Vliv veřejné zeleně na cenu bydlení v Praze

Jan MELICHARKateřina KAPROVÁ

Centrum pro otázky životního prostředí

Super Solidam Petram| COŽP UK

27.3.2013

Struktura prezentace

• Městská zeleň v Praze• Rešerše literatury• Metoda hedonické ceny• Data a analyzovaná oblast• Regresní modely hedonické ceny• Diskuse výsledků

Special Issue: Urban Ecosystem Services• Revealing preferences of Prague’s homebuyers toward greenery

amenities: The empirical evidence of distance–size effect. Landscape and Urban Planning. Volume 109, Issue 1, January 2013, Pages 56–66. Special Issue: Urban Ecosystem Services

• Článek lze nalézt na této webové adrese: http://www.sciencedirect.com/science/article/pii/S0169204612002654

Výzkumné cíle

• Tvorba a odhad modelu hedonické ceny pro trh s bydlením na území hl. města Prahy se zahrnutím:– strukturálních charakteristik bydlení,– charakteristik dostupnosti,– environmentálních atributů.

• Testování hlavní hypotézy: trh s bydlením v Praze pozitivně reflektuje environmentální přínosy, které poskytují plochy městské zeleně obyvatelům Prahy.

• Hypotézu se snažíme prokázat na základě testování tzv. principu vzdálenosti (proximity principle):– městské lesy– zemědělskou půdu– malá chráněná území

• Odhad regresních modelů se zahrnutím společného působení vzdálenosti a plochy zeleně prostřednictvím interakčních efektů

Význam městské zeleně pro obyvatele městMěstská zeleň poskytuje široké spektrum služeb obyvatelům měst:•Rekreační služby (relaxace, únik z každodenního stresu, sportovní vyžití)

– větší plochy zeleně mají vyšší rekreační potenciál v porovnání roztříštěnou zelení mezi obytnými budovami (Bollund a Hunhammar, 1999)

•Estetické funkce (příjemné prostředí, architektonický prvek)• Další služby, které mohou podporovat rekreační funkce,

obyvateli vnímány nepřímo:– efekty na mikroklima (Costanza et. all, 1997)

– absorpce CO2, zachytávání TZL, akustická bariéra

– efekt na hydrologický cyklus (zvyšování vlhkosti vzduchu, snižování intenzity tepelných ostrovů)

– umožňují migraci živočišných druhů

• Rozsah jednotlivých služeb se liší podle typu, kvality a velikosti zelené plochy

– větší plochy jsou více ekologicky stabilní Poudyal et al. (2009)– chráněná území – plochy s vyšší ekologickou stabilitou, zde důraz na

ochranu biodiverzity

Městská zeleň v Praze

Bilance ploch:• Zemědělská půda (41 %)

– z toho orná půda (30 %), zahrady (8 %), ostatní (3,1 %)

• Lesní plocha (10,3 %), vodní plocha (2,2 %)• Zastavěné plochy (10,2 %)• Ostatní plochy (36,4 %) – komunikace, hřbitov, sportoviště,

skládky, jinéNárůst zastavěných ploch: od 1990 do 2010 zastavěno 770

ha (1,5 % plochy města), převážně na úkor zemědělské půdy. Tento trend se v posledních letech zpomaluje.

• Přírůstky lesních ploch (2010/2009 nárůst 59 ha, 2010/1990 nárůst 231 ha, tj. 4,8 %)

• Ochrana 89 maloplošných zvláště chráněných územích– 7 národních přírodních památek, 67 přírodních památek

a 15 přírodních rezervací– geologické, paleontologické, botanické, zoologické,

entomologické, lesní lokality– celkové rozloha více než 2 200 ha (cca 4,4 % z rozlohy

města)

Úbytky a přírůstky ploch podle druhů pozemků

Úhrnné hodnoty druhů pozemků (ha)

