Hur mäter vi det omätbara?

(1)

Hur mä ter vi det omä tbärä?

En studie i prispåverkande faktorer

Författare: Johanna Tenggren, Tonny Tran Handledare: Peter Håkansson

Examensarbete i Fastighetsvetenskap FF321F Kandidatnivå 15hp

Malmö Universitet, Kultur och Samhälle

How do we meäsure the unmeäsuräble?

(2)

1

Sammandrag

Fastigheter beläggs med olika pris beroende på en mängd olika faktorer. Denna uppsats syftar till att analysera hur några av dessa prispåverkande faktorer och hur de förhåller sig till småhusfastigheter i Helsingborg. Utöver detta kommer även en faktor, kallad njutningsfaktorn, analyseras för att försöka fastställa hur individers preferenser påverkar värdet. Analysen baseras på statistiska underlag som kommer att behandlas med hjälp av den hedoniska prismodellen. Bid-rent modellen kommer att appliceras på staden Helsingborg och dess områden för att skapa en bild av lägesfaktorn. En fördjupning i psykologi och urban ekonomi kommer att bidra till analysen av både fysiska och psykologiska aspekter. Resultaten vi fått fram är att det inte enbart kan tas hänsyn till fysiska aspekter i förhållande till pris på fastigheter utan det är även viktigt att behandla de psykologiska aspekterna för varje individ.

Nyckelord

(3)

2

Abstract

Different real estates have different value, depending upon several factors. This essay aims to analyse some of these values bearing factors and how they relate to properties in Helsingborg. Beside these factors another factor, called the pleasure factor, will be analysed in an attempt to determine how individual preferences affects the value. The analysis will be based on statistic material that will be processed with the hedonic price model. The bid-rent model will be applied to the city and to its areas, to help create an understanding of the location factor. A depression of psychology and urban economics will contribute to both physical and psychological aspects of the analysis. The results that will be presented will show that in consideration to price we can't just tend to the physical aspects but must also consider the psychological aspects for each individual.

Keywords

Bid-rent, Hedonic price model, Psychology, Real estate, Regression model, Urban economics

(4)

3

Innehållsförteckning

Inledning

Location, location, location… det är det motto som vi har blivit drillade med sedan dag ett på utbildningen i fastighetsvetenskap med inriktning förmedling. Att läget är det som har störst betydelse för priset på en fastighet oavsett var i världen man befinner sig.

Definitionen av läge i vårt arbete definieras utifrån en geografisk placering av en fastighet. När man gör konkreta jämförelse mellan fastigheter i en stad kan fastigheterna, beroende på var dessa är belägna, skilja sig åt i pris. Vissa områden har högre marknadsvärde på sina fastigheter än andra trots likvärdiga attribut.

Enligt bid-rent modellen har fastigheter som har nära anslutning till stadens Central business district (CBD) ger en högre betalningsvilja för köpare än de som angränsar till industri eller yttre huvudleder, men när två områden som befinner sig inom samma geografiska parametrar har olika marknadsvärde så måste pris och betalningsvilja förklaras på annat sätt.

Att göra ett fastighetsköp är ett stort steg för de flesta människor, det finns många faktorer som spelar in och mycket att ta ställning till. Hur budgeten ser ut är oftast det primära men när denna är fastställd så följer många andra val att besluta kring. Hur stor fastighet vill vi investera i, var vill vi bo, och vilka övriga attribut är viktiga. Är det externaliteterna som är viktigast; skolor, affärer, kommunikationer eller är närheten till staden det primära. Kanske ligger vikten i att fastighetens estetik och ålder härstammar från en viss arkitektonisk epok. Besluten är som sagt många. Dessa faktorer går att omvandla till siffror med hjälp av modeller och formler där korrelationen mellan attribut kan skattas gentemot värdet på fastigheten.

(7)

6

Bakgrund och problemdiskussion

Helsingborg är en medelstor stad i nordvästra Skåne som har en lång och händelserik historia. Staden är en utav de äldsta städerna i norden och dess historia kan spåras tillbaka till 900-talet (Helsingborgs stadslexikon 2006). Belägen vid Öresunds kant, ofta kallad Sundets pärla, har staden varit i centrum för många slag och stridigheter mellan Sverige och Danmark. Skåne och Helsingborg har i omgångar tillhört Danmark och 1658 var sista gången staden tillhörde Danmark. Dessa åtskilliga krig lämnade gång på gång staden i spillror och det finns idag inte många byggnader kvar sedan innan 1700 – talet. Undantaget är bland andra Maria kyrkan och Kärnan.

Olika prispåverkande faktorer finns med tanke på fastighetsvärdering. För att kunna värdera ett objekt måste man vara medveten om vilka faktorer som påverkar priset på det aktuella objektet (Persson, 1980). Detta behöver inte nödvändigtvis vara något rent fysiskt kopplat till byggnadens egenskaper utan man måste även ta hänsyn till andra faktorer som till exempel geografiskt läge, demografi i området eller konjunkturläget i landet.

Enligt Persson (1980) kan de prispåverkande faktorerna delas upp i olika kategorier:

· Direkt fastighetsknutna faktorer (storlek, ålder, standard och skick, avgifter planbestämmelser, driftsvillkor med mera)

· Marknadsanknutna faktorer (utbud och efterfrågan, både gällande huset och andra utnyttjbara biytor)

· Omvärldsanknutna faktorer (samhällsekonomiska faktorer, konjunkturläge, inflation, räntenivå, beskattningsregler, framtida utsikter med mera)

Bakgrunden till denna studie grundar sig i ett tidigare arbete i ämnet värderingsteori. Under en tidigare studie, utförd kring värdering av fastigheter på Tågaborg i Helsingborg, väcktes intresset för att undersöka vad det egentligen är som påverkar priset på en fastighet. I studien användes modeller såsom bid-rent, regression, ortsprismetod med mera. Upplevelsen då var att det inte gick att få en fullständig uppfattning kring vilka faktorer som påverkar värdet på en fastighet genom att enbart använda dessa modeller på en begränsad yta. Metoderna i det tidigare arbetet hjälpte till att få fram ett statistiskt material som gav konkreta kvantitativa resultat, men ingen förklaring till varför olika stadsdelar var betingade med skillnader i fastighetspris. Vi började då göra undersökningar och regressioner som gick utanför arbetet

(8)

7

och gjorde jämförelser med andra stadsdelar i Helsingborg med liknande attribut. Resultatet visade att regressionerna påvisade stora varianser i kvadratmeterpris, trots att vi befann oss på en geografiskt liknande plats och att det i det statistiska underlaget var samma faktorer som behandlades.

Det finns tidigare studier som behandlar prispåverkande faktorer för bostadsrätter. Patrik Larsson (2012) tillämpar den monocentriska stadsmodellen på bostadsrätter för att analysera hur bostadspriserna påverkas av läget i Lund och Malmö. Nilsson och Thörnberg (2010) berör ämnet värdering i sin avhandling kring tillförlitligheten i marknadsvärdet kring fastighetsvärdering av småhus i Sverige.

