„Bevezetés
A magyar háztartások döntő többsége saját ingatlanában lakik. Európai összehasonlításban is rendkívül alacsony a piaci lakásbérletek aránya a magyar lakáspiacon, a 2016. évi mikrocenzus szerint a lakott lakások 6,7%-át, mintegy 260 ezer lakást használt olyan lakó, aki azt magántulajdonostól vette bérbe. 2018-ban hazánkban a népesség 4,8%-a lakott piaci bérlakásban, míg az uniós tagállamok átlagában ez az arány megközelítette a 21%-ot.A lakáskiadás a magyarországi lakáspiac szürke zónájába tartozik.
- Szereplői közül sokan rejtőzködnek, viszonyai gyorsan változnak, sok tekintetben nem illeszkednek a hagyományos statisztikai adatgyűjtések fogalmi kereteibe, és megfigyelésük is nehezen oldható meg a hagyományos statisztikai megoldásokra támaszkodva. Ezért rendkívül nehéz megbízható méréseket végezni a bérleti szektor nagyságára, lakóira és nem utolsósorban árviszonyaira vonatkozóan.
- Ugyanakkor a magánlakások kiadása az elmúlt években érzékelhetően terjedt, és mára a nagyvárosi lakáshelyzet egyik meghatározó tényezőjévé vált. A lakbérek alakulására vonatkozó statisztikai információkat ma már a döntéshozók, piaci szereplők és a kutatók mellett a lakosság is igényli, a megbízható adatok hiányában keletkező űrt részinformációk, bizonytalan eredetű és érvényességű adatok töltik ki.
Jelentős előrelépés ebben a helyzetben, hogy az ingatlan.com felajánlotta hirdetési adatbázisát a Központi Statisztikai Hivatalnak statisztikai hasznosításra, a lakbérek alakulásának megfigyelésére. Az ingatlan.com rendkívül kiterjedt, több százezer egyedi hirdetést tartalmazó adatbázissal rendelkezik, ami struktúráltságában is alkalmas a statisztikai feldolgozásra.
- Ennek az adatbázisnak és a KSH rendszeréből elérhető, lakáspiaci szempontból releváns adatoknak az összekapcsolása olyan elemzések elkészítését teszi lehetővé, amelyeket külön-külön egyik közreműködő sem tudna megoldani.
- További előnye az együttműködésnek, hogy a hivatalos csatornáknál sokkal gyorsabb elérést biztosít az adatokhoz, így a tárgyidőszakot követően néhány napon belül rendelkezésre állhatnak a lakáspiac e különösen érzékeny szegmensére vonatkozó információk.
Az ingatlan.com és a KSH jelenlegi együttműködését egy közel egy éven át tartó kutatási időszak előzte meg. Ebben az időszakban havi rendszerességgel történt meg az adatok átvétele az ingatlan.com aktuális adatbázisából.
Szemben a hivatalos statisztikákkal, eredményeink nem fedik le a teljes vizsgált sokaságot, vagyis az albérleti piacot, hiszen csak az ingatlan.com hirdetései között megjelenő bérletek adataira támaszkodnak. A jelen kutatást megelőző, 2018. évi KSH-lakbérfelmérés (Magánlakásbérlés, bérleti díjak – a 2018. évi lakbérfelmérés főbb eredményei) eredményei szerint a fővárosi lakáskiadók közel fele, a megyeszékhelyeken élők több mint egyharmada internetes ingatlanportálokon keresztül került kapcsolatba a bérlővel, és ez az arány az azóta eltelt időben valószínűleg tovább emelkedett. Az ingatlan.com jóvoltából elérhető adatforrás tehát alkalmas arra, hogy ebből informálódjunk a bérleti piac alapvető folyamatairól.
Eredmények
A kapott eredmények a kínálati lakbérek alakulásáról adnak tájékoztatást, tehát a piacra éppen belépők számára elérhető lakások bérleti szintjét tükrözik és ez – mint korábban szintén kimutattuk – jelentősen eltér az adott időszakban ténylegesen bérelt lakásokra jellemző értékektől. A bérleti díjak többsége a megállapodás után nem emelkedett, így szintjük általában a beköltözés időszakának árviszonyait tükrözte.Hangsúlyozzuk, hogy az itt közzétett eredmények kutatási statisztikák, vagy ahogy nemzetközi terminológiában az ilyen típusú statisztikákat hívják, ún. kísérleti statisztikák valamilyen újszerű, innovatív megoldáson alapulnak. Újszerűségük új adatforrások, új módszerek használatában is rejlik, a hivatalos statisztikáktól eltérően azonban kevésbé robusztusak, esetleg nem fedik le az adott jelenség minden aspektusát, az eredmények azonban így is a legtöbb minőségi elvárásnak megfelelnek.
Módszertani leírás
Az ingatlan.com adatbázis jellemzői
Az adatbázis 2015 májusától áll rendelkezésünkre, ettől kezdve tudjuk bemutatni a lakbérek alakulását – jelenleg 2020 júniusáig.Az adatbázis teljeskörűen tartalmazza a következő változókat: település (Budapesten kerület), megye, ingatlan típusa (lakás vagy családi ház), ingatlan altípusa (például: panellakás, társasház), hirdető (magán- vagy irodai hirdetés), hirdetés státusza, hirdetés levételének oka, alapterület, hirdetési ár, fűtés típusa, szobák száma, félszobák száma, ingatlan állapota, rendelkezik-e légkondicionálóval, fürdőszobák száma.
