NATIONALEKONOMISKA INSTITUTIONEN Uppsala universitet
Examensarbete C
Författare: Clara Engman
Handledare: Cecilia Enström Öst Vårterminen 2017
A LIKA FINT SOM G?
En studie av energiprestandans samvariation med
svenska småhuspriser
Sammanfattning
Då byggnadssektorn står för cirka 40 procent av all energiförbrukning i EU har krav på energideklaration och energiklassificering av byggnader implementerats bland
medlemsländerna. Idag är dock knappt en femtedel av Sveriges småhus lågenergibostäder.
Denna uppsats undersöker hur priser för småhus i Sverige samvarierar med bostadens energiprestanda. Med utgångspunkt i teorin om hedonisk prissättning undersöks försäljningsdata och energideklarationer för perioden 2 januari 2009 till 1 juli 2016.
Uppsatsen begränsar sig till att undersöka Stockholms kommun och fyra andra kommuner i klimatzon 3. Resultaten påvisar en statistiskt signifikant samvariation mellan energiprestanda och försäljningspris. En bostad med energiklass C i klimatzon 3 genererar cirka 4,0 procent högre kvadratmeterpris än en bostad med energiklass D, och en bostad med energiklass G säljs för cirka 7,4 procent lägre kvadratmeterpris än en bostad med energiklass D.
Nyckelord: Hedonisk pristeori; Energiprestanda; Småhus
Innehållsförteckning
Sammanfattning ... 1
1. Inledning ... 3
2. Bakgrund ... 6
2.1 Lagen om energideklaration av byggnader ... 6
2.2 Energiklasser ... 7
3. Tidigare studier ... 9
4. Teori ... 11
4.1 Hedonisk prissättning ... 11
4.2 Energiprestanda ... 12
4.3 Asymmetrisk information ... 13
5. Metod ... 15
6. Data ... 17
6.1 Byggnadsattribut ... 18
6.2 Grannskapsattribut ... 21
6.3 Bortfall och avgränsningar ... 23
7. Resultat ... 27
7.1 Analys ... 30
8. Slutsatser ... 33
Referenser ... 36
Appendix ... 38
1. Inledning
Energiförbrukning är ett alltmer omtalat ämne och en stor del av samhället har den i åtanke i livets olika valsituationer – såväl vardagliga som livsavgörande. Påtryckningar att minimera energiförbrukningen utspelar sig i allt från krav från EU på medlemsländernas makthavare till den etablerade ”hipster-trenden” hos samhällets individer att tänka klimatsmart. Då
byggnadssektorn står för cirka 40 procent av energiförbrukningen i EU har direktiv tagits fram för att öka transparensen gällande bostäders energiförbrukning vid köp av bostäder.
Direktivet har uppdaterats i etapper, vilket slutligen har resulterat i energiklassificeringar runt om Europa. Med ambitiösa klimatmål för 2020, 2030 och 2050 är en förbättring av
energieffektiviteten inom Europas byggnadssektor ett måste. Idag klassas dock inte ens vart femte småhus i Sverige som lågenergibostad1. Om inte efterfrågan på energieffektiva bostäder föreligger bland konsumenterna behöver åtgärder vidtas för att byggbolag ska vara villiga att investera i forskning om energieffektivitet och för att utbudet av energieffektiva bostäder ska öka. Om kraven på energieffektivitet hos nyuppförda byggnader utökas utan att det finns en efterfrågan på energieffektiva bostäder kommer utbudet av bostäder generellt att minska då byggbolag inte får tillräckligt stor avkastning för sin investering.
I teorin bör betalningsviljan hos bostadsköpare vara större för mer energieffektiva hus. Då en minskad energianvändning implicerar lägre driftskostnader innebär valet att köpa en bostad med låg energiprestanda en kostnadsbesparing för bostadsköparen, vilket rimligtvis spelar roll i valet av bostad. Ett köp av en energieffektiv bostad kan därmed ses som en investering i lägre framtida driftkostnader. Om konsumenten är villig att betala mer för en bostad med lägre energiprestanda kommer det dock att dröja ett antal år innan investeringen är lönsam.
Betalningsviljan kan således bero på hur länge konsumenten planerar att behålla bostaden. Ett incitament utöver de lägre driftkostnaderna för att investera i en energieffektiv bostad är att det existerar en potentiell ”goodwill” i att värna om miljön.
Denna uppsats har till syfte att utreda hur priser för småhus i Sverige samvarierar med
bostadens energiprestanda. Frågeställningen som besvaras är: Hur mycket mer betalar hushåll för en bostad med lägre energiprestanda? Uppsatsen begränsar sig till att studera kommuner i klimatzon 3 för att få ett så homogent urval som möjligt och för att Stockholms kommun
ingår i klimatzonen. Stockholms kommun är intressant att studera bland annat eftersom staden var den första att bli utnämnd till European Green Capital. Övriga utvalda kommuner utgörs av Norrköping, Eskilstuna, Trollhättan och Växjö och liknar varandra med avseende på andel miljöpartisympatisörer, fjärrvärmepris och medelålder i kommunen. De valda kommunernas fördelning av energiklasser liknar fördelningen för resterande Sverige men är något förskjuten längre ner på skalan. Uppsatsen undersöker data från både första- och andrahandsmarknaden, vilket innebär att försäljningar från både nybyggda och begagnade bostäder undersöks, och Stockholms kommun granskas i en separat regression.
Med utgångspunkt i teorin om hedonisk prissättning och ett data omfattande cirka 1,5
miljoner energideklarationer genomförs regressionerna på ett urval bestående av drygt 11 000 fastigheter sålda mellan 2 januari 2009 och 1 juni 2016. Energideklarationerna har
tillhandahållits via Boverkets energideklarationsregister och har kopplats till data för försäljningar av småhus från analysbolaget Valueguard. För att undvika bias från uteslutna variabler har en stor del variabler inkluderats i modellen, där bland annat avstånd till centrum för samtliga bostäder har beräknats och inkluderats. Regressionerna utförs både med
energiprestanda som kontinuerlig variabel samt med fastigheterna indelade i energiklasser.
Det finns tidigare forskning som har undersökt samband mellan energiklass och försäljningspris i Europa (se till exempel Brounen och Kok (2011)) samt mellan
miljömärkning och försäljningspris i USA (se till exempel Bruegge et al. (2016)). Ingen har dock undersökt samvariationen på den svenska bostadsmarknaden eller undersökt
energiprestanda som en kontinuerlig variabel i modellen. Tidigare studier har påvisat att miljömärkta bostäder eller bostäder med en högre energiklass genererar ett högre pris. Det går med andra ord hand i hand med ett negativt samband mellan energiprestanda och
försäljningspris.
