scarica il paper - Gruppo Servizio Ambiente

XXVIII CONFERENZA ITALIANA DI SCIENZE REGIONALI
VALUTAZIONE DI IMPATTI DI LOCALIZZAZIONI UNIVERTARIE. UN CASO
DI STUDIO
Domenico Enrico MASSIMO1, con Antonino BARBALACE1, Antonia Rita
CASTAGNELLA1 e Paola PRINCIPATO1
(1) Dipartimento PAU, Università degli Studi Mediterranea di Reggio Calabria, 25 Via Melissari, 89124
Reggio Calabria, [email protected], 360.997513, 0965.385228
SOMMARIO
La ricerca concerne l’evoluzione di un originario studio a-spaziale di mercato
immobiliare in una osservazione pluriennale georeferenziata grazie alla strutturazione di
un Real Estate Geographic Information System (Real Estate GIS) arricchito di
collegamenti con strumenti di valutazione estimativa ed economica. La spazializzazione
dell’analisi di mercato facilita l’uso dell’informazione immobiliare quale proxy della
qualità insediativa, e migliora anche le stime di impatti di investimenti. Il Caso di
Studio, focalizzato su un’area del Comune di Reggio Calabria, persegue la verifica
diagrammatica dell’eventuale correlazione tra localizzazione di un Polo Universitario e
variazione dei prezzi immobiliari. L’analisi diagrammatica dei dati permette di rilevare i
primi impatti della localizzazione di iper-strutture di servizi e infrastrutture di trasporto
sui rialzi dei prezzi immobiliari. Attribuzioni. Domenico Enrico MASSIMO ha
coordinato la ricerca e ha redatto il Paper: Paragrafi 1, 2, 3, 4, 5, 6, 7, 8, 9. Antonino
BARBALACE ha impostato il Real Estate GIS e ha curato le geo-analisi immobiliari.
Antonia Rita CASTAGNELLA ha curato le analisi immobiliari regressive e
diagrammatiche. Paola PRINCIPATO ha impostato ed elaborato l’Inventario
Immobiliare computerizzato tridimensionale, in ambiente GIS e con allied softwares .
1. INTRODUZIONE. POSIZIONE DEL TEMA E OBIETTIVI DELLA RICERCA
Primo obiettivo del Paper è di documentare l’attuazione di linee di ricerca nella
valutazione immobiliare, tendenti a sperimentare e validare modelli e algoritmi di
analisi di mercati locali basati su osservazioni pluriennali, tendenzialmente permanenti,
progressivamente ampliate e aggiornate, prefiguranti l’attivazione di osservatori stabili.
Secondo obiettivo del Paper è l’introduzione alla tematica dei rapporti tra mercati
immobiliari e localizzazioni universitarie, e l’illustrazione di un Caso di Studio
sull’andamento dei prezzi effettivi (non stimati) di compravendita, localizzato in un
quartiere circostante un’area universitaria, nel Comune di Reggio Calabria. I prezzi
effettivi del quartiere universitario sono comparati con l’andamento dei prezzi effettivi
(non stimati) di compravendita dell’intero insediamento urbano di cui il quartiere fa
parte.
Il rapporto è stato redatto all’inizio del 2007 e tiene conto nelle analisi regressive e geostatistiche dei dati sulle transazioni di mercato fino a quella data.
In ambito italiano, l’approfondimento dei temi legati allo studio dei mercati
immobiliari, specie su casi applicativi, si confronta con:
storica carenza di trasparenza sostanziale nelle transazioni di beni stabili;
limitata disponibilità di informazione sistematica, al di là delle classiche
quotazioni minime e massime di fonte pubblica e privata a scala nazionale e
regionale, e di stime indicative derivate su basi intuitive e di conoscenze personali
a scala locale;
problemi oggettivi per realizzare estese valutazioni basate sui reali prezzi di
mercato degli immobili, data la riservatezza e inaccessibilità di tali dati.
Ne consegue una constatazione:
“In Italia il quadro della pratica valutativa risente di stratificazioni legate alla
preponderanza delle stime convenzionali rispetto alle stime di mercato e alla difficoltà
di rilevazione dei prezzi effettivamente praticati”. (Simonotti, 2005, p. 17)
Lo stato delle cose richiede l’avvio e il consolidamento di pratiche valutative che
dovrebbero essere:
basate sui prezzi effettivamente praticati, seppur di non facile reperibilità;
estese nella quantità dei dati e nella numerosità di aree urbane prese in
considerazione, al fine di avere quadri di riferimento territoriali, regionali e
macro-regionali al cui interno approfondire segmenti, zone, aspetti;
comparate sia con altri eventuali prezzi osservati, sia con le cosiddette
“quotazioni” e “stime”, per leggere sia convergenze che differenze;
estese anche nel tempo per prefigurare degli “osservatori immobiliari”,
trasformando isolati Casi di Studio in permanenti attività di valutazioni basate sul
mercato.
La tendenza a trasfigurare il singolo Caso di Studio in osservazione sistematica sullo
stesso insediamento urbano e nel tempo, può aiutare a perseguire un obiettivo
dell’Estimo Immobiliare che è quello della validità nel tempo dei modelli di analisi:
“[…] diventa sempre più importante avere a disposizione valutazioni patrimoniali
e in generale stime relative a beni (di natura pubblica o privata) che conservino
una loro intrinseca validità per periodi relativamente lunghi: si pensi – oltre che ai
-
valori catastali – ai fondi immobiliari, alla necessità di tenere aggiornati i conti
patrimoniali delle società private e soggetti di natura pubblica, ai sistemi di
garanzie che gravano sui fabbricati e sui terreni edificabili. È quindi assai
importante definire modelli e algoritmi che siano in grado di validare e
rendere comunque facilmente aggiornabili i dati di cui si dispone […]”.