Problemet vi ser när vi läser tidigare forskning på ämnet värdering och prispåverkande faktorer på fastighetsmarknaden, är att de inriktar sig främst på de fysiska samt geografiska aspekterna av fastigheters värde. Grum & Grum (2014) tar upp mycket av det vi vill beröra och fördjupa oss kring denna studie. I sin artikel A model of real estate and psychological factors in decision-making to buy real estate, berör de hur olika aspekter påverkar hur vi tänker inför ett fastighetsköp. Personlighet, motivation och känslor spelar även dessa en stor roll i beslutsprocessen. De förväntningar som finns på oss som enskilda individer har också en inverkan på hur vi agerar. Fastigheter kan enligt Grum & Grum även ge ett psykiskt mervärde för individen som besitter den. I sin slutsats konstaterar de att det som saknas för att få en fullständig bild kring psykologins påverkan på fastighetsköp är det empiriska underlaget, då deras studie främst grundar sig i hypoteser och antaganden. Vi vill med hjälp av statistiska regressioner som bygger på den hedoniska prismodellen utöka denna forskning och se hur korrelationen mellan olika värden kan skattas gentemot betalningsviljan för en fastighet

(9)

8

Syfte och frågeställning

Syftet med denna studie är att ge en översikt över de olika prispåverkande faktorer som Persson (1980) beskriver det i sina tre kategorier. Studien syftar även till att diskutera och analysera vad som ger en småhusfastighet dess pris i Helsingborg, inte bara utifrån fysiska attribut, utan även utifrån psykologiska aspekter.

Studiens frågeställning kommer vara hur prispåverkande faktorer kan generera olika priser beroende på område i Helsingborg.

Avgränsning

Vi avgränsar oss från bostadsrätter och kommersiella fastigheter. Vi begränsar vårt statistiska urval under en period av fem år, från och med 2013-04-09 till och med 2018-04-09. Vi begränsar oss till fastigheter med en boarea mellan 90 och 300 kvadratmeter och enbart fastigheter med lagfart. Vi har valt att göra en avgränsning där strandbelägenhet räknas inom en radie av 500 meter till närmaste kust. Fastighetsutdrag har tagits enbart från prisdatabasen via UC bostadsvärdering. När vi använder hela Helsingborg som term i studien har vi gjort en avgränsning där de yttre områdena inte räknas in (se bilaga 1). Vi har hämtat vårt statistiska underlag över Helsingborg via deras statistikdatabas (se utförligare i bilaga 1). När vi använder oss av Helsingborg stads indelning av statistikområden i vårt prisdatabasunderlag så får vi korrekt statistik för området utifrån de indelningar Helsingborg stad själva gör i staden. Vi är medvetna att andra karttjänster gör andra indelningar.

Disposition

Initialt kommer det att beskrivas i studien hur geografin ser ut, vilka områden som befinner sig var och hur dessa kan placeras i förhållande till bid-rent modellen. Vidare behandlas olika teorier som underbygger studiens frågeställning och analys. Detta följs med en regressionsanalys som görs på samtliga utvalda områden i Helsingborg, samt på de individuella områdena för att fastställa relevant statistik som underlag för analysen. Detta underlag kommer att användas för att jämföra de olika områdenas värden mot varandra. Utifrån teorin och det kvantitativa underlaget görs en vidare analys kring vilka faktorer som påverkar priset utöver de fysiska attributen.

(10)

9

Metod

Metodval

Metoden kvalitativ studie behandlar ”mjuk data” som baseras på data insamlat via intervjuer medan kvantitativ studie istället bygger på ”hård data” och består av statistisk sifferdata. Då syftet med denna studie är att analysera hur vårt inhämtade sifferdata förhåller sig till vår frågeställning så har vi valt att utföra en kvantitativ studie.

Utifrån undersökning av tidigare studier på ämnet kommer detta att göras med hjälp av en hedonisk prismodell samt en deskriptiv genomgång av statistiken. Resultaten kommer att illustreras i tabeller och diagram.

Urval och Litteratur

Arbetet har sin bas i Helsingborg. Vi såg under tidigare studier stora skillnader i pris på fastigheter med liknande attribut beroende på i vilken stadsdel dessa var lokaliserade. Initialt väljs stadsdelar ut som underlag för arbetet. För varje av dessa områden plockas sedan statistik ut för vidare bearbetning i tabeller och regressioner. Statistiken hämtas från ucbv.se samt helsingborg.se. I teoriavsnittet väljs relevanta teorier ut och behandlas överskådligt för att sedan ligga till grund för analysen av tabeller grafer och regressioner. För att förtydliga betalningsviljan kommer vi att använda oss av bid-rent teorin. Denna beskriver betalningsviljan beroende på vilket geografiskt läge området befinner sig gentemot olika referenspunkter i staden så som CBD och huvudled (O’Sullivan, 2012). Vi har med hjälp av mätfunktion via Eniro mätt ut avståndet till CBD med en geografiskt centrerad mittpunkt av varje område. Likaså är avståndet mätt till närmaste påfart till huvudled.

Bearbetning

Som referens för områdena används statistiskt underlag för Helsingborg (se bilaga 1). Statistiken bearbetas utifrån medelvärden på de olika faktorerna som undersöks samt med hjälp av framtagna kvotvärden där Helsingborg som referens har kvotvärde 1.

För att bearbeta statistiken används programmet, SPSS samt Excel. Dummy variabler används i SPSS för att dela upp område och byggår. Byggår är benämnda Dummybyggår1-5 och har delats upp enligt följande;

(11)

10 2. 1930 - 1959 3. 1960 - 1979 4. 1980 - 1999 5. 2000 – 2018

Metoddiskussion

Metoden är en kvantitativ och bygger främst på data insamlad från externa källor vilket gör att vi får förlita oss på att de uppgifter som tillhandahålls stämmer. Områdena har besökts och inventerats på plats för att få en generell uppfattning om deras lämplighet till studien men ingen vidare analys har gjorts på dessa observationer. Det finns varianser i statistiken mellan områdena då vissa områden är större och ger ett större statistiskt underlag än andra vilket kan ge en aning missvisande bild av de mindre som hade gynnats av en större population.

