VIF Selittävä muuttuja Regressiokerroin
Keskivirhe 0,0000001 0,0000002 0,00000007 0,00000006
2,26 Hissi 0,1073 * 0,1073 * 0,0595 * 0,0718 *
* ja ** viittaavat 0,1 % ja 1 % merkitsevyystasoihin
Taulukko 6 AikaAutolla-muuttujan regressiomallit
47 Mallin 4 kerroinestimaatteja ei ole mahdollista tulkita yhtä suoraviivaisesti kuin muiden mallien kohdalla. Koska mallissa on mukana myös muiden havaintoyksiköiden selitettävien muuttujien arvojen W-matriisin mukainen vaikutus, syntyy rekursiivinen prosessi, jossa havaintojen voidaan katsoa vaikuttavan eräänlaisessa ketjussa toisiinsa – selitettävä muuttujahan löytyy mallin yhtälöstä sekä vasemmalta että oikealta puolelta. Toisen havainnon selitettävän muuttujan arvo vaikuttaa ensimmäisen arvoon, jolloin myös toisen havainnon selitettävän muuttujan arvo vaihtuu. Tästä syystä muuttujien hintavaikutuksia tulee tarkastella regressiokertoimien sijaan muutosten eräänlaisten keskimääräisten vaikutusten kautta. Niitä koskeva täydellinen taulukko löytyy liitteiden sivulta 74.
Taulukosta 7 löytyvät derivaatat on mahdollista rinnastaa hintavaikutusten arvioinnissa muiden mallien kerroinestimaatteihin. Koska malleissa mielenkiinnon kohteena on Neliöhinta-muuttujan logaritmoitu muoto, yllä olevat derivaatat ja taulukon 6 regressiokertoimet muiden kuin mallin 4 osalta kuvaavat sitä keskimääräistä prosentuaalista muutosta osakehuoneiston neliöhinnassa, joka tapahtuu silloin, kun selittävän muuttujan arvo kasvaa yhdellä. Esimerkiksi mallin 1 mukaan asunnon ja
Selitettävä Taulukko 7 Muuttujien hintavaikutukset SAR-SAR -mallissa
48 Keskustorin välisen automatkan pituuden kasvaessa yhdellä minuutilla, huoneiston neliöhinta laskee keskimäärin noin 3,72 %,
Muuttujien kerroinestimaattien keskivirheet kasvavat selvästi, kun siirrytään Huber-White -keskivirheitä hyödyntävästä OLS-mallista tilastoalueittain klusteroituja keskivirheitä soveltavaan, mutta muuten vastaavaan malliin. Ne ovat kuitenkin edelleen sen verran maltillisia, että kaikki muuttujat pysyvät regressiokertoimineen tilastollisesti merkitsevinä. Niin ei käy, jos mallissa sovelletaan etäisyysmuuttujaa AikaJalan tai KilometritJalan, vaan tuolloin Sauna-muuttuja menettää merkitsevyytensä. Samoin tapahtuu Hervanta-muuttujalle, kun etäisyys hahmotetaan KilometritAutolla-muuttujan avulla. Muiden muuttujien tilastollinen merkitsevyys ei katoa mitään etäisyysmuuttujaa sovellettaessa, vaikka keskivirheet klusteroitaisiin tilastoalueittain. Eli vaikka alueiden sisäinen samankaltaisuus otetaan huomioon, niin mallin 1 tuloksiin voidaan pääasiassa edelleen luottaa. Esimerkiksi vaikka etäisyysmuuttujan AikaAutolla keskivirhe kasvaa mallien 1 ja 2 välillä lähes kuusinkertaiseksi, niin muuttujan tilastollinen merkitsevyys pysyy edelleen erittäin korkeana. Verratessa OLS-mallin kerroinestimaatteja SAR-mallin vastaaviin, on havaittavissa sekä tiettyä pysyvyyttä, että toisaalta myös muutoksia. Kaikki muuttujat kuitenkin säilyttävät erittäin korkean merkitsevyystasonsa. Kun lähellä sijaitsevien havaintojen virhetermit huomioidaan W-matriisin ja yhtälön 16 mukaisin spesifikaatioin, analyysiin sisällytettyjen dummy-muuttujien kerroinestimaatit muuttuvat selvästi enemmän kuin muiden muuttujien.
