Keiner will sie haben - Theoretische Ursachen f ur Immobilienleerstand

Die Seite wird erstellt Julian Hirsch

Einkäufe

Deutsch

Like
Teilen
Einbetten
Vollbild
Folien
HTML Herunterladen
PDF Herunterladen
Missbrauch

←

WEITER LESEN

→

Transkription von Seiteninhalten

Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten

Keiner will sie haben –
            Theoretische Ursachen für
              Immobilienleerstand
                    Carolin Rauch & Lars Vandrei

                           11. September 2013

Zusammenfassung

Leerstand auf dem Immobilienmarkt kann verschiedene Ursachen haben. In der
Literatur gibt es eine Reihe von Ansätzen, um die Zusammenhänge, wie es zu Leer-
stand kommt, zu beschreiben. Die Überlegungen des Standardmarktmodells, der
Suchtheorie und der Verhaltensökonomik werden in diesem Literaturüberblick dar-
gestellt und daraufhin analysiert, inwieweit die Modelle Gründe und Ausmaß des
Immobilienleerstands beschreiben können. Daraus lassen sich Hypothesen ableiten,
die im Hinblick auf bereits bestehende empirische Befunde getestet werden.

                                        1

1 Einleitung

Es ist zu beobachten, dass in manchen Regionen Häuser dauerhaft leer stehen (Spehl
(2011)). Dies kann verschiedene Ursachen haben: Das Standardmarktmodell, die
Suchtheorie und die Verhaltensökonomik liefern verschiedene Erklärungsansätze, wie
es zu Leerstand auf dem Immobilienmarkt kommt. Hierbei spielen die getroffenen
Annahmen über die Marktteilnehmer und die gehandelten Güter (d. h. die Immobi-
lien) eine entscheidende Rolle. Daher prognostizieren manche Modelle unter gegebe-
nen Annahmen unterschiedlichen Auswirkungen (von z. B. einem Nachfrageschock).
Auch empirische Analysen treffen nicht immer einheitliche Aussagen in Bezug auf die
verschiedenen Hypothesen: Beispielsweise können besondere Eigenschaften der Ob-
jekte zu längeren Vermarktungszeiten und damit zu potentiellem Leerstand führen
(Haurin (1988)). Gleichzeitig finden Herrin et al. (2004), dass die Verkäufer teilweise
mit starken Preisreduzierungen reagieren, somit den Verkauf beschleunigen und den
Leerstand verringern.
Zunächst werden in Abschnitt 2 die theoretischen Erklärungsmodelle herausgear-
beitet, welche Immobilienleerstand beschreiben und begründen. Daran anschließend
werden die theoretisch fundierten Hypothesen mit den in der Literatur verfügbaren
empirischen Studien abgeglichen (Abschnitt 3). Abschnitt 4 fasst die Ergebnisse
zusammen und diskutiert weitere, offene Fragestellungen.

2 Theoretische Erklärungsansätze für
   Immobilienleerstand

Es finden sich in der Literatur eine Reihe von Modellen, die das Zusammenwirken
von Akteuren auf dem Immobilienmarkt beschreiben. Neben den Annahmen unter
idealen Marktbedingungen (2.1) liefert die Suchtheorie Erkenntnisse über Angebot
und Nachfrage auf dem Immobilienmarkt (2.2). Auch die Verhaltensökonomik (2.3)
lässt sich auf dieses Feld anwenden. Im Folgenden werden die einzelnen Modelle in
Bezug auf deren Erklärungsansätze zu Immobilienleerstand näher betrachtet.

                                           2

2.1 Das Standardmarktmodell

Im Standardmarktmodell mit vollständigem Wettbewerb, rationalen Akteuren und
perfekter Markttransparenz bestimmt das Gleichgewicht aus Angebot und Nachfra-
ge über die gehandelte Menge sowie den damit verbundenen Marktpreis. Angebot
und Nachfrage decken sich im Gleichgewicht und der Markt wird geräumt. Somit
entstehen keine Leerstände.

Das dargestellte Szenario unterliegt der Annahme, dass beide Marktseiten sich als
Mengenanpasser verhalten. Es liegt jedoch nahe, dass dies für den Immobilienmarkt
nicht uneingeschränkt gilt. Das Angebot ist zumindest in der kurzen Frist starr. In
der mittleren Frist kann das Angebot zwar ausgedehnt werden, jedoch würde die
Verringerung der Angebotsmenge gleichbedeutend mit dem Abriss von Immobilien
sein. Der Marktmechanismus legt also nicht etwa eine Menge fest, die daraufhin
produziert wird – viel mehr ist die Menge bereits vorhanden und kann nur durch
die Zerstörung des Produzierten zurück gefahren werden. Insofern ist die Angebots-
menge nach unten auch mittelfristig starr.1

Unter diesen Gegebenheiten ist es denkbar, dass die Angebotsmenge zu einem be-
stimmten Zeitpunkt gar oberhalb der Sättigungsmenge liegt, d.h. dass mehr Häuser
vorhanden sind, als nachgefragt werden. Bei Haltungs- sowie Transaktionskosten
von null dürfte die Angebotskurve bei einem Marktpreis von null genau das Men-
genintervall zwischen null und der starren Angebotsmenge abdecken – schließlich
sind die Anbieter hier indifferent, ob sie eine Transaktion tätigen oder nicht. Schif-
fers (2009) unterstellt Instandhaltungs- und Finanzierungskosten und zeigt auf, dass
Eigentümer eine Mindestmiete verlangen müssen, damit eine konstante Wohnqua-
lität sichergestellt werden kann. Daher würden die Preise bei geringer Nachfrage
nie vollständig auf null sinken, sondern nur näherungsweise. Sofern zusätzlich posi-
tive Abrisskosten unterstellt werden, lässt der Modellrahmen eine Situation zu, in
welcher einige Immobilien bewohnt sind, während andere leer stehen. 2

Hypothese 2.1.1 Leerstand tritt nur dann auf, wenn der Gleichgewichtspreis un-
terhalb der Mindestmiete liegt.