(12)

11

Teori

Bid-rent

Bid-rent kurvan beskriver betalningsviljan för en fastighet hos en person eller ett företag. Betalningsviljan styrs i sin tur av olika faktorer som bland annat alternativkostnaden, de preferenser vi har, hur stor tillgång av kollektiva varor samt vilka externaliteter som påverkar fastigheten. Enligt O’Sullivan (2012) har också avståndet till CBD, Central business district, en stor och avgörande roll för betalningsviljan. Ett längre avstånd från CBD innebär att betalningsviljan blir lägre då transportkostnaderna blir högre. Kantor, Rietveld, och van Ommeren (2014) beskriver hur den urbana miljön består av föränderliga mixade zoner. Staden kan bestå av områden där både bostäder och verksamheter samexisterar. När en arbetstagare är villig att pendla till en arbetsplats längre bort där denne tjänar mer, ändras hela områdets förutsättningar. Utifrån detta får denne således även råd att betala mer för marken och kommer därav kräva att hyrorna i området höjs. Företag som då inte har råd att stanna i det området flyttar och ett nytt bostadsområde utvecklas. Stadens gränser har då förflyttats och markvärdet har förändrats.

O’Sullivan säger att man strävar att nå jämvikt mellan transport och markpris så att kostnaderna blir lika stora oavsett vart man väljer att lokalisera sig. Däremot brukar det finnas en tendens att priserna blir högre när man närmar sig CBD då efterfrågan är större. Resultatet av detta blir att efterfrågan kommer att vara lägre vid platser som ligger längre ut, bid-rent kurvan kan då ses som en exponentiellt fallande kurva där priset sjunker ju längre bort man kommer från CBD.

(13)

12

Det är inte bara CBD som påverkar markpriset. Genomfartsleder och ringleder är platser där företag ofta vill placera sig vid på grund av geografisk tillgänglighet. Priserna i CBD är oftast för höga och är därför inte lönsamma för bostadsbygge, detta gäller även vid större vägar. (Se illustration nedan)

Figur 2: Avstånd i förhållande till markpris (Källa: O’Sullivan 2012)

I anslutning till dessa vägar kan vi se en prisökning som överstiger betalningsviljan för bostäder. Dessa platser är de som lockar tillverkningsindustrin. Att befinna sig i CBD är inte lönsamt för en fabrik, ur varken markpris- eller transport-synpunkt men att befinna sig längs med transportlederna är dock gynnsamt. Vi ser samma situation här som i stadskärnan. På samma sätt som priserna minskar ju längre från CBD vi kommer, på samma sätt minskar priset beroende på avståndet till och från transportlederna.

(14)

13

Figur 3: I illustrationen ovan kan vi i grafen utläsa hur stor betalningsvilja det finns i proportion till avstånd, samt hur långt vi är villiga att resa för att nå vår arbetsplats. (Källa O’Sullivan 2012)

Figur 4: Kartan visar våra områden samt hur dessa förhåller sig till CBD och närmaste huvudledspåfart (Källa: Eniro.se)

(15)

14

Den hedoniska prismodellen

Hedonism av grekiskans hedone, är ett begrepp som definierar ord som ”njutning" och "lustkänsla”. Hedonismen syftar till att förklara hur människor enbart kan se värde i det som ger njutning. Utifrån Darwinismens uppfattning av människan som djur med två primära drifter; sexualitet och aggressionsdriften, argumenterar Freud för att den starkaste driften hos människan är den att tillfredsställa sina lustar (Karlsson, 2017). Genom att sätta behovet av att tillfredsställa sina lustar i perspektiv till Maslows behovsteori (1987) kan en djupare förståelse för hur de mänskliga tillfredsställelserna uppstår. Maslow rankar de mänskliga behoven utifrån två olika skikt, ett övre och ett undre. I det undre finns de grundlägganden behoven såsom mat, sömn etc, och överst finner vi behovet av självförverkligande. Behovet av att ha sitt eget boende rankas på mitten av pyramiden, under kategorin uppskattning och erkännande. Detta bekräftar även de antagande som görs i Grum och Grums (2014) modell över motivation kring fastighetsköp (se fiur 5).

I fastighetssammanhang kan priset ses som beroende av de behov som denna tillfredsställer hos sin ägare. Inom hedonism diskuteras även prefrentialismen som både dess motsvarighet och motpart och det har diskuterats kring likheter och skillnader i de båda. Hedonismen ser enbart värde i den rena njutningen. Däremot ser säger preferentialismen att det är objekt som är preferentiella för användaren som ger slutgiltigt värde. (Rønnow-Rasmussen, 2002).

I den hedoniska prismodellen så kan vi använda oss utav de fysiska värdena, det vi vill komma fram till är hur man på ett hedonisk sätt kan mäta hur en icke fysisk egenskap kan mätas i pengar. Utifrån den hedoniska värdemodellen har den hedoniska regressionsmodellen utvecklats. I denna modell antar vi att fastigheters pris är en funktion av fastigheters egenskaper. Med hjälp av den hedoniska regressionsmodellen kan vi jämföra egenskaper och sätta värde.

Faktorer som påverkar priset och kan vara relevanta för det område som vi behandlar. Det kan till exempel vara boyta, geografiskt läge och diverse andra positiva externaliteter. Som ett exempel kan vi använda en formel som ser ut som följande:

p r i s = C + b 1 · b o y t a + b 2 · utsikt från balkong + b 3 · g e o g r a f i + ε,

(16)

15

I detta exempel av den multipla regressionsmodellen använder vi oss av tre faktorer som visar hur mycket varje variabel påverkar fastighetspriset, den beroende variabeln.

Dock finns det kritik som är riktat emot dessa regressionsanalyser. Kritiken påpekar att det personliga värdet för objektet inte räknas in och kan ge ett missledande slutpris (Combris, 1997).

Vi menar på en hypotes om att vissa faktorer inte är mätbara vid matematiska beräkningar utan att det finns värdehöjande eller värdeminskande faktorer hos olika människor som ställer olika behov på sitt boende.

Psykologi

För att kunna förstå hur människor tänker kring ett fastighetsköp så måste hänsyn tas till hur de psykologiska aspekterna påverka det mänskliga beteendet. Människor är olika och kan definieras genom olika personligheter. Grum och Grum (2012) tar upp Museks artikel och nämner att personlighet är det som skiljer oss människor åt. Det är även en övergriplig bestämmelse för vår mentala och psykologiska karaktär.

Figur 5: Grum och Grums modell över psykologiska prispåverkande faktorer (Källa: Grum och Grum 2014)

Grum och Grum (2014) beskriver hur ett köp påverkas av olika faktorer. I sin artikel beskriver de hur psykologiska faktorer påverkar individen vid fastighetsköp och dessa delas in i olika

(17)

16

kategorier. I modellen som visas i figur 5 kan vi dela upp den nedre nivån i två större kategorier, Motivational och Emotional. Motivational kan beskrivas som den grundläggande motiveringen till köpet. Grum & Grum diskuterar i sin artikel hur Kotler resonerar kring hur människor påverkas av de sociala reglerna och tenderar att köpa produkter som visar deras roll och status i samhället. De nämner även att man motiveras av att genomföra specifika köp för att förbättra sin sociala status. Det finns psykologiska faktorer som är speciella för individen såsom deras personlighet och preferenser. I artikeln diskuteras även Kuesters tankar kring hur olika produkter erhåller ett olika värde hos individer och bestäms utifrån val, tillgänglighet och även huruvida produkten uppfyller individens preferenser. Dunn nämns i artikeln av Grum och Grum (2014) som säger att hemmet är en materiell tillgång och en psykologisk symbol för status. Vidare påverkas personens egna känslor samt även hur personen ses i sin omgivning. Grum och Grum (2014) diskuterar även hur Cohen et al., menar att ett sämre boende kan leda till sämre självsäkerhet och detta kan sedan leda till stress och generell otillfredsställelse.

