Örebro universitet
Handelshögskolan
C-uppsats i nationalekonomi
Handledare: Anders Lunander
Vårtermin 2012
Tom tomt
-Hur värderas den?
Författare:
Anna Sjögren
Sammanfattning
Studiens syfte är att med hedonisk prissättningsfunktion undersöka vilka egenskaper som påverkar priset på en obebyggd tomt i Sverige samt att undersöka om samma regionala skillnader som finns i småhuspriser även gäller för tomtpriser. Det undersökta materialet omfattar 2 042 försäljningar av obebyggda tomter gjorda under 2010 och är ett utdrag ur fastighetsprisregistret som Lantmäteriet för. Med en hedonisk prisekvation estimeras elasticiteter för en rad egenskaper hos en tomt. Undersökta variabler är yta, vatten- och avloppsförhållande, strandnärhet, inkomstnivå, typ av bebyggelse, län och kommungrupp. För att undersöka om eventuellt samband mellan priser för småhus och obebyggda tomter görs ett Spearmans rangkorrelationstest. Genomsnittspriserna för småhus kommer från mäklarstatistik. Resultaten visar att förklaringsgraden för de fyra gjorda regressionerna ligger mellan 31,8 och 36,9 procent. En övervägande majoritet av de undersökta variablerna är signifikanta. Spearmans rangkorrelationstest visar att det finns ett samband mellan småhuspriserna och tomtpriserna. Detta tyder på att det man betalar för i stor utsträckning är var huset eller tomter ligger.
Innehållsförteckning
1. Inledning ... 1
2. Teori ... 3
2.1 Hedonisk prissättning ... 3
2.2 Tidigare studier ... 4
3. Data och variabler ... 7
3.1 Data ... 7 3.2 Definition av variabler ... 7 3.2.1 Fastighetsrelaterade variabler ... 8 3.2.2 Områdesrelaterade variabler ... 9 4. Regressionsmodell ... 13 4.1 Spearmans rangkorrelationstest ... 14
5. Resultat och analys... 15
6. Slutsats och diskussion... 19
Källförteckning ... 20 Datakällor ... 20 Litteraturförteckning ... 20 Internet ... 21 Appendix 1. ... 22 Appendix 2. ... 24
1
1. Inledning
Svenska småhuspriser har sedan 1980-talet med undantag från krisåren i början av 1990-talet stigit. Detta enligt SCB:s fastighetsprisindex som är huvudmåttet vid redovisningar av prisförändringar. 2011 antog index ett värde av 542 jämfört med basåret 1981 (index=100). När prisnivåskillnader för småhus mellan olika kommuner och regioner i Sverige ska åskådliggöras används medelpriser. Dessa visar att priserna varierar runt om i landet. I storstadsregionerna återfinns de högsta småhuspriserna och de kommuner, i vilka det är billigast att köpa hus är nästan uteslutande glesbygdskommuner i norra Sveriges inland (SCB).
Att huspriserna ökat under en så lång period är sannolikt kopplat till urbanisering, befolkningstillväxt och ökade inkomster. När hushållen blir fler och rikare i städerna ökar efterfrågan på bostäder vilket i sin tur ökar efterfrågan på centralt belägen mark. Prisnivån på hus i storstadsområdena i Stockholm, Göteborg och Malmö var omkring två och en halv gånger högre 2010 än i början av 1980-talet. Under samma period har priserna knappt stigit alls i vissa glest befolkade delar av Sverige (Englund, 2011).
Ett småhus besitter en rad egenskaper. De kan handla om bostadsyta, antal badrum, material på golv, köksstandard osv. Huset har även lägesegenskaper i form av avstånd till service och allmänna kommunikationsmedel och närhet till vatten. Köpeskillingen för huset utgör således en summa av priser på de ingående egenskaperna i huset (Berger, 1997). Vill man veta hur marknaden värderar olika egenskaper kan den hedoniska metoden utnyttjas. Den är populär vid värdering av egenskaper hos fastigheter och andra heterogena varor. Metoden har sitt ursprung i konsumtionsteorin (Lancaster, 1966) och den hedoniska grundtanken är att varor värderas för deras nyttobärande egenskaper. Den hedoniska hypotesen innebär att heterogena varor är aggregeringar av egenskaper och att dessa egenskaper representerar produktens pris eller utgör produktens samlade värde. Antagandet som görs är att hushåll och marknader värderar dessa egenskaper och ingenting annat (Eriksson, 1997).
Vid hedoniska studier av småhus separeras ofta egenskaper i huset från egenskaper i tomten. Genom att göra detta kan tomtytans påverkan på huspriset undersökas. Men vad är det egentliga värdet på tomten? Detta kan undersökas genom en hedonisk studie av obebyggda tomter bildade för småhusbebyggelse. Syftet med denna uppsats är att med hedonisk prissättningsfunktion undersöka vilka egenskaper som påverkar priset på en obebyggd tomt samt att undersöka om samma regionala
2 skillnader som finns i småhuspriser även gäller för tomtpriser.
Mig veterligen har inga hedoniska studier gjorts på svenska obebyggda tomter, därav kan denna uppsats vara ett bidrag till ett ännu tämligen outforskat område. I Finland har bland annat Hiltunen (2004) studerat vilka faktorer som påverkar priset mest på obebyggda tomter i sex finska regioner mellan 1985 och 1998 och funnit att dessa är tomtens byggrätt, postnummer, avståndet från centralorten i regionen, den socioekonomiska statusen hos invånarna och tiden. Andra internationella studier har funnit att egenskaper såsom avstånd från regionens centralort, antalet invånare i stadskärnan eller om antalet växer, inkomstnivå, area, byggkostnader samt avstånd till tågstationen påverkar priset.
Datamaterialet som används till den hedoniska prissättningsfunktionen är ett utdrag från fastighetsprisregistret som förs av Lantmäteriverket och omfattar 2 042 tomter försålda 2010. För att besvara frågan om samma mönster som finns bland småhuspriserna även gäller för tomtpriserna görs ett Spearmans rangkorrelationstest. Vid testet används tomternas genomsnittspriser per kvadratmeter från fastighetsprisregistret och genomsnittspriser per kvadratmeter på småhus i Sverige tagna från mäklarstatistik. Ett problem med datamaterialet är att information om egenskaper som sannolikt påverkar priset saknas.
