VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ

VLIV VELIKOSTI OBCE NA TRŽNÍ CENY RODINNÝCH DOMŮ Abstrakt Martn Cupal 1 Prncp tvorby tržní ceny nemovtost je sce založen na tržní nabídce a poptávce, avšak tento trh je značně nedokonalý. Nejvíce ovlvňuje tržní cenu nemovtost její poloha. Na dvou krajích v České republce byl zobrazen lneárním regresním modelem vlv velkost obce na tržní ceny rodnných domů. Výsledný vypočtený model ukazuje vzájemnou závslost těchto dvou velčn a umožňuje numercké využtí zejména př stanovování tržní ceny porovnávací metodkou. ÚVOD Př určování tržní ceny je třeba zohledňovat různé vlvy. Mez nejdůležtější patří poloha nemovtost. Pro kvantfkac těchto vlvů na výpočet tržní ceny je vhodné využívat statstckých metod. Pro odhadnutí závslost tržní ceny na velkost obce lze použít lneární regresní model. CHARAKTERISTIKA TRHU NEMOVITOSTÍ A JEHO SPECIFIKA Př oceňování nemovtostí nás zpravdla nejvíce zajímají dva typy cen, a to cena obvyklá (též obecná, tržní) nebo cena úřední (též admnstratvní), která se stanoví na základě zvláštního předpsu (zákon č. 151/1997 Sb.,o oceňování majetku a vyhláška 540/00 Sb., kterou se provádějí některá ustanovení tohoto zákona). Základním předpsem, který vymezuje tyto pojmy je zákon č. 56/1990 Sb., o cenách, jenž v 1 odst. stanovuje: Cena je peněžní částka: sjednaná př nákupu a prodej zboží podle až 13 nebo podle zvláštního předpsu (vz. výše) k jným účelům než k prodej Cena tržní se většnou zjšťuje porovnáním s jž realzovaným prodej podobných věcí, které se uskutečnly v určtém místě a čase. Hraje zde pochoptelně rol dostupnost, relevance a věrohodnost nformací. Mělo by se také jednat o statstcky významný soubor nformací, poněvadž v opačném případě by měl výsledek velm nízkou vypovídací schopnost a bylo by na místě zvolení jné metodky. Tržní cena nemovtost však vznká na trhu stejně jako ostatní statky, ovšem tento trh má řadu svých specfk. Pořád však platí základní aspekty pro stanovení rovnovážné ceny trhu. Především je to střet nabídky s nemovtostm (hojně reprezentované realtním kancelářem) a poptávky po nemovtostech. U nemovtostí je postup zpravdla takový, že nabídková cena má vytvořt shora ohrančený nterval, ve kterém se bude pohybovat cena př obchodování, a jeho horní mez je právě tvořena hodnotou nabídkové ceny. Ceny nzerované k prodej jsou tedy převážně vždy vyšší, než jaké budou nakonec dosaženy. Pro realtní 1 Cupal, Martn, Ing. et Bc. Ústav soudního nženýrství, Vysoké učení techncké v Brně, Údolní 44/53, 60 00 Brno, martn.cupal@us.vutbr.cz 1