Tilanne näyttäytyy vastaavanlaisena silloin kun ensimmäistä OLS-mallia verrataan SAR-SAR -malliin. Muuttujien merkitsevyystasot pysyvät erittäin korkeina, eivätkä estimoidut hintavaikutuksetkaan poikkea suuresti muuten kuin dummy-muuttujien osalta. Spatiaalisten autoregressiomallien välillä ei myöskään havaita suuria eroja muuttujien hintavaikutuksissa muuten kuin dummy-muuttujien kohdalla. Asuinalan vaikutus kasvaa suhteellisesti paljon, mutta absoluuttinen ero ei ole suuri. Muuttujan Laatuasunto-kohdalla ero estimoitujen hintavaikutusten välillä on sen sijaan peräti kymmenen prosenttiyksikköä. On myös huomionarvoista, kuinka spatiaalisen autokorrelaation voimakkuutta mittavaan parametrin ρ arvo putoaa lähes kolmannekseen, kun lähellä sijaitsevien havaintojen selitettävän muuttujan arvot tuodaan omaksi muuttujakseen yhtälöön. Mallien selitysasteet eivät suuresti poikkea toisistaan. Parhaimman arvon sille tarjoaa SAR-SAR -malli.
49 Taulukossa 8 on kuvattu malleittain osakehuoneiston neliöhinnan keskimääräinen muutos tilanteessa, jossa etäisyysmuuttuja kasvaa yhden yksikön (minuutin tai kilometrin). Se myös käytännössä vastaa tutkielman tärkeimpään tutkimuskysymykseen.
Taulukko 8 Neliöhinnan keskimääräinen muutos, kun etäisyysmuuttuja kasvaa yhden yksikön
Spatiaalisten autoregressiomallien tarjoamat lukemat eivät mainittavasti poikkea OLS-menetelmästä. Lisäksi OLS-mallien antama arvio keskimääräisen muutoksen voimakkuudesta osuu SAR ja SAR-SAR -mallien väliin jokaisen etäisyysmuuttujan kohdalla. Kaikki muuttujakohtaiset tulokset myös pyöristyvät samaan prosenttilukuun.
Voidaan todeta, ettei spatiaalisen autokorrelaation huomioiminen erillisillä autoregressiomalleilla muuttanut OLS-menetelmän kerroinestimaateista vedettäviä johtopäätöksiä, muuten kuin lisäämällä niiden tietynlaista luotettavuutta vaihtoehtoisten mallinnusten kautta. Eri kulkumuotoja kuvaavien muuttujien muutosten voimakkuuksissa on havaittavissa selvä kokohierarkia, jonka voidaan katsoa johtuvan ensisijaisesti siitä syystä, että etäisyyttä ajassa mittaavat muuttujat edustavat välillisesti myös maantieteellistä etäisyyttä. Jos Keskustorilta lähtee kulkemaan kohti kauempana sijaitsevaa kohdetta, niin esimerkiksi autolla pääsee kymmenessä minuutissa siirtymään pidemmän matkan kuin jalan. Toki voidaan myös ajatella, että
50 samassa ajassa toteutettu merkittävämpi siirtymä viittaa myös kulkumuodon korkeampaan kustannustasoon.
4.4.1 Muita huomioita ja havainnollistuksia
Osasyy siihen, miksi spatiaaliset autoregressiomallit eivät tuottaneet OLS-mallista mainittavasti poikkeavia tuloksia muiden kuin dummy-muuttujien kohdalla, saattaa piillä siinä, että etäisyysmuuttujat huomioivat jo itsessään erään keskeisen spatiaalisen autokorrelaation ulottuvuuden: etäisyyden ydinkeskustaan. Asiaa voidaan lähestyä ρ-parametrin arvojen kautta. Se pyrkii kuvaamaan spatiaalisen autokorrelaation voimakkuutta.
Taulukko 9 SAR-mallien vertailu
Malli Malli 1 Malli 2
Mallin kuvaus SAR, ilman etäi. SAR, AikaAutolla
Selittävä muuttuja Regressiokerroin
Velkaosuus 0,0000012 * 0,0000012 * 0,00000008 0,00000007
ρ-parametrin keskivirhe 0,0100 0,0140
* ja ** viittaavat 0,1 % ja 1 % merkitsevyystasoihin
51 Taulukossa 5 on kaksi SAR-mallia, jotka on määritetty muuten kuten edellä, mutta vain toinen niistä sisältää eksplisiittisen etäisyysmuuttujan.