1
Gleichzeitig gilt, dass die Menge nur durch langwierige Bauprozesse ausgedehnt werden kann.
Dieser Fall ist im Hinblick auf Immobilienleerstand jedoch nicht weiter von Bedeutung.
2
Neben den Kosten würde der Abriss eine vollständige Kapitalentwertung darstellen und zudem
würde diese Verringerung des Angebots anderen Eigentümern zugute kommen (Spieker (2005)).
Das hindert Anbieter umso mehr daran, leer stehende Objekte abzureißen.

Unter der Besonderheit auf dem Immobilienmarkt, dass die Angebotsmenge bereits
im Vorfeld produziert wurde und insofern (insb. auf Angebotsseite) nicht uneinge-
schränkt angepasst werden kann, lässt auch ein unvollkommener Markt Leerstand
zu. So könnte es sich für einen Monopolisten in Hinblick auf die Gewinnmaximie-
rung lohnen, die Angebotsmenge künstlich zu reduzieren, um den Preis zu erhöhen.3
Wenngleich die bereits gebauten Immobilien physisch vorhanden sind, kann der Mo-
nopolist diese schlicht aus dem Angebot nehmen.

Hypothese 2.1.2 Marktmacht kann zu Leerstand führen.

Bei positiven Haltungskosten steht der Anbieter wiederum vor der Wahl, Immobilien
leer stehen zu lassen oder diese abzureißen. Es liegt jedoch nahe, dass die tatsächliche
Reduktion der Angebotsmenge nicht zeitgleich mit der künstlichen einhergeht und
dadurch zumindest in der kurzen Frist Leerstand entsteht.

2.2 Suchtheorie

Gemäß der Suchtheorie erhält der Verkäufer sequenziell verschiedene Angebote und
kann entweder eines davon annehmen oder auf die nächste Runde warten, um neue
Angebote zu erhalten (vgl. Simon (1955)). Demzufolge kann es sich für einen Anbie-
ter (zumindest kurzfristig) lohnen, die Verkaufsentscheidung zugunsten eines künftig
höheren Preises hinauszuzögern.

Gleichzeitig suchen die Käufer auf dem Markt nach Objekten. Die Häuser sind he-
terogen, weshalb jeder Käufer Informationen über jedes einzelne Objekt sammeln
muss – was sehr zeitaufwendig sein kann. Um alle Eigenschaften einer Immobilie zu
identifizieren, ist für gewöhnlich eine persönliche Besichtigung notwendig (Haurin
(1988)).4 Folglich steht ein Objekt so lange leer, bis die Nachfrager alle notwendigen
Informationen gesammelt haben, um eine Kaufentscheidung zu treffen.

Hypothese 2.2.1 Je heterogener die Objekte, desto mehr Leerstand entsteht.
3
Schiffers (2009) deutet an, dass das Ziel des Förderprogramms Stadtumbau Ost es ist, durch Abris-
se das Wohnungsangebot von Innenstädten künstlich zu verknappen und damit Wertsteigerungen
zu erzielen.
4
Die Annahme bezüglich der Heterogenität zwischen den Immobilien könnte noch erweitert werden,
indem atypische Charakteristiken dieser zugelassen werden (z. B. ein Swimmingpool bei kaltem
Klima oder Häuser mit vier Schlafzimmern und einem Bad (Haurin (1988))).

Das Matching verläuft im Basismodell zufällig und es finden keine Verhandlungen
über den Preis statt. Der Verkäufer legt eine Untergrenze fest, ab welcher er einen
Preis als zufriedenstellend empfindet (Reservationspreis). Er nimmt ein Angebot
an, sobald der Verkaufspreis mindestens jenem entspricht. Ein abgelehntes Angebot
kann später nicht angenommen werden. Außerdem ist der Verkäufer mit Kosten
durch die Vermarktung konfrontiert.

Nun lässt sich dieses Modell um bestimmte Faktoren erweitern, die den Suchprozess
bzw. das Matching beeinflussen können. Simon (1955) nimmt an, dass Anbieter in
absehbarer Zeit verkaufen wollen und nur Informationen nutzen, die ihnen direkt zur
Verfügung stehen.5 Der Verkäufer könnte zunächst einen recht hohen Preis setzen
und diesen entsprechend der eintreffenden Angebote anpassen. Gleichzeitig begren-
zen potentielle Käufer ihre Suche meist anhand eines bestimmten Bereiches auf
der Preisliste entsprechend ihres Budgets (Yavaş & Yang (1995)). Demnach führen
überhöhte Preise dazu, dass die Nachfrage für das Objekt künstlich ausgedünnt wird
und es zu mehr Leerstand kommt.

Hypothese 2.2.2 Hohe Listenpreise im Vergleich zum tatsächlichen Marktwert im-
plizieren längeren Leerstand.

Heterogenität kann nicht nur zwischen den gehandelten Gütern, sondern auch zwi-
schen den Marktteilnehmern unterstellt werden: Die Agenten unterscheiden sich bei-
spielsweise in Bezug auf ihre derzeitigen Wohnverhältnisse oder ihre Möglichkeiten,
andere Objekte zu finden (Albrecht et al. (2007)). Dadurch können längere Ver-
marktungszeiten (und damit Leerstand) erklärt werden, weil sich keine passenden
Paare finden. Miceli (1989) verdeutlicht außerdem, dass Verkäufer nicht allein ihren
Verkaufspreis maximieren, sondern auch ihre Vermarktungszeit minimieren wollen.
Gleichzeitig bevorzugen Käufer einen möglichst niedrigen Preis und streben eben-
falls eine schnelle Transaktion an. Dabei entstehende Unterschiede in der Motivation,
schnell zu kaufen bzw. zu verkaufen, können das Ausmaß des Leerstandes stark be-
einflussen, weil das Matching unwahrscheinlicher wird (siehe z. B. Quan & Quigley
(1991), Shilling et al. (1990), Sirmans et al. (1995), Springer (1996) und Glower
et al. (1998)).

