|
Miljøprojekt nr. 1046, 2005 Værditab ved salg af forurenede eller tidligere forurenede ejendomme med helårsbeboelseIndholdsfortegnelse
Bilag B. Sammenhæng mellem koder for depotstatus i projektdatabasen og leverandørdatabaser/register
ForordTidligere undersøgelser har vist, at ejere af forurenede eller tidligere forurenede boliggrunde havde større omkostninger ved belåning eller led et værditab ved salg sammenlignet med øvrige boligejere, men datamaterialet har ikke været tilstræk-keligt omfattende til, at der har kunnet uddrages generelle konklusioner om værdi-tabets størrelse. Dette har været gjort i forbindelse med værditabsudvalgets arbejde, som førte til Værditabsordningen og endelig i forbindelse med evalueringen /1/. Der har imidlertid vist sig at være behov for at få en nærmere undersøgelse af nuværende og tidligere forurenede boliggrundes værditab og belåningsforhold, samt af det eventuelle værditabs størrelse ved salg af disse grunde. Den overordnede hensigt med undersøgelsen har været at foretage en analyse af effekten på handelsprisen i forbindelse med handler med boliggrunde og at kvantificere det eventuelle værditab ved salg af forurenede eller tidligere forurenede boliggrunde på basis af et betydelig større datamateriale end tidligere. Der er foretaget en kobling af miljø- og matrikeldata med handels- og vurderingsdata. Miljødata er hentet fra centrale databaser/registre over forurenede grunde i Danmark fra Miljøstyrelsen og Økonomistyrelsen, mens matrikeldata er indhentet dels fra førnævnte databaser/registre, dels fra Kort- og Matrikelstyrelsen og Københavns og Frederiksberg Kommuner. Handelsdata er hentet fra ToldSkats databaser over vurderinger og handelspriser. Denne undersøgelse omfatter datafangst/validering og en statistisk bearbejdning af data. I nærværende rapport afrapporteres den statistiske bearbejdning af data. Undersøgelsen er første del af et projekt om værditab, hvor en eventuel anden del skal belyse, hvad det vil koste at fjerne en eventuel restforurening. Amternes Videncenter for Jordforurening (AVJ) ved Lars Kaalund har været ansvarlig for projektets udførelse, mens Casper Szilas og Astrid Zeuthen Jeppesen, Watertech har forestået selve dataindsamlingen, valideringen, integrationen samt den statistiske analyse. Desuden har Anne Duus og Lone Munk, ToldSkat, været behjælpelige med definering af udtræk fra ToldSkats databaser. John Pedersen fra BioConsult har forestået kvalitetssikring af de statistiske dataanalyser. Projektet er finansieret af Miljøstyrelsen og Amternes Videncenter for Jordforu-rening. Miljøstyrelsen har nedsat en følgegruppe til projektet om værditab ved salg og belåning af forurenede eller tidligere forurenede grunde. Gruppens opgave har været at vurdere projektets planlægning, forløb og resultater. I følgegruppens møder har deltaget:
Christina van Breugel, Miljøstyrelsen Alle deltagere i følgegruppens møder takkes for deres bidrag til diskussion og kommentering. Sammenfatning og konklusionerBaggrund og projektindhold Tidligere undersøgelser har vist, at ejere af forurenede eller tidligere forurenede boliggrunde havde større omkostninger ved belåning eller led et værditab ved salg sammenlignet med øvrige boligejere, men datamaterialet har ikke været tilstrække-ligt omfattende til, at der har kunnet uddrages generelle konklusioner om værdi-tabets størrelse. Dette har været gjort i forbindelse med Værditabsudvalgets arbejde, som førte til Værditabsordningen og endelig i forbindelse med evalueringen. Miljøstyrelsen igangsatte derfor denne undersøgelse i 2004 med henblik på at afdække, i hvilket omfang ejere af forurenede eller tidligere forurenede bolig-grunde eventuelt har et værditab ved salg, eller om det har en effekt på belå-ningsmulighederne ved salg for disse boligejere. Denne undersøgelse omfatter en analyse af det eventuelle værditab for ejere af forurenede eller tidligere forurenede boliggrunde i perioden 1996-2003. Effekten på omkostningerne ved belåning af forurenede eller tidligere forurenede boliggrunde i forbindelse med salg belyses ikke, da Realkreditinstitutterne ikke registrerer tilsagn/afslag på ansøgning om lån. Denne undersøgelse udgør den første del af et projekt om værditab, hvor den anden del skal belyse, hvad det vil koste at fjerne eventuel restforurening. Dataindsamling Der er i undersøgelsen foretaget en kobling af miljø- og matrikeldata med handels- og vurderingsdata. Miljødata er hentet fra centrale databaser/registre over forurenede grunde i Danmark fra Miljøstyrelsen og Økonomistyrelsen, mens matrikeldata er indhentet dels fra førnævnte databaser/registre, dels fra Kort- og Matrikelstyrelsen, samt Københavns og Frederiksberg kommuner. Handelsdata er hentet fra ToldSkats databaser over vurderinger og handelspriser. Dataindsamlingen har været koncentreret omkring følgende identifikationsflow: Identifikation af forurenede/ tidligere forurenede grunde -> identifikation af tilhørende matrikler -> etablering af unik matrikelliste -> identifikation af handlede forurenede ejendomme -> identifikation af sammenlignelige ejendomme dvs. handlede ejendomme i samme vurderingskreds -> etablering af unik handelsliste over handlede forurenede/tidligere forurenede ejendomme og ikke forurenede ejendomme -> afgrænsning af data til kun at omfatte handlede ejendomme med helårsbeboelse(boligejendomme). De indsamlede data er integreret i en projektdatabase. Nøgleparametre Et væsentligt omdrejningspunkt for undersøgelsen har været den enkelte grunds depotstatus i alle årene i perioden 1996-2003. En forurenet grund kan over tid ændre status - depotstatus - fra at være under mistanke for forurening (V1-kortlagt) til at være konstateret forurenet (V2 kortlagt) og til senere at være oprenset eller med restforurening. Projektdatabasen er etableret på baggrund af en sammenkørsel af de 3 centrale databaser over forurenede grunde, hvis registrering af depotstatus er sammenkørt til 8 fælles koder: Tabel 0-1 Depotstatus
Det er valgt at beskrive værditabet ved handelsværdiens andel af ejendoms-vurderingen. I rapporten omtales denne størrelse som den relative handelspris (RH)[1]. Desuden anvendes begrebet frie handler, der er forskellig fra familiehandel, auktion samt andre typer handler. Frie handler svarer til handler mellem parter med modstridende interesser mht. handelsprisen, mens der for de øvrige handelstyper er risiko for, at andre og for os ukendte forhold påvirker handelsprisen. Projektdatabasen For at etablere en entydig database har det været nødvendigt at foretage to prioriteringer af data. Såfremt en handel er knyttet til forureningsdata fra mere end én database/ét register, er der foretaget en prioritering. Oplysninger fra leverandørdatabaserne rangordnes for at sikre entydige sammenhænge. Oplysninger fra OM-databasen er prioriteret højest, herefter VTO-registeret, og laveste prioritet har oplysninger fra ROKA Der er desuden foretaget en prioritering blandt handler, der kan relateres til flere ”grunde”, dvs. lokaliteter i ROKA, sager i OM-databasen eller VTO-registret med forskellige depotstatusangivelser. I tilfælde af, at handler er relateret til flere matrikler med forskellig depotstatus, har den ”værst tænkelige” status højeste prioritet. Prioriteringen ses i tabel 0-2. Tabel 0-2 Prioritering af depotstatus i projektdatabase
1Højeste tal svarer til højeste prioritet. Projektdatabasen indeholder i alt 693.160 handler. Heraf har 7.756 handler relation til matrikler, som på handelstidspunktet var optaget i et af de tre centrale registre over forurenede og muligt forurenede grunde (hhv. mistanke, forurenet, oprenset, restforurening og undersøgt uden fund). Af disse udgør antallet af frie handler med fuld ejendomsoverdragelse 6.925, og det er disse handler, der danner grundlaget for de statistiske beregninger vedr. forurenede grunde i denne rapport. Antallet af handler indikerer, at datagrundlaget er et godt fundament for en videre analyse af værditabets størrelse. Noteret nedslag i ejendomsvurderingen Antallet af handler med forurenede grunde med 100 %'s ejendomsoverdragelse (dvs. ikke del af ejendom) i fri handel (dvs. ikke familiehandel og auktion), hvor der hos ToldSkat er givet nedslag i ejendomsvurderingen, er 3.328. Blandt disse er der noteret et nedslag i ejendomsvurderingen pga. forurening i 179 handler. Genhandelsfrekvens Ejendommene i projektdatabasen er i gennemsnit omsat ca. 1,25 gange i løbet af perioden 1996-2003 i forhold til 1,3 for ikke forurenede ejendomme. Statistisk analyse Der er foretaget en statistisk databearbejdning i form af variansanalyser. Variansanalyserne medvirker til at fastlægge forskellige faktorers betydning for den relative handelspris og til at fastslå, i hvilken grad forskellene beror på en tilfældighed. Der er opstillet 5 hypoteser, der skal medvirke til afdækning af, hvilke faktorer der har betydning for værditabet. Hypotese 1: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og hvilken landsdel ejendommen er placeret i. Hypotese 2: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus og ejendommens zonestatus (by- og landzone). Hypotese 3: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og hvilken boligtype ejendommen har (parcelhus, lejlighed mv.). Hypotese 4: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus og den ordning, som jordforureningen håndteres efter (Lov om forurenet jord, Oliebranchens Miljøpulje eller Værditabsordningen). Hypotese 5: Der er en sammenhæng mellem en ejendoms relative handelspris i forbindelse med gensalg og en eventuel ændret depotstatus for ejendommen. De statistiske analyser er en iterativ proces, hvor der indledningsvist opstilles en statistisk model, datamaterialet granskes (inkl. testkørsler), modellen revideres og afsluttes med en endelig kørsel og fortolkning af resultater. Forud for hver modelkørsel er der foretaget et udtræk af handler fra projektdatabasen på baggrund af nogle generelle, og i nogle tilfælde modelspecifikke, kriterier. De generelle kriterier har været, at der skulle være tale om:
Hypotesespecifikke kriterier har bl.a. været:
Desuden har det været en forudsætning, at der er tale om ikke afvigende observationer. Ved hjælp af statistiske værktøjer er afvigende observationer udvalgt. Ved de gennemførte analyser er benyttet 10 %'s niveau for variansanalysemodellen og 90 %-konfidensinterval for middelværdierne. Forudsætningerne for variansanalyserne, herunder kravet om uafhængige observationer (handler), normalfordelte residualer (normalitet) og varianshomogenitet er opfyldte for alle modelhypoteser med tilstrækkelig tilnærmelse til at gennemføre den statistiske analyse. I tabel 0-3 er vist anvendt datagrundlag efter filtrering. Tabel 0-3 Anvendt datagrundlag for hypoteserne 1-5
Resultater Resultaterne af de 5 modelkørsler er vist i figurer og tabeller for de 5 hypoteser. Figurerne viser købesummens (handelsprisens) andel af ejendomsvurderingen. I tabellerne er værditabet udtrykt i %-point i forhold til de ikke forurenede grunde. Hypotese 1 (0mråde/landsdel)
Figur 0-1 Hypotese 1 - Depotstatus og område - estimerede RH-værdier for handler samt 90 %-konfidensinterval fordelt på depotstatus. Tabel 0-4 Hypotese 1 - Værditab i %-point som følge af forurening
”– ”: ikke signifikant forskel til de ikke forurenede grunde. Analysen har vist, at:
Hypotese 2 (Zonestatus)
Figur 0-2 Hypotese 2 - Depotstatus og zonestatus - estimerede RH-værdier for handler samt 90 %-konfidensinterval fordelt på depotstatus. Tabel 0-5 Hypotese 2-Værditab i %-point som følge af forurening i forhold til de ikke forurenede grunde
”– ”: ikke signifikant forskel. Analysen har vist, at:
Hypotese 3 (Boligbenyttelse)
Figur 0-3 Hypotese 3 - Depotstatus og boligbenyttelse - estimerede RH-værdier for handler samt 90 %'s konfidensinterval fordelt på depotstatus. Tabel 0-6 Hypotese 3-Værditab i %-point som følge af forurening
”– ”: ikke signifikant forskel. Med denne kategoriopdeling fremgår det af figuren og tabellen, at:
Hypotese 4 (Ordning)
Figur 0-4 Hypotese 4 - Depotstatus og ordning - estimerede RH-værdier for handler samt 90 %-konfidensinterval fordelt på depotstatus. Tabel 0-7 Hypotese 4 - Værditab i %-point som følge af forurening
