Leder högre utgångspris till högre försäljningspris? : En uppsats om Örebro bostadsmarknad år 2018

40 

Full text

(1)

Leder högre utgångspris till högre försäljningspris?

En uppsats om Örebro bostadsmarknad år 2018

Författare: Jakob Hellberg (920730)

Hösterterminen 2019

Nationalekonomi C, 15 högskolepoäng Handelshögskolan vid Örebro universitet Handledare: Anders Lunander

(2)

Abstrakt

Den här kandidatuppsatsen behandlar Örebro kommuns bostadsmarknad år 2018. Uppsatsen syftar till att undersöka utgångsprisets påverkan på försäljningspriset och hur länge en bostad är ute för försäljning påverkar försäljningspriset. Det datamaterial som används i uppsatsen består av data från Svensk Mäklarstatistk som innehåller försäljning- och bostadsdata.

Säljarens val av utgångspris delas upp i tre olika kategorier. Optimalt reservationspris,

marknadspris och strategiskt pris. Skattningen av hur utgångspriset påverkar försäljningspriset har gjorts med hedonisk prismodell och teorin som tillämpas är auktionsteori om optimala auktioner och reservationspris. Resultatet från den hedoniska prismodellen tolkas utifrån de olika kategoriseringar av utgångspriset.

Resultatet visar på att ett högre utgångspris leder till ett högre försäljningspris. En ökning av utgångspriset med 1%, allt annat lika, ger en ökning av försäljningspriset med 1,04% för villor och 0,88% för bostadsrätter. Av de tre olika kategorierna för utgångspris så tenderar säljarna att luta sig åt strategisk- och marknadsprissättning. Resultatet avviker från

auktionsteori och optimalt reservationspris. Antalet dagar på marknaden hade ett ickelinjärt samband med en minimipunkt. För bostadsrätter var minimipunkten 155 dagar och efter dag 306 så ger varje extra dag en ökning av försäljningspriset. För villor var minimipunkten 103 dagar och varje extra dag efter dag 205 så ger varje extra dag en ökning av försäljningspriset.

Nyckelord: Hedonisk prismodell, priskvot, auktionsteori, Örebro, bostadsmarknad Stort tack till min handledare Anders Lunander och Svensk Mäklarstatistk för tillgång till datamaterialet.

(3)

Innehåll

1 Inledning ... 1

1.1 Syfte och frågeställning ... 2

1.2 Bakgrund ... 3

1.3 Problem och avgränsningar ... 5

1.4 Disposition ... 6

2 Teori och statistisk modell ... 7

2.1 Hedonisk prismodell ... 7

2.2 Priskvot ... 8

2.3 Alternativkostnad ... 9

2.4 Auktionsteori ... 9

2.4.1 Engelsk auktion och begrepp ... 9

2.4.2 Jump bids ... 10

2.4.3 Individuellt och gemensamt värde vid engelsk auktion ... 10

2.4.4 Optimal auktion och reservationspris ... 11

2.4.5 Marknadspris och försäljningspris ... 13

2.4.6 Strategiskt pris och val av utgångspris ... 13

3 Tidigare studier ... 15 4 Data ... 17 5 Ekonometriska specifikationer ... 21 6 Resultat ... 23 6.1 Primärmaterialet ... 23 6.2 Sekundärmaterialet ... 25 6.2.1 Bostadsrätter ... 27 6.2.2 Villor ... 28 6.3 Sammanfattning ... 30 7 Diskussion ... 31 7.1 Optimalt reservationspris ... 31 7.2 Marknadspris ... 31 7.3 Strategiskt pris ... 32

7.4 Avslutande diskussion och förslag till vidare forskning ... 32

8 Referenser ... 34

(4)

1 Inledning

Det har förekommit flertalet debatter (SVD,2015, Stockholm direkt, 2017, Aftonbladet, 2018) om användningen av lockpriser vid försäljning av bostäder. Lockpriser är ett medvetet val av ett utgångspris som är lägre än vad bostaden är värderad till. Hypotesen kring lockpriser är att det låga utgångspriset används för att locka så många budgivare som möjligt till

bostadsauktionen. Budgivningsprocessen vid lockpriser ska generera ett bättre försäljningspris jämfört med ett utgångspris som bättre avspeglar bostadens värdering och därmed är högre. Den här uppsatsen undersöker fenomenet närmare och omfattar bostadsrätter och villor i Örebro kommun för år 2018 och är avgränsad till åtta olika bostadsområden. Det som kommer att undersökas i uppsatsen är utgångspriset effekt på försäljningspriset. Det andra som är centralt för uppsatsen är hur utgångspriset påverkar antalet dagar som en bostad är ute för försäljning, antalet dagar på marknaden. Modellen som appliceras för att besvara

frågeställningarna är hedonisk prismodell. Hedonisk prismodell är vanligt förekommande vid statistiska undersökningar, studier och forskning inom bostadsmarknaden. Den empiri som används i modellen består av data från Svensk Mäklarstatistik som innehåller försäljning- och bostadsdata om bostadsrätter och villor i Örebro kommun. Med bostadsegenskaper så avses olika egenskaper för villor och bostadsrätter exempelvis boarea, antal rum, ålder. Med försäljningsdata så innefattas utgångspriser, försäljningspriser, tid för publicering etcetera.

Den teori som används i uppsatsen är auktionsteori och den individuella och gemensamma värdesmodellen som är två olika extremer inom auktionsteori. Genom att studera sambandet mellan utgångspris och försäljningspris utifrån privat- och gemensamma värdemodeller görs en ansats till att styrka om antingen ett lågt eller högt utgångspris är förmånligt för att vinstmaximera (uppnå ett så högt försäljningspris som möjligt). Olika studier har gett varierande resultat om sambandet mellan utgångsprisets påverkan på försäljningspriset och tiden på marknaden, se Tsai & Tsai (2017), Kang & Gardner (1989). Den här uppsatsen använder sig av framförallt två tidigare studier författade av Asabere och Huffman (1993) och Willhelsson et al (2006) för att tolka resultatet och jämföra det med tidigare studier. Resultatet från studierna är blandade och det finns inga tydliga generaliseringar som styrker ett högt, alternativt lågt utgångspris som ger ett högre försäljningspris. Effekterna av hur länge ett objekt befinner sig på marknaden har också gett blandade resultat. I vissa fall så ökar försäljningspriset med antalet dagar på marknaden och i andra fall så minskar

försäljningspriset med antalet dagar på marknaden. Säljarens val av utgångspris delas upp i tre olika kategorier. Den första är ett pris enligt auktionsteori, det andra är ett empiriskt

(5)

marknadspris som estimeras genom hedonisk prismodell och det tredje är i liknelse med ett lockpris och definieras som strategiskt pris. Detta eftersom det inte är den juridiska termen av lockpriser som kommer att undersökas benämns det i fortsättningen som strategiskt pris och syftar till användningen av ett lågt utgångspris som en medveten strategi.

I en sådan här typ av studie, där syftet är att bättre förstå vad som påverkar försäljningspriset på en bostad kan det bidra till att bättre förstå bostadsmarknaden i termer av utgångspris och strategier för bostadsförsäljning. Resultatet kan för det första närmare undersöka om det finns stöd för att ett lägre utgångspris fungerar som en strategi för ett högre försäljningspris,

alternativt att det är en mer framgångsrik strategi att sätta ett högre utgångspris. Uppsatsen kommer också visa på vilken av de olika kategorierna för utgångspris som förekommer och vilken strategi som säljarna använder sig av. Eftersom en hedonisk prismodell tillämpas för att estimera värdet av bostäder så kan uppsatsen även användas till att bättre kartlägga och förstå bostadsvärderingar.

Resultatet i den här uppsatsen fann ett statistiskt signifikant resultat för att ett högre utgångspris leder till ett högre försäljningspris både för bostadsrätter och villor. Uppsatsen visar även att säljare generellt använder sig av ett utgångspris som liknar strategiskt- och marknadsprissättning. Vidare så konstaterades att antal dagar som en bostadsrätt eller en villa befinner sig på marknaden har en negativ påverkan på försäljningspriset upp till ett visst antal dagar och har därefter en positiv effekt på försäljningspriset.

1.1 Syfte och frågeställning

Det övergripande syftet i denna uppsats är att undersöka hur utgångspriset påverkar

försäljningspriset och därmed sambandet mellan utgångspris och försäljningspris. Sambandet mellan utgångspris och försäljningspris ska även ses i ljuset av hur många dagar en bostad befinner sig på marknaden eftersom utgångspriset antas påverka tiden det tar att sälja en bostadsrätt eller villa. Det underförstådda målet säljaren har är att sälja så fort som möjligt till ett så högt pris som möjligt. Det är därför av intresse att undersöka hur utgångspriset påverkar försäljningspriset - som benämns som priskvot (Price concession) och tiden på marknaden. Vad händer med försäljningspriset om två identiska bostäder annonseras för auktion om en av bostäderna har ett utgångspris som är satt 1% högre, allt annat lika?