Fyra regressionsanalyser görs i studien och förklaringsgraden för dessa ligger mellan 31,8 och 36,9 procent. Två av modellerna har samma regionindelning och i en av de skattade modellerna ökar förklaringsgraden när variabler för bland annat närhet till strand och vatten- och avloppsförhållande tas med. Högst förklaringsgrad har modellen där den områdesknutna variabeln är inkomstnivå. Resultatet av Spearmans rangkorrelationstest visar att det finns ett samband mellan rangordningen av priserna för småhus och priserna för obebyggda tomter. ρ antar ett värde av 0,63 och det är signifikant på enprocentsnivån.
Uppsatsen är disponerad på följande sätt: I kapitel två ges en beskrivning av hedonisk prissättning och tidigare studier baserade på denna teori. Kapitel tre ägnas åt uppsatsens datamaterial och variablerna som används i studien definieras här. I kapitel fyra presenteras regressionsmodellen och Spearmans rangkorrelationstest som används i studien. Därefter, i kapitel fem presenteras och analyseras resultaten av studien. I kapitel sex avslutas uppsatsen med en sammanfattande slutsats.
3
2. Teori
2.1 Hedonisk prissättning
Hedonisk härstammar från grekiskans Hedone, vilket betyder välbehag. I en ekonomisk kontext syftar det till den nytta eller tillfredsställelse som kan fås genom konsumtion av en vara eller en tjänst (Leong, 2002). Hedoniska prisfunktioner har funnits inom nationalekonomin i åtminstone 80 år och Waugh (1928) brukar med sin studie om variationer i priset på olika grönsaker anses vara den som först introducerade dessa. Några år senare användes den hedoniska modellen för att skatta hur värdet på kvalitetsskillnader på bilar påverkade priset (Court, 1939). Rosen (1974) visade att utbudssidan har stor betydelse för prissättning av en varas karakteristika. Tidigare hade fokus framförallt varit på efterfrågan. Efter Rosens bidrag har den hedoniska modellen varit välanvänd för att skatta värdet på fastigheter.
Enligt den hedoniska modellen är priset på en vara en funktion av dess fysiska karakteristika. För en bostad kan sådana karakteristika vara yta, badrum, läge och ålder. Genom att undersöka hur det pris konsumenter är villiga att betala för en vara förändras i takt med att varans karaktärsdrag förändras, är det möjligt att värdera effekterna av de olika karaktärsdragen. Den grundläggande premissen i den hedoniska prissättningsmetoden är att priset på en vara är relaterat till dess egenskaper eller den service den kan tillhandahålla (Transportation Economics, 2012). Men metoden avslöjar ingenting om det enskilda hushållets värderingar och inte heller varför de olika egenskaperna har fått det pris de har. Den hedoniska metoden avslöjar de implicita priser som marknaden bestämt på olika egenskaper. Såldes är prisekvationen ett resultat av utbud och efterfrågan på marknaden (Eriksson, 1997).
En vara, vilken som helst, besitter en rad egenskaper. I den hedoniska metoden görs antagandet att de olika variationer som finns av en vara utgörs av olika kombinationer av ett antal egenskaper. Att en vara har ett pris innebär att åtminstone en konsument anser att varan har ett värde. Men det behöver inte betyda att alla egenskaper har ett värde, vissa kan vara överflödiga. Hypotesen huruvida en egenskap har ett hedoniskt pris testas med hjälp av regressionsanalys. (Eriksson).
Den hedoniska prisfunktionen kan skrivas som
(1)
4 områdesknutna och fastighetsknutna. Med områdesknutna egenskaperna avses egenskaper i området som kan ge upphov till positiva och negativa externaliteter. Om det i närheten av tomten ligger en soptipp eller ett järnvägsspår finns det anledning att tro att dessa egenskaper kan ha negativ effekt på priset då tomten kan påverkas av lukt och buller. Eller om tomten ligger i ett naturskönt område vid en sjö så kan det ses som en egenskap i positiv bemärkelse som därför kan påverka priset positivt. De positiva och negativa externa effekterna antas kapitaliseras i fastighetspriserna. Den hedoniska prissättningsfunktionen har använts i ett flertal studier för att mäta värdet på buller, att en kraftledning går över tomten och värdet på sjöutsikt.
I huvudsak används två olika funktionsformer inom hedonisk pristeori för att skatta koefficienterna, linjär form och logaritmerad form. Den linjära funktionens fördelar är att den är lättarbetad och enkel att tolka. Koefficienterna säger oss hur stor den marginella prispåverkan för varje egenskap är och detta oavsett egenskapens kvantitet. Priset på varan skattas då genom att summera de egenskaper som varan besitter. Den stora nackdelen med den linjära formen är dock att den inte är särskilt realistisk då egenskapers marginella priser sällan är linjära. Exempelvis skulle en linjär funktionsform innebära att ökningen av tomtytan, eller bostadsytan, skulle vara lika mycket värd oavsett tomtens eller bostadens yta. Medan den linjära formen skattar priset, skattar den logaritmerade formen egenskapernas priselasticitet (Nord & Wagell, 2005).
2.2 Tidigare studier
För hedoniska funktioner för fastigheter råder det ingen större konsensus vad gäller exakt vilka egenskaper som bör ingå, eller hur de mäts på bästa sätt. Dock är det möjligt att göra en grov kategoriindelning för dessa. De två kategorierna är egenskaper knutna till själva fastigheten och egenskaper i omgivningen. Eriksson (1997) konstaterar att den hedoniska teorin inte ger mycket till vägledning när det kommer till specificeringen av modellen för empirisk användning och att debatten om just detta har varit knapphändig trots att den hedoniska litteraturen annars är omfångsrik.
Den hedoniska pristeorin kräver att det skattade priset för varan är ett resultat av perfekt konkurrens för att resultaten ska kunna användas i analyser av utbud och efterfrågan. Tyvärr är det dock inte alltid fallet då marknadsregleringar förekommer (monopolsituation, subventioner, kvoter etc.). Dessutom kan även observerade köpeskillingar vara snedvridna genom finansiella förhållanden i samband med transaktionen mellan köpare och säljare (Eriksson, 1997). Val av beroende variabel skiljer sig åt i olika hedoniska studier av obebyggda tomter enligt den genomgång som Hannonen
5 (2007) gjort. Han konstaterar att i de studier som gjorts i Finland är värde per enhet den vanligaste beroende variabeln medan i de internationella studierna är det ungefär lika vanligt med totalpris som värde per enhet.
