| Wohnungsnutzung im Landkreis Berchtesgadener Land | |||||
| Gemeinde/Stadt | Eigennutzung | Mietwohnung | Ferienwohnung | Leerstand | Summe |
|---|---|---|---|---|---|
| Ainring | 2167 | 2313 | 45 | 149 | 4674 |
| Anger | 1114 | 816 | 22 | 79 | 2031 |
| Bad Reichenhall, GKSt | 3422 | 6876 | 418 | 485 | 11201 |
| Bayerisch Gmain | 683 | 838 | 75 | 73 | 1669 |
| Berchtesgaden, M | 1544 | 2431 | 251 | 313 | 4539 |
| Bischofswiesen | 1319 | 2087 | 115 | 154 | 3675 |
| Freilassing, St | 3056 | 5649 | 78 | 262 | 9045 |
| Laufen, St | 1636 | 1779 | 52 | 111 | 3578 |
| Marktschellenberg, M | 434 | 370 | 28 | 41 | 873 |
| Piding | 1168 | 1460 | 44 | 72 | 2744 |
| Ramsau b.Berchtesgaden | 449 | 263 | 42 | 47 | 801 |
| Saaldorf-Surheim | 1528 | 841 | 17 | 71 | 2457 |
| Schneizlreuth | 407 | 210 | 34 | 23 | 674 |
| Schönau a.Königssee | 1306 | 1281 | 178 | 128 | 2893 |
| Teisendorf, M | 2455 | 1325 | 41 | 153 | 3974 |
| Quelle: Statistisches Bundesamt, zensus2022 | |||||
1 zensus2022
Am 4.07.2024 wurden erstmals Ergebnisse des Zensus 2022 von den Statistischen Ämtern des Bundes und der Länder veröffentlicht. https://www.zensus2022.de/DE/Home/_inhalt.html
Eine der ersten Schlagzeilen bezog sich auf den Wohnungsleerstand: https://www.zensus2022.de/DE/Aktuelles/PM_Zensus_2022_Ergebnisveroeffentlichung_Wohnungen_Leerstand.html
1.1 Methode
Der Zensus ist generell darauf ausgelegt, bundesweit vergleichbare Ergebnisse zu einen Stichtag (hier 15.05.2022) zu liefern. Grundsätzlich gibt es beim Zensus zwei getrennte Bereiche; zum einen die klassische Bevölkerungszählung, um herauszufinden, wie viele Menschen in Deutschland leben; zum anderen die Gebäude- und Wohnungszählung, die zeigt, wo und wie diese Menschen leben, wobei nur Gebaüde mit Wohnraum berücksichtigt werden. Dazu sind alle Privatpersonen und Unternehmen auskunftpflichtig, die Eigentümer oder auch Verwalter von Wohnraum sind. Für Wohnungen und Gebäude gibt es keine flächendeckenden Register. Daher werden etwa 17,5 Mio. Besitzerinnen und Besitzer von Eigentumswohnungen oder Wohngebäuden in Deutschland postalisch befragt. Um die Namen und Anschriften von Eigentümern zu erhalten werden z.B. Grundsteuerdaten herangezogen. Das bedeutet auch, dass die Gebäude- und Wohnungszählung keine Stichprobe sondern eine flächendeckende Vollerhebung ist. Im folgenden ein Auszug aus einem Interview mit Ulrike Timm, Teiprojektleiterin für die Gebäude - und Wohnungszählung beim Zensus 2022 im Statistischen Bundesamt:
Wenn ich jetzt die Aufforderung bekomme, als Wohnungsbesitzerin Angaben für die Gebäude- und Wohnungszählung zu machen, welche Fragen muss ich denn dann beantworten?