További, részlegesen kitöltött információk is megjelennek: utca, emelet, városrész, telek területe, terasz területe, komfortosság, felújítottság, közüzemi díjak, kiadási ár, parkolási lehetőség.
Az adatbázis tartalmazza az adott megfigyelés státuszát, azaz, hogy a hirdetés elérhető-e az adott pillanatban (aktív), vagy nem (inaktív, archivált, törölt). Ezen kívül a hirdetőknek a hirdetés levételekor alkalmuk volt megadni a hirdetés megszüntetésének okát (kiadtam, máshol hirdetek, ingatlanost bíztam meg stb.), mivel azonban a válaszadás erre opcionális, a kitöltöttsége hiányos. Bár a lehetőséggel kevés felhasználó él, ez az információ mégis lehetővé tette, hogy megvizsgáljuk, van-e eltérés a kínálatban megjelenő hirdetések alapján számított index és aközött, amelyet csak a biztosan kiadott lakások kínálati lakbére alapján számítunk ki.
Rendelkezésre áll megfigyelés arra vonatkozóan is, hogy a kérdéses albérlet bútorozott vagy bútorozatlan-e, de mint azt a KSH 2018. évi lakbérfelmérése is megállapította, ez nem bizonyult szignifikáns magyarázó változónak a lakbérre vonatkozóan.
Az ingatlan.com adatbázisa lehetővé teszi a többszörös megjelenések azonosítását, és ez megoldja a hirdetési adatbázisok legnehezebben kezelhető problémáját, a többször meghirdetett esetek által okozott torzítást. Ez egyébként az ingatlanpiacon különösen komoly probléma lehet, elsősorban a közvetítők által ismételten elhelyezett hirdetések nagy száma miatt.
…
KSH-adatok bevonása
A KSH által gyűjtött adatok felhasználása pontosítja a modelleket, megbízhatóbbá teszi az indexek működését. A felhasznált adatok több csoportba sorolhatók:
- Földrajzi osztályozások: településtípus, régió és agglomerációs státusz szerinti besorolás. Ezek a besorolások kategoriális magyarázó változókként jelennek meg a regressziós modellekben, így kontrollálni tudunk arra, hogy az egyes települések eltérő helyet foglalnak el az ország térszerkezetében.
- Vándorlási egyenleg: a település szintű odavándorlásból és elvándorlásból számított települési (Budapesten kerületi) szintű mutató, bázisévi adatokkal számolva. Ezt a változót azért emeltük be a modellünkbe, mert azt feltételezzük, hogy ha egy település vándorlási mutatója magas, az hat az ingatlan- és lakásbérleti piacára: a magas odavándorlás például felviheti az albérletárakat.
- Lakossági jövedelmek szintje: az egy állandó lakóra jutó SZJA-alap figyelembe vételével, amely azon a feltevésen alapul, hogy a helyi jövedelmek alapvetően befolyásolják a helyi lakáspiaci árakat és a lakbéreket.
- Település- vagy városrész szintű bázisévi átlagos négyzetméterár: a lakáspiaci értékesítések és az ingatlan.com bérleti hirdetési adatainak földrajzi összehasonlítása során kiderült, hogy a két piacon megfigyelhető árak földrajzi eloszlása korrelál egymással: ott drágábbak az albérletek, ahol a lakások is drágábbak. Ezt a hatást a modellünkbe a lakásárindex számításához használt tranzakciós adatok felhasználásával emeltük be. A tranzakciós adatbázisban a bázisévet jelentő 2015-ben mért átlagos négyzetméterárakat használjuk, vidéken települési szinten, Budapesten pedig városrész szintjén aggregálva. Budapesten a városrészek a kerületnél kisebb, összetételükben és szerkezetükben jellemzően homogén területi egységek. Ennek a területi szintnek a használatával képesek vagyunk a budapesti árkülönbségeket magas felbontásban reprezentálni. A Budapestre vonatkozó adatok finomabb modellezését az indokolja, hogy a megfigyelt adatbázisban és a bérleti piacon is kiemelkedően nagy a főváros súlya.
…
Kapcsolódó adatok
- Országos lakbérindexek az ingatlan.com kínálatában szerepő kiadó lakáshirdetések alapján
- Régiós lakbérindexek az ingatlan.com kínálatában szerepő kiadó lakáshirdetések alapján
- Budapesti kerületcsoportok lakbérindexei az ingatlan.com kínálatában szerepő kiadó lakáshirdetések alapján
- Átlagos havi lakbér az ingatlan.com kínálatában szerepő kiadó lakáshirdetések alapján
- Kiadó lakások átlagos nagysága az ingatlan.com kínálatában szerepő kiadó lakáshirdetések alapján
Forrás:
Lakbérindex-számítás; Központi Statisztikai Hivatal, Folyamatban lévő kutatások – Lakbérindex-számítás; 2020
Az eredeti cikkből csak néhány részletet közöltünk. A módszertani és árinformációs részeket kihagytuk.