Hypotesen är att det finns psykologiska perspektiv att ta hänsyn till när människor köper fastigheter.

Beteende och urban ekonomi

Flera av dessa motiverande och känslomässiga faktorer benämns även inom ämnet urban ekonomi. Även om den urbana ekonomiska teorin i första hand riktar sig till att förklara hur städer uppkommer så är de facto så att städer inte kan finnas utan människor. O’Sullivan (2012) tar upp fem olika axiom som hjälp, för att förklara den urbana ekonomin. Dessa axiom behandlar olika “byggstenar” som hjälper till att förklara varför en stad skapas. För denna studie är tre av dessa axiom intressanta att belysa. Mycket i dessa teorier syftar till hur företag etablerar sig och utvecklas på en marknad, men de berör även stadens utveckling på individnivå.

Axiom ett; en ojämn jämvikt

Det första axiomet inom urban ekonomi menar att priset på en marknad anpassar sig till en lokal jämvikt. Detta innebär att om alla priser på alla fastigheter är lika, oavsett till exempel läge eller storlek, så kommer inte någon att ha incitament för att vilja flytta till det alternativet som anses som sämre. Av denna anledning måste priserna anpassa sig till en lokal jämvikt. Priset blir högre för det som anses som mer attraktivt och lägre för det som anses mindre attraktivt. Detta kan i sig vara en av grundförklaringarna till vår frågeställning, då detta syftar

(18)

17

till att alla områden helt enkelt inte kan ha samma värde då ingen någonsin skulle ha en ekonomisk motivation att flytta till ett område med lägre status.

Här blir hypotesen att; om vi tar hänsyn till lönegenomsnittet så borde inte alla ha ekonomiska förutsättningar att investera i samma prisklass. Hypotesen blir att detta borde ge en naturlig uppdelning av våra områden utifrån inkomst.

Axiom två; det ena ger det andra

Det andra axiomet vill i första hand förklara hur en självförstärkande effekt inom ett område kan leda till förändringar och konsekvenser i ett annat. Detta kan verka positivt, men det kan också få ett negativt utfall. Detta hänvisar främst till hur olika företag söker sig till liknande företag, vilket leder till en lokaliseringsekonomi där större konkurrens kan leda till högre vinster.

Självförstärkande effekter sker även bland människor. Problem och negativa effekter av självförstärkning blir när området utvecklas vidare och efterfrågan liksom priserna ökar och en gentrifiering kommer till stånd. De som flyttade in från början har inte längre har råd att bo kvar. Om en typ av människor, låt säga låginkomsttagare, flyttar till ett specifikt område och fler likasinnade följer efter kommer området utvecklas utefter deras behov och preferenser. Det kan leda till en urban utveckling av ekonomin där företag, restauranger och affärer kommer att söka sig till området. Hypotesen är att bildandet av kluster av människor med liknande preferenser påverkar priset på en fastighet.

Axiom tre; påverkan på annan

När en konsument köper en produkt så betalar denna det fulla priset för kostnaden av produktionen, ingen annan står för den kostnaden. Likväl är det endast konsumenten som får fördelarna från produkten. En externalitet, positiv eller negativ, uppstår när en individs användande av en vara påverkar en andra part. En negativ externalitet är något som ger negativa konsekvenser till omgivningen, medan positiva externaliteter är något som istället ökar mervärdet för omgivningen. Det finns en problematik med externaliteter då brukaren nödvändigtvis inte betalar den fulla kostnaden för varan. Detta innebär att människor kan använda sig av varor i överflöd då de inte märker av konsekvenserna av användandet. Hypotesen är att en externalitet, som inte är fysisk, kan påverka fastighetspriset i ett grannskap.

(19)

18

Externaliteter

O’Sullivan förklarar externaliteter i Urban Economics (2012)

“A positive externality occurs when a person is not compensated for an action that benefits someone else. A negative externality occurs when a person does not pay for an action that imposes a cost on someone else.”

Såsom det nämns i axiom tre, ovan, kan en externalitet påverka en individ positivt eller negativt. Dessa externaliteter kan finnas inom alla olika områden och omger oss varje dag. O’Sullivan (2012) menar på att om man till exempel bor i ett område med många högutbildade, välbärgade personer så kan den positiva effekten av att se detta påverka barnen i samma område till att sträva efter samma välgång. Utan att de själva betalar för utbildning, bilar eller hus så kan detta uppmuntra dem till att sträva mot detsamma. Detta blir en positiv extern effekt av någon annans framgång och utbildning. Om däremot samma område omges av en motorväg med mycket buller och avgaser, så faller kostnaden inte på de som sitter bakom ratten utan på de som bor i området. Detta ses då som en negativ extern effekt av andras bilkörning. Ett sätt att minska de negativa externa effekterna är genom statliga regleringar. Detta kan ske genom förbud eller avgifter. För att begränsa det tidigare nämnda överflödet kan man till exempel belägga vägar med tullar, eller att införa en bilskatt för att få människor att köra mindre bil. Förbud kan implementeras via lagar som gör det olagligt att utföra vissa handlingar.

Ur en ekonomisk synpunkt är goda fysiska externaliteter en faktor som höjer markvärde. I sin artikel “Why do households without children support local public schools? Linking house price capitalization to school spending” belyser Hilber och Mayer (2009) just de externa effekterna på ett område där skolor placeras. Med hjälp av en äldre undersökning visar de på att det finns en symbios mellan markvärde och skolor. I områden där skolor placeras höjs ofta markvärdet och genererar vinst för markägarna samtidigt som utbildningsnivån ökar.

Även utbildning som förbättrar en individs kommunikations förmåga eller tankeförmåga kan göra en människa till en bättre medarbetare eller partner. Det vill säga att en välutbildad person lyfter sina kollegor som gör att även de blir produktiva. Samma kan sägas med utbildning: personer utnyttjar inte skolan till att utbilda sig till högsta grad utan stannar upp i utbildningen för tidigt.