(Roscelli, 2002, p. 2)
2. STUDIO DEL MERCATO IMMOBILIARE DI REGGIO CALABRIA
La ricerca indirizza negli anni un Caso di Studio a configurarsi come osservazione
continua sia sul patrimonio edilizio (nella sua consistenza e nelle sue caratteristiche,
classificate anche con l’ausilio di banche dati spaziali) e sia sui “prezzi effettivamente
praticati” nelle compravendite. Questi ultimi costituiscono in Italia dati riservati e
sensibili. Nella ricerca i dati sono raccolti attraverso complessi processi di “elicitazione”
mediante interviste confidenziali con compratori, venditori, intermediari, agenzie
organizzate. Tale duplice conoscenza diretta (degli immobili e delle loro caratteristiche,
quali variabili indipendenti - esplicative; del loro prezzo quale variabile dipendente esplicata) costituisce le osservazioni che sono cosa diversa dalle informazioni sintetiche
e generiche espresse dalle quotazioni immobiliari le quali:
“sono indicazioni di valore unitari riferiti ad ampi contesti ed ambiti di mercato
dai profili approssimativi; sono costituite da un’unica indicazione di valore o da
una forcella di valori minimo e massimo; in genere i loro repertori non indicano
chiaramente le modalità di rilevazione e di elaborazione dei dati, né le indicazioni
applicative e i test di controllo, e per questi motivi sono inadatte alla stima
immobiliare; ciò è confermato dalle stesse quotazioni […] che nel frontespizio
riportano l’avvertenza secondo la quale le quotazioni non possono intendersi
sostitutive della “stima” ma soltanto di ausilio.” (Simonotti, 2007b)
Studio preliminare metodologico. Un iniziale Caso di Studio (Mollica, Massimo,
2000) ha avviato la prima esplorazione descrittiva di alcuni mercati immobiliari della
Calabria, per i quali non erano disponibili precedenti studi, né conseguenti elaborazioni
con modello analitico immobiliare (di seguito semplicemente: modello) basati su:
diretta conoscenza degli immobili nella loro puntuale ubicazione e nelle loro
caratteristiche localizzative, tecnico-architettoniche ed economico-produttive;
“rilevazioni dei prezzi effettivamente praticati” nelle relative compravendite.
Prima tappa. L’iniziale contributo descrittivo è stato: successivamente ampliato;
strutturando fino a 106 osservazioni di effettive compravendite del mercato urbano di
Reggio Calabria (Mollica, Massimo, 2002); articolato, per la prima volta, in quattro
“zone immobiliari” centrali e semicentrali, ai fini di una prima analisi mediante
algoritmo o modello immobiliare (Roscelli, 2002). Questo è stato sperimentato con
forma funzionale di particolare semplicità e per questo definito parsimonious model
(Triplett, 1986). Ciò per la parsimonia di energie che richiederebbe una sua
generalizzazione per realizzare campagne di mass appraisal. Le osservazioni sono state
localizzate con procedura desk work introducendo per la prima volta le cartografie
computerizzate.
Seconda tappa. Il Caso di Studio è stato orientato verso l’osservazione stabile e in una
prospettiva pluriennale, mediante l’ampliamento e l’aggiornamento della base dei dati.
Sono state integrate +420 osservazione raggiungendo il totale di 526 (Massimo,
Castagnella, 2006) rispetto alle originali 106. Appare importante segnalare un
cambiamento nella natura dei dati. Molte decine di informazioni sono state acquisite da
parte dall’autore partecipando direttamente alle transazioni immobiliari quale esperto
volontario di supporto gratuito delle parti. Questa base di dati direttamente raccolta e
controllata ha fornito elementi stabili per la migliore gestione di tutte le successive
analisi. È stata avviata la spazializzazione delle osservazioni, con creazione di un Real
Estate Geographic Information System (di seguito Real Estate GIS) attraverso la
strutturazione e il popolamento di un GeoDataBase (GDB). Tale sistema ha consentito
oltre al mapping e alla visualization dei dati localizzati su più supporti cartografici
georeferenziati, di effettuare operazioni di geostatistical e spatial analysis ovvero di
creare nuove informazioni attraverso l’elaborazione dei dati presenti nel GDB. Il GIS ha
supportato e facilitato la georeferenziazione di 370 osservazioni in parti urbane centrali,
rispetto alle totali 526 localizzate nei territori comunali di Reggio Calabria e Villa San
Giovanni. I 370 records hanno costituito l’input della seconda performance
dell’originario modello adottato e definito parsimonious model di analisi.
Terza tappa. Un ulteriore ampliamento (Massimo, 2007) ha aumentato di +121 fino a
647 le osservazioni nei territori comunali, di cui +45 fino a un totale di 415 quelle
georeferenziate all’interno dell’insediamento urbano (parti centrali e semi-sentrali)
suddiviso in “zone immobiliari”, ulteriormente affinate nella loro articolazione.
Quarta tappa. Con l’attuale ampliamento (Massimo, Barbalace, Castagnella, 2007)
sono state aumentate rispettivamente di +188 fino ad un totale di 835 le osservazioni nei
territori comunali, di cui +28 fino a un totale di 443 quelle georeferenziate all’interno
dell’insediamento urbano già articolato in zone immobiliari. Con la quarta tappa gli esiti
della ricerca sono i seguenti. Le osservazioni sono state la base della ricerca
progressivamente ampliata. I dati raccolti, lo studio di mercato a scala di intero centro
urbano, il modello o algoritmo adottato sono stati tutti confermati con una sequenza di
quattro consecutive e positive performances, in un periodo pluriennale.
A questo punto è possibile sperimentare il modello per ambiti più piccoli di singole aree
urbane ovvero “sub-mercati zonali”, specie se rivestono un particolare interesse:
“Il mercato immobiliare per la sua diversità e complessità può essere suddiviso in
sub-mercati che costituiscono sotto insiemi più piccoli e specializzati del mercato
immobiliare. […] I mercati immobiliari possono essere classificati: a) secondo la
localizzazione […]”. (Simonotti. 1997, p. 57)
L’analisi disaggregata può permettere di approfondire la conoscenza descrittiva e
diagrammatica di quell’area o quartiere, all’interno dell’insediamento urbano, in cui è
avvenuta la localizzazione delle strutture universitarie, attivate gradualmente nel corso
degli ultimi dieci anni. L’approfondimento deve intercettare eventuali impatti positivi o
negativi indotti sui prezzi delle abitazioni dalla trasformazione gerarchica del quartiere.
Figura 1 Real Estate GIS. Reggio Calabria. Area universitaria (giallo) delimitata dalla
circonvallazione e dagli svincoli (rosso). Localizzazione georiferita delle compravendite
immobiliari rilevate (verde). Evidenziate le strutture universitarie costruite nel quartiere
Figura 2 Real Estate GIS. Reggio Calabria. Area universitaria (giallo) delimitata dalla
circonvallazione e dagli svincoli (rosso). Rappresentazione tridimensionale ed
estrusione degli immobili ricadenti all’interno del Quartiere Latino, che è la parte
Liberty dell’area universitaria
Fino a poco prima della localizzazione universitaria l’area era periferica, costituiva
l’ultima frangia di edificato nella zona agricola (le “Vigne dei Melissari”), era
accessibile solo attraverso pre-esistenti strette strade inter-poderali, era ed è ancora
costretta da tre sbarramenti fisici: il rilevato della circonvallazione di raccordo
autostradale ad Est; la zona ora non più militare a Sud, ancora totalmente priva di strade
di attraversamento; la fiumara di confine dell’edificato urbano a Nord.