Kun aiemmin esitellystä SAR-mallista poistetaan muuttuja AikaAutolla, sen spatiaalisen autokorrelaation voimakkuutta kuvaava ρ-parametri on arvoltaan selvästi korkeampi. Löydös puoltaa sitä, että etäisyyden ydinkeskustaan vangitseva muuttuja tasoittaa yhtä keskeistä korrelaation ulottuvuutta. Juuri tämän mallinnuksen kohdalla on myös mielenkiintoista huomata, kuinka varsinaisen etäisyysmuuttujan poistaminen nostaa Hervannan regressiokertoimen noin 2,5 -kertaiseksi, sen pysyessä edelleen tilastollisesti erittäin merkitsevänä. Tilastoaluetta kuvaava dummy-muuttujahan kantaa sisällään kaikkien niiden muiden lokaatioon liittyvien ominaisuuksien lisäksi, joita malliin ei muuten ole erikseen sisällytetty, myös erilaisia etäisyyskomponentteja.
Huomionarvoista on lisäksi se, kuinka varsinaisen etäisyysmuuttujan ottaminen mukaan malliin nostaa sen selitysastetta lähes 30 prosenttiyksikköä.
Tutkielman toisessa luvussa mainittiin tutkimusartikkeli (Sirmans et al. 2005), joka pyrki tekemään eräänlaisen yhteenvedon niistä vuosituhannen taitteessa tehdyistä asunnon hinnanmuodostusta käsitelleistä tutkimuksista, joissa hyödynnettiin tutkimusmenetelmänä hedonista hintaregressiota. Aineisto koostui 125 tutkimuksesta.
Artikkelissa olevan maininnan mukaan niistä kuitenkin vain viidessätoista oli mukana jonkinlainen etäisyysmuuttuja, ja vain yhdeksässä erillinen lokaatioon liittyvä muuttuja.
Jälkimmäinen ei mahtunut edes kahdenkymmenen yleisimmän muuttujatyypin joukkoon. Artikkelin julkaisusta on toki kulunut aikaa jo 16 vuotta, ja tämänkin tutkielman lähteinä käytetyt spatiaalista autokorrelaatiota kommentoivat tutkimukset on julkaistu joko samaan aikaan Sirmansin lähteinä toimivien tutkimusten kanssa, tai vasta niiden jälkeen. On mahdollista, että erilaiset spatiaaliseen ulottuvuuteen liittyvät kysymykset ovat nousseet asuntojen hinnanmuodostuksen hedonisessa tutkimuksessa enemmän pinnalle vasta kuluvan vuosituhannen puolella. Ainakin voidaan todeta, että spatiaalinen autokorrelaatio näyttää ilmiönä saaneen selvästi enemmän huomiota vasta viimeisen runsaan kymmenen vuoden aikana.
52
Kuva 13 Etäisyyden vaikutus poikkeamana keskiarvosta
Kuvan 13 havainnollistuksessa jokaiselle aineiston huoneistolle on laskettu arvio etäisyyden prosentuaalisesta vaikutuksesta sen neliöhintaan, kertomalla havainnon AikaAutolla-muuttujan arvo SAR-SAR -mallin sille tarjoamalla keskimääräisellä hintavaikutuksella. Tuloksen pohjalta muodostetusta muuttujasta on tämän jälkeen vähennetty sen aineistotason keskiarvo, jonka jälkeen kaikkien havaintoyksiköiden saamista arvoista on muodostettu tilastoaluetason keskiarvot. Alueet, jotka on värjätty neutraalin oranssilla sävyllä, ovat siis niitä, joissa etäisyyden arvioitu vaikutus on lähellä sen aineistotason keskimääräistä vaikutusta. Kuvan perusteella on selvää, että keskustaetäisyydellä on merkittävä vaikutus eri alueiden keskimääräiseen hintatasoon. Ydinkeskustassa ja sen välittömässä läheisyydessä ajassa mitattu etäisyys nostaa hintatasoa 25–55 % keskimääräiseen ajalliseen etäisyyteen verrattuna. Kaupungin laita-alueilla, etenkin idässä ja etelässä, on havaittavissa vastaavan suuruinen, mutta etumerkiltään negatiivinen vaikutus. Vaikutuksien suurta kokoluokkaa voidaan pitää hieman yllättävänä.