”– ”: ikke signifikant forskel. Der er meget væsentlige forskelle mellem de tre databaser, der desuden ikke for alle typer depotstatus indeholder sammenlignelige kategorier. Kategorierne er sammenholdt med den gennemsnitlige relative handelsværdi for depotstatus ”ikke forurenet” i samme vurderingskreds. Med denne kategoriopdeling fremgår det af figuren og tabellen, at:
Hypotese 5 (Gensalg) Testen af:
Konklusioner Undersøgelsen har vist, at hypotese 1-4 er accepteret:
Derimod har undersøgelsen vist, at hypotese 5 kun delvist er eftervist:
Undersøgelsen har vist, at der er en væsentlig gevinst at hente for boligejere ved at få deres boliggrund undersøgt i de tilfælde, hvor depotstatus ændres fra mistanke” til ”forurenet”. Der skal her gøres opmærksom på, at forureninger, som er knyttet til ejerlejlig-heder, som oftest er relateret til indeklimaproblemer. Desuden viser undersøgelsen, at Værditabsordningen er en effektiv ordning, hvor ejeren opnår en stor gevinst ved oprensningen i form af mindre værditab. Opmærksomheden henledes på, at den historiske udvikling af de enkelte registre og den geografiske udvikling i processen med kortlægning kan være medvirkende årsag til, at nogle af resultaterne i denne undersøgelse afviger fra det forventede. Dette hænger sammen med at ejendomspriserne i perioden 1996-2003 er steget meget kraftigt. De meget store prisstigninger i perioden dækker over betragtelige variationer, både geografisk og mellem forskellige typer ejendomme. Der skal gøres opmærksom på, at analysen er foretaget i en periode (1996-2003), hvor ejendomsmarkedet har været i rivende udvikling, og hvor mangel på boliger i visse områder kan have influeret på den relative handelspris for ejendomme med relation til forurening. Ser man på værditabet i kr. pr. 1 mio. kr. (ejendomsvurdering), viser resultatet af undersøgelsen et gennemsnitligt værditab for de 5 forskellige depotstatus på:
Undersøgelsen viser, at aktørerne på boligmarkedet har tillid til, at en grund er oprenset. Værditabet for handler med relateret depotstatus ”oprenset” er 1.000 kr. pr. 1 mio. kr. (ejendomsvurdering). Derimod har undersøgelsen vist, at enhver form for reel eller irreel usikkerhed, dvs. hvor depotstatus er mistanke, forurenet, restforurening eller undersøgt uden fund, afspejles i prisen. Summary and conclusionsBackground and scope of project Earlier analyses have shown that owners of plots for houses that are contaminated, or previously were contaminated, may have to bear larger costs in connection with lending, or they suffered a larger loss resulting from depreciation of their property than other house owners. However, the data material has not been sufficient to allow general conclusions on the magnitude of loss. Such conclusions have been attempted in connection with work in the Land Depreciation Committee, which resulted in the establishment of the Land Depreciation Programme, and, finally, in connection with the evaluation. The Danish EPA therefore initiated this study in 2004, in order to investigate the extent to which owners of contaminated sites, or sites that were contaminated previously, may have experienced a loss in connection with selling their property, or whether such contamination affects the possibility for potential buyers to raise loans in connection with buying the property. This study analyses the depreciation loss, if any, experienced by owners of property that is or was contaminated in the period 1996-2003. The study does not include the effect on the costs of mortgage loans on the property in connection with selling, since the mortgage banks do not register commitments or refusals of applications for loans. The study is the first part of a land depreciation project. The second part will analyse the costs of removing residual contamination that may still remain. Data collection In the study, data from different data sets are coupled, i.e. data from environment databases and land registries, and data on market prices of properties, and public property valuations. Environment data was collected from central databases/registers of contaminated sites in Denmark operated by the Danish EPA and the Agency for Governmental Management, while land register data was collected from these databases, and from the National Survey and Cadastre Denmark, and from the municipalities of Copenhagen and Frederiksberg. Data on buying and selling houses was collected from the Central Customs and Tax Administration database of property valuations and the prices of houses on the market. Data collection focuses on the following identification flow: Identification of contaminated/previously contaminated sites -> identification of land belonging to the registered land -> establishment of unique list of registered land -> identification of contaminated properties that have been sold on the market -> identification of comparable properties, i.e. properties sold in the same valuation district -> establishment of unique list of traded contaminated/previously contaminated properties and non-contaminated properties -> delimitation of data to include only traded properties approved for permanent habitation/housing). The collected data was integrated in a project database. Key parametres A pivotal issue in the study was the status of contamination of individual properties in the entire period 1996-2003. A contaminated site may very well change its contamination status over time – from being suspected of contamination (knowledge level V1), to having an ascertained level of contamination (knowledge level V2), and later, to having been cleaned up or to being affected by residual contamination. The project database was established by coupling data in the three central databases of contaminated sites, and setting up codes for eight contamination levels. Table 0-1: Contamination status
The study measures the loss of value by quantifying the market price's share of the public valuation. The report defines this share as the relative market price (RH)[2]. The study also applies the concept of free trade, which differs from trade within the family, sale by auction, and other types of trade. Free trade means sale/purchase of properties between parties with opposing interests regarding the market price, while for other types of transactions, a number of unknown factors may influence the market price. Project database In order to establish a unique database, data was prioritised in two ways. 1) Where property transactions involved contamination data derived from more than one database/one registry, the data was prioritised accordingly. Information from the source databases was ranked by order of priority, in order to make sure that correlations were unique. Information from the OM (Danish Oil Industry's Association for Remediation of Retail Sites) database ranks highest, then the VTO (Land Depreciation Programme) registry, and last, information from the national register of contaminated sites ROKA. The order of priority was also defined for transactions related to several “registered properties”, i.e. localities in ROKA, cases registered in the OM database or the VTO register with different codes identifying the contamination status. Where transactions are related to several registered properties having different contamination statuses, the worst-case status was given the highest priority. Prioritisation is shown in Table 0-2. Table 0-2: Prioritisation of contamination status in project database
1Highest number = highest priority The project database includes at total of 693,160 transactions, of which 7,756 are related to registered properties which at the time of sale were listed in one of the three central databases of contaminated and possibly contaminated sites (suspicion, contamination, cleaned up, residual contamination, and investigated without findings). Of these, the number of free transactions with complete transfer of title to the property is 6,925. These transactions form the basis for the statistical calculations made in this study. The number of transactions indicates that the data used is very well suited for a more detailed analysis of the magnitude of the depreciation loss. Public property valuation reduction recorded by the Customs and Tax Administration The number of transactions of contaminated sites with complete transfer of title to the land (i.e. not only to part of the land) in free trade (i.e. not within the family, and not by auction), where the Customs and Tax Administration has recorded reduced valuation, is 3,328. Of these transactions, reduced valuation due to contamination was recorded in 179 transactions. Frequency of properties being resold Properties in the project database have been resold approx. 1.25 times on average in the period 1996-2003. The frequency for non-contaminated properties is 1.3. Statistical analysis The data was processed statistically in variance analyses, which contribute to determining the importance of different factors to the relative market price and to determining whether differences are incidental. Five hypotheses were set up to reveal the factors that influence the loss of value. Hypothesesis 1: There is a relationship between the relative market price of the property, its contamination status, and the area in Denmark in which the property is located. Hypothesis 2: There is a relationship between the relative market price of the property, its contamination status, and the zoning of the site (urban or rural zoning). Hypothesis 3: There is a relationship between the relative market price of the property, its contamination status, and the type of housing (detached house, flat etc.). Hypothesis 4: There is a relationship between the relative market price of the property, its contamination status, and the programme under which the contamination is managed (Contaminated Soil Act, Danish Oil Industry's Association for Remediation of Retail Sites (OM), or the Land Depreciation Programme (VTO)). Hypothesis 5: There is a relationship between the relative market price of the property in connection with resale and a change of the contamination status of the property. The statistical analyses are based on an iterative approach, starting by setting up a statistical model, scrutinising of the data material (incl. test running), revision of the model, and finally, final running and interpretation of results. Prior to each running of a model analysis, extracts of transactions were made from the project database, using a number of general and, sometimes, model-specific criteria. The general criteria were:
Among the hypothesis-specific criteria were:
Further, non-deviating observations were to be made. Statistical tools were used in order to select deviating observations. The analyses were based on a 10 per cent level for the variance analysis model, and a 90 per cent mean value confidence level. The assumptions for variance analyses, including the requirement for independent observations (transactions), normally distributed residuals (normality), and variance homogeneity, are fulfilled for all model hypotheses with sufficient convergence to carry out the statistical analysis. Table 0-3 shows the data basis after filtering. Table 0-3: Data basis used in Hypotheses 1-5
Results Results of the five model runnings are presented in figures and tables for the five hypotheses. The figures show the share of the purchase price (market price) of the valuation. The tables show the loss of value in percentage points in relation to non-contaminated sites. Hypothesis 1 (area in Denmark) Figure 0-1: Hypothesis 1 - Contamination status and area - estimated RH values for transactions, and 90 per cent confidence interval distributed by contamination status. Table 0-4 Hypothesis 1 – Loss of value due to contamination, in percentage points
”– ”: no significant deviation from non-contaminated sites. The analysis shows:
Hypothesis 2 (Zoning) Figure 0-2: Hypothesis 2 - Contamination status and zoning - estimated RH values for transactions and 90 per cent confidence interval distributed by contamination status.
