Værdisætning af bykvaliteter - fra hovedstad til provins
Projekt Målsætning med projektet var at øge den nuværende viden om investeringer i byliv og byrums-kvaliteter At operationalisere begreberne byliv og byrums-kvaliteter At hjælpe byplanlæggere til at arbejde mere kvantitativt At understøtte bygherres, ejendomsselskaber og byudvikleres viden om betydning af nærområdets værdi for ejendomme Finansieret by - Miljøministeriet, IFRO- Københavns Universitet, Københavns kommune, Frederiksberg Kommune,Lyngby Taarbæk, Gladsaxe, Herlev, Rødovre, Albertslund, Glostrup, Vallensbæk, Ishøj, Brøndby, Hvidovre, samt Århus og Skanderborg, By & Havn, Kildebjerg Ry A/S.
Projekt proces Møde med endusers byplanlæggere & byudviklere Beskrivelse af metoden valg huspris metoden Diskussion af af hvad byliv og byrumskvaliteter er Indsamling af data & indledende analyser Møde med endusers byplanlæggere & byudviklere Præsentation af indledende analyser og feedback Analyse og Rapport skrivning Møde med endusers byplanlæggere & byudviklere Præsentation af analyser og feedback Endelig Rapport Kommunikations-spin - ½ år Januar d. 17 2013 blev arbejdet introduceret af Miljø minister Ida Auken.
Teori huspris funktion Ejendomme et heterogent gode P P S, Q ) i ( i i konstruktion (S), Nabolag og miljø (Q) Antagelser : Husprisen genereres I et marked I ligevægt. Husholdninger nyttemaksimere. Husholdninger evner at adskille de enkelte hus karakteristika fra hinanden De implicitte priser fra huspris funktionen reflekterer værdien husholdninger opnår ved at forbruge de enkelte karakteristika I ln P n = α + γs in z=1 + β 1 q 1n + β 2 q 2n + β J q Jn + ε n
Data Den Offentlige Informationsserver (OIS) Bygnings- og Boligregistret (BBR) Ejendomsstamregister (ESR) Salgs- og Vurderingsregister (SVUR) http://www.lifaois.dk/datamodel/dm/default.aspx GIS variable kort10 Areal Informations Systemet (AIS) Dansk Adresse og Vejdatabase (DAV) CVR Space scape House - SVUR Konstruktions variable- BBR Nabolags variable- GIS Miljø variables - GIS Socio-økonomiske variable - geomatic Værdier 60.000 observation, and more than 1000 variables
Survey area Figur 2. Analyseområdet i Storkøbenhavn. Figur 1. Analyseområdet fra Ry i vest til Århus og forstæderne nord for Århus.
Hus-marked Enkel-familiehuse Markedsinddeling Lejligheder
Markeder 10 husmarkeder Parcel og rækkehuse: CPH north, CPH vest, CPH south, CPH center, Aarhus, Skanderbog Lejligheder: Surburb, center, Amager+Nørrebo, Aarhus
Byliv og byrumskvalitet Grønne områder Parker, natur, kirkegårde Urban Services Shopping og diversitet (city center) Restauranter, caféer, bare, bodegaer, Infrastruktur Jernbaner, motorveje, stationer Institutions Skoler, børnehave, vuggestuer
Variabel Grønne områder Aarhus Huse Effekt på pris pr. enhed kr/unit Parker 1000 meter 0,67 % pr. hektar *** 19.078 kr. pr. park Natur 1000 meter 0,04 % pr. hektar * 1.154 kr. pr. hektar Gennemsnits hus 2,858,820 kr
Grønne område - Skanderborg Variabel Effekt på pris pr. enhed Effekt i kr. pr. enhed Natur 1.000 meter 0,13% pr. hektar *** 2.792 kr. pr. hektar Gennemsnit hus 2,110,482
Urban services - Lejligheder Variable Effekt på pris pr. enhed Effekt i kr. pr. enhed Antal af butikker 1000 meter 0,006% per butik *** 148 kr. per butik Diversitet of services 1000 meter 0,43% per branche *** 10.734 kr. per branche Restauranter, caféer, bare, bodegaer -0,37% per bar *** 9.184 kr. per bar Skolekarakter point 1,30% per karakter *** 32.698 kr. pr karakter Gå afstand til vuggestue & børnehave -0, 003% per meter ** -76 kr. per meter Antal af børn I vuggestue & børnehave -0, 01% per barn ** -345 kr. per barn Gennemsnits pris 2,506,929 kr
Value of diversity
Estimeret værdi af en ekstra butik Værdien af en ekstra service branche 13,9 mio.kr = 2,5 mio.kr./lejlighed 1297 lejligheder 0,4282 %/branche 1 branch The value of an added shop 0,2 mio.kr = 2,5 mio.kr./lejlighed 1297 lejligheder 0,0059 %/butik 1 butik
Ekstra bar Værdien af en ekstra bar - 1,6 mill.kr = 2,5 mio.kr./lejlighed 180 lejligheder -0,3664 %/bar 1 bar Den ekstra værdi 13.9 mio. kr. diversity 0.2 mio. kr. service -1,6 mio. kr. bar 12.5 mio. kr.