53
Kuva 14 Tilastoalueiden haluttavuusindeksi
Kun edellä sovellettuun OLS (Huber-White) -malliin otetaan mukaan oma dummy-muuttujansa jokaiselle sellaiselle tilastoalueelle, josta löytyy useampia havaintoja, on mahdollista pyrkiä löytämään alueiden eräänlaiset kiinteät vaikutukset, joita mallin muut muuttujat eivät onnistu vangitsemaan. Ensimmäisellä regressiokierroksella 36 tilastoaluetta sai kerroinestimaatin, jota voidaan pitää tilastollisesti vähintään lähes merkitsevänä. Kun seuraavalle kierrokselle otettiin mukaan vain kyseisiä alueita koskevat lokaatiomuuttujat, niiden jokaisen merkitsevyystaso nousi erittäin merkitseväksi. Kuva 13 havainnollistaa tilastoalueiden tuolloin saamia regressiokertoimia eräänlaisena haluttavuusindeksinä. Kerroinestimaatit on muotoiltu alueiden itsensä prosentuaaliseksi vaikutukseksi neliöhinnan ns. yleiseen tasoon, jota taas ovat osaltaan määrittämässä kaikki ne havaintoyksiköt, jotka eivät sijaitse dummy-muuttujan saaneilla tilastoalueilla. Vaikka etäisyys keskuspaikkaan on mallissa jo huomioitu AikaAutolla-muuttujan kautta, kategoriat 40–60 % ja 60–70 % muodostuvat pääasiassa sellaisista tilastoalueista, joista Keskustorille pääsee nopeasti. Tämä signaloinee jonkinlaista muuta arvostusta, jota varsinaista keskusta-aluetta kohtaan tunnetaan. Lentävänniemi, Haukiluoma, Kalkku ja Hervanta saavat
54 negatiiviset ja tilastollisesti erittäin merkitsevät kerroinestimaatit. Hervanta sai tässä OLS-mallissa vastaavan suuruisen negatiivisen regressiokertoimen kuin aiemmin.
Eräänlaisina selvinä arvoalueina puolestaan erottautuvat Lapinniemi ja Ratina. Tämä ei ole yllättävää, koska molemmat asuinalueet sijaitsevat luonnonkauniissa miljöössä aivan veden äärellä. Lisäksi varsinkin Ratinan rakennuskanta on hyvin modernia, ja vierestä löytyy suuri ostoskeskus palveluineen. Alueiden kiinteitä vaikutuksia kuvaava Stata-tuloste ja taulukko löytyvät tutkielman liitteistä, sivuilta 83 ja 84.
4.4.2 Tuloksia ja tutkimusta koskeva pohdinta
Tutkimustulosten voidaan katsoa vastaavan odotuksia. Ydinkeskustaan suuntautuvan matkustusajan keston kasvaessa osakehuoneiston neliöhinta laskee tilastollisesti erittäin merkitsevällä tavalla, aivan kuten keskuspaikkamallit ja niiden taustateoriat antavat olettaa. Ilmiön voimakkuus riippuu sovellettavasta ajallisesta etäisyysmuuttujasta, eli käytännössä sen arvonmäärityksessä käytetystä kulkumuodosta. Etäisyyden ajan kautta hahmottavien muuttujien välille muodostuukin selvä hierarkia. Tämä johtuu siitä, että vaikka minuutti on aina minuutti, niin muuttujat edustavat välillisesti eri mittaisia maantieteellisiä välimatkoja. Toisaalta on myös luontevaa ajatella, että kun tietyssä ajassa matkataan pidemmälle, niin siirtymän suoraan rahassa mitattavat kustannukset ovat korkeammat.
Spatiaalisen autokorrelaation esiintymisen huomioivan SAR- tai SAR-SAR -mallin soveltaminen ei vaikuttanut muuttujien hintavaikutuksiin kovin paljoa verrattuna perinteiseen OLS-mallinnukseen. Tämä on pettymyksen sijaan tietenkin löydös jo itsessään. Etäisyyttä edustavien muuttujien hyödyntäminen osana pienimmän neliösumman menetelmää toki huomioi jo yhden spatiaalisen autokorrelaation ulottuvuuden, eli etäisyyden keskuspaikkaan. Tämä todettiin myös erillisessä tarkastelussa, todentamalla muutos spatiaalista autokorrelaatiota mittaavan parametrin arvossa. Eli tutkimuksen mielenkiinnon kohteena olevan muuttujatyypin sisällyttäminen tutkimukseen vähentää jo lähtökohtaisesti spatiaalisen autokorrelaation esiintymistä. Tästä huolimatta Moranin I -testi havaitsi kyseisenlaista korrelaatiota perinteisestä OLS-mallista löytyvän, joten spatiaalisten
55 autoregressiomallien hyödyntäminen painoja sisältävine W-matriiseineen oli sinänsä perusteltu valinta.