Das sind eigentlich nur relativ wenige Fragen. Sie bekommen Fragen zu Ihrem Gebäude, wie Baujahr, Heizungsart oder wie viele Wohnungen sind in dem Gebäude? Bei einem Einfamilienhaus ist das zum Beispiel eine Wohnung. Neu ist hier auch eine Frage zur Energieart. Das heißt, was wird denn in der Heizung verbrannt? Das ist vor dem Hintergrund energieeffizientes Sanieren wichtig oder auch, wenn man darüber nachdenkt, wieviel Gas wir denn in Zukunft noch kaufen wollen – das sind natürlich aktuelle Fragestellungen. Für Ihre Wohnung haben sie so Fragen wie zur Quadratmeterzahl, zur Raumanzahl, aber auch die Miete. Das ist auch ganz neu und ein wichtiges Merkmal, dass wir dieses Mal die Nettokaltmiete dabei haben. br /> Was wir auch noch erheben sind bei einem Leerstand die Dauer und der Grund des Leerstandes. Das ist ebenfalls ein neues Merkmal. So kann man in den Leerstandsregionen gucken: Woran liegt es dann? Sind das wirklich Sanierungsfälle, die jahrelang auf eine Baumaßnahme warten? Oder ist das eher der übliche Leerstand, der bei einem normalen Umzug zustande kommt?
https://www.zensus2022.de/DE/Mediathek/Podcast/Podcast_zum_Zensus_Folge2.html
1.2 Daten
Erfreulicherweise sind sowohl die Daten der Bevölkerungszählung als auch die Daten der Gebäude- und Wohnungszählung frei verfügbar. Unter https://www.zensus2022.de/DE/Aktuelles/Gebaeude_Wohnungen_VOE.html lassen sich Tabellen im xlsx Dateiformat mit den für die Regionalebene auf Gemeinde/Stadt heruntergebrochenen Zähldaten herunterladen. Dass dies nicht selbstverständlich ist zeigt sich beispielsweise beim Versuch, angeblich öffentlich verfügbare Daten des Robert Koch Instituts (RKI) zur Stoppt COVID-Studie herunterzuladen (Anmeldungen von Privatpersonen müssen wir leider ablehnen und bitten daher freundlich hiervon abzusehen). https://notizen-gerd-welzl.netlify.app/posts/post-StopptCOVID/
Diese Tabelle enthält Ergebnisse aus dem Zensus 2022 zum Stichtag 15.05.2022 zu Gebäuden mit Wohnraum nach Art des Gebäudes, Baujahr, Eigentumsform, Heizungstyp, Energieträger, Zahl der Wohnungen und Gebäudetyp-Bauweise sowie Ergebnisse zu Wohnungen nach Art des Gebäudes, Gebäudegrößen, Baujahr und Eigentumsform des Gebäudes, Heizungstyp und Energieträger des Gebäudes, Wohnungsnutzung, Miethöhe, Wohnfläche, Zahl der Räume, Eigentümerquote und Leerstand.
Blatt: CSV-Wohnungen https://www.zensus2022.de/DE/Aktuelles/Gebaeude_Wohnungen_VOE.html
1.3 Beschreibung der Ergebnisse für den Landkreis Berchtesgadener Land
Die folgenden Auswertungen beziehen sich auf die auf den Landkreis Berchtesgadener Land reduzierte Tabelle der Gebäude- und Wohnungszählung. Untersuchte Merkmale sind
- Wohnungsnutzung
- Grund für Leerstand
- Dauer des Leerstands.
Ziel der Beschreibungen war es dabei, regionale Unterschiede im Landkreis aufzudecken und insbesondere die Sitation in der Gemeinde Schnönau a. Königssee zu beschreiben.
1.3.1 Wohnungsnutzung
Das Merkmal Wohnungsnutzung hat folgende Ausprägungen:
- Von Eigentümer/-in bewohnte Wohnungen (EIGENNUTZUNG)
- Vermietete Wohnungen (MIETWOHNUNG)
- Privat genutzte Ferien- oder Freizeitwohnungen (FERIENWOHNUNG)
- Leerstehende Wohnungen (LEERSTAND).
1.3.1.1 Univariate Beschreibungen
Die Basis für alle weiteren Analysen sind die beobachtene Absolutzahlen. Die insgesamt 54828 Wohnungen im Landkreis Berchtesgadener Land verteilen sich gemäß voriger Tabelle auf die einzelnen Gemeinde/Städte aufgeschlüsselt nach den verschiedenen Nutzungsarten. So gab es z.B. in der Gemeinde Schönau a. Königssee am 15.05.2022 178 leerstehende Wohnungen sowie 128 Ferienwohnungen.
