KAUPPA-ARVOMENETELMÄ METSÄKIINTEISTÖJEN MARKKINA-ARVON MÄÄRIT- TÄMISESSÄ Simo Ikäheimonen

Transkriptio

1 Luonnontieteiden ja metsätieteiden tiedekunta Faculty of Science and Forestry KAUPPA-ARVOMENETELMÄ METSÄKIINTEISTÖJEN MARKKINA-ARVON MÄÄRIT- TÄMISESSÄ Simo Ikäheimonen METSÄTIETEEN PRO GRADU ERIKOISTUMISALA METSÄEKONOMIA JA -POLITIIKKA JOENSUU 2019

2 2 Ikäheimonen, Simo Kauppa-arvomenetelmä metsäkiinteistöjen markkina-arvon määrittämisessä. Itä-Suomen yliopisto. Luonnontieteiden ja metsätieteiden tiedekunta, metsätieteiden osasto. Metsätieteen pro gradu. Erikoistumisala metsäekonomia ja teknologia. 54 s. TIIVISTELMÄ Metsätilan arvonmääritys on osa kiinteistöarvioinnin kokonaisuutta ja tilan arvonmääritystä tarvitaan aina kun sen omistussuhteet muuttuvat. Yleisimmin metsäkiinteistöjen arviointiin Suomessa käytetään summa- ja tuottoarvomenetelmiä, jotka perustuvat metsätaloudellisiin arvoihin. Metsäkiinteistöjen arvonmuodostukseen vaikuttaa kuitenkin joukko sosiaalisia, psykologisia ja taloudellisia tekijöitä, minkä takia arvion perustuminen puhtaasti metsätaloudellisiin tekijöihin voi antaa harhaisen kuvan kiinteistön arvosta. Vastaavasti asuinkiinteistöjen ja osakehuoneistojen arviointiin käytetään yleisimmin kauppa-arvomenetelmää, joka ottaa kantaa kaikkiin arvoon vaikuttaviin tekijöihin. Metsäkiinteistöjen arviointiin kauppa-arvomenetelmä ei kuitenkaan ole yleistynyt, mikä johtuu vertailutietojen saatavuuden puutteesta. Metsäkiinteistöjä vaihdetaan suhteellisen vähän avoimilla markkinoilla ja toisaalta kiinteistöjen ominaisuustietojen saatavuus on koitunut ongelmaksi. Vuonna 2018 vapautunut kaukokartoitukseen perustuva metsävaratieto sekä metsäkiinteistöjä välittävien organisaatioiden tietokannat toteutuneista metsäkiinteistöluovutuksista mahdollistavat vertailuaineiston saatavuuden osaksi kauppa-arvomenetelmää. Tämän tutkimuksen tavoitteena oli tutkia kauppa-arvomenetelmän käytettävyyttä metsäkiinteistöjen markkina-arvonmäärityksessä. Tutkimuksessa muodostettiin metsänhintaa kuvaavat lineaariset regressiomallit, joissa selittävinä muuttujina käytettiin metsäkiinteistöjen primaarisia tunnuksia. Muodostettujen mallien tarkkuutta vertailtiin summa-arvomenetelmän tekijöihin perustuvien mallien tarkkuuteen. Tutkimusaineistona käytettiin Maanmittauslaitoksen keräämää aineistoa, joka sisälsi 1036 edustavaa metsäkiinteistöluovutusta koko Suomen alueelta. Metsäkiinteistöt olivat vaihtaneet omistajaa vuosien välisellä ajalla. Toteutuneet luovutushinnat haettiin Maanmittauslaitoksen kauppahintarekisteristä ja kuvioittaiset metsävaratiedot Suomen metsäkeskuksen Aarni-metsävaratietojärjestelmästä. Tutkimuksessa muodostettuihin malleihin valikoitui selittäviksi muuttujiksi ainespuumäärä sekä tukkiosuus. Lisäksi Itä-Suomen aluemalliin ja koko maan kattavaan malliin lisättiin etäisyys Helsingistä selittäväksi muuttujaksi. Mallien korjatut selitysasteet vaihtelivat 0,926 0,957 välillä ja mallien jäännöskeskihajonnat vaihtelivat prosentin välillä. Tulokset osoittivat, että primaarisilla metsävaratiedoilla voidaan ennustaa metsäkiinteistön kauppahintaa yhtä tarkasti kuin summa-arvomenetelmän tunnuksilla ennustettaessa. Avainsanat: Markkina-arvo, käypä arvo, summa-arvo, kauppa-arvomenetelmä.

3 3 Ikäheimonen, Simo Market approach method for determining the market value of forest properties. University of Eastern Finland, School of Forest Sciences, Master s thesis in Forest Science, specialization Forest Economics and -Politics, 54 p. ABTRACT Valuation of the forest properties is part of the real estate assessment and the valuation of the forest property is required whenever its ownership changes. The most common method for valuating forest properties in Finland is summation approach and income approach, which based on forestry values. However, the value of forest properties is influenced by several social, psychological and economic factors, which makes the assessment of purely forestry values a false impression of the value of the property. Similarly, the most commonly used method for valuing residential buildings and condominiums is the market approach, which considers all factors that affect value. However, the market approach has not become common in the valuation of forest properties due to the lack of availability of reference data. There is relatively little exchange of forest properties on the open market and the availability of property characteristics has become a problem. Open Forest Recourse Data and databases collected by real estate agents creates possibilities to advantage market approach. The aim of this study was to investigate the usability of the market approach method in the market valuation of forest properties. In the study, linear regression models describing the forest price were used, where the primary factors of forest properties were used as explanatory variables. The accuracy of the generated models was compared to the accuracy of the summation approach-based models. Observation data consisted of 1036 real estate deals which were made in 2015 to Real estate deals contained only forest land. Property characteristics were collected from database of National Land Survey of Finland and from database of Finnish Forest Centre. The amount of industrial wood and log share were selected as explanatory variables for the models created in the study. In addition, the distance to Helsinki as an explanatory variable was added to the Eastern Finland model and the country-wide model. The models adjusted R 2 vary from to and the residual standard deviations of the models vary from 27 to 36 percent. The study showed that market price of forest property can be predicted as exactly with primary forest data as summation approach data. Keywords: Market value, fair value, sum value, market approach.

4 4 Sisällysluettelo 1 JOHDANTO TEOREETTINEN VIITEKEHYS Metsänhinta Metsänhintaan vaikuttavat tekijät Metsänomistus Suomessa Metsäkiinteistömarkkinat Arviointimenetelmät Kauppa-arvomenetelmä Metsänhintatutkimusta AINEISTO JA MENETELMÄT Aineisto Aineiston keskeisiä tunnuslukuja Aineiston käsittely TULOKSET Lineaariset kauppahintamallit TULOSTEN TARKASTELU Kauppa-arvomenetelmän käytettävyys Malleissa käytettyjen muuttujien tulkinta Tutkimuksen virhelähteet ja tulosten luotettavuus Lisätutkimustarpeet JOHTOPÄÄTÖKSET KIRJALLISUUS LIITTEET... 49

5 5 1 JOHDANTO Aiheen tälle tutkimukselle antoi Metsänhoitoyhdistysten omistama Metsätilat-verkosto, joka on valtakunnallisesti merkittävä metsäkiinteistöjen välittäjä. Metsätilat-verkosto on paikallisten Metsänhoitoyhdistysten omistama kiinteistövälitysketju, jonka pääliiketoimintana on maatalous- ja metsäkiinteistöjen sekä tonttien ja vapaa-ajanasuntojen välittäminen. Kiinteistövälityksen tavoitteena on määrittää ominaisuuserän arvo tarkasti ja luotettavasti. Siten, että myyjä saa vapaaehtoisesti myydessään avoimilla markkinoilla ominaisuusosasta parhaan mahdollisen hinnan kohtuullisen ajan puitteissa. Toisaalta myös siten, ettei ostajan tarvitse maksaa kiinteistöstään enempää kuin hän olisi halukas maksamaan kyseisillä ominaisuuksilla varustetusta ominaisuuserästä ja ennen kaikkea kyseisenä päivänä. Näin ollen lähestytään markkina-arvon ja käyvän arvon käsitteitä, jotka määritellään tarkemmin luvussa 2.1. Ominaisuuserän, tässä tutkimuksessa spesifisti metsäkiinteistön tai metsäkiinteistön määräalan, arvon määrittäminen tulee kyseeseen silloin, kun sen omistussuhteissa tapahtuu muutoksia. Metsätila voi vaihtaa omistajaa, joko suoraan kaupalla, sukupolvenvaihdoksena jälkipolville tai kun omistussuhteet muuten muuttuvat (Paananen 2009). Metsäkiinteistön tilusjärjestelyt, jaot ja yhdistämiset sekä lunastustilanteet ovat omiaan muuttamaan kiinteistön omistussuhteita (Paananen 2009). Toisaalta kiinteistö ei välttämättä vaihda omistajaa, mutta kiinteistön arvo tulee selvittää. Esimerkiksi kiinteistön arvo on syytä selvittää perintö- ja lahjaveroa varten oikeudellisen veroseuraamuksen langettamiseksi tai kun metsäkiinteistöä harkitaan luoton vakuutena (Hannelius 2000) luvun alussa kiinteistöarvioinnin luotettavuuteen alettiin kiinnittämään vakavaa huomiota. Tämän seurauksena Suomen kiinteistöarviointiyhdistys ry (SKAY) teki aloitteen kiinteistöarvioinnin auktorisoimiseksi, mikä seurauksena alettiin kouluttaa auktorisoituja kiinteistönarvioijia (Hannelius 2000). Merkittävä muutos kiinteistöarviointi alalla oli myös Suomen liittyminen EU-jäseneksi, minkä johdosta arviointikäytäntöjä, käsitteistöä ja menetelmiä tuli Suomessa yhdenmukaistaa osaksi eurooppalaista yhteisöä (Hannelius 2000). Vuonna 2005 Suomen Kiinteistöarviointi yhdistys hakeutui Kansainvälisen arviointistandardikomitean (International Valuation Standard Council) tarkkailijajäseneksi (Suomen Kiinteistöarviointiyhdistys 2018). Kansainvälinen arviointistandardikomitea on voittoa tavoittelematon organisaatio,

6 6 jonka tehtävänä on luoda ja kehittää kansainvälisiä arviointistandardeja ja käytäntöjä (International Valuation Standards Council 2019). Merkittävin organisaation ylläpitämä standardi on Kansainväliset arviointistandardit (International Valuation Standards). Metsäkiinteistöjen arviointiin ei kuitenkaan ole muodostettu standardeja, mikä johtuu metsäkiinteistöjen arviointiin käytettyjen menetelmien ongelmakohdista (Holopainen & Viitanen 2011). Suomalaisen metsäomaisuuden kiinteistöarvioinnin traditio on pitkään perustunut saksalaiseen metsänarvolaskentaan, jonka lähtökohtana on ollut Faustmannin kehittämä maankorkoteoria (Hannelius 2001). Maankorkoteoria perustuu oletukseen, että metsää kasvatetaan samalla tavalla ikuisuuteen saakka ja tulevaisuudessa realisoituvat tulot ja menot diskontataan vastaamaan nykyhetken arvoa eli tuottoarvoa (Hannelius 2001 ja Airaksinen 2008). Faustmannin maankorkoteoria kytkeytyy oleellisesti metsäkiinteistöjen arviointiin, sillä perinteisesti arvioinnissa käytetty summa-arvomenetelmä on tuottoarvomenetelmän sovellus (Paananen 2009). Summa- ja tuottoarvomenetelmät perustuvat metsätaloudelliseen tuottoarvoon, mikä on ristiriidassa Kansainvälisten arviointistandardien kanssa (Holopainen & Viitanen 2011). Standardit painottavat markkinaperusteisten menetelmien käyttöä sekä arvioinnin perustumisen markkinoilta johdettuun tietoon (Viitanen & Falkenbach 2014). Metsätaloudellisiin arvoihin nojaavat summa- ja tuottoarvomenetelmät eivät kuitenkaan ota kantaa metsäkiinteistömarkkinoihin. Yleisesti kiinteistöarviointiin on käytetty kauppa-arvomenetelmää, jonka etuna on sen markkinalähtöisyys ja se, että menetelmä ottaa huomioon kaikki arvoon vaikuttavat tekijät. Osaltaan Kansainväliset arviointistandarditkin suosittelevat menetelmän käyttöä kiinteistöjen arvonmäärityksessä (Viitanen & Falkenbach 2014). Metsäkiinteistöjen arviointiin kauppa-arvomenetelmä ei ole kuitenkaan yleistynyt, mikä on johtunut markkinatiedon puutteesta ja vertailukauppojen riittämättömyydestä (Paananen 2008). Tiedon tuottamisen haasteena on ollut metsätilojen puustotietojen saatavuus. Aiemmissa tutkimuksissa on käytetty tuoreita metsäsuunnitelmatietoja tai jouduttu tekemään erillisinventointina kuvioittainen arviointi. Aineiston kerääminen on ollut kallista ja aikaa vievää, mistä johtuen kattavia ja tuoreita tutkimuksia on vähän saatavilla. Kaukokartoitukseen perustuvat metsänmittaustekniikat kuitenkin avaavat uusia ja kustannustehokkaita mahdollisuuksia metsäkiinteistömarkkinoiden tutkimukselle. Airaksinen (2008) ja Holopainen (2008) ovat esittäneet Suomen metsäkeskuksen Aarni-järjestelmän metsävaratietojen yhdistämistä Maanmittauslaitoksen kauppahintarekisterin tietoihin, mikä mahdollistaisi ajantasaisen tiedon metsänhintaan vaikuttavista tekijöistä. Tämä ei ole kuitenkaan ollut mahdollista metsävaratiedon saatavuutta rajoittavien tietosuojalakien nojalla.

7 7 Vuonna 2018 voimaan astunut lakimuutos Suomen Metsäkeskuksen metsätietojärjestelmästä avasi julkisillavaroilla tuotetun metsävaratiedon kattavamman saatavuuden sekä mahdollisti aineiston hyödyntämisen osana metsäkiinteistöjen arviointia. Aineiston saatavuuden ohella, metsäkiinteistöarvioinnin kentällä vallitseva yleinen konsensus arviointimenetelmien kehittämisestä luovat edellytykset ja tarpeen kauppa-arvomenetelmän tutkimukselle ja hyödyntämiselle. Aiemmat metsänhintatutkimukset ovat vastanneet kiinteistöarvioinnin haasteisiin ja luoneet pohjaa markkinapohjaisille metsänarviointimenetelmille. Airaksinen (2008) otti kantaa väitöskirjassaan summa-arvomenetelmän käytettävyydelle ja loi pohjaa markkinatiedon hyödyntämiselle kokonaisarvon korjauksen määrittämisessä. Tutkimuksen keskeinen johtopäätös oli, että kokonaisarvon korjaus voidaan määrittää erikseen summa-arvomenetelmän osatekijöille. Samassa aihepiirissä jatkoi Airaksisen ym. (2011) Metsähinta Suomessa julkaisussa, missä ekonometristen summa-arvomallien lisäksi tutkittiin markkinapohjaisen tuottoarvomenetelmän käytettävyyttä metsäkiinteistöjen arviointiin. Tutkimuksessa laskettiin metsäkiinteistöjen sisäiset korot ja muodostettiin mallit, joilla voidaan ennustaa markkinapohjaisessa tuottoarvomenetelmässä käytettävää korkokantaa. Viimeisimmät aiheesta tehdyt tutkimukset ovat Kallatsan (2017) summa-arvomenetelmää käsittelevä tutkimus sekä Järvisen (2017) markkinapohjaisen tuottoarvomenetelmän tutkimusta. Nämä tutkimukset pohjautuvat pitkälti aiempaan tutkimukseen, mutta metsänhintaa kuvaavien tutkimusten valossa tutkimuksissa käytetyn aineiston laajuus oli merkittävä, sillä se kattoi yli tuhat edustavaa metsäkiinteistöluovutusta koko Suomen alueelta. Aineisto hankintaan oli hyödynnetty Maanmittauslaitoksen kauppahintarekisteriä sekä Suomen metsäkeskuksen Aarnimetsävaratietojärjestelmää, josta oli hankittu kaupankohteena olleiden metsäkiinteistöjen metsävaratiedot. Yhtä kaikki, aiemmat tutkimukset ovat ottaneet kantaa metsäkiinteistömarkkinoihin ja niissä on muodostettu ekonometrisiä malleja. Tutkimuksille on yhtenäistä, että markkina-arvoa on ennustettu puustotietojen pohjalta lasketuilla muuttujilla, jotka kuvaavat pikemminkin metsätaloudellista arvoa kuin aidosti markkina-arvoa. Summa-arvomenetelmän taimikoiden ja maapohjien arvot pohjautuvat Faustmannin maankorkoteoriaan ja vastaavasti markkinapohjaisen tuottoarvomenetelmän käsittelyt vallitseviin metsänhoitosuosituksiin (Paananen 2009). Toisin sanoen primääritiedosta on tuotettu sekundäärisiä metsätaloudellisiin arvoihin perustuvia tunnuksia.

