Kapitel 3 Datenaufbereitung
3.1 Zielstellung der Datenaufbereitung
Hauptziel der Datenaufbereitung ist es, über Zwischenschritte von der in Kap. 2.5 beschriebenen unbereinigten Nettostichprobe zur bereinigten Nettostichprobe und dann zum modellierungsrelevanten Datenbestand zu kommen. Gesetzliche Vorgaben, welche Schritte erfolgen müssen und was dokumentiert werden muss, ergeben sich aus §§ 9, 10 und 12 MsV. Die Schritte umfassen das Zusammenführen der verschiedenen Datenquellen aus den unterschiedlichen Befragungswegen, die Plausibilisierung der Daten, den Ausschluss nicht mietspiegelrelevanten Wohnraums, die Identifikation von nicht-ortsüblichen Wohnraum, der Imputation von Fehlwerten und der Darlegung von Gewichtungsverfahren, um Verzerrungen auszugleichen.
3.2 Zusammenführen der Datenquellen
Durch die Aufteilung der Erhebung in Mieter- und Vermieterbefragung umfasst der erste Schritt der Datenaufbereitung das Zusammenführen der Mieterfragebögen aus QuestorPro mit den Angaben der vier Großvermieter (Excel). Dazu wurde die technische Infrastruktur des städtischen Data Warehouse (DWH) verwendet. Wegen der verhältnismäßig kurzen Zeitfenster für Datenaufbereitung inklusive der Plausibilisierung wurde vor Beginn der Modellierungsphase ein Workflow in der Programmiersprache Python entwickelt (Van Rossum and Drake (2009)), bei dem täglich automatisiert die neu erfassten Fragebögen per API aus der Befragungssoftware Questor Pro ins DWH importiert, aufbereitet, durch den unten beschriebenen Regelkatalog geprüft und an den Fragebogendatensatz angehängt wurden.
Zusätzlich wurden Informationen aus externen Datenquellen an jeden Fall angefügt. Zum einen wurde das Baujahr aus der städtischen Baustatistik ergänzt. Zum anderen wurden Adressen mit gefördertem Wohnraum durch Daten der Wohnraumförderung zur Plausibilisierung der entsprechenden Angaben im Fragebögen markiert.
3.3 Plausibilisierung
Jeder Fragebogen wurde einer eingehenden Prüfung mittels eines sorgfältig entwickelten Regelkatalogs zur Plausibilisierung unterzogen. Dieser in der Programmiersprache Python und der Datenbanksprache SQL programmierte Katalog enthielt in seiner finalen Version 94 unterschiedliche Regeln, die darauf abzielten, fehlerhafte oder unplausible Antworten zu identifizieren um die Datenqualität zu erhöhen. Die Plausibilisierung umfasste mehrere aufeinander abgestimmte Schritte:
In einem ersten Schritt wurden skriptbasiert bestimmte Fehler automatisch als stille Korrekturen durchgeführt (z.B. Korrektur der Mietspiegelrelevanz). In einem zweiten Schritt wurden skriptbasiert Fehler zur manuellen Prüfung markiert (z.B. Luftbildprüfung von Geschosszahlen). Die Regeln des Katalogs decken verschiedene Kategorien ab, wie z.B. Ausschlussgründe, Substandards und Logikprüfungen. Fehlende Angaben konnten ergänzt und unplausible oder unvollständige Datensätze entfernt werden.
Nicht plausibilisiert wurden die Angaben zu den Betriebskosten, da diese lediglich für die Erstellung eines schlüssigen Konzepts zur Ermittlung der angemessenen Kosten der Unterkunft benötigt werden.
Die Plausibilisierung erfolgte parallel zum Erhebungszeitraum mit Hilfe einer R Shiny-App. Diese stammt im Ursprung von der Stadt Leipzig und wurde für den Wolfsburger Mietspiegel angepasst und weiterentwickelt. Die Verwendung dieser App bot den Vorteil, dass mehrere Mitarbeiter parallel Fragebögen direkt in der Datenbank und ohne eigene Programmierkenntnisse plausibilisieren und alle Änderungen oder Kommentare automatisiert dokumentiert werden konnten. Zusätzliche Hilfe innerhalb der App war die direkte Verlinkung von Fragebogen zur Position in Google Maps, um eine grobe Bewertung des Zustandes des Gebäudes per Satelliten- oder Schrägluftbild zu ermöglichen. Weitere Zusatzhilfen waren die Anzeige von Fragebögen an der gleichen Adresse sowie mit gleichen Arten von Fehlern, um ähnliche Wohnungen miteinander vergleichen zu können oder Angaben aus dem selben Gebäude zu vereinheitlichen.
