Wpływ stacji bazowych telefonii komórkowej na ceny nieruchomości

05.09.2022

Rozmieszczenie stacji bazowych telefonii komórkowej (BTS) w obrębie terenów mieszkalnych budzi wiele kontrowersji. Czy ich obecność ma rzeczywisty wpływ na rynek mieszkaniowy i jego ceny?

 

Zrealizowane w tym roku badanie empiryczne „Stacje BTS a ceny nieruchomości”, przeprowadzone przez zespół Uniwersytetu Ekonomicznego w Krakowie pod kierownictwem prof. UEK dr. hab. Bartłomieja Marony (w zespole projektowym znaleźli się także: prof. UEK dr hab. Michał Głuszak, dr Radosław Gaca), miało na celu zbadanie, jaki wpływ na ceny nieruchomości ma sąsiedztwo infrastruktury telekomunikacyjnej.

Teren badań: Miasteczko Wilanów

Projekt został zrealizowany w 2022 r. w warszawskiej dzielnicy Wilanów. Na obszar badań wybrano Miasteczko Wilanów, które jest jednym z największych kompleksowych projektów mieszkaniowych zrealizowanych w Europie. Aktualnie na jego terenie znajduje się ok. 12 500 mieszkań, aczkolwiek nadal dynamicznie się rozwija m.in. za sprawą własnego zaplecza edukacyjnego i usługowego. Szkoły, sklepy oraz prywatna ochrona zdrowia zajmują łącznie ponad 450 lokali usługowych. Całość dopełniają obszary zielone – zarówno ogólnodostępne, jak i prywatne oraz sieć ulic zapewniająca dobrą komunikację z resztą miasta.

 

wpływ stacji bazowych na ceny nieruchomości

Rys. Rozkład przestrzenny transakcji w relacji do BTS w okresie badania (źródło: B. Marona, M. Głuszak, R. Gaca
Stacje BTS a ceny nieruchomości. Badania empiryczne, Uniwersytet Ekonomiczny w Krakowie, 2022)

Infrastruktura telefonii komórkowej

Obecnie na terenie Miasteczka Wilanów i obszarach sąsiadujących postawiono 25 stacji BTS obsługiwanych przez takie firmy jak Orange, Play, Plus i T-Mobile. Każda obsługuje różne częstotliwości, z czego 15 z nich udostępnia technologię 5G (częstotliwość 2100 MHz). Jedynie nieliczne ze stacji są zainstalowane na budynkach mieszkalnych – pozostałe rozlokowano na obiektach użyteczności publicznej czy budynkach kultu religijnego. Ze względu na rodzaj zabudowy większość urządzeń jest niewidoczna z perspektywy pieszego lub pojazdu. Konstrukcję można dostrzec dopiero po oddaleniu się od budynku lub obserwacji z wyższych kondygnacji.

 

>>> Stacje bazowe telefonii komórkowej bez kwalifikacji środowiskowej

>>> Komórkowe stacje bazowe jako inwestycje na obiektach budowlanych

>>> Pozwolenie na budowę dla wolno stojącego, przenośnego masztu antenowego

>>> Przenośne, wolno stojące maszty antenowe. REALIZACJA

Rynek nieruchomości

W badanym obszarze odnotowano 1825 transakcji dotyczących nieruchomości mieszkalnych na rynku wtórnym w latach 2016–2020. Daje to rocznie od 266 do 443 transakcji. Ich rozkład przestrzenny przedstawiony jest na mapie (rys.). W latach 2016–2019 transakcje nieruchomościowe wynosiły od 1,7 do 3,5% całego zasobu mieszkań, końcowo stabilizując się na poziomie 3% w 2020 r. Warto podkreślić, że w badanym okresie ceny utrzymywały niemalże stałą tendencję wzrostową, z niewielkim przyspieszeniem w latach 2019–2020, które wynosiło 10,44% w porównaniu z przedziałem 8,64–9,22% w poprzednich latach.

Jak zmierzyć wpływ BTS na ceny mieszkań?

Jak wnioskują w swoim raporcie prof. prof. Marona i Głuszak oraz dr Gaca: „Początkowe porównanie poziomów cen transakcji nieruchomości położonych w odległości do 200 m od najbliższej stacji bazowej ze średnimi cenami dla poszczególnych ulic, nie wykazało żadnych prawidłowości”. Zatem ceny jednostkowe dla takich nieruchomości były w części przypadków wyższe od średniej danej ulicy, a w części przypadków – niższe.

Aby dokładniej zmierzyć wpływ stacji bazowych na ceny mieszkań, wykorzystano ekonometryczny model hedoniczny w postaci loginiowej. W tym modelu zmienną zależną jest cena nieruchomości, natomiast zmiennymi niezależnymi są różne czynniki występujące w jej otoczeniu, a także cechy nieruchomości związane z jej lokalizacją i strukturą. Model jest wytłumaczony za pomocą poniższego równania:

lnP = βo + βi Xi + γBTS + ε

gdzie:

lnP – logarytm naturalny ceny nieruchomości (zmienna zależna);

Xi – zmienna niezależna (atrybuty nieruchomości: lokalizacyjne, strukturalne oraz powiązane z jej otoczeniem);

BTS – zmienna opisująca wpływ bliskości stacji bazowej telefonii komórkowej na ceny nieruchomości;

βo – stała, często nie ma interpretacji ekonomicznej;

βi – parametry modelu wyrażające kierunek i siłę oddziaływania atrybutów nieruchomości na cenę;

γ – parametr wyrażający kierunek i siłę oddziaływania bliskości stacji bazowej telefonii komórkowej na ceny nieruchomości;

ε – składnik losowy modelu (nieuwzględnione zmienne, przypadkowość zachowań podmiotów itd.).