8 8 Tämän tutkimuksen tavoitteena on jatkaa markkinapohjaisten metsäkiinteistöjen arviointimenetelmien kehittämistä. Tutkimus keskittyy kauppa-arvomenetelmään ja sen hyödyntämiseen osana metsäkiinteistöjen arviointia. Tutkimuksessa luodaan ekonometriset kauppa-arvomallit, joiden selittävinä muuttujina käytetään metsäkiinteistön primäärisiä tunnuksia. Tuloksia verrataan aiempaan tutkimukseen ja otetaan kantaa siihen, voidaanko metsänkiinteistön arvo määrittää luotettavasti näiden tunnusten perusteella. Tutkimus antaa viitteitä siitä tuottaako summaja tuottoarvolaskennat lisäarvoa metsäkiinteistöjen arviointiin vai ovatko ne hyödyttömiä lisävaiheita. Tutkimuksen aineistona käytetään Maanmittauslaitoksen Metsänhinta Suomessa julkaisua keräämää aineistoa, jota on käytetty myös Kallatsan (2017) ja Järvisen (2017) tutkimuksissa. Kattava aineisto luo hyvät edellytykset tulosten luotettavuudelle ja aidon vertailtavuuden muihin arviointimenetelmiin. 2 TEOREETTINEN VIITEKEHYS 2.1 Metsänhinta Metsänarvo kuvaa sen tuottamaa arvoa omistajalleen eli kykyä tyydyttää inhimillisiä tarpeita (Virtanen 1978). Metsän tuottamaa arvoa voi olla puun tuotannosta saatava taloudellinen arvo tai muu arvo kuten käyttö-, virkistys-, maisema- ja olemassaoloarvo (Paananen 2009). Käyttöarvoa ovat metsän tuottamat hyödykkeet, kuten marjat, sienet ja riista (Paananen 2009). Maisema- ja olemassaoloarvo ovat esimerkkejä markkinattomista arvoista, joille on vaikea määrittää markkinahintaa. Lisäksi metsätilalla voi olla myös erityisarvoja, kuten osuuksia yhteisiin alueisiin ja etuuksiin (Paananen 2009). Erityisarvojen osalta niiden arvostukset voivat poiketa hyvinkin paljon eri yksilöiden välillä. Gregersen ym. (1995) määritelmän mukaan metsänarvot voidaan jakaa metsästä suoraan saatavaan käyttöarvoon, epäsuoraan käyttöarvoon sekä passiiviseen käyttöarvoon. Suorat käyttöarvot ovat metsästä saatavia hyödykkeitä, kuten puuntuotos ja puukauppatulot sekä keräilytuotteet, joita ovat marjat ja sienet sekä metsästys ja turismi. Epäsuorat käyttöarvot ovat metsästä välillisesti saatavia tuotteita ja palveluita, joilla ei yleensä ole markkinoita. Tällaisia arvoja ovat muun muassa luonnonsuojelu, veden ja maaperän suojelu sekä luonnon monimuotoisuus. Passiiviset käyttöarvot voidaan vielä jaotella optioarvoon, olemassaoloarvoon ja perintöarvoon (Gregersen ym. 1995).

9 9 Kansainvälisten arviointistandardien mukaan arvo on enemmänkin mielipide kuin tosiasia (Viitanen & Falkenbach 2014). Se on tietyn yksilön hyödykkeen omistamisesta saamaa arvoa, joka voi olla niin ikään hyödykkeestä maksettu hinta (Viitanen & Falkenbach 2014). Vastaavasti hinta on aina hyödykkeestä maksettu, pyydetty tai tarjottu rahamääräinen vastike hyödykkeen omistamisesta (Viitanen & Falkenbach 2014). Hintaan vaikuttaa myyjän ja ostajan intressit ja taloudelliset mahdollisuudet, minkä seurauksena se voi poiketa hyvinkin paljon yleisestä hyödykkeen arvostuksesta (Viitanen & Falkenbach 2014). Hinta on ostajan ja myyjän välisen kaupankäynnin tulos, johon vaikuttaa erilaiset subjektiiviset arvostukset sekä joukko ympäristöön, talouteen ja psykologiaan vaikuttavia tekijöitä (Airaksinen 2008, Myhrberg 1991). Kiinteistöarvioinnin lähtökohtana on metsätilan käypä arvo eli markkina-arvo (Paananen 2009). Yleisesti käyvästä arvosta ja markkina-arvosta on kirjallisuudessa puhuttu synonyyminä, kuten Airaksinen (2008) ja Paananen (2009) sekä Kansainväliset tilinpäätösstandardit (IFRS) markkina-arvoa ja käypää arvoa käyttävät (Viitanen & Falkenbach 2014). Kansainväliset arviointistandardit määrittelevät markkina-arvon kuitenkin seuraavasti: Markkina-arvo on arvioitu rahamäärä, jolla omaisuuserä tai vastuu arvopäivänä vaihtaisi omistajaa liiketoimeen halukkaiden ja toisistaan riippumattomien ostajan ja myyjän välillä asianmukaisen markkinoinnin jälkeen osapuolten toimiessa asiantuntevasti, harkitusti ja ilman pakkoa. (Viitanen & Falkenbach 2014). Kansainvälisten arviointistandardien määritelmässä transaktiokustannuksia, kuten veroja ja kaupankäynnin kuluja, ei oteta huomioon markkina-arvoa määritettäessä (Viitanen & Falkenbach 2014). Vastaavasti käypä arvo ottaa huomioon verot ja kaupankäynnin kulut eli toisin sanoen edut ja haitat, jotka ovat molempien kaupan osapuolien saatavissa. Kansainväliset arviointistandardien mukaan määritelmä menee seuraavasti: Käypä arvo on hyödykkeen tai vastuun siirtämiseksi tunnistettujen, asiantuntevien ja halukkaiden osapuolten välillä arvioitu hinta, joka heijastaa kummankin osapuolen intressejä. (Viitanen & Falkenbach 2014). Kansainvälisten arviointistandardien mukaan käypä arvo on siis markkina-arvoa laajempi käsite, vaikka monessa tapauksessa markkina-arvo on yhtä suuri kuin käypä arvo (Viitanen & Falkenbach 2014). Tämän tutkimuksen tarkastelun kohteena ovat edustavat metsäkiinteistökau-

10 10 pat ja niiden markkina-arvon muodostuminen. Edustavilla metsäkiinteistökaupoilla tarkoitetaan metsäkiinteistöjen luovutusta, jonka kohteena on koko kiinteistö tai määräala ja jota ei ole tehty sukulaisten kesken, eikä se sisällä irtaimistoa ja siitä ei ole pidätetty eläkeoikeutta (Airaksinen 2008). Tässä tutkimuksessa markkina-arvo voidaan siis ajatella olevan yhtä suuri käyvän arvon kanssa. 2.2 Metsänhintaan vaikuttavat tekijät Metsänhintaan vaikuttaa koko joukko erilaisia tekijöitä. Jokainen metsäkiinteistö on ominaisuuksiensa ja sijaintinsa puolesta ainutlaatuinen kokonaisuus, jonka arvostukseen vaikuttaa niin ostajien kuin myyjän kokemat arvot kyseisen metsäkiinteistön omistamisesta. Metsäkiinteistön hankitaan kuitenkin yleensä puun tuotannollisissa tarkoituksissa ja Hanneliuksen (1997) mukaan 44 prosenttia sijoittaneista piti metsätalouden harjoittamista tärkeimpänä motiivina metsäkiinteistön hankinnalle. Tilakaupan jälkeen realisoituvat hakkuutulot vaikuttavat kaupan rahoittamiseen (Hannelius 2008) ja markkina-arvon muodostukseen (Airaksinen 2008 ja Airaksinen ym. 2011). Metsähintaan vaikuttaa tilakohtaiset tekijät, jotka ovat kiinteistön fyysisiä ominaisuuksia, kuten metsäkiinteistön puusto. Kohteeseen vaikuttavat myös aluekohtaiset tekijät, jotka ovat tyypillisiä eri alueille. Kiinteistöjen sijainti kytkee kiinteistön ympäristöönsä, kuten lähitaajamiin sekä puunjalostuslaitoksiin. Metsäkiinteistöt sisältävät monesti myös paljon muita arvoja, joita ostaja tai myyjä voi kussakin tapauksessa arvostaa yksilöllisesti. (Airaksinen 2008, Airaksinen ym. 2011) Jokainen metsätila on ominaisuuksiltaan ainutlaatuinen kokonaisuus. Tämä johtuu metsäkiinteistöjen tilakohtaisista tekijöistä. Metsäkiinteistöjen ensisijaiseen käyttötarkoitukseen eli puuntuotokseen vaikuttaa odotettavissa olevat hakkuut ja aikaperiodi, jolla hakkuut eli tuotot realisoituvat. Tähän vaikuttaa ensisijaisesti kiinteistön kehitysluokkajakauma sekä puulaji- ja puutavarajakauma. Puuntuotannon potentiaaliin vastaavasti vaikuttaa maapohjien kasvupaikkatyypit, kivisyys sekä vesitalouden järjestely (Mielikäinen 2008). Taimikoiden ja kasvatusmetsien osalta kiinteistön arvoon vaikuttavat myös odotettavat metsänhoitomenot, kuten taimikoidenhoidot ja terveyslannoitukset. Kasvatusmetsät vastaavasti sisältävät tulevaisuuden kasvupotentiaalia, joka realisoituu puuston tilavuuden ja arvokasvun myötä. Kasvupotentiaalisten tekijöiden on oletettu vaikuttavan myös tilan kokonaisarvoon, joskin Airaksinen (2008) on tut-

11 11 kimuksessaan todennut, ettei metsäkiinteistöön sijoittavat arvosta puuston odotusarvoja. Vastaavasti välittömillä hakkuilla ja lyhyen ajan sisään saatavilla hakkutuloilla on todennäköisesti positiivinen vaikutus kiinteistön arvoon (Airaksinen ym. 2011). Kiinteistön spatiaaliset ominaisuudet vaikuttanevat myös kiinteistön arvoon. Tilan kokonaispinta-ala lisää kiinteistön arvoa, mutta sillä voi olla myös vaikutusta hehtaarikohtaiseen hintaan. Suuremman pinta-alan luoma skaalaetu mahdollistaa suuremmat toimenpidekeskittymät, millä on vaikutusta metsänhoitotöiden yksikkökustannuksiin ja puutavaran yksikköhintoihin. Tilan muoto ja tilan sisäiset tieverkostot vaikuttavat osaltaan yksikköhintoihin ja kustannuksiin. (Airaksinen ym. 2011) Metsäkiinteistön lähikuljetusmatkan pituus vastaavasti voi vaikuttaa kiinteistön arvoon, mikäli lähikuljetusmatka nostaa tai laskee puusta maksettavaan kantohintaan (Airaksinen 2008). Kiinteistön arvoon vaikuttaa myös alueelliset tekijät. Alueellinen puunjalostuskapasiteetti vaikuttaa puun kysyntä- ja tarjontasuhteisiin sekä puusta maksettavaan hintaan. Esimerkiksi Kymenlaakson suhteellisen korkealla puunjalostuskapasiteetilla voi olla positiivinen metsäkiinteistön hintaa nostava tekijä (Airaksinen 2008). Lisäksi Suomen suhteellisen suuri pohjois-eteläsuuntainen pituus lisää lämpösumman vaihtelua, millä on oleellinen merkitys metsäkiinteistön puuntuotoskapasiteettiin (Mielikäinen 2008). Tieverkosto osaltaan asettaa vaatimuksia puunkaukokuljetukselle ja esimerkiksi tieverkoston kunto tai painorajoitetut sillat ja lautat voivat lisätä kaukokuljetuskustannuksia, mikä voi näkyä metsänarvossa (Airaksinen ym. 2011). Etäisyyssijainnin tekijät kuvaavat kiinteistön sijainnin suhdetta ympäröivään infrastruktuuriin. Sijainti on keskeinen osa asuin- ja liikekiinteistöjen hinnan muodostusta (Kasso 2011). Siihen vaikuttaa oleellisesti työskentely ja virkistysmahdollisuudet sekä taajamien palvelut ja palveluiden saavutettavuus (Kasso 2011). Metsäkiinteistöjen osalta taajamien läheisyys ei ole puuntuotannolliseen arvoon vaikuttava tekijä, mutta toisaalta suurten kaupunkien läheisyydellä voi olla vaikutusta hintaan, mikä kuvaa muiden kuin metsätaloudellisten arvojen arvostusta (Airaksinen ym. 2011). Metsän hintaan vaikuttaa myös muita tekijöitä, joiden arvostus voi vaihdella tapauskohtaisesti. Airaksisen (2008) mukaan muut tekijät ovat lähinnä kaupan osapuoliin kytköksissä olevia tekijöitä, kuten rahoitusmahdollisuudet ja likviditeetti sekä verotukselliset tekijät. Metsänomistajalle arvo voi olla metsätaloudellista arvoa eli puuston realisointimahdollisuudet ajan ja puu-

12 12 määrän suhteen tai muuta arvoa (Airaksinen 2008). Muita arvoja voivat olla kiinteistön yhteydessä saatavat osuudet yhteisiin alueisiin ja etuuksiin (Hannelius 2009). Näitä alueita ja etuuksia voivat olla ranta- ja vesialueet sekä venevalkamat ja yhteiset maa-aineksen ottopaikat, joskin niiden merkitys on pienentynyt (Hannelius 2009). Metsäkiinteistö voi tuottaa arvoa omistajalleen vapaa-ajan harrastuksina tai virkistysmahdollisuuksina. Esimerkiksi yhteiset vesialueet voivat tuoda virkistyskalastusmahdollisuuden, mikäli yhteiset vesialueet ovat siihen soveltuvia. Metsäkiinteistölle voi kuulua oikeus metsästysseuraan liittymisestä tai se voi tuoda arvoa omistajalleen marjastus- ja sienestysmetsänä (Airaksinen 2008, Hannelius 2009). Hanneliuksen (2009) mukaan erityisesti Pohjois-Suomessa virkistyskäyttömahdollisuudet ovat lisänneet metsätilojen kysyntää. Metsäkiinteistön omistamiseen voi liittyä myös sosiaalisia ja yhteiskunnallisia arvoja. Airaksisen (2008) mukaan näitä tekijöitä voi olla yhteiskunnallinen statusarvo, tunnearvo kotiseutuun ja sukulaisluovutuksiin sekä määräämisoikeus omaan kiinteistöön. Arvon muodostuminen on siis monen tekijän summa, joka riippuu lähtökohtaisesti siitä, kuinka myyjä ja ostaja kokevat metsästä saatavan hyödyn. 2.3 Metsänomistus Suomessa Suomen maapinta-alasta 86 prosenttia on metsätalousmaata, mikä vastaa 26,2 miljoona hehtaaria. Metsätalousmaa pitää sisällään puuntuotantoon käytettävän metsämaan (20,3 milj. ha), kitumaan (2,5 milj. ha) ja joutomaan (3,2 milj. ha) sekä 0,2 miljoona hehtaaria muuta metsätalousmaata. Muu metsätalousmaa pitää sisällään metsäautotiet ja pysyvät varastopaikat. Vuonna 2013 puustoa metsä- ja kitumaalla oli yhteensä 2357 miljoona kuutiometriä ja vuotuinen kasvu oli 104,4 miljoona kuutiometriä. Tämä tarkoittaa keskimäärin 4,6 kuutiometrin kasvua metsäja kitumaa hehtaaria kohden. (Metsätilastollinen vuosikirja 2014). Yksityismetsänomistajat ovat merkittävin omistajaryhmä pinta-alallisesti, puuston määrällisesti ja puuston kasvullisesti. Metsänomistus on jakautunut siten, että vuonna 2013 yksityiset omistavat 53, valtio 35, yhtiöt 7 ja muut yhteisöomistajat 5 prosenttia metsätalousmaasta. Puuntuotannollisesti ja kokonaispuuston kannalta yksityisten metsänomistajien osuus on vielä suurempi, sillä yksityismetsänomistajat omistavat 71 puuntuotannon metsämaasta ja 65 prosenttia puuston kokonaistilavuudesta. Vastaavasti valtion omistuksessa on vain 13 prosenttia puuntuotannollisesta metsämaasta. Valtion omistusta laskee valtion metsien sijoittuminen Pohjois-Suo-

13 13 meen ja se, että valtion metsätalousmaahan lasketaan luonnonsuojelu- ja erämaalain määrittämiä alueita 3,6 miljoona hehtaaria, mitkä pienentävät puuntuotannossa olevaa metsäalaa. (Metsätilastollinen vuosikirja 2014) Yksityiset henkilöt omistivat vuonna 2013 noin metsätilakokonaisuutta. Näistä tiloista 73 prosenttia oli omistettu yksin tai puolison kanssa, 15 prosenttia oli verotusyhtymien ja 12 prosenttia kuolinpesien omistuksessa (Luonnonvarakeskus 2019). Yksityisten metsänomistajien metsätilojen keskipinta-ala oli 30,1 hehtaaria ja yli 25 prosenttia kaikista metsätiloista asettui hehtaarin pinta-alaluokkaan (kuva 1) hehtaarin metsätilojen lukumäärä oli puolet pienempi mitä alemman pinta-alaluokan, mutta kokonaispinta-alaltaan niiden osuudet olivat lähes yhtä suuret. Huomion arvoista on, että yli 100 hehtaarin metsätiloja oli vain 5 prosenttia, mutta kokonaispinta-alasta ne vastasivat lähes 30 prosenttia (Metsätilastollinen vuosikirja 2014). Yksityisten henkilöiden omistuksessa oleva suhteellisen suuri osuus metsäkiinteistöistä on omiaan luomaan metsäkiinteistöjen arviointitarvetta. Suuret ikäluokat ja yhä vanheneva metsänomistajakunta lisäävät todennäköisesti metsäkiinteistöjen arviointipalveluiden kysyntää lähitulevaisuudessa. 30,0 % 25,0 % 20,0 % 15,0 % 10,0 % 5,0 % 0,0 % 2-4,9 5-9, , , , , Pinta-alaluokat, ha Metsätilojen lukumäärä Metsämaan pinta-ala Kuva 1. Yksityisten metsänomistajien metsätilojen jakautuminen eri pinta-alaluokkiin vuonna (Luonnonvarakeskus 2019).