L’analisi comparativa (città-quartiere) mette a confronto diagrammatico gli andamenti
del generale mercato dell’intero insediamento urbano con lo specifico andamento del
quartiere in oggetto. Il confronto diagrammatico si svolge dopo avere sperimentato
l’originario modello urbano sul data set del quartiere, al fine di confermare il medesimo
algoritmo (ovvero adattarlo alla eventuale diversa e mutata dinamica del sub-mercato
spazialmente più contenuto). Mediante interviste e strumenti GIS è stata definita
l’appartenenza delle compravendite all’area di interesse universitaria (di seguito “area
universitaria”) e sono stati selezionati 109 records di compravendite, quali data set per
la comparazione diagrammatica città-quartiere.
I dati sono stati sottoposti a preliminare analisi regressiva e la intrinseca struttura del
modello è stata confermata anche per il sub-mercato di quartiere dei surroundings
dell’università. Gli esiti dell’analisi locale disaggregata sono contenuti negli output
della performances.
Lo studio viene svolto anche con analisi diagrammatica comparativa delle dinamiche di
mercato sia urbana sia di quartiere da cui emerge che nell’area universitaria si è
verificato un tendenziale e deciso aumento dei prezzi immobiliari specie negli ultimi
dieci anni. A livello di intera città si considerano le aree centrali e semi-centrali e non
quelle fortemente periferiche. Pertanto dall’originale data set di 443 osservazioni
vengono selezionati 385 dati localizzati nelle citate aree centrali e semi-centrali.
Sono state prodotte le inedite “Analisi diagrammatiche sull’andamento dei prezzi delle
abitazioni” facendo ricorso a prezzi medi annui, sia generali della città e sia
disaggregati per quartiere. Tali analisi permettono di visualizzare e valutare con
immediatezza le diverse dinamiche tra i vari segmenti tipologici e i diversi sub-mercati
spaziali o zonali, per differenziare gli andamenti degli immobili con opposti Livelli di
Conservazione che significano diversi gradi di “immediata abitabilità”. Ciò per
effettuare ulteriori verifiche sull’impatto, positivo o negativo, della localizzazione
universitaria sugli immobili circostanti.
Le tabelle numeriche dei data sets, usate come fonti sia dell’analisi diagrammatica che
di quella regressiva, vengono ulteriormente elaborate in termini quantitativi monetari.
Ciò per derivare prezzi medi periodici nominali (a moneta corrente e non a moneta
costante), confrontarne gli andamenti nel tempo, calcolarne percentuali di crescita o
decremento a moneta corrente nel tempo, verificare anche sotto questo ulteriore profilo
eventuali dinamiche differenziali tra mercato urbano di intera città e sub-mercati di
quartiere ovvero zonali.
La spazializzazione e georeferenziazione dei dati immobiliari è auspicata negli standard
internazionali (Deddis, 2002) e praticata con utili risultati (Breil et alii, 2005; Curto,
2005; Mattia, 2007; Simonotti 2007a). La georeferenziazione di tutti gli elementi dello
studio immobiliare permette di elaborare alcune semplici geo-analisi o introduttive
automated valuation che prefigurano ben più complesse analisi regressive
georeferenziate, spazializzate sia nei loro input che nei loro output.
Il GIS permette facilmente l’inserimento dei dati di transazioni recenti, e aggiorna
attraverso strumenti di spatial analysis il baricentro dei prezzi in base a tali nuovi input.
La percentuale di cambiamento, comparata tra le zone, permette di visualizzare e
collocare in ambiti geograficamente delimitati le diverse variazioni nelle aree della città.
Questa sintetica e leggibile geo-analisi permette di perseguire ulteriormente il secondo
obiettivo della ricerca che è il rilevamento di aumenti dei prezzi differenziati fra zone e
quindi la verifica di eventuali impatti della localizzazione universitaria sul circostante
mercato immobiliare.
3.
PRIMO
OBIETTIVO.
AMPLIAMENTO
DELL’OSSERVAZIONE
IMMOBILIARE ALLA CITTÀ. OUTPUT DELL’APPLICAZIONE DEL MODELLO
Dalla descrizione dello studio si desume che le osservazioni complessive sono state
quindi portate rispettivamente ad 835 (nei territori comunali) e a 443 (nel centro
urbano). L’ultimo data set ha costituito l’input della più recente performance del
modello adottato. Questo ha avuto conferma di intrinseca validità nell’esplicitare la
struttura del mercato studiato, come contenuto negli output dell’analisi, nonché di
continuità con il modello originariamente adottato nella seconda tappa.
La sintesi dell’osservazione sistematica del mercato immobiliare è di seguito riportata
con le quattro tappe, e con i principali elementi dell’applicazione dell’algoritmo, più
estesamente illustrate nel seguito dagli output di regressione.
Tabella 1 Studio immobiliare. Sintesi riepilogativa. Ambiti territoriali e numero di
osservazioni. Ampliamento dal 2001 (prima tappa, T1) al 2007 (quarta tappa, T4)
Regressioni
Tappe
Denominazione
T4
T3
T2
T1 T4-T1 T4-T3 T3-T2 T2-T1
Ambiti Obs Obs Obs Obs  Obs  Obs  Obs  Obs
spaziali 2007 2006 2005 2001 07-01 07-06 06-05 05-01
(4)
(3)
(2)
(1)
Comune
835
647
526
+835 +188 +121 +420
Centro
415
370
106 +337
+28
+45 +264
443
Mra835
Mra443
Reggio C.
Reggio C.
Mra835
Mra443
2
Adjusted R Comune 0,614 0,706 0,751
2
0,903 0,908 0,923 0,920
Adujsted R Centro
Var. sign.
Centro
6\7
6\7
5\7
4\7
+2
-
+1
+1
Fonti
(1) Mollica, Massimo, 2002 [Ceset]; (2) Massimo, Castagnella, 2006 [Politecnico di
Milano, Clup]; (3) Massimo, 2007 [Siev, Dei]; (4) Massimo, Barbalace, Castagnella,
2007 [Asita].
Con le 443 osservazioni svolte nell’intera città ovvero centro urbano di Reggio Calabria
sono state rilevate le seguenti caratteristiche degli immobili.
Le unità immobiliari osservate hanno la Superficie media di 117,51 metri quadrati e la
deviazione standard è pari a 53,15 metri quadrati. Il prezzo medio è di 234.510.000 Lire
e la sua deviazione standard è pari a 192.350.000 Lire. Il loro Livello di Conservazione
è ottimo in 75 casi, buono in 198, sufficiente in 141, insufficiente in 29. Sono dotate di
un unico servizio in 143 casi, mentre in 300 casi è presente uno o più servizi
supplementari. Di esse: 20 sono collocati al piano terra (primo livello); 77 al primo
piano; 91 al secondo; 104 al terzo; 71 al quarto; 62 al quinto; 16 al sesto; 2 al settimo.