För att beskriva en tomts alla väsentliga egenskaper har en rad olika variabler använts i hedoniska studier. Även om inte teorin ger mycket hjälp för specificeringen av modellen är det ändå väsentligt att mått för tomtens egenskaper är med, liksom egenskaper om tomtens omgivning, samt mått på tomtens tillgänglighet till olika nyttigheter i omgivningen. Fysiska egenskaper hos tomten såsom yta förekommer som förklarande variabel. Vad gäller omgivningsegenskaper har dessa varit ett ämne för en livlig diskussion i litteraturen. Diskussionen har bland annat kretsat kring huruvida vissa egenskaper kapitaliseras i fastighetens värde samt hur egenskaperna ska mätas på bästa sätt. Det vanligaste måttet på omgivningsegenskaper är inkomstnivån. Men andra mått på den sociala miljön såsom andel högutbildade, genomsnittlig skolutbildning och folktätheten i området har använts i empiriska studier. Hur lätt man kan nå olika platser av betydelse är det som menas med tillgänglighetsegenskaper. Vanligtvis mäts avståndet till regioncentrum och måttet kan antingen vara i restid eller i fysiska termer. Även andra avstånd har rimligen betydelse på tomtpriserna. Bland annat avstånd till skolor, järnvägsstationen och avstånd från hav, sjö eller flod har undersökts i studier (Eriksson, 1997).
Till min kännedom har inga hedoniska studier gjorts i Sverige på obebyggda tomter. Dock har Lundell och Östlund (2010) i sitt examensarbete undersökt vilka faktorer som påverkar priset på åkermark i Mälardalen. Beroende av vilket syfte köparen hade med jordbruksfastigheten använder författarna olika förklarande variabler. Om åkermarken införskaffades för boende visade sig variablerna räntan, tidsvariabeln, befolkningstätheten i kommunen, om den var såld av en mäklare, restid till närmaste stad, om jaktmöjligheten utnyttjas av köparen samt om jorden är utarrenderad vara signifikanta. Förklaringsgraden uppgick till 72,6 procent.
Internationella studier om obebyggda tomter finns det dock ett flertal av. Hiltunen (2003) har analyserat priserna på obebyggda tomter för bostäder och de faktorer som bestämmer priset i Finland. Studien omfattar drygt 14 000 transaktioner mellan åren 1985-1998. I studien estimeras 62 regressionsmodeller och resultatet av studien visar att de viktigaste prisfaktorerna är byggrätten som tomten är tilldelad, postnumret, avståndet från centralorten i regionen, den socioekonomiska statusen hos invånarna och tiden. Förklaringsgraden för regressionerna låg mellan 52,5 och 81,1 procent.
6 McDonald och McMillen (1998) undersöker tomter i Chicago 1921, två år innan den första lagen om detaljplan infördes i staden. Studien omfattar 943 observationer och faktorer som avstånd till stadskärnan, avstånd till sjö och avstånd till tågstationen visade sig vara signifikanta.
Hannonen (2007) konstaterar att resultaten från hedoniska studier indikerar att det finns ett flertal faktorer som har stor inverkan på priset på mark. De vanligaste dokumenterade faktorerna är yta, tillåten byggvolym, avstånd från stadskärnan, försäljningsdatum, landtyp, befolkningens inkomstnivå, antalet invånare eller om antalet växer, byggkostnader, områdets sociala status och avstånd från sjö, hav eller flod.
7
3. Data och variabler
3.1 Data
Uppsatsen är en empirisk studie av marknaden för obebyggda tomter i Sverige. Sekundärdata, erhållna från Lantmäteriverket, används i studien. Datamaterialet kommer från fastighetsprisregistret som är ett offentligt register över samtliga sålda fastigheter och som förs av Lantmäteriverket. Studien baseras på ett utdrag ur fastighetsprisregistret som omfattar de fastigheter med typkod 210, det vill säga småhusenheter som är tomtmark för helårsbostad, och som såldes under 2010. Lantmäteriet har rensat bort de köp som av olika anledningar inte anses som ”rena köp”, alltså att de inte sålts till ett marknadsmässigt pris, vilket är fallet när överlåtelsen av tomten skett via arv, gåva eller byte. Fastigheter som 2009 hade taxeringsvärde noll har inte tagits med i studien eftersom egenskaperna för dessa tomter inte är angivna i fastighetsprisregistret. Totalt antal observationer är 2 042. Inkomstnivån i Sveriges kommuner används som variabel i en av regressionerna och datamaterialet för detta kommer från SCB och gäller medelvärdet för inkomst av tjänst under 2010.
Vid undersökningen av likheter i mönster för hus- och tomtpriser används data från mäklarstatistik. Genomsnittspriset per kvadratmeter (bostadsyta) för villor är från perioden februari – april 2012 och omfattar 7940 försäljningar. Genomsnittspriser per kvadratmeter för tomterna tas från fastighetsprisregistret och är alltså från 2010.
Som nämnts tidigare fordrar den hedoniska teorin att det skattade priset är ett resultat av perfekt konkurrens. Men i verkligheten är inte sällan marknaden reglerad på olika sätt. Visserligen är det datamaterial som används i denna uppsats rensat så endast ”rena köp” är med, men någon uppgift om vem som är säljare av tomten finns ej. Många kommuner runt om i Sverige har kommunala tomtköer och tomter som säljs via den behöver inte säljas till marknadspris. På Örebro kommuns hemsida går att läsa:
”Kommunens tomter kostar 90 procent av marknadsvärdet för områdets normaltomt (för att inte driva upp marknadspriserna i området, eftersom ett stort antal tomter ofta säljs). Om kommunen bara har ett fåtal tomter till försäljning, sker försäljningen till marknadspris” (Örebro Kommun).
3.2 Definition av variabler
Priset avser köpeskillingen för tomten, mätt i svenska kronor. Pris används som regressionens beroende variabel och har logaritmerats i modellen.
8
3.2.1 Fastighetsrelaterade variabler
Tomtarealen, alltså fastighetens yta, torde ha en positiv effekt på priset. Ju större areal, desto högre är köpeskillingen. Enligt Berger (1998) behöver antagligen tomten vara oerhört stor för att den ska börja uppfattas som en belastning för fastighetsägaren. Om så är fallet är det möjligt att stycka av den del av tomten som är överflödig. Tomtarealen mäts i kvadratmeter och är logaritmerad i modellen.
Vilket vatten- och avloppsförhållande som fastigheten har är en egenskap som säkerligen många köpare är intresserade av att veta. Avsaknad av VA innebär en merkostnad för de som tänkt sig en bostad med högre standard än ett enkelt fritidshus. VA kan antingen vara enskilt eller kommunalt. Anslutningskostnaden till det kommunala vattennätet varierar men ligger mellan 75 000 och 200 000 kronor. Ligger tomten utanför detaljplanerat område måste fastighetsägaren lösa VA på egen hand genom att borra egen brunn och avloppssystem (Östlund, 2011). Tomter med vatten och avlopp borde därför säljas till ett högre pris. I regressionen är variabeln för vatten- och avloppsförhållande formulerad som en dummyvariabel och antar värdet 1 om tomten saknar VA.