Mer precist syfte med uppsatsen är att förklara säljarens val av utgångspris och vilken av de tre kategorierna för utgångspris som bäst stämmer överens. Med andra ord så kommer

(6)

är en förekommande prissättningsstrategi i Örebro kommun år 2018. Frågeställningen för uppsatsen är följande:

- Hur påverkas försäljningspriset om utgångspriset ökar med 1%, allt annat lika? - Vilka kategorier av de olika utgångspriser tenderar säljarna att agera utefter?

1.2 Bakgrund

Vad som påverkar bostadspriser och hur de förändras diskuteras ofta i de mediala rummen. Bostadsmarknaden som ämne är både brett och komplext. Allt från ränteläge,

amorteringskrav, planlösning till marknadsläget påverkar bostadspriserna. Skillnaden mellan det pris som begärs (utgångspris) och slutpris (försäljningspris) är också ett ämne som varit uppe för debatt. Det här avsnittet har för avsikt att skapa en bild över definitionen av lockpriser och ge en överblick över Örebro kommuns bostadsmarknad.

Diskussionen om lockpriser ledde till att det 2011 infördes ett nytt prissättningssystem i Stockholm. Det nya prissättningssystemet innebar att det pris som anges i bostadsannonsen ligger på en nivå som säljaren är villig att acceptera som försäljningspris. Accepterat pris är inget krav men förekommer till och från vid olika tillfällen. Österling (2016) fann att reformen inte påverkade försäljningspriset men att antalet budgivare minskade och att chansen för att auktionen skulle misslyckas ökade marginellt.

Definitionen av lockpriser enligt mäklarsamfundet (2016) är ”Det slutliga priset för en bostad vida överstiger det pris fastighetsmäklaren och/eller säljaren först bjöd ut bostaden för och det får anses att säljaren sannolikt inte är villig att sälja till utropspriset”. Definitionen innebär att fastighetsmäklaren annonserar en bostad för auktion med ett utgångspris som är lägre än reservationspriset för säljaren, det lägsta pris som säljaren är villig att acceptera. Antalet lockpriser som anmäls varje år på det nationella planet uppgår till strax över hundra varje år, år 2018 uppgick antalet anmälningar till 133 (fastighetsmäklarinspektionen, 2019).

Uppdelningen i statistiken sker efter län och i Örebro län anmäldes 2018 ett fall av lockpris. Även om fall där lockpriser anmäls är sällsynta i Örebro kommun så är förekomsten av lägre utgångspris än försäljningspris vanligt förekommande. Tvärtom så är försäljningspris som är lägre än utgångspriset ovanligt men under år 2018 ökade den nämnda företeelsen kraftigt. Enligt underlaget från Svensk Mäklarstatistik såldes 22% av villorna i Örebro under utgångspris jämfört med rikssnittet på 20%. Antalet bostadsrätter som såldes under

utgångspriset uppgick till 29% i Örebro kommun jämfört med rikssnittet på 32% (Hemnet, 2019)

(7)

Med bidraget från den här uppsatsen så kommer underlaget för frågan om utgångsprisets påverkan på försäljningspriset utifrån teori, empiri att undersökas närmare. Den här uppsatsen fokuserar främst på sambandet mellan utgångspris och försäljningspris snarare än de juridiska termer som avgör om lockpriser förekommer. Det som är av intresse är hur utgångspriset påverkar försäljningspriset.

Den årliga procentuella prisförändringen för villor och bostadsrätter i Sverige samt Örebro illustreras i figur 1 och 2. Figurerna är baserad på data från Svensk Mäklarstatistk (2019). Under perioden 2010 till 2018 ökade försäljningspriset för villor i Örebro kommun 51% (45% för riket). Under perioden 2010 till 2018 ökade försäljningspriset för bostadsrätter i Örebro kommun med 80% (66% i riket). Länsstyrelsen i Örebro har fastställt att det råder ett underskott av villor och bostadsrätter (länsstyrelsen, 2019). Länsstyrelsen konstaterar också att det finns ett utbud som inte matchar efterfrågan vilket bidragit till att det råder obalans på bostadsmarknaden.

Figur 1. Årlig procentuell förändring av försäljningsprs för villor, beräknad med hjälp av statistk från Svensk Mäklarstatistik

-4% -2% 0% 2% 4% 6% 8% 10% 12% 14% 2011 2012 2013 2014 2015 2016 2017 2018

Årlig förändring försäljningspris villor

Riket Örebro

(8)

Figur 2. Årlig procentuell förändring av försäljningsprs för bostadsrätter, beräknad med hjälp av statistk från Svensk Mäklarstatistik

Vanligt förekommande är att studier om bostäders utgång- och försäljningspris bygger på empiri från storstäder. Definitionen på en storstad är att antalet invånare i kommun måste minst vara 200 000 invånare varav 200 000 i tätort (SKL, 2017). Den 31 december år 2018 uppgick befolkningsmängden i Örebros tätort till 153 367 (SCB, 2019) och bedöms därför inte att vara en storstad.

1.3 Problem och avgränsningar

I uppsatsen har ett enskilt år har valts eftersom den valda metoden inte omfattar en tidsserieanalys över flera år. Konsekvenserna av att studera ett enskilt år är att det blir problematiskt att generalisera resultatet i studien för vad som påverkat prissättningen i en längre tidsperiod samt att prediktera framtida prissättningar. Skulle uppsatsen upprepas för tidigare år eller vid senare tillfälle skulle den här uppsatsen kunna lämpa sig för att

komplettera kartläggningen av bostadspriser samt vilka prisstrategier som tillämpas. Valet av stad beror delvis på att jag, som författare bor i staden och delvis för att den är intressant i den mening att den inte är någon storstad per definition eftersom det är vanligt förekommande att större städer undersöks se Asabere och Huffman (1993)Willhelmsson et al (2006). Vid applicering av hedonisk prismodell undersöks vanligtvis någon form av extern effekt så som miljöpåverkningar, exempelvis utsläpp, föroreningar, tillgång till natur, med mera Någon extern effekt kommer inte att inkluderas i modellen.

-10% -5% 0% 5% 10% 15% 20% 2011 2012 2013 2014 2015 2016 2017 2018

Årlig förändrig försäljningspris bostadsrätter

Riket Örebro

(9)

Andra avgränsningar som görs är utifrån det tillgängliga datamaterialet från Svensk

mäklarstatistik. Antalet variabler som inkluderas är begränsad och det hade varit intressant för uppsatsen att inkludera fler variabler, exempelvis faktorer som speglar trygghet, tillit, tillgång till transport och skola etc. En styrka med materialet är att en del av variationen av de nämnda faktorerna speglas delvis av områdesvariabler. Områdesvariabler syftar till att fånga upp variation i saker som trygghet, tillit, tillgång till transport och skola men inte nödvändigtvis lika precist som enskilda variabler. Hade tillgång till data om ovannämnda variabler varit tillgängligt hade det varit bra för uppsatsen.

En annan avgränsning är att antalet budgivare inte finns med i det tillgängliga materialet vilket gör det problematiskt att undersöka auktionerna ur köparens perspektiv. Med tillgång till information om antalet budgivare kan efterfrågan på bostäder förstås bättre och även vilken efterfråga som de som säljer bostaden möter.

1.4 Disposition

I kapitlet om Teori och statistisk modell presenteras den modell som används och det teoretiska ramverket för auktionsteori. Kapitlet innehåller också en redogörelse för individuellt och gemensamt värde samt de olika kategorierna av utgångspris.

Kapitlet Tidigare studier redogörs för tidigare studier inom bostadsmarknaden där hedonisk prismodell använts för att estimera bostäders värde och studier där utgångspriset påverkan på försäljningspriset undersökts.

I kapitlet Data så redogörs för det underlag som använts i studien och inkluderar en redogörelse för antalet observationer, bortfall och deskriptiv statistik.

I kapitlet Ekonometriska specifikationer visas uttrycket för de olika multipla linjära regressionerna som använts. Kapitlet redogör för hur datamaterialet bearbetats.

Resultatkapitlet visar två tabeller som redogör för två olika regressioner som använts för att besvara frågeställningen och två figurer för sambandet mellan försäljningspriset och tiden på marknaden.

I kapitlet diskussion och så diskuteras först resultatet utifrån de tre olika utgångspriser och hur resultatet överensstämmer med dem. Slutligen så gers en avslutande diskussion om resultatet och förslag till vidare forskning inom och utanför uppsatsen avgränsning.