Le ulteriori osservazioni raccolte hanno permesso anche di verificare l’originario
parsimonious model regressivo. Ciò sembra avvenuto, non emergendo problemi fatali
nell’aumentare a 443 le osservazioni analizzate. Pare che il modello analitico continui
ad essere rappresentativo della realtà, stante i risultati che seguono della regressione
lineare MraRc443. Infatti, la regressione lineare Mra Rc443 con termine costante,
sottoposta ai test statistici, ha un R2corretto pari a 0,903 ed un residuo medio
percentuale pari a 1,04%.
Tabella 2 Studio immobiliare. Sintesi dei risultati della MraRc443. Statistica
inferenziale. Intero centro urbano
Regres
Ambiti
sion
territoriali
MraRc443 Centro urbano
Num
Obs
443
Adj
E%
Sigt m\n Sigt m\n
2
SE\mP
0,05
0,10
R
0,903
5,74
5\7
6\7
Med
Sign
res % estimat
1,04
6\7
Tabella 3 Studio immobiliare. Fondamentali della MraRc443. Model Summary
Model
MraRc443
R
,951
Change
Statistics
2
Adj Std. Error of R Square
F
df1 df2 Sig. F
R
2
the
Estimate
Change
Change
Change
R
,905 ,903
59,91
,905 588,669
7 435
,000
Tabella 4 Studio immobiliare. Coefficienti della MraRc443. Coefficients
Unstand Coeff
Model
1
B
(Constant)
Sup
Liv
Cons
Data
Epo
Zona
Serv
40,359
3,048
4,630
-21,047
-,346
,278
-37,140
15,786
Std.
Error
13,463
,063
1,013
3,841
,049
,213
2,159
6,649
Stand
Coeff
Beta
,842
,069
-,091
-,107
,023
-,283
,041
t
Sig.
2,998
48,548
4,571
-5,479
-7,086
1,303
-17,203
2,374
,003
,000
,000
,000
,000
,193
,000
,018
95% Conf.
Correlat
Int. B
Low. B. Upper Bound Zero-order Partial
(Constant)
13,899
66,820
Sup
2,924
3,171
,885 ,919
Liv
2,640
6,621
,031 ,214
Cons
-28,596
-13,498
-,069 -,254
Data
-,442
-,250
-,214 -,322
Epo
-,141
,698
,198 ,062
Zona
-41,383
-32,897
-,370 -,636
Serv
2,718
28,854
,443 ,113
Coll. Stat.
Part
,719
,068
-,081
-,105
,019
-,255
,035
Toler.
,730
,968
,801
,958
,695
,810
,731
VIF
1,371
1,033
1,249
1,044
1,439
1,235
1,368
Non si rilevano fenomeni di multicollinearità tra le variabili. Appaiono estimativamente
e sostanzialmente significative per segno sia le variabili pervasive (Zona regressiva, da
1 a 6; Conservazione regressiva, da 1 a 4; Superficie continua progressiva cardinale) e
sia altre variabili (Livello di Piano progressiva a numeri interi; Data di Compravendita
regressiva, retrospettiva, espressa in mesi; Servizi in numero superiore a uno
dicotomica, 0-1). Lo sono anche statisticamente per [t 0,05].
Rimane non significativa l’Epoca di Costruzione, forse anche perché non sono state
analizzate, evidenziate e registrate le situazioni di avvenuta “ristrutturazione” ovvero di
influenti interventi di conservazione e manutenzione che di fatto rinnovano gli alloggi.
Nasce l’esigenza di approfondimento sulle unità abitative con ottimo stato di
conservazione per verificare un eventuale andamento specifico dei loro prezzi di
compravendita, specie in prossimità delle localizzazioni universitarie. Tale analisi verrà
svolta mediante diagrammi (analisi diagrammatica).
4. SEGMENTAZIONE DELL’OSSERVAZIONE IMMOBILIARE NEL QUARTIERE
UNIVERSITARIO O AREA UNIVERSITARIA
Come già introdotto, nella zona Nord della città sono stati localizzati importanti centri
pubblici, amministrativi e di ricerca tra cui l’insediamento universitario con le Facoltà
di Architettura, Ingegneria e Agraria. Gli investimenti sono stati quasi completati e le
strutture universitarie inaugurate nel corso dell’ultimo decennio, mentre le residenze per
studenti sono tutt’ora in corso di costruzione. Per verificare il manifestarsi
dell’eventuale correlazione tra nuova localizzazione universitaria e crescita dei valori
immobiliari, appare necessario avviare il processo di “segmentazione delle osservazioni
per intorno”.
“Dal punto di vista estimativo la segmentazione è una fase del processo di
valutazione nella quale viene individuato lo specifico mercato nel quale ricade
l’immobile […] ed è circoscritto l’intorno […].” (Simonotti, 1997, p. 58)
È stata verificata, mediante GIS e in particolare attraverso gli strumenti di
geoprocessing, l’appartenenza delle compravendite rilevate all’area Nord. Sono state
acquisite nuove osservazioni intorno all’Università per un totale di 109 dati. Le
statistiche descrittive delle unità immobiliari compravendute osservate sono sintetizzate
nella Tabella che segue. La superficie media di è 113,56 metri quadrati e la deviazione
standard è pari a 27,95 metri quadrati. Il prezzo medio è di 293.510.000 Lire e la sua
deviazione standard è pari a 115.840.000 Lire Il Livello di Conservazione è ottimo in 40
casi, buono in 37, sufficiente in 26, insufficiente in 6. Le unità immobiliari sono dotate
di un unico servizio in 29 casi, mentre in 80 casi è presente uno o più servizi
supplementari. Di esse: 27 sono collocati al primo piano (secondo livello); 25 al
secondo; 15 al terzo; 18 al quarto; 19 al quinto; 4 al sesto; 1 al settimo. Relativamente
alla variabile Zona l’area fisica Nord presa in considerazione si sovrappone
prevalentemente con la Zona immobiliare 2 Nord con l’aggiunta di qualche strada
rilevante come gli svincoli autostradali che realizzano il collegamento tra
circonvallazione e Facoltà di Architettura. Questi attraversano anche la Zona
immobiliare 3 Est e la Zona immobiliare 5 Santa Caterina. Potrebbe conseguire che la
variabile omonima Zona risulti non particolarmente significativa, specie dal punto di
vista statistico, essendovi la eccessiva prevalenza di una sulle altre due. Ciò nonostante,
viene confermata la struttura completa del modello analitico, comunque includente la
variabile Zona, al fine di verificare preliminarmente l’algoritmo originario
Tabella 5. Studio immobiliare. Descriptive statistics della MraRc109Ql. Area universitaria
Prz
Sup
Liv
Cons
Data
Epo
Zona
Serv
MraRc 109Ql
Mean
Std.