Den här uppsatsens resultat visar ett statistiskt säkerställt negativt samband mellan energiprestanda och försäljningspris för både Stockholms kommun och för övriga valda kommuner i klimatzon 3. För Stockholms kommun visar resultaten att bostäder med
valda kommuner i klimatzon 3 visar resultaten att en bostad med energiklass C genererar cirka 4,0 procent högre kvadratmeterpris än en bostad med energiklass D och att en bostad med energiklass G säljs för cirka 7,4 procent lägre kvadratmeterpris än en bostad med energiklass D, ceteris paribus.
I nästa avsnitt presenteras bakgrundsfakta om lagen om energideklarationer och energiklasser och avsnitt 3 redogör för tidigare forskning om energieffektiva bostäder och om samband mellan bostäders energiprestanda och bostadspriser. I avsnitt 4 redogörs för relevanta teoretiska utgångpunkter och avsnitt 5 presenterar metoden med vilken undersökningen är genomförd. Avsnitt 6 redovisar datamaterialet och deskriptiv statistik och avsnitt 7 går igenom studiens resultat. I avsnitt 8 analyseras resultaten och slutligen sammanfattas de slutsatser som kan dras av resultaten i avsnitt 9.
2. Bakgrund
2.1 Lagen om energideklaration av byggnader
16 december 2002 upprättade EU ett direktiv om byggnaders energiprestanda för att minska byggnaders energianvändning. Direktivet uppmanar bland annat medlemsländerna att införa energicertifiering av byggnader som ska finnas tillgänglig för fastighetsköparen vid
försäljning och som ska vara giltig i maximalt tio år. Lagen om energideklaration av
byggnader infördes således i Sverige 2006 och trädde i kraft 1 januari 2009 (SFS 2006:985).
EU-direktivet om byggnaders energiprestanda uppdaterades 19 maj 2010 med fler detaljer kring energideklarationerna, vilket innebär att energideklarationerna idag går till på ungefär likadant sätt i hela EU. En oberoende energiexpert inspekterar byggnaden och fyller i energideklarationen som finns tillgänglig för spekulanterna vid en husförsäljning (SFS 2006:985). Deklarationerna innehåller en mängd faktorer som påverkar fastighetens energiprestanda, till exempel fastighetens uppvärmningstyp, uppvärmd area och
nybyggnadsår. Se Figur 1A i Appendix för ett exempel på en sammanfattad energideklaration.
Deklarationen kostar småhusägare mellan 3000 – 5000 kronor2 att göra beroende på storlek på byggnaden och är giltig i tio år (SFS 2006:985).
Det är enligt lagen om energideklaration av byggnader obligatoriskt att inneha en
energideklaration över sin fastighet vid försäljning. Undantaget är fastigheter som anges i förordning om energideklaration för byggnader (SFS 2006:1592). Till dessa fastigheter hör byggnader som övervägande används för andakt eller religiös verksamhet,
industrianläggningar samt verkstäder och byggnader som används för jordbruk eller skogsbruk med ett lågt energibehov. Även byggnader som bebos eller är planerade för bosättning under mindre än fyra månader per år, eller under annan begränsad tid om
energianvändningen förväntas bli mindre än en fjärdedel av energianvändningen för ett helt år, är undantagna att energideklarera enligt förordningen. Detsamma gäller temporära
byggnader som är planerade att brukas under mindre än två år eller fristående byggnader med en brukbar golvyta på mindre än 50 kvadratmeter (SFS 2006:1592).
2.2 Energiklasser
Sedan 2014 innehåller energideklarationerna energiklassning av byggnaden från A till G, där A har lägst energiprestanda och G har högst energiprestanda. Energiprestanda mäts i kilowatt- timmar per kvadratmeter uppvärmd golvyta, där en kilowatt-timme ungefär motsvarar energin för att hålla en frys igång i 10 timmar3 och kostar runt 80 öre för en villa i
Stockholmstrakten4. Medelvärdet av svenska bostäders energiprestanda är 143 kWh/m2 5. Syftet med energiklassningen är att det ska bli enklare att jämföra byggnader med varandra (Bio Intelligence Service et al., 2013). Energiklass C motsvarar den högsta tillåtna
energiprestandan vid uppförandet av en ny byggnad vid tidpunkten för genomförande av energideklarationen6. Byggnader med energiklass A, B och C omtalas därför ofta som lågenergibyggnader.
Sverige är indelat i fyra stycken klimatzoner, vilka har olika krav för energiprestanda hos nybyggda småhus. Kraven för bostäders energiprestanda vid nybyggnation har ändrats en gång sedan juli 2013. Ändringen implementerades 2015 och skiljer sig från de tidigare kraven enbart i antalet klimatzoner. Se Tabell 1 för en överblick av de nuvarande kraven. De
områden som i tabellen tillhör klimatzon 4 tillhörde i den tidigare versionen klimatzon 3 (BFS 2013:14 BBR 20).
3 https://www.eon.se/artiklar/hur-laenge-raecker-en-kilowattimme-.html 2017-05-26
4 http://www.ei.se/elpriskollen/ 2017-05-26
5 Uppgift från egna bearbetningar av data från Boverket.
6
Tabell 1. Krav på nybyggda bostäders energiprestanda implementerat 2015-03-01
Eluppvärmt hus Annan
uppvärmningsform Klimatzon 1
Norrbottens, Västerbottens och Jämtlands län
95 kWh/m2 130 kWh/m2
Klimatzon 2
Västernorrlands, Gävleborgs, Dalarnas och Värmlands län
75 kWh/m2 110 kWh/m2
Klimatzon 3
Jönköpings, Kronobergs, Östergötlands, Södermanlands, Örebro, Västmanlands, Stockholms, Uppsala, Gotlands län samt Västra Götalands län utom kommunerna Göteborg, Härryda, Mölndal, Partille och Öckerö
55 kWh/m2 90 kWh/m2
Klimatzon 4
Kalmar, Blekinge, Skåne och Hallands län samt i Västra Götalands län och kommunerna Göteborg, Härryda, Mölndal, Partille och Öckerö
50 kWh/m2 80 kWh/m2
Källa: BFS 2015:3 BBR 22. Enheten avser kilowatt-timmar per kvadratmeter uppvärmd golvyta.
Denna studie begränsar sig till att enbart undersöka klimatzon 3. Den utvalda klimatzonen är överlägset störst både räknat i antal kommuner och i antal invånare7. Den innehåller också Stockholms kommun, som är intressant att studera eftersom Stockholm var den första staden att utnämnas till European Green Capital av Europeiska kommissionen 20108. Namnet till trots tilldelas utmärkelsen inte enbart huvudstäder, utan till europeiska städer som leder vägen för miljövänligt stadsliv och som därmed fungerar som förebilder för andra städer. Malmö och Umeå har också nominerats till utmärkelsen men har aldrig tilldelats den9. En ytterligare anledning till att Stockholms kommun är extra intressant att studera är att kommunen har en mycket speciell bostadsmarknad med Sveriges dyraste kvadratmeterpriser10.
7 Klimatzon 1: 645 124 invånare, klimatzon 2: 1 094 023 invånare, klimatzon 3: 5 909 238 invånare, klimatzon 4: 2 346 768 invånare.