Table 0-5: Hypothesis 2 - Loss of value in percentage points caused by contamination in relation to non-contaminated sites
”– ”: no significant difference. The analysis shows:
Hypothesis 3 (Use of house) Figure 0-3: Hypothesis 3 - Contamination status and use of house - estimated RH values for transactions and 90 per cent confidence interval distributed by contamination status
Table 0-6 Hypothesis 3 Loss of value in percentage points caused by contamination
”– ”: no significant difference. Based on these categories, the figure and table show:
Hypothesis 4 (Scheme) Figure 0-4: Hypothesis 4 - Contamination status and scheme – estimated RH values for transactions and 90 per cent confidence interval distributed by contamination status
Table 0-7: Hypothesis 4 - Loss of value in percentage points caused by contamination
”– ”: no significant difference. Considerable differences are found between the three databases, which do not include comparable categories for all levels of contamination. The categories are compared to the average relative market value for the contamination status ”not contaminated” in the same public valuation district. With this division of categories, the figure and table show that:
Hypothesis 5 (Resale) Test of:
Conclusions The study shows that hypotheses 1-4 are substantiated:
However, the study shows that Hypothesis 5 is only partially substantiated:
The study shows that property owners may achieve considerable gains by having their site investigated in cases where the contamination status is changed from “suspicion” to ”contaminated”. It should be noted that contamination in relation to flats will often be associated with problems in the indoor climate. The study also shows that the Land Depreciation Programme is an efficient tool, enabling the owner to achieve considerable gains by cleaning up the site, because the loss of value is reduced. The historical development of the data registers used, and the geographical development in the process of mapping contaminated sites may both contribute to deviations from what is expected for some of the results. One of the reasons is that the price of properties has increased very much in the period 1996-2003. The price increases in the period do, however, vary considerably, both geographically, and among different types of properties. It is important to note that the analysis was made in a period (1996-2003), in which the real estate market has developed rapidly, and the lack of dwellings may in certain areas have influenced the relative market price for properties affected by contamination. Looking at the loss of value expressed as DKK per DKK 1 mill. (valuation), the study reveals the following average loss of value for the five different levels of contamination:
The study also shows that the actors on the housing market are confident that the sites have been cleaned up. The loss of value for transactions related to the contamination status ”cleaned up” amounts to DKK 1,000 per DKK 1 mill. (valuation). However, it also appears that any form of uncertainty, whether it is based on facts or not, i.e. for contamination statuses suspicion, contaminated, residual contamination or investigated without findings, will be reflected in the price. 1 Indledning1.1 BaggrundMiljøstyrelsen har i 2004 igangsat en undersøgelse af, i hvilket omfang ejere af forurenede eller tidligere forurenede boliggrunde eventuelt har et værditab ved salg af deres ejendomme, eller om det har en effekt på belåningsmulighederne i forbindelse med salg for boligejerne, idet tidligere undersøgelser har vist et værditab. Datamaterialet, som har været anvendt i de tidligere undersøgelser, har ikke været tilstrækkelig omfattende til, at der har kunnet uddrages generelle konklusioner. Overordnet omfatter projektet to delprojekter, dels et projekt omfattende en undersøgelse af værditab, dels et projekt, der skal belyse, hvad det vil koste at fjerne en eventuel restforurening. Hensigten med undersøgelsen har været at foretage en analyse af effekten på omkostningerne ved belåning af forurenede eller tidligere forurenede boliggrunde i forbindelse med salg og at kvantificere det eventuelle værditab ved salg af disse boliggrunde på basis af et betydeligt større datamateriale end tidligere. Det har imidlertid vist sig, at Realkreditinstitutterne ikke i dag kan levere data vedrørende tilsagn/afslag på ansøgning om lån, da afslag ikke registreres, hvorfor undersøgelsen fokuserer på værditab i forbindelse med salg. Nærværende rapport omhandler undersøgelsen af det eventuelle værditab for ejere af forurenede eller tidligere forurenede boliggrunde. Dataindsamlingen samt tilhørende datavalidering, som ligger til grund for undersøgelsen, er afrapporteret i en særskilt arbejdsrapport/1/. I undersøgelsen ses der på handler af forurenede og tidligere forurenede boliggrunde samt boliggrunde, som ikke har relation til forurening. En grund er normalt identisk med en matrikel, men ikke altid. I nogle tilfælde kan en grund bestå af flere matrikler. Omvendt kan én matrikel godt være opdelt i flere grunde, hvorved der er tale om forskellige ejendomme, evt. ejet af forskellige ejere. Forurenede grunde kan entydigt identificeres ud fra matrikler i de centrale miljødatabaser/registre. For at kunne indhente handels- og vurderingsoplysninger har det været nødvendigt at have en entydig identifikation af en grund. Det er valgt at anvende matriklen som den unikke størrelse, således at det er muligt at identificere handler og tilhørende vurderingsoplysninger af boligejendomme på baggrund af matrikeloplysninger. Specifikke handels- og vurderingsoplysninger identificeres således ud fra en unik matrikel. Da der godt kan være flere ejendomme på en matrikel, vil der i nogle tilfælde optræde flere handler på samme matrikel. Tilsvarende er der handler med boligejendomme, som omfatter flere matrikler, og disse kan have forskellig relation til forurening. Begge dele er der taget hensyn til ved integrationen af data i projekt-databasen. 1.2 FormålFormålet med undersøgelsen er
Der er opstillet 5 hypoteser, der skal medvirke til afdækning af undersøgelsens formål. Hypotese 1: Der er sammenhæng mellem en ejendoms relative handelspris[3], ejendommens depotstatus[4], og hvilken landsdel ejendommen er placeret i. Hypotese 2: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus og ejendommens zonestatus (by- og landzone). Hypotese 3: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og hvilken boligtype ejendommen har (parcelhus, lejlighed mv.). Hypotese 4: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og den ordning som jordforureningen håndteres efter (Lov om forurenet jord, Oliebranchens Miljøpulje eller Værditabsordningen). Hypotese 5: Der er en sammenhæng mellem en ejendoms relative handelspris i forbindelse med gensalg og en eventuel ændret depotstatus for ejendommen. 1.3 MetodevalgDer er indsamlet miljødata fra relevante registre og databaser fra Miljøstyrelsen og Økonomistyrelsen. Fokus har været på data, der belyser den enkelte grunds depotstatus i perioden 1996-2003. Ligeledes er der indsamlet matrikeldata samt handels- og vurderingsdata. Dataindsamling, validering og integration i en projektdatabase er afrapporteret i /1/. Dataindsamlingen har været koncentreret omkring følgende identifikationsflow: Identifikation af forurenet/ tidligere forurenede grunde -> identifikation af tilhørende matrikler -> etablering af unik matrikelliste -> identifikation af handlede forurenede ejendomme -> identifikation af sammenlignelige ejendomme, dvs. handlede ejendomme i samme vurderingskreds -> etablering af unik handelsliste over handlede forurenede/tidligere forurenede ejendomme og ikke forurenede ejendomme -> afgrænsning af data til kun at omfatte handlede ejendomme med helårsbeboelse. Data er integreret i en projektdatabase, som er anvendt til de statistiske analyser i form af variansanalyser med henblik på at kvantificere det eventuelle værditabs størrelse. Det er valgt at foretage sammenligningen på handelsdata og ejendomsvurdering. Konkret belyses værditabet ved handelsværdiens andel af ejendomsvurderingen korrigeret for et eventuelt nedslag i vurderingen pga. forurening. I rapporten omtales denne størrelse som den relative handelspris (RH). 2 DatagrundlagI forbindelse med undersøgelsens gennemførelse er det væsentligt at præcisere, hvad der forstås ved en række centrale begreber fra de involverede dataleverandører, da begreberne ikke nødvendigvis anvendes på samme måde inden for forskellige fagområder. En gennemgang af væsentlige termer fremgår af bilag A. 2.1 LeverandørdatabaserDer er foretaget en omfattende indsamling og validering af miljødata fra centrale databaser/registre over forurenede grunde i Danmark. Det drejer sig om Register Over Kortlagte Arealer (ROKA), database over Oliebranchens Miljøpulje (OM) samt register over Værditabsordningen (VTO). Data er indsamlet i perioden 1996-2003. Miljøstyrelsen varetager driften af ROKA og OM-databasen, mens Økonomisty-relsen varetager driften af VTO-registret. Endvidere er der indhentet detailoplysninger om OM-grunde fra Oliebranchens Miljøpulje. Det har ikke været muligt at indhente data om villaolietankforsikringen separat, og de data, som indgår i denne ordning, er med i ROKA og bliver behandlet på samme måde. Matrikeldata er indhentet fra Kort- og Matrikelstyrelsen (KMS), OM-databasen, VTO–registret samt Københavns og Frederiksberg Kommuner. Handels- og vurderingsdata er indhentet fra ToldSkats databaser. Miljø-, matrikel- samt handels- og vurderingsdata er valideret og integreret i en projektdatabase. Indsamlingen af miljø- og matrikeldata samt handels- og vurde-ringsdata er nærmere beskrevet i /1/. 2.2 IdentifikationArbejdsgangen i forbindelse med dataindsamling, validering og integration bygger på et identifikationsflow, som vist i Figur 2-1. Indledningsvis er de grunde identificeret, som er eller har været forurenet, og de tilhørende matrikler er indskrevet i projektdatabasen. Der er herefter etableret en unik matrikelliste, det vil sige en liste, hvor hver matrikel med sikkerhed kun forekommer en gang. Den unikke matrikelliste er anvendt til at identificere handlede forurenede eller tidligere forurenede ejendomme. Efterfølgende er sammenlignelige ejendomme, dvs. handlede ejendomme i samme vurderingskreds, identificeret. En unik handelsliste over handlede forurenede eller tidligere forurenede ejendomme og sammenlignelige ejendomme er etableret. Den unikke handelsliste er herefter anvendt til at identificere handlede ejendomme med helårsbeboelse. Figur 2-1 Arbejdsgang i forbindelse med dataindsamling, validering og integration af data byggende på et identifikationsflow.
2.3 DataDer er indhentet data for perioden 1996-2003. Det er valgt at afgrænse undersøgelsen til denne periode, da der ikke blev foretaget central registrering af forurenede grunde i Danmark før 1996. 2.3.1 MiljødataDe indsamlede miljødata er data vedrørende grunde, der er omfattet af den forureningskortlægning, som amterne i Danmark gennemfører i samarbejde med landets kommuner jf. Lov om forurenet jord /2/. Desuden er der indsamlet miljødata for grunde, som er tilmeldt særlige ordninger, herunder Oliebranchens Miljøpulje og Værditabsordningen. Det skal bemærkes, at amterne ikke er forpligtede til at kortlægge OM-grunde, bortset fra eventuelle restforureninger efter endt oprydning. Detailoplysninger om OM-grunde fra Oliebranchens Miljøpulje er medtaget for at indfange så mange kendte forureninger/mulige forureninger og handler som overhovedet muligt. Sager, som er omfattet af Forsikringsordningen for villaolietanke, indgår i undersøgelsen, hvis de er registreret i ROKA. 2.3.2 MatrikeldataMatrikeldata er indsamlet med henblik på at kæde oplysninger om forurenede og tidligere forurenede grunde sammen med handels- og vurderingsoplysninger. Det er derfor tilstræbt at relatere samtlige grunde (ROKA, OM og VTO) til matrikeloplysninger. Disse omfatter matrikelnummer, ejerlav og kommunenummer. 2.3.3 Handels- og vurderingsdataUdtræk fra ToldSkats databaser er baseret på en unik liste over matrikler identificeret ved matrikelnummer, ejerlav og kommunenummer. På grundlag af denne liste er ToldSkat i stand til at knytte et eller flere ejendomsnumre samt tilhørende handler til hver matrikel /8/. Udtrækkene omfatter bl.a. ejendomsvurdering og handelspris i perioden 1996-2003 af dels ejendomme med relation til forurening dels lignende handlede ejendomme i samme vurderingskreds. Det er valgt at anvende det relative forhold mellem handelspris og ejendomsvurdering som parameter til belysning af værditabet. Idet der ved vurdering af ejendomme med registreret aktuel forurening kan gives et nedslag i vurderingen, er det valgt at korrigere for nedslaget for på den måde at normalisere ejendomsvurderingen, så den er sammenlignelig med en ikke forurenet ejendom. Den normaliserede parameter omtales her i rapporten som den relative handelspris (RH).
1)Kontantpris Den relative handelspris udtrykker, hvor stor en andel handelsprisen udgør af ejendomsvurderingen (evt. korrigeret for nedslag). Ved RH >1 er boligen handlet til en højere pris end ejendomsvurderingen, mens RH <1 betyder, at boligen er handlet til en lavere pris end vurderingen. En relativ handelspris på ½ og 2 betyder, at ejendommen er handlet til hhv. ½ og 2 gange ejendomsvurderingen. RH giver en skæv fordeling, idet der pr. definition ikke forekommer negative værdier, og der ingen øvre grænse er. Handelspriser på 1/x-del og x-gange vurderingsprisen vil først efter en logaritmetransformation ligge lige langt fra ln(1). Hvis handelsprisen eksempelvis er hhv. 1/4 og 4 gange ejendomsvurderingen er ln(1/4) = -1,386, mens ln(4) = 1,386, svarende til, at RH fremkommer på en normaliseret skala. I de statistiske modelkørsler anvendes derfor den logaritmetransformerede RH (lnRH, naturlig logaritmefunktion). For at konvertere f.eks. estimerede middelværdier, spredninger og konfidensintervealler af lnRH til RH-værdier anvendes følgende udtryk: RH = e(lnRH) 2.4 ProjektdatabaseSamtlige data er integreret i en projektdatabase, der består af en række tabeller, hvorfra der kan trækkes informationer. En oversigt over de integrerede data fremgår af Figur 2-2. Figur 2-2 Oversigt over integrerede data.