3.4 Ausschluss nicht relevanter Datensätze
Der Ausschluss nicht relevanter Datensätze für die Mietspiegelerstellung ist eine Vorstufe zur im nächsten Kapitel thematisierten Identifikation von nicht-ortsüblichem Wohnraum. Wie in Kap. 2.2 dargelegt, sind nicht alle Wohnungen mietspiegelrelevant und müssen daher bei der Erstellung des Mietspiegels unberücksichtigt bleiben. Im Rahmen der Generierung der Erhebungsgrundgesamtheit war jedoch nur näherungsweise eine Bereinigung um Ein- und Zweifamilienhäuser, Wohnraum in Heimen und heimähnlichen Unterkünften sowie um von Eigentümern selbst genutzter Wohnraum möglich. Die in Kap. 2.2 beschriebenen nicht mietspiegelrelevanten Fälle wurden durch Filterfragen im Fragebogen ausgeschlossen (siehe Anhang).
In einem ersten Schritt wurden über Frage 1 Eigentümer sowie Untermieter, sofern der Hauptmieter nicht erreichbar war, ausgeschlossen. In einem zweiten Schritt erfolgte über die Fragen 2 und 3 der Ausschluss aller Fälle außerhalb des 6-Jahreszeitraums gem. § 558 Abs. 2 BGB. Die weiteren Ausschlussgründe wurden durch die Fragen 4a bis 4g abgefragt, wobei mehrere Ausschlussgründe zutreffen können.
Gefälligkeitsmieten und mietfreie Wohnverhältnisse wurden nicht durch die Filterfragen ausgeschlossen, sondern im Rahmen der Plausibilisierung. Hierfür wurde als zusätzliche Information die Frage 12 zum Verwandtschaftsverhältnis zum Vermieter herangezogen. Ausschlussgründe wurden analog zum Fragebogen auch bei telefonischen oder persönlichen Kontaktaufnahmen über die Rücklauf-App erfasst. In Tabelle 3.1 sind die Ausschlussgründe sowie die Anzahl der auszuschließenden Fragebögen zusammengefasst. Die Ausschlussgründe sind nach dem Befragungsweg (Vermieter- bzw. Großvermieterbefragung) getrennt. Insgesamt wurden 1.228 Fälle als nicht mietspiegelrelevant ausgeschlossen.
| Kategorie | Anzahl |
|---|---|
| Nettostichprobe | 4.408 |
| Abzüglich nicht mietspiegelrelevanter Datensätze | 1.228 |
| (Dopplung der Ausschlussgründe ist möglich.) | |
| Selbstgenutztes Eigentum (Mieterbefragung) | 256 |
| Untermieter, Hauptmieter nicht erreichbar (Mieterbefragung) | 27 |
| Außerhalb 6-Jahres-Zeitraum (Mieterbefragung) | 257 |
| Außerhalb 6-Jahres-Zeitraum (Großvermieterbefragung) | 279 |
| Ein- und Zweifamilienhäuser (Mieterbefragung) | 107 |
| Ein- und Zweifamilienhäuser (Großvermieterbefragung) | 2 |
| Mietfrei oder Gefälligkeitsmiete (Mieterbefragung) | 34 |
| Mehrere Hauptmietverhältnisse (Mieterbefragung) | 72 |
| Mehrere Hauptmietverhältnisse (Großvermieterbefragung) | 26 |
| Dienst- oder Werkswohnung (Mieterbefragung) | 17 |
| Vorübergehender Gebrauch (Mieterbefragung) | 14 |
| Gewerbliche Nutzung (Mieterbefragung) | 8 |
| Gewerbliche Nutzung (Großvermieterbefragung) | 1 |
| Möbliert oder teilmöbliert (Mieterbefragung) | 133 |
| Möbliert oder teilmöbliert (Großvermieterbefragung) | 23 |
| Wohnheim oder Hotel (Mieterbefragung) | 19 |
| Wohnheim oder Hotel (Großvermieterbefragung) | 1 |
| Geförderter Wohnraum (Mieterbefragung) | 13 |
| Geförderter Wohnraum (Großvermieterbefragung) | 111 |
| Anzahl der mietspiegelrelevanten Datensätze | 3.180 |
Neben dem Ausschluss nicht mietspiegelrelevanter Fälle wurden im Rahmen der Plausibilisierung 13 unplausible Datensätze aus der weiteren Berechnung ausgeschlossen (siehe Abb. 3.4). Gem. § 10 Abs. 1 MsV waren diese Fälle vor allem hinsichtlich wesentlicher Merkmale, wie der Miethöhe unplausibel und nicht zu korrigieren.
