SK 01.05.2013
SK 01.05.2013
SK 01.05.2013
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Anlage I<br />
Hochsauerlandkreis<br />
Fachdienst 42<br />
Jobcenter<br />
Schlüssiges Konzept zur<br />
Ermittlung der<br />
Bedarfe für Unterkunft<br />
im Hochsauerlandkreis<br />
Entwurf Wohnungsmarkttypisierung<br />
ANALYSE<br />
KONZEPTE<br />
Beratungsgesellschaft für Wohnen,<br />
Immobilien, Stadtentwicklung mbH<br />
Gasstraße 10 122761 Hamburg<br />
phone +49 (0)40 4850 098-0<br />
fax +49 (0)40 4850 098-98<br />
mal! info@analyse-konzepte.de
ANALYSE<br />
- 1- KONZEPTE<br />
1 Arbeitsschritte<br />
1.1 Regionale Differenzierung der Wohnungsmärkte im Hochsauerlandkreis<br />
Der Hochsauerlandkreis verfügt über keinen einheitlichen Wohnungsmarkt und weist größere regionale<br />
Unterschiede auf, die sich in unterschiedlichen Mietniveaus (vgl. Mietstufen Wohngeldtabelle)<br />
im Kreis niederschlagen. Daher ist es notwendig, vor Ermittlung der Mieten regionale bzw.<br />
strukturell homogene Untereinheiten zu bilden.<br />
Da es aus statistischen und erhebungstechnischen Gründen (z. B. zu geringes Wohnungsangebot<br />
in einzelnen Kommunen) nicht möglich ist, für jede Kommune eine separate Mietpreisübersicht zu<br />
erstellen, lässt es der Gesetzgeber bei der Erstellung von Mietpreisübersichten (Mietspiegel) zu,<br />
Bereiche mit strukturell vergleichbaren Wohnungsmärkten zu Wohnungsmarkttypen zusammenzufassen<br />
und für diese Mietwerte zu ermitteln.' Dabei müssen die Kommunen eines Wohnungsnnarkttyps<br />
nicht zwingend räumlich nebeneinander liegen, sondern können sich über das Untersuchungsgebiet<br />
(Hochsauerlandkreis) verteilen.<br />
Die Gruppierung von Kommunen darf nicht willkürlich erfolgen, sondern muss methodisch ableitbar<br />
und begründet sein. Ziel ist es, die Gruppierung der Kommunen des Kreises so durchzuführen,<br />
dass innerhalb des jeweiligen Wohnungsmarkttyps die Kommunen möglichst ähnliche Merkmalsausprägungen<br />
aufweisen, sich aber gleichzeitig möglichst stark von anderen Wohnungsmarkttypen<br />
unterscheiden. Bei der Ermittlung der Wohnungsmarkttypen kann es durchaus vorkommen, dass<br />
bezogen auf einzelne Merkmale, wie z. B. die Einwohnerzahl, Unterschiede zwischen einzelnen<br />
Kommunen bestehen, diese sich aber bei einer Gesamtbetrachtung in Bezug auf ihre Struktur und<br />
Situation am Wohnungsmarkt trotzdem stark ähneln und daher einem gemeinsamen Wohnungsmarkttyp<br />
zugeordnet werden können.2 Weiterhin wurde darauf geachtet, dass die Distanzen zwischen<br />
den Gemeinden innerhalb der Zeiträume liegen, die auch erwerbstätigen Pendlern zugemutet<br />
werden können.'<br />
Die verschiedenen Wohnungsmarkttypen innerhalb des Hochsauerlandkreises wurden mittels des<br />
multivariaten Verfahrens "Clusteranalyse" auf Basis der in Kapitel 1.1.1 beschriebenen Indikatoren<br />
definiert. Damit wird sichergestellt, dass die Zuordnungen der Kommunen zu den einzelnen Wohnungsmarkttypen<br />
frei von subjektiven Einschätzungen erfolgen.<br />
S. § 558 c BGB oder auch BSG vom 7. November 2006, B 7b AS 10/06 R, NDV-RD, 34 [37]: "Bei der Bildung des<br />
räumlichen Vergleichsmaßstabs kann es - insbesondere im ländlichen Raum - geboten sein, größere Gebiete als Vergleichsgebiete<br />
zusammenzufassen, während in größeren Städten andererseits eine Unterteilung in mehrere kleine<br />
Vergleichsgebiete, die kommunalrechtlich keine selbstständigen Einheiten darstellen, geboten sein kann"<br />
Diese Vorgehensweise hat Analyse 8+. Konzepte z. B. bereits bei einer Untersuchung zum AfWoG Schleswig Holstein<br />
angewendet, sie ist dort gerichtlich anerkannt worden (AfWoG Schleswig-Holstein, Ermittlung von Vergleichsmieten im<br />
frei finanzierten Wohnungsbestand, Ministerium für Frauen, Jugend, Wohnungs- und Städtebau des Landes Schleswig-Holstein,<br />
1998).<br />
2<br />
3<br />
Der BGH hat in einer seiner jüngsten Entscheidungen die Anwendung von Mietspiegel in vergleichbaren Gemeinden<br />
zugelassen. Die Anforderungen, die an eine Vergleichbarkeit zu stellen sind, wurden vom BGH nicht ausgeführt (BGH<br />
Az. VIII ZR 99/09).<br />
BSG, Urteil vom 19. Februar 2009, B 4 AS 30/08, NDV-RD 2009, 97.
