Zieleń miejska, drzewa i ceny nieruchomości w Europie: synteza badań hedonicznych

1 Cel i zakres

Celem opracowania jest synteza europejskich badań nad związkiem zieleni miejskiej (parków, lasów miejskich, terenów zieleni i drzew) z cenami nieruchomości mieszkaniowych. Zakres obejmuje badania z Polski, Szwecji, Finlandii, Niemiec, Danii, Austrii i Portugalii. Uzupełniająco omówiono badania spoza Europy dotyczące pojedynczych drzew i alei, ponieważ w tym zakresie dowody europejskie są nieliczne.

Są to obserwacyjne analizy hedoniczne, a nie eksperymenty. Opisują więc związki warunkowe, czyli różnice cen przy danym zestawie zmiennych kontrolnych, a nie skutki przyczynowe. Nie dowodzą, że wycinka konkretnej alei obniży cenę konkretnej nieruchomości o określoną wartość.

2 Pytania badawcze i hipotezy

1. Czy bliskość, typ, funkcja lub ilość zieleni wiążą się z cenami nieruchomości mieszkaniowych?
2. Jakie miary efektu raportują badania i na ile są one porównywalne?
3. Czy wycinka dojrzałego drzewa na działce z domem albo drzew przyulicznych (alei) wiąże się ze zmianą cen okolicznych nieruchomości?

H1. Mniejsza odległość od zieleni wiąże się z wyższą ceną nieruchomości.

H2. Wartość zieleni zależy od jej typu, funkcji i skali.

H3. Drzewa i pokrycie koronami są kapitalizowane w cenach, ale wielkość efektu różni się między miastami.

3 Metoda przeglądu

Opracowanie jest przeglądem narracyjnym ze strukturyzowaną ekstrakcją danych. Włączano recenzowane badania empiryczne z Europy, w których zmienną zależną była cena transakcyjna, cena ofertowa lub czynsz nieruchomości mieszkaniowej, a ekspozycją miara zieleni miejskiej (odległość, obecność w promieniu, typ, funkcja, udział powierzchni lub pokrycie koronami). Wyłączano badania deklarowanej gotowości do zapłaty i analizy nieruchomości komercyjnych.

Z każdego badania wydobywano: miasto, projekt, rodzaj danych, liczebność, okres, definicję ekspozycji, punkt końcowy i miarę efektu. Metaanalizy nie przeprowadzono, ponieważ badania różnią się definicją ekspozycji, rodzajem cen i specyfikacją modeli, więc efekt zbiorczy nie miałby jasnej interpretacji.

Jakość badań oceniano według pięciu kryteriów: rodzaj cen (transakcyjne są wiarygodniejsze od ofertowych), wielkość i jakość próby, kontrola czynników zakłócających, uwzględnienie zależności przestrzennych oraz precyzja definicji zieleni.

4 Założenia metody hedonicznej

Metoda hedoniczna rozkłada cenę nieruchomości na wartość jej cech strukturalnych, lokalizacyjnych i środowiskowych. Efekt zieleni to różnica cen między nieruchomościami, które różnią się dostępem do zieleni, a pod innymi względami są porównywalne. Przy logarytmicznej postaci modelu efekt odczytuje się jako zmianę procentową ceny, a gdy logarytmowana jest też odległość, jako elastyczność.

Wiarygodność wyników ograniczają głównie: pominięte cechy otoczenia skorelowane z zielenią (np. prestiż dzielnicy, mniejszy hałas), sortowanie zamożniejszych mieszkańców w pobliże parków, arbitralny wybór progów odległości, różnice między segmentami rynku oraz założenie, że nabywcy znają cechy zieleni.

5 Charakterystyka badań

Tabela 1: Charakterystyka włączonych badań. Kreska oznacza brak potwierdzonej informacji.

Miasto	Projekt	Dane	Liczebność	Okres	Ekspozycja
Poznań	Model log-liniowy	Transakcje mieszkań	1 438	2013–2014	Odległość do najbliższego parku lub lasu
Warszawa	Trzy metody estymacji	Transakcje mieszkań	43 075	2010–2015	Zieleń w promieniu 100 m
Łódź	Analiza hedoniczna	Transakcje mieszkań	9 346	2011–2013	Bliskość i typ zieleni
Sztokholm	Przestrzenny model hedoniczny	Transakcje mieszkań i domów	173 052	2005–2015	Odległość od zieleni o określonych funkcjach
Lipsk	Analiza hedoniczna	Oferty sprzedaży i najmu	290 559	2007–2013	Wielkość, odległość i charakter zieleni
Helsinki	Przestrzenna analiza hedoniczna	Transakcje mieszkań	44 300	2000–2011	Parki, lasy i pola
Aalborg	Analiza hedoniczna	Transakcje nieruchomości	12 928	2000–2007	Osiem kategorii zieleni i wody
Wiedeń	Przestrzenna analiza hedoniczna	Oferty mieszkań	1 651	2009–2010	Odległość od pasa zieleni
Lizbona	Teledetekcja i analiza hedoniczna	Nieruchomości mieszkaniowe	–	–	Pokrycie koronami drzew

Dominują dane transakcyjne dotyczące mieszkań, a liczebności prób wahają się od około 1,4 tys. do blisko 300 tys. obserwacji. Tylko badanie lizbońskie dotyczy bezpośrednio koron drzew.