Zdroj: ČUZK

Podíl lesních ploch v katastrálních územích hl. města Prahy, 2010

Zdroj: URM

Ochrana přírody a krajiny, 2009

Zdroj: MHMP, ÚRM

Historie HPM

1926: Waugh – cenové rozdíly zeleniny1938: Court – trh automobilů v Detroitu1967: první aplikace na trh bydlení: Ridker a

Henning => vliv znečištění na cenu bydlení1974: Rosen – formální model HPM70. léta: aplikace na městské parky

Ostatní použití:– Zemědělské komodity– Automobily– Víno– Trh práce

Cena bydlení

Stavební charakteristiky

Místní socio-ekonomické charakteristiky

Místní vybavení a kvalita prostředí

Předpoklad teorie spotřebitele: pořizovací cena, kterou je potenciální kupující ochoten zaplatit, závisí na existenci a úrovni široké škály atributů bydlení

• Cena: prodejní, nájemní• Stavební charakteristiky: zastavěná plocha, počet místností, typ budovy,

stavební materiál, garáž/parkování, sklep…• Místní socioekonomické charakteristiky: úroveň příjmu,

zaměstnanost, demografické charakteristiky (věk, zastoupení menšin…)• Místní vybavení a kvalita prostředí: dostupnost škol, obchodů,

pracovních příležitostí, vzdálenost od centra města, dopravní vybavenost, kvalita ŽP (vybavenost okolí zelení/otevřenými prostranstvími, hluková zátěž, kvalita ovzduší, ohrožení povodněmi, vzdálenost od skládky/spalovny…)

Model hedonické ceny

Postup hodnocení

1. Model prvního stupně– Odhad funkce hedonické ceny– Výpočet mezní implicitní ceny

2. Model druhého stupně– Odhad poptávky– Výpočet změny přebytku spotřebitele

Model prvního stupně

Griliches (1971) a Rosen (1974)• Cíl: odhad implicitní ceny atributu

Charakteristiky bydlení (z)• stavební charakteristiky• místní socio-ekonomické charakteristiky• charakteristiky kvality okolí bydlení

Funkce hedonické ceny (Ph)

nh zzzP ,...,, 21

Funkce hedonické ceny

• Vztah mezi cenou bydlení a atributy vysvětlující tuto cenu• Zobrazuje, jak množství jednoho atributu (např. hluk,

vzdálenost k zeleni) ovlivňuje celkovou hodnotu (cenu) bydlení, ostatní atributy se nemění

• Env. statek („good“ – kvalita zeleně, ovzduší) stoupající funkce; faktor („bad“ – znečištění ovzduší) klesající funkce

• Regresní analýza

Parametry odhadnuté funkce hedonické ceny odhalují preferenční strukturu atributů statku

Jsou použity pro odhad implicitní ceny za změnu úrovně uvažovaného atributu.

Implicitní cena

• Cena zaplacená jednotlivcem za poslední jednotku atributu

• První derivace funkce hedonické ceny k danému environmentálnímu atributu

n

himpl z

PP

Problémy s daty• Chyba u pozorovaných proměnných závislých

a nezávislých, které vstupují do modelu (výběr závislé proměnné, měřítko environ. proměnné)

• Multikolinearita - obtíže s interpretováním odhadů parametrů, když některé proměnné jsou těsně provázané - korelace atributů navzájem

• Segmentace trhu - zda data odpovídají jednomu trhu, nebo zda potřebují rozdělit do několika segmentů, a funkce hedonické ceny je odhadována zvlášť

• Výběr funkčního vztahu - Správná funkce hedonické ceny je neznámá. Výběr funkčního tvaru je její aproximací. Výběr nesprávné funkce vede k nepřesnému odhadu chyb funkce hedonické ceny a tudíž vede k chybě odhadu implicitní ceny.

