
gebraucht, die „Wert“ präzisieren (Abbildung 1).<br />
„Value“ bezeichnet e<strong>in</strong>en objektiven Wert und<br />
entspricht weitestgehend dem Wertbegriff<br />
(Verkehrswert oder Marktwert) <strong>in</strong> Gesetzen,<br />
Verordnungen und Gutachten. Der Verkehrswert<br />
ist nach Feststellung des BGH ke<strong>in</strong>e mathematisch<br />
exakt berechenbare Größe, sondern<br />
tsd. € /<br />
Objekt<br />
Median<br />
8<br />
Vielfaches<br />
Kaufkraft d.<br />
ländergruppe<br />
tsd. € /<br />
Objekt<br />
Median<br />
Vielfaches kaufkraft<br />
d. Ländergruppe<br />
Deutschl<strong>and</strong> 234 6,5 208 5,8 188 5,2<br />
Agglomerationsräume<br />
285 7,9 258 7,1 227 6,3<br />
Verstädterte Räume 246 6,8 217 6,0 197 5,4<br />
Ländliche Räume 186 5,2 166 4,6 153 4,2<br />
Eigene Darstellung. Quelle: Sigismund 2006, S. 350.<br />
Verkäufer<br />
Angebotspreis<br />
Subjektiver Wert<br />
(worth)<br />
Abbildung 1: Subjektiver Wert, objektiver Wert und Preis<br />
Eigene Darstellung.<br />
Gutachter<br />
Objektiver Wert<br />
(value)<br />
Transaktionspreis<br />
(price)<br />
stellt natürlich e<strong>in</strong>e Schätzung dar. In der Rechtsprechung<br />
werden unter „Normalverhältnissen“<br />
Toleranzgrenzen zwischen Transaktionspreis und<br />
dem ermittelten Verkehrswert von bis zu ±30%<br />
verst<strong>and</strong>en. 11<br />
Der Begriff „worth“ bezeichnet den subjektiven<br />
(<strong>in</strong>dividuellen) Wert e<strong>in</strong>es Gutes für Käufer und<br />
Verkäufer und be<strong>in</strong>haltet alle relevanten und<br />
verfügbaren Informationen. Dieser Wert kann durch<br />
differierende Sichtweisen h<strong>in</strong>sichtlich künftiger<br />
Wertentwicklungen bee<strong>in</strong>flusst werden. Der <strong>in</strong>dividuelle<br />
Wert aus der Sicht des Käufers entspricht<br />
dem maximalen Kaufpreis, den er zu zahlen bereit<br />
ist, und kann unter oder über dem Verkehrswert<br />
liegen. Der Begriff (Transaktions-)Preis bezeichnet<br />
die Höhe der tatsächlichen Zahlung, auf die sich<br />
Käufer und Verkäufer gee<strong>in</strong>igt haben. 12<br />
Das Fundament der Werttheorie wird durch<br />
den Überbau der Preistheorie ergänzt, die das<br />
Zust<strong>and</strong>ekommen von Transaktionspreisen<br />
Käufer<br />
(price ≤ worth)<br />
Subjektiver Wert<br />
(worth)
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
erklärt. Nach der Preistheorie steigt die Angebotsmenge<br />
(Verkaufsbereitschaft) mit höherem<br />
Preis, während die Nachfrage reziprok abnimmt.<br />
Das Marktgleichgewicht zeigt den Punkt an, bei<br />
dem sich Nachfrage und Angebot treffen. In e<strong>in</strong>em<br />
transaktionsarmen Markt schiebt sich der Gleichgewichtspunkt<br />
nach l<strong>in</strong>ks. S<strong>in</strong>kt die Nachfrage<br />
noch weiter, so entsteht e<strong>in</strong> Bid-Offer-Spread ohne<br />
Schnittpunkt, d.h. Anbieter und Nachfrager können<br />
sich auf ke<strong>in</strong>en Preis e<strong>in</strong>igen, und Transaktionen<br />
bleiben aus. In transaktionsarmen oder transaktionslosen<br />
Immobilienmärkten („Th<strong>in</strong>-Markets“), wie<br />
<strong>of</strong>t im Ländlichen Raum, können sich Anbieter bei<br />
der Angebotspreisfestsetzung nicht an früheren<br />
Transaktionen orientieren. Der Verkäufer steht<br />
damit vor der schwierigen Aufgabe, e<strong>in</strong>en Angebotspreis<br />
festzusetzen, der sowohl der eigenen<br />
als auch der (unbekannten) Preisvorstellung des<br />
Käufers gerecht wird. 13<br />
Angebotspreisfestsetzung und Angebotsdauer<br />
von immobilien<br />
Der Angebotspreis ist e<strong>in</strong> Preissignal des<br />
Verkäufers, zu dem das Objekt grundsätzlich<br />
verkauft wird, und stellt <strong>in</strong> der Regel den maximal<br />
erzielbaren Preis dar. Er dient dem Käufer als<br />
Orientierungsgröße bei der Unterbreitung e<strong>in</strong>es<br />
ersten Gebotes, das meist unter dem Angebotspreis<br />
liegt. 14 Die Angebotsdauer ist der Zeitraum<br />
zwischen Verkaufsbeg<strong>in</strong>n und Verkauf.<br />
Das Verkäuferdilemma liegt <strong>in</strong> zwei Zielsetzungen:<br />
Das Objekt soll zu e<strong>in</strong>em möglichst hohen Preis<br />
und gleichzeitig <strong>in</strong> möglichst kurzer Zeit verkauft<br />
werden. Der Käufer möchte für e<strong>in</strong>en möglichst<br />
niedrigen Kaufpreis se<strong>in</strong>en Nutzen maximieren. Ist<br />
der Angebotspreis zu hoch, reduziert sich die Zahl<br />
der potenziellen Käufer, und die Vermarktungszeit<br />
verlängert sich. Bei e<strong>in</strong>em zu niedrigen Angebotspreis<br />
steigt die Wahrsche<strong>in</strong>lichkeit e<strong>in</strong>es schnelleren<br />
Verkaufs, jedoch wird nicht der maximal<br />
mögliche Transaktionspreis erreicht. 15<br />
Kann die Immobilie nicht zu dem ursprünglichen<br />
Angebotspreis verkauft werden, ergeben sich für<br />
den Verkäufer drei Möglichkeiten: Er kann den<br />
Verkauf beenden, weiter auf e<strong>in</strong>en Käufer warten<br />
oder drittens den Preis senken. 16 Für den letzten<br />
Fall zeigt Knight (2002, S. 220), dass der Kontrahierungsabschlag<br />
vor der Angebotspreissenkung<br />
12,2% und danach 3,2% betrug. Damit erreichte<br />
der Kontrahierungsabschlag die gleiche Höhe<br />
9<br />
(3,1%) wie bei Angeboten mit niedrigeren, aber<br />
konstanten Angebotspreisen. Der große Unterschied<br />
liegt <strong>in</strong> der Vermarktungsdauer, die ohne<br />
Angebotspreisänderung durchschnittlich 56 Tage<br />
und mit Angebotspreisänderung 151 Tage betrug.<br />
Weiterh<strong>in</strong> lassen sich unterschiedliche Vermarktungsstrategien<br />
identifizieren. Immobilien, für die<br />
e<strong>in</strong>e große Nachfrage zu erwarten ist, werden mit<br />
e<strong>in</strong>em relativ hohen Angebotspreis angeboten.<br />
Dieser wird schrittweise gesenkt, damit der Angebotspreis<br />
allmählich der Nachfrage anpasst wird.<br />
Verkäufer von Immobilien mit e<strong>in</strong>em begrenzten<br />
Käuferkreis, d.h. mit e<strong>in</strong>em ger<strong>in</strong>gen („Schrottimmobilien“)<br />
oder hohen Wert („Luxusimmobilien“)<br />
sowie Spezialimmobilien (z.B. Reiterh<strong>of</strong>), wählen<br />
e<strong>in</strong>en moderaten, dafür aber konstanten Angebotspreis.<br />
17<br />
E<strong>in</strong>flussfaktoren auf den Kontrahierungsabschlag<br />
Im Jahr 2009 wurde e<strong>in</strong>e Studie durch empirica<br />
vorgelegt, welche die Anwendungsmöglichkeiten<br />
von Angebotsdaten für e<strong>in</strong>e flächendeckende<br />
Immobilienpreisbeobachtung von Eigentumswohnungen<br />
und E<strong>in</strong>familienhäusern <strong>in</strong> Nord-<br />
rhe<strong>in</strong>-Westfalen überprüft. 18 Zwar werden dar<strong>in</strong><br />
zur Ermittlung des Kontrahierungsabschlags<br />
Angebotspreise mit Transaktionspreisen von<br />
Maklern und nicht aus der Kaufpreissammlung<br />
verglichen, jedoch können relevante<br />
Erkenntnisse abgeleitet werden. Der durchschnittliche<br />
Kontrahierungsabschlag für E<strong>in</strong>familienhäuser<br />
beträgt 8,1% <strong>in</strong> e<strong>in</strong>er Spanne von<br />
11,5% bis 4,8%. Als mögliche E<strong>in</strong>flussfaktoren<br />
werden Baujahr, Grund- und Wohnfläche, Anzahl<br />
der Zimmer und Angebotsdauer analysiert. E<strong>in</strong>e<br />
hohe Erklärungskraft weist die Angebotsdauer<br />
auf. Ebenso s<strong>in</strong>d die Dummy-Variablen „Baujahr<br />
2000er“ und „Baujahr 1900-1940“ signifikant.<br />
Darüber h<strong>in</strong>aus s<strong>in</strong>d ke<strong>in</strong>e weiteren Studien aus<br />
Deutschl<strong>and</strong> oder <strong>and</strong>eren europäischen Ländern<br />
zu dieser Thematik bekannt. In Großbritannien<br />
gibt es zwar e<strong>in</strong>e ähnliche Studie, deren Ergebnisse<br />
aber nicht auf Deutschl<strong>and</strong> übertragbar s<strong>in</strong>d.<br />
In Deutschl<strong>and</strong> entspricht der Angebotspreis <strong>in</strong><br />
der Regel dem maximalen Kaufpreis, während <strong>in</strong><br />
Großbritannien der Angebotspreis e<strong>in</strong>e „Verh<strong>and</strong>lungsbasis“<br />
darstellt. Daher liegen die Transaktionspreise<br />
gleichmäßig über oder unter dem<br />
Angebotspreis. 19
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Für die Konzeption der Regressionsmodelle<br />
werden daher <strong>in</strong> dieser Arbeit zusätzlich die<br />
Ergebnisse von US-Studien e<strong>in</strong>bezogen. In den<br />
USA hat der Angebotspreis die gleiche Preissignalfunktion<br />
wie <strong>in</strong> Deutschl<strong>and</strong>. Alle genannten<br />
Studien beziehen Daten des American Hous<strong>in</strong>g<br />
Survey (AHS) e<strong>in</strong>, bei welcher Eigentümer den<br />
Wert ihrer Immobilie schätzen müssen. Anschließend<br />
erfolgt e<strong>in</strong> Abgleich mit dem später erzielten<br />
Transaktionspreis. Zusätzlich erhebt der AHS<br />
zahlreiche weitere Faktoren, die sich <strong>in</strong> objektbezogene<br />
Ausstattungsmerkmale (Bad, Wohnfläche<br />
etc.) und sozioökonomische Merkmale des Eigentümers<br />
(Alter, E<strong>in</strong>kommen, Ethnizität, Bildung)<br />