(10)

2 Teori och statistisk modell

I det här avsnittets så presenteras modellen som används, hedonisk prismodell. Därefter så presenteras uttrycket för hur utgångspriset påverkar försäljningspriset, priskvoten. Vidare så görs en kort redovisning av alternativkostnad följt av auktionsteori. I avsnittet om

auktionsteori så presenteras vad en optimal auktion är och hur gemensamt och individuellt värde ska förstås i förhållande till en auktion. Slutligen så presenteras de olika typerna av utgångspriser som antingen kan sättas enligt optimalt reservationspris, marknadspris alternativt strategiskt pris.

2.1 Hedonisk prismodell

Den tidiga forskningen inom hedoniska prismodeller undersökte förklaringen av attribut och egenskaper hos varor. Rosen (1974) menade att varje produkt har ett marknadsvärde som är associerat med ett attribut (z). Därmed har varje produkt en funktion som visas i ekvation 1.

p(Z) = p(Z1,…., Zn) (1)

Ekvationen visar en hedonisk prisregression där de olika egenskapen för varan z =

(Z1,Z2,……Zn) visar på sambandet mellan pris och egenskap. Inom värderingar av bostäder så

är denna typ av värderingar vanligt förekommande.

Priset på en bostad är en funktion av olika attribut (Rosen, 1973). Generellt så tar ekvationen följande form:

P= f(bostadsegenskaper, andra faktorer)

Uttrycket i ovanstående funktion innebär att en bostad är en heterogen vara, ingen bostad är den andra lik, de kan skilja sig i exempelvis storlek, ålder, läge. Varje bostad har dess egna unika egenskaper och andra faktorer som gör dem annorlunda och priset för de olika egenskaperna går inte att direkt observera på marknaden. Den hedoniska prismodellen appliceras därför, i syfte att estimera det marginella bidraget av varje egenskap, och andra faktorer (Owusu-ansah, 2013). Skillnaden mellan bostadsegenskaper och andra faktorer är att bostadsegenskaper är bundna till bostaden, exempelvis hur stor bostaden är, vart den ligger, hur gammal den är. Med andra faktorer avses faktorer som inte specifikt är bundna till bostaden, exempelvis, buller, föroreningar. I den här uppsatsen ska uttrycket för hur

utgångspriset påverkar försäljningspriset, priskvoten och tiden på marknaden ses som andra faktorer.

(11)

2.2 Priskvot

Anta att två identiska bostäder ska säljas, de båda är oberoende av tid och har exakt samma värderingar. Vad blir skillnaden i försäljningspris om en av bostäderna har ett utgångspris som är satt 1% högre än den andra?För att förklara skillnaden så användes variabeln priskvot i regressionen.

Priskvoten definieras på samma sätt som Asabere & Huffman (1993) och Willhelmsson, et al (2006) gjort i sina studier och har följande uttryck:

𝑃𝑢 − 𝑃𝑓 𝑃𝑓

Sambandet visar skillnaden mellan utgångspris och försäljningspris uttryckt i procent. Större skillnader mellan utgångspris och försäljningspris leder till en högre priskvot och effekten är därmed mer påtaglig. Om priskvoten har ett negativt värde betyder det för det första att försäljningspriset är högre en utgångspriset. För det andra så innebär ett negativt värde att ett högre utgångspris leder till ett lägre försäljningspris. Tvärtom så innebär ett positivt värde att högre utgångspris leder till ett lägre försäljningspris.

Eftersom det finns ett problem med endoginitet1 i ovanstående ekvation på grund av att

variabeln Pf är både beroende och oberoende så kommer jag, likt Wilhelmsson et. Al (2006) att använda ett predikterat marknadspris istället för försäljningspriset- Pf. Det predikterade marknadspriset ska visa bostadens värdering och likställs med marknadspriset.

Marknadspriset skattas enligt den funktion som presenterats i samband med hedonisk prismodell, Pm f (bostadsegenskaper, andra faktorer). Priskvot med marknadspris istället för

försäljningspris har följande uttryck:

𝑃𝑢 − 𝑃𝑚 𝑃𝑚

Där Pm är det predikterade marknadsvärdet för en bostad. För att konstruera ett marknadspris så delas materialet upp för de två olika grupperna, bostadsrätter och villor och förklaras i detalj i kapitlet om data.

1 Endoginitet förekommer när en variabel bestämts endogent, inom modellen istället för utanför modellen,

(12)

2.3 Alternativkostnad

Olika val är centralt för ekonomi, varje gång ett val görs finns det en kostnad.

Alternativkostnaden är värdet av det val som är näst mest föredragna valet. För att göra ett rationellt val så krävs det att val som görs är det mest föredragna valet (Beveridge, 2013).

Ett exempel på alternativkostnaden vid försäljning av bostad är följande: anta att det finns två olika val, A och B. Alternativ A är att sälja en bostad vid tidpunkten 0, det andra alternativet (B) är att sälja bostaden vid tidpunkten 30 (dag 30). Alternativkostnaden är den kostnad som uppstår genom att inte sälja vid tidpunkt A och istället sälja vid tidpunkten B, det vill säga de kostnader som uppstår på grund av tidsskillnaden och de kostnader som följer. En säljare med hög alternativkostnad vill sälja fort eftersom alternativkostnaden för att vänta är hög

(exempelvis dubbla hyror), det mest föredragna valet är att sälja vid tidpunkt A och

alternativkostnaden är att sälja vid tidpunkt B. En säljare med låg alternativkostnad är villig att vänta för att istället sälja bostaden vid tillfälle B, säljaren har exempelvis inte bråttom att sälja sin bostad och kan använda tiden för att hitta en köpare som är villig att betala mer i tidpunkt B, att sälja i tidpunkt B är det mest föredragna valet och alternativkostnaden är att sälja vid tidpunkt A.

2.4 Auktionsteori

I det här teoriavsnittet så presenteras de olika komponenterna inom auktionsteori som är centrala för uppsatsen och förutsättningar för en optimal auktion. Först så introduceras engelsk auktion som är den auktion som vanligtvis tillämpas i Sverige. Därefter presenteras Jump bids (hoppbud) som ytterligare förklarar processen vid engelsk auktion. Vidare så presenteras vad en optimal auktion är och de olika typer av priser som förekommer och hur de ska förstås utifrån teori och empiri.

2.4.1 Engelsk auktion och begrepp

I Sverige tillämpas vanligtvis engelsk auktion, även kallad stigande öppen auktion

(Klemperer, 2004), vid försäljning av bostäder. Vid engelsk auktion stiger priset succesivt till endast en budgivare återstår som vinner auktionen när ingen annan budgivare är kvar. Den engelska auktionen vid försäljning av bostäder i Sverige har i verkligheten några

modifikationer som inte förekommer i litteraturen. För det första så sker auktionen ofta via en plattform så som Hemnet, det är inte en traditionell engelsk auktion i den mening att

budgivarna är samlade i ett rum och annonserar sina bud. För det andra så behöver inte säljaren välja den budgivare som vunnit budet utan kan välja fritt bland de budgivare som

(13)

deltagit i auktionen. Marknad som bostaden befinner sig på är således en plattform på internet där budgivarna kan interagera med bostäderna och auktioner.

2.4.2 Jump bids

I teorin vid engelsk auktion är budgivningen en kontinuerlig process och buden stiger

successivt på marginalen över det föregående budet tills att en vinnare kvarstår. Jump bids är när en budgivare lägger ett bud som är högre än vid den kontinuerliga processen, ett relativt högt bud. Rationaliteten att inte höja det föregående budet med den minsta tillåtna summan har flera anledningar. Exempelvis kan ett jump bid bero på att den kontinuerliga processen tar lång tid, om det finns en kostnad för att lägga ett bud. Det vill säga att kostnaden för

transaktionen kan orsaka ett jump bid. I praktiken är jump bid ett vanligt förekommande beteende vid auktion och beror ofta på att det finns en kostnad för tiden som ges upp för att lägga ett bud och när det är kostsamt att lägga ett bud (Klemperer, 2004)

2.4.3 Individuellt och gemensamt värde vid engelsk auktion

Individuellt och gemensamt värde ska ses som två motpoler till varandra i auktionsteori. Enligt den individuella värdeteorin så vet budgivarna med säkerhet värdet av objektet för dem själva men är osäkra vad gäller andra budgivares värdering. I motpolen, den gemensamma värdeteorin så är värderingen för objektet gemensamt för alla men de har olika estimat av det underliggande värdet. Exempelvis så har budgivarna ett gemensamt värde för olja men olika estimat för hur oljan ska utvinnas och förädlas.

Vid den individuella värdeteorin så kommer budgivarna att agera enligt deras egen värdering av objektet, som fortsättningsvis benämns som reservationsvärde. Reservationsvärde är den högsta summan som de är villiga att betala för objektet. Vid en engelsk auktion med

individuellt värde så kommer varje budgivare att delta i budgivningen tills reservationsvärdet överstiger. När budet är lika med reservationsvärdet är budgivaren indifferent mellan att vinna och förlora. Spelet vid auktionen kan ses i två steg, i det första steget kommer budet att stiga tills att det är lika med det nästa högsta reservationsvärdet för alla budgivare som deltar i auktionen. I nästa steg kommer den budgivare med det högsta reservationsvärde lägga ett bud, eftersom denne är den enda som har en högre individuell reservationsvärdering och är därmed villig att lägga budet. Förutsättningen för strategin är att alla budgivare ska vara ärliga och delta i budgivningen tills det att det individuella reservationsvärdet överstigits (Kagel & Levin, 2002).