ANALYSE gd<br />
- 2 - KONZEPTE<br />
Die Erhebung der Mietwerte zur Erstellung einer Mietwertübersicht erfolgt dann differenziert für<br />
jeden einzelnen Wohnungsmarkttyp.<br />
1.1.1 Indikatoren<br />
Um den regionalen Aspekten des Wohnungsmarktes besser gerecht zu werden, hat Analyse<br />
& Konzepte eine Vielzahl von Indikatoren untersucht, die sowohl leicht verfügbar sind, als auch<br />
einen wesentlichen Einfluss auf den Wohnungsmarkt und seine Mieten ausüben. Begründungen,<br />
die aus dem persönlichen Umfeld eines Mieters stammen (z. B. kurzer Arbeitsweg), bleiben unberücksichtigt.<br />
Nicht zielführend ist eine Untergliederung des Hochsauerlandkreises auf Basis der regionalen Gliederung<br />
durch das Wohngeldgesetz (WoGG), welches den Kreis in 2 Mietstufen unterteilt. Diese<br />
Differenzierung wird den Unterschieden auf den örtlichen Wohnungsmärkten nicht gerecht, da sie<br />
im Wesentlichen auf Abweichungen der Einwohnerzahlen beruht und andere Faktoren, die den<br />
Wohnungsmarkt z. T. deutlich stärker als die Einwohnerzahl einer Kommune beeinflussen, außer<br />
Betracht lässt.<br />
Um den regionalen Unterschieden auf vergleichbaren Wohnungsmärkten besser gerecht zu werden,<br />
wurde ein Verfahren entwickelt, das insbesondere die Einflussfaktoren berücksichtigt, die objektiv<br />
die Höhe der Mieten deutlich stärker beeinflussen. Dies sind überwiegend Indikatoren, die<br />
(neben dem Bodenpreis als Attraktivitätsmaßstab) die wirtschaftliche Leistungsfähigkeit und die<br />
Gebäudestruktur beschreiben. Darüber hinaus wird die Bevölkerungsentwicklung der letzten Jahre<br />
berücksichtigt, um so die Wohnungsmarktnachfrage beurteilen zu können.<br />
Für die Definition von Wohnungsmarkttypen (Zusammenfassung von Kommunen mit vergleichbaren<br />
Strukturen) werden nur amtliche Indikatoren berücksichtigt, sodass deren Herkunft und Datenqualität<br />
den methodischen Ansprüchen an Nachvollziehbarkeit und Reproduzierbarkeit gerecht<br />
werden.<br />
Die Bevölkerungsentwicklung ist ein direkter Indikator für die Dynamik auf dem Wohnungsmarkt<br />
und die Nachfrage nach Wohnraum.<br />
Weiterhin wird der Wohnungsmarkt einer Kommune durch die Bevölkerungsdichte beeinflusst:<br />
Der Indikator trennt ländliche von eher städtisch geprägten Gemeinden. Die Dichte wird hier auf<br />
der Basis der Siedlungs- und Verkehrsfläche berechnet.<br />
Der Anteil an Mehrfamilienhäusern (Geschosswohnungsbau) gibt Auskunft über die Siedlungsstruktur<br />
einer Kommune, die im Zusammenhang mit der Attraktivität einer Kommune und deren<br />
Miethöhe steht. Je höher dieser Anteil ist, desto geringer ist in der Regel die Attraktivität des<br />
Standortes. Ausnahmen bilden hierbei innerstädtische Bereiche mit einem hohen Anteil von Altbauten.<br />
Die Wohnfläche pro Einwohner ist ein wichtiger Indikator für die Wohnlage. Innerstädtische Lagen<br />
weisen eine höhere Verdichtung und unterdurchschnittliche Wohnflächen auf. In ländlicheren
ANALYSE<br />
- 3 - KONZEPTE<br />
Gebieten sind hingegen größere Wohnflächen pro Person üblich. Weiterhin gibt die Wohnfläche<br />
einen Anhaltspunkt zum Sozialstatus: Angehörige höherer Statusgruppen sind eher in der Lage<br />
Wohnungen mit überdurchschnittlichen Wohnflächen zu finanzieren. Die Wohnfläche ist ebenso<br />
ein Indikator für attraktive Wohnlagen.<br />
Der Gesamtbetrag der Einkünfte pro Steuerpflichtigen bildet einen guten Indikator für das durchschnittliche<br />
Pro-Kopf-Einkommen, das zur näherungsweisen Bestimmung der Mietkaufkraft<br />
dient. In Kommunen mit höheren Mieten ist i.d.R. auch ein höheres durchschnittliches Einkommen<br />
festzustellen.<br />
Die Schaffung von zusätzlichem und neuem Wohnraum und damit auch eine Steigerung der Attraktivität<br />
wird abgebildet durch die durchschnittliche Neubautätigkeit in einer Kommune.<br />
Der Bodenpreis ist ein Indikator, der die regionale Attraktivität einer Kommune berücksichtigt.<br />