Hypothese 2.2.3 Je heterogener die Agenten auf dem Immobilienmarkt sind, desto
mehr Leerstand entsteht.
5
D. h. Verkäufer haben keine genauen Informationen bezüglich der Verteilung der Angebote.

Darüber hinaus können makroökonomische Bedingungen einen Einfluss auf den Im-
mobilienmarkt haben. Forgey et al. (1996) zeigen die Bedeutung von hohen Zinsen
und die damit verbundene Ausdünnung des Marktes auf: Es gibt weniger Nachfra-
ger für Immobilien, weil nun eine Geldanlage in bspw. Anleihen lohnenswerter ist.
Dadurch finden sich weniger Paare und es entsteht mehr Leerstand. Auch Arbeits-
losigkeit kann den Leerstand beeinflussen, denn bei einer hohen Arbeitslosenquote
sinkt aufgrund der geringeren Kaufkraft die Nachfrage nach Immobilien.

Hypothese 2.2.4 Je höher die Zinsen, desto größer die Leerstandsquote.

Hypothese 2.2.5 Je höher die Arbeitslosenquote, desto größer die Leerstandsquo-
te.

Es gibt jedoch auch Faktoren, die den Leerstand verringern können: Intermediäre
(wie bspw. Immobilienmakler) können die Vermarktungszeit verkürzen (siehe Yavaş
(1992), Forgey et al. (1996) und Mantrala & Zabel (1995)). Sie sind in der Lage,
Informationsasymmetrien zwischen den Marktteilnehmern auszugleichen und somit
ein schnelleres Matching herbeizuführen.

Hypothese 2.2.6 Intermediäre verringern den Leerstand.

2.3 Verhaltensökonomik

Auch die Verhaltensökonomik kann in gewisser Weise auf den Immobilienmarkt an-
gewendet werden. Sie unterscheidet sich von den bisher vorgestellten Ansätze dahin-
gehend, dass kein perfekt rationales Entscheidungskalkül für die Verhaltensweisen
der einzelnen Akteure verantwortlich gemacht wird. Vielmehr stehen psychologisch
begründete Abweichungen von ökonomischer Rationalität im Vordergrund.

Nennenswert ist an dieser Stelle insbesondere das Phänomen der Verlustaversion
und die damit im Zusammenhang stehende Prospect Theory, wie sie von Kahne-
man & Tversky (1979) formuliert wurde. Neben anderen verhaltensökonomischen

                                         6

Ansätzen6 trägt diese Theorie zur Begründung des sogenannten Dispositionseffek-
tes7 bei, welcher insbesondere am Aktienmarkt beobachtet wird. Damit wird eine
Verhaltensweise bezeichnet, bei welcher Wertpapiere, die sich gegenüber ihrem Ein-
standskurs im Verlustbereich befinden, vergleichsweise länger gehalten werden als
Papiere im Gewinnbereich.

Basierend auf ihren empirischen Studien formulieren die Autoren eine Nutzenfunk-
tion, in welcher der Nutzen nicht von absoluten (z. B. monetären) Werten abhängt,
sondern von Veränderungen gegenüber einem Referenzpunkt. Darüber hinaus stellen
sie fest, dass die Probanden unterschiedliche Risikoeinstellungen bezüglich positiver
und negativer Abweichungen aufweisen, woraus die Autoren eine S-förmige Nutzen-
funktion für relative Werte ableiten. Jedoch weisen sie zugleich darauf hin, dass
Verluste sich vom Referenzpunkt aus absolut stärker auf den empfundenen Nut-
zen auswirken als Gewinne in gleicher Höhe. Insofern verläuft die Nutzenfunktion
im Verlustbereich steiler als im Gewinnbereich. Daraus resultiert, dass eine Lotterie,
welche vom Referenzpunkt aus entweder zu einem Gewinn oder einem Verlust führt,
einen deutlich positiven Erwartungswert aufweisen muss, damit der Spieler bereit
ist, diese einzugehen.

Diese Nutzenfunktion kann zur Erklärung von Leerstand auf dem Immobilienmarkt
beitragen. Dazu stelle man sich einen Markt vor, auf welchem Person A in Periode
0 die Möglichkeit hat, ein Haus zu bauen, um dieses zu verkaufen. Findet sich
ein Käufer (Person B), bewohnt dieser das Objekt in Periode 1 und verkauft es
anschließend in Periode 2 an neue Bewohner weiter. Der Referenzpunkt für Person A
sind die entstandenen Baukosten in Periode 0. Mit bestimmten Wahrscheinlichkeiten
sind die Käufer in Periode 1 bereit, einen hohen oder einen niedrigen Preis für das
Haus zu bezahlen. Dieser ist wiederum abhängig von der Periode 2, in welcher der
Angebotspreis sich, ausgehend vom Preis in Periode 1, wieder nach oben oder nach
unten entwickelt.