6 Wyniki

W Poznaniu każdy dodatkowy kilometr odległości od zieleni wiązał się z ceną za 1 m² niższą o około 3,3%. W Warszawie zieleń w promieniu 100 m wiązała się z ceną wyższą o 2,8–3,1%, a w segmencie nowych mieszkań na osiedlach posttransformacyjnych o 8,0–8,6%; wyniki były zgodne w trzech metodach estymacji. W Sztokholmie wzrost odległości o 10% wiązał się ze spadkiem ceny o około 1% dla zieleni wielofunkcyjnej, 0,6% dla estetycznej, 0,2% dla społecznej i 0,1% dla przyrodniczej. W Łodzi, Lipsku, Helsinkach i Aalborgu efekt zależał od typu i skali zieleni.

library(ggplot2)
library(dplyr)
library(tibble)
library(scales)

efekty <- tribble(
  ~miasto,     ~miara,                                     ~od,                           ~do,
  "Poznań",    "Odległość większa o 1 km",                 100 * (exp(-0.0331073) - 1),   100 * (exp(-0.0331073) - 1),
  "Warszawa",  "Zieleń do 100 m",                          2.8,                           3.1,
  "Warszawa",  "Zieleń do 100 m: nowa zabudowa",           8.0,                           8.6,
  "Sztokholm", "Odległość większa o 10%: estetyczna",      -0.593,                        -0.593,
  "Sztokholm", "Odległość większa o 10%: społeczna",       -0.187,                        -0.187,
  "Sztokholm", "Odległość większa o 10%: przyrodnicza",    -0.096,                        -0.096,
  "Sztokholm", "Odległość większa o 10%: wielofunkcyjna",  -1.036,                        -1.036
) |>
  mutate(srodek = (od + do) / 2)

ggplot(efekty, aes(y = reorder(miara, srodek), colour = miasto)) +
  geom_vline(xintercept = 0, linewidth = 0.4) +
  geom_segment(aes(x = od, xend = do, yend = reorder(miara, srodek)), linewidth = 3) +
  geom_point(aes(x = srodek), size = 3) +
  scale_x_continuous(labels = label_number(suffix = "%", accuracy = 0.1)) +
  labs(x = "Zmiana ceny", y = NULL, colour = "Miasto") +
  theme_minimal(base_size = 12)

Rysunek 1: Względne efekty zieleni w Poznaniu, Warszawie i Sztokholmie. Odcinki oznaczają zakres wyników z różnych modeli.

Rysunek 1 nie jest metaanalizą. Zestawia miary o różnej konstrukcji: efekt na kilometr odległości (Poznań), efekt obecności w progu 100 m (Warszawa) i elastyczność (Sztokholm). Miar tych nie da się przeliczać jedna na drugą bez znajomości rozkładu odległości w próbie, więc wykres pokazuje jedynie kierunek i rząd wielkości.

7 Pojedyncze drzewa i aleje przy zabudowie mieszkaniowej

Badania europejskie dotyczą głównie parków i lasów. Wpływ pojedynczych drzew i alei lepiej zbadano w Stanach Zjednoczonych i Australii, dlatego w tej części zakres geograficzny został świadomie rozszerzony. Wyniki te wskazują kierunek i rząd wielkości efektu, ale nie są wartościami do bezpośredniego przeniesienia na polski rynek.

7.1 Drzewo na działce z domem

Dojrzałe drzewo na własnej działce ma w badaniach efekt o niejednoznacznym znaku. Daje cień, prywatność i walory krajobrazowe; w jednym ze starszych badań drzewo przed domem wiązało się z ceną wyższą o około 1%. Jednocześnie oznacza koszty i ryzyka dla właściciela: zacienienie, opadające liście, korzenie przy fundamentach i instalacjach oraz ryzyko złamania. Analizy zbiorcze wskazują, że korony drzew podnoszą ceny silniej, gdy rosną na terenie, którego właściciel nie musi utrzymywać. W części badań bardzo duże drzewa wiązały się nawet z niższymi cenami. Efekt wycinki drzewa na własnej działce zależy więc od gatunku, stanu drzewa, jego położenia względem domu i preferencji nabywców.