Deviation
293,51
115,84
113,56
27,95
2,94
1,61
1,98
0,91
43,74
50,11
17,81
17,24
2,26
0,66
0,68
0,49
L’originario parsimonious model regressivo, precedentemente applicato all’intera città
sembra discretamente interpretare anche la realtà osservata alla più dettagliata scala di
quartiere, come risulta dall’output che segue. Tale discreto output analitico conforta e
rende sufficientemente fondato il ricorso ai dati locali per l’analisi comparativa cittàquartiere. La regressione Mra Rc109Ql con termine costante, relativa all’antologia delle
109 osservazioni nell’area universitaria, ha un R2corretto pari a 0,623 ed un residuo
medio percentuale pari a 4,08%.
Tabella 6 Studio immobiliare. Sintesi dei risultati della MraRc109Ql. Statistica
inferenziale. Area universitaria
Regres
sion
Mra109
Amb Num
terr
Obs
Nord
109
Adj
E%
Sigt m\n Sigt m\n
2
SE\mP
0,05
0,10
R
0,623
12,50
4\7
4\7
Med
Sign
res % estimat
4,08
6\7
Non si rilevano fenomeni di multicollinearità tra le variabili. Ben sei principali variabili
esplicative (su un totale di sette) risultano estimativamente e sostanzialmente
significative per segno: Zona ZON; Superficie SUP; Livello di piano fuori terra LIV;
Stato di Conservazione CONS; Servizi SERV; Data di Compravendita DATA. Il
fondamentale test (t) è superato dal 70% delle variabili che di conseguenza risultano
significative. Tra le variabili statisticamente significative in (t) allo 0,05: Superficie
SUP e Stato di Conservazione CONS, che sono quelle quantitativamente più influenti o
addirittura pervasive nell’economia generale del modello. Sono pure significative le
variabili: Livello di piano fuori terra LIV; Servizi SERV; Data di Compravendita DAT.
Statisticamente non significativa risulta, come peraltro atteso, la variabile esplicativa
Zona che lo è estimativamente e sostanzialmente. L’Epoca di Costruzione non risulta
significativa né estimativamente né statisticamente perchè non sono state analizzate le
importanti situazioni di avvenuta “ristrutturazione” o manutenzione.
La performance dell’algoritmo può essere ritenuta discreta e preliminarmente
accettabile soprattutto per la significatività estimativa sostanziale del modello teorico
nel suo complesso. È confortante avere per un singolo quartiere il primo risultato
discretamente significativo dal punto di vista estimativo per le principali variabili
esplicative.
5. SECONDO OBIETTIVO. EVENTUALI IMPATTI IMMOBILIARI DELLA
LOCALIZZAZIONE UNIVERSITARIA. ANALISI DIAGRAMMATICA
La limitata antologia delle 385 osservazioni delle compravendite localizzate nel centro e
nel semi-centro cittadino, autonomamente e nativamente prodotta dalla ricerca, permette
di rilevare che in alcune circoscritte aree è stato registrato, specie negli ultimi dieci anni,
un aumento dei prezzi immobiliari correnti più accentuato rispetto alle altre aree della
città. Appare opportuno, pertanto, sviluppare analisi diagrammatiche degli andamenti
dei prezzi immobiliari sia dell’intero mercato della città, sia di sub-mercati areali dei
quartieri di particolare interesse. Le analisi diagrammatiche sono svolte con l’ausilio dei
prezzi medi effettivi annui.
Il trend ventennale 1986-2006 di tutte le compravendite nella città presenta un
andamento moderato, talvolta lievemente altalenante, senza particolari turbolenze,
complessivamente leggibile e comprensibile (Diagramma 1). L’andamento è crescente
dal 1986 al 1992. Decresce nel 1993 per poi crescere nuovamente dal 1994 al 1997.
Decresce di nuovo nel 1998, per poi crescere ininterrottamente fino al 2005, con un
ultimo rallentamento nel 2006.
L’analisi diagrammatica viene svolta per lo stesso periodo 1986-2006 per il sub-mercato
di tutti gli immobili localizzati intorno alle nuove strutture universitarie. Tale ambito
viene definito come “area universitaria” o “quartiere universitario”ed è in parte
sovrapponibile con la Zona 2 Nord immobiliare (Diagramma 2).
mL/mq
6,00
5,50
5,00
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
0,00
anni
Diagramma 1 Reggio Calabria. Intera città. Tutte le compravendite osservate nell’intera
città. Prezzi medi annui rilevati (linea con quadrati ), 1986-2006. Milioni di Lire al
metro quadro: ML\mq
6,00
5,50
5,00
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
0,00
Diagramma 2 Reggio Calabria. Area universitaria. Tutte le compravendite osservate
nell’area universitaria. Prezzi medi annui rilevati (linea con rombi), 1986-2006. ML\mq
L’andamento è derivato dall’osservazione di 109 effettive compravendite. Si presenta
diverso da quello urbano generale: più contrastato, con importi più alti e con una più
accentuata tendenza globale al rialzo.
È da segnalare che la cosiddetta “area universitaria” prima di tali insediamenti costituiva
una periferia marginale derivante dalla lottizzazione di antichi poderi agricoli suburbani signorili. Da qui la presenza pre-terremoto, e prima della ricostruzione Liberty,
di piccoli borghi rurali popolari, probabilmente di lavoratori agricoli dipendenti dalle
famiglie signorili, o di piccola architettura di pregio di tardo Ottocento e primissimi del
Novecento, attualmente generalmente inutilizzata, e quindi disomogenea rispetto
all’edificato prevalente di recente costruzione (Figure 3-4).
Figura 3 Real Estate GIS. Reggio Calabria. Area universitaria. Tipologie diverse.
Antichi borghetti pre-terremoto (giallo) tra edifici intensivi recenti. Microsoft Virtual
Earth ™
Figura 4 Real Estate GIS. Reggio Calabria. Area universitaria. Tipologie diverse:
fabbricati pre-terremoto (verde); fabbricati di recente costruzione (rosso). Prossimità
della localizzazione universitaria (celeste) con l’area Nord. Microsoft Virtual Earth ™
Figura 5 Real Estate GIS. Reggio Calabria. Area universitaria. Tipologie diverse:
piccola architettura di pregio dei primi del Novecento (verde); fabbricati di recente
costruzione (rosso). Microsoft Virtual Earth ™
Pur con accentuate differenze tipologiche incorporate nelle variabili complesse, le
analisi regressive a scala urbana e a scala locale di sub-mercato di quartiere hanno
entrambe evidenziato, sia per la città che per l’area universitaria, l’importanza pervasiva
della variabile Livello di Conservazione ovvero dell’integrità e della “potenziale
immediata abitabilità” dell’immobile oggetto di compravendita (Diagramma 3).