HPM studie analyzující blízkost zeleně a dalšího typu otevřeného prostranství

Vyšší ochota platit za bydlení v blízkosti městské zeleně

• Lutzenhiser a Netusil (2000) bydlení do 500 m od městského parku zvyšuje cenu bydlení o 1,8 %

• Tyrvainen a Miettinen (2000) bydlení o 1 km dále od nejbližšího lesa vede v průměru k poklesu ceny bydlení o 5.9 %

Anderson a West (2003) bydlení do 200 m od zeleně• Městský park 0,44 %• Přírodní oblast 0,58 %

Doss a Taff (1996) bydlení v blízkosti vodní plochy zvyšuje cenu nemovitosti o 1,9 %

Dopady zeleně na ceny nemovitostí

• Obecně převažuje pozitivní efekt na ceny nemovitostí (Bengochea-Morancho, 2003; Crompton, 2001; Poudyal et al., 2009)

• Typ a rozsah poskytovaných funkcí se liší podle typu zeleně• Mikroklimatické + hydrologické funkce na

vyšší úrovni pro větší celky zeleně• Biodiverzita roste s rostoucí plochou + pro

chráněná území (Poudyal, Hodges, Tonn, Cho; 2009)

• Zatímco parky poskytují dobré podmínky pro rekreaci (Sander a Polasky, 2009), chráněná území mohou přinášet více environmentálních funkcí a jejich implicitní cena může být vyšší (Lutzenhiser a Netusil, 2001)

Efekt vzdálenosti a rozlohy zelené plochy

• Většina studií se zaměřuje na efekty velkých území – městské parky, lesy, zelené pásy (Anthon et al., 2004 and Asabere and Huffman, 2007)

• Menší plochy zeleně nemusí mít významný vliv na cenu nemovitosti (Bengochea-Morancho, 2003)

• Otázka:• Přinášejí různé formy zeleně různě velké

přínosy?• Zahrnutí různých druhů zeleně

• + společné efekty vzdálenosti a rozlohy daného typu zeleně

• Index plocha-vzdálenost (Kong et al., 2007)• Interakční proměnné (Anderson a West, 2006)

Empirický model

► lnPhi přirozený logaritmus nabídkové ceny prodávaného bytu i

► Si → strukturální charakteristiky bytu i

► Ni → charakteristiky dostupnosti bytu I

► Ei → environmentální charakteristiky bytu i

► , a → vektory odhadovaných parametrů

► εi → náhodná složka

iiiihiP EδNγSβln

),,( ENShh fP

hii

h PE

P

► Mezní implicitní cena pro semi-logaritmický model

Data a oblast• Trh s bydlením v Praze• Relevantní informace byly získány z katalogu

nemovitostí Reality.cz (http://www.reality.cz) • Individualní charakteristiky bydlení

– Nabízená cena– Geografická pozice– Obytná plocha bytu

• Datový vzorek– 8 568 apartmánů a bytů v osobním vlastnictví – Časové období od 2005 do 2008

• Geografický informační systém(GIS), software ArcGis– Měření vzdáleností od bytu do centra města,

nejbližší stanice metra, k nejbližšímu lesu či parku

– Vyloučení nesprávných údajů (duplicity, špatná lokalita)

Proměnné vstupující do hedonického modelu Variable Description Measure

Expected sign

Mean Min Max

PRICESales price of apartments sold in years 2005-2008

CZK 2008

DV* 5,018,006 817,697 55,600,000

AREA Living area of the flat m2 + 75.8319 13 430

BAD_STATEBad state of apartment (reconstruction is necessary before living)

dummy - 0.03808 0 1

AREA_BUILD Area of the building m2 + 476.214 2.33 4,588.7INHABITANTS Number of inhabitants in the building number - 20.6349 0 92.7

