Przy jednej z ostatnich wycen zacząłem się zastanawiać, czy z tym piętrem to rzeczywiście jest tak, jak zwykle zakładamy.
No więc zamiast się zastanawiać, sprawdziłem.
Najpierw 14 transakcji
Wziąłem 14 transakcji z jednej ulicy. Budynki z podobnego okresu, podobna konstrukcja, podobne układy mieszkań. Do analizy wrzuciłem kilka cech, między innymi powierzchnię, piętro i dostępność do budynku.
Wynik był raczej mizerny. Model wyjaśniał około 0,2% zróżnicowania cen.
Przy takiej liczbie transakcji trudno było z tego wyciągać dalej idące wnioski, więc poszedłem szerzej.
230 transakcji z całego miasta
Tym razem przeanalizowałem 230 transakcji mieszkań dwupokojowych z rynku wtórnego, z terenu całego Jaworzna — od parteru do IV piętra, transakcje osób fizycznych z okresu od września 2024 do sierpnia 2026.
Dla każdej kondygnacji policzyłem osobno medianę ceny za metr. Wyszło: parter 6 264 zł/m², I piętro 6 643 zł/m², II piętro 6 478 zł/m², III piętro 6 479 zł/m², IV piętro 6 379 zł/m².
Wszystkie pięć wartości mieści się w przedziale niespełna 400 zł/m². Tymczasem w obrębie samego parteru pojedyncze ceny transakcyjne wahają się od około 4 000 do ponad 11 000 zł/m² — a więc rozrzut kilkukrotnie większy niż cała różnica między medianami pięter.
Innymi słowy: to, na którym piętrze jest mieszkanie, ginie w tym, jakie akurat jest to konkretne mieszkanie. Reszta to szum.
I teraz ważne — i to jest zdanie, przy którym się upieram: nie wyciągałbym z tego wniosku, że piętro nie ma znaczenia.
Różnica między najniższą a najwyższą medianą to 379 zł/m² — przy mieszkaniu o powierzchni 50 m² niewiele ponad 18 tys. zł. W konkretnej wycenie taka różnica może być jak najbardziej istotna.
Chodzi raczej o coś innego. W tym zbiorze samo piętro nie tłumaczyło dużej części różnic pomiędzy cenami. Różnice cen były po prostu dużo większe niż różnica pomiędzy medianami poszczególnych pięter.
Co więc robi tę różnicę?
Tu zaczyna się problem, którego w samej bazie transakcji nie widać zbyt dobrze.
Mamy powierzchnię, piętro, lokalizację, datę transakcji. Natomiast znacznie trudniej znaleźć w danych informację o tym, jak naprawdę wyglądało mieszkanie.
Czy było po remoncie? Czy remont był zrobiony pięć lat temu czy dwadzieścia? Czy mieszkanie nadawało się do wprowadzenia, czy trzeba było zrobić w nim wszystko od początku?
Takiej informacji zwykle nie da się zamknąć w jednej liczbie.
Dlatego nie próbowałem też powiedzieć, że cała niewyjaśniona przez model część to „stan techniczny”. To byłoby zbyt proste. W tej części mogą znajdować się również inne cechy mieszkań, których nie mamy w bazie, a także różnice związane z konkretną transakcją.
Model może pokazać, czego nie potrafimy wyjaśnić. Nie mówi automatycznie, co jest przyczyną.
Test trafności: czy ta „reszta” naprawdę widzi stan techniczny?
Skoro twierdzę, że niewyjaśniona przez model część ceny w dużej mierze odzwierciedla stan techniczny mieszkania, postanowiłem to sprawdzić na czymś konkretnym, a nie tylko założyć.
Wróciłem do pierwszych 14 transakcji z jednej ulicy. Dla każdej policzyłem resztę modelu — różnicę między ceną rzeczywistą a tą, jaką model przewidziałby wyłącznie na podstawie powierzchni, piętra i dostępności do budynku. Reszty ustandaryzowałem i uszeregowałem w pięć klas, od I (najniższa) do V (najwyższa).
Model nigdy nie widział opisu stanu technicznego tych mieszkań — nie miał do niego dostępu. Ale w aktach notarialnych dwóch z tych czternastu transakcji wprost zapisano: „do gruntownego remontu”.
Sprawdziłem, gdzie te dwie transakcje wypadły na skali. Obie znalazły się w klasie I — na samym dole, jako dwie najniższe reszty ze wszystkich czternastu.
Rozpoznał je po samej cenie.
To dla mnie najmocniejszy dowód w całej tej analizie. Nie mówi on, że piętro jest nieważne — mówi, że to, czego model nie widzi wprost, i tak potrafi się przebić przez samą cenę.
I jeszcze jedna rzecz
Przy okazji trafiłem też na transakcję, w której powierzchnia lokalu była o około 6 m² większa niż w pozostałych analizowanych przypadkach. Po sprawdzeniu okazało się, że do powierzchni została doliczona piwnica. W pozostałych transakcjach piwnice nie były uwzględniane. Przy małej liczbie transakcji taka różnica w sposobie podawania powierzchni może mieć wpływ na wynik analizy, dlatego warto sprawdzić, co dokładnie oznacza podana powierzchnia.
Niby drobiazg. Tyle że po przeliczeniu cena za metr wychodziła o ponad 600 zł/m² niższa.
W efekcie jedna transakcja zaczynała wyglądać jak jedna z najtańszych w całym zbiorze.
I to jest chyba rzecz, która najbardziej przypomina mi, po co w ogóle robić takie analizy. Można zbudować model, liczyć zależności i szukać prawidłowości, ale czasami najważniejsze jest sprawdzenie jednej konkretnej liczby.
Bo jeśli ta liczba jest błędna, to cały dalszy rachunek może być bardzo elegancki — tylko że będzie oparty na czymś, co od początku się nie zgadza.
Analiza własna · dane z transakcji wykorzystanych w pracy rzeczoznawczej · wartości zaokrąglone