Metodkritik

Oavsett vilken studie som utförs, har alla en gemensam nämnare. Det är nämligen en studies begränsningar. Eftersom denna uppsats studerade ett datamaterial som sträcker sig från åren 1986:1 till 2016:4 uppstod främst begränsningen om att tidsperioden var för kort. Det som hade förbättrat uppsatsens datamaterial är en ökad tillgänglighet av åren, i synnerhet för finansiella tillgångar. Eftersom denna uppsats tillämpade Dentons method gällande

konvertering av årligt data kan detta ha påverkat resultatets validitet. Metoden konverterar årligt data till kvartalsdata vilket kan leda till att vissa kvartal får för höga värden. En annan relaterat begränsning, är bolåneräntans tillgänglighet av data. Eftersom bolåneränta ännu inte finns i kvartalsdata framtogs variabeln genom ett viktad medelvärde av marknadsräntor för statsskuldsväxlar och statsobligationer som sedan deflaterades med KPIF. Av dessa skäl kan resultatet i denna uppsats inte representera bostadsmarknadens karaktärer i sin helhet och bör kombineras med andra studier.

38

9. Slutsatser

Syftet med denna uppsats var att studera hur Sveriges reala fastighetspriser påverkas av det dynamiska förhållandet mellan makroekonomiska faktorer, som inkluderar hushållens reala disponibla inkomster, hushållens reala finansiella tillgångar, real bolåneränta och reala faktorpriser. Frågeställningarna som besvarades var om det fanns kointegration mellan reala fastighetspriser och uppsatsens makroekonomiska faktorer, och i hur stor grad

fastighetspriserna påverkas av chocker på samhällsekonomin.

Med detta som utgångspunkt skattades en felkorrigeringsmodell (VECM) i försöket att förklara den svenska fastighetsprisutvecklingen mellan år 1986 och 2016.

Baserat på uppsatsens resultat identifierades tre kointegrationer mellan

fastighetspriser/bolåneränta, disponibla inkomster/bolåneränta och faktorpriser/bolåneränta. Uppsatsens fokus var emellertid endast kointegrationen mellan fastighetspriser och

bolåneränta.

Resultatet från Grangers - kausalitetstest bekräftar att fastighetspriser Granger - orsakades av hushållens disponibla inkomster, faktorpriser och hushållens finansiella tillgångar.

Genom att undersöka korrigeringstermen identifierades en hög justeringstakt för svenska fastighetspriser. Detta innebär att när de reala fastighetspriserna ligger över

marknadsjämvikten i förhållande till bolåneräntan, är justeringstakten tillbaka till jämvikt ungefär ett år. I motsats till Claussen (2012) visade uppsatsens resultat att fastighetspriserna inte är i harmoni med den samhällsekonomiska utvecklingen. Genom att granska det

långsiktiga förhållandet, ska endast den reala bolåneräntan delvis kunna förklara beteendet hos fastighetspriserna.

Med en impuls och respons funktionstest (IRF), indikerar resultatet att hushållens finansiella tillgångar och faktorpriser har störst effekter på fastighetspriser. Det innebär att när chocker inträffar på samhällsekonomin, kommer effekterna att prägla fastighetprisutvecklingen under en längre tid.

För framtida studier rekommenderas skrivaren att studera ett längre tidsintervall.

I detta fall kan studien ske med panel vektorautoregressionsmodell i syfte att studera liknande städer som Hort (1998). Det vore därför intressant att se hur städerna har påverkats med prisutvecklingen på bostäder.

39

10. Källförteckning

Referenslista

Anari, A & Kolari. J (2002), “House prices and inflation”, Real Estate Economics, Vol. 30(1), 67–84.

Anenberg. E (2012),” Information Frictions and Housing Market Dynamic”, Finance and Economics Discussion Series Divisions of Research & Statistics and Monetary Affairs Federal Reserve Board, Washington, D.C.

Arshanapalli, B & Nelson, W (2008), “A Cointegration Test to Verify the Housing Bubble” The International Journal of Business and Finance Research, Vol. 2 (2), 35-43.