nabídku v podstatě platí krtérum, že cena odhadované nemovtost nemůže být větší než cena stejné nemovtost nzerované k prodej. Tedy nabídková cena takto stanovená pak buďto klesá ještě v nabídce anebo se domluví až cena prodejní stejná nebo nžší. Zde se vychází z předpokladu, že vyšší cenu prodeje, než byla nabídková cena, by za standardních podmínek málokdo akceptoval. Ncméně nabídka sama o sobě ještě trh netvoří, je třeba poptávky. Jejch vzájemné ovlvňování dospívá k výsledné ceně. Př analýze poptávky se subjekty budou nejspíše zaměřovat na užtek z dané nemovtost. Zde je však velm důležtý aspekt poptávky: užtek je subjektvní velčna a tudíž může významně působt na cenu (pokud bude například velm oblíbená lokalta v obc, může tento fakt značně zastínt samou věcnou hodnotu nemovtost). p (cena) S 0 S 1 p E D E 0 q E Q (množství) Graf č. 1 Model trhu s různou nabídkou dle délky období V grafckém zobrazení modelu trhu je ukázáno, jak se vyrovná nabídka a poptávka v bodě rovnováhy E [p E ;q E ]. Poptávková křvka D je u trhu s nemovtostm relatvně cenově elastcká, protože nemovtost v žvotě člověka představuje značnou nvestc a navíc může s koupí vyčkávat déle a nutně j nemusí hned koupt. Nabídková křvka S 0 (nabídka v krátkém období) je relatvně strmá a tedy nepřílš pružná, protože zejména v krátkém období př růstu poptávky nelze dodat na trh adekvátní množství produkce (např. mpulsem k další výstavbě rodnných domů č bytů je jstě fakt, že se prodají už v počátcích výstavby a tudíž pravděpodobně budou v další výstavbě snadno prodány). Je ale třeba určtá doba k tomu, aby nabídka dokázala zareagovat na poptávku (doba výstavby a tvorba nových kapact). V krátkém období by tedy vzrostla především cena, avšak časem by se přzpůsobovalo požadované množství nemovtostí. V delším období tedy nabídku zobrazuje křvka S 1 a z grafu je taky vdět, že př zvýšení poptávky by v delším období byla cena nžší než v kratším, protože nabídka S 1 dokáže nabídnout jž větší množství nemovtostí než S 0. Ovšem výrazné specfkum u nemovtostí spočívá v tom, že z nějakého důvodu může být nabídka pozemků a jných nemovtostí dlouhodobě omezená (například tím, že nkdo nevybavuje rozvojové pozemky nženýrským sítěm, ale také třeba tím, že se strktně chrání zemědělská půda, a tím se znemožňuje územní rozvoj města), tudíž se sníží dsponblní zásoba pozemků (nemovtostí) pro trh na mnmum neschopné dosáhnout rovnovážného stavu E. Trh pak buď přestane fungovat (pozemky a nemovtost se přestanou prodávat a

kupovat), nebo (v případě cenové regulace) vznkne černý trh, který nerespektuje ofcální pravdla. Modelové zobrazení této stuace zachycuje následující obrázek. p (cena) S D 0 Q (množství) Graf č. Zhroucení trhu s neelastckou omezenou nabídkou [5] Zjstt cenu nemovtost, stavby nebo pozemku, je vždy obtížné vzhledem k specfčnost trhu nemovtostí. Tento trh se dá pak obtížně porovnávat s jným trhy, například s trhem strojních zařízení. Zde je na místě uvést důležtá specfka trhů nemovtostí: Každý pozemek je unkátní svou polohou, svým fyzkálním vlastnostm, vlvy svého předchozího využtí atd.; je tedy těžké nějak absolutně vyjádřt kvaltu pozemku, hodnott jej a stanovt správnou cenu. Každou nemovtost lze (alespoň teoretcky) využívat řadou různých způsobů, z nchž každý má jné efekty, vč. ekonomckých. Cena stavebních pozemků je zpravdla řádově vyšší než cena jných pozemků. Ekonomcký potencál (komerční hodnotu) každé nemovtost ovlvňují externalty (vnější vlvy) okolí. Jen velm malé procento pozemků č nemovtostí je současně na trhu. Naprostá většna nemovtostí není nabízena, takže možnost výběru ze strany poptávajícího jsou velm omezeny. Frekvence prodeje nemovtostí je ve většně případů velm malá (většna z nás s kupuje nemovtost jednou nebo dvakrát za žvot na rozdíl třeba od oblečení a spotřebčů). Důležté je především to, že většna nabízejících poptávajících nemá dostatečné zkušenost, aby posoudla kvaltu a adekvátnost ceny nemovtostí vzhledem k stuac na trhu. Proto se zpravdla prodej realzuje za účast zprostředkovatele a nezávslého experta. Neexstuje nsttuce, která by poskytovala komplexní přehled o trhu s nemovtostm a která by byla schopna nabízet plný sortment typů nemovtostí na větším území. Hodnota resp. cena nemovtost je hlavně v obytných územích výrazně ovlvňována socálním statutem území. 3

