Projektbeschreibung

Das Vergleichswertverfahren hat sich als marktnächstes Verfahren als sehr praktikabel in der Immobilienbewertung etabliert. Allerdings bedarf es, wie alle statistischen Methoden, einer geeigneten Stichprobengröße: normalerweise werden 15 Kauffälle pro unabhängige Variable in einer Regressionsanalyse benötigt. In Gebieten mit wenigen Kauffällen stehen den Sachverständigen oft nur sehr wenige Kauffälle zur Verfügung (z. B. 10 bis 30 Kauffälle/Teilmarkt). Er oder sie schätzt den Wert durch seine oder ihre Erfahrung unter Berücksichtigung dieser wenigen Information ab. In diesem Fall wird die klassische statistische Auswertung nur unzuverlässige Ergebnisse liefern oder nicht möglich sein.

Das Ziel der Untersuchungen ist es, einen Ansatz zu präsentieren, der eine zuverlässige Auswertung auch in Lagen mit wenigen Kauffällen ermöglicht. Hierzu werden verschiedene Bayesische Ansätze getestet und weiterentwickelt. Diese ermöglichen ist, Expertenwissen in datengestützte Modelle – wie die multiple lineare Regressionsanalyse – zu integrieren, die auf einer kleinen Stichprobe (kaufpreisarme Lage) gründen. Zunächst werden kaufpreisarme Lagen simuliert; anschließen werden die entwickelten Verfahren in reellen kaufpreisarmen Lagen getestet. Um diese zunächst zu simulieren, werden die Daten systematisch reduziert, wie z. B. in Teilstichproben in den Rändern oder in der Mitte der Daten. Basierend auf dem Bayesischen Ansatz werden Daten und Expertenwissen in einem umfassenden Modell verarbeitet. Derzeit wird ein robustes Bayesisches Modell entwickelt. Es verwendet die unabhängige Student-t-Verteilung im linearen Modell, sodass es auch in Fällen funktioniert, in denen signifikante Abweichungen von den optimalen Annahmen auftreten. Die Lösung des funktionalen Zusammenhangs erfolgt mit Hilfe der Markov Chain Monte Carlo-Methode.