Daten

5.2.2.1 Datenlage

Im Gegensatz zu Aktien oder Devisen werden Büroflächen an keiner Börse, sondern individuell zwischen zwei Parteien gehandelt. So gibt es keine tagesaktuellen Angaben zu Büromieten oder Gesamterhebungen. Die Datenlage zu Immobilienmärkten entspricht somit nicht der von einigen anderen Vermögensgütern.⁶⁰⁵ Durch die institutionellen Rahmenbedingungen und die Beson-derheiten des Wirtschaftsgutes wird die Datenlage wahrscheinlich auch niemals der von Märk-ten anderer Güter entsprechen.⁶⁰⁶ Stattdessen müssen Mieten durch Erhebungen und Schätzun-gen ermittelt werden, was mit großem Aufwand verbunden ist.⁶⁰⁷ Aus diesem Grund stellt die

604 Bei den Werten handelt es sich um Pearsons Korrelationskoeffizienten. Die Mietentwicklungen der Büromärkte im Rahmen der Arbeit untersuchter Städte korrelieren positiv, aber unterschiedlich stark miteinander. Am höchs-ten ist die Korrelation zwischen der Bürospitzenmiete in Hamburg und Düsseldorf, während sie am niedrigshöchs-ten zwischen Hamburg und München ist.⁶⁰⁴ Dies ist u.a. auf eine enge ökonomische Verflechtung von Großstädten innerhalb eines Landes zurückzuführen. Was jedoch deutlich wird, wie auch aus Abbildung 12 hervorgeht, ist, dass es zu unterschiedlichen Zeitpunkten zu Mietsteigerungen kommt und in unterschiedlicher Höhe. Daher sind die Koeffizienten <1, und es ist die Herausforderung, vor der die ökonometrischen Prognosen von Büromieten stehen, diese korrekt zu identifizieren. Quelle: Eigene Darstellung; Eigene Berechnungen; Verwendete Daten:

BulwienGesa AG (Hrsg.) (2007).

605 Vgl. Abschnitt 2.3.

606 Vgl. Punkt 2.2.

607 Dieser große Aufwand bei der Erhebung, Beschaffung und Bereitstellung der notwendigen Daten kann im We-sentlichen nur von Institutionen wie statistischen Ämtern, Zentralbanken und Wirtschaftsforschungsorganisatio-nen geleistet werden; vgl. Hackl, P. (2005), S. 22.

Datenlage ein immer wiederkehrendes Problem bei der Analyse von Immobilienmärkten und speziell der Prognose von Mieten dar.⁶⁰⁸

Während die Datenlage für Wohnimmobilien in Deutschland als vergleichsweise gut einzustu-fen ist, ist sie für Büroimmobilien relativ beschränkt.⁶⁰⁹ Vom Statistischen Bundesamt werden Preisindices für den staatlichen und unternehmerischen Nichtwohnhoch- und -tiefbau veröffent-licht, die aber nicht ausreichend differenziert sind.⁶¹⁰ Somit gibt es zu deutschen Büromärkten und Büroimmobilien kaum amtliche Datenerfassungen oder öffentlich zugängliche Zeitreihen.

Die Kritik an den durch statistische Ämter erhobenen Daten und die Forderung zur Verbesse-rung der Qualität ist kein deutsches Phänomen, sondern besteht auch im Ausland.⁶¹¹ Dennoch sind im Vergleich zu Büromärkten anderer Länder und insbesondere den in Kapitel 4 analysier-ten Regionen die deutschen Büroimmobilienmärkte als besonders intransparent einzustufen.⁶¹² Die schlechte Datenlage stellt einen der Hauptgründe dar, weshalb dieses Forschungsgebiet bis-her vernachlässigt wurde.⁶¹³ Aus diesem Grund muss für die empirische Untersuchung neben den Zeitreihen von statistischen Ämtern auch auf Daten von privaten Organisationen zurückge-griffen werden.⁶¹⁴

5.2.2.2 Verwendete Daten und Quellen

Vor dem Hintergrund der Erkenntnisse des vorherigen Kapitels und als realitätsbezogenes Mo-dell sollen, wie im vorherigen Abschnitt diskutiert, die regionalen Unterschiede berücksichtigt werden und für die vier zuvor besprochenen Büroflächenmärkte auf der NUTS-3 Ebene jeweils einzelne Modelle entwickelt werden. Die Datengrundlage der empirischen Untersuchung bilden aggregierte, jährliche Zeitreihen der in Tabelle 5 aufgelisteten Variablen. Eine Verwendung von Monats- oder Quartalsdaten ist auf Grund der Datenlage nicht möglich. Allgemein besteht der