gliedern. Ergänzend kann auch die Angebotsdauer<br />
berechnet werden. AHS-basierte Studien<br />
können den E<strong>in</strong>fluss zahlreicher Variablen auf den<br />
Kontrahierungsabschlags messen. Die Ergebnisse<br />
geben H<strong>in</strong>weise auf signifikante Variablen, die im<br />
Rahmen dieser Arbeit Berücksichtigung f<strong>in</strong>den.<br />
Ke<strong>in</strong>en E<strong>in</strong>fluss auf den Kontrahierungsabschlag<br />
hat nach Ihl<strong>and</strong>feldt & Mart<strong>in</strong>ez-Vazques (1986,<br />
S. 364) und Kiel & Zabel (1999, S. 284) das<br />
Bildungsniveau des Eigentümers. Ihl<strong>and</strong>feldt &<br />
Mart<strong>in</strong>ez-Vazques (1986, S. 364) stellen fest, dass<br />
die Merkmale Alter, E<strong>in</strong>kommen und Ethnizität<br />
e<strong>in</strong>en E<strong>in</strong>fluss auf den Kontrahierungsabschlag<br />
haben, was durch Goodman & Ittner (1992, S.<br />
353) nur teilweise bestätigt wird. Aufgrund unterschiedlicher<br />
Gesellschaftsstrukturen <strong>in</strong> den USA<br />
und Deutschl<strong>and</strong> s<strong>in</strong>d diese Ergebnisse kaum<br />
auf Deutschl<strong>and</strong> übertragbar. E<strong>in</strong>e Untersuchung<br />
h<strong>in</strong>sichtlich der Variable „Ethnizität“ wäre für<br />
Deutschl<strong>and</strong> <strong>in</strong> bestimmten Räumen ebenfalls<br />
s<strong>in</strong>nvoll, entfällt aber aufgrund fehlender Daten.<br />
Den E<strong>in</strong>fluss von Objektmerkmalen wie der Wohnfläche<br />
auf den Kontrahierungsabschlag bestätigen<br />
alle US-Studien. Übere<strong>in</strong>stimmend kommen<br />
Ihl<strong>and</strong>feldt & Mart<strong>in</strong>ez-Vazques (1986), DiPas-<br />
Objektbezogene<br />
Variablen<br />
Lagebezogene<br />
Variablen<br />
kontrahierungsabschlag<br />
Sozioökonomische<br />
Variablen<br />
Abbildung 2: E<strong>in</strong>flussfaktoren auf den Kontrahierungsabschlag<br />
Eigene Darstellung.<br />
10<br />
quale & Somerville (1995) und Kiel & Zabel (1999)<br />
zu dem Ergebnis, dass verkaufswillige Eigentümer<br />
den Wert des Hauses höher e<strong>in</strong>schätzen als Eigentümer,<br />
die ihr Haus nicht verkaufen wollen. Kiel &<br />
Zabel (1999, S. 277) stellen fest, dass Eigentümer<br />
mit Verkaufsabsichten den Wert ihrer Immobilien<br />
um ca. 9% überschätzen. Dieser durchschnittliche<br />
Wert weicht regional stark ab und bewegt sich <strong>in</strong><br />
e<strong>in</strong>er Spanne von 5-14%. E<strong>in</strong> ähnliches Ergebnis<br />
weist auch die empirica-Studie auf. 20<br />
Ihl<strong>and</strong>feldt & Mart<strong>in</strong>ez-Vazques (1986, S. 363)<br />
führen aus, dass <strong>in</strong> e<strong>in</strong>em nicht-volatilen Immobilienmarkt<br />
die Eigentümer den Wert ihrer Immobilie<br />
sehr gut e<strong>in</strong>schätzen können. Kiel & Zabel (1999,<br />
S. 281) bestätigen dieses Ergebnis und ergänzen,<br />
dass auch der Immobilienzyklus ke<strong>in</strong>en E<strong>in</strong>fluss<br />
auf die Genauigkeit des Kontrahierungsabschlags<br />
ausübt. Goodman und empirica stellen h<strong>in</strong>gegen<br />
e<strong>in</strong>en E<strong>in</strong>fluss des Immobilienzyklus fest und<br />
kommen zu dem Ergebnis, dass <strong>in</strong> volatilen<br />
Märkten die Eigentümer über veraltete Informationen<br />
verfügen („time-lag“) und so den aktuellen<br />
Marktpreis deutlich schlechter e<strong>in</strong>schätzen<br />
können. 21<br />
Die Studien zeigen, dass Schätzungen der Eigentümer<br />
grundsätzlich über den Transaktionspreisen<br />
liegen. Zudem hängen die E<strong>in</strong>flussvariablen sehr<br />
stark von lokalen und zeitlichen Besonderheiten<br />
ab, sodass Ergebnisse nur bed<strong>in</strong>gt verallgeme<strong>in</strong>ert<br />
werden können. Für die Ergebnisse der vorliegenden<br />
Arbeit bedeutet dies, dass sie ebenfalls <strong>in</strong><br />
ihrem zeitlichen und lokalen Kontext e<strong>in</strong>gebettet<br />
<strong>in</strong>terpretiert werden müssen.<br />
c. Datengrundlagen und Methodik<br />
Die meisten Studien, die den Kontrahierungsabschlag<br />
untersuchen, beschränken sich auf<br />
e<strong>in</strong>zelne E<strong>in</strong>flussgruppen, da die Datenverfügbar-<br />
Internetbezogene<br />
Variable<br />
Marktbezogene<br />
Variablen
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
keit begrenzt ist. Beispielsweise haben eigentümerbezogene<br />
E<strong>in</strong>flussfaktoren e<strong>in</strong>en E<strong>in</strong>fluss auf<br />
den Kontrahierungsabschlag, 22 können aber <strong>in</strong><br />
dieser Arbeit aus datenschutzrechtlichen Gründen<br />
zunächst nicht e<strong>in</strong>bezogen werden. Die Studie<br />
betrachtet vor dem H<strong>in</strong>tergrund Variablen, die<br />
frei zugänglich s<strong>in</strong>d und e<strong>in</strong>en E<strong>in</strong>fluss erwarten<br />
lassen (Abbildung 2).<br />
Das Regressionsmodell wird <strong>in</strong> Kapitel D<br />
beschrieben.<br />
Auswahl und Beschreibung der<br />
untersuchungsräume<br />
Den Untersuchungsraum der Arbeit bilden L<strong>and</strong>kreise<br />
<strong>in</strong> Rhe<strong>in</strong>l<strong>and</strong>-Pfalz, die dem Ländlichen<br />
Raum zugeordnet werden. Diese werden <strong>in</strong> e<strong>in</strong>em<br />
mehrstufigen Verfahren ermittelt.<br />
Zuerst werden alle kreisfreien Städte und L<strong>and</strong>kreise,<br />
die nicht der Raumkategorie „Ländlicher<br />
Raum“ entsprechen, ausgeschlossen. 23 Dies<br />
betrifft vor allem L<strong>and</strong>kreise im östlichen und<br />
nördlichen Rhe<strong>in</strong>l<strong>and</strong>-Pfalz („Rhe<strong>in</strong>schiene“) mit<br />
e<strong>in</strong>er hohen Bevölkerungsdichte. In e<strong>in</strong>em zweiten<br />
Schritt entfallen die L<strong>and</strong>kreise Trier-Saarburg und<br />
Bitburg-Prüm; hier ist der Wohnungsmarkt stark<br />
durch Käufer aus Luxemburg geprägt, woraus sich<br />
unerwünschte Sondereffekte ergeben. 24 Schließlich<br />
wird der L<strong>and</strong>kreis Birkenfeld ausgeschlossen,<br />
der zwar e<strong>in</strong>e hohe Ländlichkeit aufweist, aber mit<br />
e<strong>in</strong>em Bevölkerungsanteil von rund 37% stark<br />
durch die kreisangehörige Stadt Idar-Oberste<strong>in</strong><br />
geprägt ist.<br />
Als Untersuchungsgebiete bleiben nach diesem<br />
dreistufigen Verfahren die sechs L<strong>and</strong>kreise Bernkastel-Wittlich,<br />
Cochem-Zell, Vulkaneifel, Kusel,<br />
Südwestpfalz und der Rhe<strong>in</strong>-Hunsrück-Kreis.<br />
In den sechs L<strong>and</strong>kreisen leben 513.000<br />
E<strong>in</strong>wohner <strong>in</strong> 625 Ortsgeme<strong>in</strong>den. Aufgrund der<br />
kle<strong>in</strong>teiligen Siedlungsstruktur gibt es nur drei Orte<br />
mit mehr als 10.000 E<strong>in</strong>wohnern, aber 356 Orte<br />
mit weniger als 500 und 148 Orte mit bis zu 1.000<br />
Bürgern. Der Untersuchungsraum ist h<strong>in</strong>sichtlich<br />
der Siedlungsstruktur weitgehend homogen. Auch<br />
die Bevölkerungsstruktur ist <strong>in</strong> allen sechs L<strong>and</strong>kreisen<br />
ähnlich. Der wohneigentumsbildenden<br />
Bevölkerungsgruppe (20-50-Jährige) gehören<br />
38% der E<strong>in</strong>wohner an. Rund 42% der Bevölkerung<br />
s<strong>in</strong>d älter als 50 Jahre.<br />
11<br />
Im Zeitraum 2005 bis 2009 schrumpfte die Bevölkerung<br />
<strong>in</strong> den sechs L<strong>and</strong>kreisen ähnlich um<br />
2,7% bis 4,2%. Besonders gilt dies für die<br />
Altersgruppen der unter 20-Jährigen und der<br />
35-50-Jährigen, <strong>in</strong> ger<strong>in</strong>gem Maße auch für die<br />
der 20-35-Jährigen. Demographisch gesehen<br />
verr<strong>in</strong>gerte sich der Anteil der wohneigentumsbildenden<br />
Gruppen gegenüber dem Anteil der über<br />
50-Jährigen. Unter der Annahme, dass <strong>in</strong> hohem<br />
Alter Wohneigentum verstärkt verkauft wird, z.B.<br />
zur Rentenaufbesserung oder durch Veräußerung<br />
nach e<strong>in</strong>em Erbfall, trifft e<strong>in</strong>e s<strong>in</strong>kende Nachfrage<br />
auf e<strong>in</strong> steigendes Angebot. Dies lässt e<strong>in</strong>en<br />
steigenden Kontrahierungsabschlag erwarten, da<br />
Verkäufer die abgeschwächte Nachfrage erst mit<br />
Verzögerung („time-lag“) wahrnehmen. 25<br />
Transaktionsdaten aus der Kaufpreissammlung<br />
der gutachterausschüsse<br />
In Rhe<strong>in</strong>l<strong>and</strong>-Pfalz werden Gutachterausschüsse<br />
<strong>in</strong> der Regel für L<strong>and</strong>kreise und kreisfreie Städte<br />
gebildet. E<strong>in</strong>ige Gutachterausschüsse umfassen<br />
mehrere Gebietskörperschaften. Jeder Kaufvertrag<br />
im Bereich des Grundstückswesens ist <strong>in</strong><br />
Abschrift dem Gutachterausschuss für Zwecke<br />
der Kaufpreissammlung vorzulegen. Die Kaufpreissammlung<br />
enthält pro Grundstück folgende<br />
Angaben: 26<br />
1) Beschreibende Merkmale des Grundstücks<br />
(Lagebezeichnungen, Grundbuchbezeichnungen<br />
etc.)<br />
2) Daten des Kaufvertrags<br />
(Kaufpreis, Vertragspartner, Art des Kaufgegenst<strong>and</strong>es)<br />