Desweiteren regelt § 12 Abs. 1, dass die erhobenen Mietwerte auf eine einheitliche Vergleichsbasis gebracht werden müssen. Diese Basis ist für den Wolfsburger Mietspiegel die vom Gesetzgeber empfohlene Nettokaltmiete. In 166 Fällen wurde eine Inklusiv- oder Teilinklusivmiete angegeben, die auch nicht durch die abgefragten Betriebskosten zu korrigieren waren. Die Fälle wurde daher von der weiteren Berechnung ausgeschlossen. Im Ergebnis steht eine Auswertungsgrundgesamtheit bzw. eine bereinigte Nettostichprobe mit 3.001 Wohnungen. Die Anforderungen an den Stichprobenumfang nach § 11 MsV sind somit erfüllt.
3.5 Identifikation nicht-ortsüblichen Wohnraums
Im Rahmen der Bereinigung von Ausreißermieten werden besonders geringe oder besonders hohe Mieten ausgeschlossen, da sie den ortsüblichen Wohnraum nicht repräsentieren. Welche Mieten als nicht-ortsüblich identifiziert werden, soll laut § 12 Abs. 2 MsV mit Hilfe von statistischen Standardverfahren erfolgen und auf Plausibilität überprüft werden. Dieser Prozess ist ein vorbereitender Schritt für die Modellierung, während der es zu einer zweiten Stufe der Ausreißerbereinigung kommt. In dieser zweiten Stufe werden modelltechnische Ausreißer und Hebelwerte eliminiert, die die Modellschätzung negativ beeinflussen könnten. Weitere Informationen dazu sind in Kap. 4.2.6 zu finden.
Als statistisches Standardverfahren zur Identifizierung von Ausreißermieten bietet sich die Betrachtung der oberen und unteren Whisker an, definiert als 1,5-facher Interquartilsabstand. Diese können mit Hilfe von Boxplots visualisiert werden. Aufgrund der rechtsschiefen Verteilung der Mieten in der Erhebungsgrundgesamtheit befinden sich viele Wohnungen über dem oberen Whisker. Um dieser für Mietpreisverteilungen üblichen Rechtsschiefe Rechnung zu tragen, wurde als obere Kappungsgrene der 2,5-fache Interquartilsabstand festgelegt. Zudem erfolgte die Festlegung der Kappungsgrenzen aufgrund der großen Unterschiede in den Mietpreisen und Verteilungen gruppiert nach Wohnungsgrößen und Baualtersklassen, welche sich an den Bauepochen der Stadt Wolfsburg orientieren.
Eine hohe oder niedrige Miete, die sich von der Mehrzahl der erhobenen übrigen Mietwerte soweit abhebt, dass sie mit ihnen unter Berücksichtigung wohnwertrelevanter Merkmale unvereinbar erscheint, muss nicht zwingend eine Wucher- oder Gefälligkeitsmiete sein. Andere als in der standardisierten Ausreißeranalyse betrachteten Merkmale, wie besondere Wohnformen oder besondere Ausstattungen, können die Abweichung begründen. In solchen Fällen liegt keine Ausreißermiete vor und diese Fälle sind bei der Auswertung zu berücksichtigen.