(14)

I kontrast till den individuella värdeteorin så har budgivarna, enligt den gemensamma värdeteorin samma värdering av objektet men de har olika information om värdet. Eftersom de har olika information om värdet på objektet så kommer budgivarna att lära sig av de andra budgivarna som deltar i auktionen. Implikationen är att estimaten för värderingen av objektet kan förändras när budgivarna tar hänsyn till och agerar på information som avges under auktionens förlopp. Till skillnad från en auktion enligt individuell värdeteori där budgivarna strikt agerar utifrån sin egen värdering och inte tar hänsyn till de andra budgivarna. Ett fenomen som kan uppstå vid gemensamt värde är vinnarens förbannelse. Fenomenet innebär att budgivarna måste vara medvetna om att det vinnande budet har det högsta estimatet för värderingen av objektet. Om det genomsnittliga estimatet är det faktiska värdet av objektet så kan vinnaren betala mer än genomsnittet eftersom det vinnande budet är högst och därmed högre än genomsnittet. Vinnarens förbannelse innebär att den som vinner budgivningen betalar ett och ett överpris på grund av att denne har den mest optimistiska, en övervärdering av objektet. För att förhindra vinnarens förbannelse måste budgivarna som deltar i auktionen revidera ner sina bud för att inte drabbas av den och betala ett överpris (Klemperer, 2004)

2.4.4 Optimal auktion och reservationspris

Tidigare i teoriavsnittets så redogjordes för gemensam- och individuella värdeteorin sett ur budgivarnas perspektiv. I det här avsnittet så kommer den optimala auktionen sett ur säljarens perspektiv att presenteras. För en optimal auktion så krävs det att säljaren har ett optimalt reservationspris. Med reservationspris så avses det lägsta bud som säljaren är villig att acceptera.

I teorin om optimalt reservationspris så finns det två grundläggande antaganden (Riley och Samuelson, 1981):

1. En säljare med reservationspris (r) möter n stycken potentiella köpare, där köpare i har reservationsvärde vi, i=1….,n.

2. Reservationsvärdet av budgivarna är individuellt och identiskt distribuerade.

Budgivarna är risk-neutrala. De maximerar nyttan vid budgivningen, de kommer inte att lägga ett bud om reservationsvärdet är lägre än reservationspriset.

Reservationspris (r) är det pris som är det lägsta pris som säljaren är villig att sälja till. Om en auktion resulterar i att ett bud inte överstiger r kommer auktionen att misslyckas. Det optimala reservationspriset (r*) består av reservationspriset r och ett prispåslag s. Uttrycket för det optimala reservationspriset blir då: r* = r + s, där s är litet. För att förstå varför det är optimalt

(15)

för säljaren att lägga till ett prispåslag och inte sälja till r så måste hänsyn tas till budgivaren och dess dominanta strategi. Den dominanta strategin för en budgivare innebär den strategi som budgivaren tillämpar utifrån sin värdering (v). Enligt den individuella värdemodellen så finns det incitament för enskilda budgivare att bjuda upp till punkten för deras egen värdering. Antagande nr 2 är ett uttryck för detta som menar att varje budgivare kommer att lägga ett bud enligt sitt reservationsvärde, den individuella värderingsmodellen. Vidare så innebär

antagande två om individuellt värde att den dominanta strategin är att lägga ett bud enligt den egna reservationsvärderingen v0 (Maskin & Samuelson 1981).

Anta att det finns två budgivare, säljaren påverkas för det första om båda värderingarna är mellan r* och r. Säljaren kommer att behålla objektet, eftersom inget av buden är högre än v* och förlusten för att inte sälja för v0 blir samma som prispåslaget s. För det andra så påverkas

säljaren om en av värderingarna är över r*, objektet kommer då att säljas till v* istället för ett värde mellan r och r*. På grund av sannolikheten att det senare inträffar oftare än det

förstnämnda (Maskin & Samuelson 1981) så ger en ökning av reservationspriset en större vinst än kostnad för säljaren.

Genom att säljaren inför ett optimalt reservationspris och säljer till de säljare som har högst reservationsvärde kommer budgivarna med det högsta marginella värdet att vinna. Teorin kan därför likställas med monopolistisk prisdiskriminering. Resurserna allokeras till de

budgivarna med den högsta marginalnyttan eftersom säljaren (monopolisten) säljer till budgivarna med de högsta marginalintäkterna (reservationsvärden) (Klemperer, 2004). Den optimala auktionen maximerar säljarens förväntade vinst. Sammanfattningsvis så innebär att när budgivarna är riskneutral så består säljarens optimala reservationspris delvis av ett prispåslag, oavsett antalet budgivare. När antagandena för optimalt reservationspris är uppfyllda så är auktionen optimal.

För en optimal auktion vid gemensamt värde så skiljer sig teorin i den mening att antalet budgivare är av betydelse. Varje bud är vid en auktion vid gemensamt värde en

informationssignall om reservationsvärderingen hos budgivarna. Levin och Smith (1996) visar att det optimala reservationspriset konvergerar mot det sanna värdet – reservationspriset- när antalet budgivare ökar. Reservationspriset är, när gemensamt värde är närvarande lägre än optimalt reservationspris. Anledningen till detta är att det måste justeras ner lägre, med andra ord så prispåslaget minskar (Klemperer, 2004).

(16)

2.4.5 Marknadspris och försäljningspris

I teorin om optimalt utgångspris använder sig säljaren av ett optimalt utgångspris för att öka sannolikheten om att få ett högre försäljningspris, jämfört med om utgångspriset endast var satt enligt reservationspriset- det lägsta beloppet säljaren är villig att acceptera. Vid

marknadspris och försäljningspris så antas ett empiriskt perspektiv istället för den renodlade auktionsteorin.

Marknadspriset i den här uppsatsen är det pris som baserat på bostadens värdering. Vad som faktiskt konstituerar ett marknadspris går inte att fastställa med fullständig säkerhet eftersom en bostad är heterogen. Att en bostad är en heterogen vara innebär att alla bostäder är unika och därför det är svårt att fastställa ett marknadsvärde. Bostäder är också föremål för subjektiva värderingar vilket ytterligare problematiserar värderingen eftersom olika aktörer har olika uppfattningar om dess värde. Det marknadspris som sker via estimering med hjälp av hedonisk prismodell antas vara marknadspriset i den här uppsatsen. Marknadspriset

grundar sig således i empiri och ska prediktera hur mycket säljaren anser hur mycket bostaden är värd.

Försäljningspriset utgörs av en transaktion som sker på en marknad och skillnad mellan marknadspris och försäljningspris är att marknadspriset är en prediktion av försäljningspriset. Medan marknadspriset visar vad säljarens uppfattning om bostadens värde är så visar

försäljningspriset det faktiska värdet av bostaden.

2.4.6 Strategiskt pris och val av utgångspris

I och med debatten om lockpriser så tycks det finnas en avvikelse mellan teori och praktik. Istället för ett utgångspris som uppstår utifrån teorin om optimala reservationspriser (Riley och Samuelson, 1981) och estimering av marknadspris med hedonisk prismodell (Rosen, 1973) så tycks det finnas något annat, avvikande från teori som används för val av

utgångspris. Det faktum att ”accepterat pris”- motsvarande reservationspris, infördes i Sverige på grund av lockpriser indikerar att ett utgångspris som är lägre säljarens reservationspris använts. Strategiskt pris ska inte likställas med lockpris då det troligtvis inte faller inom ramen för den juridiska termer som definierar lockpriser (som tidigare nämnt). Den huvudsakliga poängen med strategiskt pris är att priset understiget marknadspriset och det optimala reservationspriset. Hursomhelst så finns det inte ett teoretiskt stöd inom

auktionsteori för ett strategiskt pris. Rent (auktion)teoretiskt går det därför inte att förklara varför strategisk prissättning förekommer. Det finns ett par tänkbara scenario varför de skulle kunna komma förekomma. Då dessa är rent spekulativa och inte teoretiskt förankrade så finns

(17)

det ett utrymme för felmarginaler. Ett tänkbart scenario är precis som Österling (2016) påvisade, ett strategiskt pris innebär en ökad chans för försäljning vilket skulle kunna vara en av anledningarna till att motivera ett lägre utgångspris. Ett annat tänkbart scenario är att det finns en psykologisk faktor som gör det gynnsamt att använda ett strategiskt pris. Valet som görs behöver eventuellt inte grunda sig i rationalitet utan att besluten i praktiken är präglade av irrationella val och agerandet är utanför ramen för auktionsteori. Det tredje tänkbara scenariot är att säljaren har en hög alternativkostnad och vill sälja bostaden så fort som möjligt. Det mest föredragna valet är vid, eller nära tillfället då bostaden annonseras för auktion att säja så fort som möjligt även om ett högre utgångspris skulle kunna erhållas vid ett senare tillfälle. Slutligen så finns det också ett scenario där mäklaren influerar säljaren och har ekonomiska incitament till ett strategiskt pris. Även här är det spekulativt men mäklaren skulle exempelvis anse att ett lågt utgångspris gör att budgivarna ”trissar” upp budgivningen och likt den gemensamma värdemodellen drabbas det vinnande budet av vinnarens

förbannelse. Ett annan förklaring utifrån ekonomiska incitament är att mäklaren vill maximera sina inkomster och anser att ett lågt utgångspris är den optimala strategin för att göra så.