3) Daten des Grundstücks und se<strong>in</strong>er Gebäude<br />
(Grundstücksfläche, sonstige Flächen,<br />
Baujahr etc.)<br />
4) Bewirtschaftungsdaten<br />
(Mieten, Pachten, Betriebskosten etc.)<br />
5) Rechtliche Bed<strong>in</strong>gungen<br />
(Planungsrecht, GFZ, GRZ, Art der Nutzung,<br />
Leitungsrechte etc.)<br />
6) Wertermittlungsdaten<br />
(Bodenrichtwert, Lageklassen, Mietspiegelwerte)
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Für diese Studie wurde durch den OGA Rhe<strong>in</strong>l<strong>and</strong>-<br />
Pfalz und die zuständigen Gutachterausschüsse<br />
E<strong>in</strong>sicht <strong>in</strong> die Kaufpreissammlung gewährt.<br />
angebotsdaten von immobilienScout24<br />
Das Immobilienmarket<strong>in</strong>g im Internet erlangt<br />
größere Bedeutung gegenüber klassischen<br />
Offl<strong>in</strong>e-Vermarktungskanälen. E<strong>in</strong>e aktuelle<br />
Umfrage unter 1.308 Maklerunternehmen hat<br />
ergeben, dass 98% e<strong>in</strong> Immobilienportal nutzen<br />
und 95% diesen Vermarktungskanal als wichtig<br />
oder sehr wichtig e<strong>in</strong>stufen. Die Bedeutung des<br />
Immobilienmarket<strong>in</strong>gs auf der Anbieterseite korrespondiert<br />
mit dem geänderten Suchverhalten von<br />
Privatpersonen. E<strong>in</strong>er geme<strong>in</strong>samen Umfrage<br />
von INNOFACT und der Scout24-Gruppe zufolge<br />
nutzen 74% der Deutschen das Internet bei der<br />
Immobiliensuche. Der Vorteil liegt <strong>in</strong> der erleichterten<br />
Suche nach Angeboten und den Vergleichsmöglichkeiten<br />
der Angebote h<strong>in</strong>sichtlich Preis und<br />
Ausstattung. 27<br />
ImmobilienScout24 ist die größte Angebotsplattform<br />
im Internet für Immobilien <strong>in</strong> Deutschl<strong>and</strong> mit<br />
ca. 1,2 Millionen Angeboten pro Monat. Darüber<br />
h<strong>in</strong>aus rufen monatlich 4,5 Millionen Besucher über<br />
250 Millionen Objektexposés von 70.000 privaten<br />
und 40.000 gewerblichen Immobilienanbietern<br />
ab. 28 Anbieter machen bei ImmobilienScout24<br />
sechs Pflichtangaben und bis zu 35 optionale<br />
Angaben pro Objekt. Pr<strong>in</strong>zipiell ist davon auszugehen,<br />
dass e<strong>in</strong> Anbieter über die Basisangaben<br />
h<strong>in</strong>aus Informationen zusammenstellt, damit der<br />
Käufer e<strong>in</strong>en besseren E<strong>in</strong>druck von der Immobilie<br />
erlangt und der Anreiz zur Kontaktaufnahme steigt.<br />
Im Rahmen dieser Arbeit stellte Immobilien-<br />
Scout24 für den Untersuchungsraum alle Angebote<br />
bereit, die im Zeitraum 01.01.2007 bis 31.12.2009<br />
auf der Internetplattform e<strong>in</strong>gestellt waren.<br />
Weitere Daten<br />
E<strong>in</strong>ige zusätzliche Variablen basieren auf Daten<br />
des Statistischen L<strong>and</strong>esamtes Rhe<strong>in</strong>l<strong>and</strong>-Pfalz.<br />
Darüber h<strong>in</strong>aus stellte das M<strong>in</strong>isterium für Wirtschaft,<br />
Verkehr, L<strong>and</strong>wirtschaft und We<strong>in</strong>bau<br />
Daten zur Zentrenerreichbarkeit bereit, die teilweise<br />
auf der Arbeit von Waluga (2009) basieren.<br />
Kaufkraftdaten von MB-Research entstammen der<br />
Seite www.rewob.de (Regionalisierte Wohnungsmarktbeobachtung<br />
Rhe<strong>in</strong>l<strong>and</strong>-Pfalz).<br />
12<br />
zusammenführung der Daten und aufbau der<br />
Datenbank<br />
Die Zusammenführung der Angebots- und<br />
Transaktionsdaten erfolgt über das Merkmal<br />
Adresse. Die Zuordnung der Transaktionspreise<br />
geschieht vor Ort bei den zuständigen<br />
Gutachterausschüssen. Darüber h<strong>in</strong>aus stehen<br />
weitere Angaben (z.B. Grundstücksfläche) zur<br />
Verfügung, die <strong>in</strong> Zweifelsfällen e<strong>in</strong>e genaue<br />
Zuordnung der Angebots- und Kaufpreisdaten<br />
ermöglichen. Anschließend wird jeder Fall um<br />
die amtliche Geme<strong>in</strong>dekennziffer (= Schlüssel-<br />
variable) ergänzt, mit der weitere Variablen zuordenbar<br />
s<strong>in</strong>d. Die Löschung des Merkmals Adresse<br />
aus der Datenbank wird aus datenschutzrechtlichen<br />
Gründen s<strong>of</strong>ort vorgenommen. E<strong>in</strong> Rückschluss<br />
auf e<strong>in</strong>zelne Grundstücke <strong>in</strong>nerhalb e<strong>in</strong>es<br />
Ortes ist damit im Anschluss nicht mehr möglich.<br />
D. analyse<br />
Der Untersuchungszeitraum erstreckt sich vom<br />
01.01.2007 bis zum 31.12.2009. Bei Übere<strong>in</strong>stimmung<br />
der Daten erfolgte die Aufnahme <strong>in</strong> die<br />
Datenbank erst, wenn bei der Transaktion vom<br />
„gewöhnliche(n) Geschäftsverkehr“ (§ 194 BauGB)<br />
ausgegangen werden kann. Die häufigsten<br />
Gründe für e<strong>in</strong>en Ausschluss waren Zwangsversteigerungen<br />
oder Kauffälle unter Verw<strong>and</strong>ten.<br />
Insgesamt konnten 1.274 Fälle identifiziert werden,<br />
welche die Auswahlkriterien erfüllten.<br />
In e<strong>in</strong>em ersten Schritt wird die Gesamtzahl der<br />
Kauffälle den Kauffällen gegenübergestellt, für die<br />
sowohl e<strong>in</strong> Angebots- als auch e<strong>in</strong> Transaktionspreis<br />
vorliegen. Insgesamt konnte je L<strong>and</strong>kreis für<br />
16% bis 26% der Transaktionen e<strong>in</strong> Angebotspreis<br />
zugeordnet werden (Tabelle 2).<br />
In der Stichprobe ist dennoch der durchschnittliche<br />
Transaktionspreis deutlich höher als <strong>in</strong> der Grundgesamtheit.<br />
E<strong>in</strong>e mögliche Erklärung für dieses<br />
Phänomen ist, dass Verkäufer von ger<strong>in</strong>gwertigen<br />
Grundstücken sehr <strong>of</strong>t e<strong>in</strong>en Käufer <strong>in</strong> der direkten<br />
Nachbarschaft oder im eigenen Ort f<strong>in</strong>den müssen,<br />
da das Objekt für Ortsfremde eher un<strong>in</strong>teressant ist<br />
(Stichwort: Schrottimmobilie, Zukäufe). Die Immobilienvermarktung<br />
im Internet hat daher <strong>in</strong> diesen<br />
Fällen ke<strong>in</strong>e oder nur ger<strong>in</strong>ge Bedeutung. Die<br />
Verkäufer von sehr hochwertigen Immobilien s<strong>in</strong>d<br />
stärker darauf angewiesen, dass viele potenzielle<br />
Käufer auf ihre Immobilie aufmerksam werden, da
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Tabelle 2: Deskriptiver Vergleich der Transaktionspreise (empirische Stichprobe vs. Grundgesamtheit) differenziert<br />
nach den untersuchten L<strong>and</strong>kreisen<br />
Eigene Darstellung. Quelle: Gutachterausschuss.<br />
Südwestpfalz kusel Rhe<strong>in</strong>-Hunsrück-Kreis<br />
Gesamt Stichprobe Gesamt Stichprobe Gesamt Stichprobe<br />
Anzahl 1.249 243 898 232 1.204 187<br />
M<strong>in</strong>imum 150 € 13.700 € 1 € 6.500 € 750 € 15.000 €<br />
Maximum 480.000 € 480.000 € 485.000 € 462.500 € 475.000 € 320.000 €<br />
Median 100.000 € 120.000 € 85.000 € 95.000 € 102.000 € 133.000 €<br />
Mittelwert 110.012 € 131.994 € 102.177 € 113.056 € 110.877 € 133.869 €<br />
Vulkaneifel & Cochem-Zell 29 Bernkastel-Wittlich untersuchungsgebiet<br />
Gesamt Stichprobe Gesamt Stichprobe Gesamt Stichprobe<br />
Anzahl 1.917 370 1319 242 6.587 1.274<br />
M<strong>in</strong>imum 4 € 7.500 € 0 € 17.000 € 1 € 6.500 €<br />
Maximum 472.500 € 445.000 € 395.000 € 350.000 € 480.000 € 480.000 €<br />
Median 80.000 € 92.000 € 83.000 € 96.750 € n.b. 106.000 €<br />
Mittelwert 95.000 € 103.055 € 98.488 € 108.797 € 102.425 € 116.010 €<br />
die Nachfrage im eigenen Ort oder der näheren<br />
Umgebung begrenzt ist. E<strong>in</strong> weiterer Grund kann<br />
dar<strong>in</strong> liegen, dass mit steigendem Objektwert die<br />
Inanspruchnahme von Maklern steigt, die stärker<br />
<strong>in</strong>ternetbasiert vermarkten.<br />
Deskriptive Analyse der Angebots- und Transaktionspreise<br />
Die Angebotspreise s<strong>in</strong>d überwiegend höher als<br />
der spätere Transaktionspreis. Insgesamt liegen<br />
nur 31 Transaktionspreise (2,1%) über dem Angebotspreis,<br />
und <strong>in</strong> 103 Fällen (8,1%) s<strong>in</strong>d beide<br />
gleich, d.h. circa 90% der Transaktionspreise s<strong>in</strong>d<br />
niedriger als der letztgenannte Angebotspreis. In<br />
Abbildung 3 stellt jeder Punkt e<strong>in</strong> Objekt dar, für das<br />
Angebots- und Transaktionspreis bekannt s<strong>in</strong>d.<br />
Besonders bei Angebotspreisen über 300.000 €<br />
treten zum Teil sehr hohe absolute Abschläge auf.<br />
Angebots- und Transaktionspreise zeigen ähnliche<br />
Muster <strong>in</strong> der deskriptiven Statistik. Die Angebotspreise<br />
weisen allerd<strong>in</strong>gs e<strong>in</strong>en höheren Mittelwert<br />
und Median sowie e<strong>in</strong>e höhere St<strong>and</strong>ardabweichung<br />
auf (Tabelle 3).<br />
13<br />
Kaufpreis<br />
500.000 €<br />
400.000 €<br />
300.000 €<br />
200.000 €<br />
100.000 €<br />
0 €<br />
0 €<br />
100.000 €<br />
200.000 € 300.000 €<br />
Angebotspreis<br />
400.000 €<br />
500.000 €<br />
abbildung 3: gegenüberstellung der angebots- und<br />
Transaktionspreise<br />
Eigene Darstellung. Quelle: Gutachterausschuss, Immobilien-<br />
Scout24.
