1. POLITECNICO DI TORINO
Corso di Laurea in SCIENZE DELL'ARCHITETTURA
Luglio 2013
Candidata: Angeliki-Maria Toli
Relatrici: Marta-Carla Bottero
Marina Bravi
Tuesday, December 22, 15
2. POLITECNICO DI TORINO
Corso di Laurea in SCIENZE DELL'ARCHITETTURA
Luglio 2013
Il contributo della certificazione energetica al valore di mercato:
Analisi e riflessioni a partire dal caso torinese.
Candidata: Angeliki-Maria Toli
Relatrici: Marta-Carla Bottero
Marina Bravi
Tuesday, December 22, 15
3. LA CLASSE
ENERGETICA
1.
La classe energetica viene determinata
attraverso la certificazione energetica.
La certificazione energetica attesta la
prestazione o rendimento energetico di un
edificio, cioè il fabbisogno annuo di
energia necessaria per soddisfare i servizi
di climatizzazione invernale ed estiva,
riscaldamento dell’acqua per uso
domestico, ventilazione e illuminazione
secondo utilizzi standard.
Tuesday, December 22, 15
4. LA CLASSE
ENERGETICA
1.
La classe energetica viene determinata
attraverso la certificazione energetica.
La certificazione energetica attesta la
prestazione o rendimento energetico di un
edificio, cioè il fabbisogno annuo di
energia necessaria per soddisfare i servizi
di climatizzazione invernale ed estiva,
riscaldamento dell’acqua per uso
domestico, ventilazione e illuminazione
secondo utilizzi standard.
VALIDITA’:
validità temporale massima di dieci anni.
STRUMENTO DI CONTROLLO:
Agenzia regionale per la protezione
ambientale (A.R.P.A.).
SOFTWARE DI CONTROLLO:
Attraverso l’impiego di due software,
“Edilclima – Prestazione energetica
preliminare” e “Class online” messi a
disposizione da “Casa Kyoto”.
Tuesday, December 22, 15
5. LA CLASSE
ENERGETICA
1.
E’ stata introdotta dalla Direttiva
Comunitaria 2002/91/CE sul rendimento
energetico nell’edilizia come strumento
di informazione e trasparenza del
mercato immobiliare, con l’obiettivo di
orientare:
costruttori, proprietari e inquilini a
prediligere edifici caratterizzati da
standard elevati di efficienza energetica,
in vista dei connessi vantaggi economici
e ambientali.
Quadro Legislativo, G. Mutani, 2012
Tuesday, December 22, 15
6. 1.
Sistema informativo per la Certificazione
Energetica degli Edifici (SICEE).
Oggi le certificazioni prodotte e caricate
nel sistema informativo sono oltre 210.000
e i certificatori accreditati nell’elenco oltre
6.800.
Il volume degli immobili censiti con
destinazione d’uso residenziale assomma
a circa 94 milioni di metri cubi, circa il 15%
della volumetria esistente.
CASO
PIEMONTESE
infografica di sintesi che spiega il rapporto tra classe
energetica e anno di costruzione, Regione Piemonte.
Tuesday, December 22, 15
7. 1. CASO
PIEMONTESE
dal 1901 al 1920 dal 1921 al 1945 dal 1946 al 1960 dal 1961 al 1975 dal 1976 al 1990 dal 1991 al 2005
infografica del rapporto tra
classe energetica e anno di
costruzione. Regione Piemonte
Tuesday, December 22, 15
8. IMPOSTANDO
LA STIMA
1. per definire il significato della classe energetica nel mercato immobiliare, occore fare
riferimento al valore di mercato degli immobili appartenenti a questa ricerca.
2. In questa ricerca sono utilizzate procedure di stima di tipo diretto rispettando il
“Principio di Permanenza delle Condizioni”:
Ogni operazione economica si svolge “in base alle condizioni note nel momento zero ed
in base a quanto si può e si sa prevedere circa l’evoluzione della situazione a seguito
dell’azione delle forze di tipo permanente note nell’istante zero”.(2.2)
PREMESSE
2.