Inom auktionsteori så används begreppet optimalt reservationspris som är ett lägsta pris säljaren är villig att acceptera. Ett utgångspris borde även fungera som ett optimalt reservationspris enligt auktionsteori eftersom det ökar sannolikheten för att högre

försäljningspris. Strategiskt pris och optimalt reservationspris står i kontrast till varandra i fråga om teori och vad en optimal auktion innebär. En annan uppfattning som grundar sig i empiri är att säljaren vill sälja till det pris som den predikterat vad bostaden är värd - marknadspriset. Sammanfattningsvis så finns det alltså tre olika kategorier vad gäller utgångspris; strategiskt pris, optimalt reservationspris och marknadspris, som illustreras i figur 3.

Det första, optimalt reservationspris är ur auktionsteori sätt ett optimalt utgångspris som säljaren använder för att maximera försäljningspriset. Det andra, marknadspriset är grundat i

Utgångspris

Optimalt reservationspris

Marknadspris

Strategiskt pris

försäljningspris

(18)

empiri där säljaren sätter ett utgångspris som är baserad på en estimering om vad bostaden är värd, både med subjektiva och objektiva inslag. Det tredje, strategiskt pris är ett pris som grundar sig i en teori som inte är blottlagd och varför ett sådant pris används går inte att förklara utifrån auktionsteori eller utifrån empiriska estimeringar av marknadspriset.

3 Tidigare studier

Det här avsnittet har delats upp i två delar. Den första delen redogör för studier som använt hedonisk prismodell för att studera vad bostäders försäljningspriser beror på och hur de värderas utifrån bostadsegenskaper. Detta för att skapa en uppfattning om hur ”tungt” vissa egenskaper väger och vilka resultat som kan förväntas vara statistiskt signifikanta samt hur de påverkar försäljningspriset. Den andra delen redogör för studier som studerat sambandet mellan utgångspris, försäljningspris och tiden på marknaden. Hur resultaten tolkas och vilka hypoteser de använder sig av är viktigt att förstå för att kunna dra slutsatser om mitt resultat.

Studier om bostäders egenskaper och dess marginella effekt på försäljningspriset är mycket omfattande. Vilka variabler som inkluderas varierar från bostadsmarknad till bostadsmarknad då de har olika jämviktspunkter. Regressionskoefficienter för boarea, antal rum, badrum, tomtstorlek, byggnadskvalitet tenderar att ge signifikanta resultat. Generellt så är boarean det som påverkar priset mest och därmed väger ”tyngst” (Mills & Simenauer, 1996, Morancho, 2003, Helbich et al, 2014).

Ålder anses också vara en av de variabler som har en stor påverkan på bostadspriser. Ett negativt samband mellan försäljningspriser och ålder anses bero på att det är högre

underhållnadskostnader för bostäder som är äldre och högre omkostnader leder därför till ett lägre försäljningspris. Det har även framkommit resultat som visar att köpare föredrar

nybyggda bostäder på grund av smak (Rubin 1993). Med smak så menas att bostäder kan vara identiska men att köpare är villiga att betala en premie för nyproducerade bostäder. Vidare så fångar avstånd till centrum upp variationen i kostnaden för bekvämligheterna som medföljer att bo central så som tillgång till transport, nöjen, sociala interaktioner.

Den generella principen är att ju närmare centrum desto dyrare bostad. Områdesvariabler å andra sidan fångar upp den variation inom området, två identiska bostäder kan exempelvis ha lika långt till centrum men på grund av områdesegenskaper så kan de skilja sig åt i pris. Inom områdesvariabler så fångas områdesegenskaper så som kvalitén på skolor, jobbmöjligheter, rykte, tjänster etcetera Olika områden kan antingen ha positiv eller negativ påverkan på pris

(19)

medan avstånd till centrum tenderar att vara negativ, se Leonard et al (2016), Chen & Hao (2007).

Asabere och Huffman (1993) studerade skillnaden mellan utgångspris och försäljningspris samt tiden på marknaden. De hade två hypoteser i sin studie. Den första hypotesen grundade sig i att bostäder vars utgångspris är satt för högt kommer att ha fler dagar på marknaden än bostäder med lägre utgångspris. De bostäder som tar lång tid att sälja riskerar att bli

stigmatiserad. Med stigmatisering av bostäder avses att en reducering av försäljningspriset är nödvändig för att få till en försäljning enligt Asabere och Huffman (1993).

Den andra hypotesen grundade sig i att säljare är villiga att låta bostaden befinna sig en längre tid på marknaden för att kunna hitta en köpare med en högre betalningsvilja och på så vis få ett högre försäljningspris. Variabeln tiden på marknaden (antal dagar) avspeglar detta då de menade att den bör ha ett positivt värde om så är fallet. I studien användes 337 observationer med försäljningsdata över perioden 1986–1990 som täckte Countys i Pennsylvania.

Resultaten de fann var i linje med deras hypoteser. För det första så visade resultatet att när en bostads utgångspris är satt för högt så kommer en reducering av priset att behövas på grund av stigmatiseringen. Tolkningen gjordes utifrån ett negativt värde på variabeln priskvot. För det andra så visade resultatet att de säljare som väljer att dröja på marknaden ökar chansen att realisera ”ett överlägset försäljningspris”, variabeln för tiden på marknaden hade ett positivt värde. Vidare så måste de säljare som väljer att dröja på marknaden göra en avvägning som beror på deras alternativkostnaden för tiden de är villiga att vänta. Om de väljer att vänta så måste alternativkostnaden för tid vara relativt låg Asabere och Huffman (1993).

Wilhelmsson, et al., (2006) baserade sin modell med samma utgångspunkt som Asabere och Huffman (1993) men med ett litet annorlunda tillvägagångssätt. Utöver att använda den vanliga definitionen för priskvoten så användes även ett teoretiskt konstruerat förväntat försäljningspris som motsvarar ett marknadspris istället för det faktiska försäljningspriset. Detta för att undvika problem med endoginitet. Hypotesen de prövade var hur utgångspriset påverkar försäljningspriset och tiden på marknaden. Mer specifikt så ville de undersöka om mäklaren kunde använda utgångspriset som ett verktyg för att få ett högre försäljningspris. I studien användes 12 168 observationer med försäljningsdata över perioden 1999–2001 som täckte Stockholms län. Det gjordes även flera olika regressioner för att pröva om tiden på marknaden hade ett icke linjärt samband genom polynomregression.

(20)

Resultatet visade på ett positiv värde för variabeln priskvot, vilket betyder att högre

utgångspris leder till ett högre försäljningspris. Båda regressionskoefficienter för variabeln tiden på marknaden och den kvadrerade uppvisade signifikanta resultat vid användning av polynomregressionen. Den icke-kvadrerade hade ett positivt värde och den kvadrerade ett negativt värde vilket innebär att de fann en maximipunkt. Försäljningspriset ökade fram till och med dag 270, därefter var trenden negativ. Den optimala tiden på marknaden, när prisökningen var som högst, var vid dag 150. Sambandet mellan priskvoten och tiden på marknaden var att ett utgångspris högre än marknadspriset resulterade i fler dagar på marknaden och ett högre försäljningspris.

De studier som jag har presenterat är bara ett fåtal av många studier som gjorts för att studera sambandet mellan utgångspris, försäljningspris och tiden på marknaden. De redovisade studierna visar hur resultatet tolkats vid en negativ respektive positivt värde för variabeln priskvot.

Det finns två olika uppfattningar om på tiden på marknaden. I den ena uppfattningen kan ett utgångspris som är satt för högt (högre än vad bostaden är värderad till – marknadsvärdet) leda till färre budgivare och därmed en lägre chans till försäljning. I takt med att tiden på marknaden ökar så löper bostaden risken att bli stigmatiserad och komma att behövas säljas till ett reducerat pris. I detta fall har tiden på marknaden ett negativt värde. Den andra uppfattningen innebär att ett högre försäljningspris går att realisera genom att bostaden finns en längre tid på marknaden och att chansen för att hitta en budgivare med en hög

betalningsvilja ökar och därmed ge en ökad vinst. Vid ett sådant scenario har tiden på marknaden ett positivt värde. Ickelinjära samband för tiden på marknaden kan antingen visa på en maximipunkt dvs en optimal tid på marknaden, eller en minimipunkt och därmed en suboptimal tid på marknaden.