14 Metsäkiinteistömarkkinat Maanmittauslaitos kerää tietoa toteutuneista kiinteistökaupoista kiinteistöjen kauppahintarekisteriin. Kauppahintarekisteri sisältää kiinteistöjen kauppahintatilastoja vuodesta 1982 alkaen (Hannelius 2000). Suomessa tehdään vuosittain kappaletta yksityistä metsäkiinteistöjen omistussuhteiden muutosta (Paananen 2009). Valtaosa näistä omistussuhteiden muutoksista tapahtuu perinnönjaossa, sukupolvenvaihdoksissa ja lahjoituksissa (Paananen 2009). Pelkästään metsää sisältäviä yli kahden hehtaariin metsäkiinteistöjen luovutuksia tapahtuu vuosittain vajaasta kolmesta tuhannesta kappaleesta yli kolmeen ja puoleen tuhanteen (Maanmittauslaitos 2019). Metsäkiinteistömarkkinoiden reaalinen markkina-arvo on ollut lähes 300 miljoona viime vuosien aikana (Kuva 2) luvun ja 2000-luvun aikana metsäkiinteistämarkkinoiden arvo on tasaisesti kasvanut talouskriisejä lukuun ottamatta luvun puoleen väliin mennessä metsäkiinteistömarkkinoiden reaalinen kokonaisarvo on lähes tuplaantunut 2000-lukuun nähden (kuva 2). Markkina-arvon voimakkaaseen kasvuun ovat vaikuttaneet metsäkiinteistökauppojen volyymin kasvu sekä tasainen yksikköhintojen nousu. Merkittävimpänä yksittäisenä tekijänä markkina-arvon voimakkaaseen nousuun on myytyjen metsätilojen kokonaispinta-ala. Toisin sanoen metsäkiinteistökauppaa on käyty aiempaa suuremmilla metsäkiinteistöillä mitä aiemmin ja tämä näkyy myös yli 10 hehtaarin metsäkiinteistöjen keskipinta-alojen nousuna, jopa 53,7 hehtaariin (Maanmittauslaitos 2019). Voimakkainta kasvu on ollut Pohjois-Pohjanmaan ja Kainuun alueella, missä erityisesti metsäyhtiöt ovat myyneet omistuksessaan olleita metsäkiinteistöjä (Liljeroos 2016). Alle 10 hehtaarin metsäkiinteistöjen markkina-arvo on kuitenkin pysynyt likimain vakiona, jolloin sen vaikutus kokonaismarkkina-arvon nousuun on ollut olematon.

15 Kiinteistökauppojen kokonaispinta-ala, ha Metsäkiinteistömarkkinoiden arvo, 1000 euroa Vuosi yli 10 ha 5-10 ha 2-5 ha Kuva 2. Edustavien metsäkiinteistöjen reaalinen kokonaismarkkina-arvo vuoden 2017 rahassa (Maanmittauslaitos 2019) Kuva 3. Myytyjen yli kymmenen hehtaarin metsäkiinteistöjen kokonaispinta-ala (Maanmittauslaitos 2019). Vuosi Alue 1: Uusimaa, Varsinais-Suomi, Itä-Uusimaa, Satakunta, Kanta-Häme, Pirkanmaa, Päijät-Häme, Kymenlaakso, Etelä- Karjala, Ahvenanmaa Alue 2: Etelä-Savo, Pohjois-Savo, Pohjois-Karjala, Keski-Suomi, Etelä-Pohjanmaa, Pohjanmaa, Keski-Pohjanmaa Alue 3: Pohjois-Pohjanmaa, Kainuu Alue 4: Lappi

16 16 Metsänhinta on ollut vakaassa kasvussa 90-luvun laman jälkeen. Koko Suomen tasolla metsänhinta on tuplaantunut laman jälkeisestä 1300 eurosta 2010-luvun puolivälin 2700 euroon (kuva 4). Voimakkainta metsänmaan hinnan kasvu on ollut Etelä-Suomessa, jossa metsänhinta on ollut yli 4000 euroa hehtaarilla ja heikointa Lapissa, jossa metsämaata on saanut noin tuhannella eurolla. Keski-Suomessa, jossa on myyty vuosittain lähes puolet kokonaispinta-alasta, metsähinta on kasvanut samassa suhteessa kuin koko Suomen keskiarvo (kuva 4, kuva 3). Alueelliset erot selittyvät metsämaan puuntuotantokyvyllä, joka laskee yhdessä lämpösumman kanssa pohjoista kohti siirryttäessä. Suhteellinen metsänhinnan kasvu on ollut voimakkaampaa kuin elinkustannusindeksin kasvu (kuva 5). Vuodesta 1995 vuoteen 2010 metsämaanarvo on kasvanut voimakkaammin mitä elinkustannusindeksi koko maassa Lappia lukuun ottamatta luvulla metsämaan arvo on noudatellut elinkustannusindeksin kehitystä Lappia lukuun ottamatta. Etelä-Suomessa metsämaan hinnan suhteellinen kehitys on ollut voimakkainta, mihin on voinut vaikuttaa kilpailevat maan käyttömuodot ja asukastiheyden paine. Lapissa metsämaan hinta ei ole noussut samassa suhteessa kuin muulla Suomessa (kuva 4). Suhteellinen hintakehitys vuoteen 1995 nähden on ollut Lapissa heikkoa verrattuna muuhun Suomeen.

17 Hinta, e/ha Vuosi Alue 1: Uusimaa, Varsinais-Suomi, Itä-Uusimaa, Satakunta, Kanta-Häme, Pirkanmaa, Päijät-Häme, Kymenlaakso, Etelä-Karjala, Ahvenanmaa Alue 2: Etelä-Savo, Pohjois-Savo, Pohjois-Karjala, Keski-Suomi, Etelä-Pohjanmaa, Pohjanmaa, Keski-Pohjanmaa Alue 3: Pohjois-Pohjanmaa, Kainuu Alue 4: Lappi Koko Suomi Elinkustannusindeksi Kuva 4. Yli 10 hehtaarin metsäkiinteistöjen nimellisten yksikköhintojen kehitys (Maanmittauslaitos 2019). Metsäsijoituksilta on yleensä vaadittu suurempaa tuottoa, kuin vastaava puuntuotannon reaalinen sijoitustuotto on ollut. Vuosien reaalisen sijoitustuoton keskiarvo on ollut 3,16 prosenttia (Luonnonvarakeskus 2019). Vastaavasti metsänhinta tutkimuksissa, joissa on tutkittu toteutuneiden kauppahintojen suhdetta sisäisiin korkoihin, tuottovaatimukset ovat olleet neljästä prosentista jopa 12 prosenttiin (Airaksinen ym. 2011, Järvinen 2017). Tuottovaatimukseen on ennen kaikkea vaikuttanut puuston keskitilavuus, mikä viittaa metsänostajien varautumisella markkinahintojen vaihteluun sekä odotettaviin uudistamiskustannuksiin ja puukauppaveroihin (Hannelius 2000).

18 Metsämaan suhteellinen hintakehitys ,00 140,00 120,00 100,00 80,00 60,00 40, Vuosi Alue 1: Uusimaa, Varsinais-Suomi, Itä-Uusimaa, Satakunta, Kanta-Häme, Pirkanmaa, Päijät-Häme, Kymenlaakso, Etelä-Karjala, Ahvenanmaa Alue 2: Etelä-Savo, Pohjois-Savo, Pohjois-Karjala, Keski-Suomi, Etelä-Pohjanmaa, Pohjanmaa, Keski-Pohjanmaa Alue 3: Pohjois-Pohjanmaa, Kainuu Alue 4: Lappi Koko Suomi Elinkustannusindeksi Kuva 5. Metsämaan suhteellinen hintakehitys (Maanmittauslaitos 2019). 2.5 Arviointimenetelmät Arviointimenetelmällä tarkoitetaan menettelytapaa, jolla määritetään kiinteistön arvo, tuotto tai kohteen tuottamisen kustannus (Airaksinen 2008). Kansainvälisten arviointistandardien mukaan kiinteistön arvon määritykseen tulee käyttää kauppa-arvo-, tuottoarvo- ja tai kustannusarvomenetelmää (Viitanen & Falkenbach 2014). Käytettävän menetelmän valinta riippuu arvioitavasta kokonaisuudesta, saatavilla olevista lähtötiedoista sekä siitä mihin arviota tarvitaan (Viitanen & Falkenbach 2014). Arviointimenetelmät eivät anna yksiselliteistä vastausta kiinteistön arvosta vaan ne toimivat lähtökohtaisesti päätöksen teon tukena (Paananen 2009). Kansainväliset arviointistandardit (2013) ohjeistavatkin käyttämään useampaa menetelmää luotettavan arvioin aikaan saamiseksi. Menetelmillä on myös erilainen ajallinen ulottuvuus. Siinä missä kauppa-arvo kuvaa kiinteistön sen hetkistä markkinoilta saatavaa arvoa, kustannusarvo kuvaa kiinteistön aikaan saamiseksi tarvittavia resursseja eli kustannuksia (Kuuluvainen & Valsta 2009). Tuottoarvo vastaavasti kuvastaa tulevaisuudessa saatavien nettotulojen nykyarvoa (Kuuluvainen & Valsta 2009).

19 19 Metsäkiinteistöjen arviointi on yleisesti perustettu puuntuotannollisiin arvoihin (Paananen 2008). Metsätaloudellisten arvojen määrittäminen on suhteellisen helppoa ja niiden vaikutus metsäkiinteistön arvon muodostumiseen on oleellinen (Hannelius 2000). Arviointi on perustunut pitkällä aikavälillä saatavien kustannusten ja tuottojen ennustamiseen eli arvioimalla metsätaloudellinen käyttöarvo tai tuotto-odotus (Paananen 2008). Arvioinnin perustuminen metsätaloudellisiin arvoihin on loogista myös sen suhteen, että metsänsijoittaja harkitsee odotettavissa olevia tuloja ja menoja sijoituspäätöstä tehdessään (Ärölä 2015). Muiden kuin metsätaloudellisten arvojen, kuten metsästys-, virkistys- ja keräilytuotteisiin liittyvien arvojen heijastumista kauppahintaan ei pidä vähätellä, mutta niiden määrittäminen on huomattavasti haasteellisempaa (Paananen 2008). Tämä johtuu jo aiemmin todetusta ostajien ja myyjien erilaisista arvostuksista ja preferensseistä. Toisaalta Kansainväliset arviointistandardien mukaan käyvän arvon määrityksen tulee perustua parhaaseen ja tuottavimpaan käyttöön, mitä metsätaloudelliset arvot monesti edustavat (Viitanen & Falkenbach 2014). Kiinteistöarvioinnissa yleisesti käytetyt menetelmät sopivat niin ikään metsänkiinteistöjen arvon määritykseen (Airaksinen 2008). Metsäkiinteistöjen arviointiin on Suomessa yleisimmin käytetty summa-arvomenetelmää, joka on tuottoarvomenetelmän sovellus (Ärölä 2015). Lisäksi metsäkiinteistöjen arviointiin on käytetty tuottoarvo -menetelmää sekä vähemmissä määrin hakkuuarvo- ja kustannusarvomenetelmiä (Ärölä 2015). Menetelmien lähtökohdat poikkeavat toisistaan, mutta arvioinnin tuloksena saadaan laskennallinen metsätaloudellisiin arvoihin perustuva arvio (kuva 6). Kuva 6. Metsän arvon määrityksen päämenetelmät (Ärölä 2015).

20 20 Summa-arvo menetelmän käytölle metsätilojen kiinteistöarvioinnissa on pitkät perinteet ja se perustuu metsän eri osien erillisarvojen summaan eli summa-arvoon (Paananen 2009). Summaarvomenetelmässä lasketaan kuvioittain puuston arvo, johon kasvatusmetsien osalta lisätään tulevaisuuden kasvua kuvaava odotusarvo. Taimikoiden osalta määritetään taimikon aikaan saamiseksi vaadittavat resurssit eli taimikoiden kustannusarvo. Maapohjille määrätään erikseen niin sanottu paljaan maan arvo, joka perustuu Faustmannin maankorkoteoriaan. Yhdessä näistä erillisarvoista muodostuu metsäkiinteistön laskennallinen ja taloudellisiin tekijöihin perustuva arvo, jota korjataan subjektiivisella kokonaisarvonkorjauksella, jotta päästään markkina-arvoon. (Airaksinen 2008, Paananen 2009) Toinen metsäkiinteistöjen arviointiin käytettävä menetelmä on tuottoarvomenetelmä. Kansainvälisten arviointistandardien (2013) mukaan tuottoarvo antaa osoituksen arvosta muuntamalla tulevaisuuden kassavirrat yhdeksi arvohetken pääoma-arvoksi. Tuottoarvomenetelmä perustuu Holopaisen ja Viitasen (2009) mukaan Faustmannin maankorkoteoriaan. Menetelmällä lasketaan metsätilan nettonykyarvo diskonttaamalla tulevaisuuden tulot ja menot nykyhetkeen valitulla tuottovaatimuksella (Paananen ym. 2009). Paanasen ym. (2009) sekä Holopainen ja Viitanen (2011) mukaan tuottoarvolaskennan lähtökohtana on tieto hakkuiden ajoittumisesta, hakkuumääristä, puutavaralajirakenteesta sekä kantohinnoista puutavaralajeittain. Lisäksi tarvitaan kustannuksina metsänhoitotöiden määrät ja ajoittumiset, sekä tilan hallinnasta aiheutuvat menot. Tuottoarvolaskenta on siis tulevaisuuden kasvun ja tuoton ennustamista (Paananen ym. 2009). Laskennassa käytettävät tulot ja menot perustuvat yleensä puu- tai metsikkötason simulointeihin, joista optimoidaan metsänomistajan tavoitteita parhaiten toteuttava vaihtoehto (Holopainen & Viitanen 2011). Toisin sanoen tuottoarvo kuvaa paremmin metsäkiinteistön tuotannollista arvoa kuin markkina-arvoa. Holopaisen ja Viitasen (2009) mukaan tuottoarvo voidaan ajatella myös metsäkiinteistön sijoitusarvona osto- tai tarjouspäätöstä tehdessä. Metsäkiinteistöarviointi voidaan jakaa kahteen luokkaan riippuen, siitä millaista kokonaisuutta arvioidaan. Yleensä arvioinnin kohteena on kokonainen tuloa tuottava yksikkö, kuten metsätila tai määräala. Ominaista näille kokonaisuuksille on olemassa olevat markkinat ja että markkinaarvo on määritettävissä. Lisäksi on olemassa pienehköjä alueita, kuten yksittäisiä kuviota, sähkö- ja tielinjoja sekä tuhoutuneita taimikoita. Yleensä pienille ja taloudellisesti vähä arvoisille alueille ei ole olemassa toimivia markkinoita, mutta arvo joudutaan määrittämään korvausta arvioidessa tai lunastushintaa määrättäessä. (Paananen 2009) Pienehköjen ja markkinattomien alueiden, kuten taimikoiden osalta turvaudutaan monesti kustannusarvomenetelmään (Holopainen & Viitanen 2011).