Z výše uvedeného plyne, že trh nemovtostí bývá oprávněně označován jako velm nedokonalý, tedy ovlvňovaný také řadou jných faktorů než jsou základní ekonomcké zákony. Základním rysy nemovtostí jsou: nepřemísttelnost, neopakovatelný výrobek, dlouhodobá žvotnost. Jsou to jakés hlavní determnanty. Pokud chceme dospět k tržní ceně nemovtost, musíme zohledňovat pečlvě všechny vlvy, které mají nebo mohou mít na tuto cenu vlv. K tomu směřují různé metody. Počty těchto vlvů se různí, většnou se uvažuje mez dvěma až třeba třcet vlvy, ale to záleží také na tom, jestl jsou agregované nebo samostatné. Nejvýraznějším faktorem (vlvem) je poloha nemovtost. Ten lze samozřejmě rozdělt na řadu dílčích faktorů, jako je velkost obce, ve které se nemovtost nachází, vybavenost obce, její okolí, její další regonální kontext, dále pak umístění nemovtost v dané obc, územní plán aj. V následující kaptole je demonstrována závslost tržní ceny na poloze nemovtost v rámc velkost obce a regonu. ODHAD VLIVU VELIKOSTI OBCE NA TRŽNÍ CENU RODINNÝCH DOMŮ POMOCÍ METOD REGRESNÍ ANALÝZY Výchozí podmínky výzkumu a kvantfkace dat Základní datový soubor byl vytvořen z rodnných domů nacházejících se ve dvou krajích České republky. Jsou to Jhomoravský kraj a kraj Vysočna. V těchto krajích jsou patrné odlšné podmínky geografcké, ekonomcké, socální a jné. Bylo tedy apror zřejmé, že tyto efekty budou mít dopad na tržní cenu nemovtostí př jejch porovnání. Soubor dat byl vytvořen z 67 rodnných domů, z toho 01 v Jhomoravském kraj a 66 v kraj Vysočna. Tyto počty byly svým způsobem determnovány sledovaným obdobím, po které byly ceny těchto nemovtostí sledovány a také aktualzovány v perodě jednoho týdne. Jedná se o databáz, která vznkla z nabízených nemovtostí na realtních serverech v období od 1.6.007 do 15.9.007. Jedná se tedy o nabídkové ceny, které se však většnou po určté době konvergují k ceně realzace. Jak jž ale bylo zmíněno v předešlé kaptole, cena odhadované nemovtost nemůže být větší než cena stejné nemovtost nzerované k prodej. Občas je používán koefcent redukce na pramen ceny, který je pro tyto případy přblžně 0,85. Pokud tedy vezmeme cenu z realtní nzerce okamžtě, je vhodné tímto koefcentem tuto násobt a dostáváme cenu prodejní. Ncméně v tomto modelu to není přílš důležté, protože popsujeme závslost mez velkostí obce a cenou nemovtostí a všechny ceny nemovtostí budou z realtní nzerce, tudíž k porovnání máme u všech stejné podmínky. Pokud však chceme konkrétní odhad ceny nemovtost v určtém kraj č obc (nejspíše střední hodnotou), pak můžeme tento koefcent použít, když zde by byl značně vyšší kvůl úpravám cen a aktualzacím. K určení velkost obce bylo zvoleno přřazení počtu obyvatel, protože vyjadřuje nějakou blízkou úměrou počet nemovtostí v obc resp. rodnných domů na rozdíl například od rozlohy obce. Následně byly vybrány obce náhodně, avšak bylo zde dodržováno jsté ntervalové rozpětí u počtu obyvatel obce, aby bylo možno vytvořt spektrum dle počtu obyvatel 4