2.4.1 DataintegrationEn nærmere beskrivelse af databasen, herunder beskrivelse af tabeller samt af SQL-scripts, som er anvendt til samkøring og dataudtræk fra projektdatabasen, er beskrevet i /1/. En central parameter i undersøgelsen er den enkelte grunds depotstatus i alle årene i perioden 1996-2003. ROKA's, OM-databasens og VTO-registrets registrering af depotstatus er derfor sammenkørt med et sæt fælles koder for depotstatus. Projektdatabasen opererer med en liste med 8 koder (depotstatus):
Sammenhængen mellem leverandørdatabaser/register koder for depotstatus og projektdatabasens koder fremgår af bilag B. 2.4.2 PrioriteringFor at etablere en entydig database, har det været nødvendigt at foretage 2 prioriteringer af data. Såfremt en handel er knyttet til forureningsdata fra mere end én database/ét register, er der foretaget en prioritering, hvilket er vist i Tabel 2-1. Rangordningen af data er foretaget for at sikre entydige sammenhænge. Tabel 2-1 Prioritering af database/register
Der er desuden foretaget en prioritering blandt handler, der kan relateres til flere ”grunde”, dvs. lokaliteter i ROKA, sager i OM-databasen eller VTO-registret med forskellige depotstatusangivelser. I tilfælde af, at handler er relateret til flere matrikler med forskellig depotstatus har den ”værst tænkelige” status højeste prioritet, jf. Tabel 2-2 og bilag B. Tabel 2-2 Prioritering af depotstatus i projektdatabase
*Højeste tal svarer til højeste prioritet. 2.4.3 Antal handler med boligejendommeEn oversigt over nøgletal fra databasen over sammenkørte forurenings- (miljø/matrikeldata) og vurderings- og handelsdata fremgår af nedenstående Tabel 2-3. Af tabellen fremgår det samlede antal handler af ejendomme med helårsbeboelse med handelspris og ejendomsvurdering større end 0, fordelt på depotstatus og år. Der findes i alt 14.907 handler med relation til projektdatabasen (depotstatus 1-8). Heraf har 7.756 handler relation til forurening (dvs. depotstatus 1-5, mistanke, forurenet, oprenset, restforurening og undersøgt uden fund). Heraf er antallet af frie handler med fuld ejendomsoverdragelse 6.925. Depotstatus 8 dækker over i alt 1.327 handler fordelt på hhv. 23 handler med manglende depotstatusoplysninger fra registrene, 992 handler, der ikke har relation til et depot/lokalitetsnummer, 305 handler, der vedrører depotstatus 3 og 4 fra OM og 7 handler, der vedrører depotstatus 1 fra VTO. Handler med depotstatus 4 for OM samt depotstatus 1 for VTO er fremkommet som et resultat af samkøringen af handels- og miljødata med ovenstående prioritering af depotstatus og database. Disse medtages således ikke i modelkørslerne, men indgår i depotstatus 8 (manglende oplysninger) i Tabel 2-3. Endvidere er 184 af de 311 handler med depotstatus 5 fra OM-databasen. De 7.756 handler med relation til forurening bliver reduceret til 6.925, idet der ved den efterfølgende databehandling kun indgår ejendomme i fri handel. 2.4.4 Nedslag i ejendomsvurdering og genhandelsfrekvensAntallet af handler med depotstatus 2 eller 4, dvs. hhv. forurenet eller med restforurening, med 100 %'s ejendomsoverdragelse (dvs. ikke del af ejendom) i fri handel (dvs. ikke familiehandel og auktion) er 3.328. Blandt disse er der noteret et nedslag i ejendomsvurderingen pga. forurening for 179 handler. Nedslaget spænder fra ca. 0 % til ca. 80 % af ejendomsvurderingen med en median på ca. 6 %, 0,25-fraktilen på ca. 4 % og 0,75-fraktilen på ca. 10 %, hvilket betyder, at der er meget få store nedslag. Antallet af handler med nedslag i ejendomsvurderingen er lavt i forhold til antallet af handler med forurenede ejendomme med helårsbeboelse (depotstatus 2 eller 4). Samtidig bemærkes det, at nedslaget sjældent er større end 10 % af ejendomsvur-deringen. Genhandelsfrekvensen for ejendomme med relation til forurening/tidligere forurening med helårsbeboelse og sammenlignelige ejendomme (ikke forurenet) med helårsbeboelse i perioden 1996-2003 ses i Tabel 2-4. Det ses, at genhandelsfrekvensen er omtrent ens, uanset om ejendommene har relation til forurening, dvs. ejendommene i projektdatabasen er i gennemsnit omsat ca. 1,3 gange i løbet af perioden 1996-2003. Tabel 2-4 Genhandelsfrekvens for ejendomme i projektdatabase
I ovenstående tabel indgår de 6.925 frie handler vedr. ejendomme med relation til forurening. Disse handler omfatter 4.395 ejendomme/matrikler. Frekvensen (det vægtede gennemsnit) beregnes ved at dividere det samlede antal handler med antallet af ejendomme. Den enkelte ejendom indgår i beregningen med det antal gange, den er handlet. 2.4.5 Status for projektdatabasenProjektdatabasen indeholder i alt 693.160 handler for perioden 1996-2003. Heraf har 14.907 handler relation til forurening (depotstatus 1-8). Antallet af frie handler med ejendomme med fuld ejendomsoverdragelse og depotstatuskode 1-5, dvs. med relation til forurening i perioden 1996-2003 er 6.925. Antallet af frie handler med sammenlignelige ejendomme med fuld ejendomsoverdragelse og depotstatus 6, dvs. ikke forurenede ejendomme, er 598.482. Antallet af handler indikerer, at datagrundlaget er et godt fundament for en videre analyse af værditabets størrelse. Bredden og spredningen på den relative handelspris inden for hver kategori af depotstatus er generelt meget høj, hvilket indikerer et behov for fravalg af afvigende værdier inden videre databearbejdning. 2.5 Krav til rapporteringIfølge Miljøstyrelsen strider nærværende rapport ikke mod dansk lovgivning vedrørende samkøring af data. Data i nærværende rapport er sammenkørt i så store grupper, at det ikke er muligt at identificere den enkelte boliggrund, og man vil derfor ikke kunne koble resultaterne sammen med konkrete personer. 3 Metode og data
3.1 Statistiske begreber3.1.1 Middel- og medianværdi og normalfordelingGennemsnittet eller middelværdien beregnes ved at summere alle værdier og dividere med antallet af disse. Medianværdien angiver værdien af den observation, der er lige midt i datamængden, dvs. at 50 % af værdierne er højere og 50 % er lavere end denne værdi. Enkelte ekstreme værdier påvirker ikke en medianværdi i nær samme grad, som tilfældet er ved beregning af middelværdi. 3.1.2 VariansanalyseEn variansanalyse er et forsøg på at beskrive ens observationer som en kombination af faktorer, målt eller givet sammen med den enkelte observation. I den aktuelle analyse betragtes udelukkende kategoriserende faktorer, f.eks. depotstatus, handelsår, landsdel o.l. Den til grundliggende model for variansanalysen beskriver en given observation som en lineær sum af bidrag fra de enkelte faktorer, fra vekselvirkninger mellem faktorerne og endelig fra tilfældig variation. Under variansanalysen opsplittes den totale variation i datamaterialet i de bidrag, som kommer fra de enkelte variationskilder (faktorerne etc.) og opstilles i en såkaldt variansanalysetabel. Ved at sammenligne variansbidragene med hinanden, kan man teste, om en given faktor er af betydning for modellen. Testene gennemføres rent formelt ved, at man opstiller den hypotese, som skal afprøves nulhypotesen. Nulhypotesen er normalt en antagelse om lighed (f.eks. ingen effekt af depotstatus og testes ved at udregne en testor (i variansanalysen lig med en F-værdi) med en tilhørende test-sandsynlighed (P). P udtrykker, hvor sandsynligt det er at få den givne testorstørrelse under antagelse af, at nulhypotesen er sand. Normalt forkaster man nulhypotesen, hvis P er mindre end 10 % og taler da om signifikans. Ved signifikansniveauet for en test forstås således sandsynligheden for at forkaste hypotesen, når den er sand. Et signifikant resultat for en af faktorerne betyder derfor, at mindst en af faktorens kategorier afskiller sig fra de øvrige. Hvilke kategorier der adskiller sig, kan derefter påvises ved parvise sammenligninger kategorierne imellem. Variansanalysen forudsætter, at de enkelte observationer (f.eks. handelspris) er uafhængige (krav om uafhængighed), dvs. at værdien af den ene observation ikke har nogen indflydelse på værdien af en anden observation. Ligeledes antages det, at observationerne inden for hvert niveau af faktorerne er normalfordelte og har samme varians, varianshomogenitet. Det er vanskeligt at teste for uafhængighed, mens der findes forskellige mål og test for opfyldelse af kravet om normal-fordeling, (skewness og kurtosis) samt varianshomogenitet, (Levenes Test). Skævhed eller skewness er et mål for en fordelings asymmetri. Normalfordelingen er symmetrisk og har en skewnessværdi på 0. En fordeling med en signifikant positiv skewness har en lang højre hale. Kurtosis er et mål for fordelingskurvens stejlhed. Ved en kurtosisværdi på 0 følges normalfordelingen. Variansanalysen er temmelig robust over for afvigelser fra normalitetskravet, mens kravet om uafhængighed og varianshomogenitet er væsentlige for fortolkningen af testresultaterne. Uanset opfyldte forudsætninger kan variansanalysen altid anvendes til at klarlægge variationskilderne i data. Resultaterne af variansanalyserne præsenteres med en estimeret middelværdi og et tilhørende konfidensinterval. Konfidensintervallet er et interval, hvis størrelse afhænger af, hvilken sikkerhed der ønskes, og hvilken usikkerhed man kan acceptere. Et konfidensinterval på 90 % betyder således, at værdierne af en stikprøve med 90 %'s sandsynlighed vil ligge inden for intervallet. 3.1.3 Stem and leaf plotI et datasæt kan der være observationer, som ligger meget langt fra de øvrige værdier i datasættet. Disse værdier kaldes afvigere eller outliers. Stem and Leaf- analyser resulterer i semigrafisk plot, der gør det muligt at identificere afvigende værdier. 3.2 VærktøjerTil den statistiske analyse er anvendt SPSS version 13 /4/. 3.3 ArbejdsgangGennemførelsen af statistiske analyser er oftest en iterativ proces, hvor der løbende sker fortolkning og tilpasning af datagrundlag og model (Figur 3-1). Figur 3-1 Iterativ arbejdsproces.