21 21 Metsäkiinteistöjen arviointiin käytetyt menetelmät perustuvat metsätaloudellisiin arvoihin (Paananen 2009). Tämä on ristiriidassa kansainvälisten arviointistandardien kanssa, jonka mukaan markkina-arvon ennustamiseen on käytettävä markkinoilta johdettua tietoa (Viitanen & Falkenbach 2014). Esimerkiksi tuottoarvomenetelmässä sekä summa-arvomenetelmän aputaulukoista saatavien maapohjien, odotusarvojen ja taimikoidenarvojen laskentaan on käytetty markkinoita alempia korkokantoja. Osittain tällä on myös pyritty estämään negatiiviset ominaisuusosien arvot. Näin saatu metsäkiinteistön arvo kuvaa sen metsätaloudellista arvoa eikä markkina-arvoa, mikä on yleensä summa-arvoa alhaisempi. Summa-arvoa on siten jouduttu korjaamaan arvioijan kokemukseen perustuvalla kokonaisarvon korjauksella. Airaksisen (2008) tutkimusten mukaan kokonaisarvon korjaukset ovat vaihdelleen vanhemmissa aineistoissa prosentin välillä ja vuoden 2007 aineistossa se oli keskimäärin -14 prosenttia. Markkina-arvoon pääsemiseksi Holopainen ja Viitanen (2009) sekä Ärölä (2015) ovat esittäneet markkinapohjaisen tuottoarvomenetelmän käyttöä, jossa laskennassa käytettävä korkokanta johdetaan markkinoilta. Markkina-arvoa voidaan ennustaa myös kauppa-arvo menetelmällä, mutta se vaatii tuekseen reaaliaikaista tietoa metsäkiinteistömarkkinoista eli toisin sanoen toteutuneiden metsäkiinteistökauppojen hinta- ja metsävaratietoa. 2.6 Kauppa-arvomenetelmä Kauppa-arvomenetelmä on yleisin kiinteistöjen arviointimenetelmä (Kasso 2011). Menetelmä perustuu toteutuneiden ja vertailu kelpoisten kiinteistökauppojen todellisten kauppahintojen ja sen vaihtelun tutkimiseen (Paananen 2009). Kauppa-arvomenetelmä perustuu oletukseen, että markkinat osaavat hinnoitella ostajan ja myyjän kokeman arvon eli käyvän arvon ja sen etuna on todelliset ja toteutuneet kauppahinnat (Paananen 2009, Kasso 2011). Periaatteen tasolla se ottaa kantaa kaikkiin kiinteistön arvoon vaikuttaviin tekijöihin, kuten myös inhimillisiin tekijöihin (Hannelius 2000). Paananen (2009) toteaa metsäkiinteistöjen vertailuun tärkeimpien tunnusten olevan sijainti, kokoluokka, tilan metsävaratunnukset, kaupan ajallinen läheisyys ja edustavuus. Kauppa-arvomenetelmässä keskeinen kysymys on vertailukauppojen edustavuus ja riittävyys (Kasso 2011). Toisin sanoen kaupankohteina olleiden kiinteistöjen ominaisuuksien täytyy olla samanlaisia ja niitä tulee olla tarpeeksi monta luotettavan arvion laatimiseksi. Kirjallisuudessa ei kuitenkaan ole määritelty, kuinka monta vertailukohdetta kauppa-arvomenetelmä vaatii ja

22 22 kuinka samankaltaisia niiden tulisi olla (Hannelius 2000, Paananen 2009). Kansainväliset arviointistandardit eivät myöskään ota kantaa vertailukauppojen määrälle, mutta toteavat kiinnittämään erityistä varovaisuutta arvioinnin tulokseen, mikäli syöttötietoja on vähän saatavilla (Viitanen & Falkenbach 2014). Kauppa-arvomenetelmä voidaan jakaa Myhrbergin (1991) mukaan kolmeen erilaiseen menetelmään vertailukauppojen määrästä riippuen. Näitä ovat yksittäishavaintoihin, kokemukseen ja matemaattisiin monimuuttujamenetelmiin perustuvat menetelmät. Yksittäishavaintoihin perustuva menetelmä voidaan käyttää, jos vertailukauppoja on olemassa vain vähän, mutta silloinkin sen käyttöön on suhtauduttava varauksella (Myhrberg 1991). Paananen (2009) toteaa sen soveltuvan ainoastaan poikkeuksellisen suurten metsätilojen arviointiin. Kokemusperäinen kauppa-arvomenetelmä perustuu hintatekijöiden suhteellisen vaikutuksen kokemusperäiseen tarkasteluun (Paananen 2009). Menetelmässä arvo määritetään keskiarvohintojen ja hintavaihtelua kuvaavien yksinkertaisten mallien avulla (Myhrberg 1991). Esimerkiksi voidaan laskea keskiarvohintoja samankaltaisille tiloille tai laskea yksinkertaisia puuston arvoa kuvaavia malleja. Matemaattiset monimuuttujamenetelmät perustuvat vastaavasti tilastolliseen päättelyyn, jossa vertailukauppojen perusteella muodostetaan metsäkiinteistöjen hintaa kuvaavia malleja (Myhrberg 1991). Matemaattisia monimuuttajamalleja ei juurikaan käytetä metsäkiinteistöjen arvioinnissa, vaikka Maanmittauslaitos ja entinen Metsäntutkimuslaitos ovat julkaisseet joitakin tutkimuksia aiheesta. Vaikka kauppa-arvomenetelmä on yleisin kiinteistöjen arviointimenetelmä, se ei ole vakiinnuttanut asemaansa metsäkiinteistöjen arvioinnissa eikä ole muodostunut yleistä tapaa kauppa-arvomenetelmän hyödyntämiselle (Paananen 2009). Lähinnä metsäkiinteistöjen arvioinnissa kauppa-arvomenetelmää on hyödynnetty muiden menetelmien rinnalla ja summa-arvomenetelmän kokonaisarvon korjausta määritettäessä (Paananen 2009). Yleisesti kiinteistömarkkinoilla kauppa-arvomenetelmän soveltamisen ongelmina ovat olleet kauppojen edustavuus ja niiden riittävä saatavuus (Kasso 2011). Vertailuaineiston saatavuus on ongelma myös metsäkiinteistöjen osalta ja aineiston hankinta on työlästä. Paanasen (2009) mukaan vuosittain tehdään edustavaa metsätilakauppaa koko Suomen tasolla, mikä tarkoittaa keskimäärin alle kymmentä metsätilakauppaa kunnittain. Toinen ongelma kauppa-arvomenetelmän käytölle metsäkiinteistöjen arvioinnissa on vertailukauppojen tietojen saatavuus. Maanmittauslaitos ylläpitää Kiinteistöjen kauppahintarekisteriä, mistä on mahdollista saada hintatietoa kauppa-ar-

23 23 vomenetelmän käyttöön. Kuitenkin merkittävin ongelma kauppahintarekisterin hyödyntämiselle on, se ettei kauppahintarekisteri sisällä kiinteistöjen puustotietoja, eli kauppahinnat ovat vain keskiarvoja myydyistä metsätiloista (Holopainen & Viitanen 2009). Perinteisesti puustotiedot on kerätty kuvioittaisella arvioinnilla, mikä on yleensä kallista ja aikaa vievää. Puustotietojen keräämisen haasteellisuudella on ollut todennäköisesti vaikutusta kauppa-arvomenetelmän yleistymiselle sekä Suomessa aiheesta tehdyn tutkimuksen niukkuudelle. Toisaalta kauppahintatutkimuksissa muodostetut kauppa-arvomallit vanhenevat hyvin nopeasti, joten niitä ei voida juuri käyttää metsänmarkkina-arvon määrityksessä (Paananen 2009). Kauppa-arvomenetelmää olisi mahdollista hyödyntää reaaliaikaisen metsäkiinteistömarkkinatiedon avulla. Tietoa olisi mahdollista saada yhdistämällä Suomen metsäkeskuksen Aarni-metsävaratieto ja Maanmittauslaitoksen kauppahintarekisteri (Airaksinen 2008 ja Holopainen 2008). Metsäkiinteistöjä välittävät tahot, kuten Metsätilat-ketju, keräävät omalta osaltaan tietoa toteutuneista metsäkiinteistäkaupoista. Tätä tietoa hyödynnetään vain keskimääräisten tunnusten osalta, esimerkiksi kokonaisarvon korjausta määrättäessä. Kerätty aineisto kuitenkin mahdollistaisi kauppa-arvomenetelmän soveltamisen metsäkiinteistöjen markkina-arvon määrityksessä. 2.7 Metsänhintatutkimusta Metsäkiinteistöjen kauppahintatutkimuksia on tehty Suomessa varsin vähän, mikä johtunee aineiston saatavuuden haasteellisuudesta. Aiemmissa metsäkiinteistömarkkinoiden tutkimuksissa aineistojen laajuudet ovat jääneet vain muutamaan sataan metsäkiinteistökauppaan, mikä on suhteellisen vähän Suomen tasolle. Lisäksi tutkimukset ovat pitkälti keskittyneet summaarvo- ja tuottoarvomenetelmiin, mikä on luontevaa menetelmien ollessa yleisimmät metsäkiinteistöjen arviointimenetelmät. Merkittävimpiä aiheesta tehtyjä tutkimuksia ovat Hanneliuksen (2000) tutkimus Kiinteistöarviointimenetelmät ja niiden soveltaminen metsäomaisuuden arvioinnissa, Airaksisen vuonna 2008 valmistunut tutkimus Summa-arvomenetelmä metsän markkina-arvon määrittämisessä sekä Maanmittauslaitoksen Metsän hinta Suomessa julkaisut , 1995 ja Uusimmat aiheesta tehdyt tutkimus ovat Järvisen ja Kallatsan vuonna 2017 valmistuneet Pro gradu -tutkielmat. Kauppa-arvomenetelmän osalta metsänhintatutkimusta on tehty vielä vähemmän ja ainoat aihetta sivuuttaneet tutkimukset ovat tyytyneet muodostamaan kauppahintaa kuvaavia malleja tai laskemaan tuottovaatimuksia markkinapohjaiselle tuottoarvomenetelmälle.

24 24 Maanmittauslaitoksen Metsän hinta Suomessa v julkaisussa aineisto käsitti 442 metsätilakauppaa ja Metsän hinta Suomessa 1995 käsitti 339 tilakauppaa koko Suomen alueelta. Tutkimukset selvittivät metsän käyvän hinnan ja summa-arvon välistä yhteyttä. Keskeisimpinä metsänhintaan vaikuttavina tekijöinä Airaksinen (2008) toteaa välittömät puunmyynnin nettotulot, kasvatettavasta puustosta odotettavissa olevat tulot sekä kasvupaikkatekijät, jotka vaikuttavat puun tuotantoon. Viimeisin Metsän hinta Suomessa-julkaisu sisälsi 327 metsäkiinteistökauppaa (Airaksinen ym. 2011). Tutkimus selvitti myös metsäkiinteistöjen kauppahinnan ja summa-arvon suhdetta sekä markkinapohjaisen tuottoarvomenetelmän soveltamismahdollisuuksia kiinteistöarvioinnissa (Airaksinen ym. 2011). Tutkimuksessa muodostettiin koko Suomen kattava lineaarinen regressiomalli markkina-arvolle, missä selittävänä muuttujina oli summa-arvon osatekijät (kaava 1). Mallin selitysaste oli 0,89 eli se selitti noin 90 prosenttia markkina-arvon vaihtelusta ja suhteellinen jäännöskeskihajonta oli 43,7 prosenttia (Airaksinen ym. 2011). Malli yhtälö oli muotoa: MA = 0,81 MAA + 0,48 TAI + 0,66 ODPUU + 0,51 REPUU + 8,65 LS (1) jossa, MA = markkina-arvo ( ), MAA = maapohjan arvo ( ), TAI = taimikon arvo ( ), ODPUU = odotusarvopuusto ( ), REPUU = heti hakattavissa oleva puusto ( ), LS = lämpösumma ( vrk). Airaksisen vuonna 2008 julkaistun väitöskirjan aineisto sisälsi Metsän hinta Suomessa ja 1995 julkaisuissa käytetyt aineisot sekä 30 metsäkiinteistön otoksen Oulun läänin eteläpuoleisesta Suomesta vuodelta Tutkimuksessa oli muodostettu alueelliset ja koko maan kattavat ekonometriset metsänhintamallit, joissa selitettävänä tekijänä on kokonaiskauppahinta ja selittävinä tekijöinä summa-arvo ja summa-arvon osatekijät (Airaksinen 2008). Vuoden 1995 summa-arvomallin selitysaste oli 0,77 ja jäännöskeskihajonta 37 prosenttia (Airaksinen 2008, kaava 2). Malli oli muotoa (Airaksinen 2008): Y = ,45 SA 44,95 HKIET (2) jossa, Y = kokonaiskauppahinta ( ), SA = summa-arvo ( ) ilman odotusarvolisää,

25 25 HKIET = etäisyys Helsinkiin (km). Airaksisen (2008) on tuloksissaan todennut summa-arvon ilman odotusarvolisää selittävän hyvin metsäkiinteistöjen markkina-arvon muodostumista, mutta se vaatii korjauksen markkinaarvoon pääsemiseksi. Hannelius (2000) muodosti niin ikään metsänhintaa kuvaavia hintamalleja. Aineisto sisälsi 250 yli kymmenen hehtaarin metsätilakauppaa Oulun läänin eteläpuoleisesta Suomesta. Hanneliuksen tutkimus osoitti, että puustoisilla tiloilla, joissa keskitilavuus on yli 40 kuutiota hehtaarilla, metsänhintaa parhaiten selittäviä muuttujia olivat keskitilavuus, välittömät hakkuutulot ja lämpösumma (kaava 3). Nämä muuttujat selittävät tutkimuksen mukaan prosenttia kauppahinnan vaihtelusta. Mallin on todettu toimivan kohtuu luotettavasti keskitilavuuden ollessa m3/ha, mutta antavan aliarvioita puustoisemmilla tiloilla. Hinta-arvio = ,9 X 1 + 0,02 X 2 + 1,36 X 3 (3) jossa, X1 = puuston keskitilavuus (m³/ha), X2 = hakattavissa olevan puuston nettohakkuuarvo ( /ha), X3 = kohteen lämpösumma ( vrk). Viimeisimmät metsänhintaa sivuavat tutkimukset ovat olleet Kallatsan (2017) Metsäkiinteistön arvon määrittäminen summa-arvomenetelmällä ja Järvisen (2017) Metsäkiinteistön arvon määrittäminen markkinapohjaisella tuottoarvomenetelmällä. Tutkimuksissa oli käytetty Maanmittauslaitoksen keräämää aineistoa, joka oli hankittu Metsän hinta Suomessa julkaisua varten. Kyseistä aineistoa on käytetty myös tässä tutkimuksessa. Järvinen (2017) selvitti markkinapohjaisen tuottoarvomenetelmän käytettävyyttä. Tutkimuksessaan hän muodosti kaupankohteena olleille metsäkiinteistöille markkina-arvoja vastaavat sisäiset korkokannat. Tutkimus osoitti sisäisen korkokannan kasvavan keskitilavuuden sekä lämpösumman lisääntyessä (Järvinen 2017). Tutkimuksen havainnot ovat mielenkiintoisia ja alhaisemmat sisäiset korot viittaavat tuotto-odotuksiin nähden suurempiin kauppahintoihin matalapuustoisilla metsätiloilla. Tulos on ristiriitainen aiempien tutkimustulosten kanssa, sillä metsänomistajien on havaittu arvostavan lähitulevaisuudessa saatavia hakkuutulo (Hannelius 2000).

26 26 Kallatsan (2017) tutkimuksen tavoitteena oli selvittää summa-arvomenetelmän käytettävyyttä metsäkiinteistöjen markkina-arvon määrittämiseen. Tutkimuksessa muodostettiin alueelliset ja kokomaan kattavat regressiomallit summa-arvon ja kauppahinnan suhteelle. Mallien selitysasteet vaihtelivat prosentin välillä ja jäännöskeskihajonnat prosentin välillä (taulukko 1). Taulukko 1. Metsäkiinteistöjen alueelliset hintamallit Kallatsan tutkimuksessa. Selittävinä muuttujina lämpösumma ja kiinteistön summa-arvo ilman odotusarvo lisää. Alue Hintamalli R 2 sj(%) N SA:n t-avo LS:n t-arvo 1 Y = 0,87 * SA + 4,24 * LS 0, , ,33 1,76 2 Y = 0,74 * SA + 6,44 * LS 0, , ,86 4,4 3 Y = 0,77 * SA + 6,95 * LS 0, , ,01 3,22 4 Y = 0,52 * SA + 4,70 * LS 0, , ,24 1,58 Koko maa Y = 0,79 * SA + 5,03 * LS 0, , ,74 4,42 jossa, Y = kokonaiskauppahinta ( ), SA = summa-arvo ilman odotusarvolisää ( ), LS = lämpösumma ( vrk), R2 = selitysaste, sj(%) = suhteellinen jäännöskeskihajonta, SA:n t-arvo = summa-arvon t-arvo, LS:n t-arvo = lämpösumman t-arvo. 3 AINEISTO JA MENETELMÄT 3.1 Aineisto Tutkimuksen aineistona käytettiin Maanmittauslaitoksen keräämää aineistoa, joka oli hankittu Metsänhinta Suomessa tutkimusta varten. Aineisto sisälsi 1064 edustavaa yli 10 hehtaarin metsätilaluovutusta tammikuun 2015 ja heinäkuun 2016 väliseltä ajalta. Metsänhintatutkimusten kannalta edustavat kaupat kuvaavat markkina-arvon muodostumista (Hannelius & Airaksinen 2005). Tutkimusaineistoa oli käytetty lisäksi Järvisen (2017) markkinapohjaisessa tuottoarvotutkimuksessa sekä Kallatsan (2017) summa-arvotutkimuksessa. Tutkimusaineisto sisälsi kaupoittain Maanmittauslaitoksen kauppahintarekisteristä poimittuja tietoja sekä Suomen metsäkeskuksen Aarni-tietojärjestelmän metsävaratiedon pohjalta tuotettuja tietoja.