rovnoměrně v celkovém ntervalu. Byly tedy vybrány určté reprezentanty daného ntervalu a rozložení obcí vznklo následovně: Kraje Jhomoravský Vysočna Třídy obec počet obyvatel obec počet obyvatel Třída: A 1 000 000-100 000 Třída: B 100 000-50 000 Třída: C 50 000-35 000 Třída: D 35 000-5 000 Třída: E 5 000-15 000 Třída: F 15 000-10 000 Třída: G 10 000-5 000 Třída: H 5 000-3 000 Brno - Znojmo 388 899 36 618 Hodonín 8 431 Břeclav 7 6 Vyškov 374 Havlíčkův Brod 4 57 Blansko 1 386 Žďár nad Sázavou 4 49 Pelhřmov 16 674 Kyjov 1 79 Velké Mezříčí 11 800 Veselí nad Moravou 1 476 Humpolec 10 77 Boskovce 11 474 Nové město na Moravě 10 464 Tšnov 8 11 Moravské Budějovce 7 978 Bučovce 6 309 Třešť 5 90 Velké Pavlovce 3 069 Žrovnce 3 083 - Jhlava 50 136 Třebíč 39 688 Tab č. 1 Zatřídění vybraných obcí s jejch počty obyvatel do výběrových ntervalů Z realty je zřejmé, že počet obcí se s rostoucím počtem obyvatel snžuje. Proto jsou ve vyšších ntervalech téměř všechny obce daného kraje, zatímco v nžších ntervalech bylo nutno vybírat jž zmíněné reprezentanty daných ntervalů. Soubor všech tržních cen nemovtostí byl tvořen 67 hodnotam. Tyto hodnoty mají docela velký rozsah, náleží do ntervalu <30 000; 1 900 000 >. Pro mnoho statstckých zpracování je důležté rozložení četností určtého znaku resp. proměnné (v tomto případě tržní ceny). Vzhledem k tomu, že se počet varant hodnot blíží spíše rozsahu souboru nežl několka hodnotám, přřazujeme četnost nkolv jednotlvým varantám (bodové rozložení četností), ale celým ntervalům hodnot. Jedná se o ntervalové rozložení četností. V následujícím grafu č. 3 je toto ntervalové rozložení četností zobrazeno pro náš vybraný datový soubor s tržním cenam rodnných domů. Přes všechny ntervaly probíhá normální rozložení datového souboru respektve prokládá tyto hodnoty. Tento typ rozložení popsuje náhodnou velčnu Y například tak, že ke konstantě μ se přčítá velké množství nezávslých náhodných vlvů mírně kolísajících kolem 0. Proměnlvost těchto vlvů je vyjádřena konstantou σ > 0. - (yμ) σ (y) e (1) σ 1 π Tato funkce popsuje průběh hustoty pravděpodobnost (v našem případě relatvní četnost) velčny Y a je znázorněna červenou křvkou v grafu. Standardně se zapsuje typ rozložení náhodné velčny pomocí jejích parametrů. Normální rozložení se zapsuje jako Y ~ N (μ, σ ). Tyto parametry byly popsány výše; pro naše data jsou hodnoty těchto parametrů 5

uvedeny rovněž v grafu, takže výsledkem je Y ~ N(3 189 000, 019 300). Kromě normálního rozložení by bylo možno použít beta-normální rozložení, které má trochu jný průběh hustoty pravděpodobnost. 80 Hstogram (Tabulka9 v*67c) Y = 67*1,58E6*normal(x; 3,189E6;,0193E6) 70 60 Počet pozorování 50 40 30 0 10 0 3,E5,836E6 5,35E6 7,868E6 1,0384E7 1,9E7 1,578E6 4,094E6 6,61E6 9,16E6 1,164E7 Y Graf č. 3 Intervalové rozložení četností tržních cen [STATISTICA 7] K výpočtu odhadu parametrů pro model závslost mez tržní cenou a velkostí obce máme tedy číselná data, kde velčna X představuje počet obyvatel a velčna Y tržní cenu rodnných domů. Na následujícím grafu č. 4 jsou jž zobrazeny obě velčny. Je patrno, že zobrazované hodnoty netvoří souvslejší strukturu po celém grafu. To je však důsledek realty resp. vytvořené nepravdelné struktury obcí v České republce s různým počtem obyvatel. 6

Y (tržní cena) XVII. Meznárodní vědecká konference soudního nženýrství 14 000 000 VZTAH TRŽNÍ CENY A VELIKOSTI OBCE 1 000 000 10 000 000 8 000 000 6 000 000 4 000 000 000 000 0 0 50 000 100 000 150 000 00 000 50 000 300 000 350 000 400 000 X (počet obyvatel) Graf č. 4 Vztah tržní ceny rodnných domů a velkost obce V následující kaptole bude popsán a vypočítán lneární regresní model, který vysthuje průběh závslost mez počtem obyvatel a tržní cenou rodnných domů. Sestavení modelu a metoda výpočtu odhadu neznámých parametrů Pro zjštění průběhu závslost je zapotřebí sestavt a vypočítat lneární statstcký model. Tento proces se nazývá regresní analýza a jejím cílem je popsat resp. vysthnout průběh závslost hodnot 1 náhodné velčny (Y) na hodnotách k-náhodných velčn X 1 až X k. Náhodná velčna Y zde představuje vysvětlovanou nebo závslou proměnnou a X 1 až X k vysvětlující nebo nezávslou proměnnou. Potom Y(x 1,,x k ) představuje neznámý výsledek měření velčny Y za podmínek, že X 1 =x 1,, X k =x k (malá písmena představují konkrétní hodnoty př provedení expermentu). Regresní funkce velčny Y vzhledem k velčnám X 1 až X k vypadá takto. 1 x k y E Y x,..., () Počet měření je v našem případě 67 a je roven N. Jelkož se jedná o vlv náhody, dá se regresní funkce psát následovně. y ε E(Y x, = 1,,N (3) Uvažují se náhodné vlvy pomocí ε, což je de facto hodnota náhodné chyby -tého měření a platí tedy: 7

