Analysis
Date
|
12-02
|
11-29
|
11-28
|
11-27
|
11-26
|
S&P Developed REIT (USD)
|
288.08
|
291.29
|
292.44
|
292.5
|
290.98
|
S&P Global REIT (USD)
|
199.82
|
202.03
|
202.78
|
202.83
|
201.76
|
S&P Singapore REIT (SGD)
|
287.42
|
287.3
|
287.29
|
287.45
|
287.35
|
S&P United States REIT (USD)
|
344.33
|
349.74
|
351.5
|
351.5
|
349.39
|
Dow Jones U.S. Select Long-Term REIT Index
|
2,243.41
|
2,277.88
|
NA
|
2,291.32
|
2,272
|
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
建設技能労働者過不足率(8職種計・全国)-季節調整値
|
1.2
|
1.4
|
1.7
|
1.2
|
1.1
|
建設技能労働者過不足率(8職種計・全国)-原数値
|
1.7
|
1.7
|
1.8
|
1.3
|
1
|
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅戸数:給与住宅(戸)
|
237
|
546
|
235
|
507
|
562
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅戸数:持家(戸)
|
22,920
|
22,794
|
22,846
|
24,201
|
25,913
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅戸数:貸家(戸)
|
26,674
|
27,300
|
28,210
|
28,699
|
29,535
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅戸数:分譲住宅(戸)
|
23,884
|
24,611
|
23,105
|
22,656
|
21,819
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅戸数(戸)
|
73,284
|
74,747
|
74,216
|
75,807
|
76,815
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅床面積:給与住宅(千平米)
|
17
|
38
|
19
|
30
|
41
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅床面積:持家(千平米)
|
2,714
|
2,707
|
2,731
|
2,889
|
3,096
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅床面積:貸家(千平米)
|
1,248
|
1,297
|
1,412
|
1,395
|
1,387
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅床面積:分譲住宅(千平米)
|
2,182
|
2,204
|
2,133
|
2,033
|
1,932
|
着工新設住宅(利用関係別)戸数,床面積の季節調整値推移表:着工新設住宅床面積(千平米)
|
6,127
|
6,196
|
6,268
|
6,333
|
6,368
|
横浜ビジネス地区
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
横浜ビジネス地区:空室率/平均(%)
|
2.26
|
2.32
|
2.17
|
2.25
|
2.34
|
横浜ビジネス地区:平均賃料/平均(円/坪)
|
11,801
|
11,771
|
11,733
|
11,666
|
11,632
|
札幌ビジネス地区
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
札幌ビジネス地区:空室率/平均(%)
|
2.25
|
2.4
|
2.29
|
2.35
|
2.29
|
札幌ビジネス地区:平均賃料/平均(円/坪)
|
9,099
|
9,072
|
9,055
|
9,018
|
8,991
|
仙台ビジネス地区
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
仙台ビジネス地区:空室率/平均(%)
|
4.14
|
4.07
|
4.09
|
4.24
|
4.18
|
仙台ビジネス地区:平均賃料/平均(円/坪)
|
9,178
|
9,169
|
9,175
|
9,169
|
9,150
|
大阪ビジネス地区
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
大阪ビジネス地区:空室率/平均(%)
|
2
|
2
|
2.13
|
2.26
|
2.33
|
大阪ビジネス地区:平均賃料/平均(円/坪)
|
11,760
|
11,670
|
11,657
|