27 27 Kauppahintarekisteristä aineistoon oli poimittu kauppahinnat, metsätalousmaan pinta-alat, peltopinta-alat, muun alan pinta-ala, kiinteistöjen koordinaatit ja kaavatiedot sekä saajan ja luovuttajan laatutiedot. Metsävaratiedon pohjalta aineistolle oli laskettu ainespuun määrät ja tukkiprosentit sekä kivennäismaan, kehitysluokkien ja tilavuusluokkien osuudet metsätalousmaasta. Lisäksi luovutusten kohteina olleille tiloille oli laskettu välittömästi hakattavissa olevan puuston arvo sekä ensimmäisen kymmenen vuoden hakkuiden nettotulojen nykyarvo neljän prosentin korkokannalla. Aineiston hankinta ja tuottaminen on kuvattu tarkemmin Kallatsan (2017) ja Järvisen (2017) tutkimuksissa. Kallatsan (2017) ja Järvisen (2017) mukaan kauppahintoja ei korjattu minkään ajankohdan hintatasoon, sillä inflaatio oli pysynyt kyseisellä aikavälillä maltillisena. Tammikuun 2015 ja heinäkuun 2016 välisenä aikana edustavia metsäkiinteistön tai määräalan kauppoja oli tehty yhteensä 2626 (Kiinteistöjen kauppahintarekisteri 2018). Kallatsan (2017) mukaan aineistosta oli rajattu pois epäedustavina sukulaisluovutukset ja erityisarvoja sisältävät kohteet, kuten peltoa ja rakentamisoikeutta sisältävät luovutukset. Rakennetuissa kohteista aineistoon oli hyväksytty luovutukset, joissa metsämaan ja rakennusten arvot oli eritelty kauppakirjassa tai rakennukset olivat arvoltaan vähäarvoisia tai arvottomia. Rantaan rajoittuvat kohteet oli hyväksytty aineistoon, mikäli kiinteistöllä ei ollut voimassa ranta- tai asemakaavaa. Lisäksi aineistoon oli hyväksytty vain yli kymmenen hehtaarin kiinteistöluovutukset, sillä alle kymmenen hehtaarin tilojen pääasiallinen käyttötarkoitus saattoi poiketa metsätalouden harjoittamisesta. Summa- ja tuottoarvo laskelmia varten metsäkiinteistöillä täytyi olla myös kuvioittainen metsävaratieto Suomen Metsäkeskuksen Aarni-tietojärjestelmässä ja metsävaratieto tuli olla tuotettu vuonna 2009 tai sen jälkeen. Kriteerit täyttäviä metsäkiinteistöluovutuksia tarkasteluajanjaksolta löytyi 1168 kappaletta. Näistä tiloista 104 määrä jouduttiin hylkäämään erinäisistä syistä. Yleisimmäksi syyksi Järvinen (2017) toteaa puutteet metsävaratiedossa osittain tai kokonaan. Muita syitä luovutusten poistamiseen Järvisen (2017) ja Kallatsan (2017) mukaan olivat seuraavat: Kiinteistö oli myyty muuhun kuin metsätalouskäyttöön, esimerkiksi pelloksi, turvetuotantoon tai tuulivoimayhtiölle. Kiinteistöllä sijaitsi asuin- tai lomarakennuksia, eikä metsän ja rakennusten osuuksia kauppahinnasta ollut eritelty kauppakirjassa. Tilaan kuului osuus yhteismetsään. Tilaan kuului yksityinen luonnonsuojelualue. Ei pystytty päättelemään oliko viimeaikaiset päätehakkuut tehty ennen vai jälkeen kaupan.

28 28 Määräalan tarkka sijainti ei selvinnyt. Metsävaratiedossa oli epäloogista tietoa, joka kaatoi laskennan eikä virhelähdettä löydetty. Metsävaratiedon pohjalta lasketut tunnukset oli laskettu Maanmittauslaitokselle erikseen räätälöidyllä MLL -Motti ohjelmistolla. Puutavarahintoina oli käytetty vuosien puutavaralajikohtaisia keskiarvohintoja kokomaan tasolta. Puutavarahinnat oli korjattu tuottajahintaindeksillä vastaamaan vuoden 2015 hintatasoa. Kainuussa, Pohjoispohjanmaalla ja Lapissa koivutukkien hintoina oli käytetty koivukuidun hintaa, sillä alueilla ei ole markkinoita koivutukeille. (Järvinen 2017) 3.2 Aineiston keskeisiä tunnuslukuja Tutkimusaineisto käsitti 1064 yli kymmenen hehtaarin edustavaa metsäkiinteistäkauppa koko Suomen alueelta. Metsäkiinteistöt olivat olleet luovutuksen kohteina vuosien 2015 ja 2016 välisenä aikana. Metsäkiinteistöjen hinnat vaihtelivat 5000 euron ja euron välillä ja aritmeettinen keskiarvohinta oli mediaanihintaa suurempi (taulukko 2). Kiinteistökauppojen kohteena olevat tilat olivat valtaosin kohtuullisen pieniä, mutta vastasivat keskimääräistä metsäkiinteistöjen kokoa. Suurempien metsätilojen osalta löytyi vain vähän havaintoja. Pinta-alat vaihtelivat 8,3 hehtaarin ja 243,3 hehtaarin välillä (taulukko 2). Pinta-alojen frekvenssijakauma oli vasemmalle vinoutunut, mihin viittaa aritmeettista keskiarvopinta-alaa alempi mediaanipinta-ala. Kaupankohteina olleiden metsäkiinteistöjen keskitilavuudet olivat pienemmät kuin valtakunnan metsissä keskimäärin. Metsätilastollisen vuosikirjan (2014) mukaan metsämaan keskitilavuus vuonna 2014 oli 113 kuutiota hehtaarilla, mikä oli 17 kuutiota suurempi kuin aineiston keskimääräinen puuston hehtaari tilavuus. Hannelius (2000) ja Airaksinen (2008) ovat todenneet metsäkiinteistökaupan kohteeksi valikoituvat keksimääräistä pienempi puustoisia tiloja. Toisin sanoen myyjät reaalisoivat osan puustosta ennen kaupantekohetkeä. Markkinapohjaiset tuottoarvotutkimukset osoittavat metsäkiinteistöjen sisäisten korkojen nousevan keskitilavuuden kasvaessa (Airaksinen ym ja Järvinen 2017). Toisin sanoen keskitilavuudeltaan alhaisemmista metsäkiinteistöistä on mahdollista saada parempi hinta suhteessa tuottoarvoon, mikä myyjän kannalta puoltaa puusto pääoman realisoinnin ennen metsäkiinteistöstä luopumista.

29 29 Taulukko 2. Kaupankohteina olleiden metsäkiinteistöjen tilastollisia tunnuslukuja. Keskiarvo Keskihajonta Alakvartiili Mediaani Yläkvartiili Hinta, e Hinta, e/ha Pinta-ala, ha 28,9 24,8 14,5 21,2 32,7 Ainespuumäärä, m Keskitilavuus, m 3 /ha Tukkiosuus, % Kivennäismaa osuus, % Lämpösumma, Cvrk Välittömät hakkuutulot, e/ha Tulevaisuuden hakkuut, e/ha Etäisyys Helsinki, km Etäisyys kaupunkiin, km Etäisyys tielle, m Tutkimusaineisto jaettiin neljä alueeseen noudattaen Kallatsan (2017) tutkimusta. Tähän päädyttiin, jotta voitiin vertailla mallien tilastollista tarkkuutta summa-arvomenetelmään. Etelä- Suomen alueeseen (alue 1) rajattiin metsäkiinteistöt, joiden termisen kasvukauden lämpösumma ylitti 1200 Cvrk ja Pohjois-Suomen alueeseen (alue 4) rajattiin metsäkiinteistöt, joiden lämpösumma alitti 1000 Cvrk. Väli-Suomi, johon kuului kiinteistöt lämpösummaltaan Cvrk, jaettiin vielä kahteen alueeseen. Länsi-Suomen alueeseen (alue 2) lukeutuivat Pohjanmaan turvemaavaltaiset alueet ja Itä-Suomen alueeseen (alue 3) puolestaan kuuluivat Itä- ja Keski-Suomen kivennäismaavaltaiset alueet. Aluejako on esitetty liitteessä 2. Keskimääräiset yksikköhinnat olivat korkeimpia Etelä- ja Itä-Suomen alueilla, mutta niissä myös yksikköhintojen vaihtelut olivat suurimmat (kuva 7). Pohjois-Suomen osalta mediaanihinta jäi alle tuhanteen euroon, mikä on neljäsosa Etelä-Suomessa maksetuista mediaani hinnoista. Alueellisten keskitilavuuksien vaihtelut ja keskiarvot noudattelivat alueellisia yksikköhintoja.

30 30 Kuva 7. Aineiston alueelliset hehtaarihintajakaumat. Alue 1: Etelä-Suomi, alue 2: Länsi- Suomi, alue 3: Itä-Suomi ja alue 4: Pohjois-Suomi. Kaupankohteina olleiden metsäkiinteistöjen pinta-alavaihtelut olivat päinvastaisia yksikköhintojen ja keskitilavuuksien kanssa. Etelä-Suomessa pinta-alojen mediaani oli alle 20 hehtaaria ja Länsi- ja Itä-Suomessa hieman yli 20 hehtaaria (kuva 8). Alueiden pinta-alajakaumat noudattelivat toisiaan. Pohjois-Suomessa mediaanipinta-ala oli 26 hehtaaria, mutta keskiarvopinta-ala oli yli 40 hehtaaria, mikä kuvaa selkeästi suurempaa metsäkiinteistöjen pinta-alavaihtelua. Kuva 8. Aineiston alueelliset pinta-alajakaumat. Alue 1: Etelä-Suomi, alue 2: Länsi-Suomi, alue 3: Itä-Suomi ja alue 4: Pohjois-Suomi.

31 Aineiston käsittely Tutkimuksessa muodostettiin metsäkiinteistöjen kauppahintaa kuvaavat lineaariset regressiomallit. Mallit muodostettiin koko Suomen alueelle sekä erikseen alueittain aiemmin esitetyn aluejaon mukaisesti. Tutkimuksessa kauppahintaa ennustettiin keskitilavuudella, kokonaisainespuun määrällä, pinta-alalla, tukkiosuudella, kivennäismaaosuudella ja lämpösummalla. Lisäksi tutkittiin välittömästi saatavien hakkuu tulojen ja seuraavan kymmenen vuoden aikana saatavien hakkuutulojen nettonykyarvon vaikutusta kauppahintaan, jäljempänä tulevaisuuden hakkuutulot. Metsäkiinteistön sijainnin vaikutusta ennustettiin etäisyydellä Helsinkiin ja lähimpään yli asukkaan kaupunkiin sekä sijaintikunnan asukastiheydellä ja etäisyydellä lähimmälle tielle. Lopuksi metsäkiinteistön sijoittumista kaava-alueelle ja metsäkiinteistön rajoittumista rantaan tutkittiin valemuuttujien avulla. Aineiston tilastolliseen tarkasteluun käytettiin IBM SPSS Statistic-ohjelmistoa. Lineaarisella regressiomallilla voidaan tutkia yhden tai useamman muuttujan lineaarisia suhteita (Metsämuuronen 2008). Menetelmää voidaan käyttää erilaisten ilmiöiden mallintamiseen sekä havaintojen ennustamiseen (Metsämuuronen 2008). Monen selittäjän lineaarinen regressiomallin perusmuoto on: y = β 0 + β 1 β 1 + β 2 β β k β k + ε (4) mikä koostuu selitettävästä muuttujasta y, selittävistä muuttujista x1 xk, selittävien muuttujien regressiokertoimista β1 βk ja virhetermistä ε (Montgomery ym. 2013). Lineaarisen regressiomallin kertoimet β1 βk ovat selittävien muuttujien painokertoimia, joita on yhtä monta kuin selittäviä muuttujia (Metsämuuronen 2008). Painokerroin kuvaa selittävän muuttujan yhden yksikön muutoksen vaikutusta selitettävään ilmiöön, kun muut mallin muuttujat pidetään vakioina (Montgomery ym. 2013). Vastaavasti mallin virhetermi ε kuvastaa tutkittavassa ilmiössä esiintyvää selittämätöntä vaihtelua sekä mallin ennustusvajetta, mikä toisin sanoen tarkoittaa mallin jäännöksiä (Metsämuuronen 2008). β0 on mallin vakiotermi, mikä kuvastaa tilannetta, kun mikään mallin selittäjä ei selitä y:n vaihtelua. Toisin sanoen y saa vakion arvon, kun mikään mallin selittäjä ei selitä tutkittavan ilmiön vaihtelua. Tutkimuksessa muodostettuihin malleihin ei kuitenkaan sisällytetty vakiotermiä, jolloin y saa arvon 0, kun mikään selittävä muuttuja ei selitä y:n vaihtelua.

32 32 Regressiomallin muodostukseen, eli β1 βk kertoimien määrittämiseen käytettiin pienimmän neliösumman menetelmää. Menetelmässä minimoidaan neliösummaa eli virhetermien neliöiden ε 2 summaa parhaan mallin löytämiseksi (Metsämuuronen 2008). Vastaavasti muuttujien valintaan käytettiin t-testin merkitsevyys tasoa 0,05. Lisäksi muuttujien valinnassa otettiin huomioon niiden vaikutusta mallin tilastolliseen selityskyykyyn, jäännösten jakautuminen sekä muuttujien väliset keskinäiset korrelaatiot. Mallien luotettavuutta ja hyvyyttä tarkasteltiin mallien suhteellisella jäännöskeskihajonnalla sj(%), korjatulla selitysasteella R 2 sekä jäännösten hajontakuvioiden perusteella. Korjattu selitysaste R 2 kertoo kuinka monta prosenttia malli selittää kyseisin ilmiön vaihtelusta (kaava 5 ja 6). Toisin sanoen se kuvaa mallin selittävän vaihtelun ja koko aineiston vaihtelun välistä suhdetta (Metsämuuronen 2008). Korjattu selitysastetta ottaa huomioon malliin sisällytettyjen muuttujien ja aineiston havaintojen määrän. Lisäksi mallien tarkkuutta arvioitiin suhteellisella jäännöskeskihajonnalla, joka kuvaa mallin keskimääräistä virhettä, eli kuinka paljon havainnot poikkeavat ennustetuista arvoista (kaava 7 ja 8). R 2 = i f i 2 i y i 2 (5) jossa yi on havaittu arvo, fi on ennustettu arvo ja y on havaitun aineiston keskiarvo Korjattu R 2 = R 2 (1 R2 )p N p (6) jossa N on havaintojen määrä, p mallin muuttujien määrä ja p* = p jos mallissa ei ole mukana vakiotermiä ja muuten p* = p +1 sj = i (y i f i ) 2 N p (7) jossa yi on havaittu arvo, fi on ennustettu arvo, N on havaintojen määrä ja p* mallin muuttujien määrä, jos mallissa ei ole mukana vakiotermiä, muuten p* = p +1 sj(%) = sj y x 100 (8) jossa y on havaitun aineiston keskiarvo. Origon kautta kulkeva lineaarinen regressiomalli on lineaarisen regressiomallin erityistapaus ja sen määrittämiseen liittyy laskennallisia eroavaisuuksia. IBM SPSS Statistic-ohjelmisto määrittää origon kautta kulkevan lineaarisen regressiomallin selitysasteen kaavalla 5, joka poikkeaa yleisestä lineaarisen regressiomallin selitysasteen kaavasta (kaava 9, Eisenhauer 2003). Muu-

33 33 tokset laskentakaavassa johtuvat mallin selittämien poikkeamien neliöiden summasta ja kokonaispoikkeamien neliöiden summasta, minkä takia selitysaste ja f-testisuure eivät ole verrannollisia vakiontermin sisältävien ja sisältämättömien regressiomallien välillä (Eisenhauer 2003). Toisaalta selittämättömien neliöiden summan laskenta ei muutu näiden eri mallin muotojen välillä, minkä takia jäännöskeskihajonta on verrannollinen erilaisen regressiomallien välillä ja kuvaa näin ollen paremmin eri mallien tarkkuutta (Eisenhauer 2003). R 2 = 1 i(y i f i ) 2 i (y i y ) 2 (9) 4 TULOKSET Analyysien alkuvaiheessa havaittiin voimakkaita heteroskedastisuusongelmia muuttujien jäännöskuvioissa sekä selkeästi poikkeavia havaintoja erityisesti kauppahintamallien jäännöskuvioissa. Mallien laadinnassa pyrittiin poistamaan heteroskedastisuusongelmia muuttujamuunnosten avulla, mutta tällä ei havaittu olevan vaikutusta mallien selityskykyyn tai jäännösten jakautumiseen. Tästä syystä päädyttiin poistamaan havaintojen joukosta voimakkaasti poikkeavat havainnot sekä poistamaan voimakkaita heteroskedastisuusongelmia aiheuttavat muuttujat malleista. Lopulliseksi havaintojen määräksi jäi 1038 metsäkiinteistökauppaa, mikä on 28 havaintoa vähemmän kuin alkuperäisessä aineistossa. Muuttujien valintaa varten tutkittiin muuttujien välisiä korrelaatioita. Tutkimuksessa havaittiin, että kauppahinnan kanssa voimakkaimmin korreloivat ainespuumäärä ja seuraavan kymmenen vuoden aikana saatavien nettotulojen nykyarvo (taulukko 3). Lisäksi kauppahinnan kanssa korreloivat pinta-ala, välittömät hakkuutulot sekä tukkiosuus, mutta näiden korrelaatiot olivat ainespuumäärään nähden heikompia. Lievää korrelaatiota oli havaittavissa etäisyys Helsinkiin - muuttujan osalta, joka kuvaa kiinteistön sijaintia sekä lämpösumman osalta, joka kuvaa kasvupotentiaalia. Kivennäismaaosuus korreloi heikoimmin kauppahinnan kanssa. Alueelliset korrelaatiot noudattelivat koko maan tasoa (liite 3).