Todellisuutta yksinkertaistavien keskuspaikkamallien taustaoletus arjen perusrakenteita ylläpitävän toiminnan keskittymisestä vain ydinkeskustaan ei tietenkään pidä käytännössä paikkaansa. Tästä huolimatta osakehuoneiston ja ytimen välisellä etäisyydellä on selvää neliöhintaan kohdistuvaa selitysvoimaa. Tämä johtuu ensisijaisesti varmasti siitä, että kyseinen etäisyys kuvaa välillisesti myös muita huoneiston ja erilaisten palvelu- ja työpaikkakeskittymien välisiä etäisyyksiä. Sekä yritykset että julkisen sektorin toimijat hyötyvät keskusta-alueen läheisyydessä erilaisista toimintaa tehostavista agglomeraatioeduista. Ytimen ympärille muodostuukin hieman samanhenkisiä kehiä, kuin joita von Thünen hahmotteli teoreettisen kylänsä ympärille jo 200 vuotta sitten. Nyt niillä vain tapahtuu maataloustoiminnan sijaan muunlaista arvonluontia ja vaihdantaa, eikä matka varsinaisessa ytimessä sijaitsevalle markkinapaikalle ole kaikille pakollinen.
Esimerkiksi paljon pinta-alaa vaativien ja ihmisten tarpeita laajasti tyydyttävien hypermarkettien on keskeisemmän sijainnin sijaan järkevintä asettua aivan keskusta-alueen reunalle, jossa maan hinta on alempi, ja saavutettavuus sekä keskusta-alueelta että sen ulkopuolelta paras. Keskustan varsinaisessa polttopisteessä käyminen ei siis ole useinkaan välttämätöntä. Keskuspaikalla, eli tämän tutkimuksen tapauksessa Tampereen ydinkeskustalla, on kuitenkin myös omaa muista tekijöistä ammentavaa viehätysvoimaansa. Tätä puoltaa arki-intuition lisäksi myös lähempänä ydintä sijaitsevien huoneistojen selvästi korkeammat keskimääräiset neliöhinnat, jotka ilmenevät myös kuvan 13 haluttavuusindekseistä. Tutkielman toisessa luvussa esitellyssä norjalaistutkimuksessa Osland ja Thorsen viittasivat ilmiöön nimellä urban attraction effect.
Aineisto koostui jo toteutuneista huoneistokaupoista, joiden voidaan katsoa sekä tapahtuneen markkinaehtoisesti, että edustavan laajaa katsausta kaupungin huoneistotarjontaan. Hyödykkeestä, eli osakehuoneistosta, oli mukana runsaasti eri tavalla differoituja tai differoituneita variantteja. Siten hedonisen hinnoittelun teorian mukainen lähestymistapa oli perusteltu, ja ominaisuuksien implisiittiset hinnat, eli kerroinestimaatit tai niihin rinnastettavat muut hintavaikutukset, on muodostettu tavalla, joka täyttää riittävissä määrin teorian soveltamisen taustavaatimukset.
56 Havaintoaineisto ei valitettavasti kuitenkaan kattanut kaupunkialuetta aivan yhtä laajasti, kuin tutkimuksen tekijä olisi toivonut. Aineiston hieman epätasainen jakautuminen käy hyvin ilmi sivun 35 kuvasta 8. Vaikuttaisi siltä, että Tampereen kaupunki on muodostanut vuosikymmenten varrella tietyille tilastoalueille huomattavasti enemmän vuokratontteja kuin toisille, ja tämä tuli tutkimusta tehdessä hieman yllätyksenä. Tilastoalueethan eivät olleet selvillä vielä Kiinteistönvälitysalan Keskusliitolta saadussa aineistossa, vaan kyseinen ulottuvuus tuotiin mukaan vasta tutkimuksen tekovaiheessa, kun rajaukset oli jo päätetty ja havaintoaineiston perusta valettu. Subjektiivisemmalle tulkinnalle alisteiset kaupunginosat olivat toki osana aineistoa jo sen rungon keräämisestä lähtien, mutta koska alueiden täsmentämisen tarve oli tiedossa jo hyvin varhaisessa vaiheessa, ei havaintoyksiköiden spatiaalista allokoitumista tarkasteltu alussa riittävästi. Nyt aineistoon ei päätynyt tontin omistusta koskevan rajauksen takia esimerkiksi Peltolammilta yhtään huoneistoa, vaikka alueella on runsaasti kerrostaloja. Tämän lisäksi havaintojen määrä on tietyiltä tilastoalueilta varsin pieni. Alkuperäinen ajatus oli selkeyttää osakehuoneiston hinnanmuodostuksen tarkastelua sulkemalla siitä järjestelmällisesti ulos tontin statuksen vaikutus.