11,623
|
11,597
|
東京ビジネス地区
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
東京ビジネス地区:空室率/平均(%)
|
1.63
|
1.64
|
1.71
|
1.71
|
1.72
|
東京ビジネス地区:平均賃料/平均(円/坪)
|
22,010
|
21,855
|
21,784
|
21,665
|
21,518
|
福岡ビジネス地区
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
福岡ビジネス地区:空室率/平均(%)
|
2.04
|
2.01
|
1.87
|
1.82
|
1.79
|
福岡ビジネス地区:平均賃料/平均(円/坪)
|
10,439
|
10,386
|
10,341
|
10,294
|
10,257
|
名古屋ビジネス地区
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
名古屋ビジネス地区:空室率/平均(%)
|
2.19
|
2.23
|
2.32
|
2.39
|
2.09
|
名古屋ビジネス地区:平均賃料/平均(円/坪)
|
11,529
|
11,516
|
11,482
|
11,451
|
11,343
|
Step 1
# 外れ値除去
boxplot(datadf$取引価格平米単価, plot = F)$out
datadf <- datadf[!datadf$取引価格平米単価 %in% boxplot(datadf$取引価格平米単価, plot = F)$out, ]
[1] 200.000000 6.666667 211.111111 28.571429 186.666667 213.333333 200.000000 221.052632 223.529412 207.500000 250.000000 200.000000 233.333333
Step 2
# 分析対象データ(取引価格平米単価の単位は万円/平米)
unique(datadf$都道府県名)
unique(datadf$種類)
unique(datadf$市区町村名)
unique(datadf$取引時点)
head(datadf, 10)
nrow(datadf)
[1] "東京都"
[1] "中古マンション等"
[1] "千代田区" "中央区" "港区" "新宿区" "文京区" "渋谷区"
[1] "2019年第1四半期"
種類 築年数 取引価格平米単価 取引時点 都道府県名 市区町村名 地区名 間取り 面積(㎡) 建物の構造 取引価格(総額) 都市計画 建ぺい率(%) 容積率(%)
1 中古マンション等 16 150.76923 2019年第1四半期 東京都 千代田区 飯田橋 2LDK 65 RC 98000000 商業地域 80 500
2 中古マンション等 7 145.00000 2019年第1四半期 東京都 千代田区 一番町 1LDK 40 RC 58000000 商業地域 80 500
3 中古マンション等 15 171.42857 2019年第1四半期 東京都 千代田区 一番町 2LDK 70 SRC 120000000 商業地域 80 500
4 中古マンション等 6 140.00000 2019年第1四半期 東京都 千代田区 一番町 1K 25 RC 35000000 商業地域 80 500
5 中古マンション等 13 125.00000 2019年第1四半期 東京都 千代田区 岩本町 1K 20 SRC 25000000 商業地域 80 700
6 中古マンション等 15 120.00000 2019年第1四半期 東京都 千代田区 岩本町 1K 20 SRC 24000000 商業地域 80 700
7 中古マンション等 17 115.00000 2019年第1四半期 東京都 千代田区 岩本町 1K 20 RC 23000000 商業地域 80 600
9 中古マンション等 39 73.33333 2019年第1四半期 東京都 千代田区 神田小川町 1K 15 SRC 11000000 商業地域 80 600
10 中古マンション等 18 140.00000 2019年第1四半期 東京都 千代田区 神田佐久間町 1K 15 SRC 21000000 商業地域 80 600
11 中古マンション等 41 65.00000 2019年第1四半期 東京都 千代田区 神田神保町 1K 20 RC 13000000 商業地域 80 500
[1] 402
Step 3
# 築年数および取引価格平米単価の基本統計量
summary(datadf$築年数)
summary(datadf$取引価格平米単価)
table(datadf$築年数)
hist(datadf$取引価格平米単価, plot = F) %>% {
BREAKS <<- .$breaks
COUNTS <<- .$counts
}
data.frame(BREAKS = tail(BREAKS, -1), COUNTS, row.names = NULL, check.names = F)
Min. 1st Qu. Median Mean 3rd Qu. Max.
1.00 13.00 17.00 19.75 21.00 60.00
Min. 1st Qu. Median Mean 3rd Qu. Max.