34 34 Taulukko 3. Kokonaiskauppahintamalleissa käytettyjen muuttujien korrelaatiot koko maan tasolla. Merkintä * indikoi Pearsonin korrelaation tilastollista merkitsevyyttä (p-arvo < 0,01). Hinta, e Ainespuumäärä, m3 Pintaala, ha Kivennäismaa osuus, % Tukkiosuus, % Etäisyys Helsinki, km Lämpösumma, Cvrk Välittömät hakkuutulot, e Tulevaisuuden hakkuut, e Hinta, e 1,902 *,554 *,119 *,407 * -,323 *,290 *,594 *,767 * Ainespuumäärä, m3,902 * 1,669 * 0,016872,305 * -,143 *,123 *,537 *,749 * Pinta-ala, ha,554 *,669 * 1 -,142 * -,093 *,232 * -,256 *,192 *,328 * Kivennäismaa osuus, %,119 * 0, ,142 * 1,254 * -,292 *,284 *,117 *,089 * Tukkiosuus, %,407 *,305 * -,093 *,254 * 1 -,479 *,445 *,524 *,566 * Etäisyys Helsinki, km -,323 * -,143 *,232 * -,292 * -,479 * 1 -,934 * -,173 * -,211 * Lämpösumma, Cvrk,290 *,123 * -,256 *,284 *,445 * -,934 * 1,158 *,197 * Välittömät hakkuutulot, e,594 *,537 *,192 *,117 *,524 * -,173 *,158 * 1,857 * Tulevaisuuden hakkuut, e,767 *,749 *,328 *,089 *,566 * -,211 *,197 *,857 * 1 Kauppahinnan ja muuttujien välisten korrelaatioiden ohella havaittiin voimakkaita korrelaatioita selittävien muuttujien välillä. Ainespuumäärä korreloi voimakkaasti tulevaisuuden hakkuiden kanssa sekä hieman heikommin pinta-alan ja välittömien hakkuutulojen kanssa. Toisaalta välittämät hakkuutulot ja tulevaisuuden hakkuutulot korreloivat voimakkaasti keskenään sekä hieman heikommin tukkiosuuden kanssa. Voimakasta korrelaatiota oli havaittavissa myös etäisyys Helsinkiin -muuttujan ja lämpösumman välillä, mikä on loogista sen suhteen, että siirryttäessä kohti Pohjoista, lämpösumma laskee ja etäisyys Helsinkiin vastaavasti kasvaa. Aineiston keskeisissä tunnusluvuissa havaittu keskipinta-alojen kasvu Pohjois-Suomessa on nähtävissä myös pinta-alan ja etäisyys Helsinkiin -muuttujan sekä lämpösumman välillä heikkona korrelaationa. Lisäksi edellä mainitut muuttujat korreloivat heikosti kivennäismaaosuuden kanssa, mikä kuvastaa turvemaaosuuden kasvua Pohjois-Suomessa. 4.1 Lineaariset kauppahintamallit Koko Suomen alueella havaittiin, että ainespuumäärä selitti 90 prosenttia kauppahinnan vaihtelusta, kun kauppahintaa selittävässä regressiomallissa käytettiin pelkästään ainespuun määrää selittävänä muuttujana. Mallin jäännöskeskihajonnaksi saatiin 46 prosenttia. Mallin jäännökset antoivat kuitenkin viitteitä siitä, että malli aliarvioi puustoisten metsätilojen arvoa ja toisaalta yliarvioi vähäpuustoisia metsätilojen arvoa. Ainespuun määrän ohella kauppahinnalle tilastollisesti merkitseviä selittäjiä olivat heti hakattavissa olevan puuston arvo, tukkiosuus, etäisyys Helsinkiin, pinta-ala sekä kivennäismaaosuus. Pinta-alan ja kivennäismaaosuuden vaikutukset mallin tilastolliseen tarkkuuteen olivat olemattomia ja tästä syystä ne jätettiin mallista pois.

35 35 Vastaavasti heti hakattavissa olevan puuston arvolla ja ainespuunmäärällä oli voimakas keskinäinen korrelaatio, mikä aiheutti malliin harhaa ja yliselittämistä. Lopulliseen mallin sisällytettiin ainespuun määrä sekä tukkiosuus, joka tasoitti keskimääräistä puustoisempien ja vähäpuustoisempien tilojen ennustusvirhettä. Malliin lisättiin myös kiinteistön sijaintia kuvaava etäisyys Helsinkiin muuttuja, joka ei korreloinut voimakkaasti kauppahinnan kanssa, mutta pystyi selittämään sellaista vaihtelua, jota ainespuunmäärä tai tukkiprosentti ei selittänyt. Mallin muoto on esitetty taulukossa 4. Koko maan katattava malli selitti 93 prosenttia kauppahinnan vaihtelusta ja mallin jäännöskeskihajonta oli 36,2 prosenttia. Taulukko 4. Kauppahinta mallit ja niiden tilastolliset tunnusluvat. Malli Adj-R2 sj(%) F-arvo p-arvo n Alue 1 Y = 30,99*AP+303,26*TP 0,957 26,9 2567,059, Alue 2 Y = 20,76 * AP + 367,31 * TP 0,926 33,7 1942,756, Alue 3 Y = 28,30*AP+659,60*TP-59,72*EH 0,932 34,7 1783,718, Alue 4 Y = 15,72 * AP + 225,12 * TP 0,928 32,6 669,021, Koko maa Y = 27,41*AP+574,34*TP-41,91*EH 0,930 36,2 4566,756, missä, Y = Kauppahinta AP = Ainespuumäärä, m3 EH = Etäisyys Helsingistä, km TP = tukki-% Alueelliset mallit selittivät prosenttia kauppahinnan vaihtelusta ja jäännöskeskihajonnat olivat 27 ja 35 prosentin välillä (taulukko 4). Kaikissa alueellisissa malleissa ainespuun määrä ja tukkiosuus olivat tilastollisesti merkitseviä muuttujia, joskin ainespuunmäärä selitti voimakkaimmin kauppahintojen vaihtelua. Lisäksi koko maan kattavan mallin tapaan Itä-Suomen malliin sisällytettiin etäisyys Helsinkiin -muuttuja, joka paransi tilastollista selityskykyä. Muiden alueellisten mallien osalta etäisyys Helsinkiin ei saavuttanut tilastollista merkitsevyyttä (p-arvo > 0,05). Muuttujien t-arvot ja niiden tilastollinen merkitsevyys on esitetty taulukossa 5.

36 36 Taulukko 5. Kokonaiskauppahintamallien muuttujien t-arvot. Merkintä * indikoi muuttujan tilastollista merkitsevyyttä (p-arvo < 0,01). Koko maa Alue 1 Alue 2 Alue 3 Alue 4 Ainespuumäärä (AP) 68,985* 42,285* 35,261* 42,705* 23,227* Tukkiosuus (TP) 13,702* 4,882* 6,686* 7,110* 3,396* Etäisyys Helsingistä (EH) -13,068* -6,873* Regressiomallien jäännöskuviot antavat tietoa mallien luotettavuusehtojen voimassaolosta (Metsämuuronen 2008). Mallien jäännökset jakautuivat normaalisti pieniä poikkeamia lukuun ottamatta, minkä perusteella voitiin olettaa regressiomallin edeltävyys ehtojen olevan voimassa. Jäännösten normaalijakautuneisuus on esitetty liitteessä 4. 5 TULOSTEN TARKASTELU 5.1 Kauppa-arvomenetelmän käytettävyys Tutkimuksen tärkein tavoite oli tutkia kauppa-arvomenetelmän käytettävyyttä metsätilojen kiinteistöarviointiin vertaamalla mallien tilastollista tarkkuutta yleisesti käytettyyn summa-arvomenetelmään. Tuloksia verrataan pääasiassa Kallatsan (2017) tekemään summa-arvotutkimukseen, jossa on käytetty samaa aineistoa tämän tutkimuksen kanssa. Aineistot erosivat toisistaan havaintoaineiston koossa, joka oli hieman pienempi Kallatsan (2017) tutkimuksessa. Tulokset osoittivat, että kauppa-arvomallien tilastollinen tarkkuus oli vähintään yhtä hyvä kuin vastaavilla summa-arvomalleilla koko Suomen tasolla sekä aluetasoilla. Kallatsan summa-arvomallien selitysasteet vaihtelivat prosentin välillä, kun vastaavasti tämän tutkimuksen kokonaiskauppahintamallien korjatut selitysasteet vaihtelivat prosentin välillä. Tutkimusten selitysasteiden vertailussa on huomattava, että tässä tutkimuksessa käytettiin korjattua selitysastetta, joka ottaa huomioon otoskoon sekä selittävien muuttujien määrän. Yhtä kaikki, hieman suuremmat korjatut selitysasteet viittaavat mallien parempaan tilastolliseen tarkkuuteen. Siinä missä selitysasteet eivät poikenneet toisistaan suuresti tutkimusten välillä, oli suhteellisissa jäännöskeskihajonnoissa havaittavissa suurempaa eroa. Kallatsan (2017) summa-arvo-

37 37 mallien suhteellisen jäännöskeskihajonnat vaihtelivat prosentin välillä. Koko maan mallien jäännöskeskihajonnat erosivat toisistaan vain noin 1,5 prosenttiyksikön verran, mutta alueellisesti erot olivat suurempia (taulukko 1 ja taulukko 4). Etelä- ja Pohjois-Suomessa jäännöskeskihajonnat olivat selvästi suurempia summa-arvomalleissa kuin kauppa-arvomalleissa. Toisaalta Itä- ja Länsi-Suomen mallien osalta jäännöskeskihajonnat olivat vain muutaman prosentin pienempiä kauppa-arvomalleissa kuin Kallatsan (2017) summa-arvomalleissa. Suurin ero oli Pohjois-Suomessa, missä kauppa-arvomallin jäännöskeskihajonta lähes 10 prosenttiyksikköä pienempi kuin summa-arvomalleissa. Mallien perusteella voidaan olettaa, että ekonometrisellä kauppa-arvomallilla pystytään ennustamaan metsäkiinteistöjen todennäköistä kauppahintaa yhtä tarkasti kuin summa-arvomenetelmään perustuvilla malleilla. Tulokset antavat toisaalta aihetta pohtia summa-arvo laskennan tarpeellisuutta metsäkiinteistöjen arvonmäärityksessä. Toisin sanoen mitä lisäarvoa erikseen määritetyt kuvioittaiset arvot tuottavat, kun niitä joudutaan laskennan jälkeen korjaamaan erikseen määritetyllä kokonaisarvon korjauksella. Aiemmissa tutkimuksissa on kritisoitu summa-arvoaputaulukoiden laskentaan käytettyä korkokantaa ja todettu, ettei metsäkiinteistömarkkinat arvosta puuston odotusarvoja ja taimikoiden arvoja aputaulukkoarvojen mukaisesti. Monesti käytännön arviointityössä joudutaan vielä kuviotasolla ottamaan kantaa metsänhoitotarpeisiin ja arvioimaan välittömien hakkuutulojen vaikutus kasvatusmetsien odotusarvoihin. Näiden perustuminen markkinainformaatioon on todennäköisesti mahdotonta, mikä asettaa kiinteistöarvioijan kohtuuttomaan tilanteeseen. Hyödynnettäessä ekonometristä kauppa-arvomenetelmää, näiden tekijöiden yhteisvaikutukset ovat jo implisiittisesti mukana markkinahintaennusteessa ja ennusteen luottamusväleissä. Mallien luotettavuuden arvioinnissa on syytä kiinnittää huomiota mallin selittäviin muuttujiin. Mallit ovat tilastollisia yleistyksiä tutkittavasta ilmiöstä, minkä takia ne eivät pysty selittämään metsäkiinteistämarkkinoihin vaikuttavia tekijöitä, joita ei ole huomioitu mallin muuttujissa. Toisaalta kuten aiemmin on todettu, metsäkiinteistömarkkinoihin vaikuttaa joukko lukuisia sosiaalisia, psykologisia ja taloudellisia tekijöitä, joiden vaikutus yksittäiseen metsäkiinteistönluovutukseen voi olla merkittävä, mutta laajassa mittakaavassa niiden vaikutus on marginaalinen. Nämä tekijät aiheuttavat ilmiöön satunnaista vaihtelua, jota Airaksisen (2008) mukaan ei pidä pyrkiä selittämään niin sanotuilla näennäismuuttujilla. Mallien suhteellisen suuret jäännöskeskihajonnat osoittavat myös, että mallit eivät pysty selittämään kaikkea metsäkiinteistöjen kauppaan sisältyvää vaihtelua.

38 38 Tutkimuksessa muodostetut mallit eivät suoraan ota kantaa taimikoiden arvoihin. Käytännössä katsoen mallit voivat antaa negatiivisia arvoja metsäkiinteistöille, joilla ei ole yhtään ainespuuta. Tutkimuksessa käytettiin myös taimikoiden suhteellista osuutta muuttujana sekä erilaisia keskitilaavuusluokkia mallien muodostuksessa, mutta näillä ei ollut positiivista vaikutusta mallien luotettavuuteen. Toisin sanoen voidaan ajatella metsäsijoittajien arvostavan suhteellisen vähän taimikoita. Airaksinen (2008) on todennut, ettei metsäsijoittajat arvosta taimikoita summa-arvoaputaulukoiden mukaisiin arvoihin. Näin ollen taimikoiden osuus ei aiheuta suurta haittaa mallien luotettavuudelle, mutta on syytä suhtautua kriittisesti mallien tuottamiin arvoihin erityisesti taimikkovaltaisilla tiloilla. Tutkimuksen tulokset osoittivat, että ekonometrisiin malleihin perustuvaa kauppa-arvomenetelmää voidaan hyödyntää metsäkiinteistöjen arvioinnissa. Ekonometriset kauppa-arvomallit eivät kuitenkaan tuota kuvioittaisia arvoja, sillä metsäkiinteistön arvoa ennustetaan tilatasolla. Tästä syystä menetelmän soveltaminen voi olla haasteellista erityisesti pienialaisten kohteiden arvonmäärityksessä, kuten esimerkiksi linja- ja tiealueiden lunastusarvioinnissa. Näissä mahdollisesti markkinapohjainen tuottoarvomenetelmä toimii käyttökelpoisemmin. Toisaalta kauppa-arvomenetelmän soveltaminen voi olla haasteellista myös lohkomisarvioissa, jossa eri kuvioiden arvot pitäisi tietää, jotta voidaan määrittää arvoltaan omistusosuuksia vastaavat kokonaisuudet. Tällaisissa tilanteissa voidaan ekonometristä kauppa-arvomenetelmällä hakea ratkaisua iteroimalla omistusosuuksia vastaavien kokonaisuuksien arvoja. On kuitenkin syytä huomata, että mallien muodostuksessa käytetyt havainnot olivat pinta-alaltaan yli 10 hehtaaria, minkä perusteella on suhtauduttava varauksella erityisesti alle kymmenen hehtaarin kokonaisuuksien arviointiin. 5.2 Malleissa käytettyjen muuttujien tulkinta Kauppa-arvomallien laadinnassa huomattiin, että kolmella selittävällä muuttujalla päästiin valtaosin parhaaseen malliin. Useamman muuttujan käyttäminen ei juurikaan alentanut mallien jäännöskeskihajontaa tai nostanut korjattua selitysastetta. Lisäksi alueellisilla malleilla päästiin pienempiin jäännöskeskihajontoihin kuin koko maan kattavalla mallilla. Mallien laadinnassa kokeiltiin erilaisia selittävien muuttujien yhdistelmiä sekä erilaisia mallien muotoja. Selittävät muuttujat valikoituivat malleihin mallin tilastollisen selityskyvyn mukaan sekä jäännösten jakautumisen ja keskinäisten korrelaatioiden perusteella. Osa selittävistä muuttujista aiheutti voimakkaita heteroskedastisuusongelmia muuttujien jäännöskuvioihin, minkä takia näiden muut-