Tuesday, December 22, 15
9. 1. Una indagine effetuata sulla offerta
presente al mercato immobiliare.
attraverso:
COSTRUZIONE DEL
CAMPIONE
2. La definizione del segmento di
mercato di questo campione.
DESTINAZIONE D’USO:
TIPO DI CONTRATTO:
STATO:
TIPOLOGIA EDILIZIA:
Residenziale
Compravendita
Nuovo
Edificio Signorile
parte di essa dimostra che In città le
quotazioni immobiliari più economiche per
gli appartamenti sono relative alla zona
Falchera (1.300 €/m²), mentre raggiunge
le quotazioni più elevate la zona Gran
Madre (3.300 €/m²).
Tuesday, December 22, 15
10. 1. Una indagine effetuata sulla offerta
presente al mercato immobiliare.
attraverso:
COSTRUZIONE DEL
CAMPIONE
2. La definizione del segmento di
mercato di questo campione.
parte di essa demostra che In città le
quotazioni immobiliari più economiche per
gli appartamenti sono relative alla zona
Falchera (1.300 €/m²), mentre raggiunge
le quotazioni più elevate la zona Gran
Madre (3.300 €/m²).
elementi da definire:
A. Localizzazione;
B. Metratura.
Tuesday, December 22, 15
16. LE STIME
DETERMINAZIONE DELLE PROCEDURE UTILIZZATE
3.
PROCEDURE UTILIZZATE
A causa dell’evoluzione del mercato immobiliare, è richiesto l’utilizzo di stime che riescono
a valutare le diverse caratteristiche qualitative e quantitative del bene oggetto di stima e
quindi far ricorso alle stime pluriparametriche.
L’identificazione della stima più adatta è strettamente legata alla definizione dello “scopo”
dell’analisi.
Lo scopo è l’individuazione del contributo della certificazione energetica al valore di
mercato nel caso torinese.
Tuesday, December 22, 15
17. LE STIME
DETERMINAZIONE DELLE PROCEDURE UTILIZZATE
3.
PROCEDURE UTILIZZATE
Consentono di porre in relazione il valore di mercato di un bene (y) con le caratteristiche
tipiche del bene stesso (x1, x2, x3, ....,xn) e garantiscono accuratezza e obiettività delle
stime ottenute. Dalle procedure pluriparametriche viene utilizzata la Regressione Multipla.
L’identificazione della stima più adatta è strettamente legata alla definizione dello “scopo”
dell’analisi.
Lo scopo è l’individuazione del contributo della certificazione energetica al valore di
mercato nel caso torinese.
Tuesday, December 22, 15
18. PROCEDURA:
APPLICAZIONE:
Diretta
Per la stima di qualsiasi tipo di immobile (anche quelli dotati di
particolari valenze storico-architettoniche e ambientali) in qualsiasi
segmento di mercato;
Per la stima dei prezzi marginali delle caratteristiche immobiliari
qualitative;
Per l’analisi di scomposizione del valore totale e lo studio delle
interrelazioni tra le variabili.
LA REGRESSIONE
MULTIPLA
VANTAGGI: Elevata affidabilità previsionale grazie al rigore metodologico e alla
fondatezza concettuale (siccome i modelli di regressione sono basati
su relazioni del tipo causa-effetto);
La particolare predisposizione e l’elevata affidabilità nell’analizzare le
variabili qualitative.
La necessità di disporre di un numero cospicuo di dati.PUNTI DEBOLI:
Tuesday, December 22, 15
19. IL MODELLO Una relazione funzionale, che individua un iperpiano detto “piano di
regressione”:
LA REGRESSIONE
MULTIPLA
PIANO DI
REGRESSIONE
osservazione generica;
prezzo di compravendita del immobile j;
i-esima caratteristica immobiliare;
corrispondente prezzo marginale;
Il piano di regressione può essere rappresentato anche nella seguente
forma matriciale:
vettore dei prezzi delle unità del campione;
matrice dei dati;
vettore dei coefficienti;
vettore degli errori stocastici.