Tonttikohtaiset vuokrat poikkeavat Tampereen kaupungin alueella suuresti toisistaan, kuten viime vuosina on paljon lehdissäkin kirjoitettu. Vanhoihin maanvuokrasopimuksiin kohdistuu suurta muutospainetta, ja kaupungissa onkin nähty yllättäviä, pahimmillaan jopa 11-kertaisia vuokrankorotuksia. Vuokratontilla sijaitsevat havaintoyksiköt olisi ollut kuitenkin mahdollista sisällyttää tutkimukseen mukaan omalla dummy-muuttujallaan, ja tarkastella kuinka niiden mukana oleminen vaikuttaa regression tuloksiin.
Tämän lisäksi tutkimukseen olisi ollut mahdollista ottaa mukaan niin ikään dummy-muuttujina erilaisia osakehuoneiston ympäristöön liittyviä ominaisuuksia, kuten esimerkiksi lähellä sijaitsevia vesistöjä tai viheralueita. Kun tutkimusta tehdessä tutustuttiin viime vuosina toteutettuihin asunnon hinnanmuodostusta selvittäneisiin tutkimuksiin, niin kiinnostus erilaisten lähellä sijaitsevien luontokohteiden hintavaikutuksiin oli varsin suurta. Se onkin loogista, kun huomioidaan maailmalla etenevä kaupungistumiskehitys ja yhä yleistyvät nk. vihreät arvot, jotka ohjaavat tarkastelemaan kaupunkisuunnittelua monipuolisemmin myös luonnon näkökulmasta.
57
5. Yhteenveto ja johtopäätökset
Tutkimuksen ensisijaisena tarkoituksena oli selvittää, kuinka paljon ajassa mitattu keskustaetäisyys vaikuttaa osakehuoneiston neliöhintaan Tampereella. Tämän lisäksi haluttiin tarkastella löydösten yhteensopivuutta tutkielmassa esiteltyjen kaupunki- ja aluetaloustieteen teorioiden kanssa. Tutkimuskysymykset saivat vastauksensa.
Suurimman selitysasteen tarjonneen SAR-SAR -mallin mukaan etäisyyden kasvu yhdellä lisäminuutilla laskee huoneiston neliöhintaa keskimäärin noin 0,8–3,85 %;
riippuen siitä, mitä kulkumuotoa etäisyyden mittaamisessa hyödynnetään. Löydös istuu hyvin kaupunki- ja aluetaloustieteen teoriaperinteeseen: koska jokainen matkustamiseen käytetty minuutti on pois arvoa luovasta toiminnasta ja synnyttää mahdollisesti myös suoria kuluja, siirtymisen kokonaishinta huomioidaan sijaintiteoreetikkojen oivallusten ja kuluttajan valintateorian mukaisesti siinä hinnassa, jonka kuluttajat ovat valmiita osakehuoneistosta maksamaan.
Ajallista keskustaetäisyyttä kuvaavat muuttujat saivat analyysissa kulkumuodoittain varsin yhtenevät arviot niiden neliöhintaan kohdistuvasta vaikutuksesta eri mallien välillä. Spatiaalisen autokorrelaation eksplisiittisesti huomioivat SAR ja SARSAR -mallit eivät siis antaneet etäisyysmuuttujien arvonmuutoksille hintavaikutuksia, jotka olisivat juuri poikenneet perinteisen pienimmän neliösumman menetelmän indikoimista. OLS-mallinnuksen matkustusaikaa kuvaavien muuttujien kerroinestimaatit eivät myöskään menettäneet tilastollista merkitsevyyttään, vaikka tilastoalueiden sisäinen samankaltaisuus huomioitiin klusteroimalla keskivirheet alueittain. Spatiaalisen autoregressiomallin rakentaminen ei siis vaikuttaisi olevan välttämätöntä silloin, kun pyritään arvioimaan huoneiston ja keskuspaikan välisen etäisyyden vaikutusta asunnon hintaan.