Asteriou, D. & Hall, S.G (2012), “Applied Econometrics”, New York: Palgrave Macmillian. Becketti, S. (2013),” Introduction to Stata”, 1. uppl, Texas, Stata Press.

Bergendahl, P-A. m.fl. (2015), ”Bostadsmarknaden och den ekonomiska utvecklingen”, SOU, rapport 2015, 2015:14.

Boverket (2007), “Bostadspolitiken – Svensk politik för boende, planering och byggande under 130 år”, Rapport 2014, Boverket, Karlskrona.

Chen, J (2006), ”Housing Wealth and Aggregate Consumption in Sweden”, Department of Economics Working paper 2006:16, Uppsala University.

Campbell, J.Y. & Schiller, R. J. (1987), “Stock Prices, Earnings, and Expected Dividends”, The Journal of Finance, Vol. 43(3), 661- 676.

Chen, M-C. & Patell, K. (1998): House Price Dynamics and Granger Causality: An Analysis of Taipei New Dwelling Market, Vol. 1(1), 101 - 126

Cheung, Y-W & Lai, K.S, (1995), “Lag Order and Critical Values of a Modified Dickey- Fuller Test”, Oxford Bulletin of Economics and Statistics, Vol. 57(3), 411 – 419.

Claussen C-A. (2012),” Are Swedish Houses Overpriced?”, International Journal of Housing Markets and Analysis, Vol. 6(2), 180 - 196.

Elliot, G. m.fl. (1996),” EFFICIENT TEST FOR AN AUTOREGRESSIVE UNIT ROOT”, Econometrica, Vol. 64 (2), 813 – 836.

Englund, P. (2011). ”Svenska huspriser i ett internationellt perspektiv”, Rapport 2011, Riksbankens utredning om risker på den svenska bostadsmarknaden, Sveriges Riksbank. Fama, E.F (1991), “Efficient Capital Markets: II”, The Journal of Finance,

40

Flam, Harry (2016), “Har vi en bostadsbubbla?”, Ekonomisk Debatt, Swedish Economics Association.

Franken, M. m.fl. (2011),” Factors that affect South African real estate price growth”, Management Dynamics, Vol. 20 (2), Stellenbosch University, 18 – 32.

Frisell L. och Yazdi M. (2010)” Prisutvecklingen på den svenska bostadsmarknaden – en fundamental analys”, Finansinspektionen, Sveriges Riksbank.

Gale, D (1995). "The law of supply and demand." Mathematica Scandinavica, Vol. 3, 155 - 169.

Gottfries, N (2013).” MACROECONOMICS”. 1. uppl. Basingstoke: Palgrave Macmillian. Granger, C.W.J (1969), “Investigating Causal Relations by Econometric Models and Cross- spectral Method”, Econometrica, Vol. 37 (3), 424-438.

Granger, C.W.J & Engle, R.F (1982), “Co-Integration and Error Correction: Representation, Estimation, and Testing”, Econometrica, Vol. 55 (2), 251-276.

Hausman, D.M. 1995. “The Impossibility of Interpersonal Utility Com parisons”. Mind 104, pp. 475-90.

Hendry, D.F & Juselius, K (2000), “Explaining Cointegration Analysis: Part II”, Department of Economics,University of Copenhagen, Denmark.

Hort, K (1998),” The Determinants of Urban House Price Fluctuations in Sweden 1968–1994”, Journal of Housing Economics, Vol.7(2), 93-120.

Hubbard, R. & Meyer, C. (2008), “House Prices, Interest Rates, and the Mortgage Market Meltdown”, Columbia Graduate School of Business Working Paper. Columbia university, New York.

Ivanov, V & Kilian, L (2001), “A Practitioner's Guide to Lag-Order Selection for Vector Autoregressions”, Centre for Economic Policy Research, 90- 98.

Johansen, S (1988), ” Statistical analysis of cointegration vectors” , Journal of Economic Dynamics and Control, Vol. 12(2-3), 231 -254.