Grundannahme dieses Merkmals ist, dass attraktive Flächen mit hohen Bodenrichtwerten zu höheren<br />
Mietpreisen vermietet werden.<br />
Die Zentralität (durchschnittliche Fahrtdauer mit dem PKW zu den Städten Dortmund, Marburg,<br />
Paderborn oder Siegen in Minuten) bildet einen Indikator für die Beeinflussung des Wohnungsmarktes<br />
durch die Entfernung zum nächsten Oberzentrum. Eine zeitliche Nähe zum nächsten<br />
Oberzentrum übt einen wesentlichen Einfluss auf den regionalen Wohnungsmarkt aus.<br />
Die Wohngeldeinstufung dient als Indikator zur Berücksichtigung der bisherigen Einstufung der<br />
Kommunen in die Mietenstufen laut Wohngeldgesetz.<br />
Die vom Gutachterausschuss für Grundstückswerte ermittelten Marktanpassungsfaktoren für Einund<br />
Zwei-Familien-Häuser bilden einen Korrekturfaktor für die Abweichungen der Kaufpreise vom<br />
jeweiligen Sachwert einer Immobilie in Abhängigkeit der regionalen Lage. So weichen Immobilienpreise<br />
in den einzelnen Kommunen - je nach Lage - vom Durchschnittswert im Kreisgebiet ab.<br />
Diese Marktanpassungsfaktoren sind somit ein direkter Indikator für Immobilienpreise.
ANALYSE g<br />
- 4 - KONZEPTE<br />
Tab. 1<br />
Parameter<br />
Indikatorenkatalog<br />
Einflussgröße<br />
Bevölkerungsentwicklung Bevölkerungsentwicklung auf Komnnunenebene 2007-20111<br />
Bevölkerungsdichte<br />
Siedlungsstruktur<br />
Wohnfläche<br />
Einwohner pro Hektar Siedlungs- und Vekehrsfläche2<br />
Anteil der Mehrfamilienhäuser (3 und mehr Wohneinheiten)'<br />
Wohnfläche pro Einwohner'<br />
Pro-Kopf-Einkommen Gesamtbetrag der Einkünfte pro Steuerpflichtigen 20072<br />
Neubautätigkeit Durchschnittliche Fertigstellung neuer Wohngebäude 2008-20102<br />
Bodenpreis<br />
Entfernung Oberzentrum<br />
Wohngeldeinstufung<br />
Immobilienpreis<br />
Durchschnittlicher Bodenrichtwert der Konnmune3<br />
Entfernung zum jeweils nächsten Oberzentrum in Autonninuten4<br />
Mietenstufe nach WoGG<br />
Regionaler Korrekturfaktor für Kaufpreise je Kommune5<br />
'Landesamt für Datenverarbeitung und Statistik Nordrhein-Westfalen<br />
2 Statistische Ämter des Bundes und der Länder<br />
3 Oberer Gutachterausschuss für Grundstückswerte im Land Nordrhein-Westfalen (http://boris.nrw.de)<br />
4 Google Maps Routenplaner<br />
5 Gutachterausschuss für Grundstückswerte im Hochsauerlandkreis, Grundstückmarktbericht 2012<br />
Quelle: Mietwerterhebung Hochsauerlandkreis 2012<br />
ANALYSE!3<br />
KONZEPTE<br />
L1.2 Vorgehensweise der Clusteranalyse<br />
Bei der Clusterbildung sollen Gebiete mit hoher Ähnlichkeit demselben und Gebiete mit geringer<br />
Ähnlichkeit unterschiedlichen Clustern/Wohnungsnnarkttypen zugeordnet werden. Zur Quantifizierung<br />
der Ähnlichkeit der Gebiete wird hier das häufig genutzte Distanzmaß der quadrierten Euklidischen<br />
Distanz herangezogen. Mithilfe dieses Distanzmaßes wird die Ähnlichkeit der Gebiete bezüglich<br />
der oben aufgeführten Indikatoren ermittelt. Dabei wird für jedes mögliche Paar aus zwei<br />
Gebieten der Differenzwert der Indikatoren quadriert. Im Anschluss werden diese quadrierten Differenzen<br />
aufsummiert. Berechnung der quadrierten Euklidischen Distanz:<br />
= E(xik -<br />
k=1<br />
)2<br />
Für die Berechnung der Distanzen ist es notwendig, die o.g. Indikatoren zu standardisieren, da<br />
diese voneinander verschiedene Skalierungen aufweisen. So werden Indikatoren als Anteil an einem<br />
Gesamtbestand gemessen (z. B. Mehrfamilienhäuser), während andere Indikatoren beispielsweise<br />
Anteile an der Gesamtbevölkerung oder Geldeinheiten (€) angeben. Die quadrierte<br />
Euklidische Distanz hat jedoch, wie alle Distanzmaße, die Eigenheit, dass die ermittelte Größe der<br />
Distanz von den Dimensionen abhängt, in denen die Variablen gemessen werden. Eine direkte<br />
Nutzung der Werte würde daher zu ungewollten Verzerrungen führen. Um dies zu vermeiden,<br />
wurden alle Werte mithilfe einer linearen Transformation auf das Intervall [0,1] normiert.