* Normalt er der tale om at reducere modellen til simplere form, og tilhørende nulhypotese udtrykker dette ved at lægge op til test for lighed. 3.4 HypoteserSom nævnt i afsnit 2.3.3 er det valgt at anvende den logaritmerede relative handelspris (lnRH) som undersøgelsesvariabel i modelkørslerne. Efter en indledende vurdering af datamængden, kvaliteten og en række foreløbige beregninger førte den iterative proces, som beskrevet i Figur 3-1, til formulering af følgende hypoteser: Hypotese 1: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og hvilken landsdel ejendommen er placeret i. Hypotese 2: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus og ejendommens zonestatus (by- og landzone). Hypotese 3: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og hvilken boligtype ejendommen har (parcelhus, lejlighed mv.). Hypotese 4: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og den ordning som jordforureningen håndteres efter (Lov om forurenet jord, Oliebranchens Miljøpulje eller Værditabsordningen). Hypotese 5: Der er en sammenhæng mellem en ejendoms relative handelspris i forbindelse med gensalg og en eventuel ændret depotstatus for ejendommen. De 5 hypoteser samt beskrivelsen af datasæt, som testes, er beskrevet i efterfølg-ende afsnit, og resultaterne fremgår af kapitel 4. 3.4.1 Beskrivelser af hypoteser og modellerFor alle modeller anvendes et signifikansniveau på 10 %. Tilsvarende anvendes et 90 %'s niveau til konfidensintervaller på middelværdier. 3.4.1.1 Hypotese 1: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og hvilken landsdel ejendommen er placeret i. Nulhypotesen (H0) kan formuleres som: ”Uanset område er der ikke signifikant forskel på lnRH for boligejendomme med flg. depotstatus: 1) Mistanke, 2) Forurenet, 3) Oprenset, 4) Restforurening, 5) Afmeldt (Undersøgt uden fund) og 6) Ikke forurenet. Den statistiske model kan opstilles som: Χij = µ + αi + βj + αβij + εij hvor parametrene jf. Tabel 3-1, er:
Alle faktorer indgår i modellen med systematiske virkninger. Χij antages at være uafhængige. εij antages at være normalfordelte. Nulhypotesen kan udtrykkes som: H0: αi = βj = 0 Tabel 3-1 Hypotese 1 – Faktorer og niveauer
*) ved gennemført afværge. 3.4.1.2 Hypotese 2: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus og ejendomens zonestatus (by- og landzone). Nulhypotesen (H0) kan formuleres som: ”Uanset zonestatus er der ikke signifikant forskel på lnRH for boligejendomme med flg. depotstatus: 1) Mistanke, 2) Forurenet, 3) Oprenset, 4) Restforurening, 5) Afmeldt og 6) Ikke forurenet.” Den statistiske model kan opstilles som: Χij = µ + αi + βj + αβij + εij hvor parametrene jf. Tabel 3-2, er:
Alle faktorer indgår i modellen med systematiske virkninger. Χij antages at være uafhængige. εij antages at være normalfordelte. Nulhypotesen kan udtrykkes som: H0: αi = βj = 0 Tabel 3-2 Hypotese 2 – Faktorer og niveauer
* )ved gennemført afværge. 3.4.1.3 Hypotese 3:Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og hvilken boligtype ejendommen har (parcelhus, lejlighed mv.). Nulhypotesen (H0) kan formuleres som: ”Uanset boligbenyttelse er der ikke signifikant forskel på lnRH for boligejendomme med flg. depotstatus: 1) Mistanke, 2) Forurenet, 3) Oprenset, 4) Restforurening, 5) Afmeldt og 6) Ikke forurenet. Den statistiske model kan opstilles som: Χij = µ + αi + βj + αβij + εij hvor parametrene, jf. Tabel 3-3, er:
Alle faktorer indgår i modellen med systematiske virkninger. Χij antages at være uafhængige. εij antages at være normalfordelte. Nulhypotesen kan udtrykkes som: H0: αi = βj = 0 Tabel 3-3 Hypotese 3 – Faktorer og niveauer
* )ved gennemført afværge. 3.4.1.4 Hypotese 4: Der er sammenhæng mellem en ejendoms relative handelspris, ejendommens depotstatus, og den ordning som jordforureningen håndteres efter (Lov om forurenet jord, Oliebranchens Miljøpulje og Værditabsordningen). Det testes, om RH afhænger af, hvilken ordning en forurenet/tidligere forurenet ejendom er under hhv.:
Nulhypoteseen (H0) kan formuleres som: ”Uanset ordning er der ikke signifikant forskel på lnRH for boligejendomme med flg. depotstatus: 1) Mistanke, 2) Forurenet, 3) Oprenset, 4)Restforurening, og 5) Afmeldt. Den statistiske model kan opstilles som: Χij = µ + αi + βj + αβij + εij hvor parametrene, jf. Tabel 3-4, er:
Alle faktorer indgår i modellen med systematiske virkninger. Χij antages at være uafhængige. εij antages at være normalfordelte. Nulhypotesen kan udtrykkes som: H0: αi = βj = 0 Tabel 3-4 Hypotese 4 - Test af ordninger
* )ved gennemført afværge. 3.4.1.5 Hypotese 5: Der er en sammenhæng mellem en ejendoms relative handelspris i forbindelse med gensalg og en eventuel ændret depotstatus for ejendommen. Datamaterialet omfatter ejendomme, som har været solgt under forskellige depotstatuskoder i perioden 1996-2003. Med hypotese 5 ønskes effekten af ændringer i depotstatus i perioden 1996-2003 belyst på lnRH. Nulhypotesen (H0) kan formuleres som: ”Ændringer i depotstatus ved gensalg fører ikke til signifikante forskelle på lnRH”. Den statistiske model kan opstilles som: Χij = µ + αi + εij hvor faktorerne, jf. Tabel 3-5, er:
Alle faktorer indgår i modellen med systematiske virkninger. Χij antages at være uafhængige. εij antages at være normalfordelte. Modellen køres i seks omgange svarende til hver type af depotændring, jf. 3.4.5.5. Nulhypotesen kan udtrykkes som: H0: αi= 0 Tabel 3-5 Hypotese 5 - Test af depotstatusændring ved gensalg
* ved gennemført afværge. 3.4.2 Generelle og modelspecifikke kriterier for dataudtrækForud for hver modelkørsel er der foretaget et udtræk af handler fra projektdatabasen på baggrund af dels nogle generelle, og dels, i de fleste tilfælde, nogle modelspecifikke kriterier. De generelle kriterier, der gælder alle datasæt omfatter:
De modelspecifikke kriterier fremgår af beskrivelserne for hver hypotese i afsnit 3.4.4. 3.4.3 Filtrering af afvigende observationerDet er valgt at anvende SPSS's Stem-Leaf analyse til udvælgelse af afvigende observationer. Stem-Leaf-analysen og den deraf følgende filtrering udføres for hver hypotese og depotstatus. Udvælgelsen foregår ved først at udføre en deskriptiv analyse, og herunder Stem-Leaf analysen, på det datasæt, der opfylder såvel de generelle som de modelspecifikke kriterier. Disse oplysninger fremgår af bilag C under overskriften ”alle observationer”. På grundlag af Stem-Leaf-plottet udvælges herefter de ikke-afvigende observationer, hvorefter der igen køres en deskriptiv analyse af det filtrerede datasæt. Disse oplysninger fremgår ligeledes af bilag C under overskriften ”Afskåret med depotstatusvis Stem-Leaf-plot”. Som eksempel ses for depotstatus 1 (mistanke) for hypotese 1, at de afvigende observationer er som følger: lnRH <= -0,47 (110 observationer) lnRH >= 0,74 (126 observationer). Ovenstående svarer til, at der er foretaget 110 handler til under 47 % af vurderingen og 126 handler til mere end 74 % over vurderingen. Der tabes således i alt 236 observationer ved filtreringen. Filtreringen af data medfører generelt en væsentlig forbedring af variansanalysens forudsætninger vedr. normalfordelte residualer samt varianshomogenitet. 3.4.4 Generelle betragtninger vedr. forudsætninger for variansanalyserneVariansanalyserne forudsætter som nævnt i afsnit 3.1.2:
Generelt er antagelsen om uafhængige observationer (handler) vanskelig at teste. Man kan dog argumentere for, at den enkelte handel i de fleste tilfælde er uafhængig af de øvrige handler. Handler inden for et meget begrænset område (f.eks. nabogrunde) kan dog i et vist omfang have gensidig indflydelse på lige fod med gensalg, men ellers forventes antagelsen generelt at være opfyldt. Det er muligt at udføre en formel test for normalitet. Da variansanalyser generelt er robuste over for afvigelser i normalitet vurderes forudsætningens opfyldelse primært på grundlag af ændringen i skewness og kurtosis fra det ufiltrerede til det filtrerede datasæt samt på baggrund af histogrammer over lnRH for hver depotstatus. En skewness og kurtosisværdi på mellem -2 og 2 er her anvendt som et acceptabelt niveau. Antagelsen om varianshomogenitet vurderes på grundlag af Levenes test. Testen er konservativ på den måde, at der kun skal små forskelle i varians til en signifikant afvisning af hypotesen om varianshomogenitet. Såfremt der ikke er varianshomogenitet kan selve testniveauet for modelhypotesen som nævnt være usikkert. Ved meget signifikante testniveauer er det dog sandsynligt, at modellen stadig vil være signifikant selv ved manglende opfyldelse af homogenitetskravet. Dette blev f.eks. bekræftet gennem en ikke parametrisk analyse på rankbaserede RH-værdier for hypotese 1. For de øvrige hypoteser vil det ligeledes være muligt at bekræfte signifikansniveauet ved ikke parametriske analyser, hvilket dog ikke er gjort her, idet det forventes at vise samme resultat som for hypotese 1. 3.4.5 Beskrivelse af datagrundlag samt forudsætninger for de enkelte variansanalyser3.4.5.1 Hypotese 1 Datagrundlag og forudsætning for model Til belysning af hypotese 1 er samtlige observationer, der opfylder de generelle kriterier anvendt. Der er således ikke anvendt modelspecifikke kriterier for hypotese 1. Antallet af observationer samt andre deskriptive parametre for det ufiltrerede og filtrerede datasæt fremgår af bilag C1. Filtreringen medfører en væsentlig reduktion i spredningen samt kurtosis/skewness inden for hver depotstatus svarende til, at forudsætningerne forbedres markant. I alt 693 ud af 6.925 handler med relation til forurening filtreres bort, svarende til ca. 10 %. Forudsætningerne for variansanalysen er opfyldte med tilstrækkelig tilnærmelse til at gennemføre den statistiske analyse. 3.4.5.2 Hypotese 2 Datagrundlag og forudsætning for model Til belysning af hypotese 2 er flg. modelspecifikke kriterier anvendt ved udtræk fra projektdatabasen:
Tabel 3-6 To-delt zonestatus i forhold til projektdatabasens zonestatus
Antallet af observationer samt andre deskriptive parametre for det ufiltrerede og filtrerede datasæt fremgår af bilag C2. Filtreringen medfører en væsentlig reduktion i spredningen samt kurtosis/skewness inden for hver depotstatus, svarende til, at forudsætningerne forbedres markant. I alt 513 ud af 5.420 handler med relation til forurening filtreres bort, svarende til ca. 9 %. Forudsætningerne for variansanalysen er opfyldte med tilstrækkelig tilnærmelse til at gennemføre den statistiske analyse. 3.4.5.3 Hypotese 3 Datagrundlag og forudsætning for model Til belysning af hypotese 3 er flg. modelspecifikke kriterier anvendt ved udtræk fra projektdatabasen:
Tabel 3-7 ToldSkats boligbenyttelseskode
Antallet af observationer samt andre deskriptive parametre for det ufiltrerede og filtrerede datasæt fremgår af bilag C3. Filtreringen medfører en væsentlig reduktion i spredningen samt kurtosis/skewness inden for hver depotstatus, svarende til, at forudsætningerne forbedres markant. I alt 671 ud af 6.771 handler med relation til forurening filtreres bort, svarende til ca. 10 %. Forudsætningerne for variansanalysen er opfyldte med tilstrækkelig tilnærmelse til at gennemføre den statistiske analyse. 3.4.5.4 Hypotese 4 Datagrundlag og forudsætning for model Til belysning af hypotese 4 er samtlige observationer, der opfylder de generelle kriterier, anvendt. Antallet af observationer samt andre deskriptive parametre for det ufiltrerede og filtrerede datasæt fremgår af bilag C4. Filtreringen medfører en væsentlig reduktion i spredningen samt kurtosis/skewness inden for hver depotstatus svarende til, at forudsætningerne forbedres markant. I alt 688 ud af 6.925 handler med relation til forurening filtreres bort, svarende til ca. 10 %. Forudsætningerne for variansanalysen er opfyldte med tilstrækkelig tilnærmelse til at gennemføre den statistiske analyse. 3.4.5.5 Hypotese 5 Datagrundlag og forudsætning for model Til belysning af hypotese 5 er samtlige observationer, der opfylder de generelle kriterier, anvendt. Dertil kommer, at kun handler, der vedrører ejendomme, der optræder under forskellige depotstatuskoder i perioden, er medtaget. Tabel 3-8 giver en oversigt over antallet af ejendomme og handler, der er omfattet af forskellige ændringer i depotstatus gennem perioden 1996-2003. Der var ingen ejendomme, der gennemgik mere end 2 depotændringer. Pga. antallet af observationer testes hypotesen ikke for typerne
Antallet af observationer samt andre deskriptive parametre for de ufiltrerede og filtrerede datasæt fremgår af bilag C5a til bilag C5d. Tabel 3-8 Type af depotændring samt antal ejendomme og antal handler
*(fordeling til hhv. København/omegn, Øvrig Sjælland/Fyn og Jylland). 3.4.6 Opsummering af anvendte kriterier og forudsætningerne for variansanalyserneDer er i undersøgelsen valgt såvel generelle som modelspecifikke kriterier for etablering af datagrundlag for de 5 hypoteser. Der er valgt følgende generelle kriterier ved udvælgelsen af handler fra databasen:
Dertil kommer de anvendte hypotesespecifikke kriterier:
Desuden har det været en forudsætning, at der er tale om ikke afvigende observationer. Ved hjælp af SPSS' faciliteter(Stem-Leaf-analyse) er afvigende observationer udvalgt. I Tabel 3-9 er anvendt datagrundlag efter filtrering vist. Det ses af tabellen, at datagrundlaget er solidt for så vidt angår hypoteserne 1-4, mens datagrundlaget for hypotese 5 er svagere. Tabel 3-9 Anvendt datagrundlag for hypoteserne 1-5
Det kan endvidere konkluderes, at forudsætningerne for variansanalyserne, dvs.