(20)

19

Eriksson och Lindgren (2011) tar i sin artikel upp Markusen, som säger att även kluster skapar externaliteter för omgivningen. Med ett kluster menas att olika företag som verkar inom samma område placerar sig geografiskt nära varandra. Kluster skapar en möjlighet för kunskapsutveckling och kunskapsutbyte då människor har en högre tillgänglighet mellan företagen, på så vis rör sig kunskapen och utvecklingen vidare (O’Sullivan, 2012). Företagen vinner även fördel då liknande företag kräver liknande råvaror. Detta leder till att transport av material kan effektiviseras och utsläpp limiteras. Företag som bedriver liknande verksamhet och som ligger beläget på ungefär samma plats, öppnar även möjligheten till att fler potentiella kunder kommer ta sig till området, då det kommer finnas olika valmöjligheter inom samma marknad.

Enligt Wu et al. så är tillgängligheten till olika servicepunkter nyckeln till fortsatt urban utveckling. Om man ser till bildandet av kluster av både företag och människor så behövs företagskluster i områden som tillfredsställer invånarnas preferenser. Människor kommer enligt Wu et al. att likt företagskluster utnyttja resurser i sin omgivning. Samma sätt kan vi säga att människor vill bo nära likasinnade för att kunna dra nytta av kunskapsutbyte och utveckling. Fördelarna blir således att människor kommer söka sig till området då de känner att de har valmöjligheter där.

(21)

20

Hypotes

Genom de olika teorikapitlen har ett flertal olika hypoteser utvecklats. Dessa påståenden kan sammanställas då teorierna på ett naturligt sätt går att väva samman. Människor har en högre betalningsvilja ju närmare CBD fastigheten är belägen. Samtidigt påverkar de psykologiska och preferentiella aspekterna betalningsviljan. Bildandet av kluster och förekomsten av externaliteter måste tas med i beräkningen kring individers betalningsvilja. Det bör dessutom finnas en uppdelning av betalningsvilja på olika områden utifrån lönegenomsnitt och ekonomiska förutsättningar.

(22)

21

Resultat

Empiri

Regression

Vi har fått fram ett statiskt underlag med hjälp av UC bostadsvärdering för att få fram sålda småhusfastigheter under perioden 2013–2018, i Helsingborg. Utifrån statistiken analyseras sambandet, med hjälp av regressionsanalyser, mellan de olika faktorerna för att ta reda på hur dessa korrelerar med varandra. I analyserna framkommer bland annat information om vad som är och vad som inte är relevant för betalningsviljan. Vi har valt ut dessa variabler i syfte till att få en förklaring till vad som påverkar priset i Helsingborg i förhållande till de åtta områdena vi har valt ut.

I tabell 1 nedan presenteras våra variabler och deras värden.

I vår undersökning har vi tagit fram fyra olika regressioner där vi låtit kvadratmeterpris vara den beroende faktorn på alla dessa. I dessa modeller har kvot lön och kvot utbildning separerats på grund av en endogenitet i värdena. I Modell 1 förklaras det hur de olika variablerna förhåller sig i de åtta utvalda områdena gentemot Helsingborg. Vi kan se att biarea inte har en signifikans men att tomtarea, lön och strandnära läge har ett positivt värde vilket påverkar priserna uppåt. Distans CBD och Distans Huvudled har ett negativt värde vilket betyder att ju längre ifrån CBD och huvudled man kommer desto mindre blir priset. I Modell 2 har vi samma variabler men har istället valt att sätta in kvot utbildning istället för kvot lön. Även här kan vi se vilka variabler som förhåller sig signifikant till priset, dock är distans huvudled nu inte signifikant för modellen. I modell 3 har vi använt samma variabler som modell 1, men har utöver detta har vi använt oss av dummyvariabler för byggnadsår i regressionen. Dessa variabler är insignifikanta förutom Dummybyggår2, vilket säger att byggnader mellan 1930 - 1959 påverkar priset uppåt. Modell 4 använder samma variabler som modell 2 och här har även dummyvariabler för byggnadsår stoppats in. I Modell 4 kan vi nu utläsa att alla byggnadsåren istället är insignifikanta, även huvudled och biarea. Övergripligt kan vi se att Tomtarea, Lönekvot, Utbildning, Strandbelägenhet och Distans CBD är signifikanta och påverkar priset i alla modeller. R2-värdet har ett värde runt ca 0,3 i alla modeller vilket betyder att kvadratmeterpriset kan förklaras till ca 30% av våra variabler.

(23)

22 Tabell 1: Regressionsmodeller.

Deskriptiv statistik

I tabell 2 nedan har vi fått fram olika värden över 520 försäljningar för de åtta områden vi har valt ut. I denna tabell ges en översikt kring medelvärdena för de olika faktorerna som sedan kan sättas i perspektiv för underlaget över dels hela Helsingborg men även för de individuella områdena. I tabell 1 ser vi att det gemensamma medelvärdet för pris per kvadratmeter för de samlade åtta områdena ligger över de medelvärde som ges för hela Helsingborg i tabell 3. Medelvärdet för strandbelägenhel är väldigt lågt, detta kan bero på att det endast är ett litet antal fastigheter i de åtta områdena som har en strandbelägenhet på 500 m eller mindre.

Tabell 2: Sammanställning av statistik över de åtta områdena

N Minimum Maximum Mean Std. Deviation

Kvmpris 520 10847 77720 30450,23 9983,639

Biarea 444 ,0 195,0 73,047 36,2334

Tomtareal 520 0 1457 622,30 260,808

Kvot lön 520 ,847 1,061 1,01695 ,054501

(24)

23 Strand 500m 520 0 1 ,08 ,267 Distans CBD 520 ,93 2,77 2,0284 ,55039 Distans_Huvudled 520 ,72 2,00 1,2827 ,34180 Dummybyggår1 520 ,00 1,00 ,3654 ,48200 Dummybyggår2 520 ,00 1,00 ,2462 ,43118 Dummybyggår3 520 ,00 1,00 ,3038 ,46036 Dummybyggår4 520 ,00 1,00 ,0788 ,26976 Dummybyggår5 520 ,00 1,00 ,0058 ,07581 Valid N (listwise) 444

Utöver detta så har vi tagit ut ett antal andra faktorer som skulle kunna påverka priset på en fastighet. Avstånd till CBD, avstånd till huvudled, kvot för högskoleutbildning, tillgång till bil och taxerad inkomst. Detta underlag är framplockat ur Helsingborg stads statistikdatabas. Vi har beräknat ett kvotvärde för tre variabler och använt Helsingborg som referens. Det betyder att våra kvotvärden står i förhållande till Helsingborg som har kvot 1. Befinner ett område sig i en kvot högre än 1 så innebär detta att området i denna variabel ligger högre än medelvärdet för Helsingborg och vice versa. Medelkvotvärdet i tabell 1 för lön ligger in princip på samma som för staden medan utbildningsnivån för de åtta områdena sammantaget ligger ca 30% över snittet i Helsingborg. I tabell 2 nedan kan man utläsa att medelpriset per kvadratmeter i Helsingborg för en småhusfastighet ligger på 26 883 kr/kvm. Medelinkomsten är 39 2579 kr/år och 13 % av stadens invånare har en utbildning som är högskole/universitetsexamen eller högre. Vidare har 22 % av invånarna dessutom bil.