 

Ten typ równania został obliczony dla dwóch wariantów zmiennej zależnej logarytmu naturalnego dla cen jednostkowych w zł/m2 oraz logarytmu naturalnego z cen całkowitych w zł. Ponadto wprowadzono trzy sposoby uwzględniania dystansu nieruchomości od BTS. Były to następujące zmienne: dychotomiczna jakościowa przyjmująca wartość 1 w przypadku bliskiego sąsiedztwa BTS (do 200 m) i 0 w przypadku większej odległości, zbiór dychotomicznych zmiennych jakościowych przyjmujących wartość 1 dla określonych przedziałów odległości co 50 m oraz ilorazowa zmienna ilościowa, której wartość to obiektywna odległość w linii prostej od stacji bazowej. Przyjęto również dwie dodatkowe zmienne dla BTS, które przedstawiały liczbę tych stacji w zasięgu 200 m i liczbę stacji 5G w zasięgu 200 m. Ponadto zmierzono następujące zmienne objaśniające: powierzchnia lokalu, położenie na kondygnacji, data transakcji, hałas drogowy, najbliższa szkoła i najbliższy przystanek komunikacji autobusowej.

Wpływ stacji bazowych na ceny nieruchomości. Wnioski z badań

W ramach badań przeprowadzono obliczenia dla 6 modeli w 2 grupach, poprzez przyjęcie 2 postaci zmiennej zależnej i  modelowanie zmiennej BTS w 3 wariantach. Co najważniejsze, modele nie wykazały istotnego wpływu bliskości stacji bazowych telefonii komórkowej na ceny transakcyjne nieruchomości mieszkaniowych. Ewentualny zaobserwowany wzrost cen w pobliżu stacji BTS może być interpretowany jedynie jako skutek braku możliwości kontrolowania innych zmiennych (takich jak bardziej atrakcyjna lokalizacja nieruchomości) lub jako efekt przypadkowości transakcji rynkowych.

 

Jedynie część czynników wykazała istotny wpływ na zmiany cen nieruchomości. Były to powierzchnia użytkowa, położenie na kondygnacji, odległość od najbliższej szkoły i odległość od najbliższego przystanku komunikacji publicznej. Modele miały wysokie dopasowanie do danych empirycznych, co przedstawiał współczynnik R2 (będący procentem wariancji zmiennej zależnej, który jest objaśniony przez zmienną niezależną). Wynosił on od 0,44 dla modeli z ceną jednostkową jako zmienną zależną do 0,86 dla modeli z ceną całkowitą jako zmienną zależną. Pozostała niewyjaśniona wariancja jest pochodną przypadkowości w transakcjach rynkowych, która nie może być uwzględniona przez żaden model ekonometryczny.

 

Wszystkie modele wskazywały na wzrost cen w kolejnych latach, wynoszący od 8,64 do 9,02%. Ponadto wykazano, że dla większości zmiennych uzyskano intuicyjne (logiczne) znaki. Przykładowo dla zmiennej powierzchni użytkowej modele cen jednostkowych mają znaki ujemne, a modele cen całkowitych – dodatnie. Oznacza to, że dla modelu cen jednostkowych uzyskiwane wartości cen za 1 m2 będą się zmniejszać wraz z większą powierzchnią nieruchomości. Odwrotna sytuacja nastąpi w przypadku cen całkowitych, gdzie ceny nieruchomości będą rosły wraz ze wzrostem powierzchni. Co więcej, ceny wzrastały wraz z lepszym położeniem na kondygnacji i zmniejszały się z większą odległością od najbliższej szkoły. Zdaniem badaczy „powyższe wyniki były spójne dla niemal wszystkich modeli, co wskazuje na stabilny wpływ uwzględnionych zmiennych i jest zgodne z utrwaloną wiedzą w zakresie oddziaływania danych czynników na ceny nieruchomości”.

 

Przedstawione badanie okazało się pionierskie w polskojęzycznej literaturze ekonomicznej, w której do tej pory brakowało empirycznego sprawdzenia wpływu stacji bazowych telefonii komórkowej na ceny nieruchomości. Jego wyniki są zgodne z zagranicznymi publikacjami z ostatnich lat wskazującymi na brak istotnego wpływu lub – jak podkreślają autorzy raportu – co najwyżej znikomy wpływ stacji bazowych na ceny nieruchomości.

 

dr hab. Bartłomiej Marona
prof. Uniwersytetu Ekonomicznego
w Krakowie
dr hab. Michał Głuszak
prof. Uniwersytetu Ekonomicznego
w Krakowie

 

www.facebook.com

www.piib.org.pl

www.kreatorbudownictwaroku.pl

www.izbudujemy.pl

Kanał na YouTube

Profil linked.in