er opfyldte for alle modelhypoteser med tilstrækkelig tilnærmelse til at gennemføre den statistiske analyse. Ved de gennemførte analyser er det endvidere valgt at benytte 10 %'s niveau for variansanalysemodellen og 90 %-konfidensinterval for middelværdierne. 4 Resultater og diskussion
I dette afsnit vil resultaterne for de 5 hypoteser blive beskrevet, og der vil være en kort diskussion af de generelle tendenser. 4.1 Hypotese 1 - Depotstatus og områdeHypotese 1 er formuleret:
Statistisk er nulhypotesen (H0) formuleret:
Beregningerne viser, at der er signifikant vekselvirkning mellem depotstatus og område, jf. bilag C1. Nulhypotesen kan derfor afvises, og lnRH (og RH) afhænger dermed af depotstatus og område. I Figur 4-1 ses de estimerede RH-værdier samt tilhørende 90 %-konfidens-intervaller.
Figur 4-1 Hypotese 1 - Depotstatus og område - estimerede RH-værdier for handler samt 90 %-konfidensinterval fordelt på depotstatus. Figuren viser købesummens (handelsprisens) andel af ejendomsvurderingen fordelt på områderne ”København og omegn”, ”Øvrige Sjælland og Fyn” samt ”Jylland” fordelt på depotstatus 1-5, dvs. ”mistanke”, forurenet”, ”oprenset”, ”restforu-rening” og ”undersøgt uden fund”. Ligeledes er handelsprisens andel af ejendoms-vurderingen vist for de handler af sammenlignelige grunde, der har depotstatus 6 ”ikke forurenet”. Af figuren fremgår det endvidere, om der er signifikant forskel på RH inden for f.eks. depotstatus 1, ”mistanke” mellem de forskellige landsdele ved at se, om konfidensintervallerne, angivet med Hvis der ikke er signifikant forskel betyder det, at handlede ejendomme i en gruppe ikke adskiller sig væsentligt fra en anden gruppe. I Tabel 4-1 er værditabet udtrykt i %-point i forhold til de ikke forurenede grunde. Værditabet beregnes som forskellen mellem den gennemsnitlige RH i % for sammenlignelige ikke forurenede ejendomme (depotstatus 6) og den gennemsnitlige RH i % for den pågældende depotstatus med relation til forurening (depotstatus 1-5). Af tabellen fremgår det f.eks., at ”restforurening” i København og omegn medfører et værditab på 10,2 % i forhold til ikke forurenede ejendomme. I det øvrige land er værditabet ikke signifikant for grunde med restforurening. Tabel 4-1 Hypotese 1 - Værditab i %-point som følge af forurening. Signaturen ”–” betyder, at der ikke er signifikant forskel til de ikke forurenede grunde
Med denne kategoriopdeling fremgår det af figurer og tabellen, at:
Det fremgår af figuren, at RH generelt er højest i København og omegn og lavest i Jylland. Dette kan skyldes, at prisudviklingen i perioden kan være forskellig for de respektive landsdele. Dette kan have betydning for den statistiske analyse, idet vurderingen er baseret på historiske handler, hvilket medfører, at en generel prisstigning først påvirker vurderingsprisen i det efterfølgende år. En stor pris-stigning i et givent år vil derfor medføre en høj RH. Den manglende påvirkning af RH for depotstatus ”mistanke” og ”forurenet” i København og omegn kan skyldes en systematisk afvigelse for disse depotstatusgrupper i området. Afvigelsen kan f.eks. være, at de to depotstatusgrupper indeholder mange grunde med god/central beliggenhed, og at der har været stor efterspørgsel uden, at der har været uforurenede alternativer for køber. 4.2 Hypotese 2 - Depotstatus og zonestatusHypotese 2 er:
Statistisk er nulhypotesen (H0) formuleret: ”Uanset zonestatus er der ikke signifikant forskel på RH for boligejendomme med flg. depotstatus: 1) Mistanke, 2) Forurenet, 3) Oprenset, 4) Restforurening, 5) Afmeldt (undersøgt uden fund) og 6) Ikke forurenet. Beregningerne viser, at der er signifikant vekselvirkning mellem depotstatus og zonestatus, se bilag C2. Nulhypotesen kan derfor afvises, og lnRH (og RH) afhænger dermed af depotstatus og zonestatus. I Figur 4-2 ses de estimerede RH-værdier samt tilhørende 90%-konfidensintervaller.
Figur 4-2 Hypotese 2 - Depotstatus og zonestatus - estimerede RH-værdier for handler samt 90 %-konfidensinterval fordelt på depotstatus. I Tabel 4-2 er værditabet udtrykt i %-point. Værditabet beregnes som forskellen mellem den gennemsnitlige RH i % for sammenlignelige ikkeforurenede ejendomme (depotstatus 6) og den gennem-snitlige RH i % for den pågældende depotstatus med relation til forurening (depotstatus 1-5). Heraf ses f.eks., at ”restforurening” i byzone medfører et værditab på 6,0 %-point i forhold til ikke forurenede ejendomme, mens der i landzonen ikke ses et signifikant værditab. For landzone ses et stort, men ikke signifikant, værditab for grunde med restforurening. Tabel 4-2 Hypotese 2 - Værditab i %-point som følge af forurening i forhold til de ikke forurenede grunde - signaturen ”–” betyder, at der ikke er signifikant forskel
Med denne kategoriopdeling fremgår det af figuren og tabellen, at:
For depotstatus ”restforurening” og ”undersøgt uden fund” kan det konstateres, at der i landzone er nogle handler, der falder så meget uden for det normale, at selv store numeriske forskelle i den relative handelsværdi ikke bliver signifikante. Den manglende påvirkning af RH for depotstatus ”mistanke” og ”forurenet” i byzone kan skyldes en systematisk afvigelse for disse depotgrupper i kategorien. Afvigelsen kan f.eks. være, at de to depotstatusgrupper indeholder mange grunde med god/central beliggenhed, og at der har været stor efterspørgsel, uden at der har været uforurenede alternativer for køber. At denne afvigelse forekommer i byzone, som det ligeledes var tilfældet under hypotese 1 for København og omegn, er med til at sandsynliggøre forklaringen. At depotstatus ”oprenset” handles signifikant højere end ”ikke forurenet” peger ligeledes i den retning. For landzone er der for depotstatus ”forurenet”, ”oprenset”, ”restforurening” og ”undersøgt uden fund” meget brede konfidensintervaller, der medfører, at disse grupper ikke viser signifikante afvigelser. Det brede konfidensinterval er et udtryk for meget store afvigelser fra gennemsnittet inden for hver gruppe. Beboelsesejendomme i landzone er en meget bred kategori, der for de forskellige depotstatusgrupper kan indeholde:
Dette kan være medvirkende til den store variation i RH for kategorien. 4.3 Hypotese 3 - Depotstatus og boligbenyttelseHypotese 3 er formuleret:
Statistisk er nulhypotesen (H0) formuleret:
Beregningerne viser, at der er signifikant vekselvirkning mellem depotstatus og boligbenyttelse, se bilag C3. Nulhypotesen kan derfor afvises, og lnRH (og RH) afhænger dermed af depotstatus og boligbenyttelse. I Figur 4-3 ses de estimerede RH-værdier samt tilhørende 90 %-konfidensintervaller.
Figur 4-3 Hypotese 3 - Depotstatus og boligbenyttelse - estimerede RH-værdier for handler samt 90 %-konfidensinterval fordelt på depotstatus. I Tabel 4-3 er værditabet udtrykt i %-point. Værditabet beregnes som forskellen mellem den gennemsnitlige RH i % for sammenlignelige ikke forurenede ejendomme (depotstatus 6) og den gennemsnitlige RH i % for den pågældende depotstatus med relation til forurening (depotstatus 1-5). Heraf ses f.eks., at ”restforurening” for huse medfører et værditab på 3,5 %-point i forhold til ikke forurenede ejendomme, mens værditabet for etagelejligheder er 10,4 %-point. Tabel 4-3 Hypotese 3 - Værditab i %-point som følge af forurening - signaturen ”– ”betyder, at der ikke er signifikant forskel
Med denne kategoriopdeling fremgår det af figuren og tabellen, at:
For depotstatus ”restforurening” og ”undersøgt uden fund” var der i landzone (hypotese 2) nogle handler, der faldt så meget uden for det normale, at selv store numeriske forskelle i relativ handelsværdi ikke bliver signifikante. Dette fænomen er ikke til stede i disse kategorier. Dette kan tolkes som, at der i landzone er nogle meget store variationer, der er relateret til ”hus” eller ”etagelejlighed”. Det skal bemærkes, at der med denne kategoriopdeling er et meget signifikant værditab for depotstatus ”undersøgt uden fund” både for huse og etagelejligheder. Huse og etagelejligheder er sammenligningsmæssigt robuste størrelser, og udslaget må formodes at skyldes, at usikkerheden om matriklens egentlige status skaber generel bekymring hos køber og sælger. Endvidere skal der gøres opmærksom på, at forureninger, som er knyttet til ejerlejligheder, som oftest er relateret til indeklimaproblemer. 4.4 Hypotese 4 – Depotstatus og ordningHypotese 4 er formuleret:
Statistisk er nulhypotesen (H0) formuleret:
Beregningerne viser, at der er signifikant vekselvirkning mellem depotstatus og ordning. Nulhypotesen kan derfor afvises, og lnRH (og RH) afhænger dermed af depotstatus og ordning. I Figur 4-4 ses de estimerede RH-værdier samt tilhørende 90%-konfidensintervaller.