Daher erfolgte eine manuelle Plausibilitätsprüfung aller potenziellen Ausreißer. Hierfür wurde jeder Einzelfall auf besondere, herausragende Merkmale (positiv wie negativ) geprüft und mit einer Vergleichsgruppe (Raumeinheit, gleiche Ausstattung o.ä.) in Bezug gesetzt. Lag die Wohnung zudem nur leicht außerhalb der Whisker, wurde die Wohnung nicht als Ausreißer behandelt. Von 48 potenziellen Ausreißern wurden nach der Einzelfallprüfung 30 Wohnungen als Ausreißer deklariert und aus der weiteren Berechnung ausgeschlossen.
Neben den nicht-ortsüblichen Mieten wurden in einem nächsten Schritt nicht-ortsübliche Wohnflächen ausgeschlossen. Wohnflächen kleiner gleich 25 m² (n=5) und Wohnflächen größer 175 m² (n=1) wurden als Kappungsgrenzen ermittelt. Der Geltungsbereich des Wolfsburger Mietspiegels umfasst somit Wohnungen von 26 bis 175 m² Wohnfläche.
Aufgrund der beschriebenen Ausreißerbereinigung wird die Zahl der Fragebögen in der Auswertungsgrundgesamtheit nochmal reduziert. Für die Berechnung des Wolfsburger Mietspiegels stehen 2.965 potentiell modellierungsrelevante Datensätze zur Verfügung. Die tatsächliche Zahl der im Modell verwendeten Fragebögen kann jedoch geringer sein, da wie im folgenden Kapitel dargestellt wird, Fehlwerte nicht in die Berechnung einfließen können. Je nach dem, welche Merkmale Teil des Modells sind, verändert sich jeweils die Anzahl der verwendeten Fragebögen.
3.6 Umgang mit Fehlwerten: Imputation
Damit Fragebögen in einer Regression verwendet werden können, müssen für alle unabhängigen Merkmale Informationen vorhanden sein. Es ist nicht möglich, Fragebögen in der Modellierung einzuschließen, die Fehlwerte, Platzhalter für diese oder “Weiß Nicht”-Antworten enthalten. Allgemeines Ziel ist es, die größtmögliche Schnittmenge aus möglichst vollständig vorhandenen Merkmalen und vollständig ausgefüllten Fragebögen für den modellierungsrelevanten Datenbestand zu haben.
Es gibt mehrere Optionen, um den modellierungsrelevanten Datenbestand möglichst groß zu halten. Auf Ebene des einzelnen Fragebogens können Fehlwerte imputiert oder ein gesamter Fragebogen entfernt werden. Auf Modellebene können ganze Merkmale entfernt werden, wenn eine große Zahl von Fehlwerten auftritt, um möglichst viele Fragebögen zu erhalten.
Bei der Imputation handelt es sich um statistische Methoden, um fehlende Werte in Daten zu ersetzen oder zu schätzen. Beispiele für Imputationsverfahren sind die Imputation mit Hilfe von Lagemaßen (Arithmetisches Mittel, Median, Modus), Regressionsverfahren, Hot-Deck-Verfahren oder anderen Methoden. Datensätze, bei denen die zentralen Angaben zur Miethöhe oder Wohnfläche fehlten, wurden als bereits als unplausibel ausgeschlossen. Im folgenden wird der Umgang mit Fehlwerten bei den sonstigen Wohnwertmerkmalen beschrieben.
Im Rahmen der Datenaufbereitung für den vorliegenden Mietspiegel wurden drei Merkmale imputiert. Fehlwerte gab es auch bei anderen Merkmalen. Hier bot sich eine Imputation aber nicht an. Ein Grund dafür kann eine zu geringe Anzahl an Fehlwerten sein. Andere Gründe sind zu starke Verzerrungen bei einfachen Imputationsverfahren oder keine logisch passenden Merkmale für z.B. die Anwendung von Hot-Deck-Verfahren.
