Das Vergleichswertverfahren hat sich als marktnächstes Verfahren als sehr praktikabel in der Immobilienbewertung etabliert. Allerdings bedarf es, wie alle statistischen Methoden, einer geeigneten Stichprobengröße: normalerweise werden 15 Kauffälle pro unabhängige Variable in einer Regressionsanalyse benötigt. In Gebieten mit wenigen Kauffällen stehen den Sachverständigen oft nur sehr wenige Kauffälle zur Verfügung (z.B. 10 bis 30 Kauffälle/Teilmarkt). Er oder sie schätzt den Wert durch seine oder ihre Erfahrung unter Berücksichtigung dieser wenigen Information ab. In diesem Fall wird die klassische statistische
Auswertung nur unzuverlässige Ergebnisse liefern oder nicht möglich sein.
Das Ziel dieser Untersuchung ist es, einen Ansatz zu präsentieren, der eine zuverlässige Auswertung auch in Lagen mit wenigen Kauffällen ermöglicht. Hierzu wird ein robuster Bayesischer Ansatz eingeführt. Damit ist es möglich, Expertenwissen in datengestützte Modelle – wie die multiple lineare Regressionsanalyse – zu integrieren, die auf einer kleinen Stichprobe (kaufpreisarme Lage) gründen. Der Fokus liegt dabei auf Ein- und Zweifamilienhäusern. Um kaufpreisarme Lagen zu simulieren, werden die Daten systematisch reduziert, wie z.B. in Teilstichproben in den Rändern oder in der Mitte der Daten. Basierend auf dem Bayesischen Ansatz werden Daten und Expertenwissen in einem umfassenden Modell verarbeitet.
Dieses Modell verwendet die unabhängige Student-t-Verteilung im linearen Modell, sodass es auch
in Fällen funktioniert, in denen signifikante Abweichungen von den optimalen Annahmen auftreten. Die Lösung des funktionalen Zusammenhangs erfolgt mithilfe der Markov-Chain-Monte-Carlo-Methode.