38.00 88.14 110.00 107.24 125.00 176.36
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 45 46 47 48 49 50 51 53 60
4 3 2 6 10 21 12 12 4 8 8 9 14 30 25 25 35 26 20 15 13 5 3 1 2 1 1 1 3 3 4 2 4 5 4 9 8 7 10 1 1 3 4 4 4 4 3 1 1 1
BREAKS COUNTS
1 40 2
2 50 11
3 60 16
4 70 18
5 80 23
6 90 38
7 100 50
8 110 53
9 120 78
10 130 36
11 140 32
12 150 22
13 160 11
14 170 7
15 180 5
Step 4
# リンク関数の選択
LINKs <- c("log", "inverse")
AICs <- sapply(LINKs, function(x) AIC(glm(data = datadf, formula = 取引価格平米単価 ~ 築年数, family = Gamma(link = x))))
AICs
LINKs[which.min(AICs)]
log inverse
3663.818 3668.562
[1] "log"
Step 5
# GLMの結果
summary(glm(data = datadf, formula = 取引価格平米単価 ~ 築年数, family = Gamma(link = LINKs[which.min(AICs)])))
Call:
glm(formula = 取引価格平米単価 ~ 築年数, family = Gamma(link = LINKs[which.min(AICs)]),
data = datadf)
Deviance Residuals:
Min 1Q Median 3Q Max
-0.72055 -0.15529 -0.01362 0.11606 0.74921
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 4.9447575 0.0209297 236.25 <0.0000000000000002 ***
築年数 -0.0143937 0.0009005 -15.98 <0.0000000000000002 ***
---
Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
(Dispersion parameter for Gamma family taken to be 0.04893822)
Null deviance: 31.361 on 401 degrees of freedom
Residual deviance: 19.637 on 400 degrees of freedom
AIC: 3663.8
Number of Fisher Scoring iterations: 4
Step 6
a
b
x <- c(0:50)
if (LINKs[which.min(AICs)] == "log") {
y <- round(exp(a * x + b))
exp(a)
}
if (LINKs[which.min(AICs)] == "inverse") {
y <- round(1/(a * x + b))
}
y
X
-0.01439365
(Intercept)
4.944757
X
0.9857094
[1] 140 138 136 135 133 131 129 127 125 123 122 120 118 116 115 113 112 110 108 107 105 104 102 101 99 98 97 95 94 93 91 90 89 87 86 85 84 82 81 80 79 78 77 76 75 73 72 71 70 69 68
Step 7
Date
|
2019-06
|
2019-03
|
2018-12
|
2018-09
|
2018-06
|
Residential property prices:Australia:Nominal:Index, 2010 = 100:Quarterly
|
130.49
|
131.46
|
135.53
|
138.82
|
140.95
|
Residential property prices:Canada:Nominal:Index, 2010 = 100:Quarterly
|
162.19
|
159.97
|
160.51
|
162.03
|
163.06
|
Residential property prices:China:Nominal:Index, 2010 = 100:Quarterly
|
137.18
|
135.43
|
134.17
|
131.57
|
127.74
|
Residential property prices:France:Nominal:Index, 2010 = 100:Quarterly
|
109.81
|
108.61
|
108.61
|
108.81
|
106.41
|
Residential property prices:Germany:Nominal:Index, 2010 = 100:Quarterly
|
148.7
|
145.8
|
146
|
144.2
|
141.3
|
Residential property prices:Italy:Nominal:Index, 2010 = 100:Quarterly
|
83.83
|
82.73
|
83.23
|
83.32
|
84
|
Residential property prices:Japan:Nominal:Index, 2010 = 100:Quarterly
|
114.31
|
115.14
|
111.48