ANALYSE<br />
- 5 - KONZEPTE<br />
i =<br />
X1 — Xmin<br />
Xmax — Xmin<br />
Das jeweilige Minimum eines Indikators weist dabei den Wert 0 auf, während das entsprechende<br />
Maximum den Wert 1 erhält. Durch diese Transformation wird sichergestellt, dass die Skala metrisch<br />
und die relativen Abstände zwischen den Ausprägungen unverändert bleiben.<br />
Eine Ausnahme bildet hier der Indikator "Wohngeldeinstufung": Da nur zwei unterschiedliche Einstufungen<br />
vorliegen, würde die notwendige Transformation nur zu den Extremwerten 0 und 1 führen<br />
und damit eine deutliche Verzerrung der Distanzwerte und des daraus resultierenden Varianzkriteriums<br />
(s.u.) im Zusammenhang mit diesem Indikator bewirken. Der Einfluss des Indikators<br />
"Wohngeldeinstufung" wäre so im Vergleich zu den übrigen Indikatoren überbetont, was dazu führen<br />
würde, dass die Clusteranalyse zur Bildung der Wohnungsmarkttypen im Wesentlichen die Zuordnung<br />
zu den Mietenstufen nach WoGG wiedergäbe.<br />
Um diese überproportionale Einflussnahme des Indikators auszugleichen, wurden die Werte auf<br />
0,66 bzw. 0,33 für die jeweilige Einstufung transformiert.<br />
Die Distanzwerte, die für sämtliche Zweier-Kombinationen der Städte und Gemeinden des Hochsauerlandkreises<br />
berechnet werden, bilden die Grundlage der Clusteranalyse. Hier sind dies alle<br />
möglichen Paarungen, die sich aus den 12 Gebieten (10 Städte und 2 Gemeinden) im Hochsauerlandkreis<br />
bilden lassen.<br />
Zur Feststellung der konkreten Ähnlichkeit einzelner Gebiete und deren Fusion zu Wohnungsmarkttypen<br />
wird das "Ward-Verfahren" angewendet. Zu Beginn des Verfahrens stellt jede Gebietseinheit<br />
ein einzelnes Cluster dar. Im ersten Schritt werden die Cluster/Gebiete zusammengeführt,<br />
die ein vorgegebenes Heterogenitätsmaß am wenigsten vergrößern. Ziel dieses Verfahrens ist, diejenigen<br />
Gebiete/Cluster zu vereinigen, die sich am ähnlichsten sind, sprich die Streuung (Varianz)<br />
innerhalb einer Gruppe am geringsten erhöhen. So werden möglichst homogene Gruppen von Gebieten<br />
gebildet. Als Heterogenitätsnnaß wird das Varianzkriteriunn (Fehlerquadratsumnne) verwendet,<br />
das sich für eine Gruppe von Gebieten (g) wie folgt berechnet:<br />
K g<br />
j<br />
V g =11(X kig ig )2<br />
k=1 j=1<br />
mit<br />
X kjg - Beobachtungswert der Variablen (Indikatoren) j (j=1,<br />
J) bei Objekt k (für alle<br />
Objekte k=1, Kg in Gruppe g)<br />
Xi — Mittelwert über die Beobachtungswerte der Variablen j in Gruppe g.<br />
Es werden nun die Cluster fusioniert, die die geringste Fehlerquadratsumme aufweisen und daher<br />
möglichst ähnlich in Bezug auf die Indikatorvariablen sind. Für diese neu erstellten Gruppierungen<br />
(Cluster) werden im nächsten Schritt erneut Distanzwerte berechnet. Nun werden wiederum diejenigen<br />
Cluster fusioniert, die die Gesamtvarianz innerhalb aller neu zu bildenden Cluster am ge-
ANALYSE g<br />
- 6 - KONZEPTE<br />
ringsten erhöhen, also diejenige Kombination aus Clustern, die die geringste Fehlerquadratsumme<br />
aufweist. Hierbei erhöht sich die gesamte Fehlerquadratsumme über alle Cluster je Fusionierungsschritt.<br />
Im ersten Schritt werden also die beiden Cluster (Gebiete) zusammengeführt, die den geringsten<br />
Distanzwert aufweisen. Ausgangspunkt des zweiten Fusionsschrittes sind demzufolge nur noch 11<br />