DIST_CENTERDistance to city center (Old-town square)

m - 5,757.11 75.8161 19,057.02

APART_BUILDApartment is located in apartment house

dummy - 0.71052 0 1

BRICK_STONE Building material is brick or stone dummy + 0.54299 0 1

SPA_DISTDistance to the nearest specially protected area

m - 1,287.57 0 4,758.414

SPA_AREAArea of the nearest specially protected area

m2 + 226,185 1,590.56 1,448,013

FOREST_DIST Distance to the nearest urban forest m - 1,504.76 0 7,123.17FOREST_AREA Area of the nearest urban forest m2 + 1,550,270 1,459.17 17,200,000AGRI_DIST Distance to the nearest agricultural land m - 1,587.51 0 4,627.877AGRI_AREA Area of the nearest agricultural land m2 + 299,429 1,475.81 13,100,000

GREEN_SELPercentage of selected greenery area (threatened by development) on cadastral territory area

% + 14.91235 0.53 88.89

FORESTPercentage of forest on cadastral territory area

% + 5.3249 0 55.57

URB_PARKPercentage of urban parks on cadastral territory area

% + 2.8005 0 24.27

AIR Index of air quality index - 0.5981 0.31 1.66

Kartogram – rozložení analyzovaných bytů v Praze

Kartogram – Rozložení větších ploch městské zeleně

Výsledky regresní analýzy pro úplný hedonický model

TermCoeff. St. Error t-Ratio P-value

95% Confidence

Interval Sig.Intercept 13.116 0.156 83.890 0.000 12.809 13.422 ***ln(AREA) 0.891 0.014 64.050 0.000 0.864 0.919 ***BAD_STATE -0.136 0.029 -4.650 0.000 -0.193 -0.078 ***ln(AREA_BUILD) 0.027 0.006 4.790 0.000 0.016 0.038 ***INHABITANTS -0.003 0.000 -12.030 0.000 -0.003 -0.002 ***ln(DIST_CENTER) -0.171 0.015 -11.470 0.000 -0.200 -0.142 ***APART_BUILD -0.084 0.011 -7.500 0.000 -0.106 -0.062 ***BRICK_STONE 0.096 0.012 8.120 0.000 0.072 0.119 ***SPA_DIST -0.0002 0.000 -2.430 0.015 0.000 0.000 **ln(SPA_AREA) -0.007 0.006 -1.230 0.220 -0.018 0.004SPA_DIST*ln(SPA_AREA) 0.00002 0.000 2.540 0.011 0.000 0.000 **FOREST_DIST -0.0002 0.000 -2.330 0.020 0.000 0.000 **ln(FOREST_AREA) -0.010 0.006 -1.710 0.088 -0.022 0.002 *FOREST_DIST*ln(FOREST_AREA) 0.00001 0.000 2.180 0.029 0.000 0.000 **AGRI_DIST 0.00003 0.000 0.440 0.662 0.000 0.000ln(AGRI_AREA) 0.001 0.005 0.180 0.858 -0.010 0.012AGRI_DIST*ln(AGRI_AREA) -0.000002 0.000 -0.330 0.743 0.000 0.000AIR -0.164 0.029 -5.590 0.000 -0.221 -0.106 ***Dependent variable ln(PRICE)N 2,793R2 0.7538F (18, 5180) 357.39Prob > F 0.000

*Significant at 90% confidence level** Significant at 95% confidence level*** Significant at 99 % confidence level

Výsledky regresní analýzy pro hedonický model – „vybavenost okolí zelení“Term Coeff. St. Error t-Ratio P-value

95% Confidence Interval

Sig.