Källor: http://www.scb.se/hitta-statistik/statistik-efter-amne/befolkning/befolkningens-
3. Tidigare studier
Tidigare forskning på samband mellan bostäders energiprestanda och försäljningspriser är förhållandevis begränsad. I detta avsnitt presenteras två vanligen nämnda studier inom forskning på marknaden för energieffektiva bostäder. Vidare introduceras två studier nära besläktade med denna och slutligen läggs resultat fram från Europakommissionens egen utredning kring energiklassers påverkan på bostadspriser.
En stor del av den befintliga forskningen om marknaden för energieffektiva bostäder undersöker hur bostadspriset samvarierar med olika former av miljömärkningar på
bostadsmarknaden. Ett exempel är en studie som Bruegge et al. (2016) genomförde på det amerikanska Energy Star-programmet, en frivillig miljömärkning för energieffektiva bostäder. De skattade bostadsägares marginella betalningsvilja för Energy Star-märkta
bostäder i Gainesville, Florida. Med hedonisk prissättning behandlade de data från drygt 5000 försäljningar av enfamiljshus mellan 1997 och 2009 och använde en kombination av en tvärsnittsstudie och en jämförelse mellan olika försäljningar för samma bostäder. De kom fram till slutsatsen att Energy Star-märkningen genererar signifikant högre priser.
Prisskillnaden mellan märkta och omärkta hus var dock betydligt större för nybyggda hus än på andrahandsmarknaden.
Miljömärkningar så som Energy Star kan jämföras med Europas energiklassning och de båda bör ge liknande effekt. Den största skillnaden är att miljömärkning är frivillig medan Europas energiklassning är obligatorisk (SFS 2006:985). Trots att kravet på energiklasser infördes relativt nyligen i Europa finns studier som undersöker dessa. Brounen och Kok (2011) gjorde till exempel en studie på energiklassers påverkan på bostadspriserna i Nederländerna, en av de första europeiska länderna att implementera energiklassning. Systemet var då inte helt och hållet obligatoriskt för landets invånare och därför använde Brounen och Kok sig av Heckmans tvåstegsmodell i sin hedoniska regressionsmodell för att undvika urvalsbias.
Heckmans tvåstegsmodell går i stora drag ut på att dela upp regressionen i två steg, varav det första steget skattar sannolikheten att inkluderas i urvalet (Heckman 1977). I Brounen och Koks fall beräknas således sannolikheten att energideklarera i detta steg. Utifrån detta beräknas i nästa steg en koefficient som sedan inkluderas i regressionen.
Brounen och Kok undersökte 31 993 transaktioner från bostadsförsäljningar i regressionen.
De jämförde transaktionerna med transaktioner för bostäder med energiklass D och kom fram till att hushållen var villiga att betala 10 procent mer för en byggnad med energiklass A, 5,6 procent mer för energiklass B och 2,2 procent mer för energiklass C. För energiklass E var hushållen villiga att betala 0,5 procent mindre, för energiklass F 2,5 procent mindre och slutligen för energiklass G 5,1 procent mindre. Ytterligare ett intressant resultat var att invånare som röstade grönt tenderade att energiklassa sina bostäder i större utsträckning.
En annan nära besläktad studie med denna är en undersökning nyligen genomförd av Fuerst et al. (2016) som syftar till att skatta betalningsviljan för låg energiprestanda hos bostadshus i Wales. Likt Bruegge et al. (2016) jämförde de data på flera försäljningar av samma bostäder för att minimera bias från uteslutna variabler. Med en hedonisk regressionsmodell undersökte de 62 464 transaktioner från försäljningar av bostadshus och fick ut ett liknande, men något mer ekonomiskt signifikant resultat än Brounen och Kok. Jämfört med bostäder med
energiklass D var köparna villiga att betala 12,8 procent mer för en bostad klassad A eller B och 3,5 procent mer för en bostad med energiklass C. Bostäder med energiklass E såldes för 2,5 procent mindre och bostäder med energiklass F sålde för 6 procent mindre. Fuerst et al.
fick inte ut några signifikanta resultat för bostäder med energiklass G.
Europakommissionen har låtit göra en egen utredning (Bio Intelligence Service et al., 2013) på utvalda europeiska städer kring huruvida energiklasser har en effekt på transaktions- eller hyrespris hos bostäder. Med hedonisk pristeori undersöktes de olika städerna var för sig och visade negativa samband mellan energiprestanda och pris överallt förutom i Oxford, där ett positivt samband påvisades. Studien kontrollerade inte för bostädernas ålder, vilket kan förklara det oförväntade resultatet i Oxford. De fann generellt svagare samband mellan pris och energiklasser i storstäder än i mindre städer.
Sammanfattningsvis har alla dessa tidigare studier funnit ökade transaktionspriser i samband med miljömärkning eller en högre energiklass. Då sådana resultat inte bara har uppnåtts i USA, utan också i europeiska länder, stärks hypotesen av ett negativt samband mellan energiprestanda och pris på den svenska bostadsmarknaden.
4. Teori
4.1 Hedonisk prissättning
En väletablerad teori inom forskning på fastighetsmarknaden är hedonisk pristeori. Tidigare forskning på energieffektivitet och bostadsmarknaden utgår ifrån denna teori för att utröna betalningsviljan för energimärkningen eller energiklassen. Prissättningen går ut på att bygga en modell med olika attribut för att kontrollera för hur dessa värderas tillsammans (Rosen, 1974). Teorins huvudantagande är att människor ser en vara som en korg av en mängd, n, olika egenskaper när de köper eller säljer varan. Konsumenten köper en kombination av attribut och värderar till exempel storleken på en bostad olika beroende på värdet av de andra attributen, exempelvis antal plan. På samma sätt säljs varan som en kombination av attribut.
Varans prissättning blir således, i enlighet med klassisk teori om utbud och efterfrågan, en funktion där maximeringsytan av nyttofunktionen och minimeringsytan av
kostnadsfunktionen möts i ett rum av flera dimensioner (Rosen, 1974). Rosen illustrerar detta likt Figur 1 där sz representerar köparens efterfrågefunktion för varje nivå av attribut zi och gz
representerar säljarens utbudsfunktion för varje nivå av attribut zi. Den streckade linjen Pz är en funktion som går mellan punkterna där utbuds- och efterfrågefunktionerna möts och bildar prissättningen.
Figur 1. Hedonisk prissättning
Källa: Rosen, 1974
Prisfunktionen beror således av alla n olika attribut, z, i enlighet med ekvation (1).
𝑝 𝑧 = 𝑝(𝑧&, 𝑧(, … , 𝑧*) (1)
I studier av bostadsmarknaden kategoriseras attributen vanligen som grannskapsattribut, byggnadsattribut och egenskaper hos köparen och säljaren. Avstånd till centrum och närhet till vatten är exempel på klassiska grannskapsattribut. Vanliga bostadsattribut är till exempel boarea, nybyggnadsår och bostadskvalitet. Egenskaper hos köparen och säljaren är svårare att få tillgång till, men ålder och inkomst är vanliga attribut att kontrollera för i en analys av efterfrågan på bostadsmarknaden.