|
112.11
|
112.01
|
Residential property prices:South Africa:Nominal:Index, 2010 = 100:Quarterly
|
155.83
|
153.55
|
152.86
|
151.71
|
150.68
|
Residential property prices:United Kingdom:Nominal:Index, 2010 = 100:Quarterly
|
134.86
|
133.74
|
135.31
|
135.87
|
133.3
|
Residential property prices:United States:Nominal:Index, 2010 = 100:Quarterly
|
152.18
|
150.63
|
149.45
|
148.32
|
147.18
|
Date
|
2019-10
|
2019-09
|
2019-08
|
2019-07
|
2019-06
|
北海道札幌市中央区
|
65
|
459
|
281
|
277
|
255
|
宮城県仙台市青葉区
|
NA
|
422
|
318
|
368
|
351
|
東京都中央区
|
NA
|
680
|
522
|
928
|
510
|
東京都港区
|
1
|
530
|
486
|
620
|
692
|
東京都千代田区
|
NA
|
186
|
204
|
235
|
172
|
神奈川県横浜市西区
|
18
|
230
|
180
|
280
|
253
|
愛知県名古屋市中区
|
4
|
303
|
308
|
312
|
265
|
大阪府大阪市北区
|
NA
|
295
|
219
|
342
|
470
|
福岡県福岡市博多区
|
NA
|
423
|
437
|
370
|
343
|
沖縄県那覇市
|
7
|
184
|
136
|
199
|
185
|
Date
|
2019-08
|
2019-07
|
2019-06
|
2019-05
|
2019-04
|
住宅総合:不動産価格指数(住宅):全国
|
112.86
|
113.49
|
113.44
|
114.96
|
114.22
|
住宅総合:不動産価格指数(住宅):北海道地方
|
128.56
|
125.06
|
130.33
|
129.66
|
122.27
|
住宅総合:不動産価格指数(住宅):東北地方
|
119.64
|
119.02
|
121.3
|
118.3
|
119.55
|
住宅総合:不動産価格指数(住宅):関東地方
|
111.99
|
113.67
|
113.48
|
114.96
|
114.87
|
住宅総合:不動産価格指数(住宅):北陸地方
|
120.67
|
117.7
|
120.34
|
115.86
|
112.81
|
住宅総合:不動産価格指数(住宅):中部地方
|
103.77
|
103.34
|
101.12
|
103.21
|
102.18
|
住宅総合:不動産価格指数(住宅):近畿地方
|
115.16
|
115.51
|
115.07
|
116.12
|
116.64
|
住宅総合:不動産価格指数(住宅):中国地方
|
109.12
|
104.92
|
111.76
|
112.45
|
107.36
|
住宅総合:不動産価格指数(住宅):四国地方
|
99.86
|
105.74
|
102.8
|
109.3
|
103.22
|
住宅総合:不動産価格指数(住宅):九州・沖縄地方
|
124.04
|
120.35
|
119.57
|
130
|
122.45
|
住宅総合:不動産価格指数(住宅):南関東圏
|
116.13
|
116.78
|
115.56
|
117.55
|
118.21
|
住宅総合:不動産価格指数(住宅):名古屋圏
|
112.45
|
109.4
|
108.13
|
108.12
|
107.17
|
住宅総合:不動産価格指数(住宅):京阪神圏
|
117.55
|
117.24
|
117.21
|
118.84
|
119.99
|
住宅総合:不動産価格指数(住宅):東京都
|
128.08
|
127.28
|
123.29
|
127.9
|
128.11
|
住宅総合:不動産価格指数(住宅):愛知県
|
116.97
|
111.79
|
111.07
|
110.8
|
109.08
|
住宅総合:不動産価格指数(住宅):大阪府
|
117.02
|
117.71
|
117.19
|
118.15
|
121.94
|
Date
|
2019-06
|
2019-03
|
2018-12
|
2018-09
|
2018-06
|
商業用不動産総合:不動産価格指数(商業用不動産):全国
|
121.96
|
124.35
|
120.1
|
124.21
|
123.18
|
建物付土地総合:不動産価格指数(商業用不動産):全国
|
132.35
|
133.99
|
130.43
|
132.87
|
131.05
|
土地総合:不動産価格指数(商業用不動産):全国
|
102.97
|
104.92
|
99.43
|
103.44
|
103.18
|
商業用不動産総合:不動産価格指数(商業用不動産):三大都市圏
|
126.46
|
128.07
|
123.8
|
127.1
|
127.22
|
建物付土地総合:不動産価格指数(商業用不動産):三大都市圏
|
134.77
|
134.76
|
132.12
|
133.63
|
132.77
|
土地総合:不動産価格指数(商業用不動産):三大都市圏
|
107.35
|
110.83
|
103.52
|
108.23
|
109.93
|
土地総合:不動産価格指数(商業用不動産):南関東圏
|
112.03
|
117.97
|
112.37
|
118.97
|
118.83
|
1㎡当たりの価格
N
|
Area
|
Min.