608 Vgl. Gallimore, P./ McAllister, P. (2005), S. 4.

609 So werden die Zahl der Haushalte und die Größe der Wohnungen erhoben, während die Zahl der Bürobeschäf-tigten und die Büroflächen nur auf Schätzungen basieren. Vgl. ifo Institut für Wirtschaftsforschung e.V. (Hrsg.) (2005), S. 82f; Simons, H. (2000), S. 12f; Simons, H. (2000), S. 12. Hierin liegt wahrscheinlich auch der Grund, dass es bereits relativ viele Studien zu diesem Marktsegment gibt. Siehe z.B. Dopfer, T. (2000) oder Voß, O.

(2001).

610 Bei der statistischen Analyse von Bürofläche und Büroimmobilie entsteht dadurch ein Datenproblem, dass das Statistische Bundesamt Büroflächen in der Gebäudestatistik innerhalb der Kategorie „Büro- und Verwaltungsge-bäude“ erfasst. Bei gemischt genutzten Objekten kann so eine Zuordnungsproblematik entstehen. Vgl. Wernecke, M. (2004), S. 25 – 29.

611 Vgl. Ball, M./ Tsolacos, S. (2002), S. 13.

612 Vgl. Deutsche Gesellschaft für Immobilienfonds (DEGI) (Hrsg.) (2006), S. 18f. Zu diesen Märkten gibt es auch Studien speziell zu der Qualität und Verfügbarkeit von Daten wie z.B. in Ball, M./ Grilli, M. (1997) oder Ball, M./ Tsolacos, S. (2002) angesprochen.

613 Vgl. Leykam, M. (2000), S. 1; Interview Helge Scheunemann; Jones Lang LaSalle GmbH, 09.02.2007.

614 Für Beispiele siehe Tabelle 25 bis Tabelle 27. Es liegen aber keine umfassenden und zugleich tief unterglieder-ten Zeitreihen für Bürofläche vor; vgl. ifo Institut für Wirtschaftsforschung e.V. (Hrsg.) (2005), S. 29, 85. Allge-mein sei darauf hingewiesen, dass die letzte Volkszählung in Deutschland 1987 durchgeführt wurde und vor 2010 keine neue geplant ist. In USA wird alle 10 Jahre ein Zensus für bis zu 500 MSA durchgeführt. Vgl. Küpper, M.

(2006).

Grundsatz, dass Prognosen auf möglichst langen Zeitreihen basieren sollen, da mehr Beobach-tungen zu präziseren Schätzergebnissen führen. Dem steht jedoch die Veränderlichkeit volks-wirtschaftlicher Strukturen entgegen.⁶¹⁵ Für Büroimmobilienmärkte gibt es in Deutschland aber für einige Variablen nur relativ kurze Zeitreihen, weswegen sich die Diskussion erübrigt. Zeit-lich beziehen sich die untersuchten jährZeit-lichen Zeitreihen grundsätzZeit-lich auf den Zeitraum von 1980 bis 2006, von einzelnen Ausnahmen abgesehen.⁶¹⁶

Frankfurt Hamburg München Düsseldorf Deutschland

Volkswirtschaft

Bruttoinlandsprodukt BIP x x x x x

Bruttowertschöpfung BWS x x x x x

Bruttowertschöpfung - Dienstleistungssektor BWS_DL x x x x x

Inflation / Preiniveau PN x

Zinsen Z x

Beschäftigung

Bürobeschäftigung B_B x x x x

Erwerbstätigkeit - Alle Wirtschaftssektoren B x x x x Erwerbstätigkeit - Dienstleistungssektor B_DL x x x x

Arbeitslose AL x x x x

Angebot

Bestand A x x x x

Fertigstellungen F x x x x

Leerstand L x x x x

Baugenehmigungen BG x x x x

Flächenumsatz UMS x x x x

Baukostenindex Büro BK x

Mieten/ Preise

Spitzenmiete M x x x x

Preise P x x x x

Tabelle 5: Verwendete Variablen⁶¹⁷

Die Zeitreihen der einzelnen Variablen stammen jeweils von der gleichen Quelle und wurden elektronisch bezogen. Damit soll sichergestellt werden, dass von einer einheitlichen Definition,

615 Dazu kommt, dass die am meisten relevanten Daten verwendet werden sollen, was üblicherweise die aktuellsten Daten sind, und alte Daten von Ereignissen wie Kriegen oder Änderungen des rechtlichen Rahmens geprägt sind.