Zunächst stellt sich also die Frage, ob Person A in Periode 0 ein Haus errichtet und
somit an der „Lotterie” teilnimmt, also das Unsicherheitsszenario in Kauf nimmt.
Dies tut er dann, wenn der erwartete Nutzen positiv ist. Ansonsten entscheidet er

6
Nennenswert ist an dieser Stelle das mental accounting (siehe Thaler (1985)). Diese Verhaltens-
weise resultiert aus der Abneigung dagegen, Verluste verbuchen und sich damit eingestehen zu
müssen, ein schlechtes Geschäft gemacht zu haben. Gleichermaßen kann der sunk-cost-Effekt zu-
mindest für die Risikoaffinität im Verlustbereich herangezogen werden (siehe Arkes & Blumer
(1985)).
7
Der Begriff wurde geprägt von Shefrin & Statman (1985).

sich gegen den Hausbau und erfährt eine Nutzenveränderung von null.8 Insofern
werden Häuser dann gebaut, wenn erwartet wird, dass der Markt sich künftig eher
positiv entwickelt. Nicht nur darf dabei der erwartete Gewinn nicht negativ sein –
er muss sogar so hoch sein, dass der erwartete Nutzen positiv ist.

Insofern in Periode 0 ein Haus gebaut wurde, stellt sich nun in Periode 1 die Frage,
ob es zu einer Transaktion kommt. Person B kann nun ein Angebot zum Hauskauf
unterbreiten, wodurch dieser Person A in der Lotterie ablöst. Für Person B ist es
nicht relevant, ob sich der Preis von Periode 0 zu Periode 1 positiv oder negativ
entwickelt hat – er fasst den aktuellen Preis (sofern es zur Transaktion kommt) als
persönlichen Referenzwert auf. Die Höhe seines Angebotes hängt wiederum von den
möglichen Zuständen in Periode 2 ab. Der Argumentation der Hauskaufentschei-
dung (s.o.) folgend, verhält sich der potenzielle Käufer im Referenzpunkt risikoavers
und tritt entsprechend nur dann in die Lotterie ein, wenn er einen Preis deutlich
unterhalb des Erwartungserlöses, den er in Periode 2 bekäme, bezahlen muss.

Während der potenzielle Käufer sich bzgl. seiner Kaufentscheidung also stets risiko-
avers verhält, hängt die Risikoeinstellung des Verkäufers in Periode 1 vom eingetre-
tenen Zustand ab. Befindet er sich im Verlustbereich, verhält er sich risikoaffin und
nimmt nur Gebote an, welche entsprechend weit oberhalb des erwarteten Preises der
nächsten Periode liegen. Ansonsten präferiert er es, die Lotterie weiter zu spielen.
Da jedoch potenzielle Käufer risikoavers sind, werden lediglich Gebote unterhalb des
Erwartungspreises und damit auch deutlich unterhalb des Reservationspreises des
Verkäufers abgegeben – In Periode 1 bleibt das Haus damit unbewohnt.

In der Realität werden nicht sämtliche Häuser zum gleichen Zeitpunkt und zu den-
selben Kosten errichtet. Jedoch führt eine Nachfragereduktion und ein damit einher-
gehender Preisabfall im Mittel dazu, dass sich c.p. mehr Anbieter im Verlustbereich
ihrer jeweiligen Nutzenfunktion befinden. Daraus lässt sich folgende Hypothese ab-
leiten:

Hypothese 2.3.1 Negative Nachfrageschocks führen zu mehr Leerstand.

Was den Gewinnbereich in Periode 1 angeht, ist das Ergebnis zunächst weniger tri-
vial. Sowohl Verkäufer als auch Käufer sind hier risikoavers hinsichtlich der Lotterie

8
Der Einfachheit halber wird im Folgenden von „Nutzen” gesprochen, womit jedoch stets eine
Nutzenveränderung gemeint ist.

eingestellt. Es kommt dann zu einer Transaktion, wenn sich das zur Lotterie hinzu-
gehörige Sicherheitsäquivalent von Person A unterhalb dessen von Person B befindet.
Tatsächlich suggeriert die Form der Nutzenfunktion jedoch eher den umgedrehten
Fall, sodass es zu keiner Transaktion käme und auch an dieser Stelle Leerstand exis-
tieren kann. Allerdings kann die Verkaufsentscheidung des Anbieters – verglichen mit
dem Verlustszenario – leichter durch weitere Faktoren gekippt werden. Dazu zählen
insb. die Haltungskosten des Verkäufers. Weisen diese eine hinreichende Höhe auf, ist
der Verkäufer bereit, auch niedrigere Preise anzunehmen. In gleiche Richtung wirkt
der potenzielle Wohnungsnutzen, welcher der Käufer durch die Transaktion erfahren
würde. Bei hinreichend großer Varianz dieser Größen finden somit im Mittel deut-
lich weniger Transaktionen im Verlustbereich als im Gewinnbereich statt. Damit ist
jedoch nicht ausgeschlossen, dass auch Verkäufer im Gewinnbereich Anreiz haben
können, die Immobilie nicht zu verkaufen. Im Verlustbereich ist Leerstand jedoch
wesentlich wahrscheinlicher als im Gewinnbereich, womit sich auch das Gegenstück
zu genannter Hypothese formulieren lässt:

Hypothese 2.3.2 Positive Nachfrageschocks führen zu weniger Leerstand.

3 Empirische Befunde

Die vorliegende Arbeit stellt theoretische Ansätze vor, welche für sich genommen zur
Erklärung von Immobilienleerstand beitragen können. In gewisser Weise generieren
die Modelle dabei ähnliche Hypothesen. Gleichzeitig kommen manche Modelle zu
widersprüchlichen Befunden. Im Folgenden werden die erarbeiteten Hypothesen mit
Hilfe von empirischen Befunden aus der Literatur getestet.

Hypothese 2.1.1 Leerstand tritt nur dann auf, wenn der Gleichgewichtspreis un-
terhalb der Mindestmiete liegt.

Für Preise von null mag es sein, dass die Sättigungsmenge genau erreicht, jedoch
nicht überschritten ist. Insofern könnte aus der Beobachtung von Preisen von null
nicht geschlossen werden, dass es Leerstand geben muss. Hingegen impliziert ei-
ne Überschreitung der Sättigungsmenge, dass Preise von null gelten.9 Unter der
9
Bzw. gar negative Preise, sofern positive Haltungskosten unterstellt werden (siehe Abschnitt 2.1).