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Tabelle 3: Deskriptive Statistik der Angebots- und Transaktionspreise<br />
n = 1.274 angebotspreis Transaktionspreis<br />
Mittelwert 136.615 € 116.010 €<br />
Median 126.500 € 106.000 €<br />
St<strong>and</strong>ardabweichung 79.249 € 68.683 €<br />
M<strong>in</strong>imum 5.000 € 6.500 €<br />
Maximum 520.000 € 480.000 €<br />
Schiefe 1,330 1,174<br />
Kurtosis 2,836 2,362<br />
Eigene Darstellung. Quelle: Gutachterausschuss, ImmobilienScout24.<br />
Beide Gruppen s<strong>in</strong>d rechtsschief verteilt, und die<br />
positive Kurtosis zeigt, dass niedrigere Werte<br />
häufiger vorkommen, als bei Normalverteilung<br />
zu erwarten wäre. Der Median deutet auf das<br />
Vorh<strong>and</strong>ense<strong>in</strong> von Extremwerten h<strong>in</strong>, da dieser<br />
Wert stark vom arithmetischen Mittel abweicht.<br />
Das M<strong>in</strong>imum des Angebotspreises ist niedriger<br />
als beim Transaktionspreis. Dies ist e<strong>in</strong>er der 31<br />
„Sonderfälle“, <strong>in</strong> denen der spätere Transaktionspreis<br />
über dem Angebotspreis liegt.<br />
Deskriptive Analyse des prozentualen und<br />
absoluten kontrahierungsabschlags<br />
Der prozentuale Kontrahierungsabschlag beträgt<br />
im Durchschnitt 15,2% und ist im Rhe<strong>in</strong>-Hunsrück-Kreis<br />
mit 14,5% am niedrigsten und <strong>in</strong> der<br />
Vulkaneifel mit 16,2% am höchsten. Der absolute<br />
Abschlag entspricht im Mittel 20.605 €. Die sehr<br />
hohe St<strong>and</strong>ardabweichung sowie der Median<br />
zeigen, dass der Mittelwert durch Extremwerte<br />
stark bee<strong>in</strong>flusst wird. Die Verteilung des absoluten<br />
Tabelle 4: Deskriptive Statistik des absoluten und prozentualen Kontrahierungsabschlags<br />
14<br />
Kontrahierungsabschlags ist deutlich l<strong>in</strong>ksschief<br />
und sehr steil (Tabelle 4).<br />
In ca. 90% der Fälle können die Eigentümer ihre<br />
Preisvorstellungen nicht realisieren und erzielen<br />
e<strong>in</strong>en Transaktionspreis, der unter dem Angebotspreis<br />
liegt. Die Hälfte der Verkäufer reduzierte<br />
den Preis um m<strong>in</strong>destens 12,3%, e<strong>in</strong> Viertel um<br />
m<strong>in</strong>destens 21,7%, und 10% mussten den Angebotspreis<br />
um über e<strong>in</strong> Drittel senken (Tabelle 5).<br />
Im Gegensatz hierzu konnten 10% der Verkäufer<br />
m<strong>in</strong>destens den Angebotspreis erzielen. Insbesondere<br />
bei Fällen, <strong>in</strong> denen der Transaktionspreis<br />
über dem Angebotspreis liegt, ist zu beachten,<br />
dass die Zeiträume zwischen Angebotserstellung<br />
und Kaufdatum nicht identisch s<strong>in</strong>d. Es ist <strong>in</strong> E<strong>in</strong>zelfällen<br />
möglich, dass wertsteigernde Maßnahmen<br />
zu dem höheren Preis führten.<br />
n = 1.274 absoluter kh Prozentualer KH<br />
Mittelwert - 20.605 € - 15,2%<br />
Median - 13.500 € - 12,3%<br />
St<strong>and</strong>ardabweichung 26.368 € 14,4%<br />
M<strong>in</strong>imum - 254.000 € - 75,0%<br />
Maximum 69.000 € 90,0%<br />
Schiefe -3,597 - 0,663<br />
Kurtosis 21,556 4,292<br />
Eigene Darstellung. Quelle: Gutachterausschuss, ImmobilienScout24.
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Tabelle 5: Prozentuale Verteilung der Kontrahierungsabschläge<br />
Perzentile Prozentualer KH absoluter kh<br />
Kle<strong>in</strong>ster Wert (prozentual/ absolut) - 75,0% - 254.000 €<br />
1% - 61,3% - 126.500 €<br />
5% - 43,9% - 65.000 €<br />
10% - 33,3% - 47.750 €<br />
25% - 21,7% - 28.000 €<br />
50% - 12,3% - 13.500 €<br />
75% - 5,5% - 5.000 €<br />
90% 0,0% 0 €<br />
95% 0,0% 0 €<br />
99% 9,5% 15.250 €<br />
Größter Wert (prozentual/ absolut) 90% 69.000 €<br />
Eigene Darstellung. Quelle: Gutachterausschuss, ImmobilienScout24.<br />
regressionsanalyse Modell kh_prozent<br />
Im Folgenden werden <strong>in</strong> Regressionsmodellen<br />
E<strong>in</strong>flussfaktoren auf den prozentualen Kontrahierungsabschlag<br />
untersucht. 30 Vorab erfolgt e<strong>in</strong><br />
Data-Screen<strong>in</strong>g der Rohdaten mit Normalitätsprüfung<br />
für die Variablen und Analyse von Ausreißern<br />
auf Grundlage von z-Werten. Mehrere Variablen<br />
wurden transformiert, um die Verteilungen e<strong>in</strong>er<br />
Normalverteilung anzunähern. Transformierungen<br />
s<strong>in</strong>d pro Variable <strong>in</strong> Tabelle 6 angegeben. In der<br />
Summe ergeben die statistischen und die graphischen<br />
Analysen, dass bis auf zwei Variablen alle<br />
e<strong>in</strong>e Normalverteilung aufweisen.<br />
Insgesamt weisen sechs Variablen fehlende Werte<br />
auf, die durch <strong>and</strong>ere Werte imputiert werden<br />
können. Die meisten fehlenden Werte weisen<br />
die Indikatoren CLICK_URL, LISTE_SHOW und<br />
LISTE_MATCH für die Internetattraktivität mit je<br />
36 Werten (2,6%) auf.<br />
Der Variablen WOHNFLÄCHE wird durch das<br />
theoretisch abgeleitete Regressionsmodell e<strong>in</strong>e<br />
hohe Bedeutung zugemessen. Diese Angabe<br />
kann der Anbieter bei ImmobilienScout24 freiwillig<br />
e<strong>in</strong>gegeben, und sie muss nicht der Wirklichkeit<br />
entsprechen. E<strong>in</strong>e Analyse der Rohdaten ergab<br />
bei diesem Indikator <strong>in</strong> E<strong>in</strong>zelfällen sehr unplausible<br />
Werte von bis zu 22.457 qm Wohnfläche.<br />
Alle Fälle, die e<strong>in</strong>e Wohnfläche von über 650 qm<br />
aufweisen, wurden aus den Rohdaten entfernt. 31<br />
Der MCAR-Test nach Little ergab, dass die 40<br />
gelöschten Fälle zufällig verteilt s<strong>in</strong>d und durch<br />
15<br />
die Löschung ke<strong>in</strong>e systematische Verzerrung der<br />
Rohdaten stattf<strong>in</strong>det. Der endgültige Datensatz<br />
umfasst 1.234 Fälle.<br />
Modellspezifikation<br />
Das hergeleitete Regressionsmodell KH_<br />
PROZENT umfasst wie folgt 28 Prädiktoren (vgl.<br />
Tabelle 6): 32<br />
KH_PROZENT = b 0 + b 1 (ZENTRALER_<br />
ORT) + b 2 (SCHULSTANDORT) +<br />
b 3 (KINDERTAGESSTÄTTENSTANDORT) +<br />
b 4 (BAHNHOF) + b 5 (ÖPNV_FAHRZEIT_MZ) +<br />
b 6 (HALTESTELLENSTOPPS_MAX) + b 7 (PKW_<br />
FAHRZEIT_OZ) + b 8 (BAUFERTIG_07_09)<br />
+ b 9 (GESAMTBEVÖLKERUNG) + b 10 (BEV_<br />
ANTEIL_20_35) + b 11 (BEV_ANTEIL_35_50) +<br />
b 12 (BEV_ENT_GES) + b 13 (BEV_<br />
ENT_20_35) + b 14 (BEV_ENT_35_50)<br />
+ b 15 (INTERNETATTRAKTIVITÄT) +<br />
b 16 (KAUFJAHR_2008) + b 17 (KAUFJAHR_2009)<br />
+ b 18 (TYP_RH_DH) + b 19 (GRUNDFLÄCHE) +<br />
b 20 (BODENRICHTWERT) + b 21 (WOHNFLÄCHE)<br />
+ b 22 (ANGEBOTSPREIS_50001_100000)<br />
+ b 23 (ANGEBOTSPREIS_100001_150000)<br />
+ b 24 (ANGEBOTSPREIS_150001_200000)<br />
+ b 25 (ANGEBOTSPREIS_ÜBER_200000) +<br />
b 26 (MARKTTRANSPARENZ) + b 27 (KAUFKRAFT_<br />
ENT_05_09) + b 28 (KAUFKRAFT_MITTEL_05_09)<br />
+ U i<br />
Bei älteren und größeren Gebäude wird <strong>in</strong> der<br />
Regel e<strong>in</strong> höherer Kontrahierungsabschlag ange-
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Häufigkeit<br />
150<br />
100<br />
50<br />
0<br />
Abhängige Variable: KH_PROZENT<br />
abbildung 4: residuendiagramme kh_prozent<br />
Eigene Darstellung.<br />
nommen, da der Wert der Immobilie schwieriger<br />
e<strong>in</strong>zuschätzen ist. Bei Faktoren, welche die<br />
Marktattraktivität, die Markttransparenz oder die<br />
relative Wettbewerbsstärke e<strong>in</strong>es Objektes positiv<br />
bee<strong>in</strong>flussen, wird c.p. e<strong>in</strong> ger<strong>in</strong>ger Kontrahierungsabschlag<br />
erwartet. Die Variable „Internetattraktivität“<br />
misst die Nachfrageattraktivität anh<strong>and</strong><br />
von Kennzahlen h<strong>in</strong>sichtlich der Anzeigehäufigkeit<br />
<strong>in</strong> ImmobilienScout24. 33 Der Prädiktor „Markttransparenz“<br />
bildet das lokale Marktgeschehen im<br />
Untersuchungszeitraum (07-09) ab. 34<br />
Homoskedastiziät<br />
-4 -2<br />
0<br />
2<br />
4<br />
Regression St<strong>and</strong>ardisiertes Residuum<br />
Die Residuen s<strong>in</strong>d homoskedastisch und normalverteilt.<br />
Dies deutet darauf h<strong>in</strong>, dass das Regressionsmodell<br />
die abhängige Variable KH_PROZENT<br />
potenziell gut erklären kann (Abbildung 4).<br />
Das Regressionsmodell KH_PROZENT erklärt nur<br />
1,2% der Varianz und hat damit fast ke<strong>in</strong>en Erklärungsgehalt<br />
(Tabelle 6). Vier Variablen werden<br />
signifikant, obwohl ke<strong>in</strong>e L<strong>in</strong>earität zwischen der<br />
abhängigen und den unabhängigen Variablen<br />
vorliegt. Das gewählte Regressionsmodell ist<br />
folglich nicht geeignet, den prozentualen Kontrahierungsabschlag<br />
auf Basis der gewählten Variablen<br />
vorherzusagen. Der Robustheitstest bestätigt<br />
diese Schlussfolgerung.<br />
Die Residuenstatistik und Homoskedastizitätsprüfung<br />
deuten allerd<strong>in</strong>gs darauf h<strong>in</strong>, dass das<br />
Regressionsmodell gut zur Vorhersage von<br />
prozentualen Kontrahierungsabschlägen geeignet<br />
ist. Dies lässt sich damit erklären, dass mit ke<strong>in</strong>er<br />
16<br />
Regression St<strong>and</strong>ardisiertes<br />
Residuum<br />
4<br />
2<br />
0<br />
-2<br />
-4<br />
-4<br />
