1 Metsän hinta Suomessa v. 2015 2016 kauppahintatutkimuksen tulokset Maanmittauspäivät 28.3.2019 Esa Ärölä
Kauppahintatutkimuksen tavoitteet 2 Laserkeilaukseen perustuvalla kaukokartoitusmenetelmällä tuotetun metsävaratiedon käyttökelpoisuus metsätilojen kauppahintatutkimuksen lähtöaineistona. Kiinteistömarkkinoihin perustuva tuottoarvomenetelmä ja metsätilakauppojen sisäisten korkojen (IRR) mallit. Edellisen kauppahintatutkimuksen (v. 2006-2007) Summaarvomenetelmän ekonometristen mallien päivittäminen.
Suomen metsäkeskuksen metsävaratieto 3 Tiedon keruu perustuu laserkeilaukseen, digitaalisiin vääräväriortoilmakuviin, maastokoealoihin ja näiden aineistojen pohjalta tehtävään puustotulkintaan. K-MSN (k-most Similar Neighbour) menetelmä, jossa k = 3 Mittauskohde Maastokoeala Kuvat: Ville Kankare
Tutkimusaineisto Edustavat yli 10 ha:n metsäkaupat 1.1.2015 1.7.2016. Lisäksi aineistoa täydennettiin: Kainuun (lämpösumma alle 1000 d.d.), Lapin ja Uudenmaan osalta kaikki kaupat vuodelta 2016. Lähtöaineisto sisälsi kauppoja 2785 kpl. Suomen metsäkeskuksesta saatiin metsävaratiedot 1219 kaupalle. Metsävaratiedoissa olevien puuteiden tai virheiden takia karsittiin 115 kauppaa. Muiden syiden takia poistettiin 35 kpl. 24 tapauksessa sisäinen korko ei ratkennut ja 30 kpl poikkeavia havaintoja. Lopullinen mallien laadinta-aineisto sisälsi 1015 kpl metsällistä määräalan ja kiinteistön kauppaa.
Tutkimusaineisto 5 Tilavuuuden ja hinnan välinen riippuvuus koko maan aineistolla Keskitilavuus, m3/ha Keskitilavuus, m3/ha Hinta, /ha Hinta, /ha Metsän hinta Suomessa 2015-2016 Metsän hinta Suomessa 2006-2007
Kiinteistömarkkinoihin 6 perustuva tuottoarvomenetelmä K 0 = T T t t t= 0 (1 + r) t= 0 (1 + B K t r) t missä K 0 = Hankintameno eli metsän kauppahinta B t = tulo vuonna t K t = Metsätalouden kustannukset t = aika vuosina r = korkokanta (esimerkiksi 2 % = 0,02)
Tutkimusaineisto 7 IRR ja keskitilavuuden välinen riippuvuus koko maan aineistolla IRR, % IRR, % Keskitilavuus, m3/ha Keskitilavuus, m3/ha Metsän hinta Suomessa 2015-2016 Metsän hinta Suomessa 2006-2007
Mallien laadinta-alueet 8 Sisäistä korkoa (IRR) selittävät mallit laadittiin seuraaville lämpösumma-alueille: Etelä-Suomi ( 1200 Cvrk) Pohjanmaa (1200 1000 Cvrk) Järvi-Suomi (1200 1000 Cvrk) Pohjois-Suomi (1000 600 Cvrk) Kainuu Koillismaa Peräpohjola (1000 800 Cvrk)
104 334 328 173 55 21 5 38 79 59 30 12 17 109 149 82 16 7 40 55 10 2 42 132 90 30 9 2 Tuottoarvomenetelmä 9 Keskimääräiset sisäiset korot (IRR) alueittain puuston tilavuusluokissa: IRR, % 305 1015 223 380 107
Tuottoarvomenetelmä 10 Lisäksi laadittiin sisäisen korolle (IRR) regressiomallit: Y = β 1 X 1 + β 2 X 2 + + β n X n + ε jossa Y = selitettävä muuttuja, X 1, X 2,, X n = selittävät muuttujat, β 1, β 2,, β n = regressiokertoimet, ε = mallin selittämätön hajonta Malleissa: Sisäinen korko, % = β 1 *keskitilavuus, m 3 /ha + β 2 *lämpösumma, Cvrk Esim. Tilan puuston keskitilavuus = 96,5 m 3 /ha (Saadaan suoraan MML-Motista) Kauhajoen lämpösumma = 1105 Cvrk (Saadaan suoraan MML-Motista) Pohjanmaan mallilla saadaan Motissa sovellettavaksi laskentakoroksi: 0,01540 * 96,5 + 0,00341 *1120 = 5,305 %
Tuottoarvomenetelmä 11 Alue ja mallin selittäjät N Selitysaste, R 2 % Koko Suomi 1015 91,4 2,34 Jäännöskeskihajonta, s j β t-arvo Pr > t keskitilavuus, m3/ha 0,00862 7,56 < 0,0001 lämpösumma, Cvrk 0,00371 34,53 < 0,0001 Etelä-Suomi (LS yli 1200 dd) 223 93,0 1,72 keskitilavuus, m3/ha 0,00628 3,53 0,0005 lämpösumma, Cvrk 0,00318 16,75 < 0,0001 Pohjanmaa (LS 1200-1000 dd) 305 92,8 1,87 keskitilavuus, m3/ha 0,01540 7,46 < 0,0001 lämpösumma, Cvrk 0,00341 20,46 < 0,0001 Pohjanmaa (LS 1200-1000 dd) *** 305 92,9 1,84 keskitilavuus, m3/ha 0,01548 7,53 < 0,0001 lämpösumma, Cvrk 0,00376 15,89 < 0,0001 kivennäismaiden osuus, % -0,01282-2,06 0,04 *** Lisäksi laadittiin Pohjanmaalle malli, jossa selittäjänä on myös turvemaiden osuus. Kuten selittäjän t-arvosta, jäännöskeskihajonnasta ja selitysasteesta näkyy muuttuja ei paranna mallia juurikaan.