Berücksichtigung einer Mindestmiete (siehe Schiffers (2009)) sollte Leerstand bei
positiven Preisen, die relativ weit von null entfernt liegen, zur Ablehnung der Hy-
pothese führen. Selbst für diese einseitige Implikation lässt sich die Hypothese nicht
stützen. Offensichtlich herrscht auch in Gebieten mit relativ hohen Preisen ein ge-
wisses Maß an Immobilienleerstand (z. B. in Großstädten). Selbst für Gebiete mit
hohem Leerstand gibt es keine Studien, welche Preise von nahezu null oder gar dar-
unter ausweisen. Somit erzeugen die Annahmen des Modells Zusammenhänge, die
in der Realität nicht beobachtbar sind.

Hypothese 2.1.2 Marktmacht kann zu Leerstand führen.

Gerade große Wohnungsgesellschaften könnten über eine gewissen Marktmacht in
Großstädten verfügen und die Preise und damit auch den Leerstand beeinflussen.
Bisher findet sich jedoch keine empirische Untersuchung, welche diesen Zusammen-
hang überprüft.

Hypothese 2.2.1 Je heterogener die Objekte, desto mehr Leerstand entsteht.

Prinzipiell führt Heterogenität zur Ausdünnung des Marktes und dadurch poten-
tiell zu Leerstand, da es für die verschiedenen Objekte nicht genügend Nachfrager
gibt. Haurin (1988) nutzt Daten von Gebieten eines Vorortes von Columbus (Ohio)
zwischen 1976 und 1977 und findet empirische Bestätigung dafür, dass Häuser mit
besonderen Charakteristiken länger auf dem Markt bleiben.10 Atypische Eigenschaf-
ten verlängern demnach den Suchprozess und somit den Immobilienleerstand.

Allerdings ist es möglich, dass Verkäufer von unüblichen Objekten auf eine geringere
Nachfrage reagieren. Sass (1988) zeigt, dass Verkäufer, die auf einem dünnen Markt
agieren, eher dazu neigen, ihre Preise zu reduzieren. Dadurch werden die Immobi-
lien wieder für mehr Nachfrager attraktiver und es finden sich schneller passende
Paare (siehe Herrin et al. (2004)). Demnach erhöht ein sehr heterogener Immobili-
enmarkt das Risiko von Leerstand; gleichzeitig reagieren die Marktteilnehmer auf
diesen Umstand und wirken dem Problem entgegen.

Hypothese 2.2.2 Hohe Listenpreise im Vergleich zum tatsächlichen Marktwert im-
plizieren längeren Leerstand.
10
Anhand von aktualisierten Daten (1997-2005) wurde dieser Befund für Columbus erneut bestätigt
(vgl. Haurin et al. (2010)).

Yavaş & Yang (1995) zeigen, dass durch überhöhte Listenpreise der Markt für ein
Objekt künstlich ausgedünnt wird. Allerdings finden die Autoren nur Evidenz für
Häuser im mittleren Preissegment und nicht für sehr teure oder sehr günstige Ob-
jekte. Gleichzeitig stellen Forgey et al. (1996) fest, dass hohe Preise die Häufigkeit
von Geboten verringern. Das liegt daran, dass der Listenpreis die Verteilung von
Geboten beeinflusst (Glower et al. (1998)). Herrin et al. (2004) leiten aus ihren Da-
ten über Einfamilienhäuser in Kalifornien ab, dass es eine stärkere Preisrigidität in
dünnen Märkten und in Märkten gibt, in denen Verkäufer mehr Informationen über
die Verteilung der Gebote haben. Insofern kann darin längerer Leerstand begründet
sein.

Hypothese 2.2.3 Je heterogener die Agenten auf dem Immobilienmarkt sind, desto
mehr Leerstand entsteht.

Indirekt werden Unterschiede zwischen den Anbietern durch Glower et al. (1998)
nachgewiesen: Haben Verkäufer keinen hohen Druck, möglichst schnell eine Trans-
aktion zu realisieren, besitzen sie in der Regel einen höheren Reservationspreis und
akzeptieren entsprechend nur relativ hohe Angebote. Dadurch kann es zu längeren
Leerstand kommen, denn das Matching wird durch dieses Verhalten erschwert. Den
Einfluss von Verhandlungsmacht der Verkäufer haben Harding, Rosenthal & Sirmans
(2003) mit Hilfe von Daten der American Housing Survey analysiert. Sie stellen fest,
dass bestimmte Eigenschaften der Anbieter (wie Geschlecht, Wohlstand, Anzahl der
Kinder) einen entscheidenden Einfluss auf die Vermarktungschancen eines Objektes
haben können. Folglich kann ein Teil des Leerstandes mit speziellen Eigenschaften
der Verkäufer am Markt erklärt werden. Merlo & Ortalo-Magne (2004) haben au-
ßerdem Evidenz dafür, dass Verkäufer mit der Zeit immer ungeduldiger werden:
Ungefähr ein Viertel aller Verkäufer nehmen vergleichsweise große Änderungen am
Listenpreis nach längerer Vermarktungszeit vor. Diese bestehen fast ausschließlich
aus Korrekturen nach unten (Sirmans et al. (1995)). Jedoch finden sich in der Li-
teratur keine direkten Studien zu typischer“ Heterogenität zwischen den Agenten
”
(wie z. B. bezüglich des Einkommens, der Wohnungssituation, Kündigungsfristen,
der Verfügbarkeit von alternativen Unterkünften, usw.). Damit gibt es keine direkte
Bestätigung der Theorie von Albrecht et al. (2007).

