Nemateriální faktor ovlivňující cenu nemovitostí: sousedství a dobrá adresa
Přehrát audio verzi
Nemateriální faktor ovlivňující cenu nemovitostí: sousedství a dobrá adresa
00:00
00:00
1x
- 0.25x
- 0.5x
- 0.75x
- 1x
- 1.25x
- 1.5x
- 2x
Foto: Pexels
Článek se zaměřuje na problematiku cen nemovitostí, konkrétně na vliv nemateriálního faktoru sousedství a dobrá adresa na cenu bytů a cenu rodinných domů. Nemateriální faktory jsou pro účely tohoto článku definovány jako faktory vycházející z umístění nemovitosti nebo jejího okolí, nikoliv z nemovitosti samotné. Naproti tomu materiální faktory zahrnují vlastnosti spojené s velikostí bytu či rodinného domu a pozemku, jejich provedením, stavem apod.
Identifikace relevantních faktorů byla založena na rešerši odborných publikací a na výsledcích dříve provedených výzkumů a sociologických studií týkajících se bydlení v Brně. Inspirativním zdrojem dat byl také archiv znaleckých posudků Ústavu soudního inženýrství. Analýza zahrnovala rovněž veřejně dostupné inzeráty bytů a rodinných domů, účelem bylo zjistit, jaké vlastnosti inzerenti považují za podstatné při popisu nemovitostí. Zájmovou oblastí je město Brno. Konečné databáze zahrnují 346 prodejů bytů a 147 prodejů rodinných domů, přičemž bylo hodnoceno dvanáct nemateriálních faktorů. Analýza zahrnuje také materiální faktory, které byly vybrány tak, aby odpovídajícím způsobem charakterizovaly byty a rodinné domy. Data byla zpracována pomocí dvou samostatných mnohorozměrných lineárních regresních modelů s metodou odhadu regresních parametrů OLS (metoda nejmenších čtverců), které popisují závislost ceny na vysvětlujících proměnných (v této práci označovaných jako faktory). Na základě analýzy získaných dat a jejich porovnání s regresním modelem byla potvrzena hypotéza, že sledovaný faktor je pro cenu bytů a cenu rodinných domů na zvolené hladině významnosti statisticky významný. Předpoklad hypotézy, že tento faktor vysvětluje alespoň 5 % ceny, se potvrdil pouze u rodinných domů.
1. Úvod
Při oceňování majetku používají znalci a odhadci oceňovací přístupy, které jsou popsány v tuzemských i mezinárodních standardech. Přesto zůstává otázkou, do jaké míry tyto přístupy zahrnují všechny podstatné faktory, které ovlivňují hodnotu nemovitosti. Faktory ovlivňující hodnotu a v konečném důsledku i cenu nemovitosti jsou v tomto článku rozděleny do dvou skupin, a to na faktory materiální a nemateriální. S vědomím možné nepřesnosti této terminologie v podstatě platí, že materiálními faktory je popsána sama nemovitost, zatímco nemateriální faktory jsou odvozeny od umístění nemovitosti a nemají tedy původ v nemovitosti samotné.
Označení faktorů jako materiálních a nemateriálních není v literatuře jednotné. Například Sirmans používá pojmy „fyzikální vlastnosti“ a „ostatní vlastnosti“ [1], Melanda rozlišuje „vlastnosti rezidenčních objektů“ a „vnější charakteristiky“ [2]. Článek se zaměřuje na vysvětlení jednoho konkrétního nemateriálního faktoru – sousedství a dobrá adresa. Je potřeba zdůraznit, že zvolený faktor nelze analyzovat izolovaně, protože jeho význam je součástí komplexního posouzení zahrnujícího jak materiální, tak další nemateriální faktory. Zájmovou oblastí je město Brno. Důvodem pro volbu této lokality je znalecká praxe autorky článku v oboru oceňování nemovitostí zejména v tomto území.