6,00
5,50
5,00
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
0,00
Diagramma 3 Reggio Calabria. Area universitaria. Sole compravendite osservate con
ottimo Livello di Conservazione. Prezzi medi annui rilevati (linea con cerchi), 19902006. ML\mq
Pertanto, l’analisi diagrammatica viene, quindi, ulteriormente specializzata
tipologicamente evidenziando l’andamento medio annuo dei prezzi effettivi delle sole
compravendite osservate dell’area universitaria con ottimo Livello (il primo livello di 4
possibili) di Conservazione e di recente costruzione (Diagramma 3).
È immediatamente evidente che negli ultimi anni le singole compravendite con ottimo
Livello di Conservazione si collocano ben sopra l’andamento di tutte le generiche
compravendite del quartiere.
Tale andamento presenta due fasi nettamente distinte tra di loro (Diagramma 4). I primi
otto anni, 1990-1998, sono particolarmente piatti anche per le costruzioni in ottimo stato
e recenti. Fanno seguito otto anni dinamici e variabili con una tendenza complessiva
all’aumento dei prezzi.
mL\mq
6,00
5,50
5,00
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
0,00
anni
Diagramma 4 Reggio Calabria. Area universitaria. Comparazione tra prezzi medi annui
rilevati: delle sole compravendite con ottimo Livello di Conservazione (linea con
cerchi), 1990-2006; di tutte le compravendite (linea con quadrati ),1986-2006. ML\mq
Appare utile verificare se tale percezione è confermata dal diagramma dei prezzi medi
annui delle sole compravendite con ottimo Livello di Conservazione relative all’intera
città (Diagramma 5).
Una ultima lettura (Diagramma 6) compara l’andamento dei prezzi medi annui delle
sole compravendite con ottimo Livello di Conservazione dell’intero centro urbano
(Diagramma 5) con i prezzi medi annui dei soli immobili con ottimo Livello di
Conservazione dell’area universitaria (Diagramma 3).
6,00
5,50
5,00
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
0,00
Diagramma 5 Reggio Calabria. Intera città. Sole compravendite osservate con ottimo
Livello di Conservazione. Prezzi medi annui rilevati (linea con rombi), 1986-2006.
ML\mq
6,00
5,50
5,00
4,50
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
2006
2005
2004
2003
2002
2001
2000
1999
1998
1997
1996
1995
1994
1993
1992
1991
1990
1989
1988
1987
1986
0,00
Diagramma 6 Reggio Calabria. Comparazione tra prezzi medi annui rilevati dei soli
immobili con ottimo Livello di Conservazione: sia dell’intera città (linea con rombi),
1986-2006; sia della sola area universitaria (linea con cerchi), 1990-2006. ML\mq
Nel Diagramma 6 è nettamente leggibile una specifica impennata dei prezzi nell’area
universitaria a fronte di un aumento invece più contenuto, senza particolari scosse,
costante, progressivo nel resto del mercato dell’intero centro urbano.
6. EVENTUALI IMPATTI IMMOBILIARI DELLA LOCALIZZAZIONE
UNIVERSITARIA. ANALISI QUANTITATIVA DEI PREZZI MEDI
La precedente lettura diagrammatica sinottica dei dati osservati per l’intera città e per
l’area universitaria viene comparata con una semplice analisi quantitativa
dell’andamento dei prezzi medi annui precedentemente tabellati. I riferimenti temporali
(all’interno del periodo di osservazione) sono i trienni significativi derivati dagli stessi
data set monetari. Dai prezzi medi dell’intera time series si analizzano trienni
significativi, cioè distanziati reciprocamente di circa un decennio. Viene ri-confermato
il secondo obiettivo della ricerca circa la rilevazione di eventuali impatti (positivi o
negativi) della localizzazione universitaria sul mercato immobiliare circostante.
Tabella 7 Studio immobiliare. Analisi prezzi medi nei trienni: 1995-1996-1997; 20052006-2007. Euro a mq; milioni di Lire a mq, ML\mq
Area
1995-1997
2005-2007
Reggio Reggio Reggio Reggio
€\mq ML\mq
∆
%∆
1.084
2,100
1.389
2,690
590
28%
Nord
Nord
€\mq ML\mq
1.126
2,180
1.591
3,080
Nord
∆
900
Nord
%∆
41%
Negli ultimi dieci anni i prezzi medi in due trienni estremi (1995-1996-1997; 20052006-2007) dell’intera città crescono del 28%, mentre prezzi medi annui dell’area
universitaria nei corrispondenti trienni estremi crescono del 41%.
Tabella 8 Studio immobiliare. Variazione dei prezzi medi, per trienni, osservati
nell’intera città e nell’area universitaria
Variazione prezzi medi nel triennio
Δ Città Δ Area
Dal triennio 1995-1996-1997 al triennio 2005-2006-2007
+ 28 % + 41 %
Questo dato assume maggiore rilevanza se si pensa che nel decennio precedente, 19861996, l’aumento dei prezzi nominali era stato pressoché coincidente per l’intera città e
per quell’area dove si sarebbero costruite e attivate, nel decennio successivo, le strutture
universitarie. Vi è quindi una completa conferma della crescita dei prezzi di effettive
compravendite, dal 1995 al 2007, nell’area universitaria in misura maggiore, quasi
doppia, di quanto non avvenga nell’intera città.
7. EVENTUALI IMPATTI IMMOBILIARI DELLA LOCALIZZAZIONE
UNIVERSITARIA. ANALISI SPAZIALE 3D DEI PREZZI MEDI OVER TIME
La preliminare indagine di mercato ha permesso di costruire la possibile antologia di
osservazioni sulle compravendite immobiliari in tutte le zone dell’insediamento urbano,
includendo l’elicitazione confidenziale di dati riservati come i prezzi effettivamente
praticati. Tali osservazioni sono inserite in GIS, in particolare nella struttura di GDB che
consente la gestione ed elaborazione spaziale dei dati numerici ai fini delle analisi
diagrammatiche e regressive (Breil et alii, 2005; Curto, 2005; Simonotti, 2007a).
I GIS permettono di connettere facilmente la documentazione sull’immobile con il
relativo prezzo di mercato. La funzione visualization rende localizzate, percepibili,
evidenti e in scala grafica i prezzi unitari delle singole transazioni (Figura 6) e, cosa
molto rilevante, di un insieme urbano a qualsiasi scala.
Figura 6 Real Estate GIS. Reggio Calabria. Area universitaria (giallo) delimitata dalla
circonvallazione e dagli svincoli (rosso). Rappresentazione tridimensionale ed
estrusione dei singoli prezzi immobiliari in corrispondenza degli alloggi compravenduti
Il GeoDataBase permette di derivare (per intere serie storiche o per brevi periodi
triennali) un baricentro dei prezzi di un’area a qualsiasi scala geografica. Tali aree
possono essere gerarchizzate in base al livello dei prezzi effettivi, ordinando per trienni,
decenni e varie annualità. In altri termini, si collocano i sub-mercati zonali in ordine
progressivo in funzione del prezzo medio unitario del periodo di osservazione.