Hypothese 2.2.4 Je höher die Zinsen, desto größer die Leerstandsquote.

Hypothese 2.2.5 Je höher die Arbeitslosenquote, desto größer die Leerstandsquo-
te.

Forgey et al. (1996) werten Transaktionen von Einfamilienhäusern in Texas zwischen
1991 und 1993 aus. Sie finden Bestätigung dafür, dass höhere Zinsen die Vermark-
tungszeit signifikant verlängern und es somit zumindest kurzfristig zu Leerstand
kommt. Allerdings ist der Effekt der Arbeitslosenquote auf die Vermarktungszeit
entgegen den Erwartungen negativ. Somit ist davon auszugehen, dass nicht alle ma-
kroökonomischen Variablen den Leerstand beeinflussen.

Hypothese 2.2.6 Intermediäre verringern den Leerstand.

Yavaş (1992) zeigt, dass der Einsatz eines Maklers zu einem schnelleren Verkauf
führt. Auch Forgey et al. (1996) beobachten eine Verkürzung der Vermarktungszeit
durch das Vorhandensein von Immobilienmaklern. Je weniger demnach Intermediäre
in einer Region sind, desto mehr könnte diese von Leerstand betroffen sein.

Hypothese 2.3.1 Negative Nachfrageschocks führen zu mehr Leerstand.

Hypothese 2.3.2 Positive Nachfrageschocks führen zu weniger Leerstand.

Genesove & Mayer (2001) stellen anhand von empirischen Untersuchungen mit Da-
ten der Bostoner Innenstadt fest, dass das gehandelte Volumen mit dem Marktpreis
korreliert ist. Im Modell aus Abschnitt 2.3 ist ein Rückgang des gehandelten Vo-
lumens gleichbedeutend mit Leerstand. Zwar liegt Leerstand nicht direkt im Fokus
der Autoren, jedoch deuten die Befunde darauf hin, dass die Hypothesen aufrecht
erhalten werden können.

4 Diskussion und Fazit

Die vorliegende Arbeit stellt theoretische Ansätze vor, welche für sich genommen
zur Erklärung von Immobilienleerstand beitragen können. In gewisser Weise sind die
Modelle dabei untereinander konsistent und auch bekräftigend. In diesem Abschnitt

                                        12

werden die theoretischen und empirischen Ergebnisse noch einmal zusammenfas-
send ausgewertet und mögliche Erweiterungen und offene Fragestellungen erläutert.
Auf dem derzeitigen Stand gibt es immer noch einige Diskrepanzen zwischen den
Theorien und den empirischen Befunden (vgl. auch Tabelle 1).

4.1 Theoretische Diskussion

Zunächst sind an einzelnen Theorie eine Reihe von Erweiterungen denkbar. In der
Suchtheorie ist anzunehmen, dass neben Zinsen und Arbeitslosigkeit weitere makro-
ökonomische Variablen einen Einfluss auf das Ausmaß des Immobilienleerstandes
haben. Dazu gehören Einkommen, das Bruttoinlandsprodukt, soziale Leistungen
(insb. Wohngeld), Konsumausgaben, die Sparquote und Steuern (insb. die Grund-
steuer). Falls nachweislich diese Variablen den Leerstand beeinflussen, könnte dieser
durch politische Maßnahmen besser zu bewältigen sein. Darüber hinaus wäre ei-
ne Begründung dafür, dass niedrige Arbeitslosigkeit zu mehr Leerstand führt (wie
es von Forgey et al. (1996) nachgewiesen wurde), ein interessantes Forschungsfeld.
Daneben wäre die Einführung eines zweiseitigen Matching-Problems eine mögliche
Erweiterung der Suchtheorie (vgl. Arnott (1989)): Nicht nur suchen die Käufer nach
einem angemessenen Objekt, sondern auch die Verkäufer suchen nach angemesse-
nen Käufern, welche z. B. zuverlässig das Haus abbezahlen können. Dies könnte das
Ausmaß des Leerstandes näher beschreiben. Gibt es in einer Region nur einkom-
mensschwache Käufer, sind die Anbieter tendenziell weniger gewillt zu verkaufen.
Darüber hinaus wird in der Suchtheorie die Möglichkeit von Neuankömmlingen auf
dem Markt weitestgehend vernachlässigt. Agenten, die z. B. durch Zuzug neu in den
Markt eintreten, haben in der Regel weniger Informationen als Ansässige (bspw.
über die Dauer des Leerstandes). Käufer sind damit nicht nur in Bezug auf ihre
Suchkosten heterogen, sondern auch im Hinblick auf die ihnen zur Verfügung ste-
henden Informationen.

Eine weitere theoretische Schwierigkeit ergibt sich in Bezug auf die Vereinbarkeit der
Theorien untereinander: Versucht man, den Ansatz des Standardmarktmodells mit
der Verhaltensökonomik zu vereinen, stößt man schnell auf Unstimmigkeiten. Die
Angebotsmenge ist im Rahmen des Standardmarktmodells kurzfristig starr. Solange
ein Nachfrageschock nicht dazu führt, dass die Sättigungsmenge unterhalb der An-
gebotsmenge liegt, gehen mit einem Nachfrageschock Preisanpassungen bei gleich
bleibender Menge einher. Im neuen Gleichgewicht ist der Marktpreis also geringer,

                                         13

jedoch entsteht kein Leerstand. Die Verhaltensökonomik hingegen suggeriert Leer-
stand bei Nachfrageschocks, da die Preisänderungen dazu führen, dass sich mehr
Verkäufer im Verlustbereich ihrer Nutzenfunktion befinden, sich somit risikoaffin
verhalten und den Verkauf der Immobilie zu Spekulationszwecken hinauszögern.