En fastighets byggrätt definieras av den detaljplan med bestämmelser som gäller för fastigheten. Dessa bestämmelser kan bland annat innehålla vilken typ av bebyggelse som får uppföras på tomten (Upplands Bro Kommun, 2012). I fastighetsprisregistret finns tre olika typer av bebyggelser, nämligen friliggande hus, radhus eller kedjehus. Friliggande hus definieras som ett småhus som inte är sammanbyggt med ett annat småhus. Ett radhus är ett hus i en rad om minst tre hus där bostadsdelarna är sammanbyggda med varandra. Inom typen kedjehus ryms den bebyggelse som varken kan klassificeras som friliggande eller radhus. Parhus och atriumhus är exempel på kedjehus.
Erfarenhetsmässigt är närheten till vatten, en sjö eller å, en egenskap som värderas högt (Berger, 1998). Närheten till vatten och/eller sjöutsikt är en av de egenskaper som brukar tas med i hedoniska prissättningsfunktioner för bostäder och tomter. I Hiltunens studie undersöktes både om tomten angränsade till hav och sjö. Om en tomt ligger i anslutning till vatten och därmed har strand eller är strandnära anges det i fastighetsprisregistret, ingen hänsyn tas till om det är en å, sjö eller hav. Variabeln strand delas in i fyra grupper; strand, strandnära 1-50 meter, strandnära 51-150 meter och ej strand eller strandnära.
9
3.2.2 Områdesrelaterade variabler
Antalet län i Sverige är 21. I vilket län tomten befinner sig i påverkar sannolikt priset. Detta eftersom efterfrågan på obebyggda tomter är högre i exempelvis Stockholm län än i Norrbottens län.
I Boverkets bostadsmarknadsenkät delas Sveriges kommuner in i sju olika kommungrupper; Storstockholm, Storgöteborg, Stormalmö, högskoleort med fler än 75 000 invånare, högskoleort med färre än 75 000 invånare, kommun med fler än 25 000 invånare och kommun med färre än 25 000 invånare. Vilka kommuner som ingår i respektive grupp anges i appendix 2. Liksom för län finns det anledning att tro att efterfrågan på tomter är högre i Storstockholm än i kommuner med färre än 25 000 invånare.
Inkomstnivån i kommunen var en av de variabler som Hiltunen använde i sin studie på finländska tomter. I denna studie används medelvärdet för inkomsten av tjänst för Sveriges 290 kommuner.
Nedan följer beskrivande statistik för datamaterialet. Variablerna som undersöks presenteras i tabeller var för sig för att göra det mer överskådligt.
Tabell 1. Deskriptiv statistik för variabeln län. Pris angivet i 1000-tals kronor.
Län Antal Min Medel Max Std. Av. Stockholm 344 110 2147 20000 1886 Uppsala 144 70 671 2550 435 Södermanland 58 45 549 2850 413 Östergötland 55 46 650 2975 558 Jönköping 41 34 556 3400 695 Kronoberg 30 44 565 3430 683 Kalmar 84 20 367 1350 236 Gotland 29 250 497 1450 220 Blekinge 27 20 454 1250 300 Skåne 370 25 794 9900 846 Halland 200 19 1027 3800 752 Västra Götaland 311 2 1301 11500 1104 Värmland 32 35 323 740 213 Örebro 31 65 591 2820 504 Västmanland 32 64 611 3495 690 Dalarna 74 65 313 2425 328 Gävleborg 56 30 482 3050 492 Västernorrland 19 60 397 900 263 Jämtland 59 52 439 1800 314 Västerbotten 29 40 745 3050 967 Norrbotten 17 45 269 900 248 Hela landet 2042 2 1010 20000 1182
10 Högsta genomsnittspriset för obebyggda tomter återfinns i Stockholms län men där är även
variationen i pris störst. Priset på en tomt i Stockholms län är i genomsnitt nästan tio gånger så högt som i Norrbottens län. Tre län har högre genomsnittspris än landet som helhet. Nedan visas ett diagram över genomsnittspriserna.
Diagram 1. Genomsnittspris per tomt i Sveriges län i 1000-tals kronor.
Tabell 2. Deskriptiv statistik för variabeln kommungrupp. Pris angivet i 1000-tals kronor.
Kommungrupp Antal Min Medel Max Std. Av. Storstockholm 344 110 2147 20000 1886 Storgöteborg 179 200 1520 11500 1257 Stormalmö 143 175 1006 9900 995 Högskoleort > 75 000 inv. 351 62 782 5200 660 Högskoleort < 75 000 inv. 219 25 556 3600 504 Kommun > 25 000 inv. 231 14 553 3075 454 Kommun < 25 000 inv. 575 2 667 7000 704
Alla kommuner som tillhör Stockholms län ingår i definitionen för Storstockholm, därav är genomsnittspriserna desamma. Storstockholm har högst genomsnittspriser bland kommungrupperna men även den största variationen i priset. Lägst medelpriser har kommuner med fler än 25 000 invånare, vilket förvånar något då man kunde förvänta sig att kommuner med färre invånare än 25 000 invånare skulle ha lägst tomtpriser. För att få en bild av hur genomsnittspriserna ser ut visas de i ett diagram nedan.
0 500 1000 1500 2000 2500 Stockholm Upps ala Söderma n la nd Ös te rg ö tl and Jönköpi n g Kr on ob er g Kalm ar Go tl an d Blek inge Sk ån e Ha llan d Västra Göta la nd Vä rm la n d Örebro Västma nland Dalarn a Gävl eborg Vä st er n o rr la nd Jä mtland Väs terbo tten Norrb o tt en
11 Diagram 2. Genomsnittspris per tomt i de olika kommungrupperna i 1000-tals kronor.
Tabell 3. Deskriptiv statistik för variabeln strand. Pris angivet i 1000-tals kronor.
Variabel Antal Min Medel Max Std. Av.
Strand 5 825 2130 3500 1282
Strandnära 1-50 m 50 100 1982 20000 3186 Strandnära 51-150 m 108 60 1032 10500 1366 Ej strand eller strandnära 1879 2 980 11500 1056
Endast fem av de 2042 tomterna har strand och 92 procent av tomterna har varken strand eller är strandnära. Högst genomsnittspris har de tomter som har strand. Genomsnittspriset ser ut att sjunka ju längre från strand tomten ligger.
Tabell 4. Deskriptiv statistik för variabeln vatten och avlopp. Pris angivet i 1000-tals kronor.
Variabel Antal Min Medel Max Std. Av.