Küchenfläche:
Um die fehlenden Werte des Merkmals “Küchenfläche” zu imputieren, wurde das Hot-Deck-Verfahren angewendet. Dieses Verfahren basiert auf der Annahme, dass die Küchenfläche von “ähnlichen” Wohnungen übernommen werden kann. Als Kriterien für die “Ähnlichkeit” wurden die Merkmale “Wohnfläche” und “Art des Küchenraumes” verwendet. Die Fragebögen wurden vor der Imputation nach der Wohnfläche sortiert und nach der Art des Küchenraumes gruppiert. Im Anschluss wurde das Hot-Deck Verfahren mit der Statistiksoftware R durchgeführt.
Das Hot-Deck Verfahren hat den Vorteil, dass es keine Verzerrungen in der Verteilung und der Varianz verursacht, wie z.B. die Mittelwertimputation. Es kann dennoch vorkommen, dass einzelne unplausible Datensätze erzeugt werden. In 137 Fällen konnte die Küchenfläche imputiert werden.
Nachträgliche Dämmung sämtlicher Außenwände seit 2010 oder später und Energiebedarf bzw. -verbrauch:
Für die beiden stark korrelierten Merkmale zu Dämmung und Energiebedarf bzw. -verbrauch wurde eine kombinierte Methodik zur Imputation von Fehlwerten verwendet. Dabei musste mindestens einer der beiden Werte vorhanden sein.
- Schritt: Hot-Deck Imputation (Dämmung)
Die Fragebögen wurden vor der Imputaton nach Baujahr und Energiebedarf bzw. -verbrauch sortiert. Anschließend wurde nach Energieausweisklasse und Gebäudeklassifikation (bezogen auf Anzahl der Wohneinheiten) gruppiert und dann die Hot-Deck Imputation durchgeführt.
- Schritt: Mittelwert Imputation von Energiebedarf bzw. -verbrauch
Im zweiten Schritt wurden aus einer Studie der dena (Bigalke et al. (2016), Seite 62) Mittelwerte für verschiedene Baualters- und Gebäudeklassen übernommen. Dabei wurden nur Gebäude ohne nachträgliche Außendämmung und Baujahr vor 2009 berücksichtigt. Die Fragebögen wurden nach Energieverbrauchswerten, Baujahr und Gebäudeklassifikation nach Anzahl der Wohneinheiten gruppiert.
- Schritt: Hot-Deck Imputation von Energiebedarf bzw. -verbrauch
Um weitere Fehlwerte von Energiebedarf bzw. -verbrauch zu imputieren, wurde erneut die Hot-Deck Imputation angewendet. Zum Identifizieren der “ähnlichen” Wohnungen wurden die Daten nach Baujahr sortiert und über Gebäudeklassifiktation nach Anzahl der Wohneinheiten, Verglasung der Fenster, Außendämmung und Baualtersklassen gruppiert.
- Schritt: Neuberechnung Energieausweisklassen
Nach der Imputation wurden die Energieausweisklassen neu berechnet. In 31 Fällen konnte die Dämmung der Außenwände und in 314 Fällen die Energieausweisklasse imputiert werden.
3.7 Repräsentativität
In der in Kap. 2.3 dokumentierten Stichprobenziehung wurde dargelegt, dass die stichprobedingten Unsicherheiten durch Einhaltung der dort dargestellten Anforderungen reduziert wurde. Gem. § 8 Abs. 1 MsV gilt eine Stichprobe als repräsentativ, wenn diese auf einer nach § 11 MsV ausreichenden Datenmenge beruht und bei der im Wesentlichen jede Wohnung der Auswertungsgrundgesamtheit eine positive und bekannte Wahrscheinlichkeit hat, in die Erhebung einbezogen zu werden. Diese Anforderungen können für den vorliegenden Mietspiegel als erfüllt angesehen werden. Das Stichprobenkonzept bildet also die Grundlage für eine möglichst verzerrungsfreie Schätzung der ortsüblichen Vergleichsmiete.
Über die Anforderungen der MsV hinausgehend wird im Folgenden geprüft, ob die Stichprobe die entscheidenden Charakteristika der Grundgesamtheit widerspiegelt. Jedoch ist die Grundgesamtheit, wie bei der Generierung der Erhebungsgrundgesamtheit dargestellt, u.a. aufgrund des 6-Jahres-Zeitraums ex-ante nicht exakt abzugrenzen. Daher ist die Frage, ob die die Auswertungsgrundgesamtheit ein repräsentatives Abbild der Grundgesamtheit darstellt, nur näherungsweise überprüfbar. Probleme mit der Repräsentativität wurden zudem durch die Einführung der Auskunftspflicht entschärft. Verzerrende Effekte durch Unit-Non-Response sind bei freiwilligen Befragungen mit entsprechend geringeren Rücklaufquoten deutlich wahrscheinlicher.
