Räumliche Effekte in hedonischen Preismodellen : eine Untersuchung für den Wiener Büroimmobilienmarkt

Abstract

Die Arbeit analysiert den Büromietenmarkt in Wien und geht der Frage nach, welche Eigenschaften von Immobilie und Standort den Mietpreis determinieren. Die Datenbasis umfasst ca. 6000 Angebots- und Transaktionsdaten. Diese wurden mit in GIS kalkulierten Lage- und Nachbarschaftscharakteristika angereichert. Im Zuge der Arbeit wurden hedonische Preismodelle geschätzt, welche in der Lage sind, die marginalen Preiseffekte von unterschiedlichen Struktur-, Lage- und Nachbarschaftscharakteristika auf die Miete von Büroimmobilien zu bewerten. Es wurden lineare Regressionsmodelle (Basis-Modell) mit räumlichen Regressionsmodellen verglichen. Durch die Anwendung von Spatial Lag Modellen kann der Modell-Fit im Vergleich zu den OLS geschätzten Modellen deutlich gesteigert werden. Dies bedeutet, das traditionelle hedonische Preismodelle, welche räumliche Strukturen nicht berücksichtigen, zu verzerrten Schätzern führen können. Als Preisdeterminanten zeigen sich in der überwiegenden Zahl der Modelle das Baualter, der Zustand der Immobilie, das Vorhandensein eines Liftes, die Zugehörigkeit zu einem Bürocluster, die Distanz zum Stephansdom sowie die Distanz zum höherrangigen öffentlichen Verkehrsnetz als statistisch signifikant.

This thesis analyses the office market in Vienna to answer the question of whether the implicit value of the structural and locational characteristics of real estate in the office sub-market is capitalized in the office rent. The sample contains about 6000 asking and transaction listings of office rental units. Location and neighbourhood characteristics were calculated by using GIS software. This thesis uses a hedonic modelling approach for estimating the office price determinants. Besides linear hedonic regression models (base model), spatial hedonic regression models were used. Compared to the traditional linear ordinary least squares approach, spatial lag models can significantly increase the overall model fit. While controlling for spatial effects by applying spatial models helps to estimate more efficient parameters. The age of the office unit, the condition of the property, the presence of a lift, the distance to the CBD and the distance to the public transport system add significant explanatory power to most of the tested models.