In solchen Fällen bietet sich eine Gewichtung der Daten an und im Extremfall ein Ausschluss bestimmter Beo-bachtungen. Vgl. Armstrong, J. S. (2001b), S. 8.

616 Für einige Variablen liegen Zeitreihen seit 1970 vor, andere Variablen werden aber noch nicht so lange erhoben, wie z.B. die Zahl der Bürobeschäftigten, die erst seit Anfang 1990 geschätzt wird. Für die genauen Startjahre der Zeitreihen siehe Tabelle 28 bis Tabelle 32.

617 Quelle: Eigene Darstellung.

Erfassung und Berechnungsweise ausgegangen werden kann, sowie keine Fehler bei der Zu-sammenstallung der Zeitreihen entstehen. Die immobilienspezifischen Daten stammen von der Datenbank der BulwienGesa AG. Dies hat den Vorteil, dass sie einheitlich erhoben wurden und sich auf die gleiche Flächeneinheit beziehen. Die regionalen Zeitreihen beziehen sich alle auf die NUTS-3 Ebene, wodurch die Ergebnisse nicht durch unterschiedlich abgegrenzte Regionen verfälscht werden können.⁶¹⁸ Einzelne Variablen wie Baukostenindex, Zinsen oder Preisniveau sind nur auf Bundesebene verfügbar, weswegen diese verwendet wurden. Eine genaue Be-schreibung der in dieser Untersuchung verwendeten Daten inklusive Definition und Quelle ist im Anhang unter dem Abschnitt C Datenbeschreibung zu finden.⁶¹⁹

5.2.2.3 Auswahl und Aufbereitung der Daten

Die Auswahl der Variablen basiert auf den vorherigen theoretischen Überlegungen und den Er-gebnissen der Metaanalyse in Kapitel 4. Des Weiteren die Verfügbarkeit der Variablen zu deut-schen Büromärkten und deren Qualität und Quantität berücksichtigend. Mieten stehen nur in nominaler Form zu Verfügung. Insbesondere bedingt durch die zuvor angesprochenen mögli-chen Mietzugeständnisse ist die Ermittlung von realen, effektiven Miete nur schwer möglich, und so stehen keine Zeitreihen oder geeignete Deflatoren zur Verfügung. Aus diesen Gründen wird eine konstante Inflation angenommen, und es werden die nominalen Zeitreihen verwendet.

Bevor die Zeitreihen der Variablen für die folgenden Analysen verwendet werden, werden zu-nächst die prozentualen Veränderungsgrößen ermittelt. Dies bringt folgende Vorteile mit sich:

erstens werden sämtliche Trends in den Zeitreihen entfernt und Stationarität sichergestellt, zwei-tens wird die Problematik der unterschiedlichen Einheiten umgangen, und dritzwei-tens vereinfacht es die Interpretation der Ergebnisse.⁶²⁰ Es werden die üblichen deskriptiven Statistiken⁶²¹ durchge-führt, deren Ergebnisse Tabelle 28 bis Tabelle 32 entnommen werden können. Alle Zeitreihen haben die gleiche Frequenz. Im Anhang sind die Zeitreihen zudem in Sequenzdiagrammen dar-gestellt. Mit ihnen können zeitliche Zusammenhänge von Zeitreihen sowie auch die individuel-len Charakteristika und die zeitlichen und größenbezogenen Verhältnisse der Hoch- und

618 Vgl. Kritik an Wheaton, W. C., et al. (1997) in Punkt 4.3.1.5.

619 Siehe Anhang, S. 225 bis 229.

620 Vgl. Evans, M. K. (2003), S. 106; Ball, M., et al. (1998), S. 222. Stationarität wird angenommen. Eine separate Prüfung auf Stationarität ist auf Grund der Länge der Zeitreihen nicht möglich.

621 Zu diesen zählen u.a. Minimum, Maximum, Mittelwert und Median sowie Standardabweichung, Schiefe und Wölbung. Vgl. Tabelle 28 bis Tabelle 32.

punkte bzw. Ausreißer⁶²² beschrieben werden. Saisonale Anpassungen sind nicht nötig, da es sich um jährliche Zeitreihen handelt.⁶²³