Appraisal of residential plots for multi-storey buildings and row houses based on apartment prices

Asuinkerrostalotonttien ja –rivitalotonttien arvioiminen ainoastaan kauppahintarekisteriin (KHR) tallennettujen tietojen perusteella on haastavaa vähäisten kauppojen johdosta. Koska asuintonttien hinta määräytyy asuntojen hintojen perusteella varsinkin lyhyellä aikavälillä, jolloin tonttien tarjonta on joustamatonta, voidaan tontin hinta johtaa asuntojen hinnoista. Tämän diplomityön päätavoitteena oli selvittää asuinkerrostalotontin (AK-tontin) hinnan markkina-lähtöinen suhde asuinkerrostalohuoneiston hintaan sekä asuinrivitalotontin (AR-tontin) hinnan markkinalähtöinen suhde asuinrivitalohuoneiston hintaan Tampereella, Turussa ja Vantaalla. Lisäksi tavoitteena oli kehittää hintasuhde, jota olisi mahdollista hyödyntää yksittäisten AK- ja AR- tonttien arvioinnissa. Tavoitteen toteuttamiseksi haettiin asuntojen hintaseurantapalvelusta tiedot n. 10 000–25 000 asuntohuoneistokaupasta Tampereen, Turun ja Vantaan alueilta kuntakohtaisesti sekä kiinteistöjen kauppahintarekisteristä tiedot noin 420 AK-tonttikaupasta, noin 100 AL-tonttikaupasta ja noin 230 AR-tonttikaupasta. Kauppojen sijainnillisia tekijöitä analysoitiin paikkatieto-ohjelman avulla. Tutkimuksen empiirisessä osassa määritettiin näiden kauppojen perusteella yhteensä 8 regressiomallia: kerros- ja rivitalohuoneistoregressiomallit jokaisesta tarkastelun kohteena olevasta kunnasta ja AK- ja AR- tonttiregressiomallia 8 kunnan alueelta. Regressiomallit määritettiin pienimmän neliösumman menetelmällä (PNS). Mallien selitysasteet vaihtelevat 64 % - 88 % välillä ja variaa-tiokertoimet 1,1 % - 6,0 % välillä. Kaikki mallit kärsivät heteroskedastisuusogelmasta, mutta tästä huolimatta mallien tunnuslukuja pidettiin kokonaisuutena kohtuullisen hyvinä. Tärkeimpinä arvotekijöinä sekä tontti- että huoneistoregressiomallien osalta nähtiin aikatekijä ja sijaintimuuttujat. Tonttiregressiomalleissa pinta-ala sekä rakennusoikeus olivat tärkeimpiä tonttikohtaisia muuttujia. Huoneistoregressiomalleissa tärkeimpinä talo- ja huoneistokohtaisina muuttujina olivat asunnon pinta-ala, rakennusvuosi, kohteen käyttö ennen myyntiä (käyttämätön tai käytetty asunto) ja kunto. Regressiomalleista johdettiin AK- ja AR- tonttien ja –huoneistojen väliset hintasuhteet. Tämän tutkimuksen perusteella AK-hintasuhde vaihtelee Tampereella noin 8-25 %:in välillä, Turussa noin 6-23 %:in välillä ja Vantaalla noin 12-25 %:in välillä. AR-hintasuhde vaihtelee taas Tampereella 11-33 %:in välillä, Turussa 6-27 %:in välillä ja Vantaalla 18-36 %:in välillä. Hintasuhteet ovat korkeimmat näistä kolmesta paikkakunnasta Vantaalla ja matalimmat Turussa. AR-hintasuhteet ovat keskimäärin korkeammat kuin AK-hintasuhteet. Tutkimuksen päätavoitteet saavutettiin, ja saatuja tuloksia voidaan hyödyntää tukimenetelmänä yksittäisten AK- ja AR- tonttien arvioinnissa.The appraisal of residential plots for multi-storey buildings or row houses is difficult solely based on the information from Official Purchase Price Register (KHR) due to low amount of sales. At least in a short time period when the supply of plots is inelastic residential plot prices are deter-mined by apartment prices and therefore, the plot prices can be derived from apartment prices. The main purpose of this master’s thesis is to determine the price ratio between plot and apartment prices of multi-storey buildings and row houses. The ratio is determined for plots in Tampere, Turku and Vantaa. The objective is, thus, to create a ratio, which can be exploited when appraising residential plots. In order to reach the main objectives, information on approximately 10 000-25 000 apartment sales from each Tampere, Turku and Vantaa, and information on around 420 sales of multi-storey building plots, around 100 sales of multi-storey building and commercial plots and around 230 sales of row house plots were collected. The geographic information of the sales was analysed with platform for geographic information system (GIS). Based on the plot and apartment sales 8 regression models were created: 6 apartment regression models and 2 plot regression models. The regression models were estimated with ordinary least squares (OLS) method. The variation explained by the regression models varied between 64 % and 88 %. The coefficient of the variations of the regression models were 1,1 % - 6,0 %. All the regression models suffered from a heteroskedacity problem. However, all things analysed the key figures of the regression models can be considered to be fairly good. Based on the models, time and geographic variables were observed to be statistically important when determining residential plot and apartment prices. When valuing plot prices also plot area and building right were significant. When valuing apartment prices apartment size, construction year, the use of the apartment before the sale (new or used apartment) and the condition of the apartment were statistically significant. Price ratios were determined based on the regression models. In Tampere the ratio between plot and apartment prices in multi-storey buildings was approximately 8-25 %, in Turku approximately 6-23 % and in Vantaa approximately 12-25 %. In contrast, the ratio between plot and apartment prices in row houses was in Tampere 11-33%, in Turku 6-27 % and in Vantaa 18-36 %. Out of these municipalities the ratios were the highest in Vantaa and the lowest in Turku. The ratios between plot and apartment prices in a multi-storey building were on average lower than the ratios between plot and apartment prices in a row house. The main objectives of this thesis were reached and the price ratios can be exploited as a method to support when appraising residential plots in Tampere, Turku or Vantaa