Har vatten och avlopp 611 10 1249 20000 1511 Saknar vatten och avlopp 1431 2 907 10100 993
70 procent av de försålda tomterna hade inte kommunalt vatten och avlopp. Genomsnittspriset var lägre för tomter som saknar vatten och avlopp än för de som hade vatten och avlopp.
0 500 1000 1500 2000 2500
12 Tabell 5. Deskriptiv tabell för variabeln typ av bebyggelse. Pris angivet i 1000-tals kronor.
Typ av bebyggelse Antal Min Medel Max Std. Av.
Friliggande 2019 2 1001 20000 1175
Kedjehus 14 550 2017 5950 1857
Radhus 9 87 1493 3050 985
Nästan alla tomter som är med i undersökningen klassas som friliggande. Högst genomsnittspris har kedjehus och lägst har de som klassats som friliggande. Antalet tomter för kedjehus och radhus var dock väldigt få i det undersökta materialet.
Tabell 6. Genomsnittsstorlek för tomter.
Yta Min (kvm) Medel (kvm) Max (kvm) Std.av.
Tomtareal 108 1431 18528 1302
Den minsta undersökta tomten är 108 kvadratmeter och den största har en yta på 18 528 kvadratmeter. I genomsnitt är en tomt 1 431 kvadratmeter.
13
4. Regressionsmodell
I denna undersökning antar regressionen multipel linjär funktionsform och ser ut på följande vis:
2
P är priset, är konstanten, är koefficienten för de kontinuerliga variablerna (area och inkomstnivå), är koefficienten för ekvationens dummyvariabler vilka betecknas som och är residualen. Residualen, eller feltermen, innehåller alla de faktorer förutom de som tagits med i regressionen bestämmer värdet på den beroende variabeln (Stock & Watson, 2012).
Genom att logaritmera variablerna i regressionen skattas de olika egenskapernas priselasticitet. Den logaritmerade funktionsformen föredras ofta vid hedoniska studier (Berndt, 1996). Tolkningen av de variabler som logaritmeras blir då att koefficienten skattar den procentuella förändringen i priset då egenskapens koefficient ändras med en procent. Dummyvariabler logaritmeras ej och räknas om till relativ effekt enligt formeln:
1
100
(3)Den relativa effekten anger betalningsviljan i procent för att erhålla en viss egenskap i förhållande till att inte erhålla egenskapen.
För att estimera vilken påverkan en tomts egenskaper har på priset har fyra regressionsekvationer utformats. Den första tar endast med variablerna för län och areal. Den andra inkluderar förutom variablerna län och areal även variablerna för vatten- och avloppsförhållande, strandnärhet och typ av bebyggelse. I den tredje ekvationen är variablerna areal, kommungrupp, vatten- och avloppsförhållande, strandnärhet och typ av bebyggelse med. Den fjärde regressionen tar med de fastighetsknutna variablerna samt inkomstnivån i kommunen.
Regressionsmodell 1 specificeras som följer:
14 Regressionsmodell 2 antar följande funktionsform:
ä ä 1
50 ä 51 150 ä
(5) Regressionsmodell 3 tar detta uttryck:
ä 1 50 ä 51 150 ä (6) Regressionsmodell 4 ser ut så här: å ä 1 50 ä 51 150 ä (7)
4.1 Spearmans rangkorrelationstest
Spearmans rangkorrelationskoeffcient är ett icke-parametriskt mått på det linjära samband som finns mellan två set av rankat data. Den mäter hur nära de rankade dataklustren samlas i en klunga kring en rak linje. Koefficienten som kan benämnas ρ eller antar ett värde mellan -1 och +1. Är korrelationen positiv innebär det att rankingarna av båda variablerna ökar tillsammans och en negativ att rankingen av en variabel ökar medan rankingen av den andra variabeln minskar. En korrelation nära noll innebär att det inte finns något linjärt samband mellan rankingarna. Är korrelationen antingen -1 eller +1 betyder det att relationen mellan de två variablerna är exakt linjär (Altman, 1991).
De två undersökta variablerna rangordnas, från störst till minst. Differensen mellan de två
rankingarna summeras, kvadreras och placeras sedan i formeln för rangkorrelationskoefficienten:
15
5. Resultat och analys
Referenstomten i modell 1 ligger i Stockholms län. En tomt med byggrätt för radhus, med vatten- och avlopp och som inte ligger i närheten av vatten i Stockholms län är referenstomten i modell 2. I modell 3 är referensvariablerna en tomt med byggrätt för radhus, med vatten- och avlopp och som inte har närhet till vatten i Storstockholm. I modell 4 är referensvariablerna att tomten har VA, ligger ej vid strand och har byggrätt för radhus. Resultaten från de fyra regressionerna presenteras i tabell 7.
Tabell 7. Resultat av regressionsanalyser. Ostandardiserade b-koefficienter, standardfel inom parenteser.
________________________________________________________________________________
Variabel Modell 1 Modell 2 Modell 3 Modell 4
Konstant 9,70*** 9,53*** 9,40*** -19,87*** (0,27) (0,37) (0,36) (0,97) Län Se Appendix 1 Se Appendix 1 Kommungrupp Se Appendix 1 ln Area -0,32*** -0,29*** -0,29*** -0,27*** (0,04) (0,04) (0,04) (0,04) Saknar VA -0,28*** -0,40*** -0,20*** (0,04) (0,04) (0,04) Har VA (referens) 0 0 0 Strand 0,83** 0,97*** 1,37*** (0,38) (0,38) (0,37) Strandnära 1-50m 0,59*** 0,63*** 0,54*** (0,12) (0,12) (0,12) Strandnära 51-150m 0,19** 0,23*** 0,26*** (0,09) (0,08) (0,08) Ej strand eller strandnära (referens) 0 0 0 Friliggande 0,16 0,33 0,16 (0,29) (0,29) (0,28) Kedjehus 0,33 0,74** 0,74** (0,36) (0,36) (0,35) Radhus (referens) 0 0 0 ln Inkomst 5,40*** (0,17) N: 2042 2042 2042 2042 R2: 0,325 0,351 0,357 0,371 Justerat R2: 0,318 0,342 0,353 0,369 * = p ≤ 0,10 ** = p ≤ 0,05 *** = p ≤ 0,01
Resultatet från de fyra regressionerna visar att förklaringsgraden ligger strax över 30 procent i samtliga modeller. Variationen i pris fångas upp något bättre när variablerna för strand, typ av
16 bebyggelse och vatten- och avloppsförhållande läggs till i ekvationen. Knappt 70 procent av variationen kan inte förklaras av de egenskaper som tagits med i studien. Av de fyra gjorda regressionerna är det modell 4 där inkomstnivån finns med som förklarar mest av variationen i priset på obebyggda tomter.