4.2 Energiprestanda
Det finns tidigare studier som har implementerat till exempel miljöcertifiering i teorin om hedonisk prissättning. Om istället bostadens energiprestanda skulle inkluderas i den hedoniska prismodellen som Rosen identifierade skulle den teoretiskt ingå som ett attribut som påverkar försäljningspriset. En lägre energiprestanda skulle implicera en lägre
driftskostnad för konsumenten och kan därför påverka betalningsviljan. Utöver detta finns även en potentiell ”goodwill” i att äga en energieffektiv bostad. Av två bostäder med exakt samma hedoniska egenskaper zi men där den ena bostaden också har en lägre energiprestanda, säger teorin att den med lägre energiprestanda bör ge större nytta för konsumenten och
därmed generera ett högre pris.
Figur 2 illustrerar hur den hedoniska prissättningen teoretiskt ser ut med avseende på
bostadens energiprestanda. zi representerar i figuren nivån på bostadens energiprestanda och sz representerar köparens efterfrågefunktion och gz representerar säljarens utbudsfunktion för varje nivå av energiprestanda. Den streckade linjen Pz är en funktion som går mellan
punkterna där utbuds- och efterfrågefunktionerna möts och bildar prissättningen hos bostäder för olika nivåer av energiprestanda.
Figur 2. Hedonisk prissättning för olika nivåer av energiprestanda
Kommentar: sz representerar köparens efterfrågefunktion för olika nivåer på energiprestanda zi och gz
representerar säljarens utbudsfunktion för olika nivåer på energiprestanda zi. Pz är prissättningen för varje nivå av energiprestanda.
Eftersom kostnadsbesparingen vid köp av en energieffektiv bostad utspelar sig i lägre driftskostnader kan ett sådant köp ses som en investering för framtiden. Bostadsköparen får således tillbaka mer pengar för sin investering ju längre tid personen planerar att behålla bostaden. Köparen borde följaktligen ha en högre betalningsvilja om personen planerar att behålla bostaden en längre tid.
4.3 Asymmetrisk information
Teorin om hedonisk prissättning bygger på ett antagande om perfekt information hos köparen och säljaren. Om en del av konsumenterna inte är medvetna om bostadens energiprestanda eller om vilka kostnadsbesparingar en lägre energiprestanda innebär kommer förskjutningen av efterfrågekurvorna för de olika nivåerna på energiprestanda vara större än om
konsumenterna har perfekt information. De olika nivåerna i Figur 2 kan representeras av nivåer av energiprestanda motsvarande energiklass A, B och C. Om konsumenterna har asymmetrisk information skulle efterfrågekurvorna för dessa nivåer vara mindre förskjutna likt i Figur 3. Detta medför en flackare priskurva och därmed en mindre samvariation mellan
pris och energiprestanda. Om införandet av energiklasser uppfyller sitt syfte borde lutningen på priskurvan vara flackare innan införandet 2014 än efter införandet. Införandet av
energiklasser kan således vara en lösning på ett eventuellt problem med asymmetrisk information.
Figur 3. Hedonisk prissättning med asymmetrisk information hos konsumenterna
Kommentar: sz representerar köparens efterfrågefunktion för olika nivåer på energiprestanda zi och gz
representerar säljarens utbudsfunktion för olika nivåer på energiprestanda zi. Pz är prissättningen för varje nivå av energiprestanda.
5. Metod
Den log-linjära modell som kommer av den hedoniska pristeorin och som kommer att analyseras i denna uppsats ser ut som i ekvation (2).
ln 𝑝𝑟𝑖𝑠1/𝑚(1 = 𝛽𝐸1+ 𝛼𝐵1 + 𝛾𝐺;+ 𝜑𝑌>,?+ 𝜃 + 𝜀1 (2)
ln 𝑝𝑟𝑖𝑠1/𝑚(1 utgör den beroende variabeln och är logaritmen av försäljningspriset per kvadratmeter för bostad i. Försäljningspriset divideras med arean för att bättre kunna jämföra större och mindre byggnader. Variabeln är logaritmerad för att resultatet ska bli relativt och mer allmängiltigt. En enhets förändring av den oberoende variabeln ger en genomsnittlig procentuell förändring av utfallsvariabeln istället för ett genomsnittligt tal.
𝐸1 representerar energiprestanda i kWh/m2 för bostad i och b är koefficienten som är av intresse för studiens syfte. Om koefficienten är signifikant skilt från noll finns ett påvisbart samband mellan bostadens energiprestanda och bostadens försäljningspris. 𝐵1 är bostad i:s hedoniska egenskaper och 𝐺; utgör egenskaperna för grannskap j som bostad i tillhör. För att kontrollera för tillfälliga variationer i pris och eventuella trender på bostadsmarknaden
inkluderas 𝑌>,? i modellen och representerar år a och kvartal k för försäljning av bostad i. 𝜃 är en konstant och 𝜀1 är en felterm.
Precis som Brugge et al. (2016) understryker i sin studie om Energy Star-märkningen är hedonisk prissättning en högst användbar metod för studiens syfte eftersom energiklasser alltid säljs tillsammans med en fastighet och en rad faktorer som påverkar fastighetens prissättning och aldrig som enskilt objekt. Svårigheten med att genomföra en studie som denna är att den för oss intressanta variabeln energiprestanda förväntas ha en, i relation till andra attribut, till storleken litet samband med bostadens pris. Ett hinder med den hedoniska prissättningen är därför att den kräver en regressionsmodell med ett omfattande antal variabler och riskerar att utesluta många oobserverade attribut. Detta skulle på grund av den ovan nämnda problematiken påverka resultatet i hög grad. Ett alternativ för att förebygga detta är att likt Bruegge et al. (2016) jämföra en försäljning av en bostad med en senare försäljning av samma bostad. På så sätt kontrollerar modellen för eventuella oobserverade attribut. Priset som betalas för att uppnå denna tillförlitlighet är att antalet observationer i stor utsträckning
tillämpbar av ytterligare en anledning, nämligen att energideklarationer har en giltighetstid på tio år. Det innebär att samma energideklaration ofta används vid flera olika försäljningar av bostaden, trots att korrigeringar på byggnaden kan ha gjorts emellan försäljningarna. Om krav på förnyelse av energideklaration vid varje försäljning hade förekommit hade metoden varit tillämpbar då förändring av energiprestanda hade kunnat jämföras med förändring i
försäljningspris.