Cluster. Nachfolgend werden wiederum alle Distanzwerte der verbleibenden Clusterkombinationen<br />
bestimmt. Es werden wieder diejenigen Cluster fusioniert, deren gemeinsame Fehlerquadratsumme<br />
am geringsten ist, sprich deren einzelne Gebiete sich am meisten ähneln. Durch diese Vorgehensweise<br />
wird sichergestellt, dass die neu gebildeten Cluster in sich so homogen wie möglich<br />
sind. Diese Fusionierungsschritte werden so lange wiederholt, bis alle Gebiete in einem einzigen<br />
Cluster zusammengefasst werden können. Die Fehlerquadratsumme erreicht dann ihren höchsten<br />
Wert, was bedeutet, dass der letzte verbleibende Cluster, in dem alle vorherigen Cluster zusammengeführt<br />
wurden, die höchste Heterogenität aufweist. Es gilt nun innerhalb dieses Verfahrens<br />
den Punkt zu bestimmen, an dem eine sinnvolle Anzahl von Clustern gebildet wurde, deren interne<br />
Heterogenität jedoch nicht zu hoch ist.<br />
Zur Bestimmung einer sinnvollen Clusteranzahl wird die Entwicklung der Fehlerquadratsumme<br />
(Heterogenitätsmaß) im Verlauf der Clusterbildung betrachtet.<br />
Abb. 1 Entwicklung der Fehlerquadratsumme<br />
der Clusterlösungen für die Wohnungsmarkttypen<br />
im Hochsauerlandkreis<br />
jd.<br />
0<br />
11 10 9 8 7 6 5 4 3 2 1<br />
Clusteranzahl<br />
Quelle: eigene Berechnungen<br />
www.analyse-konzepte.de<br />
ANALYSE 24<br />
KONZEPTE
ANALYSE<br />
- 7 - KONZEPTE<br />
Abb.1 zeigt die jeweilige Fehlerquadratsumme für die entsprechende Clusteranzahl. Mit der Reduzierung<br />
der Cluster steigt die Fehlerquadratsumme an und somit die Varianz der Indikatorvariablen<br />
innerhalb der einzelnen Cluster. Eine höhere Heterogenität innerhalb der Cluster bedeutet, dass<br />
sich die einzelnen Gebiete, die einem Wohnungsnnarkttyp zugeordnet werden, bezüglich der Indikatorvariablen<br />
stärker unterscheiden. Als Entscheidungshilfe zur Feststellung einer sinnvollen Clusteranzahl<br />
dient hier das sog. "Elbow-Kriterium": Ein überproportionaler Anstieg der Fehlerquadratsumme<br />
weist dabei auf eine mögliche und sinnvolle Anzahl von Clustern hin, wobei inhaltliche<br />
Überlegungen bei der Festlegung der Clusteranzahl im Vordergrund stehen.<br />
Obwohl bei ausschließlicher Betrachtung des Verlaufs der Fehlerquadratsumme (Abb. 1) eine Lösung<br />
mit fünf Clustern naheliegend erscheint (überproportionaler Ansteig der Kurve beim Übergang<br />
zu vier Clustern), bietet sich unter Berücksichtigung der regionalen Gegebenheiten im Hochsauerlandkreis<br />
eine Lösung mit drei Clustern an. Eine Gliederung in drei Cluster bietet hier den<br />
besten Kompromiss zwischen einer möglichst homogenen Clusterstruktur und einer niedrigen<br />
Clusteranzahl (unterschiedliche Wohnungsnnarkttypen). Eine Differenzierung in vier Cluster oder<br />
mehr wäre mit einem geringen Qualitätsgewinn verbunden, der nötige Erhebungsaufwand für die<br />
Untersuchung wäre jedoch unangemessen erhöht. Im Gegensatz zu einer Zwei-Cluster-Lösung<br />
lassen sich jedoch differenziertere Wohnungsnnarkttypen bilden. Die Fehlerquadratsumme ist zudem<br />
deutlich geringer als in einer Lösung mit zwei Clustern, die Ähnlichkeit der Gebiete innerhalb<br />
der Cluster ist also klar höher, während ausreichende Unterschiede zwischen den einzelnen Clustern<br />
ausreichend deutlich sind.