Für einen Vergleich zwischen Gemeinden/Städten des Landkreises sind prozentualle Häufigkeiten der verschiedenen Nutzungsarten besser geeignet.
| Prozentuale Wohnungsnutzung im Gemeinden/Städten im Landkreis Berchtesgadener Land | |||||
| Gemeinde/Stadt | Eigennutzung | Mietwohnung | Ferienwohnung | Leerstand | Summe |
|---|---|---|---|---|---|
| Ainring | 46.36% | 49.49% | 0.96% | 3.19% | 100.00% |
| Anger | 54.85% | 40.18% | 1.08% | 3.89% | 100.00% |
| Bad Reichenhall, GKSt | 30.55% | 61.39% | 3.73% | 4.33% | 100.00% |
| Bayerisch Gmain | 40.92% | 50.21% | 4.49% | 4.37% | 100.00% |
| Berchtesgaden, M | 34.02% | 53.56% | 5.53% | 6.90% | 100.00% |
| Bischofswiesen | 35.89% | 56.79% | 3.13% | 4.19% | 100.00% |
| Freilassing, St | 33.79% | 62.45% | 0.86% | 2.90% | 100.00% |
| Laufen, St | 45.72% | 49.72% | 1.45% | 3.10% | 100.00% |
| Marktschellenberg, M | 49.71% | 42.38% | 3.21% | 4.70% | 100.00% |
| Piding | 42.57% | 53.21% | 1.60% | 2.62% | 100.00% |
| Ramsau b.Berchtesgaden | 56.05% | 32.83% | 5.24% | 5.87% | 100.00% |
| Saaldorf-Surheim | 62.19% | 34.23% | 0.69% | 2.89% | 100.00% |
| Schneizlreuth | 60.39% | 31.16% | 5.04% | 3.41% | 100.00% |
| Schönau a.Königssee | 45.14% | 44.28% | 6.15% | 4.42% | 100.00% |
| Teisendorf, M | 61.78% | 33.34% | 1.03% | 3.85% | 100.00% |
| Quelle: Statistisches Bundesamt, zensus2022 | |||||
Die Tabelle zeigt die unterschiedliche Nutzungsverteilung im Landkreis - z.B. 62.45% vermietete Wohnungen in Freilassing gegenüber 31.16% in Schneizlreuth. Der Anteil von Ferienwohnungen ist mit 6.15% in Schönau a. Königsee am höchsten.
Aus diesen Zahlen lassen sich auch Leerstandsquoten ableiten.
Zu berücksichtigen ist dabei jedoch
- die besondere Definition laut Erläuterungen zum zensus2022:
LEQ
Leerstandsquote (in %): Die Leerstandsquote (Wohnungen) stellt den Anteil der leerstehenden Wohnungen an allen bewohnten und leerstehenden Wohnungen dar. Nicht berücksichtigt sind: Ferien- und Freizeitwohnungen sowie gewerblich genutzte Wohnungen. Die Berechnung erfolgt für Wohnungen in Wohngebäuden (ohne Wohnheime).
Blatt: Erläuterungen zur Methodik
https://www.zensus2022.de/DE/Aktuelles/Gebaeude_Wohnungen_VOE.html
- und die nach Auskunft des Zensus-Auskunftdienstes (E-mail vom 17.07.2024) unterschiedliche Datenbasis bei der Berechnung. Mit der bisher veröffentlichen Regionaltabelle lassen sich diese Quoten nicht reproduzieren.
Nachfolgende Tabelle zeigt die unterschiedlichen Ergebnisse:
- LEQN: berechnet aus den Nutzungsdaten
- LEQ: Variable LEQ
| Leerstandsquoten im Landkreis Berchtesgadener Land | ||
| Gemeinde/Stadt | LEQn | LEQ |
|---|---|---|
| Ainring | 3.22 | 3.13 |
| Anger | 3.93 | 4.18 |
| Bad Reichenhall, GKSt | 4.50 | 4.15 |
| Bayerisch Gmain | 4.58 | 4.24 |
| Berchtesgaden, M | 7.30 | 6.69 |
| Bischofswiesen | 4.33 | 4.40 |
| Freilassing, St | 2.92 | 2.76 |
| Laufen, St | 3.15 | 2.92 |
| Marktschellenberg, M | 4.85 | 4.69 |
| Piding | 2.67 | 2.70 |
| Ramsau b.Berchtesgaden | 6.19 | 5.43 |
| Saaldorf-Surheim | 2.91 | 2.90 |
| Schneizlreuth | 3.59 | 3.07 |
| Schönau a.Königssee | 4.71 | 4.50 |
| Teisendorf, M | 3.89 | 3.67 |
| LEQN: eigene Berechnungen LEQ: Statistisches Bundesamt, zensus2022 | ||
Zur Berechnung von Leerstandsquoten sind verschiedene Varianten denkbar, die durch Verwendung unterschiedlicher Nenner entstehen. Während der bisherigen Berechnung als Nenner die Anzahl aller Wohnungen ohne Ferienwohnungen in der jeweiligen Region zugrunde lag, wäre auch ein Bezug auf die Gesamteinwohnerzahl einer Region sinnvoll. Im folgenden sind die vorhandenen Wohnungsnutzungzahlen auf jeweils 100 Einwohner einer Stadt/Gemeinde bezogen (die Kategorie bewohnt ist die Summe aus EIGENNUTZUNG und MIETWOHNUNG).