Johansen, S (1991), “Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models”, Econometrica, Vol. 59 (6), 1551-1580.

Johansen, S (1995), “Likelihood-Based Inference in Cointegrated Vector Autoregressive Models”, NewYork: Oxford University Press.

Johansen, S & Juselius, K (1990), “Maximum Likelihood Estimation and Inference on Cointegration–with Applications to the Demand for Money”, Oxford Bulletin of Economics and Statistics, Vol. 52 (2), 169 – 210.

41

Lutkepohl, H (2005),”New Introduction to Multiple Time Series Analysis”, New York: Springer.

Michael, R.T & Becker, G.S (1973), “On the New Theory of Consumer Behavior”, The Swedish Journal of Economics, Vol. 75 (4), 378-396.

Nelson, C.R & Plosser, C.I (1982), “TRENDS AND RANDOM WALKS IN

MACROECONMIC TIME SERIES”, Journal of Monetary Economics, Vol. 10, 139-162. Pala, A (2013), “Structural Breaks, Cointegration, and Causality by VECM Analysis of Crude Oil and Food Price”, International Journal of Energy Economics and Policy, Vol. 3 (3), 238-246.

Pesaran, H.H & Shin, Y (1998),” Generalized impulse response analysis in linear multivariate models”, Economics Letters, Vol. 58, 17–29.

SABO, ”Historiska epoker”.

https://www.allmannyttan.se/historia/historiska-epoker/ (2017-02-03). SCB, Statistiska centralbyrån, Kalkylerat bostadsbestånd 2011.

http://www.scb.se/sv_/Hitta-statistik/Statistik-efter-amne/Boende-byggande-och-

bebyggelse/Bostadsbyggande-och-ombyggnad/Bostadsbestand/87469/87476/Behallare-for- Press/Kalkylerat-bostadsbestand-2011/ (2017-01-29).

SCB, Statistiska centralbyrån, Fastighetspriser och lagfarter 2015.

http://www.scb.se/sv_/Hitta-statistik/Statistik-efter-amne/Boende-byggande-och- bebyggelse/Fastighetspriser-och-lagfarter/Fastighetspriser-och-

lagfarter/10957/10964/Behallare-for-Press/404195/ (2017-01-26).

Stock, J.H & Watson, M.W (2011), “Introduction to Econometrics”, 3. uppl, London: Pearson Education.

Totonchi, J (2011).”Macroeconomic Theories of Inflation”, International Conference on Economics and Finance Research, vol. 4(1), 459 – 462.

Yang, Z. & Wang, S.T (2012). “Permanent and transitory shocks in owner-occupied housing: A common trend model of price dynamics”, Journal of Housing Economics, Vol. 21(4), 336-346

42

Datakällor

EC, Europa kommissionen, Dentons method.

https://ec.europa.eu/eurostat/cros/content/dentons-method-method_en (2017-04-20) Proposition (1997/98:1), ”1990-91 års skattereform - en värdering”.

http://www.regeringen.se/contentassets/093a2523a04c43ca83d6b2e21d9e5088/bilaga-6- 1990-91-ars-skattereform---en-vardering (2017-04-29)

SCB, Statistiska centralbyrån,Fastighetsprisindex för permanenta småhus (FASPI).

http://www.statistikdatabasen.scb.se/pxweb/sv/ssd/START__BO__BO0501__BO0501A/Fast piPSRegKv/?rxid=69533cb4-3896-47d5-a035-4e0a6e499321 (2017-01-26).

SCB, Statistiska centralbyrån,Faktorprisindex för byggnader (FPI).

http://www.statistikdatabasen.scb.se/pxweb/sv/ssd/START__PR__PR0502__PR0502B/FPIIn LgKv/?rxid=e8ff72e1-dd04-40b7-b54c-0e1473896472# (2017-01-26 )

SCB, Statistiska centralbyrån, Hushållens disponibla inkomster (HDI).

http://www.statistikdatabasen.scb.se/pxweb/sv/ssd/START__NR__NR0103__NR0103C/Hus DispInkENS2010Kv/?rxid=4d12d829-d16a-4193-9dc6-cb189687ac64 (2017-01-26).