ANALYSE<br />
-8- KONZEPTE<br />
1.1.3 Ergebnis der Clusteranalyse<br />
Tab. 2 gibt die Zuordnung der Kommunen zu den definierten Wohnungsmarkttypen wider. Die Berechnungen<br />
haben für den Hochsauerlandkreis drei Wohnungsmärkte als bestmögliche Gliederung<br />
ergeben.<br />
Tab. 2<br />
Hochsauerlandkreis: Typisierung des Kreisgebietes<br />
Wohnungsmarkttyp<br />
I<br />
II<br />
III<br />
Kommune<br />
Arnsberg, Stadt<br />
Bestwig<br />
Brilon, Stadt<br />
Eslohe (Sauerland)<br />
Hallenberg, Stadt<br />
Marsberg, Stadt<br />
Medebach, Stadt<br />
Olsberg, Stadt<br />
Meschede, Stadt<br />
Schnnallenberg, Stadt<br />
Sundern (Sauerland), Stadt<br />
Winterberg, Stadt<br />
Quelle: Mietwerterhebung Hochsauerlandkreis 2012<br />
\\.■i \ si ;.1.<br />
KON/1 IM
ANALYSE F<br />
- 9 - KONZEPTE<br />
Tab. 3<br />
Eigenschaften der Wohnungsmärktel<br />
WohnungsmarIcttyp<br />
Bevölkerungsentwicklung<br />
Bevölkerungsdichte<br />
Siedlungsstruktur<br />
Wohnfläche<br />
Pro-Kopf-<br />
Einkommen<br />
Neubautätigkeit<br />
Bodenpreis<br />
Entfernung<br />
Oberzentrum<br />
Wohngeldeinstufung<br />
Immobilienpreise<br />
I + + + - + - + - + +<br />
II 0 - - 0 - 0 - 0 - -<br />
III - 0 0 0 + + 0 + + +<br />
'im Vergleich zum Mittelwert Hochsauerlandkreis<br />
Quelle: Mietwerterhebung Hochsauerlandkreis 2012<br />
,\NAi)sEE<br />
KONZFP 1T<br />
Der aufgrund der Clusteranalyse definierte Wohnungsmarkttyp I wird allein gebildet durch die<br />
Stadt Arnsberg. Dieser Wohnungsmarkttyp ist gekennzeichnet durch eine klar überdurchschnittliche<br />
Bevölkerungsdichte und eine deutlich überdurchschnittliche Siedlungsstruktur (hoher Anteil<br />
Mehrfamilienhäuser). Die Bodenrichtwerte liegen ebenfalls weit oberhalb des Durchschnitts im<br />
Kreisgebiet. Die Indikator Entfernung zum nächsten Oberzentrum ist entsprechend der Nähe zur<br />
Stadt Dortmund klar unterdurchschnittlich ausgeprägt.<br />
Der Wohnungsmarkttyp II besteht aus den Städten Brilon, Hallenberg, Marsberg, Medebach<br />
und Olsberg, sowie den Gemeinden Bestwig und Eslohe (Sauerland). Im Gegensatz zu Typ I ist<br />
dieser Wohnungsmarkttyps geprägt durch überwiegend unterdurchschnittliche Indikatorausprägungen.<br />
Die Immobilienpreise weichen am stärksten vom Kreisdurchschnitt ab. Die Siedlungsstruktur<br />
ist ebenfalls deutlich unterdurchschnittlich. Die Mietenstufen und die Bevölkerungsdichte<br />
weichen hingegen nur leicht vom Durchschnitt im Kreisgebiet ab. Die Bevölkerungsentwicklung<br />
entspricht insgesamt betrachtet dem Durchschnitt im Kreisgebiet, ist aber leicht inhomogen verteilt.<br />
In Bestwig, Marsberg und Olsberg lässt sich eine unterdurchschnittliche Bevölkerungsentwicklung<br />
feststellen, in den übrigen Kommunen des Wohnungsmarkttyps eine überdurchschnittliche.<br />
Ebenso ist die Entfernung zum nächsten Oberzentrum in Brilon, Hallenberg und Marsberg im<br />
Gegensatz zu den übrigen Kommunen unterdurchschnittlich ausgeprägt.<br />
Die Städte Meschede, Schrnallenberg, Sundern (Sauerland) und Winterberg bilden zusammen den<br />
Wohnungsmarkttyp III. Dieser Wohnungsmarkttyp zeichnet aus durch durchschnittliche bis<br />
leicht überdurchschnittliche Indikatorausprägungen. So weichen die Indikatoren Bevölkerungsentwicklung,<br />
Entfernung Oberzentrum und Mietenstufen nur leicht vom Kreisdurchschnitt ab. Immobilienpreise<br />
und Pro-Kopf-Einkommen sind überdurchschnittlich ausgeprägt. Die Indikatoren Wohnfläche<br />
und Neubautätigkeit sind leicht inhomogen verteilt: in Winterberg ist die Wohnfläche pro<br />
Person klar überdurchschnittlich hoch und in Meschede wurden unterdurchschnittlich wenig neue<br />
Wohngebäude errichtet.