| Anzahl von Wohnungen je 100 Einwohner nach Wohnungsnutzung | |||||
| Gemeinde/Stadt | Eigennutzung | Mietwohnung | Ferienwohnung | Leerstand | bewohnt |
|---|---|---|---|---|---|
| Ainring | 95.6 | 102.1 | 2.0 | 6.6 | 197.7 |
| Anger | 92.8 | 68.0 | 1.8 | 6.6 | 160.8 |
| Bad Reichenhall, GKSt | 110.7 | 222.5 | 13.5 | 15.7 | 333.2 |
| Bayerisch Gmain | 98.3 | 120.6 | 10.8 | 10.5 | 218.9 |
| Berchtesgaden, M | 89.5 | 140.8 | 14.5 | 18.1 | 230.3 |
| Bischofswiesen | 83.3 | 131.8 | 7.3 | 9.7 | 215.1 |
| Freilassing, St | 95.5 | 176.5 | 2.4 | 8.2 | 272.0 |
| Laufen, St | 88.5 | 96.3 | 2.8 | 6.0 | 184.8 |
| Marktschellenberg, M | 91.4 | 77.9 | 5.9 | 8.6 | 169.3 |
| Piding | 95.7 | 119.7 | 3.6 | 5.9 | 215.4 |
| Ramsau b.Berchtesgaden | 96.1 | 56.3 | 9.0 | 10.1 | 152.4 |
| Saaldorf-Surheim | 92.5 | 50.9 | 1.0 | 4.3 | 143.4 |
| Schneizlreuth | 101.0 | 52.1 | 8.4 | 5.7 | 153.1 |
| Schönau a.Königssee | 92.2 | 90.5 | 12.6 | 9.0 | 182.7 |
| Teisendorf, M | 92.1 | 49.7 | 1.5 | 5.7 | 141.8 |
| Quelle: Statistisches Bundesamt, zensus2022 | |||||
1.3.1.2 Multivariate Analysen
Eine klassische multivariate Analysemethode für den hier vorliegenden Datentyp (Konfidenztafel) stellt die Korrespondenzanalyse dar. Vereinfacht ausgedrückt wird dabei versucht, durch Dimensionreduktion die Daten aus mehreren Dimensionen auf ein zweidimensionales Bild zu komprimieren, wobei wesenliche Aspekte erhalten bleiben sollen (hier: erklärte Varianz). Dadurch ist es möglich, ein sog. Biplot zu erstellen, indem - in diesem speziellen Fall - sowohl die Regionen (GEMEINDE/STADT) als auch die Merkmale (Wohnungsnutzung mit den Ausprägungen: Eigennutzung, Mietwohnung, Ferienwohnung, Leerstand) dargestellt werden können. Im Biplot benachbarte Regionen sind durch ein ähnliches Nutzungsspektrum, benachbarte Nutzungskategorien durch eine hohe Korrelation charakterisiert. Neben dieser rein geometrischen ist auch eine andere Interpretation möglich (besonders in manchen Fachbereichen, z.B. bei der Auswertung von soziologischen Daten): eine Zusammenfassung von Merkmalen zu Komponenten/Faktoren, deren Interpretation manchmal etwas willkürlich erscheint. An den Achsen ist dann die durch die jeweilige Komponente (Dimension) erklärte Varianz (in Prozent) angegeben.
Geometrische Interpretation:
Aus dieser Abbildung lässt sich beispielweise ablesen, dass sich die Wohnungsnutzung in Ramsau b. Berchtesgaden und in Schneizlreuth ähnlich darstellt, ebenso auf andere Weise in den Orten Teisendorf, Saaldorf-Surheim und Anger.