39 39 tujien sisällyttäminen malleihin ei ollut perusteltua. Lisäksi samaa ilmiötä selittävien muuttujien voimakkaat sisäiset korrelaatiot aiheuttivat harhaa ja yliselittämistä. Esimerkiksi heti hakattavissa olevan puuston arvolla ja seuraavan kymmenen vuoden nettotulojen nykyarvolla oli voimakas sisäisen korrelaatio, joka aiheutti malleissa multikollineaarisuusongelmia. Tutkimuksessa havaittiin, että ainespuumäärä selitti voimakkaimmin metsäkiinteistön markkina-arvon vaihtelua. Tulos on yhdenmukainen aiempien tutkimusten kanssa, sillä Hannelius (2000) on päätynyt vastaavaa tulokseen kauppa-arvomalleissaan. Lisäksi Airaksinen (2008) ja Kallatsa (2017) ovat todenneet puustonarvon selittävän voimakkaimmin metsäkiinteistöjen markkina-arvon vaihtelua summa-arvon osatekijämalleissa. Tulos oli looginen, sillä puusto määrä kuvaa välillisesti myytävissä olevan puuston arvoa. Toisaalta ainespuun määrä selittävänä muuttujana ei ota kantaa puuston laatuun, kuten tukki- ja kuituosuuteen tai puulajisuhteisiin, mikä havaittiin jäännösten jakautumisessa. Tästä syystä malleihin hyväksyttiin tukkiosuus tilastollisesti merkitsevänä muuttujana. Ainespuumäärän ja tukkiosuuden kertoimien tulkinta ei ole yksiselitteistä. Mallien mukaan ainespuun määrä vaikutti mallista riippuen metsäkiinteistön arvoon 15,72 30,99 euroa jokaista kuutiometriä kohden. Toisaalta tukkiosuuden tulkinta kiinteistötasolla on vaikeasti, sillä sen vaikutus esimerkiksi koko maan kattavassa mallissa voi olla euron välillä. Metsäkiinteistöllä, jolla on paljon päätehakattavaa puustoa ja suurempi pinta-ala, tukkiosuuden vaikutus todelliseen kauppahintaan voi olla vieläkin suurempi. Muuttujien väliset korrelaatiot viittaavat kuitenkin siihen, että tukkiosuus on osittain mukana ainespuumäärän ja Helsinki-etäisyyden vaihtelussa. Toisin sanoen tukkiosuus-muuttujana selittää mahdollisesti todellisen tukkiosuuden vaihtelusta sen, mitä ainespuumäärä ei pysty selittämään. Muuttujien välisten korrelaatioiden vuoksi kauppa-arvomalleissa voisi olla selittävänä muuttuja puustonarvo, joka ottaisi kantaa osaltaan puulajisuhteisiin ja tukkiosuuteen, mutta myös kantohintojen muutokseen ja ajalliseen vaihteluun. Tämä ei kuitenkaan ollut mahdollista tässä tutkimuksessa käytetyn aineiston vuoksi. Heti tai tulevaisuudessa saatavat hakkuutulojen -muuttujat saavuttivat tilastollisen merkitsevyyden koko maan kattavassa mallissa sekä alueellisissa malleissa. Muuttujien välisten korrelaatioiden vuoksi hakkuutulojen vaikutus jätettiin huomioimatta malleissa, vaikkakin korrelaatiot ainespuumäärän ja heti hakattavissa olevan puuston arvon kanssa oli yhtenäinen Hanneliuksen (2000) tutkimukseen. Välittömästi realisoitavien tulojen vaikutusta metsäkiinteistön

40 40 hintaan on vaikea arvioida mallin kertoimien pohjalta, sillä siihen vaikuttaa muuttujien väliset korrelaatiot ja on oletettavaa, että ainespuumäärän kasvu, erityisesti hehtaaritasolla, vaikuttaa realisoitavissa olevan puuston määrään. Toisaalta niiden vaikutusta metsäkiinteistön arvon muodostukseen sekä investointipäätökseen ei pidä vähätellä, sillä Airaksinen (2008) on todennut välittömien puunmyyntitulojen olevan tärkeimpiä metsänhintaan vaikuttavia tekijöitä. Perusteluiksi on esitetty metsäsijoittajien rajallista vieraan pääoman saantimahdollisuutta (Hannelius 2000). Heti saatavien hakkuutulojen pois jättäminen muodostetuista malleista oli perusteltua myös niiden määrittämiseen liittyvän haasteellisuuden vuoksi. Vuonna 2014 voimaan astunut metsälaki mahdollistaa puuston hakkaamisen ilman ikä- tai läpimittavaatimuksia, mikä antaa option metsäkiinteistön puustonarvon realisoinnille välittömästi kaupanteon jälkeen (Laki metsälain muuttamisesta). Heti hakattavissa olevan puuston arvoon ja määrään vaikuttaa oleellisesti myös metsään sijoittavan tuottovaatimus sijoitetulle pääomalle. Tuottovaatimuksen nousu lyhentää kiertoaikaa ja vastaavasti tuottovaatimuksen lasku pidentää kieroaikaa (Äijälä ym. 2014). Tutkimuksessa heti hakattavissa olevan puuston arvo sekä tulevaisuudessa saatavien hakkuutulojen arvo oli määritetty Tapion Hyvän metsänhoidon suositusten mukaan (Järvinen 2017). Hyvät metsänhoitosuositukset on laskettu 2-3 prosentin tuottovaatimuksilla, joten ne voivat poiketa hyvinkin paljon metsäsijoittajan tuotto-odotuksista (Äijälä ym. 2014). Metsäkiinteistön sijaintia kuvaavista tunnuksista lämpösumma ja etäisyys Helsinkiin olivat tilastollisesti merkitseviä muuttujia koko maan tasolla. Tulos oli oletettu, sillä Airaksinen (2008) on todennut etäisyyden Helsinkiin vaikuttavan metsäkiinteistöjen markkina-arvoon. Yhtä lailla Hannelius (2000) on todennut lämpösumman olevan merkitsevä muuttuja metsäkiinteistöjen markkina-arvon muodostuksessa. Teorian tasolla muuttujat kuvaavat erilaisia ilmiöitä ja niiden välinen sisäinen korrelaatio kuvaa tilastollista harhaa. Lämpösumma kuvaa ilmastosta johtuvan puuntuotoskapasiteetin vaihtelua, kun taas etäisyys Helsinkiin kuvaa etäisyyttä maan tiheimpään asukaskeskittymään. Käytännössä molemmat muuttujat kuvaavat samaa tilannetta, sillä sekä asukastiheys ja sitä kautta potentiaalisten ostajien määrä sekä lämpösumma laskevat pohjoista kohti mentäessä. Molempia muuttujia ei kuitenkaan olisi voitu sisällyttää malleihin niiden voimakkaan keskinäisen korrelaation vuoksi. Koko maan kattavassa kauppahintamallissa etäisyys Helsinkiin selitti lämpösummaa paremmin metsäkiinteistöjen kauppahinnan vaihtelua, mistä syystä se valittiin malleihin selittäväksi muuttujaksi. Alueellisissa malleissa vastaavasti etäisyys Helsinkiin saavuttivat tilastollisen merkitsevyyden pelkästään Itä- ja Länsi-Suomen

41 41 aluemalleissa (taulukko 4). Tämä voi johtua siitä, että Etelä-Suomessa kaupankohteeksi päätyvät metsäkiinteistöt olivat sijoittuneet lähemmäs aluejaon rajaa, minkä takia pohjoiseteläsuuntaista vaihtelua on suhteellisen vähän. Sama tilanne on havaittavissa myös Pohjois-Suomen aluemallissa, sillä kaupankohteena olleet kiinteistöt olivat sijoittuneet valtaosin alueen eteläosaan (liite 1). Toisaalta Helsinki-etäisyyden nouseminen tilastollisesti merkitseväksi muuttujaksi koko Suomen malleissa osoittaa, että etäisyydellä on merkitystä kauppahintaan, mutta se on havaittavissa koko Suomen tasolla. Lämpösumman ja Helsinki-etäisyyden lisäksi muut sijaintia kuvaavat muuttujat eivät saavuttaneet tilastollista merkitsevyyttä malleissa (p-arvo > 0,05). Etäisyys yli asukkaan kaupunkiin ei saavuttanut tilastollista merkitsevyyttä. Tämä voi johtua siitä, että metsänkiinteistöjä tulee niin vähän myyntiin, ettei sijainti suuriin kaupunkeihin nouse tilastollisesti merkitseväksi muuttujaksi. Metsäsijoittaja voi nähdä ensisijaisesti kohteen puuntuotannolliset tekijät ja alueen paikallisen puunjalostus kapasiteetin ja muodostaa investointipäätöksen näihin tekijöihin. Tällöin suurempaan rooliin voi nousta alueellinen puunhinta sekä metsästä saatavien tuotteiden markkinat. Etäisyys yli asukkaan kaupunkeihin muodostettiin euklidisena etäisyytenä, mikä ei yhtä hyvin kuvasta metsäkiinteistön saavutettavuutta kuin etäisyys tieverkostoa pitkin. Esimerkiksi vesistöjen ja muiden maantieteellisten tekijöiden vaikutus jää ottamatta huomioon. Rantaan rajoittumista ja yleiskaavan vaikutusta tutkittiin valemuuttujien avulla. Lomarakentamiseen soveltuvaan rantaan rajoittuminen voi joissain tapauksissa nostaa metsäkiinteistön arvoa (Ärölä 2015). Tulokset kuitenkin osoittivat, ettei rannalla ole tilastollista merkitystä metsäkiinteistöjen arvoon. Tämä voi osaltaan selittyä sillä, ettei kaikki rannat ole soveltuvaisia lomarakentamiseen ja näin ollen voivat aiheuttaa vain sertifikaattien vaatimia rajoitteita rantaalueiden käsittelylle. Aineistoon ei toisaalta hyväksytty kiinteistöjä, jotka sijoittuivat ranta- tai asemakaava alueelle eikä kiinteistöjä, joissa oli rakentamisoikeutta. Näin ollen tulos kuvaa myös aineiston soveltuvuutta puhtaiden metsäkiinteistöjen arvoon vaikuttavien tekijöiden tutkimukseen. Tulosten mukaan yleiskaavalla ei ole vaikutusta metsäkiinteistön arvoon. Yleiskaavassa tai yleiskaavan muuttamista tai laatimista varten kunta voi määrätä alueelle Maa- ja rakennuslain 128 :ssä tarkoitetun toimenpiderajoituksen (Maankäyttö- ja rakennuslaki 132/1999). Toimenpiderajoitus koskee maisemaa muuttavia toimenpiteitä, kuten puiden kaatamista. Rajoitus ei kuitenkaan koske maa- ja metsätalousvaltaiseksi alueeksi osoitettuja alueita (Maankäyttö- ja

42 42 rakennuslaki 132/1999). Tulosten perusteella voidaan olettaa, ettei yleiskaavalla ollut vaikutusta metsäkiinteistöjen markkina-arvon muodostukseen eikä näin ollen aiheuttanut ylimääräistä harhaa tutkimusaineistoon. 5.3 Tutkimuksen virhelähteet ja tulosten luotettavuus Metsänhintatutkimuksia ilmentää voimakkaasti niiden ajallinen ulottuvuus. Tutkimusaineiston metsäkiinteistöluovutukset oli tehty vuosien välisenä aikana ja näin ollen aineisto kuvaa kyseisen ajankohdan metsäkiinteistömarkkinoita. Ärölä (2015) on todennut metsäkiinteistöjen hintojen noudattelevan melko hyvin kantohintojen kehitystä ja vallitsevalla kantohintatasolla olevan suuri merkitys markkina-arvon muodostumisessa. Metsästä saatavien tuotteiden markkinat ja markkinoiden muutokset toisin sanoen heijastuvat osaltaan metsänkiinteistömarkkinoihin. Tämä on huomattava myös mallien luotettavuudessa, sillä havutukki- ja havukuitupuun hinnat ovat nousseet prosenttia vuodesta 2015 vuoteen 2018 (Luonnonvarakeskus 2019). Näinkin suuret muutokset ovat omiaan muuttamaan vallitsevaa markkinatilannetta ja alentamaan mallien ennustuskykyä. Metsäkiinteistömarkkinoiden muutoksesta kertovat myös aiemmat metsänhintaa kuvaavat tutkimukset. Kokonaisarvon korjauksien suuruudet ovat laskeneet tasaisesti. Airaksisen (2008) tutkimuksessa keskimääräiseksi kokonaisarvon korjaus nousi 55 prosenttiin vuoden 1995 aineistossa. Vastaavasti Airaksinen ym. (2011) määritti keskimääräiseksi kokonaisarvon korjaukseksi 27 prosenttia vuosina Vastaavasti viime vuosina kokonaisarvon korjaus on keskimäärin ollut vain 17 prosenttia (Kallatsa 2017). Kokonaisarvon korjauksen alenemiseen on vaikuttanut joukko lukuisia tekijöitä, joista mainittakoon Maanhankintaoikeuslaista luopuminen vuonna 1998 sekä ajoittain päivitetyt summa-arvomenetelmän aputaulukot (HE 197/1997). Yhtä kaikki muutokset ovat olleet seurausta metsäkiinteistömarkkinoiden muutoksesta eli toisin sanoen metsänkiinteistöjen arvostuksen muutoksesta. Metsänhintaa kuvaavat kauppa-arvo- ja summa-arvomallit toisin sanoen kuvastavat menneisyyden markkinatilannetta ja metsäkiinteistöjen arvostusta sekä metsäkiinteistöjen arvoon vaikuttavia tekijöitä. Näin ollen myös ekonometriset kauppa-arvomallit vaativat päivitystä hyvin lyhyenkin ajan välein. Lisäksi Kansainväliset arviointistandardit alleviivaavat käyttämään hiljattain tehtyjä metsäkiinteistöluovutuksia kauppa-arvomenetelmän vertailukauppoina (Viitanen & Falkenbach 2014). Tutkimusaineiston puustotietoina käytettiin Metsäkeskuksen Aarni -järjestelmän metsävaratietoa, joka on tuotettu monilähdeinventointina (Metsävaratiedon laatuseloste 2016). Menetelmä

43 43 perustuu laserkeilaukseen, ilmakuvaukseen, referenssikoealoihin ja näiden yhdistelmällä tehtävään puustotulkintaan (Metsävaratiedon laatuseloste 2016). Perinteisesti metsänarvon määritykseen on käytetty kuvioittaisella arvioinnilla kerättyjä puusto- ja kasvupaikkatietoja (Holopainen ja Viitanen 2009). Aiempien tutkimusten perusteella laserkeilauksella tuotettu metsävaratieto on tarkempaa kuin kuvioittainen arviointi. Haaran & Korhosen (2004) ja Suvannon ym. (2005) tutkimukset osoittivat, että laserkeilauksella toteutetun inventoinnin tilavuuden suhteellinen keskivirhe on 10 % luokkaa, kun vastaavasti kuvioittaisessa maastoinventoinnissa 25 % luokkaa. Lisäksi keskivirheet ovat olleet kaikkien muuttujien osalta pienempiä laserkeilauksessa kuin perinteisessä kuvioittaisessa arvioinnissa (Haara & Korhonen 2004, Suvanto ym. 2005). Aarni-metsävaratiedon laatu heikkenee kuitenkin nopeasti ja suoritetut toimenpiteet päivittyvät hitaasti tai puutteellisesti. Järvinen (2017) ja Kallatsa (2017) toteavat tämän aiheuttaneen virhettä aineistolle, sillä kaupantekohetkeä lähellä olleiden hakkuiden ajankohtaa oli haasteellista määrittää. Toisin sanoen ei voitu olla varmoja oliko hakkuut tehty ennen vai jälkeen kaupantekohetken ja mikä oli ollut todellinen kaupankohteen puuston määrä. Kallatsa (2017) ja Järvinen (2017) ovat käsitelleet aineiston hankintaan liittyvien virheiden mahdollisuuksia. Yleisellä tasolla metsävaratiedon tuottamiseen liittyvät virhelähteet eivät vaikuta juurikaan mallien toimintaan. Mallien sisältämät muuttujat eivät ole herkkiä metsävaratiedon virhelähteissä ja malleissa voimakkaimmin metsäkiinteistön markkina-arvonvaihtelua selitti ainespuun määrä. Tutkimuksessa verratut Kallatsan (2017) summa-arvomallit eivät sisällä subjektiivisesti määritettävää kokonaisarvon korjausta, joka perustuu monesti metsäkiinteistövälittäjän asiantuntemukseen ja kokemukseen. Tästä syystä ei voida vetää suoraa johtopäätöstä siitä, pystyykö ekonometrisellä kauppa-arvomenetelmällä ennustamaan todennäköinen kauppahinta summa-arvomenetelmää luotettavammin. Toisaalta aineiston puustotiedot oli tuotettu monilähdeinventointina, mikä pois sulkee metsänarvioijan systemaattiset virheet ja pienentää puustoinventoinnin keskihajontaa. 5.4 Lisätutkimustarpeet Metsänhintatutkimukset ovat pitkälti tyytyneet tutkimaan toteutuneita metsäkiinteistökauppoja sekä ennustamaan metsätaloudellisilla tekijöillä todennäköistä kauppahintaa. Tutkimusten kohteena on pääasiassa ollut yleisesti käytetty summa-arvomenetelmän sekä vähemmissä määrin tuottoarvomenetelmä. Lisäksi aineistot ovat kuvanneet kohtuullisen lyhyen aikavälin vaihtelua,