ANALYSE<br />
-10-<br />
KONZEPTE<br />
Karte 1 Clusteranalyse:<br />
Wohnungsmarkttypisierung des Kreises<br />
Amsberg<br />
Bestwig<br />
Brilon<br />
Sundern (Sauerland}<br />
Olsberg<br />
Schmallenberg<br />
Quelle: Mietwerterhebung Hochsauerlandkreis 2012<br />
Clusteranalyse Analyse St Konzepte<br />
Geobasisinformation e Bundesamt für Kartographie und Geodäsie<br />
(www.bkg.bund.de)<br />
www.analyse-konzepte.de
Anlagen<br />
ANALYSE<br />
KONZEPTE
ANALYSE@<br />
- 12 - KONZEPTE<br />
Anlage 1: Normierte Ausgangsdaten zur Wohnungsmarkttypbildung<br />
Bevölkerungsentwicklung<br />
Bevölkerungsdichte<br />
Siedlungs-struktur<br />
Wohnfläche<br />
Pro-Kopf-<br />
Einkommen<br />
Neubau-tätigkeit<br />
Bodenpreis<br />
Entfernung Oberzentrum<br />
Wohngeldeinstufung<br />
Immobilienpreise<br />
Wohnungsmarkttyp I<br />
Arnsberg, Stadt 0,88 1,00 1,00 0,00 0,58 0,19 1,00 0,00 0,66 1,00*<br />
Wohnungsmarkttyp II<br />
Bestwig 0,19 0,45 0,33 0,06 0,11 0,00 0,16 0,55 0,66 0,00<br />
Brilon, Stadt 0,73 0,26 0,20 0,21 0,34 0,66 0,44 0,17 0,33 0,38<br />
Eslohe (Sauerland) 1,00 0,09 0,20 0,23 0,45 0,38 0,25 0,90 0,33 0,23<br />
Hallenberg, Stadt 0,83 0,00 0,11 0,71 0,00 0,66 0,00 0,34 0,33 0,00<br />
Marsberg, Stadt 0,15 0,34 0,00 0,15 0,17 0,26 0,16 0,10 0,66 0,38<br />
Medebach, Stadt 0,72 0,07 0,16 0,66 0,11 0,27 0,10 1,00 0,33 0,00<br />
Olsberg, Stadt 0,18 0,31 0,19 0,22 0,25 0,21 0,31 0,62 0,66 0,23<br />
Wohnungsmarkttyp III<br />
Meschede, Stadt 0,47 0,39 0,41 0,16 0,51 0,08 0,63 0,48 0,66 0,62<br />
Schmallenberg, Stadt 0,68 0,11 0,29 0,05 0,25 1,00 0,25 0,76 0,33 1,00<br />
Sundern (Sauerland), Stadt 0,65 0,39 0,35 0,21 1,00 0,55 0,50 0,52 0,66 0,62<br />
Winterberg, Stadt 0,00 0,05 0,54 1,00 0,00 0,58 0,25 0,79 0,66 1,00<br />
* Wert gesetzt nach Einschätzung Gutachterausschuss<br />
Quelle: Eigene Berechnungen<br />
ANALYSE 0<br />
KONZEPTE
ANALYSE g<br />
- 13 - KONZEPTE<br />
Anlage 2: Zusammengeführte Kommunen bei der Clusterbildung<br />
Schritte der Clusterbildung Zusammengeführte Kommune (ID) Fehlerquadratsumme<br />
1 2 9 0,104<br />
2 4 7 0,347<br />
3 8 11 0,606<br />
4 2 6 0,876<br />
5 3 5 1,281<br />
6 3 4 1,899<br />
7 8 10 2,740<br />
8 8 12 4,015<br />
9 2 3 5,468<br />
10 2 8 7,050<br />
11 1 2 9,585<br />
Quelle: Eigene Berechnungen<br />
ANAnisE;:J<br />
icoNzhp-ri:<br />
Anlage 3: Clusterzugehörigkeit der Kommunen im Hochsauerlandkreis<br />
ID Kommune Clusterzugehörigkeit<br />
1 Arnsberg, Stadt 1<br />
2 Bestwig 2<br />
3 Brilon, Stadt 2<br />
4 Eslohe (Sauerland) 2<br />
5 Hallenberg, Stadt 2<br />
6 Marsberg, Stadt 2<br />
7 Medebach, Stadt 2<br />
8 Meschede, Stadt 3<br />
9 Olsberg, Stadt 2<br />
10 Schnnallenberg, Stadt 3<br />
11 Sundern (Sauerland), Stadt 3<br />
12 Winterberg, Stadt 3<br />
Quelle: Eigene Berechnungen
Anlage 4: Distanzmatrix der Kommunenl<br />
12<br />
0<br />
1.0<br />
UI<br />
cr-<br />
2,523<br />
2,345<br />
Cr<br />
1.0<br />
LO<br />
Nr<br />
,-I<br />
UI<br />
M<br />
Ni"<br />
VD<br />
r-i<br />
,-1<br />
Ni-<br />
CS)<br />
1-<br />
CD<br />
Ni<br />
N<br />
71-<br />
01<br />
-7<br />
,--I<br />
Ln<br />
VD<br />
,--7<br />
Lf)<br />
N.<br />
r....<br />
4-<br />
1 2,477 I<br />
1<br />
hkeitsmatrix<br />
A NA INSEM<br />
jene Berechnungen KOINZEI'M<br />
9».I<br />
,,-1<br />
co<br />
N.<br />
CO<br />
,-7<br />
VD<br />
rn<br />
00<br />
,-1"<br />
0)<br />