(25)

24

Tabell 3: Ett urval av områden i Helsingborg utifrån den statistik som behandlas

Stadsdel Pris/ kvm Distans Huvud-led i km Distans CBD i km Invån-are Inkomst 2015 Pers-onbil i trafik Utbi-ldning

Utb% Bil % Kvot Lön Kvot bil Kvot Utbildn-ing Helsingborg 26883 0 0 95058 392579 21250 12446 13 22 1 1 1 Tågaborg 42756 1,34 1,59 7320 412050 1914 1564 21 26 1,05 1,17 1,63 Slottshöjden 35826 1,34 0,93 3923 350000 852 572 15 22 0,89 0,97 1,11 Stattena 29450 0,78 2,00 2811 332500 643 397 14 23 0,84 1,02 1,08 Wilson Park 27505 2 1,35 2106 401800 568 374 18 27 1,02 1,2 1,36 Eskilsminne 27265 1,16 2,77 1898 416700 548 328 17 29 1,06 1,29 1,32 Fältabacken 27009 0,72 1,97 1009 399600 299 200 20 30 1,01 1,32 1,51 Husensjö 26197 1,27 2,10 1655 385900 483 295 18 29 0,98 1,3 1,36 Sofieberg 24903 1,19 2,59 1730 406100 463 247 14 27 1,03 1,2 1,09

När vi läser av tabellen kan vi direkt se skillnader och avvikelser som är intressanta att ta upp. Tågaborg avviker från snittpriset med 15 873 kr/kvm. Samtidigt är inkomsten den näst högsta av våra områden och utbildningsnivån är den högsta. Detta blir självförklarande då högre utbildning bör leda till högre lön. Marginellt högre i inkomst ligger Eskilsminne men de ligger 4 % lägre i utbildningsnivå vilket motsäger tidigare konstaterande. Samtidigt ligger snittpriset på Eskilsminne 15 491 kr/kvm lägre än på Tågaborg. Slottshöjden ligger på andra plats sett till kvadratmeterpris på 35 826 kr/kvm, detta är det område som geografiskt ligger närmast CBD och detta kan ha en påverkan på priset. Det som sticker ut mest är Stattena. Området ligger på tredje plats och ligger ca 2 500 kr över snittet i Helsingborg per kvadratmeter. I korrelation till detta så har invånarna på Stattena en snittlön som ligger under övriga Helsingborg samt en i utbildningsnivå som ligger lågt. Den tredje högsta inkomsten återfinns på Sofieberg som tillsammans med Eskilsminne befinner sig längst ifrån CBD. Här hittar vi även de allra billigaste fastigheterna, nästan 2 000 kr/kvm under snittet i Helsingborg med en utbildningsnivå

(26)

25

som ligger 32 % över snittet i Helsingborg. Fältabacken befinner sig i närmast anslutning till huvudled, här ser vi att det finns flest bilar per invånare i förhållande till Helsingborg med 32 % över kvotvärdet. Slottshöjden befinner sig längst ifrån huvudled men har lägst antal bilar per invånare och ligger 3% under kvotvärdet. Tågaborg ligger på samma avstånd men ligger 17 % över kvotvärdet.

(27)

26

Analys

Hypotesen att människor har en högre betalningsvilja ju närmare CBD fastigheten är belägen kan bekräftas med hjälp av både tabeller och regressioner. I diagram 1 kan vi se hur kvadratmeterpriset förhåller sig i de olika områdena och Helsingborgstad.

Diagram 1: Pris per kvadratmeter för respektive område

Med sitt geografiska läge närmast CBD kan vi med hjälp av bid-rent förklara det höga kvadratmeterpriset på Slottshöjden. Precis som O’Sullivan säger kan vi i denna studie se att avståndet till CBD en avgörande roll för betalningsviljan.

Diagram 2: Distans till CBD och Huvudled

26 883 42 756 35 826 29 450 27 505 27 265 27 009 _{26 197} 24 903 15000 20000 25000 30000 35000 40000 45000

Pris per kvadratmeter

0 1,59 0,93 2,00 1,35 2,77 1,97 2,1 2,59 1,34 1,34 0,78 2,00 1,16 0,72 1,27 _1,19 0 0,5 1 1,5 2 2,5 3

Geografisk placering

(28)

27

Området Sofieberg befinner sig ca 2,6 km ifrån CBD och har ett lägre pris per kvadratmeter. Slottshöjden, med ett läge på mindre än 1 km, har det näst högsta kvadratmeterpriset bland våra områden. I regressionerna kan vi i samtliga modeller se att O’Sullivans teori om bid-rent bekräftas då priset minskar ju längre ifrån CBD man befinner sig. Tågaborgs geografiska läge borde enligt O’Sullivan och bid-rent teorin ge ett lägre pris än på Slottshöjden då avståndet både till CBD och till huvudled är större. Detta kan förklaras genom att applicera variabeln strandbelägenhet på Tågaborg. Strandnära läge är den variabel som genererar den högsta skillnaden i pris på fastigheter gentemot geografisk placering. Varför denna variabel har så högt värde kan beskrivas med hjälp av hedonism och preferentialism. En utsikt eller närhet till vatten kan beskrivas som en faktor som tar hänsyn till den mänskliga njutningen, vi kallar detta njutningsfaktorn. Njutningsfaktorn är till skillnad från ett behov någonting som inte är grundläggande för vår överlevnad utan enbart något som ger oss en tillfredställelse. I detta sammanhang är Tågaborg det enda område med fastigheter med strandnära läge. Detta kan vara den faktorn som gör att priset per kvadratmeter i området skiljer sig markant från de övriga. Att fastigheter på Tågaborg har strandnära läge ger en positiv externalitet då snittvärdet på området kommer att öka, så även de fastigheter som ligger längre ifrån strand, men inom det statistiska området, kommer få ett högre värde. Detta trots att avståndet till CBD och huvudleder är större än på vissa andra områden.

Likt strandbelägenhet kan även fastigheters olika arkitektoniska epoker generera skillnad i pris. Byggår och arkitektoniskt utförande är inte heller ett grundläggande behov, utan något som tillfredsställer en viss preferens hos en individ. Persson(1980) nämner detta som en direkt fastighetsanknuten faktor, men där vi vill argumentera för att ålder på en fastighet är en preferentialistisk faktor och bör kategoriseras in under “Njutningsfaktorn”. Dock kan vi inte se någon signifikans i regressionsmodellerna för byggårens värde, det bör finnas andra variabler som tar hänsyn till denna faktor. Dock förklaras detta inte av våra utvalda variabler, då dessa för det mesta är fysiska attribut. För att mäta hedoniska priser bör hedoniska variabler även användas och inte jämföras mot fysiska.