Hauptkomponenten:
Die sog. Ladungen der 1. Hauptkomponente sind im Biplot auf der x-Achse dargestellt. Im vorliegenden Fall kann diese interpretiert werden als Gegensatz aus den Merkmalen Mietwohnung, Ferienwohnung, Leerstand (mit positiven Ladungen) und dem Merkmal Eigennutzung (negative Ladungen). Diese Komponente trennt besonders gut die größeren Städte/Märkte (Freilassing, Bad Reichenhall, Berchtesgaden) mit einem geringen Anteil von eigengenutzen Wohnungen (31% -34%) von Orten wie Saaldorf-Surheim, Teisendorf, Schneizlreuth mit einem hohen Anteil von eigengenutzen Wohnungen (60% - 64%). Die zweite Komponente (dargestellt auf der y-Achse) wird im wesenlichen durch die Merkmalspaare Ferienwohnung/Leerstand (hohe positive Ladungen) sowie Mietwohnung/Eigennutzung (geringe negative Ladungen) konstruiert. Diese Komponente trennt beispielsweise die bereits erwähnten Cluster Ramsau/Schneizlreuth (Anteil der Wohnungen mit Leerstand oder Feriennutzung: 8.5%, 11.1% ) und Saaldorf-Surheim/Teisendorf/Anger(Anteil: 3.6% - 4.9%).
In der nächsten Abbildung wird das Ergebnis der Korrespondenzanalyse interaktiv dargestellt und ermöglicht - auch zur Vermeidung von Überinterpretationen - die Einblendung von tatsächlich beobachteten Prozentzahlen. Bei Berührung von Punkten (Regionen) und Dreiecken (Nutzungsformen) mit der Maus können die relative Häufigkeiten abgelesen werden: Frequency (Häufigkeit des Merkmals bezogen auf die Gesamtzahl der Wohnungen im Landkreis Berchtesgadener Land) und bei Regionen Row pct Häufigkeit der jeweilige Nutzungsart in der Region , bzw. bei Nutzungsarten Column pct Verteilung einer Nutzungsart auf die Regionen. Die in Klammern angegebenen Prozentzahlen beziehen sich auf eine weitere Varianzzerlegung und sind für eine Deskription nicht weiter interessant.
[[1]]
$css_hover
[1] "/*GIRAFE CSS*/._CLASSNAME_ { fill:gold;stroke:orange; }\ntext._CLASSNAME_ { color:gold4;stroke:none; }"
$css_tooltip
[1] "text-align:right;padding:4px;border-radius:5px;background-color:#eeeeee;color:black;"
$heigth_width_ratio
[1] 1.22757
attr(,"class")
[1] "gg" "ggplot"1.3.2 Grund für Leerstand
Das Merkmal Grund für Leerstand hat folgende Ausprägungen:
- innerhalb von 3 Monaten für den Bezug verfügbar (kurzfristig)
- Laufende bzw. geplante Baumaßnahmen (Baumaßnahmen)
- Geplanter Abriss oder Rückbau (Abriss/Rückbau)
- Verkauf (Verkauf)
- Künftige Selbstnutzung (Selbstnutzung)
- Sonstiger Grund (Sonstiges)
1.3.2.1 Univariate Beschreibungen
| Gründe für Wohnungsleerstand im Landkreis Berchtesgadener Land | |||||||
| Gemeinde/Stadt | kurzfristig | Baumaßnahmen | Abriss/Rückbau | Verkauf | Selbstnutzung | Sonstiges | Summe |
|---|---|---|---|---|---|---|---|
| Ainring | 30 | 32 | 22 | 3 | 23 | 34 | 144 |
| Anger | 19 | 18 | 4 | 3 | 13 | 22 | 79 |
| Bad Reichenhall, GKSt | 181 | 109 | 17 | 41 | 35 | 99 | 482 |
| Bayerisch Gmain | 25 | 13 | 0 | 5 | 5 | 20 | 68 |
| Berchtesgaden, M | 89 | 89 | 36 | 13 | 30 | 63 | 320 |
| Bischofswiesen | 51 | 34 | 38 | 8 | 4 | 19 | 154 |
| Freilassing, St | 68 | 56 | 38 | 21 | 27 | 54 | 264 |
| Laufen, St | 36 | 24 | 9 | 0 | 8 | 29 | 106 |
| Marktschellenberg, M | 11 | 8 | 0 | 4 | 6 | 9 | 38 |
| Piding | 27 | 17 | 7 | 7 | 7 | 14 | 79 |
| Ramsau b.Berchtesgaden | 16 | 12 | 3 | 0 | 6 | 11 | 48 |
| Saaldorf-Surheim | 19 | 19 | 9 | 4 | 7 | 12 | 70 |
| Schneizlreuth | 6 | 5 | 0 | 4 | 4 | 4 | 23 |
| Schönau a.Königssee | 40 | 27 | 12 | 7 | 11 | 28 | 125 |
| Teisendorf, M | 25 | 52 | 14 | 15 | 21 | 33 | 160 |
| Quelle: Statistisches Bundesamt, zensus2022 | |||||||
Auch hier sind wieder die prozentualle Häufigkeiten der verschiedenen Begründungen für einen Wohnungsleerstand besser geeignet um zwischen Gemeinden/Städten des Landkreises zu vergleichen.