N.<br />
N.<br />
os<br />
VD<br />
m<br />
0<br />
,-7<br />
e<br />
in<br />
NJ<br />
Ni-<br />
(.0<br />
o-%<br />
Cr<br />
4"<br />
N<br />
cr,<br />
CD<br />
Ni"<br />
01<br />
..-1<br />
LA<br />
ci<br />
NJ<br />
m<br />
1-1<br />
,-7<br />
1,248<br />
1<br />
N.<br />
N.<br />
1-<br />
Ni<br />
0<br />
1-i<br />
3,357<br />
2,541<br />
cr)<br />
Cvl<br />
cn<br />
NI<br />
CO<br />
.--1<br />
,-:i.<br />
LO<br />
0<br />
GI<br />
A'<br />
N.<br />
.-1<br />
(31<br />
t.0<br />
cD<br />
1,535<br />
,-7<br />
NI<br />
CO<br />
(0 1<br />
1,248<br />
I-11<br />
N.<br />
(21<br />
3,228<br />
N.<br />
cz<br />
NI<br />
Os<br />
m<br />
N.<br />
00<br />
CDs<br />
zi-<br />
co<br />
Ch<br />
CD-<br />
,--1<br />
(.0<br />
rr)<br />
4-<br />
LO<br />
t.0<br />
rel<br />
C).<br />
in<br />
NI<br />
0)<br />
0,494<br />
'<br />
CDs<br />
co<br />
N<br />
1.0<br />
NJ<br />
M<br />
..-I<br />
Lt1<br />
t.CD<br />
1J<br />
CO<br />
CD<br />
1-<br />
VD<br />
(JD<br />
CO<br />
N.<br />
CO<br />
r■<br />
Cr<br />
N<br />
0<br />
2,148<br />
0,832<br />
CD<br />
0<br />
N. 1<br />
Cr<br />
0-■<br />
1-<br />
1,535<br />
01<br />
..-1<br />
LI)<br />
e-<br />
01<br />
..<br />
N.<br />
(.0<br />
N.<br />
,-i<br />
L ris<br />
h.<br />
CD<br />
NI<br />
-7<br />
N4<br />
0%<br />
(,-)<br />
., -7<br />
0,486<br />
m<br />
NJ<br />
l0<br />
6'<br />
t.0<br />
t0<br />
N.<br />
,-7<br />
1<br />
CD<br />
CD<br />
N.<br />
,-7<br />
0,923<br />
1.0<br />
NJ<br />
0<br />
Ni"<br />
N.<br />
Cri<br />
0<br />
Ni.<br />
CA<br />
Cl"<br />
CD<br />
N-<br />
VD<br />
L°<br />
e<br />
Ni<br />
0,548<br />
0,780<br />
Ln<br />
cp<br />
N.<br />
,-1<br />
1,442<br />
1..0<br />
1.0<br />
N.<br />
,-7<br />
0,832<br />
Lo<br />
VD<br />
m<br />
cps<br />
N<br />
.■-1<br />
o,<br />
4'<br />
Lo<br />
01<br />
•zi-<br />
,-Is<br />
up<br />
,-i<br />
,-1<br />
Ni<br />
. ,..<br />
1, I<br />
r,<br />
1.0<br />
C)<br />
NJ<br />
0<br />
r■<br />
,--1<br />
,-I<br />
CO<br />
N<br />
N<br />
01 1<br />
1,442<br />
0,623<br />
2,148<br />
,-i<br />
%.10<br />
rn<br />
Lr)<br />
CD<br />
01<br />
2,254<br />
1-1<br />
C')<br />
en<br />
N-<br />
e<br />
Ln<br />
Lt1<br />
UD<br />
•zr<br />
CO<br />
rn<br />
to<br />
N.<br />
N .<br />
LL610<br />
Lr)<br />
CD<br />
N.<br />
Lo<br />
CO<br />
e<br />
1-<br />
N.<br />
cp<br />
cr<br />
CO<br />
0,<br />
NJ<br />
CO<br />
,-i<br />
VD<br />
CO<br />
cD<br />
1<br />
2,664<br />
2,365<br />
..-1<br />
1-<br />
M<br />
'<br />
Lo<br />
I,..<br />
N.<br />
•-■<br />
.--I<br />
CO<br />
cp<br />
00<br />
N.<br />
Ni<br />
CA<br />
UI<br />
N.<br />
co<br />
N.<br />
0,873<br />
CA<br />
rn<br />
01<br />
cis<br />
CA<br />
N.<br />
N.<br />
c:)-<br />
2,345<br />
N<br />
3,492<br />
I<br />
,<br />
.-1<br />
Cr<br />
trl<br />
e<br />
CO<br />
rn<br />
Ni<br />
CD<br />
N<br />
0,548<br />
N<br />
CD<br />
NI<br />
.-i<br />
to<br />
tO<br />
co<br />
ci<br />
r.<br />
0<br />
NJ<br />
(5"<br />
,-1<br />
Cr<br />
Lr-)<br />
N 7<br />
1.0<br />
rl<br />
co<br />
, -7<br />
2,523<br />
TA 1<br />
3,492<br />
L.r)<br />
tO<br />
Cfl<br />
Ni-<br />
3,655<br />
N<br />
CD<br />
CD<br />
Lri<br />
(JD<br />
Cr<br />
r.1<br />
ri-<br />
U0<br />
N.<br />
.,-1<br />
1,450<br />
3,228<br />
Lri<br />
3,357<br />
CO<br />
N.<br />
CO<br />
CD<br />
VD<br />
L.n<br />
Ci<br />
1-1<br />
1-1 N m e [A up N. co cr%