Tutkimustulosten luotettavuus juuri Tampereella voidaan etäisyysmuuttujien osalta arvioida korkeaksi. Kyseisten muuttujien saamat vaikutusarviot pysyivät yhtenevinä mallista toiseen, jonka lisäksi 3454 havaintoyksikköä sisältävän aineiston kokoa on pidettävä hyvänä. Optimitilanteessa se olisi jakautunut tasaisemmin kaupunkialueelle, mutta sen kattavuutta voidaan pitää nytkin tutkimuksen tavoitteisiin nähden riittävänä.
Aineisto täytti hedonisen hinnoittelun teorian vaatimukset markkinaehtoisista
58 transaktioista ja ominaisuuksiltaan monin tavoin poikkeavista hyödykkeistä.
Tutkimusta voidaankin tätä kaikkea vasten pitää onnistuneena.
Yleensä vastaavaa aihetta lähestyneissä tutkimuksissa etäisyys on mitattu kilometreissä. Kuten jo johdannossa todettiin, ajassa mitatun etäisyyden etuna on pidettävä kuitenkin sitä, että se huomioi puhtaasti maantieteeseen perustuvia etäisyysmuuttujia paremmin esimerkiksi liikenneinfrastruktuurin ja liikennevirtojen keskittymisen vaikutukset, sekä julkisen liikenteen roolin. Aineiston ja sen muuttujien arvojen spatiaalisen tarkastelun yhteydessä havaittiinkin ilmiö, jossa tilastoalueiden välinen etäisyyteen perustuva järjestys muuttuu riippuen siitä, lähestytäänkö etäisyyttä ajallisena vai maantieteellisenä määreenä. Varsinkin henkilöautolla tapahtuvaan siirtymiseen pohjaavan ajallisen etäisyysmuuttujan keskimääräisen vaikutuksen yleistettävyyttä Tampereen lisäksi myös muille kaupunkialueille voitaneen pitää sen maantieteellistä vastinetta parempana. Yksi mahdollinen jatkotutkimuksen aihe voisikin liittyä asian selvittämiseen. Olisi mielenkiintoista vertailla muuttujan saamia estimaatteja esimerkiksi Turun kaupungin tai Helsingin seudun metropolialueen vastaaviin. Samanlaisen vertailun voisi tehdä myös julkiselle liikenteelle, varsinkin koska siihen ja sen järjestämiseen liittyvät kysymykset ovat useammastakin syystä juuri nyt pinnalla. Myös raitiotien vaikutusta esimerkiksi Hervannan tai Lentävänniemen haluttavuustasoon voisi tarkastella useamman vuoden aineistoa vasten. Uudella kulkumuodolla kun on luonnollisesti vaikutusta matkustusaikaan, ja siten myös asuinalueen haluttavuuteen. Tämän tutkimuksen havaintoaineisto on peräisin vuosilta 2018 ja 2019, eli ajalta, jolloin raitiotien rakentaminen oli jo alkanut, mutta esimerkiksi päätöstä sen jatkamisesta Lentävänniemeen ei ollut vielä tehty. Tulevaisuudessa olisi mahdollista selvittää, kuinka raitiotie on vaikuttanut kyseisten, tässä tutkimuksessa vähemmän halutuiksi asuinpaikoiksi todettujen alueiden arvostustasoon. Aineiston voisi ulottaa ajalta ennen rakentamispäätöstä aikaan, jolloin liikennöinti myös kaupungin länsiosiin on vakiintunut.
59
6. Lähteet
Alonso, W. (1960). A model of the urban land market: Location and densities of dwellings and businesses. Ph.D. Dissertation - University of Pennsylvania,
Basu, S., & Thibodeau, T. G. (1998). Analysis of spatial autocorrelation in house prices. The Journal of Real Estate Finance and Economics, 17(1), 61-85. doi:10.1023/A:1007703229507
Brueckner, & Jan, K. (1987). The structure of urban equilibria: A unified
treatment of the muth-mills model. Handbook of Regional and Urban Economics, II Retrieved from http://www.socsci.uci.edu/~jkbrueck/course%20readings/handbook%20chapter.pdf
Fujita, M., & Thisse, J. (2002). Economics of agglomeration : Cities, industrial location, and regional growth. Cambridge: Cambridge University Press.