Im Folgenden werden daher ausschließlich der Befragungsweg und die räumliche Verteilung in der Auswertungsgrundgesamtheit mit der in der Erhebungsgrundgesamtheit verglichen. Aufgrund des gewählten Befragungsdesigns, mit proportionaler Schichtung nach Stadt- und Ortsteilen in Kombination mit den unterschiedlich hohen Rückläufen der Mieter- und Großvermieterbefragung, sind hier mögliche Verzerrungen anzunehmen.
Die Bruttostichprobe wird in den folgenden Abbildungen stellvertretend für die Erhebungsgrundgesamtheit als Vergleichsbasis herangezogen. Durch die Zufallsauswahl ist keine Abweichung zu den Verteilungen in der Erhebungsgrundgesamtheit vorhanden.
In Abbildung 3.6 und 3.7 werden die prozentualen Anteile von Bruttostichprobe und Auswertungsgrundgesamtheit nach der räumlichen Verteilung (Stadt- und Ortsteile) und dem Befragungsweg (Mieter und Großvermieter) dargestellt.
Die dargestellten Abweichungen zwischen der Auswertungsgrundgesamt und der Bruttostichprobe sind jedoch nicht ausschließlich die Folge von Non-Response, sondern auch auf die Qualität der Erhebungsgrundgesamtheit zurückzuführen. Wie dargestellt konnte ex-ante keine vollständige Eingrenzung auf den mietspiegelrelevanten Wohnraum erfolgen.
Zusammengefasst ist die Auswertungsgrundgesamtheit durch die Einhaltung der Anforderungen des § 8 Abs. 1 MsV als repräsentativ anzunehmen. Aufgrund des Befragungsdesigns wurde jedoch die Notwendigkeit einer korrigierenden Gewichtung nach dem Befragungsweg sowie der räumlichen Verteilung (Stadt-/Ortsteile) festgestellt. Im nächsten Kapitel folgt eine Erläuterung der durchgeführten Gewichtung.
3.8 Gewichtung
Um eine repräsentative und charakteristische Auswahl der Auswertungsgrundgesamtheit sicherzustellen, wurden verschiedene Gewichtungen angewandt und miteinander verknüpft. Verzerrungen, die durch die Gewichtungen ausgeglichen werden, umfassen die Faktoren Ziehungswahrscheinlichkeit, Teilnahmewahrscheinlichkeit, Verzerrungen durch den Befragungsweg und den Stadt-/Ortsteil.
Designgewichtung
Die Designgewichtung berücksichtigt die verschiedenen Ziehungswahrscheinlichkeiten der Stichprobeneinheiten. Dieses Gewicht wird als Kehrwert der Ziehungswahrscheinlichkeiten berechnet. Als Datengrundlagen dienen die Erhebungsgrundgesamtheit und die bereinigte Bruttostichprobe, die keine Stichproben-neutralen Ausfälle enthält. Das Designgewicht hat in diesem Kontext für alle Datensätze den gleichen Wert.
Non-Response Gewichtung: Teilnahmewahrscheinlichkeit
Die Non-Response Gewichtung berücksichtigt die Wahrscheinlichkeit der Teilnahme. Hierfür wird ein Gewicht für alle Datensätze ermittelt, indem die Bruttostichprobe in Bezug zur unbereinigten Nettostichprobe gesetzt wird. Während dieses Schrittes wird ausschließlich die Wahrscheinlichkeit der Teilnahme berücksichtigt, unabhängig von der Relevanz für den Mietspiegel. Die Teilnahmewahrscheinlichkeit bildet die erste Stufe der Non-Response Gewichtung. Diese ist entscheidend, um Verzerrungen durch nicht beantwortete Fragebögen zu minimieren. In zwei weiteren Schritten wird den Nichtbeantwortungen Rechnung getragen, um ihre Auswirkungen zu mindern.
