不動産投資を検討していく中で最も考えなければいけないことの一つは、「この物件はいい物件なのだろうか」という点だと思います。それを判断するためには数多くの視点が必要であり、だからこそ不動産投資の世界は奥深いものであると言えるかもしれません。

ただ、その要素の中にも、比較しやすいものとしづらいものが入り混じっているのは確かです。例えば、築年数であれば、どちらが新しいのかは明確ですし、どちらの方が専有面積が広いのかということもすぐに分かります。また、駅から何分で着くのか、という点だって、ネットで調べればすぐに分かることです。

一方で、どうしても分かりにくい構成要素の一つに、「家賃相場」があります。そもそもなぜ家賃相場を見る必要があるかというと、購入した物件が将来にわたって同程度の収益力を維持できるか、という指標になるからです。

例えば、ある物件の周辺の家賃相場が５万円であるなか、その物件には８万円の家賃がついていたとします。この場合、買い手は今後も８万円の家賃で貸し出せるという前提で物件を購入する訳ですが、今の入居者が退去すれば、当然次は相場通りの５万円となるわけです。

そうなると、収益性は一気に下がります。もし買い手が周辺相場をしっかりと把握していれば、家賃下落のリスクを考慮して、もうすこし指値をするか、購入を控えていたことでしょう。

このように、不動産投資の世界では、現家賃が適正家賃相場通りか、というのは大変重要なファクターなのですが、一方でその判断材料は大変乏しいのが現状です。

もし今の投資家があるエリアの適正相場を見極めようとした場合、できることとしては賃貸募集サイトにある家賃相場表を見るしか手はありません。にもかかわらず、そういったサイトのほとんどが、「２０㎡～２５㎡、築１０年〜２０年、駅徒歩５分〜１０分で家賃７５,０００円～８５,０００円」といったアバウトな記載しかしていません。これでは当然、正確な投資分析などできるはずもありません。

そこで本記事では、Microsoft の Excelという誰もが利用できるソフトウェアを使って、物件ごとの適正家賃を導く方法について、皆さんにお伝えしたいと思います。

これがマスターできるようになれば、不動産会社のサイトなどに頼ることなく、ご自身で想定賃料を導き出せるようになり、強力な武器となることでしょう。

それではまず、想定家賃を導くための考え方について解説します。その考え方を理解したうえで、次は実際にExcelを使って同じように分析が出来るようになっていただく、というのが本記事の主旨です。

重回帰分析の利用

今回、想定家賃を導くために使うのが、「重回帰分析」です。重回帰分析は、統計的データを使った分析手法の一つであり、ある結果(目的変数)を説明するために、そこに関わる複数の変数が、それぞれ目的変数にどのくらいの影響を与えているのかを数値化することを言います。

重回帰分析の身近な例

例えば、ある会社の店舗ごとの一日ごとの売上が、広告費と、従業員数と、駅からの距離によって左右されていると仮定すると、重回帰分析を行うことによって、それぞれの要素がどの程度売上に影響するのかを明らかにすることが可能です。そして、その分析の結果は、重回帰式として表現することが出来るのです。

仮に全ての店舗のデータを集めた結果、以下のような回帰式が求められたとします。

売上(万円) ＝ 35 ✕ 広告費（万円）＋ 100,000 ✕ 従業員数（人）－ 300,000 ✕ 駅からの時間（分）

この式から分かることは、次の３点です。即ち、

1. 広告費を１万円使うと、売上が３５万円増える
2. 従業員が１人増えると、売上が１０万円増える
3. 駅からの距離が１分離れると、売上が３０万円ダウンする

以上の３つです。

このように、重回帰分析によって、各要素がどの程度目的変数に影響を及ぼすのかを明らかにすることが出来る、という点がお分かりいただけたのではないかと思います。

重回帰分析を不動産の家賃相場に応用する

ここまで、重回帰分析とは何か、ということについて、簡単に説明をしてきました。複雑な分析手法ではあるものの、具体例を見ることで、重回帰分析がどういったものなのか、ということを概ね理解出来たのではないでしょうか？

さてそれでは、ここからが本題になります。重回帰分析を使うことで、物件ごとの家賃相場を導くことが可能となります。

これまで、不動産業界では適正家賃の算出のために、様々な努力や開発が行われてきました。実際、Tech系の不動産業者の中には、ディープラーニング（深層学習）という手法を用いたＡＩ（人工知能）を使って適正家賃を算出しようとしている企業によるサービスもあるようです。

では一方で、ＡＩがどのようにして家賃相場を算出しているのか、という仕組みを知っている方がどれだけいらっしゃるでしょうか？おそらく、ほとんどの方がご存じないのではないでしょうか。つまりＡＩによる相場家賃の算出は、ある意味ではブラックボックス化していると言っても過言ではないのです。

ここで、重回帰分析の登場です。誰もが使えるツールであるExcelを使うことによって、誰でも簡単に、適正賃料を導き出すことが出来るようになるのです。「空室物件を購入する際の、相場賃料を知りたい」という方や「検討中の物件の家賃が高すぎないかをチェックしたい」という方にも、重回帰分析による適正賃料の導出が最もシンプルかつ分かりやすいアプローチではないかと考えています。