Variabeln area är signifikant på enprocentsnivån i alla fyra regressionsmodellerna. Värdet på koefficienten betyder att en procents ökning av arean innebär en minskning av priset per kvadratmeter på 0,32 procent i modell 1. I modell 2 och 3 innebär en ökning av arean en minskning med priset på 0,29 procent och i modell 4 en minskning med 0,27 procent. I samtliga modellerna har variabeln area negativt tecken och detta var inte det förväntade.
För att undersöka de negativa areakoefficienterna närmare har regressioner gjorts där priset ej har logaritmerats. Även i dessa regressioner har variabeln area haft negativt tecken. Detta skulle betyda att en tomt sjunker i pris om tomtens yta ökade. Problematiken med detta resultat är att det per automatik skulle innebära en ekonomisk vinst om man köpte en stor tomt och sedan styckade av den (förutsatt att kostnaden för själva avstyckningen inte är alltför hög). Denna anomali att en mindre tomt genererar ett högre pris beror troligtvis på att små tomter i vissa regioner har blivit sålda till ett högt pris och stora tomter i andra regioner sålts till ett lågt pris. Det finns alltså karakteristika hos tomterna som inte syns i det undersökta materialet och därmed inte fångas upp i regressionerna. Om de utelämnade faktorerna har ett förklaringsvärde och är korrelerade med en variabel som inkluderas i regressionen uppstår bias i skattningen på grund av utelämnade variabler (eng. omitted variable bias). Det finns anledning att tro att detta är förklaringen till areans negativa tecken. Avstånd till regionens centrum är ett exempel på en variabel som inte inkluderats i regressionen och denna variabel skulle kunna vara korrelerad med variabeln area. Detta har dock inte varit möjligt att undersöka detta då uppgifter om tomternas avstånd till regionens centrum saknas.
I Bergers (1997) studie om priser på egenskaper hos småhus visar resultaten att marginalpriset för tomtens storlek är litet. En ökning av tomtens yta med en kvadratmeter ökar i genomsnitt endast husets pris med 10 kronor. Marginalpriset är högst (17 kronor) i storstäderna och minst i gruppen övriga kommuner (0 kronor). Regionindelningen är densamma som svenska kommunförbundet använder.
Dummyvariabeln saknar VA är signifikant i modell 2, 3 och 4 där den finns med. Den relativa effekten i modell 2 av att en tomt saknar VA är -24 procent. Priset på en tomt som saknar vatten och
17 avlopp är 33 procent lägre, allt annat lika, enligt modell 3. I modell 4 är betalningsviljan 18 procent lägre för en tomt som saknar vatten och avlopp. Då de tomter som ligger inom detaljplanerat område har kommunalt vatten och avlopp finns möjligheten att variabeln för vatten och avlopp egentligen säger oss något om hur centralt tomten ligger då de flesta detaljplaner finns i tätorterna (Uddevalla kommun, 2012).
Analysen visar att avståndet till strand påverkar priset på en tomt. Ju närmare tomten ligger vattnet desto högre är betalningsviljan. I modell 3 är betalningsviljan 164 procent högre om tomten har strand jämfört med en tomt som inte ligger i närheten till vatten men i övrigt är allt annat lika. I modell 2 är betalningsviljan 129 procent högre och i modell 4 är den 294 procent högre. Resultatet ligger i linje med hur priserna på strandnära småhusfastigheter ser ut. En strandnära fastighet kostar i genomsnitt 124 000 kronor mer än en likvärdig ej strand- eller strandnära fastighet (Fastighetstaxeringsutredningen).
Det är endast i modell 3 och 4 som någon av variablerna för typ av bebyggelse visar sig vara signifikant. Enligt regressionen i modell 3 är en tomt som klassas som kedjehus 110 procent dyrare än en radhustomt, allt annat lika. Liksom resonemanget för variabeln vatten och avlopp ligger dessa tomter inom detaljplanerat område, vilket alltså innebär i en tätort. Återigen bör kanske nämnas att antalet tomter för kedjehus och radhus var väldigt få.
I appendix 1 återfinns koefficienterna för variablerna län och kommungrupp. Samtliga områdesknutna variabler är signifikanta på enprocentnivån. Som förväntat är en tomt i Stockholms län dyrare än en tomt i Norrbottens län. Priserna i Norrbotten ligger 88 procent under priserna i Stockholms län. Faktum är att betalningsviljan för en tomt i Stockholms län är högre än i alla andra län. Förutom tomter i Stockholms län är tomter i Västra Götalands län de högst värderade. Betalningsviljan för dessa är 53 procent lägre än i Stockholms län. I modell 3 där referenstomten ligger i Storstockholm visar resultatet att betalningsviljan för en tomt i Storgöteborg är 31 procent lägre, i Stormalmö är 58 procent lägre, i högskoleorter med fler än 75 000 invånare är 65 procent lägre, i högskoleorter med färre än 75 000 invånare är 74 procent lägre, i kommun med fler än 25 000 invånare är 78 procent lägre och i en kommun med färre än 25 000 invånare är 79 procent lägre.
Om inkomstnivån ökar med en procent ökar priset på en tomt med 5,4 procent. Det hör sannolikt ihop med att de kommuner med högst inkomst även har höga priser på obebyggda tomter. Kommunerna med högst genomsnittsinkomster ligger i Stockholmsområdet. Med höga inkomster
18 följer också de ekonomiska möjligheterna att köpa tomter till ett dyrare pris. Inkomstvariabeln var den enda av områdesvariablerna som var kommunvis och att modell 4 var den modell med högst förklaringsgrad tyder på att det finns variationer i pris för obebyggda tomter inom regioner.
Nedan visas uträkning och resultat av Spearmans rangkorrelationstest. Nollhypotesen som testas är huruvida det inte finns något samband mellan tomtpriser och huspriser.
Tabell 8. Pris per kvadratmeter för tomt och hus rangordnat per län.
Data Data Rank Rank
Län tomt hus tomt hus
Stockholm 2111 29784 1 1 Uppsala 552 18469 8 4 Södermanland 468 13790 13 8 Östergötland 544 15012 10 7 Jönköping 546 11649 9 10 Kronoberg 574 9714 6 18 Kalmar 375 10338 16 17 Gotland 422 15527 14 6 Blekinge 410 10704 15 13 Skåne 903 16856 5 5 Halland 1100 18649 4 3 Västra Götaland 1530 18695 2 2 Värmland 255 9547 18 20 Dalarna 200 10681 21 14 Gävleborg 567 10374 7 16 Västernorrland 243 9109 19 21 Jämtland 320 10462 17 15 Västerbotten 1413 11317 3 12 Norrbotten 237 9660 20 19
Summan av de kvadrerade differenserna är 498 och genom ekvation (8) fås: 0,63
Sambandet mellan tomtpriser och huspriser är starkt. ρ är signifikant på enprocentnivån, vilket innebär att hypotesen om att det inte skulle finnas något samband mellan tomtpriser och huspriser kan förkastas.