Non-Response Zellgewichtung
In diesem Schritt werden spezifische Verzerrungen, die durch Nichtbeantwortung (Non-Response) entstehen, geprüft und berücksichtigt. Zellgewichtung (auch Anpassungsgewichtung genannt) wird verwendet, wenn externe Prüfmerkmale vorliegen und in Grundgesamtheit und Stichprobe nicht gleich verteilt sind. Die Prüfmerkmale umfassen den Befragungsweg und die 41 Stadt-/Ortsteile der Stadt Wolfsburg. Zwei Befragungswege wurden bei der Erhebung durchgeführt: Mieterbefragung und Großvermieterbefragung.
Eine Zelle ist in dem Kontext eine Kreuzungsklasse der Prüfmerkmale, z.B. Großvermieterbefragung in Fallersleben. Die Anzahl der Wohnungen mit diesen Prüfmerkmalen ist die Zellgröße. Abgeglichen mit dem Befragungsweg und dem Stadt-/Orsteil werden die bereinigte Bruttostichprobe und die unbereinigte Nettostichprobe. Die Gewichte werden für die einzelnen Zellen und nicht als Gesamtgewicht ermittelt.
Nachgelagerte Non-Response Zellgewichtung
Die nachgelagerte Non-Response Zellgewichtung muss angewendet werden, wenn Fragebögen zwar eindeutig mietspiegelrelevant sind, aus anderen Gründen aber nicht in der Auswertung berücksichtigt wurden. Diese Fragebögen konnten wegen fehlender Angaben bei einzelnen Merkmalen nicht berücksichtigt worden. Die Gewichtung ist notwendig, weil sich die Anzahl der fehlenden Angaben (insbesondere “Weiß Nicht”-Antworten) zwischen der Mieter- und der Großvermieterbefragung systematisch unterscheiden. Auch diese Gewichtung erfolgte nach Befragungsweg und Stadt-/Ortsteil. Diese Fragebögen werden als Fragebögen des Typs 2 bezeichnet.
Die Anzahl Fragebögen des Typs 2 unterscheidet sich je nachdem, welche Merkmale in den Regressionsmodellen auf dem Weg zum finalen Modell berücksichtigt wurden. Entsprechend mussten die Gewichtungsfaktoren der nachgelagerten Non-Response Gewichtung für jede grundlegend veränderte Modellspezifikation neu berechnet werden. Da der Unterschied zwischen bereinigter Nettostichprobe mit und ohne Fragebögen des Typs 2 zu Verzerrungen führt, wird die nachgelagerte Non-Response Zellgewichtung durchgeführt.
Gesamtgewichtung
Die Gesamtgewichtung ergibt sich aus der zellweisen Multiplikation der Gewichte, einschließlich der Ziehungs- und Teilnahmewahrscheinlichkeit.
Normierung
Nach der Berechnung der Gesamtgewichte erfolgt eine Normierung auf den Stichprobenumfang der modellierungsrelevanten Datensätze. Dieser Schritt ist notwendig, um eine korrekte Berechnung der Standardfehler zu gewährleisten. Diese sind für die Berechnung der Signifikanzniveaus erforderlich, die zur Feststellung von statistisch signifikanten Effekten benötigt werden.
3.9 Deskriptive Analyse
Nach Durchführung der Schritte, die von der Erhebungsgrundgesamtheit bis zum modellierungsrelevanten Datenbestand führen, werden in diesem Abschnitt ausgewählte Häufigkeitsverteilungen samt statistischer Lageparameter auf Basis des modellierungsrelevanten Datenbestandes betrachtet. Dabei werden die Merkmale Nettokaltmiete, Wohnfläche und Baujahre betrachtet. Die beiden Letztgenannten haben basierend auf Erfahrungen anderer Städte die größten Einflüsse auf die Zielvariable Nettokaltmiete (pro Qudratmeter). In Zukunft werden auch Vergleiche der Merkmale mehrerer Mietspiegel möglich sein. Beim vorliegenden ersten Mietspiegel ist das noch nicht möglich.