4 Data

Materialet som används i uppsatsen innehåller försäljning- och bostadsdata om bostäder i Örebro kommun, år 2018 och källan är Svensk Mäklarstatistik. Svensk Mäklarstatistik är en oberoende leverantör av statistik för bostadspriser i Sverige. Över 95% av alla mäklade försäljningar rapporterar till Svensk Mäklarstatistik (Svensk Mäklarstatistik, 2019). Urvalet jag använt mig av består sammanlagt av 1944 observationer. Valda variabler är bland annat boarea, tomtarea, adress, byggnadsår. Valet av de variabler som inkluderas i regressionerna specificeras i avsnittet om Ekonometriska specifikationer.

(21)

På grund av att det saknas uppgifter för vissa av variablerna bland observationerna har ett bortfall uppkommit på 565 observationer. Bortfallen beror exempelvis på att de inte funnits någon adress och därmed har det inte gått att estimera variabeln avstånd till centrum. Andra bortfall beror på att uppgifter om exempelvis försäljningspris, antal rum, boarea ej varit ifyllt. Orsaken till bortfallen antas vara att mäklarfirmor och företag rapporterat till Svensk

Mäklarstatistik med varierande mängd information och uppgifter om bostäderna. Utöver bortfall på grund av informationsbrist så består fyra observationer i bortfallet på grund av att de varit avvikande (outliers), dessa avvikelser omfattar endast sekundärmaterialet för

bostadsrätter. En styrka med materialet är, trots bortfallen, att observationerna utgör ca 95% av all bostadsförsäljning i Örebro kommun år 2018.

Utöver de befintliga variabler som medföljde i datamaterialet så har variablerna avstånd till

centrum och tid på marknaden konstruerats utifrån den tillgängliga informationen. Variabeln

avstånd till centrum konstruerades med hjälp av Google Maps. Försäljningsobjektens adresser har använts för att mäta avståndet till Örebro centrum (Drottninggatan 17). Avståndet mäts via fågelvägen. Den andra variabeln har konstruerats med hjälp av att beräkna skillnaden mellan tidpunkten för annonsering och tillfälle för kontraktsskrivning.

Analysen kommer utföras i två steg. I det första steget så används en del av datasetet för att estimera ett marknadspris. Marknadspriset estimeras utifrån regressionskoefficienterna som var signifikant skilda från noll på 1, 5 och 10% signifikansnivå i primärmaterialet. Genom att använda koefficienterna för primärmaterialet beräknades ett marknadspris för varje enskild observation i sekundärmaterialet. På så vis undviks problemet med endoginitet och ett empiriskt marknadspris skapas.

I det andra steget används resterande data för att besvara frågeställningen, hur utgångspriset påverkar försäljningspriset och om de går att tydliggöra vilken kategori av utgångspris som säljarna tenderar att agera utifrån. Datatseten fördelas enligt ett slumpmässigt urval där 80% av observationerna används för att konstruera variabeln marknadspris. Det större materialet för respektive grupp benämns som primärmaterial. Det mindre materialet, bestående av de resterande observationerna benämns som sekundärmaterialet. Genom uppdelningen i två dataset och separat estimera marknadspriset så görs en ansats till att undvika problemet med endoginitet.

Observationerna för primärmaterialet och sekundärmaterialet för bostadsrätter uppgick till 701 och 439 för villor. I sekundärmaterialet så används 188 observationer för bostadsrätter

(22)

och 98 observationer för villor. Den deskriptiva statistiken för primärmaterialet presenteras i bilaga 1. Den deskriptiva statistiken för sekundärmaterialet presenteras i tabell 1.

Det som framgår av tabell 1 är att det genomsnittliga utgångspriset är lägre än det genomsnittliga marknadspriset, både för villor och bostadsrätter.

(23)

Tabell 1 Deskriptiv statistik Sekundärmaterialet Villor Bostadsrätter Variabel Medelvärde (standardavvikelse) Minimum, maximum Medelvärde (standardavvikelse) Minimum, maximum Marknadspris 3 407 335 ,69 (1 115 172 ,56) 78 070 4,6 661 117 1 711 117 ,80 (578 777 ,03) 318 028, 4 448 311 Utgångspris (kr) 3 086 603 ,77 (1 334 704 ,99) 49 500 0,6 500 000 1 674 419 ,56 (663 555 ,35) 395 000, 4 595 000 Boarea (m2) 132,59 (44,65) 31, 331 75,67 (26,97) 26,7, 225 Avstånd till centrum (km) 7,43 (6,31) 0,865, 29 2,58 (1,96) 0,169, 15,39 Tid på marknaden (dagar) 30,10 (26,70) 0, 186 58,90 (78,77) 0,533 Ålder 43,84 (32,17) -1,109 35,59 (34,46) -1,184 Tomtarea (m2) 1664,22 (2300,26) 134, 19 844 - - Våning (vilken våning) 2,39 (1,35) 0,10 Antal rum 5,26 1, 12 2,83 (1,16) 1,6 Månadsavgift (Tkr) - - -211,943* (19,410) Nyproduktion - - 2 457 09, 076 (667 89, 600) Hiss (dummy) - - 381 80, 173 (265 27, 963) Områdesvariabler Referensvariabel: Olaus Petri (bostadsrätter)

Mikael (villor) Villor Medelvärde (standardavvikelse) Bostadsrätter Medelvärde (standardavvikelse) Mikael 0,07 (0,260) 0,07 (0,248) Nikolai 0,05 (0,208) 0,21 (0,406) Almby 0,17 (0,378) 0,16 (0367) Längbro 0,05 (0,208) 0,19 (0,392) Adolfsberg 0,12 (0,323) 0,05 (0,22) Hovsta 0,12 (0,323) 0,07 (0,248) Mosjö 0,009 (0,094) 0,02 (0,134) Tysslinge 0,04 (0,187) 0,004 (0,060) Olaus Petri 0,05 (0,227) 0,24 (0,428)

(24)

5 Ekonometriska specifikationer

I det här avsnittet presenteras de multipla linjära regressionerna som använts med hjälp av sekundärmaterialet. Hedonisk prismodell är vanligt förekommande vid undersökningar om bostadsmarknader, vilket har redogjorts för i teoriavsnittet och den är applicerbar då den förklarar bostäders priser. Variablerna är uppdelade enligt Rosens (1973) uttryck för bostadens prisfunktion, P= f (bostadsegenskaper, andra faktorer). Bostadsegenskaperna är egenskaper som tillhör bostadens så som, boarea, antal rum, våning, tomtarea, område etcetera och de andra faktorerna är tiden på marknaden och priskvoten. Statistikprogrammet SPSS använts för att estimera och förklara samtliga data i uppsatsen.

Användandet av de empiriska modellerna har delats upp i två steg. I det första steget så används primärmaterialet för att estimera marknadspriset för observationerna i

sekundärmaterialet (se kapitel 4). I det andra steget används sekundärmaterialet som ska besvara frågeställningen för sambandet mellan utgångspris och försäljningspris och därmed förklara variationen i försäljningspris utifrån priskvoten och tiden på marknaden. Utöver att förklara de andra faktorerna så kommer bostadsegenskaperna även att förklara vad variationen i försäljningspris beror på. Samma regression används för både primärmaterialet och

sekundärmaterialet med undantag från semilogaritmering, detta för att det krävs ett monetärt värde för att beräkna ett marknadspris. Priskvoten är inte inkluderad i regressionen för primärmaterialet då själva syftet för regressionen är att beräkna komponenten i uttrycket för priskvoten som är marknadspriset. Tiden på marknaden kommer inte att användas som en polynomregression vid användningen av primärmaterialet eftersom detta kommer att testas vid det användning av sekundärmaterialet. Willhelsson et al (2006) valde att inte inkludera tiden på marknaden för sitt primärmaterial men jag valde inkluderade det eftersom de bostäder som undersöks är sålda och hänsyn bör tas till tiden som de befunnit sig på marknaden vilket i sin tur eventuellt har påverkat försäljningspriset.

Funktionerna som används för sekundärmaterialet är semilogaritmerad, den naturliga logaritmen av försäljningspris används som beroende variabel och de olika

bostadsegenskaperna och andra faktorer är oberoende variabler. Istället för att använda en vanlig linjär funktion som visar de monetära förändringar så visar en semilogaritmisk

funktion den procentuella förändringen i försäljningspris när en oberoende variabel ökar med en enhet (allt annat lika). För regressionen är ε feltermen och antas vara normalfördelad med medelvärdet 0, variansen σ2 är konstant (Owusu-Ansah, 2013) och har den generella

(25)

Ln(Y) = B0 + B1x1 + B2x2 +…+ Bnxi + ε

Där Ln(Y) är den beroende variabeln när den är logaritmerad, B0 är interceptet, B är

regressionskoefficienter, x är oberoende variabel.