Resultatet att tomtpriser och huspriser följer samma mönster är inget särskilt förvånande eller spektakulärt resultat, utan snarare det som kunde förväntas.
19
6. Slutsats och diskussion
Den hedoniska undersökningen visar att lite drygt en tredjedel av variationen i priset för obebyggda tomter förklaras av variablerna som ingår i modellerna. Information om lägesfaktorer för tomterna saknades till stor del i datamaterialet och det kan vara anledningen till den relativt låga förklaringsgraden.
Framtida forskning på området skulle kunna gå mer på djupet i någon utvald region och undersöka ett flertal andra variabler som beskriver fastighetens läge. Ett metodproblem är att antalet köp av obebyggda småhustomter är förhållandevis litet jämfört med antalet försålda bebyggda småhusfastigheter och att många av de tomter som säljs avser tomter som landets kommuner säljer i enlighet med särskild fastställda prislistor. Det vill säga att de säljs inte genom anbudsförfarande eller genom fri prisbildning utan säljs till personer som har stått i den kommunala tomtkön. I det datamaterial som denna undersökning grundas på saknas uppgift om vem som har sålt tomten och hur priset för respektive tomt har tillkommit. Framtida forskning på området behöver också ta i beaktande dessa omständigheter i prisbildningsprocessen.
För ett småhus kan förändringar göras för att öka värdet, köket kan bytas ut, badrummen renoveras, en spiskamin installeras och en pool kan anläggas på tomten. Men läget går inte att förändra och detta gäller naturligtvis för obebyggda tomter också. Att priserna på småhus och obebyggda tomter följer varandra åt tyder på att det man betalar för i stor utsträckning är var huset eller tomten ligger.
20
Källförteckning
Datakällor
Fastighetsprisregistret. Mäklarstatistik. http://maklarstatistik.se/maeklarstatistik/riket.aspx?Typ=Villor&srt=asc&tab=namn (Hämtad 2012-05-17). SCB. http://www.scb.se/Pages/ProductTables____302201.aspx (Hämtad 2012-05-20).Litteraturförteckning
Altman, D.G. (1991). Practical Statistics for Medical Research. London: Chapman & Hall. Berger, T. (1998). Priser på egenskaper för småhus. Arbetsrapport. Nr 14. Gävle:
Uppsala Universitet, Institutet för bostadsforskning.
Berndt, E. (1996). The practice of econometric - Classic and contemporary. Boston: Addison Wesley.
Chin Tung Leong. (2002). A Critical Review of Literature on the Hedonic Price Model and Its Application to the Housing Market in Penang.
http://www.kreaa.org/AsRES/doc/Chin%20Tung%20Leong(D3).doc (Hämtad 2012-04-03). Englund, Peter. (2011). Rikbankens utredning om risker på den svenska bostadsmarknaden. http://www.riksbank.se/upload/Rapporter/2011/RUTH/RUTH_kap1.pdf (Hämtad 2012-05-16). Eriksson, B. (1997). Bostäder och hedoniska priser: Beställning av flerfamiljshus 1967-1987. Stockholm: Institutionen för infrastruktur och samhällsplanering, Kungliga Tekniska högskolan. Fastighetstaxeringsutredningen. Fastighetstaxering precision, påverkansmöjligheter, individuella bedömningar. Bilaga 2. Stockholm: Socialdepardementet (Statens offentliga utredningar 2000:10). Hiltunen, A. (2003). On the Price Formation of Single-Family House Properties: An Analysis of Comparable Sales Prices for Single-Family Houses in Some Regional Areas in Finland, Esbo: Helsinki University of Technology.
Hannonen, M. (2007). On the Hedonic Modelling of Land. Doctoral Thesis, Esbo: Helsinki University of Technology.
Lancaster, K. (1966). A new approach to consumer theory. The Journal of Political Economy, 74(2), 132-157.
Lundell, A & Östlund, J. (2010). Priset på åkermark – Påverkande faktorer. Examensarbete i Företagsekonomi D. Uppsala: Institutionen för Ekonomi, Sveriges lantbruksuniversitet. McDonald, J & McMillen, D. (1998). Land Values, Land Use, and the First Chicago Zoning Ordinance, Journal of Real Estate Finance and Economics, 16(2), 135-150. Nord, E-A & Wagell, M. (2005). Bostadsrätter i Uppsala – en hedonisk studie. C-uppsats i nationalekonomi. Uppsala: Uppsala universitet.
21 Rosen S. (1974), Hedonic Prices and Implicit Markets: Product Differentiation in
Pure Competition, Journal of Political Economy, 8, 34-55.
Wigren, R. (1986). Småhuspriserna i Sverige. Betydelsen av egenskaper hos hus, tomt och omgivning för skillnader i marknadspriser under 1977-1978.
Forskningsrapport SB:1. Gävle: Statens institut för byggnadsforskning.
Internet
SCB. http://www.ssd.scb.se/databaser/makro/Produkt.asp?produktid=BO0501 (Hämtad 2012-05-20).
Transportation Economics. http://bca.transportationeconomics.org/calculation-issues/valuing-benefits/hedonic-pricing (Hämtad 2012-04-03).
Uddevalla kommun. (2012).
http://www.uddevalla.se/byggabomiljo/detaljoversiktsplan/vadarendetaljplan.4.e41bc3fd31d4fc377f ff17280.html (Hämtad 2012-05-16).
Upplands Bro Kommun. (2012). http://www.upplands-bro.se/1/bo-och-bygga/bygga-i-upplands-bro/bygglov/fragor-och-svar-bygglov/byggratt---vad-ar-det.html (Hämtad 2012-04-16).
Örebro Kommn. (2012). http://www.orebro.se/10294.html (Hämtad 2012-05-22).
Östlund, Maria. (2011). http://www.gar-bo.se/wp-content/uploads/2011/11/Husbyggarskola-21.pdf (Hämtad 2012-04-16).
22
Appendix 1.
Tabell 9. Resultat av regressionsanalys. Ostandardiserade b-koefficienter, standardfel inom parenteser.