Y x εx E Y x (4) V tomto vztahu Y(x) představuje neznámý výsledek měření v bodě x (náhodná velčna); E[Y(x)] je regresní funkce (reálná funkce proměnné X) a náhodná velčna ε(x), pro kterou platí E[ε(x)] = 0 (střední hodnota chyby). Pro úplnost dodávám, že střední hodnota náhodné velčny X je E(X) a představuje střed rozdělení, okolo kterého kolísají realzace náhodné velčny X. Dále dodávám, že před provedením expermentu mluvíme o proměnných jako o náhodných velčnách (X) a po provedení expermentu jsou to realzace náhodné velčny (x). Následně musíme odhadnout hodnotu parametrů regresní funkce. Pro tento případ byla vybrána lneární regresní funkce s logartmckým průběhem. Lneární regresní funkce je totž lneární funkcí parametrů β 1,,β k, ale to neznamená, že její průběh je lneární. Konstanty, které je třeba určt, jsou jž zmíněné regresní parametry a jejch vektor β je vektorový regresní parametr. T β β,..., (5) 1 βk Dále tedy můžeme uvažovat lneární regresní funkc v tomto tvaru.,...,x ) β x... β x T β y E Y(x (6) 1 k 1 1 kx k Př provedení expermentu pro N měření označíme Y jako neznámý výsledek -tého měření, tj. výsledek v bodě x 1,,x k a = 1,,N. Y Y(x 1,...,xk ) (7),...,x β x... β x β E(Y ) E Y x, pro = 1,,N (8) 1 k 1 Jestlže pro náhodný vektor Y platí tento vztah, říkáme, že se řídí lneárním regresním modelem. Pro zjednodušení budeme uvažovat základní lneární regresní model, který uvažuje velčny Y 1,,Y N stejně přesné a nekorelované. Pro výpočet všech měření N má lneární regresní model tento tvar. 1 k k x T x11 x1.. x T 1k Y 1 x1 x 1 x.. x k E(Y) E : : β β Xβ (9) T : : Y N x N x N1 x N x Nk Matce X je tzv. matce plánu nebo též regresní matce. I-tý řádek matce udává bod, ve kterém se měří a neznámý výsledek je y. Matc plánu pro tento případ regrese lze sestavt, protože známe body (zde počty obyvatel v obcích), ve kterých měříme (zde tržní ceny rodnných domů). Zvolený regresní model pro tento případ je následující. Y(x) β β ln(x) E 1 (10) 8

Z výše uvedeného lze určt matc plánu X a bude vypadat následovně. 1 1,8710749 1 1,8710749 X : : (11) : : 1 8,03365843 Matce plánu je reálná matce a má rozměr N/k (zde 67/) a pomocí ní také vypočteme bodové odhady neznámých parametrů β 1 a β. Tyto odhady provedeme metodou nejmenších čtverců, tzv. MNČ odhad. Prncp je založen na mnmalzac součtu čtverců odchylek skutečných hodnot od hodnot vysvětlovaných lneárním regresním modelem. Výpočet vede na soustavu normálních rovnc, kde výsledkem je tento matcový vztah, který vznkne po algebrackých úpravách. T T X Xβ X Y (1) Pro výpočet odhadu parametrů β 1 a β tento vztah upravíme na tento tvar. T 1 T X X X Y β (13) Z tohoto vztahu jsme schopn operacem mez vektory a matcem dospět k výslednému vektoru neznámých parametrů β. Podotýkám, že vektor Y je vektorem neznámých výsledků, ale v našem případě výsledných hodnot expermentu, tedy vektor hodnot tržních cen. Tento případ lze početně řešt nejlépe pomocí nějakého výpočetního softwareu, modely menšího rozsahu lze řešt například pomocí MS Excel. Zde je však omezení v podobě počtu buněk a rozsáhlejší data jž zde nelze spočítat (vz. tento případ). Proto doporučuj matematcký software, například MATLAB 7.0. Výsledek odhadu neznámých parametrů byl tento: β 1 = -4 368 604,66 a β = 76 949,98. Výsledný regresní model a jeho adekvátnost Vypočtený lneární regresní model má následující podobu. Y(x) 76950ln(x) - 4368605 E (14) Po zavedení a zobrazení modelu do jž vytvořeného grafckého zobrazení datového souboru bude vypadat toto zobrazení následovně. 9