Regressionen som används utifrån sekundärmaterialet för bostadsrätter är specificerad på följande vis:

(ln) Försäljningspris = β0 + β1(Våning) + β2(Boarea) + β3(Antal_rum) + β4(Ålder) + β5(Avstånd_centrum) + β6(Månadsavgift) + β7(Nyproduktion) + β8(Hiss) + β9(Priskvot) + β10(Längbro) + β11(Adolfsberg) + β12(Hovsta) + β13(Mosjö) + β14(Tysslinge) + β15(Nikolai) + β16(Mikael) + β17(Tid på marknaden) + ε

Där β0 är interceptet och variablerna våning, boarea, antal_rum, ålder, avstånd_centrum och

månadsavgift visar den procentuella förändringar av försäljningspris när de ökar med en

enhet. Variablerna nyproduktion och hiss är dummyvariabler och antar värdet 1 om observationen (bostadsrätten) är nyproducerad alternativt om den har hiss.

Områdesvariablerna β10 - β16 är också dummyvariabler och följer samma princip, värdet 1

antas om observationen (bostadsrätter) ligger i det specifika området. Området Olaus Petri är referensvariabel och värdet av de olika parametrarna för områdesvariablerna är jämfört med referensområdet. Variabeln priskvot visar, vid ett positivt värde hur mycket försäljningspriset ökar i procent om utgångspriset ökar med 1%. Tvärtom så visar den vid ett negativt värde hur mycket försäljningspriset minskar om utgångspriset ökar med 1%. Slutligen så visar variabeln

Tid på marknaden hur försäljningspriset påverkas för varje dag som bostadsrätten är ute på

marknaden. Variabeln Tiden på marknaden2 kommer även att prövas om parametern vid

första tillfället är statistisk signifikant på 1, 5 eller 10% signifikansnivå. Precis som i Willhelmsson et al. (2006) så görs det med anledningen att undersöka om det finns ett icke-linjärt samband som visar förhållandet mellan tiden på marknaden och hur det påverkar försäljningspriset. Genom att addera en kvadrerad variabel så utförs en polynomregression för tiden på marknaden.

Samma sorts regression, med samma metod kommer att upprepas för villor med tillhörande sekundärmaterial. Variablerna våning, nyproduktion, hiss och månadsavgift är inte

inkluderade eftersom de inte finns med i materialet för villor. En variabel för tomtarea

(26)

är därmed relevant vid estimeringar av villapriser. Den multipla linjära regressionen är specificerade på följande vis:

Försäljningspris = β0 + β1(Boarea) + β2(Tomtarea) + β3(Antal_rum) +

β4(Ålder) + β5(Avstånd_centrum) + β6(Almby) + β7(Längbro) + β8(Adolfsberg) + β9(Hovsta) + β10(Mosjö) + β11(Tysslinge) + β12(Mikael) + β13(Nikolai) + β14(Tid på marknaden) + β14(Tid på marknaden)2 + ε

6 Resultat

I det här avsnittet så presenteras först resultatet från primärmaterialet som visar resultatet från de multipla linjära regressionerna. Därefter redovisas resultatet från sekundärmaterialet och tolkas utifrån tidigare redovisade studier och teorier. Avsnittet har delats upp i två delar, den första delen redogör för resultatet för bostadsrätter och villor för primärmaterialet och den andra delen redogör för resultatet angående villor och bostadsrätter för sekundärmaterialet.

6.1 Primärmaterialet

I tabell 2 redovisas det resultats som producerats vid användning av primärmaterialet. De variabler som uppvisade ett statistiskt signifikant resultat på 1, 5 och 10% signifikansnivå har använts för att beräkna marknadspriset som används i ekvationen för priskvoten i

sekundärmaterialet.

(27)

Tabell 2. Resultat för primärmaterialet Primärmaterialet Villor Betakoefficient (standardavvikelse) Bostadsrätter Betakoefficient (standardavvikelse) Konstant 2 647 40, 817*** (2 072 38, 068) 8 548 14, 454*** (671 45, 172) Boarea 180 67, 509*** (1022,364) 214 59, 344*** (1681,691) Avstånd till centrum (km) -568 33, 107***

(8630,654) -1 610 54, 313*** (132 14, 339) Ålder (År) -1975,327 (1283,285) -340,706 (408,946) Tid på marknaden (dagar) -1816,273*** (679,929) 327,276** (0,000385) Tid på marknaden2 (dagar2) -0,000023** (0,000013) 0,0000032** (0,00002) Tomtarea (m2) 18,786** (8,860) - Månadsavgift (Tkr) - -211,943*** (19,410) Nyproduktion - 2 457 09, 076*** (667 89, 600) Hiss (dummy) - 381 80, 173 (265 27, 963)

Områdesvariabler Villor Bostadsrätter

Mikael Referensvariabel -4 375 12, 138*** (563 53, 305) Nikolai 19 173 95, 599*** (2 915 80, 460) 802 38, 445** (377 82, 147) Almby 10 669 02, 658*** (1 543 88, 810) 529 22, 168 (387 24, 801) Längbro 4 026 92, 853 (2 208 69, 097) -1 590 81, 215* (432 51, 180) Adolfsberg 6 456 08, 331*** (1 662 88, 371) 1 907 31, 732** (759 18, 841) Hovsta 2 814 26, 931* (1 525 46, 426) 1 137 45, 075 (1 130 03, 063) Mosjö 2 260 99, 101 (1 800 58, 297) 1 261 62, 588 (1 789 77, 951) Tysslinge 3 404 56, 719 (2 373 58, 575) 10 678 13, 818*** (2 647 40, 817) Olaus Petri 10 874 12, 754*** (2 122 13, 059) Referensvariabel Justerad Förklaringsgrad R2 0,67 0,648 Observationer 359 734

(28)

6.2 Sekundärmaterialet

I tabell 3 presenteras resultatet för sekundärmaterialet. Värdet för betakoefficienterna och tolkningarna utifrån dem redogörs för bostadsrätter i kapitel 6.2.1 och för villor i kapitel 6.2.2. Tolkningen för variabeln priskvot skiljer sig gentemot de andra variablerna. Eftersom den är beräknad med hänseende till en procentuell förändring så tolkas regressionskoefficienten utifrån det angivna värdet i tabellen jämfört med de andra variablerna måste multipliceras med 100 för att tolkas i procent.

(29)

Tabell 3. Resultat för sekundärmaterialet Sekundärmaterialet Villor Betakoefficient (standardavvikelse) Bostadsrätter Betakoefficient (standardavvikelse) Konstant 14,57778*** (0,099944) 13,900*** (0,037) Boarea 0,00533757*** (0,00047) 0,010*** (0,001)

Avstånd till centrum (km) -0,0323369***

(0,004351) -0,111 (0,008) Ålder (År) -0,001 (0,000686) 0,000207 (0,000207) Tid på marknaden (dagar) -0,006*** (0,001976) --0,00069* (0,000385) Tid på marknaden2 (dagar2) -0,000023** (0,000013) 0,0000032** (0,00002) Priskvot (ΔPu%) 1,03882*** (0,0932328) 0,884041*** (0,035) Våning - 0,016963*** (0,006) Tomtarea (m2) 0,000014 (0,00001) - Månadsavgift (Tkr) - 0,0139*** (0,0001) Nyproduktion - 0,119*** (0,042) Hiss (dummy) - -0,010 (0,015)

Områdesvariabler Villor Bostadsrätter

Mikael Referensvariabel -0,35464*** (0,031) Nikolai 0,47504*** (0,110) 0,029 (0,020) Almby 0,26702*** (0,063) 0,04780** (0,021) Längbro 0,09621 (0,102) -0,07071*** (0,024) Adolfsberg 0,10803 (0,076) 0,17375*** (0,042) Hovsta 0,03724 (0,069) -0,13525** (0,063) Mosjö -0,076726 (0,208) - Tysslinge 0,075244 (0,119) - Olaus Petri 0,27644*** (0,101) Referensvariabel Justerad Förklaringsgrad R2 0,84 0,938 Observationer 98 188

(30)

6.2.1 Bostadsrätter

De olika bostadsegenskaperna för bostadsrätterna producerade signifikanta resultat förutom regressionskoefficienterna för variablerna Hiss och Nikolai som inte var signifikant skild från noll. Områdesvariablerna Mosjö och Tysslinge saknade korrelation med den beroende

variabeln och plockades automatiskt bort av statistikprogrammet. För områdesvariablerna så visas de procentuella förändringen i relation till referensvariabeln Olaus Petri. De

regressionskoefficienter för områdesvariablerna som visade ett statistiskt signifikant resultat var Mikael, Längbro och Hovsta negativa, bostäder i dessa områden är värderade lägre än bostäder i området Olaus Petri. Almby och Adolfsberg å andra sidan visade ett positivt värde och värderingen för bostäder i dessa områden är högre än bostäder i området Olaus Petri.