4.2 Empirische Diskussion

Auch die empirischen Ergebnisse kommen nicht immer zu einheitlichen Ergebnissen,
weshalb die Befunde für einige Theorien nur unter bestimmten Umständen zu gelten
scheinen. Es lässt sich nicht eindeutig sagen, ob Heterogenität unter den Objekten
zu mehr Leerstand führt (vgl. Haurin (1988) und Knight (2002)) oder aber keine
direkt Auswirkung hat (vgl. Herrin et al. (2004)). Die entsprechenden Rahmenbe-
dingungen, die zu den unterschiedlichen Ergebnissen führen, wurden bisher noch
nicht herausgearbeitet. Hierbei bedarf es demnach an weiterer theoretischen und
empirischer Forschung.

Zudem gibt es für einige theoretische Überlegungen noch keine empirische Bestäti-
gung: Der Einfluss von Marktmacht auf die Leerstandquote wurde bisher noch nicht
nachgewiesen. Für die Rolle der Arbeitslosigkeit gibt es nur widersprüchliche Befun-
de. Darüber hinaus würden vergleichende Studien von unterschiedlichen Regionen
aufschlussreiche Ergebnisse liefern und die bisherige Bestätigung der Hypothesen
festigen.

4.3 Ausblick

Die Analyse der Wirkungsmechanismen, in welchen Immobilienleerstand begründet
ist, hat positiven Charakter. Daran schließt sich die normative Frage an, ob bzw.
unter welchen Umständen Immobilienleerstand denn überhaupt schädlich im Sin-
ne einer Wohlfahrtsoptimierung ist. So ist es durchaus vorstellbar, dass verhal-
tensökonomische Gegebenheiten ein Szenario generieren, in welchem irrationale Spe-
kulationen Transaktionen verhindern, welche ansonsten im beidseitigem Interesse
wären.11 Ebenso könnte ein Wohlfahrtsverlust in der künstlichen Verknappung der
Angebotsmenge durch ein Monopol begründet sein. Andererseits ist kurzfristiger

11
Pro Periode Leerstand fallen beim Anbieter u.a. Haltungskosten an, während dem potenziellen
Käufer bzw. Mieter der Wohnungsnutzen entgeht.

Leerstand im Sinne der Suchtheorie jedoch möglicherweise sogar notwendig, um
ein effizientes Marktergebnis zu erzielen. Würde Leerstand direkt mit Preissenkun-
gen einhergehen, könnte die Immobilie letztlich an einen Käufer gehen, welcher eine
deutlich geringere Zahlungsbereitschaft gegenüber eines Interessenten einer späteren
Periode aufweist.

Es obliegt weiterer – insb. empirischer – Untersuchungen, diese Mechanismen eindeu-
tig zu identifizieren, um gezieltes politisches Eingreifen zu ermöglichen. Zu diesem
Zweck bietet sich die vergleichende Forschung an, welche Regionen gegenüberstellt,
die sich in nahezu allen einflussreichen Faktoren12 gleichen und lediglich in einer
Größe unterscheiden. Ähnlich wie bei Maennig & Dust (2008) könnte mit Hilfe eines
Paneldatensatzes, der in diesem Fall jedoch nur ähnliche Regionen berücksichtigt,
die Forschung in diesem Punkt weiter vorangetrieben werden. Beispielsweise wäre
eine Untersuchung ostdeutscher Gebiete, die stark von einem Bevölkerungsrückgang
betroffen sind, ein attraktiver Ansatzpunkt.

12
     Diese sind u. a. die Informationsstruktur, Einflüsse auf Angebot bzw. Nachfrage (z. B. demogra-
     phischer Wandel), Homo- bzw. Heterogenität der Güter sowie der Agenten, etc. (siehe Abschnitt
     2).

                                                  15

Hypothese   Empirische Befunde                                                  Bemerkungen
       2.1.1     Leerstand trotz positiver Preise beobachtbar; jedoch keine Preise   Modellannahmen für den Immobilienmarkt womöglich nicht ge-
                 nahe null beobachtbar                                               eignet
       2.1.2     Bisher keine empirische Untersuchung vorhanden                      Marktmacht auf dem Immobilienmarkt ist durchaus denkbar
       2.2.1     Bestätigung durch Haurin (1988) und Knight (2002); nur geringer    Tatsächlicher Einfluss auf Leerstand bleibt abzuklären
                 Effekt nach Herrin et al. (2004)
       2.2.2     Teilweise Bestätigung durch Yavaş & Yang (1995) und Forgey        Unterschiede bei Objekten in verschiedenen Preisobjekten könn-
                 et al. (1996)                                                       ten besser herausgearbeitet werden
       2.2.3     Indirekte Bestätigung durch Glower et al. (1998), Sirmans et al.   Direkte empirische Bestätigung (nach Albrecht et al. (2007)) steht
                 (1995) und Harding, Knight & Sirmans (2003)                         noch aus
       2.2.4     Bestätigung durch Forgey et al. (1996)                             Einfluss von weiteren makroökonomischen Variablen bisher nicht
                                                                                     untersucht
       2.2.5     Entgegengesetzter Zusammenhang nachgewiesen von Forgey et al.       Erklärungsansatz für Befunde noch offen; Einfluss von weiteren
16

                 (1996)                                                              makroökonomischen Variablen steht noch aus
       2.2.6     Bestätigung durch Yavaş (1992) und Forgey et al. (1996)           Weitere Befunde aus anderen Regionen wünschenswert
       2.3.1     Hinweise zur Bestätigung durch Genesove & Mayer (2001)             Keine spezifischen Daten zu Leerstand
       2.3.2     Hinweise zur Bestätigung durch Genesove & Mayer (2001)             Keine spezifischen Daten zu Leerstand

                                 Tabelle 1: Zusammenfassung der theoretischen Hypothesen und empirischen Befunde.