Tuesday, December 22, 15
21. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Il campione di ricerca iniziale compredeva soltanto 32 elementi, tutti
inclusi nelle microzone catastali:
31-San Paolo; 32-Pozzo Strada; 39-Spina 1-Marmolada ovvero le zone
Borgo San Paolo, Pozzo Strada, Cit Turin, Cenisia.
A causa dei requisiti della regressione, il campione doveva essere
allargato.
Sono stati aggiunti altri 21 immobili collocati nelle zone confinanti,
creando un campione di 53 elementi.
Viene introdotta la variabile “localizzazione”.
Tuesday, December 22, 15
24. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
1.metratura: calcolata facendo riferimento al metro quadro commerciale.
2.piano: attribuendo 0 al piano terra, 1 al primo piano ecc.;
3.finiture: rappresentato da una scala numerica partendo da 1 per
descrivere la qualità più bassa e 5 per la qualità massima;
4.classe energetica: è stata attribuita una scala numerica al posto della
scala alfabetica, dove 5 si riferisce alla classe A, 4 alla classe B, 3 alla
classe C, 2 alla classe D;
5.doppia esposizione: indicata dal numero 1 (presenza) o il numero 0
(assenza);
6.distanza da Porta Nuova: calcolata in minuti;
7.presenza della metropolitana: In caso affermativo si usa 1, mentre in
caso negativo si usa 0.
Tuesday, December 22, 15
25. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
attraverso l’utilizzo del programma IBM SPSS Statistics.
Si procedere con il calcolo forzando la regressione a passare
dall’origine del sistema cartesiano, siccome nelle prove la costante
risultava negativa, quindi non significativa.
Come conseguenza, da questo modello possono essere commentati
soltanto i risultati rilevanti in base alla significanza dei coefficenti.
Tuesday, December 22, 15
26. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Model R R Squareb Adjusted R Square
Std. Error of the
Estimate
1 ,997a 993 992 20309,4109271
Model 1 Sum of Squares df Mean Square F Sig.
Regression
Residual
Total
2654043986140,
686
8
331755498267,5
86
804,310 ,000c
18561247749,31
5
45 412472172,207
2672605233890,
001d
53
Model 1Model 1
Unstandardized CoefficientsUnstandardized Coefficients
Standardized
Coefficients t Sig.
B Std. Error Beta
t Sig.
MQ
PIANO
FINITURE
CLASSE_EN
DOPP.ESP
MIN.daP.N.
METRO
LOCALIZZAZIO
NE
2532,556 237,178 , 869 10,678 , 000
3189,612 1810,523 , 039 1,762 , 085
7067,117 2979,810 , 111 2,372 , 220
9015,655 2618,336 , 156 3,443 , 001
13020,984 7793,122 , 052 1,671 , 120
-1909,071 437,517 -, 229 -4,363 , 000
7442,176 6706,480 , 021 1,110 , 273
-1426,457 6479,980 -, 005 -, 220 , 827
Model Summary
ANOVA a,b
Coefficients a,b
Tuesday, December 22, 15
27. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Model R R Squareb Adjusted R Square
Std. Error of the
Estimate
1 ,997a 993 992 20309,4109271
Model 1 Sum of Squares df Mean Square F Sig.
Regression
Residual
Total
2654043986140,
686
8
331755498267,5
86
804,310 ,000c
18561247749,31
5
45 412472172,207
2672605233890,
001d
53
Model 1Model 1
Unstandardized CoefficientsUnstandardized Coefficients
Standardized
Coefficients t Sig.
B Std. Error Beta
t Sig.
MQ
PIANO
FINITURE
CLASSE_EN
DOPP.ESP
MIN.daP.N.