Tuottoarvomenetelmä 12 Alue ja mallin selittäjät Järvi-Suomi (LS 1200-1000 dd) N Selitysaste, R 2 % 380 93,6 1,91 Jäännöskeskihajonta, s j β t-arvo Pr > t keskitilavuus, m3/ha 0,01553 8,46 < 0,0001 lämpösumma, Cvrk 0,00330 18,83 < 0,0001 Kainuu Koillismaa Peräpohjola (LS 1000-800 dd)** 93 92,6 2,26 keskitilavuus, m3/ha 0,02040 3,35 0,0012 lämpösumma, Cvrk 0,00461 11,37 < 0,0001 Pohjoinen Suomi (LS alle 1000 dd) 107 92,5 2,13 keskitilavuus, m3/ha 0,01991 3,57 0,0005 lämpösumma, Cvrk 0,00458 12,49 < 0,0001 ** Lisäksi laadittiin oma malli lämpösumma-alueelle 1000 800 Cvrk (ks. lämpösummakartta) eli Kainuuseen, Koillismaalle, osaan Pohjois- Pohjanmaata ja Peräpohjolaan.
Summa-arvomenetelmä 13 Metsän hinta Suomessa 2015-2016 Metsän hinta Suomessa 2006-2007 Alue Hintamalli R 2,% s j,% N 1 (E-S) Y = 0,88*SA 94,9 30,0 233 2 (Po) Y = 0,80*SA 92,7 35,2 337 3 (J-S) Y = 0,80*SA 92,7 37,2 381 4 (P-S) Y = 0,64*SA 91,1 41,3 113 Koko maa Y = 0,82*SA 93,1 36,9 1064 SA = Summa-arvo ilman odotusarvolisää Alue Hintamalli R 2,% s j,% N 1 (E-S) Y = 0,78*SA 89,3 44,2 86 2 (Po) Y = 0,66*SA 87,2 45,0 49 3 (J-S) Y = 0,70*SA 89,7 40,9 87 4 (P-S) Y = 0,55*SA 86,9 50,0 33 Koko maa Y = 0,73*SA 88,6 45,9 255 Alue Hintamalli R 2,% s j,% 1 (E-S) Y = 0,85*SA+5,00*LS 95,0 29,8 2 (Po) Y = 0,74*SA+6,44*LS 93,1 34,3 3 (J-S) Y = 0,77*SA+6,95*LS 92,9 36,8 4 (P-S) Y = 0,67*SA-4,98*MK 91,4 40,7 Koko maa Y= 0,79*SA+8,80*LS-14,52 MK 93,4 36,2 Alue Hintamalli R 2,% s j,% 1 (E-S) Y = 0,72*SA+7,17*LS 89,7 43,7 2 (Po) Y = 0,57*SA+8,84*LS 88,3 43,5 3 (J-S) Y = 0,60*SA+11,83*LS 91,1 38,2 4 (P-S) Y = 0,49*SA+6,39*LS 88,1 48,5 Koko maa Y = 0,66*SA+7,90*LS 89,2 44,8 Y = kauppahinta ( ) SA = Summa-arvo ilman odotusarvolisää LS = lämpösumma ( Cvrk) MK = metsäkuljetusmatka (m)
Summa-arvomenetelmä 14 Y = 2,668 * MA + 0,169 * TA + 0,684 * PA + 5,901 * LS - 13,720 * MK, missä Y = kauppahinta ( ) PA = puuston arvo ( ) MA = maapohjan arvo ( ) LS = lämpösumma ( Cvrk) TA = taimikon arvo ( ) MK = metsäkuljetusmatka (m) Summa-arvon osatekijöiden mallin selitysasteeksi (R 2 ) saatiin 93,8 % ja jäännöskeskihajonnaksi (s j ) 35,0 %. Ongelma mallissa: maapohjan ja taimikon arvo maapohjan ja puuston arvo voimakasti keskenään korreloituneita (r > 0,6-0,7) -> yksittäisten selittävien muuttujien estimoidut kertoimien arvot saattavat olla epätarkkoja ja selittäjien vaikutuksia on vaikea tulkita.
Hintamallien laadinnasta 15 Hintamalleja laadittaessa on syytä muistaa: Vaikka ihmisten käyttäytyminen suunnilleen samankaltaisissa kaupantekotilanteissa muistuttaakin toisiaan, niin ostajan ja myyjän henkilökohtaisilla ominaisuuksilla ja arvostuksilla on omat vaikutuksensa kauppatapahtumaan. Tätä vaihtelua ei pystytä selittämään, eikä sitä pidä pyrkiäkään selittämään näennäisselittäjillä.
16