| Prozentuale Gründe für Wohnungsleerstand im Gemeinden/Städten im Landkreis Berchtesgadener Land | |||||||
| Gemeinde/Stadt | kurzfristig | Baumaßnahmen | Abriss/Rückbau | Verkauf | Selbstnutzung | Sonstiges | Summe |
|---|---|---|---|---|---|---|---|
| Ainring | 20.83% | 22.22% | 15.28% | 2.08% | 15.97% | 23.61% | 100.00% |
| Anger | 24.05% | 22.78% | 5.06% | 3.80% | 16.46% | 27.85% | 100.00% |
| Bad Reichenhall, GKSt | 37.55% | 22.61% | 3.53% | 8.51% | 7.26% | 20.54% | 100.00% |
| Bayerisch Gmain | 36.76% | 19.12% | 0.00% | 7.35% | 7.35% | 29.41% | 100.00% |
| Berchtesgaden, M | 27.81% | 27.81% | 11.25% | 4.06% | 9.38% | 19.69% | 100.00% |
| Bischofswiesen | 33.12% | 22.08% | 24.68% | 5.19% | 2.60% | 12.34% | 100.00% |
| Freilassing, St | 25.76% | 21.21% | 14.39% | 7.95% | 10.23% | 20.45% | 100.00% |
| Laufen, St | 33.96% | 22.64% | 8.49% | 0.00% | 7.55% | 27.36% | 100.00% |
| Marktschellenberg, M | 28.95% | 21.05% | 0.00% | 10.53% | 15.79% | 23.68% | 100.00% |
| Piding | 34.18% | 21.52% | 8.86% | 8.86% | 8.86% | 17.72% | 100.00% |
| Ramsau b.Berchtesgaden | 33.33% | 25.00% | 6.25% | 0.00% | 12.50% | 22.92% | 100.00% |
| Saaldorf-Surheim | 27.14% | 27.14% | 12.86% | 5.71% | 10.00% | 17.14% | 100.00% |
| Schneizlreuth | 26.09% | 21.74% | 0.00% | 17.39% | 17.39% | 17.39% | 100.00% |
| Schönau a.Königssee | 32.00% | 21.60% | 9.60% | 5.60% | 8.80% | 22.40% | 100.00% |
| Teisendorf, M | 15.62% | 32.50% | 8.75% | 9.38% | 13.12% | 20.62% | 100.00% |
| Quelle: Statistisches Bundesamt, zensus2022 | |||||||
Ganz allgemein fällt ein relativ hoher Anteil von Sonstiger Grund als Leerstandsgrund auf (für den ganzen Landkreis 20.87%). Das erschwert sicherlich die Interpretation der Ergebnisse. In Schönau a. Königsee sollten fast ein Drittel der leerstehenden Wohnungen innerhalb von drei Monaten für den Bezug zur Verfügung stehen.