2. Stav současného poznání
V tuzemské i zahraniční literatuře lze nalézt řadu publikací a článků, které se zabývají vztahem mezi cenami nemovitostí a různými faktory. Tyto specifické faktory však často korelovaly s charakteristikami konkrétního státu, určitého území či města. V přímořských státech je zřejmě neopomenutelným faktorem fenomén moře [3], v Nizozemsku význam jezer [4] a v Toskánsku jedinečnost tamní krajiny [5]. Někteří odborníci ve svých studiích zaměřili pozornost pouze na jeden konkrétní faktor. Typickým byl vliv hluku z dopravy. V jiných případech se odborníci zaměřili na více faktorů, přičemž některé z nich následně kvantifikovali.
Mezi významné zdroje informací z pohledu volby faktorů pro tento článek patřil i projekt s názvem „Vliv charakteru a umístění urbanistické struktury na udržitelný rozvoj území“, jenž byl realizován v rámci výzkumného projektu GA ČR v letech 2017–2019 na Ústavu urbanismu Fakulty architektury Vysokého učení technického v Brně. Cílem projektu bylo analyzovat vliv urbanistických struktur na kvalitu života obyvatel a na udržitelný rozvoj území ve třech městech včetně Brna. Výzkum probíhal nejprve na úrovni celého města, následně se zaměřil na vybrané lokality [6]. Dále byl využit „Sociologický výzkum bydlení v Brně“ zpracovaný pro Statutární město Brno. Tímto výzkumem se zjišťovaly podmínky bydlení obyvatel města, jejich nároky a požadavky [7]. Z analýzy současného stavu poznání vyplývá, že řada výsledků výzkumů potvrzuje vliv nemateriálních faktorů na hodnotu nemovitostí, a to zejména u rezidenčních staveb.
3. Faktory a data
Realizace řešení zahrnovala dva samostatné směry výzkumu, navazující na provedené rešerše. První směr se zaměřil na znalecké posudky týkající se reálných nemovitostí, jejich analýzu a vyhodnocení. Tyto posudky byly zpracovány na Ústavu soudního inženýrství Vysokého učení technického v Brně. Druhý směr výzkumu se zabýval analýzou inzerátů prodeje bytů a rodinných domů v Brně, získaných z veřejně dostupných realitních serverů. Cílem bylo zjistit, které vlastnosti inzerenti považují za podstatné při popisu nabízených nemovitostí [8].
K dosažení stanoveného cíle bylo nezbytné vytvořit verifikovaný model. Tento proces zahrnoval identifikaci a analýzu nemateriálních faktorů, s nimiž se nejčastěji pracuje v referenční literatuře. Dále bylo nutné vybrat materiální faktory charakterizující byty v bytových domech a faktory charakterizující rodinné domy. Následně sestavit databázi bytů a databázi rodinných domů s využitím sjednaných (kupních) cen a na jejím základě vytvořit dva statistické modely [8, 9]. K dosažení cíle byly stanoveny tyto hypotézy:
H 1: Nemateriální faktor sousedství a dobrá adresa je statisticky významný na hladině významnosti 0,05.
H 2: Nemateriální faktor sousedství a dobrá adresa vysvětluje alespoň 5 % ceny.
3.1 Analyzované materiální a nemateriální faktory
Na základě analýzy zdrojů bylo identifikováno celkem 15 materiálních faktorů pro byty a 16 materiálních faktorů pro rodinné domy, které byly vybrány tak, aby výstižně charakterizovaly byt, respektive rodinný dům [8, 9].
3.1.1 Materiální faktory pro byty
- podlahová plocha [m2],
- sklep [m2], balkon nebo lodžie [m2], terasa [m2],
- počet pokojů, počet kuchyní, podlaží bytu, celkový počet podlaží bytového domu,
- technický stav [dle standardu], výtah [ano/ne], garáž nebo garážové stání [ano/ne],
- parkovací venkovní stání [ano/ne], konstrukční systém [dle typu],
- novostavba do 5 let [ano/ne],
- energetický štítek bytového domu [dle průkazu energetické náročnosti].