7.2 Drzewa przyuliczne i aleje

Dla drzew przyulicznych dowody są spójniejsze. W jednym z największych badań tego typu drzewa uliczne przed domem wraz z koronami w promieniu około 30 m wiązały się z ceną wyższą średnio o około 3%, a korzyść obejmowała także domy sąsiednie. W innym badaniu drzewo liściaste w pasie przyulicznym, ale nie na samej działce, wiązało się z ceną wyższą o około 4%. Aleja jest więc dobrem wspólnym: jej wartość rozkłada się na wiele nieruchomości wzdłuż ulicy, a łączna strata po wycince może być wielokrotnie większa niż strata pojedynczego właściciela.

Najbliżej bezpośredniego pomiaru skutku utraty drzew są badania nad masowym zamieraniem jesionów wywołanym przez inwazyjnego szkodnika w miastach amerykańskich. Utrata drzew nastąpiła tam niezależnie od decyzji mieszkańców, co zbliża sytuację do eksperymentu naturalnego. W jednym z miast każde dodatkowe porażone drzewo w promieniu 1 km od domu wiązało się z ceną niższą o około 0,1%, a spadek cen dotyczył przede wszystkim nieruchomości położonych blisko dotkniętych drzewostanów.

7.3 Mieszkania w budynkach wielorodzinnych

Dla mieszkań dowody dotyczące pojedynczych alei są najsłabsze. Efekt prawdopodobnie zależy od piętra, widoku z okien i położenia mieszkania względem ulicy, ale badania nie mierzą tego bezpośrednio. Przenoszenie wyników uzyskanych dla domów jednorodzinnych na mieszkania wymaga ostrożności.

7.4 Wnioski dla oceny wycinki

Dostępne badania uzasadniają stwierdzenie, że wycinka dojrzałych drzew przyulicznych lub alei może obniżać ceny okolicznych domów. Efekt dla pojedynczej nieruchomości jest zwykle rzędu kilku procent lub mniejszy, ale łącznie może być znaczący, ponieważ dotyczy wielu nieruchomości jednocześnie. Strata ma charakter długotrwały: nasadzenie zastępcze osiąga koronę porównywalną z wyciętym drzewem dopiero po kilkudziesięciu latach. W przypadku drzewa na własnej działce kierunek efektu jest mniej pewny.

8 Ocena jakości badań

Najmocniejsze pod względem metodologicznym są badania warszawskie i sztokholmskie: opierają się na dużych próbach transakcyjnych, kontrolują cechy budynku, sąsiedztwa i czasu, a w Sztokholmie dodatkowo uwzględniono zależności przestrzenne między cenami. Badanie poznańskie ma małą próbę, a dane z aktów notarialnych nie zawierały pełnego opisu mieszkań. Badania wiedeńskie i lipskie opierają się na cenach ofertowych, które mogą odbiegać od cen transakcyjnych.

Wspólnym ograniczeniem jest przekrojowy charakter porównań: zieleń nie jest rozmieszczona losowo, więc część przypisanego jej efektu może wynikać z innych cech lokalizacji.

9 Ocena hipotez

H1 znajduje wsparcie: bliskość zieleni konsekwentnie wiąże się z wyższymi cenami, choć skala efektu różni się między miastami i segmentami rynku. H2 znajduje wsparcie w badaniach, w których rozróżniano typy i funkcje zieleni. H3 jest słabo zweryfikowana w badaniach europejskich, bo tylko jedno z nich dotyczy bezpośrednio koron drzew; badania spoza Europy wskazują jednak, że drzewa przyuliczne są kapitalizowane w cenach domów.

10 Wnioski

1. Bliskość zieleni miejskiej jest w badaniach europejskich dodatnio kapitalizowana w cenach mieszkań; w Polsce efekt wynosi od około 3% do 8–9% zależnie od miasta i segmentu rynku.
2. Wartość zieleni zależy od jej funkcji; najwyżej wyceniana jest zieleń wielofunkcyjna i estetyczna.
3. Różnice w miarach i danych uniemożliwiają wyznaczenie jednego europejskiego efektu zieleni.
4. Dowody dotyczące pojedynczych drzew i alei pochodzą głównie spoza Europy. Wskazują, że drzewa przyuliczne podnoszą ceny okolicznych domów o kilka procent, a ich utrata wiąże się ze spadkiem cen; dla drzewa na własnej działce efekt jest mniej jednoznaczny.
5. Wyniki przekrojowe nie zastępują lokalnej analizy „przed i po” ani opinii rzeczoznawcy przy ocenie skutków konkretnej wycinki.