Abhängige Variable: KH_PROZENT<br />
-2<br />
Regression St<strong>and</strong>ardisierter geschätzter Wert<br />
unabhängigen Variablen e<strong>in</strong> signifikanter Zusammenhang<br />
besteht und KH_PROZENT zufällig<br />
verteilt ist, womit sich diese zufällige Verteilungen<br />
bei e<strong>in</strong>er hohen Fallanzahl e<strong>in</strong>er Normalverteilung<br />
annähern.<br />
Variante: regressionsanalyse kh_prozent_<br />
Baujahr<br />
E<strong>in</strong> weiteres Regressionsmodell KH_PROZENT_<br />
BAUJAHR mit reduzierter Stichprobe aufgrund<br />
zufällig verteilter fehlender Werte (n = 1.004)<br />
erklärt nur 2,6% der Varianzen und besitzt damit<br />
fast ke<strong>in</strong>e Aussagekraft. Um <strong>in</strong>direkt auf den<br />
baulichen Zust<strong>and</strong> der Immobilie schließen zu<br />
können, erfolgte hierbei e<strong>in</strong>e E<strong>in</strong>teilung <strong>in</strong> vier<br />
Baujahrgruppen, die sich an historischen und<br />
gesetzlichen Strukturbrüchen im Wohnungsbau<br />
orientieren. Es werden sieben Variablen signifikant,<br />
obwohl ke<strong>in</strong>e L<strong>in</strong>earität zwischen der abhängigen<br />
mit den unabhängigen Variablen vorliegt. Auch<br />
dieses Regressionsmodell kann den prozentualen<br />
Kontrahierungsabschlag auf Basis der gewählten<br />
Variablen und l<strong>in</strong>earen Spezifikation nicht h<strong>in</strong>reichend<br />
vorhersagen.<br />
e. Datenrestriktionen und Lösungsansätze<br />
In der Sekundärliteratur wird auf e<strong>in</strong> breites Spektrum<br />
an Faktoren verwiesen, die e<strong>in</strong>en E<strong>in</strong>fluss<br />
auf den Kontrahierungsabschlag erwarten lassen.<br />
Im Rahmen dieser Arbeit konnten aufgrund von<br />
Datenrestriktionen mehrere potenzielle E<strong>in</strong>flussfaktoren<br />
nicht berücksichtigt werden, und es<br />
ergaben sich bei genauer Betrachtung der Daten<br />
0<br />
2
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
tabelle 6: ergebnis der regressionsanalyse kh_prozent<br />
Variablen<br />
regressions- t-Wert Sig.<br />
abhängige Variable: kh_prozent ( )35<br />
koeffizient B<br />
(Konstante) -,478 -2,444 ,015*<br />
Schulst<strong>and</strong>ort (Dummy) -,018 -1,009 ,313<br />
K<strong>in</strong>dertagesstättenst<strong>and</strong>ort (Dummy) ,021 1,113 ,266<br />
Bahnh<strong>of</strong> (Dummy) ,002 ,143 ,886<br />
ÖPNV Fahrzeit <strong>in</strong>s nächste Mittelzentrum (x) -,001 -1,780 ,075<br />
Haltestellenstopps_Max (log10x) -,004 -,157 ,875<br />
PKW Fahrzeit <strong>in</strong> nächste OZ (x) -,001 -1,404 ,161<br />
Durchschnitt Baufertigstellungen 07-09 ( ) ,011 ,929 ,353<br />
Gesamtbevölkerung (log10x) -,023 -,889 ,374<br />
Bevölkerungsanteil 20-35 Jährige (x) ,072 ,208 ,835<br />
Bevölkerungsanteil 35-50 Jährige (x) -,030 -,085 ,932<br />
Bevölkerungsentwicklung gesamt (x) -,412 -1,489 ,137<br />
Bevölkerungsentwicklung 20-35 Jährige 05-09 (x) ,112 1,512 ,131<br />
Bevölkerungsentwicklung 35-50 Jährige 05-09 (x) ,065 ,517 ,605<br />
Internetattraktivität ( ) ,000 ,830 ,407<br />
Kaufjahr 08 (Dummy) -,030 -1,997 ,046*<br />
Kaufjahr 09 (Dummy) -,026 -1,782 ,075<br />
Typ Reihenhaus / Doppelhaus (Dummy) -,017 -,964 ,335<br />
Grundfläche Grundstück (log10x) ,012 ,552 ,581<br />
Bodenrichtwert (log10x) ,036 ,852 ,394<br />
Wohnfläche ( ) -,001 -,258 ,796<br />
Angebotspreis 50.001 bis 100.000 € (Dummy) ,047 2,228 ,026*<br />
Angebotspreis 100.001 bis 150.000 € (Dummy) ,062 2,641 ,008**<br />
Angebotspreis 150.001 bis 200.000 € (Dummy) ,066 2,581 ,010*<br />
Angebotspreis über 200.000 € (Dummy) ,032 1,088 ,277<br />
Markttransparenz ( ) -,002 -,222 ,824<br />
Entwicklung der Kaufkraft 05-09 (x) -,319 -1,587 ,113<br />
Durchschnittliche Kaufkraft <strong>in</strong> den Jahren 05-09 (x) ,0000083 1,694 ,091<br />
R² 0,034<br />
korrigiertes R² 0,012<br />
Anzahl der Fälle 1.208<br />
Sig.: ** p
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
mehrere unerwartete Probleme. Relevante<br />
Aspekte werden im Folgenden beschrieben und<br />
mögliche Lösungsansätze für künftige Arbeiten<br />
aufgezeigt.<br />
erfassung von angebotspreisänderungen<br />
Bei den zur Verfügung gestellten Angebotsdaten<br />
war es nicht möglich festzustellen, ob während<br />
der Angebotsdauer bereits e<strong>in</strong>e Preisanpassung<br />
stattgefunden hatte oder ob der Angebotspreis<br />
tatsächlich dem ersten Angebotspreis entsprach.<br />
Falls bereits e<strong>in</strong>e Preissenkung vorgenommen<br />
wurde, stellt der ermittelte Kontrahierungsabschlag<br />
das M<strong>in</strong>imum dar.<br />
Bestimmung der angebotsdauer<br />
E<strong>in</strong>zelne Objekte wurden <strong>in</strong> manchen Fällen<br />
über mehrere Jahre zu unterschiedlichen Preisen<br />
angeboten, sodass verschiedene Zeiträume und<br />
Kontrahierungsabschläge abgeleitet werden<br />
können. Im Idealfall beg<strong>in</strong>nt der e<strong>in</strong>bezogene<br />
Angebotszeitraum immer vor dem Untersuchungszeitraum.<br />
Erfassung von Qualitätsmerkmalen und Bestimmung<br />
des wirtschaftlichen Baujahrs<br />
Ausstattungsmerkmale und deren Qualitäten<br />
s<strong>in</strong>d <strong>in</strong> der Kaufpreissammlung und <strong>of</strong>t auch den<br />
Angebotsdaten nicht enthalten. E<strong>in</strong>e Imputation<br />
fehlender Werte ist aufgrund der hohen Fehlquote<br />
<strong>in</strong> den meisten Fällen nicht möglich. Das<br />
wirtschaftliche Baujahr konnte nur mittelbar über<br />
das tatsächliche Baujahr erschlossen werden.<br />
Anbieter können bei ImmobiilenScout24 bereits<br />
optional angeben, ob Sanierungs- oder Modernisierungsmaßnahmen<br />
durchgeführt wurden. Für<br />
künftige Auswertungen wäre es wünschenswert,<br />
wenn wesentliche Angaben dieser Art obligatorisch<br />
wären.<br />
Erfassung von Eigentümer- und Käufermerkmalen<br />
Den Eigentümer- und Käufermerkmalen wird <strong>in</strong><br />
der Literatur ebenfalls Bedeutung beigemessen.<br />
Anbieter von Angebotsdaten erheben diese Daten<br />
nicht und kennen vor allem nicht den späteren<br />
Käufer. Gutachterausschüsse haben ke<strong>in</strong>e<br />
Befugnisse, diese Daten zu erheben. Im Rahmen<br />
e<strong>in</strong>er weiteren Untersuchung wäre es vorteilhaft,<br />
18<br />
wesentliche Merkmale <strong>in</strong> Zusammenarbeit mit<br />
Gutachterausschüssen und unter freiwilliger Beteiligung<br />
der Verkäufer und Käufer e<strong>in</strong>zubeziehen.<br />
f. Zusammenfassung und Ausblick<br />
Diese Arbeit untersuchte die Angebots- und Transaktionsdaten<br />
von 1.274 Wohngebäuden aus sechs<br />
rhe<strong>in</strong>l<strong>and</strong>-pfälzischen ländlichen L<strong>and</strong>kreisen. Im<br />
Ergebnis wurde festgestellt, dass der prozentuale<br />
Kontrahierungsabschlag im Durchschnitt m<strong>in</strong>destens<br />
15,2% und der absolute Kontrahierungsabschlag<br />
m<strong>in</strong>destens 20.605 € beträgt.<br />
Der Kontrahierungsabschlag sollte mit Hilfe von<br />
Regressionsmodellen erklärt werden. Je nach<br />
Modellspezifikation wurde dabei der E<strong>in</strong>fluss von<br />
25 bis 31 Variablen überprüft, welche aufgrund<br />
der Ergebnisse früherer Studien e<strong>in</strong>en E<strong>in</strong>fluss auf<br />
den Kontrahierungsabschlag erwarten ließen.<br />
Als Ergebnis stellt sich heraus, dass der prozentuale<br />
Kontrahierungsabschlag durch das hergeleitete<br />
Regressionsmodell KH_PROZENT nicht<br />
prognostizierbar ist. Der prozentuale Kontrahierungsabschlag<br />
ist weitestgehend unabhängig von<br />
den untersuchten E<strong>in</strong>flussfaktoren und zufällig<br />
verteilt. Das Modell konnte ke<strong>in</strong>en signifikanten<br />
Zusammenhang zwischen e<strong>in</strong>er unabhängigen und<br />
der abhängigen Variable nachweisen. In weiteren<br />
Forschungsarbeiten ist zu prüfen, ob nicht-l<strong>in</strong>eare<br />
Regressionsmodelle e<strong>in</strong> geeignetes statisches<br />
Verfahren bei der Untersuchung des prozentualen<br />
Kontrahierungsabschlags darstellen. 36<br />
Im Ergebnis ist die objektbasierte Prognose des<br />
prozentualen Kontrahierungsabschlags mit den<br />
hergeleiteten Modellen nicht möglich. Weiter ist<br />
der Kontrahierungsabschlag unabhängig von den<br />
untersuchten demographischen Entwicklungen<br />
sowie <strong>in</strong>ternetbezogenen, marktbezogenen sowie<br />
den meisten lagebezogenen Merkmalen. Außer<br />
Hypothese 1 „Angebotspreis > Transaktionspreis“<br />
konnte damit ke<strong>in</strong>e der fünf E<strong>in</strong>gangshypothesen<br />
bestätigt werden. Der Kontrahierungsabschlag<br />
erweist sich <strong>in</strong> dieser Arbeit als unabhängig von<br />
der Markttransparenz (Hypothese 2), der demographischen<br />
Entwicklung (Hypothese 3), dem<br />
Preissegment (Hypothese 4) sowie der Internetattraktivität<br />
der angebotenen Objekte (Hypothese 5).<br />
Bei künftigen Untersuchungen müssen festgestellte<br />
natürliche Restriktionen von Angebotsdaten
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
umfassend berücksichtigt und nach Möglichkeit<br />
behoben werden Es wird deutlich, dass die Höhe<br />
des Kontrahierungsabschlags von der angew<strong>and</strong>ten<br />
Methodik abhängt. In dieser Arbeit wurde<br />