|
1st Qu.
|
Median
|
Mean
|
3rd Qu.
|
Max.
|
n
|
1
|
千代田
|
710,000
|
1,690,000
|
3,050,000
|
6,325,148
|
5,490,000
|
36,800,000
|
122
|
2
|
中央
|
820,000
|
1,397,500
|
2,395,000
|
8,213,262
|
7,592,500
|
57,200,000
|
126
|
3
|
港
|
972,000
|
1,680,000
|
2,470,000
|
3,610,085
|
4,340,000
|
12,700,000
|
164
|
4
|
新宿
|
550,000
|
770,750
|
1,150,000
|
3,261,821
|
2,185,000
|
36,000,000
|
156
|
5
|
文京
|
645,000
|
869,250
|
977,000
|
1,180,353
|
1,387,500
|
3,750,000
|
102
|
6
|
台東
|
379,000
|
699,750
|
910,500
|
1,375,657
|
1,322,500
|
10,200,000
|
108
|
7
|
墨田
|
308,000
|
382,000
|
505,500
|
589,062
|
646,750
|
1,840,000
|
48
|
8
|
江東
|
269,000
|
411,500
|
511,000
|
583,521
|
585,000
|
1,770,000
|
96
|
9
|
品川
|
383,000
|
663,500
|
871,000
|
1,160,100
|
1,300,000
|
5,110,000
|
120
|
10
|
目黒
|
615,000
|
789,000
|
873,500
|
1,194,890
|
1,192,500
|
4,890,000
|
100
|
11
|
大田
|
250,000
|
451,500
|
518,000
|
627,408
|
620,000
|
3,850,000
|
196
|
12
|
世田谷
|
269,000
|
587,500
|
651,000
|
689,755
|
727,500
|
2,600,000
|
286
|
13
|
渋谷
|
670,000
|
1,192,500
|
1,550,000
|
4,231,551
|
4,190,000
|
26,000,000
|
118
|
14
|
中野
|
381,000
|
513,500
|
644,000
|
812,198
|
901,500
|
3,740,000
|
106
|
15
|
杉並
|
405,000
|
484,750
|
543,000
|
616,564
|
640,000
|
2,660,000
|
172
|
16
|
豊島
|
473,000
|
570,000
|
770,000
|
1,446,864
|
1,372,500
|
13,500,000
|
110
|
17
|
北
|
342,000
|
427,000
|
510,000
|
657,555
|
699,750
|
2,980,000
|
110
|
18
|
荒川
|
373,000
|
418,250
|
503,000
|
605,293
|
691,500
|
1,750,000
|
58
|
19
|
板橋
|
248,000
|
370,000
|
423,000
|
474,979
|
528,000
|
1,230,000
|
140
|
20
|
練馬
|
225,000
|
356,750
|
399,500
|
434,873
|
460,000
|
1,370,000
|
220
|
21
|
足立
|
184,000
|
242,000
|
298,000
|
367,368
|
400,000
|
2,700,000
|
220
|
22
|
葛飾
|
187,000
|
289,000
|
324,500
|
362,438
|
367,000
|
1,480,000
|
128
|
23
|
江戸川
|
256,000
|
305,000
|
358,000
|
392,467
|
390,000
|
1,550,000
|
182
|
24
|
八王子
|
36,800
|
86,550
|
116,000
|
156,977
|
159,000
|
2,640,000
|
294
|
25
|
立川
|
138,000
|
209,000
|
261,500
|
452,600
|
328,000
|
5,200,000
|
80
|
26
|
武蔵野
|
360,000
|
520,250
|
613,500
|
991,387
|
870,250
|
6,330,000
|
62
|
27
|
三鷹
|
254,000
|
352,500
|
412,000
|
514,547
|
500,750
|
2,450,000
|
86
|
28