METRO
LOCALIZZAZIO
NE
2532,556 237,178 , 869 10,678 , 000
3189,612 1810,523 , 039 1,762 , 085
7067,117 2979,810 , 111 2,372 , 220
9015,655 2618,336 , 156 3,443 , 001
13020,984 7793,122 , 052 1,671 , 120
-1909,071 437,517 -, 229 -4,363 , 000
7442,176 6706,480 , 021 1,110 , 273
-1426,457 6479,980 -, 005 -, 220 , 827
Model Summary
ANOVA a,b
Coefficients a,b
Tuesday, December 22, 15
28. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
“Mentre le informazioni disponibili aumentano, le diverse
stime dovrebbero tendere verso il valore vero e avvicinarsi
il più possibile al valore espresso dal mercato ma che,
tuttavia, non può coincidere con esso. (prezzo di vendita
più probabile)”
M.Bravi and L.Rondoni, Tests of the Linear Models in a New System Approach
in Estimate Theory, Mathl. Comput. Modelling 30,1999.
Tuesday, December 22, 15
29. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Sono stati aggiunti, 27 nuovi elementi nel campione, situati nel
quartiere Aurora.
Partendo da un campione di 80 immobili viene eseguita la stessa
procedura di calcolo.
Tuesday, December 22, 15
30. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
1.metratura: calcolata facendo riferimento al metro quadro commerciale.
2.piano: attribuendo 0 al piano terra, 1 al primo piano ecc.;
3.finiture: rappresentato da una scala numerica partendo da 1 per
descrivere la qualità più bassa e 5 per la qualità massima;
4.classe energetica: è stata attribuita una scala numerica al posto della
scala alfabetica, dove 5 si riferisce alla classe A, 4 alla classe B, 3 alla
classe C, 2 alla classe D;
5.doppia esposizione: indicata dal numero 1 (presenza) o il numero 0
(assenza);
6.distanza da Porta Nuova: calcolata in minuti;
7.presenza della metropolitana: In caso affermativo si usa 1, mentre in
caso negativo si usa 0.
Tuesday, December 22, 15
32. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Model Summary
ANOVA a,b
Coefficients a,b
Model 1 R R Squareb Adjusted R Square
Std. Error of the
Estimate
,862a 744 734 26966,65402
Model 1 Sum of Squares df Mean Square F Sig.
Regression
Residual
Total
160366326875,684 3 53455442291,895 73,509 ,000b
55267232624,316 76 727200429,267
215633559500,000 79
Model 1Model 1
Unstandardized CoefficientsUnstandardized Coefficients
Standardized
Coefficients t Sig.
B Std. Error Beta
t Sig.
(Constant)
MQ
PIANO
CLASSE_EN
-48382,380 17447,393 -2,773 , 007
2616,997 221,846 713.00 11,796 , 000
3822,991 1791,871 127.00 2,134 , 036
13860,724 2608,401 318.00 5,314 , 000
Tuesday, December 22, 15
33. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Model Summary
ANOVA a,b
Coefficients a,b
Model 1 R R Squareb Adjusted R Square
Std. Error of the
Estimate
,862a 744 734 26966,65402
Model 1 Sum of Squares df Mean Square F Sig.
Regression
Residual
Total
160366326875,684 3 53455442291,895 73,509 ,000b
55267232624,316 76 727200429,267
215633559500,000 79
Model 1Model 1
Unstandardized CoefficientsUnstandardized Coefficients
Standardized
Coefficients t Sig.
B Std. Error Beta
t Sig.