3.1.2 Materiální faktory pro rodinné domy
- užitná plocha [m2], situování v zástavbě [samostatně stojící, řadový, koncový],
- počet nadzemních podlaží, podsklepení [ano/ne], technický stav [dle standardu],
- konstrukční systém [dle typu], příslušenství nad rámec běžného [ano/ne],
- garáž [ano/ne], garážové stání nebo možnost parkování na pozemku [ano/ne],
- novostavba do 5 let [ano/ne], počet pokojů, počet kuchyní,
- využitelnost volných půdních prostor nezapočítaných do užitné plochy [ano/ne],
- inženýrské sítě [dle typu], plocha zahrady [m2],
- energetický štítek rodinného domu [dle průkazu energetické náročnosti].
3.1.3 Nemateriální faktory pro byty a rodinné domy
Systematickou analýzou dat z referenční literatury byl stanoven konečný počet dvanácti nemateriálních faktorů. V obou databázích je posuzováno těchto dvanáct shodných nemateriálních faktorů [8, 9].
- dojezdová vzdálenost do centra města, sousedství a dobrá adresa,
- výhled z okna, občanská vybavenost, možnosti parkování dle parkovacích zón,
- vzdálenost k zelené ploše, vzdálenost k zastávce MHD, hluk,
- celkové imisní zatížení NO2, demografická struktura, bezpečnost, záplava.
3.2 Sousedství a dobrá adresa
Fenomén sousedství, dobré adresy či obdobně definovaných kvalitních lokalit, jako jsou lokalita – sousedství nebo prémiová adresa, byl předmětem zájmu řady tuzemských autorů – Ort, Zazvonil [10, 11], zahraničních článků [1, 2], sociálních výzkumů a projektů [6, 7]. V rámci tohoto článku bylo na základě dostupných zdrojů pro město Brno vytvořeno pět kategorií popisujících sousedství a dobrou adresu. V tabulce č. 1 je uveden přehled pro 5 kategorií včetně jejich popisů [8].
| Č. | Kategorie | Popis |
|---|---|---|
| 1 | Vynikající sousedství | Zahrnuje rezidenční oblasti, které jsou považovány za velmi atraktivní. V sousedství jsou umístěny kvalitní nemovitosti, v oblasti jsou vynikající sousedské vztahy. Charakterizuje se vysokou úrovní péče o veřejné prostory. Celkově nabízí příjemnou atmosféru, která je atraktivní pro bydlení a volnočasové atraktivity. |
| 2 | Kvalitní sousedství | Zahrnuje oblasti, které nabízejí kvalitní životní podmínky. V sousedství je různorodý mix nemovitostí. Je zde dobrá péče o veřejné prostory. Poskytuje solidní atmosféru a komunitu. |
| 3 | Průměrné sousedství | Zahrnuje průměrné oblasti, jedná se o standardní části města, nemusí vykazovat zvláštní výhody, avšak ani žádné závažné nedostatky. Může se jednat o místa, která by si zasloužila zlepšení péče o okolí. Atmosféra a komunita jsou průměrné. |
| 4 | Méně atraktivní sousedství | Zahrnuje oblasti s nevzhlednými budovami a infrastrukturou. Celkově se jedná o nižší estetickou hodnotu prostředí, které vyžaduje zlepšení péče. Atmosféra v místě a komunitní vztahy jsou méně kvalitní. |
| 5 | Vyloučené sousedství | Zahrnuje oblasti, které jsou pro bydlení považovány za nejméně vhodné až nevhodné, jsou charakterizovány nevzhlednými a problematickými budovami, zanedbanou údržbou, popř. zhoršeným prostředím pro bydlení. Atmosféra a komunita jsou obvykle nepříznivé. |
3.3 Databáze
V očištěné konečné databázi bylo zahrnuto 346 prodejů bytů, konečná databáze rodinných domů obsahovala 147 prodejů rodinných domů. Tyto ceny byly přepočteny pomocí tzv. HB indexů cen bytů a rodinných domů zveřejněných na internetových stránkách ČSOB Hypoteční banky na cenovou hladinu druhého čtvrtletí roku 2022. Důvodem bylo největší množství dohledaných prodejů v tomto období [12].