Y (tržní cena) XVII. Meznárodní vědecká konference soudního nženýrství 14 000 000 VZTAH TRŽNÍ CENY A VELIKOSTI OBCE 1 000 000 10 000 000 8 000 000 6 000 000 4 000 000 000 000 0 0 50 000 100 000 150 000 00 000 50 000 300 000 350 000 400 000 X (počet obyvatel) Graf č. 5 Lneární regresní model pro vyjádření vztahu tržní ceny rodnných domů a velkost obce Tento model využívá logartmckou regresní funkc, která je nejlepší varantou regresní funkce. Jné průběhy této funkce, jako například exponencální nebo lneární, vykázaly horší adekvátnost k danému modelu. Míra adekvátnost modelu se vykazuje statstkou Se, což je rezduální součet čtverců. Je to rozdíl mez skutečně naměřenou hodnotou a hodnotou vysvětlenou modelem. Rozdílem je chyba ε (rezdua) a pro všechna měření N tedy platí následující. N 1 N Se Y Y ε (15) Čím je statstka Se menší, tím je model adekvátnější. Nevýhodou je, že není shora omezená a hodí se tedy spíše k porovnávání kvalty modelů. Proto se míra adekvátnost modelu vyjadřuje pomocí tzv. výběrového koefcentu mnohonásobné determnace R. Pokud je roven 1, naměřené body leží přímo na regresní funkc a tedy 100 % varablty závslé proměnné Y je vysvětleno danou regresní funkcí. Pokud je naopak roven 0, tak 0 % varablty závslé proměnné Y lze vysvětlt danou regresní funkcí (nezávslost na X). K určení tohoto výběrového koefcentu mnohonásobné determnace R potřebujeme určt kromě Se také Sc a Sr. Sc je celkový součet čtverců (celková varablta Y) a Sr představuje regresní součet čtverců (tu část celkové varablty Y, která je vysvětlena regresní funkcí). Tedy Se je ta část varablty, která není vysvětlena regresní funkcí. Z výše uvedeného evdentně platí toto. 1 Sc = Se + Sr (16) 10

Výpočet statstk Sc a Sr: N 1 N Y ;Sr (Y Y) 1 Sc Y (17) U těchto dvou statstk je odčítán průměr od skutečně naměřené hodnoty (Sc) a od hodnoty vysvětlované modelem (Sr). Rovnc (16) lze upravt na tvar: Se Sr 1 (18) Sc Sc Pak R se rovná podílu Sr/Sc. Př vypočtených statstkách Sc a Se má tedy tvar: R Se 1 (19) Sc Hodnota R se realzuje v ntervalu <0;1>. Výpočet tohoto konkrétního případu je uveden v tabulce č.. Statstka R Statstka Se Statstka Sc 0,57 839 815 535 893 467 1 084 585 76 569 460 Tab č. Výpočet statstk pro zjštění adekvátnost modelu Výsledná hodnota výběrového koefcentu mnohonásobné determnace R pro zjšťovaný případ závslost tržní ceny rodnných domů na velkost obce (resp. počtu obyvatel v obc) je 0,57, což není velm vhodné číslo pro adekvátnost modelu. Zároveň však musíme respektovat skutečnost, že tento model musel být sestaven tak, že data jsou tříděna dle jednotlvých obcí vždy vertkálně (určté množství objektů resp. jejch tržních cen v jedné obc) a tak tímto faktem byla rozptýlenost výrazně zvyšována. Pokud bychom vycházel ze středních hodnot tržních cen pro jednotlvé obce a tím elmnoval tento fakt, pak by tento konkrétní model měl hodnotu výběrového koefcentu mnohonásobné determnace R rovnu číslu 0,741. Znamená to, že 74,1 % varablty závslé proměnné Y lze vysvětlt danou regresní funkcí. Další důvod, proč je model relatvně adekvátní (vzhledem k determnac skutečností) je ten, že ostatní regresní funkce (např. mocnnného č exponencálního průběhu) nedosahují vyšší hodnoty R, než je v případě logartmckého průběhu regresní funkce. Porovnání středních hodnot tržních cen rodnných domů ve dvou krajích Data byla shromážděna pro kraje České republky. Odhad středních hodnot tržních cen u obou krajů je znázorněn v grafu č. 6. Rozsah datového souboru pro kraj Vysočna je tvořen 66 rodnným domy a střední hodnota tržní ceny rodnného domu ční 643 864 Kč. Databáz Jhomoravského kraje tvoří 01 rodnných domů a střední hodnota je 3 367 959 Kč. Věrohodnější odhad střední hodnoty je u Jhomoravského kraje vzhledem k většímu rozsahu dat. 11