In tema di aggiornamento continuo, il GIS permette facilmente l’inserimento dei nuovi
dati di transazioni recenti. In tal modo si aggiorna il baricentro dei prezzi in base a tali
nuovi inputs.
Le percentuali di cambiamento vengono comparate tra le zone urbane, per evidenziare e
collocare geograficamente le diversità di variazioni. Questa sintetica e leggibile geoanalisi permette di verificare, con analisi differenziale, eventuali impatti della
localizzazione universitaria sul circostante mercato immobiliare, e così facendo
perseguire ulteriormente il secondo obiettivo della ricerca. Dalle geo-analisi si intravede
una particolare vivacità dei prezzi di mercato nella Zona immobiliare 2 Nord in parte
sovrapponibile con la cosiddetta “area universitaria”.
Tale area tocca più di una zona e sub-zone immobiliari. L’area universitaria analizzata
tocca e abbraccia la già citata Zona 2 Nord e le sub-Zone 3 Est e 5 Santa Caterina.
Le sub-Zone 3 Est (Rausei\Lia) e 5 Santa Caterina, direttamente latistanti e prospicienti
la Facoltà di Architettura, presentano il più accentuato incremento di prezzo medio
rispetto a tutte le Zone dell’intera città.
Il prezzo medio over time di tutte le compravendite osservate over time nelle sub-Zone
passa da 1.459.000 L\mq nel 2001, a 1.910.000 L\mq nel 2005, a 2.310.000 L\mq nel
2007.
Pur essendo un dato solo indicativo, e da approfondire con future geo-analisi, esso
costituisce un’indiretta conferma di quanto notato con più analisi precedentemente svolte
sul quartiere universitario.
Si conclude che, anche con la geo-analisi spaziale tridimensionale, risulta che la
localizzazione universitaria ha un’influenza e potrebbe essere una delle cause del
documentato rialzo dei prezzi effettivi nel circostante mercato immobiliare, aumento
accentuato rispetto agli andamenti misurati nell’intero mercato urbano.
8. INVENTARIO IMMOBILIARE CON L’AUSILIO DEL REAL ESTATE GIS
Conclusivamente è da segnalare che lo strumento spaziale tridimensionale produce, per
aree o sub-Zone, una più completa documentazione del patrimonio costruito.
Ulteriori funzioni di visualization e mapping (sia 2D e sia 3D) del GIS valorizzano
l’accessibilità e la fruibilità di tutti i documenti relativi all’immobile: foto d’insieme;
foto aeree speciali georeferenziate bird-eye; orto foto aeree georeferenziate; fogli di
mappa catastali; cosiddetti “elaborati catastali” ovvero planimetrie; piante di
accatastamento; piante e prospetti di progetto; visure catastali; atti giuridici di passaggio
di proprietà; contratti di affitto; eventuali nuovi rilevamenti dello stato di fatto; quanto
altro.
Tale “strumento innovativo” contribuisce a ridurre lo scarto oggi esistente in Italia tra
inventari e realtà immobiliare.
“Il trasferimento delle funzioni catastali dall’Agenzia al catasto dei Comuni
riguarda tecnicamente la documentazione dei registri immobiliari, ossia
l’inventario degli immobili. Tuttavia l’attuale inventario non riflette pienamente
ed esattamente la realtà immobiliare”. (Jodice, Roscelli, Simonotti, 2007)
Di seguito è riportato un saggio di rilevamento tridimensionale di immobili urbani con
aggiornamento dello stato di fatto, specificazione in tridimensionale della proprietà,
indicazione visibile dei numeri di Subalterni Catastali corrispondenti alle diverse unità
immobiliari.
Lo stesso GIS immobiliare facilita, rappresenta e visualizza una dettagliata analisi del
Livello di Conservazione, dati utili sia per programmi futuri di riqualificazione e
recupero, sia per attuali stime immobiliari, sia per esprimere fondatamente la relativa
variabile esplicativa complessa nei modelli analitici immobiliari.
Figura 7 Real Estate GIS. Reggio Calabria. Area universitaria. Quartiere Latino. GIS
per l’adeguamento dell’inventario catastale alla realtà immobiliare. Esemplificazione di
fruibilità della documentazione: Subalterni Catastali 3D a colori di un intero isolato
Figura 8 Real Estate GIS. Reggio Calabria. Area universitaria. Quartiere Latino.
Esemplificazione di fruibilità della documentazione: Subalterni Catastali 3D a colori di
un intero isolato. Zoom su una Particella Catastale
Figura 9 Real Estate GIS. Reggio Calabria. Area universitaria. Quartiere Latino.
Esemplificazione di fruibilità della documentazione: sovrapposizione tra Subalterni
Catastali e rilevamento in 3D del Livello di Conservazione
9. CONCLUSIONI
I due obiettivi della ricerca sono stati rispettivamente: l’ampliamento di una
osservazione immobiliare su un intero centro urbano e la sua preliminare segmentazione
in un sub-mercato relativo al quartiere dove sono stati localizzati gli insediamenti
universitari; la verifica diagrammatica di eventuali impatti (positivi o negativi) della
localizzazione universitaria sul mercato immobiliare del quartiere e sui prezzi di
compravendita di unità residenziali.
La preliminare indagine di mercato ha permesso di costruire la base di una possibile
antologia di osservazioni sulle compravendite immobiliari in tutte le zone
dell’insediamento urbano, includendo l’elicitazione confidenziale di dati riservati come
i prezzi effettivamente praticati nelle reali compravendite.
Un generale algoritmo o modello analitico immobiliare è stato applicato alle varie tappe
di ampliamento dell’osservazione del mercato che è stata così resa pluriennale e
tendenzialmente sistematica. Le performances hanno validato il modello analitico
sotteso all’osservazione, evidenziando la significatività delle più importanti variabili
esplicative. Particolare rilevanza assume la variabile Livello di Conservazione che è
sinonimo di buono stato del bene stabile, esprime l’importante realtà della “immediata
abitabilità dell’alloggio”, è correlata con l’epoca di recente costruzione o restauro.
L’ampliamento dell’osservazione a scala di intera e città la validazione sostanzialeestimativa ed econometrica dei dati hanno rappresentato il conseguimento del primo
obiettivo della ricerca.
I dati validati analiticamente sono stati ulteriormente sottoposti ad analisi
diagrammatica, che ha evidenziato forti specificità di transazioni di immobili localizzati
in area universitaria nonché con ottimo Livello di Conservazione classificato con il rank
1 (su un range regressivo di 4) nel data set del modello regressivo. I prezzi di tali
compravendite hanno avuto un forte incremento maggiore di quello verificatosi
nell’intero mercato della città. Il risultato dell’analisi diagrammatica ha dimostrato
l’impatto positivo sul mercato immobiliare dell’investimento in strutture universitarie.