Nemateriální faktor sousedství a dobrá adresa byl v databázích zastoupen takto: 1) – 4 byty, 2) – 72 bytů, 3) – 168 bytů a 4) – 102 bytů a v databázi rodinných domů: 1) – 21 RD, 2) – 38 RD, 3) – 74 RD a 4) – 14 RD. V databázi bytů a v databázi rodinných domů se však nevyskytovaly byty nebo rodinné domy, které by mohly být zařazeny do páté kategorie. Poslední kategorie tak zůstává neobsazena.
4. Metody a postupy
Nejprve byly provedeny úpravy obou databází, což znamenalo vytvořit 2 matematicky zpracovatelné vstupní matice pro 2 lineární regresní modely. Jelikož se nepodařilo dosáhnout verifikovaného modelu ani v jednom případě bez transformace faktorů, bylo třeba úprav. Postupnou prací s oběma modely došlo k logaritmování cen, plochy bytu a plochy rodinného domu a plochy zahrady v případě rodinného domu.
V průběhu modelování se rovněž nepodařilo dosáhnout normality reziduí bez odebírání odlehlých hodnot. Proto byly z obou databází odstraněny byty, respektive rodinné domy, jejichž odchylka predikované ceny od skutečné hodnoty byla vůči jiným odchylkám ze souboru podle Z-score testu odlehlá. Celkově se jednalo o vyřazení 11 bytů a 7 rodinných domů.
Další úprava spočívala v odstranění jednoho faktoru s nejvyšší p-hodnotou. Poté byl přepočítán model a postup se opakoval, dokud existoval alespoň jeden faktor s p-hodnotou > 0,05. Pro statistické ověření normality byl použit Sharipo Wilk test a Anderson Darling test. Platí nulová hypotéza, rezidua mají homoskedasticitu, Whietů test prokázal, že homoskedasticita se připouští na hladině významnosti 0,05 [8, 9].
5. Výsledky
5.1.1 Model bytů
Ve výsledném modelu bytů se statisticky významných ukázalo celkem 7 faktorů. 4 z nich byly materiální: podlahová plocha, technický stav, garáž nebo garážové stání a energetický štítek bytového domu. 3 faktory byly nemateriální: sousedství a dobrá adresa, občanská vybavenost a výhled z okna.
5.1.2 Model rodinných domů
Ve výsledném modelu rodinných domů se statisticky významných ukázalo celkem 11 faktorů. 7 z nich bylo materiálních: užitná plocha, technický stav, plocha zahrady, inženýrské sítě, počet kuchyní, konstrukční systém a příslušenství k rodinnému domu. 4 faktory byly nemateriální: výhled z okna, dojezdová vzdálenost do centra města, sousedství a dobrá adresa, občanská vybavenost.
5.2 Porovnání t-hodnot
Metoda vychází z t-testů jednotlivých faktorů v rámci mnohonásobného lineárního regresního modelu. Z t-hodnot u obou výsledných modelů byl proveden odhad vlivu všech uvažovaných faktorů, tj. materiálních a nemateriálních, v %. Hodnoty byly získány z číselných realizací t-hodnot výsledného modelu [8].
5.2.1 Porovnání t-hodnot u modelu bytů
U bytů činil podíl 3 nemateriálních faktorů 12,82 % z výsledného modelu. Jelikož model vysvětlil 86,8 % (dosažený adjustovaný koeficient determinace adjR2) z celkové ceny bytu, znamená to, že nemateriální faktory vysvětlují 11,13 % ceny této nemovitosti.
Z nemateriálních faktorů měly vliv v pořadí sousedství a dobrá adresa, následovala občanská vybavenost a výhled z okna. Konkrétní zastoupení faktoru sousedství a dobrá adresa bylo u bytů ve výši 3,94 % z celkové ceny. U výsledného modelu bytů byla H 1 potvrzena, nepotvrdila se hypotéza H 2.
5.2.2 Porovnání t-hodnot u modelu rodinných domů
Stejným způsobem byl proveden odhad vlivu všech uvažovaných faktorů u rodinných domů. Výsledný model rodinných domů vysvětlil v tomto případě 85,5 % z celkové ceny. U rodinných domů byl podíl 4 nemateriálních faktorů 34,99 % z výsledného modelu. Jelikož model vysvětlil 85,5 % z celkové ceny rodinného domu, znamená to, že nemateriální faktory vysvětlují 29,92 % ceny této nemovitosti.