Srovnání průměrné ceny RD v kraj Vysočna a v Jhomoravském kraj 4 000 000 3 500 000 3 000 000 500 000 000 000 1 500 000 1 000 000 500 000 0 kraj Vysočna 1kraj Jhomoravský Graf č. 6 Srovnání průměrné tržní ceny RD v kraj Vysočna a v Jhomoravském kraj ZÁVĚR Na tržní hodnotu nemovtost působí hodně vlvů. Mez nejvýznamnější patří poloha obce, ve které se daná nemovtost nachází, poloha nemovtost v rámc obce aj. Na dvou krajích v České republce byl proveden výzkum vlvu velkost obce, reprezentovanou počtem obyvatel, na tržní cenu rodnného domu. Pro data obou krajů byl vytvořen lneární regresní model, který popsuje tuto závslost jako funkc vysvětlované proměnné (Y tržní ceny) závsející na vysvětlující proměnné (X počet obyvatel). Tento model byl vypočten a byla posouzena adekvátnost jeho použtí. S ohledem na determnanty skutečného světa vyšel tento model jako relatvně adekvátní. Pro lustrac úrovně tržní ceny ve dvou zkoumaných krajích byla srovnána průměrná hodnota tržních cen v obou krajích. Výsledkem bylo zjštění, že tržní hodnota průměrného rodnného domu je v Jhomoravském kraj o 700 ts. Kč vyšší než v kraj Vysočna. Význam lneárního regresního modelu lze spatřovat především př stanovování tržní ceny porovnávací metodkou. Numercky se dá využít jako funkční hodnota (tržní cena) pro určtou velkost obce. Lze tedy převést tržní cenu v jedné obc s určtou výší počtu obyvatel na tržní cenu obce s jným počtem obyvatel. Pokud by se počítalo s porovnávacím koefcenty, tak by se jednalo o podíl těchto cen. LITERATURA [1] BRADÁČ, Albert a kol.: Teore oceňování nemovtost. Akademcké nakladatelství CERM, 004, 6. přepracované a doplněné vydání, Brno ISBN 80-704-33-3. [] ŽÍTEK, Vladmír: Oceňování nemovtostí a přírodních zdrojů. Masarykova unverzta v Brně, Ekonomcko-správní fakulta, 005, 1. vydání, Brno ISBN 80-10-3653-. [3] BRADÁČ, Albert a kol.: Soudní nženýrství. Akademcké nakladatelství CERM, 1999, dotsk 1. vydání, Brno ISBN 80-704-133-9. 1

[4] FUCHS, Kaml, TULEJA, Pavel: Základy ekonome. EKOPRESS, 003, 1. vydání, Praha ISBN 80-86119-74-. [5] MAIER,K., ČTYŘOKÝ,J.: Ekonomka územního rozvoje. Grada Publshng, 001, Praha [6] BUDÍKOVÁ, Mare: Statstka I. Masarykova unverzta v Brně, Ekonomcko-správní fakulta, 004, 1. vydání, Brno ISBN 80-10-3411-4. [7] BUDÍKOVÁ, Mare: Statstka I. Masarykova unverzta v Brně, Ekonomcko-správní fakulta, 004, 1. vydání, Brno ISBN 80-10-3411-4. [8] KOUTKOVÁ, Helena, MOLL, Ivo: Úvod do pravděpodobnost a matematcké statstky. Akademcké nakladatelství CERM, 001, Brno ISBN 80-14-1811-7 [9] http://www.mestaobce.cz [10] http://www.srealty.cz [11] http://www.nemovtost.cz [1] http://realty.atlas.cz 13