• No results found

3. Teori

4.4 Insamling av data

Data har hämtats från flera platser. Data på historiska transaktioner har hämtats från ”prop-tech-tjänsten” Datscha och dessa har exempelvis validerats mot bland annat rapporten ”Svensk Fastighetsmarknad Fokus 24 orter”, utfärdad av fastighetsrådgivaren Svefa. Svefa har i sin rapport utfört en sammanställning på tidigare transaktioner på samhällsfastigheter i Sverige från 2012 till första kvartalet 2019. Data för kommunernas politiska styren har hämtats ifrån SKR. Den demografiska utvecklingen och invånarantal för alla kommuner, har hämtats ifrån SCB. Data på kommunernas soliditet, skuldsättning i kr/invånare och årets resultat kr/invånare har hämtats ifrån Kolada.

4.4.1 Datscha

Inhämtandet och främst tolkningen av informationen från Datscha var stundtals inte helt enkel. Avvägningar kring vad som skulle premieras i urvalet och vad som skulle behöva falla bort var svåra att göra men också nödvändiga för att undvika skevheter i vår data. Därav har vi tillsammans i diskussion med Datscha sammanställt urvalskriterierna. Den data som vi ville få fram var volym i antal miljarder kronor mellan 2013-2019 för att visa hur transaktioner inom samhällsfastigheter har förändrats under åren. Anledningen till varför vi valt att bara titta på volymen från 2013 och framåt, är att Datscha inte har sammanställt volymen i miljarder kronor innan dess. Vidare har vi tagit fram antal försäljningar inom samhällsfastigheter som kommunerna i Sverige har avyttrat mellan 2010-2019. Detta för att visa vilka kommuner som avyttrat mest under åren. Slutligen har vi tagit fram antal försäljningar inom samhällsfastigheter som de intervjuade privata bolagen har avyttrat mellan 2019-2019. Detta för att kunna belysa deras agerande i förhållande hur långsiktiga de har varit i sitt ägande av samhällsfastigheter. Inhämtande och gallring av data gjordes också enskilt för varje år eftersom Datscha bara kan redovisa ett maximalt antal transaktioner på 1.000 stycken per år. Gallringen som gjordes blev som följer:

25 Fastighetssegment: Samhällsfastigheter Fastighetssegment: Typkoder ”823-829”. Typer: lämna blankt för överlåtelseform. Typer: lämna blankt för överlåtelseform. Enskild fastighet/portfölj: ”Allt”, i portföljerna

har Datscha viktat alla samhällsfastigheter utifrån bland annat taxerat värde och area. Detta innebär att bara samhällsfastigheter är inräknat i volymen.

Enskild fastighet/portfölj: ”Allt”

Köpeskilling: Över 40 000 000 kr. Köpeskilling: Lämna blankt, för att få med alla transaktioner.

Vid ”Exportera” till Excel har vi valt ”Fastigheter” för att få en lista på alla fastigheter som har köpts och sålts genom åren.

I Excelfilen har vi sedan filtrerat på kommuner och kommunala bolag som säljare. Vi har valt typkoder 823-829 för att få bort portföljer som kan innehålla andra typkoder som t.ex. bostäder eller vanliga kontor.

Vidare har vi sållat bort transaktioner som skett inom kommun, till exempel mellan två kommunala bolag.

Antal försäljningar från de privata fastighetsbolagen (Stenvalvet, Hemsö,

Vectura, SBB) 2010–2019 ”Sök transaktion”

Datum: Från 01/01/2010 till 31/12/2019. Fastighetssegment: Typkoder ”823-829”. Typer: lämna blankt för överlåtelseform. Enskild fastighet/portfölj: ”Allt”

Köpeskilling: Lämna blankt, för att få med alla transaktioner.

Köpare & säljare: Sök för varje enskilt fastighetsbolag i fältet ”säljare”. Vid ”Exportera” till Excel har vi valt

”Fastigheter” för att få en lista på alla fastigheter som sålts genom åren.

I Excelfilen har vi sedan filtrerat efter vilka aktörer som de respektive privata

fastighetsbolagen har sålt till. Vi har också bara valt typkoder 823-829 för att få bort portföljer som kan innehålla andra typkoder som t.ex. bostäder eller vanliga kontor.

4.4.2 SKR – Sveriges Kommuner och Regioner

SKR – Sveriges Kommuner och Regioner är en medlems- och arbetsgivarorganisation där alla Sveriges kommuner och regioner är medlemmar. Deras uppgift är att stödja samt bidra till att utveckla kommuner och regioners verksamheter (SKR, 2020a). Från SKR:s hemsida hämtades data om kommuners politiska styren för de tre senaste kommunvalen, som sträcker sig över valen 2010, 2014 och 2018 (SKR, 2020b). Denna data hämtades då vi i ett senare skede kommer jämföra kommuners försäljningar, dess politik och ekonomiska ställning.

4.4.3 SCB – Statistiska centralbyrån

SCB – Statistiska centralbyrån ansvarar för officiell statistik och statlig statistik i Sverige. Detta görs i huvudsak på uppdrag av regeringen samt olika myndigheter (SCB, 2020a). Från SCB hämtades data om befolkningsförändring i Sverige från 2010 till och med en prognos för 2029. Även denna data kommer behandlas ytterligare framöver (SCB, 2020b).

4.4.4 Kolada

Kolada är en databas för Sveriges kommuner och regioner och tillhandahåller olika nyckeltal, bland annat nyckeltal för soliditet, skuldsättning med mera (Kolada, 2020b). Denna tjänst användes för att samla och jämföra kommunernas soliditet, skuldsättning i kronor per invånare och årets resultat kronor per invånare. Dessa nyckeltal, och den data som hämtats in enligt kapitel 4.4.1 till 4.4.3 kommer ställas mot varandra och jämföras senare i studien.

4.4.5 Jämförelse av svenska kommuner

Den data som inhämtats enligt kapitel 4.4.1 till 4.4.4 har filtrerats och behandlats för att kunna urskönja mönster bland svenska kommuner. Utifrån denna data har starkare och svagare kommuner identifierats. De svaga kommunerna har alla under 30 procent soliditet, underskott och/eller skulder överstigande 75.000 kr per invånare. De starkare kommunerna har alla över 65 procent soliditet, överskott och/eller skulder under det nationella genomsnittet 39.518 kr per invånare. Vi har även studerat kommunernas senaste tre kommunstyren efter valen 2010, 2014 och 2018 för att se om det kan finnas mönster av att vissa politiska styren säljer mer eller mindre än andra.

För ovan nämnda kommuner har även data om antal samhällsfastigheter i beståndet insamlats från Datscha samt hur många samhällsfastigheter som respektive har avyttrat under de senaste tio åren till privat sektor. Dessa faktorer har sammanställts och kommer presenteras i kapitel 5.3.2

27

Related documents