Figur 4-4 Hypotese 4 - Depotstatus og ordning - estimerede RH-værdier for handler samt 90 %-konfidensinterval fordelt på depotstatus. I Tabel 4-4 er værditabet udtrykt i %-point. Værditabet beregnes som forskellen mellem den gennemsnitlige RH i % for sammenlignelige ikke forurenede ejendomme (depotstatus 6) og den gennem-snitlige RH i % for den pågældende depotstatus med relation til forurening (depotstatus 1-5). Heraf ses f.eks., at ”restforurening” giver værditab på hhv. 5,6 %-point og 6,3 %- point, når lokaliteten kan henføres til hhv. ROKA og VTO. Samme som før! Tabel 4-4 Hypotese 4 - Værditab i %-point som følge af forurening - signaturen ”– ”betyder, at der ikke er signifikant forskel
Der er meget væsentlige forskelle mellem de tre databaser, der desuden ikke for alle typer depotstatus indeholder sammenlignelige kategorier. Kategorierne er sammenholdt med den gennemsnitlige relative handelsværdi for depotstatus ”ikke forurenet” i samme vurderingskreds. Med denne kategoriopdeling fremgår det af figuren og tabellen, at:
Generelt er der store udsving og markante signifikante resultater. Dette kan bl.a. skyldes,
4.5 Hypotese 5 – Depotstatusændringer og gensalgHypotese 5 er formuleret:
Statistisk er nulhypotesen (H0) formuleret:
Af bilag C5a ses det, at der ikke er signifikant vekselvirkning mellem ”mistanke” og ”forurenet”. Nulhypotesen kan derfor ikke afvises, og lnRH (og RH) afhænger dermed ikke af ”mistanke” og ”forurenet”. Af bilag C5b ses det, at der er signifikant vekselvirkning mellem ”mistanke” og ”undersøgt uden fund”. Nulhypotesen kan derfor afvises, og lnRH (og RH) afhænger dermed af ”mistanke” og ”undersøgt uden fund”. Af bilag C5c ses det, at der ikke er signifikant vekselvirkning mellem ”forurenet” og ”oprenset”. Nulhypotesen kan derfor ikke afvises, og lnRH (og RH) afhænger dermed ikke af ”forurenet” og ”oprenset”. Af bilag C5d ses det, at der er signifikant vekselvirkning mellem ”forurenet” og ”oprenset”. Nulhypotesen kan derfor afvises, og lnRH (og RH) afhænger dermed af depotstatus og ordning ”forurenet” og ”oprenset”. Resultaterne af den statistiske analyse er vist i figurerne 4-5 til 4-9, der viser histogrammer med værdierne samt 90 %-konfidensinterval. Det skal bemærkes, at denne hypotese behandler et væsentligt lavere antal handler end de øvrige. Antallet for hvert par fremgår af Tabel 3-8. 4.5.1 Mistanke til forurenetI Figur 4-5 ses resultaterne fra hypotese 5a (gensalg ved ændret depotstatus fra mistanke til forurenet).
Figur 4-5 Hyp. 5a – Gensalg ved ændret depotstatus fra mistanke til forurenet – estimerede RH-værdier for handler samt 90%-konfidensinterval. Ved denne sammenligning af ejendomme, der er blevet handlet flere gange, ses der en væsentlig, men ikke signifikant forskel på, om ejendommene er handlet som mistanke eller som forurenet. Ejendomme med depotstatus ”mistanke” handles til en højere gennemsnitlig relativ handelspris, når mistanken er blevet verificeret. Den manglende signifikans og den store varians kan henføres til det forholdsvis beskedne antal handler eller skyldes andre forhold. 4.5.2 Mistanke til undersøgt uden fundI Figur 4-6 ses resultaterne fra hypotese 5b (gensalg ved ændret depotstatus fra mistanke til undersøgt uden fund).
Figur 4-6 Hyp. 5b – Gensalg ved ændret depotstatus fra mistanke til undersøgt uden fund - estimerede RH-værdier for handler samt 90%-konfidensinterval. Ved denne sammenligning af ejendomme, der er blevet handlet flere gange, ses der en væsentlig og signifikant forskel. Selvom ejendommen er blevet undersøgt, og der ved undersøgelsen ikke er fundet forurening, handles ejendommen efter undersøgelsen til en signifikant lavere gennemsnitlig relativ handelspris. 4.5.3 Forurenet til oprensetI Figur 4-7 ses resultaterne fra hypotese 5c (gensalg ved ændret depotstatus fra forurenet til oprenset).
Figur 4-7 Hyp. 5c – Gensalg ved ændret depotstatus fra forurenet til oprenset - estimerede RH-værdier for handler samt 90%-konfidensinterval. Ved denne sammenligning af ejendomme, der er blevet handlet flere gange, ses der en væsentlig, men ikke signifikant forskel. Ejendomme med depotstatus ”forurenet” handles til en højere gennemsnitlig relativ handelspris før oprensning. Oprensningen medfører tilsyneladende ikke en reduktion af værditabet. Den manglende signifikans og den store varians formodes igen at kunne henføres til det forholdsvis beskedne antal handler. 4.5.4 Forurenet til restforureningI Figur 4-8 ses resultaterne fra hypotese 5d (gensalg ved ændret depotstatus fra forurenet til restforurening).
Figur 4-8 Hyp. 5d – Gensalg ved ændret depotstatus fra forurenet til restforurening - estimerede RH-værdier for handler samt 90%-konfidensinterval. Ved denne sammenligning af ejendomme, der er blevet handlet flere gange, ses der en væsentlig og signifikant forskel. Ejendomme med depotstatus ”forurenet” handles til en højere gennemsnitlig relativ handelspris, end i de tilfælde, hvor ejendommen er blevet oprenset, uden at hele forureningen er fjernet. 4.6 DiskussionOvenstående resultater er baseret på analyse af data fra registrene ROKA, OM-databasen og VTO-registret. Da der er forskel på indholdet af de enkelte registre, er disse kort beskrevet: Registret Over Kortlagte Arealer, ROKA, foretager en national kortlægning af de kemikalieaffaldsdepoter og forurenede grunde, som amterne fører tilsyn med. Kortlægningen indgår i en database med informationer om amternes indberetning vedr. disse grunde. Den generelle kortlægning og senere oprydning af forurenede grunde var først i 1990'erne koncentreret om de bynære grunde, ofte relateret til punktkildeforureninger, og det er først i slutningen af 1990'erne, at ejendomme i landzone kom med i større tal. Oliebranchens Miljøpulje, OM, blev oprettet med det formål at undersøge og oprense forureninger på nedlagte benzinstationer. Oliebranchens Miljøpulje var resultatet af en aftale mellem samtlige olieselskaber, der sælger benzin i Danmark og en række offentlige myndigheder. Aftalen blev underskrevet den 21. december 1992 af Oliebranchens Fællesrepræsentation, Kommunernes Landsforening, Amtsrådsforeningen, Københavns Kommune, Frederiksberg Kommune og Miljøstyrelsen. Myndighederne kunne efter aftalen frem til 1999 indstille grunde, hvor der har været detailsalg af autobenzin indtil 1991, mens oliebranchen frem til 1995 kunne indstille grunde med benzinsalgsanlæg, der var i drift efter 1. oktober 1991. Ved fristens udløb var der modtaget indstillinger for 9.400 grunde. Værditabsordningen trådte i kraft i 1993. Med denne ordning fik ejere af en forurenet grund mulighed for at få foretaget en fremrykket offentligt finansieret oprydning af grunden mod en egenbetaling. Hvis der efter oprydning på en grund stadig er en restforurening tilbage, vil boligejeren normalt få egenbetalingen retur sammen med en erklæring om, at restforureningen er uden betydning for ejendommens anvendelse som helårsbolig. Den enkelte boligejer skal selv søge sit amt om at komme med i ordningen. Amtet står for alle de praktiske opgaver i forbindelse med oprydningen, såsom evt. undersøgelser på grunden, ansøgning om midler til finansstyrelsen og selve arbejdet med oprydningen. VTO-ordningen er i en vis udstrækning karakteriseret ved mange oprydninger på matrikler i afgrænsede områder. Den historiske udvikling af de enkelte registre og den geografiske udvikling i processen med kortlægning kan være medvirkende årsag til, at nogle af resultaterne i denne undersøgelse afviger fra det forventede. Dette hænger sammen med, at ejendomspriserne i perioden 1996-2003 er steget meget kraftigt, jf. figur 4-9. I figur 4-9 er Realkreditrådets data for prisudviklingen samt ToldSkats data for udviklingen i ejendomsvurderingen i perioden 1995-2003 præsenteret. Kurverne for handelspris og vurdering tegner i begge tilfælde et billede af et ejendomsmarked i rivende udvikling /6/.
Figur 4-9 Prisudviklingen samt udviklingen i ejendomsvurderingen for hhv. parcel- og rækkehuse samt ejerlejligheder i perioden 1995-2003, 1. kvartal 1995 = indeks 100. Data for prisudviklingen er fra Realkreditrådet /6/. Data for udviklingen i ejendomsvurdering er fraToldSkat /7/. Den meget store prisstigning i perioden dækker over betragtelige variationer, både geografisk og mellem forskellige typer ejendomme. Der er ligeledes store variationer i prisstigningerne over tid. Dette fremgår af figur 4-10.