(Constant)
MQ
PIANO
CLASSE_EN
-48382,380 17447,393 -2,773 , 007
2616,997 221,846 713.00 11,796 , 000
3822,991 1791,871 127.00 2,134 , 036
13860,724 2608,401 318.00 5,314 , 000
Tuesday, December 22, 15
34. CONCLUSIONI
LA REGRESSIONE
MULTIPLA
CLASSE
ENERGETICA
PREZZOPREZZOPREZZOPREZZO
Mean Minimum Maximum
Standard
Deviation
1
2
3
4
5
157000,00 126500,00 185000,00 25241,34
167850,00 135000,00 215000,00 27580,24
190310,53 128400,00 300000,00 49264,34
229479,17 137000,00 325000,00 55758,11
225222,73 150000,00 290000,00 42816,84
CLASSE
ENERGETICA
PREZZO_UNITARIOPREZZO_UNITARIOPREZZO_UNITARIOPREZZO_UNITARIO
Mean Minimum Maximum
Standard
Deviation
1
2
3
4
5
2491,69 2108,33 2846,15 270,16
2440,70 2133,33 2687,50 175,28
2517,97 2136,47 3333,33 333,86
2828,13 2042,25 3333,33 362,79
3079,37 2373,49 3961,54 458,26
Relazione tra classe e prezzo unitario.
Relazione tra classe energetica e prezzo.
Tuesday, December 22, 15
35. CONCLUSIONI
LA REGRESSIONE
MULTIPLA
Relazione tra localizzazione e classe.
LOCALIZZA-
ZIONE
PREZZOPREZZOPREZZOPREZZO
Mean Minimum Maximum
Standard
Deviation
0
1
2
220500,00 139000,00 302000,00 46753,74
218242,86 126500,00 300000,00 52365,29
182751,85 128400,00 325000,00 48700,49
Tuesday, December 22, 15
36. “l’affidabilità può essere raggiunta se sono soddisfatte due condizioni:
1.l’unità oggetto di indagine (soggetto) viene confrontata con le altre unità
aventi analoghe caratteristiche; 2. le caratteristiche rilevanti che
determinano i prezzi di vendita di tali unità sono state identificate.”
INCERTEZZE SULLA
AFFIDABILITA’
M.Bravi and L.Rondoni, Tests of the Linear Models in a New System Approach in Estimate Theory, Mathl.
Comput. Modelling 30,1999
Le altre incertezze relative il caso in esame riguardano il numero ridotto di immobili che
costituiscono il campione.
La verifica della analisi via regressione può essere proseguita attraverso l’uso di un
diverso tipo di stima. In questo caso viene scelto il Sistema Generale di Stima (S.G.S.).
Tuesday, December 22, 15
37. S.G.S.
PROCEDURA:
APPLICAZIONE:
Diretta
La S.G.S. è la stima dei prezzi e dei redditi marginali delle
caratteristiche immobiliari, un procedimento di tipo diretto, composto
da quattro fasi.
1.indagine campionaria;
2.la definizione del campione estimativo e delle caratteristiche
immobiliari;
3.la definizione della funzione di comparazione per ciascun immobile
4.la risoluzione del sistema costituito dalle funzioni di comparazione di
ogni immobile (determinazione dei prezzi marginali e del valore di
stima).
VANTAGGI: Analiza le variabili qualitative: panorama, affacci, inquinamento, stato
di manutenzione, qualità storico-architettonica ed ambientale,
stima i relativi prezzi marginali e la possibilità di pervenire ad un
risultato di stima anche in presenza di un numero ridotto di dati.
Tuesday, December 22, 15
38. IL MODELLO La generica funzione di comparazione è la espressione delle diverse
modalità di presentazione dei caratteri comuni per le diverse unità
costituenti il campione.
SISTEMA
DI EQUAZIONI
S.G.S.
Del Giudice V., Dispense del Corso di Economia ed Estimo Civile,2011.
Tuesday, December 22, 15
41. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
1.metratura: calcolata facendo riferimento al metro quadro commerciale.
2.piano: attribuendo 0 al piano terra, 1 al primo piano ecc.;
3.finiture: rappresentato da una scala numerica partendo da 1 per
descrivere la qualità più bassa e 5 per la qualità massima;
4.classe energetica: è stata attribuita una scala numerica al posto della
scala alfabetica, dove 5 si riferisce alla classe A, 4 alla classe B, 3 alla
classe C, 2 alla classe D;
5.doppia esposizione: indicata dal numero 1 (presenza) o il numero 0
(assenza);
6.distanza da Porta Nuova: calcolata in minuti;
7.presenza della metropolitana: In caso affermativo si usa 1, mentre in
caso negativo si usa 0.