Bostadsegenskapen Nyproduktion visar att försäljningspriset ökar med 11,9% om bostaden är nyproducerad. Detta stärker till viss del argumentet om att köpare är villiga att betala en premie för något som är nytt (Rubin 1993) och att köparen föredrar nybyggda bostäder på grund av smak. Det är dock viktigt att poängtera att variationen även fångar upp de bekvämligheter som medföljer vid köp av en ny bostad, så som lägre

underhållningskostnader, garantier. Det går inte med säkerhet att säkerställa att det endast är på grund av smak utan troligtvis är bekvämligheterna en påverkande faktor för värdeökningen av bostaden då objektet är nyproducerad.

Regressionskoefficienten för Priskvoten var signifikant skild från noll på 1% signifikansnivå och koefficientens värde var 0,884. Resultatet visar att om två identiska bostäder, allt annat lika, där den ena har ett utgångspris som är 1% högre så ökar försäljningspriset med 0,88%. Resultatet är i linje med det Willhelmsson et.al (2006) påvisade i sin studie, att ett högre utgångspris har en positiv effekt på försäljningspris. Till skillnad från Asabere och Huffman (1993) som påvisade ett negativt samband mellan försäljningspris och priskvot.

Regressionskoefficienten för variabeln Tid på marknaden och Tiden på marknaden2 var signifikant skild från noll på 10%, respektive 5% signifikansnivå. Det ickelinjära sambandet illustrerar en minimipunkt till skillnad från Willhelmsson et al (2006) som fann en

maximipunkt som visar en optimal tid på marknaden. Resultatet i min uppsats är inverterat. Istället för att försäljningspriset ökade fram till en viss tidpunkt och därefter började avta så visade mitt resultat att försäljningspriset avtar fram tills en viss punkt och därefter börjar antal dagar ha en positiv effekt på försäljningspriset. Detta illustreras i figur 5. Korrelationen mellan variabeln Priskvot och tiden på marknaden och Tiden på marknaden2 var 0,06

(31)

respektive 0,011(se bilaga nr 2) vilket indikerar att det finns ett svagt positivt samband mellan variablerna.

Figur 4. Effekten på utgångspris av antalet dagar på marknaden för bostadsrätter

Utifrån figur 5 och resultatet i regressionsanalysen så kan följande slutsats dra. Försäljningspriset minskar när tiden ökar och varje extra dag har en negativ effekt på försäljningspriset till dag 155 (minimipunkten). Därefter så har varje extra dag en positiv effekt på försäljningspriset. Vid dag 306 är förändringen nära 0 (-0,00049%) och varje dag därefter har en positiv effekt på försäljningspriset. Den genomsnittliga tiden på marknaden för sekundärmaterialet var 59 dagar och maximum 533 dagar. Det är därför troligt att det finns säljare som både får en negativ och positiv effekt på försäljningspriset på grund av tiden på marknaden.

6.2.2 Villor

Variabeln Antal rum plockades bort ur regressionen. Anledningen till att den plockades bort var på grund av att när både Boarea och Antal rum användes i samma regression så visade resultatet på en korrelation på 0,779 vilket antyder att de har ett starkt positivt linjärt samband och eventuellt förklarar samma sak. Det visade också på ett VIF2-värde på 2,883 för boarea och 3,060 för Antal rum. Regressionskoefficienten för variabeln Boarea var signifikant skild från noll på 1% signifikansnivå, Antal rum var inte signifikant skild från noll på 10%

signifkansnivå, p-värdet uppmättes till 0,751. Därefter så prövades variablerna var för sig och

boarea förklarade på ett bättre sätt variationen i försäljningspris och visade ett VIF värde på

2 VIF, (variance inflation factor) är ett värde för varje variabel som mäter multikollinearitet (Moore, et al, 2010).

(0,10) (0,08) (0,06) (0,04) (0,02) 0,02 0,04 0,06 0,08 0 50 100 150 200 250 300 350 400 Dagar Försäljningspris (%)

(32)

1,142 vilket antyder att eventuella problem med multikollinearitetundvikts. Därmed så plockades variabeln Antal rum bort från den slutliga regressionen eftersom den skapade instabilitet i resultatet.

Regressionskoefficienten för variabeln Priskvot var signifikant skild från noll på 1% signifikansnivå och visar att 1% ökning i utgångspris leder till 1,04% ökning i utgångspris. Regressionskoefficienten för variabeln Tid på marknaden och Tid på marknaden2 var signifikant skild från noll på 1%, respektive 5% signifikansnivå. Det ickelinjära sambandet illustreras i figur 6.

Figur 5. Effekten på utgångspris av antalet dagar på marknaden för bostadsrätter

Utifrån figur 6 och resultatet i regressionsanalysen så kan följande slutsats dra. Försäljningspriset minskar när tiden ökar och varje extra dag har negativ effekt på försäljningspriset till dag 103 (minimipunkten). Därefter så har varje extra dag en positiv effekt på försäljningspriset. Vid dag 205 är förändringen nära 0 (-0,00049%) och varje dag efter har en positiv effekt på försäljningspriset.

Tidigare så konstaterades att det underförstådda målet för en säljare var att sälja bostaden så snabbt som möjligt till ett så högt pris som möjligt. Asabere och Huffmans (1993) studie som visade på ett positivt värde för tiden på marknaden stärkte deras hypotes om att säljare som väljer att dröja på marknaden ökar sin chans att sälja till ett högre försäljningspris så visar mina resultat på det motsatta. Till skillnad från deras studie så visar mina resultat på ett negativt värde för den specifika variabeln, Tid på marknaden. Med andra ord så visar mitt

-0,4 -0,3 -0,2 -0,1 0 0,1 0,2 0,3 0,4 0 50 100 150 200 250 300 dagar försäljningspris (%)

(33)

resultat att desto längre en villa befinner sig på marknaden så minskar försäljningspriset, detta är dock när en villa säljs inom 205 dagar efter att den lagts ut för auktion.

Variablerna Priskvot och Tiden på marknaden var i motsättning till varandra om en säljare inte är villig att vänta 205 dagar, ett högre utgångspris leder till högre försäljningspris och fler dagar på marknaden leder till ett lägre försäljningspris. Den genomsnittliga tiden på

marknaden för sekundärmaterialet var 30 dagar och maximum 186, det är därför högst troligt att ingen säljare väntar eller hittar en säljare efter 205 dagar, men det bör hållas i åtanke att den negativa effekten som med största sannolikhet uppstår med hänsyn till antalet dagar på marknaden är avtagande. Korrelationen mellan de två variablerna var 0,103 för tiden på

marknaden och 0,78 för tiden på marknaden2 (se bilaga nr 2) Den positiva korrelationen indikerar att det finns ett positivt linjärt samband som innebär att utgångspriset påverkar antalet dagar positivt.

6.3 Sammanfattning

Resultatredovisningen visar att en ökning av utgångspriset leder till ett högre försäljningspris, både för villor och bostadsrätter. Resultatet visar statistisk signifikans för ett positivt linjärt samband mellan variabeln priskvot och försäljningspris. Polynomregressionen för tiden på marknaden visar i båda fallen för villor och bostadsrätter en statistiskt signifikant ickelinjärt samband med en minimipunkt. För villor och bostadsrätter så uppvisade resultatet också en positiv korrelation mellan priskvot och båda variablerna för tiden på marknaden vilket indikerar att ett högt utgångspris leder till fler dagar på marknaden.

Resultatet i förhållande till Asabere & Huffmans (1993) hypotes om att säljare som väljer att dröja på marknaden ökar sin chans att sälja till ett högre försäljningspris stämmer delvis. Säljarna måste i genomsnitt vänta mer än 306 dagar om det är en bostadsrätt och 205 dagar om det är en villa för att tiden på marknaden ska ha en positiv effekt på försäljningspriset. I datamaterialet framgår det att villor med största sannolikhet säljs innan brytpunkten för att varje extra dag på marknaden leder till ett högre försäljningspris. Variabeln har därför, i de allra flesta fallen en negativ påverkan på försäljningspriset.

Parametern för variabeln Priskvot var positiv i resultaten för villor och bostadsrätter, det vill säga en ökning i utgångspris leder till ett högre försäljningspris. Detta till skillnad från

Asabere och Huffman (1993) som fann en negativ priskvot. I förhållande till Wilhelmssons et al (2006) resultat så var resultatet för priskvoten detsamma, ett positivt värde där ett högre

Figur

Updating...

Relaterade ämnen :