Gregory, D. (2009). The dictionary of human geography (5th ed.). Malden, Mass: Blackwell.
Gröbel, S., & Thomschke, L. (2018). Hedonic pricing and the spatial structure of housing data - an application to berlin. Journal of Property Research, 35(3), 185-208.
doi:10.1080/09599916.2018.1510428
Kraus, M. (2006). Monocentric cities. Oxford, UK: Blackwell Publishing Ltd.
doi:10.1002/9780470996225.ch6
Kulish Mariano, Richards Anthony and Gillitzer Christian. (2011). Urban structure and housing prices: Some evidence from australian cities. Reserve Bank of Australia - Research Discussion Paper, Retrieved from https://www.rba.gov.au/publications/rdp/2011/pdf/rdp2011-03.pdf
Laakso, S., & Loikkainen, H. A. (2004). Kaupunkitalous Gaudeamus.
60
McDonald, J. F. (2007). William alonso, richard muth, resources for the future, and the founding of urban economics. Journal of the History of Economic Thought; J Hist Econ Thought, 29(1), 67-84. doi:10.1080/10427710601178310
Militino, A. F., Ugarte, M. D., & García-Reinaldos, L. (2004). Alternative models for describing spatial dependence among dwelling selling prices. The Journal of Real Estate Finance and Economics, 29(2), 193-209. doi:10.1023/B:REAL.0000035310.20223.e9
Muth, R. (1961a). Economic change and rural-urban land conversions. Econometrica, 29(1), 1-23.
doi:10.2307/1907683
Muth, R. (1961b). The spatial structure of the housing market. Papers and Proceedings, Regional Science Association, 7
Osland, L., & Thorsen, I. (2008). Effects on housing prices of urban attraction and labor-market accessibility. Environment and Planning.A, 40(10), 2490-2509. doi:10.1068/a39305
Ricardo, D. (1817). On the principles of political economy and taxation. London: Electric Book Co.
Rosen, S. (1974). Hedonic prices and implicit markets: Product differentiation in pure competition. The Journal of Political Economy, 82(1), 34-55. doi:10.1086/260169
Rosenthal, S. S., & Strange, W. C. (2020). How close is close? the spatial reach of agglomeration economies. The Journal of Economic Perspectives, 34(3), 27-49. doi:10.1257/jep.34.3.27
Saputro, D. R. S., Muhsinin, R. Y., Widyaningsih, P., & Sulistyaningsih. (2019). Spatial
autoregressive with a spatial autoregressive error term model and its parameter estimation with two-stage generalized spatial least square procedure. Journal of Physics.Conference Series; J.Phys.: Conf.Ser, 1217(1), 12104. doi:10.1088/1742-6596/1217/1/012104
Schmidt, S., Krehl, A., Fina, S., & Siedentop, S. (2020). Does the monocentric model work in a polycentric urban system? an examination of german metropolitan regions. Urban Studies, doi:10.1177/0042098020912980
61
Sirmans, G. S., Macpherson, D. A., & Zietz, E. N. (2005). The composition of hedonic pricing models. Journal of Real Estate Literature, 13(1), 3-43. Retrieved
from
https://www.scopus.com/inward/record.uri?eid=2-s2.0-14544271819&partnerID=40&md5=1a450426951af1006f3280be13a613e6
Spivey, C. (2008). The Mills–Muth model of urban spatial structure: Surviving the test of
time? Urban Studies (Edinburgh, Scotland), 45(2), 295-312. doi:10.1177/0042098007085964
Stata (2021). Stata Spatial Autoregressive Models Reference Manual, release 17. Stata Press.
Thünen, J. H. v., & Suntum, U. v. (1826). The isolated state in relation to agriculture and political economy part III: Principles for the determination of rent, the most advantageous rotation period and the value of stands of varying age in pinewoods. London: Palgrave Macmillan UK.
doi:10.1057/9780230274112
Timothy, D., & Wheaton, W. C. (2001). Intra-urban wage variation, employment location, and commuting times. Journal of Urban Economics, 50(2), 338-366. doi:10.1006/juec.2001.2220
Wheaton, W. C. (1977). Income and urban residence: An analysis of consumer demand for
Wheaton, W. C. (1977). Income and urban residence: An analysis of consumer demand for