6. Data
Data från den här studien är hämtad ifrån Boverkets deklarationsregister och ifrån analysbolaget Valueguard. Datamaterialet från Boverket omfattar ca 1,5 miljoner
energideklarationer utförda i Sverige mellan 2 jan 2009 och 1 juli 2016 med undantag från deklarationer som enligt Boverket innehåller orimliga värden. Dessa utgörs av deklarationer med en energiprestanda lägre än 20 kWh/m2 eller högre än 500 kWh/m2 och deklarationer med uppvärmd area under 50 m2 eller över 500 m2. Byggnader som inte är
deklarationspliktiga täcks inte av datamaterialet, se avsnitt 2.1 för en redogörelse av dessa.
Boverkets energideklarationer har inte bara bidragit med data över bostäders energiprestanda och energiklass utan också med diverse data för bostäders egenskaper. Till dessa hör
uppvärmningssystem, nybyggnadsår, antal källarplan, uppvärmd area, antal plan och om trapphus finns.
Till Boverkets data har kopplats data från Valueguard. Valueguard är ett analysbolag som ständigt sammanställer statistik kring bostadsmarknaden till sitt prisutvecklingsindex. Indexet används till exempel av SCB, Boverket och Riksbanken11. Valueguards datamaterial
härstammar från både Lantmäteriets fastighetsregister samt insamlat data från
bostadsförsäljningar via svensk Mäklarstatistik. Cirka 75 procent av alla mäklarsålda bostäder uppskattas täckas av datamaterialet12. Då det är mindre förekommande på landsbygden att nyttja mäklare vid försäljning är underlaget något mer representativt för storstäder.
Valueguards datamaterial har kopplats till energideklarationerna från Boverket via
fastighetsbeteckning. De fastigheter som saknar uppgift om försäljningspris har exkluderats från datamaterialet. I de fall där flera försäljningar har funnits för samma energideklaration har den försäljning som ligger närmast i tiden efter energideklarationens godkännandedatum använts. Efter kopplingen återstår 792 949 stycken observationer, vilket är ett betydligt färre antal än tidigare. Denna minskning av datamängden är dock nödvändig för att få tillgång till data över bostädernas försäljningspriser. Den är också nödvändig för att kunna åstadkomma jämförbara objekt i den hedoniska regressionen och på så sätt kontrollera för faktorer som påverkar försäljningspriset. Valueguards data innehåller viktiga variabler för studien, så som
11
x- och y-koordinater för bostadens läge, tomtarea, biarea, värdeyta, belägenhetsklass,
församlingsområden, delområden, standardpoäng, typkod och om det är ett radhus, kedjehus eller en friliggande byggnad.
6.1 Byggnadsattribut
De byggnadsattribut som används i modellen summeras i Tabell 2 och i Tabell 3. Tabellerna redovisar även deskriptiv statistik för variablerna.
Tabell 2. Deskriptiv statistik för bostadsattribut inkluderade i modellen för Stockholms kommun
Stockholms kommun
Variabel N Medelvärde Standardavvikelse Min Max Från Boverket
Uppvärmd area 5937 169 52 51 482
Area uppvärmt garage 5937 1.5 6.2 0 100
Antal källarplan 5937 0 2
Antal lägenheter 5937 0 3
Trapphus finns 5937 Från Valueguard
Tomtarea 5920 541 297 80 2 237
Biyta 5937 46 36 0 295
Värdeyta 5920 130 37 11 360
Standardsumma 5920 27 4 15 52
Antal rum 5937 2 14
Byggnadstyp 5937
Kombinerade data
Ålder 5937 56 21 0 100
Kommentar: Fält med saknade värden i tabellen anges som dummyvariabler i modellen eller är diskreta variabler.
Tabell 3. Deskriptiv statistik för bostadsattribut inkluderade i modellen för övriga kommuner i klimatzon 3
Övriga kommuner i klimatzon 3
Variabel N Medelvärde Standardavvikelse Min Max Från Boverket
Uppvärmd area 5307 168 54 50 496
Area uppvärmt garage 5307 1.7 7.4 0 80
Antal källarplan 5307 0 2
Antal lägenheter 5307 0 2
Trapphus finns 5307 Från Valueguard
Tomtarea 5307 1012 2031 74 71 698
Biyta 5307 46 44 0 295
Värdeyta 5307 134 37 18 430
Standardsumma 5307 29 4 9 52
Antal rum 5307 1 12
Byggnadstyp 5307
Kombinerade data
Ålder 5307 46 21 0 100
Kommentar: Fält med saknade värden i tabellen anges som dummyvariabler i modellen eller är diskreta variabler.
Värdeyta är ett begrepp som används för småhus och är bostadens boarea plus 20 procent av den biyta som kan nås via dörr inifrån bostaden. Boytan är bostadens användbara yta och utgör tillsammans med biytan bostadens totala yta enligt svensk standard. Garage, pannrum och soprum räknas dessutom som biyta för småhus13. Uppvärmd area är den area som
används vid beräkning av byggnadens energiprestanda och utgörs av arean som värms upp till minst 10 grader Celsius minus eventuell area för uppvärmt garage.
Variablerna trapphus finns och byggnadstyp används som dummyvariabler i modellen.
Trapphus finns antar värdet 1 om trapphus finns i byggnaden och byggnadstyp jämför friliggande hus och kedjehus mot radhus.
Standardsumma är en summering av standardpoäng som Skatteverket använder sig av som ett mått på bostadens standard vid fastighetstaxering. Standardpoängen är beräknad med
avseende på fem huvudområden: exteriör, energihushållning, kök, sanitet och övrig interiör (SKVFS 2014:3). Poäng ges för olika egenskaper inom huvudområdena och räknas ihop till en standardsumma. Normal standardsumma anses av Skatteverket vara 31 poäng (SKVFS 2014:3). Huvudområdet energihushållning ger maximalt tolv poäng, se Tabell 4 för en beskrivning av poängsättningen.
Tabell 4. Poängsättning av standardsumma för huvudområdet energihushållning
Kriterium Poäng
El finns indragen 4
Elsystemet är utbytt tidigast 2003 3
Majoriteten av fönsterytan består av två- eller treglasfönster 2 Uppvärmningssystem finns annat än endast vedspis, kakelugn eller dylikt 3
Källa: SKVFS 2014:3
En förutsättning för att kunna utröna hur mycket mer hushåll betalar för enbart bostadens energiprestanda är att de oberoende variablerna i modellen är så lite korrelerade med
variabeln energiprestanda som möjligt. Standardsumman är ett effektivt verktyg för att få en uppfattning om bostadens kvalitet men alla delsummor i Tabell 4 är möjligen korrelerade med energiprestanda. För att minimera effekten av denna korrelation har poäng för
uppvärmningssystem eliminerats från standardsumman i datamaterialet. Data för bostädernas uppvärmningssystem har tillhandahållits genom Boverkets energideklarationer. Enligt
korrelationsmatrisen i Tabell 5 är sambandet mellan energiprestanda och den modifierade standardsumman liten, vilket tyder på att denna problematik har eliminerats.