Tale dimostrazione ha rappresentato il conseguimento del secondo obiettivo della
ricerca.
L’ulteriore verifica dei risultati ottenuti è stata svolta attraverso l’inserimento di tutte le
osservazioni in un dedicato Real Estate GIS con l’evidenza visuale dell’estrusione dei
singoli prezzi immobiliari posti in corrispondenza degli alloggi compravenduti. Con la
georeferenziazione di tutti gli elementi dello studio immobiliare sono state svolte alcune
semplici geo-analisi, mediante l’inserimento di nuovi dati di transazioni recenti, e con
l’aggiornamento del baricentro dei prezzi in base a tali nuovi inputs . La percentuale di
cambiamento, comparata tra le zone, visualizza e colloca geograficamente le diverse
variazioni nelle aree della città. Questa sintetica e leggibile geo-analisi ha provato
ulteriormente il rilevante impatto della localizzazione universitaria sul circostante
mercato immobiliare, manifestata da un deciso aumento del baricentro dei prezzi,
maggiore nelle aree contermini all’università rispetto a quello verificatosi per il mercato
dell’intera città.
Si conclude che, con le diverse analisi svolte tra cui le geo-analisi spaziali
tridimensionali, risulta che la localizzazione universitaria ha un’influenza notevole e
potrebbe essere una delle cause del documentato e rilevabile rialzo dei prezzi effettivi
delle compravendite osservate nel mercato immobiliare circostante l’università,
accentuato rispetto agli andamenti misurati nel mercato dell’intera città.
Bibliografia
Breil M., Dallavalle M., Gipponi C., Rosato P. (2005) La valutazione del miglioramento
urbano a Venezia: un approccio edonico-gerarchico spazialmente distribuito.
Real Estate Summer School, Scilla (Rc). Mimeo
Curto R. (2005) Microzone comunali e segmentazione del mercato immobiliare: il caso
della Città di Torino. Torino. Mimeo
Deddis W. (2002) Development of a Geographic Information system for Mass
Appraisal of Residential Property. Rics, The Royal Institution of Chartered
Surveyors, London. Mimeo
Jodice M., Roscelli R., Simonotti M. (2007) Il Catasto dei Comuni, Estimo e Territorio,
7-8, 9-14
Massimo D. E. (2007) Qualità dei dati e prospettive di spazializzazione nello studio dei
mercati immobiliari, in Curto R., Stellin G. (eds) Estimo e Valutazione.
Metodologia e Casi di Studio, Atti del Primo Incontro della Società Italiana di
Estimo e Valutazione, SIEV, Venezia, Dei, Roma, 227-238
Massimo D. E., Barbalace A., Castagnella A. R. (2007) Stima immobiliare a larga scala
con il supporto di un sistema generale di informazione, in Atti della Undicesima
Conferenza Nazionale ASITA, Federazione delle Associazioni Scientifiche per le
Informazioni Territoriali ed Ambientali, Torino (In corso di stampa)
Massimo D. E., Castagnella A. R. (2006) Analisi dei mercati immobiliari della Calabria.
Applicazioni di parsimonious models a Reggio Calabria, in Oppio A., Tartaglia A.
(eds) Governo del territorio e strategia di valorizzazione dei beni culturali, Clup,
Milano, 67-93
Mattia S. (2007) Perequazione urbanistica e mappe di isovalore dei suoli. In: Curto R.,
Stellin G. (eds) Estimo e Valutazione. Metodologia e Casi di Studio. Atti del
Primo Incontro della Società Italiana di Estimo e Valutazione, SIEV. Venezia,
16.11.2005. Dei, Roma: pp. 221-225
Mollica E., Massimo D. E. (2000) Valori immobiliari, finanza locale, perequazione
fiscale, in Atti della XII Riunione Scientifica della Società Italiana di Economia
Pubblica, SIEP, Politica fiscale, flessibilità dei mercati e crescita, Università degli
Studi di Pavia, Dipartimento di Economia Pubblica, Pavia, CD-Rom
Mollica E., Massimo D. E. (2002) Analisi dei mercati immobiliari della Calabria,
Applicazioni di parsimonious models a Reggio Calabria e Lamezia Terme, in
Roscelli R. (ed) Mercato immobiliare, innovazione e gestione dei catasti urbani,
Ce.S.E.T., Firenze, Quaderno 8, volume II, 472-529
Roscelli R. (2002) Presentazione, in Roscelli R. (ed) Mercato immobiliare, innovazione
e gestione dei catasti urbani, Ce.S.E.T., Firenze, Quaderno 8, volume I, 1-5
Simonotti M. (1997) La stima immobiliare, Città Studi, Utet, Torino
Simonotti M. (2005) Manuale delle stime immobiliari, Geoval, Roma
Simonotti M. (2007a) Le stime immobiliari nella pratica valutativa italiana. In: Curto
R., Stellin G. (eds) Estimo e Valutazione. Metodologia e Casi di Studio. Atti del
Primo Incontro della Società Italiana di Estimo e Valutazione, SIEV. Venezia,
16.11.2005. Dei, Roma: pp. 17-28
Simonotti M. (2007b) Il valore normale inciampa nel gioco dei coefficienti, Il Sole 24
Ore, 03.09.2007
Triplett J. E. (1986) The Economic Interpretation of Hedonic Methods, Survey of
Current Business, January, 36-40
ABSTRACT
Research develops a previous non-spatial Case Study of real estate market analysis into
a georeferenced real estate observatory, thanks to: implementation of spatial Data Base
of housing transactions including both economic and physical-spatial data; build-up of a
Geographic Information System integrated by links with appraisal and economic
evaluation tools.
The integrated system makes real estate data changing from mere fiscal elements into
information useful to various goals: understanding of urban and territorial
phenomenons; conservation and treasuring of architectural and urban values; city and
environmental management; urban planning and governance.
Spatial market analysis eases the use of real estate data as proxy of urban quality, of
environmental characteristics, of territorial economics. It also improves georeferenced
analyses and valuations (at sub-urban level) of effects-impacts-externalities of
interventions such as investments concerning build-up of infrastructures and
administrative centers and facilities.
Case Study is focused on a specific area of Reggio Calabria municipality and aims to
detect the possible correlation between real estate value changes and build up of a new
university through the proxy of real estate prices and considering the new university
facility as a case of urban renewal.
In that area a large number of real estate transactions have been detected, localized,
verified and documented. The diagrammatic analysis shows the first impacts of
university facility location on housing market prices. Remarkable is the real price
increase of the effective transactions.
These data can be read with caution as the epiphany and show-up of the effects and
impacts on housing prices arisen by location of university new facilities on the
surroundings.