jeweils der letzte Angebotspreis zur Berechnung<br />
des Angebotspreises herangezogen. Der ermittelte<br />
Kontrahierungsabschlag von 15,2% stellt<br />
damit die Untergrenze dar. Die Angebotsdauer<br />
und das wirtschaftliche Baujahr werden als sehr<br />
wichtige E<strong>in</strong>flussvariablen gesehen, die bei künftigen<br />
Erhebungen unbed<strong>in</strong>gt zu berücksichtigen<br />
s<strong>in</strong>d.<br />
Im Rahmen der theoretischen Modellbildung<br />
sollten mith<strong>in</strong> weitere E<strong>in</strong>flussgrößen e<strong>in</strong>bezogen<br />
werden. Zu berücksichtigen ist der E<strong>in</strong>fluss der<br />
Angebotsdauer, wobei methodisch zwischen dem<br />
Datum des Erstangebotes und des Letztangebotes<br />
unterschieden werden muss. Zudem sollten<br />
unter Beachtung des Datenschutzes Käufer- und<br />
Verkäufermerkmale sowie weitere Objektmerkmale<br />
erhoben werden.<br />
Daneben stellt sich die Frage, ob die Ergebnisse<br />
dieser Arbeit auf <strong>and</strong>ere Raumkategorien wie<br />
Ballungsräume übertragen werden können.<br />
Ebenso ist zu prüfen, ob sich die Höhe des Kontrahierungsabschlags<br />
<strong>in</strong> Räumen mit e<strong>in</strong>er anhaltend<br />
hohen Immobiliennachfrage signifikant von<br />
Räumen mit ger<strong>in</strong>ger Nachfrage unterscheidet.<br />
Weiterer Forschungsbedarf besteht dar<strong>in</strong>, ob sich<br />
die Ergebnisse bezüglich Wohngebäuden auf<br />
Wohnungen übertragen lassen oder ob hier <strong>and</strong>ere<br />
E<strong>in</strong>flussgrößen quantifiziert werden können. 37<br />
Ebenso ist zu prüfen, ob die Nutzung e<strong>in</strong>es Internetportals<br />
die Höhe des Kontrahierungsabschlags<br />
und die Angebotsdauer signifikant ändert. Hier<br />
wäre zu erwarten, dass Objekte ohne Internetmarket<strong>in</strong>g<br />
e<strong>in</strong>e längere Angebotsdauer und e<strong>in</strong>en<br />
höheren Kontrahierungsabschlag aufweisen, da<br />
die Anzahl potenzieller Käufer ger<strong>in</strong>ger ist.<br />
Im Rahmen der Datenerhebung wurde zudem<br />
ersichtlich, dass viele Objekte über e<strong>in</strong>en längeren<br />
Zeitraum angeboten wurden, ohne dass e<strong>in</strong><br />
Verkauf erfolgte. Hier ist nach den Gründen des<br />
Nicht-Verkaufs und Unterschieden dieser Objekte<br />
gegenüber Transaktionsobjekten zu fragen. In<br />
e<strong>in</strong>em zweiten Schritt sollte der örtliche Immobilienmarkt<br />
analysiert werden, um das Ausmaß der<br />
ausgebliebenen Verkäufe zu quantifizieren. Hier<br />
würde nicht untersucht, wie hoch der Kontrahie-<br />
19<br />
rungsabschlag ausfällt, sondern wann e<strong>in</strong> Verkauf<br />
überhaupt stattf<strong>in</strong>det.<br />
Bei e<strong>in</strong>em nicht erfolgten Verkauf beträgt der<br />
Kontrahierungsabschlag 100%, der <strong>in</strong> entsprechenden<br />
Modellen berücksichtigt werden sollte.<br />
Deshalb müssen Immobilienmarktakteure kritisch<br />
h<strong>in</strong>terfragen, wie valide bestehende Immobilienmarktanalysen<br />
auf Basis von Angebotsdaten<br />
s<strong>in</strong>d, da diese implizit davon ausgehen, dass alle<br />
Objekte – wenn auch mit Abschlag – verkauft<br />
werden.
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Anmerkungen<br />
1 Vgl. o.N. 2009; Thoms 2008; Stölb 2008.<br />
2 Siehe Dechent 2008, S. 75; Schürt 2010, S. 11.<br />
3 Vgl. Ihl<strong>and</strong>feldt & Mart<strong>in</strong>ez-Vazques 1986; Kiel & Zabel 1999.<br />
4 Vgl. Mankiw & Weil 1989; Lev<strong>in</strong> et al. 2009; Ammann, Demuth 2009.<br />
5 Vgl. BBSR 2008a; BBSR 2010; Schlömer/ Spangenberg 2009. Im Folgenden werden durchgängig die Raumkategorien Agglomerationsräume,<br />
Verstädterte Räume und Ländliche Räume gebraucht.<br />
6 Vgl. BBSR 2010; Maretzke 2009, S. 6.<br />
7 Vgl. Ammann, Demuth 2009, S. 2; Schürt 2010, S. 2; Wiedmann, Walsh 2000, S. 51.<br />
8 Vgl. BBSR 2008b; Sigismund 2006, S. 349; Ammann, Demuth 2009.<br />
9 Vgl. Sigismund 2006.<br />
10 Vgl. H<strong>of</strong>mann 1971, S. 20ff.<br />
11 Vgl. Kleiber, Schlicht 2009, S. 320; BGH 1 StR 161/00 – Beschluss vom 06.06.2000.<br />
12 Vgl. Peto et al. 1996, S. 80ff; Sayce et al. 2006, S. 10.<br />
13 Vgl. Werl<strong>in</strong>g 2010.<br />
14 Vgl. Knight et al. 1998, S. 61f.<br />
15 Vgl. Angl<strong>in</strong> et al. 2003, S. 96; Knight 2002, S. 216.<br />
16 Bei lange <strong>and</strong>auernden Angeboten kann der sog. „Stigmata-Effekt“ auftreten: Potenzielle Käufer nehmen aufgrund der langen<br />
Angebotsdauer Abst<strong>and</strong>, da sie Mängel vermuten (McGreal et al. 2009).<br />
17 Vgl. McGreal et al. 2009, S. 212f.<br />
18 Vgl. Faller et al. 2009. Gegenst<strong>and</strong> waren Transaktionen von 2.014 Eigentumswohnungen und 3.127 E<strong>in</strong>familienhäusern. Die<br />
Ergebnisse für Wohnungen werden im Folgenden nicht näher dargestellt.<br />
19 Vgl. McGreal et al. 2009, S. 216.<br />
20 Vgl. Faller et al. 2009, S. 30.<br />
21 Vgl. Goodman, Ittner 1992, S. 354; Faller et al. 2009, S. 31.<br />
22 Vgl. Kholodil<strong>in</strong> et. al. 2007, S. 3.<br />
23 Das Kriterium „Ländlicher Raum“ wurde mithilfe von INKAR 2006 festgelegt, welches L<strong>and</strong>kreise mit e<strong>in</strong>er Bevölkerungsdichte<br />
kle<strong>in</strong>er 150 E<strong>in</strong>wohner/ km² als „ländlich“ def<strong>in</strong>iert (BBSR 2006).<br />
24 Vgl. Ache et al. 2009, S. 62.<br />
25 Vgl. Faller et al. 2009, S. 31.<br />
26 Vgl. Schmoll et al. 2005, S. 423.<br />
27 Vgl. Hess, Mann 2009, S. 2; Scout24 2009; Scheuch 2005, S. 278.<br />
28 Vgl. Scout24 2010.<br />
29 Für die L<strong>and</strong>kreise Vulkaneifel und Cochem-Zell ist derselbe Gutachterausschuss zuständig.<br />
30 Das theoretisch hergeleitete Regressionsmodell wurde um L<strong>and</strong>kreis-Dummys ergänzt. Das korrigierte R² liegt unter dem des<br />
beschriebenen Modells, wie auch <strong>in</strong> Faller et al. (2009, S. 26). Die Berücksichtigung von „Regionaleffekten“ (hier: L<strong>and</strong>kreise)<br />
ist vernachlässigbar. Die Modelle wurden auch mit Angebotspreisen überprüft. Die Aussagekraft der Ergebnisse wurde durch<br />
die Varianten nicht verbessert, sodass auf deren Darstellung verzichtet wird.<br />
31 Der Grenzwert von 650 qm wurde gewählt, weil bei darüber liegenden E<strong>in</strong>gaben <strong>of</strong>fenbar die Werte von Grund- und Wohnfläche<br />
verwechselt wurden. Der Grenzwert von 650 qm ersche<strong>in</strong>t plausibel, da zugehörige Transaktionspreise über 300.000 €<br />
liegen und e<strong>in</strong>e hohe Zimmerzahl aufweisen.<br />
32 Die Herleitung erfolgte maßgeblich unter Berücksichtigung von Goodman, Ittner 1992; Kiel, Zabel 1999; Ihlanfeldt, Mart<strong>in</strong>ez-<br />
Vazquez 1986; Bürkner et al. 2007; Knight 2002; Ache et al. 2009; Henn<strong>in</strong>g et al. 2009; Ammann, Demuth 2009. Anstelle<br />
der exakten Angebotspreise werden Preisklassen gebildet. KH_PROZENT ist zufällig verteilt. Die Koll<strong>in</strong>earitätsprüfung ergibt<br />
zwischen den Variablen ZENTRALER_ORT und GESAMTBEVÖLKERUNG e<strong>in</strong>e Korrelation von 0,79, weshalb erstere aus<br />
dem Modell entfernt wird. Hierdurch erfolgt ke<strong>in</strong> Vorzeichenwechsel bei Koeffizienten der übrigen Variablen.<br />
33 Berechnung als mit<br />
- EXPOSE: Anzahl Aufrufe der detaillierten Objektbeschreibung<br />
- CLICK_URL: Anzahl Aufrufe der Anbieterhomepage für Kontaktaufnahme<br />
- LISTE_SHOW: Anzahl Listung des Objektes auf e<strong>in</strong>er Ergebnisseite<br />
-ISTE_MATCH: Anzahl Übere<strong>in</strong>stimmung des Objektes mit e<strong>in</strong>er Suchanfrage<br />
34 Berechnung: ; vgl. Ache et al. 2009.<br />
35 Die abhängige Variable (Referenzwert) ist KH_PROZENT für e<strong>in</strong> EFH/ZFH mit Kaufjahr 2007. Das Kaufjahr als Dummy-Variable<br />
gibt den Zeitpunkt der Transaktion an. Anbieter und Käufer haben <strong>in</strong> der Regel feste Preisvorstellungen. Anbieter senken<br />
den Angebotspreis über e<strong>in</strong>en längeren Zeitraum oder halten ihn konstant. Die Kaufjahr-Dummys fungieren als Kontrollvariablen.<br />
20
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
36 Das Regressionsmodell hat wegen fehlender L<strong>in</strong>earität ke<strong>in</strong>e Aussagekraft. Faller et al. (2009) gebrauchen für die Analyse<br />
von Kontrahierungsabschlägen <strong>in</strong> Nordrhe<strong>in</strong>-Westfalen ebenfalls e<strong>in</strong> l<strong>in</strong>eares Regressionsmodell mit R²=0,22. E<strong>in</strong>en hohen<br />
Erklärungsbeitrag lieferte die Variable „Verweildauer <strong>in</strong> Wochen“, die <strong>in</strong> dieser Arbeit nicht untersucht werden konnte.<br />
37 Die empirica-Studie von nordrhe<strong>in</strong>-westfälischen L<strong>and</strong>kreisen (Faller et al. 2009) deutet auf Unterschiede h<strong>in</strong>, die aber <strong>in</strong><br />
<strong>and</strong>eren Studien bisher nicht untersucht werden konnten.<br />
literatur<br />
Ache, P.; Benecke, H.; Oellrich, J. (2009): Grundstücksmarkt<br />
<strong>in</strong> Deutschl<strong>and</strong>. In: Arbeitskreis der<br />
Gutachterausschüsse und Oberen Gutachterausschüsse<br />
<strong>in</strong> der Bundesrepublik Deutschl<strong>and</strong><br />