Tabell 5. Korrelationsmatris för variablerna energiprestanda, standardsumma och ålder
Variabel Energiprestanda Standardsumma Ålder Pris
Energiprestanda 1.00
Standardsumma 0.04 1.00
Ålder 0.17 -0.20 1.00
Genom att räkna ut differensen i dagar mellan bostädernas nybyggnadsår och
försäljningsdatum har variabeln ålder skapats. Data för nybyggnadsår har tagits från
energideklarationerna och data för försäljningsdatum från Valueguard. Även denna variabel och energiprestanda förväntas vara korrelerade då teknikutveckling, isoleringens åldrande och uppdaterade krav från Boverket medför att nyare hus har en lägre energiprestanda. Som kan utläsas ur korrelationsmatrisen i Tabell 5 medför en högre ålder mycket riktigt en något högre energiprestanda. Resultatet kommer följaktligen inte att visa enbart effekten av
energiprestanda på pris utan också till viss del effekten av ålder på pris. Tabell 1A i Appendix visar en korrelationsmatris över samtliga variabler i datamaterialet
Som kan utläsas ur korrelationsmatrisen i Tabell 5 är ålder positivt korrelerat med pris i datamaterialet, vilket kan uppfattas som uppseendeväckande då äldre bostäder intuitivt borde säljas till ett lägre pris än nyare bostäder. Många studier som använder sig av hedonisk regressionsanalys adderar en kvadrerad åldersvariabel till modellen eftersom det har visat sig att ålder har en icke-linjär påverkan på försäljningspriset. Den icke-linjära påverkan har bland andra konstaterats av Clapp och Giaccotto (1998) i sin studie om bostadens ålderspåverkan på försäljningspriser. Av denna anledning har ytterligare en åldersvariabel skapats, ålder2.
6.2 Grannskapsattribut
De grannskapsattribut som används i modellen redovisas i Tabell 6 och i Tabell 7. I tabellerna redovisas även deskriptiv statistik för intressevariablerna pris, pris/m2 och energiprestanda.
Samtliga data för grannskapsattribut har tillhandahållits från Valueguard.
Tabell 6. Deskriptiv statistik för grannskapsattribut inkluderade i modellen för Stockholms kommun och för övriga variabler
Stockholms kommun
Variabel N Medelvärde Standardavvikelse Min Max Från Boverket
Energiprestanda 5937 106 45 22 400
Från Valueguard
Pris/m2 5937 42 524 18 277 1082 136 986
År och kvartal vid försäljning 5937 Grannskapsattribut
Avstånd till centrum 5937 9829 3044 3841 16 427
Belägenhetsklass 5920 1 4
Delområde 5937
Församlingsområde 5937
Kommentar: Fält med saknade värden i tabellen anges som dummyvariabler i modellen.
Tabell 7. Deskriptiv statistik för grannskapsattribut inkluderade i modellen för övriga kommuner i klimatzon 3 och för övriga variabler
Övriga kommuner i klimatzon 3
Variabel N Medelvärde Standardavvikelse Min Max Från Boverket
Energiprestanda 5307 108 43 22 369
Från Valueguard
Pris/m2 5307 17 220 6164 2118 56 818
År och kvartal vid försäljning 5307 Grannskapsattribut
Avstånd till centrum 5307 6538 7465 110 45 692
Belägenhetsklass 5304 1 4
Delområde 5307
Församlingsområde 5307
Kommun 5307
Kommentar: Fält med saknade värden i tabellen anges som dummyvariabler i modellen.
Variabeln avstånd till centrum har konstruerats genom beräkning med bostädernas x- och y-
sökfunktion på https://kartor.eniro.se. Den första positionen som har visualiserats vid sökning på kommunen har angetts som centrum och dess RT-90-koordinater har jämförts med
koordinaterna för bostaden enligt ekvation (3). Avståndet anges i meter och centrum av kommunen har i alla mätningar varit vid ett stort torg, centralstation eller annan för kommunen viktig knytpunkt.
𝐴𝑣𝑠𝑡å𝑛𝑑HI*JKLM = 𝑥OPQJ>R− 𝑥HI*JKLM (+ 𝑦OPQJ>R− 𝑦HI*JKLM ( (3)
Belägenhetsklass är lantmäteriets mått på hur bostaden är belägen i förhållande till strandkant och är en klassificering från 1 till 4. Klass 1 innebär att bostaden har egen strand, klass 2 och 3 innebär att bostaden inte har egen strand men är belägen nära strand och klass 4 innebär att bostaden inte har strand och inte är belägen nära strand.
Variabeln delområden är områden som är ritade av Valueguard tillsammans med mäklare för att urskilja områden där bostäderna liknar varandra försäljningsmässigt. De är framförallt ritade för Sveriges storstäder och fungerar som ett komplement till församlingsområdena i Valueguards modeller. Församlingsområden är svenska kyrkans indelning för deras
församlingar och är större än Valueguards delområden. I de fall data för delområden utesluts från modellen på grund av för få observationer används församlingsområden istället. Båda dessa indelningar inkluderas som dummyvariabler i modellen.
6.3 Bortfall och avgränsningar
På grund av att Sverige är indelat i olika klimatzoner med olika krav på energiprestanda vid nybyggnation skiljer sig energiprestandan troligen åt beroende på vilken klimatzon
byggnaden är belägen i. Som tidigare nämnt avgränsar sig den här studien därför till att enbart undersöka byggnader belägna i kommuner i klimatzon 3 enligt Boverkets definition från 2015 (se Tabell 1 avsnitt 2.2). Kommunerna är utvalda enligt Sveriges kommuner och landstings (SKL) kommungruppsindelningars14 kategorier större stad och mindre stad/tätort. Större städer är enligt SKL kommuner som har minst 50 000 invånare, där minst 40 000 bor i den största tätorten. Mindre städer och tätorter definieras som kommuner som har färre än 40 000
14
invånare i den största tätorten och minst 15 000 invånare totalt. Även Stockholms kommun undersöks i denna studie.
Som har konstaterats i avsnitt 4 är det sannolikt att individers egenskaper påverkar beslut vid köp av bostad. Det hade därför varit önskvärt att inkludera till exempel ålder och
miljömedvetenhet hos köparen och säljaren i modellen. Denna typ av data finns dock inte tillgänglig på individnivå och därför är det viktigt att de valda kommunerna i urvalet är homogena vad gäller den generella betalningsviljan för en bostad med en lägre
energiprestanda.
Då Brounen och Kok (2011) fann att invånare som röstade grönt tenderade att energiklassa sina bostäder i större utsträckning undersöks kommunernas andel av miljöpartisympatisörer i kommunfullmäktige-valet 201415. Medianvärdet på andelen miljösympatisörer bland
kommunerna i klimatzon 3 är 6,875 procent. Kommuner med en andel miljöpartisympatisörer som skiljer sig mer än 1,5 procentenheter från medianvärdet har uteslutits från materialet.
Detta anses inte vara ett idealt instrument, men det fungerar som en grov uppskattning för att gallra ut kommuner som särskiljer sig.