Variabel Modell 1 Modell 2 Modell 3 Konstant 9,70*** 9,53*** 9,40*** (0,27) (0,37) (0,36) Stockholm (referens) 0 0 Uppsala -1,12*** -1,19*** (0,09) (0,09) Södermanland -1,23*** -1,29*** (0,12) (0,12) Östergötland -1,08*** -1,10*** (0,13) (0,12) Jönköping -1,61*** -1,64*** (0,14) (0,14) Kronoberg -1,65*** -1,76*** (0,16) (0,16) Kalmar -1,77*** -1,75*** (0,11) (0,10) Gotland -1,21*** -1,24*** (0,17) (0,16) Blekinge -1,66*** -1,74*** (0,17) (0,17) Skåne -1,17*** -1,19*** (0,07) (0,07) Halland -0,78*** -0,79*** (0,08) (0,08) Västra Götaland -0,70*** -0,76*** (0,07) (0,07) Värmland -1,88*** -1,85*** (0,16) (0,16) Örebro -1,33*** -1,34*** (0,16) (0,16) Västmanland -1,38*** -1,38*** (0,16) (0,16) Dalarna -1,88*** -1,89*** (0,11) (0,11) Gävleborg -1,61*** -1,61*** (0,12) (0,12) Västernorrland -1,46*** -1,55*** (0,21) (0,20) Jämtland -1,50*** -1,50*** (0,12) (0,12) Västerbotten -1,44*** -1,49*** (0,17) (0,16) Norrbotten -2,10*** -2,14*** (0,21) (0,21) ln Area -0,32*** -0,29*** -0,29*** (0,04) (0,04) (0,04) Saknar VA -0,28*** -0,40*** (0,04) (0,04) Har VA (referens) 0 0 Strand 0,83*** 0,97*** (0,38) (0,38) Strandnära 1-50m 0,59*** 0,63*** (0,12) (0,12)
23 Strandnära 51-150m 0,19*** 0,23*** (0,09) (0,08) Ej strand eller strandnära (referens) 0 0 friliggande 0,16 0,33 (0,29) (0,29) Kedjehus 0,33 0,74** (0,36) (0,36) Radhus (referens) 0 Storstockholm (referens) 0 Storgöteborg -0,37*** (0,08) Stormalmö -0,86*** (0,09) Högskoleort>75 000 inv. -1,04*** (0,06) Högskoleort<75 000 inv. -1,34*** (0,07) Kommun>25 000 inv. -1,51*** (0,07) Kommun<25 000 inv. -1,54*** (0,07) N: 2042 2042 2042 R2: 0,325 0,351 0,357 Justerat R2: 0,318 0,342 0,353 * = p ≤ 0,10 ** = p ≤ 0,05 *** = p ≤ 0,01
24
Appendix 2.
Storstockholm Storgöteborg Stormalmö
Upplands Väsby Kungsbacka Staffanstorp
Vallentuna Härryda Burlöv
Österåker Partille Vellinge
Värmdö Öckerö Kävlinge
Järfälla Stenungsund Lomma
Ekerö Tjörn Svedala
Huddinge Ale Skurup
Botkyrka Lerum Höör
Salem Lilla Edet Malmö
Haninge Göteborg Lund
Tyresö Mölndal Eslöv
Upplands-Bro Kungälv Trelleborg
Nykvarn Alingsås Täby Danderyd Sollentuna Stockholm Södertälje Nacka Sundbyberg Solna Lidingö Vaxholm Norrtälje Sigtuna Nynäshamn
Högskoleort > 75 000 inv. Högskoleort < 75 000 inv. Kommun > 25 000 inv.
Uppsala Kalmar Enköping
Eskilstuna Visby Nyköping
Linköping Karlskrona Katrineholm
Norrköping Ronneby Strängnäs
Jönköping Varberg Motala
Växjö Trollhättan Mjölby
Helsingborg Skara Gislaved
Kristianstad Skövde Nässjö
Halmstad Arvika Värnamo
Borås Falun Vetlanda
Karlstad Borlänge Ljungby
Örebro Härnösand Oskarshamn
Västerås Örnsköldsvik Västervik
Gävle Östersund Karlshamn
Sundsvall Skellefteå Landskrona
Umeå Luleå Ystad
Piteå Ängelholm Hällefors Hässleholm Falkenberg Mark Uddevalla Vänersborg Lidköping Falköping Karlskoga Ludvika Sandviken Söderhamn Bollnäs Hudiksvall Boden
25 Kommun < 25 000 inv. Håbo Älvkarleby Knivsta Heby Tierp Östhammar Vingåker Gnesta Oxelösund Flen Trosa Ödeshög Ydre Kinda Boxholm Åtvidaberg Finspång Valdemarsvik Söderköping Vadstena Aneby Gnosjö Mullsjö Habo Vaggeryd Sävsjö Eksjö Tranås Uppvidinge Lessebo Tingsryd Alvesta Älmhult Markaryd Högsby Torsås Mörbylånga Hultsfred Mönsterås Emmaboda Nybro Vimmerby Borgholm Olofström Ronneby Sölvesborg Svalöv Östra Göinge Örkelljunga Bjuv Sjöbo Hörby Tomelilla Bromölla Osby Perstorp Höganäs Simrishamn Klippan Åstorp Båstad Hylte Laholm Orust Sotenäs Munkedal Tanum Dals-Ed Färgelanda Vårgårda Bollebygd Grästorp Essunga Karlsborg Gullspång Tranemo Bengtsfors Mellerud Svenljunga Herrljunga Vara Götene Tibro Töreboda Lysekil Strömstad Ulricehamn Åmål Mariestad Skara Hjo Tidaholm Kil Eda Torsby Storfors Hammarö Munkfors Forshaga Grums Årjäng Sunne Kristinehamn Filipstad Hagfors Arvika Säffle Lekeberg Laxå Hallsberg Degerfors Ljusnarsberg Kumla Säter Hedemora Avesta Ockelbo Hofors Ovanåker Nordanstig Ljusdal Askersund Nora Lindesberg Skinnskatteberg Surahammar Kungsör Hallstahammar Norberg Sala Fagersta Köping Arboga Vansbro Malung-Sälen Gagnef Leksand Rättvik Orsa Älvdalen Smedjebacken Mora Ånge Timrå Kramfors Sollefteå Ragunda Bräcke Krokom Strömsund Åre Berg Härjedalen Nordmaling Bjurholm Vindeln Robertsfors Norsjö Malå Storuman Sorsele Dorotea Vännäs Vilhelmina Åsele Lycksele Arvidsjaur Arjeplog Jokkmokk Överkalix Kalix Övertorneå Pajala Gällivare Älvsbyn Haparanda Kiruna