44 44 minkä takia kattavia aikasarjatutkimuksia ei ole tehty. Vastaavasti kauppa-arvomenetelmän tutkimusta on tehty hyvin vähän. Tutkimuksissa metsänkiinteistöjen kauppahintojen vaihtelua on pyritty selittämään summa-arvomenetelmän osatekijöillä tai metsäsuunnitelmatiedoilla. Metsäkiinteistömarkkinoiden kannalta olisi syytä tutkia metsäsijoittajien näkemyksiä metsäkiinteistömarkkinoista. Tutkimuksella pitäisi ottaa kantaa millaisia tekijöitä metsäkiinteistöjen ostajat tietyissä kohteissa arvostavat, mitkä tekijät vaikuttavat sijoituspäätökseen ja mistä asioista todellisuudessa tarjous muodostuu. Lisäksi olisi syytä tutkia minkälaista informaatiota metsäsijoittajat hyödyntävät tarjouspäätöstään tehdessä vai nojaavatko he puhtaasti myynti-ilmoitustietoihin ja summa-arvion osatekijöihin. Tämä antaisi viitteitä osaltaan summa-arvolaskennan tarpeellisuudesta sekä siitä mitä tunnuksia kaupankohteena olevasta metsäkiinteistöstä tulisi mitata. Osaltaan näistä voisi johtaa tunnuksia myös kauppa-arvomenetelmän tarpeisiin. Sijoittajien näkemystä olisi syytä myös tutkia suhteessa vaihtoehtoisiin sijoituskohteisiin. Tämä oli mahdollista esimerkiksi muodostamalla aikasarjoja metsänhintaan vaikuttavista tekijöistä ja tutkia niiden vaikutusta globaalintalouden trendeihin. Tutkimuksessa voisi pohtia markkinakorkojen tai markkinaindeksien vaikutusta metsäkiinteistösijoittamisen halukkuuteen ja sitä mikä rooli metsäomaisuudella on osana sijoitusportfoliota. Edellä kuvattu tutkimusasetelma voisi tuottaa uutta tietoa käytettäväksi osana kauppa-arvomenetelmää ja osa markkinapohjaista tuottoarvomenetelmää, kun tiedetään vaihtoehtoisten kohteiden tuotto-odotukset. Tässä tutkimuksessa muodostettujen kauppa-arvomallien suhteelliset jäännöskeskihajonnat olivat verrattain suuret, mikä pätee myös aiempiin metsänhintaa kuvaaviin tutkimuksiin. Jäännöskeskihajonta kuvaa sitä vaihtelua väliä, jolle 68 prosenttia havainnoista sisältyy. Käytännön arviointityön kannalta mallien jäännöskeskihajonnat vaikuttavat suurilta, mutta niiden vertaaminen todelliseen kiinteistöarviointitarkkuuteen on vaikeaa. Tämä johtuu osaltaan siitä, ettei ole saatavilla tilastoitua tietoa kauppahintojen ja metsäarvioijien määrittämien summa-arvojen suhteista. Toisin sanoen ei voida sanoa kuinka tarkasti summa-arvomenetelmän käyttäjä pystyy arvioimaan metsäkiinteistön todennäköisen kauppahinnan. Tämä asettaa haasteita myös ekonometristen mallien laadinnalle, sillä ei voida ottaa kantaa hyväksyttävään tarkkuuteen. Nämä tekijät muodostavat tarpeen käytännön arviointityön tarkkuuden määrittämiselle.

45 45 6 JOHTOPÄÄTÖKSET Tutkimuksen tavoitteena oli selvittää kauppa-arvomenetelmän käytettävyyttä metsäkiinteistöjen arviointiin. Tulokset osoittivat, että ekonometrisella kauppa-arvomallilla voidaan ennustaa metsäkiinteistöjen kauppa-arvoa yhtä tarkasti kuin summa-arvomalleilla tai jopa tarkemmin. Tutkimuksessa havaittiin, että kolmella selittävällä muuttujalla päästiin valtaosin parhaaseen malliin ja mallit on syytä muodostaa alueellisesti, jolloin alueelliset markkinatilanteet tulee huomioiduiksi mallin parametreissä. Tutkimuksessa havaittiin, että puuston määrä selitti voimakkaimmin metsäkiinteistöjen markkina-arvojen vaihtelua, mutta lisäksi tukkiosuus ja etäisyys Helsinkiin osoittautuivat tilastollisesti merkitseviksi muuttujiksi. Mallien avulla ei kuitenkaan voida ottaa kantaa sellaisten metsähintatekijöiden vaikutuksiin, jotka eivät ole mukana mallien parametreissä eikä niitä voida ennustaa käytettävän havaintoaineiston pohjalta. Näiden tekijöiden vaikutus tulee kuitenkin huomioiduiksi markkinahinta ennusteessa ja sen luottamusväleissä. Käytännön arviointityön kannalta ekonometrisen kauppa-arvomenetelmän hyödyntäminen vaati tietokantaa toteutuneista metsäkiinteistöluovutuksista, minkä pohjalta pystytään muodostamaan ennustusmallit ekonometrisen kauppa-arvomenetelmän käyttöön. Tietokannan tulisi sisältää vähintään metsäkiinteistöjen ominaisuudet, jotka voivat muuttua tulevaisuudessa tai joita ei pystytä luotettavasti määrittämään kaupantekohetken jälkeen. Toisin sanoen tietokantaan tulisi tallentaa metsäkiinteistön puustotiedot mahdollisimman tarkasti, mikä onnistui luontevimmin xml-metsätietomuodossa. Havaintojen keräämiseksi olisi mahdollista hyödyntää Suomen Metsäkeskuksen avointa metsävaratietokantaa, mikä tarjoaa mittaajasta riippumattomat puustotunnukset. Toinen vaihtoehto olisi hyödyntää kiinteistövälitysyritysten keräämiä puustotunnuksia, jolloin kaupankohteena olleiden tilojen kauppahinnat noudattelisivat markkina-arvon käsitettä. Yhtä kaikki, kauppa-arvomenetelmä nojaa menneisyyden tietoon ja tiedon tuottaminen ja hankinta korostuu erityisesti metsäkiinteistömarkkinoilla, jossa jokainen luovutuksen kohde on ainutlaatuinen kokonaisuus.

46 46 KIRJALLISUUS Airaksinen, M Summa-arvomenetelmä metsän markkina-arvon määrittämisessä. Maanmittauslaitoksen julkaisuja nro s. Airaksinen, M. Hannelius, S. Honkanen, M. & Lääti, M. Väänänen Juhani Metsän hinta Suomessa Maanmittauslaitoksen julkaisuja nro s. Eisenhauer, J Regression through the Origin. Teaching Statistics 5/2003: s. Gregersen, H.M. Arnold, M. Lundgren, A.L. Contreras-Hermosilla, A Valuing Forests: context, issues and guidelines. FAO. Forestry Paper No FAO. Rome. Haara, A. & Korhonen, K.T Kuvioittaisen arvioinnin luotettavuus. Metsätieteen aikakauskirja 4/2004: Hallituksen esitys eduskunnalle laiksi oikeudesta hankkia maa- ja metsätalousmaata annetun lain kumoamisesta. HE N:o 197. Hannelius, S Metsäsijoittajan muotokuva. Metsätilojen markkinat kiinteistökaupan vapautuessa. Metsäntutkimuslaitoksen tiedonantoja s. Hannelius, S Kiinteistöarviointimenetelmät ja niiden soveltaminen metsäomaisuuden arviointiin. Metsäntutkimuslaitoksen tiedonantoja nro s. Hannelius, S Metsäomaisuuden arviointi kaipaa standardointia. Metsätieteen aikakauskirja 4/2001: Hannelius, S. ja Airaksinen, M Kauppahintatilastot metsätilojen kiinteistöarvioinnin ja markkina-analyysin tukena. Maanmittaus, Vol. 80:1 2. S Hannelius, S Metsätiloja ostaneiden muotokuva. Julkaisussa: Hänninen, R. & Sevola, Y. (toim.). Metsäsektorin suhdannekatsaus Metsäntutkimuslaitos, s Hannelius, S Metsätilojen markkinat ja metsiin sijoittaneiden muotokuva, Teoksessa: Metsän arvo. Metsäkustannus Oy. S Holopainen, M Metsäkiinteistön arvonmääritykseen liittyvä epävarmuus. Erikoistyö, TKK, Maanmittaustieteiden laitos. 56 s. Holopainen, M. ja Viitanen, K Käsitteistä ja epävarmuudesta metsäkiinteistöjen taloudellisen arvonmäärittämisessä. Metsätieteen aikakauskirja 2/2009: Holopainen, M. ja Viitanen, K Laserkeilaus metsäomaisuuden taloudellisen arvonmäärittämisen apuvälineenä. The Photogrammetric Journal of Finland. Vol. 22: International Valuation Standards Council Verkkosivut. [Verkkodokumentti] Saatavissa: [Viitattu ]. Järvinen, S Metsäkiinteistön arvon määrittäminen markkinapohjaisella tuottoarvomenetelmällä. Insinööritieteiden korkeakoulu, rakennetun ympäristön laitos. Diplomityö. 52 s.

47 47 Kallatsa, M Metsäkiinteistön arvon määrittäminen summa-arvomenetelmällä. Insinööritieteiden korkeakoulu, rakennetun ympäristön laitos. Diplomityö. 64 s. Kasso, M Kiinteistövälitys ja -arviointi. Talentum Media Oy. Helsinki. 279 s. Kuuluvainen, J. & Valsta, L Metsäekonomian perusteet. Helsinki: Gaudeamus s. Laki metsälain muuttamisesta 1085/2013. Liljeroos, H Metsän hinta pysynyt vakaana. Metsälehti makasiini 1/2016: 18. Luonnonvarakeskus Tilastotietokanta. [verkkoaineisto]. Saatavissa: [viitattu ]. Maankäyttö- ja rakennuslaki 132/1999. Maanmittauslaitos Tilastotietoa kiinteistökaupoista. [Verkkodokumentti]. Saatavissa: [Viitattu ] Metsätilastollinen vuosikirja Päätoimittaja: Peltola, A. Metsäntutkimuslaitos. 76 s. Metsävaratiedon laatuseloste [Verkkodokumentti]. Saatavissa: [Viitattu ]. Mielikäinen, K Metsänkasvatuksen lähtökodat. Teoksessa: Satu Rantala (toim.). Tapion taskukirja. 25. uudistettu painos. Helsinki: Metsäkustannus Oy. S Montgomery, D. Peck, E. & Vining, G Introduction to Linear Regression Analysis. Wiley Series in Probability and Statistics Ser. John Wiley & Sons, Incorporated. 630 s. Myhrberg, O Arviointimenetelmät. Teoksessa: Kiinteistöjen arviointikäsikirja. Suomen kiinteistöarviointiyhdistys. 2. painos. Helsinki: Rakennustieto Oy. S Paananen, R Metsäomaisuuden arviointi. Teoksessa: Satu Rantala (toim.). Tapion taskukirja. 25. uudistettu painos. Helsinki: Metsäkustannus Oy. S Paananen, R Metsän arvon määrityksen periaatteet ja menetelmät. Teoksessa: Metsän arvo. Helsinki: Metsäkustannus Oy. S Suomen Kiinteistöarviontiyhdistys Verkkosivut. [Verkkodokumentti] Saatavissa: [Viitattu ]. Suvanto, A. Maltamo, M. Packalén, P. & Kangas, J Kuviokohtaisten puustotunnusten ennustaminen laserkeilauksella. Metsätieteen aikakauskirja 4/2005: Viitanen, K. & Falkenbach, H Kansainväliset arviointistandardit Helsinki: Suomen Kiinteistöarviointiyhdistys ry. 112 s. Virtanen, P. V Kaupunkimaan arvioinnin perusteet. Espoo. 189 s.

48 48 Äijälä, O. Koistinen, A. Sved, J. Vanhatalo, K. & Väisänen, P Metsänhoidon suositukset. Metsätalouden kehittämiskeskus Tapion julkaisuja. Metsäkustannus Oy. 181 s. Ärölä, E Yhteismetsän ja yhteismetsäosuuden arvo. Maanmittauslaitoksen julkaisuja nro 115. [Verkkodokumentti]. Saatavissa: [Viitattu ].

49 49 LIITTEET Liite 1. Havaintojen sijainti.

50 50 Liite 2. Aluejako Lähde: Kallatsa 2017.

51 51 Liite 3. Alueelliset korrelaatiot Alue 1. Hinta, e Pinta-ala, ha Ainespuumäärä, m3 Kivennäismaa osuus, % Tukkiosuus, % Etäisyys Helsinki, km Lämpösumma, Cvrk Välittömät hakkuutulot, e Tulevaisuuden hakkuut, e Hinta, e Pintaala, ha Ainespuumäärä, m3 Kivennäismaa osuus, % Tukkiosuus, % km Lämpösumma, Cvrk tulot, e e 1,856**,946** 0,007,305** -0,082-0,077,703**,496** Etäisyys Helsinki, Välittömät hakkuu- Tulevaisuuden hakkuut,,856** 1,869** -0,070 0,007-0,081-0,043,449**,218**,946**,869** 1 0,004,274** -0,014-0,115,707**,469** 0,007-0,070 0,004 1,153* 0,043-0,075 0,051 0,088,305** 0,007,274**,153* 1-0,048-0,120,601**,569** -0,082-0,081-0,014 0,043-0, ,431** 0,045 0,037-0,077-0,043-0,115-0,075-0,120 -,431** 1-0,072-0,003,703**,449**,707** 0,051,601** 0,045-0,072 1,854**,496**,218**,469** 0,088,569** 0,037-0,003,854** 1 Alue 2. Hinta, e Pinta-ala, ha Hinta, e Pintaala, ha Ainespuumäärä, m3 Kivennäismaa osuus, % Tukkiosuus, % km Lämpösumma, Cvrk tulot, e e 1,736**,886** -0,056,299** -0,044-0,096,682**,481** Etäisyys Helsinki, Välittömät hakkuu- Tulevaisuuden hakkuut,,736** 1,802** -,176** -0,090 -,269**,154**,371**,175** Ainespuumäärä, m3,886**,802** 1 -,146*,234** -,185** 0,046,655**,398** Kivennäismaa -0,056 -,176** -,146* 1 0,090,247** -,175** -0,086 0,024 osuus, % Tukkiosuus, %,299** -0,090,234** 0,090 1,199** -,345**,575**,555** Etäisyys Helsinki, -0,044 -,269** -,185**,247**,199** 1 -,580** -0,010 0,071 km Lämpösumma, Cvrk -0,096,154** 0,046 -,175** -,345** -,580** 1-0,071-0,108 Välittömät hakkuutulot,,682**,371**,655** -0,086,575** -0,010-0,071 1,792** e Tulevaisuuden hakkuut, e,481**,175**,398** 0,024,555** 0,071-0,108,792** 1

52 52 Alue 3. Hinta, e Pinta-ala, ha Ainespuumäärä, m3 Kivennäismaa osuus, % Tukkiosuus, % Etäisyys Helsinki, km Lämpösumma, Cvrk Välittömät hakkuutulot, e Tulevaisuuden hakkuut, e Hinta, e Pintaala, ha Ainespuumäärä, m3 Kivennäismaa osuus, % Tukkiosuus, % km Lämpösumma, Cvrk tulot, e Tulevaisuuden hakkuut, e 1,767**,906** 0,029,348**,162** -,184**,818**,672** Etäisyys Helsinki, Välittömät hakkuu-,767** 1,815** -,139** 0,073-0,053 0,049,518**,357**,906**,815** 1-0,042,292** -0,003 0,004,806**,612** 0,029 -,139** -0,042 1,133**,187** -,163** 0,051 0,076,348** 0,073,292**,133** 1,214** -,242**,555**,532**,162** -0,053-0,003,187**,214** 1 -,805**,132**,142** -,184** 0,049 0,004 -,163** -,242** -,805** 1 -,136** -,179**,818**,518**,806** 0,051,555**,132** -,136** 1,862**,672**,357**,612** 0,076,532**,142** -,179**,862** 1 Alue 4. Hinta, e Pintaala, ha Ainespuumäärä, m3 Kivennäismaa osuus, % Tukkiosuus, % Etäisyys Helsinki, km Lämpösumma, Cvrk Välittömät hakkuutulot, e Tulevaisuuden hakkuut, e Hinta, e 1,576**,883** 0,123 0,177 0,107-0,081,651**,504** Pinta-ala, ha,576** 1,570** -0,078-0,161 -,250**,268** 0,103 0,057 Ainespuumäärä, m3,883**,570** 1 0,010 0,130 0,151-0,112,628**,474** Kivennäismaa 0,123-0,078 0, ,063 -,203* 0,074 0,022 0,059 osuus, % Tukkiosuus, % 0,177-0,161 0,130 0, ,082 0,059,482**,453** Etäisyys Helsinki, 0,107 -,250** 0,151 -,203* -0, ,823** 0,150 0,024 km Lämpösumma, Cvrk -0,081,268** -0,112 0,074 0,059 -,823** 1-0,133-0,024 Välittömät hakkuutulot,,651** 0,103,628** 0,022,482** 0,150-0,133 1,920** e Tulevaisuuden hakkuut, e,504** 0,057,474** 0,059,453** 0,024-0,024,920** 1

53 53 Liite 4. Jäännösten normaalijakaumat. Alue 1. Alue 2.