Då individers beslut i köp av en energieffektiv bostad möjligen beror av hur länge de ämnar behålla bostaden undersöks även kommunernas medelålder. Medianvärdet på medelåldern bland kommunerna i klimatzon 3 som återstår efter den första gallringen är 40,7 år.
Kommuner med liknande medelålder kan tänkas bosättas av invånare som befinner sig i ungefär samma stadier i livet och därför har endast kommuner med en medelålder inom ett intervall på 1 år från medianvärdet behållits i materialet.
Ytterligare en faktor som sannolikt påverkar efterfrågan på energieffektiva hus är priset på fjärrvärme i kommunen. Därför undersöks det genomsnittliga värdet för fjärrvärmepriserna mellan 2009–2015 i kommunerna med hjälp av Energimarknadsinspektionens (2016) rapport om fjärrvärmepriser. Medianvärdet för fjärrvärmepriserna bland de kommuner som återstår efter den andra gallringen är 19 001 kronor per år. De kommuner med ett årligt genomsnittligt fjärrvärmepris som skiljer sig mer än 1500kr per år från medianvärdet har uteslutits från
materialet. Efter dessa tre gallringar16 återstår följande kommuner i urvalet: Eskilstuna, Norrköping, Växjö och Trollhättan. Alla dessa tillhör SKL:s kategorisering större stad.
Studien undersöker även Stockholms kommun, som skiljer sig från övriga kommuner i urvalet både vad gäller medelpris för fjärrvärme och andel miljöpartisympatisörer. I Stockholms kommun röstade 14,32 procent17 på miljöpartiet till kommunfullmäktige 2014 och medelpriset för fjärrvärme var ca 23 000 kronor per år (Energimarknadsinspektionen, 2016). Stockholms kommun skiljer sig även från övriga kommuner i klimatzon 3 vad gäller prisnivå och area, se Tabell 2–3 och Tabell 6–7. Detta, tillsammans med det faktum att
Stockholm är en storstad, ligger till grund för att Stockholm undersöks i en separat regression.
Tabell 8 visar fördelningen av energiklasser i Stockholms kommun respektive övriga
kommuner i klimatzon 3 jämfört med fördelningen i hela Sverige. Som kan utläsas ur tabellen har både Stockholms kommun och övriga kommuner i klimatzon 3 energiklasser något längre ner på skalan än resterande Sverige. Stockholms kommun och övriga kommuner i klimatzon 3 skiljer sig inte märkbart åt i fördelningen men Stockholms kommun har något sämre
energiklasser.
Tabell 8. Fördelning av energiklasser hos småhus i Stockholms kommun, övriga kommuner i klimatzon 3 och i hela Sverige
A B C D E F G
Stockholms kommun 0,13 % 2,77 % 11,81 % 25,75 % 27,52 % 17,22 % 14,80 % Övriga kommuner i
klimatzon 3
0,39 % 2,89 % 11,96 % 25,67 % 32,50 % 17,83 % 8,76 %
Hela Sverige 0,82 % 5,16 % 13,68 % 25,75 % 27,92 % 16,69 % 9,99 % Kommentar: Siffrorna är framräknade efter att koppling har genomförts med Valueguards försäljningar.
Källa: Boverkets energideklarationsregister.
Den här studien har till syfte att undersöka svenska småhus, det vill säga fastigheter med typkod 220. Typkoder är Skatteverkets koder för olika typer av fastigheter, vilka finns representerade i både Boverkets energideklarationer och i Valueguards datamaterial.
Skatteverket räknar sedan 2015 in fritidshus i typkoden för småhus (220)18. För att få ett så
16 Se Appendix Tabell 2A för en redogörelse för vilka kommuner som har uteslutits och varför.
17 http://www.val.se/val/val2014/slutresultat/K/rike/index.html 2017-05-01
18
homogent datamaterial som möjligt har därför fritidshus från tidigare år än 2015 inkluderats i materialet. Detta förväntas inte påverka resultatet märkbart eftersom byggnader som är planerade för eller bebos under kortare tid än fyra månader inte är energideklarationspliktiga och därmed inte inkluderade i datamaterialet.
För att med säkerhet behandla önskad typ av byggnader har observationer där typkoden skiljer sig från 220 eller 221 i antingen Boverkets eller Valueguards datamaterial exkluderats.
Dessutom har radhus vars upplåtelseform är annan än bostadsrätt exkluderats. Även bostäder vars energiförbrukning delvis går till annan verksamhet än boende har tagits bort.
För att skapa ett homogent urval har observationer som befinner sig längre än fem mil från centrum uteslutits. Även byggnader som är äldre än 100 år vid försäljningsdatumet har exkluderats och likaså bostäder med femton eller fler rum eller med en biyta på över 300 m2.
Två observationer har enligt Boverkets data 20 plan, vilket vid närmare undersökning antas vara en felskrift då resterande variabler ser ut att tillhöra ett småhus. Dessa observationer har därför ändrats till att ha två plan. En stor del av energideklarationernas variabler saknar data och har i dessa fall antagits vara noll. Detta är ett rimligt antagande eftersom
energideklarationerna har många fält och energiexperterna troligen fyller i de fält som är relevanta för objektet. Detta gäller variablerna antal kWh/m2 för varje energityp, antal
källarplan, balkong, area uppvärmt garage, antal trapphus och antal lägenheter. Detsamma har gjorts för variabeln biarea i Valueguards datamaterial. Observationer i Valueguards
datamaterial med noll rum, noll värdeyta eller där prisuppgift saknas har exkluderats.
7. Resultat
Resultaten från den hedoniska regressionen för Stockholms kommun presenteras i Tabell 9 och resultaten från regressionen för övriga kommuner i klimatzon 3, det vill säga Norrköping, Eskilstuna, Trollhättan och Växjö, presenteras i Tabell 10. Dessa redovisas med fem olika modeller. Modell (3)-(5) inkluderar endast data med försäljningsdatum från 1 januari 2014 och framåt. Energiprestanda inkluderas som en kontinuerlig variabel i modell (5) medan modell (3) och (4) istället inkluderar energiklasser från A-G med klass D som referensklass.
Modell (3) utesluter variabeln standardsumma från modellen och detsamma gäller modell (1).
Modell (1) och (2) inkluderar data från samtliga försäljningar i materialet.