Intercept 13.692 0.091 151.040 0.000 13.514 13.870 ***ln(AREA) 0.911 0.010 95.430 0.000 0.892 0.930 ***BAD_STATE -0.160 0.018 -8.740 0.000 -0.196 -0.124 ***ln(AREA_BUILD) 0.025 0.005 5.550 0.000 0.016 0.034 ***INHABITANTS -0.002 0.000 -10.800 0.000 -0.003 -0.002 ***ln(DIST_CENTER) -0.276 0.008 -35.520 0.000 -0.292 -0.261 ***APART_BUILD -0.079 0.009 -8.710 0.000 -0.097 -0.061 ***BRICK_STONE 0.040 0.009 4.590 0.000 0.023 0.057 ***GREEN_SEL 0.002 0.000 8.150 0.000 0.002 0.003 ***FOREST 0.001 0.000 1.870 0.061 0.000 0.002 *URB_PARK 0.002 0.001 2.040 0.041 0.000 0.005 **AIR -0.140 0.025 -5.640 0.000 -0.189 -0.091 ***Dependent variable ln(PRICE)N 5,199R2 0.8058F (18; 5,180) 1450.66Prob > F 0.000*Significant at 90% confidence level** Significant at 95% confidence level*** Significant at 99 % confidence level

Implicitní ceny a agregace výsledků

District

Area of GREEN_SE

L (ha)

Percentage of

GREEN_SEL area

No. of apartmen

ts in district*

Average price**

Implicit price in

CZK

Aggregated implicit price***

for 1 % point for 1 ha****for 1

m2****

1 14 3.27 17,50510,900,00

023,356 443,849,428

104,042,637

10,404

2 8 1.02 26,625 7,910,625 18,402 489,945,153 65,406,889 6,5413 4 0.68 38,726 4,241,020 9,865 382,049,832 70,228,161 7,023

4 1,931 24.57 130,688 3,412,950 7,9391,037,558,73

013,206,106 1,321

5 3,832 37.86 38,569 4,536,447 10,553 407,006,431 4,020,420 402

6 1,396 24.62 93,722 5,602,435 13,0321,221,421,12

121,542,254 2,154

7 152 10.43 21,666 5,178,964 12,047 261,016,933 17,942,286 1,7948 1,362 36.29 50,808 3,693,115 8,591 436,487,672 11,632,400 1,1639 4,551 42.78 58,733 3,382,891 7,869 462,186,484 4,345,002 43510 4,271 50.89 74,201 4,124,739 9,595 711,956,210 8,482,593 848

Total 17,519 35.32 551,243 5,018,006 11,6736,434,596,45

312,971,105 1,297

* According to Czech Statistical Office census** Based on data*** For all apartments within given district**** With assumed linear increments for each ha/m2

Závěr

• Strukturální proměnné determinují většinu ceny nemovitosti, environmentální proměnné přidávají pouze několik procent vysvětlené variability ceny

• Vzdálenost ke všem zkoumaným typům zeleně (městské lesy, chráněná území, pole) má negativní vliv na ceny nemovitostí• Zvýšení vzdálenosti k nejbližšímu lesu o 1 m snižuje cenu

nemovitosti o 1 080 Kč, k chráněnému území o 844 Kč, ale pouze do 2 km od místa bydliště

• Dopad blízkosti pole není statisticky významný

• Efekt rozlohy zelené plochy se liší pro jednotlivé typy zeleně:• Pro městské lesy a chráněná území působí pouze skrze

vzdálenost (dopad vzdálenosti na cenu nemovitosti se snižuje pro větší celky zeleně)

• Plocha pole neovlivňuje cenu nemovitosti

Závěr

• Ze směru interakce vyplývá - přítomnost menších ploch zeleně residentům postačuje • Podobně ve studii Bengochea-Morancho, 2003• Bez zahrnutí malých a roztříštěných ploch zeleně do modelu

• Po zahrnutí malých ploch zeleně do modelu: celkový efekt všech „neighborhood greenery amenities“ je pozitivní• Zvýšení procentuálního zastoupení trvalých travních

porostů, polí, sadů a zahrad o 1 procentní bod zvyšuje cenu nemovitosti o 11 673 Kč

• Zvýšení zastoupení ploch městských parků zvyšuje cenu nemovitosti o 12 534 Kč

• U městských lesů je tento efekt ve výši 3 697 Kč

Děkujeme za Vaši pozornost

jan.melichar@czp.cuni.cz

katerina.kaprova@czp.cuni.cz

www.czp.cuni.cz