(Hrsg.): Immobilienmarktbericht Deutschl<strong>and</strong><br />
2009, Hannover, S. 19-54.<br />
Ammann, I.; Demuth, N. (2009): Trends der<br />
Wohneigentumsbildung – Haushalte, Objekte,<br />
F<strong>in</strong>anzierung. In: BBSR / BBR (Hg.): BBSR-<br />
Berichte KOMPAKT, Bonn.<br />
Angl<strong>in</strong>, P. M.; Rutherford, R.; Spr<strong>in</strong>ger, T. M.<br />
(2003): The Trade-<strong>of</strong>f between the Sell<strong>in</strong>g Price<br />
<strong>of</strong> Residential Properties <strong>and</strong> Time-on-the-Market:<br />
The Impact <strong>of</strong> Price Sett<strong>in</strong>g. In: Journal <strong>of</strong> Real<br />
Estate F<strong>in</strong>ance & Economics, Jg. 26, Nr. 1, S. 95.<br />
BBSR (2006): INKAR 2006. Indikatoren, Karten<br />
und Graphiken zur Raum- und Stadtentwicklung <strong>in</strong><br />
Deutschl<strong>and</strong> und Europa (CD-ROM), Bonn.<br />
BBSR (2008a): Laufende Raumbeobachtung<br />
- Raumabgrenzungen: Siedlungsstrukturelle<br />
Regionstypen. Onl<strong>in</strong>e: http://www.bbsr.bund.<br />
de/cln_016/nn_103086/BBSR/DE/Raumbeobachtung/Werkzeuge/Raumabgrenzungen/<br />
SiedlungsstrukturelleGebietstypen/Regionstypen/<br />
regionstypen.html, zuletzt geprüft 23.11.2010.<br />
BBSR (2008b): Wohnungsmarktbeobachtung:<br />
E<strong>in</strong>-/ Zweifamilienhäuser. Onl<strong>in</strong>e: http://www.bbsr.<br />
bund.de/BBSR/DE/Raumbeobachtung/GlossarIndikatoren/<strong>in</strong>dikatoren__dyncatalog,lv2=10293<br />
2,lv3=600036.html, zuletzt geprüft 13.11.2010.<br />
BBSR (2010): Laufende Raumbeobachtung -<br />
Raumabgrenzungen: Raumtypen ROB 2010.<br />
Onl<strong>in</strong>e: http://www.bbsr.bund.de/nn_103086/<br />
BBSR/DE/Raumbeobachtung/Werkzeuge/<br />
Raumabgrenzungen/Raumtypen2010/Raumtypen2010.html,<br />
zuletzt geprüft 08.11.2010.<br />
Bürkner, H.-J.; Berger, O.; Luchmann, C. T. E.<br />
(2007): Der demographische W<strong>and</strong>el und se<strong>in</strong>e<br />
21<br />
Konsequenzen für Wohnungsnachfrage, Städtebau<br />
und Flächennutzung. In: Leibniz-Institut für<br />
Regionalentwicklung und Strukturplanung (Hrsg.):<br />
Work<strong>in</strong>g Paper, Erkner.<br />
Dechent, J. (2008): Häuserpreis<strong>in</strong>dex – Projektfortschritt<br />
und erste Ergebnisse für bestehende<br />
Wohngebäude. In: Wirtschaft und Statistik, Nr. 1,<br />
S. 69-81.<br />
DiPasquale, D.; Somerville, C. T. (1995): Do<br />
House Price Indices Based on Transact<strong>in</strong>g Units<br />
Represent the Entire Stock? Evidence from the<br />
American Hous<strong>in</strong>g Survey. In: Journal <strong>of</strong> Hous<strong>in</strong>g<br />
Economics, Jg. 4, Nr. 3, S. 195-229.<br />
Faller, B.; Helbach, C.; Vater, A.; Braun, R. (2009):<br />
Möglichkeiten zur Bildung e<strong>in</strong>es Regional<strong>in</strong>dex<br />
Wohnkosten unter Verwendung von Angebotsdaten.<br />
In: Rat für Sozial- und Wirtschaftsdaten<br />
(RatSWD) (Hrsg.): Research Note No. 34, Berl<strong>in</strong>.<br />
Goodman, .J. L.; Ittner, J.B. (1992): The accuracy<br />
<strong>of</strong> home <strong>owner</strong>s‘ estimates <strong>of</strong> house value. In:<br />
Journal <strong>of</strong> Hous<strong>in</strong>g Economics, Jg. 2, Nr. 4, S.<br />
339-357.<br />
Henn<strong>in</strong>g, D.; Senff, T.; Wilkens, M. (2009):<br />
St<strong>and</strong>ort. In: Mütze, M.; Abel, M.; Senff, T. (Hrsg.):<br />
Immobilien<strong>in</strong>vestitionen. Die Rückkehr der<br />
Vernunft, Freiburg, S. 1-44.<br />
Hess, T.; Mann, F. (2009): ImmoStudie 2009 –<br />
Gewerbliche Immobilienvermarktung und die<br />
Bedeutung von Immobilienportalen im Internet,<br />
München.<br />
H<strong>of</strong>mann, W. (1971): Wert- und Preislehre, Berl<strong>in</strong>.<br />
Ihlanfeldt, K. R.; Mart<strong>in</strong>ez-Vazquez, J. (1986):<br />
Alternative Value Estimates <strong>of</strong> Owner-Occupied<br />
Hous<strong>in</strong>g: Evidence on Sample Selection Bias.<br />
In: Journal <strong>of</strong> Urban Economics, Jg. 20, Nr. 3, S.<br />
356-369.
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
IVD - Bundesverb<strong>and</strong> der Immobilienberater,<br />
Makler Verwalter und Sachverständigen e. V.<br />
(Hrsg ). (2010): IVD-Wohn-Preisspiegel 2008/09.<br />
Berl<strong>in</strong>.<br />
Kholodil<strong>in</strong>, K. A.; Menz, J.-O.; Siliverstovs, B.<br />
(2007): What Drives Hous<strong>in</strong>g Prices Down?<br />
Evidence from an International Panel. In: Journal<br />
<strong>of</strong> Economics <strong>and</strong> Statistics, Jg. 230, Nr. 1, S.<br />
59-76.<br />
Kiel, K. A.; Zabel, J. E. (1999): The Accuracy <strong>of</strong><br />
Owner-Provided House Values: The 1978-1991<br />
American Hous<strong>in</strong>g Survey. In: Real Estate Economics,<br />
Jg. 27, Nr. 2, S. 263-298.<br />
Kleiber, W.; Schlicht, K. (2009): Bewertung. In:<br />
Mütze, M.; Abel, M.; Senff, T. (Hrsg.): Immobilien<strong>in</strong>vestitionen.<br />
Die Rückkehr der Vernunft, Freiburg,<br />
S. 311-326.<br />
Knight, J. R. (2002): List<strong>in</strong>g Price, Time on Market,<br />
<strong>and</strong> Ultimate Sell<strong>in</strong>g Price: Causes <strong>and</strong> Effects <strong>of</strong><br />
List<strong>in</strong>g Price Changes. In: Real Estate Economics,<br />
Jg. 30, Nr. 2, S. 213-237.<br />
Knight, J. R.; Sirmans, C. F.; Turnbull, G. K. (1998):<br />
List Price Information <strong>in</strong> Residential Appraisal <strong>and</strong><br />
Underwrit<strong>in</strong>g. In: Journal <strong>of</strong> Real Estate Research,<br />
Jg. 15, Nr. 1/2, S. 59-76.<br />
Lev<strong>in</strong>, E.; Montagnoli, A.; Wright, R. E. (2009):<br />
Demographic Change <strong>and</strong> the Hous<strong>in</strong>g Market:<br />
Evidence from a Comparison <strong>of</strong> Scotl<strong>and</strong> <strong>and</strong><br />
Engl<strong>and</strong>. In: Urban Studies, Jg. 46, Nr. 1, S. 27-43.<br />
Mankiw, N. G.; Weil, D. N. (1989): The baby boom,<br />
the baby bust, <strong>and</strong> the hous<strong>in</strong>g market. In: Regional<br />
Science <strong>and</strong> Urban Economics, Jg. 19, Nr. 2,<br />
S. 235-258.<br />
Maretzke, S. (2009): Diskussionsgrundlage. In:<br />
BMVBS / BBSR (Hrsg.) Ländliche Räume im<br />
demographischen W<strong>and</strong>el. BBSR-Onl<strong>in</strong>e-Publikation,<br />
Bonn, S. 3-16.<br />
McGreal, S.; Adair, A.; Brown, L.; Webb, J. R.<br />
(2009): Pric<strong>in</strong>g <strong>and</strong> Time on the Market for Residential<br />
Properties <strong>in</strong> a Major U.K. City. In: Journal<br />
<strong>of</strong> Real Estate Research, Jg. 31, H. 2, S. 209-233.<br />
o.N. (2009): Das Ende der Dörfer. In: FOCUS, Nr.<br />
44, S. 110-137.<br />
22<br />
Peto, R.; French, N.; Bowman, G. (1996): Price <strong>and</strong><br />
worth – Developments <strong>in</strong> valuation methodology.<br />
In: Journal <strong>of</strong> Property Valuation <strong>and</strong> Investment,<br />
Jg. 14, Nr. 4, S. 79-100.<br />
Sayce, S.; Smith, J.; Cooper, R.; Venmore-<br />
Rowl<strong>and</strong>, P. (2006): Real estate appraisal, Oxford.<br />
Scheuch, A. (2005): Market<strong>in</strong>g für den Immobilien-<br />
Bereich – E<strong>in</strong> Plädoyer für alternative Ansätze.<br />
In: Holzmüller, H. H.; Schuh, A. (Hrsg.): Innovationen<br />
im sektoralen Market<strong>in</strong>g. Festschrift zum<br />
60. Geburtstag von Fritz Scheuch, Heidelberg, S.<br />
275-289.<br />
Schlömer, C.; Spangenberg, M. (2009): Städtisch<br />
und ländlich geprägte Räume: Geme<strong>in</strong>samkeiten<br />
und Gegensätze. In: BMVBS / BBSR (Hrsg.)<br />
Ländliche Räume im demographischen W<strong>and</strong>el.<br />
BBSR-Onl<strong>in</strong>e-Publikation, Bonn, S. 17-33.<br />
Schmoll, F.; Bisch<strong>of</strong>f, B. (Hrsg.) (2005): Basiswissen<br />
Immobilienwirtschaft, Berl<strong>in</strong>-Re<strong>in</strong>ickendorf.<br />
Schürt, A. (2010): Synopse Immobilienpreisbeobachtung<br />
<strong>in</strong> Deutschl<strong>and</strong> 2010. In: BMVBS/BBSR<br />
(Hrsg.): BBSR-Onl<strong>in</strong>e-Publikationen, Bonn.<br />
Scout24 (2010): Daten und Fakten zu<br />
ImmobilienScout24. Onl<strong>in</strong>e: http://www.<br />
static-immobilienscout24.de/Mungo-<br />
Blobs/20100514174912/20100514174912_<br />
NEU_052010.pdf, zuletzt geprüft 14.11.2010.<br />
Scout24 (2009): Match Survey 2009 – So sucht<br />
und f<strong>in</strong>det Deutschl<strong>and</strong>, München.<br />
Sigismund, M. (2006): Regionale Disparitäten <strong>in</strong><br />
der Wohnungsversorgung - noch e<strong>in</strong> Problem. In:<br />
BBR (Hrsg.): Informationen zur Raumentwicklung,<br />
Bonn, Nr. 6/7, S. 345-354.<br />
Statistisches Bundesamt (Hrsg.) (2010): VGR des<br />
Bundes - Bruttoanlage<strong>in</strong>vestitionen: Deutschl<strong>and</strong>,<br />
Jahre. Onl<strong>in</strong>e: https://www-genesis.destatis.de,<br />
zuletzt geprüft 27.11.2010.<br />
Stölb, M. (2008): Wertloses vom L<strong>and</strong>e. FAZ-<br />
Onl<strong>in</strong>e (14.01.2008). Onl<strong>in</strong>e: http://www.faz.net/s/<br />
RubFED172A9E10F46B3A5F01B02098C0C8D/<br />
Doc~EDC6EA18E42A144A39D27B180BDA0F57<br />
D~ATpl~Ecommon~Scontent.html, zuletzt geprüft<br />
13.11.2010.