Tabell 9. Resultat från den hedoniska regressionen för Stockholms kommun
Beroende variabel: ln(pris/m2) (1) (2) (3) (4) (5)
Energiprestanda -0.0003***
(6x10-5)
-0.0004***
(6x10-5)
-0.0003***
(9x10-5)
A/B 0.0045
(0.0211)
0.0090 (0.0207)
C 0.0003
(0.0163)
0.0010 (0.0162)
E -0.0189**
(0.0087)
-0.0197**
(0.0087)
F -0.0068
(0.0105)
-0.0088 (0.0105)
G -0.0198*
(0.0118)
-0.0241**
(0.0119)
Uppvärmd area -0.0005***
(0.0001)
-0.0006***
(0.0001)
-0.0003 (0.0002)
-0.0003 (0.0002)
-0.0003 (0.0002)
Area uppvärmt garage -0.0005
(0.0004)
-0.0004 (0.0004)
-0.0016***
(0.0005)
-0.0016***
(0.0006)
-0.0012**
(0.0006)
Ålder -0.0073***
(0.0007)
-0.0073***
(0.0007)
-0.0067***
(0.0011)
-0.0070***
(0.0011)
-0.0077***
(0.0010)
Ålder2 X X X X X
Tomtarea 0.0001***
(2*x10-5)
0.0001***
(2x10-5)
0.0001***
(3x10-5)
0.0001***
(3x10-5)
0.0001***
(3x10-5)
Biyta 0.018***
(0.0001)
0.0017***
(0.0001)
0.0017***
(0.0002)
0.0017***
(0.0002)
0.0016***
(0.0002)
Värdeyta -0.0038***
(0.0002)
-0.0039***
(0.0002)
-0.0042***
(0.0003)
-0.0042***
(0.0003)
-0.0041***
(0.0003)
Antal rum 0.0038
(0.0028)
0.0032 (0.0028)
-0.0045 (0.0053)
-0.0048 (0.0053)
-0.0070 (0.0050)
Standardsumma 0.0046***
(0.0006)
0.0037***
(0.0010)
0.0041***
(0.0009)
Trapphus finns -0.0635
(0.0608)
-0.0673 (0.0591)
0.2915***
(0.0691)
-0.2845***
(0.1921)
-0.0772 (0.1921)
Antal källarplan 0.0434***
(0.0081)
0.0429***
(0.0081)
0.0575***
(0.0119)
0.0564***
(0.0118)
0.0471***
(0.0112)
Minst två plan -0.0076
(0.0081)
-0.0059 (0.0081)
-0.0080 (0.0121)
-0.0086 (0.0121)
-0.0156 (0.0115)
Uppgift om plan saknas 0.0324***
(0.0074)
0.0352***
(0.1156)
0.0429***
(0.0113)
0.0422***
(0.0113)
0.0378***
(0.0103)
Friliggande hus 0.1560***
(0.0124)
0.1552***
(0.0124)
0.1562***
(0.0227)
0.1554***
(0.0223)
0.1494***
(0.0215)
Kedjehus 0.0576***
(0.0080)
0.0556***
(0.0079)
0.0749***
(0.0140)
0.0732***
(0.0139)
0.0668***
(0.0133)
Avstånd till centrum -3x10-5***
(6x10-6)
-3x10-5***
(6x10-6)
-4x10-5***
(9x10-6)
-5x10-5***
(9x10-6)
-4x10-5***
(8x10-6)
Delområde/församling X X X X X
Belägenhetsklass 3 0.0717***
(0.0182)
0.0693***
(0.0181)
0.0758***
(0.0270)
0.0738***
(0.0270)
0.0761***
(0.0255)
Belägenhetsklass 2 0.2512***
(0.0299)
0.2514***
(0.0298)
0.2397***
(0.0373)
0.2389***
(0.0371)
0.2486***
(0.0377)
Belägenhetsklass 1 0.3069***
(0.0270)
0.3008***
(0.0341)
0.4070***
(0.0349)
0.4292***
(0.0352)
0.4010***
(0.0355)
År och kvartal vid försäljning X X X X X
R2 0.8504 0.8520 0.8374 0.8385 0.8403
Antal observationer 5920 5920 2305 2305 2557
Kommentarer: Robusta standardfel visas i parentes. *** = signifikans på 1 %-nivån, ** = signifikans på 5 %- nivån och * = signifikans på 10 %-nivån.
Samtliga modeller inkluderar variabeln ålder2 och dummyvariabler för delområde, församling och år- och kvartal för försäljning.
Ur Tabell 9 kan ett negativt, statistiskt signifikant samband urskiljas mellan den kontinuerliga variabeln energiprestanda och ln(pris/m2) i Stockholms kommun. En sänkning med 1
kWh/m2 av bostadens energiprestanda genererar ett 0,004 procent högre kvadratmeterpris.
Variabelns ekonomiska signifikans skiljer sig inte märkbart åt mellan modell (5) och modell (2). Betalningsviljan för energieffektiva hus har således inte förändrats märkbart efter att energiklasser infördes 2014. Statistiskt signifikanta estimat uppnås för energiklass E och för energiklass G men inte för övriga energiklasser. Dessa estimat tyder på att bostäder med
G genererar 2,4 procent lägre pris än bostäder med energiklass D. Inga estimat av intresse skiljer sig märkbart åt då standardsumma exkluderas från modellerna.
Tabell 10 visar ett liknande resultat för övriga kommuner i klimatzon 3 vad gäller sambandet mellan den kontinuerliga variabeln energiprestanda och utfallsvariabeln. Enligt resultatet genererar en sänkning med 1 kWh/m2 av bostadens energiprestanda en ökning av bostadens kvadratmeterpris med 0,005 procent. Estimatet för energiprestanda blir något mindre ekonomiskt signifikant då standardsumma exkluderas i modell (1) jämfört med modell (2).
Estimaten ändras inte märkbart mellan modell (3) och (4), som inte ger statistiskt signifikanta resultat förutom för energiklass C och för energiklass G. Resultaten är även ekonomiskt signifikanta och påvisar att en bostad med energiklass C genererar cirka 4,0 procent högre kvadratmeterpris än en bostad med energiklass D och att en bostad med energiklass G säljs för cirka 7,4 procent lägre kvadratmeterpris än en bostad med energiklass D, ceteris paribus.
Tabell 10. Resultat från den hedoniska regressionen för övriga kommuner i klimatzon 3
Beroende variabel: ln(pris/m2) (1) (2) (3) (4) (5)
Energiprestanda -0.0003***
(9x10-5)
-0.0005***
(9x10-5)
-0.0004***
(0.0003)
A/B -0.0196
(0.0234)
-0.0193 (0.0237)
C 0.0401***
(0.0145)
0.0397***
(0.0140)
E 0.0113
(0.0115)
0.0040 (0.0111)
F -0.0076
(0.0146)
-0.0022 (0.0142)
G -0.0648***
(0.0204)
-0.0738***
(0.0197)
Uppvärmd area 0.0001
(0.0002)
6x10-6 (0.0002)
0.0001 (0.0002)
-2x10-5 (0.0002)
-2x10-5 (0.0002)
Area uppvärmt garage 0.0002
(0.0004)
0.0004 (0.0004)
0.0001 (0.0005)
0.0003 (0.0005)
0.0006 (0.0005)
Ålder -0.0125***
(0.0007)
-0.0124***
(0.0007)
-0.0128***
(0.0010)
-0.0128***
(0.0010)
-0.0121***
(0.0010)
Ålder2 X X X X X
Tomtarea 10-5**
(5*10-6)
10-5**
(5*10-6)
2x10-5***
(7*10-6)
2x10-5***
(3*10-5)
2x10-5***
(7*10-6)