1.3.2.2 Multivariate Analysen
[[1]]
$css_hover
[1] "/*GIRAFE CSS*/._CLASSNAME_ { fill:gold;stroke:orange; }\ntext._CLASSNAME_ { color:gold4;stroke:none; }"
$css_tooltip
[1] "text-align:right;padding:4px;border-radius:5px;background-color:#eeeeee;color:black;"
$heigth_width_ratio
[1] 0.6239097
attr(,"class")
[1] "gg" "ggplot"1.3.3 Dauer des Leerstandes
Das Merkmal Dauer des Leerstands hat folgende Ausprägungen:
- Leerstandsdauer von weniger als 3 Monaten (WENIGER3MON)
- Leerstandsdauer von 3 bis weniger als 6 Monaten (3-6MON)
- Leerstandsdauer von 6 bis weniger als 12 Monaten (6-12MON)
- Leerstandsdauer von 12 oder mehr Monaten (MEHR12MON)
Beim Merkmal Dauer des Leerstands handelt es sich um einen orderd factor. Es gibt eine vorgebene Anordnung der Ausprägungen: WENIGER3MON < 3-6MON < 6-12MON <MEHR12MON. Damit sind andere Darstellungsformen möglich. Zunächst aber wieder die üblichen Tabellen.
1.3.3.1 Univariate Beschreibungen
| Leerstandsdauer im Landkreis Berchtesgadener Land | |||||
| Gemeinde/Stadt | weniger3mon | 3-6mon | 6-12mon | mehr12mon | Summe |
|---|---|---|---|---|---|
| Ainring | 18 | 13 | 19 | 97 | 147 |
| Anger | 13 | 13 | 9 | 48 | 83 |
| Bad Reichenhall, GKSt | 106 | 65 | 73 | 237 | 481 |
| Bayerisch Gmain | 25 | 11 | 4 | 36 | 76 |
| Berchtesgaden, M | 63 | 32 | 44 | 177 | 316 |
| Bischofswiesen | 29 | 19 | 20 | 87 | 155 |
| Freilassing, St | 67 | 34 | 28 | 135 | 264 |
| Laufen, St | 12 | 12 | 23 | 63 | 110 |
| Marktschellenberg, M | 5 | 7 | 9 | 24 | 45 |
| Piding | 21 | 15 | 13 | 31 | 80 |
| Ramsau b.Berchtesgaden | 11 | 4 | 6 | 24 | 45 |
| Saaldorf-Surheim | 0 | 6 | 12 | 47 | 65 |
| Schneizlreuth | 6 | 0 | 6 | 12 | 24 |
| Schönau a.Königssee | 37 | 23 | 29 | 42 | 131 |
| Teisendorf, M | 12 | 19 | 16 | 103 | 150 |
| Quelle: Statistisches Bundesamt, zensus2022 | |||||
| Prozentuale Leerstandsdauer im Gemeinden/Städten im Landkreis Berchtesgadener Land | |||||
| Gemeinde/Stadt | weniger3mon | 3-6mon | 6-12mon | mehr12mon | Summe |
|---|---|---|---|---|---|
| Ainring | 12.24% | 8.84% | 12.93% | 65.99% | 100.00% |
| Anger | 15.66% | 15.66% | 10.84% | 57.83% | 100.00% |
| Bad Reichenhall, GKSt | 22.04% | 13.51% | 15.18% | 49.27% | 100.00% |
| Bayerisch Gmain | 32.89% | 14.47% | 5.26% | 47.37% | 100.00% |
| Berchtesgaden, M | 19.94% | 10.13% | 13.92% | 56.01% | 100.00% |
| Bischofswiesen | 18.71% | 12.26% | 12.90% | 56.13% | 100.00% |
| Freilassing, St | 25.38% | 12.88% | 10.61% | 51.14% | 100.00% |
| Laufen, St | 10.91% | 10.91% | 20.91% | 57.27% | 100.00% |
| Marktschellenberg, M | 11.11% | 15.56% | 20.00% | 53.33% | 100.00% |
| Piding | 26.25% | 18.75% | 16.25% | 38.75% | 100.00% |
| Ramsau b.Berchtesgaden | 24.44% | 8.89% | 13.33% | 53.33% | 100.00% |
| Saaldorf-Surheim | 0.00% | 9.23% | 18.46% | 72.31% | 100.00% |
| Schneizlreuth | 25.00% | 0.00% | 25.00% | 50.00% | 100.00% |
| Schönau a.Königssee | 28.24% | 17.56% | 22.14% | 32.06% | 100.00% |
| Teisendorf, M | 8.00% | 12.67% | 10.67% | 68.67% | 100.00% |
| Quelle: Statistisches Bundesamt, zensus2022 | |||||