SCB, Statistiska centralbyrån, Hushållens finansiella tillgångar (HFT).

http://www.statistikdatabasen.scb.se/pxweb/sv/ssd/START__FM__FM0103__FM0103A/FirE NS2010ofKv/?rxid=df42ebc9-f7e2-4f32-9bcd-db4bb8c9082b (2017-04-03 )

http://www.statistikdatabasen.scb.se/pxweb/sv/ssd/START__FM__FM0103__FM0103B/Fir ArD/?rxid=07877aed-1c4a-480e-aa4f-bb6c3fbf258f (2017-04-03)

Sveriges riksbank, Marknadsräntor (BR).

http://www.riksbank.se/sv/Rantor-och-valutakurser/Sok-rantor-och-valutakurser/ (2017-01-26).

SCB, Statistiska centralbyrån, Konsumentprisindex med fastbostadsränta (KPIF) http://www.scb.se/hitta-statistik/statistik-efter-amne/priser-och-

konsumtion/konsumentprisindex/konsumentprisindex-kpi/pong/tabell-och- diagram/underliggande-inflation-kpix-kpif-och-kpif-ks/kpif-index-1987100/ (2017-01-26).

43

11. Appendix /Bilagor

A

∆𝑦_𝑡 är den beroende variabeln, fastighetspriser: Modellen som inkluderar alla parametrar

∆𝑦_𝑡= 𝛾 + 𝜏𝑡 + 𝑎(𝛽′𝑦_𝑡−1+ 𝑣 + 𝜌𝑡) + ∑𝑝−1_𝑖=1 Γ_𝑖∆𝑦_𝑡−𝑖+ 𝑒_𝑡 (11.1) Modell två; 𝜏 = 0 ∆𝑦_𝑡= 𝛾 + 𝑎(𝛽′𝑦_𝑡−1+ 𝑣 + 𝜌𝑡) + ∑𝑝−1_𝑖=1 Γ_𝑖∆𝑦_𝑡−𝑖+ 𝑒_𝑡 (11.2) Modell tre; 𝜏 = 0 𝑜𝑐ℎ 𝜌 = 0 ∆𝑦_𝑡= 𝛾 + 𝑎(𝛽′𝑦_𝑡−1+ 𝑣) + ∑𝑝−1_𝑖=1 Γ_𝑖∆𝑦_𝑡−𝑖+ 𝑒_𝑡 (11.3) Modell fyra; 𝜏 = 0, 𝜌 = 0, 𝛾 = 0 𝑜𝑐ℎ 𝑣 = 0 ∆𝑦_𝑡= 𝛾 + 𝑎(𝛽′𝑦_𝑡−1) + ∑𝑝−1_𝑖=1 Γ_𝑖∆𝑦_𝑡−𝑖+ 𝑒_𝑡 (11.4)

B

Tabell 11.1. Denna tabell illustrerar den optimala lagglängden

Informationskriterier VAR(0) VAR(1) VAR(2) VAR(3) VAR(4) HQIQ 1,03028 -10,962 -10,8239 -10,6606 -12,7127*

SBIC 1,09926 -10,5482 -10,0651 9,55693 -11,2642*

44

C

Tabell 11.2. Denna tabell presenterar kointegrationsekvationen för fastighetspriser och bolåneränta i realtermer och logaritmiska termer

β Koefficient Standardavvikelse z P>|z| Minimum gräns Maximum gräns Fastighetspriser 1 . . . . . Faktorpriser 0 (omitted) . . . . Disponibel inkomst 0 (omitted) . . . . Finansiella tillgångar 0,22 0,44 0,50 0,68 -0,64 1,08 Bolåneränta 2,42* 0,33 7,30 0,00* 1,77563 3,07789 Konstant -9,26 . . . . .