Byen Erhverv Borger Byrum Institut for Fødevare og Ressourceøkonomi Frederiksberg 30 oktober 2013 Dias 16
Sønder Boulevard SB størrelse 2,2 Ha SB 1,4 km Reakreative oplevelser, boldspil, bordtennis, legepladser 17
Effekten på ejendomsværdien af park Ejendomsværdien stiger med: 0.02565% pr Ha (inden for 1000 m) 0.00737 % pr Meter (inden for 500 m) Sønder Boulevard 74, 5. TV Værdi 2,400.000 kr V i P( Si,( Qi Qi )) P( Si, Qi ) Ejendomsværdien af SB er: 87.000 kr. Grundskyldsintægter: Pr. år 2.900 kr. Over 90 år 95.000 kr. 18
Effekten på ejendomsværdien Typer af lejligheder Ejerlejligheder 1475 Andelsboliger 11957 Almennyttige boliger 1544 Den summeret værdi 351 mio. kr. Grundskyldsintægt 381 mio. kr. Værditab ved 0,75 Ha reduktion Mellem 131 og 8 mio. kr. Grundskyldsintægt Mellem 142 mio. kr. og 9 mio. kr. 19
Beregning Konvertering af nedre del af SB til parkeringspladser Tab 0.5 Ha 7723 får længere til park Ejendomsværditab 37 mio. kr. Tab af grundskyld 40 mio.kr 20
Ejendomsværdi alle parker og naturområder Navn Størrelse (Ha) Værdi Mio. kr. Grundskyld Nutidsværdi mio. kr. Værditab max (0.75 Ha) Værdi tab min (0.75 Ha) Grundskyld tab max (0.75 Ha) Grundskyld tab min (0.75 Ha) 1 Amaliehaven 1.49 23.3 25.35 13.3 4.03 14.47 4.38 2 Amorparken 3.61 57.7 62.78 22.8 8.3 24.81 9.03 3 Arsenalvej 2.7 29.8 32.42 17.4 3.54 18.93 3.85 4 Axels Møllers Have 1.18 3.15 3.43 2 2 2.18 2.18 5 Bellahøjparken og 11.1 147 159.95 32 4.33 34.82 4.71 Degnemosen 6 Bispebjerg hospitals park 1.44 15.3 16.65 9.85 3.28 10.72 3.57 7 Bispebjerg Park Alle 2.39 59.1 64.31 21.9 1.94 23.83 2.11 8 Botanisk Have 11.4 159 173.01 20.1 9.21 21.87 10.02 9 Brønshøj Torv 1.04 45.4 49.4 18 2.13 19.59 2.32 10 Brønshøjparken 3.34 60.1 65.39 24.4 2.87 26.55 3.12 11 Byparken - Ørestaden 7.67 110 119.69 24 0.77 26.11 0.84 12 Christianshavns Voldanlæg 81.2 1400 1523.31 129 10.3 140.36 11.21 13 Churchillparken - Kastellet 34.2 422 459.17 51 7.22 55.49 7.86 14 Damhussøen 86.2 287 312.28 15.5 2.36 16.87 2.57 15 Det Kongelige Bibliotekshave 0.71 13.7 14.91 11.9 5.1 12.95 5.55 16 Elba Filipsparken 0.7 164 178.45 60.8 4.68 66.16 5.09 17 Emdrup Søpark 9.84 53.9 58.65 16.2 1.94 17.63 2.11 18 Enghave Plads 1.03 42.8 46.57 35 6.57 38.08 7.15 19 Enghaven 3.59 77.7 84.54 37 6.51 40.26 7.08 20 Fælledparken 62.4 1970 2143.52 161 20.2 175.18 21.98 21 Fredriksberg Have 33.1 113 122.95 2.56 2.56 2.79 2.79 22 Grøndalsparken 14.4 209 227.41 56.2 3.74 61.15 4.07 23 Hans Tavsens Park 2.88 144 156.68 58.5 8.52 63.65 9.27 24 Harrestup Å 22.7 66.8 72.68 10.4 1.58 11.32 1.72 25 Hørsholmparken 1.33 45.7 49.73 35 7.85 38.08 8.54 26 Hulgårds Plads 1.06 111 120.78 50.9 4.75 55.38 5.17 27 Islands Brygge 3.18 209 227.41 85.7 6.2 93.25 6.75 21
Værdien af placering Boligkvarter Industrikvarter
Industrikvarter
Boligkvarter
Øvelse Værdien af letbane station på Gammelmosevej 1) Hurtigt overslag baseret på antagelse og gns. pris 2) Gennemsnitspris samt beregnet afstand 3) Individuel pris og gns afstand til station 4) Individuel pris og beregnet afstand til station 5)Fuld model med alle variable (samspilseffekt)
Husprismodel Pi ( Si, Qi ) Værdi tilvækst V i P( Si,( Qi Qi )) P( Si, Qi ) Husprismodel: P i = e α+γs i e βq i
1) Gennemsnitspris og Antaget afstand Gennemsnits afstand Nærheds effekt 0-400 m Gennemsnitspris (2.653.000 kr.) OIS, boligsiden, danmarks statistikbank
2) Gennemsnitspris + kendt afstand Gennemsnitspris (2.653.000 kr. ) Individuel effekt af nærhed til ny station Skalaen vendt om Nærhed = 400 afstand Beregnet vha. GIS
3) Kendt ejendomspris og gennemsnitsnærhed Antaget afstand til station 200 meter Individuel pris (estimeret af husprismodel) - brug de respektive ejendomsværdier
4) Kendt pris og kendt afstand Individuel beregnet afstand Individuel priser beregnet ved hjælp af huspris model
5) Kendt pris og kendt afstand i fuld model (inkl. sammenspilseffekt) Husprismodel Pi ( Si, Qi ) Værditilvækst V i P( Si,( Qi Qi )) P( Si, Qi ) Husprismodel: P i = e α+γs i e βq i
Opsamling Det er ressource krævende at estimere huspriserne baseret på husprismodellen Kræver at man laver en masse databehandling GIS + OIS data Mere præcis og troværdig Dynamisk impact assesmemt af byudviklingsscenarier Kun et overlægger/underlægger estimat Casen medtager ikke værdien for lejligheder, lejeboliger og industri/erhverv Skatteindtægt Metoden fanger kun en del af værdien og kun anvendelig i visse byområder