Z nemateriálních faktorů měly vliv v pořadí výhled z okna, dojezdová vzdálenost do centra města, následovalo sousedství a dobrá adresa a občanská vybavenost. Konkrétní zastoupení faktoru sousedství a dobrá adresa bylo u rodinných domů ve výši 6,57 % z celkové ceny. U výsledného modelu rodinných domů byly H 1 a H 2 potvrzeny.
6. Diskuse
Porovnání konkrétních výsledků získaných z rešerší s výstupy tohoto článku je omezeno faktem, že cenové modely bývají zpravidla specifické pro konkrétní lokality, což znesnadňuje jejich zobecnění na odlišné geografické oblasti. Přesto však řada analyzovaných zdrojů přinesla této práci významné podněty, zejména z hlediska identifikace nemateriálních faktorů a metod zpracování dat.
Obtížnost srovnání tohoto výzkumu s již publikovanými pracemi vyplývá také ze skutečnosti, že někteří autoři, kteří se zaměřili na statistické vyhodnocení vlivu vybraných faktorů na cenu nemovitostí, do svých modelů nezahrnuli materiální charakteristiky. Tento přístup mohl vést k získání zkreslených výsledků.
Výsledek dopadů faktoru sousedství a dobrá adresa byl studován ve městě Brně, v jiných městech s odlišným sociálně-ekonomickým spektrem obyvatelstva, pracovními příležitostmi nebo dostupnou infrastrukturou bude mít tento nemateriální faktor zřejmě jinou váhu, nebo se jako významný neobjeví. Výzkum uvedený v tomto článku potvrdil u bytů i rodinných domů platnost hypotézy H 1, tj., že faktor sousedství a dobrá adresa je statisticky významný. Nemateriální faktor vysvětlující alespoň 5 % ceny se potvrdil pouze u rodinných domů.
7. Závěr
Výzkum nemateriálních faktorů prezentovaný v tomto článku byl realizován v rámci dizertační práce zaměřené na analýzu nemateriálních faktorů ovlivňujících vybrané typy nemovitostí – byty a rodinné domy. Cílem dizertační práce i tohoto článku je rozšířit stávající poznatky o vlivu nemateriálních faktorů na cenu nemovitostí. Ani dizertační práce, ani článek si nekladou za cíl nabídnout komplexní kvantifikaci nemateriálních faktorů pro celou Českou republiku.
Záměrem je na příkladu vybrané lokality ukázat, že nemateriální faktory lze kvantifikovat a že jejich vliv na cenu nemovitostí lze statisticky významně prokázat. Současně výzkum popisuje metody, které lze obecně použít k dosažení těchto výsledků.
Literatura
- SIRMANS, Stacy; MACPHERSON, David a ZIETZ, Emily, 2005. The Composition of Hedonic Pricing Models. Online. Journal of Real Estate Literature. 2005-01-01, roč. 13, č. 1, s. 1-44. ISSN 0927-7544. Dostupné z:
https://doi.org/10.1080/10835547.2005.12090154. [cit. 2023-11-15]. - MELANDA, Edson; HUNTER, Andrew a BARRY, Michael, 2016. Identification of locational influence on real property values using data mining methods. Online. Cybergeo. 2016-01-04, roč. 20, č. 771, s. 19. ISSN 1278-3366. Dostupné z:
https://doi.org/10.4000/cybergeo.27493. [cit. 2023-11-15]. - FERLAN, Nadja; BASTIC, Majda a PSUNDER, Igor, 2017. Influential Factors on the Market Value of Residential Properties. Online. Inzinerine Ekonomika-Engineering Economics. Roč. 2017, č. 28(2), s. 135-144. Dostupné z:
https://doi.org/10.5755/j01.ee.28.2.13777. [cit. 2023-11-15]. - LUTTIK, Joke, 2000. The value of trees, water and open space as reflected by house prices in the Netherlands. Online. Landscape and Urban Planning. Roč. 48, č. 3-4, s. 161-167. ISSN 01692046. Dostupné z: https://doi.org/10.3390/su13042236. [cit. 2023-11-15].