I jämförelse med övriga områden så har Stattena högt kvadratmeterpris vilket skulle kunna förklaras genom dess närhet till huvudled. Som vi kan se i figur 3 finns det en högre betalningsvilja ju närmare huvudled man befinner sig. Det som avviker är att Fältabacken som har närmast till huvudled borde ha högre betalningsvilja än Stattena. Skillnaden i avstånd är

(29)

28

marginell men kvadratmeterpriset skiljer över 2000 kr/kvm. Fältabacken har dessutom 30% fler bilar per invånare än Stattena vilket är motstridigt när avstånden är jämna.

Utifrån tidigare erfarenheter och uppfattningar kan en högre utbildning förväntas ge en högre lön. Detta i sin tur bör generera en högre betalningsvilja och ett högre pris per kvadratmeter. I områden med många högutbildade bör således priset per kvadratmeter vara högre än i de med färre högutbildade.

Diagram 3: utbildade i området i förhållande till Helsingborgstad.

På Tågaborg kan vi se att detta stämmer, då de har det högsta antalet högutbildade av samtliga områden. Dock brister resonemanget då Slottshöjden som ligger bland de lägre utbildnings kvoterna har de näst högsta kvadratmeterpriserna. När det kommer till Fältabacken, befinner sig området strax efter Tågaborg i utbildningsnivå och har ett betydligt lägre pris per kvadratmeter än Tågaborg. Om man jämför Diagram 3 och 4 går det att se avvikelser som säger att även lågutbildade kan ha hög inkomst och låginkomsttagare kan ha hög kvadratmeterkostnad.

Diagram 4: Lön per område i förhållande till Helsingborgstad

1,63 1,11 _1,08 1,36 _1,32 1,51 1,36 1,09 0,9 1 1,1 1,2 1,3 1,4 1,5 1,6 1,7

Utbildade per område i relation till

Helsingborgstad

(30)

29

Det område med högst korrelation mellan inkomst och utbildning är Tågaborg. Avvikelser i statistiken ser vi på Sofieberg som har en väldigt låg utbildningskvot i förhållandevis till inkomstsnittet. Enligt hypotesen bör det finnas en naturlig uppdelning av betalningsvilja på olika områden utifrån lönegenomsnitt och ekonomiska förutsättningar. På Stattena avviker statistiken då kvadratmeterpriset är väldigt högt i perspektiv till att området har den lägsta inkomsten av alla områden och dessutom ligger en bra bit under medelvärdet för staden. Alltså stämmer inte vår hypotes när vi applicerar den på Helsingborg. Vidare går det att diskutera att utbildning kan ses som en faktor av hedonism och preferentialism. Hypotesen att det psykologiska och preferentiella aspekterna, samt att bildandet av kluster och förekomsten av externaliteter påverkar individers betalningsvilja går att förklara. Att individer vill bosätta sig nära likasinnade så som Wu et al. (2016) diskuterar, kan ses som preferentialism då detta tillfredsställer individen. Detta kommer i sin tur leda till skapandet av kluster av människor där de kan utnyttja resurser och dra nytta av kunskapsutbyte i området. En välutbildad person kan genom sin förbättrade kommunikation och tankeförmåga lyfta sin omgivning och dess kunskapsnivå. Genom detta kan omgivningen uppleva en positiv externalitet. Grum och Grums(2014) diskussion kring Kotlers resonemang om hur människor påverkas av yttre förväntningar. Även detta förklarar varför det finns en tendens till att människor väljer att bo med likasinnade. Det finns sociala regler och i detta fall förväntas högutbildade att agera utifrån dessa regler, då det är vad som är förväntas av dem. Att bosätta sig i ett specifikt område kan också vara i syftet att förbättra sin sociala status. Enligt O’Sullivan kommer det inte finnas möjlighet för alla i ett samhälle att bo på samma ställe, då inkomstnivåerna är olika. Vi kan konstatera att bildandet av kluster och förekomsten av externaliteter påverkar betalningsviljan. Det skapas en emotionell koppling för individen genom dennes preferenser.

1,05 0,89 0,85 1,02 1,06 1,02 0,98 1,03 0,8 0,85 0,9 0,95 1 1,05 1,1 1,15 1,2

(31)

30

Stattena som har bland de lägsta värdena i kategorierna inkomst, utbildning och bil borde således även ha det lägsta priset per kvadratmeter men har ett av de högsta. Att kvadratmeterpriset är så högt kan då enbart förklaras med faktorn ”närhet till huvudled”, där de har det andra närmaste i det statistiska underlaget. Detta leder vidare till Fältabacken som har in princip samma avstånd som Stattena till huvudled men ett lägre pris per kvadratmeter här blir avvikelsen det låga kvadratmeterpriset då övriga faktorer; utbildning inkomst och bil ligger högt. Det finns i förhållande till Stattena ingen faktor som förklarar det lägre kvadratmeterpriset.

Både på Husensjö och Sofieberg, där priset per kvadratmeter är lägre än på Fältabacken, ser vi att utbildningsnivån ligger lägre samt att avstånd till både huvudled och CBD är längre. Husensjö har även en av de lägsta inkomsterna. Detta kan förklara att de ligger lägre än Fältabacken. Här kan vi istället ifrågasätta varför Wilson Park ca 1500 kr/kvm högre än Husensjö. Wilson Park har närmare till CBD, men i samma förhållande har Husensjö närmare till huvudled. Utbildningsnivån ligger lika men lönerna skiljer sig något till Wilson Parks fördel. Detta borde betyda att den högre lönen i detta fallet påverkar priset mot ett högre. Eskilsminne är det område som ligger närmast Wilson Park i kvadratmeterpris. Även de övriga faktorerna överensstämmer väl. Distanserna till CBD och huvudled är varandras motsatser, det vill säga, att medan Eskilsminne har närmare till huvudled så har Wilson Park närmare till CBD. Med hänsyn till dessa två områden stämmer dessa överens med den teori som presenterats.

Slottshöjden som befinner närmast CBD har ett högt kvadratmeterpris som endast kan förklaras med hjälp av det geografiska läget. Trots att de är ett av de områden som ligger längs ifrån huvudled så ligger de så pass nära CBD att de huvudleden blir oväsentlig. Här är både lönekvot och bil kvot under de för övriga staden och även utbildningsnivån är låg. Enbart Stattena ligger lägre i inkomstnivå. Tågaborg är det området som avviker från de övriga mest. Kvadratmeterpriset skiljer nästan 18 000 kr/kvm från Sofieberg. Trots detta ligger deras inkomstnivå nästan lika. Tågaborg har dock den högsta utbildningsnivån och ligger hela 60% över medel för högutbildade i Helsingborg. Det som avviker är att siffrorna för Fältabacken är snarlika med de på Tågaborg och ändå har Tågaborg ett snittpris på ca 15 000 kr/kvm mer än Fältabacken. Här finns det enbart en faktor som vi kan förklara detta med och det är strandnära läge.

