Heterogeneous Trends in Apartment Rental Prices
Wir stellen einen neuartigen, nichtparametrischen Ansatz zur Schätzung von Immobilienpreisindizes vor, der heterogene Preisentwicklungen ohne restriktive Annahmen über funktionale Zusammenhänge erfasst. Aufbauend auf dem Potential-Outcome-Framework nutzt unser Ansatz Causal Forests, um Veränderungen in der Zusammensetzung des verfügbaren Wohnungsangebots zu berücksichtigen und gleichzeitig das bei herkömmlichen Matching-Verfahren auftretende Problem des Curse of Dimensionality zu vermeiden. Durch das direkte Einbinden geografischer Koordinaten in das Modell bestimmt der Algorithmus adaptiv die räumliche Nachbarschaft jeder Beobachtung und verzichtet somit auf das Festlegen starrer räumlicher Grenzen. Diese Flexibilität macht die Methode besonders geeignet für dicht besiedelte urbane Räume und erlaubt das Untersuchen komplexer Heterogenität in der Preisentwicklung. Wir demonstrieren die Anwendbarkeit des Ansatzes anhand von Mietpreisdaten für Wohnungen in sechs der größten deutschen Städte vor und während der COVID-19-Pandemie und zeigen, wie sich mit dem Verfahren detaillierte Trends in der Mietpreisdynamik in einer Phase tiefgreifender Marktveränderungen aufdecken lassen.