弊社では、東京２３区内全ての駅の賃貸成約事例を集めました。データ元は不動産業者のみがアクセスすることのできるReinsというサイトを参照しています。そしてReinsから、「家賃」「使用部分面積」「交通(駅からの時間)」そして「築年月」の４つの要素を取り出し、家賃を目的変数とした重回帰分析を行いました。

それではここから、実際にエクセルの操作方法をお伝えしながら、重回帰分析の結果を見て行きましょう。

エクセルの設定

まずはパソコンで、エクセルを開きます。開いたら、左上の「ファイル」ボタンを押しましょう。以下のような画面が出てくるはずです。

ここまでの設定で、回帰分析を行うための準備が整いました。
次に、分析するサンプルデータをダウンロードします。次のリンクを右クリックして「名前を付けてリンク先を保存」を選択しエクセルデータをダウンロードしてください。

• サンプルデータをダウンロード

データの使用について

当データは個人、法人を問わず無料でご利用いただけますが、当データはサンプルデータになりますので、データの有効性を保証するものではなく、データの使用に関するいかなる責任も負いかねます。

ここまで全てが完了すると、重回帰分析の結果が出力されます。

実際に家賃を算出する

今回、「三軒茶屋駅」「明大前駅」「四ツ谷駅」のワンルームマンションに絞って（～２６㎡）データを集め、約５００件の成約事例を分析しています。その結果が以下の通りです。

まず最初に、上から２番目の「重決定R２」の値、これがとても重要な指標です。この指標は、簡単に言うと「今回導いた回帰式の当てはまりの良さ」を示していて、０～１までの値を取り、１に近いほど式が実際のデータに当てはまっていると言えます。

そして重決定R２の値ですが、ざっくりと以下のように考えることができます。

• ０.０～０.２のとき　ほとんど相関関係がない
• ０.２～０.４のとき　やや相関関係がある
• ０.４～０.７のとき　かなり相関関係がある
• ０.７～０.０のとき　強い相関関係がある

学術的にどこまでが正しくてどこまでが正しくないのか、という基準は決まってないのですが、重決定R２が大体０.７以上あれば、回帰式が有意義であると言えそうです。

そして今回、明大前の回帰分析の重決定R２は０.８０３７０９ですので、家賃とそれぞれの独立変数には、強い相関関係があると言えるでしょう。

相関関係があることが判明した後は、実際に回帰式を読み取っていきましょう。「切片」「使用部分面積」「交通」「築年月」の部分です。

これらの右側に書いてある数字を使って、回帰式を作ることができます。

家賃（円）＝ 切片「－34625.1」＋ 使用部分面積（㎡）✕ 2360.634 － 交通（駅からの時間）✕ 599.584 ＋ 築年月 ✕ 1.779043

これが、明大前駅のワンルームの適正賃料の回帰式となっています。

実際に計算してみましょう

ここまで、Excelの重回帰分析機能を使って、明大前駅のワンルームの適正賃料の回帰式を導きました。そこで、具体的な例を使って計算してみましょう。想定物件は、明大前徒歩２分、使用部分面積２２㎡、築年月を２００５年１１月と定義してみます。

これらを、上記の回帰式にあてはめます。即ち、

家賃（円）＝ －34625.1 ＋ 22㎡ ✕ 2360.634 － 徒歩2分 ✕ 599.584 ＋ 築年月（2005年11月＊）✕ 1.779043

＊築年月の表示については、Excelのセル設定から、ユーザー定義で「yyyy/mm」として表示しています。そのため、Excel上の表示は２００５/１１となっていますが、数式に入る数値は「３８６５７」として計算されるため、注意してください。

上記の式を計算すると、家賃は約８４,８８２円となります。

これで、適正家賃の算出が完了しました。いかがだったでしょうか？少し複雑ではあるものの、仕組みを分かっていただけたかと思います。

重回帰分析の練習と、その効果を実感していただくために、明大前駅、三軒茶屋駅、四ツ谷駅の３駅分の成約事例データを公開します。是非、重回帰分析を行って回帰式を算出し、想定賃料と実際の募集物件との比較をしていただければと思います。

まとめ

本記事では、重回帰分析という統計的手法によって、投資用不動産の適正家賃を算出するための方法と、その意義を解説しました。

冒頭でも述べたように、近年AI（人工知能）が台頭して以降、不動産の価格相場算出に関するノウハウがブラックボックスのようになってしまい、算出結果のみを参考にせざるを得ない、という状況が垣間見えました。

しかしそれでは、投資家が独自で家賃相場を把握することが困難であり、そのような中で投資用不動産取引の透明性を高めることは難しいのではないかと考えます。

そこで今回、駅の賃貸成約事例のデータの一部を一般公開するとともに、適正家賃相場の算出方法を解説することにいたしました。今回の記事ではあくまで３駅分のサンプルデータを公開させていただきましたが、弊社は東京２３区に所在するすべての駅の分析データを保有しており、日々更新し続けていますので、各駅ごとの適正家賃相場をしっかりと把握しております。

もし、「その他の駅の適正家賃を算出してほしい」、「自身が保有する空室物件の収益力を知りたい」という方がいらっしゃいましたら、お気軽にお問い合わせいただければと思います。当社のコンサルタントが、第三者の視点に立った中立なアドバイスをお伝えさせていただきます。

参考【2022年】投資用マンションの価格推移をどこよりも分かりやすく解説します！