|
青梅
|
30,700
|
64,500
|
96,400
|
110,173
|
149,000
|
312,000
|
66
|
29
|
東京府中
|
186,000
|
259,000
|
282,500
|
331,973
|
321,250
|
1,610,000
|
112
|
30
|
昭島
|
130,000
|
163,500
|
185,500
|
200,000
|
224,000
|
425,000
|
46
|
31
|
調布
|
239,000
|
296,500
|
336,500
|
390,691
|
379,000
|
1,460,000
|
94
|
32
|
町田
|
56,400
|
132,000
|
155,000
|
249,556
|
203,500
|
2,670,000
|
192
|
33
|
小金井
|
256,000
|
302,250
|
345,000
|
397,062
|
369,500
|
1,480,000
|
48
|
34
|
小平
|
181,000
|
209,750
|
234,000
|
244,779
|
256,000
|
439,000
|
86
|
35
|
日野
|
98,000
|
154,750
|
203,500
|
216,457
|
234,000
|
590,000
|
92
|
36
|
東村山
|
148,000
|
168,750
|
184,000
|
217,562
|
238,500
|
440,000
|
64
|
37
|
国分寺
|
193,000
|
266,500
|
320,000
|
378,870
|
370,000
|
1,470,000
|
46
|
38
|
国立
|
188,000
|
304,000
|
329,000
|
382,700
|
421,000
|
1,100,000
|
30
|
39
|
福生
|
132,000
|
154,500
|
171,500
|
204,281
|
227,250
|
426,000
|
32
|
40
|
狛江
|
252,000
|
286,000
|
306,500
|
325,750
|
327,000
|
514,000
|
28
|
41
|
東大和
|
127,000
|
145,000
|
167,000
|
171,250
|
186,000
|
290,000
|
52
|
42
|
清瀬
|
125,000
|
161,000
|
181,000
|
200,528
|
228,000
|
427,000
|
36
|
43
|
東久留米
|
153,000
|
190,500
|
203,000
|
223,278
|
225,750
|
376,000
|
54
|
44
|
武蔵村山
|
94,000
|
111,250
|
118,000
|
123,816
|
138,000
|
159,000
|
38
|
45
|
多摩
|
125,000
|
158,000
|
189,000
|
212,851
|
223,000
|
616,000
|
74
|
46
|
稲城
|
145,000
|
194,000
|
226,000
|
222,707
|
249,000
|
283,000
|
58
|
47
|
羽村
|
77,600
|
125,000
|
136,000
|
137,795
|
162,500
|
192,000
|
22
|
48
|
あきる野
|
37,000
|
73,975
|
103,100
|
103,515
|
116,000
|
226,000
|
52
|
49
|
西東京
|
218,000
|
267,000
|
293,000
|
310,910
|
319,500
|
755,000
|
78
|
50
|
東京瑞穂
|
54,500
|
68,000
|
106,500
|
95,243
|
113,000
|
127,000
|
28
|
51
|
日の出
|
63,500
|
72,825
|
87,550
|
88,979
|
98,125
|
127,000
|
14
|
52
|
東京大島
|
5,900
|
7,800
|
13,500
|
21,267
|
36,675
|
44,400
|
6
|
53
|
新島
|
5,700
|
6,125
|
7,400
|
7,467
|
8,825
|
9,300
|
6
|
54
|
神津島
|
6,500
|
6,775
|
7,600
|
7,867
|
9,025
|
9,500
|
6
|
55
|
東京三宅
|
8,100
|
8,525
|
9,800
|
9,633
|
10,700
|
11,000
|
6
|
56
|
八丈
|
6,000
|
7,550
|
12,200
|
16,433
|
26,375
|
31,100
|
6
|
57
|
小笠原
|
23,600
|
32,200
|
58,000
|
52,200
|
70,750
|
75,000
|
6
|
REIT