Materiální faktory ovlivňující cenu nemovitostí: sousedctví a dobrá adresa

Intangible factors affecting the price of real estate prices: neighborhood and good address

článek ve sborníku mimo WoS a Scopus

čeština

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.

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.

Nemateriální faktory, materiální faktory, sousedství a dobrá adresa, cena, mnohorozměrný lineární regresní model, metoda odhadu pomocí nejmenších čtverců

Intangible factors, Tangible factors, Neighborhood and Good address, Price, Multiple linear regression model, OLS estimation method

DOLEŽALOVÁ, M.

22. 1. 2025

Vysoké učení technické v Brně, Ústav soudního inženýrství, Purkyňova 464/118, 612 00 Brno

Brno

978-80-214-6309-7

ExFoS 2025, sborník příspěvků

Vysoké učení technické v Brně, Ústav soudního inženýrství, Purkyňova 464/118, 612 00 Brno

1

137

144

8