Tuesday, December 22, 15
42. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Per mantenere l’affidabilità più elevata possibile vengono effectuate 26
procedure di calcolo.
La stima viene calcolata tramite il software Excel e I risultati vengono
analizzati usando il software SPSS ed il software Numbers.
Tuesday, December 22, 15
44. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Analisi dati di tutte le S.G.S.(software SPSS).
CLASSE
ENERGETICA
Untitled 2
Untitled 3
Untitled 4
Untitled 5
Untitled 7
Untitled 8
Untitled 9
Untitled 10
Untitled 12
Untitled 13
14
Untitled 15
Untitled 17
Untitled 18
Untitled 19
Untitled 20
Untitled 22
Untitled 23
24
Untitled 25
187.89
271.47
114.35
145.09
114.35
108.31
1224.89
231.05
-175.87
-870.16
31.13
4.46
161.34
-1167.03
30.25
-372.87
149.32
262.17
15.72
-128.39
260.41
217.7
87.78
1246.55
764.97
-1500
-1125
-750
-375
0
375
750
1125
1500
CLASSE ENERGETICA
Mean Minimum Maximum Standard Deviation
CLASSE ENER 133,7067 -1167,0260 1246,5544 500,3549
Andamento dei valori relativi alla classe energetica. (software: Numbers)
Tuesday, December 22, 15
45. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Analisi dati di 24 delle S.G.S. (software SPSS).
Andamento dei valori relativi alla classe energetica. (software: Numbers)
Mean Minimum Maximum Standard Deviation
CLASSE ENER 141,5353 -870,1557 1224,8855 380,3357
CLASSE
ENERGETICA
Untitled 2
Untitled 3
Untitled 4
Untitled 5
Untitled 7
Untitled 8
Untitled 9
Untitled 10
Untitled 12
Untitled 13
Untitled 15
Untitled 17
Untitled 18
Untitled 19
Untitled 20
Untitled 22
Untitled 23
Untitled 25
187.89
271.47
114.35
145.09
114.35
108.31
1224.89
231.05
-175.87
-870.16
31.13
4.46
161.34
30.25
-372.87
149.32
262.17
15.72
-128.39
260.41
217.7
87.78
764.97
561.49
-1125
-750
-375
0
375
750
1125
1500
Untitled 4 Untitled 10 Untitled 17 Untitled 23
CLASSE ENERGETICA
Tuesday, December 22, 15
46. CAMPIONE
VARIABILI
CALCOLO
RISULTATI
Mean Minimum Maximum Standard Deviation
CLASSE ENER 141,5353 -870,1557 1224,8855 380,3357
La distribuzione normale (gaussiana) corrispondente alla classe energetica
(software: SPSS).
!
Analisi dati di 24 delle S.G.S. (software SPSS).
Tuesday, December 22, 15
47. CONCLUSIONI
Relazione tra il prezzo unitario stimato e il prezzo unitario presente al mercato.
S.G.S.
IMMOBILE
PREZZO_UNITARIOPREZZO_UNITARIO
S.G.S. MERCATO
4
11
29
37
39
45
66
4407,6901 3376,4705
2605,4429 2531,25
2512,6276 2527,2727
3268,5454 3243,0555
2388,8046 2555,5555
2756,1070 3106,0606
3761,5957 3103,4483
È’ interessante confrontare i prezzi unitari corrispondenti agli immobili
oggetto della stima S.G.S. con i prezzi unitari presenti nel mercato
immobiliare.
Tuesday, December 22, 15
48. CONCLUSIONI
“La scienza non fa veri progressi se non quando una verità nuova trova un
ambiente pronto ad accoglierla.”
Pëtr Kropotkin, Memorie di un rivoluzionario, 1899.
Tuesday, December 22, 15