Literatur
Albrecht, J., Anderson, A., Smith, E. & Vroman, S. (2007), ‘Opportunistic matching
  in the housing market’, International Economic Review 48(2), 641–664.

Arkes, H. R. & Blumer, C. (1985), ‘The Psychology of Sunk Cost’, Organizational
  Behavior and Human Decision Processes 35(1), 124–140.

Arnott, R. (1989), ‘Housing Vacancies, Thin Markets, and Idiosyncratic Tastes’, The
  Journal of Real Estate Finance and Economics 2(1), 5–30.

Forgey, F. A., Rutherford, R. C. & Springer, T. M. (1996), ‘Search and Liquidity in
  Single-Family Housing’, Real Estate Economics 24(3), 273–292.

Genesove, D. & Mayer, C. (2001), ‘Loss aversion and seller behavior: Evidence from
 the housing market’, The Quarterly Journal of Economics 116(4), 1233–1260.

Glower, M., Haurin, D. R. & Hendershott, P. H. (1998), ‘Selling Time and Selling
  Price: The Influence of Seller Motivation’, Real Estate Economics 26(4), 719–740.
  URL: http://dx.doi.org/10.1111/1540-6229.00763

Harding, J. P., Knight, J. R. & Sirmans, C. F. (2003), ‘Estimating Bargaining Effects
  in Hedonic Models: Evidence From the Housing Market’, Real Estate Economics
  31(4), 601–622.

Harding, J. P., Rosenthal, S. S. & Sirmans, C. (2003), ‘Estimating Bargaining Power
  in the Market for Existing Homes’, Review of Economics and Statistics 85(1), 178–
  188.

Haurin, D. (1988), ‘The Duration of Marketing Time of Residential Housing’, Real
  Estate Economics 16(4), 396–410.

Haurin, D., Haurin, J., Nadauld, T. & Sanders, A. (2010), ‘List prices, sale prices and
  marketing time: An application to u.s. housing markets’, Real Estate Economics
  38(4), 659–685.

Herrin, W. E., Knight, J. R. & Sirmans, C. (2004), ‘Price cutting behavior in resi-
  dential markets’, Journal of Housing Economics 13(3), 195–207.
  URL: http://www.sciencedirect.com/science/article/pii/S1051137704000336

                                          17

Kahneman, D. & Tversky, A. (1979), ‘Prospect Theory: An Analysis of Decision
 under Risk’, Econometrica 47(2), 263–292.
 URL: http://www.jstor.org/stable/1914185

Knight, J. R. (2002), ‘Listing price, time on market, and ultimate selling price:
 Causes and effects of listing price changes’, Real Estate Economics 30(2), 213–
 237.

Maennig, W. & Dust, L. (2008), ‘Shrinking and growing metropolitan areas asym-
 metric real estate price reactions?: The case of German single-family houses’,
 Regional Science and Urban Economics 38(1), 63–69.

Mantrala, S. & Zabel, E. (1995), ‘The Housing Market and Real Estate Brokers’,
 Real Estate Economics 23(2), 161–185.

Merlo, A. & Ortalo-Magne, F. (2004), ‘Bargaining over residential real estate: evi-
 dence from England’, Journal of Urban Economics 56(2), 192–216.

Miceli, T. J. (1989), ‘The Optimal Duration of Real Estate Listing Contracts’, Real
 Estate Economics 17(3), 267–277.

Quan, D. C. & Quigley, J. M. (1991), ‘Price Formation and the Appraisal Function
 in Real Estate Markets’, The Journal of Real Estate Finance and Economics
 4(2), 127–146.

Sass, T. R. (1988), ‘A note on optimal price cutting behavior under demand uncer-
  tainty’, The Review of Economics and Statistics 70, 336–339.

Schiffers, B. (2009), Immobilienmarkt in schrumpfenden Städten, VS Verlag für So-
  zialwissenschaften.

Shefrin, H. & Statman, M. (1985), ‘The Disposition to Sell Winners Too Early and
  Ride Losers Too Long: Theory and Evidence’, The Journal of Finance 40(3), 777–
  790.

Shilling, J. D., Benjamin, J. D. & Sirmans, C. (1990), ‘Estimating Net Realizable
  Value for Distressed Real Estate’, Journal of Real Estate Research 5(1), 129–140.

                                        18

Simon, H. A. (1955), ‘A behavioral model of rational choice’, The Quarterly Journal
  of Economics 69(1), 99–118.

Sirmans, C. F., Turnbull, G. K. & Dombrow, J. (1995), ‘Quick House Sales: Seller
  Mistake or Luck?’, Journal of Housing Economics 4(3), 230–243.

Spehl, H. (2011), Leerstand von Wohngebäuden in ländlichen Räumen: Beispiele
  ausgewählter Gemeinden der Länder Hessen, Rheinland-Pfalz und Saarland, Aka-
  demie für Raumforschung und Landesplanung (ARL)-Leibniz-Forum für Raum-
  wissenschaften.

Spieker, R. (2005), Schrumpfende Märkte in der Wohnungswirtschaft. Beiträge zum
  Wohnungs- und Siedlungswesen Band 224, V&R Unipress.

Springer, T. M. (1996), ‘Single-Family Housing Transactions: Seller Motivations,
  Price and Marketing Time’, The Journal of Real Estate Finance and Economics
  13(3), 237–254.

Thaler, R. (1985), ‘Mental Accounting and Consumer Choice’, Marketing Science
 4(3), 199–214.

Yavaş, A. (1992), ‘A Simple Search and Bargaining Model of Real Estate Markets’,
  Real Estate Economics 20(4), 533–548.

Yavaş, A. & Yang, S. (1995), ‘The Strategic Role of Listing Price in Marketing Real
  Estate: Theory and Evidence’, Real Estate Economics 23(3), 347–368.

                                        19

Sie können auch lesen