- RICCIOLI, Francesco; FRATINI, Roberto a BONCINELLI, Fabio, 2021. The Impacts in Real Estate of Landscape Values: Evidence from Tuscany (Italy). Online. Sustainability. Roč. 13, č. 4, s. 2-18. ISSN 2071-1050. Dostupné z:
https://doi.org/10.3390/su13042236. [cit. 2023-11-15]. - KOPÁČIK, G.; WITTMANN, M.; KILNAROVÁ, P.; KUČERA, P.; FRANTIŠÁK, L.; HAVLIŠ, K.; ŠIMARA, E.; HÝLOVÁ, A.; MATYÁŠOVÁ, J.; LEITMANNOVÁ, A.; VAISHAR, A.; JENČKOVÁ, B.; HOFMAN, P.; OBRŠÁL, N. Vliv charakteru a umístění urbanistické struktury na udržitelný rozvoj území, Případové studie Brno–Ostrava–Zlín. Brno: Akademické nakladatelství CERM©, s.r.o., 2019. 480 s. ISBN: 978-80-7623-007-1 [cit. 2022-05-06].
- FOKUS MARKETING & SOCIAL RESEARCH, 2019. Sociologický výzkum bydlení v Brně: Výzkum pro Magistrát města Brna. Online, Sociologický výzkum. 2019. Dostupné z: https://urbancentrum.brno.cz/ [cit. 2023-11-15].
- DOLEŽALOVÁ, Monika. Analýza a kvantifikace nemateriálních faktorů ovlivňujících cenu rodinných domů a bytů [online]. Brno, 2024. Dostupné také z: https://www.vut.cz/studenti/zav-prace/detail/147676. Dizertační práce. Vysoké učení technické v Brně, Ústav soudního inženýrství, Ústav soudního inženýrství. Vedoucí práce Karel Pospíšil.
- DOLEŽALOVÁ, Monika a POSPÍŠIL, Karel, 2024. Nemateriální faktory působící na sjednané ceny rodinných domů v Brně. Online. Soudní inženýrství. Roč. 35, č. 01, s. 11-20. ISSN 2788-2764. Dostupné z:
https://doi.org/https://doi.org/10.13164/SI.2024.1.12. [cit. 2025-01-10]. - ORT, Petr, 2022. Oceňování nemovitostí-moderní metody a přístupy. 2. aktualizované vydání. Praktik (Leges). Praha: Leges. ISBN 978-80-7502-572-2.
- ZAZVONIL, Zbyněk, 2012. Odhad hodnoty nemovitostí. Praha: Ekopress. ISBN 978-80-86929-88-0.
- HYPOTEČNÍ BANKA, A.S., ČLEN SKUPINY ČSOB, 2023. HB index. Online. Dostupné z:
https://www.csobhypotecni.cz/kontakty/csob-index-bydleni/. [cit. 2023-11-15].
The article focuses on the issue of real estate prices, specifically on the influence of the intangible factor neighbourhood and good address on the price of apartments and the price of houses. For the purposes of this article, intangible factors are defined as factors based on the location of the property or its surroundings, not the property itself. Tangible factors, on the other hand, include characteristics related to the size of the apartment or house and land, their design, condition, etc. The identification of relevant factors was based on a search of professional publications, and on the results of previously conducted research and sociological studies related to housing in Brno. The archive of expert opinions of the Institute of Forensic Engineering was also an inspiring source of data. The analysis also included publicly available advertisements for flats and houses, the purpose of which was to find out what features advertisers consider essential when describing real estate. The area of interest is the city of Brno. The final databases include sales of 346 apartments and 147 houses, and twelve intangible factors were evaluated. The analysis also includes tangible factors that were selected to adequately characterize the apartments and houses. The data were processed using two separate multivariate linear regression models with the least squares (OLS) method of estimating the regression parameters to describe the dependence of price on the explanatory variables (referred to as factors in this paper). Based on the analysis of the data obtained and their comparison with the regression model, the hypothesis that the observed factor is statistically significant for the price of flats and the price of houses at the chosen level of significance was confirmed. The hypothesis that this factor explains at least 5% of the price was confirmed only for detached houses.