3.9.1 Nettokaltmiete
Der Median der Nettokaltmieten (6,68 €/m²) liegt etwas niedriger als das arithmetische Mittel (7,08 €/m²). Die Verteilung ist damit leicht linksschief, was bedeutet, dass es mehr Werte unterhalb des arithmetischen Mittels gibt als oberhalb. Die mittleren 50% der erhobenen Nettokaltmieten liegen zwischen 6,07 und 7,50 €/m². Die Standardabweichung von 1,56 deutet auf eine moderate Streuung hin, dass viele Werte relativ nah am arithmetischen Mittel liegen.
| Lageparameter | Wert [€ / m²] |
|---|---|
| Minimum | 4,22 |
| Unterer Whisker | 4,22 |
| 25%-Quantil | 6,07 |
| Median | 6,68 |
| Arithmetisches Mittel | 7,08 |
| 75%-Quantil | 7,50 |
| Oberer Whisker | 9,65 |
| Standardabweichung | 1,56 |
| Maximum | 18,64 |
3.9.2 Wohnfläche
Der Median der Wohnflächen (65 m²) liegt etwas niedriger als das arithmetische Mittel (65,99 m²). Die Verteilung ist damit leicht linksschief, was bedeutet, dass es mehr Werte unterhalb des arithmetischen Mittels gibt als oberhalb. Die Standardabweichung 16,27 deutet darauf hin, dass die Werte um das arithmetisches Mittel stark streuen.
| Parameter | Wert [m²] |
|---|---|
| Minimum | 29,00 |
| Unterer Whisker | 29,00 |
| 25%-Quantil | 56,00 |
| Median | 65,00 |
| Arithmetisches Mittel | 65,99 |
| 75%-Quantil | 74,00 |
| Oberer Whisker | 101,00 |
| Standardabweichung | 16,27 |
| Maximum | 165,00 |
3.9.3 Baujahre
Der Median der Baujahre (1963) liegt etwas niedriger als das arithmetische Mittel (1966). Die Verteilung ist damit leicht linksschief, was bedeutet, dass es mehr Werte unterhalb des arithmetischen Mittels gibt als oberhalb. Die Standardabweichung von 22,04 deutet darauf hin, dass die Werte um das arithmetisches Mittel moderat streuen. Das impliziert, das viele Werte nahe am arithmetischen Mittel liegen und gleichzeitig viele Werte deutlich vom arithmetischen Mittel abweichen.
| Parameter | Wert [Jahr] |
|---|---|
| Minimum | 1600 |
| Unterer Whisker | 1934 |
| 25%-Quantil | 1956 |
| Median | 1963 |
| Arithmetisches Mittel | 1966 |
| 75%-Quantil | 1971 |
| Oberer Whisker | 1994 |
| Standardabweichung | 22 |
| Maximum | 2022 |
3.10 Exkurs Wohnlage
Die Wohnlage ist nach § 558 Abs. 2 BGB ein wohnwertrelevantes gesetzliches Merkmal. Gem. § 19 Abs. 2 MsV soll zur Ermittlung von Wohnlagen untersucht werden, inwiefern sich durch Beschreibungen mittels vor Ort feststellbarer Faktoren wie Bebauungs- und Verkehrsdichte, Zentralität, Infrastruktur, Begrünung oder vergleichbarer Kriterien Wohnlagen einteilen lassen. Durch die erstmalige Erstellung eines Mietspiegels für die Stadt Wolfsburg lag bisher auch keine Wohnlageneinteilung vor. Das Büro Analyse & Konzepte immo.consult GmbH wurde mit der Erstellung eines Wohnlagenverzeichnisses unter Beachtung der Vorgaben nach § 19 MsV beauftragt. Der Prozess der Erstellung und die verwendete Methodik sind in der Anlage „Wohnlagenerstellung - Methodenbericht“ nachzulesen. Jedem Datensatz in der Stichprobe konnte über das Wohnlagenverzeichnis eine Lageeinteilung zugeordnet werden. Mit Hilfe dieser Zuordnung konnte im Rahmen der Modellierung geprüft werden, ob die Wohnlageneinteilung einen Einfluss auf die Mietpreisbildung hat (siehe Kap. 4.3.1).