(32)

31

Slutsats

I vårt arbete har vi variabler såsom biarea, tomtarea, strandnära läge, avstånd till CBD och avstånd till Huvudled. Regressionerna visar att det finns en korrelation till priset för utvalda variabler. Dessa variabler går att kategorisera under Perssons(1980) tre kategorier av prispåverkande faktorer. Har fastigheten närhet till strand är detta den dominerande faktorn, inte endast för den enstaka fastigheten utan för hela området. Närhet till CBD är det som har störst påverkan på priset när strand inte är en faktor.

Det finns psykologiska faktorer som spelar in hos individer och en allmän klassificering av dessa faktorer går inte att göra enligt vår studie. Studien har syftat till att undersöka den hedoniska och preferentialistiska faktorn till de prispåverkande, detta som vi kallar “Njutningsfaktorn”. De olika hypoteserna har besvarats och kan sammanställas till att det finns fysiska faktorer som påverkar priset, men som vi kan se i regressionen är att våra variabler endast förklarar 30% av våra regressioner. Med hjälp av regressionerna kan vi inte besvara på våran frågeställning utan en visuell analys av den deskriptiva statistiken har gjorts för att tolka de prispåverkande faktorerna.

Det går inte att klassificera med enbart en faktor allmänt över en hel befolkning utan måste granskas på områdesnivå. Njutningsfaktorn består i attribut som är olika för varje individ men som på något sätt bidrar till att ge en känsla av lust och tillfredsställelse. Vi har kommit fram till att den finns en njutningsfaktor som är relevant för betalningsviljan. Denna styrs av psykologisk faktorer som tar sin grund i fysiska faktorer för att skapa en emotionell koppling.

Vidare studier i ämnet för att fördjupa sig i de psykologiska aspekterna behövs för att fullständigt kunna förstå hur individens preferenser, motivation och känslor påverkar betalningsviljan vid ett fastighetsköp. Att analysera värdet för det emotionella kan inte endast göras i en kvantitativ studie, vi anser att en kvalitativ studie behövs för att kunna ta studien framåt.

(33)

32

Referenser/Källförteckning

Tryckta källor

Ander, K-E., Rigstam, U., Ohlsson, K., Lindskog, B. (2006). Helsingborgs stadslexikon. Helsingborg: Helsingborgs lokalhistoriska förening

Björklund, K., Dadzie, J.A., Wilhelmsson, M.(2006). Offer price, transaction price and time‐ on‐market. Ur: Property Management, Vol. 24 Issue: 4, pp.415-426,

Combris P. (1997). Estimation of a Hedonic Price Equation for Bordeaux Wine: Does Quality Matter? Ur: The Economic Journal, Vol. 107, No. 441, pp. 390-402.

Eklund, K. (2010). Vår Ekonomi: En introduktion till samhällsekonomin. Stockholm: Norstedts Förlag

Eriksson, R; Lindgren, U. (2011) Agglomeration och ekonomisk utveckling Betydelsen av arbetskraftsrörlighet för lärande och innovation Ur: Geografiska Notiser 69 (2), 87-93

Grahn, S., Henningsson, E., Svensson, E., & Perborn, H. (1985). In Larsson J. E. (Ed.), Helsingborg. Stockholm: Brevskolan

Grum, B., Grum, D. (2015). A model of real estate and psychological factors in decision-making to buy real estate. Ur: Urbani izziv. Vol. 26.

Hilber, Christian A.L; Mayer, Christopher (2009): Why do households without children support local public schools? Linking house price capitalization to school spending Ur: Journal of Urban Economics 65 (1), 74-90

Kantor, Y., Rietveld, P., Van Ommeren, J. (2014). Towards a general theory of mixed zones: The role of congestion Ur: Journal of Urban Economics 83, 50-58 9

Kryvobokov, M., Bouzouina, L. (2014). Willingness to pay for accessibility under the conditions of residential segregation. Ur: International Journal of Strategic Property Management.

Kvale, S. (1997). Den Kvalitativa forskningsintervjun. Lund: Studentlitteratur.

Larsson, P. (2012). Bostadspriserna och läget tillämpning av den monocentriska stadsmodellen. Fastighetsvetenskap Institutionen för teknik och samhälle Lunds Tekniska Högskola Tryckort: Lund

Nilsson, L; Thörnberg, E. (2010) Fastighetsvärdering - det tillförlitliga

marknadsvärdet Högskolan i Halmstad Sektionen för Ekonomi och Teknik och Fastighetsekonomiprogrammet

Maslow, A. H., & Frager, R. o. (1987). Motivation and personality. New York: Harper & Row, cop. 1987.

(34)

33

O’Sullivan, A (2012). Urban Economics. New York: McGraw-Hill Education. Persson, E. (1980). Begrepp och metoder vid fastighetsvärdering. Catella [Tekniska

högskolan (KTH): Institutionen för fastighetsekonomi, 1980]

Ronnow-Rasmussen, T. (2002) Hedonism, Preferentialism, and Value Bearers Journal of Value Inquiry; 2002; 36, 4; ProQuest pg. 463

Wu, L., Leung, H., Jiang, H., Zheng, H., & Ma, L. (2016). Incorporating Human Movement Behavior into the Analysis of Spatially Distributed Infrastructure. Ur: Plos ONE, 11(1), 1-18. doi:10.1371/journal.pone.0147216

Elektroniska källor

Hämtad 2018-05-14 https://helsingborg.maps.arcgis.com/apps/webappviewer/index.html?id=b2f25a7a9d7d43028 bd163b9249197cd Hämtad 2018-05-14 http://statistik.helsingborg.se/PXWeb/pxweb/sv/helsingborg/helsingborg__Befolkning/BE03. px/?rxid=7d68df09-e382-47f8-aebb-62cea6ee6812

(35)

34

Bilagor

Bilaga 1

Norr Drottninghög Ringstorp Tågaborg

Centum Stattena Mariastaden Slottshöjden

Dalhem Fredriksdal Wilson park Olympia

Rosengården Söder Planteringen Eneborg

Adolfsberg Högaborg Eskilsminne Elineberg

Närlunda Fältabacken Miatorp Högasten

Gustavslund Ramlösa Husensjö Sofieberg

“Helsingborg är sedan ett antal par år indelat i så kallade statistikområden. För dessa område tas en stor mängd planeringsdata fram. Statistikområdena har också kommit att utgöra byggstenar för de områdesindelningar som flera förvaltningar använder. Statistikområdesindelningen är med hjälp av en sexsiffrig kod stegvis uppbyggd i vad som kallas B-, C-. D-, och E områden. Denna karta visar kommunens B-områden (stadsdelar) vilka är de områden som kan kopplas till statistikdatabasens information.” (Helsingborg stad)