Figur 4-10 Den årlige prisstigning i % for hhv. Parcel- og rækkehuse samt ejerlejligheder i perioden 1995-2003 /6/ Analysen er således foretaget for en periode, hvor ejendomsmarkedet har været i rivende udvikling, og hvor mangel på boliger i visse områder kan have influeret på den relative handelspris for ejendomme med relation til forurening. Det er i forbindelse med denne undersøgelse forsøgt at fortage en yderligere opsplitning, idet årstallet for handel er indgået som en statistisk variabel. Dette reducerede imidlertid antallet af data kategorierne med relation til forurening i en sådan grad, at konfidensintervallerne blev for store. For overblikkets skyld er der i Tabel 4-5 foretaget en sammenstilling af værditabet i %-point for hypoteserne 1-4. Den 5. analyse, som skulle belyse, om der er en sammenhæng mellem en ejendoms relativ handelspris i forbindelse med gensalg og en eventuel ændret depotstatus, fremgår ikke af tabellen, da der i analysen ikke foretages en sammenligning i forhold til depotstatus ”ikke forurenet”. Tabel 4-5 Oversigt over værditab i %-point for hypotese 1-4
*- ikke signifikant. Herefter er der i Tabel 4-6 en oversigt over de gennemsnitlige værditab for hypo-teserne 1-4, hvor afvigelsen var signifikant. Tallene i tabellen fremkommer som et direkte gennemsnit (ikke statistisk) af de signifikante værdier fra hypotese 1-4. I tabellen er også vist det gennemsnitlige værditab i % point omsat til kr. pr. 1. mio. kr. i ejendomsvurdering. Tabel 4-6 Det gennemsnitlige værditab (ikke statistisk) sammenholdt med depotstatus i %-point for hypotese 1-4, samt værditab i kr. pr. 1 mio. kr. (ejendomsvurdering)
Det fremgår tydeligt, at aktørerne på boligmarkedet har tillid til, at en grund er oprenset, mens enhver form for reel eller irreel usikkerhed afspejles i prisen. 5 KonklusionI Tabel 5-1 er givet en oversigt over de 4 gennemførte variansanalyser, hvor værditabet er udtrykt i %-point. Værditabet beregnes som forskellen mellem den gennemsnitlige RH i % for sammenlignelige ikke forurenede ejendomme (depot-status 6) og den gennemsnitlige RH i % for den pågældende depotstatus med relation til forurening (depotstatus 1-5). Den 5. analyse, som skulle belyse, om der er en sammenhæng mellem en ejendoms relative handelspris i forbindelse med gensalg og en eventuel ændret depotstatus, fremgår ikke af tabellen, da der i analysen ikke foretages en sammenligning i for-hold til depotstatus ”ikke forurenet”. Tabel 5-1 Oversigt over værditab i % af ejendomsvurderingen for hypotese 1-4
*- ikke signifikant. Depotstatus ”mistanke”: Denne depotstatus medfører en betydelig og signifikant forringelse af den gennemsnitlige relative handelspris for ejendommen. For 7 ud af 10 kategorier konstateres signifikante værditab fra 2,6-10,7 %-point i forhold til ikke forurenede ejendomme. For kategorierne ”landzone” og ”hus” er tabet alvorligst og kan kvantificeres til hhv. 10,7 og 7,7 %-point. Ved en handelspris på 2 mio. kr. vil det manglende salgsprovenu i gennemsnit være mellem 154.000 og 214.000 kr. set i forhold til et tilsvarende salg af en uforurenet ejendom. For kategorien ”hus” vil overgangen fra ”mistanke” til ”forurenet” medføre en værdistigning på ca. 4,7 %-point. Tilsvarende billede ses for kategorien ”Jylland”, hvor der for samme overgang ses en reduktion af tabet på 1,7 %-point. Årsagen til dette forhold må formodes at være, at usikkerheden omkring en ejendoms forureningsstatus er værre for aktørerne på ejendomsmarkedet end visheden om en forurening. Depotstatus ”forurenet”: For denne depotstatus er der for 3 ud af 10 kategorier signifikante værditab, hvilket er for kategorierne ”Jylland”, ”Hus” og ”OM”, hvor det største værditab er for kategorien ”OM” på 5,3 %-point. For kategorien ”ROKA” ses derimod en værdistigning på ca. 3 %-point. Det kan konkluderes, at depotstatus ”forurenet” dækker så forskellige ejendomstyper og handler, at der ved den statistiske behandling af data ikke fremkommer et entydigt billede. Det ses, at et hus på en forurenet grund i Jylland lider det største, statistisk signifikante tab. Depotstatus ”oprenset”: For denne depotstatus ses det, at 3 ud af 10 kategorier har signifikante værditab, mens der er signifikante værdistigninger for 2 kategorier. Forskel i værditab/stigning spænder over ca. 13 %-point. Grunde, der er oprensede, og som var registreret i VTO-registret, handles til en signifikant højere gennemsnitlig relativ handelspris end depotstatus ”restforurening”. Ud fra et overordnet perspektiv er der ikke statistisk forskel i salgsprisen mellem ”ikke forurenet” og ”oprenset”. Forskellen på om grunden renses op, eller der forbliver en restforurening på grunden, er ca. 15 %-point for grunde, der behandles efter VTO-ordningen En tilsvarende, men mindre udtalt, effekt ses for kategorien ”byzone”, hvor forskellen kan opgøres til 8,5 %-point. Det kan konkluderes, at oprensningen af en forurening virker helt forskellig afhængig af lokalisering, ejendomstype og ordning. Depotstatus ”restforurening”: For denne depotstatus er der for 6 ud af 10 kategorier signifikante værditab, som spænder fra 3,5-10,4 %-point. Dette er et større værditab end for depotstatus ”forurenet”. Årsagen til dette forhold må formodes at være, at depotstatus ”forurenet” som regel kan oprenses, mens en konstateret restforurening er noget som ejeren ”må lære at leve med”, dvs. en forurening, som det ikke er økonomisk rentabelt at fjerne. Depotstatus ”undersøgt uden fund”: For denne depotstatus er der for 8 ud af 10 kategorier signifikante værditab, som spænder fra 5,6-12,1 %-point. Værditabet for ejerne er betragteligt for denne depotstatus og giver i mange kategorier større værditab end for depotstatus ”forurenet”. Da datagrundlaget her også er væsentlig mindre, end for de andre kategorier, kan det have en betydning. Sammenfatning og perspektivering Undersøgelsen har vist, at hypotese 1-4 er accepteret:
Derimod har undersøgelsen vist, at hypotese 5 kun delvist er eftervist:
Undersøgelsen har vist, at der er en væsentlig gevinst at hente ved at få ændret depotstatus fra mistanke” til ”forurenet”. Der skal gøres opmærksom på, at forureninger, som er knyttet til ejerlejligheder, som oftest er relateret til indeklimaproblemer. Desuden viser undersøgelsen, at værditabsordningen er en effektiv ordning, hvor ejeren opnår en stor gevinst ved oprensningen. Der gøres opmærksom på, at den historiske udvikling af de enkelte registre og den geografiske udvikling i processen med kortlægning kan være medvirkende årsag til, at nogle af resultaterne i denne undersøgelse afviger fra det forventede. Dette hænger sammen med, at ejendomspriserne i perioden 1996-2003 er steget meget kraftigt. De meget store prisstigninger i perioden dækker over betragtelige variationer, både geografisk og mellem forskellige typer ejendomme. Der er ligeledes store variationer i prisstigningerne over tid. Der gøres opmærksom på, at analysen er foretaget i en periode (1996-2003), hvor ejendomsmarkedet har været i rivende udvikling, og hvor mangel på boliger i visse områder kan have influeret på den relative handelspris for ejendomme med relation til forurening. Ser man på værditabet i kr. pr. 1 mio. kr. (ejendomsvurdering), viser resultatet af undersøgelsen et gennemsnitligt værditab for de 5 forskellige depotstatus på:
Undersøgelsen viser, at aktørerne på boligmarkedet har tillid til, at en grund er oprenset. Værditabet for handler med relateret depotstatus ”oprenset” er 1.000 kr. pr. 1 mio. kr. (ejendomsvurdering). Derimod har undersøgelsen vist, at enhver form for reel eller irreel usikkerhed, dvs. hvor depotstatus er mistanke, forurenet, restforurening eller undersøgt uden fund, afspejles i prisen. 6 Referencer/1/ Orientering fra Miljøstyrelsen Nr. 2001.”Evaluering af værditabsordningen”. /2/ Arbejdsrapport, Værditab ved salg af forurenede eller tidligere forurenede boligejendomme. Datadokumentation. /3/ Lov nr. 370 af 02-06-1999 om forurenet jord. /4/ ToldSkat. www.erhverv.toldskat.dk/ Salgsstatistik. maj 2005. /5/ SPSS. www.spss.com. /6/ Realkreditrådet. Ejendomsprisstatistik 1995-2003. /7/ ToldSkat. Vurderingsstatistik 1995-2003. /8/ ToldSkat(2005), Pers. Komm. Fodnoter [1] Relativ handelspris (RH) = handelspris/(ejendomsvurdering + evt. nedslag for forurening). I afsnit 2.3.3 er en nærmere beskrivelse af RH. [2] Relative market price (Relativ handelspris (RH)) = market price (valuation + any price reduction due to contamination). Section 2.3.3 gives a more detailed description of RH. [3] Relativ handelspris (RH) = handelspris/(ejendomsvurdering + evt. nedslag for forurening). I afsnit 2.3.3 er en nærmere beskrivelse af RH. [4] En forurenet grund kan over tid ændre status – depotstatus - fra at være under mistanke for forurening (V1 kortlagt) til at være konstateret forurenet (V2 kortlagt) og til senere at være oprenset, undersøgt uden fund eller med restforurening. For en præcisering af de 8 mulige angivelser af depotstatus henvises til afsnit 2.4.1 samt bilag B. Bilag A1.1 DefinitionerI Jordforureningsloven og tilhørende kortlægningsvejledning opereres med følgende områdebegreber /1/, /2/:
Definition og nærmere beskrivelse af områdebetegnelserne i relation til Jordforureningsloven fremgår af Tabel 1. Tabel 1 Miljøstyrelsens definitioner og beskrivelser af områdebetegnelser i kortlægningsvejledningen efter Jordforureningsloven /2/.
*/3/ Til en lokalitet, som er eller har været forurenet er der ifølge Jordforureningsloven knyttet et unikt nummer, lokalitetsnummeret /4/. Begrebet depotnummer, som anvendes i denne rapport er identisk med begrebet lokalitetsnummer. I denne rapport vil vi anvendes begrebet grund som en samlende betegnelse for
Der kan optræde flere matrikler i forbindelse med en grund /14/. Kort og Matrikelstyrelsen definerer og beskriver begrebet ”matrikel” og tilhørende termer /5/, og disse fremgår af Tabel 2. Tabel 2 Kort- og Matrikelstyrelsens udvalgte definitioner og beskrivelser af matriklen og tilhørende termer /5/
Begrebet fast ejendom kan ifølge ToldSkat anvendes i forskellige sammenhænge /6/. Det anvendes blandt andet i følgende i forbindelse med:
I disse tilfælde tales om en ejendom, men i forskellig kontekst. Ofte er der tale om den samme fysiske ejendom. I nærværende undersøgelse er definitionen af en fast ejendom i forbindelse med vurdering af beskatningsforhold (vurderingsejendom), dvs. ved ejendomsvurderingen central, og det er denne definition af fast ejendom, som anvendes i denne rapport. ToldSkat vurderer løbende alle ejerboliger og sommerhuse. Denne ejendomsvurdering har betydning for, hvad der skal betales i ejendomsværdiskat og ejendomsskat (grundskyld), men behandles ikke yderligere her. Ejendoms-nummeret er den unikke nøgle i forbindelse med ejendomsvurderingen. Nærværende undersøgelse er centreret om handlede ejendomme med helårsbeboelse. Disse ejendomme er identificeret på baggrund af ToldSkats benyttelseskoder /7/. ToldSkat foretager endvidere en kontantomregning af salgsprisen/handelsprisen til en kontantpris. Kontantomregningssystemet er baseret på ugentlige indberetninger af effektive renter vedrørende obligationer og månedlige indberetninger for pantebreve. Afstandsprocenten er den procent, hvormed kontantprisen afviger fra ejendomsvurderingen. En nærmere beskrivelse af begreberne vedrørende udvalgte data fra ToldSkat fremgår af Tabel 3. Tabel 3 Definitioner og beskrivelser af ejendomsdata /6/, /7/, /8/, /9/, /12/.
Det er valgt at anvende det relative forhold mellem handelspris og ejendomsvurdering som parameter til belysning af værditabet. Idet der ved vurdering af ejendomme med registreret aktuel forurening kan gives et nedslag i vurderingen, er det valgt at korrigere for nedslaget for på den måde at normalisere ejendomsvurderingen så den er sammenlignelig med en ikke-forurenet ejendom. Den normaliserede parameter omtales her i rapporten som den relative handelspris (RH),
1) Kontantpris Den relative handelspris udtrykker hvor stor en andel handelsprisen udgør af ejendomsvurderingen (evt. korrigeret for nedslag). Ved RH >1 er boligen handlet til en højere pris end ejendomsvurderingen, mens RH <1 betyder, at vurderingen har været højere end handelsprisen. En relativ handelspris på ½ og 2 betyder, at ejendommen er handlet til hhv. ½ og 2 gange ejendomsvurderingen. Referencer /1/ Lov nr. 370 af 2. juni 1999 om forurenet jord /2/ Miljøstyrelsen. Vejledning nr. 8, 2000 om kortlægning af forurenede arealer /3/ Miljøstyrelsen. Præcisering vedrørende lokaliteter. Pers. Komm. Christina van Breugel /4/ Miljøstyrelsens brev dateret 17. december 2003 til samtlige amter og Københavns og Frederiksberg Kommuner vedrørende indberetning om jordforurening 2003 /5/ http://www.kms.dk/leksikon.nsf /6/ ToldSkat. Anne Duus, ToldSkat e-mail dateret 20.april.2005 /7/ ToldSkat. www.erhverv.toldskat.dk/. Vurderingsvejledning 2004 – 4, 15.oktober.2004 /8/ ToldSkat. www.erhverv.toldskat.dk/. Salgsstatistik. maj 2005 /9/ ToldSkat. www.erhverv.toldskat.dk/. Ejendomsvurdering maj. 2005. /10/ Oliebranchens Miljøpulje. Pers. komm. December 2004. /11/ Miljøstyrelsen. Vejledning til brug ved amterne og Københavns og Frederiksberg kommuners indberetning til Miljøstyrelsens Register Over Kortlagte Arealer (ROKA). September 2002. /12/ ToldSkat. E-mail, dateret 20.juni 2005 fra ToldSkat vedr. ejendomstype og benyttelseskode Bilag B1.1 Samlet oversigt over projektdatabasens forureningsstatusangivelser sammenholdt med statuskoder i ROKA, OM-databasen og VTO-registret samt prioritering af de enkelte statustyper
*Højeste tal svarer til højeste prioritet. Bilag CKlik her for at se hele Bilag C
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
øverst på søjlerne, overlapper hinanden.