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
Thoms, E.-M. (2008): In Grund und Boden <strong>in</strong>vestiert?<br />
Zeit-Onl<strong>in</strong>e (09.09.2008). Onl<strong>in</strong>e: http://www.<br />
zeit.de/2008/37/F-Deutsche-Immobilien, zuletzt<br />
geprüft 20.11.2010.<br />
Waluga, G. (2009): Zentrenerreichbarkeit mit<br />
öffentlichem Nahverkehr <strong>in</strong> Rhe<strong>in</strong>l<strong>and</strong>-Pfalz,<br />
Diplomarbeit, Universität Ma<strong>in</strong>z.<br />
Werl<strong>in</strong>g, U. (2010): Immobilienbewertung <strong>in</strong> transaktionsarmen<br />
Zeiten. Bewerter-Dilemma: Fette<br />
Werte <strong>in</strong> dünner Luft. In: Immobilien Zeitung, Jg.<br />
16, Nr. 39-40, 30.09.2010, S. 39.<br />
Wiedmann, K.-P.; Walsh, G. (2000): Kundenverhalten<br />
beim geplanten Kauf von Wohneigentum:<br />
Ergebnisse e<strong>in</strong>er empirischen Untersuchung. In:<br />
der markt, Nr. 152, S. 46-59.<br />
23
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Abstract<br />
Many <strong>in</strong>dicators <strong>and</strong> <strong>in</strong>dices related to real estate markets are based on either ask<strong>in</strong>g <strong>prices</strong> or <strong>sale</strong><br />
<strong>prices</strong> <strong>of</strong> properties. This research aims to enlarge the exist<strong>in</strong>g body <strong>of</strong> knowledge <strong>in</strong> this area by analys<strong>in</strong>g<br />
the empirical relationship between the ask<strong>in</strong>g <strong>prices</strong> <strong>and</strong> <strong>sale</strong> <strong>prices</strong> <strong>of</strong> <strong>owner</strong>-<strong>occupied</strong> residential<br />
properties. Both data sources – ask<strong>in</strong>g <strong>prices</strong> <strong>and</strong> <strong>sale</strong> <strong>prices</strong> – have pros <strong>and</strong> cons <strong>in</strong> terms <strong>of</strong> the four<br />
criteria <strong>of</strong> real estate market data quality: availability; the extent to which they are up-to-date; accuracy;<br />
<strong>and</strong> geographical coverage.<br />
<strong>Ask<strong>in</strong>g</strong> <strong>prices</strong> are usually available at no direct cost from newspapers or brokerage web sites, or are<br />
collected by specialised data providers. They ma<strong>in</strong>ly feature very high geographical coverage, due to<br />
their abundance, <strong>and</strong> are generally available <strong>in</strong> real time. However, the great disadvantage <strong>of</strong> ask<strong>in</strong>g<br />
<strong>prices</strong> is <strong>in</strong>sufficient accuracy: the ask<strong>in</strong>g price is rarely the same as the agreed <strong>sale</strong> price. In most cases<br />
this variance must be estimated <strong>and</strong> proper allowance must be made for it.<br />
Sale <strong>prices</strong> <strong>in</strong> real estate markets are generally (though not always: e.g. <strong>sale</strong>s between relatives) at<br />
arm’s length <strong>and</strong> therefore provide the highest possible accuracy. They are virtually available <strong>in</strong> real time,<br />
similar to ask<strong>in</strong>g <strong>prices</strong>. Their geographical coverage is more than sufficient s<strong>in</strong>ce, <strong>in</strong> most countries,<br />
every <strong>sale</strong> contract is <strong>of</strong>ficially recorded. However, <strong>in</strong> Germany (unlike other countries) <strong>sale</strong> <strong>prices</strong> are<br />
seldom made available, even for academic research purposes.<br />
This work aims to analyse these two data sources jo<strong>in</strong>tly <strong>and</strong> to quantify the divergence (discount) that<br />
applies to ask<strong>in</strong>g <strong>prices</strong>. Significant factors <strong>in</strong>fluenc<strong>in</strong>g ask<strong>in</strong>g <strong>prices</strong> <strong>and</strong> <strong>sale</strong> <strong>prices</strong> should also be<br />
identified. The ma<strong>in</strong> result is a better underst<strong>and</strong><strong>in</strong>g <strong>of</strong> ask<strong>in</strong>g <strong>prices</strong>, due to their importance for real<br />
estate market analyses. The research provides unique new <strong>in</strong>sights <strong>in</strong>to the sell<strong>in</strong>g behaviour <strong>of</strong> private<br />
residential property <strong>owner</strong>s. For the first time <strong>in</strong> Germany, ask<strong>in</strong>g price discounts were identified <strong>and</strong><br />
analysed from a larger sample <strong>of</strong> primary data.<br />
The <strong>in</strong>itial data set comprises 1,274 transactions <strong>in</strong> <strong>owner</strong>-<strong>occupied</strong> residential properties <strong>in</strong> <strong>rural</strong> areas<br />
<strong>of</strong> Rh<strong>in</strong>el<strong>and</strong>-Palat<strong>in</strong>ate (Germany). The study analysed every <strong>sale</strong> contract (N=6,597) for <strong>owner</strong>-<strong>occupied</strong><br />
<strong>houses</strong> (not apartments) <strong>in</strong> this area between 2007 <strong>and</strong> 2009. In the end, 20% <strong>of</strong> all <strong>sale</strong> contracts<br />
(n=1,274) could be matched with ask<strong>in</strong>g <strong>prices</strong>. An OLS regression analysis is applied to identify significant<br />
variables. The regression model is ma<strong>in</strong>ly derived from similar US studies.<br />
It was found that, on average, <strong>sale</strong> <strong>prices</strong> are on average m<strong>in</strong>imum at least 15.2% (20,605 €) below the<br />
stated list<strong>in</strong>g <strong>prices</strong>. The skewness <strong>of</strong> the absolute <strong>and</strong> percentage ask<strong>in</strong>g price discounts reveals that<br />
absolute discounts <strong>in</strong>crease with the total amount <strong>of</strong> the ask<strong>in</strong>g price, whilst the percentage discount is<br />
<strong>in</strong>dependent <strong>of</strong> the total amount. For most properties, the discounts fall with<strong>in</strong> a relatively small range,<br />
although the total range is very large. The result is a very high kurtosis value for absolute ask<strong>in</strong>g price<br />
discounts. The pattern <strong>of</strong> the percentage ask<strong>in</strong>g price discounts is similar, but less dist<strong>in</strong>ctive.<br />
Another factor noted is that 10% <strong>of</strong> the sellers were forced to reduce their ask<strong>in</strong>g <strong>prices</strong> by more than<br />
33.3% (on average 47,750 €) before a transaction could be realized. This <strong>in</strong>dicates that many vendors<br />
overestimate the value <strong>of</strong> their own properties, especially <strong>in</strong> illiquid real estate markets. In particular,<br />
vendors <strong>of</strong> properties with high ask<strong>in</strong>g <strong>prices</strong> (over 300,000 €) <strong>of</strong>ten had to accept substantial discounts<br />
<strong>in</strong> both absolute <strong>and</strong> relative terms. Several other studies from the USA or Canada have come to similar<br />
conclusions. This <strong>in</strong>dicates that such properties are particularly hard to sell <strong>in</strong> the <strong>in</strong>vestigated area.<br />
The OLS regressions <strong>in</strong>cluded 31 variables, for which the secondary literature suggested would have a<br />
significant impact on ask<strong>in</strong>g price discounts. It is shown that no l<strong>in</strong>ear relationship exists <strong>and</strong> that ask<strong>in</strong>g<br />
price discounts cannot be forecast by apply<strong>in</strong>g the given models that relate to previous research <strong>in</strong> non<strong>rural</strong><br />
areas <strong>of</strong> other countries.<br />
24
Zeitschrift für Immobilienökonomie Journal <strong>of</strong> Interdiscipl<strong>in</strong>ary Property Research 1/2012<br />
>> Aufsätze PAPers MichAel D<strong>in</strong>kel, Björn-MArt<strong>in</strong> kurzrock<br />
Further, it could be assumed that many vendors <strong>of</strong> <strong>owner</strong>-<strong>occupied</strong> <strong>houses</strong> do not acknowledge differences<br />
between the cost <strong>of</strong> construction (i.e. <strong>in</strong>clud<strong>in</strong>g l<strong>and</strong>) <strong>and</strong> the market value <strong>of</strong> their homes. The<br />
gap between cost <strong>and</strong> value is particularly evident <strong>in</strong> less sought-after areas. In contrast to other studies,<br />
this work concludes that the difference between ask<strong>in</strong>g price <strong>and</strong> <strong>sale</strong> price is not related to demographic,<br />
economic or most location characteristics. It is assumed that these results are ma<strong>in</strong>ly related to the<br />
structure <strong>of</strong> settlements <strong>in</strong> the <strong>in</strong>vestigation area. Market mechanisms <strong>in</strong> <strong>rural</strong> areas with small villages<br />
<strong>and</strong> medium-sized towns appear to differ markedly from those <strong>in</strong> larger cities.<br />
In the course <strong>of</strong> this study it became clear that mere ask<strong>in</strong>g <strong>prices</strong> suffer from natural limitations especially<br />
when – as is common practice <strong>in</strong> the <strong>in</strong>dustry – extracted electronically from given websites. Firstly,<br />
it is difficult to match the ask<strong>in</strong>g price <strong>and</strong> <strong>sale</strong> price <strong>of</strong> a particular property because there are <strong>of</strong>ten<br />
several different ask<strong>in</strong>g <strong>prices</strong> for the same property. Secondly, the time-on-market <strong>and</strong> any changes<br />
<strong>in</strong> the ask<strong>in</strong>g price are unknown factors that are, however, important <strong>in</strong> determ<strong>in</strong><strong>in</strong>g the <strong>sale</strong> price. The<br />
same issues applied to major property characteristics, such as the age <strong>of</strong> the build<strong>in</strong>g <strong>and</strong> the quality<br />
<strong>and</strong> quantity <strong>of</strong> fixtures <strong>and</strong> fitt<strong>in</strong>gs. The results <strong>of</strong> this study are further discussed with researchers <strong>and</strong><br />
the data provider <strong>of</strong> ask<strong>in</strong>g <strong>prices</strong>, ImmobilienScout24. They provide an effective start<strong>in</strong>g po<strong>in</strong>t for further<br />
research.<br />
25